科创中国

随着城市现代化发展，原来需要大量人在小区、园区或社区中巡逻，现在越来越多的被自动化设备、视觉设备所代替，室外监控移动机器人是未来的发展方向，其可替代保安实现小区、园区或社区中的巡逻与检查，实现24小时不间断监控，对突发事件可快速到现场并拍摄。

对于室外监控移动机器人来说，避障是非常重要的功能和技术。目前，对于机器人避障技术的研究，大多集中在对于固定障碍物或移动速度较慢障碍物的避障。

比如，孟廷豪的《基于模糊控制的机器人避障研究》论文中，使用超声传感器来检测机器人的环境信息，设计一个由模糊算法和行为控制相结合的自主避障控制系统，在该系统中将移动机器人自主避障行为分为自主避障行为、航向保持行为和紧急停车行为。

又如，陈奕君的《基于多传感器信息融合的机器人避障研究》论文中采用多个传感器共同测量的办法，选取超声波和红外开关作为测距系统的传感器，CCD摄像机作为视觉传感器，设计了一种两级信息融合的结构，能够充分利用传感器获取的外部信息并满足实时避障的要求，通过改进的BP神经网络对测距传感器采集的信息进行融合，并针对BP神经网络收敛速度慢、易陷入局部极值等缺陷，通过附加动量-自适应因子改进BP网络学习算法，实现机器人避障。

再如，徐玉华的《基于激光测距仪的移动机器人避障新方法》基于激光测距仪提出一种通过自适应调节阈值求可行方向的移动机器人实时避障算法，对于给定的一组阈值，用其中的每个阈值求可行方向，在获得的接近目标方向的所有可行方向中，选取最大阈值所对应的方向作为机器人的参考行驶方向，根据当前行驶方向与参考行驶方向之间的偏差和所选阈值的大小对线速度进行限制，实现机器人避障。

上述避障研究或方法主要针对静态物体，或者运动速度较慢的物体，当物体相对于机器人运动速度较快时，无法做到实时检测。室外监控移动机器人在监控时移动速度可以达到1m/s，如果机器人运动前方有移动汽车、快速移动人或动物时，需要有方法快速检测移动的物体，如何引导机器人避开障碍物，实现机器人的快速避障成为筮待解决的问题。

随着人工智能和深度学习技术的发展，机器人的智能自主能力有进一步的提升。通过深度学习技术可以感知环境语义信息和动态环境变化，通过和移动机器人技术结合，有望解决上述问题。

本产品是一种用于室外安防巡逻的机器人，需要适应与复杂多变的室外环境，需解决：

1、对于移动的机动车、非机动车等相对移动速度较快的物体，能够通过激光雷达、视觉SLAM等手段，准确识别定位，确保机器人能够作出准确的预判和行为指令。

2、机器人在检测到运动车辆时，需要在相对运动的情况下，准确识别到车牌、车辆的信息等。

3、机器人在巡逻时，对于过往行人，能够快速准确的捕捉到面部特征进行人脸识别，在短时间内作出人脸匹配。

4、单目SLAM尺度漂移的问题，特别是在机器人快速旋转时，解决闭环误差过大无法实现闭环优化问题。

a. 能见度为1000米时，1550nm的透过率达为0.60以上。

b. 环境天气因素对设备工况和识别精度的影响：在大气传输性能较差时导致的激光雷达等多传感器效果降低，其精确度衰减不低于晴天的3倍。

c. 在4核处理器配置，最大计算量占CPU资源低至50%以下。

d. 动态环境下机器人定位精度误差不高于0.5米，机器人快速移动时动态物体速度检测偏差不高于1.5m/s。

e. 机器人检测目标物体，作出反应动作时间间隔不低于：0.01s。

f. 捕捉移动过程中的人脸、车牌等图像识别准确度：不低于98%。