CN113566809A - 一种人工路标辅助的输水隧洞检测机器人导航定位装置及实现方法 - Google Patents

Abstract

本发明提出一种人工路标辅助的输水隧洞检测机器人导航定位装置及实现方法，所述方法在隧洞内的固定位置安装具有特定信息的标志物作为路标，通过机器人对路标内容进行识别检测得到机器人在隧道内的位置信息，从而对机器人的导航和路径规划提供辅助。本发明利用人工路标，可以弥补隧洞环境中特征缺失地问题，实现视觉信息校正定位。同时，路标还可以作为支洞提示信息，对机器人进出支洞提供引导作用，有效避免机器人在复杂地隧洞环境中路径规划困难的问题。

Description

一种人工路标辅助的输水隧洞检测机器人导航定位装置及实 现方法

技术领域

本发明属于水下机器人隧洞导航定位技术领域，特别是涉及一种人工路标辅助的输水隧洞检测机器人导航定位装置及实现方法。

背景技术

导航定位的可靠性是机器人开展各项作业任务的前提和保障，而输水隧洞环境复杂、支洞众多，如何进行精确的导航定位一直是亟需解决的难题。

由于隧洞环境对卫星等信号的屏蔽，很难通过卫星导航等手段进行导航定位，只能通过自身的惯导、DVL等传感器进行航位推算，因此不可避免地会产生累计误差。考虑到，隧洞环境黑暗、可利用地特征物极少，也很难通过视觉手段进行校正定位。

发明内容

本发明目的是解决现有技术中的问题，提出了一种人工路标辅助的输水隧洞检测机器人导航定位装置及实现方法。在隧洞内的固定位置安装具有特定信息的标志物作为路标，通过机器人对路标内容进行识别检测得到机器人在隧道内的位置信息，从而对机器人的导航和路径规划提供辅助。

本发明是通过以下技术方案实现的，本发明提出一种人工路标辅助的输水隧洞检测机器人导航定位装置，所述装置包括摄像机、探照灯、视觉处理计算机以及人工路标；所述摄像机通过网口与视觉处理计算机连接，用于传输摄像机获取的图像；所述探照灯通过串口与视觉处理计算机相连，由视觉处理计算机控制探照灯的亮度；将所述人工路标安装在隧洞顶部中，用于辅助导航定位；所述探照灯、摄像机安装在隧洞机器人上，用于获取人工路标图像；所述视觉处理计算机为隧洞机器人处理系统，用于对获取的图像进行处理识别并对探照灯进行控制。

本发明还提出一种人工路标辅助的输水隧洞检测机器人导航定位装置的实现方法，所述方法包括以下步骤：

S1：布置人工路标，在隧洞的顶部安装设计好的人工路标；

S2：初始化机器人位置，在入口处建立坐标系，起始位置设为坐标原点；

S3：通过SINS/DVL组合导航系统推算机器人位置；

S4：判断机器人是否接近人工路标位置，若接近，则机器人浮出水面并打开顶部摄像机和探照灯获取图像，否则返回S3；

S5：对图像进行处理识别，将获取的图像送入视觉处理计算机等待预处理，对处理后的图像进行定位、分割和识别操作；

S6：将识别到的编码内容与数据库对比分析，得到编码代表的具体含义；当识别到的信息为主洞位置信息时，利用路标编码中蕴含的位置信息更新机器人的当前定位；当识别到的信息为支洞提示信息时，提前做好进出洞的运动控制，实现最优路径规划。

进一步地，所述S1中人工路标的设计具体包括：

S11：人工路标由边框和编码组成；其中边框和编码采用反光材料制作，空白处为不反光背景板；

S12：边框形状由三角形和矩形组成；其中三角形指向左端可以为路标提供方向特征，方便后期进行图像的倾斜校正；矩形边框宽度和高度信息已知，方便对路标进行定位；

S13：路标编码采用数字加字母的形式，每个编码有四个字符，其中，第一位代表类别信息，后三位代表位置信息；路标分为两类，第一类用来标定主洞位置信息，相邻路标间隔设置为1公里；第二类为进出支洞提示信息，用于提示机器人接近支洞位置，以便提前进行控制准备，避免错过支洞的情况。

进一步地，第一类路标的编码方式如下：

编码第一位为A，表示主洞的定位信息；

后三位编码从000-999，可用于表示1000个路标的位置信息；000代表路标位于起始位置，001代表路标位于距起始点1公里处的位置，002代表路标位于距起始点2公里处的位置，以此类推。

进一步地，第二类路标的编码方式如下：

编码第一位为B表示主洞前方左侧有支洞入口；

编码第一位为C表示主洞前方右侧有支洞入口；

编码第一位为D表示主洞前方左右两侧均有支洞。

进一步地，所述S5中图像处理识别的处理具体包括：

S51：将采集到的图像二值化，二值化公式如下：

其中，g(x,y)表示二值图像中(x,y)的值，v(x,y)表示灰度值，T表示阈值；

S52：在二值图像上使用四方向搜索的递归算法搜索图像上的所有连通域，根据路标的宽度、高度、宽高比和边框面积特征信息对连通域进行筛选，确定出路标的位置；

S53：选取最大连通域为特征对象，使用主成分分析方法获取连通域的特征向量，取最大的特征向量作为图像的主方向，通过旋转矩阵完成图像的倾斜校正；

S54：使用高斯函数平滑图像，对图像进行滤波降噪；计算梯度幅值和方向；采用非极大值法抑制幅值，细化边缘；对梯度取双阈值，连接边缘；

S55：采用连通域和投影相结合的方法来对路标图像进行编码字符分割；

S56：基于模板匹配法对分割的字符进行识别，先将分割后的字符通过双线性插值法进行归一化处理，统一成模板库中字符的尺寸，其计算公式为：

g(x,y)＝f(x′,y′)＝f[a(x,y),b(x,y)] (2)

其中，f(x,y)表示输入图像，g(x,y)表示归一化输出图像，a(x,y)和b(x,y)分别表示x到x′和y到y′的空间映射关系；

然后遍历归一化后的字符与模板库中的字符比较，处理方法为先和字符模板做差，然后计算做差后的图像的总像素值，如果小于某一个阈值，则表示待识别字符和该模板是同一个字符，对要识别的字符循环处理就可以识别出所有的字符。

本发明利用人工路标，可以弥补隧洞环境中特征缺失地问题，实现视觉信息校正定位。同时，路标还可以作为支洞提示信息，对机器人进出支洞提供引导作用，有效避免机器人在复杂地隧洞环境中路径规划困难的问题。

附图说明

图1为人工路标辅助的输水隧洞检测机器人导航定位装置结构示意图；

图2为人工路标辅助的输水隧洞检测机器人导航定位方法流程图；

图3为机器人识别路标过程示意图；

图4为路标样式图；

图5为路标编码方案示意图；

图6路标编码识别过程原理图。

具体实施方式

下面将结合本发明实施例中的附图对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

结合图1-6，本发明提出一种人工路标辅助的输水隧洞检测机器人导航定位装置，所述装置包括摄像机、探照灯、视觉处理计算机以及人工路标；所述摄像机通过网口与视觉处理计算机连接，用于传输摄像机获取的图像；所述探照灯通过串口与视觉处理计算机相连，由视觉处理计算机控制探照灯的亮度；考虑到输水隧洞中水面高度不会到达隧洞顶部，将所述人工路标安装在隧洞顶部中，用于辅助导航定位；所述探照灯、摄像机安装在隧洞机器人上，用于获取人工路标图像；所述视觉处理计算机为隧洞机器人处理系统，用于对获取的图像进行处理识别并对探照灯进行控制。

本发明还提出一种人工路标辅助的输水隧洞检测机器人导航定位装置的实现方法，所述方法包括以下步骤：

S1：布置人工路标，在隧洞的顶部安装设计好的人工路标；

S2：初始化机器人位置，在入口处建立坐标系，起始位置设为坐标原点；

S3：通过SINS/DVL组合导航系统推算机器人位置；

S4：判断机器人是否接近人工路标位置，若接近，则机器人浮出水面并打开顶部摄像机和探照灯获取图像，否则返回S3；

S5：对图像进行处理识别，将获取的图像送入视觉处理计算机等待预处理，对处理后的图像进行定位、分割和识别操作；

S6：将识别到的编码内容与数据库对比分析，得到编码代表的具体含义；当识别到的信息为主洞位置信息时，利用路标编码中蕴含的位置信息更新机器人的当前定位；当识别到的信息为支洞提示信息时，提前做好进出洞的运动控制，实现最优路径规划。

所述S1中人工路标的设计具体包括：

S11：人工路标由边框和编码组成；其中边框和编码采用反光材料制作，空白处为不反光背景板；

S12：边框形状由三角形和矩形组成；其中三角形指向左端可以为路标提供方向特征，方便后期进行图像的倾斜校正；矩形边框宽度和高度信息已知，方便对路标进行定位；

S13：路标编码采用数字加字母的形式，每个编码有四个字符，其中，第一位代表类别信息，后三位代表位置信息；路标分为两类，第一类用来标定主洞位置信息，相邻路标间隔设置为1公里；第二类为进出支洞提示信息，用于提示机器人接近支洞位置，以便提前进行控制准备，避免错过支洞的情况。

第一类路标的编码方式如下：

编码第一位为A，表示主洞的定位信息；

后三位编码从000-999，可用于表示1000个路标的位置信息；000代表路标位于起始位置，001代表路标位于距起始点1公里处的位置，002代表路标位于距起始点2公里处的位置，以此类推。

例如，编码A050表示主洞中，位于距起始点50公里处的位置。

第二类路标的编码方式如下：

编码第一位为B表示主洞前方左侧有支洞入口；

编码第一位为C表示主洞前方右侧有支洞入口；

编码第一位为D表示主洞前方左右两侧均有支洞。

编码后三位表示距离洞口的距离，分别用050，030，010表示距离洞口还有50m，30m，10m。

例如，编码B050表示机器人前方50m处有从左侧进入支洞的洞口；

编码C010表示机器人前方10m处有从右侧进入支洞的洞口；

编码D030表示机器人前方30m左右两侧均有支洞。

所述S5中图像处理识别的处理具体包括：

S51：将采集到的图像二值化，二值化公式如下：

其中，g(x,y)表示二值图像中(x,y)的值，v(x,y)表示灰度值，T表示阈值；

S52：在二值图像上使用四方向搜索的递归算法搜索图像上的所有连通域，根据路标的宽度、高度、宽高比和边框面积特征信息对连通域进行筛选，确定出路标的位置；

S53：选取最大连通域(即路标边框)为特征对象，使用主成分分析方法(PCA)获取连通域的特征向量，取最大的特征向量作为图像的主方向，通过旋转矩阵完成图像的倾斜校正；

S54：使用高斯函数平滑图像，对图像进行滤波降噪；计算梯度幅值和方向；采用非极大值法抑制幅值，细化边缘；对梯度取双阈值，连接边缘；

S55：采用连通域和投影相结合的方法来对路标图像进行编码字符分割；

S56：基于模板匹配法对分割的字符进行识别，先将分割后的字符通过双线性插值法进行归一化处理，统一成模板库中字符的尺寸，其计算公式为：

g(x,y)＝f(x′,y′)＝f[a(x,y),b(x,y)] (2)

其中，f(x,y)表示输入图像，g(x,y)表示归一化输出图像，a(x,y)和b(x,y)分别表示x到x′和y到y′的空间映射关系；

然后遍历归一化后的字符与模板库中的字符比较，处理方法为先和字符模板做差，然后计算做差后的图像的总像素值，如果小于某一个阈值，则表示待识别字符和该模板是同一个字符，对要识别的字符循环处理就可以识别出所有的字符。

以上对本发明所提出的一种人工路标辅助的输水隧洞检测机器人导航定位装置及实现方法进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (6)

1.一种人工路标辅助的输水隧洞检测机器人导航定位装置，其特征在于：所述装置包括摄像机、探照灯、视觉处理计算机以及人工路标；所述摄像机通过网口与视觉处理计算机连接，用于传输摄像机获取的图像；所述探照灯通过串口与视觉处理计算机相连，由视觉处理计算机控制探照灯的亮度；将所述人工路标安装在隧洞顶部中，用于辅助导航定位；所述探照灯、摄像机安装在隧洞机器人上，用于获取人工路标图像；所述视觉处理计算机为隧洞机器人处理系统，用于对获取的图像进行处理识别并对探照灯进行控制。

2.一种如权利要求1所述的人工路标辅助的输水隧洞检测机器人导航定位装置的实现方法，其特征在于：所述方法包括以下步骤：

S1：布置人工路标，在隧洞的顶部安装设计好的人工路标；

S2：初始化机器人位置，在入口处建立坐标系，起始位置设为坐标原点；

S3：通过SINS/DVL组合导航系统推算机器人位置；

S4：判断机器人是否接近人工路标位置，若接近，则机器人浮出水面并打开顶部摄像机和探照灯获取图像，否则返回S3；

S5：对图像进行处理识别，将获取的图像送入视觉处理计算机等待预处理，对处理后的图像进行定位、分割和识别操作；

S6：将识别到的编码内容与数据库对比分析，得到编码代表的具体含义；当识别到的信息为主洞位置信息时，利用路标编码中蕴含的位置信息更新机器人的当前定位；当识别到的信息为支洞提示信息时，提前做好进出洞的运动控制，实现最优路径规划。

3.根据权利要求2所述的方法，其特征在于：所述S1中人工路标的设计具体包括：

S11：人工路标由边框和编码组成；其中边框和编码采用反光材料制作，空白处为不反光背景板；

S12：边框形状由三角形和矩形组成；其中三角形指向左端可以为路标提供方向特征，方便后期进行图像的倾斜校正；矩形边框宽度和高度信息已知，方便对路标进行定位；

S13：路标编码采用数字加字母的形式，每个编码有四个字符，其中，第一位代表类别信息，后三位代表位置信息；路标分为两类，第一类用来标定主洞位置信息，相邻路标间隔设置为1公里；第二类为进出支洞提示信息，用于提示机器人接近支洞位置，以便提前进行控制准备，避免错过支洞的情况。

4.根据权利要求3所述的方法，其特征在于：第一类路标的编码方式如下：

编码第一位为A，表示主洞的定位信息；

后三位编码从000-999，可用于表示1000个路标的位置信息；000代表路标位于起始位置，001代表路标位于距起始点1公里处的位置，002代表路标位于距起始点2公里处的位置，以此类推。

5.根据权利要求4所述的方法，其特征在于：第二类路标的编码方式如下：

编码第一位为B表示主洞前方左侧有支洞入口；

编码第一位为C表示主洞前方右侧有支洞入口；

编码第一位为D表示主洞前方左右两侧均有支洞。

6.根据权利要求5所述的方法，其特征在于：所述S5中图像处理识别的处理具体包括：

S51：将采集到的图像二值化，二值化公式如下：

其中，g(x,y)表示二值图像中(x,y)的值，v(x,y)表示灰度值，T表示阈值；

S52：在二值图像上使用四方向搜索的递归算法搜索图像上的所有连通域，根据路标的宽度、高度、宽高比和边框面积特征信息对连通域进行筛选，确定出路标的位置；

S53：选取最大连通域为特征对象，使用主成分分析方法获取连通域的特征向量，取最大的特征向量作为图像的主方向，通过旋转矩阵完成图像的倾斜校正；

S54：使用高斯函数平滑图像，对图像进行滤波降噪；计算梯度幅值和方向；采用非极大值法抑制幅值，细化边缘；对梯度取双阈值，连接边缘；

S55：采用连通域和投影相结合的方法来对路标图像进行编码字符分割；

S56：基于模板匹配法对分割的字符进行识别，先将分割后的字符通过双线性插值法进行归一化处理，统一成模板库中字符的尺寸，其计算公式为：

g(x,y)＝f(x′,y′)＝f[a(x,y),b(x,y)] (2)

其中，f(x,y)表示输入图像，g(x,y)表示归一化输出图像，a(x,y)和b(x,y)分别表示x到x′和y到y′的空间映射关系；

然后遍历归一化后的字符与模板库中的字符比较，处理方法为先和字符模板做差，然后计算做差后的图像的总像素值，如果小于某一个阈值，则表示待识别字符和该模板是同一个字符，对要识别的字符循环处理就可以识别出所有的字符。

Images