CN114879699A - 针对埋地管道野外巡检机器人的自主导航系统及方法 - Google Patents
针对埋地管道野外巡检机器人的自主导航系统及方法 Download PDFInfo
- Publication number
- CN114879699A CN114879699A CN202210670764.6A CN202210670764A CN114879699A CN 114879699 A CN114879699 A CN 114879699A CN 202210670764 A CN202210670764 A CN 202210670764A CN 114879699 A CN114879699 A CN 114879699A
- Authority
- CN
- China
- Prior art keywords
- pipeline
- robot
- inspection
- inspection robot
- road sign
- 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 306
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000001514 detection method Methods 0.000 claims abstract description 43
- 230000000007 visual effect Effects 0.000 claims abstract description 24
- 230000003993 interaction Effects 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 19
- 230000008447 perception Effects 0.000 claims abstract description 4
- 230000008569 process Effects 0.000 claims description 30
- 230000003068 static effect Effects 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 12
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 11
- 229910052744 lithium Inorganic materials 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 11
- 238000004088 simulation Methods 0.000 claims description 10
- 239000000523 sample Substances 0.000 claims description 7
- 230000005284 excitation Effects 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 230000006698 induction Effects 0.000 claims 1
- 238000013507 mapping Methods 0.000 description 19
- 238000004891 communication Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000001093 holography Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 235000011034 Rubus glaucus Nutrition 0.000 description 1
- 244000235659 Rubus idaeus Species 0.000 description 1
- 235000009122 Rubus idaeus Nutrition 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G05D1/0234—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons
- G05D1/0236—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons 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
- G05D1/0221—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
- G05D1/0231—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
- G05D1/0231—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
- G05D1/0257—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
- G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
- G05D1/0265—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means using buried wires
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Optics & Photonics (AREA)
- Multimedia (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明提供一种针对埋地管道野外巡检机器人的自主导航系统及方法,所述系统包括上位机可视化数据处理模块、外部环境多元感知模块、多元传感器信息交互存储模块、底层驱动执行模块、电磁全息检测模块;首先建立巡检区域对应的地上地下电子地图,对所得电子地图进行初始化设置,根据电子地图中的路标节点信息建立巡检机器人运动规划策略并求解,并建立巡检机器人模型查看机器人位姿信息,巡检机器人在巡检结束后返航或前往下一巡检区域;本发明提出了针对野外埋地管道的地上、地下电子地图模型的建立方法,建立了基于该地图模型的野外巡检机器人的运动规划策略,实现了巡检机器人在野外针对埋地管道的“边巡‑边检‑边存‑边更新”工作方式。
Description
技术领域
本发明属于巡检机器人技术领域,具体涉及一种针对埋地管道野外巡检机器人的自主导航系统及方法。
背景技术
管道是与铁路、公路、航空、水运、并驾齐驱的五大运输业之一,由于在运送方面有占地少、损耗少、成本低、输量大、快捷方便等独特优势,所以管道运输成为我国油气能源的主要运输工具,是国民经济的主动脉。如果油气管道发生事故,其后果会极其严重,而我国当前油气管道老化严重,在服役管道中有40%管道的使用时间超过了20年。因此,确保管道能够安全运行是国民安全和经济发展的重要保证。
现有的管道巡检方法总体分为以下几种,1)是利用管道内检测机器人对埋地管道进行巡检,通过在巡检机器人尾部连接缆线来辅助内检测机器人进行巡检任务。2)是管道外检测机器人,此类机器人需要吸附在管道表面上,贴近管壁并在管壁上沿着曲线移动从而完成管道的检测,同时,该类机器人对管道壁面的材料要求较为苛刻。3)是人工巡检,常用的人工巡检方法有直流电压梯度法(DCVG),交流电位梯度法(ACVG)两种,巡检工人手持管道检测设备,同时需要在事先标明埋地管道走向的情况下沿管线方向移动,巡检工人每次移动几米到十米就需要停下将设备插入地下对埋地管道进行检测。同时目前现有的巡检机器人还不具备在野外复杂环境中对野外未知区域进行感知和巡检的能力,所以当前管道的野外巡检技术工作主要还是以人力巡检为主,采用人力巡检方式存在主观性强,检测效率低下,检测精度不高等缺点。
以上检测方法各具特点,但各自的缺点也极为明显。方法1)使用内检测机器人,内检测机器人管道中行动不便且容易造成管道卡堵问题,而且内检测机器人受自身和所处管道影响,其电池容量和缆线长度均会受到限制,同时在内检测机器人进行巡检时需要停止管道运行会造成一定程度经济损失。方法2)外检测机器人需要吸附管道壁面来对管道进行检测,检测速度较低,同时对管道的材质有着严格要求。针对方法3),目前现有的巡检机器人还不具备在野外未知区域进行感知和巡检的能力,所以当前管道的野外巡检技术工作还是以人力巡检为主,此类巡检方式对操作人员的经验要求较高,由于检测存在主观性所以没有统一检测标准,同时检测速度较慢。
发明内容
基于上述问题,本发明提供一种针对埋地管道野外巡检机器人的自主导航系统,包括:上位机可视化数据处理模块、外部环境多元感知模块、多元传感器信息交互存储模块、底层驱动执行模块、电磁全息检测模块;
所述外部环境多元感知模块用于感知地上周围环境信息,生成周围环境图像数据、雷达点云数据;
所述电磁全息检测模块用于采集埋地管道感应二次磁场的电磁信息,生成电磁数据;
所述底层驱动执行模块用于驱动巡检机器人履带底盘;
所述多元传感器信息交互存储模块用于接收并上传周围环境图像数据、雷达点云数据,以及电磁数据;
所述上位机可视化数据处理模块用于构建巡检区域的可视化地图以及巡检机器人仿真模型,生成巡检机器人的运动规划路径;
所述外部环境多元感知模块包括单目工业相机、3D激光雷达;所述多元传感器信息交互存储模块为主控板芯片,单目工业相机固定在巡检机器人履带底盘盖板前侧的中间位置,3D激光雷达通过雷达机架固定在巡检机器人履带底盘盖板上侧中央位置;单目工业相机、3D激光雷达分别与主控板芯片的输入端电连接;通过单目工业相机采集地上周围环境的图像数据,通过3D激光雷达采集周围障碍物的点云数据;
所述电磁全息检测模块包括电磁全息检测器、机械臂;机械臂固定在巡检机器人履带底盘盖板上侧尾部,机械臂夹持带有激励线圈的探杖,用于向地下管道发射电磁信号,电磁全息检测器安装在巡检机器人履带底盘的盖板前侧下方位置,与水平盖板成一定角度接收电磁数据,通过电磁全息检测器采集地下管道感应二次磁场的电磁数据;
所述底层驱动执行模块为安装在巡检机器人履带底盘上的驱动控制板,驱动控制板的控制端连接巡检机器人的伺服电机,驱动控制板的受控端通过CAN_TO_USB通讯连接主控板芯片;
所述自主导航系统还包括电源供电模块,所述电源供电模块包括安装在履带底盘上的三元锂电池组和电池电压转换模块,通过电池电压转换模块将三元锂电池组输出的电压转换为各个模块所需的驱动电压。
一种针对埋地管道野外巡检机器人的自主导航方法,基于所述的一种针对埋地管道野外巡检机器人的自主导航系统实现,所述自主导航方法包括:
步骤1:启动野外埋地管道巡检机器人并控制巡检机器人移动至待巡检区域基点;
步骤2:建立对应巡检区域可视化电子地图并对电子地图进行初始化设置;
步骤3:根据巡检机器人当前所获得的带有地下管线走向的地图信息,建立巡检机器人的运动规划策略并进行求解;
步骤4:在上位机可视化数据处理模块中,建立巡检机器人仿真模型并查看机器人相关状态运行数据;
步骤5:巡检机器人在巡检结束后返航或前往下一巡检区域;
所述步骤2包括:
步骤2.1:设定野外巡检机器人的巡检区域范围参数;默认设定待巡检区域为长方形,设定该巡检区域需要两个参数,分别为巡检区域的边长Larea和巡检区域的边宽Warea,两者取值范围为,0<Larea,Warea≤400;
步骤2.2:启动巡检机器人建立地上环境地图和地下管道环境地图模型;
构建地上环境地图模型过程如下:
步骤A1:上位机端通过远程SSH(Secure Shell,简称SSH)与巡检机器人建立通信连接,连接建立后下达控制命令,巡检机器人根据控制命令移动至待巡检区域;启动单目工业相机ROS节点,启动命令为:roslaunch robot_mapping camara_mapping.launch;在单目工业相机启动节点中设置相机采样帧率,并以相机采集的第一张图像作为巡检区域坐标系基点Pworld=(xworld,yworld,zworld);
步骤A2:单目工业相机根据相邻时刻采集不同图像间的特征点差异,通过三角法则计算得到相机在巡检区域坐标系下的位姿Pcamera=(xcamera,ycamera,zcamera);
步骤A3:根据相机与巡检机器人底盘的静态坐标关系,发布静态坐标变换命令:roslaunch tf2_ros static_transform_publisher/robot/camera,得到巡检机器人在巡检区域坐标系下的位姿坐标(xrobot,yrobot,zrobot,θrobot),θrobot为巡检机器人在世界坐标系偏航角;
则巡检机器人位姿方程表示为:xk=f(xk-1,uk,wk)=P1xk-1+Q1uk+wk,P1为相邻时刻间巡检机器人的位姿转换矩阵,Q1为坐标变换系数,wk为巡检机器人运动过程中的噪声干扰。
巡检机器人观测方程表示为:zk,j=h(yj,xk,vk,j)=P2yj+Q2xk+vk,j,P2为特征点的观测矩阵,Q2为运动方程系数,vk,j为对地上环境进行观测的过程中所产生的误差。
步骤A4:启动巡检机器人3D激光雷达ROS节点,启动命令为:roslaunch robot_mapping lidar_mapping.launch。雷达节点启动后,接收巡检机器人周围环境、障碍物相对于雷达坐标系的的三维点云数据Plidar=(xlidar,ylidar,zlidar);
步骤A5:根据雷达与巡检机器人底盘的静态坐标关系,发布静态坐标转换指令:roslaunch tf2_ros static_transform_publisher/robot/lidar,得到周围目标在巡检区域坐标系下的坐标Pobject=(xobject,yobject,zobject),并对相机节点计算的巡检机器人位姿数据进行优化。
得到巡检机器人地上地图模型。
构建地下管道环境地图模型过程如下:
步骤B1:巡检机器人机械臂夹持带有激励线圈的探杖在巡检区域内以Vrobot=1m/s的速度移动;
步骤B2:启动电磁全息检测器ROS节点,启动命令为:roslaunch robot_mappingelectromagnetic_mapping.launch;
步骤B3:三元锂电池组通过电源模块向激励线圈施加交变电流,在全息检测器节点中设置激励线圈电压幅值VExcitingCoil=24v,激励线圈线圈电流幅值AExcitingCoil=3A,频率FExcitingCoil=32Hz;
步骤B4:激励线圈施加交流电后在线圈上感应一次磁场,一次磁场进入地下在管道表面感应二次磁场;
步骤B5:机器人移动巡检过程中,电磁全息检测器接收二次磁场数据,当检测到电压最小值时,记录当前地下路标观测点qi并结合机器人当前位姿得到地下管道电子地图模型:
埋地管道观测方程:pk,i=g(qi,xk,ek,i)=(P3+dlift-off+rrobot-arm)qi+Q3xk+ek,i,P3为管道路标节点的观测矩阵,dlift-off为提离值,即埋地管道管道与巡检机器人的垂直距离,dlift-off≤1.5,说明巡检机器人能够探测的埋地管线最大深度为1.5米,rrobot-arm为巡检机器人以机械臂为中心的可探测区域范围,rrobot-arm≤1.304,表示巡检机器人的可探测范围最大为1.304米,Q3为当前机器人运动方程系数,ek,i为探测地下管道环境过程中产生的误差;
启动传感器地图汇总匹配ROS节点:roslaunch robot_mapping sensor_mapping.launch,在此节点中通过地上地下节点的坐标信息和时间戳信息完成地上地下路标节点的匹配;
启动传感器状态发布节点:roslaunch joint_state_publisher joint_state_publisher.launch;
启动机器人状态发布节点:roslaunch robot_state_publisher robot_state_pblisher.launch;
上位机端启动Rviz,在Rviz中创建地图组件,将组件中订阅的话题名称设置为/map,从而查看两个节点生成的可视化地上环境电子地图。
当所得电子地图中带有地上环境地图模型和地下管道环境地图模型时,执行步骤2.2~2.5,最终得到以地下管道路标节点由小到大排序的路标节点序列;
当所得可视化地图中只有地上环境地图模型,没有地下管道环境地图模型时,以步骤1设定的巡检区域范围参数为标准,在此巡检区域内以设定的巡检区域基点为起始点,沿巡检区域长度做S形曲线运动进行地下管道探测,巡检机器人转向的曲线半径为0.25米,当发现地下管道时,以当前地下管道路标节点为基准按照时间戳从小到大的顺序生成路标节点序列;
当所得可视化地图中只有地上环境地图模型,没有地下管道环境地图模型,并且沿巡检区域长度做S形曲线运动进行地下管道探测,也没有发现地下管道时,则认为此巡检区域内没有地下管道,巡检机器人停止移动并向上位机端发送信息报告此处无地下管道;
步骤2.3:根据地上环境地图和地下管道环境地图的路标节点,生成路标节点列表;所述路标节点列表包括:地上、地下路标节点编号,各路标节点对应的时间戳,路标节点之间的距离;
步骤2.4:以巡检机器人生成路标节点的时间戳为配准单位,对地上、地下路标节点进行匹配,得到一组以地下管道路标节点为基准的路标节点序列;
步骤2.5:将所得路标节点序列按照时间戳由小到大的顺序进行排列并存储到多元传感器信息交互存储模块;
所述步骤3包括:
步骤3.1:巡检机器人从路标节点编号最小的节点开始进行巡检,巡检过程中根据以下两种情况分别对管道节点编号进行处理;
①巡检机器人在对当前埋地管道进行巡检的过程中出现管道覆盖的情况:
如果出现当前所巡检的管道覆盖周围其他管道的情况时,巡检机器人根据当前管道的路标节点序列中的编号继续对该管道进行正常巡检;
如果出现当前巡检管道被周围其他管道所覆盖的情况时,在当前所巡检管道被覆盖的起始位置新增管道路标节点,在当前所巡检管道被覆盖的结束位置同样新增管道节点编号,同时计算两覆盖节点之间的距离和对应时间戳并保存,在这段覆盖距离内无法对当前管道进行检测;
②巡检机器人在对当前管道埋地管道进行巡检的过程中出现管道存在分支的情况时,巡检机器人为分支管道分别设置管道标记位pipeFlagNo_x_y,然后巡检机器人向上位机端发送请求信号,请求上位机端响应,上位机端接收请求信号之后根据管道标记位,告知机器人对哪条分支管道进行巡检,巡检机器人对该分支管道重新生成路标节点并正常进行巡检。
步骤3.2:搜索当前路标节点到下一个路标节点之间所有存在的关键路径点并计算出当前路标节点经过关键路径点到达下一个路标节点的距离;
步骤3.3:对所得距离进行排序,计算出最短距离及其对应的关键路径点,同时更新路标节点列表中两路标节点的距离信息;
步骤3.4:控制巡检机器人按最短距离运动到下一个路标节点,重复执行步骤3.3;
步骤3.5:更新相应路标节点列表中各路标节点之间的距离并记录。
本发明的有益效果是:
1、与管道内检测机器人相比,本发明中设计的野外巡检机器人在地上运行并对埋地管道进行检测,避免了机器人卡堵管道的情况,减小了巡检机器人运行时对管道造成的损伤,同时可以保证在机器人巡检过程中管道的正常运行。
2、与贴附式管道机器人相比,本发明设计的巡检机器人通过模块电磁全息技术实现对管道的1.5m远距离检测,并且具有更好的移动能力。
3、与目前主流的人工检测技术相比,本发明设计的机器人具有更高的检测效率,降低人为主观性对埋地管道检测的影响同时提高了检测速度。
附图说明
图1为本发明中针对埋地管道野外巡检机器人的自主导航系统框图;
图2为本发明中地上、地下电子地图初始化设置流程图;
图3为本发明中所述系统初始化流程图;
图4为本发明中巡检机器人检测流程图;
图5为本发明中巡检机器人地下管线自主巡检流程图;
图6为本发明中巡检机器人判断埋地管道状态流程图;
图7为本发明中针对埋地管道野外巡检机器人的自主导航方法流程图。
具体实施方式
下面结合附图和具体实施实例对发明做进一步说明。
如图1所示,一种针对埋地管道野外巡检机器人的自主导航系统,包括:上位机可视化数据处理模块、外部环境多元感知模块、多元传感器信息交互存储模块、底层驱动执行模块、电磁全息检测模块;
所述外部环境多元感知模块用于感知地上周围环境信息,生成周围环境图像数据、雷达点云数据;
所述电磁全息检测模块用于采集埋地管道感应二次磁场的电磁信息,生成电磁数据;
所述底层驱动执行模块用于驱动巡检机器人履带底盘;
所述多元传感器信息交互存储模块用于接收并上传周围环境图像数据、雷达点云数据,以及电磁数据;
所述上位机可视化数据处理模块用于构建巡检区域的可视化地图以及巡检机器人仿真模型,生成巡检机器人的运动规划路径。
所述外部环境多元感知模块包括单目工业相机、3D激光雷达;所述多元传感器信息交互存储模块为主控板芯片,单目工业相机固定在巡检机器人履带底盘盖板前侧的中间位置,3D激光雷达通过雷达机架固定在巡检机器人履带底盘盖板上侧中央位置;单目工业相机、3D激光雷达分别与主控板芯片的输入端电连接;通过单目工业相机采集地上周围环境的图像数据,通过3D激光雷达采集周围障碍物的点云数据;
多元传感器信息交互存储模块为一块基于ARM的Raspberry Pi4b微型主控板芯片,具有承上启下的作用,主要负责如下工作:1)通过ssh通讯机制与上位机端建立数据通讯连接并反馈数据,2)在外部环境多元感知模块各个单元进行数据交互和数据融合,3)与巡检机器人的底层驱动控制板相连实现底层驱动的反馈控制。包括数据交互处理单元、地图存储单元、巡检机器人运动规划路径存储单元、巡检结果存储单元;其中数据交互处理单元用来对各个传感器及上位机之间的数据进行计算,地图存储单元用于存储生成的电子地图,运动规划存储单元用来保存寻见后生成的路径信息,在下一次巡检中,首先进行地图查看,如果存在之前的巡检过的地图则直接调用电子地图和路径规即可,巡检结果存储单元用来保存对埋地管道进行巡检后得到的管道状态数据。
主控板芯片与其他各器件的连接方式为物理连接。
外部环境多元感知模块包括单目工业相机,3D激光雷达。其中单目相机与3D激光雷达通过USB 3.0串行总线与主控板芯片直接相连,出于感知数据数据处理实时性的要求,这里使用USB 3.0口对主控板芯片与传感器部件进行直接连接加快数据实时传输速度和处理速度。单目工业相机对地上环境图片进行特征提取,找到地上环境中的路标点,之后配合视觉里程计对处于地上环境中的巡检机器人进行定位和地上环境建图。同时由于单一相机对光照和天气的影响比较敏感,所以在本系统中加入激光雷达辅助工业相机进行地上环境建图,同时激光雷达能够快速生成点云数据计算机器人与周围物体之间的距离从而节省计算时间。
所述电磁全息检测模块包括电磁全息检测器、机械臂;机械臂固定在巡检机器人履带底盘盖板上侧尾部,机械臂夹持带有激励线圈的探杖,用于向地下管道发射电磁信号,电磁全息检测器安装在巡检机器人履带底盘的盖板前侧下方位置,与水平盖板成一定角度接收电磁数据,通过电磁全息检测器采集地下管道感应二次磁场的电磁数据;
电磁全息模块包括电磁全息检测器和机械臂,机械臂直接与主控板芯片相连,由主控板芯片对其控制协助电磁全息检测板进行埋地管道探测,电磁全息检测板通过巡检机器人履带底盘与驱动控制板相连,以一定角度向地底发射电磁全息检测信号,同时对获得的地下管道信息进行处理,信号形式如下:
F=Uc(·)+Drp(·)+Vr(·)+σ(·)+M(·)+P(·)
其中,F为基于电磁全息建立的地下管道环境机理模型,Uc为激励线圈电压,系统激励线圈电压取值范围为45V≤Uc≤350V,Drp为检测距离,本系统中利用电磁全息进行地下管道探测,其探测半径为Drp=10,单位为米,Vr为巡检机器人在环境中的速度,σ为埋地管道所受来自周围环境的应力,M为周围环境产生的电磁干扰,P为管道自身特性,包括管道内径Pr和管道壁厚Pt。
所述底层驱动执行模块为安装在巡检机器人履带底盘上的驱动控制板,驱动控制板的控制端连接巡检机器人的伺服电机,驱动控制板的受控端通过CAN_TO_USB通讯连接主控板芯片;
底层驱动执行模块负责实现调整巡检机器人调速,转向等驱动控制功能,与主控板芯片相连。旋转编码器通过直流减速电机与驱动控制板相连,能够在测量电机转速同时配合PWM技术实现电机的调速,旋转编码器将电机角速度转化为脉冲数输出,公式如下:
Noutput=gr*Nencoder
其中Noutput为直流电机输出轴轴转动一圈的脉冲数,gr为电机齿轮转速比,在本系统中,gr=1∶70,Nencoder编码器转动一圈产生的脉冲数。
转速公式如下:
moutput=minput/gr
其中,moutput为电机输出转速,minput为电机输入转速,gr为电机减速比。
所述自主导航系统还包括电源供电模块,所述电源供电模块包括安装在履带底盘上的三元锂电池组和电池电压转换模块,通过电池电压转换模块将三元锂电池组输出的电压转换为各个模块所需的驱动电压。
上位机可视化数据处理模块包含一台工业工控机和埋地管道检测平台,工控机中安装有Windows和Ubuntu双系统,其中Ubuntu系统与Ros机器人操作系统,Gazebo,Rviz构成软件连接。Ros机器人操作系统中进行巡检机器人建图算法和运动规划算法的开发,编写Xacro文件可以在Ros机器人操作系统中建立巡检机器人仿真模型,Xacro文件格式为xml。然后将所建Xacro仿真模型导入到Gazebo中,同时在Gazebo添加环境或临时障碍物信息对巡检机器人进行动力学仿真,进而可以查看巡检机器人在当前环境信息下的运动状态。将所建Xacro巡检机器人仿真模型导入到Rviz中,同时在Rviz中添加相应传感器组件模型,就可以查看传感器采集到的数据和巡检机器人的位姿信息。最后导入电子地图模型文件,将Xacro巡检机器人仿真模型,Gazebo,Rviz集成到launch文件中实现巡检机器人的动力学仿真和位姿数据监测。
上位机端与多元传感器信息交互存储模块进行通讯,接收该模块采集的地上、地下环境感知数据输入,通过地上、地下环境感知数据分别建立地上环境电子地图和地下管道环境电子地图可视化模型,将上面建立的巡检机器人模型导入地上、地下电子地图中进而得到巡检机器人在当前地图空间中的运动状态和位姿数据。埋地管道检测平台为系统的后端处理单元,负责接收地下管道电子地图模型输入,对埋地管道状态进行分析。
如图7所示,一种针对埋地管道野外巡检机器人的自主导航方法,基于所述的一种针对埋地管道野外巡检机器人的自主导航系统实现,所述方法包括:
步骤1:启动野外埋地管道巡检机器人并控制巡检机器人移动至待巡检区域基点;首先用充电器,对巡检机器人电源模块进行充电,充电完成后通过巡检机器人电源状态标记为向上位机端发送充电完成信息,随后由上位机端控制巡检机器人前往巡检区域基点并以该基点为原点建立三维世界坐标系(xworld,ywoTld,zworld)。
步骤2:建立对应巡检区域可视化电子地图并对电子地图进行初始化设置;如图2所示,包括:
步骤2.1:设定野外巡检机器人的巡检范围,所设定的最大巡检区域为长方形,所设定的巡检区域范围包含两个参数,分别为巡检区域的长度L和巡检案区域的宽度W,同时要求两者的乘积要小于机器人能够巡检最大区域范围Smax的90%,即:
L*W≤0.9Smax
步骤2.2:启动巡检机器人建立地上环境地图和地下管道环境地图模型;包括:
启动巡检机器人上的传感器,设置各个传感器的启动标志位,通过判断各传感器启动标志位的值来判断巡检机器人上的传感器是否成功启动,如果启动成功,则报告上位机启动成功,同时上传对应传感器的启动标志位。如果启动失败,继续连续启动3次,如果仍然启动失败,则巡检机器人将对应启动失败的传感器标志位上传给上位机端,如图3所示。
以同样的方式启动巡检机器人履带底盘并判断履带底盘是否启动成功,同时上传底盘启动标志位给上位机端,报告当前巡检机器人履带底盘的启动状态。
建立地上环境和地下管道环境电子地图模型,当前电子地图模型同时包含地上环境地图模型和地下管道环境地图模型,模型构建机理如下:
在上述设计的电子地图中总共包含三个方程,f(xk-1,uk,wk)为野外巡检机器人基于地上环境的运动方程,h(yj,xk,vk,j)为野外巡检机器人基于地上环境中的路标信息得到的地上观测方程,g(qi,xk,ek,i)为野外巡检机器人基于电磁全息模块所测地下管道环境数据而得到的地下环境观测方程,利用当前巡检机器人的位姿数据和地下路标节点同时以时间戳为匹配基准将地上观测方程与地下观测方程匹配结合。
设置世界坐标系、机器人基坐标系、各个传感器元件的坐标系,以初始巡检机器人设置的巡检区域基点为准,建立世界三维坐标系(xworld,yworld,zworld),世界坐标系命名为world,同时在此世界坐标系下建立机器人三维基坐标系(xrobot,yrobot,zrobot),巡检机器人基坐标系命名为base_link,并且巡检机器人坐标系中还包含各个外部传感器各自的三维坐标系,在巡检机器人对野外埋地管道进行巡检过程中根据各个坐标系之间的坐标变换求得巡检机器人及机器人上各个传感器相对于世界坐标系的位姿变化情况。
构建地上环境地图模型过程如下:
步骤A1:上位机端通过远程SSH(Secure Shell,简称SSH)与巡检机器人建立通信连接,连接建立后下达控制命令,巡检机器人根据控制命令移动至待巡检区域;启动单目工业相机ROS节点,启动命令为:roslaunch robot_mapping camara_mapping.launch;在单目工业相机启动节点中设置相机采样帧率,并以相机采集的第一张图象作为巡检区域坐标系基点Pworld=(xworld,yworld,zworld);
步骤A2:单目工业相机根据相邻时刻采集不同图像间的特征点差异,通过三角法则计算得到相机在巡检区域坐标系下的位姿Pcamera=(xcamera,ycamera,zcamera);
步骤A3:根据相机与巡检机器人底盘的静态坐标关系,发布静态坐标变换命令:roslaunch tf2_ros static_transform_publisher/robot/camera,得到巡检机器人在巡检区域坐标系下的位姿坐标(xrobot,yrobot,zrobot,θrobot),θrobot为巡检机器人在世界坐标系偏航角;
则巡检机器人位姿方程表示为:xk=f(xk-1,uk,wk)=P1xk-1+Q1uk+wk,P1为相邻时刻间巡检机器人的位姿转换矩阵,Q1为坐标变换系数,wk为巡检机器人运动过程中的噪声干扰。
巡检机器人观测方程表示为:zk,j=h(yj,xk,vk,j)=P2yj+Q2xk+vk,j,P2为特征点的观测矩阵,Q2为运动方程系数,vk,j为对地上环境进行观测的过程中所产生的误差。
步骤A4:启动巡检机器人3D激光雷达ROS节点,启动命令为:roslaunch robot_mapping lidar_mapping.launch。雷达节点启动后,接收巡检机器人周围环境、障碍物相对于雷达坐标系的的3维点云数据Plidar=(xlidar,ylidar,zlidar)。
步骤A5:根据雷达与巡检机器人底盘的静态坐标关系,发布静态坐标转换指令:roslaunch tf2_ros static_transform_publisher/robot/lidar,得到周围目标在巡检区域坐标系下的坐标Pobject=(xobject,yobject,zobject),并对相机节点计算的巡检机器人位姿数据进行优化。
得到巡检机器人地上地图模型。
构建地下管道环境地图模型过程如下:
步骤B1:巡检机器人机械臂夹持带有激励线圈的探杖在巡检区域内以Vrobot=1m/s的速度移动;
步骤B2:启动电磁全息检测器ROS节点,启动命令为:roslaunch robot_mappingelectromagnetic_mapping.launch;
步骤B3:三元锂电池组通过电源模块向激励线圈施加交变电流,在全息检测器节点中设置激励线圈电压幅值VExcitingCoil=24v,激励线圈线圈电流幅值AExcitingCoil=3A,频率FExcitingCoil=32Hz;
步骤B4:激励线圈施加交流电后在线圈上感应一次磁场,一次磁场进入地下在管道表面感应二次磁场;
步骤B5:机器人移动巡检过程中,电磁全息检测器接收二次磁场数据,当检测到电压最小值时,记录当前地下路标观测点qi并结合机器人当前位姿得到地下管道电子地图模型:
埋地管道观测方程:pk,i=g(qi,xk,ek,i)=(P3+dlift-off+rrobot-arm)qi+Q3xk+ek,i,P3为管道路标节点的观测矩阵,dlift-off为提离值,即埋地管道管道与巡检机器人的垂直距离,dlift-off≤1.5,说明巡检机器人能够探测的埋地管线最大深度为1.5米,rrobot-arm为巡检机器人以机械臂为中心的可探测区域范围,rrobot-arm≤1.304,表示巡检机器人的可探测范围最大为1.304米,Q3为当前机器人运动方程系数,ek,i为探测地下管道环境过程中产生的误差;
启动传感器地图汇总匹配ROS节点:roslaunch robot_mapping sensor_mapping.launch,在此节点中通过地上地下节点的坐标信息和时间戳信息完成地上地下路标节点的匹配;
启动传感器状态发布节点:roslaunch joint_state_publisher joint_state_publisher.launch;
启动机器人状态发布节点:roslaunch robot_state_publisher robot_state_pblisher.launch;
上位机端启动Rviz,在Rviz中创建地图组件,将组件中订阅的话题名称设置为/map,从而查看两个节点生成的可视化地上环境电子地图。
传统地上电子地图模型上面方程的前两项,其中,k=1,2,……,K是巡检机器人运行对应的时刻,xk表示在k时刻巡检机器人的位姿,即巡检机器人在世界坐标系下的三维坐标(xrobot,yrobot,zrobot,θrobot),θrobot为巡检机器人在世界坐标系偏离角度0°<θrobot≤360°,uk为运动控制输入,即从k时刻到k+1时刻巡检机器人位姿变化量uk=(Δxrobot,Δyrobot,Δzrobot,Δθrobot),yj为地上环境路标节点,即在地上环境中提取的N个特征信息yj=(y1,y2,……,yN),zk,j表示巡检机器人在xk位姿下观测到地上路标节点yj时产生的观测数据,zk,j=(z1 k,j,z2 k,j,……,zm k,j)。
在传统地上环境地图模型中加入埋地管道信息形成地下管道环境地图模型,其中,qi为地下管道环境路标观测节点,qi=(q1,q2,……,qN),pk,i表示巡检机器人在自身位姿xk下观测到地下管道环境路标节点qi时产生的探测数据,pk,j=(p1 k,j,p2 k,j,……,pm k,j),wk为巡检机器人运动过程中的噪声干扰,vk,j为对地上环境进行观测的过程中所产生的误差,ek,i为探测地下管道环境过程中产生的误差。
直接求解此条件分布比较困难,故采用因子图优化进行状态估计:
其中,r表示观测模型与实际观测的残差,∑0、∑pk、∑p(m,n)分别表示对应的协方差矩阵,r0对应x的初始值x0。下面将对其余各项做具体说明。
每当因子图插入新的节点,就对整个因子图进行一次优化计算,因子图是增量的处理后端优化,避免了冗余计算。在有了机器人自身位置x后,可通过地下环境与机器人位置的转换关系对地下环境地图进行构建:
qi=xk+TRpk,i
其中,R为映射偏转矩阵,与机器人此时的位姿有关,当机器人处于水平状态时,R为单位矩阵,t为地下观测p与实际机器人位置x的齐次映射变换矩阵。
其中,s为地图缩放因子,本系统中s取整数。
总的来说,地上、地下环境通过机器人所处位置x建立基于时间戳的联合匹配,最终形成地上、地下环境地图模型。
在建立地上地下电子地图的过程中可能存在以下情况,结合图4做进一步说明:
①当所得电子地图中带有地上环境模型和地下管道环境模型时,执行步骤2.2~2.5,最终得到以地下管道路标节点由小到大排序的路标节点序列;
②当所得电子地图中只有地上环境模型,没有地下管道环境模型时,以步骤1设定的巡检区域范围参数为标准,在此巡检区域内沿巡检区域长度做S形曲线运动进行地下管道探测,巡检机器人转向的曲线半径为0.25米,当发现地下管道时,以当前地下管道路标节点为基准按照时间戳从小到大的顺序生成路标节点序列;
③当所得电子地图中只有地上环境模型,没有地下管道环境,并且在经过步骤②后依然得不到地下管道环境模型时,任务此巡检区域内没有地下管道,巡检机器人停止移动并向上位机端发送信息报告此处无地下管道;
步骤2.3:根据地上地图和地下管道环境地图的路标节点,生成路标节点序列,所述路标节点序列包括地上路标节点标号,地下路标节点标号,节点对应的时间戳,路标节点之间的距离;
步骤2.4:地下管线标记位,以巡检机器人生成路标节点的时间戳为配准单位,对地上、地下路标节点进行匹配,得到一组以地下管道路标节点为基准的路标节点序列;
步骤2.5:将所得路标节点序列按照时间戳由小到大的顺序进行排序并存储到多元传感器信息交互存储模块。
步骤3:根据巡检机器人当前所获得的带有地下管线走向的地图信息,建立巡检机器人的运动规划策略并进行求解,如图3所示;
1)根据地下管道路标节点序列确定地下管道的方向,由于地下路标节点的编号是沿管道生成的,所以地下管道路标节点序列中的管道编号由小到大代表了此地下管道的走向。
2)由于在所建电子地图中可能存在不止一条地下管线,因此在建立地下管线地图时需要为每一条地下管线设定管道标记位,pipeFlagNo_x,并由上位机端告知巡检机器人巡检哪一条管线。
3)巡检机器人根据上位机端设置的管道标志位,找到此管道标记位对应地下管道节点列表中编号最小的节点作为机器人巡检当前管道的起始位置,并开始巡检;如图5所示,巡检过程如下:
步骤3.1:巡检机器人从路标节点编号最小的节点开始进行巡检;
步骤3.2:搜索当前路标节点到下一个路标节点之间所有存在的关键路径点并计算出当前路标节点经过关键路径点到达下一个路标节点的距离;
步骤3.3:对所得距离进行排序,计算出最短距离及其对应的关键路径点,同时更新路标节点列表中两路标节点的距离信息;
步骤3.4:控制巡检机器人按最短距离运动到下一个路标节点,重复执行步骤3.3;
步骤3.5:更新相应路标节点列表中各路标节点之间的距离并记录。
巡检机器人在对埋地管道进行巡检的过程中可能会出现以下情况:
①巡检机器人在对当前埋地管道进行巡检的过程中出现管道覆盖的情况:
如果出现当前所巡检的管道覆盖周围其他管道的情况时,巡检机器人根据当前管道的路标节点序列中的编号继续对该管道进行正常巡检。
如果出现当前巡检管道被周围其他管道所覆盖的情况时,在当前所巡检管道被覆盖的起始位置新增管道路标节点,在当前所巡检管道被覆盖的结束位置同样新增管道节点编号,同时计算两节点之间的覆盖距离并保存,在这段覆盖距离内无法对当前管道进行检测。
②巡检机器人在对当前管道埋地管道进行巡检的过程中出现管道存在分支的情况时,巡检机器人为分支管道分别设置管道标记位pipeFlagNo_x_y,然后巡检机器人向上位机端发送请求信号,请求上位机端响应,上位机端接收请求信号之后根据管道标记位,告知机器人对哪条分支管道进行巡检,巡检机器人对该分支管道重新生成路标节点并正常进行巡检,以上处理流程如图6。
4)巡检机器人在当前路标节点,搜索当前节点与下一个路标节点之间所有可能存在的路径,并计算每条路经的距离,距离计算方式采取马氏距离进行计算,公式如下:
5)对所得距离进行排序,并计算出最短路径及该路径所经过的关键路径点,同时最两个路标节点之间的距离进行更新。
6)判断当前地下路标节点编号是否为路标节点序列中最后一个节点编号。如果当前节点编号等于地下路标节点序列中最后一个节点编号说明巡检机器人对当前地下管道的巡检已经完成,否则继续进行步骤4)和步骤5)。
7)巡检机器人记录对该管线的巡检结果,并上传上位机端检测结束和管线标志位信息。
步骤4:在上位机可视化数据处理模块中,建立巡检机器人仿真模型并查看机器人相关状态运行数据;
在Xacro文件中首先添加机器人底座根标签base_link,然后在根标签base_link中机器人各种连杆link部件,link部件在本系统中包括单目工业相机,激光测距雷达,机械臂,分别设置连杆的形状和位置,在本系统中工业相机连杆camera设置为方形,位置在机器人底盘的正前方,激光测距雷达连杆lidar为圆柱形,位置在底盘整上方且周围无遮挡。机械臂连杆marm设置为多节长方形,位置在底盘尾部。最后设置各个连杆link的关节连接方式来表现各个部件和机器人的运动学和动力学特性,相机关节的运动方式为固定关节fixed,雷达连杆的连接方式为旋转关节revolute,机械臂底座连杆连接方式为旋转关节revolute,机械臂上部连杆的连接方式为浮动关节floating。
在Rviz中添加用于显示机器人底座和各个传感器数据的组件进行机器人位姿信息和传感器信息的查看。
在Gazebo中查看机器人在地图中的运动状态。
步骤5:巡检机器人在巡检结束后返航或前往下一巡检区域。巡检机器人结束对某个区域的某条管线的巡检之后,需要到上位机规定的返航点或者前往上位机规定的下一巡检区域。
当巡检机器人进行返航时,此时无需再按照管道编号进行返航,而是直接规划当前点到返航点之间的最短路径进行返航。
当巡检机器人前往下一巡检区域进行巡检时,首先直接规划当前点到下一区域的最短路径,到达巡检区域后查看地图数据库中是否有与当前区域匹配的电子图,如果不存在电子地图,则巡检机器人到达巡检区域后沿一条边进行S型轨迹进行巡检,发现埋地管道后报告上位机端开始进行巡检。如果地图数据库中存在电子地图,则直接调取区域电子地图,根据上位机端给出的管道标记位,前往管道标记位对应埋地管道的起始端,并按照管道标记节点序列中的编号顺序进行巡检。
Claims (10)
1.一种针对埋地管道野外巡检机器人的自主导航系统,其特征在于,包括:上位机可视化数据处理模块、外部环境多元感知模块、多元传感器信息交互存储模块、底层驱动执行模块、电磁全息检测模块;
所述外部环境多元感知模块用于感知地上周围环境信息,生成周围环境图像数据、雷达点云数据;
所述电磁全息检测模块用于采集埋地管道感应二次磁场的电磁信息,生成电磁数据;
所述底层驱动执行模块用于驱动巡检机器人履带底盘;
所述多元传感器信息交互存储模块用于接收并上传周围环境图像数据、雷达点云数据,以及电磁数据;
所述上位机可视化数据处理模块用于构建巡检区域的可视化地图以及巡检机器人仿真模型,生成巡检机器人的运动规划路径。
2.根据权利要求1所述的一种针对埋地管道野外巡检机器人的自主导航系统,其特征在于,所述外部环境多元感知模块包括单目工业相机、3D激光雷达;所述多元传感器信息交互存储模块为主控板芯片,单目工业相机固定在巡检机器人履带底盘盖板上,3D激光雷达通过雷达机架固定在巡检机器人履带底盘盖板上;单目工业相机、3D激光雷达分别与主控板芯片的输入端电连接;通过单目工业相机采集地上周围环境的图像数据,通过3D激光雷达采集周围障碍物的点云数据。
3.根据权利要求1所述的一种针对埋地管道野外巡检机器人的自主导航系统,其特征在于,所述电磁全息检测模块包括电磁全息检测器、机械臂;机械臂固定在巡检机器人履带底盘盖板上,机械臂夹持带有激励线圈的探杖,用于向地下管道发射电磁信号,电磁全息检测器安装在巡检机器人履带底盘上,通过电磁全息检测器采集地下管道感应二次磁场的电磁数据。
4.根据权利要求1所述的一种针对埋地管道野外巡检机器人的自主导航系统,其特征在于,所述底层驱动执行模块为安装在巡检机器人履带底盘上的驱动控制板,驱动控制板的控制端连接巡检机器人的伺服电机,驱动控制板的受控端连接主控板芯片;
所述自主导航系统还包括电源供电模块,所述电源供电模块包括安装在履带底盘上的三元锂电池组和电池电压转换模块,通过电池电压转换模块将三元锂电池组输出的电压转换为各个模块所需的驱动电压。
5.一种针对埋地管道野外巡检机器人的自主导航方法,基于所述权利要求1~4任意一项所述的一种针对埋地管道野外巡检机器人的自主导航系统实现,其特征在于,所述方法包括:
步骤1:启动野外埋地管道巡检机器人并控制巡检机器人移动至待巡检区域基点;
步骤2:建立对应巡检区域可视化电子地图并对电子地图进行初始化设置;
步骤3:根据巡检机器人当前所获得的带有地下管线走向的地图信息,建立巡检机器人的运动规划策略;
步骤4:在上位机可视化数据处理模块中,建立巡检机器人仿真模型并查看机器人相关状态运行数据;
步骤5:巡检机器人在巡检结束后返航或前往下一巡检区域。
6.根据权利要求5所述的一种针对埋地管道野外巡检机器人的自主导航方法,其特征在于,所述步骤2包括:
步骤2.1:设定野外巡检机器人的巡检区域范围参数;
步骤2.2:启动巡检机器人建立地上环境地图和地下管道环境地图模型;
步骤2.3:根据地上环境地图和地下管道环境地图的路标节点,生成路标节点列表;所述路标节点列表包括:地上、地下路标节点编号,各路标节点对应的时间戳,路标节点之间的距离;
步骤2.4:以巡检机器人生成路标节点的时间戳为配准单位,对地上、地下路标节点进行匹配,得到一组以地下管道路标节点为基准的路标节点序列;
步骤2.5:将所得路标节点序列按照时间戳由小到大的顺序进行排列并存储到多元传感器信息交互存储模块。
7.根据权利要求6所述的一种针对埋地管道野外巡检机器人的自主导航方法,其特征在于,所述构建地上环境地图模型过程如下:
步骤A1:待巡检机器人移动至巡检区域,启动3D激光雷达和单目工业相机并设置相机采集图像的时间间隔,以相机采集的第一张图像作为巡检区域坐标系基点Pworld;
步骤A2:单目工业相机根据相邻时刻采集不同图像间的特征点差异,通过三角法则计算得到相机在巡检区域坐标系下的位姿Pcamera;
步骤A3:根据相机与巡检机器人底盘的静态坐标关系,得到巡检机器人在巡检区域坐标系下的位姿方程xk=P1xk-1+Q1uk+wk;P1为相邻时刻间巡检机器人的位姿转换矩阵,Q1为坐标变换系数,wk为巡检机器人运动过程中的噪声干扰;得到巡检机器人观测方程zk,j=P2yj+Q2xk+vk,j;P2为图像特征点的观测矩阵,Q2为运动方程系数,vk,j为对地上环境进行观测的过程中所产生的误差;
步骤A4:启动雷达节点,接收巡检机器人周围环境、障碍物相对于雷达坐标系的三维点云数据Plidar;
步骤A5:根据雷达与巡检机器人底盘的静态坐标关系,得到周围目标在巡检区域坐标系下的坐标Pobject,用于对相机节点计算的巡检机器人位姿数据进行优化;
所述构建地下管道环境地图模型过程如下:
在巡检机器人移动过程中,通过向探杖上的线圈施加交变电流来感应一次磁场,一次磁场在埋地管道处感应出二次磁场,通过电磁全息检测器接收二次磁场数据,当二次磁场电压达到最小值时,表示巡检机器人移动至埋地管道正上方,此时保存路标节点,结合机器人当前位姿形成埋地管道观测方程:pk,i=(P3+dlift-off+rrobot-arm)qi+Q3xk+ek,i,P3为管道路标节点的观测矩阵,dlift-off为埋地管道管道与巡检机器人的垂直距离,rrobot-arm为巡检机器人以机械臂为中心的可探测区域范围,Q3为机器人运动方程系数,ek,i为探测地下管道环境过程中产生的误差。
8.根据权利要求6或7所述的一种针对埋地管道野外巡检机器人的自主导航方法,其特征在于,当所得电子地图中带有地上环境地图模型和地下管道环境地图模型时,执行步骤2.2~2.5,得到以地下管道路标节点由小到大排序的路标节点序列;
当所得可视化地图中只有地上环境地图模型,没有地下管道环境地图模型时,以步骤1设定的巡检区域范围参数为标准,在此巡检区域内以设定的巡检区域基点为起始点,沿巡检区域长度做S形曲线运动进行地下管道探测,当发现地下管道时,以当前地下管道路标节点为基准按照时间戳从小到大的顺序生成路标节点序列;
当所得可视化地图中只有地上环境地图模型,没有地下管道环境地图模型,并且沿巡检区域长度做S形曲线运动进行地下管道探测,也没有发现地下管道时,则认为此巡检区域内没有地下管道,巡检机器人停止移动并向上位机端发送信息报告此处无地下管道。
9.根据权利要求5所述的一种针对埋地管道野外巡检机器人的自主导航方法,其特征在于,所述步骤3包括:
步骤3.1:巡检机器人从路标节点编号最小的节点开始进行巡检;
步骤3.2:搜索当前路标节点到下一个路标节点之间所有存在的关键路径点并计算出当前路标节点经过关键路径点到达下一个路标节点的距离;
步骤3.3:对所得距离进行排序,计算出最短距离及其对应的关键路径点,同时更新路标节点列表中两路标节点的距离信息;
步骤3.4:控制巡检机器人按最短距离运动到下一个路标节点,重复执行步骤3.3;
步骤3.5:更新相应路标节点列表中各路标节点之间的距离并记录。
10.根据权利要求5所述的一种针对埋地管道野外巡检机器人的自主导航方法,其特征在于,巡检机器人在对埋地管道进行巡检时对管道节点编号处理如下:
①巡检机器人在对当前埋地管道进行巡检的过程中出现管道覆盖的情况:
如果出现当前所巡检的管道覆盖周围其他管道的情况时,巡检机器人根据当前管道的路标节点序列中的编号继续对该管道进行正常巡检;
如果出现当前巡检管道被周围其他管道所覆盖的情况时,在当前所巡检管道被覆盖的起始位置新增管道路标节点,在当前所巡检管道被覆盖的结束位置同样新增管道节点编号,同时计算两节点之间的覆盖距离并保存,在这段覆盖距离内无法对当前管道进行检测;
②巡检机器人在对当前管道埋地管道进行巡检的过程中出现管道存在分支的情况时,巡检机器人为分支管道分别设置管道标记位pipeFlagNo_x_y,然后巡检机器人向上位机端发送请求信号,请求上位机端响应,上位机端接收请求信号之后根据管道标记位,告知机器人对哪条分支管道进行巡检,巡检机器人对该分支管道重新生成路标节点并进行巡检。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210670764.6A CN114879699A (zh) | 2022-06-15 | 2022-06-15 | 针对埋地管道野外巡检机器人的自主导航系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210670764.6A CN114879699A (zh) | 2022-06-15 | 2022-06-15 | 针对埋地管道野外巡检机器人的自主导航系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114879699A true CN114879699A (zh) | 2022-08-09 |
Family
ID=82682506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210670764.6A Pending CN114879699A (zh) | 2022-06-15 | 2022-06-15 | 针对埋地管道野外巡检机器人的自主导航系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114879699A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115771577A (zh) * | 2023-02-01 | 2023-03-10 | 北京史河科技有限公司 | 一种磁吸附巡检机器人及其控制方法 |
CN116069040A (zh) * | 2023-03-06 | 2023-05-05 | 之江实验室 | 一种管道曲面约束的爬壁机器人路径规划方法和装置 |
-
2022
- 2022-06-15 CN CN202210670764.6A patent/CN114879699A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115771577A (zh) * | 2023-02-01 | 2023-03-10 | 北京史河科技有限公司 | 一种磁吸附巡检机器人及其控制方法 |
CN116069040A (zh) * | 2023-03-06 | 2023-05-05 | 之江实验室 | 一种管道曲面约束的爬壁机器人路径规划方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Agnisarman et al. | A survey of automation-enabled human-in-the-loop systems for infrastructure visual inspection | |
La et al. | Mechatronic systems design for an autonomous robotic system for high-efficiency bridge deck inspection and evaluation | |
Zhang et al. | Automated guided vehicles and autonomous mobile robots for recognition and tracking in civil engineering | |
CN114879699A (zh) | 针对埋地管道野外巡检机器人的自主导航系统及方法 | |
CN111522339A (zh) | 畜禽舍巡检机器人自动路径规划与定位方法及装置 | |
CN104914865A (zh) | 变电站巡检机器人定位导航系统及方法 | |
Ibrahim et al. | BIM-driven mission planning and navigation for automatic indoor construction progress detection using robotic ground platform | |
US10921825B2 (en) | System and method for perceptive navigation of automated vehicles | |
CN113189977B (zh) | 一种用于机器人的智能导航路径规划系统及方法 | |
CN112461227B (zh) | 轮式底盘机器人巡检智能化自主导航方法 | |
CN112518739A (zh) | 履带式底盘机器人侦察智能化自主导航方法 | |
EP3851793B1 (en) | Creating a ground control point file using an existing landmark shown in images | |
CN111813130A (zh) | 一种输变电站智能巡检机器人自主导航避障系统 | |
CN113325837A (zh) | 一种用于多信息融合采集机器人的控制系统及方法 | |
US11715295B2 (en) | Construction field management equipment and construction field managing method | |
CN110058594A (zh) | 基于示教的多传感器的移动机器人定位导航系统及方法 | |
CN113075686B (zh) | 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 | |
Al-Darraji et al. | A technical framework for selection of autonomous uav navigation technologies and sensors | |
Ramon-Soria et al. | Planning system for integrated autonomous infrastructure inspection using uavs | |
CN115256414A (zh) | 矿用钻孔机器人及其与地质、巷道模型的耦合作业方法 | |
CN212515475U (zh) | 一种输变电站智能巡检机器人自主导航避障系统 | |
CN115902930A (zh) | 一种面向船舶检测的无人机室内建图与定位方法 | |
CN112747752A (zh) | 基于激光里程计的车辆定位方法、装置、设备和存储介质 | |
Hodo | Development of an autonomous mobile robot-trailer system for UXO detection | |
Li | Constructing the intelligent expressway traffic monitoring system using the internet of things and inspection robot |
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 |