[发明专利]一种机器人安全监控系统有效

专利信息
申请号: 201710180010.1 申请日: 2017-03-23
公开(公告)号: CN106873489B 公开(公告)日: 2018-12-21
发明(设计)人: 不公告发明人 申请(专利权)人: 创泽智能机器人股份有限公司
主分类号: G05B19/048 分类号: G05B19/048;H04N7/18;G06T3/40
代理公司: 北京华识知识产权代理有限公司 11530 代理人: 刘艳玲
地址: 276800 山东*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明提供了一种机器人安全监控系统,包括机器人和远程控制终端,所述机器人用于进入目的地点,采集所在地点的环境图像,并将环境图像发送至远程控制终端;所述远程控制终端用于向机器人发送指令遥控机器人的行动,同时接收并存储环境图像。本发明采用机器人可实现对危险环境的监控,避免了人员亲自进入危险环境导致的不必要伤亡,同时本发明采用普通摄像头进行图像采集,降低机器人的造价成本。
搜索关键词: 一种 机器人 安全 监控 系统
【主权项】:
1.一种机器人安全监控系统,其特征是,包括机器人和远程控制终端,所述机器人用于采集目的地点的环境图像,并将环境图像发送至远程控制终端;所述远程控制终端用于向机器人发送指令遥控机器人的行动,同时接收并存储环境图像;所述机器人上设有摄像头、图像处理器、无线传输装置和驱动装置,所述摄像头用于采集环境图像;所述图像处理器用于将环境图像进行高分辨率处理,得到高分辨率环境图像;所述无线传输装置用于将高分辨率环境图像发送至远程控制系统;所述驱动装置用于控制机器人的行动;所述图像处理器包括依次连接的图像预处理模块、图像后处理模块、图像合成模块,具体为:所述图像预处理模块用于对采集得到的环境图像进行分量处理,得到环境图像的低分辨率平滑分量和纹理分量;所述图像后处理模块用于对低分辨率平滑分量进行基于平稳小波变换(SWT)处理,得到高分辨率的平滑分量,对低分辨率的纹理分量进行非下采样轮廓波变换(NSCT)处理,得到高分辨率的纹理分量;所述图像合成模块用于对高分辨率平滑分量和高分辨率纹理分量进行叠加合成,得到高分辨率的环境图像;所述对采集得到的环境图像进行分量处理,即对采集得到的环境图像通过形态分量分析(MCA)方法进行处理,将环境图像中的不同形态进行分离,得到对应的低分辨率平滑分量和低分辨率纹理分量;所述采集得到的环境图像分离后得到的低分辨率平滑分量进行基于平稳小波变换(SWT)处理,对低分辨率纹理分量进行非下采样轮廓波变换(NSCT)处理,具体为:(1)基于平稳小波变换(SWT),对低分辨率平滑分量进行高分辨率处理,即将低分辨率平滑分量分解为与环境图像尺寸相同大小的低通、水平方向、垂直方向和对角方向四个子带,直接用低分辨率平滑分量代替低通子带,再对低分辨率平滑分量、水平方向、垂直方向和对角方向四个子带进行2倍插值,最后,对插值后的四个子带进行SWT逆变换(ISWT)重构得到高分辨率平滑分量;(2)对低分辨率纹理分量进行2倍的Bicubic插值后得到初始高分辨率纹理分量,然后进行非下采样轮廓波变换(NSCT),得到一个初始高分辨率纹理分量的低通子带,对应的低通子带系数为ψ0和i个不同尺度且每个尺度包含2i个不同方向的带通方向子带,计算当前尺度下所有带通方向子带中系数的权重值和最大值ψmax式中,为自定义权重计算函数,ψmax为最大值计算函数,wj为权重因子为第i个尺度第j个方向的带通方向子带系数;(3)对全部带通方向子带中每个像素依据行和列将其分类为强边缘或弱边缘,定义强弱边缘的分类判定准则为:其中δ为当前尺度i下噪声的标准差,为像素,x表示行,y表示列;(4)对全部带通方向子带中强边缘的每个像素的系数进行增强处理,定义增强处理函数为:对包含模糊和变形的弱边缘的每个像素的系数进行减弱处理,定义减弱处理函数为:式中,为像素对应的NSCT变换系数,为处理后NSCT变换系数,δ为当前尺度i下噪声的标准差,为第i个尺度第j个方向的带通方向子带系数;最终,得到处理后纹理分量的全部带通方向子带系数及低通子带系数ψ0后,通过NSCT逆变换(INSCT)重构得到高分辨率的纹理分量;所述对高分辨率平滑分量和高分辨率纹理分量进行叠加合成得到最终高分辨率环境图像,定义叠加公式为:式中,为最终高分辨率环境图像,为高分辨率平滑分量、为高分辨率纹理分量,ω为可调节参数,0<ω<2,可调节ω来增强或减少纹理分量,Xin为采集得到的环境图像,Xp为低分辨率平滑分量,Xq为低分辨率纹理分量。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于创泽智能机器人股份有限公司,未经创泽智能机器人股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201710180010.1/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code