巡逻机器人、预警系统以及巡逻机器人的监控方法

摘要

本发明公开一种巡逻机器人，包括机器人主体、与机器人主体连接用于巡逻机器人行进的移动装置以及驱动所述移动装置的执行机构，还包括设于机器人主体上的声音监控模块，所述声音监控模块采集、存储声音数据，并根据异常规则筛选声音数据，对于符合异常规则的声音数据，进一步进行处理以获取声源的方位，所述移动装置根据声源的方位移动。此外，还提供一种基于该巡逻机器人的预警系统。以及一种巡逻机器人的监控方法。上述巡逻机器人、预警系统以及巡逻机器人的监控方法，由于采用声音监控，因此可以不受拍摄条件和视角限制，可以监测到视频监控受盲区限制无法监测的异常情况。

说明书

【技术领域】

本发明涉及机器人，尤其是涉及一种智能户外巡逻机器人，预警系统以及 巡逻机器人的监控方法。

【背景技术】

监控技术在保护安全、预防犯罪方面起到不可低估的作用，以往以人防为 主的防范措施已满足不了人们的需求。人力巡逻和定点摄像机组成的新型监控 网络，存在保安易疲劳、摄像机易出现死角等固有弱点，已越来越跟不上时代 的发展。当前，人们不仅需要监控系统对异常行为、户外环境状况的准确获取， 更需要监控系统可以及时的对安全隐患做出反应。在这样的背景下，能够自主 移动和及时报警的监控装置——监控机器人应运而生。

传统的监控机器人多采用摄像装置和图像检测算法来对异常状态进行监 控，然而摄像装置受限于拍摄条件和视角限制，易出现漏报和误报。

此外，对于巡逻机器人来说，要能够应对户外复杂的路面情况。

【发明内容】

基于此，有必要提供一种不受拍摄条件和视角限制的巡逻机器人。

一种巡逻机器人，包括机器人主体和与机器人主体连接用于巡逻机器人行 进的移动装置，其特征在于，还包括设于机器人主体上的声音监控模块，所述 声音监控模块采集、存储声音数据，并根据异常规则筛选声音数据，对于符合 异常规则的声音数据，进一步进行处理以获取声源的方位，所述移动装置根据 声源的方位移动。

优选地，所述声音监控模块包括依次连接的声音采集单元、预处理单元、 模数转换单元以及声源方位计算单元，所述声音采集单元采集外界环境声音信 号，所述预处理单元将声音信号进行放大和滤波处理，所述模数转换单元将预 处理后的声音信号转换为数字信号得到声音数据，所述声源方位计算单元接收 所述声音数据进行缓存存储，并根据预设的异常规则筛选声音数据，对于符合 异常规则的声音数据，进一步进行处理以获取声源的方位。

优选地，所述声音采集单元包括形成平面四元十字阵的四路水平放置的拾 音器，所述预处理单元包括与所述拾音器对应的放大器和双T陷波器，所述模 数转换单元为模数转换器，所述声源方位计算单元为数字信号处理芯片，包括 固化有处理程序的闪存和存储所述声音数据的静态随机存储器。

优选地，所述移动装置包括通过轴承连接的一对主动轮和与机器人主体连 接的从动轮，所述主动轮的轮缘上套设有弹性履带，所述主动轮上还设有轮履 收放机构，所述轮履收放机构用于在收回时使弹性履带贴合主动轮的轮缘，在 展开时和主动轮以及弹性履带配合形成履带行走机构。

优选地，所述执行机构包括用于调整移动装置行进速度的直流电机驱动器、 控制移动装置行进方向的航向控制器以及引导巡逻机器人到达预定位置的位置 控制器。

优选地，还包括设于所述机器人主体上的视频监控模块，所述视频监控模 块采集、缓存视频数据获取视频数据帧，并根据所述数据帧进行实时的人体检 测。

优选地，所述视频监控模块包括依次连接的视频采集单元、解码单元、人 体检测单元以及存储单元，所述视频采集单元采集模拟视频信号，所述解码单 元将所述模拟视频信号转换为数字视频数据并缓存，所述人体检测单元从解码 单元读取数字视频数据并将数据帧存入存储单元中，所述人体检测单元根据视 频进行人体检测。

优选地，所述视频采集单元为电耦合元件摄像机，所述解码单元包括视频 解码器和高速缓存，所述人体检测单元为数字信号处理单元，所述存储单元为 帧存储器，所述数字信号处理单元通过I²C初始化配置视频解码器，使视频解码 器将模拟视频数据转换为标准格式的数字视频数据流并存储在所述高速缓存 中。

一种基于巡逻机器人的预警系统，包括控制中心和上述的巡逻机器人，所 述控制中心与巡逻机器人之间通过无线方式通信，接收巡逻机器人的警报或者 下发巡逻指令。

一种巡逻机器人的监控方法，包括如下步骤：采集环境声音信号；对声音 信号进行预处理获得声音数据并存储；根据异常规则筛选声音数据；对于符合 异常规则的声音数据，进一步进行处理以获取声源的方位；使巡逻机器人朝声 源的方位移动。

优选地，所述对声音信号进行预处理获得声音数据的步骤具体包括对声音 信号进行放大、滤波以及模数转换。

优选地，所述滤波采用200Hz～10kHz的带通滤波。

优选地，所述采集环境声音信号的步骤具体是通过形成平面四元十字阵的 四路水平放置的拾音器获取四路声音信号；

所述异常规则为：声音信号的短时平均幅值超过预设阈值；

对于三维空间坐标系下坐标为M1(a，0，0)、M2(-a，0，0)、M3(0，a，0)、M4(0，-a，0) 的四个拾音器以及声源S(x，y，z)，所述对于符合异常规则的声音数据，进一步进 行处理以获取声源的方位的步骤具体包括：

根据下述公式

$\left(\begin{array}{c}\sqrt{{(x-a)}^2+y^2+z^2}-\sqrt{x^2+{(y-a)}^2+z^2}=A\\ \sqrt{{(x-a)}^2+y^2+z^2}-\sqrt{{(x+a)}^2+y^2+z^2}=B\\ \sqrt{{(x-a)}^2+y^2+z^2}-\sqrt{x^2+{(y+a)}^2+z^2}=C\end{array}\right)$

进行计算得到：

$x=-\frac{B(-\mathrm{AB}+A^2-\mathrm{BC}+C^2)}{4a(C+A-B)}$

$y=\frac{({-\mathrm{AB}}^2+A^{2}B+B^{2}C-C^{2}B+2{\mathrm{AC}}^2-2A^{2}C)}{4a(C+A-B)}$

以及水平航向角α：

$\alpha =\arctan \frac{y}{x}=\arctan \left(\frac{(-{\mathrm{AB}}^2+A^{2}B+B^{2}C-C^{2}B+2{\mathrm{AC}}^2-2A^{2}C)}{B(\mathrm{AB}-A^2+\mathrm{BC}-C^2)}\right)$

其中A为声源S的声音到达M1和M3之间的时间差t₀与声速的乘积，

B为声源S的声音到达M1和M2之间的时间差t₁与声速的乘积，

A为声源S的声音到达M1和M4之间的时间差t₂与声速的乘积。

优选地，还包括视频监控方法，具体为：获取模拟视频信号并以所述模拟 视频信号为基础获得视频数据帧；根据所述视频数据帧进行人体检测；向检测 到的人体方向移动并发送警报。

优选地，所述获取模拟视频信号并以所述模拟视频信号为基础获得视频数 据帧的步骤具体包括：电耦合元件摄像机摄取视频图像，输出PAL制式的模拟 视频信号；数字信号处理单元通过I²C初始化配置视频解码器，视频解码器接收 模拟视频信号，并将所述模拟视频信号转换为标准格式的数字视频数据流，通 过高速缓存暂存视频数据；数字信号处理单元从高速缓存中读取数字视频数据， 并以视频数据帧的形式放入帧存储器中。

优选地，所述根据视频数据帧进行人体检测的步骤具体包括：对输入的待 检测图像进行伽马和颜色归一化预处理；将所述待检测图像分割为多个分割单 元，并构建每个分割单元的方向梯度直方图；将4个分割单元组成一个宏块， 并构建所述宏块的方向梯度直方图；将图像各叠加块的对比度进行归一化，对 整个检测区域进行方向梯度直方图特征提取；将提取的方向梯度直方图特征送 入分类器进行识别。

上述巡逻机器人、预警系统以及巡逻机器人的监控方法，由于采用声音监 控，因此可以不受拍摄条件和视角限制，可以监测到视频监控受盲区限制无法 监测的异常情况。

进一步地，配合视频监控，能够扩大监测到的异常情况的范围。

【附图说明】

图1为一实施例的巡逻机器人模块结构图；

图2为图1实施例中巡逻机器人外部结构图；

图3为声音监控模块的内部模块图；

图4(a)为拾音器在平面坐标系内的分布位置示意图；

图4(b)为拾音器在三维坐标系内的分布位置示意图；

图5视频监控模块的内部模块图；

图6为一实施例的巡逻机器人在展开履带时的外部视图；

图7为一实施例的预警系统；

图8一实施例的巡逻机器人的监控方法流程图；

图9为图8实施例中速度控制流程图；

图10为图8实施例中航向控制流程图；

图11为图8实施例中位置控制流程图。

【具体实施方式】

以下结合附图进行进一步说明。

图1为一实施例的巡逻机器人模块结构图，图2为巡逻机器人外部结构图。 参考图1和图2，该巡逻机器人包括机器人主体10和与机器人主体10连接用于 巡逻机器人行进的移动装置20。机器人主体10上设有声音监控模块100、视频 监控模块200以及执行机构300。声音监控模块100采集、存储声音数据，并根 据异常规则筛选声音数据，对于符合异常规则的声音数据，进一步进行处理以 获取声源的方位，移动装置20根据声源的方位在执行机构300的驱动下移动。 视频监控模块200采集、缓存视频数据获取视频数据帧，并根据所述数据帧进 行实时的人体检测，移动装置20在执行机构300的驱动下向检测到人体的方位 移动。

如图3所示，声音监控模块100包括依次连接的声音采集单元110、预处理 单元120、模数转换单元130以及声源方位计算单元140。

声音采集单元110用于采集外界环境声音信号。本实施例中优选为包括形 成平面四元十字阵的四路水平放置的拾音器112。所述的平面四元十字阵是指4 路拾音器112分布于正方形的四角，从而4个拾音器112位于同一平面，且4 个拾音器到正方形中心的距离相同。如图4(a)所示，若在正方形所在平面内 建立以正方形的中心为原点、两条对角线为横轴和纵轴的直角坐标系，则4个 拾音器112的坐标可以表示为(a，0)、(0，a)、(-a，0)、(0，-a)，其中a为每个拾 音器112到坐标原点的距离。结合图2，4个拾音器112放置在机器人主体10 的平台的四角，并且形成上述的位置关系。在其他实施例中，声音采集单元110 还可以采用其他采集声音信号的设备，例如麦克风等。拾音器的位置、数量等 设置也是用来方便获取声源位置，除采用上述的平面四元十字阵的设置方式外， 还可以采用其他方式，例如三角形、菱形或者圆形等。

预处理单元120将声音信号进行放大和滤波处理。本实施例中优选为包括 放大器122和双T陷波器124。放大器122和双T陷波器124分别用于放大和 滤波，其中每一个拾音器112对应一个放大器122和一个双T陷波器124，分别 单独对每路拾音器112获得的声音信号进行放大和滤波。根据拾音器112输出 的信号为模拟信号或数字信号，放大器122相应的为模拟信号放大器或数字信 号放大器。滤波也可采用其他带通滤波器，主要是用于滤除200Hz～10kHz之外 的噪声。

模数转换单元130将预处理后的声音信号转换为数字信号得到声音数据。 转换的参数，例如采样频率由实际需求确定。本实施例的模式转换单元130采 用A/D7899。

声源方位计算单元140接收所述声音数据进行缓存存储，并根据预设的异 常规则筛选声音数据，对于符合异常规则的声音数据，进一步进行处理以获取 声源的方位。如图3所示，声源方位计算单元140包括数字信号处理芯片(DSP) 142、固化有处理程序的闪存(FLASH)144和存储所述声音数据的静态随机存 储器(SRAM)146。

声音数据被声源方位计算单元140接收后，在数字信号处理芯片142的处 理过程中缓存在静态随机存储器146中，闪存144中固化有编译链接后生成的 应用程序，供数字信号处理芯片142读取后对声音数据进行处理。处理得到的 声源的方位数据被输入执行机构300，用于驱动移动装置20向声源的方位移动。

如图5所示，视频监控模块200包括依次连接的视频采集单元210、解码单 元220、人体检测单元230以及存储单元240。

视频采集单元210采集模拟视频信号。本实施例中优选为电耦合元件(CCD) 摄像机212。该摄像机可全视角摄像，随时拍摄所属区域内监控图像。

解码单元220将所述模拟视频信号转换为数字视频数据并缓存。本实施例 中解码单元220优选包括视频解码器222和高速缓存224，视频解码器222将模 拟的视频信号转换为标准格式的数字视频数据流并存储在所述高速缓存224中。 高速缓存224为人体检测单元230提供视频帧的高速读取。

人体检测单元230从解码单元220读取数字视频数据并将数据帧存入存储 单元240中，并且根据视频进行人体检测。本实施例中，人体检测单元230优 选为数字信号处理(DSP)芯片，其还通过I²C初始化配置视频解码器222将模 拟的视频信号转换为标准格式的数字视频数据流。检测到人体后，根据拍摄的 方位，执行机构300驱动移动装置20向人体的方位移动。

关于视频监控模块200，有较多的替代方式，在其他的实施例中可以采用不 同的模块架构，例如视频采集单元210可采用数字视频录制设备，人体检测单 元230采用其他的检测方式，并不局限于人体检测等。

对于声音监控模块100或视频监控模块200提供的方位数据，均用于执行 机构300驱动移动装置20向目标移动。同时，声音监控模块100和视频监控模 块200既可以分别单独工作，也可以配合工作。例如单独检测到声音异常或者 人体入侵，即可向目的地移动同时报警，也可以在检测到声音异常，并且检测 到人体入侵时，向目的地移动同时报警。

图6为一实施例的巡逻机器人在展开履带时的外部视图。结合图2和图6， 移动装置20包括通过轴承203连接的一对主动轮201和与机器人主体10连接 的从动轮202。主动轮201的轮缘上套设有弹性履带204，主动轮201上还设有 轮履收放机构205，轮履收放机构205用于在收回时使弹性履带贴合主动轮201 的轮缘，在展开时和主动轮201以及弹性履带204配合形成履带行走机构。

主动轮201被执行结构300直接驱动，由从动轮202配合使巡逻机器人以 轮子滚动方式行走。

弹性履带204为具有弹性的履带结构，在适宜轮子滚动行走的地面，弹性 履带204靠其自身的弹性紧贴在主动轮201的轮缘。当切换行走模式时，轮履 收放机构205将弹性履带204撑开，和主动轮201以及弹性履带204配合形成 履带行走机构。

具体地，轮履收放机构205包括一对设于主动轮201前后的收放件，该收 放件包括与主动轮201啮合的驱动轮251、与弹性履带204相抵的传动轮252以 及连接在驱动轮251和传动轮252之间的支撑杆253。当主动轮201被驱动转动 时，弹性履带204沿主动轮201、驱动轮251以及传动轮252连续转动，从而实 现履带行走。

本实施例的移动装置20能够在轮式行走和履带式行走时间切换，因而能够 适宜更复杂的路面情况。

对应地，执行机构300包括用于调整移动装置20行进速度的直流电机驱动 器、控制移动装置20行进方向的航向控制器以及引导巡逻机器人到达预定位置 的位置控制器，从而可以保证将巡逻机器人驱动到目的地(声源或者人体所在 位置)。

如图7所示，为一实施例的预警系统。基于上述巡逻机器人，还可以形成 一种预警系统。该预警系统包括控制中心1和上述的巡逻机器人2，控制中心1 与巡逻机器人2之间通过无线方式通信，接收巡逻机器人2的警报或者下发巡 逻指令。当巡逻机器人2在检测到声音异常时或者人体入侵时，即可向控制中 心1报警。同时，控制中心1也可向巡逻机器人2下达巡逻指令，指示巡逻机 器人2到相应的区域巡逻、重新在某区域开始巡逻等。

图8为一实施例的巡逻机器人的监控方法流程图。基于上述的巡逻机器人， 该方法包括以下步骤：

S110：采集环境声音信号。基于上述的巡逻机器人的声音采集单元110，所 采集的环境声音信号为4路音频信号。

S120：对声音信号进行预处理获得声音数据并存储。具体为对声音信号进 行放大、滤波以及模数转换。其中滤波采用200Hz～10kHz的带通滤波。

S130：根据异常规则筛选声音数据。对经过预处理得到的声音数据进行筛 选，异常规则可根据实际应用进行确定。例如通常情况下，紧急情况会导致人 大声呼喊，此时声音的短时平均幅值会突然增高许多。因此可以设定一个声音 幅值相对于时间变化的量的阈值，当声音幅值相对于时间的变化的量超过该阈 值时，便判定异常情况发生。此时符合该异常规则的声音数据即可被用于后续 处理。当然还可以改变或者辅助更多的异常规则，例如......，使发现异常的几 率增大或者提高准确率。

S140：判断声音数据是否符合异常规则，若是，则执行步骤S150，否则执 行步骤S130。

S150：进一步进行处理以获取声源的方位。

参考图4(b)，对于三维空间坐标系下坐标为M1(a，0，0)、M2(-a，0，0)、M3 (0，a，0)、M4(0，-a，0)的四个拾音器以及声源S(x，y，z)，根据下述公式

$\left(\begin{array}{c}\sqrt{{(x-a)}^2+y^2+z^2}-\sqrt{x^2+{(y-a)}^2+z^2}=A\\ \sqrt{{(x-a)}^2+y^2+z^2}-\sqrt{{(x+a)}^2+y^2+z^2}=B\\ \sqrt{{(x-a)}^2+y^2+z^2}-\sqrt{x^2+{(y+a)}^2+z^2}=C\end{array}\right)$

进行计算得到：

$x=-\frac{B(-\mathrm{AB}+A^2-\mathrm{BC}+C^2)}{4a(C+A-B)}$

$y=\frac{({-\mathrm{AB}}^2+A^{2}B+B^{2}C-C^{2}B+2{\mathrm{AC}}^2-2A^{2}C)}{4a(C+A-B)}$

以及水平航向角α：

$\alpha =\arctan \frac{y}{x}=\arctan \left(\frac{(-{\mathrm{AB}}^2+A^{2}B+B^{2}C-C^{2}B+2{\mathrm{AC}}^2-2A^{2}C)}{B(\mathrm{AB}-A^2+\mathrm{BC}-C^2)}\right)$

其中，A为声源S的声音到达M1和M3之间的时间差t₀与声速的乘积，B 为声源S的声音到达M1和M2之间的时间差t₁与声速的乘积，A为声源S的声 音到达M1和M4之间的时间差t₂与声速的乘积。本实施例优选a为20cm。

进一步地，本实施例的巡逻机器人的监控方法，还包括视频监控方法，具 体包括如下步骤：

S210：获取模拟视频信号并以所述模拟视频信号为基础获得视频数据帧。 本步骤具体包括：电耦合元件摄像机212摄取视频图像，输出PAL制式的模拟 视频信号；数字信号处理芯片230通过I²C初始化配置视频解码器222，视频解 码器222接收模拟视频信号，并将所述模拟视频信号转换为标准格式的数字视 频数据流，通过高速缓存224暂存视频数据；数字信号处理单元230从高速缓 存中读取数字视频数据，并以视频数据帧的形式放入帧存储器240中。

S220：根据所述视频数据帧进行人体检测。数字信号处理单元230从帧存 储器240获取视频数据帧，并以此进行人体检测。人体检测具体包括：对输入 的待检测图像进行伽马和颜色归一化预处理；将所述待检测图像分割为多个分 割单元，并构建每个分割单元的方向梯度直方图；将4个分割单元组成一个宏 块，并构建所述宏块的方向梯度直方图；将图像各叠加块的对比度进行归一化， 对整个检测区域进行方向梯度直方图特征提取；将提取的方向梯度直方图特征 送入分类器进行识别。

相比于其它如基于SIFT特征描述的检测算法，基于方向梯度直方图的人体 检测算法有着更高的准确性与低误判性。在实际过程中，结合特定的加速算法 可以在智能监控系统中实时地对人体做出快速且准确的检测。

S230：向检测到的人体方向移动并发送警报。

上述的声音监控方法或者视频监控方法均会获得目标点的方位数据，执行 机构300以该方位数据驱动移动装置20，进行运动控制，移动到目标点。

本实施例将传统的PID控制方法与Fuzzy控制技术相结合，综合二者优点， 克服彼此的不足，组成一种复合控制器，即Fuzzy-PID控制器。

如图9所示，对机器人进行速度控制的原理如下：巡逻机器人还包括测速 传感器(图中未示出)，用于检测电机的当前速度。运动控制器还用于将电机的 当前速度与设定的期望速度进行比较，产生速度偏差，将速度偏差送入 Fuzzy-PID控制器，Fuzzy-PID控制器根据速度偏差生成矫正指令，根据所述矫 正指令控制电机转动，使所述电机将当前速度矫正到与期望速度一致。

如图10所示，对机器人进行航向控制的原理如下：巡逻机器人还包括航向 测量传感器(图中未示出)，用于测量机器人的当前航向角。运动控制器还用于 将当前航向角与设定的期望航向角进行比较，产生航向偏差，将航向偏差送入 航向控制器，航向控制器根据所述航向偏差生成期望速度，通过速度控制器产 生矫正指令，根据所述矫正指令控制电机转动，使电机将当前航向角调整到与 期望航向角一致。

如图11所示，对机器人进行位置控制的原理如下：运动控制器还用于根据 机器人的运动学模型获取机器人的当前位置，将当前位置与设定的期望位置进 行比较，产生位置偏差，将位置偏差送入位置控制器，位置控制器根据所述位 置偏差生成期望速度，通过速度控制器产生矫正指令，根据矫正指令控制电机 转动，使电机将当前位置调整到与期望位置一致。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细， 但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域 的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和 改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附 权利要求为准。