本发明涉及消防机器人技术领域，具体而言，涉及一种用于城市消防机器人的灭火方法。
背景技术：
随着社会经济的迅猛发展，建筑和企业生产的特殊性，导致化学危险品和放射性物质泄漏以及燃烧、爆炸、坍塌的事故隐患增加，事故发生的概率也相应提高。一旦发生灾害事故，消防员面对高温、黑暗、有毒和浓烟等危害环境时，若没有相应的设备贸然冲进现场，不仅不能完成任务，还会徒增人员伤亡。消防机器人作为特种机器人的一种，在灭火和抢险救援中愈加发挥举足轻重的作用。各种大型石油化工企业、隧道、地铁等不断增多，油品燃气、毒气泄漏爆炸、隧道、地铁坍塌等灾害隐患不断增加。此类灾害具有突发性强、处置过程复杂、危害巨大、防治困难等特点，已成顽疾。消防机器人能代替消防救援人员进入易燃易爆、有毒、缺氧、浓烟等危险灾害事故现场进行数据采集、处理、反馈，有效地解决消防人员在上述场所面临的人身安全、数据信息采集不足等问题。现场指挥人员可以根据其反馈结果，及时对灾情作出科学判断，并对灾害事故现场工作作出正确、合理的决策。
实际消防过程中，一些小区、园区或办公楼地形复杂，消防机器人往往对场地情况不了解，影响救援效率。
技术实现要素：
为了克服上述问题或者至少部分地解决上述问题，本发明实施例提供一种用于城市消防机器人的灭火方法，以提高救援效率，节约救援时间。
本发明的实施例是这样实现的：
一种用于城市消防机器人的灭火方法，所述机器人装配有用于灭火的灭火机构和用于采集视觉信息的深度学习相机，所述灭火方法包括：
获取有向目标点和机器人当前起点位置，根据slam算法和路径规划规划算法规划出去往有向目标点的路径并感知场景地图；
判断场景地图是否符合期望要求，不符合则继续让机器人进行创建地图，符合则让机器人按照规划的路径行进；
当行进途中获取到深度学习相机传给机器人的视觉信息后，立即根据视觉信息配合火焰检测方法进行火焰识别，识别后主动到达起火区域启动灭火机构进行救援工作。
在本发明的一些实施例中，slam算法是基于图优化的slam方法，包括前端把获取的数据作为图的节点，包含机器人的位姿信息；节点与节点之间通过有向边连接，后端根据非线性最小二乘方法把误差消除，得到准确的地图。考虑到实际操作中机器人可能会出现各种情况的误差导致真实值与观测值不一样，需要把这个误差通过优化算法消除。
在本发明的一些实施例中，路径规划规划算法包括采用分段式快速扩展随即搜索树算法。在基础rrt算法上加入分段式规划，分段式rrt在整个消防救援的过程中起到的作用：
(1)操作人员只需在rviz中点出几个目标点即可让机器人主动地进行建图工作，无需人工控制；rviz是机器人操作系统(ros)自带的图形化工具，可以很方便的让用户通过图形界面开发调试机器人操作系统(ros)。操作界面也十分简洁。
(2)当建图完成之后控制机器人进行巡逻和实时地躲避障碍物；
分段式rrt算法原理：
首先定义一个起始点x_init,然后随机给一个点x_rand。如果x_rand不在障碍物区域，则用直线l连接x_init和x_rand,如果直线l不在障碍物里面，则沿着直线l从x_init向x_rand的方向移动一定的距离，得到一个新的点x_new,则起始点x_init、新的点x_new和他们之间的线段构成了一颗最简单的树。
在开始的基础上，继续重复，在环境中撒点，得到无障碍物区域的点x_rand,然后在已经存在的树上找一个离x_rand最近的点x_near,连接两个点，如果这条线没有障碍物，则沿着这条线，从x_near到x_rand移动一定的距离，得到新的点，x_new,该点被添加到已经存在的树上。
重复上述过程，直到目标点(或其附近的点)被添加到树上，这时我们就可以在树上找到一条从起点到目标点的路径。
分段式:在整个环境中定义几个有向路标点，按照规定方向的顺序依次生成分段的随机搜索树的路径，最后将整个路径连接起来作为消防机器人巡逻、建图的路线。
在本发明的一些实施例中，所述火焰检测方法包括使用cnn网络对预先准备好的火焰数据进行特征提取与训练，得出一个参数模型，把该参数模型加载到机器人的计算机程序中，通过对机器人上搭载的深度相机传回的视频数据进行分析，当出现火情时发出报警信号。
在本发明的一些实施例中，所述火焰数据至少包括火焰图片数据与火焰视频数据。
在本发明的一些实施例中，火焰检测方法包括获取火焰数据后对火焰数据进行滤波后再进行目标跟踪，用于使机器人准确到达火焰区域附近执行消防救援工作。
本发明提供一种用于城市消防机器人，包括：至少一个处理器、至少一个存储器和数据总线；其中：所述处理器与所述存储器通过所述数据总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令以执行上述方法。例如包括获取有向目标点和机器人当前起点位置，根据slam算法和路径规划规划算法规划出去往有向目标点的路径并感知场景地图；判断场景地图是否符合期望要求，不符合则继续让机器人进行创建地图，符合则让机器人按照规划的路径行进；当行进途中获取到深度学习相机传给机器人的视觉信息后，立即根据视觉信息配合火焰检测方法进行火焰识别，识别后主动到达起火区域启动灭火机构进行救援工作。
本发明提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质用于存储计算机程序，所述计算机程序使所述计算机执行上述方法。例如包括获取有向目标点和机器人当前起点位置，根据slam算法和路径规划规划算法规划出去往有向目标点的路径并感知场景地图；判断场景地图是否符合期望要求，不符合则继续让机器人进行创建地图，符合则让机器人按照规划的路径行进；当行进途中获取到深度学习相机传给机器人的视觉信息后，立即根据视觉信息配合火焰检测方法进行火焰识别，识别后主动到达起火区域启动灭火机构进行救援工作。
本发明实施例至少具有如下优点或有益效果：
机器人会根据我们开发的slam算法和路径规划规划算法主动地感知场景地图，操作人员只需预先设定一系列有向目标点即可。操作人员判断地图是否符合，如果不符合期望要求，继续让机器人进行建图工作，如果符合则开始下一阶段工作。根据我们设计的路径规划算法进行巡逻，巡逻的同时主动避开行人。巡逻的时候根据深度相机传给机器人的视觉信息配合我们设计的火焰检测算法进行火焰识别，当识别到火焰后主动到达起火区域进行救援工作。确保机器人对现场了如指掌。一旦火情出现，可以迅速投入火灾现场救援，极大提高了救援效率，节约了救援时间。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例一种用于城市消防机器人的灭火方法的流程图；
图2为本发明实施例一种用于城市消防机器人的灭火方法中slam算法图优化的思想框图；
图3为本发明实施例一种用于城市消防机器人的灭火方法中slam算法前端有向图的结构示意图；
图4为本发明实施例一种用于城市消防机器人的灭火方法的目标函数示意图；
图5为本发明实施例一种用于城市消防机器人的灭火方法的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本发明实施例的描述中，需要说明的是，若出现术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”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，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，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发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
此外，若出现术语“水平”、“竖直”、“悬垂”等术语并不表示要求部件绝对水平或悬垂，而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平，并不是表示该结构一定要完全水平，而是可以稍微倾斜。
在本发明实施例的描述中，“多个”代表至少2个。
在本发明实施例的描述中，还需要说明的是，除非另有明确的规定和限定，若出现术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
实施例1
请参照图1，本实施例提供一种用于城市消防机器人的灭火方法，所述机器人装配有用于灭火的灭火机构和用于采集视觉信息的深度学习相机，所述灭火方法包括：
获取有向目标点和机器人当前起点位置，根据slam算法和路径规划规划算法规划出去往有向目标点的路径并感知场景地图；
判断场景地图是否符合期望要求，不符合则继续让机器人进行创建地图，符合则让机器人按照规划的路径行进；
当行进途中获取到深度学习相机传给机器人的视觉信息后，立即根据视觉信息配合火焰检测方法进行火焰识别，识别后主动到达起火区域启动灭火机构进行救援工作。
机器人会根据我们开发的slam算法和路径规划规划算法主动地感知场景地图，操作人员只需预先设定一系列有向目标点即可。操作人员判断地图是否符合，如果不符合期望要求，继续让机器人进行建图工作，如果符合则开始下一阶段工作。根据我们设计的路径规划算法进行巡逻，巡逻的同时主动避开行人。巡逻的时候根据深度相机传给机器人的视觉信息配合我们设计的火焰检测算法进行火焰识别，当识别到火焰后主动到达起火区域进行救援工作。确保机器人对现场了如指掌。一旦火情出现，可以迅速投入火灾现场救援，极大提高了救援效率，节约了救援时间。
实施例2
请参照图2-4，本实施例提供一种用于城市消防机器人的灭火方法，在本发明的实施例中，本发明设计的slam算法是一种基于图优化的slam方法，图优化的思想请参考图2-3，前端是把传感器数据作为图的节点，包含机器人的位姿信息；节点与节点之间通过有向边连接，代表数学计算关系。后端根据非线性最小二乘方法把误差消除，得到准确的地图。理论上来说，xi,xj代表两次的机器人观测值，但是实际中机器人可能会出现各种情况的误差导致真实值与观测值不一样，产生xj'，我们的目的是把这个误差通过优化算法消除。优化算法请参考图4，给出的目标函数示意图；各参数代表的物理含义由图中给出，x表示机器人位姿；f(x)表示当前时刻机器人的位姿预测值；z代表传感器测量得出的位姿真实值。
最小化预测与观测的差值，即：
ei(x)＝fi(x)-zi；i代表某一时刻，x代表机器人位姿，f(x)代表当前时刻机器人的位姿预测值，z代表传感器测量得出的位姿真实值。e(x)代表当前时刻的误差值。
假设误差服从高斯分布，因此该观测值误差的平方定义为：
ei(x)＝ei(x)t∑iei(x)；
e(x)代表服从高斯分布下的误差值，t代表矩阵的转置符号。
由此得出非线性最小二乘的目标函数为：
f(x)代表目标函数。
利用泰勒展开非线性目标函数：
ei(x δx)＝ei(x) jiδx；
δ(x)代表位姿的增量，j代表泰勒展开公式中的参数；
构建线性系统为：
求解线性系统：
δx*＝-h-1b；
更新解，并不断迭代至收敛
x＝x δx*。
在本发明的一些实施例中，路径规划规划算法包括采用分段式快速扩展随即搜索树算法。在基础rrt算法上加入分段式规划，分段式rrt在整个消防救援的过程中起到的作用：
操作人员只需在rviz中点出几个目标点即可让机器人主动地进行建图工作，无需人工控制；rviz是机器人操作系统(ros)自带的图形化工具，可以很方便的让用户通过图形界面开发调试机器人操作系统(ros)。操作界面也十分简洁。
当建图完成之后控制机器人进行巡逻和实时地躲避障碍物；
分段式rrt算法原理：
首先定义一个起始点x_init,然后随机给一个点x_rand。如果x_rand不在障碍物区域，则用直线l连接x_init和x_rand,如果直线l不在障碍物里面，则沿着直线l从x_init向x_rand的方向移动一定的距离，得到一个新的点x_new,则起始点x_init、新的点x_new和他们之间的线段构成了一颗最简单的树。
在开始的基础上，继续重复，在环境中撒点，得到无障碍物区域的点x_rand,然后在已经存在的树上找一个离x_rand最近的点x_near,连接两个点，如果这条线没有障碍物，则沿着这条线，从x_near到x_rand移动一定的距离，得到新的点，x_new,该点被添加到已经存在的树上。
重复上述过程，直到目标点(或其附近的点)被添加到树上，这时我们就可以在树上找到一条从起点到目标点的路径。
分段式:在整个环境中定义几个有向路标点，按照规定方向的顺序依次生成分段的随机搜索树的路径，最后将整个路径连接起来作为消防机器人巡逻、建图的路线。
在本发明的一些实施例中，所述火焰检测方法包括使用cnn网络对预先准备好的火焰数据进行特征提取与训练，得出一个参数模型，把该参数模型加载到机器人的计算机程序中，通过对机器人上搭载的深度相机传回的视频数据进行分析，当出现火情时发出报警信号。
在本发明的一些实施例中，所述火焰数据至少包括火焰图片数据与火焰视频数据。
在本发明的一些实施例中，火焰检测方法包括获取火焰数据后对火焰数据进行滤波后再进行目标跟踪，用于使机器人准确到达火焰区域附近执行消防救援工作。
实施例3
请参照图5，本实施例提供一种用于城市消防机器人，包括：至少一个处理器、至少一个存储器和数据总线；其中：所述处理器与所述存储器通过所述数据总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令以执行上述方法。例如包括获取有向目标点和机器人当前起点位置，根据slam算法和路径规划规划算法规划出去往有向目标点的路径并感知场景地图；判断场景地图是否符合期望要求，不符合则继续让机器人进行创建地图，符合则让机器人按照规划的路径行进；当行进途中获取到深度学习相机传给机器人的视觉信息后，立即根据视觉信息配合火焰检测方法进行火焰识别，识别后主动到达起火区域启动灭火机构进行救援工作。
本发明本实施例还提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质用于存储计算机程序，所述计算机程序使所述计算机执行上述方法。例如包括获取有向目标点和机器人当前起点位置，根据slam算法和路径规划规划算法规划出去往有向目标点的路径并感知场景地图；判断场景地图是否符合期望要求，不符合则继续让机器人进行创建地图，符合则让机器人按照规划的路径行进；当行进途中获取到深度学习相机传给机器人的视觉信息后，立即根据视觉信息配合火焰检测方法进行火焰识别，识别后主动到达起火区域启动灭火机构进行救援工作。
综上，本发明的实施例提供一种用于城市消防机器人的灭火方法，机器人会根据我们开发的slam算法和路径规划规划算法主动地感知场景地图，操作人员只需预先设定一系列有向目标点即可。操作人员判断地图是否符合，如果不符合期望要求，继续让机器人进行建图工作，如果符合则开始下一阶段工作。根据我们设计的路径规划算法进行巡逻，巡逻的同时主动避开行人。巡逻的时候根据深度相机传给机器人的视觉信息配合我们设计的火焰检测算法进行火焰识别，当识别到火焰后主动到达起火区域进行救援工作。确保机器人对现场了如指掌。一旦火情出现，可以迅速投入火灾现场救援，极大提高了救援效率，节约了救援时间。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
1.一种用于城市消防机器人的灭火方法，其特征在于，所述灭火方法包括：
获取有向目标点和机器人当前起点位置，根据slam算法和路径规划规划算法规划出去往有向目标点的路径并感知场景地图；
判断场景地图是否符合期望要求，不符合则继续让机器人进行创建地图，符合则让机器人按照规划的路径行进；
当行进途中获取到深度学习相机传给机器人的视觉信息后，立即根据视觉信息配合火焰检测方法进行火焰识别，识别后主动到达起火区域启动灭火机构进行救援工作。
2.根据权利要求1所述的一种用于城市消防机器人的灭火方法，其特征在于，所述slam算法是基于图优化的slam方法，包括前端把获取的数据作为图的节点，包含机器人的位姿信息；节点与节点之间通过有向边连接，后端根据非线性最小二乘方法把误差消除，得到准确的地图。
3.根据权利要求1所述的一种用于城市消防机器人的灭火方法，其特征在于，所述路径规划规划算法包括采用分段式快速扩展随即搜索树算法。
4.根据权利要求1所述的一种用于城市消防机器人的灭火方法，其特征在于，所述火焰检测方法包括使用cnn网络对预先准备好的火焰数据进行特征提取与训练，得出一个参数模型，把该参数模型加载到机器人的计算机程序中，通过对机器人上搭载的深度相机传回的视频数据进行分析，当出现火情时发出报警信号。
5.根据权利要求4所述的一种用于城市消防机器人的灭火方法，其特征在于，所述火焰数据至少包括火焰图片数据与火焰视频数据。
6.根据权利要求4所述的一种用于城市消防机器人的灭火方法，其特征在于，所述火焰检测方法包括获取火焰数据后对火焰数据进行滤波后再进行目标跟踪，用于使机器人准确到达火焰区域附近执行消防救援工作。
7.一种用于城市消防机器人，其特征在于，包括：
至少一个处理器、至少一个存储器和数据总线；其中：
所述处理器与所述存储器通过所述数据总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令以执行如权利要求1至6任一所述的方法。
8.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质用于存储计算机程序，所述计算机程序使所述计算机执行如权利要求1至6任一所述的方法。
技术总结