CN106525025A - 一种变电站巡检机器人路线规划导航方法 - Google Patents

Abstract

本发明涉及一种变电站巡检机器人路线规划导航方法，机器人首先绕变电站行走一周，生成变电站二维格栅化地图；然后扫描变电站设备图像信息，选择特征图像作为道路和设备识别依据；并规划最优巡检路径；接着扫描周边环境信息，生成周边环境二维格栅化地图，将周边环境地图与变电站地图对比，识别出巡检机器人所处位置，实现粗定位；然后获取周围设备图像信息，将周围设备图像信息与设备特征图像对比识别自身位置，矫正地图匹配环节的误差，实现更高精度的定位；最后检验地图匹配定位和视觉定位是否在同一区域，若在同一区域证明定位准确；若不在同一区域，说明定位出现错误，重新进行地图匹配定位和视觉定位。大大提高了定位导航的可靠性和准确度。

Description

一种变电站巡检机器人路线规划导航方法

技术领域

本发明属于变电站巡检机器人的导航系统，尤其涉及一种基于地图匹配和视觉定位误差矫正的变电站巡检机器人路线规划导航方法。

背景技术

变电站设备巡检机器人以自主或遥控的方式，在无人值守或少人值守的变电站对室外高压设备进行巡检，可及时发现电力设备的热缺陷、异物悬挂等设备异常现象。可以根据操作人员在基站的任务操作或预先设定的任务，自动进行变电站内的全局路径规划，通过携带的各种传感器，完成变电站设备的图像巡检、设备仪表的自动识别、一次设备的红外检测等，并记录设备信息，提供异常报警。

在变电站巡检机器人相关技术研究中，导航技术属于其核心技术，是实现智能化自主移动的关键技术。目前常见的导航方式有电磁导航、惯性导航、视觉导航、差分GPS导航等等。电磁导航基于磁轨迹和路面特殊布置的无线射频识别(RFID)标签，实现巡检机器人的最优路径规划和双向行走，铺设大面积磁条施工复杂，干扰变电站正常作业。惯性导航技术简单，但有累积误差，长时间工作稳定性差。完全依靠视觉导航，算法复杂且对处理器性能要求太高，同时由于变电站中设备外形单一，识别难度大。变电站强磁场干扰GPS信号，依靠GPS定位稳定性差。其他导航方法也存在精度低、稳定性差等诸多问题。

发明内容

本发明旨在解决上述缺陷，提供一种定位精度高和稳定性好的变电站巡检机器人导航方法及系统。

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种变电站巡检机器人路线规划导航方法，其特征在于，包括以下步骤：

步骤1，变电站地图绘制步骤：巡检机器人上携带的激光雷达扫描变电站环境信息，绕变电站行走一周，生成变电站二维地图；基于设定大小的方格，将变电站地图处理成二维格栅化地图，存储于内存中；获取变电站二维格栅化地图的具体操作方法如下：

步骤1.1，将激光雷达置于旋转云台上，云台按照设定好的角速度旋转，本发明转速设置为30转/分，云台可设置转速范围为20转/分-60转/分；

具体的，旋转云台必须能够承受激光雷达重量，本发明选择可承重5kg的旋转云台；

步骤1.2，激光雷达发射激光束，记下发射时刻t₁，遇到障碍物后返回，接收端接收到返回的激光束后，记下接收时刻t₂，由发射到接收所用时间计算出巡检机器人到障碍物的距离X，

c为真空中光速，这里取值为2.9979×10⁸m/s；

同时记下发射激光束时刻云台的旋转角度θ，该时刻探测的地图信息为(X₁，θ₁)；将巡检机器人处于该位置各时刻的距离和角度信息(X_i，θ_i))存入二维数组A(X_i，θ_i)，生成变电站局部地图；

巡检机器人绕变电站一周，以初始时刻为基准，合并各局部地图的相同部分，将各局部地图拼接为变电站地图；

步骤1.3，选取边长20cm的正方形作为一个方位块，若方位块内有障碍物则此方位块不能通行，记为黑色；若方位块内无任何障碍物，则此方位块可以安全通行，记为白色；此时生成变电站二维格栅化地图；

步骤2，变电站设备图像特征采集步骤：巡检机器人上携带的高清全方位摄像头扫描变电站设备图像信息，绕变电站行走一周；采集的图像经过灰度化处理和锐化滤波，选择特征图像作为道路和设备识别依据，存储于内存中；

步骤3，路径规划步骤：根据变电站设备物理特性和所处位置，规划最优巡检路径，巡检机器人按照设定的路线依次检测变电站各设备；

步骤4，周围环境地图绘制步骤：巡检机器人上携带的激光雷达扫描周边环境信息，生成周边环境二维格栅化地图；

步骤5，地图匹配步骤：将周边环境地图与变电站地图对比，识别出巡检机器人所处位置，实现粗定位；

步骤6，视觉矫正步骤：巡检机器人上携带的高清全方位摄像头获取周围设备图像信息，将周围设备图像信息与存储的设备特征图像对比识别自身位置，矫正地图匹配环节的误差，实现更高精度的定位；

步骤7，定位检验步骤：检验地图匹配定位和视觉定位是否在同一区域，若在同一区域证明定位准确；若不在同一区域，说明定位出现错误，重新从步骤4开始执行。

在上述的一种变电站巡检机器人路线规划导航方法，所述的步骤2中，选择道路和设备特征图像的具体操作方法如下：

步骤2.1，图像灰度化处理；在MATLAB中，程序首先读取一个RGB格式的图像,然后调用已有的函数rgb2gray()来实现彩色图像灰度化处理；

步骤2.2，图像大小统一化；图片一般以二维数组的形式存储，其特性用空间分辨率和幅度分辨率描述；空间分辨率是指图片的大小，是对一张图片进行空间离散化采样的采样数，这里描述为像素；对灰度化处理后的图片进行采样，变成大小统一的图片；本发明设置的分辨率为400×300，可根据设备图像处理能力选用不同的分辨率，为保证图片效果，分辨率不得低于200×150；

步骤2.3，锐化滤波处理，锐化滤波后图像反差增大，边缘明显；在MATLAB中，调用函数H＝fspecial('sobel')实现锐化滤波处理；

步骤2.4，提取灰度化和锐化滤波后图像中道路和各种待检测设备特征，将道路和设备特征图像信息存入内存中，作为图像特征匹配的依据；例如，道路边缘两侧变化最大，此处图像梯度最大，道路边缘在灰度化处理后的图片中表现为一条白色的线条，平坦的道路表现为均匀的黑色；均匀黑色背景上一条明亮的白线可以作为道路边缘的特征图像。

在上述的一种变电站巡检机器人路线规划导航方法，所述的步骤5中，周边环境地图与变电站地图匹配的具体操作方法如下：

步骤5.1，将巡检机器人周边环境二维格栅化地图与变电站二维格栅化地图对比，周边环境地图与变电站地图吻合的区域即为机器人所处的区域，由此可确定巡检机器人的方位信息；

步骤5.2，当遇到变电站局部环境变化或其他异常情况，机器人周边环境地图与变电站地图不相同，通过比较两个地图数组的欧氏距离，欧式距离最小即为最相似区域，换言之，巡检机器人正处于变电站的这个位置；

本发明的二维格栅化地图用数组表征，数组a为周围环境地图，数组b_i为变电站地图中任意一个与a维数相同的数组，两个n维数组a(x₁₁，x₁₂，...，x_1n)与b_i(x_i1，x_i2，…，x_in)间的欧氏距离：

使得d_i取最小值的b_i即为巡检机器人所处的区域，由此可确定巡检机器人的方位信息。

因此，本发明具有如下优点：1.采用激光雷达扫描变电站环境信息，和超声波传感器和红外传感器等传感器相比，距离和方位信息探测精度更高；2.将激光雷达扫描的环境信息生成二维格栅化地图，满足定位要求的同时，有着地图绘制简单和占用存储空间小的优点；3.将地图匹配和视觉矫正优势互补，在地图匹配粗定位的基础上，进行视觉误差矫正，大大降低视觉矫正环节图像处理难度；4.通过比对地图匹配定位和视觉定位是否处于同一区域，检测定位是否出现错误，可靠性好，定位精确度高。

附图说明

图1是本发明激光雷达扫描变电站环境信息，绘制的巡检机器人周围环境地图(变电站局部地图一)。

图2是本发明激光雷达扫描变电站环境信息，绘制的巡检机器人周围环境地图(变电站局部地图二)。

图3是本发明激光雷达扫描变电站环境信息，将局部地图(局部地图一和局部地图二)拼接成的变电站二维地图。

图4是本发明选取边长为20cm的方格处理变电站二维地图，得到的变电站二维格栅化地图。

图5是本发明的一种工作流程图。

具体实施方式

下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。

本发明包括以下步骤：

步骤1，变电站地图绘制步骤：巡检机器人上携带的激光雷达扫描变电站环境信息，绕变电站行走一周，生成变电站二维地图。再选取合适大小的方格，将变电站地图处理成二维格栅化地图。获取变电站二维格栅化地图的具体操作方法如下：

步骤1.1，将激光雷达置于旋转云台上，云台按照设定好的角速度旋转，本发明转速设置为30转/分，云台可设置转速范围为20转/分-60转/分。

具体的，旋转云台必须能够承受激光雷达重量，本发明选择可承重5kg的旋转云台；

步骤1.2，激光雷达发射激光束，记下发射时刻t₁，遇到障碍物后返回，接收端接收到返回的激光束后，记下接收时刻t₂，由发射到接收所用时间计算出巡检机器人到障碍物的距离X，

c为真空中光速，这里取值为2.9979×10⁸m/s。

同时记下发射激光束时刻云台的旋转角度θ，该时刻探测的地图信息为(X₁，θ₁)。将巡检机器人处于该位置各时刻的距离和角度信息(X_i，θ_i))存入二维数组A(X_i，θ_i)，生成变电站局部地图，如图1和图2。

巡检机器人绕变电站一周，以初始时刻为基准，合并各局部地图的相同部分，将各局部地图拼接为变电站地图，如图3；

步骤1.3，选取边长20cm的正方形作为一个方位块，若方位块内有障碍物则此方位块不能通行，记为黑色；若方位块内无任何障碍物，则此方位块可以安全通行，记为白色。此时生成变电站二维格栅化地图，如图4；

步骤2，变电站设备图像特征采集：巡检机器人上携带的高清全方位摄像头扫描变电站设备图像信息，选择特征图像作为道路和设备识别依据。选择道路和设备特征图像的具体操作方法如下：

步骤2.1，图像灰度化处理。在MATLAB中，程序首先读取一个RGB格式的图像,然后调用已有的函数rgb2gray()来实现彩色图像灰度化处理；

步骤2.2，图像大小统一化。图片一般以二维数组的形式存储，其特性用空间分辨率和幅度分辨率描述。空间分辨率是指图片的大小，是对一张图片进行空间离散化采样的采样数，这里描述为像素。对灰度化处理后的图片进行采样，变成大小统一的图片。本发明设置的分辨率为400×300，可根据设备图像处理能力选用不同的分辨率，为保证图片效果，分辨率不得低于200×150。

步骤2.3，锐化滤波处理，锐化滤波后图像反差增大，边缘明显。在MATLAB中，调用函数H＝fspecial('sobel')实现锐化滤波处理；

步骤2.4，提取灰度化和锐化滤波后图像中道路和各种待检测设备特征，将道路和设备特征图像信息存入内存中，作为图像特征匹配的依据。例如，道路边缘两侧变化最大，此处图像梯度最大，道路边缘在灰度化处理后的图片中表现为一条白色的线条，平坦的道路表现为均匀的黑色。均匀黑色背景上一条明亮的白线可以作为道路边缘的特征图像。

步骤3，路径规划步骤：根据变电站设备物理特性和所处位置，规划最优巡检路径。具体步骤分为：在步骤1中的变电站地图上标记待检测的监控点，根据各监控点的位置分布特征，由Dijkstra算法规划出最优路径，采用遍历的方式依次到达各检测点。Dijkstra算法是典型的单源最短路径算法，用于计算一个节点到其他所有节点的最短路径。主要特点是以起始点为中心向外层层扩展，直到扩展到终点为止，该算法通过MATLAB编程实现。

具体的，变电站环境特殊，存在高电压和强磁场干扰，为保证设备安全，变电站规定部分空旷地带依然不能通行。在使用Dijkstra算法规划最短巡视路线时，必须根据变电站实际情况，选择可通行的区域进行路线规划；

步骤4，周围环境地图绘制步骤：巡检机器人上携带的激光雷达扫描周边环境信息，生成周边环境二维格栅化地图。具体步骤同步骤1的地图绘制方法。

步骤5，地图匹配步骤：将周边环境地图与变电站地图对比，识别出巡检机器人所处位置，实现粗定位，最大误差为20cm。具体步骤如下：

步骤5.1，将巡检机器人周边环境二维格栅化地图与变电站二维格栅化地图对比，周边环境地图与变电站地图吻合的区域即为机器人所处的区域，由此可确定巡检机器人的方位信息；

步骤5.2，当遇到变电站局部环境变化或其他异常情况，机器人周边环境地图与变电站地图不相同，通过比较两个地图数组的欧氏距离，欧式距离最小即为最相似区域，换言之，巡检机器人正处于变电站的这个位置。

本发明的二维格栅化地图用数组表征，数组a为周围环境地图，数组b_i为变电站地图中任意一个与a维数相同的数组，两个n维数组a(x₁₁，x₁₂，...，x_1n)与b_i(x_i1，x_i2，...，x_in)间的欧氏距离：

使得d_i取最小值的b_i即为巡检机器人所处的区域，由此可确定巡检机器人的方位信息；

步骤6，视觉定位矫正步骤：巡检机器人上携带的高清全方位摄像头获取周围设备图像信息，将周围设备图像信息与存储的道路和设备特征图像对比识别自身位置，矫正地图匹配环节的误差。具体步骤如下：

步骤6.1，图片多目标分离，在所采集的图像中可能会出现不止一个物体，为了对每一个物体分别进行识别，就需要将每一个物体分离出来，作为一个独立的子图片，再通过识别程序来判断此子图片是待检测设备；

步骤6.2，将子图片进行灰度化处理，舍弃颜色信息，加快图像处理速度，具体步骤同步骤2.1；

步骤6.4，图片大小统一化，具体步骤同2.2；

步骤6.4，将灰度化的子图像进行锐化滤波，提取设备边缘图像信息，绘出设备轮廓作为设备识别的重要依据，具体步骤同步骤2.3；

步骤6.4，应用MATLAB的尺度不变特征转换(SIFT)算法，比对拍摄的道路和设备轮廓图像与预存储的道路和设备特征图像。尺度不变特征转换(SIFT)是一种用来侦测与描述影像中的局部性特征的计算机视觉算法，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量，识别拍摄与预存储相似度最高的图片，由此确定巡检机器人的确切位置，矫正地图匹配环节的定位误差。

步骤7，检验地图匹配定位和视觉定位是否在同一区域，若在同一区域证明定位准确；若不在同一区域，说明定位出现错误，重新从步骤4开始执行。区域大小可自行确定，本发明支持最小区域为格栅地图上的一个方位块，即20cm。

本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (3)

1.一种变电站巡检机器人路线规划导航方法，其特征在于，包括以下步骤：

步骤1，变电站地图绘制步骤：巡检机器人上携带的激光雷达扫描变电站环境信息，绕变电站行走一周，生成变电站二维地图；基于设定大小的方格，将变电站地图处理成二维格栅化地图，存储于内存中；获取变电站二维格栅化地图的具体操作方法如下：

步骤1.1，将激光雷达置于旋转云台上，云台按照设定好的角速度旋转，本发明转速设置为30转/分，云台可设置转速范围为20转/分-60转/分；

具体的，旋转云台必须能够承受激光雷达重量，本发明选择可承重5kg的旋转云台；

步骤1.2，激光雷达发射激光束，记下发射时刻t₁，遇到障碍物后返回，接收端接收到返回的激光束后，记下接收时刻t₂，由发射到接收所用时间计算出巡检机器人到障碍物的距离X，

$X=\frac{1}{2}\×(t_2-t_1)\×c$

c为真空中光速，这里取值为2.9979×10⁸m/s；

同时记下发射激光束时刻云台的旋转角度θ，该时刻探测的地图信息为(X₁，θ₁)；将巡检机器人处于该位置各时刻的距离和角度信息(X_i，θ_i))存入二维数组A(X_i，θ_i)，生成变电站局部地图；

巡检机器人绕变电站一周，以初始时刻为基准，合并各局部地图的相同部分，将各局部地图拼接为变电站地图；

步骤1.3，选取边长20cm的正方形作为一个方位块，若方位块内有障碍物则此方位块不能通行，记为黑色；若方位块内无任何障碍物，则此方位块可以安全通行，记为白色；此时生成变电站二维格栅化地图；

步骤2，变电站设备图像特征采集步骤：巡检机器人上携带的高清全方位摄像头扫描变电站设备图像信息，绕变电站行走一周；采集的图像经过灰度化处理和锐化滤波，选择特征图像作为道路和设备识别依据，存储于内存中；

步骤3，路径规划步骤：根据变电站设备物理特性和所处位置，规划最优巡检路径，巡检机器人按照设定的路线依次检测变电站各设备；

步骤4，周围环境地图绘制步骤：巡检机器人上携带的激光雷达扫描周边环境信息，生成周边环境二维格栅化地图；

步骤5，地图匹配步骤：将周边环境地图与变电站地图对比，识别出巡检机器人所处位置，实现粗定位；

步骤6，视觉矫正步骤：巡检机器人上携带的高清全方位摄像头获取周围设备图像信息，将周围设备图像信息与存储的设备特征图像对比识别自身位置，矫正地图匹配环节的误差，实现更高精度的定位；

步骤7，定位检验步骤：检验地图匹配定位和视觉定位是否在同一区域，若在同一区域证明定位准确；若不在同一区域，说明定位出现错误，重新从步骤4开始执行。

2.根据权利要求1所述的一种变电站巡检机器人路线规划导航方法，其特征在于，所述的步骤2中，选择道路和设备特征图像的具体操作方法如下：

步骤2.1，图像灰度化处理；在MATLAB中，程序首先读取一个RGB格式的图像,然后调用已有的函数rgb2gray()来实现彩色图像灰度化处理；

步骤2.2，图像大小统一化；图片一般以二维数组的形式存储，其特性用空间分辨率和幅度分辨率描述；空间分辨率是指图片的大小，是对一张图片进行空间离散化采样的采样数，这里描述为像素；对灰度化处理后的图片进行采样，变成大小统一的图片；本发明设置的分辨率为400×300，可根据设备图像处理能力选用不同的分辨率，为保证图片效果，分辨率不得低于200×150；

步骤2.3，锐化滤波处理，锐化滤波后图像反差增大，边缘明显；在MATLAB中，调用函数H＝fspecial('sobel')实现锐化滤波处理；

步骤2.4，提取灰度化和锐化滤波后图像中道路和各种待检测设备特征，将道路和设备特征图像信息存入内存中，作为图像特征匹配的依据；例如，道路边缘两侧变化最大，此处图像梯度最大，道路边缘在灰度化处理后的图片中表现为一条白色的线条，平坦的道路表现为均匀的黑色；均匀黑色背景上一条明亮的白线可以作为道路边缘的特征图像。

3.根据权利要求1所述的一种变电站巡检机器人路线规划导航方法，其特征在于，所述的步骤5中，周边环境地图与变电站地图匹配的具体操作方法如下：

步骤5.1，将巡检机器人周边环境二维格栅化地图与变电站二维格栅化地图对比，周边环境地图与变电站地图吻合的区域即为机器人所处的区域，由此可确定巡检机器人的方位信息；

步骤5.2，当遇到变电站局部环境变化或其他异常情况，机器人周边环境地图与变电站地图不相同，通过比较两个地图数组的欧氏距离，欧式距离最小即为最相似区域，换言之，巡检机器人正处于变电站的这个位置；

本发明的二维格栅化地图用数组表征，数组a为周围环境地图，数组b_i为变电站地图中任意一个与a维数相同的数组，两个n维数组a(x₁₁，x₁₂，...，x_1n)与b_i(x_i1，x_i2，...，x_in)间的欧氏距离：

$d_i=\sqrt{\underset{k=1}{\overset{n}{\Σ}}{(x_{1k}-x_{ik})}^2}$

使得d_i取最小值的b_i即为巡检机器人所处的区域，由此可确定巡检机器人的方位信息。