[发明专利]一种基于机器学习的智能收纳小车系统在审

专利信息
申请号: 201811404423.4 申请日: 2018-11-23
公开(公告)号: CN109709951A 公开(公告)日: 2019-05-03
发明(设计)人: 唐小煜;劳健涛;蒲小年;李智豪 申请(专利权)人: 华南师范大学
主分类号: G05D1/02 分类号: G05D1/02
代理公司: 广州骏思知识产权代理有限公司 44425 代理人: 吴静芝
地址: 510006 广东省广州市番禺区*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 收纳 基于机器 小车系统 小车本体 智能 图像采集装置 电子罗盘 夹取装置 语音交互 主控模块 学习 电机驱动模块 方位角信息 图像信息 物品转运 行进装置 用户指定 语音命令 归类 夹取 采集 驱动 移动 记录
【权利要求书】:

1.一种基于机器学习的智能收纳小车系统,其特征在于:包括小车本体和搭载于所述小车本体上的主控模块、与所述主控模块电连接的语音交互模块、图像采集装置、电子罗盘、行进装置和夹取装置;所述语音交互模块接收用户的语音命令,对语音命令进行识别并将识别结果传送至所述主控模块;所述图像采集装置用于采集物品的图像信息,并将所采集的图像信息传送至所述主控模块;所述电子罗盘用于记录所述小车本体转动的方位角信息,并将方位角信息传送至所述主控模块;所述行进装置包括用于驱动所述小车本体移动的电机驱动模块;所述主控模块接收所述语音交互模块传送的语音识别结果,根据所述图像采集装置所采集的图像信息和所述电子罗盘所记录的方位角信息确定用户指定物品的类别和定位,并控制所述电机驱动模块驱动所述小车本体移动至物品所在位置,控制所述夹取装置夹取物品并将物品转运至初始位置。

2.根据权利要求1所述的基于机器学习的智能收纳小车系统,其特征在于:所述主控模块内部采用Linux操作系统,并在所述Linux操作系统中建立SVM分类模型;所述主控模块对所述图像采集装置所采集的图像进行HOG特征提取,并将所述HOG特征输入所述SVM分类模型进行分类识别,以确定物体的类别以及物体在图像中的几何位置。

3.根据权利要求2所述的基于机器学习的智能收纳小车系统,其特征在于:所述SVM分类模型建立图像识别标签库,并设置识别框对所述图像采集装置所采集的图像进行扫描,并判断所述识别框提取到的物品的特征信息与所述图像识别标签库中的标签信息是否一致。

4.根据权利要求1所述的基于机器学习的智能收纳小车系统,其特征在于:所述行进装置还包括安装于所述小车本体两侧的多个行进电机;多个所述行进电机连接于所述电机驱动模块的控制信号输出端;所述主控模块通过电机驱动模块获取所述行进电机的转动圈数,计算出所述小车本体运动的直线标量距离,并通过所述直线标量距离和方位角信息对所述小车本体进行定位。

5.根据权利要求1所述的基于机器学习的智能收纳小车系统,其特征在于:所述主控模块记录所述小车本体搜寻物体的路径并以堆栈数据进行存储,并通过执行其所存储的堆栈数据驱动所述小车本体按照搜寻物体的逆过程进行路径回溯。

6.根据权利要求1所述的基于机器学习的智能收纳小车系统,其特征在于:所述语音交互模块包括与麦克风相连接的语音识别芯片和连接于所述语音识别芯片和所述主控模块之间的控制器;所述语音识别芯片对用户的语音指令进行识别并向所述控制器发送语音识别结果;所述控制器接收所述语音识别结果,并通过串口将所述语音识别结果发送至所述主控模块,并控制所述语音识别芯片发出回复语音。

7.根据权利要求1所述的基于机器学习的智能收纳小车系统,其特征在于:所述夹取装置包括分别安装于所述小车本体前端的两舵机和设置于所述舵机上的两机械臂;所述两机械臂向所述小车本体前进方向延伸并聚拢形成夹物空间。

8.根据权利要求7所述的基于机器学习的智能收纳小车系统,其特征在于:还包括设置于所述两舵机之间的红外传感器;所述红外传感器发出的红外光指向所述夹物空间。

9.根据权利要求1所述的基于机器学习的智能收纳小车系统,其特征在于:所述电子罗盘的X方向与所述小车本体的中线平行,Y方向与所述小车本体的中线垂直。

10.根据权利要求1所述的基于机器学习的智能收纳小车系统,其特征在于:还包括与所述主控模块相连接的PWM输出模块;所述电机驱动模块包括多个全桥驱动电路;所述全桥驱动电路包括与PWM输出模块的信号输出端连接的驱动芯片和连接于所述驱动芯片信号输出端的MOS管;所述MOS管的输出端连接至所述行进电机;所述驱动芯片接收PWM脉冲信号并控制所述MOS管的导通或关闭。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华南师范大学,未经华南师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811404423.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top