CN111309015A - 一种融合多传感器的变电站巡检机器人定位导航系统 - Google Patents
一种融合多传感器的变电站巡检机器人定位导航系统 Download PDFInfo
- Publication number
- CN111309015A CN111309015A CN202010114866.0A CN202010114866A CN111309015A CN 111309015 A CN111309015 A CN 111309015A CN 202010114866 A CN202010114866 A CN 202010114866A CN 111309015 A CN111309015 A CN 111309015A
- Authority
- CN
- China
- Prior art keywords
- module
- robot
- task
- information
- data
- 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.)
- Pending
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 43
- 238000012544 monitoring process Methods 0.000 claims abstract description 15
- 238000007726 management method Methods 0.000 claims description 29
- 230000003068 static effect Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000000007 visual effect Effects 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000001066 destructive effect Effects 0.000 claims description 3
- 230000033001 locomotion Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 description 8
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 229910052744 lithium Inorganic materials 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 244000000188 Vaccinium ovalifolium Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0225—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving docking at a fixed facility, e.g. base station or loading bay
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0251—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting 3D information from a plurality of images taken from different locations, e.g. stereo vision
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Electromagnetism (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Acoustics & Sound (AREA)
- Optics & Photonics (AREA)
- Multimedia (AREA)
- Navigation (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种融合多传感器的变电站巡检机器人定位导航系统，该系统区分有定位模块、避障模块、地图管理模块、语音控制模块、电量监测模块、任务调度模块、导航模块、底层控制模块和安全保障模块九个功能模块，本发明对变电站巡检机器人首次同时引入了激光雷达里程计和视觉里程计算法，能够有效提高室外变电站巡检机器人的定位稳定性和精确性，同时对变电站巡检机器人引入了深度相机，可以方便的获取机器人前方较为低矮的障碍物或坑洞障碍，提高了机器人对于各种环境的兼容性和安全性，同时也使机器人在巡检任务中具备更强的自动导航和避障能力。
Description
技术领域
本发明涉及变电站巡检机器人自动定位导航的技术领域，尤其是指一种融合多传感器的变电站巡检机器人定位导航系统。
背景技术
近年来，随着移动机器人技术迅速发展，越来越多的移动机器人在社会的各个领域发挥着巨大的作用。随着人工智能(AI)时代的到来，机器人技术已经成为高科技发展程度的一项重要标志，例如家庭服务机器人、导购机器人、扫地机器人、变电站巡检机器人等。但是随着人们对机器人智能化的要求越来越高，几乎所有的移动机器人都会面临一个基础的问题，即如何在人们生活的三维世界中进行精确的定位、导航和避障，这并不是一个短时间内就可以解决的问题，因为在现实生活中会遇到各种各样的意外事件，更加考验了机器人的定位导航系统的精度和可靠性。对于变电站巡检机器人，能够在变电站中流畅的进行自主定位导航和避障就成为了一个基础需求。在此基础上可以承载其他智能化的功能。因此，变电站巡检机器人的自主定位导航和避障方案的研究具有非常重要的意义。
目前实现变电站巡检机器人定位导航的方法有很多，其中应用最多的是基于磁条和RFID码识别位置的定位导航方法和导轨式巡检机器人，同时有少量的基于激光雷达和激光雷达与视觉融合的自主定位导航系统，但是其具有稳定性差，智能避障功能不完善的缺点。
综合以上论述，提出一种新的精度较高、环境适应能力强的变电站巡检机器人定位导航系统具有较高的实际应用价值。
发明内容
本发明的目的在于克服传统的基于磁轨和激光雷达传感器的变电站巡检机器人稳定性不足的缺点，提出了一种融合多传感器的变电站巡检机器人定位导航系统，本发明对变电站巡检机器人首次引入了激光雷达里程计和视觉里程计算法，能够有效提高室外变电站巡检机器人的定位稳定性和精确性，同时对变电站巡检机器人引入了深度相机，可以方便的获取机器人前方较为低矮的障碍物或坑洞障碍，提高了机器人对于各种环境的兼容性和安全性，同时也使机器人在巡检任务中具备更强的自动导航避障能力。
为实现上述目的，本发明所提供的技术方案为：一种融合多传感器的变电站巡检机器人定位导航系统，配置有集成IMU的深度相机、二维激光雷达、麦克风、超声波雷达、轮式编码器、惯性传感器、电压传感器、防跌落传感器、防碰撞传感器、工控机、底层驱动电机及其电机驱动器，所述二维激光雷达和集成IMU的深度相机安装在机器人正前方，所述惯性传感器安装在机器人质心处，所述麦克风安装在机器人正前方，所述电压传感器安装在机器人内部，所述超声波雷达有两个对称并排安装在机器人正后方，所述防跌落传感器和防碰撞传感器有两组分别安装在机器人前后方；其中，所述系统区分有以下九个功能模块：
定位模块，使用集成IMU的深度相机、轮式编码器、惯性传感器和二维激光雷达的数据，通过视觉里程计算法、航迹推演算法和二维激光雷达帧间匹配算法得到机器人的位姿信息，将各个算法得到的不准确的初始位姿输入无迹卡尔曼算法得到最终准确的机器人位姿信息；
避障模块，使用集成IMU的深度相机、二维激光雷达数据和机器人后方的超声波雷达数据，对得到的深度图和超声波雷达数据进行重新建模，转换成二维激光雷达数据格式和二维激光雷达数据一起输入进入地图管理模块，作为动态障碍物信息；
地图管理模块，包含静态栅格地图和动态栅格地图两种地图，静态栅格地图为变电站巡检机器人的先验信息，为已经建立完成不会更改的地图及障碍物信息，动态栅格地图包括有避障模块传递的传感器实时动态的障碍物信息；
语音控制模块，通过麦克风获取语音信息，输入至语音解析算法中，解析语音命令后将任务传递至任务调度模块；
电量监测模块，通过电压传感器实时获取变电站巡检机器人电池的电量信息，在电量将要耗尽前传递充电任务到任务调度模块；
任务调度模块，根据语音控制模块、电量监测模块及人为给定的巡检目标对任务进行优先级排序，然后根据优先级陆续将任务分发至导航模块；
导航模块，使用任务调度模块传递来的导航目标信息，根据地图管理模块传递来的静态栅格地图进行全局路径规划，根据地图管理模块传递来的动态栅格地图信息进行局部路径规划，即动态避障，将控制信息输入底层控制模块；
底层控制模块，通过导航模块传递来的控制指令，控制机器人运动，并将轮式编码器信息反馈至定位模块；
安全保障模块，通过前后方防跌落传感器和防碰撞传感器的信息对底层控制模块功能进行开启和关闭，即当有跌落危险或者机器人已经发生碰撞时对底层驱动电机进行锁死，防止机器人进一步运动产生自身或它身破坏性行为。
进一步，在定位模块中，使用无迹卡尔曼滤波算法对多个算法得到的位姿进行融合，步骤如下：
1)首先使用深度相机获得单目彩色相机数据和IMU数据，输入视觉里程计中，由视觉里程计算法处理后得到一个机器人位姿，记为pose_vio；
2)使用位于机器人质心处的惯性传感器数据和二维激光雷达传感器数据，输入激光雷达里程计算法，由激光雷达里程计算法得到第二个机器人位姿，记为pose_laser；
3)使用电机驱动器中的轮式编码器数据，将数据输入进入航迹推演算法，由航迹推演算法计算得到机器人第三个位姿，记为pose_odom；
4)使用刚刚得到的三个机器人位姿：pose_vio、pose_laser、pose_odom，将位姿数据输入无迹卡尔曼算法进行位姿融合，其中，无迹卡尔曼算法输入为三个确定性低的机器人位姿，输出为可靠性高的融合后的机器人位姿，最终得到可靠性高的机器人位姿，记为robot_pose，最后将融合的位姿传递给导航模块使用。
进一步，在避障模块中，使用集成IMU的深度相机、二维激光雷达和超声波雷达传感器获取障碍物信息，步骤如下：
1)由集成IMU的深度相机获取机器人前方障碍物的三维点云数据，使用聚类或者障碍物检测算法获取障碍物信息，将障碍物信息转换成二维激光雷达数据格式的信息，记为vio_laser；
2)使用超声波雷达传感器获取机器人后方的障碍物信息，根据超声波雷达模型建模障碍物信息，数据格式为超声波雷达模型的数据格式，将数据转换成二维激光雷达数据格式，记为sonar_laser；
3)将刚刚得到的vio_laser、sonar_laser和二维激光雷达传感器信息laser_scan一起传递给地图管理模块。
进一步，在任务调度模块中，接收来自语音控制模块、电量监测模块、自身巡检任务和临时任务的信息，将各个模块发送来的调度任务进行优先级排序，自动返回充电任务优先级最高，为Ⅰ类任务，语音和临时任务为Ⅱ类任务，自身巡检任务为Ⅲ类任务，在任务调度模块中也能够人为更改各个任务的优先级，任务排序后将按照任务优先级陆续将任务发送至导航模块，一个任务完成后导航模块将发送反馈信息到任务调度模块，任务调度模块则根据反馈信息结果决定是否发送第二个任务，如果反馈信息为失败，则重新执行此任务三次直至反馈信息为成功，如果三次均失败则放弃该任务，如果反馈信息为成功，则发送第二个任务；其中，Ⅰ类任务能够中断Ⅱ类任务，Ⅱ类任务能够中断Ⅲ类任务。
进一步，在导航模块中，使用定位模块和地图管理模块传递来的信息进行路径规划和避障导航，步骤如下：
1)使用定位模块传递来的融合后的机器人位姿和地图管理模块传递来的地图信息确定自身在地图中的位姿；
2)根据任务调度模块传递来的任务信息、地图管理模块传递来的实时地图信息和定位模块传递来的实时位姿信息，利用路径规划算法首先根据静态栅格地图进行全局路径规划，然后根据动态栅格地图进行动态路径规划，然后将控制指令传递给底层控制模块；
3)如果接收到自动返回充电任务，则会中断本次导航任务并保存本次任务节点，当充电完成则会重启被中断的任务，保存任务节点后则会启动自动返回充电任务，将路径规划控制指令传递给底层控制模块。
进一步，在底层控制模块中，根据导航模块传递来的控制指令，进行PID控制，将控制指令解析为串口数据，通过串口发送至电机驱动器中。
进一步，所述定位模块、地图管理模块、避障模块、语音控制模块、电量监测模块、任务调度模块、导航模块集成在工控机中。
本发明与现有技术相比，具有如下优点与有益效果：
1、使用多个里程计数据进行融合，实现了传感器优缺点互补，获得了更加精确的位姿。
2、本发明中对变电站巡检机器人首次引入了激光雷达里程计，对于机器人的前进后退比较鲁棒，使机器人的定位功能更加稳定。
3、本发明在变电站巡检机器人中加入了深度相机，利用其深度图信息实现了对机器人前方较为低矮的障碍物的检测和避障，大大提高了巡检机器人在室外的安全性能。
4、在室外巡检过程中，只依赖二维激光雷达传感器和轮式编码器，机器人位姿容易丢失，尤其是对于动态物体容错率较低，本发明对巡检机器人引入视觉里程计，对机器人的旋转比较鲁棒，提高了室外巡检机器人定位导航系统的稳定性。
附图说
图1为本发明的变电站巡检机器人定位导航系统框图。
图2为本发明硬件安装位置示意图。
具体实施方式
下面结合具体实施例对本发明做进一步的说明。
如图1和图2所示，本实施例所提供的融合多传感器的变电站巡检机器人定位导航系统，硬件包括集成IMU的深度相机15、二维激光雷达1、底层驱动电机13、麦克风16、超声波雷达9、轮式编码器12、惯性传感器4、防跌落传感器10、防碰撞传感器11、工控机6、锂电池5、急停按钮2、机器人电源开关3、电压传感器7、充电口8及其自动返回充电接口14。二维激光雷达1和集成IMU的深度相机15安装在机器人正前方，惯性传感器4安装在机器人质心处，麦克风16安装在机器人正前方；电压传感器7安装在机器人内部；两个超声波雷达9对称并排安装在机器人正后方，距离地面约15厘米；防跌落传感器10和防碰撞传感器11有两组分别安装在机器人前后方，轮式编码器12和底层驱动电机13整合在一起。所述系统区分有定位模块、避障模块、地图管理模块、语音模块、电量监测模块、任务调度模块、导航模块、底层控制模块和安全保障模块九个功能模块。下面分别介绍每个模块的具体实现方式：
定位模块：使用集成IMU的深度相机15、轮式编码器12、惯性传感器4和二维激光雷达1的数据，通过视觉里程计算法(VINS-Mono)、航迹推演算法和二维激光雷达帧间匹配算法(Laser_scan_matcher)得到机器人的位姿信息，将各个算法得到的不准确的初始位姿输入无迹卡尔曼算法(robot_localization)得到最终准确的机器人位姿信息。
避障模块：使用集成IMU的深度相机15、二维激光雷达1数据和机器人后方的超声波雷达9数据，提取深度图转换成点云数据，通过聚类算法实现障碍物检测，超声波雷达数据获取障碍物信息，将两类数据转换成为二维激光雷达数据格式，传递给地图管理模块。
地图管理模块：包含静态栅格地图和动态栅格地图两种地图，静态栅格地图为变电站巡检机器人的先验信息，提前已经给定，动态栅格地图包括有避障模块传递来的传感器实时动态的障碍物信息，对障碍物数据进行处理后加入地图中，最后将地图传递给导航模块。
语音控制模块：通过麦克风16获取语音信息，输入至语音解析算法中，如科大讯飞的语音识别算法，解析语音命令后(如前进1m，后退1m，左转50°等)将任务传递至任务调度模块。
电量监测模块：使用电压传感器7，实时获取变电站巡检机器人电池的电量信息，在电量将要耗尽前发送充电任务到任务调度模块。
任务调度模块：根据语音控制模块、电量监测模块及人为给定的巡检目标等任务，对各项任务进行优先级排序，然后根据优先级陆续将任务分发至导航模块进行任务执行。
导航模块：使用任务调度模块传递来的导航目标信息，根据地图管理模块传递来的静态栅格地图进行全局路径规划(A*算法)，根据地图管理模块传递来的动态栅格地图信息进行局部路径规划(Teb算法)，将控制命令(速度命令)传递给底层控制模块。
底层控制模块：通过导航模块传递来的控制指令，进行PID控制，将控制指令解析为串口数据，通过串口发送至电机驱动器中。
安全保障模块：通过防跌落传感器和防碰撞传感器的信息对底层控制模块功能进行开启和关闭，即当有跌落危险或者机器人已经发生碰撞时对底层驱动电机进行锁死，防止机器人进一步运动产生自身或它身破坏性行为。
所述定位模块、地图管理模块、语音控制模块、电量监测模块、任务调度模块、导航模块集成在工控机6中。
在定位模块中，使用无迹卡尔曼滤波算法对多个算法得到的位姿进行融合，步骤如下：
1)首先使用深度相机获得单目彩色相机数据和IMU数据，输入视觉里程计：VINS-Mono算法中，由视觉里程计算法处理后得到一个机器人位姿，记为pose_vio；
2)使用位于机器人质心处的惯性传感器数据和二维激光雷达传感器数据，输入进入激光雷达里程计:Laser_scan_matcher算法中，由激光雷达里程计算法得到第二个机器人位姿，记为pose_laser；
3)使用电机驱动器中的轮式编码器数据，将数据输入进入航迹推演算法，由航迹推演算法计算得到机器人第三个位姿，记为pose_odom；
4)使用刚刚得到的三个机器人位姿：pose_vio、pose_laser、pose_odom，将位姿数据输入无迹卡尔曼算法：robot_localization算法中进行位姿融合，最终得到可靠性比较高的机器人位姿，记为robot_pose。最后可以将融合的位姿传递给导航模块使用。
在避障模块中，使用集成IMU的深度相机、二维激光雷达和超声波雷达传感器获取障碍物信息，步骤如下：
1)首先由集成IMU的深度相机获取机器人前方障碍物的三维点云数据，剔除地面点云后使用聚类或者障碍物检测算法获取障碍物信息，将障碍物信息转换成二维激光雷达数据格式的信息，记为vio_laser；
2)使用超声波雷达传感器获取机器人后方的障碍物信息，根据超声波雷达模型建模障碍物信息，数据格式为超声波雷达模型的数据格式，将数据转换成二维激光雷达数据格式，记为sonar_laser；
3)将刚刚得到的vio_laser、sonar_laser和二维激光雷达传感器信息laser_scan一起传递给地图管理模块；
在地图管理模块中，管理和更新静态栅格地图和局部动态栅格地图，合成最终导航模块使用的地图，步骤如下：
1)使用机器人定位导航的先验地图信息，即事先给定的地图生成静态栅格地图，记为static_map；其中的障碍物信息不会随时间改变；
2)使用避障模块传递来的vio_laser、sonar_laser和二维激光雷达的障碍物信息，建立局部动态栅格地图，记为dynamic_map；
3)将两个地图以robot_pose为锚点进行重叠，两个地图中同为可行区域的位置才认为是最终地图中的可行区域，然后由此规则计算得到最终的障碍物栅格地图，记为final_map，计算过程是两个地图static_map和dynamic_map中均为可行区域的区域才是最终障碍物栅格地图中的可行区域。将最终的合成地图final_map传递给导航模块。
在电量监测模块中，使用电压传感器，实时检测变电站巡检机器人锂电池的电压值，正常电压为46.5-54V之间，当电压值低于46.5V时，则发送自动返回充电命令到任务调度模块。
在任务调度模块中，接收来自语音控制模块、电量监测模块、自身巡检任务和临时任务的信息，将各个模块发送来的调度任务进行优先级排序，自动返回充电任务优先级最高，为Ⅰ类任务，语音和临时任务为Ⅱ类任务，自身巡检任务为Ⅲ类任务，在任务调度模块中也可人为更改各个任务的优先级，任务排序后将按照任务优先级陆续将任务发送至导航模块，一个任务完成后导航模块将发送反馈信息到任务调度模块，任务调度模块则根据反馈信息结果决定是否发送第二个任务，如果反馈信息为失败，则重新执行此任务三次直至反馈信息为成功，如果三次均失败则放弃该任务，如果反馈信息为成功，则发送第二个任务。其中Ⅰ类任务可中断Ⅱ类任务，Ⅱ类任务可中断Ⅲ类任务。
在导航模块中，使用定位模块和地图管理模块传递来的信息进行路径规划和自动避障导航，步骤如下：
1)使用定位模块传递来的较为准确的融合后的机器人位姿和地图管理模块传递来的地图信息确定自身在地图中的位姿；
2)根据任务调度模块传递来的任务信息，地图管理模块传递来的实时地图信息和定位模块传递来的实时位姿信息，利用路径规划算法A*首先根据静态栅格地图进行全局路径规划，然后根据动态栅格地图使用Teb算法进行动态路径规划，然后将控制指令传递给底层控制模块；
3)如果接收到自动返回充电任务，则会中断本次导航任务并保存本次任务节点，当充电完成则会重启被中断的任务继续执行，保存任务节点后则会启动自动返回充电任务，将路径规划控制指令传递给底层控制模块。
在底层控制模块中，根据导航模块传递来的控制指令，进行PID控制，将控制指令解析为串口数据，通过串口发送至电机驱动器中。
以上所述实施例只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之原理所作的变化，均应涵盖在本发明的保护范围内。
Claims (7)
1.一种融合多传感器的变电站巡检机器人定位导航系统，其特征在于：配置有集成IMU的深度相机、二维激光雷达、麦克风、超声波雷达、轮式编码器、惯性传感器、电压传感器、防跌落传感器、防碰撞传感器、工控机、底层驱动电机及其电机驱动器，所述二维激光雷达和集成IMU的深度相机安装在机器人正前方，所述惯性传感器安装在机器人质心处，所述麦克风安装在机器人正前方，所述电压传感器安装在机器人内部，所述超声波雷达有两个对称并排安装在机器人正后方，所述防跌落传感器和防碰撞传感器有两组分别安装在机器人前后方；其中，所述系统区分有以下九个功能模块：
定位模块，使用集成IMU的深度相机、轮式编码器、惯性传感器和二维激光雷达的数据，通过视觉里程计算法、航迹推演算法和二维激光雷达帧间匹配算法得到机器人的位姿信息，将各个算法得到的不准确的初始位姿输入无迹卡尔曼算法得到最终准确的机器人位姿信息；
避障模块，使用集成IMU的深度相机、二维激光雷达数据和机器人后方的超声波雷达数据，对得到的深度图和超声波雷达数据进行重新建模，转换成二维激光雷达数据格式和二维激光雷达数据一起输入进入地图管理模块，作为动态障碍物信息；
地图管理模块，包含静态栅格地图和动态栅格地图两种地图，静态栅格地图为变电站巡检机器人的先验信息，为已经建立完成不会更改的地图及障碍物信息，动态栅格地图包括有避障模块传递的传感器实时动态的障碍物信息；
语音控制模块，通过麦克风获取语音信息，输入至语音解析算法中，解析语音命令后将任务传递至任务调度模块；
电量监测模块，通过电压传感器实时获取变电站巡检机器人电池的电量信息，在电量将要耗尽前传递充电任务到任务调度模块；
任务调度模块，根据语音控制模块、电量监测模块及人为给定的巡检目标对任务进行优先级排序，然后根据优先级陆续将任务分发至导航模块；
导航模块，使用任务调度模块传递来的导航目标信息，根据地图管理模块传递来的静态栅格地图进行全局路径规划，根据地图管理模块传递来的动态栅格地图信息进行局部路径规划，即动态避障，将控制信息输入底层控制模块；
底层控制模块，通过导航模块传递来的控制指令，控制机器人运动，并将轮式编码器信息反馈至定位模块；
安全保障模块，通过前后方防跌落传感器和防碰撞传感器的信息对底层控制模块功能进行开启和关闭，即当有跌落危险或者机器人已经发生碰撞时对底层驱动电机进行锁死，防止机器人进一步运动产生自身或它身破坏性行为。
2.根据权利要求1所述的一种融合多传感器的变电站巡检机器人定位导航系统，其特征在于，在定位模块中，使用无迹卡尔曼滤波算法对多个算法得到的位姿进行融合，步骤如下：
1)首先使用深度相机获得单目彩色相机数据和IMU数据，输入视觉里程计中，由视觉里程计算法处理后得到一个机器人位姿，记为pose_vio；
2)使用位于机器人质心处的惯性传感器数据和二维激光雷达传感器数据，输入激光雷达里程计算法，由激光雷达里程计算法得到第二个机器人位姿，记为pose_laser；
3)使用电机驱动器中的轮式编码器数据，将数据输入进入航迹推演算法，由航迹推演算法计算得到机器人第三个位姿，记为pose_odom；
4)使用刚刚得到的三个机器人位姿：pose_vio、pose_laser、pose_odom，将位姿数据输入无迹卡尔曼算法进行位姿融合，其中，无迹卡尔曼算法输入为三个确定性低的机器人位姿，输出为可靠性高的融合后的机器人位姿，最终得到可靠性高的机器人位姿，记为robot_pose，最后将融合的位姿传递给导航模块使用。
3.根据权利要求1所述的一种融合多传感器的变电站巡检机器人定位导航系统，其特征在于，在避障模块中，使用集成IMU的深度相机、二维激光雷达和超声波雷达传感器获取障碍物信息，步骤如下：
1)由集成IMU的深度相机获取机器人前方障碍物的三维点云数据，使用聚类或者障碍物检测算法获取障碍物信息，将障碍物信息转换成二维激光雷达数据格式的信息，记为vio_laser；
2)使用超声波雷达传感器获取机器人后方的障碍物信息，根据超声波雷达模型建模障碍物信息，数据格式为超声波雷达模型的数据格式，将数据转换成二维激光雷达数据格式，记为sonar_laser；
3)将刚刚得到的vio_laser、sonar_laser和二维激光雷达传感器信息laser_scan一起传递给地图管理模块。
4.根据权利要求1所述的一种融合多传感器的变电站巡检机器人定位导航系统，其特征在于，在任务调度模块中，接收来自语音控制模块、电量监测模块、自身巡检任务和临时任务的信息，将各个模块发送来的调度任务进行优先级排序，自动返回充电任务优先级最高，为Ⅰ类任务，语音和临时任务为Ⅱ类任务，自身巡检任务为Ⅲ类任务，在任务调度模块中也能够人为更改各个任务的优先级，任务排序后将按照任务优先级陆续将任务发送至导航模块，一个任务完成后导航模块将发送反馈信息到任务调度模块，任务调度模块则根据反馈信息结果决定是否发送第二个任务，如果反馈信息为失败，则重新执行此任务三次直至反馈信息为成功，如果三次均失败则放弃该任务，如果反馈信息为成功，则发送第二个任务；其中，Ⅰ类任务能够中断Ⅱ类任务，Ⅱ类任务能够中断Ⅲ类任务。
5.根据权利要求1所述的一种融合多传感器的变电站巡检机器人定位导航系统，其特征在于：在导航模块中，使用定位模块和地图管理模块传递来的信息进行路径规划和避障导航，步骤如下：
1)使用定位模块传递来的融合后的机器人位姿和地图管理模块传递来的地图信息确定自身在地图中的位姿；
2)根据任务调度模块传递来的任务信息、地图管理模块传递来的实时地图信息和定位模块传递来的实时位姿信息，利用路径规划算法首先根据静态栅格地图进行全局路径规划，然后根据动态栅格地图进行动态路径规划，然后将控制指令传递给底层控制模块；
3)如果接收到自动返回充电任务，则会中断本次导航任务并保存本次任务节点，当充电完成则会重启被中断的任务，保存任务节点后则会启动自动返回充电任务，将路径规划控制指令传递给底层控制模块。
6.根据权利要求1所述的一种融合多传感器的变电站巡检机器人定位导航系统，其特征在于：在底层控制模块中，根据导航模块传递来的控制指令，进行PID控制，将控制指令解析为串口数据，通过串口发送至电机驱动器中。
7.根据权利要求1所述的一种融合多传感器的变电站巡检机器人定位导航系统，其特征在于：所述定位模块、地图管理模块、避障模块、语音控制模块、电量监测模块、任务调度模块、导航模块集成在工控机中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010114866.0A CN111309015A (zh) | 2020-02-25 | 2020-02-25 | 一种融合多传感器的变电站巡检机器人定位导航系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010114866.0A CN111309015A (zh) | 2020-02-25 | 2020-02-25 | 一种融合多传感器的变电站巡检机器人定位导航系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111309015A true CN111309015A (zh) | 2020-06-19 |
Family
ID=71157054
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010114866.0A Pending CN111309015A (zh) | 2020-02-25 | 2020-02-25 | 一种融合多传感器的变电站巡检机器人定位导航系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111309015A (zh) |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111813130A (zh) * | 2020-08-19 | 2020-10-23 | 江南大学 | 一种输变电站智能巡检机器人自主导航避障系统 |
| CN112066982A (zh) * | 2020-09-07 | 2020-12-11 | 成都睿芯行科技有限公司 | 一种在高动态环境下的工业移动机器人定位方法 |
| CN112305547A (zh) * | 2020-10-20 | 2021-02-02 | 济南浪潮高新科技投资发展有限公司 | 一种机器人防跌落检测方法 |
| CN112356027A (zh) * | 2020-10-29 | 2021-02-12 | 久瓴(上海)智能科技有限公司 | 农林机器人避障方法、装置、计算机设备和存储介质 |
| CN112729283A (zh) * | 2020-12-21 | 2021-04-30 | 西北工业大学 | 一种基于深度相机/mems惯导/里程计组合的导航方法 |
| CN113075687A (zh) * | 2021-03-19 | 2021-07-06 | 长沙理工大学 | 一种基于多传感器融合的电缆沟智能巡检机器人定位方法 |
| CN113075686A (zh) * | 2021-03-19 | 2021-07-06 | 长沙理工大学 | 一种基于多传感器融合的电缆沟智能巡检机器人建图方法 |
| CN113093749A (zh) * | 2021-04-01 | 2021-07-09 | 上海应用技术大学 | 服务机器人的导航系统及方法 |
| CN113199484A (zh) * | 2021-05-21 | 2021-08-03 | 炬星科技（深圳）有限公司 | 机器人安全运行方法、设备及存储介质 |
| CN113334367A (zh) * | 2021-06-07 | 2021-09-03 | 杭州优必学科技有限公司 | 一种模组机器人 |
| CN113486854A (zh) * | 2021-07-29 | 2021-10-08 | 北京超维世纪科技有限公司 | 基于深度相机实现工业类巡检机器人的识别检测算法 |
| CN113547502A (zh) * | 2021-08-02 | 2021-10-26 | 苏州触达信息技术有限公司 | 一种智能巡检机器人 |
| CN113581174A (zh) * | 2021-08-23 | 2021-11-02 | 安徽江淮汽车集团股份有限公司 | 一种车辆的障碍物定位方法及障碍物定位装置 |
| CN114003036A (zh) * | 2021-10-28 | 2022-02-01 | 广州赛特智能科技有限公司 | 机器人避障控制方法、装置、设备和介质 |
| CN114161384A (zh) * | 2021-10-28 | 2022-03-11 | 湖南海森格诺信息技术有限公司 | 一种用于光伏组件清扫装置的对准机构 |
| CN114265396A (zh) * | 2021-11-11 | 2022-04-01 | 河南卫特机器人有限公司 | 一种自主导航的智能轮式底盘及其使用方法 |
| CN114371704A (zh) * | 2021-12-29 | 2022-04-19 | 海隆石油集团(上海)信息技术有限公司 | 巡检机器人控制系统 |
| CN114690773A (zh) * | 2022-03-29 | 2022-07-01 | 广东利元亨智能装备股份有限公司 | Agv小车控制系统、agv小车的运行控制方法及运行控制装置 |
| CN115079703A (zh) * | 2022-07-22 | 2022-09-20 | 安徽工业大学 | 外卖配送机器人及控制方法 |
| CN115284282A (zh) * | 2022-07-07 | 2022-11-04 | 东华大学 | 一种自巡航式智能微气候监测机器人 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103235562A (zh) * | 2013-03-07 | 2013-08-07 | 河海大学常州校区 | 变电站基于巡检机器人的综合参数检测系统及巡检方法 |
| CN107150329A (zh) * | 2017-04-27 | 2017-09-12 | 中国矿业大学 | 一种基于三自由度视觉平台的移动机器人及其控制方法 |
| CN108776474A (zh) * | 2018-05-24 | 2018-11-09 | 中山赛伯坦智能科技有限公司 | 集成高精度导航定位与深度学习的机器人嵌入式计算终端 |
| CN109959377A (zh) * | 2017-12-25 | 2019-07-02 | 北京东方兴华科技发展有限责任公司 | 一种机器人导航定位系统及方法 |
-
2020
- 2020-02-25 CN CN202010114866.0A patent/CN111309015A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103235562A (zh) * | 2013-03-07 | 2013-08-07 | 河海大学常州校区 | 变电站基于巡检机器人的综合参数检测系统及巡检方法 |
| CN107150329A (zh) * | 2017-04-27 | 2017-09-12 | 中国矿业大学 | 一种基于三自由度视觉平台的移动机器人及其控制方法 |
| CN109959377A (zh) * | 2017-12-25 | 2019-07-02 | 北京东方兴华科技发展有限责任公司 | 一种机器人导航定位系统及方法 |
| CN108776474A (zh) * | 2018-05-24 | 2018-11-09 | 中山赛伯坦智能科技有限公司 | 集成高精度导航定位与深度学习的机器人嵌入式计算终端 |
Non-Patent Citations (7)
| Title |
|---|
| 张伟: "基于3D激光雷达的变电站巡检机器人定位与建图方法研究", 《中国优秀硕士学位论文全文数据库 工程科技2辑》 * |
| 张浩: "基于激光点云数据的变电站巡检机器人导航方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 熊有伦: "《机器人学建模、控制与视觉》", 31 March 2018, 武汉：华中科技大学出版社 * |
| 王国锋: "《多源激光雷达数据集成技术及其应用》", 30 November 2012, 北京：测绘出版社 * |
| 王金鹏: "《智能电网中的电力电子技术的研究与应用》", 31 May 2018, 电子科技大学出版社 * |
| 马德仁: "《中国汽车工程学会第十五届汽车安全技术学术会议论文集 2012》", 30 September 2012, 芜湖：安徽师范大学出版社 * |
| 魏世民: "《邮政快递技术与装备》", 31 August 2018, 北京邮电大学出版社 * |
Cited By (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111813130A (zh) * | 2020-08-19 | 2020-10-23 | 江南大学 | 一种输变电站智能巡检机器人自主导航避障系统 |
| CN112066982B (zh) * | 2020-09-07 | 2021-08-31 | 成都睿芯行科技有限公司 | 一种在高动态环境下的工业移动机器人定位方法 |
| CN112066982A (zh) * | 2020-09-07 | 2020-12-11 | 成都睿芯行科技有限公司 | 一种在高动态环境下的工业移动机器人定位方法 |
| CN112305547A (zh) * | 2020-10-20 | 2021-02-02 | 济南浪潮高新科技投资发展有限公司 | 一种机器人防跌落检测方法 |
| CN112305547B (zh) * | 2020-10-20 | 2022-05-13 | 山东新一代信息产业技术研究院有限公司 | 一种机器人防跌落检测方法 |
| CN112356027A (zh) * | 2020-10-29 | 2021-02-12 | 久瓴(上海)智能科技有限公司 | 农林机器人避障方法、装置、计算机设备和存储介质 |
| CN112356027B (zh) * | 2020-10-29 | 2023-09-01 | 久瓴(上海)智能科技有限公司 | 农林机器人避障方法、装置、计算机设备和存储介质 |
| CN112729283A (zh) * | 2020-12-21 | 2021-04-30 | 西北工业大学 | 一种基于深度相机/mems惯导/里程计组合的导航方法 |
| CN113075686A (zh) * | 2021-03-19 | 2021-07-06 | 长沙理工大学 | 一种基于多传感器融合的电缆沟智能巡检机器人建图方法 |
| CN113075686B (zh) * | 2021-03-19 | 2024-01-12 | 长沙理工大学 | 一种基于多传感器融合的电缆沟智能巡检机器人建图方法 |
| CN113075687A (zh) * | 2021-03-19 | 2021-07-06 | 长沙理工大学 | 一种基于多传感器融合的电缆沟智能巡检机器人定位方法 |
| CN113093749A (zh) * | 2021-04-01 | 2021-07-09 | 上海应用技术大学 | 服务机器人的导航系统及方法 |
| CN113199484A (zh) * | 2021-05-21 | 2021-08-03 | 炬星科技（深圳）有限公司 | 机器人安全运行方法、设备及存储介质 |
| CN113334367B (zh) * | 2021-06-07 | 2023-02-10 | 杭州优必学科技有限公司 | 一种模组机器人 |
| CN113334367A (zh) * | 2021-06-07 | 2021-09-03 | 杭州优必学科技有限公司 | 一种模组机器人 |
| CN113486854A (zh) * | 2021-07-29 | 2021-10-08 | 北京超维世纪科技有限公司 | 基于深度相机实现工业类巡检机器人的识别检测算法 |
| CN113547502A (zh) * | 2021-08-02 | 2021-10-26 | 苏州触达信息技术有限公司 | 一种智能巡检机器人 |
| CN113581174A (zh) * | 2021-08-23 | 2021-11-02 | 安徽江淮汽车集团股份有限公司 | 一种车辆的障碍物定位方法及障碍物定位装置 |
| CN114003036A (zh) * | 2021-10-28 | 2022-02-01 | 广州赛特智能科技有限公司 | 机器人避障控制方法、装置、设备和介质 |
| CN114161384A (zh) * | 2021-10-28 | 2022-03-11 | 湖南海森格诺信息技术有限公司 | 一种用于光伏组件清扫装置的对准机构 |
| CN114265396A (zh) * | 2021-11-11 | 2022-04-01 | 河南卫特机器人有限公司 | 一种自主导航的智能轮式底盘及其使用方法 |
| CN114371704A (zh) * | 2021-12-29 | 2022-04-19 | 海隆石油集团(上海)信息技术有限公司 | 巡检机器人控制系统 |
| CN114371704B (zh) * | 2021-12-29 | 2024-05-31 | 海隆石油集团(上海)信息技术有限公司 | 巡检机器人控制系统 |
| CN114690773A (zh) * | 2022-03-29 | 2022-07-01 | 广东利元亨智能装备股份有限公司 | Agv小车控制系统、agv小车的运行控制方法及运行控制装置 |
| CN115284282A (zh) * | 2022-07-07 | 2022-11-04 | 东华大学 | 一种自巡航式智能微气候监测机器人 |
| CN115079703A (zh) * | 2022-07-22 | 2022-09-20 | 安徽工业大学 | 外卖配送机器人及控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111309015A (zh) | 一种融合多传感器的变电站巡检机器人定位导航系统 | |
| CN112518739B (zh) | 履带式底盘机器人侦察智能化自主导航方法 | |
| Schwesinger et al. | Automated valet parking and charging for e-mobility | |
| Laugier et al. | Probabilistic analysis of dynamic scenes and collision risks assessment to improve driving safety | |
| Fulgenzi et al. | Probabilistic navigation in dynamic environment using rapidly-exploring random trees and gaussian processes | |
| Lei et al. | Automated Lane Change Behavior Prediction and Environmental Perception Based on SLAM Technology | |
| Munir et al. | Autonomous vehicle: The architecture aspect of self driving car | |
| Kucuksubasi et al. | Transfer learning-based crack detection by autonomous UAVs | |
| Chen et al. | Robot navigation with map-based deep reinforcement learning | |
| CN113325837A (zh) | 一种用于多信息融合采集机器人的控制系统及方法 | |
| Liu et al. | Deep learning-based localization and perception systems: approaches for autonomous cargo transportation vehicles in large-scale, semiclosed environments | |
| CN113189977A (zh) | 一种用于机器人的智能导航路径规划系统及方法 | |
| CN109839118A (zh) | 路径规划方法、系统、机器人和计算机可读存储介质 | |
| Ding et al. | Development of a high precision UWB/vision-based AGV and control system | |
| Burnett et al. | Zeus: A system description of the two‐time winner of the collegiate SAE autodrive competition | |
| CN111949037A (zh) | 一种网联车自动驾驶系统及方法 | |
| Shangguan et al. | Interactive perception-based multiple object tracking via CVIS and AV | |
| CN114527763A (zh) | 基于目标检测和slam构图的智能巡检系统及方法 | |
| Agafonov et al. | 3D objects detection in an autonomous car driving problem | |
| CN112857370A (zh) | 一种基于时序信息建模的机器人无地图导航方法 | |
| Miyagusuku et al. | Toward autonomous garbage collection robots in terrains with different elevations | |
| Ye et al. | Robot indoor positioning and navigation based on improved wifi location fingerprint positioning algorithm | |
| Youssefi et al. | Visual and light detection and ranging-based simultaneous localization and mapping for self-driving cars | |
| Camargo et al. | Mobile robot autonomous exploration and navigation in large-scale indoor environments | |
| Rezaei et al. | A deep learning-based approach for vehicle motion prediction in autonomous driving |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200619 |
|
| RJ01 | Rejection of invention patent application after publication |