一种基于环境地图的机器人安防巡检方法及其机器人技术

本发明专利技术公开的一种基于环境地图的机器人安防巡检方法及其机器人，该方法包括建立整个监控区的二维平面地图；规划出监控路线；定位出机器人当前所处监控区域中的位置；按照规划的监控路线移动巡查等步骤。本发明专利技术的一种基于环境地图的机器人安防巡检方法及其机器人，能够根据环境地图进行遍历巡查，避免监控死角；主动发现不安全因素并进行安全策略确认；主动跟踪不安全因素；夜间无需辅助照明也能够正常工作。本发明专利技术的方法及机器人主动性强，对不安全因素进行主动防御，大大提高了暗访巡检的有效性和及时性、稳定性。

Robot security inspection method based on environment map and robot thereof

The invention discloses a security inspection method of robot based on environment map and robot, the method includes a two-dimensional map to establish the monitoring area; planning monitoring route; positioning of the robot in the monitoring area; in accordance with the planning monitoring line mobile patrol steps. The invention of a security inspection method of robot based on environment map and robot, according to the environment map traversal to avoid inspections, monitoring the dead; actively find the unsafe factors and security strategy of active tracking confirmation; safety factor; night without auxiliary lighting can also work normally. The method of the invention and the robot has the advantages of strong initiative and active defense to the unsafe factors, which greatly improves the effectiveness, timeliness and stability of the unannounced visits.

【技术实现步骤摘要】

本专利技术涉及安防监控
，具体是一种基于环境地图的机器人安防巡检方法及其机器人。
技术介绍
目前的安防监控领域大都采用被动式的视频监控方法，一般是在特定监测点安装摄像头，在特定区域集中显示各监测点图像，通过人工排查各个摄像机拍摄的图像审核不安全因素。该方法具有诸多缺点：1、需要人工不断排查多个摄像机的监控画面，容易造成视觉疲劳造成漏判不安全因素。2、摄像机的视角相对固定且不易实现大范围运动，如需监控大范围场景需要布置较多的摄像头，容易造成监控死角。3、当发现不安全因素视频监控方式不容易进行主动跟踪。4、监控相机大都是RGB摄像机不具备夜视功能，夜间监控能力大大下降，往往需要增加辅助照明装置从而造成很多不利影响。
技术实现思路
本专利技术要解决的问题是提供一种基于环境地图的机器人安防巡检方法及其机器人，该方法及所使用的机器人能够实现主动不间断监控，并且可以实现对不安全因素进行主动跟踪。为实现上述专利技术目的，本专利技术的一种基于环境地图的机器人安防巡检方法，包括以下步骤：机器人在监控区域行走过程中，通过头部安装的深度获取监控区内物体的深度距离数据，从而建立整个监控区的二维平面地图；所述机器人根据建立的监控区域二维地图规划出监控路线；所述机器人将当前的深度相机获取的距离数据与之前建立的二维平面进行匹配，从而定位出机器人当前所处监控区域中的位置；所述机器人按照规划的监控路线移动巡查。进一步的，所述建立未监控区的二维平面地图采用的是SLAM方法中的Gmapping算法，具体过程如下：21）深度相机获取的深度图是空间物体相对于深度相机的三维空间坐标数据，通过将一定高度范围内的数据向深度相机水平面进行投影，即可将三维空间深度数据转化为二维的激光雷达数据；22）Gmapping算法根据转换后得到的激光雷达数据结合机器人的里程计信息，使用粒子滤波的方法最终构建出监控区的二维平面地图。进一步的，所述定位机器人当前所处监控区域中的位置和机器人按照规划的监控路线移动巡查的具体过程如下：31）机器人当前位置定位：采用自适应的蒙特卡洛定位方式，采用粒子滤波器根据当前的激光雷达数据及里程计信息来跟踪已知地图中机器人的位姿；32）机器人结合当前位置信息，沿着全局路径规划行走，当行进过程中遇到地图中没有标注的障碍物，将障碍物标注在二维平面地图中；33）重复以上步骤，使用新的二维平面地图重新进行路径规划。进一步的，所述机器人发现生物或烟雾时，进行判断是否为危险因素；对不安全因素进行跟踪并不断向监护人汇报当前状态；对烟雾通过烟雾传感器进行辨别；对生物可以采用骨骼检测识别法、面部识别法或语音识别法。更进一步，所述骨骼检测识别法包括以下步骤：通过深度相机获取生物体的深度图；识别生物体骨骼数据；将识别到的生物体骨骼数据与数据库对比，如果所述生物体骨骼数据与数据库中任何个体数据均无法匹配，则判定为危险因素，并对所述危险因素进行实时跟踪；如果所述生物体骨骼数据与数据库中任意个体数据匹配，则判定为安全因素，不予追踪。另一种改进，所述面部识别法包括以下步骤：当机器人检测到生物体时，通过机器人的摄像机检测生物体面部特征；将所述生物体面部特征与生物体面部特征数据库进行匹配，如果匹配成功则完成身份验证，不予追踪；如果匹配不成功，则将所述生物体识别为危险因素。进一步的，所述机器人监测到危险因素后，根据预先制定的安全策略或者监护人操作执行相应操作。应用于上述技术方案的安防巡检方法的机器人，包括：深度相机，主要用于获取室内物体相对于机器人的距离数据及生物体内部结构，从而建立监控区域的二维网格地图及实现机器人定位。由于深度相机采用红外结构光进行物体深度探测，所以在晚上黑暗情况下仍然能够正常工作；RGB彩色相机，用于获取监控区域的彩色图像，用于进行面部识别及场景查看；烟雾传感器，用于感应监控区域的烟雾；麦克风阵列，用于拾取外部的声音或者对声源大致的方向进行判别；扬声器，用于播放声音如询问、警报。本专利技术的一种基于环境地图的机器人安防巡检方法及其机器人，能够根据环境地图进行遍历巡查，避免监控死角；主动发现不安全因素并进行安全策略确认；主动跟踪不安全因素；夜间无需辅助照明也能够正常工作。本专利技术的方法及机器人主动性强，对不安全因素进行主动防御，大大提高了暗访巡检的有效性和及时性、稳定性。附图说明图1为本专利技术一个实施例中基于环境地图的机器人安防巡检方法的流程图；图2为图1安防巡检方法的机器人位移示意图；图3为本专利技术一个实施例人体识别示意图；图4为本专利技术人脸识别及语音身份验证示意图；图5为本专利技术使用的机器人的结构图。具体实施方式下面结合附图，对本专利技术提出的一种基于环境地图的机器人安防巡检方法及其机器人进行详细说明。如图1所示，本专利技术的基于环境地图的机器人安防巡检方法，包括以下步骤：机器人在监控区域行走过程中，通过头部安装的深度获取监控区内物体的深度距离数据，从而建立整个监控区的二维平面地图；建立未知环境的二维网格地图采用的是SLAM((simultaneouslocalizationandmapping)方法中的Gmapping算法，具体过程如下：21）深度相机获取的深度图是空间物体相对于深度相机的三维空间坐标数据，通过将一定高度范围内的数据向深度相机水平面进行投影，即可将三维空间深度数据转化为二维的激光雷达数据。22）Gmapping算法根据转换后得到的激光雷达数据结合机器人的里程计信息，使用粒子滤波的方法最终构建出未知环境的二维网格地图。机器人根据建立的监控区域二维地图规划出监控路线；路径规划采用的Dijkstra最优路径的算法，计算二维网格地图上从初始位置到达目标位置的最小花费路径，作为机器人的全局路线。机器人将当前的深度相机获取的距离数据与之前建立的二维平面进行匹配，从而定位出机器人当前所处监控区域中的位置；机器人按照规划的监控路线移动巡查。具体过程如下31）机器人当前位置定位。采用自适应的蒙特卡洛定位方式（AMCL），采用粒子滤波器根据当前的激光雷达数据及里程计信息来跟踪已知地图中机器人的位姿。32）机器人结合当前位置信息，沿着全局路径规划行走。当行进过程中遇到地图中没有标注的障碍物，将障碍物标注在二维网格地图中。33）重复以上步骤，使用新的网格地图重新进行路径规划。机器人监测到危险因素后，根据预先制定的安全策略或者监护人操作执行相应操作。机器人发现生物或烟雾时，进行判断是否为危险因素；对不安全因素进行跟踪并不断向监护人汇报当前状态；对烟雾通过烟雾传感器进行辨别；对生物可以采用骨骼检测识别法、面部识别法或语音识别法。如图2所示，机器人进行安防巡检的过程，主要包括以下四点信息：①机器人建立的巡视环境的二维地图。②机器人巡视开始位置A。③机器人巡视目标位置B。④机器人由当前位置A到目标位置B规划出的巡视路径。如图3所示，以人体为例，骨骼检测识别法包括以下步骤：通过深度相机获取人体的深度图，如第一区域和第二区域；识别人体骨骼数据；第一线条和第二线条为识别到的人体骨骼；将识别到的人体骨骼数据与数据库对比，如果人体骨骼数据与数据库中任何个体数据均无法匹配，则判定为危险因素，并对危险因素进行实时跟踪；如果人体骨骼数据与数据库中任意个体数据匹配，则判定为安全因素，不予追踪。如图4本文档来自技高网...

【技术保护点】
一种基于环境地图的机器人安防巡检方法，其特征在于，包括以下步骤：机器人在监控区域行走过程中，通过头部安装的深度获取监控区内物体的深度距离数据，从而建立整个监控区的二维平面地图；所述机器人根据建立的监控区域二维地图规划出监控路线；所述机器人将当前的深度相机获取的距离数据与之前建立的二维平面进行匹配，从而定位出机器人当前所处监控区域中的位置；所述机器人按照规划的监控路线移动巡查。

【技术特征摘要】
1.一种基于环境地图的机器人安防巡检方法，其特征在于，包括以下步骤：机器人在监控区域行走过程中，通过头部安装的深度获取监控区内物体的深度距离数据，从而建立整个监控区的二维平面地图；所述机器人根据建立的监控区域二维地图规划出监控路线；所述机器人将当前的深度相机获取的距离数据与之前建立的二维平面进行匹配，从而定位出机器人当前所处监控区域中的位置；所述机器人按照规划的监控路线移动巡查。2.根据权利要求1所述的基于环境地图的机器人安防巡检方法，其特征在于，所述建立未监控区的二维平面地图采用的是SLAM方法中的Gmapping算法，具体过程如下：21）深度相机获取的深度图是空间物体相对于深度相机的三维空间坐标数据，通过将一定高度范围内的数据向深度相机水平面进行投影，即可将三维空间深度数据转化为二维的激光雷达数据；22）Gmapping算法根据转换后得到的激光雷达数据结合机器人的里程计信息，使用粒子滤波的方法最终构建出监控区的二维平面地图。3.根据权利要求1所述的基于环境地图的机器人安防巡检方法，其特征在于，所述定位机器人当前所处监控区域中的位置和机器人按照规划的监控路线移动巡查的具体过程如下：31）机器人当前位置定位：采用自适应的蒙特卡洛定位方式，采用粒子滤波器根据当前的激光雷达数据及里程计信息来跟踪已知地图中机器人的位姿；32）机器人结合当前位置信息，沿着全局路径规划行走，当行进过程中遇到地图中没有标注的障碍物，将障碍物标注在二维平面地图中；33）重复以上步骤，使用新的二维平面地图重新进行路径规划。4.根据权利要求1所述的基于环境地图的机器...

【专利技术属性】
技术研发人员：张帆，
申请(专利权)人：南京阿凡达机器人科技有限公司，
类型：发明
国别省市：江苏;32