CN109500813B - 一种电站巡检机器人的红外快速巡检方法 - Google Patents
一种电站巡检机器人的红外快速巡检方法 Download PDFInfo
- Publication number
- CN109500813B CN109500813B CN201811449543.6A CN201811449543A CN109500813B CN 109500813 B CN109500813 B CN 109500813B CN 201811449543 A CN201811449543 A CN 201811449543A CN 109500813 B CN109500813 B CN 109500813B
- Authority
- CN
- China
- Prior art keywords
- inspection
- directed line
- map
- line segment
- point
- 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
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
Abstract
本发明公开了一种电站巡检机器人的红外快速巡检方法,属于智能机器人技术领域。本发明包括以下步骤:规划巡检路径的步骤:将被巡检设备的各个地图巡检点投放到不同的线段上,依据巡检点位与机器人运行方向之间的夹角建立有向线段的方向,并在此基础上计算所有的有向线段两两之间最短距离;计算将所有有向线段组合后的初始最短路径,得到机器人的巡检路径;所述组合是指对所述有向线段首尾依次连接,记录所有有向线段所组成的巡检路径;巡检的步骤:机器人根据所述巡检路径行走并进行巡检。采用本发明的方法,减少了机器人的全站巡检时间,降低机器人电力消耗,提高机器人巡检效率。
Description
技术领域
本发明属于智能机器人技术领域,具体涉及一种电站巡检机器人的红外快速巡检方法。
背景技术
本发明中相关的技术术语的定义如下:
人工智能方法:利用神经网络、进化计算、模糊逻辑与信息融合等人工智能技术进行机器人的路径规划。
人工势场方法:将机器人在规划空间中的运动看作一种在虚拟力场中的受力运动,障碍物或威胁区对机器人产生排斥力,目标点对机器人产生吸引力。机器人在合力的作用下朝着目标点运动。
零位:机器人的初始位置。
地图巡检点:机器人为对巡检设备进行拍摄时,需走到的位置,该位置投射在地图上的点。
巡检点位:机器人对某一设备进行某项内容的检测时所处的位置和角度,位置和角度共同决定一个巡检点位。如果需要对一个设备进行多项检测,可能对应多个巡检点位。巡检点位与设备的检测项一一对应。
非任务状态巡检点:本次巡检任务中可能经过的巡检点,但不需要对该巡检点进行巡检。
随着光学科技水平的不断提高,红外巡检成为主流的电站设备巡检方式。巡检机器人搭载红外成像设备,依据预先规划的路径,对电站巡检设备进行拍照,并利用图像处理技术识别设备的状态。目前现有的红外巡检精测方案的巡检流程如下:
1.利用人工智能方法或人工势场方法规划巡检路径。
2.机器人依据巡检路径进行设备巡检。当机器人接近地图巡检点时逐渐减速,将机器人的位置调整到地图巡检点范围内(例如将导航误差调整到1cm),到达地图巡检点后停止。
3.云台从零位转到指定位置,拍摄一个巡检点位;然后再调转云台的位置拍摄另一个巡检点位;直至拍摄完成该地图巡检点所有的巡检点位,对所拍摄得图像进行识别(识别被巡检设备的状态及所处的环境参数)后,机器人逐渐加速向下一地图巡检点出发。
对于大型电站,巡检设备数目众多的情况,上述方法在巡检作业时效性方面存在以下弊端:
(1)在机器人的行走控制部份,机器人在重复进行“加速→匀速→减速→停止”的过程,巡检效率相对较低。
(2)云台不支持360度旋转。实验证明在呈现出锐角的时候进行拍摄,才能达到理想的识别效果,此时云台的位置无需做过多的调整。且只有机器人到达预先设定的地图巡检点时,相机才能够拍摄被巡检设备。当机器人的行走方向与需要巡检的设备间出现钝角的情况时,云台补偿会出现偏移,影响图像的识别。
(3)机器人到达地图巡检点范围内后,云台才开始从零位转到指定位置,且每拍摄一个点位都需要调整云台的位置。
(4)单张图片只能识别一个地图巡检点,识别效率较低。
由上述分析可知,由于以上弊端,巡检周期较长,从而增加机器人的电力消耗,机器人巡检效率低。如何缩短机器人红外巡检的巡检周期,降低机器人电力消耗,提高机器人巡检效率成为亟待解决的问题。
发明内容
本发明目的是:针对现有技术的不足,提供一种时效性好的电站巡检机器人的红外快速巡检方法。该方法对红外快速巡检方法中的巡检路径、云台位置预调、导航行走策略、图像识别流程等方面进行了优化。
本发明提供的电站巡检机器人的红外快速巡检方法包括以下步骤:
规划巡检路径的步骤:将被巡检设备的各个地图巡检点投放到不同的线段上,依据巡检点位方向与机器人运行方向之间的夹角建立有向线段的方向,并在此基础上计算所有的有向线段两两之间最短距离;计算将所有有向线段组合后的初始最短路径,得到机器人的巡检路径;所述组合是指对所述有向线段首尾依次连接,记录所有有向线段所组成的巡检路径;巡检的步骤:机器人根据所述巡检路径行走并进行巡检。
进一步而言,所述建立有向线段的方向的步骤包括:
确定在同一线段上的各地图巡检点;
统计所述同一线段上各地图巡检点的巡检点位方向与所述同一线段方向之间的角度中锐角数量和钝角数量;
根据所述锐角与钝角的比例,确定所述同一线段的方向,使得所述锐角占比多。
进一步而言,所述计算所有有向线段两两之间最短距离的步骤包括:
记录每条有向线段的初始地图巡检点和终止地图巡检点的位置;
对所有有向线段,分别计算两条有向线段之间最短距离;
以所述两条有向线段之间最短距离为基础,建立二维距离矩阵。
进一步而言,所述计算两条有向线段之间最短距离的步骤包括:
2-1-1)计算第一有向线段的终止地图巡检点到第二有向线段的起始地图巡检点的距离,作为第一有向线段与第二有向线段间的距离;
2-2-2)计算从第一有向线段的终止地图巡检点,中间经过某个非任务状态的巡检点后到第二有向线段的起始地图巡检点的距离,作为第一有向线段与第二有向线段间新的距离;
2-2-3)对于每一个非任务状态的巡检点,比较所述第一有向线段与第二有向线段间新的距离与所述第一有向线段与第二有向线段间的距离,取二者中较短的作为第一有向线段与第二有向线段间的距离;
2-2-4)遍历所有所述若干非任务状态的巡检点,重复2-2-2)和2-2-3),获得的第一有向线段与第二有向线段间的距离即为第一有向线段与第二有向线段之间最短距离。
进一步而言,所述计算将所有有向线段组合后的初始最短路径的步骤包括:
3-1)利用贪心算法得到若干有向线段的以第一有向线段开始的所有组合方式,查找二维距离矩阵,分别计算所有组合方式下有向线段所组成的巡检路径的长度,选取长度最短的组合方式;
3-2)分别在所述长度最短的组合方式下各有向线段间插入一个新的有向线段,利用贪心算法求得新的所有组合方式,查找二维距离矩阵,分别计算新的所有组合方式下有向线段所组成的巡检路径的长度,选取长度最短的组合方式;
3-3)重复3-2)所述步骤,依次得到加入新的有向线段后的长度最短的组合方式,即初始最短路径。
进一步而言,在计算将所有有向线段组合后的初始最短路径之后,计算最优路径,将所述最优路径作为机器人的巡检路径。
进一步而言,所述计算最优路径的步骤是指,以所述初始最短路径作为退火算法的衡量标准,引入退火算法,求出最优路径,所述退火算法包括:
A-1)以初始最短路径作为退火算法的衡量标准,确定初始温度,设置每个温度下的新路径的迭代次数;
A-2)在组合后的有向线段中,随机调整任意两条有向线段的顺序,得到新的路径;计算所述新的路径与所述初始最短路径间的差值;
A-3)根据差值进行处理:
当差值不大于0时,接受当前路径,作为下次退火算法计算的初始点;
当差值小于0时,计算新路径的接受概率:新路径的接受概率大于指定概率值时,接受当前路径,作为下次计算的初始点;否则放弃该路径,返回A-2);
A-4)统计当前温度下新路径的迭代次数,进行相应处理:
当迭代次数小于指定次数时,返回A-2);
当迭代次数不小于指定次数时,判断当前温度:若当前温度不大于指定温度,按照指定的衰减速度缓缓降温,返回A-2);若当前温度大于指定温度,当前路径即为最优路径。
进一步而言,机器人根据所述巡检路径行走是指:机器人依据规划好的路径,按照第一速度行走,到达位于地图巡检点前方指定距离处之后,开始调整云台位置,按照第二速度行走,到达地图巡检点之后,按照第一速度行走;如此不断调整达到地图巡检点前后的行走速度,中间不停歇,直到完成所有地图巡检点的巡检任务。
进一步而言,所述巡检的步骤还包括云台预调,在到达地图巡检点之前将相机角度调整完毕。
进一步而言,所述云台调整包括:
5-1)机器人在从第一地图巡检点向第二地图巡检点运动过程中,到达位于地图巡检点前方指定距离处后,机器人定期计算到达第二地图巡检点所需时间;
5-2)云台根据所述到达第二地图巡检点所需时间,计算云台所需旋转速度;
5-3)云台按照所述云台所需旋转速度进行相应的旋转;
5-4)判断机器人是否到达第二地图巡检点,未到达,则转至5-1);到达,则转至5-5);
5-5)确认云台已调整到第二地图巡检点。
进一步而言,所述巡检包括:在某个地图巡检点上,拍摄能够覆盖所述地图巡检点上的若干巡检点位的单张照片。
本发明的有益效果如下:本发明的电站巡检机器人的红外快速巡检方法,首先将被巡检设备的地图巡检点投放到不同的线段上(可以理解成依次连接巡检设备的地图巡检点所形成的线段),依据巡检点位与机器人运行方向之间的夹角判定各个线段的方向,并在此基础上利用贪心算法和退火算法相结合的方法规划出机器人的巡检路径。机器人根据巡检路径进行巡检作业时,在到达地图巡检点之前将云台位置调整完毕,保证红外相机一次拍就能摄到该地图巡检点的所有设备,实现单张图片识别各个地图巡检点的功能,该方法大大减少了机器人的全站巡检时间,降低机器人电力消耗,提高机器人巡检效率。
附图说明
图1是本发明实施例的红外快速巡检整体流程图。
图2是本发明实施例的有向线段示意图。
图3是本发明实施例的建立有向线段流程图。
图4是本发明实施例的计算所有有向线段两两间最短距离流程图。
图5是本发明实施例的计算两条有向线段间最短路径流程图。
图6是本发明实施例的计算最优路径流程图。
图7是本发明实施例的行走策略示意图。
图8是本发明实施例的云台预调流程图。
具体实施方式
下面结合实施例并参照附图对本发明作进一步详细描述。
实施例1:
本发明的一个实施例,介绍了一种电站巡检机器人的红外快速巡检方法。
机器人的全驱全向轮在上位机的控制下按照规划的路径行进,云台在云台预调策略作用下,在到达地图巡检点之前调整好位置,高清摄像头及红外成像仪处于最佳的拍照角度,满足单张照片拍摄多个设备的需求。
电站巡检机器人的红外快速巡检方法的整体流程如图1所示,具体实施步骤如下:
一、巡检路径规划阶段
步骤一:建立有向线段。
确定将被巡检设备的地图巡检点投放到不同的线段上,如图2所示,其中A、B、C、D分别为巡检设备的4个地图巡检点,灰色箭头代表巡检设备时巡检点位的方向,θ1、θ2、θ3、θ4分别代表地图巡检点A、B、C、D上相应巡检点位方向与机器人行走方向之间夹角。机器人依据巡检点位与机器人行走方向之间的夹角判定各个线段的方向,用于在此基础上利用贪心算法和退火算法相结合的方法规划出机器人的巡检路径。建立有向线段的流程如图3所示。
1.根据三角形求面积的方法依次判断地图巡检点(例如C)是否在AB这条直线上。确定A、B、C在一条线段上,转至2);如果不在一条线段上,则以C为起点重新确定一条线段。
2.根据线段上机器人需要巡检的地图巡检点(A、B、C、D),分别计算θ1、θ2、θ3、θ4的大小,统计锐角数量N1和钝角数量N2。
3.根据锐角与钝角的比例,确定机器人的行走方向,即线段的方向。如果锐角占比多,则机器人从A向D行走;如果钝角多占比多,则机器人从D向A行走。步骤二,计算所有有向线段两两之间最短距离。
对所有有向线段进行编号{p1,p2…pk},记录每条有向线段的初始地图巡检点和终止地图巡检点的位置。利用以下算法分别计算所有有向线段两两之间终点到起点的距离,建立二维距离矩阵,如图4所示。
2-1)以p1、p2为例,结合图5对计算p1、p2间最短距离的流程进行说明。
2-1-1)线段p1的终点为n1,线段p2的起点为n2,从n1直接到n2的距离记为Dis(n1,n2);
2-2-2)从n1到n2,中间经过k个非任务状态的巡检点,记为S={v1,v2…vk};
2-2-3)从S中依次加入v1,v2…vk对于每一个vj(j=1,2…k),检查
Dis(n1,vj)+Dis(vj,n2)<Dis(n1,n2)是否成立,若成立Dis(n1,n2)=Dis(n1,vj)+Dis(vj,n2),否则不更新Dis(n1,n2);
2-2-4)遍历完所有的点S={v1,v2…vk},获得的Dis(n1,n2)即n1到n2为最短距离。
2-2)计算其余有向线段两两之间终点到起点的距离,建立如下二维距离矩阵,其中li,j表示线段pi终点到线段pj起点的最短距离。
P1 | P2 | P3 | P4 | … | Pk | |
P1 | ∞ | l<sub>1,2</sub> | l<sub>1,3</sub> | l<sub>1,4</sub> | … | l<sub>1,k</sub> |
P2 | l<sub>1,2</sub> | ∞ | l<sub>2,3</sub> | l<sub>2,4</sub> | … | l<sub>2,k</sub> |
P3 | l<sub>1,3</sub> | l<sub>2,3</sub> | ∞ | l<sub>3,4</sub> | … | l<sub>3,k</sub> |
P4 | l<sub>1,4</sub> | l<sub>2,3</sub> | l<sub>3,4</sub> | ∞ | … | l<sub>4,k</sub> |
… | … | … | … | … | ∞ | … |
Pk | l<sub>1,k</sub> | l<sub>2,k</sub> | l<sub>3,k</sub> | l<sub>4,k</sub> | … | ∞ |
步骤三:组合有向线段,计算初始最短路径。
以上述算法求得的二维距离矩阵为数据基础,以距离最短为标准利用贪心算法,对上述构建的线段进行组合(将有向线段首尾依次连接,记录所有的巡检路径),利用贪心算法,将以上述算法求得的初始最短路径为数据基础,与记录的路径一一比较,找到最短路径,求出机器人多条线段排列后的初始最短路径L0。
3-1)组合p1,p2,p3时,利用贪心算法得到两个组合方式p1+p2+p3和p1+p3+p2,分别计算p1+p2+p3和p1+p3+p2的距离,查找二维距离矩阵得到p1+p2+p3=l1,2+l1,3,p1+p3+p2=l1,3+l2,3,选取距离最短的组合方式;
3-2)假设p1,p2,p3的距离最短的组合方式为p1+p3+p2,在组合方式p1+p3+p2的间隔中分别插入p4,依据贪心算法求得三种组合P1+P3+P2+P4,P1+P3+P4+P2,P1+P4+P3+P2,查找二维距离矩阵得到P1+P3+P2+P4=l1,3+l2,3+l2,4,P1+P3+P4+P2=l1,3+l3,4+l2,4,P1+P4+P3+P2=l1,4+l3,4+l2,3,选取距离最小的组合方式。
3-3)依次在上一步求得的线段组合的间隔中插入p5…pk,求出机器人所有线段排列后的初始最短路径L0。
(可选)计算最优路径。
以初始最短路径L0作为退火算法的衡量标准,引入退火算法,求出最接近最优解的路径,解决贪心算法中过于重视局部而忽略整体的缺陷,达到减少巡检时间的目的。退火算法来源于固体退火原理,将固体加温至充分高,再让其徐徐冷却,加温时,固体内部粒子随温升变为无序状,内能增大,而徐徐冷却时粒子渐趋有序,在每个温度都达到平衡态,最后在常温时达到基态,内能减为最小。根据Metropolis准则,粒子在温度T时趋于平衡的概率为e(-ΔE/(kT)),其中E为温度T时的内能,ΔE为其改变量,k为Boltzmann常数。用固体退火模拟组合优化问题,将内能E模拟为目标函数值f,温度T演化成控制参数t,即得到解组合优化问题的模拟退火算法:由初始解i和控制参数初值t开始,对当前解重复“产生新解→计算目标函数差→接受或舍弃”的迭代,并逐步衰减t值,算法终止时的当前解即为所得近似最优解,这是基于蒙特卡罗迭代求解法的一种启发式随机搜索过程。退火过程由冷却进度表控制,包括控制参数的初值t及其衰减因子Δt、每个t值时的迭代次数L和停止条件S。流程如图6所示。
A-1)以初始最短路径L0作为退火算法的衡量标准,确定初始温度T0,设置每个温度T下的新路经的迭代次数为n。工程中T0的值为1,n为设定的经验值,取值范围为1000~50000。
A-2)在贪心算法组合后的线段中,随机调整任意两条线段的位置,得到新的路径Li,Li在退火算法中对应的温度为Ti;计算新的路径Li与初始最短路径L0间的距离差Δd=d(Li)-d(L0)。
A-3)根据Δd的值进行处理:
当Δd≤0时,接受当前路径,作为下次计算的初始点L0=Li;
当Δd>0时,计算新路径的接受概率P(Δd)=exp(-Δd/Ti),P(Δd)>random(0,1)接受当前路径,作为下次计算的初始点L0=Li;否则放弃该路径,返回A-2);
A-4)统计当前温度Tk下新路径的迭代次数a,进行相应处理:
当a<n时,返回A-2)。
当a≥n时,判断当前温度Tk的值。若Tk≥0.05,按照Tk=αTk-1的衰减速度缓缓降温,其中α取值范围为[0,1],优选0.95,返回A-2);若Tk≤0.05,当前路径即为最优路径。
二、巡检阶段
步骤四、机器人行走。
机器人依据规划好的路径进行巡检作业。以图6所示的有向线段为例,当机器人按照地图巡检点A、B、C、D的路径顺序行走时,点1、2、3、4分别位于地图巡检点A、B、C、D前方2米处。机器人在到达地图巡检点A、B、C、D前后分别以速度sp1和速度sp2行走。sp1≥sp2,例如sp2取值0.8m/s,SP1取值1m/s。具体来说,机器人到达点1之前,按照速度sp1行走,到达点1之后,开始调整云台位置,调换行走速度为sp2,完成地图巡检点A的巡检任务后,将速度提升至sp1;到达点位2时,调换速度到sp2,完成地图巡检点B点的巡检任务后,将速度提升至sp1;到达点位3时,调换速度到sp2,完成地图巡检点C点的巡检任务后,将速度提升至sp1;到达点位4时,调换速度到sp2,直到完成地图巡检点D点的巡检任务。机器人按照此速度策略完成行走控制流程,中间不停歇。
步骤五、云台预调。
在步骤四所述的机器人行走过程中,机器人在接近巡检点位对应的地图巡检点时,将云台按要求的位置(要求的位置是指到达地图巡检点时,满足全部巡检设备拍摄要求的位置)进行逐步调整,以求在到达巡检点位对应的地图巡检点时,直接进行巡检,具体流程如图7所示。不需要云台到达地图巡检点后从零位转到指定位置,达到节省巡检时间的目的。
5-1)机器在从图6中的地图巡检点A向地图巡检点B运动过程中,到达云台预调阈值(即点2)后,机器人的导航模块每隔0.5s会上报(上报给上位机,上位机发送指令计算云台的旋转速度),机器还要多久到达地图巡检点B。
5-2)云台根据导航模块上报的到达地图巡检点B所需时间,计算云台所需旋转速度。v=(sn-s)/t,其中,v表示云台的旋转速度,sn表示云台的最终位置,s表示云台的当前位置,t表示导航模块上报的时间。
5-3)根据所需旋转速度调整云台,即进行相应的云台旋转操作。
5-4)判断机器人是否到达地图巡检点B,未到达,则转至5-1);到达,则转至5-5)。
5-5)确认云台已调整到最终需要的位置(地图巡检点B)。
步骤六、拍摄图像。
假设在地图巡检点B上,有三个巡检点位需要巡检,分别是x1、x2、x3。云台到达地图巡检点B后,拍摄能够覆盖x1、x2、x3的单张照片,则通过单张照片即可识别多个巡检点位,完成地图巡检点B的巡检任务。
机器人按照上述巡检阶段的步骤四~步骤六,进行全站巡检作业。
经测试,本发明的电站巡检机器人的红外快速巡检方法与精测方法相比,随着巡检设备的增多,平均巡检时间减少及效率提升效果明显,参见表1。表1中,设备位置和距离在快巡和精测时是一样的,不同的是机器人的运行速度、路径规划的方法、云台的调整策略以及图像的拍摄策略。
表1快巡与精测效率对比表
虽然本发明已以较佳实施例公开如上,但实施例并不是用来限定本发明的。在不脱离本发明之精神和范围内,所做的任何等效变化或润饰,同样属于本发明之保护范围。因此本发明的保护范围应当以本申请的权利要求所界定的内容为标准。
Claims (10)
1.一种电站巡检机器人的红外快速巡检方法,其特征在于,包括以下步骤:
规划巡检路径的步骤:将被巡检设备的各个地图巡检点投放到不同的线段上,依据巡检点位方向与机器人运行方向之间的夹角建立有向线段的方向,并在此基础上计算所有的有向线段两两之间最短距离;计算将所有有向线段组合后的初始最短路径,得到机器人的巡检路径;所述组合是指对所述有向线段首尾依次连接,记录所有有向线段所组成的巡检路径;
巡检的步骤:机器人根据所述巡检路径行走并进行巡检;
所述建立有向线段的方向的步骤包括:
确定在同一线段上的各地图巡检点;
统计所述同一线段上各地图巡检点的巡检点位方向与所述同一线段方向之间的角度中锐角数量和钝角数量;
根据所述锐角与钝角的比例,确定所述同一线段的方向,使得所述锐角占比多。
2.根据权利要求1所述的电站巡检机器人的红外快速巡检方法,其特征在于,所述计算所有有向线段两两之间最短距离的步骤包括:
记录每条有向线段的初始地图巡检点和终止地图巡检点的位置;
对所有有向线段,分别计算两条有向线段之间最短距离;
以所述两条有向线段之间最短距离为基础,建立二维距离矩阵。
3.根据权利要求1所述的电站巡检机器人的红外快速巡检方法,其特征在于,所述计算两条有向线段之间最短距离的步骤包括:
2-1-1)计算第一有向线段的终止地图巡检点到第二有向线段的起始地图巡检点的距离,作为第一有向线段与第二有向线段间的距离;
2-2-2)计算从第一有向线段的终止地图巡检点,中间经过某个非任务状态的巡检点后到第二有向线段的起始地图巡检点的距离,作为第一有向线段与第二有向线段间新的距离;
2-2-3)对于每一个非任务状态的巡检点,比较所述第一有向线段与第二有向线段间新的距离与所述第一有向线段与第二有向线段间的距离,取二者中较短的作为第一有向线段与第二有向线段间的距离;
2-2-4)遍历所有所述若干非任务状态的巡检点,重复2-2-2)和2-2-3),获得的第一有向线段与第二有向线段间的距离即为第一有向线段与第二有向线段之间最短距离。
4.根据权利要求3所述的电站巡检机器人的红外快速巡检方法,其特征在于,所述计算将所有有向线段组合后的初始最短路径的步骤包括:
3-1)利用贪心算法得到若干有向线段的以第一有向线段开始的所有组合方式,查找二维距离矩阵,分别计算所有组合方式下有向线段所组成的巡检路径的长度,选取长度最短的组合方式;
3-2)分别在所述长度最短的组合方式下各有向线段间插入一个新的有向线段,利用贪心算法求得新的所有组合方式,查找二维距离矩阵,分别计算新的所有组合方式下有向线段所组成的巡检路径的长度,选取长度最短的组合方式;
3-3)重复3-2)所述步骤,依次得到加入新的有向线段后的长度最短的组合方式,即初始最短路径。
5.根据权利要求1~4任一所述的电站巡检机器人的红外快速巡检方法,其特征在于,在计算将所有有向线段组合后的初始最短路径之后,计算最优路径,将所述最优路径作为机器人的巡检路径。
6.根据权利要求5所述的电站巡检机器人的红外快速巡检方法,其特征在于,所述计算最优路径的步骤是指,以所述初始最短路径作为退火算法的衡量标准,引入退火算法,求出最优路径,所述退火算法包括:
A-1)以初始最短路径作为退火算法的衡量标准,确定初始温度,设置每个温度下的新路径的迭代次数;
A-2)在组合后的有向线段中,随机调整任意两条有向线段的顺序,得到新的路径;计算所述新的路径与所述初始最短路径间的差值;
A-3)根据差值进行处理:
当差值不大于0时,接受当前路径,作为下次退火算法计算的初始点;
当差值小于0时,计算新路径的接受概率:新路径的接受概率大于指定概率值时,接受当前路径,作为下次计算的初始点;否则放弃该路径,返回A-2);
A-4)统计当前温度下新路径的迭代次数,进行相应处理:
当迭代次数小于指定次数时,返回A-2);
当迭代次数不小于指定次数时,判断当前温度:若当前温度不大于指定温度,按照指定的衰减速度缓缓降温,返回A-2);若当前温度大于指定温度,当前路径即为最优路径。
7.根据权利要求1所述的电站巡检机器人的红外快速巡检方法,其特征在于,机器人根据所述巡检路径行走是指:机器人依据规划好的路径,按照第一速度行走,到达位于地图巡检点前方指定距离处之后,开始调整云台位置,按照第二速度行走,到达地图巡检点之后,按照第一速度行走;如此不断调整达到地图巡检点前后的行走速度,中间不停歇,直到完成所有地图巡检点的巡检任务。
8.根据权利要求1所述的电站巡检机器人的红外快速巡检方法,其特征在于,所述巡检的步骤还包括云台预调,在到达地图巡检点之前将相机角度调整完毕。
9.根据权利要求8所述的电站巡检机器人的红外快速巡检方法,其特征在于,所述云台调整包括:
5-1)机器人在从第一地图巡检点向第二地图巡检点运动过程中,到达位于地图巡检点前方指定距离处后,机器人定期计算到达第二地图巡检点所需时间;
5-2)云台根据所述到达第二地图巡检点所需时间,计算云台所需旋转速度;
5-3)云台按照所述云台所需旋转速度进行相应的旋转;
5-4)判断机器人是否到达第二地图巡检点,未到达,则转至5-1);到达,则转至5-5);
5-5)确认云台已调整到第二地图巡检点。
10.根据权利要求1所述的电站巡检机器人的红外快速巡检方法,其特征在于,所述巡检包括:在某个地图巡检点上,拍摄能够覆盖所述地图巡检点上的若干巡检点位的单张照片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811449543.6A CN109500813B (zh) | 2018-11-29 | 2018-11-29 | 一种电站巡检机器人的红外快速巡检方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811449543.6A CN109500813B (zh) | 2018-11-29 | 2018-11-29 | 一种电站巡检机器人的红外快速巡检方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109500813A CN109500813A (zh) | 2019-03-22 |
CN109500813B true CN109500813B (zh) | 2020-07-03 |
Family
ID=65751382
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811449543.6A Active CN109500813B (zh) | 2018-11-29 | 2018-11-29 | 一种电站巡检机器人的红外快速巡检方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109500813B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112258682B (zh) * | 2020-10-19 | 2022-10-14 | 合肥科大智能机器人技术有限公司 | 一种变电站机器人巡检系统及其巡检方法 |
CN113916938B (zh) * | 2021-09-29 | 2024-02-02 | 广东电网有限责任公司广州供电局 | 一种基于大电流的红外检测导线缺陷的方法 |
CN114302115B (zh) * | 2022-01-06 | 2024-04-19 | 重庆紫光华山智安科技有限公司 | 视频播放方法、装置、设备及介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4736607B2 (ja) * | 2005-08-05 | 2011-07-27 | 株式会社デンソーウェーブ | ロボット制御装置 |
CN102854878B (zh) * | 2012-09-14 | 2015-07-22 | 苏州工业园区永动工业设备有限公司 | 红外光电导向agv装置及其控制方法 |
CN106506955A (zh) * | 2016-11-10 | 2017-03-15 | 国网江苏省电力公司南京供电公司 | 一种基于gis地图的变电站视频巡检路径规划方法 |
CN106500704A (zh) * | 2016-12-30 | 2017-03-15 | 亿嘉和科技股份有限公司 | 一种基于改进遗传算法的机器人路径规划方法 |
CN108426576B (zh) * | 2017-09-15 | 2021-05-28 | 辽宁科技大学 | 基于标识点视觉导航与sins的飞行器路径规划方法及系统 |
CN108255174B (zh) * | 2017-12-20 | 2021-03-16 | 北京理工华汇智能科技有限公司 | 机器人路径规划方法及装置 |
-
2018
- 2018-11-29 CN CN201811449543.6A patent/CN109500813B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109500813A (zh) | 2019-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109500813B (zh) | 一种电站巡检机器人的红外快速巡检方法 | |
WO2020134254A1 (zh) | 一种基于强化学习的喷涂机器人轨迹优化方法 | |
CN102157011B (zh) | 利用移动拍摄设备进行动态纹理采集及虚实融合的方法 | |
CN110850875B (zh) | 分布式光伏电站无人机巡检线路规划方法、系统及存储介质 | |
CN109066861A (zh) | 基于机器视觉的智能巡检机器人自动充电控制方法 | |
CN111076733A (zh) | 一种基于视觉与激光slam的机器人室内建图方法及系统 | |
CN111178148B (zh) | 一种基于无人机视觉系统的地面目标地理坐标定位方法 | |
CN114289934B (zh) | 一种基于三维视觉的大型结构件自动化焊接系统及方法 | |
CN112598729B (zh) | 融合激光与相机的目标物体识别与定位方法 | |
CN112917486A (zh) | 一种基于无人机的船舶外板智能喷涂路径自动规划方法 | |
Jiao et al. | 2-entity random sample consensus for robust visual localization: Framework, methods, and verifications | |
Karakostas et al. | Shot type feasibility in autonomous UAV cinematography | |
CN109366501A (zh) | 气冰球机器人控制方法、装置及气冰球运动设备 | |
CN115682981A (zh) | 应用于微重力环境下的三维扫描方法、装置及系统 | |
CN109800759B (zh) | 一种视觉识别处理系统和处理方法 | |
CN113393524B (zh) | 一种结合深度学习和轮廓点云重建的目标位姿估计方法 | |
CN110111364A (zh) | 运动检测方法、装置、电子设备及存储介质 | |
CN111899303B (zh) | 一种新的考虑空间逆投影约束的特征匹配与相对定位方法 | |
CN108347577A (zh) | 一种成像系统和方法 | |
CN105184803A (zh) | 一种姿态测量方法和装置 | |
CN109525779A (zh) | 一种变焦跟踪曲线的快速校正及验证方法 | |
Wang et al. | Combination of the ICP and the PSO for 3D-SLAM | |
Guerbas et al. | Photometric Gaussian mixtures for direct virtual visual servoing of omnidirectional camera | |
Winkens et al. | Long range optical truck tracking | |
Song et al. | Camera calibration based on particle swarm optimization |
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 |