一种物体成像方法与流程

本发明涉及物体成像领域，尤其涉及一种物体成像方法。

背景技术：

物体成像装置较多的应用在工业领域，比如，在一些零部件流水线生产链上，通过物体成像装置采集零部件的轮廓构造和距离，以便控制机械手抓取零部件。

现有技术公开一种物体成像装置，该物体成像装置通过摄像头拍摄物体的背景图，然后分析该背景图中各个成像特征，从而生成综合图像。

发明人在实现本发明的过程中，发现现有技术至少存在以下问题：由于现有成像装置一般使用双目测距，测出来的数据精度不准，稳定性不强，识别的物体偏差率高，计算出来的距离与实际有误差。

技术实现要素：

为了克服上述技术问题，本发明的目的旨在提供一种物体成像方法及其装置、机器人，其解决了现有技术成像精度低的技术问题。

为解决上述技术问题，本发明提供以下技术方案：

在第一方面，本发明实施例提供一种物体成像方法，其包括以下步骤：

获取物体的轮廓灰度背景图和三维轮廓灰度图；

匹配所述物体的轮廓灰度背景图和三维轮廓灰度图，生成物体的三维综合图像。

可选地，所述获取物体的轮廓背景图，具体包括：

获取摄像头模块采集的物体图像数据；

将所述物体图像数据存储成灰度类型的图像数据；

根据所述灰度类型的图像数据，提取所述物体的边缘轮廓线；

生成所述物体的轮廓灰度背景图。

可选地，所述获取物体的三维轮廓灰度图，具体包括：

获取物体的点阵图；

对所述点阵图进行医学图像三维绘制中的面绘制处理；

生成所述物体的三维轮廓灰度图。

可选地，所述获取物体的点阵图，具体包括：

获取超声波阵列采集的物体轮廓信息；所述超声波阵列包括N个超声波模块，N＝N_X*N_Y；其中，N_X为每行的超声波模块个数，N_Y为每列的超声波模块个数，N、N_X以及N_Y均为正整数；处于每行中的N_X个超声波模块组成一个采集窗；其中，每个采集窗在列方向上的高度是相等的，在行方向的长度是相等的；处于每个所述采集窗的N_X个超声波模块在列方向上，并且按照列顺序具有不同梯级高度的第一固定高度值；其中，每个第一固定高度值之间的距离值是相等的；

获取每个超声波模块检测出的超声波模块和物体之间的最大距离值；

关联和存储所述第一固定高度值和所述最大距离值，得到坐标值；

读取所述坐标值，通过屏幕画点函数，在显示屏幕的坐标系上对应的坐标上画出所述坐标值；

通过屏幕画线函数，连接显示屏幕上的各个坐标点，生成物体的点阵图。

可选地，所述匹配所述物体的轮廓灰度背景图和三维轮廓灰度图，具体包括：

对所述物体的轮廓灰度背景图和三维轮廓灰度图进行归一化积灰度匹配处理。

在第二方面，本发明实施例提供一种物体成像装置，其包括：

摄像头模块，用于拍摄物体，并且产生物体图像数据；

超声波阵列，用于采集物体轮廓信息；

微处理器，用于根据所述物体图像数据和所述物体轮廓信息，获取物体的轮廓灰度背景图和三维轮廓灰度图，并且匹配所述物体的轮廓灰度背景图和三维轮廓灰度图，生成物体的三维综合图像。

可选地，所述微处理器具体用于：将所述物体图像数据存储成灰度类型的图像数据，根据所述灰度类型的图像数据，提取所述物体的边缘轮廓线，生成所述物体的轮廓灰度背景图。

可选地，所述微处理器具体用于：获取物体的点阵图，对所述点阵图进行医学图像三维绘制中的面绘制处理，生成所述物体的三维轮廓灰度图。

可选地，所述微处理器具体用于：

获取超声波阵列采集的物体轮廓信息；所述超声波阵列包括N个超声波模块，N＝N_X*N_Y；其中，N_X为每行的超声波模块个数，N_Y为每列的超声波模块个数，N、N_X以及N_Y均为正整数；处于每行中的N_X个超声波模块组成一个采集窗；其中，每个采集窗在列方向上的高度是相等的，在行方向的长度是相等的；处于每个所述采集窗的N_X个超声波模块在列方向上，并且按照列顺序具有不同梯级高度的第一固定高度值；其中，每个第一固定高度值之间的距离值是相等的；

获取每个超声波模块检测出的超声波模块和物体之间的最大距离值；

关联和存储所述第一固定高度值和所述最大距离值，得到坐标值；

读取所述坐标值，通过屏幕画点函数，在显示屏幕的坐标系上对应的坐标上画出所述坐标值；

通过屏幕画线函数，连接显示屏幕上的各个坐标点，生成物体的点阵图。

在第三方面，本发明实施例提供一种机器人，其包括：

摄像头模块，用于拍摄物体，并且产生物体图像数据；

超声波阵列，用于采集物体轮廓信息；

微处理器，用于根据所述物体图像数据和所述物体轮廓信息，获取物体的轮廓灰度背景图和三维轮廓灰度图，并且匹配所述物体的轮廓灰度背景图和三维轮廓灰度图，生成物体的三维综合图像；

转向控制装置，用于根据微处理器的控制指令，控制所述摄像头模块和/或所述超声波阵列的转向；

传感器模块，用于采集所述机器人的当前姿态，输出姿态数据；所述微处理器根据所述姿态数据输出所述控制指令。

可选地，所述机器人还包括：

无线通讯模块，用于将所述微处理器的数据上传至智能终端和/或服务器：

显示器模块，用于显示所述微处理器生成的物体的三维综合图像。

在本发明实施例中，通过获取物体的轮廓灰度背景图和三维轮廓灰度图，匹配所述物体的轮廓灰度背景图和三维轮廓灰度图，从而生成高精度的物体的三维综合图像。采用该方法，其能够高精度地检测到物体移动的画面和距离，从而提高夜间在流水线上物体的识别检测率和使机器人根据高精度的物体的三维综合图像灵活躲避障碍。

附图说明

图1是本发明实施例提供的物体成像方法的流程示意图；

图2是本发明实施例提供的获取物体的轮廓灰度背景图的流程示意图；

图2a是本发明实施例提供的生成所述物体的轮廓灰度背景图的示意图；

图3是本发明实施例提供的获取物体的三维轮廓灰度图的流程示意图；

图4是本发明实施例提供的获取物体的点阵图的流程示意图；

图4a是本发明实施例提供显示屏幕的显示窗口的示意图；

图4b是本发明实施例提供的超声波阵列组成的采集窗的示意图；

图4c是本发明实施例提供的超声波阵列捕捉移动物体的轮廓线构图的示意图；

图4d是本发明实施例的物体成像的示意图；

图5是本发明实施例提供一种物体成像装置；

图6是本发明实施例提供的一种机器人的电路结构原理框图；

图7是本发明实施例提供的一种机器人的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

请参考图1，图1是本发明实施例提供的物体成像方法的流程示意图。如图1所示，该方法包括以下步骤：

S11、获取物体的轮廓灰度背景图和三维轮廓灰度图；

在本步骤S11中，获取物体的轮廓灰度背景图的方式可以采用激光成像方式，利用发散角很小的激光束照射到物体上形成激光测量点，利用点探测器接收来自测量点的反射或散射的激光信号，通过反演获取目标距离，从而进一步反演出物体的轮廓灰度背景图；也可以采用红外光成像方式获取物体的轮廓灰度背景图；也可以采用摄像头模块拍摄物体并且进一步获取物体的轮廓灰度背景图。当然，此处还可以采用其它方式获取物体的轮廓灰度背景图。

在本实施例中，所述的物体可以是生产流水线上的零部件或者其它待检测物体，可以是交通领域的车辆，可以是太空中的漂浮物等等物体。至于物体当前的运动状态，可以是静止的，也可以是移动的，在大部分的应用场合，检测对象的物体的运动状态是移动的。

在本实施例中，本实施例采用摄像头模块获取物体的轮廓灰度背景图。请参考图2，图2是本发明实施例提供的获取物体的轮廓灰度背景图的流程示意图。如图2所示，该流程包括：

S21、获取摄像头模块采集的物体图像数据；

在本步骤S21中，此处的摄像头模块至少包括两个摄像头，采用两个摄像头采集物体图像数据，有利于结合后续步骤得到的物体三维轮廓灰度图精准生成物体的三维综合图像，实时精准得到物体的移动数据，该移动数据包括物体和某处机器的距离以及物体当前的移动方向。当然，设计者可以根据作业目标，自行设置多个摄像头采集物体图像数据，在此并不局限于两个摄像头。

S22、将所述物体图像数据存储成灰度类型的图像数据；

在本步骤S22中，摄像头模块采集物体图像数据时，将摄像头模块的采集图像数据格式设置输出为YUV格式(亮度参量和色度参量分开表示的像素格式)，取Y分量，去掉U分量和V分量，并将Y分量转换为RGB565彩色模式，从而将摄像头模块采集的物体图像数据转换成灰度类型图像输出。

在本步骤S22中，此处的灰度类型的图像数据是具有一定位数并且是符合特定图像格式的图像数据。比如说，本实施例的灰度类型的图像数据是八位的BMP格式数据((Bitmap-File图形)。采用八位的BMP格式数据，可以降低处理器的运算量和减小内存，从而节约了图像运算处理时间，因此，本实施例提供的方法实时性高。

在本步骤S22中，摄像头模块采集到的灰度类型的物体图像数据先预存于显示模块的图像寄存器(GRAM)中。将所述物体图像数据存储成一定位数并且是符合特定图像格式的灰度类型的图像数据时，需要处理器从显示模块的图像寄存器里读取各点的颜色值，读取图像寄存器的方式是从左到右，从下到上，即处理器根据图像寄存器存储灰度类型的物体图像数据的图像的首地址、图像的宽度和高度以及图像每行像素所占的字节数，开辟一个缓冲区，作为缓存图像，然后对整幅原图(除最上边和最右边边界)进行逐点扫描。其中，缓冲区初始化为255。此时，显示模块显示速度为30FPS(帧)/s。保存读取图像寄存器的顺序。此时，处理器将物体图像数据存成8位灰度位图的BMP格式数据图像数据。8位灰度位图表示位图最多有256种颜色。每个象素用8位表示，并用这8位作为彩色表的表项来查找该象素的颜色。如果位图中的第一个字节为0x1F，这个象素的颜色就在彩色表的第32表项中查找。此时，缺省情况下，调色板中会有256个RGB项，对应于索引0到索引255。

S23、根据所述灰度类型的图像数据，提取所述物体的边缘轮廓线；

在本步骤S23中，采用边缘检测算法提取灰度类型的图像数据中的物体的边缘轮廓线。其中，采用罗伯茨算子(Roberts算子)计算出灰度类型的图像数据当前像素点的灰度值，并将该值记录到缓存图像的对应位置。

S24、生成所述物体的轮廓灰度背景图。

在本步骤S24中，处理器通过读取缓冲区的缓存图像数据，得到8位的物体的轮廓灰度背景图。

请参考图2a，图2a是本发明实施例提供的生成所述物体的轮廓灰度背景图的示意图。如图2a所示，摄像头模块2a1采集原手势2a2的图像数据，经过处理，得到原手势的轮廓灰度背景图2a3。

采用上述方式将物体图像数据存储成8位的灰度类型的图像数据，其能够降低图像处理的运算量。对于现有物体成像方法直接处理摄像头采集的图像来说，其能够避免处理图像带来的大运算量而使物体成像系统延迟的问题，而且其解决了现有处理图像带来的大运算量而不适合嵌入式处理器处理的问题。

在本实施例中，本实施例的处理器从显示模块的图像寄存器里读取各点的颜色值，读取图像寄存器的方式是从左到右，从下到上。在此过程中，既可以得各点的颜色值，还可以得到各点在显示屏幕上的坐标值。为后续将生成的物体的三维综合图像显示于显示模块少走一步处理流程。

请参考图3，图3是本发明实施例提供的获取物体的三维轮廓灰度图的流程示意图。如图3所示，该流程包括：

S31、获取物体的点阵图；

在本步骤S31中，实时捕捉移动或静止物体的轮廓，画出关于物体轮廓线的点阵图。

请参考图4，图4是本发明实施例提供的获取物体的点阵图的流程示意图。如图4所示，该流程包括：

S41、获取超声波阵列采集的物体轮廓信息；

在本步骤S41中，超声波阵列包括N个超声波模块，并且由N个超声波模块组合成一个阵列，此处，N＝N_X*N_Y。其中，N_X为每行的超声波模块个数，N_Y为每列的超声波模块个数，N、N_X以及N_Y均为正整数；处于每行中的N_X个超声波模块组成一个采集窗；其中，每个采集窗在列方向上的高度是相等的，在行方向的长度是相等的；处于每个所述采集窗的N_X个超声波模块在列方向上，并且按照列顺序具有不同梯级高度的第一固定高度值；其中，每个第一固定高度值之间的距离值是相等的；

在本实施例中，可选地，此处的N为15，N_X为3，N_Y为5，并且在超声波阵列中，依照从左往右和从上往下的顺序，依次命名位于超声波阵列中的每个超声波模块，比如从第一超声波模块命名到第十五超声波模块。此处，超声波阵列中超声波模块的数量并不局限于15个，设计者根据作业目标自行设计超声波的数量，在此并不局限于15个超声波模块。

在本实施例中，采集窗为采集物体轮廓信息的每行中的各个超声波模块组成的超声波信号发射窗。此处，超声波阵列中的每行都可以组成不同采集窗，并且以层次的概念来区分每个不同的采集窗。比如，当N为15时，请参考图4a，图4a是本发明实施例提供显示屏幕的显示窗口的示意图。如图4a所示，第一超声波模块至第三超声波模块组成第一层采集窗4a1，第四超声波模块至第六超声波模块组成第二层采集窗4a2，第七超声波模块至第九超声波模块组成第三层采集窗4a3，第十超声波模块至第十二超声波模块组成第四层采集窗4a4，第十三超声波模块至第十五超声波模块组成第五层采集窗4a5。每层超声波模块的在列方向上的高度是相等的，在行方向的长度是相等的。

请再参考图4a，本实施例是根据显示屏幕的显示窗口的高度和宽度，来开设主窗口401。此处的主窗口是由上述五个的采集窗层叠组成。其中，此处显示屏幕的显示窗口的高度和宽度均是已知的。主窗口401在Y轴方向上的高度等于显示屏幕的显示窗口的高度，在X轴方向上的宽度等于显示屏幕的显示窗口的宽度。

在本实施例中，当N为15时，位于主窗口401内的每层采集窗在Y轴方向上的高度等于显示屏幕的显示窗口的五分之一，此处，每层采集窗在Y轴方向上的高度为30。位于主窗口401内的每层采集窗在X轴方向上的宽度等于显示屏幕的显示窗口的宽度，同时也等于每个超声波模块检测出的超声波模块和物体之间的最大距离值。

处于每个采集窗的N_X个超声波模块在列方向上，并且按照列顺序具有不同梯级高度的第一固定高度值；其中，每个第一固定高度值之间的距离值是相等的。在本实施例中，N_X等于3。请参考图4b，图4b是本发明实施例提供的超声波阵列组成的采集窗的示意图。如图4b所示，在第一层采集窗4a1中，第一超声波模块的第一固定高度值是10，第二超声波模块的第一固定高度值是20，第三超声波模块的第一固定高度值是30，依次类推至第十五超声波模块的第一固定高度值是150。

在本实施例中，每个超声波模块的第一固定高度值对应Y轴上的坐标值。

S42、获取每个超声波模块检测出的超声波模块和物体之间的最大距离值；

在本步骤S42中，每个超声波模块检测出的超声波模块和物体之间的最大距离值对应X轴上的坐标值。

S43、关联和存储所述第一固定高度值和所述最大距离值，得到坐标值；

在本步骤S43中，根据线性代数中的转置矩阵公式原理，新建一个点阵数据结构体，关联和存储所述第一固定高度值和所述最大距离值，得到在要在显示屏幕显示的坐标值。

S44、读取所述坐标值，通过屏幕画点函数，在显示屏幕的坐标系上对应的坐标上画出所述坐标值；

在本步骤S44中，处理器通过读取存储的坐标值，通过屏幕画点函数，在显示屏幕对应的坐标上画出该点，如此往复在一个周期内完成画点成阵排列，然后处理器再次将该画点转换算成显示模块对应的X轴和Y轴象素点数据，在屏幕显示。

请参考图4c，图4c是本发明实施例提供的超声波阵列捕捉移动物体的轮廓线构图的示意图。如图4c所示，一个完整的手势在不同的采集窗中，超声波阵列4c1捕捉不同部分的轮廓线构图。比如，如第二层采集窗4a2至第四层采集窗4a4的手势轮廓线构图是不一样的。比如，在第二采集窗4a2中的超声波模块采集的手势是无名指那一部分，在第三采集窗4a3和第四采集窗4a4中的超声波模块采集的手势是拇指以下绝大部分，将第二层采集窗4a2至第四层采集窗4a4的手势轮廓线构图组合在一起，形成一个完整的手势点阵图4c2。

S45、通过屏幕画线函数，连接显示屏幕上的各个坐标点，生成物体的点阵图。

请再参考图4c，通过屏幕画线函数，生成手势点阵图4c2。在手势点阵图4c2中，可以看出有不同距离的三个同一手势。

在本实施例中，，得到的物体点阵图还要经过精炼处理，具体的，对得到关于物体点阵图的图像数据进行消除噪声、参数域变换及法向量计算处理，连接各点并且产生物体点阵图。此时的物体点阵图具有一定的几何形状、像素以及其它属性。根据设计需要，将其性质和特点进行精简分析处理，减少数据量，以便减少图像运算量，提高实时性。

在本实施例中，将通过上述步骤得到的，并且具有一定的几何形状、像素以及其它属性的点阵图进行扫描变换法处理，得到最终物体的点阵图。

S32、对所述点阵图进行医学图像三维绘制中的面绘制处理；

S33、生成所述物体的三维轮廓灰度图。

结合步骤S32和S33，医学图像三维绘制中的面绘制(Marching cubes)逐个处理数据场中的立方体(体素)，分类出与等值面相交的立方体，采用插值计算出等值面与立方体棱边的交点。因而，算法中每一单元内等值面抽取的两个主要计算为体素中由三角片逼近的等值面计算和三角片各顶点法向计算。用中心差分计算出体素各角点处的梯度，然后再一次通过体素棱边两个端点处梯度的线性插值求出三角面片各顶点处的法向，从而实现等值面的绘制。

S12、匹配所述物体的轮廓灰度背景图和三维轮廓灰度图，生成物体的三维综合图像。

在本步骤S12中，对所述物体的轮廓灰度背景图和三维轮廓灰度图进行归一化积灰度匹配处理。在有光照度环境下，轮廓灰度背景图是有效的，处理器将三维轮廓灰度图与轮廓灰度背景图作配对。通过匹配校验，让该方法检测出来的结果更加精准和快速成像更加立体。

在本步骤S12中，由于在夜间等低于0照度环境下，摄像头模块采集的物体的轮廓灰度背景图是空白的，不能用来作匹配校准，因此超声波阵列每次采集到的物体轮廓信息的灰度就要减少10％，计算5次自动清零并重新装载。此时，重新建立位图数据结构体，记录每次位图数据的XY坐标值和灰度比例值，通过调取点阵数据结构体的数据和位图数据结构体数据，根据XY坐标值生成三角剖分片，经过运算匹配处理，算出移动物体的距离和移动方向。在一个周期内，将深浅不一的点阵灰度图叠加上去在显示模块的显示屏幕进行显示，人体的视觉上就能观察到移动物体在图像中的走向，再加上超声波测出来的距离值在显示模块的显示屏幕在旁注释，将所有图合并生成三维综合图像。因此，在夜间等低照度环境下，都能捕捉到物体移动的方向和距离。

请参考图4d，图4d是本发明实施例的物体成像的示意图。如图4d所示，左侧是右侧移动物体成像图，右侧是移动物体移动图。通过该方法，其对物体成像的方式如同人体眼睛获取图像的方式一样，一方面，该方法可以成像物体的整体结构轮廓图，另一方面，其可以表征物体的距离和移动方向。

采用本发明实施例提供的方法，其能够高精度地检测到物体移动的画面和距离，从而提高夜间在流水线上物体的识别检测率和使机器人根据高精度的物体的三维综合图像灵活躲避障碍。

采用本发明实施例提供的方法，由于在夜间等低照度环境下采用三维轮廓成像的工作方式，因此，在夜间等低照度环境下仍可有效工作，在一些应用场景得到广泛的使用。比如在战场上，士兵在漆黑的环境下可以发现入侵者移动的方向和距离。

采用本发明实施例提供的方法，由于采用超声波阵列测距点阵成像技术，因此，在浓雾等恶劣天气环境下仍可有效工作，消防员可以浓烟的环境下找到目标。

采用本发明实施例提供的方法，由于采用实时性测距和实时计算出移动物体距离技术，用户可根据物体的移动方向和速度，算出物体的大小和到达时间及距离。更佳的，在太空站上，用来捕获或回收太空中飘浮物或太空垃圾。

采用本发明实施例提供的方法，由于摄像头成像视场与点阵成像器件的成像视场一致，对于成像视场覆盖的目标均可有效测距，所以，可实现全幅面中移动物体的测距。因此，采用该方法，其能够在流水线上挑选出特定大小的零件。

图5是本发明实施例提供一种物体成像装置。如图5所示，该装置包括：

摄像头模块51，用于拍摄物体，并且产生物体图像数据；

超声波阵列52，用于采集物体轮廓信息；

微处理器53，用于根据所述物体图像数据和所述物体轮廓信息，获取物体的轮廓灰度背景图和三维轮廓灰度图，并且匹配所述物体的轮廓灰度背景图和三维轮廓灰度图，生成物体的三维综合图像。

进一步，所述微处理器具体用于：将所述物体图像数据存储成灰度类型的图像数据，根据所述灰度类型的图像数据，提取所述物体的边缘轮廓线，生成所述物体的轮廓灰度背景图。

进一步，所述微处理器具体用于：获取物体的点阵图，对所述点阵图进行医学图像三维绘制中的面绘制处理，生成所述物体的三维轮廓灰度图。

进一步，所述微处理器具体用于：

获取超声波阵列采集的物体轮廓信息；所述超声波阵列包括N个超声波模块，N＝N_X*N_Y；其中，N_X为每行的超声波模块个数，N_Y为每列的超声波模块个数，N、N_X以及N_Y均为正整数；处于每行中的N_X个超声波模块组成一个采集窗；其中，每个采集窗在列方向上的高度是相等的，在行方向的长度是相等的；处于每个所述采集窗的N_X个超声波模块在列方向上，并且按照列顺序具有不同梯级高度的第一固定高度值；其中，每个第一固定高度值之间的距离值是相等的；

获取每个超声波模块检测出的超声波模块和物体之间的最大距离值；

关联和存储所述第一固定高度值和所述最大距离值，得到坐标值；

读取所述坐标值，通过屏幕画点函数，在显示屏幕的坐标系上对应的坐标上画出所述坐标值；

通过屏幕画线函数，连接显示屏幕上的各个坐标点，生成物体的点阵图。

进一步，所述微处理器具体用于：对所述物体的轮廓灰度背景图和三维轮廓灰度图进行归一化积灰度匹配处理。

在本实施例中，微处理器还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。还有，此处的微处理器可以是任何传统处理器、控制器、微控制器或状态机。处理器也可以被实现为计算设备的组合，例如，DSP和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP核、或任何其它这种配置。

本实施例的物体成像装置能够高精度地检测到物体移动的画面和距离，从而提高夜间在流水线上物体的识别检测率和使机器人根据高精度的物体的三维综合图像灵活躲避障碍。

图6是本发明实施例提供的一种机器人的电路结构原理框图。如图6所示，该机器人包括：

摄像头模块61，用于拍摄物体，并且产生物体图像数据；

超声波阵列62，用于采集物体轮廓信息；

微处理器63，用于根据所述物体图像数据和所述物体轮廓信息，获取物体的轮廓灰度背景图和三维轮廓灰度图，并且匹配所述物体的轮廓灰度背景图和三维轮廓灰度图，生成物体的三维综合图像；

转向控制装置64，用于根据微处理器的控制指令，控制所述摄像头模块和/或所述超声波阵列的转向；

传感器模块65，用于采集所述机器人的当前姿态，输出姿态数据；所述微处理器根据所述姿态数据输出所述控制指令。

无线通讯模块66，用于将所述微处理器的数据上传至智能终端和/或服务器；

显示器模块67，用于显示所述微处理器生成的物体的三维综合图像；

存储器68，用于存储视频和/或图片数据。具体的，微处理器63读取图像寄存器的图像数据，并将该图像数据存储成JPG图片格式，再将JPG图片格式合成AVI视频格式进行存储。

可选地，本实施例的摄像头模块61采用第一摄像头611和第二摄像头612拍摄物体并且产生物体图像数据。

优选的，为了降低微处理器63的运算负载，本实施例的微处理器63包括第一单片机631和第二单片机632，第一单片机631用于处理摄像头模块61产生的物体图像数据，第二单片机632用于超声波阵列62采集的物体轮廓信息。进一步的，第一单片机631还用于根据所述物体图像数据和所述物体轮廓信息，获取物体的轮廓灰度背景图和三维轮廓灰度图，并且匹配所述物体的轮廓灰度背景图和三维轮廓灰度图，生成物体的三维综合图像。

在本实施例，传感器模块65为重力加速度陀螺仪传感器(MPU-6050)，该传感器模块65能够检测当前机器人的姿态，输出姿态数据。

请参考图7，图7是本发明实施例提供的一种机器人的结构示意图。如图7所示，超声波阵列62设置于转向控制装置64的上方，摄像头模块61设置于超声波阵列62的上方，显示器模块67设置于超声波阵列62背面。在本实施例中，转向控制装置64包括仰俯转向装置模块641、左右转向装置模块642以及前后转向装置模块643。其中，每个转向装置模块均是通过步进电机的驱动而转动。仰俯转向装置模块641接收第一单片机631的控制指令，调整的仰俯姿势，从而调整机器人的姿态，使机器人继续下一次的物体图像采集。同理，左右转向装置模块642以及前后转向装置模块643的工作方式参照仰俯转向装置模块641的工作方式。在此不必赘述。

在本实施例中，无线通讯模块66为2.4G通讯模块，其能够将数据上传至智能终端和/或服务器。此处的智能终端包括智能手机、智能便携式手持设备、台式电脑、平板电脑以及其它终端设备。此处的服务器可以是本地服务器，也可以是云端服务器。

本实施例的机器人能够高精度地检测到物体移动的画面和距离，从而提高夜间在流水线上物体的识别检测率和使机器人根据高精度的物体的三维综合图像灵活躲避障碍。

专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。所述的计算机软件可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。

在上述各个实施例中，所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。