文摘

智能控制技术的迅速发展,改善了服务机器人的功能导向的家庭环境,和家庭成员的功能需求为服务机器人也已从简单的升级解放双手,减少家务情感交流和聪明的护送。基于物联网和模糊控制技术,本文构建了一个家庭机器人控制系统,给出了一个简单的概述家庭服务机器人的机械结构设计,主要专注于核心控制系统和全局路径规划方法。此外,本文采用的控制系统结构,结合了计算机上部和底部运动控制器和结合了简单实用的系统软件,系统稳定性高。最后,本文构造验证系统的性能通过实验研究摘要。研究结果表明,该系统构建本文有一定的实用效果。

1。介绍

因为机器人技术的发展,它已广泛应用于社会的各个领域;技术水平不断更新日新月异,机器人的智能程度是越来越高。已经由简单的完成指定动作通过简单的指令代码的应用多传感器融合技术,如触觉、视觉和声音的自治行为规划和完成一个指定任务人机交互的自动识别,这其中包括智能控制算法。以早期教育机器人为例,室内环境中的自主智能机器人可以移动并定位和跟踪的位置实时婴幼儿,这样父母就可以掌握婴幼儿的安全。此外,它结合了嵌入式控制器和强大的计算能力,它不仅可以实现快速、实时避障的随机障碍在复杂的室内环境,也顺利与婴儿和年幼的孩子。因此,在早期教育过程中发挥作用,陪孩子在没有父母的情况下,在一定程度上,股票年轻夫妇的生活压力1]。

人工智能代替人工制造和生产一直是人类的欲望。然而,与世界上最高水平的智能机器人目前非常有限的适应外部环境的变化。人类仍有很大的差距和预期的欲望,这深深影响现代人工智能机器人的推广和应用。在众多因素,更重要的原因是,人工智能仍有很大缺点的能力感知外面的世界。为了更好地解决这个问题,各种外部传感器已经被添加到机器人和智能家居传感器是一个非常重要的环节。在机器人的技术研究,智能家居是一个非常有价值的研究领域和研究wireless-based智能家居机器人是一个非常热门的话题近年来(2]。智能家居机器人是机器人,完成一定的任务范围内的人的家庭,它主要从事家庭服务、老年保健、和孩子的教育3]。此外,智能家居机器人有一个高度发达的“大脑”,可以依靠各种传感器来理解人类的语言,告诉用户,用户执行的命令。

家庭服务机器人的主要功能是为用户提供安全、声音援助、家政、家电控制、和其他服务。服务机器人含有大量的尖端技术,它的核心是自主导航,语音识别,多模人机交互,可获得灵巧操作,人类情感和运动知觉的理解4]。基于家庭,智能家居使用综合布线,网络通信,控制,和其他技术相关设备集成到一个整体设置为住宅形成一个综合管理系统设备和家庭事务(5]。近年来,集成的服务机器人和智能家居已成为近了。服务机器人不仅可以帮助用户完成家务,但作为一个媒介,也可以与智能家居控制系统帮助用户管理住宅设备和家庭事务,从而使人们的生活更加智能。

本文结合物联网技术和模糊控制技术来构建家庭机器人控制系统,进行实际的分析结合实际需要的家庭生活服务。

2。相关工作

智能家居的发展机器人这一天从人们的不懈努力是分不开的。尽管机器人不能进入成千上万的家庭,智能家居机器人的时代。这项研究在6]提出使用并行机制机器人机械手的概念,最后取得了成功,并广泛应用于工业生产。智能家居机器人的前身是这种类型的组织。这项研究在7)发现装配机器人可以使用并行机制,取得了良好的效果,进一步促进了机器人的发展。因此,第一个真正的并联机器人被制造。这项研究在8)使用一个摄像头来确定旅行机器人在旅行过程中遇到的问题。

随着技术水平的提高,智能家居机器人的研究取得了很大的成果。如今,人类探索外太空的宇宙人类历史上已经跨出了一大步。火星探索已经应用中使用的移动机器人智能家居机器人自主定位技术(9]。智能家居机器人和定位研究是人类生命一点一点地改变。目前,为了解决人工问题,自治已经成为主流技术在任何领域,如自主机器人用于工厂、自动检测机器人用于资源探测和智能家居机器人和定位研究用于无人驾驶汽车。使用对象特征提取和目标检测的方法来获取物体的运动参数和位置在空间具有重要意义在计算机视觉中,对象的定位和跟踪,目标识别(10]。近年来,它已经收到了越来越多的注意力从技术研究人员和相关技术将会有更深入的研究和开发11]。

室内定位和导航的研究,这项研究在12)提出了一种车载视觉SLAM算法基于移动机器人系统。算法引入了2.5 d当地地图,可以直接用于快速避障和局部路径规划,可以构造二维栅格地图。然而,这种方法已经失去了环境的三维信息,无法完全再现环境结构。这项研究在13)提出了一个大满贯算法基于自动检测和对象标识技术。算法帮助机器人识别对象,而不依赖任何先验信息和可以在网格地图,以便插入地标定位算法有一定的改善和导航精度与传统的纯视觉大满贯。然而,该算法也不能构建一个完整的三维模型,由于道路标志的存在,它会造成一定的环境结构的损失。自微软Kinect引入深度相机,它大大降低了实现大满贯系统基于深度相机传感器的成本。这项研究在14提出RGB-D大满贯。的主要方法是使用深度相机来获取深度信息的筛选功能,然后估计图像之间的匹配关系,使用ICP()迭代最近点算法或图优化器g2o优化点云转换,最后得到一个全球一致性的地图。然而,该算法实时性能差由于慢筛选功能和有限的测量范围深度相机,所以RGB-SLAM不能应用于大规模的室内空间。这项研究在15)提出了开源ORB-SLAM特征点的方法,这是一个单眼视觉系统。ORB-SLAM开发基于本文方法框架,和大部分的组件已得到改进。检测和关闭循环的机制被添加到消除错误的积累,实现更精确的定位和地图建设。这项研究在16提出ORB-SLAM2,增加了对校准的支持比ORB-SLAM双目和RGB-D相机。与此同时,特征提取和匹配的方法改进和更新,实现代码清晰。然而,加以改进,ORB-SLAM ORB-SLAM2都是基于功能的系统。全球地图构建是一个稀疏特征点地图,所以很难用于机器人导航。关注视觉大满贯系统的稳定性在特殊环境中,研究[17)提出了一个基于ORB-SLAM2紧密耦合传感器融合方法。该方法结合了图像数据和里程表数据来提高系统的跟踪状态没有功能。然而,尽管这项工作改善了ORB-SLAM2的鲁棒性,它极大地增加了机器人的计算资源的占用和改进算法主要是针对处理意料之外的情况,但并不能提高系统的精度和性能在正常情况下。这项研究在18)提出了一个扩展ORB-SLAM2算法基于标准球形摄像机模型。这种模式使系统通过鱼眼相机捕捉款场景,从而提高系统的鲁棒性。,本研究提出了一种semidense特征匹配算法,可以使用图像的设计领域构建一个semidense地图。然而,这种算法不适合大规模的场景,尽管它可以构造semidense地图,研究没有进一步探索地图信息的使用。

迅速崛起的深度学习技术近年来19),应用深度学习的探索视觉大满贯不断被提出。这项研究在20.)提出了一个CNN-SLAM方法,它使用一个CNN训练模型来取代特征点提取和匹配。与传统的帧间估计算法相比,上优于算法简单、直观和在线操作速度更快。然而,这种方法过于依赖数据集,深度学习的结合和大满贯还处于初步探索阶段,所以各种算法之间的差异很大。

3所示。机器人定位

只有当导航控制系统知道环境的定位坐标主体所在,它可以确保生成的路径和环境信息的及时性。因此,环境定位的前提是机器人的室内导航和路径规划。

基于环境扫描的特征信息生成的二维激光传感器,本文构造了一个多维数据空间减少白噪声干扰的环境信息,利用假设检验理论环境信息提取和估计点的特性,并结合构造概率模型的方法。线特征检测和估计,最小二乘法用于符合精确的线段信息,提供准确的环境信息模型对机器人的姿态更新。

3.1。特征识别

激光传感器实时扫描环境信息,和匹配已知的环境地图的前提是机器人实现精确定位。与此同时,它减少了移动底盘里程表的累积位移误差模型。因此,如何快速、准确地提取室内环境功能是建筑的基础的环境地图。由机器人需要解决的第一个问题是白色的定位。室内家庭环境相对比较简单。除了常见的基本组件如墙壁,角落,和门,还有其他不规则房主购买的商品,如沙发、落地式空调、橱柜。促进环境信息的提取、对象边缘特征提取线段可以代表所有特性和不规则物体边缘不容易描述可以均匀划分,根据安装点的特性。可以看出特征点和线特征提取表示环境特征提取的主要问题。

为了最大程度恢复环境信息,首先,构造数据空间主要是为了满足广域数据收集的要求。由于环境信息的存在噪声和数据处理速度的要求,将采样的图像特征处理方法采用简化环境数据信息,减少收集有用的特征信息的难度,并减少算法的计算困难的多维数据空间;出现的高斯白噪声在图像信息的收集也可以有效过滤数据降维的数理统计方法和同一个对象信息集群除了扫描点。

使用二维激光传感器数据扫描,和环境特征提取流程图如图1。在空间极坐标系统,它可以表示为21]

扫描数据样本空间是无限的,表示为N数据采样点的形式,和高斯白噪声在最初的扫描数据表示为

3.2。估计室内环境的功能

在n维样本空间,特定的采样点的特性估计需要由样本的特征点左右邻里的点。相对简单的室内环境中障碍物信息,左和右的特点社区一个采样点可以简要概括成四种类型:线段、曲线、点,和未知的特性。算法将估计线段的左和右的社区抽样点,采用假设检验分析样本点之间的差异和样本是由抽样误差引起的或有一个根本区别,以便验证取样点的特征信息。

在图中所示的三角形ABC2,如果 ,然后 。

从角平分线定理,我们可以看到对面的比例线段等于相应的邻边的比值,即(22),

通过应用余弦定理和 ,分别时,我们获得

此外,

总之,我们获得

因此,获得以下结果如下:

在图3,代表了极性采样点的直径我,代表的估计价值极直径的采样点j左派和右派的社区的采样点我,代表采样点的极坐标直径2 j左右邻里的采样点我。

根据角平分线的性质在极坐标下,极地的估计价值直径的采样点j左派和右派的社区的采样点我可以得到如下:

在一条线段的环境中,无偏估计的吗 ,所以有 。也就是说,极地直径采样点的采样点的左派和右派的社区我满足条件的独立标准正态分布和相同的分布。根据 ,分布的统计特征(23)如下:

其中,在感受野点特征点的线段。在拒绝域是一个点的特性或其他环境特征。

样本点 左派和右派的社区的样本点我样本的人口吗 ,有(24]

其中,样本方差和吗n是点的数量的左或右邻居吗我th采样点。

样本均值是

在采样点的左派和右派的社区我越来越远,对采样点采样点有不同的影响我。因此,影响程度的概率函数被定义为一个正态分布模型与距离有关,也就是说,

在这里,特征判断样本点的重量吗j样本点我(重量的影响因素);采样点的数量在采样点的时间间隔我和j;极地直径样本点的影响吗我;和是标准偏差的影响。和可以根据特征提取的准确性。

样本方差是

选择统计

由于样本数据是无偏的推理 , 大约是1的置信区间接受域 。因此,采样点的附近n和公式(14)约等于 。

也就是说,接受域是

拒绝域是

关键特性表达式 ,在哪里是极性采样点和直径的极角采样点。

为了验证是否采样点是点功能,其余的采样点的分布特征在附近的极端点可以检查判断。原始扫描数据中的噪声,当其瞬时值服从高斯分布,功率谱密度是均匀分布,判断是高斯白噪声,分布函数 。如果极端值在一条直线上,它可以被看作是吗 在它的小社区。根据假设检验,有

因此,为了验证采样点的特点,需要满足的要求上的差异拒绝域 。

在小社区的极端观点 ,极地直径值 其余的扫描采样点相对于极端的观点一个样本的人口吗 和样本方差和样本均值满足以下方程:

其中, 。

样品的意思是

样本方差是

选择统计数据

因为无偏估计的吗 , 大约是1成立。对于一个固定的社区(采样点的数量 ),公式(21)大约是 。因此,拒绝域是

采样点的要求和实际的观测值之间的偏差度的估计价值特征点定义的拒绝域被视为点特性,用吗 。

我们假设线段特征来标示 。其中,d抽样线段之间的距离和激光传感器在基本坐标系。为了便于计算,选择激光传感器的安装位置坐标的原点。之间的角d和基本坐标系的方向。和 ,分别代表的起始点和结束点检测线段与线段的位置方程基本坐标系

其中, 。

4所示。基于物联网家庭机器人控制系统和模糊控制

根据系统需求的分析,本系统的设计,用户订单给智能家居机器人和机器人使用各种室内无线信号网络终端设备实现人体红外传感、光控制和控制功能的电动窗帘等家用电器。智能家居机器人模型如图4。

本文使用物联网技术构建家庭机器人控制系统。在网络结构的选择,本文使用了ZigBee无线网络。ZigBee无线网络中常用的拓扑结构包括星形网络,mesh-shaped网络,和树状网络。这些网络拓扑是基于协调器的结构,路由节点和终端节点,如图5。

星形拓扑结构由中央节点和节点连接到中央节点,和形状就像一个明星;网状拓扑结构是由多个连接的链接点形成一个不规则的网状;这棵树拓扑看起来像一棵倒立的树。在树中,节点是根节点,多个分支节点连接在根节点,和每个分支节点也可以连接到多个分支节点。本文选择一个相对简单的明星拓扑。

图6显示了通信子系统的硬件网络图的智能家居机器人。协调器和路由器是整个网络的中心。协调器、路由器和终端节点的硬件系统构成整个智能家居子系统。只能有一个在每个网络协调员。协调器的主要功能是建立一个网络,分配网络地址,保持绑定表,等;路由器是可选的,可以有一个或多个路由器在网络或没有路由器。

ZigBee无线网络,数据传输有两种方法:beacon-enabled数据传输和nonbeacon-enabled数据传输。beacon-enabled网络,网络中的灯塔是一个特殊的数据帧来表示网络中是否有数据要发送。在nonbeacon-enabled网络中,没有这样的数据帧具有特殊意义。beacon-enabled网络,终端设备协调员需要传输数据。协调器首先检测信标信息,然后是终端设备传输数据。协调器接收到数据后,发送一个响应帧。然后完成数据传输。

nonbeacon-enabled网络中,终端设备首先发送数据请求发送给协调器,协调器响应请求,终端设置为发送数据。数据传输结束后,协调器发送一个响应帧,如图7。

该项目还需要能够定义节点的特定属性。主程序定义该节点是否协调者节点或终端节点。图8显示正在运行的进程的主程序智能家居机器人通信子系统。

系统的主程序完成后整个系统的初始化,主程序开始初始化无线网络协调器节点。在协调器节点的初始化过程,首先CC2530射频芯片初始化,初始化ZigBee协议栈,打开CC2530芯片的中断。最后,启动网络的格式。如果系统格式化成功网络,你可以看到领导的协调,代表了成功的网络,与此同时,它还将显示在串口无线网络已成功创建。成功创建无线网络后,主程序将进入应用程序层。同时,主程序将开始检测是否有ZigBee无线信号在空中。如果有一个工作终端节点的信号覆盖率协调员在这个时间和终端节点的信号频率传输信号的频率是一样的协调员,那么终端节点将申请加入协调员。如果终端节点可以连接无线网络,协调器节点将开始接收数据和发送数据到上面的电脑通过异步串行端口,和上电脑也会显示连接成功。最后,主程序运行到终端节点。协调器节点的操作类似,主程序首先初始化CC2530射频芯片的终端节点,开始对温度和湿度传感器供电。 After completing these two steps, the main program will initialize the protocol stack again and then the terminal node will start to work. The terminal node sends a request to join the network, and the coordinator responds to the request.

图9是一个无线个域网协调员的工作流程图。成功网络协调器和终端节点后,可以分析确定温度查询串口命令,红外查询,气体查询,查询和窗帘,然后发送响应消息,最后封装数据包并将其发送到液晶。

5。性能测试的基于物联网的机器人控制系统和模糊控制

本文结合了家庭生活的实际需要构建一个基于物联网家庭机器人控制系统和模糊控制。在此基础上,系统进行性能验证。首先,本文运用常用的家庭语言检测家用机器人的语音识别技术。共有66套测试设置,和这66套测试已经屈指可数了。测试结果如表所示1和图10。

通过分析,可以知道家里的机器人控制系统基于物联网和模糊控制本文构造逐渐显示提高语音识别的准确性随着训练过程的数量增加,满足需求的家用机器人的使用。在此基础上,实际家庭机器人控制系统的性能验证和国内使用效果确认。结果如表所示2和图11。

从上面的分析结果,可以看出,家庭机器人控制系统基于物联网和构造模糊控制有一定的实用效果。

6。结论

智能控制技术的迅速发展,改善了服务机器人的功能导向的家庭环境,和家庭成员的功能需求为服务机器人也已从简单的升级解放双手,减少家务情感交流和聪明的护送。

基于当前技术条件的实验室,本文简要的概述了家庭服务机器人的机械结构设计,主要侧重于核心控制系统和全局路径规划方法。机器人采用轮式微分移动平台具有高工作效率和简单的运动控制。类人躯干和机械臂的设计更容易被接受的服务对象和它们灵活可靠,和多余的自由设计能满足各种各样的把握和处理任务。全局路径规划技术集成与智能控制算法减少了最优路径图时间的前提下确保环境地图的准确性。此外,它有一个控制系统结构,结合了高度可靠和易于扩展上计算机底层工人运动控制器,它简单实用的系统软件,该系统具有较高的稳定性和操作简单和容易理解。

数据可用性

标签数据集用于支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究是由河南省的关键科学和技术问题,研究改进的基于弹性光网络的路由频谱分配算法EON,中国(批准号212102210560)。