申请/专利权人：苏州红树林智能科技有限公司

申请日：2019-08-06

公开（公告）日：2024-05-07

公开（公告）号：CN110362093B

主分类号：G05D1/43

分类号：G05D1/43;G05D1/242;G05D1/243;G05D1/65;G05D1/633;G05D1/644;G05D105/20

优先权：

专利状态码：有效-授权

法律状态：2024.05.07#授权;2019.11.15#实质审查的生效;2019.10.22#公开

摘要：本发明属于智能轮椅技术领域，以解决智能轮椅的路径规划全局目标清晰性欠缺，目标跟随和路面障碍物的有效规避精准度不高的问题。轮椅包括包括座椅、扶手、手柄、前轮、后轮、踏板、驱动装置和智能跟随模块，智能跟随模块包括智能标签、上位机、下位机；下位机包括驱动控制主板、激光雷达、惯性测量单元、至少一组超声波雷达、至少一组可视化装置、手柄控制模块、按钮组件、三点定位基站；方法包括跟随指令发送、路面障碍物检测、大致测算看护人的方位、锁定看护人的具体坐标、全局路径规划及驱动行驶。本发明使轮椅具备一定的环境感知与应对能力，其跟随方法适用于智能轮椅和智能搬运等环境，不需过多调整就能应用在不同行业。

主权项：1.一种智能轮椅的跟随方法，其特征在于：所述智能轮椅包括座椅（1）、扶手（11）、手柄（12）、前轮（13）、后轮（14）、踏板（15）；还包括驱动装置（2）和智能跟随模块（3），驱动装置用于驱动后轮行走；所述智能跟随模块包括智能标签（31）、上位机、下位机；所述上位机为ROS机器人系统嵌入式主板（32），所述下位机包括驱动控制主板（33）、激光雷达（34）、惯性测量单元（35）、至少一组超声波雷达（36）、至少一组可视化装置（37）、手柄控制模块（38）、按钮组件（39）、三点定位基站（310），所述三点定位基站包括基站一（311）、基站二（312）、基站三（313）；所述ROS机器人系统嵌入式主板（32）分别与激光雷达（34）、可视化装置（37）、驱动控制主板（33）连接；所述驱动控制主板（33）分别与基站一（311）、手柄控制模块（38）、按钮组件（39）、驱动装置（2）、超声波雷达（36）、惯性测量单元（35）连接，所述驱动控制主板（33）与超声波雷达（36）之间设有超声波雷达控制模块（314）；所述基站一（311）、基站二（312）、基站三（313）之间无线连接；所述智能标签（31）与基站一（311）之间无线连接；所述激光雷达（34）安装在踏板（15）前端，至少一组超声波雷达（36）分别安装在左右两个扶手（11）的外侧，可视化装置（37）分别安装在同一侧扶手（11）的前侧和外侧中部，基站一（311）和基站二（312）安装在可视化装置（37）一侧的扶手（11）的前后两端，基站三（313）安装在另一侧扶手（11）的前端，所述ROS机器人系统嵌入式主板（32）、驱动控制主板（33）和惯性测量单元（35）安装在座椅下方；所述基站一（311）、基站二（312）、基站三（313）内均设有UWB芯片，其三者之间执行超宽带连接；所述智能标签（31）内也设有UWB芯片，智能标签（31）与基站一（311）、基站二（312）、基站三（313）之间执行超宽带连接；所述驱动装置（2）包含电池（21）、PID增量控制模块和霍尔无刷电机（22），所述PID增量控制模块包括霍尔测速模块（23）、PID增量闭环调速单元（24）和电动车无刷控制器（25）；电池（21）给霍尔无刷电机（22）供电，PID增量控制模块驱动对应的后轮（14）行走；所述跟随方法为以下步骤：A、跟随指令发送：看护人利用身上的智能标签（31）中的UWB芯片发出自动跟随的指令，ROS机器人系统进行响应；B、路面障碍物检测：激光雷达（34）采集路面前方各种较低位的障碍物数据，惯性测量单元（35）采集角速度、加速度和航向角数据，这些数据均传输至ROS机器人系统；超声波雷达（36）采集路面前面和侧方位各种稍高的障碍物数据，将此信号通过驱动控制主板（33）传递至ROS机器人系统；这样高低多方位搭配可以采集到路面中各种高度和角度的障碍物数据，为ROS机器人系统路径规划算法提供基础数据；C、大致测算看护人的方位：看护人身上的智能标签（31）内的UWB芯片首先与三点定位基站（310）的UWB芯片建立超宽带通讯通道，通过计算智能标签（31）与基站一（311）、基站二（312）、基站三（313）之间的距离，并根据三角形法则进行测算，具体为：智能标签（31）按照不同时间片给基站一（311）、基站二（312）、基站三（313）发送信号，同时根据三点定位的原理分别测量智能标签（31）到基站一（311）、基站二（312）、基站三（313）之间的距离，大致获得看护人的方位，基站一（311）将所有汇总的数据通过驱动控制主板（33）传输至ROS机器人系统；同时可视化装置（37）采集的图像数据也传输至ROS机器人系统；ROS机器人系统根据这些汇总数据进行判断：当可视化装置（37）朝向看护人所在方位时，直接进入步骤D；当可视化装置（37）的朝向与看护人大致的所在方位存在偏差时，ROS机器人系统结合步骤B中的各方位障碍数据进行决策，合理避障并控制电机驱动轮椅转动，使可视化装置（37）朝向看护人所在方位，再进入步骤D；D、锁定看护人的具体坐标：可视化装置（37）采用像素RGB分量比对计算方法或运动方向计算方法进行高速锁定带有智能标签（31）的看护人，并将信息传输至ROS机器人系统；步骤B、C中三点定位基站获取的信息、惯性测量单元（35）、激光雷达（34）、超声波雷达（36）、电机单线霍尔测速以及人体视觉跟踪信息均传输至ROS机器人系统，ROS机器人系统进行决策，进一步保证在复杂人群环境中，快速锁定看护人的方位；E、全局路径规划及驱动行驶：ROS机器人系统根据步骤B-D中获取的所有信息，结合三点定位的坐标和视觉确定的看护人的方位这些数据进行判断，依据move_base导航算法，规划出大致可行的全局路径，并将信息与驱动控制主板（33）进行交互；ROS机器人系统结合步骤B中的各方位障碍物距离数据进行决策，合理避障并控制电机驱动轮椅转动，使轮椅可视化装置（37）在行进过程中朝向看护人大致的所在方位；驱动控制主板（33）控制电机驱动轮椅行走，轮椅在根据不同变化的障碍物，实时局部路径规划，动态调整路径，实现轮椅在基本符合大致方位基础上的局部规划调整的智能跟随和自主避障的功能；步骤C中所述智能标签（31）与三点定位基站（310）之间的距离测算，大致获得看护人的方位的方法具体分为以下几个步骤：已知安装在扶手（11）上三点定位基站（310）之间的固定距离，分别定义为基站一（311）和基站二（312）之间距离定义为d12，基站一（311）和基站三（313）之间距离定义为d13；动态测量的智能标签（31）到基站一（311）、基站二（312）、基站三（313）的距离分别定义为d1、d2和d3；步骤1：d1、d2和d12组成三角形A1；d1、d3和d13组成三角形A2；智能标签（31）发出自动跟随的指令、检测三角形A1和A2边是否符合基本的三角形法则，即是否满足d1+d2＞d12；d1+d3＞d13；不满足：说明数据干扰严重，再次取数据进行分析；满足：数据校验结束；步骤2：数据经过步骤1校验后，在数据正常的状态下，以A1为例，根据公式：三角形周长：；三角形面积：；计算出高度h1和h2，其中，h1为三角形A1中d1与d2的交点到d12的垂直距离，h2为三角形A2中d1与d3的交点到d13的垂直距离；步骤3：将步骤2中的数据送至ROS机器人系统，以基站一（311）和基站三（313）之间的连线中点为原点，完成tf坐标变换，计算出智能标签（31）相对于原点的x，y的数值；x=-h1+12×d13），y=h2；步骤4：根据步骤3计算的坐标数据进行平滑插值处理后，即获取以基站一（311）和基站三（313）之间的连线中点为原点的看护人的大致方位坐标；将此作为ROS机器人系统进行运动决策的全局路径规划坐标入口。

全文数据：基于视觉和三点定位的智能轮椅及其控制系统的跟随方法技术领域本发明属于智能轮椅技术领域，具体涉及基于视觉和三点定位的智能轮椅及其控制系统的跟随方法。背景技术随着人口老龄化程度的不断加剧和科技水平的深入发展,弱势群体对于高质量生活诉求在逐步提高。传统的电动轮椅一般只是在手动轮椅基础上增加动力源和控制单元，智能化程度低和人机交互能力低下。轮椅仅仅可以提供日常的出行，不能满足老年人及残疾人的出行的安全性要求，也不能帮助他们运输重物。电动轮椅作为运输工具有时不太适合年龄较大或者肢体不方便的老年人及残疾人操作，看护人员伴行时也需要与智能轮椅进行交互，轮椅的智能化程度也有待进一步提高，包括具备自主导航和智能避障的性能。当今电动轮椅向智能化和多功能化方向发展。目前市场上虽然已经有一些自动跟随系统，包括使用了蓝牙定位、超声波定位、射频定位等技术。但蓝牙传输和窄带通讯等系统易受噪声信号干扰且射频作用距离近等影响，跟随的效果不是太好。基于机器视觉的人工智能技术又得到了快速的发展，将基于机器视觉的人工智能技术和穿透力强和功耗低超宽带系统结合起来，将能提高自动跟随精确度。因此，基于ROS机器人操作系统设计一款视觉和超带宽定位技术结合的跟随轮椅具有一定的技术优势。发明内容本发明的目的在于提供一种基于视觉和三点定位的智能轮椅，以解决智能轮椅的路径规划全局目标清晰性欠缺的问题。本发明的另一个目的在于提供一种基于视觉和三点定位的智能轮椅及其控制系统的跟随方法，以解决目标跟随和路面障碍物的有效规避精准度不高的问题。为了解决以上问题，本发明技术方案为：基于视觉和三点定位的智能轮椅，包括座椅、扶手、手柄、前轮、后轮、踏板；还包括驱动装置和智能跟随模块，驱动装置用于驱动后轮行走；智能跟随模块包括智能标签、上位机、下位机；上位机为ROS机器人系统嵌入式主板，下位机包括驱动控制主板、激光雷达、惯性测量单元（IMU）、至少一组超声波雷达、至少一组可视化装置、手柄控制模块、按钮组件、三点定位基站，三点定位基站包括基站一、基站二、基站三；ROS机器人系统嵌入式主板分别与激光雷达、可视化装置、驱动控制主板连接；驱动控制主板分别与基站一、手柄控制模块、按钮组件、驱动装置、超声波雷达、惯性测量单元连接，驱动控制主板与超声波雷达之间设有超声波雷达控制模块；基站一、基站二、基站之间无线连接；智能标签与基站一之间无线连接；激光雷达安装在踏板前端，至少一组超声波雷达分别安装在左右两个扶手的外侧，可视化装置分别安装在同一侧扶手的前侧和外侧中部，基站一和基站二安装在可视化装置一侧的扶手的前后两端，基站三安装在另一侧扶手的前端，ROS机器人系统嵌入式主板、驱动控制主板和惯性测量单元安装在座椅下方。进一步的，驱动装置包含电池、PID增量控制模块和霍尔无刷电机，PID增量控制模块包括霍尔测速模块、PID增量闭环调速单元和电动车无刷控制器；电池给电机供电，PID增量控制模块驱动对应的后轮行走。进一步的，基站一、基站二、基站三内均设有UWB芯片，其三者之间执行超宽带连接和通讯；智能标签内也设有UWB芯片，智能标签与基站一、基站二、基站三之间执行超宽带连接和测距。进一步的，激光雷达为单线激光雷达；惯性测量单元为九轴陀螺仪；超声波雷达为3-5组；可视化装置为单目摄像头；UWB芯片集成在智能手环、手机或可移动装置的其中一种上。进一步的，ROS机器人系统嵌入式主板、驱动控制主板和惯性测量单元一起安装在保护盒内，保护盒内位于座椅下方。上述智能轮椅控制系统的跟随方法，其跟随方法为以下步骤：A、跟随指令发送：看护人利用身上的智能标签中UWB芯片发出自动跟随的指令，ROS机器人系统进行响应。、路面障碍物检测：激光雷达采集路面前方各种较低位的障碍物数据，惯性测量单元采集角速度、加速度和航向角数据，这些数据均传输至ROS机器人系统；超声波雷达采集路面前面和侧方位各种稍高的障碍物数据，将此信号通过驱动控制主板传递至ROS机器人系统。这样高低多方位搭配可以采集到路面中各种高度和角度的障碍物数据，为ROS机器人系统路径规划算法提供基础数据。、大致测算看护人的方位：看护人身上的智能标签内的UWB芯片首先与三点定位基站UWB芯片建立超宽带通讯通道，通过计算智能标签与基站一、基站二、基站三这三个基站之间的距离，并根据三角形法则进行测算。具体为：智能标签按照不同时间片给三个基站发送信号，同时根据三点定位的原理测量智能标签到三个基站的距离，大致获得看护人的方位，基站一将所有汇总的数据通过驱动控制主板传输至ROS机器人系统；同时可视化装置采集的图像数据也传输至ROS机器人系统；ROS机器人系统根据这些汇总数据进行判断：当可视化装置朝向看护人所在方位时，直接进入步骤D；当可视化装置的朝向与看护人大致的所在方位存在偏差时，ROS机器人系统结合步骤B中的各方位障碍数据进行决策，合理避障并控制电机驱动轮椅转动，使可视化装置朝向看护人所在方位，再进入步骤D。、锁定看护人的具体坐标：可视化装置采用像素RGB分量比对计算方法或运动方向计算方法进行高速锁定带有智能标签的看护人，并将信息传输至ROS机器人系统；步骤B、C中三点定位基站获取的信息、惯性测量单元、激光雷达、超声波雷达、电机单线霍尔测速以及人体视觉跟踪信息均传输至ROS机器人系统，ROS机器人系统进行决策，进一步保证在复杂人群环境中，快速锁定看护人的方位。、全局路径规划及驱动行驶:ROS机器人系统根据步骤B-D中获取的所有信息，结合三点定位的坐标和视觉确定的看护人的方位这些数据进行判断，依据move_base导航算法，规划出大致可行的全局路径，并将信息与驱动控制主板进行交互；ROS机器人系统结合步骤B中的各方位障碍物距离数据进行决策，合理避障并控制电机驱动轮椅转动，使轮椅可视化装置在行进过程中朝向看护人大致的所在方位。驱动控制主板控制电机驱动轮椅行走，轮椅在根据不同变化的障碍物，实时局部路径规划，动态调整路径，实现轮椅在基本符合大致方位基础上的局部规划调整的智能跟随和自主避障的功能。进一步的，步骤C中智能标签与三点定位基站之间的距离测算，大致获得看护人的方位的方法具体分为以下几个步骤：已知安装在扶手上基站之间的固定距离，分别定义为基站一和基站二之间距离定义为d12,基站一和基站三之间距离定义为d13；动态测量的智能标签到基站一、基站二和基站三的距离分别定义为d1、d2和d3（如附图3所示）；步骤1：d1、d2和d12组成三角形A1；d1、d3和d13组成三角形A2；智能标签发出自动跟随的指令、检测三角形A1和A2边是否符合基本的三角形法则，即是否满足d1+d2＞d12；d1+d3＞d13；不满足：说明数据干扰严重，再次取数据进行分析；满足：数据校验结束；步骤2：数据经过步骤1校验后，在数据正常的状态下，以A1为例，根据公式：1；计算出高度h1和h2；步骤3：将步骤2中的数据送至ROS机器人系统，以基站一和基站三之间的连线中点为原点，完成tf坐标变换，计算出智能标签相对于原点的坐标x、y的数值；如附图3所示，x=-h1+12×d13），y=h2；步骤4：根据步骤3计算的坐标数据进行平滑插值处理后，即获取以基站一和基站三之间的连线中点为原点的看护人的大致方位坐标；将此作为ROS机器人系统进行运动决策的全局路径规划坐标入口。进一步的，步骤C中可视化装置采集图像数据的方法具体为：步骤1：ROS机器人系统对可视化装置采集的带有智能标签的看护人信息并对其进行校正，可视化装置的单目摄像头采用无畸变150度广角摄像头，可视化装置的图像仿射校正是根据棋盘格将其校正为矩形图像，消除图像畸变，手动对其不同像素对应的距离和方位进行人工标定，转换屏幕像素坐标系到以两个扶手前端的中心为原点的坐标体系，从而保证可以与三点定位系统确立的坐标体系达到坐标方位的统一。步骤2：ROS机器人系统运行轻量级神经网络模型结构，定义各层的关系，训练卷积神经网络模型，让轻量级神经网络模型结构适用于小型化嵌入式系统，通过构建28层mobilenet神经网络，深度卷积和点卷积单独一层，后面都跟bn层和relu层，同时引入宽度乘数和分辨率乘数减少通道个数和降低图片分辨率。步骤3：针对可视化装置的视频流数据，ROS机器人系统运行的轻量级神经网络模型结构对其分帧，进行标准化处理，转变为统一尺寸的图片数据。步骤4：通过轻量级神经网络模型识别，确定看护人方位，在其边缘会产生矩形边框，进一步获得基于矩形几何中心的质心坐标，先将看护人方位转换成屏幕的点坐标，再通过步骤1建立的映射关系转换到以两个扶手前端的中心为原点的坐标体系。进一步的，步骤D中可视化装置采用像素RGB分量比对计算方法锁定带有智能标签的看护人目标的方法具体为：步骤1：在唯一排他性环境中取样：此唯一排他性环境中，人体目标识别对象仅一人而且符合三点定位的坐标定位位置，ROS机器人系统对可视化装置采集的带有智能标签的看护人信息进行校正，提取看护人矩形框中心线的固定位置像素RGB分量（r1、g1、b1）3-5组主要考虑上半身，每组确定8-15个像素点，将此数据保存在内存中，并预设欧式距离门限值K为85-125；在取样时，注意正反面分别按顺序提取，且要保证取样的特定位置像素的RGB分量具有区分度，考虑到正反面衣服颜色反差较大时，会造成比对失败的结果，在内存中保存5组为宜。步骤2：可视化装置采用像素RGB分量比对计算方法锁定看护人：在轮椅使用中，看护人处在复杂的人群环境中，会出现多个人体目标，可视化装置采集到每一个人体目标的矩形框中心线固定位置像素RGB分量（r2、g2、b2），将其与步骤1的内存中固定位置像素RGB分量（r1、g1、b1）计算欧式距离并求和求平均，取最小值s；将最小值s与预设的门限值K进行比较；（1）当s＜K，说明信息重合度在预设的欧式距离门限值K的误差范围内，ROS机器人系统认定为当前可视化装置中捕获人体目标为内存中的目标看护人，输出结果用矩形框框住目标看护人，并计算矩形框的中心（即质心），对其进行tf坐标变换，将变换后的坐标值输入ROS机器人系统；（2）当s＞K，说明信息重合度超出欧式距离门限值K的误差范围内，ROS机器人系统再次寻找与步骤1中特定位置像素的RGB值相近的人体，直至信息重合度在预设欧式距离门限值K的误差范围内，系统认定为当前可视化装置中捕获人体目标为内存中的目标看护人。进一步的，步骤D中可视化装置采用运动方向计算方法锁定带有UWB芯片的人体目标的方法具体为：步骤1；通过步骤C中获取的看护人质心，将跟踪视频图像中多个人体目标的质心并存储在目标链表中，设定对比门限值L为5-40；目标链表的每个节点存储信息包括质心的标识和质心的坐标，其数据随着跟踪人体目标质心实时动态刷新。步骤2：追踪不同人体目标的质心，通过目标链表中的节点坐标依次与当前视频帧中的每一个质心计算距离，找出最小的距离d，将d与门限值L进行比较;（1）当d＜L，说明目标链表中的目标节点是对应的视频帧的质心，质心跟踪成功，将目标链中质心坐标进行替换刷新；（2）如果d＞L，说明最小值不足于证明目标链中的目标节点是对应的视频帧的质心，此时视频帧的质心坐标已经接近摄影头屏幕的边界，即视频帧的质心已经移出了屏幕，需要在目标链中删除该目标节点，重新追踪不同人体目标的质心。步骤3：将视频帧和目标链表中的同一人体目标y轴相减，获得数值正负号代表质心移动方向，将不同人体目标的质心的移动方向从对尾各自加入不同人体自己队列。步骤4：通过三点定位的获得看护人标签坐标，将上次坐标（1毫秒之前获取的坐标）获取的坐标与当前坐标y轴数据相减，获得通过三点定位方法得到的看护人标签坐标移动方向，如果和队列头部方向一致就出队，否则不进行任何操作。步骤5：按照固定时间间隔，统计队列的长度，队列长度最短的质心代表该队列表示的视频中看护人质心的移动方向与三点定位中确定看护人移动方向一致，从而在视频中锁定该质心为看护人的质心。进一步的，步骤E中move_base导航算法具体为：ROS机器人系统专门开辟了运行进程，将步骤B-D中获取的所有信息，按以下算法规划路径：步骤1、障碍物的坐标计算：ROS机器人系统在获得步骤B-D中的所有信息，包括：看护人身上的智能标签与三点定位基站之间的距离信息送至ROS机器人系统，根据智能标签到三个定位基站的距离数据，采用三角形法则计算并进行tf坐标的变换，并转换成以轮椅两扶手前端中心点为坐标原点的坐标体系下坐标信息激光雷达通过串口把数据送至ROS机器人系统；超声波雷达通过驱动控制主板收集的数据送至ROS机器人系统；以上激光雷达和超声波雷达数据最终送至ROS机器人系统，经过tf坐标变换，转换到以轮椅两扶手前端中心点为坐标原点的坐标体系中，完成周围障碍物坐标的计算。步骤2、霍尔无刷电机速度测算：（1）测算霍尔无刷电机的转速（单位为rmin）：n=1RT*0.00000160；其中：R代表每一圈车轮的霍尔数量；1R代表每一对相邻霍尔信号线之间代表多少转；T代表每一对霍尔信号线之间的时间，单位为微秒；（2）按照以上公式，分别计算左轮电机转速n_L和右轮电机转速n_R；由于左右两轮同时采用定时器相邻脉冲之间测时，会产生定时器之间干扰，所以在定时器测速时按照顺序依次完成测速动作，具体为左轮第一脉冲计数开始，左轮第二脉冲计数结束并计时，完成左轮霍尔无刷电机转速计算n_L；接着右轮第一脉冲计数开始，右轮第二脉冲计数结束并计时，完成右轮霍尔无刷电机转速计算n_R；（3）完成增量闭环调速：其中：代表输入到电动车无刷控制器的控制电压；e[n]代表当前的控制转速和实测转速n之间速度差；e[n-1]代表上次的控制转速和实测转速n之间速度差；e[n-2]代表上上次的控制转速和实测转速n之间速度差；Kp比例系数；Ki积分系数；Kd微分系数。步骤3、导航的路径规划：霍尔无刷电机测速数据结合惯性测量单元数据汇总至ROS机器人系统，ROS机器人系统根据轮椅实时的速度、加速度、角速度和航向角等数据，推导出可能的轮椅行进轨迹；结合步骤1中获取的障碍物的坐标数据，对每一条轨迹进行评分，找出最优的局部导航的路径；根据评分，结合设置的霍尔无刷电机极限速度作为边界，计算出一条最佳的速度指令，极限速度为220转分钟；ROS机器人系统根据障碍物距离定义安全程度，并根据定义进行判定，将轮椅相对于障碍物的距离状态将分为安全、减速、停止三个安全等级，根据不同的等级设计速度的阈值；当轮椅距离障碍物＞1m时，霍尔无刷电机速度为120rmin-220rmin时，界定为安全等级，保持当前规划速度；当1m≥轮椅距离障碍物≥0.5m时，霍尔无刷电机速度为100rmin-120rmin时，界定为减速等级，完成减速处理；当轮椅距离障碍物＜0.5m时，霍尔无刷电机速度为0rmin时，界定为停止等级，停止运行并重新规划路径。本发明的有益效果如下：（1）本发明在传统的电动轮椅基础上引入智能跟随模块，其中智能标签安装在看护人身上，负责作为跟随目标；作为上位机的ROS机器人系统负责指令识别、判断；下位机的一系列组合实现上位机指令的执行功能，通过视觉和超宽带组合的方式，使信息识别准确度提升；驱动装置采用霍尔无刷电机，配合其他智能化模块，满足ROS机器人系对运算数据的要求；超宽带连接相比一般无线连接数据传输更准确，信号更强，不易间断；单线激光雷达和单目摄像头造价低、效果好；九轴陀螺仪能更好的满足各个方位的加速度、角速度和方位角数据采集；UWB芯片集成在智能手环、手机或可移动装置的其中一种上，方便看护人佩戴。（2）本发明采用基于深度学习的人体目标识别算法通过可视化装置完成目标看护人定位，该算法运行在ROS机器人系统上，通过定义了ROS节点将驱动控制主板送来的霍尔测得速度，与三点定位看护人的位置坐标和可视化装置头确定的人体目标质心坐标结合起来相互验证，从而可以输出精确的位置信息；由于三点定位能够提供较为精确的距离测算，但是通过三点距离测定定位方向时会产生一定的误差，所以可视化装置更多的是解决定位看护人在轮椅周边方位的作用，使定位更准确。在复杂人群环境中，识别看护人准确位置存在较大难度。所以采用轻量级神经网络SSD-MobileNet识别人体目标并产生矩形框，目标对象的质心就是矩形框的几何中心，人体目标最后就变成一个点的坐标。在唯一排他性环境中，从看护人矩形框中心线取出多组固定点像素RGB分量。在人群环境中，可以通过欧式距离计算各像素RGB分量分值的高低来确定看护人位置的唯一性；实现多个人体目标的质心跟踪后，计算每一个人体目标质心的移动方向，可以有效的在复杂人群环境中的识别看护人的方位。通过以上计算，并在收集传感器数据基础上，能够有效保证执行运动决策的ROS机器人系统进行全局路径规划和局部路径规划计算的准确性，从而驱动无刷电机完成自动跟随功能。（3）本发明的跟随方法利用高度智能化的ROS机器人系统，配合其它模块和运算方法，实现准确跟随和智能避障，以基站一和基站三之间的连线中点为计算原点，方便坐标统一，使跟随目标的判定更准确；轻量级神经网络模型结构的采用，智能化程度高，学习性好；可视化装置采用像素RGB分量比对计算方法和运动方向计算方法相结合锁定带有智能标签的看护人，涵盖智能识别中可能遇到的各种情况，识别度大大提升，尤其是在人多的复杂环境中，也能保证识别准确率；导航算法由于综合了多组数据，结果更加准确可信。（4）本发明提供了一种低成本，通用性较好的基于视觉和超宽带三点定位的轮椅，使轮椅机器人具备一定的环境感知与应对能力，能够有效保障老年人出行的安全，减轻了看护人的负担；本发明的跟随方法适用于智能轮椅和智能搬运等环境，不需过多调整就能应用在不同行业，从而促进智能跟随机器人的应用推广。附图说明图1为本发明中基于视觉和三点定位的智能轮椅的结构示意图；图2为本发明中基于视觉和三点定位的智能轮椅另一侧的结构示意图；图3为本发明中基于视觉和三点定位的智能轮椅的俯视图；图4为本发明中智能跟随模块的连接关系示意图；图5为本发明中智能标签与三点定位基站之间的距离测算原理图。附图标记如下：1、座椅；11、扶手；12、手柄；13、前轮；14、后轮；15、踏板；16、保护盒；2、驱动装置；21、电池；22、霍尔无刷电机；23、霍尔测速模块；24、PID增量闭环调速单元；25、电动车无刷控制器；3、智能跟随模块；31、智能标签；32、ROS机器人系统嵌入式主板；33、驱动控制主板；34、激光雷达；35、惯性测量单元；36、超声波雷达；37、可视化装置；38、手柄控制模块；39、按钮组件；310、三点定位基站；311、基站一；312、基站二；313、基站三；314、超声波雷达控制模块。具体实施方式以下结合附图和具体实施方式，对本发明作进一步的详细说明。如图1-4所示，基于视觉和三点定位的智能轮椅，包括座椅1、扶手11、手柄12、前轮13、后轮14、踏板15、驱动装置2和智能跟随模块3。驱动装置2包含电池21、PID增量控制模块和霍尔无刷电机22，PID增量控制模块整合在驱动控制主板33上，PID增量控制模块包括霍尔测速模块23、PID增量闭环调速单元24和电动车无刷控制器25；电池21给霍尔无刷电机22供电，PID增量控制模块驱动对应的后轮14行走，电池采用可拆卸锂电池，安装在座椅1下方两侧，设置了防雨接插件为驱动控制主板33供电，通过控制开关控制电源的开断，为整个轮椅供电。智能跟随模块包括智能标签31、上位机、下位机；上位机为ROS机器人系统嵌入式主板32，下位机包括驱动控制主板33、激光雷达34、惯性测量单元35、至少一组超声波雷达36、至少一组可视化装置37、手柄控制模块38、按钮组件39、三点定位基站310，三点定位基站包括基站一311、基站二312、基站三313；基站一311、基站二312、基站三313内均设有UWB芯片，其三者之间执行超宽带连接和测速；智能标签31内也设有UWB芯片，智能标签31与基站一311之间执行超宽带连接和测速。ROS机器人系统嵌入式主板32分别与激光雷达34、可视化装置37、驱动控制主板连接33。驱动控制主板33分别与基站一311、手柄控制模块38、按钮组件39、驱动装置2、超声波雷达36、惯性测量单元35连接，驱动控制主板33与超声波雷达36之间设有超声波雷达控制模块314。激光雷达34安装在踏板15前端，至少一组超声波雷达36分别安装在左右两个扶手11的外侧，可视化装置37分别安装在同一侧扶手11的前侧和外侧中部，按钮组件39安装在手柄12旁，手柄控制模块38集成在按钮组件39中，按钮组件39包括电源按钮、加速减速按钮、蜂鸣按钮和手动（自动）切换按钮。按下电源按钮到关状态，系统进入待机低耗电模式，按下电源按钮到开状态，开机启动，系统自检；加速减速按钮设有三档，分别为220转分钟、180转分钟、120转分钟。按下加速减速按钮，即可加速减速一档；手动（自动）切换按钮可以完成自动跟随和手动控制状态的切换；在手动状态下，控制手柄12可以控制轮椅前后左右四个方向行进且保持闭环控制；高速档时手柄控制上坡前进时，驱动控制主板33会自动切换到低速挡爬坡；当高速档时手柄控制平路前进时，速度需要逐步提高，直至达到目标速度，保证行进的舒适性；蜂鸣按钮按下可以产生固定频率的蜂鸣声，提醒路人。基站一311和基站二312安装在可视化装置37一侧的扶手11的前后两端，基站三313安装在另一侧扶手11的前端，在本实施例中，两个单目摄像头分别安装在左扶手左侧中间和左扶手前端，跟踪方位优先考虑在轮椅机器人的前左方向，其他方向轮椅机器人都会自旋转瞄准带智能标签的看护人，所以智能标签带在看护人的右侧效果会更好。ROS机器人系统嵌入式主板32、驱动控制主板33和惯性测量单元35一起安装在保护盒16内，保护盒16内位于座椅1下方；保护盒16采用塑料材质，ROS机器人系统嵌入式主板32和驱动控制主板33这两块控制主板采用串口或者CAN总线连接，控制盒进行了散热设计和防雨设置，控制盒上设有电源总开关和电源指示灯，开机系统会自检，检测各功能模块工作是否正常。在本实施例中，考虑最佳性价比，激光雷达34选择单线激光雷达；惯性测量单元35选择九轴陀螺仪；超声波雷达36为4组，设置3组时，能满足需求，但复杂路况效果不好，5组成本较高，所以本实施例选择4组；可视化装置37为单目摄像头；UWB芯片可集成在智能手环、手机或可移动装置的其中一种，本实施例集成在专用手环上。作业前，目标看护人佩戴集成有UWB芯片的智能手环。作业时，轮椅按以下方法跟随目标看护人：1.跟随指令发送：看护人利用身上的智能手环发出自动跟随的指令，ROS机器人系统进行响应。路面障碍物检测：单线激光雷达采集路面前方各种较低位的障碍物数据，九轴陀螺仪采集角速度、加速度和航向角数据，这些数据均传输至ROS机器人系统；超声波雷达采集路面前面和侧方位各种稍高的障碍物数据，将此信号通过驱动控制主板传递至ROS机器人系统。这样高低多方位搭配可以采集到路面中各种高度和角度的障碍物数据，为ROS机器人系统路径规划算法提供基础数据。大致测算看护人的方位：看护人身上的智能手环首先与三点定位基站建立超宽带通讯通道，通过计算智能手环与基站一、基站二、基站三这三个基站之间的距离，并根据三角形法则进行测算。已知安装在扶手上基站之间的固定距离，分别定义为基站一和基站二之间距离定义为d12,基站一和基站三之间距离定义为d13；动态测量的智能标签到基站一、基站二和基站三的距离分别定义为d1、d2和d3（如附图3所示）；步骤1：d1、d2和d12组成三角形A1；d1、d3和d13组成三角形A2；智能标签发出自动跟随的指令、检测三角形A1和A2边是否符合基本的三角形法则，即是否满足d1+d2＞d12；d1+d3＞d13；不满足：说明数据干扰严重，再次取数据进行分析；满足：数据校验结束；步骤2：数据经过步骤1校验后，在数据正常的状态下，以A1为例，根据公式：1；计算出高度h1和h2；步骤3：将步骤2中的数据送至ROS机器人系统，以基站一和基站三之间的连线中点为原点，完成tf坐标变换，计算出智能标签相对于原点的坐标x、y的数值；如附图3所示，x=-h1+12×d13），y=h2；步骤4：根据步骤3计算的坐标数据进行平滑插值处理后，即获取以基站一和基站三之间的连线中点为原点的看护人的大致方位坐标；基站一将所有汇总的数据通过驱动控制主板传输至ROS机器人系统；同时可视化装置采集的图像数据也传输至ROS机器人系统，具体采集方法如下：步骤1：ROS机器人系统对可视化装置采集的带有智能标签的看护人信息并对其进行校正，可视化装置的单目摄像头采用无畸变150度广角摄像头，可视化装置的图像仿射校正是根据棋盘格将其校正为矩形图像，消除图像畸变，手动对其不同像素对应的距离和方位进行人工标定，转换屏幕像素坐标系到以两个扶手前端的中心为原点的坐标体系，从而保证可以与三点定位系统确立的坐标体系达到坐标方位的统一。步骤2：ROS机器人系统运行轻量级神经网络模型结构，定义各层的关系，训练卷积神经网络模型，让轻量级神经网络模型结构适用于小型化嵌入式系统，通过构建28层mobilenet神经网络，如表1所示，深度卷积和点卷积单独一层，后面都跟bn层和relu层，同时引入宽度乘数和分辨率乘数减少通道个数和降低图片分辨率。表1：28层mobilenet卷积神经网络步骤3：针对可视化装置的视频流数据，ROS机器人系统运行的轻量级神经网络模型结构对其分帧，进行标准化处理，转变为统一尺寸的图片数据。步骤4：通过轻量级神经网络模型识别，确定看护人方位，在其边缘会产生矩形边框，进一步获得基于矩形几何中心的质心坐标，先将看护人方位转换成屏幕的点坐标，再通过步骤1建立的映射关系转换到以两个扶手前端的中心为原点的坐标体系。锁定看护人的具体坐标：可视化装置采用像素RGB分量比对计算方法或运动方向计算方法进行高速锁定带有智能标签的看护人，并将信息传输至ROS机器人系统；其中像素RGB分量比对计算方法锁定带有智能标签的看护人目标的方法具体为：步骤1：在唯一排他性环境中取样：此唯一排他性环境中，人体目标识别对象仅一人而且符合三点定位的坐标定位位置，ROS机器人系统对可视化装置采集的带有智能标签的看护人信息进行校正，提取看护人矩形框中心线的固定位置像素RGB分量（r1、g1、b1）3-5组，主要考虑上半身，每组确定8-15个像素点，将此数据保存在内存中，并预设欧式距离门限值K为85-125；在取样时，注意正反面分别按顺序提取，且要保证取样的特定位置像素的RGB分量具有区分度，考虑到正反面衣服颜色反差较大时，会造成比对失败的结果，在内存中保存5组为宜。步骤2：可视化装置采用像素RGB分量比对计算方法锁定看护人：在轮椅使用中，看护人处在复杂的人群环境中，会出现多个人体目标，可视化装置采集到每一个人体目标的矩形框中心线固定位置像素RGB分量（r2、g2、b2），将其与步骤1的内存中固定位置像素RGB分量（r1、g1、b1）计算欧式距离并求和求平均，取最小值s；将最小值s与预设的门限值K进行比较；（1）当s＜K，说明信息重合度在预设的欧式距离门限值K的误差范围内，ROS机器人系统认定为当前可视化装置中捕获人体目标为内存中的目标看护人，输出结果用矩形框框住目标看护人，并计算矩形框的中心（即质心），对其进行tf坐标变换，将变换后的坐标值输入ROS机器人系统；（2）当s＞K，说明信息重合度超出欧式距离门限值K的误差范围内，ROS机器人系统再次寻找与步骤1中特定位置像素的RGB值相近的人体，直至信息重合度在预设欧式距离门限值K的误差范围内，系统认定为当前可视化装置中捕获人体目标为内存中的目标看护人。其中，采用运动方向计算方法锁定带有UWB芯片的人体目标的方法具体为：步骤1；通过步骤C中获取的看护人质心，将跟踪视频图像中多个人体目标的质心存储在目标链表中，设定对比门限值L为5-40；目标链表的每个节点存储信息包括质心的标识和质心的坐标，其数据随着跟踪人体目标质心实时动态刷新。步骤2：追踪不同人体目标的质心，通过目标链表中的节点坐标依次与当前视频帧中的每一个质心计算距离，找出最小的距离d，将d与门限值L进行比较;（1）当d＜L，说明目标链表中的目标节点是对应的视频帧的质心，质心跟踪成功，将目标链中质心坐标进行替换刷新；（2）如果d＞L，说明最小值不足于证明目标链中的目标节点是对应的视频帧的质心，此时视频帧的质心坐标已经接近摄影头屏幕的边界，即视频帧的质心已经移出了屏幕，需要在目标链中删除该目标节点，重新追踪不同人体目标的质心。步骤3：将视频帧和目标链表中的同一人体目标y轴相减，获得数值正负号代表质心移动方向，将不同人体目标的质心的移动方向从对尾各自加入不同人体自己队列。步骤4：通过三点定位的获得看护人标签坐标，将上次坐标（1毫秒之前获取的坐标）获取的坐标与当前坐标y轴数据相减，获得通过三点定位方法得到的看护人标签坐标移动方向，如果和队列头部方向一致就出队，否则不进行任何操作。步骤5：按照固定时间间隔，统计队列的长度，队列长度最短的质心代表该队列表示的视频中看护人质心的移动方向与三点定位中确定看护人移动方向一致，从而在视频中锁定该质心为看护人的质心。5.全局路径规划及驱动行驶:步骤1、障碍物的坐标计算：ROS机器人系统在获得步骤B-D中的所有信息，包括：看护人身上的智能标签与三点定位基站之间的距离信息送至ROS机器人系统，根据智能标签到三个定位基站的距离数据，采用三角形法则计算并进行tf坐标的变换，并转换成以轮椅两扶手前端中心点为坐标原点的坐标体系下坐标信息：根据三点定位基站310和之前单目摄像获得看护人目标的位置，将目标goal通过actionlib的client向服务器发送，服务器创建一个列表存储导航点的坐标，定义了目标的方向角Eulerangles，并转换成Quaternion的格式，从而明确地定义全局规划目标的位置坐标和方向坐标。最后把目标位置发送到MoveBaseAction服务器，设定固定时间周期，如果没有到达就放弃目标，重新路径规划。激光雷达通过串口把数据送至ROS机器人系统；超声波雷达通过驱动控制主板收集的数据送至ROS机器人系统；以上激光雷达和超声波雷达数据最终送至ROS机器人系统，经过tf坐标变换，转换到以轮椅两扶手前端中心点为坐标原点的坐标体系中，完成周围障碍物坐标的计算。步骤2、霍尔无刷电机速度测算：（1）测算霍尔无刷电机的转速（单位为rmin）：n=1RT*0.00000160；其中：R代表每一圈车轮的霍尔数量；1R代表每一对相邻霍尔信号线之间代表多少转；T代表每一对霍尔信号线之间的时间，单位为微秒；（2）按照以上公式，分别计算左轮电机转速n_L和右轮电机转速n_R；由于左右两轮同时采用定时器相邻脉冲之间测时，会产生定时器之间干扰，所以在定时器测速时按照顺序依次完成测速动作，具体为左轮第一脉冲计数开始，左轮第二脉冲计数结束并计时，完成左轮霍尔无刷电机转速计算n_L；接着右轮第一脉冲计数开始，右轮第二脉冲计数结束并计时，完成右轮霍尔无刷电机转速计算n_R；（3）完成增量闭环调速：其中：代表输入到电动车无刷控制器的控制电压；e[n]代表当前的控制转速和实测转速n之间速度差；e[n-1]代表上次的控制转速和实测转速n之间速度差；e[n-2]代表上上次的控制转速和实测转速n之间速度差；Kp比例系数；Ki积分系数；Kd微分系数。步骤3、导航的路径规划：霍尔无刷电机测速数据结合九轴陀螺仪数据汇总至ROS机器人系统，ROS机器人系统根据轮椅实时的速度、加速度、角速度和航向角等数据，定期发布信息给move_base服务器，服务器根据tf关系，完成各种坐标系之间转换关系；move_base服务器根据步骤1中订阅的8个超声波雷达36和单线激光雷达测算障碍物位置坐标，结合步骤1中获取的障碍物的坐标数据，对每一条轨迹进行评分，找出最优的局部导航的路径；根据评分，结合设置的霍尔无刷电机极限速度作为边界，计算出一条最佳的速度指令，极限速度为220转分钟；ROS机器人系统根据障碍物距离定义安全程度，并根据定义进行判定，将轮椅相对于障碍物的距离状态将分为安全、减速、停止三个安全等级，根据不同的等级设计速度的阈值；当轮椅距离障碍物＞1m时，霍尔无刷电机速度为120rmin-220rmin时，界定为安全等级，保持当前规划速度；当1m≥轮椅距离障碍物≥0.5m时，霍尔无刷电机速度为100rmin-120rmin时，界定为减速等级，完成减速处理；当轮椅距离障碍物＜0.5m时，霍尔无刷电机速度为0rmin时，界定为停止等级。根据以上数据配置的inflation_radius参数计算出来安全缓冲区，使用TrajectoryRollout和DynamicWindowapproaches算法计算每个周期行驶的速度和角度，最终形成odom消息；move_base服务器发布odom消息不断反馈轮椅机器人的指令到客户端，发布Twist消息控制轮椅机器人，通过ROS机器人系统32发送给驱动控制主板32，从而驱动两个无刷霍尔电机，让轮椅机器人选择最优局部路径行走。

权利要求：1.基于视觉和三点定位的智能轮椅，包括座椅（1）、扶手（11）、手柄（12）、前轮（13）、后轮（14）、踏板（15）；其特征在于：还包括驱动装置（2）和智能跟随模块（3），驱动装置用于驱动后轮行走；所述智能跟随模块包括智能标签（31）、上位机、下位机；所述上位机为ROS机器人系统嵌入式主板（32），所述下位机包括驱动控制主板（33）、激光雷达（34）、惯性测量单元（35）、至少一组超声波雷达（36）、至少一组可视化装置（37）、手柄控制模块（38）、按钮组件（39）、三点定位基站（310），所述三点定位基站包括基站一（311）、基站二（312）、基站三（313）；所述ROS机器人系统嵌入式主板（32）分别与激光雷达（34）、可视化装置（37）、驱动控制主板连接（33）；所述驱动控制主板（33）分别与基站一（311）、手柄控制模块（38）、按钮组件（39）、驱动装置（2）、超声波雷达（36）、惯性测量单元（35）连接，所述驱动控制主板（33）与超声波雷达（36）之间设有超声波雷达控制模块（314）；所述基站一（311）、基站二（312）、基站三（313）之间无线连接；所述智能标签（31）与基站一（311）之间无线连接；所述激光雷达（34）安装在踏板（15）前端，至少一组超声波雷达（36）分别安装在左右两个扶手（11）的外侧，可视化装置（37）分别安装在同一侧扶手（11）的前侧和外侧中部，基站一（311）和基站二（312）安装在可视化装置（37）一侧的扶手（11）的前后两端，基站三（313）安装在另一侧扶手（11）的前端，所述ROS机器人系统嵌入式主板（32）、驱动控制主板（33）和惯性测量单元（35）安装在座椅下方。2.如权利要求1所述的基于视觉和三点定位的智能轮椅，其特征在于：所述驱动装置（2）包含电池（21）、PID增量控制模块和霍尔无刷电机（22），所述PID增量控制模块包括霍尔测速模块（23）、PID增量闭环调速单元（24）和电动车无刷控制器（25）；电池（21）给霍尔无刷电机（22）供电，PID增量控制模块驱动对应的后轮（14）行走。3.如权利要求1或2所述的基于视觉和三点定位的智能轮椅，其特征在于：其特征在于：所述基站一（311）、基站二（312）、基站三（313）内均设有UWB芯片，其三者之间执行超宽带连接；所述智能标签（31）内也设有UWB芯片，智能标签（31）与基站一（311）、基站二（312）、基站三（313）之间执行超宽带连接。4.如权利要求3所述的基于视觉和三点定位的智能轮椅，其特征在于：所述激光雷达（34）为单线激光雷达；所述惯性测量单元（35）为九轴陀螺仪；所述超声波雷达（36）为3-5组；所述可视化装置（37）为单目摄像头；所述UWB芯片集成在智能手环、手机或可移动装置的其中一种上。5.如权利要求4所述的基于视觉和三点定位的智能轮椅，其特征在于：所述ROS机器人系统嵌入式主板（32）、驱动控制主板（33）和惯性测量单元（35）一起安装在保护盒（16）内，所述保护盒（16）内位于座椅（1）下方。6.一种如权利要求1-5中任一项所述智能轮椅控制系统的跟随方法，其特征在于：该跟随方法为以下步骤：跟随指令发送：看护人利用身上的智能标签（31）中的UWB芯片发出自动跟随的指令，ROS机器人系统进行响应；路面障碍物检测：激光雷达（34）采集路面前方各种较低位的障碍物数据，惯性测量单元（35）采集角速度、加速度和航向角数据，这些数据均传输至ROS机器人系统；超声波雷达（36）采集路面前面和侧方位各种稍高的障碍物数据，将此信号通过驱动控制主板（33）传递至ROS机器人系统；这样高低多方位搭配可以采集到路面中各种高度和角度的障碍物数据，为ROS机器人系统路径规划算法提供基础数据；C、大致测算看护人的方位：看护人身上的智能标签（31）内的UWB芯片首先与三点定位基站（310）的UWB芯片建立超宽带通讯通道，通过计算智能标签（31）与基站一（311）、基站二（312）、基站三（313）之间的距离，并根据三角形法则进行测算，具体为：智能标签（31）按照不同时间片给基站一（311）、基站二（312）、基站三（313）发送信号，同时根据三点定位的原理分别测量智能标签（31）到基站一（311）、基站二（312）、基站三（313）之间的距离，大致获得看护人的方位，基站一（311）将所有汇总的数据通过驱动控制主板（33）传输至ROS机器人系统；同时可视化装置（37）采集的图像数据也传输至ROS机器人系统；ROS机器人系统根据这些汇总数据进行判断：当可视化装置（37）朝向看护人所在方位时，直接进入步骤D；当可视化装置（37）的朝向与看护人大致的所在方位存在偏差时，ROS机器人系统结合步骤B中的各方位障碍数据进行决策，合理避障并控制电机驱动轮椅转动，使可视化装置（37）朝向看护人所在方位，再进入步骤D；锁定看护人的具体坐标：可视化装置（37）采用像素RGB分量比对计算方法或运动方向计算方法进行高速锁定带有智能标签（31）的看护人，并将信息传输至ROS机器人系统；步骤B、C中三点定位基站获取的信息、惯性测量单元（35）、激光雷达（34）、超声波雷达（36）、电机单线霍尔测速以及人体视觉跟踪信息均传输至ROS机器人系统，ROS机器人系统进行决策，进一步保证在复杂人群环境中，快速锁定看护人的方位；全局路径规划及驱动行驶:ROS机器人系统根据步骤B-D中获取的所有信息，结合三点定位的坐标和视觉确定的看护人的方位这些数据进行判断，依据move_base导航算法，规划出大致可行的全局路径，并将信息与驱动控制主板进行交互；ROS机器人系统结合步骤B中的各方位障碍物距离数据进行决策，合理避障并控制电机驱动轮椅转动，使轮椅可视化装置在行进过程中朝向看护人大致的所在方位；驱动控制主板控制电机驱动轮椅行走，轮椅在根据不同变化的障碍物，实时局部路径规划，动态调整路径，实现轮椅在基本符合大致方位基础上的局部规划调整的智能跟随和自主避障的功能。7.如权利要求6所述的智能轮椅控制系统的跟随方法，其特征在于：步骤C中所述智能标签（31）与三点定位基站（310）之间的距离测算，大致获得看护人的方位的方法具体分为以下几个步骤：已知安装在扶手（11）上三点定位基站（310）之间的固定距离，分别定义为基站一（311）和基站二（312）之间距离定义为d12,基站一（311）和基站三（313）之间距离定义为d13；动态测量的智能标签（31）到基站一（311）、基站二（312）、基站三（313）的距离分别定义为d1、d2和d3（如附图3所示）；步骤1：d1、d2和d12组成三角形A1；d1、d3和d13组成三角形A2；智能标签（31）发出自动跟随的指令、检测三角形A1和A2边是否符合基本的三角形法则，即是否满足d1+d2＞d12；d1+d3＞d13；不满足：说明数据干扰严重，再次取数据进行分析；满足：数据校验结束；步骤2：数据经过步骤1校验后，在数据正常的状态下，以A1为例，根据公式：三角形周长：；三角形面积：；计算出高度h1和h2；步骤3：将步骤2中的数据送至ROS机器人系统，以基站一（311）和基站三（313）之间的连线中点为原点，完成tf坐标变换，计算出智能标签（31）相对于原点的x，y的数值；如附图3所示，x=-h1+12×d13），y=h2；步骤4：根据步骤3计算的坐标数据进行平滑插值处理后，即获取以基站一（311）和基站三（313）之间的连线中点为原点的看护人的大致方位坐标；将此作为ROS机器人系统进行运动决策的全局路径规划坐标入口。8.如权利要求6所述的智能轮椅控制系统的跟随方法，其特征在于：步骤C中可视化装置采集图像数据的方法具体为：步骤1：ROS机器人系统对可视化装置（37）采集的带有智能标签（31）的看护人信息并对其进行校正，可视化装置（37）的图像仿射校正是根据棋盘格将其校正为矩形图像，消除图像畸变，手动对其不同像素对应的距离和方位进行人工标定，转换屏幕像素坐标系到以两个扶手前端的中心为原点的坐标体系；步骤2：ROS机器人系统运行轻量级神经网络模型结构，定义各层的关系，训练卷积神经网络模型，让轻量级神经网络模型结构适用于小型化嵌入式系统；步骤3：针对可视化装置（37）的视频流数据，ROS机器人系统运行的轻量级神经网络模型结构对其分帧，进行标准化处理，转变为统一尺寸的图片数据；步骤4：通过轻量级神经网络模型识别，确定看护人方位，先将看护人方位转换成屏幕的点坐标，再通过步骤1建立的映射关系转换到以两个扶手前端的中心为原点的坐标体系。9.如权利要求8所述的智能轮椅控制系统的跟随方法，其特征在于：步骤D中所述可视化装置（37）采用像素RGB分量比对计算方法锁定带有智能标签（31）的看护人目标的方法具体为：步骤1：在唯一排他性环境中取样：ROS机器人系统对可视化装置（37）采集的带有智能标签（31）的看护人信息进行校正，提取看护人矩形框中心线的固定位置像素RGB分量（r1、g1、b1）3-5组每组确定8-15个像素点，将此数据保存在内存中，并预设欧式距离门限值K为85-125；步骤2：可视化装置（37）采用像素RGB分量比对计算方法锁定看护人：在轮椅使用中，可视化装置（37）采集到每一个人体目标的矩形框中心线固定位置像素RGB分量（r2、g2、b2），将其与步骤1的内存中固定位置像素RGB分量（r1、g1、b1）计算欧式距离并求和求平均，取最小值s；将最小值s与预设的门限值K进行比较：（1）当s＜K，说明信息重合度在预设的欧式距离门限值K的误差范围内，ROS机器人系统认定为当前可视化装置中捕获人体目标为内存中的目标看护人，输出结果用矩形框框住目标看护人，并计算矩形框的中心（即质心），对其进行tf坐标变换，将变换后的坐标值输入ROS机器人系统；（2）当s＞K，说明信息重合度超出欧式距离门限值K的误差范围内，ROS机器人系统再次寻找与步骤1中特定位置像素的RGB值相近的人体，直至信息重合度在预设欧式距离门限值K的误差范围内，系统认定为当前可视化装置（37）中捕获人体目标为内存中的目标看护人；步骤D中所述可视化装置（37）采用运动方向计算方法锁定带有UWB芯片的人体目标的方法具体为：步骤1；通过步骤C中获取的看护人质心，将跟踪视频图像中多个人体目标的质心存储在目标链表中，设定对比门限值L为5-40；步骤2：追踪不同人体目标的质心，通过目标链表中的节点坐标依次与当前视频帧中的每一个质心计算距离，找出最小的距离d，将d与门限值L进行比较：（1）当d＜L，说明目标链表中的目标节点是对应的视频帧的质心，质心跟踪成功，将目标链中质心坐标进行替换刷新；（2）如果d＞L，说明最小值不足于证明目标链中的目标节点是对应的视频帧的质心，此时视频帧的质心坐标已经接近摄影头屏幕的边界，即视频帧的质心已经移出了屏幕，需要在目标链中删除该目标节点，重新追踪不同人体目标的质心；步骤3：将视频帧和目标链表中的同一人体目标y轴相减，获得数值正负号代表质心移动方向，将不同人体目标的质心的移动方向从对尾各自加入不同人体自己队列；步骤4：通过三点定位的获得看护人坐标，将将上次坐标获取的坐标与当前坐标y轴数据相减，获得通过三点定位方法得到的看护人标签坐标移动方向，如果和队列头部方向一致就出队，否则不进行任何操作；步骤5：按照固定时间间隔，统计队列的长度，队列长度最短的质心代表该队列表示的视频中看护人质心的移动方向与三点定位中确定看护人移动方向一致，从而在视频中锁定该质心为看护人的质心。10.如权利要求9所述的智能轮椅系统的跟随方法，其特征在于：步骤E中所述move_base导航算法具体为：ROS机器人系统专门开辟了运行进程，将步骤B-D中获取的所有信息，按以下算法规划路径：步骤1、障碍物的坐标计算：ROS机器人系统在获得步骤B-D中的所有信息，包括：看护人身上的智能标签（31）与三点定位基站（310）之间的距离信息送至ROS机器人系统，根据智能标签（31）到三个定位基站的距离数据，采用三角形法则计算并进行tf坐标的变换，并转换成以轮椅两扶手前端中心点为坐标原点的坐标体系下坐标信息；激光雷达（34）通过串口把数据送至ROS机器人系统；超声波雷达（36）通过驱动控制主板收集的数据送至ROS机器人系统；以上激光雷达（34）和超声波雷达（36）数据最终送至ROS机器人系统，经过tf坐标变换，转换到以轮椅两扶手前端中心点为坐标原点的坐标体系中，完成周围障碍物坐标的计算；步骤2、霍尔无刷电机速度测算：（1）测算霍尔无刷电机的转速（单位为rmin）：n=1RT*0.00000160；其中：R代表每一圈车轮的霍尔数量；1R代表每一对相邻霍尔信号线之间代表多少转；T代表每一对霍尔信号线之间的时间，单位为微秒；（2）按照以上公式，分别计算左轮电机转速n_L和右轮电机转速n_R；由于左右两轮同时采用定时器相邻脉冲之间测时，会产生定时器之间干扰，所以在定时器测速时按照顺序依次完成测速动作，具体为左轮第一脉冲计数开始，左轮第二脉冲计数结束并计时，完成左轮霍尔无刷电机转速计算n_L；接着右轮第一脉冲计数开始，右轮第二脉冲计数结束并计时，完成右轮霍尔无刷电机转速计算n_R；（3）完成增量闭环调速：其中：代表输入到电动车无刷控制器的控制电压；e[n]代表当前的控制转速和实测转速n之间速度差；e[n-1]代表上次的控制转速和实测转速n之间速度差；e[n-2]代表上上次的控制转速和实测转速n之间速度差；Kp比例系数；Ki积分系数；Kd微分系数；步骤3、导航的路径规划：霍尔无刷电机测速数据结合惯性测量单元数据汇总至ROS机器人系统，ROS机器人系统根据轮椅实时的速度、加速度、角速度和航向角等数据，推导出可能的轮椅行进轨迹；结合步骤1中获取的障碍物的坐标数据，对每一条轨迹进行评分，找出最优的局部导航的路径；根据评分，结合设置的霍尔无刷电机极限速度作为边界，计算出一条最佳的速度指令，极限速度为220转分钟；ROS机器人系统根据障碍物距离定义安全程度，并根据定义进行判定，将轮椅相对于障碍物的距离状态将分为安全、减速、停止三个安全等级，根据不同的等级设计速度的阈值；当轮椅距离障碍物＞1m时，霍尔无刷电机速度为120rmin-220rmin时，界定为安全等级，保持当前规划速度；当1m≥轮椅距离障碍物≥0.5m时，霍尔无刷电机速度为100rmin-120rmin时，界定为减速等级，完成减速处理；当轮椅距离障碍物＜0.5m时，霍尔无刷电机速度为0rmin时，界定为停止等级，停止运行并重新规划路径。

百度查询： 苏州红树林智能科技有限公司 基于视觉和三点定位的智能轮椅及其控制系统的跟随方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD