CN108133486B - 巡检机器人移动距离计算方法 - Google Patents

巡检机器人移动距离计算方法 Download PDF

Info

Publication number
CN108133486B
CN108133486B CN201810412072.5A CN201810412072A CN108133486B CN 108133486 B CN108133486 B CN 108133486B CN 201810412072 A CN201810412072 A CN 201810412072A CN 108133486 B CN108133486 B CN 108133486B
Authority
CN
China
Prior art keywords
same
fixed object
displacement distance
coordinate
crusing robot
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810412072.5A
Other languages
English (en)
Other versions
CN108133486A (zh
Inventor
庄孟文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CHANGZHOU YINGNENG ELECTRIC CO LTD
Original Assignee
CHANGZHOU YINGNENG ELECTRIC CO LTD
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by CHANGZHOU YINGNENG ELECTRIC CO LTD filed Critical CHANGZHOU YINGNENG ELECTRIC CO LTD
Priority to CN201810412072.5A priority Critical patent/CN108133486B/zh
Publication of CN108133486A publication Critical patent/CN108133486A/zh
Application granted granted Critical
Publication of CN108133486B publication Critical patent/CN108133486B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C3/00—Measuring distances in line of sight; Optical rangefinders
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种巡检机器人移动距离计算方法，包括以下步骤：1）巡检机器人面对固定目标物的同一面，沿轨道在不同位置拍摄两张均包含同一固定目标物的图片；2）分别计算两张图片中同一固定目标物同一位置的图形位置；3）计算两张图片中同一固定目标物同一位置的图形位置变化值，作为巡检机器人的移动距离。本发明通过视频摄像头实现巡检机器人移动距离的计算，从而可以解决用步进电机脉冲数计算移动距离定位时，由于轮子打滑、磨损出现的精度差的问题。

Description

巡检机器人移动距离计算方法
技术领域
本发明涉及机器人领域，特别涉及一种巡检机器人移动距离计算方法。
背景技术
室内配电站作为电网末端，数量众多，巡检压力巨大，轨道式巡检机器人的出现大大缓解了室内配电站的巡检问题。由于配电室内安装的轨道通常存在90度弯轨，巡检机器人在经过这些弯轨时，驱动轮存在一定程度的打滑；另外，巡检机器人在高速行走时，驱动轮也会存在一定程度的打滑、磨损情况，这都会影响到行走距离精度。一旦巡检机器人行走距离精度变差，会使机器人到达目标位置的实际位置发生偏移，在不同位置对同一固定目标物拍摄会影响拍摄效果，严重时甚至会导致目标物拍摄不全。随着运行时间增加，巡检机器人的行走距离累积误差也会越来越大，最终影响巡检机器人的正常使用。
目前，巡检机器人通常采用两种方式解决巡检行走距离精度问题。
1. 在目标物对应位置安装定位装置。巡检机器人通过安装在机器人上的位置传感器检测是否接触到定位装置来判断是否已经到达目标物位置。但这需要在所有目标物对应位置安装定位装置，安装工作量非常大。而且一旦需要增、减或变更目标物，需要在轨道上另新增、去除或变更对应的定位装置，后期维护工作量较大。
2. 机器人和导轨之间采用齿条-齿轮啮合定位方法。这可以解决巡检机器人在导轨上行走时打滑问题，定位精度仅取决于齿条-齿轮啮合间隙，因此定位精度良好。但缺点是必须在导轨上安装齿条，因此成本较高，安装也比较复杂，施工难度较大。
发明内容
本发明要解决的技术问题是：提出一种巡检机器人移动距离计算方法，通过视频摄像头实现巡检机器人移动距离的计算，从而可以解决用步进电机脉冲数计算移动距离定位时，由于轮子打滑、磨损出现的精度差的问题。
本发明所采用的技术方案为：一种巡检机器人移动距离计算方法，包括以下步骤：
1）巡检机器人面对固定目标物的同一面，沿轨道在不同的两个位置分别拍摄一张均包含同一固定目标物的图片；
2）对步骤1）中得到的两张图片分别计算，计算两张图片中同一固定目标物同一位置的图形位置；所述同一位置包括同一个点或同一条线；
3）计算两张图片中同一固定目标物同一位置的图形位置变化值，作为巡检机器人的移动距离。
进一步的说，本发明所述的同一固定目标物同一位置为该固定目标物的同一关键特征物的同一位置；所述关键特征物包括柜边、柜角、人工标志点、仪表边线或角、铭牌边线或角、图形中心点或重心点；所述同一位置包括同一个点或同一条线。巡检机器人沿轨道行走。
再进一步的说，本发明所述的关键特征物的获取方法为：
A、获取图片所对应的RGB三个单通道图；
B、根据不同的设备类型，选取相应的单通道图，要求选择清晰度和对比度最高的那个通道；
C、根据不同的设备类型，选取相应的阈值，然后对单通道图进行阈值提取，得到阈值提取图；
D、从阈值提取图中获得最大的连通域；
E、对该连通域进行填充；
F、获取填充后的连通域轮廓，进而获得该轮廓的关键特征物。
再进一步的说，本发明所述的步骤2）中，同一固定目标物同一位置为同一点时，同一固定目标物同一位置的图形位置是该点在图形中的坐标位置；所述坐标位置包括X轴位置和Y轴位置，并且基于图形的同一坐标原点；所述同一固定目标物同一位置为同一线时，同一固定目标物同一位置的图形位置是该线在图形中的坐标位置，所述坐标位置包括X轴位置或Y轴位置，并且基于图形的同一坐标原点。
再进一步的说，本发明所述的步骤3）中，同一固定目标物同一位置为同一点时，同一固定目标物同一位置的图形位置变化值是该点在图形中的坐标位置移动距离，所述坐标位置移动距离包括X轴移动距离和Y轴移动距离，并且基于图形的同一坐标原点；所述同一固定目标物同一位置为同一线时，同一固定目标物同一位置的图形位置变化值，是该线在图形中的坐标位置移动距离，所述坐标位置包括X轴移动距离或Y轴移动距离，并且基于图形的同一坐标原点。
本发明的有益效果是：采用本发明无需额外硬件投入，系统成本较低；且采用软件方式计算图片中固定目标物的移动距离，作为巡检机器人的移动距离，检测精度高，且后续需要增、减或变更目标物，仅需要在软件上配置即可，无需新增、去除或变更硬件装置，后期维护方便。
附图说明
图1是本发明的流程示意框图。
图2（a）-（b）是巡检机器人拍摄图片时与导轨、目标物相对位置一、二示意图。
图3（a）-（b）是巡检机器人在轨道位置一、二分别拍摄到的两张均包含同一固定目标物的示意图。
图4是待计算图形位置原始图片。
图5是已选单通道图。
图6是阈值提取图。
图7是最大连通域图。
图8是连通域填充图。
图9是连通域轮廓图。
图10是关键特征物（中心点）图。
图11（a）-（b）是两张图片中同一固定目标物同一位置的图形位置示意图；其中，两张图片中，固定目标物为灰色背景的长方形；两张图片中，固定目标物同一位置的图形为长方形的中心。
具体实施方式
现在结合附图和优选实施例对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
一种巡检机器人移动距离计算方法，包括以下步骤：
1）巡检机器人面对固定目标物的同一面，沿轨道在不同位置拍摄两张均包含同一固定目标物的图片；如图1-2所示，图2（a）-（b）是巡检机器人拍摄图片时与导轨、目标物相对位置一、二示意图；图3（a）-（b）是巡检机器人在轨道位置一、二分别拍摄到的两张均包含同一固定目标物的示意图；
2）分别用软件计算两张图片中同一固定目标物同一位置的图形位置；
同一固定目标物同一位置为该固定目标物的同一关键特征物的同一位置；关键特征物包括柜边、柜角、人工标志点、仪表边线或角、铭牌边线或角、图形中心点或重心点或其他；同一位置包括同一个点或同一条线；巡检机器人沿轨道行走。本实施例获取的固定目标物的关键特征物是中心点。
关键特征物的获取方法如下：
A、图4是待计算图形位置原始图片；获取图4所对应的RGB三个单通道图；
B、根据不同的设备类型，选取相应的单通道图，要求选择清晰度和对比度最高的那个通道；图5所选择的单通道是图4的R通道图；由于附图是由黑白两色体现，因此无法明确表示RGB的颜色变化，因此，此处做图形虚化处理；
C、根据不同的设备类型，选取相应的阈值，然后对单通道图进行阈值提取，得到阈值提取图；如图6所示；
D、从阈值提取图中获得最大的连通域；如图7所示；
E、对该连通域进行填充；如图8所示；
F、获取填充后的连通域轮廓，如图9所示；进而获得该轮廓的关键特征物，即中心点位置坐标，见图10。
3）计算两张图片中同一固定目标物同一位置的图形位置变化值，作为巡检机器人的移动距离。
如图11所示，两张图片中，固定目标物为灰色背景的长方形；两张图片中，固定目标物同一位置的图形为长方形的中心。位置一时，即图11（a），仪表中心点位置坐标为X1，Y1；位置二时，即图11（b），仪表中心点位置坐标为X2，Y2。则巡检机器人的移动距离D，为仪表中心点的位置变化值△X=X2-X1；△Y=Y2-Y1。
当同一固定目标物同一位置为同一点时，同一固定目标物同一位置的图形位置是该点在图形中的坐标位置；所述坐标位置包括X轴位置和Y轴位置，并且基于图形的同一坐标原点；同一固定目标物同一位置的图形位置变化值是该点在图形中的坐标位置移动距离，所述坐标位置移动距离包括X轴移动距离和Y轴移动位置，并且基于图形的同一坐标原点；
当同一固定目标物同一位置为同一线时，同一固定目标物同一位置的图形位置是该线在图形中的坐标位置，所述坐标位置包括X轴位置或Y轴位置，并且基于图形的同一坐标原点。同一固定目标物同一位置的图形位置变化值，是该线在图形中的坐标位置移动距离，所述坐标位置包括X轴移动距离或Y轴移动距离，并且基于图形的同一坐标原点。
以上说明书中描述的只是本发明的具体实施方式，各种举例说明不对本发明的实质内容构成限制，所属技术领域的普通技术人员在阅读了说明书后可以对以前所述的具体实施方式做修改或变形，而不背离本发明的实质和范围。

Claims (3)

1.一种巡检机器人移动距离计算方法，其特征在于包括以下步骤：
1）巡检机器人面对固定目标物的同一面，沿轨道在不同的两个位置分别拍摄一张均包含同一固定目标物的图片；
2）对步骤1）中得到的两张图片分别计算，计算两张图片中同一固定目标物同一位置的图形位置；所述同一位置包括同一个点或同一条线；
3）计算两张图片中同一固定目标物同一位置的图形位置变化值，作为巡检机器人的移动距离；
所述的同一固定目标物同一位置为该固定目标物的同一关键特征物的同一位置；所述关键特征物包括柜边、柜角、人工标志点、仪表边线或角、铭牌边线或角、中心点或重心点；
所述的关键特征物的获取方法为：
A、获取图片所对应的RGB三个单通道图；
B、选取相应的单通道图，要求选择清晰度和对比度最高的那个通道；
C、选取相应的阈值，然后对单通道图进行阈值提取，得到阈值提取图；
D、从阈值提取图中获得最大的连通域；
E、对该连通域进行填充；
F、获取填充后的连通域轮廓，进而获得该轮廓的关键特征物。
2.如权利要求1所述的巡检机器人移动距离计算方法，其特征在于：当同一固定目标物同一位置为同一点时，所述步骤2）中同一固定目标物同一位置的图形位置是该点在图形中的坐标位置；所述坐标位置包括X轴位置和Y轴位置，并且基于图形的同一坐标原点；当同一固定目标物同一位置为同一线时，所述步骤2）中同一固定目标物同一位置的图形位置是该线在图形中的坐标位置，所述坐标位置包括X轴位置或Y轴位置，并且基于图形的同一坐标原点。
3.如权利要求1所述的巡检机器人移动距离计算方法，其特征在于：当同一固定目标物同一位置为同一点时，所述步骤3）中同一固定目标物同一位置的图形位置变化值是该点在图形中的坐标位置移动距离，所述坐标位置移动距离包括X轴移动距离和Y轴移动距离，并且基于图形的同一坐标原点；当同一固定目标物同一位置为同一线时，所述步骤3）中同一固定目标物同一位置的图形位置变化值是该线在图形中的坐标位置移动距离，所述坐标位置包括X轴移动距离或Y轴移动距离，并且基于图形的同一坐标原点。
CN201810412072.5A 2018-05-03 2018-05-03 巡检机器人移动距离计算方法 Active CN108133486B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810412072.5A CN108133486B (zh) 2018-05-03 2018-05-03 巡检机器人移动距离计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810412072.5A CN108133486B (zh) 2018-05-03 2018-05-03 巡检机器人移动距离计算方法

Publications (2)

Publication Number Publication Date
CN108133486A CN108133486A (zh) 2018-06-08
CN108133486B true CN108133486B (zh) 2018-07-20

Family

ID=62431312

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810412072.5A Active CN108133486B (zh) 2018-05-03 2018-05-03 巡检机器人移动距离计算方法

Country Status (1)

Country Link
CN (1) CN108133486B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110579170A (zh) * 2019-08-08 2019-12-17 中国南方电网有限责任公司超高压输电公司曲靖局 一种阀厅红外巡检机器人定位系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105247431A (zh) * 2013-08-21 2016-01-13 夏普株式会社 自主移动体
CN105551032A (zh) * 2015-12-09 2016-05-04 国网山东省电力公司电力科学研究院 一种基于视觉伺服的杆塔图像采集系统及其方法
CN106514654A (zh) * 2016-11-11 2017-03-22 国网浙江宁海县供电公司 一种机器人巡检方法和巡检机器人

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5895720B2 (ja) * 2012-06-06 2016-03-30 富士通株式会社 被写体追跡装置、被写体追跡方法及び被写体追跡用コンピュータプログラム
JP5897532B2 (ja) * 2013-11-05 2016-03-30 ファナック株式会社 三次元空間に置かれた物品をロボットで取出す装置及び方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105247431A (zh) * 2013-08-21 2016-01-13 夏普株式会社 自主移动体
CN105551032A (zh) * 2015-12-09 2016-05-04 国网山东省电力公司电力科学研究院 一种基于视觉伺服的杆塔图像采集系统及其方法
CN106514654A (zh) * 2016-11-11 2017-03-22 国网浙江宁海县供电公司 一种机器人巡检方法和巡检机器人

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Sound-based Online Localization for an In-pipe Sanke Robot;Yoshiaki Bando等;《2016 IEEE International Symposium on Safety，Security，and Rescue Robotics》;20161027;第207-213页 *
周鹏等.一种基于数据融合的巡检机器人里程计算方法.《机械设计与制造》.2016,(第2期),第21-25页. *
赵雨田.基于数字图像处理的输电线路异物识别技术研究.《中国优秀硕士论文全文数据库》.2017,正文第47-63页. *

Also Published As

Publication number Publication date
CN108133486A (zh) 2018-06-08

Similar Documents

Publication Publication Date Title
US9948911B2 (en) Method and apparatus for efficient depth image transformation
US9811921B2 (en) Apparatus and method for processing a depth image
CN100442141C (zh) 图像投影方法和设备
CN103400366A (zh) 基于条纹结构光的动态场景深度获取方法
CN102609941A (zh) 基于ToF深度相机的三维注册方法
CN107941217A (zh) 一种机器人定位方法、电子设备、存储介质、装置
CN104794728A (zh) 由多幅图像重构人脸实时三维数据的方法
CN108174111B (zh) 巡检机器人目标图像抓取方法
EP4027299A8 (en) Method and apparatus for generating depth map, and storage medium
CN102201122B (zh) 一种运动捕捉的数据降噪方法、系统及运动捕捉系统
CN108133486B (zh) 巡检机器人移动距离计算方法
US20200003549A1 (en) Wire rope measuring device and wire rope measuring method
CN107462741A (zh) 一种运动物体速度及加速度测量装置
CN103729860A (zh) 一种图像目标跟踪的方法和装置
CN104133565B (zh) 利用结构光技术实现的实时激光点追踪人机交互系统
CN104142786B (zh) 一种提示框显示方法及终端
CN104539890A (zh) 一种目标跟踪方法及系统
CN106841673A (zh) 一种河流表面平均流速测量装置及方法
CN107517366A (zh) 基于rgbd的投影机画面信息自动测量方法
CN104142691A (zh) 电动云台机械间隙的自动跟踪与补偿方法
CN107093182A (zh) 一种基于特征拐点的人体高度估计方法
CN108053491A (zh) 动态视角条件下实现平面目标三维跟踪和增强现实的方法
CN103192399A (zh) 一种基于目标运动的显微视觉手眼标定方法
CN109300153A (zh) 一种多台Xtion传感器协同扫描的三维重建系统及方法
CN110400333B (zh) 教练式双目立体视觉装置及高精度立体视觉图像获取方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant