一种机器人自主导航避障系统及其方法技术方案

本发明专利技术公开一种机器人自主导航避障系统，包括：采集装置，用于根据获取的语音指令采集取机器人的当前附近环境图像；处理装置，用于对所述当前附近环境图像基于二阶微分算子和模糊推理算法进行避障处理得到障碍物信息。本发明专利技术还公开一种机器人自主导航避障方法。采用本发明专利技术的技术方案，使机器人更加智能化，能够在不需要人的指导下能自行避障。

【技术实现步骤摘要】

本专利技术属于机器人导航
，尤其涉及一种机器人自主导航避障系统及其方法。
技术介绍
目前，机器人导航系统的避障功能大部分是基于红外和超声波技术实现的。其中，红外自动避障是基于三角原理来检测的，其缺点有如下：检测的最小距离太大；对于近似黑体的物体无法检测距离。超生波传感器检测距离原理是发出超声波再检测到发出的超声波，同时根据声速计算出物体的距离，根据其原理可以知道其缺点如下：声音的速度受温度和风向的干扰，有可能被吸音面给吸收；测量距离普遍比红外的远，最近测量距离较小。基于现有技术的不足，无法做到使机器人具有能像人一样精准、快速的避障功能。
技术实现思路
本专利技术要解决的技术问题是，提供一种机器人自主导航避障系统及其方法，使机器人更加智能化，能够在不需要人的指导下能自行避障。为解决上述问题，本专利技术采用如下的技术方案：一种机器人自主导航避障系统包括：采集装置，用于根据获取的语音指令采集取机器人的当前附近环境图像；处理装置，用于对所述当前附近环境图像基于二阶微分算子和模糊推理算法进行避障处理得到障碍物信息。作为优选，所述处理装置包括：灰度化单元，用于对所述当前周围环境图像进行灰度化处理，得到障碍物图像；检测单元，用于基于LOG算子对障碍物图像进行边缘检测，得到障碍物边界点的位置信息；避障单元，用于根据所述障碍物边界点的位置信息得到相应的姿态信息，通过模糊推理算法得到障碍物信息。作为优选，所述LOG算子为高斯-拉普拉斯算子，其为首先采用高斯滤波器将灰度图像进行平滑处理，其次采用拉普拉斯算子对平滑后的图像进行变换，根据二阶导数的过零点来检测图像的边缘。作为优选，还包括语音装置，用于获取使机器人到达某个目的地的语音指令。作为优选，还包括超声波传感器，用于根据自发自收超声波信号探测障碍物的死角余角位置信息。作为优选，所述采集装置为USB摄像头。一种机器人自主导航避障方法包括以下步骤：步骤S1、根据获取的语音指令采集取机器人的当前附近环境图像；步骤S2、对所述当前附近环境图像基于二阶微分算子和模糊推理算法进行避障处理得到障碍物信息。作为优选，所述步骤S2包括如下步骤：步骤S2.1、对所述当前周围环境图像进行灰度化处理，得到障碍物图像；步骤S2.2、基于LOG算子对障碍物图像进行边缘检测，得到障碍物边界点的位置信息；步骤S2.3、根据所述障碍物边界点的位置信息得到相应的姿态信息，通过模糊推理算法得到障碍物信息。作为优选，所述LOG算子为高斯-拉普拉斯算子，其为首先采用高斯滤波器将灰度图像进行平滑处理，其次采用拉普拉斯算子对平滑后的图像进行变换，根据二阶导数的过零点来检测图像的边缘。作为优选，还包括：通过根据超声波传感器自发自收超声波信号探测障碍物的死角余角位置信息。本专利技术机器人自主导航避障系统及其方法，首先实时采集机器人附近环境视频图像，其次对所述视频图像进行灰度化及边缘检测处理，再次通过二阶微分算子和模糊推理算法得到障碍物的位置信息；可使机器人更加智能化，能够在不需要人的指导下能自行避障，并且很方便的通过语音控制机器人，操作更简便和灵活。附图说明图1为本专利技术机器人自主导航避障系统的结构示意图；图2为本专利技术处理装置结构示意图；图3为本专利技术机器人自主导航避障方法的流程示意图；图4为本专利技术避障处理的流程示意图。具体实施方式下面结合实施例及附图对本专利技术的技术方案作进一步阐述。如图1所示，本专利技术提供一种机器人自主导航避障系统10包括：采集装置1，用于根据获取的语音指令采集取机器人的当前附近环境图像；处理装置2，用于对所述当前附近环境图像基于二阶微分算子和模糊推理算法进行避障处理得到障碍物信息。作为优选，如图2所示，所述处理装置2包括：灰度化单元21，用于对所述当前周围环境图像进行灰度化处理，得到障碍物图像；检测单元22，用于基于LOG算子对障碍物图像进行边缘检测，得到障碍物边界点的位置信息；避障单元23，用于根据所述障碍物边界点的位置信息得到相应的姿态信息，通过模糊推理算法得到障碍物信息。由于采集的当前附近环境图像除了障碍物还掺杂了许多其他的干扰信息，致使障碍物有效信息无法直接识别。在视频图像的处理处理过程中，首先需要对当前附近环境图像先进行灰度化处理，降低数据量，进而实施图像边缘检测，排除其他干扰；其次采用模糊推理算法，可降低图像识别和处理的复杂度，提高实时效率。所述灰度化单元21处理过程如下：根据YUV的颜色空间中，Y的分量的物理意义是点的亮度，由该值反映亮度等级，根据RGB和YUV颜色空间的变化关系可建立亮度Y与R、G、B三个颜色分量的对应：Y＝0.3R+0.59G+0.11B，以这个亮度值表达图像的灰度值。所述检测单元22采用基于二阶微分算子进行图像边缘检测，图像边缘检测算法主要是基于图像亮度的一阶和二阶导数，边缘检测包括：图像滤波、图形增强、图像检测以及图像定位。基于二阶微分的算子是通过计算二阶导数中过零的点来检查图像边缘的，在一阶微分算子中，当所求的一阶导数高于某一阈值时，就确定该点为边缘点，但是，这样的检测结果有时并不是唯一的。对于阶跃边缘，其二阶导数在边缘点出现零交叉，即边缘两旁二阶导数取异号。这样寻找图像灰度的二阶导数的零交叉就能找到精确边缘点。作为优选，本实施例的二阶微分算子中用于边缘检测的是LOG算子，所述LOG算子为高斯-拉普拉斯算子，它是先用高斯滤波器将灰度图像进行平滑处理，然后再用拉普拉斯算子对平滑后的图像进行变换，根据二阶导数的过零点来检测图像的边缘。首先，假设原图像为f(x,y),高斯滤波函数为G(x,y)，拉普拉斯算子为输出的图像为g(x,y)，则LOG算子的推导如下：g(x,y)=▿2[G(x,y)*f(x,y)],]]>其中，*为卷积符号，▿2=∂2/∂x2+∂2/∂y2,]]>由卷积的可交换性得：g(x,y)=[▿2G(x,y)]*f(x,y),]]>其中，即为LOG算子：LOG(x,y)=▿2G(x,y)=[(x2+y2-2σ2)/σ4]*e-[(x2+y2)/2σ2].]]>通过此二阶微分算子的图像边缘检测后可得到障碍物的灰度轮廓，即障碍物本文档来自技高网...

【技术保护点】
一种机器人自主导航避障系统，其特征在于，包括：采集装置，用于根据获取的语音指令采集取机器人的当前附近环境图像；处理装置，用于对所述当前附近环境图像基于二阶微分算子和模糊推理算法进行避障处理得到障碍物信息。

【技术特征摘要】
1.一种机器人自主导航避障系统，其特征在于，包括：
采集装置，用于根据获取的语音指令采集取机器人的当前附近环境图像；
处理装置，用于对所述当前附近环境图像基于二阶微分算子和模糊推理算
法进行避障处理得到障碍物信息。
2.如权利要求1所述的机器人自主导航避障系统，其特征在于，所述处理
装置包括：
灰度化单元，用于对所述当前周围环境图像进行灰度化处理，得到障碍物
图像；
检测单元，用于基于LOG算子对障碍物图像进行边缘检测，得到障碍物边界
点的位置信息；
避障单元，用于根据所述障碍物边界点的位置信息得到相应的姿态信息，
通过模糊推理算法得到障碍物信息。
3.如权利要求2所述的机器人自主导航避障系统，其特征在于，所述LOG
算子为高斯-拉普拉斯算子，其为首先采用高斯滤波器将灰度图像进行平滑处理，
其次采用拉普拉斯算子对平滑后的图像进行变换，根据二阶导数的过零点来检
测图像的边缘。
4.如权利要求1或3所述的机器人自主导航避障系统，其特征在于，还包
括语音装置，用于获取使机器人到达某个目的地的语音指令。
5.如权利要求1或3所述的机器人自主导航避障系统，其特征在于，还包
括超声波传感器，用于根据自发自收超声波信号探测障碍物的死角余角...

【专利技术属性】
技术研发人员：邓小飞，
申请(专利权)人：深圳前海勇艺达机器人有限公司，
类型：发明
国别省市：广东;44