一种智能机器人的制作方法

本申请涉及智能控制技术领域，尤其涉及一种智能机器人。

背景技术：

机器人在自主控制方面的应用越来越广，基于摄像头拍摄的图像可实现对智能机器人的自主控制，但受智能机器人周围环境的亮度的影响，摄像头在亮度不足的情况下，拍摄的视频和图像的质量较低，进而影响智能机器人的控制精度。

技术实现要素：

本申请提供了一种智能机器人，以实现对机器人在暗光环境下的补光和控制。

本实用新型提供了一种智能机器人，包括：摄像头，用于获取图像；照明灯，用于当所述图像的亮度低于阈值时，在所述摄像头拍摄时进行补光处理；所述摄像头，还用于采集补光处理后的视频图像；处理器，用于基于深度神经网络对所述视频图像进行智能分析。

在一种可能实现的方式中，所述摄像头具体用于：获取所述智能机器人所处的环境的图像；以及计算所述图像的RGB值的平均值；以及根据所述平均值和第一映射关系，得到所述图像亮度，其中，所述第一映射关系为RGB值与亮度之间的映射关系。

在另一种可能实现的方式中，所述照明灯具体用于：当所述亮度低于阈值时，将照明灯的光照强度调高以满足智能机器人拍摄的图像亮度达到所述阈值，其中，所述照明灯属于所述智能机器人。

在又一种可能实现的方式中，所述智能机器人还包括：所述摄像头，还用于获取所述摄像头在补光后拍摄的第一图像，其中，所述第一图像包括手，人脸或目标物体中的任意一种；识别单元，用于对所述补光后的图像进行以下至少一种识别：人脸识别、手势识别、目标物识别。

在又一种可能实现的方式中，所述智能机器人还包括：所述摄像头，还用于获取所述摄像头在补光后拍摄的第二图像，其中，所述第二图像包括预设路线的路线标识；所述处理器，还用于对所述第二图像进行特征提取处理，得到特征图像，其中，所述特征图像包括所述预设路线的路线标识的特征；所述处理器，还用于根据所述特征图像及第二映射关系，得到所述智能小车的控制信息，其中，所述第二映射关系为特征图像与控制信息之间的映射关系，所述控制信息包括速度和转向角。

本申请通过将获取到的图像的亮度与阈值进行比较，判断是否需要在摄像头拍摄时进行补光，若图像的亮度低于阈值，则在摄像头拍摄时进行补光，并基于补光后拍摄得到的视频图像对小车进行控制，保证小车在弱光环境下的控制精度。

附图说明

为了更清楚地说明本申请实施例或背景技术中的技术方案，下面将对本申请实施例或背景技术中所需要使用的附图进行说明。

图1为本申请实施例提供的一种智能机器人的结构示意图。

具体实施方式

下面结合本申请实施例中的附图对本申请实施例进行描述。

请参阅图1，图1是本申请实施例提供的一种智能机器人的结构示意图。

该智能机器人1包括：摄像头11、照明灯12及处理器13，其中：

摄像头11用于获取智能机器人所处的环境的图像。本申请实施例中的所指的智能机器人为可进行自主控制的机器，上述自主控制包括：循迹行走，自主避障行走。需要理解的是，本申请实施例对智能机器人的形状不做限定，可以为智能小车，人形机器人。智能机器人完成自主控制需要通过传感系统感知周围环境，并自主规划行走路线以及控制自身完成预定任务。在一种可能实现的方式中，智能机器人上装载有摄像头，通过摄像头可对智能机器人周围的环境进行实时拍摄，其中，拍摄的方式可以为拍摄视频，也可以为拍摄图像。

图像的RGB值越大，图像亮度越高，由于图像中不同位置的RGB值不一样，通过对拍摄的视频或拍摄的图像的RGB值求平均值。用于根据上述平均值和第一映射关系，得到上述图像的亮度。

所述摄像头12，还用于当上述图像的亮度低于阈值时，在摄像头拍摄时进行补光处理。智能机器人的自主控制需要对摄像头拍摄的视频或图像进行分析，并根据分析得到的结果进行相应的控制，因此，摄像头拍摄的视频或图像的质量将直接影响智能机器人的自主控制的精确度。当智能机器人周围的环境亮度过低时，会导致拍摄的视频或图像的不够清晰，进而导致智能机器人的控制误差较大，在一种可能实现的方式中，将智能机器人拍摄的图像的亮度与阈值进行比较，如果图像的亮度低于阈值时，表明此时智能机器人周围的环境亮度较低，所以在摄像头拍摄时进行补光处理。

智能机器人的自主控制是通过传感器完成的，在一种可能实现的方式中，对摄像头拍摄的视频或图像进行分析，得到图像中特定物体的位置，并通过将连续多帧图像中特定物体的位置进行比较，得到智能机器人的速度，通过智能机器人与障碍物之间的距离、安全距离，对智能机器人的速度进行调整，保证智能机器人与障碍物之间的距离始终大于或等于安全距离。显然，摄像头拍摄的视频或图像的质量将直接影响智能机器人的自主控制的精确度。当智能机器人周围的环境亮度过低时，会导致拍摄的视频或图像的不够清晰，进而导致智能机器人的控制误差较大，在一种可能实现的方式中，将智能机器人拍摄的图像的亮度与阈值进行比较，如果图像的亮度低于阈值时，表明此时智能机器人周围的环境亮度较低，所以在摄像头拍摄时进行补光处理。需要理解的是，用户可根据智能机器人在暗光环境下的控制效果调整该阈值，如：在暗光环境下，控制效果较差，可将该阈值适当调低。智能机器人上装载有照明灯，当拍摄的图像的亮度低于阈值时，将照明灯的光照强度调高以满足智能机器人拍摄的图像亮度达到上述阈值，这样，可保证摄像头采集到的图像的质量。需要理解的是，上述照明灯可以是常亮的，也可以是当拍摄的图像的亮度低于阈值时，才点亮并照明。

在另一种可能实现的方式中，当图像的亮度低于阈值时，包括：当图像亮度低于第一预设亮度，对智能机器人的照明灯进行一级调节；当周围图像亮度低于第二预设亮度，对智能机器人的照明灯进行二级调节；当图像环境亮度低于第三预设亮度，对智能机器人的照明灯进行三级调节。即可根据不同的图像亮度，进行不同程度的补光，上述一级的补光量最小，三级的补光量最大。这样，根据不同的环境亮度给予不同大小的补光量，可避免摄像头在进行拍摄的时候出现过曝的情况，同时，也可有效的节省智能机器人的电量。

在又一种可能实现的方式中，在特定环境下的控制效果不够理想时，用户是可以直观感受到的，因此，还可配合人眼对周围环境亮度的感知手动调整照明灯的亮度、更换照明灯、调整照明灯与智能机器人的视觉传感器的夹角。如：当环境亮度低时，可手动将照明灯的亮度调高。此外，在某些环境下，在将智能机器人上装载的照明灯的调到最大亮度后，也无法获得较为理想的补光效果时，用户可更换一个光照亮度更大的照明灯，直至获得理想的补光的效果。另外，智能机器人是基于摄像头拍摄到的图像或视频实现对智能机器人的控制的，而照明灯产生的光束和视觉传感器之间的夹角也将大大影响拍摄到的图像或视频的质量，因此，用户可手动调整照明灯和视觉传感器之间的夹角，以获得理想的拍摄效果，可选地，可调整的夹角范围为-30°～30°。

摄像头13，还用于通过上述摄像头采集补光处理后的视频图像。在完成补光处理后，再通过摄像头采集智能机器人周围环境的视频图像，将获得清晰度高的视频图像。

通过智能机器人内部的深度神经网络对采集到的补光处理后的视频图像进行处理，并基于处理得到的结果进行进一步的控制，提高智能机器人的控制精度。在一种可能实现的方式中，深度神经网络对图像进行人脸特征提取，根据人脸特征提取的结果，判断智能机器人前方是否有人，如若有人，则通过智能机器人内部的语音系统发出如“您好，欢迎光临”之类的问候语。

处理器13通过深度神经网络对图像进行手势特征提取，所述手势包括以下至少一种：停止手势、左转弯手势、右转弯手势、调头手势。根据提取到的手势特征，判断手势的意义，并根据手势的意义对智能机器人进行下一步控制，如：急停、左转弯、右转弯、调头。

处理器13还可通过深度神经网络对图像进行目标物特征提取，根据提取到的目标物特征，判断目标物所处的位置，并控制智能机器人完成相应的任务，如：智能机器人在图像中提取出垃圾桶的相关特征，判定拍摄的图像中包含目标物：垃圾桶，根据智能机器人当前位置与垃圾桶之间的距离及智能机器人与垃圾桶之间的夹角，调整智能机器人行驶的速度即转向角，使智能机器人达到垃圾桶前，并将垃圾倒入垃圾桶。

处理器13还用于基于深度神经网络对上述视频图像进行智能分析。对于教学用的循迹智能机器人而言，智能机器人的行走路线及路线周围的环境都是确定的，通过对路线和路线周围的环境进行图像采集，并将采集到的图像作为训练集，对深度神经网络进行训练，以期望的转向角和速度对深度神经网络得到的转向角和速度进行监督，整定深度神经网络的参数，使深度神经网络在预设路线中的每个位置与控制信息之间建立第二映射关系，其中，控制信息包括：速度和转向角。将完成训练的智能机器人用于同一个环境下进行自主循迹行走时，深度神经网络对实时拍摄到的图像进行特征提取，得到特征图像，并根据特征图像确定智能机器人此时所处的位置，根据得到的位置结果与第二映射关系得到智能机器人的速度和转向角，依据速度和转向角完成对智能机器人的控制。

本申请实施例通过将获取到的图像的亮度与阈值进行比较，判断是否需要在摄像头拍摄时进行补光，若图像的亮度低于阈值，则在摄像头拍摄时进行补光，并基于补光后拍摄得到的视频图像对小车进行控制，保证小车在弱光环境下的控制精度；通过调高照明灯的亮度实现对智能机器人的补光，保证摄像头拍摄的图像的质量，进而实现对机器人的精准控制；同时，还可通过用户对照明灯的手动调整，达到补光的效果。

以上所述，仅为本实用新型的具体实施方式，但本实用新型的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本实用新型揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本实用新型的保护范围之内。因此，本实用新型的保护范围应以权利要求的保护范围为准。