【《一款智能家居机器人的结构设计》10000字（论文）】

一款智能家居机器人的结构设计摘要科技的发展推动着社会的进步，引领着时代发展的潮流，目前我国社会正处于重大转型阶段，机器人技术、5G技术、智能家居技术进入了新的发展时期，人们开始追求更高的生活品质、更舒适的居家环境。为了满足人们对家居环境日益增长的智能化需求，本文设计了一款集家电控制、巡逻安保、互动与娱乐于一体的智能管家机器人，其具有图像采集处理、物联网数据共享、安全巡逻等功能，主要由OPENMV处理器、K60处理器、ATK-ESP8266通讯模块、红外测距传感器、电机驱动模块、电源稳压模块等部分组成。其中家电控制功能主要通过物联网技术（即设备端、云服务器端、手机APP端实现数据共享和通讯）来实现，巡逻安保功能主要通过人脸识别技术和智能家居机器人的运动控制来实现。关键词：图像处理，物联网，智能家居，人机交互，安防机器人目录摘要 IABSTRACT II第1章绪论 51.1研究背景及意义 51.2国内外研究现状 61.3主要研究内容和章节安排 61.3.1主要研究内容 61.3.2章节安排 7第2章总体方案 82.1智能家居机器人系统结构 82.2本文设计的基本内容 8第3章硬件选型 103.1微处理器MCU选型 103.1.1设计需求 103.1.2微处理器MCU选型比较 103.1.3图像处理平台OPENMV介绍 103.1.4主控制器K60介绍 113.2测距传感器选型 123.2.1夏普GP2Y0A21红外传感器简介 123.3物联网通讯模块选型 133.3.1ATK-ESP8266简介 13第4章硬件电路设计 154.1电源稳压电路 154.1.1LM2940-5V供电电路 164.1.1AMS1117-3.3V供电电路 164.2BTN7960H桥电机驱动电路 17第5章软件设计 195.1基于Haar特征Adaboost分类器的人脸识别 195.1.1Haar分类器算法简述 195.1.2Haar人脸检测的检测流程 205.1.3实验效果分析及实现代码 205.2智能管家机器人的运动控制 225.2.1智能管家机器人转向行进的实现 225.2.2智能管家机器人避障功能的实现 225.3物联网系统的搭建 23第6章总结与展望 25参考文献 27附录 28第1章绪论1.1研究背景及意义自20世纪80年代以来，智能家居逐渐进入了我们的生活，并对我们生活方式产生了重大影响，例如生活中常见的声控灯、感光窗帘、扫地机器人等等，我们的生活愈发离不开这些智能化产品提供的便利。回顾智能家居的发展，大致可分为三个阶段：电子家电，家庭自动化和家居智能化，其中第三阶段是通过嵌入式和物联网对家庭设备的自动化管理和控制来实现的。虽然智能家居的概念在20世纪80年代就已经提出，但受限于当时通讯技术和设计成本的考虑，智能家居直到近几年，才进入了发展的“蓬勃期”。另外，网络通讯技术对智能家居最为关键，目前智能家居的通信方式大多是布线式，在实际使用中，存在着维修起来难度大，前期布线工作量大，造价比较高等问题，因此，基于物联网的无线通信方式在智能家居的发展进程中是必然的趋势。在物联网通讯技术飞速发展的同时，人工智能和半导体技术也进入新的飞速发展时期，这为机器更加“智能化”的服务提供了强有力的保证。机器开始学会“揣度”我们的生活习惯、生活需求，并随之创造更适合我们生活的居家环境，但是受限于人工智能技术进入高速期发展时间还较短，所以当前智能家居智能化水平与人们的期待之间还有很大的差距。家庭环境是我们休息和“充电”的主要场所，智能家居的智能水平与其便捷程度，直接关系到我们每个人的“生活幸福指数”。在人们这种需求的推动下，智能家居的发展变得愈来愈火热，近些年来许多大型科技公司陆陆续续推出了许多的产品，例如小米公司近些年来发行的物联网电器开关系统、海尔公司的智能厨房系统、腾讯公司的语音情感音响等，但是这些智能家居系统虽然具有很强的针对性，能很好地完成某一方面的任务，但在其他方面的表现上略有欠缺，“灵活性”还需增强。例如小米公司的智能电气开关系统，虽然能很好地完成远程控制电器的开关，但在人机信息交互方面略有欠缺，它需要用户人为给予指令才能做出响应，缺乏智能感，另外它无法与用户进行贴近于人与人之间的交流；腾讯公司的语音情感音响虽能实现与人近似无障碍的对话，但无法对家庭内一些电器实现控制，不免让人产生一种“思想上的巨人，行动上的矮子”的感觉。在智能家居的发展道路上，人们愈发认识到需要一款综合性较强的智能管家机器人来更好为我们的家居生活服务。1.2国内外研究现状智能家居机器人发展到今天，与人们对家居环境日益增长的智能化需求和一代又一代工程师的努力是分不开的。在19世纪30年代，世界上出现了第一款具有智能家居概念的机器人：Alpha机器人，这款机器人具有能进行简单问题回答的能力，但不具备机动能力。十年后，美国的一家电气公司设计出了Elektro机器人，具有简单言语识别能力，能说出大约700个单词，能播放唱片，还能抽烟、吹气球[1]。后来在20世纪70年代，澳大利亚的科学家韩特教授首次提出了在机器人操作器上采用并联机构的想法，这一想法取得了极大的成功并在后来被广泛应用到工业生产中。20世纪90年代，我国第一台六自由度高精度并联机器人被燕山大学的黄教授研发并制造了出来[2]。智能家居机器人这一说法最早是由美国的H.Moravec教授提出来的，他首次提出利用摄像头图像采集的方式来处理机器人在行进过程中的问题并取得一系列丰硕的成果，自此，智能家居机器人的发展进入了蓬勃期。近些年来，在人工智能第三次“浪潮”的背景下，智能家居机器人的智能化程度发展到了新的高度，机器人的数据采集能力、计算处理能力、机动运行能力大幅提升，为智能家居的未来发展抹上了无限的想象色彩。1.3主要研究内容和章节安排1.3.1主要研究内容本文的主要工作为：系统需求分析:分析了当前智能家居市场的现状和人们对智能化家居系统新的需求和方向。系统总体设计:确定系统的功能和系统的框架，选择使用移动式机器人和物联网系统结合的方式来搭建智能家居系统。物联网系统的搭建:通过ESP-8266实现服务器云端与设备端之间的一对多或多对多的数据透传、数据监控和管理等功能。智能家居机器人的软硬件系统的设计与实现：各设备端的硬件驱动电路和软件程序方案设计。1.3.2章节安排本文主要包括六章：第1章绪论，阐述了智能家居机器人的背景和发展现状，说明了当前智能家居机器人的前景和需求。第2章总体方案，介绍了智能家居机器人的系统框架和要实现的任务。第3章硬件选型，介绍了本设计中所选用的控制器、传感器等，并阐述了选择的标准和所选用硬件的优势。第4章硬件电路开发，介绍了智能家居机器人所采用的供电电路、电机驱动电路。第5章程序设计，介绍了所采用的人脸识别算法、避障方案和手机APP的开发。第6章总结与展望，对本次设计进行总结，为更好地适应使用者的需要，对这款智能家居机器人所存在的不足进行了阐述和对改善方案的构想。第2章总体方案2.1智能家居机器人系统结构图2.1系统结构框图智能家居机器人可分为运动控制部分、图像采集处理部分、物联网通讯部分，其系统结构如图2.1所示。智能家居机器人的运动部分实际是一个四轮平衡小车，其中两个带有电机的直向轮为动力来源，另外一前一后分别各放置一个万向轮维持车体平衡，MCU通过对两个电机的转速控制就可较为简单地实现对小车姿态、前进方向的控制。智能家居机器人的图像采集处理是通过OPENMV平台对摄像头OV7225采集到的图像信息进行处理来实现的，在OPENMV内得到环境中人脸特征信息后，将特征信息与数据库内人员信息库的信息进行比对，从而达到实现人脸识别并起到安防的作用。物联网通讯部分是指MCU通过ATK-ESP8266无线模块将各类传感器采集到的信息传送到云服务器，然后以云服务器为信息交换中心，实现对家居环境下家用电器的智能控制。2.2本文设计的基本内容智能家居机器人定义为在家庭范围内，为人类完成某些特定任务的机器人[3]。其具有强悍的信息处理系统，能依靠各类传感器获得的信息，感知周围复杂的环境，理解人的需求和信息指令，执行用户的命令，主要从事家庭服务、安防监护等工作。按照不同的服务类型，可将本文设计的智能家居机器人功能分为以下三类：充当“智能管家”的角色智能家居机器人通过ATK-ESP8266模块实现机器端与云服务器端通讯，用户可通过手机APP发送指令，实现家中灯光、窗帘空调等各种电气设备的开关控制和参数设定，达到人、设备、云服务器之间的信息交互，智能化控制家庭设备的目标。（2）充当“居家卫士”的角色智能家居机器人进入“巡逻”模式时，在房间内随机进行巡逻，当摄像头检测到人时，对人脸进行识别检测，当发现被检测人员不是数据库内已存入的人员时，立马进行拍照取证，并立即通过手机短信通知户主。（3）充当“电子宠物”的角色智能家居机器人可以与使用者进行简单的对话互动，可以按照使用者的指令转圈和与使用者进行简单的对话问答，随时关注并满足使用者的心理陪伴需求，帮助使用者更好地释放压力和排解孤独感。第3章硬件选型3.1微处理器MCU选型3.1.1设计需求选择控制器时需要注意以下问题：（1）因为物联网系统的接收和所需要处理数据量较大，所以最好使用多个控制器共同协作来完成控制任务，其中规定主控制器来完成各类信息的汇总和智能家居机器人的运动控制，因为图像数据量比较庞大且内容较复杂，所以需要选择一款适合的副控制器专门负责用来处理图像信息，得到处理结果后将其发送至主控制器。（2）因为整个过程中多个控制器与模块之间要进行相互通信，所以要求处于通信节点的控制器具有多个通讯接口，方便实现各类传感器模块信息的接受。（3）因为本设计要求机器人具有一定的机动运行能力，所以要求主控制器具备多个基本的定时器，具备PWM，GPIO等电流信号输出的驱动能力；副控制器要方便连接摄像头并方便处理图像信息，当前主流用来做机器视觉的编程语言有Python、c++等高级汇编语言，所以选择的MCU开发平台最好支持Python和C++语言进行开发。3.1.2常见微处理器MCU的分析比较目前市面上主流的CPU架构主要有X86-64和ARM架构，前者主要应用于桌面PC、服务器以及一些工业控制领域，虽然此架构相对于后者稳定性和计算性能相对较好，但是工作时其功耗发热也相对较严重，体积也比较大，另外采购成本相对于后者也高出不少，因此这里主要考虑采用ARM架构的微控制器来完成相关的任务。ARM架构处理器广泛应用于嵌入式系统的设计，具有32位和64位设计两种类型，其主要具有低功耗，体积较小、发热问题相对较小、采购价格相对较低等等优点，使得此架构的控制器被广泛应用于便携式设备（如MP5，智能手机，智能手表等各类智能化便携设备）、电脑外设（如常用的鼠标键盘，遥控器，交换机），各类常见硬盘等等，平时嵌入式设计工作中常常使用的STM32F103单片机便属于Cortex-M3架构。STM32F103单片机主频为72Mhz，足以适配此任务中图像信息处理的开发需要，OPENMV是一款核心处理器为STM32F103单片机，另外其生产商开发了较完善的使用库和一些开发说明，所以这里有关图像处理的任务，我们选择搭载摄像头OV7225的视觉开发平台OPENMV。至于信息中介站和机器运动控制方面任务的主控制器的确定，这里选用K60单片机，因为K60单片机运算能力较快且价格较低，另外在国内市场K60单片机使用人数较多，方便一些问题的交流和解决，再加上功能引脚较多的特点，库开发和构建相对完善，这里最终确定下了使用K60单片实现物联网的系统搭建和机器运动控制的任务。3.1.3图像处理平台OPENMV介绍图3.1OPENMV实物图OPENMV是一款开源、功能强大、价格比较低的机器视觉模块。其中这款模块以STM32F76CPU为核心处理器，硬件电路上集成了OV7725摄像头芯片，十分适合作为一些嵌入式设备、机器人的视觉处理中心，其生产商用C语言搭建了一些算法库，其中包含了当前机器视觉领域的大多核心机器视觉算法，并提供了PYTHON的编程接口方便使用者更高效地完成开发任务，使用者只需要进行相关接口函数的简单学习和对相关算法的简要了解就可以进行视觉方面的开发工作。图3.2OPENMV引脚功能图3.1.4主控制器K60介绍图3.3K60处理器实物图Kinetis60系列处理器是基于ARMCortex－M4、具有超强的可扩展性的低功耗混合信号微处理器。这一些系列处理器是ARM为适应数字信号市场而专门开发的最新嵌入式处理器，具有高效易用的控制信号处理功能。Cortex－M4处理器内核，内部数据通道、内存均为32位，内部接口采用哈佛结构，有独立的指令系统和数据总线，指令操作和数据访问可以同时进行。另外，Kinetis60核心板主频为100Mhz，具有144根外接引脚，具有OLED/蓝牙接口，足以满足本智能家居机器人的需要。3.2测距传感器选型常见的测距传感器有超声波测距传感器HC-SR04、红外测距传感器GP2Y0A21、双目摄像头等，由于超声波测距传感器HC-SR04测距过程中，存在一定延时时间，会对机器人的测距精度和控制方案造成一定影响，双目摄像头价格较为高昂，再加上双目摄像头的性能在这里并不能充分被利用，这会造成严重的资源浪费，所以这里最终采用了红外测距传感器夏普GY2Y0A21模块来测量距离的方案。3.2.1夏普GP2Y0A21红外传感器简介图3.4夏普GP2Y0A21红外传感器实物图夏普GP2Y0A21距离测量传感器是一种基于PSD原理的微型距离传感器。它的测量范围较长，能达到1m左右，测量角度也能满足我们的设计要求，能达到50°左右，另外经过查阅它的技术文档，他在50cm之内距离与模拟输出电压之间的线性关系较好，我们只需要利用单片机的ADC电压采集功能，就能比较简便的采集到这一模块的模拟电压输出，然后根据线性关系，就能比较方便的推测出当前智能管家机器人距离障碍物的距离。3.3物联网通讯模块选型常见的IOT（物联网）模块有无线通讯模块ATK-ESP8266、无线模块NRF24L01、无线数透模块ATK-M751等，但考虑到ATK-ESP8266提供免费云服务器，不必自己再搭建云服务器，直接可以免费使用其数据的云存储功能。另外，ATK-ESP8266模块使用用户较多且成本较低，方便资料查询和进行开发，所以这里最终确定使用ATK-ESP8266来进行物联网系统通讯。3.3.1ATK-ESP8266通讯模块简介图3.4ATK-ESP8266模块实物图ATK-ESP8266是一款超低功耗的无线wifi通信模块，内置TCP/IP协议栈，兼容3.3V和5.0V供电的单片机，使用和操作过程比较简单，只需要对它进行简单的串口指令发送，就能够对其模式进行选择和控制。另外这款产品能与原子云服务器兼容，如果要用这款产品进行物联网通信的任务，可以直接使用厂家提供的云服务器服务，省去了自己搭建云服务器的繁琐工作。其他的一些基本参数，可以参考图3.4.图3.4ATK-ESP8266基本参数硬件电路设计智能管家机器人硬件电路主要由电源稳压模块、电机驱动模块、单片机最小系统等组成，出于电池体积、重量、容量的考虑，这里整个系统的供电来源选用型号为格氏7.4V的航模电池，电池容量为1800mah。其中上述的几个硬件电路模块中，电源稳压模块负责将7.4V电池电压降压到MCU正常工作的3.3V和供红外测距模块、ATK-ESP8266无线模块等正常工作的5V；电机驱动模块负责放大控制信号，从而实现对电机的转速、转向的控制。图4.1格氏电池实物图4.1电源稳压电路图4.2智能管家机器人供电方案智能家居机器人供电来源为容量为1800mAh、额定电压为7.4V的航模电池，根据各模块稳定工作的正常电压要求及执行机构的额定电压要求，系统要提供5V和3.3V的稳定电压，为了满足系统的两种供电电压稳定，基于成本、和各模块功耗的计算分析，本文最终选择了采用LD0器件稳压的方案，分别为电压信号LM2904-5V和AMS117-3.3V两种稳压芯片,系统供电方案如图所示。4.1.1LM2940-5V供电电路图4.3LM2940-5v稳压电路OPENMV平台和ATK-ESP8266分别是整个系统图像数据处理的“大脑”和用于各设备端通讯的“桥梁”，所以能否为这两部分提供稳定的5V电压直接决定着整个控制过程的运行性能高低。在考虑了驱动电机在转动时可能会引起电池压降，这里选择了一种低压压降稳定芯片，为电池电压变动提供了足够的裕量，从而保证5V电压的稳定输出。另外，因为智能家居机器人系统内包含多个模块，所以还要求所使用的稳压芯片具有足够大的电流输出，这里最终决定选用满足需求的LM2940进行稳压降压。LM2940是一款串联型线性稳压芯片，具有波纹小、外围电路结构简单、稳压线性度较好的优点，另外，其内部还集成了过热、过压保护电路，适合电池供电的场合。其最大输出电流为1A，工作时最大压差仅为0.5V，5.1V供电即可正常工作，适合作为智能家居机器人的稳压模块[4]。4.1.1AMS1117-3.3V供电电路图4.3AMS1117-3.3V稳压电路智能家居机器人的运动控制器K60的供电电压范围在3.3V~5V之内，但在实验过程中发现5V供电很容易烧坏控制器K60，所以最后确定在硬件中选用3.3V的电压来向控制器K60供电。考虑到控制器额定工作电流在0~50mA内，对输出电流的要求并不高，因此本文选用低功耗的稳压芯片AMS1117接5V输入的方案。AMS1117是一款正向低压差稳压芯片，输出电压精度在±1%以内，并且具有限流、过热切断的功能，最大输出电流达800mA[5],完全符合以上三个模块的供电需求。其典型应用电路如图4.3所示，输出端使用10uF钽电容可以改善芯片的舒坦效应和输出稳定性。4.2BTN7960H桥电机驱动电路图4.4BTN7960H桥驱动电路智能家居机器人采用大功率碳刷直流电机RS540为驱动动力，目前大功率直流电机大多采用达林顿管或MOS管搭制H桥，并使用PWM脉宽调制的控制方式，但是这种方法的缺陷是元件的体积较大，另外当控制电压急剧变化时MOS管比较容易烧损，再查阅相关方案后，最终选用了大电流半桥驱动芯片BTN7960来搭建H桥驱动电路，因为芯片稳定性高，而且元件体积比较小，更能满足本设计需求，其中H桥驱动方案的电路原理图见图4.4。图4.574LS541D缓冲电路值得注意的是，如果MCU的PWM引脚直接与BTN7960引脚和BTN7960输入引脚连接，电机高速运行产生的大电流波动很可能烧毁MCU，因此，本文在单片机引脚和BTN7960之间增加了缓冲器，防止大电流涌入单片机。本文采用了74HC138八路缓冲器来进行缓冲，缓冲电路如图4.5所示，本文采用74HC138八路缓冲器[6]。第5章软件设计智能管家机器人的主要功能包括：①安保巡逻②物联网通讯③娱乐互动。其中安保巡逻实际就是智能家居机器人随机在房间内进行巡逻，此时OPENMV一直在采集和处理拍摄到的室内图像信息，当采集到室内有人员时，对人脸特征进行识别，当采集到的人脸特征并非数据库内先前录入的特征时，触发报警服务。物联网通讯功能实际就是为设备端、云服务器端、智能家居机器人端、手机APP端搭建起一条实时通讯的通道，不同终端可以通过这条通道实现数据实时共享。娱乐互动功能实际上就是智能家居机器人能与用户进行一些简单的交流互动和命令执行，例如我们可以向智能家居机器人下达转圈、前进、后退等指令，也可以与智能家居机器人进行简单的对话交流。按照不同功能任务的重点难点，我们这里按照人脸识别、机器的运动控制、物联网系统的搭建分为三个方面对软件设计进行阐述。5.1基于Haar特征Adaboost分类器的人脸识别目前，人脸检测方法主要有两种：基于知识的方法和基于统计的方法[7]。基于知识的方法主要是利用先验知识将人脸视为器官特征的组合，根据眼睛、眉毛、眉毛的面部特征，关系来根据嘴巴等器官的特征以及它们之间的几何位置来检测人脸。基于统计的方法是将人脸看作一个完整的模式-二维像素矩阵。从统计学的角度出发，通过大量的人脸图像样本构建人脸模式空间，并根据相似性测度判断人脸的存在。这里实现人脸检测任务所使用的是Haar分类器方法。是在Adaboost算法的基础上，运用Haar-like小波特征和积分图的方法，对AdaBoost训练出的强分类器进行级联，从而实现了较高准确率实现人脸是识别[8]。这里由于OPENMV平台内部提供了效果较好的训练器和检测器，不需要花费太多时间进行模型的重新训练和评估，这里只需要进行简单的调用就能较好地满足我们地任务需求。下面将对Haar分类器的算法、整个人脸检测算法的检测流程、实验效果及实现代码进行简要阐述。5.1.1Haar分类器算法简述 Haar特征分为三类：边缘特征、线性特征、中心特征和对角线特征，这些特征组合成为特征模板，特征模板内有白色区域和黑色区域，我们称白色区域的灰度值之和减去黑色区域的灰度值之和为Haar特征值[10]，这个特征值反映了灰度的变化情况，我们可以通过这样的特征对脸部一些区域进行简单的识别，比如眼睛要比脸颊颜色要深，鼻梁两侧比鼻梁的颜色要深等。通过改变所检测矩形的位置、大小和类别，我们可以得到许许多多的特征信息，这些特征信息就能帮助我们进行脸部识别。但这里存在两个问题，一是矩阵的位置、类别、大小不断变换24*24像素大小的检测窗口内矩阵特征信息就有16万个，怎么样快速计算这么多的特征？二是哪些矩阵特征才是对分类器分类最有效的，能让我们有效的识别出脸部各个部位从而实现高准确率识别人脸？ 其中针对第一个问题，这里采用了积分图的方法来解决，积分图是指只遍历一次积分图，将图像从起点开始到各点形成的矩形区域像素之和作为数组元素保存在内存中，当要计算某个区域的像素和是，不需要重新计算这个区域的像素和，只需要第一遍遍历是存储的数值进行一定简单计算就能得到结果，大大提高了图像特征计算的效率。其中针对第二个问题，这里采用了通过AdaBoost算法来训练的方法，其中由于OPENMV内自带了已经经过训练的训练器和检测器，这里就不再进行过多赘余描述。5.1.2Haar特征人脸检测的检测流程图5.1级联分类器检测流程基于Haar特征级联分类器的检测流程为：首先加载训练好的分类器，接着加载待检测的图像，然后经过级联分类器一次检测，只有通过每一级的检测才认定为人脸对象。值得注意的是分类器的级联等级与识别准确度正相关而与识别速度负相关，检测过程如下图所示[11]。5.1.3实验效果分析及实现代码对面部区域进行矩形框标定，能较好地完成任务需求，其中核心实现代码如下：5.2智能管家机器人的运动控制5.2.1智能管家机器人转向行进的实现常见的转向控制方法可以粗略分为以下三种：1）电机不差速，舵机转向2）后轮差速3）舵机转向+两轮差速。为节省制作原料成本和尽量减小机器人的占地面积，本智能管家机器人采用了四轮式的结构，其中最前、后方轮型选用了万向轮，中间两个轮子保持平行位置安装了普通轮胎，如图。利用两轮差速来实现转向的原理很简单，就是当左轮转的比右轮快时，则车向前右转；反之左转；两个电机转的一样快，则直行。5.2.2智能管家机器人避障功能的实现图5.3避障功能程序流程图智能管家机器人的避障功能设计思路是首先通过红外传感器对车前方进行测距，当距离小于20cm时，则机器人进行转向，直到前方没有障碍物，设计思路图如下。通过示意图我们可以知道，测距步骤对于避障功能的效果具有直接决定的作用。其中红外传感器测距由位置敏感探测器、红外发射二极管和信号处理电路组成，能实现对各种物体的距离检测，不易受到环境温度和操作时间的影响（但可能会受相同频段其他红外线干扰），采用三角测量的方法输出电压对应检测距离[12]，5V对其供电后，直接通过单片机内部ADC采集即可知道当前距离为多少。5.3物联网系统的搭建智能管家机器人与用户之间的信息交互通讯是物联网项目的核心，本设计采用原子云服务器做物联网开发平台，这个平台适配多种网络环境和常见传输协议，提供各类硬件终端的快速接入方案和设备管理服务，这里我们采用ATK-ESP8266接入原子云服务器；面向应用层，提供丰富的API和数据分析能力以满足各类行业应用系统的开发需求。该平台支持的协议有HTTP、WEBSOCKET协议，在这里我们选用HTTP协议进行数据传输。首先我们需要在平台注册产品，并在产品内添加设备，并选择接入协议等。5.4.1物联网系统结构简述图5.3物联网网络结构初次登录设置完成后，将得到设备的用户名，APITOKEN等重要开发用信息，拿到这些信息后，根据开发文档提供的API接口地址，我们可以通过http的方式请求获得原子云服务器里的数据（这些数据来源于现场传感器）其中API地址为/api/orgs/:org_id/devicepacket/:device_number。一次通讯过程如下所示，Mobile应用端或PC应用端发送RequestHeader，请求服务器返回数据信息，然后服务器端发送来当前各传感器状态信息，其中返回数据格式如下所示，其中包含了数据发送的时间和内容等。

{

"code":

200,

"message":

"",

"data":{

"current_page":

1,

"total_page":

1,

"total_item":

10,

"page_limit":

30,

"items":[

{"time":

"2021-05-11T17:03:39.300928+08:00",

"hex_packet":

"41

4C

49

45

4E

54

45

4B

2D

48

52

54

44

54",

"length":

14,…},

{"time":

"2021-05-11T17:02:39.401668+08:00",

"hex_packet":

"41

4C

49

45

4E

54

45

4B

2D

48

52

54

44

54",

"length":

14,…},

{"time":

"2021-05-11T17:02:25.580805+08:00",

"hex_packet":

"64

73

66

67

64

67

73

64

67

66

64

73

67

32

33

34

32

31

34

32

31

33

73

61

64

66

73

64

61

66

73

61

66

73

61

64

66",…},}第6章总结与展望本文所设计的智能家居机器人——基于图像处理与物联网云通讯技术，功能已经基本实现，运行效果比较稳定，实现效果良好。设计紧跟当今科技热点与需求痛点，为智能家居环境的搭建提供了一种新的方案。机器人技术、5G技术、智能家居技术进入了新的发展时期，人们开始追求更高的生活品质、更舒适的居家环境，人们日益增长的智能化需求，不断让我们反思这一问题——如果让科技更好地服务生活、改善生活。让人脸识别技术来帮我们“照看门户”，物联网通讯技术来实现我们的“一键控制”，这些过去我们所认为遥远的、梦幻的一切，正在技术和需求的推动下，一步一步踏入我们每个人的日常生活，相信在时间的酝酿下，我们生活会变得愈加舒适、便利。参考文献[1]汪东芳.智能家居机器人的研究与开发[D].南京理工大学,2018.[2]张琦.移动机器人的路径规划与定位技术研究[D].哈尔滨工业大学,2014.[3]丽君.移机器人研发的难点与创新[N].科技日报,2016-05-29(002).[4]NationalSemiconductor.LM29401ALowDropoutRegulatorDatasheet.2003[5]AdvancedMonolithicSystemsInc.AMS117-3.3Datasheet.2013[6]黄凯龙.基于飞思卡尔单片机的智能车及其调试系统设计[D].湖南大学,2014.[7]任琳,岳光,郭保全.AdaBoost视觉算法的士兵疲劳预警系统研究[J].机械工程与自动化,2021(02):40-42+45.[8]张兴贤.目标驱动的监控视频定位系统中人脸检测方法的设计与实现[D].北京邮电大学,2018.[9]P.ViolaandM.Jones,"Rapidobjectdetectionusingaboostedcascadeofsimplefeatures,"Proceedingsofthe2001IEEEComputerSocietyConferenceonComputerVisionandPatternRecognition.CVPR2001,2001,pp.I-I,doi:10.1109/CVPR.2001.990517.[10]"Robustreal-timefacerecognition,"2013Africon,2013,pp.1-5,doi:10.1109/AFRCON.2013.6757719.[11]王玉龙.基于人脸检测的增强现实交互技术研究与应用[D].大连理工大学,2012.[12]罗冬华.基于ARM嵌入式的清洁机器人系统研究[D].桂林电子科技大学,2016.附录实物图运动控制程序部分代码//voidPIT0_IRQHandler(void){//aaaaa=uart_query(UART3);AngleGet();Angle_actual=g_fAngle+180;//Motor_control(test_speed1,test_speed2);hhh=adc_once(AD