【技术实现步骤摘要】
本专利技术涉及一种轮式机器人路况识别方法与速度自适应匹配系统，属于轮式机器人控制。
技术介绍
1、本专利技术所提出的轮式机器人是一种能够自主导航、运输物品的无人驾驶车辆。轮式机器人广泛应用于工业生产和物流领域，它通过内置的导航系统和传感器来感知周围环境，并根据预设的路径或任务进行自动导航和操作。随着轮式机器人的快速发展，其应用领域非常广泛。在制造业中，它们可用于自动化生产线上的物料搬运、零部件供应等；在物流领域，它们可以实现自动化仓储管理、货物运输等；在医疗行业，它们被用于实现药品和样本的自动分发和运输等。
2、轮式机器人的技术发展也在不断进步。随着人工智能、机器视觉和无线通信等技术的不断革新，实现轮式机器人在多种路况环境下的应用也应运而生。另外，现有的轮式机器人的导航技术较为繁琐，需要提前布置好环境和规划路线，难以做到在室内室外以及更多种路况环境下的使用，而且单一的速度运行方案在不同路况下并不能一概而用。因此，研发一种基于先进的图像识别技术和轮式机器人控制系统的智能速度匹配方案具有重要的意义。
技术实现思路
1、针对现有技术的不足，本专利技术提供一种轮式机器人路况识别方法与速度自适应匹配系统，旨在提升轮式机器人在运输货物过程中的安全性和稳定性，提供更稳定、更高效的运动方案。
2、本专利技术的技术方案如下：
3、一种轮式机器人路况识别与速度自适应匹配的系统，包括图像信息采集模块、图像信息处理模块、中央控制系统、通信模块、速度匹配模块、控制器模块、
4、图像信息采集模块：该模块包括摄像头，用于采集轮式机器人在行驶过程中的实时图像，同时摄像头会不断采集周围环境信息，图像信息采集模块将拍摄的实时图像发送给图像信息处理模块进行后续处理；图像信息采集模块将周围环境信息通过通信模块传至中央控制系统，从而实时更新地图信息，避免碰撞事故的发生；
5、图像信息处理模块：该模块通过使用opencv库对采集到的轮式机器人的行驶实时图像进行处理；首先，图像信息处理模块通过自定义的udp协议将采集到的实时图像数据进行处理，并将其发送到改进-yolov8算法中进行检测、识别和分类；改进-yolov8算法利用先进的目标识别分类技术，能够更快速、准确的识别路面信息，并将当前路面分类为常态（普通路面）、上坡、下坡、高粉尘、低亮度、有障碍，并将分类结果传至中央控制系统进行接受并进一步处理；
6、优选的，在路面信息采集中，使用udp协议可以实现将摄像头拍摄到的视频流数据实时传输到指定的图像信息处理模块，以便进行路面类型识别分类，具体步骤如下：
7、首先设置发送端，即摄像头，使用摄像头获取实时视频流数据，具体可利用opencv库来实现；创建udp发送端，通过编写一个程序，在摄像头端创建一个udp-socket，将摄像头捕获到的视频流数据通过udp协议发送至预先设定的目标ip地址和端口；其次设置接收端，即图像信息处理模块，创建udp接收端，在图像信息处理模块端编写一个udp接收端程序，创建一个udp-socket并绑定到指定端口，接收来自发送端发送的路面视频流数据，对接收到的视频流数据进行解码、显示，以便于接下来进一步的处理。
8、在实际具体应用中，需要测试网络延迟对数据传输的影响，以保证数据传输的实时性；同时要考虑对视频流数据进行压缩以减少带宽占用，以及考虑对传输的数据进行加密以确保安全性。
9、进一步优选的，改进-yolov8算法使用fasternet替换yolov8的主干网络，改进的yolov8网络结构包括输入、嵌入层、四个分层阶段、全局平均池化层、conv 1×1层、全连接层、输出、head部分，一起用于特征分类。四个分层阶段中每个阶段都有至少一个fasternet块堆栈，相邻两个阶段之间设有合并层，后面两个阶段中的fasternet块的数量多于前面两个阶段；每个阶段之前都有一个嵌入层或一个合并层，用于空间下采样和通道数扩展。最后两个阶段中的块消耗较少的内存访问，并且往往具有更高的flops，放置更多fasternet块，并相应地将更多计算分配给最后两个阶段。
10、嵌入层为步长为4的常规conv 4×4，合并层为步长为2的常规conv 2×2；
11、每个fasternet块都包括一个pconv层，pconv层后面是两个pwconv（conv 1×1）层；它们一起显示为反转的残余块，其中中间层即两个pwconv（conv 1×1）层中的第一个，中间层具有扩展的通道数量，并且放置快捷连接以重用输入特征；除上述运算符之外，归一化和激活层对于高性能神经网络也不可或缺，只将它们放在每个中间conv之后，以保持特征多样性并实现更低的延迟。此外，使用批量归一化（bn），bn的好处是，它可以合并到相邻的conv层中，以实现更快的推理，同时与其他层一样有效。至于激活层，选择relu 用于较大的fasternet变体，同时考虑运行时间和有效性。在两个pwconv（conv 1×1）层之间设置归一化bn和激活层relu；
12、改进-yolov8算法中使用了一个新颖的局部卷积pconv，削减冗余计算和内存访问，fasternet块中的pconv层只是在一部分输入通道上应用常规conv进行空间特征提取，其余通道保持不变，使得更高效地提取空间特征。对于连续或常规的内存访问，我们使用第一个或最后一个连续的cp通道作为整个特征图的代表进行计算；不失一般性地说，我们可认定输入和输出特征图具有相同数量的通道；因此，pconv的flops仅为：
13、（1）
14、在典型的部分比率r = cp/c = 1/4的情况下，pconv的flops仅为常规conv的1/16；此外，pconv具有更小的内存访问量，即，
15、（2）
16、它只是r = 1/4时普通conv的1/4；
17、其中，h为特征图的高度，w为特征图的宽度，k为卷积核的大小，cp为局部卷积作用的通道数，c为常规卷积作用的通道数。
18、进一步优选的，为充分有效地利用来自所有通道的信息，进一步将逐点卷积即pwconv（conv 1×1）层附加到pconv层中，二者组合起来形成t形conv，与均匀处理补丁的常规conv相比，它更专注于中心位置。
19、yolov8可以通过预测输入图像的类别标签来进行图像分类任务，当实时图像信息数据发送到改进后的yolov8算法中后，视频流数据会被自动分割成一帧一帧的图片，改进-yolov8算法会对输入的图片进行预处理，包括图像尺寸的调整、归一化等操作，以适应模型的输入要求，在经过yolov8网络结构处理后，改进-yolov8算法会通过卷积网络对图像进行特征提取，进一步将图像发送到yolov8算法的head部分进行识别分类，head部分包含一个classify模块，确定图像中路面的类别，最后将添加路面的类别标签处理后的图像输出，通过通信模块发送至中央控制系统。本文档来自技高网...
【技术保护点】
1.一种轮式机器人路况识别与速度自适应匹配的系统，其特征在于，包括图像信息采集模块、图像信息处理模块、中央控制系统、通信模块、速度匹配模块、控制器模块、调速控制模块；
2.根据权利要求1所述的轮式机器人路况识别与速度自适应匹配的系统，其特征在于，具体步骤如下：
3.根据权利要求2所述的轮式机器人路况识别与速度自适应匹配的系统，其特征在于，图像信息处理模块中，改进的YOLOv8网络结构包括输入、嵌入层、四个分层阶段、全局平均池化层、Conv 1×1层、全连接层、输出、Head部分，四个分层阶段中每个阶段都有至少一个FasterNet块堆栈，相邻两个阶段之间设有合并层，后面两个阶段中的FasterNet块的数量多于前面两个阶段；
4.根据权利要求3所述的轮式机器人路况识别与速度自适应匹配的系统，其特征在于，进一步将PWConv（Conv 1×1）层附加到PConv层中，二者组合起来形成T形Conv。
5.根据权利要求1所述的轮式机器人路况识别与速度自适应匹配的系统，其特征在于，所述调速控制模块，内部包含数据获取模块、转向控制模块和电机模
6.根据权利要求5所述的轮式机器人路况识别与速度自适应匹配的系统，其特征在于，所述转向控制模块包括左转和右转两个模块；
7.根据权利要求1所述的轮式机器人路况识别与速度自适应匹配的系统，其特征在于，所述轮式机器人路况识别与速度自适应匹配的系统还包括急停控制模块，急停控制模块分别与中央控制系统和电机模块连接，急停控制模块用于当轮式机器人控制系统出现故障或发生紧急情况要停止机器人进行调整、修复或维护时，由中央控制系统的操作人员通过按钮发出指令，由此模块接收停车信号并传递给电机模块，使电机停止工作实现急停的目的。
8.根据权利要求1所述的轮式机器人路况识别与速度自适应匹配的系统，其特征在于，所述轮式机器人路况识别与速度自适应匹配的系统中，机器人前端设置摄像头，摄像头外侧设有摄像头外罩，机器人前方还设有补光灯，摄像头外罩外侧上设有至少一套吹气装置，吹气装置包括相互连接的气泵、气管、喷头，气泵与控制器模块连接。
9.一种轮式机器人路况识别与速度自适应匹配的方法，其特征在于，包括步骤如下：
10.根据权利要求9所述的轮式机器人路况识别与速度自适应匹配的方法，其特征在于，速度匹配方案包括如下：
...【技术特征摘要】
1.一种轮式机器人路况识别与速度自适应匹配的系统，其特征在于，包括图像信息采集模块、图像信息处理模块、中央控制系统、通信模块、速度匹配模块、控制器模块、调速控制模块；
2.根据权利要求1所述的轮式机器人路况识别与速度自适应匹配的系统，其特征在于，具体步骤如下：
3.根据权利要求2所述的轮式机器人路况识别与速度自适应匹配的系统，其特征在于，图像信息处理模块中，改进的yolov8网络结构包括输入、嵌入层、四个分层阶段、全局平均池化层、conv 1×1层、全连接层、输出、head部分，四个分层阶段中每个阶段都有至少一个fasternet块堆栈，相邻两个阶段之间设有合并层，后面两个阶段中的fasternet块的数量多于前面两个阶段；
4.根据权利要求3所述的轮式机器人路况识别与速度自适应匹配的系统，其特征在于，进一步将pwconv（conv 1×1）层附加到pconv层中，二者组合起来形成t形conv。
5.根据权利要求1所述的轮式机器人路况识别与速度自适应匹配的系统，其特征在于，所述调速控制模块，内部包含数据获取模块、转向控制模块和电机模块；
6.根据权利要求...
【专利技术属性】
技术研发人员：杨扬，周长宁，邵磊，柴玉航，丁双杰，李江龙，陈鹏辉，梁正阳，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。