消防机器人视觉感知技术研究

摘要：在消防机器人中，视觉感知是获取、分析和理解火场环境的关键，也是实现预先设定灭火操作的关键依据。本文从火焰检测、人体检测、障碍物检测三个典型方面概述了视觉信息处理算法的发展现状，随着科技的不断发展，消防机器人视觉感知技术必将持续优化升级，在未来的消防工作中发挥更为重要的作用。

关键词：消防机器人；视觉传感器；信息处理器

消防机器人是执行特种任务的一种，它可以替代消防员进入有毒、烟雾、高温、缺氧、坍塌、狭窄空间等各种火灾现场，承担侦查检验、排烟降温、搜索救人、灭火等任务，对提高消防员的安全水平，增强救援能力具有重要作用。在当今的国际上，许多先进的国家都已经开始开发和使用消防机器人。

1.视觉传感器与视觉系统

视觉传感器将周围的环境信息以图像的方式展现出来，是实现火灾现场作业的最基本也是最关键的部分。根据工作机理和特点，可以将其分为多种种类，常用的有红外热像仪、可见光相机、TOF深度相机和近红外相机等。红外热成像仪依赖于被测量对象及其与背景之间的温度差异对其进行成像，因此不受光照和阴影的干扰，且其透云性强，能够在较低的可见光条件下高效工作。在没有光线或微弱光线的情况下，近红外相机使用的是红外辐射器件，通过对目标进行主动的红外辐射，经过目标的折射后，再被目标所吸收，从而形成了一种新的夜视模式，但其具有颜色畸变、发热过大等缺点。

在消防机器人中，利用这些图像设备构成的视觉系统来获取周围环境的信息。常见的消防机器人视觉系统，通常使用的是单目视觉和立体视觉两种视觉系统。前者采用单台相机进行周边环境的监测，其结构相对简单；后一种方法是利用多台相机，通过对同一空间对象在不同视角下的影像进行差异化处理，从而获得物体的深度信息，并对其进行三维重构。根据所用相机的数量及种类不同，可将其分为双眼与多眼两种。立体视觉在成像过程中面临着相机标定、立体匹配以及三维重构等三个关键问题，其复杂性比单目视觉有了大幅提升，且随相机数量的增多还将继续提升，所以目前广泛采用的是双目立体视觉。

2.系统控制／视觉信息处理器

系统控制／视觉信息处理器是消防机器人视觉感知技术的关键组成部分。该系统主要通过红外、可见光等多种视觉传感器获取火灾现场的多种信息。该系统利用高性能处理器及先进的图像处理技术，对接收到的图像进行实时处理与分析。该系统可对火源、烟气、人员等重要信息进行快速识别，并对温度场、火情蔓延趋势等环境特性进行有效的提取。

通过系统的控制算法，提出了一种基于图像处理技术的火灾自动报警方法，并利用该方法对火灾现场进行自动跟踪。并可将经过处理的影像及环境特性等资料，经由无线网路传送至远端指挥中心，以协助决策人员即时掌握野外资讯。该处理器以实时、准确、稳定为核心，以保证在复杂的火灾场景下，能够快速准确地完成灭火任务。

3.视觉感知算法

3.1火焰检测

火焰的识别与定位是消防机器人的基础，国内外学者对其进行了广泛的研究，并取得了丰硕的成果。现有的火焰监测技术多采用温度、烟气、火焰等传感器来获取火焰的温度、离子浓度以及紫外线等信息。在此基础上，采用频域、小波域等变换域对火焰（或烟雾）进行建模，实现对火焰/烟雾的检测。其最大的不足在于无法进行空间位置的定位。基于图像特征的火焰图像提取算法。传统的彩色相机在烟雾弥漫的情况下，其最大的缺点就是在烟雾弥漫的情况下，所用的彩色相机往往不能正常工作。与之相比，利用纹理特征可以体现被探测目标的空间形态，且稳定性好，不容易受到各类运动的影响，特别适合远程探测，但其缺点是在特征阶数较高时，计算量较大。

3.2人体检测

对火灾环境下的人体目标进行检测与识别是完成被困人员营救的基础。随着人们对消防机器人智能化的要求越来越高，人们对火灾中的进行人体检测算法的研究也逐渐展开。目前，基于视觉的人体检测方法主要有四种：人体模型检测方法、模板匹配方法、运动检测方法。人体检测是利用简单的二维图形或线图，对人体的轮廓、骨骼或各部分进行概化、逼近，并将所提取的对象与之相匹配。这样的方法旨在对人体外形进行直观地表示，便于对人体姿势和运动进行分析和理解。模板匹配原则是先获取人体各部分或各部分的模板，然后高效地将其组织为一组模板。在识别过程中，利用一定的距离度量，将待识别的对象与该模板集合相匹配。运动检测方法根据物体的运动状态来进行物体的探测，一般都是利用人体步态的周期来进行。该算法依赖于时间，难以对静态和非常规步态下的行人进行辨识。

3.3障碍物检测

大部分的消防机器人都采用了红外、超声波、LIDAR等非视觉传感器来进行障碍物探测和定位，有的时候也会与视觉相结合来提高探测的准确性或拓展功能，比如将建筑物中的固定摄像头与小型侦查机器人相结合获取的道路信息，为被困人员提供一条完整的、可行的道路信息。当然，目前已有一些单纯依靠视觉来进行障碍物探测的方法。该算法可以分为三种：基于特征的算法、基于光流场的算法和基于立体视觉的算法。在此基础上，提出了一种新的基于特征的障碍物识别算法。这种方法计算量较小，但精度较低。基于光流场的算法则通过分析图像序列中像素强度的变化来估计物体的运动，从而检测障碍物。这种方法在动态环境中表现较好，但在光照变化剧烈或遮挡情况下可能会遇到困难。而基于立体视觉的算法则通过模拟人眼的双目视觉原理，利用两台或多台相机从不同角度拍摄同一场景，通过计算视差来获取物体的三维信息，进而实现障碍物的精确检测。

结束语：

综上所述，在实际应用中，需要根据具体场景和需求选择合适的算法，或者结合多种算法的优势进行融合，以提高障碍物检测的准确性和鲁棒性。未来，随着计算机视觉技术的不断发展和消防机器人应用场景的不断拓展，相信会有更多高效、准确的障碍物检测算法被提出，为消防机器人的智能化和自主化提供更有力的支持。

参考文献

[1]徐培全，唐新华，芦凤桂，等.基于机器人焊接的视觉传感系统研究综述[J].焊接，2021（08）：104-106.

[2]高云峰，吴秀芬.服务机器人视觉系统模块化研究综述[J].机械设计与制造，2022（02）：166-168.

[3]宋子鸣.一类移动机器人的视觉感知与控制技术研究[J].南京理工大学，2021（03）：120-122.

作者简介

李宛霖（2004.07-），女，汉族，吉林省通化县人，大学本科在读，研究方向：计算机科学与技术