1.本发明属于无人巡检技术领域，具体涉及一种防爆巡检无人车。
背景技术：
2.火灾是危害社会安全和发展的常见灾害之一，消防安全对于社会的生产安全至关重要。火灾现场环境恶劣，有大量有毒有害气体和浓烟，极有可能造成消防人员窒息和中毒，其次，消防人员能够携带的防护装备有限，在建筑物等火灾现场进行灭火作业时很有可能发生坍塌，造成消防人员的人身安全事故；消防人员也无法准确测量各项数据并及时地将数据发送到指挥中心。同时消防人员使用的工具也有明显的局限性，云梯、水枪等灭火范围和高度十分有限；携带的灭火剂量有限，难以扑灭大型火灾。
3.消防机器人是近来发展迅速的一种消防工具。消防机器人可代替消防人员进入火场灭火，保障消防人员的生命安全。但现有的消防机器人的工作方式大都是人手动操控，智能化程度低。在消防中应用搭载灭火装置的巡检无人车，其优势在于：灭火弹可以进行近、远程灭火，调整灵活，维护简单，使用安全，在消防灭火中得到越来越多的应用；巡检无人车可实现自主巡检，无需人工遥控，可进入各种复杂危险的区域执行灭火任务；搭载多种传感器对现场进行检查，发现异常并及时预警，同时使用灭火弹进行灭火，及时遏制火灾发展。
技术实现要素：
4.为了克服现有技术的不足，本发明提供了一种搭载灭火装置的防爆巡检无人车，搭载可见光摄像头，超声波雷达，激光雷达等传感器，采用高精地图并感知周围环境实现定位、建图和避障；采用基于深度学习的火焰和阴燃火检测算法，检测并定位火焰坐标；搭载电磁发射系统驱动的灭火弹，发射灵活，灭火范围广；远程综合指挥系统结合了无人车和无人机的优势，并针对火灾现场，采用优化的火场路径规划算法，使得火灾救援更高效和有方向性。
5.本发明解决其技术问题所采用的技术方案如下：
6.一种搭载灭火装置的防爆巡检无人车，包括自主导航系统、火焰检测系统、定位和追踪系统、阴燃火检测系统、任务和路径规划系统及远程综合指挥控制系统；
7.所述火焰检测系统和阴燃火检测系统包括红外图像预处理、图像分割、图像特征提取和图像识别四部分；首先根据红外图像计算巡检区域的温度均值和变化率特性对火灾进行预判断，当判断区域温度异常可能发生火灾时，对图像做进一步的图像分割、特征提取和图像识别；
8.采用红外图像分割算法对高温区域进行分割，得到温度异常的目标区域；分割出目标区域后，进行火焰特征提取，结合火焰的各项特征作进一步判断，排除高温的非目标物体的干扰；
9.提取目标区域的特征包括圆度、矩度、偏心度形状特征和面积变化率及波动动态特征；波动特征计算目标区域连续多帧图像的几何矩，以其等效椭圆特征变化率的均值作
为动态特征,包含长短半轴变化率均值和方向变化率均值，以此为判断依据，将其与类似的高温干扰目标分离；
10.巡检无人车搭载温湿度传感器、烟雾浓度传感器、粉尘传感器、co和co2气体浓度传感器，再融合红外成像仪图像特征，判断是否存在阴燃火和二次火灾发生的概率；
11.巡检无人车在判断火灾发生并检测到火焰后,计算目标区域的坐标，使用搭载的灭火装置发射灭火弹，同时跟踪火灾的发展趋势，使机器人保持在有效灭火作业范围内；
12.巡检无人车搭载rgbd相机获取火焰坐标，先对齐rgb图像和深度图，消除rgbd相机不同摄像头位置差导致rgb图像和深度图像存在不匹配，在检测并跟踪到火焰时读取火焰中心位置坐标产生的偏差；图像对齐后，rgb图像和深度图像形成等映射关系，直接从深度图像中获取火焰区域中心点的深度信息，进而获取rgb图像中像素点到相机坐标系下对应的三维坐标；
13.所述定位和追踪系统采用栅格法构建环境空间模型，将周围环境的地图信息转换成计算机可以处理以及识别的抽象空间，同时引入建筑信息模型辅助机器人进行建图，加快路径的搜索，快速准确定位到被困者的位置，结合bim中的信息，预测火情下可能发生垮塌部位导致的障碍物，使得机器人进入火场前可以先获得建筑物室内的全局地图；
14.所述任务和路径规划系统中巡检无人车通过全局地图和预测障碍物获取一条初始路径，在运行初期围绕此路径避开障碍物进行搜索；初始化蚁群算法参数，根据转移概率选择节点并进行信息素更新；信息素更新时提取出此次迭代过程中的最短路径，并与上一迭代中最短路径进行逐节点对比，基于各节点的贡献，提高同时存在于两条最短路径的节点的信息素含量；实时更新节点附近障碍物分布情况并动态调整启发函数，根据路径的转折来更新信息素挥发速率，在快速搜索到最优路径的同时避开了障碍物密集的区域；采用动态窗口策略，设定子目标不断更新环境信息，将全局路径转换成为多段局部路径，使无人车进入火场后在全局路径的下进行局部路径规划，使得救援更具有实时性；
15.所述远程综合指挥控制系统中无人车将火灾现场信息和坐标发送给远程综合指挥控制系统，控制系统根据火灾情况，调度其他灭火无人车和无人机进行协同侦察和灭火，无人车将现场数据实时传给远程综合指挥控制系统进行信息处理、判别火势，然后根据现有灭火车数量和灭火车性能制定协同灭火任务规划，实施灭火任务，根据灭火效能评估和调整灭火方案；无人车采用电磁发射驱动的灭火弹进行灭火，电磁发射可自动调整发射角度和射程，实现精准高效灭火。
16.所述自主导航系统实现巡检无人车自主导航与避障。
17.进一步地，所述红外图像分割算法具体为：
18.采用otsu和区域生长法结合的红外图像分割算法，首先在将图像中的最高温度点作为起始种子点，采用区域灰度均值的区域生长法对输入的红外图像进行第一次分割，得到背景区域和初次高温检测区域，再使用otsu算法对初次分割的高温区域进行二次分割，得到温度异常的目标区域；分割出目标区域后，进行火焰特征提取，结合火焰的各项特征作进一步判断，排除高温的非目标物体的干扰。
19.本发明的有益效果如下：
20.本发明采用基于可见光摄像头、激光雷达和激光雷达的定位导航系统，可实现全天候的自主导航避障，无需人工遥控，可进入各种复杂危险的区域执行灭火任务；在自主巡
检使实时监测火灾，发现异常并及时预警，使用灭火弹进行灭火，及时遏制火灾发展；搭载多种传感器对现场进行检查，防止阴燃火导致火灾再次发生，造成更多的损失；远程综合指挥控制系统结合灭火无人车和无人机进行协同侦察和灭火，提高了系统的智能化水平。
附图说明
21.图1是巡检无人车系统结构框图。
22.图2是巡检无人车火焰检测系统框图。
具体实施方式
23.下面结合附图和实施例对本发明进一步说明。
24.本发明的目的在于针对安防巡检中的消防需求，提出一种搭载灭火装置的巡检无人车。无人车可在自主巡检时第一时间发现火灾，并使用灭火弹及时灭火，避免火灾蔓延，减少损失。
25.为实现上述目的，本发明提出的一种搭载灭火装置的防爆巡检无人车，包括自主导航系统，火焰检测、定位和追踪系统，阴燃火检测系统，任务和路径规划系统，远程综合指挥系统组成。
26.巡检无人车搭载可见光摄像头，超声波雷达，激光雷达等传感器，采用高精地图并感知周围环境实现定位、建图和避障；采用基于深度学习的火焰和阴燃火检测算法，检测并定位火焰坐标；搭载电磁发射系统驱动的灭火弹，发射灵活，灭火范围广；远程综合指挥系统结合了无人车和无人机的优势，并针对火灾现场，采用优化的火场路径规划算法，使得火灾救援更高效和有方向性。
27.巡检无人车火焰检测系统包含红外图像预处理，图像分割，图像特征提取和图像识别四部分。首先根据红外图像计算巡检区域的温度均值和变化率等温度特性对火灾进行预判断，当判断区域温度异常可能发生火灾时，对图像做进一步的图像分割、特征提取和图像识别。
28.进一步的，采用一种otsu和区域生长法结合的红外图像分割算法。首先在将图像中的最高温度点作为起始种子点，采用区域灰度均值的区域生长法对输入的红外图像进行第一次分割，得到背景区域和初次高温检测区域，再使用otsu算法对初次分割的高温区域进行二次分割，得到温度异常的目标区域。分割出目标区域后，进行火焰特征提取，结合火焰的各项特征作进一步判断，排除高温的非目标物体的干扰。
29.进一步的，提取目标区域的特征包括圆度、矩度、偏心度等形状特征和面积变化率，波动等动态特征。波动特征计算目标区域连续多帧图像的几何矩，以其等效椭圆特征变化率的均值作为动态特征,包含长短半轴变化率均值和方向变化率均值，以此为判断依据，将其与类似的高温干扰目标分离。
30.进一步的，巡检无人车搭载了温湿度传感器、烟雾浓度传感器、粉尘传感器、co和co2气体浓度传感器，再融合红外成像仪图像特征，判断是否存在阴燃火和二次火灾发生的概率。
31.巡检机器人在判断火灾发生并检测到火焰后,计算目标区域的坐标，使用搭载的灭火装置发射灭火弹，同时跟踪火灾的发展趋势，使机器人保持在有效灭火作业范围内。
32.进一步的，无人车搭载rgbd相机获取火焰坐标，先对齐rgb图像和深度图，消除rgbd相机不同摄像头位置差导致rgb图像和深度图像存在不匹配，在检测并跟踪到火焰时读取火焰中心位置坐标产生的偏差；图像对齐后，rgb图像和深度图像形成等映射关系，直接从深度图像中获取火焰区域中心点的深度信息，进而获取rgb图像中像素点到相机坐标系下对应的三维坐标。
33.进一步的，无人车将火灾现场信息和坐标发送给远程综合指挥控制系统，控制指挥系统根据火灾情况，调度其他灭火无人车和无人机进行协同侦察和灭火，无人车将现场数据实时传给综合指挥控制系统进行信息处理，判别火势，然后根据现有灭火车数量和灭火车性能制定协同灭火任务规划，实施灭火任务，根据灭火效能评估和调整灭火方案。
34.进一步的，无人车采用电磁发射驱动的灭火弹进行灭火，电磁发射可自动调整发射角度、射程等，实现精准高效灭火。
35.进一步的，采用栅格法构建环境空间模型，将周围环境的地图信息转换成计算机可以处理以及识别的抽象空间，同时引入建筑信息模型辅助机器人进行建图，加快路径的搜索，快速准确定位到被困者的位置，结合bim中的信息，预测火情下可能发生垮塌部位导致的障碍物，使得机器人进入火场前可以先获得建筑物室内的全局地图。
36.无人车通过全局地图和预测障碍物获取一条初始路径，使得算法在运行初期就能围绕着此路径避开大部分障碍物稳定地进行搜索；初始化蚁群算法参数，根据转移概率选择节点并进行信息素更新；信息素更新时提取出此次迭代过程中的最短路径，并与上一迭代中最短路径进行逐节点对比，基于各节点的贡献，提高同时存在于两条最短路径的节点的信息素含量；实时更新节点附近障碍物分布情况并动态调整启发函数，根据路径的转折来更新信息素挥发速率，在快速搜索到最优路径的同时避开了障碍物密集的区域；采用动态窗口策略，设定子目标不断更新环境信息，将全局路径转换成为多段局部路径，使无人车进入火场后在全局路径的下进行局部路径规划，使得救援更具有实时性。
37.具体实施例：
38.参照图1，本发明提出的一种搭载灭火装置的防爆巡检无人车，包括自主导航系统，火情检测、定位和追踪系统，阴燃火检测系统，路径规划系统和远程综合指挥系统。
39.巡检无人车采用可见光摄像头，超声波雷达，激光雷达等传感器，结合园区高精地图，感知周围环境建立巡检地图，实现自主导航和避障，自动规划巡检路径；采用基于深度学习的火焰和阴燃火检测算法，检测并定位火情地点；搭载电磁发射系统驱动的灭火弹，发射灵活，灭火范围广；结合远程综合指挥系统，并针对火灾现场，采用优化的火场路径规划算法，使得火灾救援更高效和有方向性。
40.参照图2，巡检无人车火焰检测系统包含红外图像预处理，图像分割，图像特征提取和图像识别四部分。首先根据红外图像计算巡检区域的温度均值和变化率等温度特性对火灾进行预判断，当判断区域温度异常可能发生火灾时，对图像做进一步的图像分割、特征提取和图像识别。
41.图像分割采用一种otsu和区域生长法结合的红外图像分割算法，首先在将图像中的最高温度点作为起始种子点，采用区域灰度均值的区域生长法对输入的红外图像进行第一次分割，得到背景区域和初次高温检测区域，再使用otsu算法对初次分割的高温区域进行二次分割，得到轮廓规则和噪点低的温度异常的目标区域。分割出目标区域后，进行火焰
特征提取，结合火焰的各项特征作进一步判断，排除高温的非目标物体的干扰。
42.提取目标区域的特征包括圆度、矩度、偏心度等形状特征和面积变化率，波动等动态特征。波动特征计算目标区域连续多帧图像的几何矩，以其等效椭圆特征变化率的均值作为动态特征，包含长短半轴变化率均值和方向变化率均值。高温干扰物的等效椭圆特征波动较小，而火焰燃烧是动态过程，其等效椭圆特征波动较大，以此为判断依据，将其与类似的高温干扰目标分离。
43.火灾受现场多种环境因素的影响，巡检无人车搭载了温湿度传感器、烟雾浓度传感器、粉尘传感器、co和co2气体浓度传感器，再融合红外图像特征，建立神经网络判断火情处于那个阶段，以及判断是否存在阴燃火和二次火灾发生的概率。
44.巡检机器人在检测到火焰和判断火灾发生后,计算灭火目标的坐标，使用搭载的灭火装置发射灭火弹，同时跟踪火灾的发展趋势，使机器人保持在有效灭火作业范围内。无人车搭载rgbd相机获取灭火目标的坐标。由于rgbd相机不同摄像头间存在位置差，导致rgb图像和深度图像存在不匹配，无人车在检测并跟踪到火焰时，直接读取火焰中心位置坐标会产生偏差，读出错误的深度值。因此需要将rgb图像与深度图像的对齐形成1:1的映射关系，可以直接从深度图像中获取到准确的火焰区域中心点的深度信息。获得己知深度信息的情况下，计算rgb图像中像素点到相机坐标系下对应点三维坐标。
45.无人车获取火焰目标的坐标后，使用电测发射驱动灭火弹进行灭火，电磁发射可自动调整发射角度、充电、弹丸填装、发射等一系列灭火操作，实现精准高效灭火。相比于火箭发射和气动发射，重量和体积更小，电磁发射方式使其载体无人车有更高的机动性和灵活性，进而可装载更多的灭火剂量，提高灭火能力；无需火药起爆，储存维护要求低,可在石油化工品等危险易爆场合中使用,使用范围更广。
46.无人车将火灾现场信息和坐标发送给远程综合指挥控制系统，控制指挥系统根据火灾情况，调度其他灭火无人车和无人机进行协同侦察和灭火，将数据实时传给综合指挥控制系统进行信息处理，判别火势，然后根据现有灭火车数量和灭火车性能制定协同灭火任务规划，实施灭火任务，根据灭火效能评估和调整灭火方案。
47.无人车接到灭火调度指令后，采用蚁群算法规划进入火灾现场的路径。首先采用栅格法构建环境空间模型，将机器人周围环境的相关地图信息转换成计算机可以处理以及识别的抽象空间，同时引入建筑信息模型辅助无人车进行建图，bim信息处理包括提取，数据转换和数学表示，预测火情下可能发生垮塌部位导致的障碍物，使得机器人进入火场前可以先获得建筑物室内的全局地图。
48.无人车通过全局地图和预测障碍物获取一条初始路径，使得算法在运行初期就能围绕着此路径避开大部分障碍物稳定地进行搜索；初始化蚁群算法参数，根据转移概率选择节点并进行信息素更新；信息素更新时提取出此次迭代过程中的最短路径，并与上一迭代中最短路径进行逐节点对比，基于各节点的贡献，提高同时存在于两条最短路径的节点的信息素含量；实时更新节点附近障碍物分布情况并动态调整启发函数，根据路径的转折来更新信息素挥发速率，在快速搜索到最优路径的同时避开了障碍物密集的区域；采用动态窗口策略，设定子目标不断更新环境信息，将全局路径转换成为多段局部路径，使无人车进入火场后在全局路径的下进行局部路径规划，使得救援更具有实时性。