一种建筑环境健康检测移动机器人
文献发布时间:2023-06-19 19:30:30
技术领域
本发明涉及机器人技术领域,尤其涉及一种建筑环境健康检测移动机器人。
背景技术
随着人们生活水平和生活质量的提高,人们对居住、工作在其中的建筑的环境的品质要求越来越高。传统的建筑环境关注空气质量、光、声、热几大类环境指标,对这些指标的测量手段也不尽相同。但总的来看,依靠人在现场工作并依赖主观评价环境水准的方式仍为主流,这就造成如下局面:检测结果不精准,检测效率较低,人员成本较高。近年来,机器人、自主无人装备及其相关联的智能硬件技术发展迅速,越来越多的工作可通过无人自主智能机器人来完成,这样可提升工作效率、节省时间,更重要的是可以获取更加精准的现场数据,使生活和生产环境变得更加清洁、舒适、节能、安全。
目前,在检测机器人领域,传感器及其检测软件、环境感知算法与系统等关键技术仍是阻碍智能检测机器人整体性能提高的主要瓶颈,仍存在着大量无法解决的科学和技术难题,这也是智能检测机器走向大规模实用化阶段的最大阻力。影响感知性能的主要原因在于:现有算法大多只适用于良好可视环境,或只针对某种干扰进行改进,能够克服各种随机异源扰动的鲁棒、快速、统一视觉检测及识别算法与使用环境的耦合度不强,面向复杂不确定性环境的鲁棒视觉感知系统开发难度较大。
发明内容
本发明提供一种建筑环境健康检测移动机器人,用以克服现有技术中建筑环境健康的关键参数检测不及时的问题。
为实现上述目的,本发明提供一种建筑环境健康检测移动机器人,包括,
壳体,其包括前面、左侧面、右侧面、第一斜面、第二斜面;
电控模块,用于带动机器人移动;
轨迹规划模块,用于控制机器人沿设定程序沿轨迹移动;
视觉导航模块,用于在机器人移动过程中进行视觉导航;
激光测量模块,用于完成检测空间内存有物体的位移、厚度、振动、距离、直径相关几何量的测量;
环境检测模块,用于完成建筑环境健康检测,其由建筑室内空气质量智能检测组件、建筑声环境智能检测组件、建筑光环境智能检测组件、建筑热环境智能检测组件和建筑幕墙门窗智能检测组件五部分技术检测组件构成;
能源动力模块,用于为电控模块、轨迹规划模块、视觉导航模块、激光测量模块、环境检测模块提供能源。
进一步地,所述壳体的前面、左侧面、右侧面、第一斜面、第二斜面上分别设置有至少一个超声传感器,所述超声传感器用于辅助所述视觉导航模块进行视觉导航;
所述壳体顶部设置有传感器固定柱;
所述视觉导航模块包括位于所述传感器固定柱顶部的视觉传感器;
所述激光测量模块包括设置在所述传感器固定柱上的激光雷达;
所述建筑室内空气质量智能检测组件包括设置在所述左侧面上的空气质量检测传感器;
所述建筑声环境智能检测组件包括设置在所述左侧面上的建筑声环境检测传感器;
所述建筑光环境智能检测组件包括设置在所述传感器固定柱上的建筑光环境检测传感器;
所述建筑热环境智能检测组件包括设置在所述传感器固定柱上的建筑热环境检测传感器;
所述建筑幕墙门窗智能检测组件包括设置在所述传感器固定柱上的建筑幕墙门窗检测传感器。
进一步地,所述各模块之间通过标准化接口实现即插即用式连接。
进一步地,还包括,用于实现功能处理进行数据汇总的中控芯片。
进一步地,所述中控芯片进行轨迹规划时,内设有性能指标函数,
所述中控芯片定义非线性系统
y=h(x),y∈R
式中,
u为控制量;
R为状态向量;
m,l为状态向量维数
将运动轨迹优化问题转化为机器人动力学约束下的最小能耗求解问题,描述为:
a
a
式中,
x为轨迹横坐标;
y为轨迹纵坐标;
t
t
E为总能耗;
g(x
a
a
进一步地,移动机器人视觉跟踪算法采用融合建筑环境特征的Mean Shift算法。
进一步地,所述中控芯片中设置路径函数:Y=f(X)
将路径函数用平坦输出表示为参数方程:
式中,
l为路径函数曲线;
z为平坦输出。
机器人的最优运行轨迹为:
式中,
x为系统状态;
u为输入。
进一步地,所述建筑室内空气质量智能检测组件能够采集建筑室内空气质量参数,所述建筑室内空气质量参数分为物理性参数、化学性参数、生物性参数和放射性参数。
进一步地,所述建筑热环境智能检测组件能完成建筑热环境检测,包括,建筑材料与构件的热工性能、建筑围护结构的传热和水分迁移过程、建筑室内的热舒适性以及建筑节能。
进一步地,所述建筑光环境智能检测组件能够完成建筑光环境检测,建筑光环境包括天然光和人工照明两方面。
与现有技术相比,本发明的有益效果在于:
(1)对影响建筑环境健康的关键参数实现移动式高实时高精度检测;
(2)实现集空气质量、光、声、热多类型建筑环境指标的综合检测与在线评估;
(3)对建筑环境实现无人化管理;
(4)降低建筑环境检测的人员成本、效率成本、设备成本。
附图说明
图1为实施例中建筑环境健康检测移动机器人结构示意图;
图2为实施例中建筑环境健康检测移动机器人硬件连接关系示意图;
图3为本实施例中视觉导航模块图像采集原理示意图;
图4为本实施例中行为触发的机器人鲁棒视觉感知及导航算法模型示意图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
需要说明的是,在本发明的描述中,术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示所述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,还需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“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。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1-图2所示,图1为实施例中建筑环境健康检测移动机器人结构示意图;图2为实施例中建筑环境健康检测移动机器人硬件连接关系示意图。
本发明提供一种建筑环境健康检测移动机器人,包括,
壳体1,其包括前面101、左侧面102、右侧面(图中未画出)、第一斜面103、第二斜面104;
电控模块,用于带动机器人移动;
轨迹规划模块2,用于控制机器人沿设定程序沿轨迹移动;
视觉导航模块,用于在机器人移动过程中进行视觉导航;
激光测量模块,用于完成检测空间内存有物体的位移、厚度、振动、距离、直径相关几何量的测量;
环境检测模块,用于完成建筑环境健康检测,其由建筑室内空气质量智能检测组件、建筑声环境智能检测组件、建筑光环境智能检测组件、建筑热环境智能检测组件和建筑幕墙门窗智能检测组件五部分技术检测组件构成;
能源动力模块,用于为电控模块、轨迹规划模块、视觉导航模块、激光测量模块、环境检测模块提供能源。
进一步地,所述壳体1的前面101、左侧面102、右侧面、第一斜面103、第二斜面104上分别设置有至少一个超声传感器4;
所述壳体顶部设置有传感器固定柱7;
所述视觉导航模块包括位于所述传感器固定柱7顶部的视觉传感器3;
所述激光测量模块包括设置在所述传感器固定柱7上的激光雷达5;
所述建筑室内空气质量智能检测组件包括设置在所述左侧面102上的空气质量检测传感器64;
所述建筑声环境智能检测组件包括设置在所述左侧面102上的建筑声环境检测传感器65;
所述建筑光环境智能检测组件包括设置在所述传感器固定柱7上的建筑光环境检测传感器61;
所述建筑热环境智能检测组件包括设置在所述传感器固定柱7上的建筑热环境检测传感器62;
所述建筑幕墙门窗智能检测组件包括设置在所述传感器固定柱7上的建筑幕墙门窗检测传感器63。
进一步地,所述各模块之间通过标准化接口实现即插即用式连接。
进一步地,还包括,用于实现功能处理进行数据汇总的中控芯片。
进一步地,所述中控芯片进行轨迹规划时,内设有性能指标函数,
所述中控芯片定义非线性系统
y=h(x),y∈R
式中,
u为控制量;
R为状态向量;
m,l为状态向量维数
将运动轨迹优化问题转化为机器人动力学约束下的最小能耗求解问题,描述为:
a
a
式中,
x为轨迹横坐标;
y为轨迹纵坐标;
t
t
E为总能耗;
g(x
a
a
进一步地,移动机器人视觉跟踪算法采用融合建筑环境特征的Mean Shift算法。
进一步地,所述中控芯片中设置路径函数:Y=f(X)
将路径函数用平坦输出表示为参数方程:
式中,
l为路径函数曲线;
z为平坦输出。
机器人的最优运行轨迹为:
式中,
x为系统状态;
u为输入。
进一步地,所述建筑室内空气质量智能检测组件能够采集建筑室内空气质量参数,所述建筑室内空气质量参数分为物理性参数、化学性参数、生物性参数和放射性参数其中物理性参数主要指温度、相对湿度、空气流速和新风量。化学性污染物主要指甲醛、挥发性有机化合物(VOCs,包括烷烃类、芳香烃类、烯烃类、卤代烃类、酯类、醛类、酮类等300多种有机化合物,如苯、甲苯、二甲苯等)、半挥发性有机化合物(SVOCs,包括苯并[α]芘、邻苯二甲酸酯(PAEs)、多溴联苯醚(PBDEs)、多环芳烃(PAHs)等)和有害无机物(如氨、NOx、SOx等))。生物性污染物主要指细菌、真菌和病毒等。另外,由于PM2.5、油烟、纤维尘等颗粒物特性较为复杂,依据其本身粒径等物理特性及所负载物质(包括重金属、病毒等)不同,对人体常表现为复合型污染,很难定义为单一的物理、化学或生物性参数,故将颗粒物单独分类。根据以上污染物类型及检测方法,在建筑物上分门别类的安装能够有效检测到以上污染物数据的各种空气质量传感器,实时检测污染数据、评估污染等级,由本发明所述机器人进行污染物大数据在线分析和处理,并及时给出污染物抑制方案,调动清洁装置及时清洁空气。
进一步地,所述建筑热环境智能检测组件能完成建筑热环境检测,包括,建筑材料与构件的热工性能、建筑围护结构的传热和水分迁移过程、建筑室内的热舒适性以及建筑节能。机器人结合建筑围护结构防潮、保温、隔热机理,实时检测建筑材料热工性能、建筑围护结构传热传湿状况,也可实时监测建筑降温过程、建筑遮阳过程、轻型屋顶保温隔热性能、建筑光伏工作状态以及住宅室内热环境等,为建筑材料的选取、建筑围护结构的热工设计、建筑光伏发电系统的设计提供更加详实可靠的计算参数和计算数据,辅助降低建筑材料能耗和建筑总体能耗。
进一步地,所述建筑光环境智能检测组件能够完成建筑光环境检测,建筑光环境包括天然光和人工照明两方面,在天然光方面,机器人检测对象主要是天然光以及与气象、气候相关的光气候,核心算法集中在晴天采光计算方法、阴天采光计算方法、夜间采光计算方法等方面的精确计算,并辅以导光管采光等技术实现自然光的最佳调节与利用。在人工照明方面,机器人可工作于公共建筑、居住建筑、工业建筑以及机场、道路、立交、广场、港口、隧道场景下的室内外照明系统中,实时检测这些场景的照度及照明环境。
建筑声环境智能检测组件能够进行建筑声环境智能检测,检测范畴包括:隔声、吸声、管道消声、隔振、噪声控制、厅堂音质及音质模型等方面。以往,建筑环境声音的监测主要是靠人工实验检测,如:通过样品研究建筑构件(如墙、楼板、门、窗)的空气声隔声性能,楼板及面层材料的撞击声隔声性能;到现场对建筑的实际隔声性能进行研究、验证。通过测量、研究,对各种建筑材料、结构、构件的声环境形成了较为清楚、全面的了解,进一步掌握各种情况下的隔声规律、降噪规律,进而提出多种新隔声结构及改进措施。
建筑幕墙门窗智能检测组件能够进行建筑幕墙门窗智能检测,机器人对建筑幕墙门窗物理性能进行全面动态检测,检测对象包括建筑门窗气密、水密、抗风压、隔声、保温等性能参数,提高幕墙、门窗的安全性和智能性,为工程监督监管提供智能可靠的检测和监测手段。
对于能源动力模块,机器人采用电池供电方式,配置电池监测管理系统。电池监测管理系统实现的主要功能包括:对电池信息进行采集:准确采集电池包的总电流、总电压、最高单体电压、最高温度、电池包荷电状态,电池包荷电健康状态等参数数据。并将电池包的这些信息通过机器人内部总线通信网络发送给机器人电控模块。进行电池剩余电量估算。电池剩余电量是衡量电池状态的重要指标,表示电池当前剩余电量与额定电量的比值。根据电池的端电压、充放电电流、内阻等参数对电池剩余容量进行估计。电池包充放电控制:保证电池包安全工作,防止电池过度充放电。机器人电控模块通过对电池监测管理系统的控制实现电池的充放电转换。
对于激光测量模块,其能够精确非接触测量被测物体的位置、位移等变化,用于检测物的位移、厚度、振动、距离、直径等几何量的测量。遵循测量原理,具体可使用激光三角测量法和激光回波分析法,激光三角测量法适用于高精度、短距离测量场景,激光回波分析法适用于远距离测量场景。
对于电控模块其采用内置ARM Cortex-M7内核,运行频率120-240MHz,支持Lockstep模式的MCU芯片,基于该处理器芯片扩展各种外围芯片,实现相应功能。芯片数据包括:
支持512KB到8MB大小的Flash存储,支持ECC。低功耗运行模式具有快速唤醒功能。安全和外设接口特性:达到ISO 26262功能安全,最高可支持到ASIL-D级别。
具有失效收集和控制单元(Fault Collection and Control Unit,FCCU),硬件Watchdog,软件Watchdog计时器,时钟/电源/温度监控机制。
支持硬件Security引擎(HSE):ASE-128/192/256,RSA和ECC加密,Secure Boot,密钥导入和存储,侧信道保护机制。
通信接口:TSN以太网、I3C、CAN-FD、FlexIO(SPI/IIC/IIS等)、QSPI接口和串行Audio接口
专用电机控制外设接口:增强模块化IO子系统(enhanced Modular IOSubsystem,eMIOS),逻辑控制单元(Logic Control Unit,LCU),TRGMUX,交叉触发单元(Body Cross-triggering Unit,BCTU),模数转换单元(Analog to Digital Converter,ADC),模拟比较器(Analog Comparator,CMP)。
通过AEC-Q100可靠性认证:等级1(-40℃到+125℃)和等级2(-40℃to+105℃)。
请参阅图3-图4所示,其中,图3为本实施例中视觉导航模块图像采集原理示意图,图4为本实施例中行为触发的机器人鲁棒视觉感知及导航算法模型示意图。
视觉导航模块采用建筑环境下行为触发的视觉导航算法模型。对环境的理解不需要构造一个内部模型以用于执行规划任务,而是采用真实世界的模型。机器人直接从检测结果中通过智能预测算法获取到未来行为,并将行为分解成具有因果意义的行为单元。
机器人行为按照状态和经验知识设计为对特定状态做出的确定动作响应。
机器人在运行期间采用一个控制方案来改变行为的激活等级。
行为选择:在基于行为系统中运行着一定数目的并行进程行为,每一个行为可以读取所有的传感器(读动作),但只有一个行为可获得机器人执行器或行驶机构的控制权(写动作)。采用一个全局控制器在必要时协助行为选择(或是行为激活、或是行为输出融合)以达到预期的目的。
移动机器人视觉跟踪算法采用Mean Shift算法。
算法步骤如下:
在初始时刻,确定初始帧中目标的窗口位置x
Mean Shift跟踪算法迭代过程如下:
Step1,以上一时刻的跟踪中心作为当前帧候选目标区域的中心,计算颜色直方图分布,估计其与特征模板的Bhattacharyya系数。
Step2,计算候选区域内各像素点的权值
Step3,计算新目标的新位置,
Step4,计算新位置的颜色直方图分布
并估计其与特征模板的Bhattacharyya系数
Step5,判断,若
Step6,判断,若||y
具体参数含义遵照通用Mean Shift跟踪算法原理。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例,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。