(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210827730.3 (22)申请日 2022.07.14 (71)申请人 北京汇力 智能科技有限公司 地址 100070 北京市丰台区南四环西路18 8 号十七区18号楼1 1层1101-1室 （园区） (72)发明人 杨涛　黄曙光　杨新杭　张彦召　 (74)专利代理 机构 北京猷德知识产权代理有限 公司 16084 专利代理师 范继晨 (51)Int.Cl. B61D 15/12(2006.01) B62D 57/032(2006.01) G06T 7/593(2017.01) G06T 7/73(2017.01) G06T 7/13(2017.01) (54)发明名称 一种用于列车巡检的机器人以及识别控制 方法 (57)摘要 本公开实施例提供一种用 于列车巡检的机 器人以及识别控制方法， 所述机器人包括主体， 在所述主体内设置控制装置， 在所述主体的下方 设置行走装置， 在所述主体上设置探测装置， 所 述探测装置至少包括视觉探测装置和声音探测 装置， 其中， 所述视觉探测装置用于识别和定位 所述列车车厢上的缓解阀和/或拉手， 所述声音 探测装置用于判断所述列车的排风动作是否完 成。 本公开实施例对铁 路敞车进行拉风作业和车 底巡检， 替代人工实现拉风及巡检作业， 能够降 低人员安全风险， 减轻人工劳动强度， 提高铁路 敞车放风作业的自动化水平， 进一步提高翻车机 系统无人化和自动化 运行水平。 权利要求书2页 说明书13页 附图2页 CN 115384556 A 2022.11.25 CN 115384556 A 1.一种用于列 车巡检的机器人， 其包括主体， 在所述主体 内设置控制装置， 在所述主体 的下方设置行走装置， 其特征在于， 在所述主体上设置探测装置， 所述探测装置至少包括视 觉探测装置和声音探测装置， 其中， 所述视觉探测装置用于识别和定位所述列车车厢上 的 缓解阀和/或拉手， 所述声 音探测装置用于判断所述列车的排 风动作是否 完成。 2.根据权利要求1所述的机器人， 其特征在于， 所述行走装置包括四个腿部， 通过四个 所述腿部以实现行 走以及所述主体在垂直方向上的升降。 3.根据权利要求1所述的机器人， 其特征在于， 在所述主体上设置机械臂， 在所述机械 臂上设置执 行装置。 4.一种用于机器人的识别控制方法， 用于识别和定位列 车车厢上的缓解阀和/或拉手， 所述机器人为权利要求1 ‑3中任一项所述的机器人， 其中所述视觉探测装置采用深度3D相 机， 其特征在于， 所述识别控制方法包括： 通过所述深度3D相机中的两个摄像头分别获取缓解阀和/或拉手的第 一图像数据和第 二图像数据； 基于所述第一图像数据、 所述第二图像数据以及模板图像进行图像特 征匹配； 基于图像特征匹配后的图像数据以及视差数据进行图像深度融合， 获取缓解阀和/或 拉手的三维位置信息 。 5.根据权利要求 4所述的识别控制方法， 其特 征在于， 所述图像特 征匹配包括： 将模板图像和相机图像的图像特 征抽象生成为特 征描述子； 计算模板图像和相机图像的特 征描述子之间的匹配程度。 6.根据权利要求5所述的识别控制方法， 其特征在于， 所述模板图像的特征描述子通过 以下方式生成： 采集只包 含缓解阀和/或拉手的图像。 使用轮廓检测算法检测出缓解阀和/或拉手的轮廓； 从图像的任一点开始扫描轮廓点， 并对所述轮廓点进行采样， 获得具有固定长度的点 集P＝(p1,p2,p3,…,pn)， 其中pi＝(xold,yold)是所述轮廓点的二维点 坐标； 将点集中的每个点坐标映射到固定大小的区域内， 生成新的点集， 作为模板 图像中图 像轮廓的特征描述子， 表达式为P ′＝(p′1,p′2,…,p′n)， 其中， p ′i＝(xnew,ynew)是映射后的 新的点坐标， 映射公式如下： xnew＝xold×Wnew/Wold ynew＝yold×Hnew/Hold 其中， Wold,Hold是原图像的宽和高， Wnew,Hnew是映射后图像的宽和高。 7.根据权利要求6所述的识别控制方法， 其特征在于， 所述相机图像的特征描述子通过 以下方式生成： 采用预定大小的滑动窗在相机图像上按照预定顺序， 进行滑动取样； 对于每次滑动取样后的子图像， 检测出缓解阀和/或拉手的轮廓； 对轮廓点进行采样， 获取每个所述子图像的特征描述子， 记为 作为所述相机图像的特 征描述子 。 8.根据权利要求7所述的识别控制方法， 其特征在于， 所述匹配程度通过欧式距离计权　利　要　求　书 1/2 页 2 CN 115384556 A 2算， 通过以下公式实现： 9.一种用于机器人的识别控制方法， 用于判断排风动作是否完成， 所述机器人为权利 要求1‑3中任一项所述的机器人， 其特 征在于， 所述识别控制方法包括： 在对音频信号进行剔除噪声信号以及工频信号预处理后， 应用MFCC梅尔频率倒谱系数 技术进行音频 特征提取， 以降低声 音数据维度并且保留声 音信号的有效特 征； 基于提取的音频 特征采用深度学习技 术获取排 风声音特征； 基于获取的排 风声音特征与预设阈值进行比较， 以判断排 风动作是否 完成。 10.根据权利要求9所述的识别控制方法， 其特征在于， 采用深度学习技术获取排风声 音特征， 包括： 获取待检测音频 特征以及标准 排风声音的音频 特征； 基于训练模型通过计算待检测音频特征以及标准排风声音的音频特征之间的特征距 离进行训练； 基于训练结果获取排 风声音特征。权　利　要　求　书 2/2 页 3 CN 115384556 A 3