CN113252028B - 输水隧洞内机器人的定位方法、电子设备及存储介质 - Google Patents
输水隧洞内机器人的定位方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113252028B CN113252028B CN202110715665.0A CN202110715665A CN113252028B CN 113252028 B CN113252028 B CN 113252028B CN 202110715665 A CN202110715665 A CN 202110715665A CN 113252028 B CN113252028 B CN 113252028B
- Authority
- CN
- China
- Prior art keywords
- distance
- water delivery
- robot
- information
- delivery tunnel
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 156
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000003287 optical effect Effects 0.000 claims description 39
- 238000004088 simulation Methods 0.000 claims description 12
- 238000003062 neural network model Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000012937 correction Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241000646858 Salix arbusculoides Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本公开提供一种输水隧洞内机器人的定位方法、电子设备及存储介质,该方法包括:先确定输水隧洞内的特征物,然后根据输水隧洞的结构图纸信息,获得所述特征物的位置信息,通过惯性导航器件和多普勒测速仪,获得所述机器人距出发地的预测路程;基于所述特征物的位置信息对所述预测路程进行修正,以获得所述机器人的路程信息;通过高度计获得所述机器人距所述输水隧洞的洞壁的第一距离,通过深度计获得所述机器人距水平面的第二距离;基于所述第一距离、所述第二距离及所述路程信息确定所述机器人的位置信息,从而在不对输水隧洞做任何改造的情况下准确确定输水隧洞内机器人的位置。
Description
技术领域
本公开涉及输水隧洞定位技术领域,尤其涉及一种输水隧洞内机器人的定位方法、电子设备及存储介质。
背景技术
在使用水下遥控机器人(ROV)进行长距离输水隧洞(不排空水的情况下)的检测作业中,水下遥控机器人(ROV)的准确位置信息是整个作业的基础。
由于水下卫星信号弱,所以现有的一些水下导航定位的技术方案,主要通过惯性导航器件实现水下遥控机器人(ROV)的定位,而这类传感器都存在一些测量误差,且运行时间越长位置误差越大。在距离较长的输水隧洞的检测作业中,这种方案产生的累积位置误差难以被接受。同时也有一些方案通过隧洞内布设定位标志,比如在洞壁上喷涂坐标、在洞内安装RFID射频卡等等。这些手段都需要对输水隧洞做大量的改造,而且布设的标志容易被污垢覆盖,后期维护工作较为繁重。
发明内容
有鉴于此,本公开的目的在于提出一种输水隧洞内机器人的定位方法、电子设备及存储介质。
基于上述目的,本公开提供了一种输水隧洞内机器人的定位方法,包括:
基于所述输水隧洞内的光学图像信息确定所述输水隧洞内的特征物,基于所述输水隧洞的结构图纸信息,获得所述特征物的位置信息;
通过惯性导航器件和多普勒测速仪测得的导航信息,获得所述机器人距出发地的预测路程;
基于所述特征物的位置信息对所述预测路程进行修正,以获得所述机器人的路程信息;
通过高度计获得所述机器人距所述输水隧洞的洞壁的第一距离,通过深度计获得所述机器人距水平面的第二距离;
基于所述第一距离、所述第二距离及所述路程信息确定所述机器人的位置信息。
从上面所述可以看出,本公开提供的输水隧洞内机器人的定位方法,先确定输水隧洞内的特征物,然后根据输水隧洞的结构图纸信息,获得所述特征物的位置信息,通过惯性导航器件和多普勒测速仪,获得所述机器人距出发地的预测路程;基于所述特征物的位置信息对所述预测路程进行修正,以获得所述机器人的路程信息;通过高度计获得所述机器人距所述输水隧洞的洞壁的第一距离,通过深度计获得所述机器人距水平面的第二距离;基于所述第一距离、所述第二距离及所述路程信息确定所述机器人的位置信息,从而在不对输水隧洞做任何改造的情况下准确确定输水隧洞内机器人的位置。
附图说明
为了更清楚地说明本公开或相关技术中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的实施例,对于本领域普通技术人员来讲,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为本公开实施例的一种输水隧洞内机器人的定位方法的流程示意图;
图2为本公开实施例的一种特征物的光学图像的示意图;
图3为本公开实施例的一种特征物的声呐图像的示意图;
图4为本公开实施例的一种模拟地图的横剖面的结构示意图;
图5为本公开实施例的一种模拟地图的纵剖面的结构示意图;
图6为本公开实施例的一种具体电子设备的结构示意图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本公开进一步详细说明。
需要说明的是,除非另外定义,本公开实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
如背景技术所述,现有的水下导航定位方法,主要通过惯性导航器件实现水下遥控机器人的定位,但这类传感器都存在一些测量误差,且运行时间越长位置误差越大,所以并不适用于距离较长的输水隧洞内的定位,并且,若通过对输水隧洞内的改造增加一些标记点来进行定位,不仅需要增加成本而且使用效率不高。因此,本公开通过输水隧洞的结构图纸信息确定其上特征物的位置信息,并在输水隧洞内找到相应的特征物后,可以根据该特征物的位置信息来对机器人直接检测得到的路程信息进行修正,从而实现在不额外增加成本的基础上,准确的对机器人进行定位。此外,本公开在根据特征物的位置信息对机器人直接检测得到的路程信息进行修正的基础上,还结合了输水隧洞的洞壁的位置特点来对该路程信息进行修正,进一步保证了输水隧洞内机器人定位的准确性。
参考图1,为本公开实施例的一种输水隧洞内机器人的定位方法的流程示意图,所述包括以下步骤:
S101,基于所述输水隧洞内的光学图像信息确定所述输水隧洞内的特征物,基于所述输水隧洞的结构图纸信息,获得所述特征物的位置信息。
本步骤中,可以根据机器人上的防水摄像机获取输水隧洞内的光学图像信息,然后根据该光学图像信息找到输水隧洞内的特征物,然后根据输水隧洞的结构图纸信息,获得所述特征物的位置信息,该结构图纸信息可以是,将输水隧洞的结构图纸输入到机器人中,由机器人进行识别,提取出需要的结构图纸信息,也可以是,将事先从结构图纸获取的结构图纸信息主动输入到机器人中,该结构图纸信息包括多个特征物,及各个特征物的位置信息。可选的,该特征物可以是输水隧洞内的接缝、柳钉槽、监测电缆手孔、通信光缆手孔及其他具有代表性的特征物。可选的,特征物的位置信息包括特征物在输水隧洞长度方向的位置、高度(上下)方向的位置、水平(左右)方向的位置、及距离水平面的距离等。
为了准确的确定输水隧洞内的特征物,在一些实施例中,基于所述输水隧洞内的光学图像信息确定所述输水隧洞内的特征物,具体包括:
获取所述输水隧洞内的光学图像信息;
响应于确定未通过所述光学图像信息确定所述输水隧洞内的特征物,且所述预测路程处于预设路程范围时,获取所述输水隧洞内的声呐图像信息,基于所述声呐图像信息和所述光学图像信息确定所述输水隧洞内的特征物;
其中,所述预设路程范围是通过所述结构图纸信息确定的。
具体的,正常情况下,机器人通过摄像机采集到的光学图像信息来找到输水隧洞中的特征物,参考图2,为本公开实施例的一种特征物的光学图像的示意图,其中,1为输水隧洞内的接缝。但是由于水下环境比较复杂,一些特征物只通过摄像机很难发现,这时可以通过声呐来获取声呐图像信息,来进一步确定输水隧洞中的特征物,参考图3,为本公开实施例的一种特征物的声呐图像的示意图,其中,1为输水隧洞内的接缝,2为输水隧洞内的通信光缆手孔,3为输水隧洞内的柳钉槽。可选的,为了节约能耗,先根据惯性导航器件和多普勒测速仪,获得机器人距出发地的预测路程,根据该预测路程对可能出现特征物的位置进行估计,即判断预测路程是否处于预设路程范围,该预设路程范围是通过所述结构图纸信息确定的。然后在未通过所述光学图像信息确定所述输水隧洞内的特征物时,基于所述声呐图像信息和所述光学图像信息确定所述输水隧洞内的特征物。可选的,先通过声呐图像信息确定特征物的大概位置,然后在光学图像信息中的对应位置进行特征物识别,从而对特征物的大概位置进行验证。需要说明的是,在整个光学图像上进行特征物识别时,由于没有针对性,需要关注的区域比较多,容易将某个区域的特征遗漏,但是在通过声呐图像识别到特征物的大概区域后,再次重点识别光学图像上对应的该区域,识别的更有针对性,更容易发现特征物。从而在节约能耗的同时确保可以准确的找到输水隧洞中的特征物。
在一些实施例中,为了进一步提高特征物的识别效率和准确率,可以将获取到的声呐图像信息和光学图像信息输入到预先训练好的神经网路模型中,通过深度神经网络模型来确定所述输水隧洞内的特征物。可选的,该神经网路模型可以通过大量的历史特征物的声呐图像信息和光学图像信息进行训练获得。
在一些实施例中,在基于所述声呐图像信息和所述光学图像信息确定所述输水隧洞内的特征物之后,所述方法包括:
通过所述第一距离和所述第二距离确定所述特征物距离水平面的第三距离;
基于所述特征物的位置信息对所述第三距离进行核验;
响应于确定所述第三距离错误时,将所述特征物的位置确定为所述输水隧洞内的故障位置。
具体的,随着使用年限的增加,在输水隧洞内可能会出现一些故障缺陷,这些缺陷可能会使机器人误判为特征物,从而影响到机器人的准确定位,同时,水下机器人在进行水下检测的任务之一就是发现故障缺陷,以便及时检修故障,若不能及时发现故障,无疑会产生巨大安全隐患,为避免出现这种情况,除了通过光学图像和声呐图像识别特征物之外,本公开还通过特征物距离水平面的第三距离来对特征物的位置进行验证,可选的,通过高度计获得所述机器人距所述输水隧洞的洞壁的第一距离,并通过深度计获得所述机器人距水平面的第二距离,该水平面为地表水平面,深度计通过测量当前机器人的水压来确定其距离地表水平面的第二距离。而特征物距离机器人的距离也可以通过声呐来获得,所以很容易就可以计算出此时特征物距离水平面的第三距离,然后用结构图纸信息中该特征物的位置信息对该第三距离进行核验,即进行比对,若两者一致或相差在误差范围内,则确定该特征物确定无误,若核验该第三距离不正确,则将该特征物的位置确定为所述输水隧洞内的故障位置,以便及时对该故障位置进行维修。可选的,还可以根据光学图像信息或声学图像信息的大小来确定特征物与机器人的距离,即图像信息中局部尺寸越大,机器人与特征物的距离越近,这样可以提高判断效率。可选的,还可以同时采用声呐和图像信息两种方来确定特征物与机器人的距离,来保证距离的准确性。
S102,通过惯性导航器件和多普勒测速仪测得的导航信息,获得所述机器人距出发地的预测路程。
本步骤中,惯性导航器件可以不依靠外部信息,独立完成导航,可以提供机器人在导航坐标系中的速度、偏航角和位置等信息。但是由于惯性导航器件提供的导航信息经过积分而产生,定位误差随时间而增大,长期精度差,所以本步骤中,还通过多普勒测速仪对惯性导航器件检测的导航信息进行修正,可选的,将多普勒测速仪检测的机器人的速度信息与惯性导航器件检测到的速度信息进行匹配,然后利用卡尔曼滤波器对机器人的状态进行估计,并根据该估计结果对惯性导航器件检测的导航信息进行修正,得到更加准确的导航信息,然后根据该导航信息获得机器人距出发地的预测路程,该预测路程可以用来表示机器人在输水隧洞内的在长度方向的位置。
S103,基于所述特征物的位置信息对所述预测路程进行修正,以获得所述机器人的路程信息。
本步骤中,由于通过惯性导航器件与多普勒测速仪获得的预测路程存在误差,且该误差随着时间越来越大,因此,根据输水隧洞的结构图纸信息中的特征物的位置信息对该预测路程进行修正,可选的,特征物的位置信息包括特征物在输水隧洞中的长度距离,而特征物的距机器人的距离也是可以获得的,那么通过该特征物的位置信息就可以获得机器人在输水隧洞中的长度距离,从而实现对机器人的预测路程的修正。可选的,每次修正后,惯性导航器件和多普勒测速仪可以重新开始测量,从而提高了检测精度。
为了进一步提高机器人路程信息的准确性 ,在一些实施例中,在获得所述机器人的路程信息之前,所述方法包括:
通过所述第一距离和所述第二距离确定所述输水隧洞的洞壁距离水平面的第四距离;
基于所述结构图纸信息确定所述输水隧洞的洞壁距离水平面的第五距离,并确定所述第五距离与所述输水隧洞的长度的第一关系;
基于所述第一关系和所述第四距离对所述预测路程进行修正。
具体的,通过惯性导航器件和多普勒测速仪获得的机器人的距出发地的预测路程,随着时间的增加,误差越来越大,相对的,对该预测路程修正的频率越高,即惯性导航器件和多普勒测速仪检测的时段越短,得到的路程信息越准确,考虑到这一因素,在用特征物的位置信息对预测路程修正的基础上,进一步通过输水隧洞的洞壁距离水平面的距离与输水隧洞的长度的关系 来对预测路程进行修正,从而实现实时对预测路程进行修正。可选的,先通过所述第一距离和所述第二距离确定所述输水隧洞的洞壁距离水平面的第四距离,该第四距离可以是洞壁上的一个点到水平面的距离,例如同一横截面上洞壁的最高点,也可以是洞壁的整个横截面各个点到水平面的距离。然后根据结构图纸信息确定所述输水隧洞的洞壁距离水平面的第五距离,并确定第五距离与所述输水隧洞的长度的第一关系,正常情况下,上述第四距离与机器人的预测路程也存在一种关系,且该关系与上述第一关系应该相同或近似相同,因此可以构建一个第四距离、机器人的预测路程及第一关系的函数公式,由于机器人的预测路程可能会有误差,所以在得到该函数公式后就可以通过公式中的其他参数来对该预测路程进行修正。可选的,该函数公式为:
X1/y1=X2/y2±C;
其中,X1/y1表示第一关系,X1表示输水隧洞在长度方向上的两个点的第五距离的差,y1表示这两个点之间的输水隧洞的长度,X2表示这两个点的第四距离的差,y2表示这两个点之间的预测路程,可选的,将机器人的起点作为这两个点中的一个,那么此时,y2表示机器人距出发的预测路程。
C为预设偏差值,可选的,C值可以设置为0。
需要说明的是,输水隧洞主要用来运输水,所以会有一定的坡度,从而给水流提供动力,而该坡度可以用洞壁距离水平面的距离与输水隧洞的长度的关系来表示出来,可选的,可以从输水隧洞内选两个点,然后计算两个点距离水平面的距离差,然后根据该距离差与选出的两个点之间的隧洞长度的比,来确定第一关系。
在建造输水隧洞时,考虑到施工成本及输水的流速,一般输水隧洞的坡度的变化幅度不会太大,结合这一因素并进一步提高机器人定位的精确度,在一些实施例中,基于所述第一关系和所述第四距离对所述预测路程进行修正,具体包括:
确定所述预测路程与所述第四距离的第二关系,并基于所述第二关系绘制第二关系曲线图;
基于所述第一关系绘制第一关系曲线图,并基于所述第一关系曲线图与所述第二关系曲线图对所述预测路程进行修正。
具体的,先根据预测路程与所述第四距离的第二关系绘制第二关系曲线图,并根据第一关系绘制第一关系曲线图,可选的,可以用输水隧洞壁上在横截面方向相同,且长度方向不同的点距出发地的输水隧洞的长度作为横坐标,然后计算输水隧洞壁上在横截面方向相同,且长度方向不同的点的第五距离与出发地对应的输水隧洞壁上的点的第五距离的差,用该差作为与横坐标对应的纵坐标,从而得到第一关系曲线。需要说明的是,也可以计算任意两个点的第五距离的差,然后作为纵坐标,或者从任意一点开始计算横坐标,或者用输水隧洞的长度作为纵坐标,在此不做限定。在得到第一关系曲线图后,按照与绘制第一关系曲线图相同的规则,绘制第二关系曲线图,例如,若第一关系曲线图用输水隧洞的长度作为横坐标,则对应的用所述预设路程作为第二关系曲线图的横坐标。在得地两个关系曲线图后,对比两条曲线图是否一致或相差误差是否在预设误差范围内,从而完成对预测路程的修正。可选的,可以将两条曲线图同一单位后直接对比,也可以将两条曲线图绘制到同一坐标系中,更直观的进行对比。需要说的是,该第一关系曲线图与该第二关系曲线图除了可以对机器人的预测路程进行修正,还可以对机器人下一步的路程信息进行预测。从而为机器人在水下定位和检测提供更多功能。
S104,通过高度计获得所述机器人距所述输水隧洞的洞壁的第一距离,通过深度计获得所述机器人距水平面的第二距离。
本步骤中,通过高度计获得所述机器人距所述输水隧洞的洞壁的第一距离,该高度计可以通过声呐来测得机器人距离输水隧洞的洞壁的第一距离,为了方便后续计算,该第一距离可以是机器人到输水隧洞的洞壁的同一横截面的固定点的距离,该固定点可以是一个也可以是多个。如将该固定点设置为洞壁的同一横截面的最高点或最低点。可选的,当固定点为多个时,分别计算机器人到各个点的距离,此时,第一距离为多个距离的集合。通过深度计获得所述机器人距水平面的第二距离,该深度计主要通过检测当前机器人的水压,从而来确定机器人距水平面的第二距离。
S105,基于所述第一距离、所述第二距离及所述路程信息确定所述机器人的位置信息。
本步骤中,在得到机器人距所述输水隧洞的洞壁的第一距离、机器人距水平面的第二距离及机器人的路程信息后,就可以确定机器人的位置信息。
在一些实施例中,可以将述第一距离、所述第二距离及所述路程信息输入卡尔曼滤波器,以确定所述机器人的位置信息。可选的,在进行上述多次修正预测路程的过程中,都可以利用卡尔曼滤波器进行修正。
为了将所述机器人的位置直观的展示给用户,在一些实施例中,在基于所述第一距离、所述第二距离及所述路程信息确定所述机器人的位置信息之后,所述方法还包括:
基于所述输水隧洞的结构图纸信息构建模拟地图,将所述特征物的位置信息和所述机器人的位置信息显示于所述模拟地图中;
其中,所述模拟地图包括纵剖面、横剖面,所述纵剖面用于显示所述机器人的路程信息和所述第二距离,所述横剖面用于显示所述第一距离。
具体的,参考图4和图5,其中,图4为本公开实施例的一种模拟地图的横剖面的结构示意图,5为机器人,4为输水隧洞的洞壁,通过图4可以直观的确定机器人在输水隧洞内的横剖面的位置,图5为本公开实施例的一种模拟地图的纵剖面的结构示意图,5为机器人,4为输水隧洞的洞壁,1为输水隧洞内的接缝,接缝上的数字表示接缝在长度方向上的距离。通过图5可以直观的确定机器人在输水隧洞内的纵剖面的位置,可选的,该距离的单位为米。可选的,该模拟地图的纵剖面上还可以标注机器人的路程信息和机器人距水平面的第二距离。
本公开提供的输水隧洞内机器人的定位方法,先确定输水隧洞内的特征物,然后根据输水隧洞的结构图纸信息,获得所述特征物的位置信息,通过惯性导航器件和多普勒测速仪,获得所述机器人距出发地的预测路程;基于所述特征物的位置信息对所述预测路程进行修正,以获得所述机器人的路程信息;通过高度计获得所述机器人距所述输水隧洞的洞壁的第一距离,通过深度计获得所述机器人距水平面的第二距离;基于所述第一距离、所述第二距离及所述路程信息确定所述机器人的位置信息,从而在不对输水隧洞做任何改造的情况下准确确定输水隧洞内机器人的位置。此外,本公开在根据特征物的位置信息对机器人直接检测得到的路程信息进行修正的基础上,还结合了输水隧洞的洞壁的位置特点来对该路程信息进行修正,进一步保证了输水隧洞内机器人定位的准确性。
需要说明的是,本公开实施例的方法可以由单个设备执行,例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下,由多台设备相互配合来完成。在这种分布式场景的情况下,这多台设备中的一台设备可以只执行本公开实施例的方法中的某一个或多个步骤,这多台设备相互之间会进行交互以完成所述的方法。
需要说明的是,上述对本公开的一些实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于上述实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
基于同一发明构思,与上述任意实施例方法相对应的,本公开还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上任意一实施例所述的输水隧洞内机器人的定位方法。
图6示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图, 该设备可以包括:处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线 1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本说明书实施例所提供的技术方案。
存储器1020可以采用ROM(Read Only Memory,只读存储器)、RAM(Random AccessMemory,随机存取存储器)、静态存储设备,动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器1020中,并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块,以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路,在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是,尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050,但是在具体实施过程中,该设备还可以包括实现正常运行所必需的其他组件。此外,本领域的技术人员可以理解的是,上述设备中也可以仅包含实现本说明书实施例方案所必需的组件,而不必包含图中所示的全部组件。
上述实施例的电子设备用于实现前述任一实施例中相应的输水隧洞内机器人的定位方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
基于同一发明构思,与上述任意实施例方法相对应的,本公开还提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行如上任一实施例所述的输水隧洞内机器人的定位方法。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任一实施例所述的输水隧洞内机器人的定位方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
需要说明的是,本公开的实施例还可以以下方式进一步描述:
一种输水隧洞内机器人的定位方法,包括:
基于所述输水隧洞内的光学图像信息确定所述输水隧洞内的特征物,基于所述输水隧洞的结构图纸信息,获得所述特征物的位置信息;
通过惯性导航器件和多普勒测速仪测得的导航信息,获得所述机器人距出发地的预测路程;
基于所述特征物的位置信息对所述预测路程进行修正,以获得所述机器人的路程信息;
通过高度计获得所述机器人距所述输水隧洞的洞壁的第一距离,通过深度计获得所述机器人距水平面的第二距离;
基于所述第一距离、所述第二距离及所述路程信息确定所述机器人的位置信息。
可选的,基于所述输水隧洞内的光学图像信息确定所述输水隧洞内的特征物,具体包括:
获取所述输水隧洞内的光学图像信息;
响应于确定未通过所述光学图像信息确定所述输水隧洞内的特征物,且所述预测路程处于预设路程范围时,获取所述输水隧洞内的声呐图像信息,基于所述声呐图像信息和所述光学图像信息确定所述输水隧洞内的特征物;
其中,所述预设路程范围是通过所述结构图纸信息确定的。
可选的,基于所述声呐图像信息和所述光学图像信息确定所述输水隧洞内的特征物,具体包括:
将所述声呐图像和所述光学图像信息输入到预先训练好的神经网路模型中,以确定所述输水隧洞内的特征物。
可选的,在基于所述声呐图像信息和所述光学图像信息确定所述输水隧洞内的特征物之后,所述方法包括:
通过所述第一距离和所述第二距离确定所述特征物距离水平面的第三距离;
基于所述特征物的位置信息对所述第三距离进行核验;
响应于确定所述第三距离错误时,将所述特征物的位置确定为所述输水隧洞内的故障位置。
可选的,在获得所述机器人的路程信息之前,所述方法包括:
通过所述第一距离和所述第二距离确定所述输水隧洞的洞壁距离水平面的第四距离;
基于所述结构图纸信息确定所述输水隧洞的洞壁距离水平面的第五距离,并确定所述第五距离与所述输水隧洞的长度的第一关系;
基于所述第一关系和所述第四距离对所述预测路程进行修正。
可选的,基于所述第一关系和所述第四距离对所述预测路程进行修正,具体包括:
确定所述预测路程与所述第四距离的第二关系,并基于所述第二关系绘制第二关系曲线图;
基于所述第一关系绘制第一关系曲线图,并基于所述第一关系曲线图与所述第二关系曲线图对所述预测路程进行修正。
可选的,基于所述第一距离、所述第二距离及所述路程信息确定所述机器人的位置信息,具体包括:
将所述第一距离、所述第二距离及所述路程信息输入卡尔曼滤波器,以确定所述机器人的位置信息。
可选的,在基于所述第一距离、所述第二距离及所述路程信息确定所述机器人的位置信息之后,所述方法还包括:
基于所述输水隧洞的结构图纸信息构建模拟地图,将所述特征物的位置信息和所述机器人的位置信息显示于所述模拟地图中;
其中,所述模拟地图包括纵剖面、横剖面,所述纵剖面用于显示所述机器人的路程信息和所述第二距离,所述横剖面用于显示所述第一距离。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本公开的范围(包括权利要求)被限于这些例子;在本公开的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本公开实施例的不同方面的许多其它变化,为了简明它们没有在细节中提供。
另外,为简化说明和讨论,并且为了不会使本公开实施例难以理解,在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外,可以以框图的形式示出装置,以便避免使本公开实施例难以理解,并且这也考虑了以下事实,即关于这些框图装置的实施方式的细节是高度取决于将要实施本公开实施例的平台的(即,这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如,电路)以描述本公开的示例性实施例的情况下,对本领域技术人员来说显而易见的是,可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本公开实施例。因此,这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本公开的具体实施例对本公开进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如,其它存储器架构(例如,动态RAM(DRAM))可以使用所讨论的实施例。
本公开实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本公开实施例的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (10)
1.一种输水隧洞内机器人的定位方法,包括:
基于所述输水隧洞内的光学图像信息确定所述输水隧洞内的特征物,基于所述输水隧洞的结构图纸信息,获得所述特征物的位置信息;
通过惯性导航器件和多普勒测速仪测得的导航信息,获得所述机器人距出发地的预测路程;
基于所述特征物的位置信息对所述预测路程进行修正,以获得所述机器人的路程信息;
通过高度计获得所述机器人距所述输水隧洞的洞壁的第一距离,通过深度计获得所述机器人距水平面的第二距离;
基于所述第一距离、所述第二距离及所述路程信息确定所述机器人的位置信息。
2.根据权利要求1所述的方法,其中,基于所述输水隧洞内的光学图像信息确定所述输水隧洞内的特征物,具体包括:
获取所述输水隧洞内的光学图像信息;
响应于确定未通过所述光学图像信息确定所述输水隧洞内的特征物,且所述预测路程处于预设路程范围时,获取所述输水隧洞内的声呐图像信息,基于所述声呐图像信息和所述光学图像信息确定所述输水隧洞内的特征物;
其中,所述预设路程范围是通过所述结构图纸信息确定的。
3.根据权利要求2所述的方法,其中,基于所述声呐图像信息和所述光学图像信息确定所述输水隧洞内的特征物,具体包括:
将所述声呐图像信息和所述光学图像信息输入到预先训练好的神经网路模型中,以确定所述输水隧洞内的特征物。
4.根据权利要求2所述的方法,其中,在基于所述声呐图像信息和所述光学图像信息确定所述输水隧洞内的特征物之后,所述方法包括:
通过所述第一距离和所述第二距离确定所述特征物距离水平面的第三距离;
基于所述特征物的位置信息对所述第三距离进行核验;
响应于确定所述第三距离错误时,将所述特征物的位置确定为所述输水隧洞内的故障位置。
5.根据权利要求1所述的方法,其中,在获得所述机器人的路程信息之前,所述方法包括:
通过所述第一距离和所述第二距离确定所述输水隧洞的洞壁距离水平面的第四距离;
基于所述结构图纸信息确定所述输水隧洞的洞壁距离水平面的第五距离,并确定所述第五距离与所述输水隧洞的长度的第一关系;
基于所述第一关系和所述第四距离对所述预测路程进行修正。
6.根据权利要求5所述的方法,其中,基于所述第一关系和所述第四距离对所述预测路程进行修正,具体包括:
确定所述预测路程与所述第四距离的第二关系,并基于所述第二关系绘制第二关系曲线图;
基于所述第一关系绘制第一关系曲线图,并基于所述第一关系曲线图与所述第二关系曲线图对所述预测路程进行修正。
7.根据权利要求1所述的方法,其中,基于所述第一距离、所述第二距离及所述路程信息确定所述机器人的位置信息,具体包括:
将所述第一距离、所述第二距离及所述路程信息输入卡尔曼滤波器,以确定所述机器人的位置信息。
8.根据权利要求1所述的方法,其中,在基于所述第一距离、所述第二距离及所述路程信息确定所述机器人的位置信息之后,所述方法还包括:
基于所述输水隧洞的结构图纸信息构建模拟地图,将所述特征物的位置信息和所述机器人的位置信息显示于所述模拟地图中;
其中,所述模拟地图包括纵剖面、横剖面,所述纵剖面用于显示所述机器人的路程信息和所述第二距离,所述横剖面用于显示所述第一距离。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如权利要求1至8任意一项所述的方法。
10.一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使计算机执行权利要求1至8任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110715665.0A CN113252028B (zh) | 2021-06-28 | 2021-06-28 | 输水隧洞内机器人的定位方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110715665.0A CN113252028B (zh) | 2021-06-28 | 2021-06-28 | 输水隧洞内机器人的定位方法、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113252028A CN113252028A (zh) | 2021-08-13 |
CN113252028B true CN113252028B (zh) | 2021-09-21 |
Family
ID=77189914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110715665.0A Active CN113252028B (zh) | 2021-06-28 | 2021-06-28 | 输水隧洞内机器人的定位方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113252028B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113777111A (zh) * | 2021-08-23 | 2021-12-10 | 南方电网调峰调频发电有限公司 | 大直径引水隧洞结构缺陷多维检测装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN208921137U (zh) * | 2018-01-17 | 2019-05-31 | 杭州爱易特智能技术有限公司 | 一种多传感器隧洞定位系统 |
CN208971674U (zh) * | 2018-11-08 | 2019-06-11 | 天津深之蓝海洋设备科技有限公司 | 一种应用于水下机器人的全方位光学成像系统 |
CN110261858A (zh) * | 2019-06-10 | 2019-09-20 | 哈尔滨工程大学 | 一种基于水下标志物直线检测的隧洞auv引导方法 |
CN110333739A (zh) * | 2019-08-21 | 2019-10-15 | 哈尔滨工程大学 | 一种基于强化学习的auv行为规划及动作控制方法 |
CN110806209A (zh) * | 2019-11-25 | 2020-02-18 | 湖北三峡职业技术学院 | 一种水下机器人多设备组合导航系统及方法 |
CN110887471A (zh) * | 2019-11-29 | 2020-03-17 | 中国水利水电科学研究院 | 应用在引水隧洞中检测设备的定位系统、方法及控制器 |
CN210719199U (zh) * | 2019-11-25 | 2020-06-09 | 湖北三峡职业技术学院 | 一种水下机器人多设备组合导航系统 |
CN111638523A (zh) * | 2020-05-08 | 2020-09-08 | 哈尔滨工程大学 | 一种水下机器人对失踪者的搜寻和定位系统及方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012048287A2 (en) * | 2010-10-08 | 2012-04-12 | Loctronix Corporation | Doppler aided inertial navigation |
JP6991545B2 (ja) * | 2017-03-31 | 2022-01-12 | 国立研究開発法人 海上・港湾・航空技術研究所 | 複数の水中航走体の運用方法及び複数の水中航走体の運用システム |
-
2021
- 2021-06-28 CN CN202110715665.0A patent/CN113252028B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN208921137U (zh) * | 2018-01-17 | 2019-05-31 | 杭州爱易特智能技术有限公司 | 一种多传感器隧洞定位系统 |
CN208971674U (zh) * | 2018-11-08 | 2019-06-11 | 天津深之蓝海洋设备科技有限公司 | 一种应用于水下机器人的全方位光学成像系统 |
CN110261858A (zh) * | 2019-06-10 | 2019-09-20 | 哈尔滨工程大学 | 一种基于水下标志物直线检测的隧洞auv引导方法 |
CN110333739A (zh) * | 2019-08-21 | 2019-10-15 | 哈尔滨工程大学 | 一种基于强化学习的auv行为规划及动作控制方法 |
CN110806209A (zh) * | 2019-11-25 | 2020-02-18 | 湖北三峡职业技术学院 | 一种水下机器人多设备组合导航系统及方法 |
CN210719199U (zh) * | 2019-11-25 | 2020-06-09 | 湖北三峡职业技术学院 | 一种水下机器人多设备组合导航系统 |
CN110887471A (zh) * | 2019-11-29 | 2020-03-17 | 中国水利水电科学研究院 | 应用在引水隧洞中检测设备的定位系统、方法及控制器 |
CN111638523A (zh) * | 2020-05-08 | 2020-09-08 | 哈尔滨工程大学 | 一种水下机器人对失踪者的搜寻和定位系统及方法 |
Non-Patent Citations (2)
Title |
---|
INS/DVL/PS Tightly Coupled Underwater Navigation Method With Limited DVL Measurements;Peijia Liu et al.;《IEEE SENSORS JOURNAL》;20180401;第18卷(第7期);全文 * |
SVR辅助SINS-DVL的水下机器人组合导航方法;魏奥博 等;《舰船科学技术》;20200131;第42卷(第1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113252028A (zh) | 2021-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9485628B2 (en) | User-location-in-building estimating apparatus and method thereof | |
US8539685B2 (en) | Integrated surveying and leveling | |
CN106153001B (zh) | 海拔高度计算系统及海拔高度计算方法 | |
WO2016068742A1 (ru) | Способ и система позиционирования мобильного терминала внутри зданий | |
CN112082547B (zh) | 组合导航系统优化方法、装置、电子设备及存储介质 | |
CN103238043A (zh) | 移动终端、系统以及方法 | |
KR101576424B1 (ko) | 실내 측위를 위한 지자기 센서 자동 보정 방법 | |
CN106569245A (zh) | 一种车辆定位方法及装置 | |
CN113252028B (zh) | 输水隧洞内机器人的定位方法、电子设备及存储介质 | |
EP2778709B1 (en) | User assisted location method | |
CN110850882A (zh) | 一种扫地机器人的充电桩定位方法及装置 | |
CN106461401A (zh) | 信息处理设备、信息处理方法和计算机程序 | |
CN114631365A (zh) | 检测位置的电子装置及其方法 | |
CN111336985A (zh) | 一种采空区铁塔的监测方法、装置、存储介质及电子设备 | |
CN103453880B (zh) | 空间参数测量方法和用户终端 | |
JP2015141580A (ja) | 移動装置 | |
CN113592951A (zh) | 车路协同中路侧相机外参标定的方法、装置、电子设备 | |
CN116449396A (zh) | Gnss欺骗信号的检测方法、装置、设备及产品 | |
US20150142310A1 (en) | Self-position measuring terminal | |
KR101364047B1 (ko) | 물체인식을 바탕으로 한 칼만필터를 이용한 이동체의 자기위치 추정방법 및 장치 | |
US11415695B2 (en) | Distance measuring system with layout generation functionality | |
CN114035218A (zh) | 融合定位方法、装置、电子设备及存储介质 | |
CN115825475A (zh) | 一种基于频域信息的输电线路舞动状态确定方法及装置 | |
KR102085182B1 (ko) | 디바이스 위치 결정 방법 및 장치. | |
CN114812447B (zh) | 地形面积计量方法及电动车辆 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220913 Address after: No.58, nanxiange street, Xicheng District, Beijing 100038 Patentee after: China South to North Water Diversion group middle line Co.,Ltd. Patentee after: Shenzhen Blue Ocean Technology Co.,Ltd. Address before: 300457 Tianjin Binhai New Area Development Zone Muning road No.45 Jinbin development plant No.7 Patentee before: Shenzhen Blue Ocean Technology Co.,Ltd. |
|
TR01 | Transfer of patent right |