【技術實現步驟摘要】
本專利技術屬于人工智能與機器人，尤其涉及一種基于多功能集成的居家智能養老機器人系統及其控制方法。
技術介紹
1、全球人口老齡化問題不斷加劇，而傳統的以護工養老為代表的養老模式面臨著諸多挑戰，隨著社會的發展暴露出諸如人力短缺、成本高、服務差等缺點。所以利用現代科技研發一款智能養老型機器人成為一種新的解決辦法，可以顯著改善此現象。但如今的養老服務機器人系統功能較為單一，沒有將多種功能集成，無法滿足老人日常的需求。另一方面，許多此類養老機器人工作的準確性、穩定性較差，這導致機器人的工作效率低，不能很好的適應周圍的環境。所以在智能養老機器人系統中融入深度學習算法模型至關重要，不僅可以將多種功能集成，也可以有效提高機器人工作的穩定性與效率。
技術實現思路
1、基于上述現有技術中存在的問題，本專利技術提出一種基于多功能集成的居家智能養老機器人系統及其控制方法，用來解決現有技術中養老服務機器人功能單一且工作不穩定的問題。
2、為實現上述技術目的，本專利技術提供如下的技術方案：
3、一種基于多功能集成的居家智能養老機器人系統，其特征在于，包括設置在居家養老機器人上的中央處理器，以及與中央處理器連接的傳感器模塊、接口模塊、網絡通信模塊、語音模塊、驅動模塊和數據處理模塊；所述中央處理器內部設置有四個功能模塊，包括：安全防護模塊、日常照料模塊、人機交互模塊和穩定性模塊；
4、所述安全防護模塊，基于mediapipe技術構建老人身體姿態模型，用以分析并監測老人的安全狀態
5、所述日常照料模塊，用以控制機器人按照特定路線巡航，融合yolov8與moveit以識別室內環境中的垃圾，并控制機器人進行清掃；
6、所述人機交互模塊，用以同老人進行語音和情感交流；
7、所述穩定性模塊，基于orb-slam2技術進行實時定位和家庭地圖繪制，用以實現機器人路徑規劃和自動避障，確保工作的穩定性。
8、更為具體的，所述傳感器模塊、數據處理模塊與所述中央處理器單向連接，向中央處理器輸入信息；
9、所述語音模塊、驅動模塊與所述中央處理器單向連接，接收中央處理器輸出的信息；
10、所述接口模塊、網絡與通信模塊與所述中央處理器雙向連接，進行信息交換。
11、本專利技術還提供上述系統的控制方法，具體包括：
12、安全防護模塊實現其功能的方法：
13、s11、通過傳感器模塊記錄包含老人畫面的連續圖像，將連續的視頻幀輸入卷積神經網絡cnn中，得到卷積后的特征圖，特征圖的大小計算公式表示為：
14、
15、其中，w、h為得到的第一層特征圖的寬度和高度，特征圖的通道數為卷積核的數量，wi、hi為輸入圖像的寬度與高度，wk、hk、pk、sk分別為卷積核k的寬度、高度、填充、步長；
16、s12、引入relu激活函數對卷積后的特征圖進行激活得到特征圖a，增強網絡表達能力，公式表達為：
17、f(a)＝max(0,a)；
18、其中，a表示經過卷積層后特征圖某一位置的輸出值；
19、對激活后的特征圖進行最大池化操作，以減少計算量，表達式為：
20、
21、其中，池化窗口的大小為p*p，pi,j,n為池化后特征圖第n個通道上坐標為(i,j)處的特征值，ai*p+m,j*p+l,n為上述經激活后的特征圖在第n個通道上相應坐標的數值；
22、重復上述操作，將上一層的輸出作為下一層的輸入，進行多次卷積、激活和池化操作，將最終得到的特征圖展平為一維向量，并輸入到全連接層中，對提取到的邊緣特征、紋理特征、局部形狀特征、語義特征進行整合；
23、s13、對步驟s12得到的一系列連續的特征圖進行熱圖回歸處理，從中提取出人體關鍵點；采用均方誤差來定義熱圖的損失函數，公式表達為：
24、
25、其中，hr、wr為熱圖的高度和寬度，ht和hf分別表示像素點(i,j)的真實熱圖值和預測熱圖值；以熱圖中的峰值點為人體關鍵點的位置，將熱圖的峰值坐標重投影回圖像的原坐標空間，即可得到人體關鍵點的具體位置，公式表達為：
26、
27、其中，(x,y)為原圖像中人體關鍵點的坐標，wi、hi為輸入圖像的寬度與高度，(ipeak,jpeak)表示熱圖中峰值的坐標；
28、s14、記提取到的人體關鍵點的集合為q＝{q1,q2,q3...qn}；所述人體關鍵點包括頭部、肩膀、肘部、手腕、膝蓋、腳踝；對兩個連續視頻幀里人體所有的關鍵點qi進行運動速度以及加速度計算，公式表達為：
29、
30、其中，(x1,y1)，(x2,y2)分別為關鍵點qi在兩個連續視頻幀內的坐標，δt為兩視頻幀的時間間隔，v1、v2是不同視頻幀下的速度，a為加速度；
31、s15、設置速度閾值和加速度閾值，當有1/3的關鍵點的速度和加速度超出這個閾值時，系統發出警報，閾值判斷表達式如下：
32、
33、其中，vthreshold為速度閾值，athreshold為加速度閾值；當d＝1時，即認為捕捉到老人摔倒，控制機器人發出警報并通知終端；當d＝0時，不作響應。
34、進一步地，所述日常照料模塊實現其功能的方式的方法體具體包括以下步驟：
35、s21、基于目標檢測算法yolov8實現對垃圾的識別與定位，并使用包含垃圾和垃圾桶的數據集對yolov8模型進行訓練；
36、s22、借助傳感器模塊實時記錄當前家內地面環境，當捕捉到的圖像畫面出現垃圾時，利用訓練好的yolov8模型準確識別到垃圾，并對垃圾的位置進行區域定位，然后將這些信息及時傳至中央處理器；
37、s23、將深度學習模型算法與機器人操作系統ros結合，當接收到中央處理器傳遞的垃圾位置信息后，moveit根據機器人的機械臂當前與垃圾的相對位置與機械臂各關節的角度，對機器人的機械臂抓取的運動軌跡進行無碰撞規劃；
38、s24、ros接收moveit規劃好的路徑序列信息，并將此信息轉化為控制信號傳給電機，從而為機械臂的運動提供動力實現垃圾清除。當識別到垃圾桶時，則通過驅動模塊控制機械臂進行垃圾丟棄。
39、進一步地，所述人機交互模塊實現其功能的方法具體包括以下步驟：
40、s31、中央處理器控制傳感覺模塊采集老人的語音信息；
41、s32、對采集到的語音信息在數據處理模塊中進行預處理，包括去除噪聲、信號增強；
42、s33、將老人的語音信號轉化為機器自身能執行的語言，基于深度學習將語音特征與訓練好的模型相匹配，并通過語音模塊完成人機交互。
43、進一步地，所述穩定性模塊實現其功能的方法，具體包括以下步驟：
44本文檔來自技高網...
【技術保護點】
1.一種基于多功能集成的居家智能養老機器人系統，其特征在于，包括設置在居家養老機器人上的中央處理器，以及與中央處理器連接的傳感器模塊、接口模塊、網絡通信模塊、語音模塊、驅動模塊和數據處理模塊；所述中央處理器內部設置有四個功能模塊，包括：安全防護模塊、日常照料模塊、人機交互模塊和穩定性模塊；
2.根據權利要求1所述一種基于多功能集成的居家智能養老機器人系統，其特征在于，
3.根據權利要求1所述的一種基于多功能集成的居家智能養老機器人系統的控制方法，其特征在于，所述控制方法包括安全防護模塊實現其功能的方法，具體包括以下步驟：
4.根據權利要求1所述的一種基于多功能集成的居家智能養老機器人系統的控制方法，其特征在于，所述控制方法包括所述日常照料模塊實現其功能的方法，具體包括以下步驟：
5.根據權利要求1所述的一種基于多功能集成的居家智能養老機器人系統的控制方法，其特征在于，所述控制方法包括人機交互模塊實現其功能的方法，具體包括以下步驟：
6.根據權利要求1所述的一種基于多功能集成的居家智能養老機器人系統的控制方法，其特征在于，
7.根據權利要求6所述的一種基于多功能集成的居家智能養老機器人系統的控制方法，其特征在于，步驟S44具體包括：
...【技術特征摘要】
1.一種基于多功能集成的居家智能養老機器人系統，其特征在于，包括設置在居家養老機器人上的中央處理器，以及與中央處理器連接的傳感器模塊、接口模塊、網絡通信模塊、語音模塊、驅動模塊和數據處理模塊；所述中央處理器內部設置有四個功能模塊，包括：安全防護模塊、日常照料模塊、人機交互模塊和穩定性模塊；
2.根據權利要求1所述一種基于多功能集成的居家智能養老機器人系統，其特征在于，
3.根據權利要求1所述的一種基于多功能集成的居家智能養老機器人系統的控制方法，其特征在于，所述控制方法包括安全防護模塊實現其功能的方法，具體包括以下步驟：
4.根據權利要求1所述的一...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。