CN111912433A - 一种高精度的跌落实时判定系统 - Google Patents

Abstract

本发明提供一种高精度的跌落实时判定系统，包括设置于机器人上的跌落传感器，还包括微处理器、自适应滤波器、采集模块和总线；跌落传感器用于采集机器人的原始跌落信号；采集模块用于接收原始跌落信号并生成原始跌落数据；微处理器通过串口接收原始跌落数据；微处理器内置有嵌入式操作系统；自适应滤波器通过串口获取原始跌落数据，并过滤原始跌落数据中的白噪声从而生成滤波跌落数据；微处理器通过串口接收滤波跌落数据并通过总线输出至机器人的决策端；本系统在基于微处理器平台开发，在原有的嵌入式操作系统上做了改进，在线程池的处理性能和耗时上做了优化，可达到低功耗，高实时，且在数据层上做了自适应滤波的去噪，精度高。

Description

一种高精度的跌落实时判定系统

技术领域

本发明属于机器人技术领域，具体涉及一种高精度的跌落实时判定系统。

背景技术

在人工智能大科技的背景下，机器人的使用。广泛运用于生活中各个行业和各个场景中，而现有场景带有一定的复杂性，这就要求机器人本身能适应各种场景中进行移动。而现阶段有效地测距或者红外传感器来做跌落距离的判定具有一定的局限性：1.误判率高达30％，2.现有的传感器系统多使用循环检测的模式，延时较大，无法实时，不利于，机器人运动状态的判断。

为了解决上述问题，本申请提出了一种高精度的跌落实时判定系统。

发明内容

本发明的目的是提供一种高精度的跌落实时判定系统，以解决现有的机器人使用过程中，对跌落距离的判定具有一定的局限性，误判和延时情况较多的问题。

本发明提供了如下的技术方案：

一种高精度的跌落实时判定系统，包括设置于机器人上的跌落传感器，还包括微处理器、自适应滤波器、采集模块和总线；所述跌落传感器用于采集机器人的原始跌落信号；所述采集模块用于接收原始跌落信号并生成原始跌落数据；所述微处理器通过串口接收采集模块的原始跌落数据；所述微处理器内置有嵌入式操作系统用于提升实时处理能力；所述自适应滤波器通过串口获取微处理器中的原始跌落数据，并过滤原始跌落数据中的白噪声从而生成滤波跌落数据；所述微处理器通过串口接收自适应滤波器输出的滤波跌落数据并通过总线输出至机器人的决策端。

优选的，所述采集模块包括信号放大器以及模数转换器，所述信号放大器用于将原始跌落信号进行放大，所述模数转换器用于将模拟量的原始跌落信号转换为数字量的原始跌落数据。

优选的，所述微处理器为STM32系列单片机，所述微处理器上还连接有5V的电源模块。

优选的，所述总线为SPI或I2C同步串行总线。

优选的，所述嵌入式操作系统用于提升实时处理能力，包括以下步骤：

S1、微处理器针对读取的原始跌落数据创建任务，并确定该任务所运行的时间片R_Time和任务优先级Priority进行赋最小值；S2、根据任务优先级，动态化设置任务的就绪队列R_Queue的大小；S3、采用插入排序的方式，将就绪队列中任务的Time的大小，进行从大到小的排序，Time相同的则按照插入的顺序进行排序；S4、每次使用最高优先级的就绪队列的首个任务来占用微处理器的运行，运行任务结束后插到就绪队列的末尾；S5、若最高优先级的就绪队列为空，则依次向下来寻找就绪队列，找到后则返回S4；S6、当有新的任务动态创建后，先将它暂存在备用就绪队列中，判断新的任务的Time是否大于正在执行任务的Time，若是，则将其插入到就绪队列中，若否，则判断新的任务的Time是否小于正在执行任务的剩余执行时间；若是，则新的任务抢占微处理器的运行，若否，则新的任务等待正在执行的任务执行完毕，占用微处理器运行，运行完毕后，按Time大小排序插入到就绪队列中，返回S4；S7、就绪队列与备用就绪队列均为空，则结束。

优选的，所述微处理器针对读取的原始跌落数据创建任务包括通过自适应滤波器过滤原始跌落数据中的白噪声从而生成滤波跌落数据。

优选的，所述自适应滤波器过滤原始跌落数据，包括以下步骤：

S11、在一个有限的时域t中取出一组跌落传感器的原始跌落数据作为观测值，对观测值取滑动平均作为预测值F(x)；S12、对该组观测值进行线性拟合，建立拟合直线：G(x)＝k*x+b其中，x为观测值，k为直线斜率，b为截距；S13、将观测值的数值作为X轴坐标，跌落传感器的原始跌落数据的数值作为Y轴坐标，从而构成一组坐标(x，y)，拟合出直线斜率为：

S14、根据k，利用待定系数发求出截距b：

最终得出拟合直线G(x)＝k*x+b；S15、判断F(x)是否小于G(x)，若是，取G(x)的值，表示滤波接近预测值，在拟合范围内，所以取拟合值为滤波跌落数据；若否，取F(x)的值，表示预测值超出拟合范围，取预测值为滤波跌落数据。

本发明的有益效果是：

本发明的一种高精度的跌落实时判定系统，基于微处理器平台开发，在原有的嵌入式操作系统上做了改进，在线程池的处理性能和耗时上做了优化，可达到低功耗，高实时，且在数据层上做了自适应滤波的去噪，在复杂和多变的室内外场景中，比起传统传感器数据精确度上，误判率可低于<0.01％,可及时有效地辅助机器人检测在复杂地形的下跌坡度，并防止机器人摔落。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明结构示意图；

图2是自适应滤波器工作流程图；

图3是嵌入式操作系统工作流程图。

具体实施方式

如图1所示，一种高精度的跌落实时判定系统，包括设置于机器人上的跌落传感器，还包括微处理器、自适应滤波器、采集模块和总线；

跌落传感器用于采集机器人的原始跌落信号；低落传感器选用ST1612D2型号，在原有普通传感器量程低，信号弱的情况下，做了改善，使得测量的最大范围0～3m,且响应时间短，并且体积小，易集成安装的特点；

采集模块用于接收原始跌落信号并生成原始跌落数据；采集模块包括信号放大器以及模数转换器，信号放大器用于将原始跌落信号进行放大，模数转换器用于将模拟量的原始跌落信号转换为数字量的原始跌落数据；

微处理器通过串口接收采集模块的原始跌落数据；微处理器选用STM32系列单片机，并选用5V的电源模块进行供电；STM32的主控芯片对数据采集有很好的处理能力，且本身含有丰富的硬件资源，如UART,I2C接口等，可进行数据的交互；

微处理器内置有嵌入式操作系统用于提升实时处理能力；原有的嵌入式操作系统在同优先级的任务调度上，分配给每个任务的固定时间片大小无法来满足任务所需处理的时间片，就导致所需任务的处理需要频繁切换来获得更多的数目处理时间，当同优先级的任务一定数量上升的话，这在性能上是有问题的。本申请通过自定义最短时间抢占算法，可以有效地解决目前传统嵌入式操作系统中多任务切换时造成的CPU负载消耗大，且切换耗时，任务卡死等严重的问题；

自适应滤波器通过串口获取微处理器中的原始跌落数据，并过滤原始跌落数据中的白噪声从而生成滤波跌落数据；

微处理器通过串口接收自适应滤波器输出的滤波跌落数据并通过总线输出至机器人的决策端，总线为SPI或I2C同步串行总线。

如图3所示，嵌入式操作系统用于提升实时处理能力，包括以下步骤：

S1、微处理器针对读取的原始跌落数据创建任务，并确定该任务所运行的时间片R_Time和任务优先级Priority进行赋最小值；微处理器针对读取的原始跌落数据创建任务包括通过自适应滤波器过滤原始跌落数据中的白噪声从而生成滤波跌落数据；

S2、根据任务优先级，动态化设置任务的就绪队列R_Queue的大小；

S3、采用插入排序的方式，将就绪队列中任务的Time的大小，进行从大到小的排序，Time相同的则按照插入的顺序进行排序；

S4、每次使用最高优先级的就绪队列的首个任务来占用微处理器的运行，运行任务结束后插到就绪队列的末尾；

S5、若最高优先级的就绪队列为空，则依次向下来寻找就绪队列，找到后则返回S4；

S6、当有新的任务动态创建后，先将它暂存在备用就绪队列中，判断新的任务的Time是否大于正在执行任务的Time，

若是，则将其插入到就绪队列中，

若否，则判断新的任务的Time是否小于正在执行任务的剩余执行时间；

若是，则新的任务抢占微处理器的运行，

若否，则新的任务等待正在执行的任务执行完毕，占用微处理器运行，运行完毕后，按Time大小排序插入到就绪队列中，返回S4；

S7、就绪队列与备用就绪队列均为空，则结束。

如图2所示，自适应滤波器过滤原始跌落数据，包括以下步骤：

S11、在一个有限的时域t中取出一组跌落传感器的原始跌落数据作为观测值，对观测值取滑动平均作为预测值F(x)；

在一个有限的时域(t)中增加了一个预测值的使用，这个预测值可以作为一个最优值来耦合，预测值的获取方式可以这个时域t中，取出一组观测值(k0,k1,k2,k3,k4,..)，然后将这个时刻的10个滑动平均得出预测值F(x)：F(x)＝(k_t-1+k_t-2+…+k_t-n)/n

S12、对该组观测值进行线性拟合，建立拟合直线：G(x)＝k*x+b其中，x为观测值，k为直线斜率，b为截距；

S13、将观测值的数值作为X轴坐标，跌落传感器的原始跌落数据的数值作为Y轴坐标，从而构成一组坐标(x，y)，拟合出直线斜率为：

S14、根据k，利用待定系数发求出截距b：

最终得出拟合直线G(x)＝k*x+b；

S15、判断F(x)是否小于G(x)，

若是，取G(x)的值，表示滤波接近预测值，在拟合范围内，取拟合值为滤波跌落数据；

若否，取F(x)的值，表示预测值超出拟合范围，取预测值为滤波跌落数据。

这样通过预测平滑和拟合的方式，做值域分解比起传统滤波器更了提高数据的准确度且能保证数据的平滑性。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。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。

Claims (7)

1.一种高精度的跌落实时判定系统，包括设置于机器人上的跌落传感器，其特征在于，还包括微处理器、自适应滤波器、采集模块和总线；

所述跌落传感器用于采集机器人的原始跌落信号；

所述采集模块用于接收原始跌落信号并生成原始跌落数据；

所述微处理器通过串口接收采集模块的原始跌落数据；

所述微处理器内置有嵌入式操作系统用于提升实时处理能力；

所述自适应滤波器通过串口获取微处理器中的原始跌落数据，并过滤原始跌落数据中的白噪声从而生成滤波跌落数据；

所述微处理器通过串口接收自适应滤波器输出的滤波跌落数据并通过总线输出至机器人的决策端。

2.根据权利要求1所述的一种高精度的跌落实时判定系统，其特征在于，所述采集模块包括信号放大器以及模数转换器，所述信号放大器用于将原始跌落信号进行放大，所述模数转换器用于将模拟量的原始跌落信号转换为数字量的原始跌落数据。

3.根据权利要求1所述的一种高精度的跌落实时判定系统，其特征在于，所述微处理器为STM32系列单片机，所述微处理器上还连接有5V的电源模块。

4.根据权利要求1所述的一种高精度的跌落实时判定系统，其特征在于，所述总线为SPI或I2C同步串行总线。

5.根据权利要求1所述的一种高精度的跌落实时判定系统，其特征在于，所述嵌入式操作系统用于提升实时处理能力，包括以下步骤：

S1、微处理器针对读取的原始跌落数据创建任务，并确定该任务所运行的时间片R_Time和任务优先级Priority进行赋最小值；

S2、根据任务优先级，动态化设置任务的就绪队列R_Queue的大小；

S3、采用插入排序的方式，将就绪队列中任务的Time的大小，进行从大到小的排序，Time相同的则按照插入的顺序进行排序；

S4、每次使用最高优先级的就绪队列的首个任务来占用微处理器的运行，运行任务结束后插到就绪队列的末尾；

S5、若最高优先级的就绪队列为空，则依次向下来寻找就绪队列，找到后则返回S4；

S6、当有新的任务动态创建后，先将它暂存在备用就绪队列中，判断新的任务的Time是否大于正在执行任务的Time，

若是，则将其插入到就绪队列中，

若否，则判断新的任务的Time是否小于正在执行任务的剩余执行时间；

若是，则新的任务抢占微处理器的运行，

若否，则新的任务等待正在执行的任务执行完毕，占用微处理器运行，运行完毕后，按Time大小排序插入到就绪队列中，返回S4；

S7、就绪队列与备用就绪队列均为空，则结束。

6.根据权利要求5所述的一种高精度的跌落实时判定系统，其特征在于，所述微处理器针对读取的原始跌落数据创建任务包括通过自适应滤波器过滤原始跌落数据中的白噪声从而生成滤波跌落数据。

7.根据权利要求1所述的一种高精度的跌落实时判定系统，其特征在于，所述自适应滤波器过滤原始跌落数据，包括以下步骤：

S11、在一个有限的时域t中取出一组跌落传感器的原始跌落数据作为观测值，对观测值取滑动平均作为预测值F(x)；

S12、对该组观测值进行线性拟合，建立拟合直线：

G(x)＝k*x+b

其中，x为观测值，k为直线斜率，b为截距；

S13、将观测值的数值作为X轴坐标，跌落传感器的原始跌落数据的数值作为Y轴坐标，从而构成一组坐标(x，y)，拟合出直线斜率为：

S14、根据k，利用待定系数发求出截距b：

最终得出拟合直线

G(x)＝k*x+b；

S15、判断F(x)是否小于G(x)，

若是，取G(x)的值，表示滤波接近预测值，在拟合范围内，取拟合值为滤波跌落数据；

若否，取F(x)的值，表示预测值超出拟合范围，取预测值为滤波跌落数据。

Images