CN108733053A - 一种基于机器人的智能道路检测方法 - Google Patents

Abstract

本发明公开了一种基于机器人的智能道路检测方法，包括以下步骤：S1，确定道路检测区域；S2，自主检测机器人根据所述的道路检测区域自动规划路径并执行道路检测任务；在执行道路检测任务的过程中，获取机器人的实时定位信息，同时利用高精度相机和探地雷达采集路面数据，并将所采集的路面数据与采集数据时对应的定位信息进行关联、存储。本发明利用自主检测机器人进行路径自动规划并执行道路检测任务，并利用定位设备实时获取机器人的定位信息及利用数据采集传感器采集路面数据，并将所采集的路面数据与对应的定位信息进行关联，从而实现了机器人自主完成道路检测任务，并且作业效率高，检测数据完整，检测数据位置信息准确，能准确定位病害。

Description

一种基于机器人的智能道路检测方法

技术领域

本发明涉及一种基于机器人的智能道路检测方法，属于道路病害自动检测技术领域。

背景技术

当前多使用多功能检测车对道路进行检测，或者使用普通车辆搭载探地雷达对被检测道路进行检测，人工控制检测过程，存在效率低、随机性大、位置数据不准确等缺点；另外，现有技术中进行道路检测时所搭载的各种不同的传感器都是单独作业，相互之间无有效同步手段，无法根据多传感器数据对道路进行综合诊断，因而很难得出较准确的检测结果。

发明内容

本发明的目的在于，提供一种基于机器人的智能道路检测方法，它可以有效解决现有技术中存在的问题，尤其是人工控制检测过程，导致检测效率低、随机性大、位置数据不准确的问题。

为解决上述技术问题，本发明采用如下的技术方案：一种基于机器人的智能道路检测方法，包括以下步骤：

S1，确定道路检测区域；

S2，自主检测机器人根据所述的道路检测区域自动规划路径(如梳状检测路径等)并执行道路检测任务；在执行道路检测任务的过程中，获取机器人的实时定位信息，同时利用高精度相机(拍摄精度达到1mm以内的工业相机，例如，行像素大于2k分辨率的相机拍摄2米宽的范围)和探地雷达采集路面数据，并将所采集的路面数据与采集数据时对应的定位信息进行关联、存储(如存入关系数据库)。

优选的，步骤S1中，通过相对定位(工作坐标系位置)或绝对定位的方式确定道路检测区域；其中，所述的通过相对定位的方式确定道路检测区域，即根据待检测区域的方向和位置来定义工作坐标系：以检测区域延伸方向为Y轴，以垂直于其延伸方向为X轴，以检测起始点为原点；在此坐标系下根据实际检测需求自定义一个检测区域(检测区域可以是矩形，多边形，曲线边界图等)；所述的通过绝对定位的方式确定道路检测区域，即利用位置标定器采集待检测区域边界关键点的实际位置信息，然后通过所述边界拟合出一个多边形区域作为道路检测区域(所述的多边形区域需要对待检测区域进行全覆盖)。从而可以方便快捷准确的确定道路检测区域。

理论上说可以任意定义机器人的工作坐标系，本发明通过上述方式定义工作坐标系，正好可以使道路延伸方向和垂直方向分别为坐标系的X轴、Y轴，从而可以更方便的通过软件界面定义工作区域。

定义工作坐标系后，相关检测数据可直接关联工作坐标，可获取直接的相对位置关系，从而更有利于缺陷分析。

优选的，对道路的病害情况进行综合分析时，首先通过人工读取雷达所采集的数据，如果发现可疑内部缺陷，则根据相应的位置信息查看对应的表观数据，然后通过裂缝及破损识别算法自动识别高精度相机所采集的图像中的被检测区域的表观缺陷，从而提高了道路病害检测的准确率。

本发明还包括：将识别出的表观缺陷和可疑内部缺陷自动存入数据库中，并根据相应的位置信息标记在检测地图上。检测信息包含位置信息，只需要获取其经纬度便可以利用现地图平台提供的API在地图进行对应的标注；将缺陷在实际地图上按位置标注出来的好处是使缺陷更加直观，可使检测结果更加直观，缺陷位置一目了然。

前述的基于机器人的智能道路检测方法，步骤S2中，通过编码器触发高精度相机和探地雷达进行数据采集，并通过控制编码器的频率来控制高精度相机和探地雷达采集数据的频率，从而可以保证在任何运动速度下，都能保证每张照片拍摄的距离是一定的，即数据的间距是已知且恒定的，进而有利于进行图形拼接，获得较好的拼接效果；当定位数据的分辨率低于探地雷达数据的分辨率时，则采用线性插值的方式来确定每一个探地雷达数据的准确位置，使得每一帧雷达数据对应一个准确位置，避免了很多帧数据对应同一个位置。

步骤S2中，通过安装在机器人轮子上的编码器所发出的编码器脉冲触发高精度相机进行数据采集；相机对脉冲进行计数，每隔固定的脉冲数后触发快门拍照，使得相邻的两张照片之间具有10％～20％的重合部分；进行道路情况分析时，再根据照片的位置进行拼接，然后对接缝进行模糊化处理，将照片中重合的部分去掉。从而可以保证不漏采数据，而且通过利用照片的位置信息可以准确的将道路照片中重合的部分去掉。

将照片重合的部分剪掉，也就是对相片应用一定的图像处理算法进行拼接。图像拼接算法包括一套固定的流程，主要包括寻找相片特征点、进行特征点匹配、寻找重合区域、重映射重叠重合区域和对接缝进行模糊化处理。然而由于道路，特别是沥青道路相邻照片的相似程度很高，整张照片特征点很不明显，导致特征点提取和匹配比较困难，常常会出现无法匹配或者匹配重合区域错误的情况出现。本发明为了解决图像拼接的难点，考虑到每张照片拍照时都保存了照片的精确位置，因此可采用常规拼接算法和位置结合的方法进行处理；当图像拼接出现错误或无法拼接时，也可以直接根据照片的位置进行拼接，然后对接缝进行模糊化处理。

本发明中使得相邻的两张照片之间具有10％～20％的重合部分，从而可以保证恰好找到特征点进行照片拼接，而且还不会浪费存储空间。

前述的基于机器人的智能道路检测方法中，步骤S2中，所述的高精度相机采集数据时，相邻的两张照片之间具有10％～20％的重合部分；进行道路情况分析时，首先根据照片的位置信息进行初步拼接，然后根据照片的位置信息找出重合区域，再利用特征点匹配拼接算法对接缝进行模糊化处理，将照片中重合的部分去掉，从而可以保证不漏采数据，而且满足自动拼图的需要，使得根据重叠区域找到特征值。

本发明的步骤S2中，控制高精度相机和探地雷达进行数据采集时，同时获取机器人当前的位置信息，根据机器人的几何尺寸、高精度相机和探地雷达的安装位置关系以及机器人的当前航向，计算出高精度相机采集点和探地雷达采集点的准确位置，然后将此位置信息与对应的相机图像、雷达数据进行关联存储。其中，相机可安装在机器人前侧，相机高度可根据视场大小来确定，比如约1.2米；雷达可安装于机器人后方，高度可根据雷达天线的耦合方式决定，比如雷达可距离地面约3cm。

优选的，步骤S2中，所述的机器人的实时定位信息，是通过将差分GPS定位数据、陀螺仪数据及编码器数据利用卡尔曼滤波算法进行融合后获得的位置数据，从而可以获得高精度的实时位置信息；另外还可通过提高陀螺仪的精度来进一步提高融合以后实时定位信息的准确性(因为陀螺仪的输出数据包含三个方向的加速度，积分以后得到速度，速度再积分就得到位置；所以传感器数据精度越高，融合以后的位置越准确)。

本发明中，可根据机器人的移动速度和最大位置误差调节机器人实时定位信息的刷新周期：

v*p＝e；

其中，v为机器人的移动速度，p为机器人实时定位信息的刷新周期，e为最大位置误差。通过该公式，从而可以使得机器人运动时的实际定位精度控制在2cm以内。

理论上说位置刷新频率越高越好，但受限于定位设备的性能，目前普通GPS模块可提供5-20Hz不等的刷新频率，所以必须结合陀螺仪和编码器输出融合后的位置数据。本发明为了保证所记录的相机和雷达采集数据时刻平台位置的精度，对位置服务提供的数据刷新频率进行了限定。假设机器人以5公里的设计时速计算，50ms间隔时间，平台前进约7cm，也就是说最坏情况下，相机和雷达采集数据时的位置误差为7cm。也就是说平台(即自主检测机器人)进行速度越大，同样的位置刷新频率下，采集数据所记录的位置误差越大。因此，此指标是系统的一个技术参数，反映的是系统可达到的定位精度。实际应用中，根据机器人的设计时速，设置需要的位置数据更新频率。

上述的基于机器人的智能道路检测方法中，还包括：采用位置标定器对道路病害的实际位置进行定位；其中，所述的位置标定器包括GPS天线、GPS基站数据接收模块、GPS移动接收机和串口转蓝牙通信模块，GPS移动接收机分别与GPS天线、GPS基站数据接收模块和串口转蓝牙通信模块连接；所述的GPS天线采用蘑菇头天线。从而可以在发现某疑似病害后，在有需要的时候，通过位置标定器可以重新准确地找到病害点，进行人工复测。另外，本发明采用蘑菇头天线，体积更大，使得信号接收能力更强。

本发明中，高精度相机采集数据的频率和实时定位信息刷新的频率是异步的，且实时定位信息刷新的频率为高精度相机采集数据频率的5～10倍，从而可以保证相机采集数据时定位的准确性。

与现有技术相比，本发明具有以下优点：

1、本发明通过利用自主检测机器人进行路径自动规划、自动导航并执行道路检测任务；在执行道路检测任务的过程中，利用高精度相机和探地雷达采集路面数据，并将所采集的路面数据与采集数据时对应的实时定位信息进行关联、存储，从而实现了机器人自主完成道路检测任务，并且作业效率高，检测数据完整，检测数据位置信息准确，能准确定位病害；另外，本发明通过自主检测机器人搭载相机和探地雷达进行检测，可准确控制机器人的运动路径，可实现对被检测区域准确的全覆盖(而现存的探地雷达的作业方式，通常是通过人工拖动或汽车拖动，其运动路径很难准确控制，无法重复，无法保证全覆盖)；此外，在道路检测过程中会产生大量的雷达数据和图像数据，传统的检测手段检测后，需要对被检测数据顺序排查和分析，需要从头到尾分析所有的检测数据；而本发明使用包括位置信息的检测数据，可不必再按检测顺序分析数据，可直接分析对应位置的数据。对于需要重点分析的某区域的路面，可直接通过位置查找对应的雷达数据和相机数据，也可以在发现雷达数据缺陷时，根据位置查看对应的相机数据，反之亦然。这将很大地提高数据分析的效率；

2、本发明采用机器人进行道路检测，作业数据一致性好，可重复性好，排除了人工作业的主观随意性；对同一检测区域可在不同时间准确重复执行，从而形成准确有效的检测历史数据，对道路长期养护具有重要意义；

3、本发明的道路检测数据包含精确的位置信息，因而可基于此位置信息对多种传感器(如相机和探地雷达)数据进行融合处理，比如通过利用高精度相机结合探地雷达进行道路数据采集，并对二者采集的数据进行综合分析，从而可以大大提高道路病害评估的准确率；

4、本发明通过利用具备高精度定位能力的位置标定器，辅助工程人员在现场找到病害实际位置，从而实现对道路病害进行精确诊断；

5、本发明采用机器人进行道路检测，通过将差分GPS定位数据、陀螺仪数据、编码器数据利用卡尔曼滤波算法进行融合后获得实时定位信息，从而能够保证设备在GPS信号不好的环境下也能工作，解决了目前探地雷达在GPS信号不好的情况下无法工作的痛点；

6、本发明通过机器人进行道路检测，所采集的数据自动存入数据库，并且包含准确的位置信息，直接形成针对某具体检测对象的历史数据。对于机场跑道、桥梁、隧道等一些重点维护对象，按周期进行检测后，自动关联所有的可得到被维护对象关于时间的变化情况，能够发现单一检测无法发现的动态信息，有利于预防性养护；

7、本发明综合多种传感方法获取路面、路内部全方位立体数据，并深度结合，综合分析，相比传统单一传感器检测的方法，检测手段更为全面，数据更加丰富，结果更有说服力。

附图说明

图1是本发明的一种实施例的工作流程图；

图2是位置标定器的电路结构及其与外部器件连接的示意图。

下面结合附图和具体实施方式对本发明作进一步的说明。

具体实施方式

本发明的实施例：一种基于机器人的智能道路检测方法，如图1所示，包括以下步骤：

S1，确定道路检测区域；

S2，自主检测机器人根据所述的道路检测区域自动规划路径(如梳状检测路径等)并执行道路检测任务；在执行道路检测任务的过程中，获取机器人的实时定位信息，同时利用高精度相机(拍摄精度达到1mm以内的工业相机，例如，行像素大于2k分辨率的相机拍摄2米宽的范围)和探地雷达采集路面数据，并将所采集的路面数据与采集数据时对应的定位信息进行关联、存储(如存入关系数据库)。

步骤S1中，通过相对定位(工作坐标系位置)或绝对定位的方式确定道路检测区域；其中，所述的通过相对定位的方式确定道路检测区域，即根据待检测区域的方向和位置来定义工作坐标系：以检测区域延伸方向为Y轴，以垂直于其延伸方向为X轴，以检测起始点为原点；在此坐标系下根据实际检测需求自定义一个检测区域(检测区域可以是矩形，多边形，曲线边界图等)；所述的通过绝对定位的方式确定道路检测区域，即利用位置标定器采集待检测区域边界关键点的实际位置信息，然后通过所述边界拟合出一个多边形区域作为道路检测区域。

在具体实施时，理论上是可以任意定义机器人的工作坐标系的；另外，具体实施时，通过绝对定位的方式确定道路检测区域时，也可以拟合其他任意多边形，但是此应用场景中，四边形区域就可以满足需要。

对道路的病害情况进行综合分析时，首先通过人工读取雷达所采集的数据，如果发现可疑内部缺陷，则根据相应的位置信息查看对应的表观数据，然后通过裂缝及破损识别算法自动识别高精度相机所采集的图像中的被检测区域的表观缺陷。

还可包括：将识别出的表观缺陷和可疑内部缺陷自动存入数据库中，并根据相应的位置信息标记在检测地图上。

可选的，本发明还可以通过编码器触发高精度相机和探地雷达进行数据采集，并通过控制编码器的频率来控制高精度相机和探地雷达采集数据的频率，数据的间距是已知且恒定的；当定位数据的分辨率低于探地雷达数据的分辨率时，则采用线性插值的方式来确定每一个探地雷达数据的准确位置。

可选的，步骤S2中，通过安装在机器人轮子上的编码器所发出的编码器脉冲触发高精度相机进行数据采集；相机对脉冲进行计数，每隔固定的脉冲数后触发快门拍照，使得相邻的两张照片之间具有10％～20％的重合部分；进行道路情况分析时，首先根据照片的位置信息进行初步拼接，然后根据照片的位置信息找出重合区域，再利用特征点匹配拼接算法对接缝进行模糊化处理，将照片中重合的部分去掉。

可选的，步骤S2中，控制高精度相机和探地雷达进行数据采集时，同时获取机器人当前的位置信息，可根据机器人的几何尺寸、高精度相机和探地雷达的安装位置关系以及机器人的当前航向，计算出高精度相机采集点和探地雷达采集点的准确位置，然后将此位置信息与对应的相机图像、雷达数据进行关联存储。(相机可安装在机器人前侧，相机高度可根据视场大小来确定，比如约1.2米；雷达可安装于机器人后方，高度可根据雷达天线的耦合方式决定，比如雷达可距离地面约3cm)。

可选的，步骤S2中，所述的机器人的实时定位信息，是通过将差分GPS定位数据、陀螺仪数据及编码器数据利用卡尔曼滤波算法进行融合后获得的位置数据(另外还可通过提高陀螺仪的精度来进一步提高融合以后实时定位信息的准确性)；根据机器人的移动速度和最大位置误差调节机器人实时定位信息的刷新周期：

v*p＝e；

其中，v为机器人的移动速度，p为机器人实时定位信息的刷新周期，e为最大位置误差。

本发明还可包括：采用位置标定器对道路病害的实际位置进行定位。其中，所述的位置标定器包括GPS天线、GPS基站数据接收模块、GPS移动接收机和串口转蓝牙通信模块，GPS移动接收机分别与GPS天线、GPS基站数据接收模块和串口转蓝牙通信模块连接；所述的GPS天线采用蘑菇头天线。如图2所示，所述的串口转蓝牙通信模块可与平板电脑连接，将实时高精度GPS数据发送至平板电脑，同时平板电脑获取检测数据服务器的数据，从而实现对道路病害的实际位置进行定位。

优选的，高精度相机采集数据的频率和实时定位信息刷新的频率可以是异步的，且实时定位信息刷新的频率为高精度相机采集数据频率的5～10倍。

本发明的一种实施例的工作原理：

本发明设计的道面检测机器人系统，其主要组成部分和工作原理为：机器人平台具备自主定位导航能力，基于差分GPS、陀螺仪和编码器的高精度定位设备能为机器人提供精度小于2cm、数据刷新频率为20Hz的定位信息；机器人可接受来自上位机的检测任务，收到检测任务后便自行开始执行任务。操作人员可以通过机器人远程控制软件定义检测任务，其中检测任务包括工作坐标系和在此坐标系下的运动轨迹点和任务采集点。用户通过软件界面向机器人下发检测任务。机器人检测过程中，所有检测数据自动存入数据库，可供后续分析。机器人搭载有高清相机和探地雷达两种设备，采集数据时关联对应的位置信息。所有数据存入检测数据库，然后对检测数据进行后处理，根据位置信息可将检测数据与实际区域对应，形成直观的检测结果。通过人工分析探地雷达数据，可判断是否存在疑似缺陷，并可获取疑似缺陷的准确的位置信息，同时，可综合分析同一位置的表观数据(图像数据)和内部数据(探地雷达数据)，进行综合评估。软件可根据评价结果，将缺陷可视化直观展示，比如根据缺陷不同程度在地图的被检测区域处进行热点图标记，同时，可生成标准化的检测报表。对于发现的缺陷，可使用带有高精度定位功能的位置标定器辅助用户找到现场实际位置。

Claims (9)

1.一种基于机器人的智能道路检测方法，其特征在于，包括以下步骤：

S1，确定道路检测区域；

S2，自主检测机器人根据所述的道路检测区域自动规划路径并执行道路检测任务；在执行道路检测任务的过程中，获取机器人的实时定位信息，同时利用高精度相机和探地雷达采集路面数据，并将所采集的路面数据与采集数据时对应的定位信息进行关联、存储。

2.根据权利要求1所述的基于机器人的智能道路检测方法，其特征在于，步骤S1中，通过相对定位或绝对定位的方式确定道路检测区域；其中，所述的通过相对定位的方式确定道路检测区域，即根据待检测区域的方向和位置来定义工作坐标系：以检测区域延伸方向为Y轴，以垂直于其延伸方向为X轴，以检测起始点为原点；在此坐标系下根据实际检测需求自定义一个检测区域；所述的通过绝对定位的方式确定道路检测区域，即利用位置标定器采集待检测区域边界关键点的实际位置信息，然后通过所述边界拟合出一个多边形区域作为道路检测区域。

3.根据权利要求1所述的基于机器人的智能道路检测方法，其特征在于，对道路的病害情况进行综合分析时，首先通过人工读取雷达所采集的数据，如果发现可疑内部缺陷，则根据相应的位置信息查看对应的表观数据，然后通过裂缝及破损识别算法自动识别高精度相机所采集的图像中的被检测区域的表观缺陷。

4.根据权利要求1所述的基于机器人的智能道路检测方法，其特征在于，步骤S2中，通过编码器触发高精度相机和探地雷达进行数据采集，并通过控制编码器的频率来控制高精度相机和探地雷达采集数据的频率，数据的间距是已知且恒定的；当定位数据的分辨率低于探地雷达数据的分辨率时，则采用线性插值的方式来确定每一个探地雷达数据的准确位置。

5.根据权利要求1所述的基于机器人的智能道路检测方法，其特征在于，步骤S2中，通过安装在机器人轮子上的编码器所发出的编码器脉冲触发高精度相机进行数据采集；相机对脉冲进行计数，每隔固定的脉冲数后触发快门拍照，使得相邻的两张照片之间具有10％～20％的重合部分；进行道路情况分析时，首先根据照片的位置信息进行初步拼接，然后根据照片的位置信息找出重合区域，再利用特征点匹配拼接算法对接缝进行模糊化处理，将照片中重合的部分去掉。

6.根据权利要求1所述的基于机器人的智能道路检测方法，其特征在于，步骤S2中，控制高精度相机和探地雷达进行数据采集时，同时获取机器人当前的位置信息，根据机器人的几何尺寸、高精度相机和探地雷达的安装位置关系以及机器人的当前航向，计算出高精度相机采集点和探地雷达采集点的准确位置，然后将此位置信息与对应的相机图像、雷达数据进行关联存储。

7.根据权利要求1～6任一项所述的基于机器人的智能道路检测方法，其特征在于，步骤S2中，所述的机器人的实时定位信息，是通过将差分GPS定位数据、陀螺仪数据及编码器数据利用卡尔曼滤波算法进行融合后获得的位置数据；根据机器人的移动速度和最大位置误差调节机器人实时定位信息的刷新周期：

v*p＝e；

其中，v为机器人的移动速度，p为机器人实时定位信息的刷新周期，e为最大位置误差。

8.根据权利要求1所述的基于机器人的智能道路检测方法，其特征在于，还包括：采用位置标定器对道路病害的实际位置进行定位；其中，所述的位置标定器包括GPS天线、GPS基站数据接收模块、GPS移动接收机和串口转蓝牙通信模块，GPS移动接收机分别与GPS天线、GPS基站数据接收模块和串口转蓝牙通信模块连接；所述的GPS天线采用蘑菇头天线。

9.根据权利要求1所述的基于机器人的智能道路检测方法，其特征在于，高精度相机采集数据的频率和实时定位信息刷新的频率是异步的，且实时定位信息刷新的频率为高精度相机采集数据频率的5～10倍。