一种机器人安全监控系统的制作方法

本发明涉及安全监控领域，具体涉及一种机器人安全监控系统。

背景技术：

相关技术中的机器人安全监控采用摄像头采集图像，并对图像进行实时传输，图像的清晰与否依赖摄像头质量的高低不同有所差别，采用普通摄像头则得不到清晰图像，采用高清摄像头则造价成本高。

高分辨率的图像可以提供丰富的细节信息，但是视觉传感器在环境动态变化过程中由于存在距离有限，环境干扰等问题，高分辨率的图像往往难以获得，且受到工艺、成本和环境等因素制约，让高分辨率的图像更难以广泛获取。

通常观测到的复杂信号或图像由多种不同类型的基本信源或成分构成，每一类信源或成分具有不同的功能。近年来，Starcket等人依据形态差异性和稀疏性，提出了形态分量分析(Morphological Component Analysis，MCA)。因其能有效解决复杂图像中具有不同形态特征内容的分解问题，目前已成为图像分解的主流方法。

通常自然图像的内容可以认为是由不同成分构成，且每一类成分具有独特的形态学特征，比如常见的平滑分量和纹理分量，平滑分量表示了图像中的大尺度结构特征，而纹理分量表示了图像中细节信息。

目前，多分辨率分析方法是在图像超分辨率领域中最为常用的特征表示方法，不同的多分辨率分析方法分别适宜于提取图像中不同特征，平稳小波变换(SWT)用于表示图像点状特征，非下采样轮廓波变换(NSCT)用于表示图像的线和轮廓特征。有效结合平稳小波变换、非下采样轮廓波变换互补性和平滑分量、纹理分量的不同形态学特征，可合理设计出超分辨方法，将大大提高视觉动态图像的清晰度。

技术实现要素：

针对上述问题，本发明旨在提供一种机器人安全监控系统。

本发明的目的采用以下技术方案来实现：

一种机器人安全监控系统，包括机器人和远程控制终端，所述机器人上设有摄像头、图像处理器、无线传输装置和驱动装置，所述摄像头用于采集环境图像；所述图像处理器用于将环境图像进行高分辨率处理，得到高分辨率环境图像；所述无线传输装置用于将高分辨率环境图像发送至远程控制系统；所述驱动装置用于控制机器人的行动；所述远程控制系统设有显示器、存储器和遥控器，所述显示器用于接收无线传输装置发送来的高分辨率环境图像并进行显示；所述存储器用于存储高分辨率环境图像信息；所述遥控器用于向机器人发送指令，控制机器人的运动。本发明的有益效果为：采用机器人来实现对危险环境的监控，避免了人员亲自进入危险环境导致的不必要伤亡，同时本发明采用普通摄像头进行图像采集，降低机器人的造价成本。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明的框架结构图；

图2是本发明机器人的框架结构图；

图3是本发明远程控制系统的框架图。

附图标记：

机器人1、远程控制系统2、摄像头10、图像处理器11、无线传输装置12、驱动装置13、显示器20、存储器21、遥控器22、图像预处理模块110、图像后处理模块111、图像合成模块112、运动控制器130、驱动电机131、驱动舵机132。

具体实施方式

结合以下应用场景对本发明作进一步描述。

参见图1、图2、图3，本实施例的一种机器人安全监控系统，包括机器人1和远程控制终端2，所述机器人1上设有摄像头10、图像处理器11、无线传输装置12和驱动装置13，所述摄像头10用于采集环境图像；所述图像处理器11用于将采集得到的环境图像进行高分辨率处理，得到高分辨率环境图像；所述无线传输装置12用于将高分辨率环境图像发送至远程控制系统2；所述驱动装置13用于控制机器人1的运动；所述远程控制终端2设有显示器20、存储器21和遥控器22，所述显示器20用于接收无线传输装置12发送来的高分辨率环境图像并进行显示；所述存储器21用于存储高分辨率环境图像信息；所述遥控器22用于向机器人1发送指令，控制机器人1的行动。

优选地，所述无线传输装置12为4G无线网络或蓝牙。

优选地，所述驱动装置包括运动控制器130、驱动电机131和驱动舵机132，所述运动控制器130用于控制驱动电机131和驱动舵机132前往目的位置。

本发明上述实施例，采用机器人来实现对危险环境的监控，避免了人员亲自进入危险环境导致的不必要伤亡，同时本发明采用普通摄像头进行图像采集，降低机器人的造价成本。

优选地，所述图像预处理模块20，对采集得到的环境图像通过形态分量分析(MCA)方法进行处理，将环境图像中的不同形态进行分离，得到对应的低分辨率平滑分量和低分辨率纹理分量，设定MCA方法中的迭次代数为50，迭代阈值为10^-6。

本优选实施例，设置图像预处理模块20，对采集的环境图像中的不同形态进行分离，避免了环境图像平滑区域产生的伪影以及纹理细节被平滑的状况，保持了较好的分量性能，减少计算量，提升整体系统的计算速度。

优选地，所述图像后处理模块21用于对环境图像分离后得到的低分辨率平滑分量进行基于平稳小波变换(SWT)处理，对低分辨率纹理分量进行非下采样轮廓波变换(NSCT)处理，具体为：

(1)基于平稳小波变换(SWT)，对低分辨率平滑分量进行超分辨率处理，即将低分辨率平滑分量分解为与采集得到的环境图像尺寸相同大小的低通、水平方向、垂直方向和对角方向四个子带，由于低分辨率平滑分量比低通子带包含信息更多，因此直接用低分辨率平滑分量代替低通子带，再对平滑分量、水平方向、垂直方向和对角方向四个子带进行2n倍插值，最后，对插值后的四个子带进行SWT逆变换(ISWT)重构得到高分辨率平滑分量；

(2)对低分辨率纹理分量进行2n倍的Bicubic插值后得到初始高分辨率纹理分量，然后进行非下采样轮廓波变换(NSCT)，分解得到一个初始高分辨率纹理分量的低通子带，对应的低通子带系数为ψ₀和i个不同尺度且每个尺度包含2ⁱ个不同方向的带通方向子带，对应的第i个尺度第j个方向的带通方向子带系数为计算当前尺度下所有带通方向子带中系数的权重值和最大值ψ_max：

式中，为自定义权重计算函数，ψ_max为最大值计算函数，w_j为权重因子，为第i个尺度第j个方向的带通方向子带系数；

(3)对全部带通方向子带中每个像素依据行和列将其分类为强边缘或弱边缘，定义强弱边缘分类判定准则为：

其中δ为当前尺度i下噪声的标准差，为像素，x表示行，y表示列；

(4)对全部带通方向子带中强边缘的每个像素的系数进行增强处理，定义增强处理函数为：

对包含模糊和变形的弱边缘的每个像素的系数进行减弱处理，定义减弱处理函数为：

式中，为像素对应的NSCT变换系数，为处理后NSCT变换系数，δ为当前尺度i下噪声的标准差，为第i个尺度第j个方向的带通方向子带系数；

最终，得到处理后纹理分量的全部带通方向子带系数及低通子带系数ψ₀后，通过NSCT逆变换(INSCT)重构得到高分辨率的纹理分量。

本优选实施例中，将环境图像不同形态进行分离，将分离后的低分辨率平滑分量进行平稳小波变换处理，对低分辨率纹理分量进行非下采样轮廓波变换，并采用自定义的强弱边缘分类判定准则准确区分每个像素的强弱边缘，并且对其进行不同的处理，其中定义了处理所需的增强处理函数和减弱处理函数公式，有利于凸显强边缘的轮廓特征，削弱了弱边缘的模糊和变形现象，避免了图像平滑区域产生的伪影或纹理细节被平滑的状况以及在信号断点处出现失真的情况，更准确表示环境图像细节。

优选地，所述图像合成模块22，对图像进行合成，具体为：对高分辨率平滑分量和高分辨率纹理分量进行叠加合成得到最终高分辨率环境图像，定义叠加公式为：

式中，为最终高分辨率环境图像，为高分辨率平滑分量，为高分辨率纹理分量，ω为可调节参数，0<ω<2，可调节ω来增强或减少纹理分量，Xⁱⁿ为采集得到的环境图像，X_p为低分辨率平滑分量，X_q为低分辨率纹理分量。

本优选实施例中，在自定义叠加公式中引入可调节参数，增强整体系统的适应能力，可根据机器人具体进入的环境不同，对环境图像的高分辨率平滑分量和纹理分量进行调节，达到在不同环境下对不同环境图像信息的显示进行选择的效果。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。