[发明专利]一种基于深度学习的消防隐患检测机器人及检测方法

说明书

本发明公开了一种基于深度学习的消防隐患检测机器人及检测方法，检测机器人包括移动机器人本体、控制系统、红外热像仪、RGB‑D相机、激光雷达、气体传感器；控制系统、红外热像仪、RGB‑D相机、激光雷达、气体传感器均固定设置在移动机器人本体上；控制系统分别与移动机器人本体、红外热像仪、RGB‑D相机、激光雷达、气体传感器连接通信。本发明通过控制系统控制移动机器人本体在目标区域中进行自动巡查，RGB‑D相机实时获取目标区域的RGB图像以及目标区域的深度信息；通过RGB‑D相机和激光雷完成定位与地图构建；然后实时进行消防隐患检测和阴燃火检测；最后消防隐患分级预警。本发明通过形成可视化界面，方便人员实时监测。

技术领域

本发明属于图像识别技术领域，涉及一种消防隐患检测机器人及检测方法，具体涉及一种基于深度学习的消防隐患检测机器人系统及方法。

背景技术

随着电子商务的日益壮大，对电商仓储物流安全性要求越来越高。物流公司的货运中转仓库具有货品种类繁多，存货量大，各种易燃包装纸箱堆积的特点。物流中心一旦发生火灾，往往损失巨大，教训深刻。目前市面的消防检测一般利用传统的图像处理方法对已经出现的火苗进行检测，不能及时检测出环境中的阴燃情况，以及存在的其他消防隐患。同时为了响应公安部消防局发布《关于全面推进“智慧消防”建设的指导意见》。根据消防规则第四章第二十六条规定建筑物内的走道、楼梯、出口等部位，要经常保持畅通，严禁堆放物品。疏散标志和指示灯，要保证完整好用。以及中华人民共和国消防条例，第一章第二条，消防工作，实行“预防为主，消防结合”的方针。目前对上述消防隐患的检查都是人工检查，存在成本高，效率低，不能及时发现消防隐患等问题。

发明内容

为了更高效的实现消防隐患检测，本发明提供了一种基于深度学习的消防隐患检测机器人及检测方法，利用视觉融合激光进行SLAM及巡检，利用RGB-D摄像头，红外热像仪和多种气体传感器结合，实现灭火器箱，消防通道，疏散指示灯和变电室是否存在消防隐患检测，以及环境中是否存在阴燃点检测。将检测到的消防隐患位置信息和温度，气体浓度，图像等信息通过ROS分布式系统发布到上位机上，形成可视化界面，方便人员实时监测。

本发明的检测机器人所采用的技术方案是：一种基于深度学习的消防隐患检测机器人，其特征在于：包括移动机器人本体、控制系统、红外热像仪、RGB-D相机、激光雷达、气体传感器；

所述控制系统、红外热像仪、RGB-D相机、激光雷达、气体传感器均固定设置在所述移动机器人本体上；所述控制系统分别与所述移动机器人本体、红外热像仪、RGB-D相机、激光雷达、气体传感器连接通信。

本发明的检测方法所采用的技术方案是：一种基于深度学习的消防隐患检测方法，其特征在于，包括以下步骤：

步骤1：所述控制系统控制移动机器人本体在目标区域中进行自动巡查，RGB-D相机实时获取目标区域的RGB图像及目标区域的深度信息；通过RGB-D相机和激光雷达完成定位与地图构建(Simultaneous Localization and Mapping，SLAM)；

步骤2：在移动机器人本体巡查过程中，实时进行消防隐患检测；

步骤3：在移动机器人本体巡查过程中，实时进行阴燃火检测；

步骤4：消防隐患分级预警。

本发明利用融合视觉的激光SLAM(Simultaneous Localization and Mapping)，对仓库环境进行理解和构建导航地图，相比单一激光构图，具有更多的环境信息，将三维环境信息展现在二维平面上；对仓库中的消防安全隐患进行检测识别，通过热像图像和RGB-D相机图像匹配确定潜在危险区域坐标，阴燃点坐标，现有技术都是对已经出现的火情进行报警，本发明对存在安全隐患以及阴燃情况进行预警和定位；与传统报警系统相比，本发明根据不同消防危险程度进行分级预警。

附图说明

图1为本发明实施例的检测机器人结构示意图；