一种检测电梯与楼层高度差异的方法技术

本发明专利技术公开了一种检测电梯与楼层高度差异的方法，包括以下步骤：S1.相机采集电梯与楼层缝隙区域图像信息，S2.若二分类模型训练完成，则转至步骤S3，否则转至步骤S4，S3.将步骤S1中的图像输入二分类模型，输出分类结果，S4.电机编码器采集轮子转速、加速度计采集加速度，S5.轮子打滑检测模块依据步骤S4所述轮子转速、加速度检测机器人的轮子是否打滑，若是，则将步骤S1采集的图像标记为异常，否则标记为正常，S6.采集步骤S5中标记好的图像，生成训练集，训练二分类模型，S7.判断二分类模型是否训练完成，S8.若是，则执行步骤S2，若否，则基于步骤S5所述轮子打滑检测模块检测机器人的轮子是否打滑的检测结果，若是，则输出高度差异常，否则输出高度差正常。否则输出高度差正常。否则输出高度差正常。

【技术实现步骤摘要】
一种检测电梯与楼层高度差异的方法


[0001]本专利技术涉及机器人领域，解决机器人在进出电梯过程中异常检测问题，具体为一种检测电梯与楼层高度差异的方法。

技术介绍

[0002]电梯到达目标楼层时，电梯地面与楼层地面不一定在同一平面上，通常会存在高度差，若这个高度差大于一定数值时，机器人便无法正常进出电梯。现有技术中，通常基于三维激光雷达或深度相机点云检测高度差，设定阈值以判断机器人能否进出电梯。然而，上述的无论是采用激光雷达还是深度相机，点云数据通常都较为稀疏，对于高度差数值不大但是又影响机器人进去电梯的情况无法检测，且即使检测出高度差后，判断机器人能否进出电梯也受到阈值设置的影响，另外深度相机点云精度不高，检测结果不可靠。

技术实现思路

[0003]本专利技术的目的是克服上述现有技术的缺点，提供一种避免了人工标定而导致低效，且不受点云精度影响的检测电梯与楼层高度差异的方法。
[0004]本专利技术是通过以下技术方案来实现的：一种检测电梯与楼层高度差异的方法，包括以下步骤：
[0005]S1.相机采集电梯与楼层缝隙区域的图像信息；
[0006]S2.若二分类模型训练完成，则转至步骤S3，否则转至步骤S4；
[0007]S3.将步骤S1中的图像输入二分类模型，二分类模型输出分类结果，其中，分类结果包括高度差异常、高度差正常；
[0008]S4.电机编码器采集机器人的轮子转速、加速度计采集机器人的加速度；
[0009]S5.轮子打滑检测模块依据步骤S4所述的轮子转速、加速度检测机器人的轮子是否打滑，若是，则将步骤S1采集的图像标记为异常，若否，则将步骤S1采集的图像标记为正常；
[0010]S6.采集步骤S5中标记好的图像，生成训练集，通过深度神经网络进行深度学习，训练二分类模型；
[0011]S7.判断二分类模型是否训练完成；
[0012]S8.若二分类模型训练完成，则执行步骤S2，若二分类模型训练未完成，则基于步骤S5所述的轮子打滑检测模块依据步骤S4所述的轮子转速、加速度检测机器人的轮子是否打滑的检测结果，若是，则输出高度差异常，若否，则输出高度差正常。
[0013]进一步地：步骤S5中所述轮子打滑检测模块依据步骤S4所述的轮子转速、加速度检测机器人的轮子是否打滑包括以下步骤：
[0014]S51.对轮子转速进行积分计算得到机器人位移量S，对加速度进行积分计算得到机器人速度量V；
[0015]S52.若在一定时间内所述机器人位移量S有变化，但所述机器人速度量V为零或接
近于零时，则判定机器人的轮子打滑，否则判定机器人的轮子不打滑。
[0016]进一步地：步骤S7中所述判断二分类模型是否训练完成包括，若训练集中图像数量达到给定数量阈值，并且标记为异常的图像数量达到数量阈值的给定比例，则判定二分类模型训练完成。
[0017]进一步地：还包括当二分类模型训练完成后，统计二分类模型预测精确率，若预测精确率低于给定精确率阈值，则继续训练二分类模型。
[0018]进一步地：所述给定数量阈值为1000
‑
5000，所述数量阈值的给定比例为20％
‑
50％。
[0019]进一步地：所述给定精确率阈值为80％
‑
95％。
[0020]进一步地：所述统计二分类模型预测精确率的方法为：
[0021]以步骤S5中所述轮子打滑检测模块对图像标记的结果为真值，以高度差正常图像为正值P，高度差异常图像为负值N，统计二分类模型预测精确率；
[0022]若二分类模型分类图像为正常，轮子打滑检测模块检测结果也为正常，则为真阳性TP；
[0023]若二分类模型分类图像为正常，但轮子打滑检测模块检测结果为异常，则为伪阳性FP；
[0024]若二分类模型分类图像为异常，轮子打滑检测模块检测结果也为异常，则为真阴性TN；
[0025]若二分类模型分类图像为异常，但轮子打滑检测模块检测结果为正常，则为伪阴性FN；
[0026]当图像分类数量达到给定图像数量阈值时，通过公式TP/(TP+FP)计算二分类模型预测精确率。
[0027]进一步地：所述给定图像数量阈值为500
‑
2000。
[0028]本专利技术的有益效果：
[0029]与现有技术相比，本专利技术通过电机编码器采集机器人的轮子转速，通过加速度计采集机器人的加速度，轮子打滑检测模块基于机器人的加速度和轮子转速检测机器人的轮子是否打滑，若机器人的轮子打滑，则将相机采集的电梯与楼层缝隙区域的图像标记为异常，否则将相机采集的电梯与楼层缝隙区域的图像标记为正常，采集标记好的图像生成训练集，训练得到二分类模型，通过二分类模型检测电梯与楼层缝隙区域的高度差，可直接得到机器人能否进出电梯的决策结果，从而实现基于轮子打滑检测模块的检测结果，在线标定相机采集的图像得到训练集，避免了人工标定而导致低效，且不受阈值选择的影响，以及点云精度的影响。
附图说明
[0030]图1为本专利技术检测电梯与楼层高度差异的方法流程图。
具体实施方式
[0031]参照图1，本专利技术一种检测电梯与楼层高度差异的方法，包括以下步骤：
[0032]S1.相机采集电梯与楼层缝隙区域的图像信息。
[0033]S2.若二分类模型训练完成，则转至步骤S3，否则转至步骤S4。
[0034]S3.将步骤S1中的图像输入二分类模型，二分类模型输出分类结果，其中，分类结果包括高度差异常、高度差正常。
[0035]S4.电机编码器采集机器人的轮子转速、加速度计采集机器人的加速度。
[0036]S5.轮子打滑检测模块依据步骤S4所述的轮子转速、加速度检测机器人的轮子是否打滑的检测结果，若是，则将步骤S1采集的图像标记为异常，若否，则将步骤S1采集的图像标记为正常。
[0037]S6.采集步骤S5中标记好的图像，生成训练集，通过深度神经网络进行深度学习，训练二分类模型。
[0038]S7.判断二分类模型是否训练完成。
[0039]S8.若二分类模型训练完成，则执行步骤S2，若二分类模型训练未完成，则基于步骤S5所述的轮子打滑检测模块依据步骤S4所述的轮子转速、加速度检测机器人的轮子是否打滑，若是，则输出高度差异常，若否，则输出高度差正常。
[0040]步骤S5中所述轮子打滑检测模块依据步骤S4所述的轮子转速、加速度检测机器人的轮子是否打滑包括以下步骤：
[0041]S51.对轮子转速进行积分计算得到机器人位移量S，对加速度进行积分计算得到机器人速度量V。
[0042]具体的，位移量S、速度量V都是矢量，包含了X轴、Y轴的分量，位移量S的各分量物理单位可以为m，速度量V的各分量物理单位可以为m/s。
[0043]S52.若在一定时间内所述机器人位移量S有变化，但所述机器人速度量V为零或接近于零时，则判定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种检测电梯与楼层高度差异的方法，其特征在于：包括以下步骤：S1.相机采集电梯与楼层缝隙区域的图像信息；S2.若二分类模型训练完成，则转至步骤S3，否则转至步骤S4；S3.将步骤S1中的图像输入二分类模型，二分类模型输出分类结果，其中，分类结果包括高度差异常、高度差正常；S4.电机编码器采集机器人的轮子转速、加速度计采集机器人的加速度；S5.轮子打滑检测模块依据步骤S4所述的轮子转速、加速度检测机器人的轮子是否打滑，若是，则将步骤S1采集的图像标记为异常，若否，则将步骤S1采集的图像标记为正常；S6.采集步骤S5中标记好的图像，生成训练集，通过深度神经网络进行深度学习，训练二分类模型；S7.判断二分类模型是否训练完成；S8.若二分类模型训练完成，则执行步骤S2，若二分类模型训练未完成，则基于步骤S5所述的轮子打滑检测模块依据步骤S4所述的轮子转速、加速度检测机器人的轮子是否打滑的检测结果，若是，则输出高度差异常，若否，则输出高度差正常。2.根据权利要求1所述一种检测电梯与楼层高度差异的方法，其特征在于：步骤S5中所述轮子打滑检测模块依据步骤S4所述的轮子转速、加速度检测机器人的轮子是否打滑包括以下步骤：S51.对轮子转速进行积分计算得到机器人位移量S，对加速度进行积分计算得到机器人速度量V；S52.若在一定时间内所述机器人位移量S有变化，但所述机器人速度量V为零或接近于零时，则判定机器人的轮子打滑，否则判定机器人的轮子不打滑。3.根据权利要求2所述一种检测电梯与楼层高度差异的方法，其特征在于：步骤S7中所述判断二分类模型是否训练完成包括，若训练集中图像数量达到给定数量阈...

【专利技术属性】
技术研发人员：李良源，骆增辉，李振，王利红，
申请(专利权)人：广州赛特智能科技有限公司，
类型：发明
国别省市：