一種輔助火災(zāi)搜救的智能車設(shè)計(jì)*

王曉鵬，于家旺，趙恩波，楊建海，趙楠楠

（遼寧科技大學(xué)電子與信息工程學(xué)院，遼寧 鞍山 114000）

1 研究背景

在過(guò)去的幾十年里，大量的高樓大廈、核工廠和化學(xué)實(shí)驗(yàn)室等不斷出現(xiàn)火災(zāi)，當(dāng)這些地方出現(xiàn)火災(zāi)時(shí)，不僅難于進(jìn)行滅火，而且其中的很多危險(xiǎn)因素都直接威脅著消防人員的生命安全[1]。本文設(shè)計(jì)了一款火災(zāi)救助智能車，不僅可以代替消防員，搜集火災(zāi)現(xiàn)場(chǎng)，減輕消防人員的負(fù)擔(dān)；也可以進(jìn)入樓宇進(jìn)行監(jiān)測(cè)，搜尋生命跡象。

近年來(lái)，隨著科學(xué)技術(shù)的不斷發(fā)展火災(zāi)救助智能車的研制工作也有了很大地提高。但我國(guó)的火災(zāi)救助智能車起步較晚，還存在智能化程度不夠、環(huán)境處理能力弱、可靠性不強(qiáng)等問(wèn)題。該智能車小巧，在開(kāi)發(fā)時(shí)盡可能多地采用成熟技術(shù)，注意配套技術(shù)，確保使用時(shí)的可靠性與實(shí)用性，適用于更多場(chǎng)景。

目前的火災(zāi)救助都采用消防員進(jìn)入災(zāi)區(qū)，承擔(dān)監(jiān)測(cè)災(zāi)區(qū)環(huán)境，尋找生命跡象等任務(wù)，這對(duì)消防員來(lái)說(shuō)是十分危險(xiǎn)的。為了減少消防員進(jìn)入災(zāi)區(qū)的時(shí)間，該智能車將代替消防員，進(jìn)行初次的勘測(cè)災(zāi)區(qū)環(huán)境和尋找人類生命跡象活動(dòng)，從而保證消防員的生命安全。

它的主要特點(diǎn)是擁有自動(dòng)、遙控雙模式，使用簡(jiǎn)單、方便，能對(duì)發(fā)現(xiàn)的生命體進(jìn)行簡(jiǎn)單的救助（對(duì)其周圍噴灑水）。此市場(chǎng)并不完善，有較大的應(yīng)用前景。

2 整體設(shè)計(jì)方案

2.1 功能設(shè)計(jì)

該設(shè)計(jì)是一個(gè)用于輔助消防員進(jìn)行火災(zāi)探測(cè)工作的智能小車。該智能車是由STM32、OpenMV4-plus、超聲波模塊、人體紅外感應(yīng)模塊、ESP8266 Wi-Fi 模塊、2.4 G 無(wú)線模塊、電機(jī)驅(qū)動(dòng)模塊、噴水裝置以及其他機(jī)械結(jié)構(gòu)構(gòu)成。整體結(jié)構(gòu)設(shè)計(jì)見(jiàn)圖1。

圖1 智能車結(jié)構(gòu)設(shè)計(jì)圖

該智能車車輪采用耐火材料，以保證該智能車在進(jìn)入火災(zāi)現(xiàn)場(chǎng)后可以正常地工作。該智能車有兩種模式，一種是自動(dòng)模式，另一種是遙控模式。在自動(dòng)模式下，該車始終貼近右墻壁前進(jìn)，同時(shí)用攝像頭記錄現(xiàn)場(chǎng)實(shí)時(shí)信息，并反饋給操作人員。當(dāng)該智能車接收到由人體產(chǎn)生的紅外信號(hào)后，對(duì)該點(diǎn)進(jìn)行標(biāo)記，規(guī)劃到達(dá)的最短路線，同時(shí)將該點(diǎn)坐標(biāo)發(fā)送給操作人員，解決了消防員花費(fèi)大量時(shí)間監(jiān)測(cè)，并進(jìn)行生命信號(hào)尋找的過(guò)程，整個(gè)過(guò)程更加的快捷、高效。該智能車在到達(dá)被困人員附近后，自動(dòng)對(duì)其周圍的火域進(jìn)行噴水，從而保證人身安全。在自動(dòng)前進(jìn)過(guò)程中，由避障模塊控制智能車進(jìn)行自動(dòng)避障，以保證車輛整體的安全。遙控模式下，操作人員利用攝像頭觀察周圍的地形、局勢(shì)，并通過(guò)無(wú)線通信模塊控制小車前進(jìn)，控制噴水器噴水。智能車工作流程見(jiàn)圖2。

圖2 智能車工作流程圖

2.2 系統(tǒng)設(shè)計(jì)

該智能車以STM32 為主控，車身通體使用鋁合金，在電池以及模塊表面涂抹阻燃劑。在進(jìn)入火災(zāi)區(qū)域后，整體結(jié)構(gòu)依靠超聲波模塊對(duì)右墻壁進(jìn)行校準(zhǔn)，使其與右墻壁始終保持一定距離，智能車將掃描火災(zāi)區(qū)域的大致形狀，通過(guò)ESP8266 Wi-Fi 模塊將火災(zāi)內(nèi)部環(huán)境信息發(fā)送至手機(jī)端，并由STM32依照火災(zāi)形狀信息進(jìn)行路徑規(guī)劃。智能車在正常行駛過(guò)程中，依靠車頭上的三個(gè)超聲波模塊進(jìn)行避障處理。由紅外模塊來(lái)接收人體的紅外信號(hào)，以達(dá)到快速尋找火災(zāi)受困人員的目的。

智能車通過(guò)OpenMV 攝像頭探測(cè)火焰大概位置，然后旋轉(zhuǎn)云臺(tái)，通過(guò)紅外檢測(cè)模塊進(jìn)一步確認(rèn)火焰位置，再結(jié)合煙霧傳感器確認(rèn)火焰的發(fā)生，旋轉(zhuǎn)二維云臺(tái)，將噴水裝置對(duì)準(zhǔn)火源，進(jìn)行火災(zāi)的簡(jiǎn)單處理。在處理復(fù)雜火災(zāi)情況時(shí)，可使用2.4 G 模塊實(shí)現(xiàn)對(duì)智能車進(jìn)行遠(yuǎn)程遙控及噴水等操作。

3 實(shí)現(xiàn)方案與核心算法

3.1 詳細(xì)設(shè)計(jì)

該智能車選用四輪麥克納姆輪結(jié)構(gòu)，能夠全方向移動(dòng)，可以靈活地在火災(zāi)區(qū)域內(nèi)部活動(dòng)。車身搭載的超聲波模塊能夠進(jìn)行避障，人體紅外傳感器模塊能對(duì)受困人員進(jìn)行小范圍的搜尋，攝像頭選擇OpenMV4plus，它是一款開(kāi)源，低成本的機(jī)器視覺(jué)模塊[2]。該攝像頭能提供充足的存儲(chǔ)空間和帶寬來(lái)運(yùn)行復(fù)雜的算法和存儲(chǔ)大量的圖像數(shù)據(jù)，并且支持多種機(jī)器視覺(jué)算法和深度學(xué)習(xí)模型。通信模塊采用ESP8266，能將攝像頭模塊的實(shí)時(shí)數(shù)據(jù)反饋到手機(jī)上。無(wú)線遙控采用2.4 G 模塊，連接更加穩(wěn)定。

3.2 核心算法

3.2.1 PID 控制算法

在人工智能車領(lǐng)域，PID 算法控制以其處理速率快，魯棒性好，無(wú)用干擾誤差信號(hào)影響較小，數(shù)據(jù)整定較為方便等特點(diǎn)而被廣泛應(yīng)用[3]。傳統(tǒng)的增量式PID 算法公式為

增量式PID 應(yīng)用在智能車上的流程見(jiàn)圖3。

圖3 智能車增量式PID 流程圖

在整個(gè)算式的過(guò)程中不需要對(duì)計(jì)算量進(jìn)行累加，輸出為系統(tǒng)控制量之間的增量，因此當(dāng)計(jì)算機(jī)系統(tǒng)出現(xiàn)故障時(shí)，影響范圍較小，執(zhí)行程序的結(jié)構(gòu)本身具有記憶的功能，可以繼續(xù)保持原有的位置不變，并不會(huì)過(guò)多影響整個(gè)智能車系統(tǒng)的正常運(yùn)轉(zhuǎn)。由于記憶系統(tǒng)相關(guān)的控制量是增量式PID 所必需的工作，所以對(duì)于一些自身不帶記憶裝置的系統(tǒng)時(shí)，就只能采用位置式PID 進(jìn)行調(diào)節(jié)與控制。在手動(dòng)和自動(dòng)之間進(jìn)行切換時(shí)，對(duì)計(jì)算機(jī)系統(tǒng)產(chǎn)生的沖擊較小，可實(shí)現(xiàn)計(jì)算機(jī)在兩者之間的無(wú)擾動(dòng)切換。

3.2.2 實(shí)時(shí)目標(biāo)檢測(cè)

YOLO-V2 是一種用于實(shí)時(shí)目標(biāo)檢測(cè)的卷積神經(jīng)網(wǎng)絡(luò)，它的構(gòu)架分為特征提取網(wǎng)絡(luò)、特征融合網(wǎng)絡(luò)、檢測(cè)網(wǎng)絡(luò)3 個(gè)部分。在使用深度卷積網(wǎng)絡(luò)提取目標(biāo)圖像特征時(shí)，卷積網(wǎng)絡(luò)深度和寬度決定網(wǎng)絡(luò)性能，與淺層網(wǎng)絡(luò)相比，深層網(wǎng)絡(luò)特征提取效果更佳[4]。但由于網(wǎng)絡(luò)過(guò)深，導(dǎo)致誤差梯度在反向傳播時(shí)不能有效指導(dǎo)前層網(wǎng)絡(luò)權(quán)重的更新方向，致使網(wǎng)絡(luò)訓(xùn)練時(shí)間加長(zhǎng)和擬合能力變?nèi)酢埐罹W(wǎng)絡(luò)結(jié)構(gòu)加入基于YOLO-V2 的特征提取網(wǎng)絡(luò)中，并通過(guò)火焰識(shí)別試驗(yàn)數(shù)據(jù)驗(yàn)證改進(jìn)特征提取網(wǎng)絡(luò)的性能。實(shí)驗(yàn)結(jié)果表明，在原有的特征提取網(wǎng)絡(luò)加入殘差結(jié)構(gòu)能夠有效地提高深度卷積網(wǎng)絡(luò)模型的性能[5]。

智能車采用OpenMV4plus 對(duì)火焰進(jìn)行識(shí)別，使用的是云端的edge impulse 網(wǎng)站來(lái)進(jìn)行模型的訓(xùn)練及自動(dòng)生成。只需要將火焰數(shù)據(jù)集上傳即可獲得OpenMV4plus 可使用的訓(xùn)練模型，進(jìn)行目標(biāo)識(shí)別。模型訓(xùn)練見(jiàn)圖4。

圖4 模型訓(xùn)練圖片

3.2.3 路徑規(guī)劃

該算法依靠MATLAB 函數(shù)對(duì)區(qū)域內(nèi)部進(jìn)行路徑規(guī)劃。該函數(shù)接受父節(jié)點(diǎn)、網(wǎng)格的行數(shù)和列數(shù)、障礙物和關(guān)閉列表作為輸入。它首先定義了一個(gè)多邊形障礙區(qū)域（深色為障礙墻壁），設(shè)置一個(gè)智能車工作的起點(diǎn)和受困人員所在的區(qū)域，仿真演示見(jiàn)圖5。然后計(jì)算可能的子節(jié)點(diǎn)，對(duì)于每個(gè)子節(jié)點(diǎn)，檢查該點(diǎn)是否在多邊形內(nèi)且不在障礙物列表中。如果滿足這些條件，則將其添加到子節(jié)點(diǎn)列表中。最后，排除已經(jīng)存在于關(guān)閉列表中的節(jié)點(diǎn)。

圖5 障礙區(qū)域設(shè)計(jì)及其路徑規(guī)劃MATLAB 仿真演示

4 結(jié)果測(cè)試

一是火焰識(shí)別率高達(dá)80%，仍在優(yōu)化算法。二是將小車放在發(fā)車點(diǎn)，通過(guò)ESP8266 模塊傳回的路徑數(shù)據(jù)見(jiàn)圖6。

圖6 手機(jī)上的路徑數(shù)據(jù)

5 結(jié)束語(yǔ)

本文提出了能夠輔助火災(zāi)搜救的智能車，使用增量式PID 算法控制車輛前進(jìn)；使用YOLO-V2 神經(jīng)網(wǎng)絡(luò)去尋找火源位置，對(duì)火源進(jìn)行噴水處理；使用A-star 算法規(guī)劃路徑，使用ESP8266 模塊將室內(nèi)MATLAB 仿真圖發(fā)送至手機(jī)。該智能車在未來(lái)可應(yīng)用于輔助救援，在消防安全方面有一定的參考價(jià)值。