CN110989344A - 一种巡检机器人预置参数自动调整方法及系统 - Google Patents

Abstract

本申请提供的一种巡检机器人预置参数自动调整方法及系统，获取第n个预置点的被测对象的图像目标检测数据集，根据目标检测数据集基于SSD神经网络算法进行模型训练，得到第n个预置点被测对象的目标检测模型；该模型为通用模型，在每次巡检到第n个预置点时，对机器人所拍摄到的图像进行目标检测，并通过观测对象在图像中的位置、大小等来调整第n个预置点的预置参数a、b及c，当被测对象未存在于输出结果中时，则调整a、b及c；当被测对象在输出结果的图像中的占比小于1/5，则调整c；当被测对象未处于输出结果的图像中央时，则调整a、b；使得原本固定不变的预置参数自动调整。

Description

一种巡检机器人预置参数自动调整方法及系统

技术领域

本申请涉及巡检机器人技术领域，尤其涉及一种巡检机器人预置参数自动调整方法及系统。

背景技术

目前，为了减轻变电站工作人员的负担，变电站巡检机器人得到了大力的推广。机器人一般通过激光雷达构建变电站三维地图，并根据站内巡检对象的分布人工设置机器人的停留点定位坐标(一般有2000至4000个预置点)，以及在该预置点下的车载云台的水平偏转角a、垂直俯仰角b、可见光、红外摄像头的焦距c等参数，实现对相应目标的视觉观测，这些云台及摄像头的参数统称为预置参数。

然而，机器人的定位、云台的转动都有一定的偏差，偏差随着观测视距的增大而放大，往往差之毫厘，失之千里。尤其随着机器人工作时间的增加，机器人轮胎磨损日益增加，偏差也越来越大，直到观测目标已经不能出现在机器人的视觉范围内。目前机器人的相关预置参数并不能随着观测结果的变化而自动调整，只能通过专业人员通过手动校正。

发明内容

本申请提供了一种巡检机器人预置参数自动调整方法及系统，以解决预置参数不能随着观测结果变化而自动调整的技术问题。

为了解决上述技术问题，本申请实施例公开了如下技术方案：

第一方面，本申请提供了一种巡检机器人预置参数自动调整方法，预置参数包括车载云台的水平偏转角a、垂直俯仰角b、可见光、红外摄像头的焦距c，包括：

获取第n个预置点的被测对象的图像目标检测数据集，所述数据集包括训练集A和测试集T；

从所述训练集A中有放回地随机抽取数据并根据SSD神经网络算法进行N轮训练，得到第n个预置点的目标检测模型；

将所述测试集T输入至所述目标检测模型中直至测试结果准确率达到80％，得到第n个预置点的优化目标检测模型；

将第n个预置点的被测对象的图像输入所述第n个预置点的优化目标检测模型中并输出结果；

判定第n个预置点被测对象与所述输出结果的关系；

若第n个预置点的被测对象未存在于输出结果中，则调整第n个预置点的预置参数a、b及c；

若第n个预置点的被测对象在输出结果的图像中的占比小于1/5，则调整第n个预置点的预置参数c；

若第n个预置点的被测对象未处于输出结果的图像中央，则调整第n个预置点的预置参数a、b。

可选的，所述判定被测对象与所述输出结果的位置关系，包括：

若第n个预置点的被测对象存在于输出结果中，且第n个预置点的被测对象在输出结果的图像中的占比大于1/5，且第n个预置点的被测对象处于输出结果的图像中央，则不调整预置参数。

可选的，所述判定被测对象与所述输出结果的位置关系，还包括：

若第n个预置点的被测对象存在于输出结果中，且第n个预置点的被测对象在输出结果的图像中的占比大于1/5，且第n个预置点的被测对象处于输出结果的图像中央，则更新预置参数。

可选的，所述获取第n个预置点的被测对象的图像目标检测数据集，包括：

在以第n个预置点的定位坐标为圆心，R为半径的区域内，随机选取20个坐标点；

在各所述坐标点对被测对象拍照，依次得到被测对象存在与图像的左上、右上、左下、右下及正中位置处；

设置摄像头焦距参数，使被测对象依次在所述左上、右上、左下、右下及正中位置处像素比不一，得到第n个预置点的被测对象的原始图像。

可选的，所述R大于或等于所述巡检机器人长度的5倍。

可选的，所获取第n个预置点的被测对象的图像目标检测数据集，还包括：

通过对所述原始图像区域切割、镜像化及旋转，得到目标检测数据集。

可选的，所述训练集A和测试集T占目标检测数据集的比例分别为80％和20％。

可选的，所述从所述训练集A中有放回地随机抽取数据并根据SSD神经网络算法进行N轮训练，包括：

预设训练轮数为N；

判断实际训练轮数是否等于N；

若实际训练轮数小于N则继续训练；若实际训练论述等于N，则输出目标检测模型。

第二方面，基于上述的一种巡检机器人预置参数自动调整方法，本申请还提供了一种巡检机器人预置参数自动调整系统，预置参数包括车载云台的水平偏转角a、垂直俯仰角b、可见光、红外摄像头的焦距c，包括：

数据集获取模块，用于获取第n个预置点的被测对象的图像目标检测数据集，所述数据集包括训练集A和测试集T；

目标检测模型训练模块，用于从所述训练集A中有放回地随机抽取数据并根据SSD神经网络算法进行N轮训练，得到第n个预置点的目标检测模型；

目标检测模型测试模块，用于将所述测试集T输入至所述目标检测模型中直至测试结果准确率达到80％，得到第n个预置点的优化目标检测模型；

结果输出模块，用于将第n个预置点的被测对象的图像输入所述第n个预置点的优化目标检测模型中并输出结果；

判定模块，用于判定第n个预置点的被测对象与所述输出结果的位置关系。

可选的，所述判定模块还包括：

若第n个预置点的被测对象未存在于输出结果中，则调整第n个预置点的预置参数a、b及c；

若第n个预置点的被测对象在输出结果的图像中的占比小于1/5，则调整第n个预置点的预置参数c；

若第n个预置点的被测对象未处于输出结果的图像中央，则调整第n个预置点的预置参数a、b。

与现有技术相比，本申请的有益效果为：

由上述技术方案可见，本申请提供的一种巡检机器人预置参数自动调整方法及系统，获取第n个预置点的被测对象的图像目标检测数据集，根据目标检测数据集基于SSD神经网络算法进行模型训练，得到第n个预置点被测对象的目标检测模型；该模型为通用模型，在每次巡检到第n个预置点时，对机器人所拍摄到的图像进行目标检测，并通过观测对象在图像中的位置、大小等来调整第n个预置点的预置参数a、b及c，当被测对象未存在于输出结果中时，则调整a、b及c；当被测对象在输出结果的图像中的占比小于1/5，则调整c；当被测对象未处于输出结果的图像中央时，则调整a、b；使得原本固定不变的预置参数可以随着观测结果的变化而自动调整，保证了每个预置点的观测对象都能准确的被机器人获取到。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种巡检机器人预置参数自动调整方法的流程示意图；

图2为本申请实施例提供的巡检机器人预置参数自动调整方法中目标检测数据集获取的方法示意图；

图3为本申请实施例提供的巡检机器人预置参数自动调整方法中目标检测数据集获取的方法示意图；

图4为本申请实施例提供的巡检机器人预置参数自动调整方法中目标检测数据集获取的方法示意图；

图5为本申请实施例提供的一种巡检机器人预置参数自动调整系统的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

参见附图1，图1示出了图1为本申请实施例提供的一种巡检机器人预置参数自动调整方法的流程示意图；下面结合附图1对本申请实施例提供的一种巡检机器人预置参数自动调整方法进行说明。

如图1所示，本申请提供的一种巡检机器人预置参数自动调整方法，预置参数包括车载云台的水平偏转角a、垂直俯仰角b、可见光、红外摄像头的焦距c，包括：

S110：获取第n个预置点的被测对象的图像目标检测数据集，所述数据集包括训练集A和测试集T，其中n值以及不同n值下的被测对象根据每个变电站的实际情况来确定。

在如图2所示，以巡检机器人在变电站内的第n个预置点为例，在以第n个预置点的定位坐标为圆心，R为半径的区域内，其中R不小于巡检机器人本体长度的5倍，随机选取不同的20个坐标点，让机器人在每个坐标点对观测对象进行拍照，使得观测对象至少存在与图像的左上、右上、左下、右下、正中5个位置，5个位置关系如图3所示，并在每个位置设置10组摄像头焦距参数，使得观测对象在每个位置的图像中有10种不同的像素比。则第n个预置点的观测对象有1000张原始图像，接着对这1000张图像进行人工标注，将观测对象在图像中的所占区域通过[Xmin，Xmax，Ymin，Ymax]标注出来，具体参考图4。接着对1000张标注好的图像进行扩充，通过区域切割、镜像化、旋转等操作进行，使得数据集数量增加至10000张。

所述训练集A和测试集T占目标检测数据集的比例分别为80％和20％。

S120：从所述训练集A中有放回地随机抽取数据并根据SSD神经网络算法进行N轮训练，得到第n个预置点的目标检测模型。

预设训练轮数为N；

判断实际训练轮数是否等于N；

若实际训练轮数小于N则继续训练；若实际训练论述等于N，则输出目标检测模型。

S130：将所述测试集T输入至所述目标检测模型中直至测试结果准确率达到80％，得到第n个预置点的优化目标检测模型。

将n个预置点的n个被测对象的目标检测数据集n*10000张经过预处理(预处理后图片的大小为300×300)，并将数据集以8:2的比例将数据集分为训练集A和测试集T，将训练集A输入SSD神经网络算法进行N轮训练，最终得到对n个被测对象的目标检测模型1个。将测试数据集T输入目标检测模型，得到测试数据集T里每一张图片中被测对象在像中的所占区域[Xmin，Xmax，Ymin，Ymax]，且测试集所有图片的测试结果准确度不低于80％。

S140：将第n个预置点的被测对象的图像输入所述第n个预置点的优化目标检测模型中并输出结果。

S150：判定第n个预置点被测对象与所述输出结果的关系，具体地关系指位置、大小关系；

S160：若第n个预置点的被测对象未存在于输出结果中，则调整第n个预置点的预置参数a、b及c。

S170：若第n个预置点的被测对象在输出结果的图像中的占比小于1/5，则调整第n个预置点的预置参数c。

S180：若第n个预置点的被测对象未处于输出结果的图像中央，则调整第n个预置点的预置参数a、b。

机器人在第n个预置点时，摄像头以人工设置好的预置参数拍摄1张图像，将图像输入目标检测模型，模型输出结果中若含第n个被测对象及其在图像中的位置，则不对预置参数做调整。若模型输出结果中若不含第n个被测对象，若被测对象在输出结果的图像中的占比小于1/5，则调整预置参数c；若被测对象未处于输出结果的图像中央，则调整预置参数a、b，直到被测对象在图像正中且所占像素比例不低于五分之一为止。

其中，所述判定被测对象与所述输出结果的关系，还包括：

若被测对象存在于输出结果中，且被测对象在输出结果的图像中的占比大于1/5，且被测对象处于输出结果的图像中央，则不调整预置参数。

所述判定被测对象与所述输出结果的关系，还包括：

若被测对象存在于输出结果中，且被测对象在输出结果的图像中的占比大于1/5，且被测对象处于输出结果的图像中央，则更新预置参数。

由上述技术方案可见，本申请提供的一种巡检机器人预置参数自动调整方法及系统，获取第n个预置点的被测对象的图像目标检测数据集，根据目标检测数据集基于SSD神经网络算法进行模型训练，得到第n个预置点被测对象的目标检测模型；该模型为通用模型，在每次巡检到第n个预置点时，对机器人所拍摄到的图像进行目标检测，并通过观测对象在图像中的位置、大小等来调整第n个预置点的预置参数a、b及c，当被测对象未存在于输出结果中时，则调整a、b及c；当被测对象在输出结果的图像中的占比小于1/5，则调整c；当被测对象未处于输出结果的图像中央时，则调整a、b；使得原本固定不变的预置参数可以随着观测结果的变化而自动调整，保证了每个预置点的观测对象都能准确的被机器人获取到。

第二方面，本申请基于上述的一种巡检机器人预置参数自动调整方法，还提供了一种巡检机器人预置参数自动调整系统，预置参数包括车载云台的水平偏转角a、垂直俯仰角b、可见光、红外摄像头的焦距c，如图5所示，包括：

数据集获取模块，用于获取第n个预置点的被测对象的图像目标检测数据集，所述数据集包括训练集A和测试集T；

目标检测模型训练模块，用于从所述训练集A中有放回地随机抽取数据并根据SSD神经网络算法进行N轮训练，得到第n个预置点的目标检测模型；

目标检测模型测试模块，用于将所述测试集T输入至所述目标检测模型中直至测试结果准确率达到80％，得到第n个预置点的优化目标检测模型；

结果输出模块，用于将第n个预置点的被测对象的图像输入所述第n个预置点的优化目标检测模型中并输出结果；

判定模块，用于判定第n个预置点的被测对象与所述输出结果的位置关系。

具体地，所述判定模块还包括：

若第n个预置点的被测对象未存在于输出结果中，则调整第n个预置点的预置参数a、b及c；

若第n个预置点的被测对象在输出结果的图像中的占比小于1/5，则调整第n个预置点的预置参数c；

若第n个预置点的被测对象未处于输出结果的图像中央，则调整第n个预置点的预置参数a、b。

由于以上实施方式均是在其他方式之上引用结合进行说明，不同实施例之间均具有相同的部分，本说明书中各个实施例之间相同、相似的部分互相参见即可。在此不再详细阐述。

需要说明的是，在本说明书中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或暗示这些实体或操作之间存在任何这种实际的关系或顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的电路结构、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种电路结构、物品或者设备所固有的要素。在没有更多限制的情况下，有语句“包括一个……”限定的要素，并不排除在包括所述要素的电路结构、物品或者设备中还存在另外的相同要素。

本领域技术人员在考虑说明书及实践这里发明的公开后，将容易想到本申请的其他实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由权利要求的内容指出。

以上所述的本申请实施方式并不构成对本申请保护范围的限定。

Claims (10)

1.一种巡检机器人预置参数自动调整方法，预置参数包括车载云台的水平偏转角a、垂直俯仰角b、可见光、红外摄像头的焦距c，其特征在于，包括：

获取第n个预置点的被测对象的图像目标检测数据集，所述数据集包括训练集A和测试集T；

从所述训练集A中有放回地随机抽取数据并根据SSD神经网络算法进行N轮训练，得到第n个预置点的目标检测模型；

将所述测试集T输入至所述目标检测模型中直至测试结果准确率达到80％，得到第n个预置点的优化目标检测模型；

将第n个预置点的被测对象的图像输入所述第n个预置点的优化目标检测模型中并输出结果；

判定第n个预置点被测对象与所述输出结果的关系；

若第n个预置点的被测对象未存在于输出结果中，则调整第n个预置点的预置参数a、b及c；

若第n个预置点的被测对象在输出结果的图像中的占比小于1/5，则调整第n个预置点的预置参数c；

若第n个预置点的被测对象未处于输出结果的图像中央，则调整第n个预置点的预置参数a、b。

2.根据权利要求1所述的巡检机器人预置参数自动调整方法，其特征在于，所述判定被测对象与所述输出结果的位置关系，包括：

若第n个预置点的被测对象存在于输出结果中，且第n个预置点的被测对象在输出结果的图像中的占比大于1/5，且第n个预置点的被测对象处于输出结果的图像中央，则不调整预置参数。

3.根据权利要求1所述的巡检机器人预置参数自动调整方法，其特征在于，所述判定被测对象与所述输出结果的位置关系，还包括：

若第n个预置点的被测对象存在于输出结果中，且第n个预置点的被测对象在输出结果的图像中的占比大于1/5，且第n个预置点的被测对象处于输出结果的图像中央，则更新预置参数。

4.根据权利要求1所述的巡检机器人预置参数自动调整方法，其特征在于，所述获取第n个预置点的被测对象的图像目标检测数据集，包括：

在以第n个预置点的定位坐标为圆心，R为半径的区域内，随机选取20个坐标点；

在各所述坐标点对被测对象拍照，依次得到被测对象存在与图像的左上、右上、左下、右下及正中位置处；

设置摄像头焦距参数，使被测对象依次在所述左上、右上、左下、右下及正中位置处像素比不一，得到第n个预置点的被测对象的原始图像。

5.根据权利要求1所述的巡检机器人预置参数自动调整方法，其特征在于，所述R大于或等于所述巡检机器人长度的5倍。

6.根据权利要求4所述的巡检机器人预置参数自动调整方法，其特征在于，所获取第n个预置点的被测对象的图像目标检测数据集，还包括：

通过对原始图像区域切割、镜像化及旋转，得到目标检测数据集。

7.根据权利要求1所述的巡检机器人预置参数自动调整方法，其特征在于，所述训练集A和测试集T占目标检测数据集的比例分别为80％和20％。

8.根据权利要求1所述的巡检机器人预置参数自动调整方法，其特征在于，所述从所述训练集A中有放回地随机抽取数据并根据SSD神经网络算法进行N轮训练，包括：

预设训练轮数为N；

判断实际训练轮数是否等于N；

若实际训练轮数小于N则继续训练；若实际训练论述等于N，则输出目标检测模型。

9.一种巡检机器人预置参数自动调整系统，预置参数包括车载云台的水平偏转角a、垂直俯仰角b、可见光、红外摄像头的焦距c，其特征在于，包括：

数据集获取模块，用于获取第n个预置点的被测对象的图像目标检测数据集，所述数据集包括训练集A和测试集T；

目标检测模型训练模块，用于从所述训练集A中有放回地随机抽取数据并根据SSD神经网络算法进行N轮训练，得到第n个预置点的目标检测模型；

目标检测模型测试模块，用于将所述测试集T输入至所述目标检测模型中直至测试结果准确率达到80％，得到第n个预置点的优化目标检测模型；

结果输出模块，用于将第n个预置点的被测对象的图像输入所述第n个预置点的优化目标检测模型中并输出结果；

判定模块，用于判定第n个预置点的被测对象与所述输出结果的位置关系。

10.根据权利要求9所述的巡检机器人预置参数自动调整系统，其特征在于，所述判定模块还包括：

若第n个预置点的被测对象未存在于输出结果中，则调整第n个预置点的预置参数a、b及c；

若第n个预置点的被测对象在输出结果的图像中的占比小于1/5，则调整第n个预置点的预置参数c；

若第n个预置点的被测对象未处于输出结果的图像中央，则调整第n个预置点的预置参数a、b。

Images