基于SLAM技术和深度学习的水边救援机器人制造技术

本发明专利技术公开了基于SLAM技术和深度学习的水边救援机器人，包括：图像信息采集模块，用于采集周边环境的地图信息和水面环境的图像信息；声音信息采集模块，用于采集水面环境的声音信息；信息处理模块，用于接收所述地图信息、所述图像信息和所述声音信息，并基于ROS系统的SLAM技术以及基于深度卷积神经网络的目标检测及声音分类算法进行识别；控制模块，用于输出运动控制信号；运动模块，用于根据所述运动控制信息响应动作；传输接收模块，用于数据传输；救援报警模块，连接至所述信息处理模块并用于发出救援信号。本发明专利技术实施例的基于SLAM技术和深度学习的水边救援机器人，能够进行快速巡逻，并且检测到突发的溺水情况并及时通知救援人员，高效智能。

Water rescue robot based on slam technology and deep learning

【技术实现步骤摘要】
基于SLAM技术和深度学习的水边救援机器人
本专利技术涉及机器人
，特别涉及一种基于SLAM技术和深度学习的水边救援机器人。
技术介绍
目前，对于溺水救援，救援队所采取的方法依旧是志愿队员每天分时段轮流值守游泳人群密集区，一是效率较低，二是对非密集区的关注度不够，在非密集区也有可能随时发生溺水事件。
技术实现思路
本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种基于SLAM技术和深度学习的水边救援机器人，能够检测到突发的溺水情况并及时通知救援人员，高效智能。根据本专利技术实施例的基于SLAM技术和深度学习的水边救援机器人，包括：图像信息采集模块，用于采集周边环境的地图信息和水面环境的图像信息；声音信息采集模块，用于采集水面环境的声音信息；信息处理模块，用于接收所述地图信息、所述图像信息和所述声音信息，并基于ROS系统的SLAM技术以及基于深度卷积神经网络的目标检测及声音分类算法进行识别；控制模块，连接至所述信息处理模块并用于输出运动控制信号；运动模块，连接至所述控制模块并用于根据所述运动控制信息响应动作；传输接收模块，连接至所述信息处理模块并用于数据传输；救援报警模块，连接至所述信息处理模块并用于发出救援信号。根据本专利技术实施例的基于SLAM技术和深度学习的水边救援机器人，至少具有如下有益效果：机器人能够通过图像信息采集模块获取地图信息和水面的图像信息，通过声音信息采集模块获取水面的声音信息，然后机器人会基于ROS系统的SLAM技术以及基于深度卷积神经网络的目标检测及声音分类算法，对上述地图信息、图像信息和声音信息进行分析和识别，机器人会通过控制模块来控制运动模块运动从而实现行走，当识别为溺水情况时，会将上述图像信息和声音信息通过传输接收模块发送至远处的控制室，控制室内的工作人员会对图像信息和声音信息进行查看，若确认为溺水情况时，控制室的工作人员会通过传输接收模块发送操作信号至信息处理模块，所述信息处理模块会响应驱动救援报警模块发出救援信号，吸引路人及时参与共同救援以及给救援人员传达目标位置，使救援队可以更有目标的快速到达。本专利技术实施例的基于SLAM技术和深度学习的水边救援机器人，能够进行快速巡逻，并且检测到突发的溺水情况并及时通知救援人员，高效智能。根据本专利技术的一些实施例，所述图像信息采集模块包括：第一图像信息采集单元，包括用于地图构建的激光雷达和用于避障检测的第一双目摄像头；第二图像信息采集单元，包括用于采集水面状况的第二双目摄像头。根据本专利技术的一些实施例，所述声音信息采集模块包括：定向录音设备，用于采集水面环境的声音信息。根据本专利技术的一些实施例，所述运动模块包括四组运动单元，每组所述运动单元包括电机和与所述电机相连接的轮子。根据本专利技术的一些实施例，所述轮子为麦克纳姆轮。根据本专利技术的一些实施例，所述传输接收模块为无线传输接收模块或有线传输接收模块。根据本专利技术的一些实施例，所述救援报警模块包括蜂鸣器和/或指示灯。根据本专利技术的一些实施例，还包括用于放置急救用品的急救箱。本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：图1为本专利技术实施例的基于SLAM技术和深度学习的水边救援机器人中模块连接关系的示意图；图2为本专利技术实施例的基于SLAM技术和深度学习的水边救援机器人的结构图；图3为本专利技术实施例的基于SLAM技术和深度学习的水边救援机器人中激光雷达三角测距的原理图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制。在本专利技术的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。在本专利技术的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。本专利技术的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属
技术人员可以结合技术方案的具体内容合理确定上述词语在本专利技术中的具体含义。参照图1至图3，本专利技术的一个实施例，提供一种基于SLAM技术和深度学习的水边救援机器人，包括：图像信息采集模块100，用于采集周边环境的地图信息和水面环境的图像信息；声音信息采集模块200，用于采集水面环境的声音信息；信息处理模块300，用于接收所述地图信息、所述图像信息和所述声音信息，并基于ROS系统的SLAM技术以及基于深度卷积神经网络的目标检测及声音分类算法进行识别；控制模块400，连接至所述信息处理模块300并用于输出运动控制信号；运动模块500，连接至所述控制模块400并用于根据所述运动控制信息响应动作；传输接收模块600，连接至所述信息处理模块300并用于数据传输；救援报警模块700，连接至所述信息处理模块300并用于发出救援信号。根据本专利技术实施例的基于SLAM技术和深度学习的水边救援机器人，至少具有如下有益效果：机器人能够通过图像信息采集模块100获取地图信息和水面的图像信息，通过声音信息采集模块200获取水面的声音信息，然后机器人会基于ROS系统的SLAM技术以及基于深度卷积神经网络的目标检测及声音分类算法，对上述地图信息、图像信息和声音信息进行分析和识别，机器人会通过控制模块400来控制运动模块500运动从而实现行走，当识别为溺水情况时，会将上述图像信息和声音信息通过传输接收模块600发送至远处的控制室，控制室内的工作人员会对图像信息和声音信息进行查看，若确认为溺水情况时，控制室的工作人员会通过传输接收模块600发送操作信号至信息处理模块300，所述信息处理模块300会响应驱动救援报警模块700发出救援信号，吸引路人及时参与共同救援以及给救援人员传达目标位置，使救援队可以更有目标的快速到达。本专利技术实施例的基于SLAM技术和深度学习的水边救援机器人，能够进行快速巡逻，并且检测到突发的溺水情况并及时通知救援人员，高效智能。根据本专利技术的一些实施例，所述图像信息采集模块100包括：第一图像信息采集单元110，包括用于地图构建的激光雷达111和用于避障检测的第一双目摄像头112；第二图像信息采集单元120，包括用于采集水面状况的第二双目摄像头121。激光雷达111本文档来自技高网...

【技术保护点】
1.一种基于SLAM技术和深度学习的水边救援机器人，其特征在于，包括：/n图像信息采集模块，用于采集周边环境的地图信息和水面环境的图像信息；/n声音信息采集模块，用于采集水面环境的声音信息；/n信息处理模块，用于接收所述地图信息、所述图像信息和所述声音信息，并基于ROS系统的SLAM技术以及基于深度卷积神经网络的目标检测及声音分类算法进行识别；/n控制模块，连接至所述信息处理模块并用于输出运动控制信号；/n运动模块，连接至所述控制模块并用于根据所述运动控制信息响应动作；/n传输接收模块，连接至所述信息处理模块并用于数据传输；/n救援报警模块，连接至所述信息处理模块并用于发出救援信号。/n

【技术特征摘要】
1.一种基于SLAM技术和深度学习的水边救援机器人，其特征在于，包括：
图像信息采集模块，用于采集周边环境的地图信息和水面环境的图像信息；
声音信息采集模块，用于采集水面环境的声音信息；
信息处理模块，用于接收所述地图信息、所述图像信息和所述声音信息，并基于ROS系统的SLAM技术以及基于深度卷积神经网络的目标检测及声音分类算法进行识别；
控制模块，连接至所述信息处理模块并用于输出运动控制信号；
运动模块，连接至所述控制模块并用于根据所述运动控制信息响应动作；
传输接收模块，连接至所述信息处理模块并用于数据传输；
救援报警模块，连接至所述信息处理模块并用于发出救援信号。


2.根据权利要求1所述的基于SLAM技术和深度学习的水边救援机器人，其特征在于，所述图像信息采集模块包括：
第一图像信息采集单元，包括用于地图构建的激光雷达和用于避障检测的第一双目摄像头；
第二图像信息采集单元，包括用于采集水面状况的第二双目摄像头。

【专利技术属性】
技术研发人员：曾军英，朱伯远，王璠，秦传波，翟懿奎，甘俊英，
申请(专利权)人：五邑大学，
类型：发明
国别省市：广东;44