智能安防巡检机器人监控系统关键技术研究.pdf

中国新技术新产品2024 NO.4（上）-12-高 新 技 术随着科技迅速发展，智能安防系统在保护人们生命财产安全方面发挥了越来越重要的作用1。智能安防巡检机器人以其卓越的自主性、高效的巡检能力和灵活的应用性逐渐成为引领安防技术的关键力量。随着城市化进程加速和社会安全问题多样化，传统的安防巡检手段已经难以满足复杂多变的安全需求2-3。智能安防巡检机器人监控系统具备先进的传感器技术，能够高效感知周围环境，实时获取信息。在此基础上，机器人能够通过自主建图技术更智能地规划巡检路径，快速响应各类任务。机器人不仅在日常安防巡检中发挥作用，还具备应变能力，能够应对突发事件。本文研究智能安防巡检机器人监控系统的关键技术，旨在通过深入探讨硬件平台、自主建图、路径规划和安防巡检等关键技术，提高系统的智能化水平。本研究的目的是为智能安防巡检机器人监控系统的应用提供更完善、可行的解决方案，推动智能安防技术不断发展，为人们创造更安全、智能的社会环境。1 硬件设计1.1 机器人平台为了保证智能安防巡检机器人平台具有足够的稳定性和机动性，用 DJI RoboMaster S1 作为底盘平台。该底盘配备了全向轮，操控灵活，内置的陀螺仪和加速度计保证其稳定性，模块化设计便于后续升级和定制4-5。使用 Velodyne VLP-16 LiDAR 传感器进行 360激光扫描，其作用是构建地图和感知环境。使用 SICK LMS511 激光雷达，提供更高分辨率的目标检测和避障功能。使用 FLIR Boson系列红外摄像头，支持夜视和温度检测，用于不同光照条件下的目标识别。使用Sharp GP2Y0A02YK0F，用于近距离障碍物检测。为了保证机器人长时间工作，采用 Panasonic NCR18650B 作为主要电池，其高容量和高放电率能够支持机器人不间断工作。准备太阳能充电板，在适当的环境下提供额外的能源补充6。1.2 控制系统平台采用 NVIDIA Jetson AGX Xavier 高性能嵌入式处理器，具备强大的计算能力和先进的深度学习加速能力，能够处理复杂的图像和传感器数据，同时支持 ROS。使用RoboClaw 2x60A Motor Controller，支持双马达独立控制，保证底盘和执行器运行平稳，控制高效。使用 Wirepas Mesh进行无线通信，构建可靠的机器人网络。同时，支持 Wi-Fi和 4G/5G 通信，保证与中央监控系统的实时数据传输和远程操控。1.3 安全装置智能安防巡检机器人监控系统采用 Polycarbonate/ABS混合材料制成的外壳，强度很高，能够有效抵御外部物体的碰撞和损害。机器人外壳采用 IP67 级别密封设计，保证机器人在恶劣天气和环境中能够稳定运行，防水深度达 1 m，防尘性能良好。选择这些硬件旨在提供一个稳健、高效和可靠的机器人平台，以适应各种环境并满足任务要求。在实际应用中，可能需要根据具体情况进行微调和定制。2 软件设计2.1 自主建图自主建图通过激光雷达、摄像头等传感器获取环境数据，实时构建机器人所在环境的地图，使机器人能够感知并理解其周围的物体、结构和空间分布，有助于提高机器人对环境的认知，自主建图流程如图 1 所示。系统集成了多种传感器和技术，为环境感知提供全面、精确的数据。通过激光雷达 360扫描，系统能够高效地获取环境中各方向障碍物的距离和角度信息，全方位感知智能安防巡检机器人监控系统关键技术研究刘湘黔刘海妹常浩（湖南安全技术职业学院，湖南 长沙 410151）摘 要：在当今社会，安防需求不断升级，传统巡检手段难以难以符合高效、智能监控的要求。智能安防巡检机器人具备自主感知、巡检高效和可远程操控等特点，逐渐成为解决方案之一。本文研究智能安防巡检机器人监控系统的关键技术，通过构建稳定性测试平台，以机器人操作系统（ROS）系统为基础，全面评估机器人在巡检任务中的性能。试验结果表明，该系统表现出色，为智能安防领域提供了一套高效、可靠的监控系统。关键词：智能安防；巡检机器人；监控系统中图分类号：TP399文献标志码：A基金项目：2023年湖南省教育厅科学研究项目（优秀青年项目）“智能安防巡检机器人监控系统关键技术研究”（项目编号：23B0939）；湖南省教育科学“十四五”规划2023年度课题“科教融汇视域下高职教师教学创新团队建设路径研究”（项目编号：ND233677）；2021年度湖南安全技术职业学院应用技术专项课题“基于工业物联网的安全生产装备状态监测系统研究”（项目编号：AY21E001）。中国新技术新产品2024 NO.4（上）-13-高 新 技 术周围环境。激光雷达的高精度测距和定位能力为系统提供了可靠的基础数据。同时，系统还利用摄像头拍摄实时图像，为后续处理图像和提取特征提供了丰富的视觉信息。图像处理技术可以识别和分析图像中的物体、轮廓和其他关键特征，为系统进一步的决策和规划提供重要支持。结合摄像头和激光雷达扫描数据，系统能够在多个感知层面上获取全面的环境信息。为了更好地整合数据，系统将激光雷达扫描数据转换为点云数据，使用坐标转换公式将极坐标系下的数据转换为直角坐标系下的数据，具体计算过程如公式（1）所示。cossinXRYR=（1）式中：X 为横轴的坐标点位置，Y 为纵轴的坐标点位置；R 为距离；为角度。对摄像头图像进行计算机视觉处理，提取特征点、角点等，以辅助建图。将激光雷达扫描数据转换为点云数据，系统精准记录了环境中各点的三维坐标，利用机器人底盘的里程计信息，推算机器人在运动中的位姿变化。惯性测量单元（IMU）使用机器人的陀螺仪和加速度计数据，结合卡尔曼滤波等算法，提高位姿的准确性。系统使用基于激光雷达和视觉信息的 Hector SLAM 算法，对机器人周围环境进行建图，融合激光雷达点云地图和视觉特征地图，得到综合的环境地图。持续接收传感器数据，利用运动估计和 SLAM 算法实时更新机器人的位姿和环境地图。将实时建立的地图存储在机器人内部，以备后续使用，可选地将地图数据远程同步至中央监控系统，以供全局监控和管理。2.2 路径规划智能安防巡检机器人监控系统的高效运行来自多个关键模块的配合。中央监控系统或任务下发模块负责向机器人传递具体任务，例如需要巡检的区域或检测的特定目标，这为机器人提供了明确的导航目标。自主建图模块通过实时地图提供关键的环境信息，包括障碍物位置和机器人当前位置。这个模块通过传感器数据实时更新地图，使系统能够适应动态环境的变化，为路径规划提供准确的地理信息。在路径规划阶段，系统根据任务性质和环境特点选择适当的路径规划算法，保证当执行任务时，机器人选择最优路径，提高效率和准确性。为了评估路径优劣，使用机器人当前位置与目标位置之间的距离估计算法计算欧氏距离，计算过程如公式（2）所示。()()222121Dxxyy=+（2）式中：D 为两点之间的欧氏距离；x1、y1为第一个点的坐标；x2、y2为第二个点的坐标。在路径规划中，对路径搜索和权值计算来说，估算非常重要，估算直线距离有助于选择更直观和高效的路径。路径规划不仅需要考虑直线距离，还需要考虑路径中可能存在的风险和难度因素，因此，在规划过程中，系统会为路径中的各点分配相应权值，以便更全面地评估路径优劣。权值分配可以反映路径中的难度、风险或其他关键因素，使路径规划算法更智能，适应性更强。为了保证路径规划更高效，引入 A*算法，这是一种常用于图搜索和图遍历的算法。A*算法综合考虑路径的实际代价和估计的剩余代价，能够在地图中搜索一条从当前位置到目标位置的最佳路径。A*算法的估价函数如公式（3）所示。f(n)=g(n)+h(n)（3）式中：f（n）为估价函数值；g（n）为起点到节点 n 的实际代价；h（n）为启发函数估计的代价。该算法不仅考虑了路径的长度，还充分考虑了路径的权值分布，使机器人能够智能地规划复杂环境中的路径。系统通过拟合光滑路径的样条曲线，保证路径平滑性和可执行性。将优化后的路径转化为机器人底盘的控制命令，保证机器人能够按照规划路径行进。机器人按照生成的控制命令执行路径，通过里程计和传感器反馈数据，实时更新位置。当机器人到达任务目标点时，反馈任务完成状态至中央监控系统，以便监控和记录。2.3 安防巡检完成路径规划后，机器人按照规划路径执行导航。路径跟踪的目标是实时更新机器人的位置，保证其沿规划好的路径移动，完成安防巡检，具体流程如图 2 所示。系统具备强大的自主导航能力，综合利用里程计和传感器数据，实时更新机器人的当前位置。其中，里程计提供了机器人的运动轨迹信息，激光雷达、摄像头等传感器负责感知周围环境。多源数据集成为机器人提供了全面感知的基础，使其能够准确地沿着规划路径移动。在路径跟踪方面，系统采用 PID（比例-积分-微分）控制算法，保证机器人能够在运动过程中保持位置精确。算法不断调整机器人的速度和方向，有效跟踪其规划路径。系统通过持续监测里程计和传感器数据，实时纠正机器人的运动状况，保证其在巡检过程中导航准确、稳定。在巡检过程中可能会遇到各种障碍物，为了应对这些情况，在系统中引入激光雷达、摄像头等传感器数据。这些传感器能够实时检测周围环境中的障碍物，当检测到障碍物时就会执行相应的避障动作。执行避障动作可能涉及调整机器人的导航角度，以保证机器人能够绕过障碍物而不发生碰撞。这个调整过程如公式（4）所示。jx=j+jb （4）图 1 系统自主建图流程中国新技术新产品2024 NO.4（上）-14-高 新 技 术式中：jx为新角度；j 为原角度；jb为障碍物避让角度。在巡检过程中，机器人需要检测并记录任务目标，例如异常物体或异常行为。通过摄像头获取图像后，机器人检测图像中是否存在目标，如果存在就记录目标的位置、类型等信息。智能导航决策使机器人能够灵活应对复杂的环境变化，完成巡检任务。3 测试试验3.1 试验准备为测试智能安防巡检机器人监控系统的稳定性，设计试验。试验使用 TurtleBot3 Waffle 型号机器人底盘，配备北阳（Hokuyo）URG-04LX-UG01 激光雷达、树莓派（Raspberry Pi）HQ Camera 摄像头等传感器。主控制器采用 Raspberry Pi 4B，运行基于 ROS 的 ROS Noetic 版本，通信模块采用Raspberry Pi内置Wi-Fi，保证实时数据传输。配备大疆（DJI）RoboMaster EP Core Intelligent Battery 高容量锂电池，保证机器人能够长时间巡检。使用 TurtleBot3 Waffle 防护外壳，其IP65 级防水、防尘设计能够适应各种环境。利用 Raspberry Pi 自带的 SysBench 工具测试 Raspberry Pi 4B 的性能。使用ROS 提供的 rosbag 录制和回放工具，测试 Wi-Fi 传输 ROS消息的稳定性和实时性。利用机器人系统实验室（Robotics Systems Lab，RSL）的 ROS 导航栈（Navigation Stack）套件，测试机器人底盘的运动精度和速度。3.2 试验结果为测试智能安防巡检机器人监控系统的各项性能，试验选择时间节点 T1T5，并记录在系统运行过程中机器人接收任务指令后的响应时间、机器人每小时能够完成的巡检任务数量、传感器获取的数据准确性、机器人与中央监控系统之间的通信稳定性、机器人在巡检过程中的导航精度以及机器人在遇到障碍物时的避障效果，试验结果见表 1。从表1可以看出，在接收任务指令后，机器人平均响应速度为 12 ms16 ms，任务响应能力强，能够迅速处理实时任务。机器人每小时能够完成 100115 个巡检任务，说明其处理能力强，能够满足大面积区域的安防巡检需求。传感器数据准确性保持在 97.5%98.8%，说明传感器数据获取稳定可靠，有助于机器人准确感知环境。通信稳定性保持在97.9%98.2%，说明机器人与中央监控系统之间通信稳定，有助于系统进行远程控制和监控。机器人导航精度为 0.11 m0.15 m，说明机器人能够精确遵循规划路径，高效完成任务。当遇到障碍物时机器人的避障效果良好，说明其对环境变化具有敏感度，适应能力强，安全程度高。综上所述，智能安防巡检机器人监控系统是一套性能卓越的智能安防系统，在响应速度、处理能力、传感器数据准确性、通信稳定性、导航精度和避障效果等方面都表现出色。该系统广泛应用于现代安防领域，能够提高安全巡检的效率和可靠性。4 结论本文深入研究智能安防巡检机器人监控系统，通过试验数据验证系统在多个关键性能指标上的表现。试验结果表明，该系统在响应速度、处理能力、传感器数据准确性、通信稳定性、导航精度和避障效果等方面均表现出色。这个结论不仅对学术界在机器人技术和安防领域的研究具有一定的参考价值，还为工程实践提供了指导。未来，科研人员将继续提升系统性能，拓展适用场景，不断推动智能安防巡检机器人技术的发展，为构建更安全、智能的社会做出贡献。参考文献1 陈卫丽，黄佳浩，陈俊锋，等.基于 ROS 的安防巡检机器人设计与开发 J.工业控制计算机，2023，36（9）：28-29，32.2 黄孟芝.基于智能安防打造智慧机场安全建设核心 J.智慧中国，2023（6）：50-51.3 王继能，孙敏.5G+智能安防的应用 J.信息与电脑（理论版），2023，35（5）：235-237.4 毋毅.面向智慧楼宇的安防可视化管理系统的研究与设计J.信息与电脑（理论版），2023，35（2）：166-169.5 黄松涛.基于机器视觉的电力巡检机器人自动化系统设计 J.自动化技术与应用，2024（1）：35-38，43.6 邓志吉，林峰，孔维生.基于5G 的智能安防标准化建设探究 J.标准科学，2021（增刊1）：123-133.通信作者：常浩（1988-），男，汉族，湖南长沙人，硕士研究生，讲师，研究方向为机电一体化运用。电子邮箱：。表 1 测试试验结果时间点响应速度/（ms-1）处理能力/（条h-1）传感器数据准确性/%通信稳定性/%导航精度/m避障效果T11510097.598.20.10良好T21311097.998.10.15良好T3169598.298.20.12良好T41410598.497.90.11良好T51211598.898.10.14良好图 2 机器人监控系统安防巡检流程