基于WLAN的火灾监测机器人设计

【摘 要】采用德州仪器TMS320DM642处理器及无线局域网（WLAN）技术实现了移动式火灾监测机器人设计。机器人搭载长波红外（LWIR）热像仪来捕捉场景中的火灾红外图像，综合火焰的静态和动态特性对火灾进行识别。当机器人检测到火灾发生，自动通过WLAN向远程控制终端发出火灾报警信息，远程控制终端通过WLAN对机器人的行动进行操控，同时接收机器人传回的火灾现场红外图像。LWIR热像仪具有良好的烟雾穿透性，帮助操作人员迅速定位火源位置，进而有效、安全的展开救援和灭火工作。

【关键词】火灾监测 无线局域网络 长波红外热像仪 机器人

一、引言

以检测火灾为目的，发展出了基于对烟雾颗粒、温度、相对湿度、空气透明度以及紫外光辐射等多种物理参数进行检测的火灾早期检测技术。然而，这类传感器检测范围很小且不能提供火灾火源位置、火势大小和火灾蔓延速度等更详细的信息。本文设计的移动式火灾监测机器人，搭载LWIR热像仪、高性能控制器、灭火系统和远程无线通讯系统，有效的弥补了传统火灾检测系统的不足，可以及时有效的消灭火灾、保证消防人员的安全。

二、火焰检测

传统相机捕捉场景中物体反射的可见光线，而长波红外热像仪（8-12um）采集场景中物体发射出的电磁辐射，因此，LWIR成像仪拍摄的红外图像反应场景中物体的表面温度：温度越高，红外图像中对应的像素点亮度越大。DM642核心处理器基于YcrCb色彩空间对红外图像中的Y分量进行分析处理，Y分量的值代表每个像素对应场景位置的温度值。

首先，通过设定温度阈值将红外图像中的高温像素点分割出来。公式1中表示像素点的亮度值；为高温阈值；这样，红外图像中的高温可疑区域被分割了出来。

为了进一步降低其他高温干扰目标引起的误报警率，火灾检测算法依据火焰的动态特征对分割出的可以区域作进一步识别。由于燃烧过程中能量释放的不稳定，火焰存在明显的闪烁特性。公式2中是第i帧红外图像中高温区域像素点个数；是第i+1帧红外图像中高温区域像素点个数；为相邻N帧红外图像中高温区域像素点波动的累加值。火焰的闪烁特性使得红外图像中的高温区域像素点个数不断的变化，利用火焰这一动态特性可以有效的将火焰和其他形态稳定的高温目标区分出来。

三、通信和导航系统

Wi-Fi（基于IEEE 802.11的无线局域网络），Wi-Fi技术在性价比和通信速率方面的优势使其成为应用最为广泛的无线通信技术。本文所述机器人通信系统利用DM642核心处理器自带的MAC接口连接WLAN模块实现，机器人巡航区域布设AP节点实现机器人与远程控制终端的互联。

利用红外热像仪采集到连续帧的火灾和高温干扰物图像。图1为按照本文所述火灾识别算法分析得出的结果。（a）图展示了火灾与干扰物相邻帧红外图像中高温区域像素点数目的柱状图，可以看出火焰红外图像中的高温区域像素点数存在很大的波动，而干扰物红外图像中高温区域像素点数非常稳定。（b）图展示了相邻帧红外图像中高温区域像素点数目波动的累计值。火灾红外图像中高温区域像素点数目波动累积值远大于非火灾高温干扰目标的累积值。实验结果表明本文设计的移动式火灾监测机器人可以准确的识别到火灾的发生。

参考文献：

[1]李艳娜.Fike SigniFire视频烟雾图像探测系统[J].消防科学与技术，2012（4）.

[2]冷春艳.基于红外图像处理的森林火灾识别关键技术研究[D].电子科技大学，2012.