一种人机交互的机器人信息处理方法

本发明涉及信息处理，更具体地说，本发明涉及一种人机交互的机器人信息处理方法。

背景技术：

1、随着经济的发展和机器人技术的不断进步，各式各样的移动机器人已经应用在各行各业中，移动机器人的行驶路径规划是研究的重点，移动机器人是一种能够在自主、半自主或遥控的情况下在不同环境中移动的机器人系统。它们被广泛应用于各种领域，包括工业自动化、仓储与物流、服务业、医疗保健以及军事等；移动机器人的设计和功能可以因应用场景的不同而差异巨大。

2、在移动机器人的路径控制方面，常用的方法有pid控制以及模型预测控制器；传统的pid控制由于其结构简单，控制简单易行；但是其在实际使用时，仍旧存在一些缺点，如其不考虑移动机器人的运动模型，使得控制参数需要反复调试才能达到一个较好的效果，导致无法精准地提供预测路线。

技术实现思路

1、为了克服现有技术的上述缺陷，本发明的实施例提供一种人机交互的机器人信息处理方法，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、步骤s1：机器人使用采集工具对周围环境进行数据采集；

4、步骤s2：将机器人身上传感器采集到的数据进行数据处理；

5、步骤s3：将处理后的数据进行分析计算得出障碍值；

6、步骤s4：构建多个传感器跟踪的一般线性系统模型，并将障碍值输入至一般线性系统模型进行训练；

7、步骤s5：将训练后的数据与规划路径起始值、规划路径起始值进行计算得出路径更改值；

8、步骤s6：根据计算出的路径更改值判断机器人在行进过程中是否需要更改路径。

9、优选的，所述机器人使用采集工具对周围环境进行数据采集，采集的数据包括光照强度、温度和风速、地面平坦坡度；

10、使用光敏电阻采集光照强度的步骤具体为：

11、步骤a1：在光敏电阻使用前，将光敏电阻进行校准，在不同的光照条件下进行测试，并记录下相应的电阻值；

12、步骤a2：根据校准的数据，微控制器将测量到的电阻值转换为光照强度，并将转换后的光照强度与历史的光照强度进行对比，若偏差在0％-n％，则说明此光敏电阻采集的光照强度数值准确，若偏差在大于n％，则说明此光敏电阻采集的光照强度数值错误，将光敏电阻进行调整。

13、步骤a3：将光敏电阻两个引脚连接到电路中，再将光敏电阻连接到电源；

14、步骤a4：将连接电源后的光敏电阻连接到微控制器上；

15、步骤a5：使用微控制器的模拟输入功能测量电阻值，并将测量的电阻值转换为相应的数字值；

16、使用红外线传感器测量温度的步骤具体为：

17、步骤b1：将红外线传感器安装在机器人前端，避免遮挡传感器并连接电源；

18、步骤b2：将红外线传感器进行参数设置，设定测量的范围，和校准红外线传感器；

19、步骤b3：使用微控制器控制设备连接到红外线温度传感器，读取传感器输出的温度数，红外线温度传感器会输出一个电压或者数字信号，表示测量到的温度值；

20、步骤b4：将测量到的温度值传输至控制端；

21、使用采集风速的步骤具体为：

22、步骤c1：选择合适的超声波风速传感器，将超声波风速传感器安装在机器人头顶，保证超声波风速传感器可以自由吹风，避免将传感器安装在有遮挡物的位置；

23、步骤c2：将超声波风速传感器连接电源后，进行参数设置，设定测量范围和校准超声波风速传感器；

24、步骤c3：使用单片机等控制设备连接到超声波风速传感器，并读取传感器输出的风速数据，超声波风速传感器会输出一个数字信号，表示测量到的风速值；

25、地面平坦度的采集步骤具体为：

26、步骤d1：将激光测距仪安装在机器人正面的区域，将江光测距仪调成正常工作状态，连接电源；

27、步骤d2：扫描机器人行进路上的测量点，记录每个测量点的数值；

28、步骤d3：将测量出的数值进行平均值计算，将不等于平均值的道路标记为不平整道路。

29、优选的，所述将采集到的光照强度、温度和风速、地面平坦坡度进行数据处理，其中数据处理包括，数据异常值剔除和缺失值补充，数据异常值的剔除方法具体为：将采集到的数据进行平均值计算，将最大的和最小的值进行剔除；数据缺失值补充的方法具体为：将采集到的数据从大到小进行排序，取中位数为标准值进行数据缺失值补充。

30、优选的，所述将处理后的数据进行计算得出障碍值，障碍值的计算方法具体为：

31、其中e表示为第一参数值，f表示为风速，t表示为温度；

32、其中h表示为第二参数值，g表示为光照强度，p表示为地面平坦度；

33、其中z表示为障碍值，e表示为第一参数值，h表示为第二参数值。

34、优选的，所述一般线性系统模型的构建方法具体为：

35、第一项方程的计算方法具体为：

36、x(t+1)＝u(t)x(t)+j(t)w(t)+k(t)，其中x(t)表示为n维目标状态向量，u(t)表示为n×n阶的状态转移阵，j(t)表示为n×q阶策动矩阵，w(t)表示为q维目标扰动噪声，k(t)表示为已知的n维外加控制项；

37、当n个同类传感器观测这一运动目标时，传感器i的观测方程具体为：

38、vi(t)＝oi(t)xi(t)+mi(t)+ii(t)，其中vi(t)表示为第i个传感器的m维观测向量，oi(t)表示为该传感器的m×n维的维观测阵，xi(t)表示第i个传感器的n维目标状态向量，mi(t)表示为该传感器的m维观测的噪声，ii(t)表示为该传感器的m维系统误差；

39、基于n个传感器的总观测方程为：

40、vt＝otx(t)+mt+it，其中vt表示为传感器的m维观测向量，表示为该传感器的m×n维的维观测阵，x(t)表示为n维目标状态向量，mt表示为该传感器的观测的噪声，it表示为该传感器m维系统误差。

41、优选的，所述规划路径起始值、规划路径起始值的计算方法具体为：

42、三次样条函数为(fx，fy)，以机器人的位置为原点，建立坐标系，横向为x轴，竖向为y轴，运动开始时间为q0，运动结束时间为q1，运动起点为(x0，y0)，运动目标点为(xf，yf)，机器人起始速度为(vx0，vy0)，则规划路径起始值的计算方法具体为：

43、其中d0表示为规划路径起始值，x0表示为运动的起点x轴的数值，y0表示为运动的起点y轴的数值，fx(q0)表示为运动开始时间q0的三次样条函数值，fy(q0)表示为开始时间的q0的三次样条函数值；

44、其中df表示为规划路径终点值，xf表示为运动目标点x轴的数值，yf表示为运动目标点y轴的数值，fx(q1)表示为运动结束时间q1的三次样条函数值，fy(q1)表示为运动结束时间q1的三次样条函数值；

45、其中l表示为路径更改值，z表示为障碍值，vt表示为传感器的m维观测向量，d0表示为规划路径起始值，df表示为规划路径终点值，τ1、τ2、τ3、τ4表示为权重因子，γ表示为其他影响因子。

46、优选的，所述将计算出的路径更改值与预设的路径更改阈值进行对比，若计算出的路径更改值大于预设的路径更改阈值，则机器人输出更改路径指令，按照更改后的路径指令继续行走；若计算出的路径更改值小于预设的路径更改阈值，则机器人输出不更改路径指令，继续行走。

47、本发明的技术效果和优点：

48、本发明通过提供一种人机交互的机器人信息处理方法，通过机器人使用采集工具对周围环境进行数据采集，并将采集到的数据进行处理和分析计算得出障碍值，再构建多个传感器跟踪的一般现行系统模型，将计算出的障碍值输入至模型中进行训练，将训练后的数据与规划路径起始值、规划路径起始值进行计算得出路径更改值，根据路径更改值对机器人的路线进行预测更改，可以不用考虑机器人的运动模型，无需进行反复调试，可以精准地提供预测路线。