CN108789420A - 一种发生危险时用于疏散指引的机器人及存储介质 - Google Patents
一种发生危险时用于疏散指引的机器人及存储介质 Download PDFInfo
- Publication number
- CN108789420A CN108789420A CN201810927721.5A CN201810927721A CN108789420A CN 108789420 A CN108789420 A CN 108789420A CN 201810927721 A CN201810927721 A CN 201810927721A CN 108789420 A CN108789420 A CN 108789420A
- Authority
- CN
- China
- Prior art keywords
- scene
- robot
- fire
- danger
- sources information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
Abstract
本发明提供了一种发生危险时用于疏散指引的机器人及存储介质,其中,该机器人包括存储器和处理器,存储器用于存储可执行程序代码和数据,处理器用于调用存储器存储的可执行程序代码执行以下步骤:获取危险源信息;获取周边地图;根据所述危险源信息和所述周边地图生成疏散路线;基于所述疏散路线对人员进行指引。使用本发明,可以在危险源周边对人员进行疏散指引,保障人员的人身安全。
Description
技术领域
本发明涉及人工智能,具体涉及一种发生危险时用于疏散指引的机器人及存储介质。
背景技术
随着机器人的应用需求不断增加,人工智能相关技术不断进步,硬件性能的增长,服务机器人近年来开始从实验室走向工厂,并从单一功能向多功能的个人机器人发展。提到机器人,一个最近经常提及的词是人工智能。人工智能是用计算机来实现类似于人的智能行为的一门学科。机器人本身即是人工智能的一个终极应用目标之一。
传统的人工智能作为一门学科,起源于20世纪50年代的达特茅斯会议,后来经过几次大起大落,在基础理论和方法上积累了丰富的成果。从早期的符号计算***,到专家***,再到90年代发展起来的机器学习,大数据分析,都可以算是人工智能的范畴。在图像、语音、搜索、数据挖掘、社会计算等领域,又派生出了一些相关的应用研究。其中与机器人联系较为紧密的包括计算机视觉,语音和自然语言处理,还有智能体(Agent)等。
根据以往机器人领域的研究进展和对应用的初步分析可以认为如下的感知、认知技术,将是实现应用的关键。
1、三维导航定位技术。不管什么机器人,只要可移动,即需要在家庭或其他环境中进行导航定位。其中SLAM(Simultaneous Localization and Ming)技术可同时进行定位和建图,在学术研究方面已经有不少技术积累。但对于实际***,由于实时性低成本(比如无法采用比较昂贵的雷达设备)的要求和家庭环境的动态变化(物品的摆放),因而对导航定位技术提出了更高要求,仍需进一步研发。
2、视觉感知技术。其中包含人脸识别、手势识别、物体识别和情绪识别等相关技术。视觉感知技术,是机器人和人交互的一个非常重要的技术。
3、语言交互技术。其中包含语音识别、语音生成、自然语言理解和智能对话***等。
4、文字识别技术。生活中有不少文字信息,如书报和物体的标签信息,这也要求机器人能够通过摄像头来进行文字识别。与传统的扫描后识别文字相比,其可通过摄像头来进行文字的识别。
5、认知技术。机器人需要逐步实现规划、推理、记忆、学习和预测等认知功能,从而变得更加智能。
从目前的研究现状看,服务机器人面对的关键技术均有了长足进步,但还有相当多的问题要解决。
发明内容
本发明实施例提供了一种疏散指引方法及机器人、存储介质,可以在危险源周边对人员进行疏散指引,保障人员的人身安全。
本发明实施例的目的是通过以下技术方案实现的:
一种疏散指引方法,包括:
获取危险源信息;
获取周边地图;
根据所述危险源信息和所述周边地图生成疏散路线;
基于所述疏散路线对人员进行指引。
可选的,所述危险源为火灾现场;所述获取危险源信息包括:
使用图像传感器获取所述火灾现场的图像;
基于烟雾传感器感应所述火灾现场的烟雾;
基于温度传感器获取当前位置的温度。
可选的,所述危险源为火灾现场;所述获取危险源信息包括:
接收协作机器人发送的危险源信息,所述危险源信息包括:所述火灾现场的图像,所述火灾现场的烟雾,和所述协作机器人所在位置的温度。
可选的,所述方法还包括:
将所述疏散路线发送至协作机器人,以使得所述协作机器人基于所述疏散路线对人员进行指引。
可选的,所述获取周边地图包括:
从地图服务器获取所述周边地图;或
基于图像传感器对周围地形进行扫描,以生成所述周边地图。
一种发生危险时用于疏散指引的机器人,包括:
信息获取单元,用于获取危险源信息;
地图获取单元,用于获取周边地图;
路线生成单元,用于根据所述信息获取单元获取的危险源信息和所述地图获取单元获取的周边地图生成疏散路线;
指引单元,用于基于所述路线生成单元生成的疏散路线对人员进行指引。
可选的,所述危险源为火灾现场;所述信息获取单元具体用于:
使用图像传感器获取所述火灾现场的图像;
基于烟雾传感器感应所述火灾现场的烟雾;
基于温度传感器获取当前位置的温度。
可选的,所述危险源为火灾现场;所述信息获取单元具体用于:
接收协作机器人发送的危险源信息,所述危险源信息包括:所述火灾现场的图像,所述火灾现场的烟雾,和所述协作机器人所在位置的温度。
可选的,所述机器人还包括:
发送单元,用于将所述路线生成单元生成的疏散路线发送至协作机器人,以使得所述协作机器人基于所述疏散路线对人员进行指引。
可选的,所述地图获取单元具体用于:
从地图服务器获取所述周边地图;或
基于图像传感器对周围地形进行扫描,以生成所述周边地图。
一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取危险源信息;
获取周边地图;
根据所述危险源信息和所述周边地图生成疏散路线;
基于所述疏散路线对人员进行指引。
可选的,所述危险源为火灾现场;所述处理器获取危险源信息的方式包括:
使用图像传感器获取所述火灾现场的图像;
基于烟雾传感器感应所述火灾现场的烟雾;
基于温度传感器获取当前位置的温度。
可选的,所述危险源为火灾现场;所述处理器获取危险源信息的方式包括:
接收协作机器人发送的危险源信息,所述危险源信息包括:所述火灾现场的图像,所述火灾现场的烟雾,和所述协作机器人所在位置的温度。
可选的,所述计算机程序被所述处理器执行时还实现以下步骤:
将所述疏散路线发送至协作机器人,以使得所述协作机器人基于所述疏散路线对人员进行指引。
可选的,所述处理器获取周边地图的方式包括:
从地图服务器获取所述周边地图;或
基于图像传感器对周围地形进行扫描,以生成所述周边地图。
一种发生危险时用于疏散指引的机器人,包括:存储器和处理器,其中,所述存储器用于存储可执行程序代码和数据,所述处理器用于调用所述存储器存储的可执行程序代码,执行以下步骤:
获取危险源信息;
获取周边地图;
根据所述危险源信息和所述周边地图生成疏散路线;
基于所述疏散路线对人员进行指引。
可选的,所述机器人还包括图像传感器、烟雾传感器和温度传感器,所述危险源为火灾现场;所述处理器获取危险源信息的方式包括:
使用所述图像传感器获取所述火灾现场的图像;
基于所述烟雾传感器感应所述火灾现场的烟雾;
基于所述温度传感器获取当前位置的温度。
可选的,所述机器人还包括信号接收装置,所述危险源为火灾现场;所述处理器获取危险源信息的方式包括:
控制所述信号接收装置接收协作机器人发送的危险源信息,所述危险源信息包括:所述火灾现场的图像,所述火灾现场的烟雾,和所述协作机器人所在位置的温度。
可选的,所述机器人还包括信号发射装置,所述处理器还用于调用所述存储器存储的可执行程序代码,执行以下步骤:
控制所述信号发射装置将所述疏散路线发送至协作机器人,以使得所述协作机器人基于所述疏散路线对人员进行指引。
可选的,所述处理器获取周边地图的方式包括:
从地图服务器获取所述周边地图;或
基于图像传感器对周围地形进行扫描,以生成所述周边地图。
从上可知,使用本发明提供的机器人可以在危险发生时获取危险源信息和周边地图,然后根据所述危险源信息和所述周边地图生成疏散路线,从而基于所述疏散路线对人员进行指引;由于疏散路线综合考虑了危险源信息和周边地图,从而所述的疏散路线能够安全地对人员进行指引,充分保障了人员的人身安全。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一个实施例提供的疏散指引方法的流程图;
图2为本发明一个实施例提供的发生危险时用于疏散指引的机器人的结构图;
图3为本发明另一个实施例提供的发生危险时用于疏散指引的机器人的结构图。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。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。
先介绍本发明实施例提供的疏散指引方法,图1描述了本发明一个实施例提供的疏散指引方法的流程。其中,该方法可以应用于机器人。如图1所示,该方法可以包括:
101、获取危险源信息。
其中,危险源可以是火灾现场,水灾现场,塌方现场,台风现场,地震现场,危房现场,泥石流现场,危险品现场等等能够对人身安全造成危害的自然灾害现场和非自然灾害现场。
机器人获取危险源信息的方式可以是基于自身的传感器,如图像传感器,烟雾传感器,温度传感器等等传感器进行获取;也可以基于协作机器人,或其他服务器设备发送过来的信息中获取。其中,根据危险源的不同,需要获取的危险源信息会有不同。
例如,在危险源为火灾现场时,所述的危险源信息可以是火灾现场图像,烟雾情况,当前位置的温度等等。此时,所述的获取危险源信息可以包括:
使用图像传感器获取所述火灾现场的图像;
基于烟雾传感器感应所述火灾现场的烟雾;
基于温度传感器获取当前位置的温度。
在另一个实施方式中,所述的获取危险源信息可以包括:接收协作机器人发送的危险源信息,所述危险源信息包括:所述火灾现场的图像,所述火灾现场的烟雾,和所述协作机器人所在位置的温度。
可以理解的是,机器人可以在自己通过自身传感器获取危险源信息的同时接收协作机器人或服务器发送的危险源信息,从而可以综合通过传感器获取到的危险源信息和接收的危险源信息进行处理。
在一种实施方式中,机器人在获取火灾现场的图像时,可以仅采集一张图像,也可以从多个角度对所述火灾现场进行图像采集,以获取具有不同角度的所述火灾现场的多个图像。其中,获取多个图像可以更精确地对火灾现场的情况进行判断。
102、获取周边地图。
其中,为了能够对人员进行疏散指引,需要能够获取当前位置的周边地图,从而能够基于周边地图确定疏散的路线。
在一种实施方式中,所述的所述获取周边地图可以包括:从地图服务器获取所述周边地图。所述的地图服务器可以是专业的地图服务器,如***地图服务器,Google地图服务器等等,当然也可以是私有的地图服务器,例如做导航的运营商的地图服务器等等。如果是在室内的话,所述的地图服务器可以是存储了建筑物蓝图的服务器。
可以理解的是,机器人也可以自己来生成所述周边地图,此时,所述的获取周边地图可以包括:基于图像传感器对周围地形进行扫描,从而生成所述周边地图。其中,所述的扫描可以自己进行,也可以由多个协作机器人共同完成。生成地图可以采用三维建模的方式,其中还需要用到图像识别技术。
103、根据所述危险源信息和所述周边地图生成疏散路线。
其中,在生成疏散路线时,可以采用预先设置的算法进行。其中,需要考虑到危险源信息和周边地图,例如,在危险源为火灾现场时,首先所述的疏散路线时需要将人员指引至远离所述火灾现场的,其次需要考虑风向,避免所述疏散路线会将人员疏散至烟雾吹到的地方。
其中,所述的算法可以通过人工智能的方式生成。本发明实施例提供的算法可以是基于神经网络模型实现的,例如可以是卷积神经网络(CNN:Convolutional NeuralNetwork,)模型,或循环神经网络(RNN:Recurrent Neural Networks)模型,或者也可以是深度神经网络(DNN:Deep Neural Networks)模型。
103、基于所述疏散路线对人员进行指引。
其中,对人员进行指引可以通过声音,灯光,手势等等方式进行。
在一种实施方式中,所述的指引还可以通过协作机器人进行,此时,所述的机器人还可以将所述疏散路线发送至协作机器人,以使得所述协作机器人基于所述疏散路线对人员进行指引。
从上可知,使用本发明提供的疏散指引方法,机器人可以获取危险源信息和周边地图,然后根据所述危险源信息和所述周边地图生成疏散路线,从而基于所述疏散路线对人员进行指引;由于疏散路线综合考虑了危险源信息和周边地图,从而所述的疏散路线能够安全地对人员进行指引,充分保障了人员的人身安全。
在本发明的一种实施方式中,所述的算法在神经网络中,神经网络可以由多个神经元组成。以危险源为火灾现场为例,在所述神经网络中,所述的生成疏散路线的算法可以表示成如下所述的计算式:
m=f(p+λ)=f((Ap1+Bp2+Cp3)+Dλ)
其中,m表示生成的疏散路线,p表示获取的危险源信息,其中,p1表示危险源信息中的图像信息,p2表示危险源信息中的烟雾信息,p3表示危险源信息中的温度信息;λ表示获取的周边地图,f()表示的是神经元对应的激活函数,A,B,C和D是激活函数对应的模块参数。在一种实施方式中,激活函数f()具体可以是sigmoid函数,即f()可以表示成如下的形式:
其中,激活函数f()的模块参数是预先训练好的,在一种实施方式中模块参数A具体可以通过如下训练函数训练获得:
其中,M是训练函数的参数,N是训练集合中危险源信息和周边地图对应的数量,pn是训练集合中危险源信息,λn是训练集合中的周边地图。
图2描述了本发明一个实施例提供的一种发生危险时用于疏散指引的机器人的结构,其中,该机器人可以用于实现前述实施例提供的疏散指引方法。如图2所示,该机器人可以包括:
信息获取单元201,用于获取危险源信息。
其中,危险源可以是火灾现场,水灾现场,塌方现场,台风现场,地震现场,危房现场,泥石流现场,危险品现场等等能够对人身安全造成危害的自然灾害现场和非自然灾害现场。
机器人获取危险源信息的方式可以是基于自身的传感器,如图像传感器,烟雾传感器,温度传感器等等传感器进行获取;也可以基于协作机器人,或其他服务器设备发送过来的信息中获取。其中,根据危险源的不同,需要获取的危险源信息会有不同。
例如,在危险源为火灾现场时,所述的危险源信息可以是火灾现场图像,烟雾情况,当前位置的温度等等。此时,所述的获取危险源信息可以包括:
使用图像传感器获取所述火灾现场的图像;
基于烟雾传感器感应所述火灾现场的烟雾;
基于温度传感器获取当前位置的温度。
在另一个实施方式中,所述的获取危险源信息可以包括:接收协作机器人发送的危险源信息,所述危险源信息包括:所述火灾现场的图像,所述火灾现场的烟雾,和所述协作机器人所在位置的温度。
可以理解的是,机器人可以在自己通过自身传感器获取危险源信息的同时接收协作机器人或服务器发送的危险源信息,从而可以综合通过传感器获取到的危险源信息和接收的危险源信息进行处理。
在一种实施方式中,机器人在获取火灾现场的图像时,可以仅采集一张图像,也可以从多个角度对所述火灾现场进行图像采集,以获取具有不同角度的所述火灾现场的多个图像。其中,获取多个图像可以更精确地对火灾现场的情况进行判断。
地图获取单元202,用于获取周边地图。
其中,为了能够对人员进行疏散指引,需要能够获取当前位置的周边地图,从而能够基于周边地图确定疏散的路线。
在一种实施方式中,所述的所述获取周边地图可以包括:从地图服务器获取所述周边地图。所述的地图服务器可以是专业的地图服务器,如***地图服务器,Google地图服务器等等,当然也可以是私有的地图服务器,例如做导航的运营商的地图服务器等等。如果是在室内的话,所述的地图服务器可以是存储了建筑物蓝图的服务器。
可以理解的是,机器人也可以自己来生成所述周边地图,此时,所述的获取周边地图可以包括:基于图像传感器对周围地形进行扫描,从而生成所述周边地图。其中,所述的扫描可以自己进行,也可以由多个协作机器人共同完成。生成地图可以采用三维建模的方式,其中还需要用到图像识别技术。
路线生成单元203,用于根据所述信息获取单元201获取的危险源信息和所述地图获取单元202获取的周边地图生成疏散路线。
其中,在生成疏散路线时,可以采用预先设置的算法进行。其中,需要考虑到危险源信息和周边地图,例如,在危险源为火灾现场时,首先所述的疏散路线时需要将人员指引至远离所述火灾现场的,其次需要考虑风向,避免所述疏散路线会将人员疏散至烟雾吹到的地方。
其中,所述的算法可以通过人工智能的方式生成。本发明实施例提供的算法可以是基于神经网络模型实现的,例如可以是卷积神经网络(CNN:Convolutional NeuralNetwork,)模型,或循环神经网络(RNN:Recurrent Neural Networks)模型,或者也可以是深度神经网络(DNN:Deep Neural Networks)模型。
指引单元204,用于基于所述路线生成单元203生成的疏散路线对人员进行指引。
其中,对人员进行指引可以通过声音,灯光,手势等等方式进行。
在一种实施方式中,所述的指引还可以通过协作机器人进行,此时,所述的机器人还可以将所述疏散路线发送至协作机器人,以使得所述协作机器人基于所述疏散路线对人员进行指引。
从上可知,使用本发明提供的机器人可以获取危险源信息和周边地图,然后根据所述危险源信息和所述周边地图生成疏散路线,从而基于所述疏散路线对人员进行指引;由于疏散路线综合考虑了危险源信息和周边地图,从而所述的疏散路线能够安全地对人员进行指引,充分保障了人员的人身安全。
因此,在本发明的一个实施例中,如果所述危险源为火灾现场;所述信息获取单元201可以具体用于:
使用图像传感器获取所述火灾现场的图像;
基于烟雾传感器感应所述火灾现场的烟雾;
基于温度传感器获取当前位置的温度。
在本发明的一个实施例中,所述机器人还可以包括:
发送单元,用于将所述路线生成单元203生成的疏散路线发送至协作机器人,以使得所述协作机器人基于所述疏散路线对人员进行指引。
在本发明的一个实施例中,所述危险源为火灾现场;所述信息获取单元201可以具体用于:
接收协作机器人发送的危险源信息,所述危险源信息包括:所述火灾现场的图像,所述火灾现场的烟雾,和所述协作机器人所在位置的温度。
在本发明的一个实施例中,所述地图获取单元202可以具体用于:
从地图服务器获取所述周边地图;或
基于图像传感器对周围地形进行扫描,以生成所述周边地图。
本发明实施例还提供了一种发生危险时用于疏散指引的机器人,可以用于执行前述实施例提供的疏散指引方法。如图3所示,该机器人至少可以包括:存储器10和至少一个处理器20,例如CPU(Central Processing Unit,中央处理器),其中,存储器10和处理器20可以通过总线进行通信连接。本领域技术人员可以理解,图3中示出的机器人的结构并不构成对本发明实施例的限定,它既可以是总线形结构,也可以是星型结构,还可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
其中,存储器10可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器10可选的还可以是至少一个位于远离前述处理器20的存储装置。存储器10可以用于存储可执行程序代码和数据,本发明实施例不作限定。
在图3所示的机器人中,处理器20可以用于调用存储器10存储的可执行程序代码,执行以下步骤:
获取危险源信息;
获取周边地图;
根据该危险源信息和该周边地图生成疏散路线;
基于该疏散路线对人员进行指引。
可选的,该机器人还可以包括图像传感器、烟雾传感器和温度传感器(图中未示出),该危险源为火灾现场;处理器20获取危险源信息的方式可以包括:
使用图像传感器获取火灾现场的图像;
基于烟雾传感器感应火灾现场的烟雾;
基于温度传感器获取当前位置的温度。
可选的,该机器人还可以包括信号接收装置(图中未示出),该危险源为火灾现场;处理器20获取危险源信息的方式可以包括:
控制该信号接收装置接收协作机器人发送的危险源信息,该危险源信息可以包括:火灾现场的图像,火灾现场的烟雾,和协作机器人所在位置的温度。
可选的,该机器人还可以包括信号发射装置(图中未示出),处理器20还可以用于调用存储器10存储的可执行程序代码,执行以下步骤:
控制该信号发射装置将该疏散路线发送至协作机器人,以使得协作机器人基于该疏散路线对人员进行指引。
可选的,处理器20获取周边地图的方式可以包括:
从地图服务器获取该周边地图;或
基于图像传感器对周围地形进行扫描,以生成该周边地图。
实施图3所示的机器人,在危险发生时可以获取危险源信息和周边地图,然后根据所述危险源信息和所述周边地图生成疏散路线,从而基于所述疏散路线对人员进行指引;由于疏散路线综合考虑了危险源信息和周边地图,从而所述的疏散路线能够安全地对人员进行指引,充分保障了人员的人身安全。
上述机器人包括内的各单元模块之间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
本发明实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时可以实现以下步骤:
获取危险源信息;
获取周边地图;
根据该危险源信息和该周边地图生成疏散路线;
基于该疏散路线对人员进行指引。
可选的,该危险源为火灾现场;处理器获取危险源信息的方式可以包括:
使用图像传感器获取火灾现场的图像;
基于烟雾传感器感应火灾现场的烟雾;
基于温度传感器获取当前位置的温度。
可选的,该危险源为火灾现场;处理器获取危险源信息的方式可以包括:
接收协作机器人发送的危险源信息,该危险源信息至少可以包括:火灾现场的图像,火灾现场的烟雾,和协作机器人所在位置的温度。
可选的,该计算机程序被处理器执行时还可以实现以下步骤:
将该疏散路线发送至协作机器人,以使得协作机器人基于该疏散路线对人员进行指引。
可选的,处理器获取周边地图的方式可以包括:
从地图服务器获取该周边地图;或
基于图像传感器对周围地形进行扫描,以生成该周边地图。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,上述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,上述的存储介质可为磁碟、光盘、只读存储记忆体(ROM:Read-Only Memory)或随机存储记忆体(RAM:RandomAccess Memory)等。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取危险源信息;
获取周边地图;
根据所述危险源信息和所述周边地图生成疏散路线;
基于所述疏散路线对人员进行指引。
2.如权利要求1所述的计算机可读存储介质,其特征在于,所述危险源为火灾现场;所述处理器获取危险源信息的方式包括:
使用图像传感器获取所述火灾现场的图像;
基于烟雾传感器感应所述火灾现场的烟雾;
基于温度传感器获取当前位置的温度。
3.如权利要求1所述的计算机可读存储介质,其特征在于,所述危险源为火灾现场;所述处理器获取危险源信息的方式包括:
接收协作机器人发送的危险源信息,所述危险源信息包括:所述火灾现场的图像,所述火灾现场的烟雾,和所述协作机器人所在位置的温度。
4.如权利要求1-3任一所述的计算机可读存储介质,其特征在于,所述计算机程序被所述处理器执行时还实现以下步骤:
将所述疏散路线发送至协作机器人,以使得所述协作机器人基于所述疏散路线对人员进行指引。
5.如权利要求1-3任一所述的计算机可读存储介质,其特征在于,所述处理器获取周边地图的方式包括:
从地图服务器获取所述周边地图;或
基于图像传感器对周围地形进行扫描,以生成所述周边地图。
6.一种发生危险时用于疏散指引的机器人,其特征在于,包括:存储器和处理器,其中,所述存储器用于存储可执行程序代码和数据,所述处理器用于调用所述存储器存储的可执行程序代码,执行以下步骤:
获取危险源信息;
获取周边地图;
根据所述危险源信息和所述周边地图生成疏散路线;
基于所述疏散路线对人员进行指引。
7.如权利要求6所述的机器人,其特征在于,所述机器人还包括图像传感器、烟雾传感器和温度传感器,所述危险源为火灾现场;所述处理器获取危险源信息的方式包括:
使用所述图像传感器获取所述火灾现场的图像;
基于所述烟雾传感器感应所述火灾现场的烟雾;
基于所述温度传感器获取当前位置的温度。
8.如权利要求6所述的机器人,其特征在于,所述机器人还包括信号接收装置,所述危险源为火灾现场;所述处理器获取危险源信息的方式包括:
控制所述信号接收装置接收协作机器人发送的危险源信息,所述危险源信息包括:所述火灾现场的图像,所述火灾现场的烟雾,和所述协作机器人所在位置的温度。
9.如权利要求6-8任一所述的机器人,其特征在于,所述机器人还包括信号发射装置,所述处理器还用于调用所述存储器存储的可执行程序代码,执行以下步骤:
控制所述信号发射装置将所述疏散路线发送至协作机器人,以使得所述协作机器人基于所述疏散路线对人员进行指引。
10.如权利要求6-8任一所述的机器人,其特征在于,所述处理器获取周边地图的方式包括:
从地图服务器获取所述周边地图;或
基于图像传感器对周围地形进行扫描,以生成所述周边地图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810927721.5A CN108789420A (zh) | 2018-08-15 | 2018-08-15 | 一种发生危险时用于疏散指引的机器人及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810927721.5A CN108789420A (zh) | 2018-08-15 | 2018-08-15 | 一种发生危险时用于疏散指引的机器人及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108789420A true CN108789420A (zh) | 2018-11-13 |
Family
ID=64080006
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810927721.5A Pending CN108789420A (zh) | 2018-08-15 | 2018-08-15 | 一种发生危险时用于疏散指引的机器人及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108789420A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112783050A (zh) * | 2020-12-31 | 2021-05-11 | 深圳优地科技有限公司 | 事故处理方法,机器人及计算机可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007286740A (ja) * | 2006-04-13 | 2007-11-01 | Toyota Motor Corp | 自律移動体 |
CN204596062U (zh) * | 2015-02-13 | 2015-08-26 | 柳州市华航电器有限公司 | 独立式感烟火灾探测报警器 |
CN105233437A (zh) * | 2015-10-20 | 2016-01-13 | 南京信息工程大学 | 一种安全疏散引导***与方法 |
CN205642411U (zh) * | 2012-09-21 | 2016-10-12 | 谷歌公司 | 烟雾检测单元、烟雾检测器及危险检测器 |
CN107168334A (zh) * | 2017-06-26 | 2017-09-15 | 上海与德通讯技术有限公司 | 一种路径规划方法及机器人 |
CN107636744A (zh) * | 2015-05-20 | 2018-01-26 | 谷歌有限责任公司 | 多房间智能家居环境中的事件优先化和用于危害检测的用户界面 |
CN107655480A (zh) * | 2017-09-19 | 2018-02-02 | 深圳市深层互联科技有限公司 | 一种机器人定位导航方法、***、存储介质及机器人 |
-
2018
- 2018-08-15 CN CN201810927721.5A patent/CN108789420A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007286740A (ja) * | 2006-04-13 | 2007-11-01 | Toyota Motor Corp | 自律移動体 |
CN205642411U (zh) * | 2012-09-21 | 2016-10-12 | 谷歌公司 | 烟雾检测单元、烟雾检测器及危险检测器 |
CN204596062U (zh) * | 2015-02-13 | 2015-08-26 | 柳州市华航电器有限公司 | 独立式感烟火灾探测报警器 |
CN107636744A (zh) * | 2015-05-20 | 2018-01-26 | 谷歌有限责任公司 | 多房间智能家居环境中的事件优先化和用于危害检测的用户界面 |
CN105233437A (zh) * | 2015-10-20 | 2016-01-13 | 南京信息工程大学 | 一种安全疏散引导***与方法 |
CN107168334A (zh) * | 2017-06-26 | 2017-09-15 | 上海与德通讯技术有限公司 | 一种路径规划方法及机器人 |
CN107655480A (zh) * | 2017-09-19 | 2018-02-02 | 深圳市深层互联科技有限公司 | 一种机器人定位导航方法、***、存储介质及机器人 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112783050A (zh) * | 2020-12-31 | 2021-05-11 | 深圳优地科技有限公司 | 事故处理方法,机器人及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110850873B (zh) | 无人船路径规划方法、装置、设备和存储介质 | |
Ferrera et al. | AQUALOC: An underwater dataset for visual–inertial–pressure localization | |
EP3814865B1 (en) | Self-aware visual-textual co-grounded navigation agent | |
Katyal et al. | Uncertainty-aware occupancy map prediction using generative networks for robot navigation | |
CN111328400A (zh) | 用于神经网络的多任务学习的元学习 | |
CN109657863B (zh) | 一种基于萤火虫算法的无人船全局路径动态优化方法 | |
EP4034840B1 (en) | System and method for navigating a vehicle using language instructions | |
Parhi et al. | Navigational control of underwater mobile robot using dynamic differential evolution approach | |
CN110376605A (zh) | 地图构建方法、导航方法和装置 | |
Hai et al. | Autonomous underwater vehicle precise motion control for target following with model uncertainty | |
CN109085833A (zh) | 一种巡逻机器人及存储介质 | |
CN108877115A (zh) | 疏散指引方法及机器人 | |
WO2014108907A1 (en) | Location-based image retrieval | |
CN108789420A (zh) | 一种发生危险时用于疏散指引的机器人及存储介质 | |
CN109088452A (zh) | 机器人充电方法及机器人 | |
US11341596B2 (en) | Robot and method for correcting position of same | |
CN108981712A (zh) | 机器人巡逻方法及机器人 | |
CN109270931A (zh) | 控制机器人巡逻的方法及装置 | |
CN109015639A (zh) | 一种控制机器人巡逻的装置及存储介质 | |
CN109141454A (zh) | 一种充电机器人及存储介质 | |
CN112393719B (zh) | 一种栅格语义地图生成方法、装置以及存储设备 | |
CN115586767A (zh) | 一种多机器人路径规划方法和装置 | |
Bayrak et al. | COLREG-Compliant Simulation Environment for Verifying USV Motion Planning Algorithms | |
Ngoc et al. | Efficient Evaluation of SLAM Methods and Integration of Human Detection with YOLO Based on Multiple Optimization in ROS2. | |
CN108958024A (zh) | 机器人巡逻方法及机器人 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181113 |
|
WD01 | Invention patent application deemed withdrawn after publication |