一种移动机器人制造技术

本发明专利技术涉及机器人技术领域，具体公开了一种移动机器人，包括底盘、视觉检测模块和控制模块，视觉检测模块包括图像采集单元和处理单元；图像采集单元用于采集图像，并将采集的图像灰度化后发送至处理单元；处理单元对图像进行预处理，在预处理之后提取路面信息，然后将路面信息发送至控制模块；控制模块基于路面信息控制底盘移动。采用本发明专利技术的技术方案为此能实现中小型移动机器人的自动巡航。

【技术实现步骤摘要】
一种移动机器人
本专利技术涉及机器人
，特别涉及一种移动机器人。
技术介绍
技术的进步推动了人们对智能化的需求，自动驾驶技术不断发展，智能车的技术也开始进入人们的视野，将相关的技术运用于自主移动的移动机器人，即可实现机器人的自动巡航，规划路线自动行驶，极大程度减少了人工操作的必要性。移动机器人的运用范围非常广泛，包括物流领域、仓库存储领域和安保领域等。所以发展移动机器人是大势所趋，而路面检测技术是其关键技术。路面检测技术是指通过多传感器，视觉系统等方式采集路面信息为车辆的行驶提供参考，减少甚至替代车辆行驶过程中的人工干预。目前路面识别技术主要有两大类：(1)基于构建模型的道路检测系统；(2)基于图像特征的道路检测技术。而基于图像特征的道路检测技术主要是提取图像中的关键信息如交通标示、边缘特征、障碍信息和路面交通线信息。现在已经成熟的道路识别技术大多需要依附与有着强大性能的PC或者其他大型平台，而普通的中小型移动机器人一般不具备搭载这些平台的能力，甚至某些小型机器人在路径的识别时还需要对路径进行非常繁琐的布置、成本高、效果差。为此，需要一种能实现自动巡航的中小型移动机器人。
技术实现思路
为解决上述技术问题，本专利技术提供一种移动机器人。本专利技术技术方案如下：一种移动机器人，包括底盘、视觉检测模块和控制模块，视觉检测模块包括图像采集单元和处理单元；图像采集单元用于采集图像，并将采集的图像灰度化后发送至处理单元；处理单元对图像进行预处理，在预处理之后提取路面信息，然后将路面信息发送至控制模块；控制模块基于路面信息控制底盘移动。基础方案原理及有益效果如下：通过视觉检测模块采集图像并进行处理，为移动机器人的运动控制提供依据，与传统的PC或者其他大型平台相比，在实现自动巡航功能的前提下，做到了更小的体积，便于应用到中小型移动机器人中。进一步，所述预处理时，处理单元先对图像进行压缩，再统计图像中的信息，最后消除图像的噪点。一帧完整的图像分辨率较高。例如480*752，在处理单元处理时需要逐一像素对比，一帧图像转存就需要大约2毫秒，再经过反复处理转存，完成一次图像计算会消耗50毫秒以上，每秒钟最多只能处理10帧图像，占用了大量资源，且不能流畅输出，通过对图像进行压缩，能有效提高处理单元的处理能力，同时也降低了对处理单元的运算能力要求，使处理单元能小型化，以应用到中小型移动机器人中。进一步，所述提取路面信息时，处理单元将图像二值化，再基于颜色特征提取路线，最后计算道路偏差。通过将图像二值化，便于快速区分路面和路线。进一步，所述统计图像中的信息时，处理单元采用最大类间方差法通过统计整个图像的直方图特性来实现全局阈值的自动选取。最大类间方差法有如下优点，1、运算速度适中，相对最大熵阈值法，最大类间方差法处理一帧图像只需要大约三分之一的时间；2、准确率高，在处理实验环境的路面识别过程中，只有该算法能稳定计算出清晰分割图像的阈值。进一步，所述采用最大类间方差法时，处理单元的处理步骤为：(1)计算图像的直方图，将图像所有的像素点按照0～255共256个bin，统计落在每个bin的像素点数量；(2)归一化直方图，将每个bin中像素点数量除以总的像素点；(3)i表示分类的阈值，从0开始迭代；(4)通过归一化的直方图，统计0～i灰度级的像素所占整幅图像的比例w0，将像素值在此范围的像素叫做前景像素，并统计前景像素的平均灰度u0；统计i～255灰度级的像素所占整幅图像的比例w1，将像素值在此范围的像素叫做背景像素，并统计背景像素的平均灰度u1；(5)计算前景像素和背景像素的方差g＝w0*w1*(u0-u1)(u0-u1)；(6)i++；转到4)，直到i为256时结束迭代；(7)将最大g相应的i值作为图像的全局阈值；(8)获取的全局阈值为Threshold。通过获取Threshold，便于后续的图像二值化处理。进一步，所述图像二值化时，处理单元将每个像素的灰度值与Threshold对比，若小于Threshold则该像素值为0，若大于Threshold则该像素值为255。通过将每个像素的灰度值与Threshold对比，能快速的进行二值化。进一步，所述底盘包括车体和车轮；车轮数量为四，车体的左右两侧各安装两个；车轮至少包括两个轮毂电机。轮廓电机操控性好，能使移动机器人灵活移动。进一步，所述控制模块包括控制芯片、驱动器、角度传感器和超声波传感器；控制芯片基于接收的路面信息传输控制信号至驱动器，驱动器基于控制信号调整轮毂电机的电流大小和方向。通过驱动器能实现轮毂电机的精确控制。进一步，在提取路面信息中，当图像的像素值为255的像素点的个数与像素值为0像素点个数之比超过数值α时，处理单元判定路面信息不正常；处理单元减小图像远处的比例，放大图像近处的比例。处理单元减小图像远处的比例，放大图像近处的比例能减少图像的白色区域，降低干扰。进一步，所述超声波传感器的数量为4-8个。设置多个超声波传感器，能更好的检测突发状况，便于及时应对。附图说明图1为一种移动机器人实施例一的逻辑框图；图2为一种移动机器人实施例一灰度化后的图像；图3为一种移动机器人实施例一压缩后的图像；图4为一种移动机器人实施例一消除噪点前后的对比图；图5为一种移动机器人实施例一二值化后的图像；图6为一种移动机器人实施例一构建出直角三角形的图像。具体实施方式下面通过具体实施方式进一步详细说明：实施例一一种移动机器人，包括底盘、视觉检测模块和控制模块。移动机器人行驶在有行车线的路面上。本实施例中，用黄色油漆刷出行车线。底盘包括车体和车轮；车轮数量为四个，车体的左右两侧各安装两个。车轮可以采用两个前置轮毂电机和两个后置万向轮，也可以采用四个轮毂电机。本实施中采用两个前置轮毂电机和两个后置万向轮。两个轮毂电机前置实现驱动，后置万向轮可以使其转向时更加灵活，相较于四轮结构差速转向时由于万向轮较少的滑移使得机器人的运动更容易控制。如图1所示，视觉检测模块包括图像采集单元和处理单元。图像采集单元用于采集图像；图像采集单元安装在底盘的正前方。本实施例，图像采集单元采用MT9V034型摄像头。该摄像头的硬件特点是全局快门，宽动态。全局快门是指每一次摄像头采集的图像为一整张，对比以往如OV7725的线阵传感器逐行采集，全局快门虽然输出速度不如前者，但是动态图像畸变小，整体照片采集的速度是要远高于OV7725的。MT9V034的最大输出分辨率为752*480，可以设置曝光时间，为了在动态监测中能够获得更好的稳定性以及畸变更小更流畅，曝光时间需要调小。这样的设置之后，该摄像头在运动时对于道路的动态拍摄，图像不模糊，没有拖尾，能够增加路面视觉检测时的稳定性和准确性。如图2所示，图像采集单元还用于将采集的图像灰度化，将灰度化后的图像发送至处理单元。灰度化是指图像由彩色，转化为黑白。本实施例中，图像的像素格式设置为8位，即0～255灰度图像，分辨率设置为120*188，每秒输出60帧。本实施例中，处理单元采用IMXRT1052单片机。这是一款NXP推出的基于Cortex-M7架构的高性能单片机，超500MB主频让它处理逻辑非常迅速，同时兼顾实时性，非常适合视觉系统的设计。该单片机的应用环境是基于汽车电子的标准，本文档来自技高网...

【技术保护点】
1.一种移动机器人，包括底盘、视觉检测模块和控制模块，其特征在于，视觉检测模块包括图像采集单元和处理单元；图像采集单元用于采集图像，并将采集的图像灰度化后发送至处理单元；处理单元对图像进行预处理，在预处理之后提取路面信息，然后将路面信息发送至控制模块；控制模块基于路面信息控制底盘移动。

【技术特征摘要】
1.一种移动机器人，包括底盘、视觉检测模块和控制模块，其特征在于，视觉检测模块包括图像采集单元和处理单元；图像采集单元用于采集图像，并将采集的图像灰度化后发送至处理单元；处理单元对图像进行预处理，在预处理之后提取路面信息，然后将路面信息发送至控制模块；控制模块基于路面信息控制底盘移动。2.根据权利要求1所述的移动机器人，其特征在于：所述预处理时，处理单元先对图像进行压缩，再统计图像中的信息，最后消除图像的噪点。3.根据权利要求2所述的移动机器人，其特征在于：所述提取路面信息时，处理单元将图像二值化，再基于颜色特征提取路线，最后计算道路偏差。4.根据权利要求3所述的移动机器人，其特征在于：所述统计图像中的信息时，处理单元采用最大类间方差法通过统计整个图像的直方图特性来实现全局阈值的自动选取。5.根据权利要求4所述的移动机器人，其特征在于：所述采用最大类间方差法时，处理单元的处理步骤为：(1)计算图像的直方图，将图像所有的像素点按照0～255共256个bin，统计落在每个bin的像素点数量；(2)归一化直方图，将每个bin中像素点数量除以总的像素点；(3)i表示分类的阈值，从0开始迭代；(4)通过归一化的直方图，统计0～i灰度级的像素所占整幅图像的比例w0，将像素值在此范围的像素叫做前景像素，并统计前景像素的平均灰度u0；统计i～255灰度级...

【专利技术属性】
技术研发人员：王飞，陈苗青，
申请(专利权)人：宁波财经学院，
类型：发明
国别省市：浙江,33