CN115877855A - 自适应环境路径规划的智能电力巡检机器人及巡检方法 - Google Patents
自适应环境路径规划的智能电力巡检机器人及巡检方法 Download PDFInfo
- Publication number
- CN115877855A CN115877855A CN202310197853.8A CN202310197853A CN115877855A CN 115877855 A CN115877855 A CN 115877855A CN 202310197853 A CN202310197853 A CN 202310197853A CN 115877855 A CN115877855 A CN 115877855A
- Authority
- CN
- China
- Prior art keywords
- inspection
- inspection robot
- path planning
- intelligent power
- planning
- 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 155
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000003044 adaptive effect Effects 0.000 title claims description 26
- 230000007613 environmental effect Effects 0.000 title claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 51
- 238000001931 thermography Methods 0.000 claims abstract description 16
- 238000004891 communication Methods 0.000 claims abstract description 6
- 230000001133 acceleration Effects 0.000 claims description 28
- 239000002184 metal Substances 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 7
- 230000004888 barrier function Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- 239000013589 supplement Substances 0.000 claims description 4
- 230000001174 ascending effect Effects 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 230000001502 supplementing effect Effects 0.000 claims 1
- 230000007547 defect Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract 1
- 230000004807 localization Effects 0.000 abstract 1
- 238000013507 mapping Methods 0.000 abstract 1
- 238000002474 experimental method Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
Images
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明涉及自适应环境路径规划的智能电力巡检机器人及巡检方法,基于改进SLAM(Simultaneous Localization and Mapping)技术,本发明针对传统巡检机器人重复巡检、漏检以及巡检路径规划的不足,构建了,其搭载的超声波雷达、激光雷达、双轴云台、可见光相机、热成像相机和通讯天线,能够实时获取巡检机器人的位姿以及环境数据,处理器根据获取的信息以及数据使用改进的Cartographer构图算法构建地图,并通过A*算法规划起点到终点,通过Teb算法规划局部路径,实现了巡检机器人的自动巡检功能。
Description
技术领域
本发明属于电力巡检技术领域,尤其是自适应环境路径规划的智能电力巡检机器人及巡检方法。
背景技术
随着电力设备状态检修的不断深化,设备巡检间隔、检修时机、检修方式等策略的不断优化。特别是配电系统由于设备种类繁杂、数量巨大,配电自动化数据对配电系统供电可靠性的影响不可忽略。但传统的人工巡检方式会存在由于操作人员经验不足、水平不一造成检测方法不正常、漏检、重复检测效率低下和检测过程人员安全隐患。
针对以上问题,巡检机器人取代了传统的人工巡检方式,广泛应用于配电站在线巡检工作,有效提高巡检工作质效,发挥了重要作用。但现场应用对巡检机器人提出更高要求。如何更精准巡检、避免重复巡检、使用最优路径巡检等一系列提高巡检效率的要求被提出,目前尚未出现能够解决上述问题的巡检机器人。
发明内容
本发明的目的在于克服现有技术的不足,提出自适应环境路径规划的智能电力巡检机器人及巡检方法。
本发明解决其技术问题是采取以下技术方案实现的:
自适应环境路径规划的智能电力巡检机器人,包括行进底座、云台和巡检设备,其中巡检设备安装在云台上方,云台安装在行进底座的上方,巡检设备用于巡检路线的生成以及巡检拍照,云台用于搭载相机设备,实现水平和俯仰方向运动,行进底座用于巡检机器人的移动,云台下方设置激光雷达,激光雷达用于导航定位,行进底座上还设有垂直向上的天线,行进底座内部设有处理装置,天线用于网桥通信。
而且,所述行进底座底部安装万向轮以及驱动轮,其中万向轮为转弯从动轮,驱动轮用于驱动车身移动。
而且,所述行进底座的后方设置机器人铭牌、急停按钮、USB接口以及状态灯,其中,急停按钮用于紧急停车,USB接口供遥控器接收器使用,状态灯红黄绿三种颜色,用于指示机器人本体工作、电量及报警状态。
而且,所述行进底座的前方设置激光探沟传感器、超声波雷达、防撞条、充电金属片和金属接近开关,其中,激光探沟传感器用于探测前方沟道,超声波雷达用于防碰撞,防撞条用于防车身碰撞,充电金属片用于自动充电,金属接近开关用于自动充电位置较准。
而且,所述巡检设备前方设有热成像相机和可见光相机,热成像相机的侧边设有拾音器,可见光相机前方设有雨刷,可见光相机侧方设有补光灯。
而且,所述处理装置分别与拾音器、热成像相机、激光雷达、天线、激光探沟传感器、超声波雷达、驱动轮、金属接近开关、雨刷、可见光相机、补光灯、云台、USB接口、状态灯、急停按钮和光电编码器通过WIFI连接。
而且,所述云台用于Y轴和Z轴的运动。
自适应环境路径规划的智能电力巡检机器人的巡检方法,包括以下步骤:
步骤1、巡检机器人对周围环境进行采样并使用改进的Cartographer构图算法构建地图;
步骤2、处理器根据构建的地图对行进路线进行规划;
步骤3、巡检机器人根据规划的路线进行巡检,并使用超声波雷达防碰撞,通过光电编码器采集轮式里程信息,同时使用云台配合可见光相机、热成像相机进行不同水平和垂直角度的在线巡检。
而且,所述步骤1包括以下步骤:
步骤1.1、巡检机器人通过光电编码器采集到轮式里程信息和激光雷达采集的位姿数据进行匹配;
步骤1.2、将匹配后的数据使用Map to Map搜索遍历机制进行搜索;
步骤1.3、判断光电编码器的精度是否大于激光雷达采集的位姿数据,若光电编码器的精度大于激光雷达采集的位姿数据,则基于光电编码器的线速度和角速度进行位姿估计并结束,否则进行步骤1.4;
步骤1.4、判断激光雷达是否发生畸变,若发生畸变则返回步骤1.1,否则进行步骤1.5;
步骤1.5、基于激光雷达线速度和角速度进行位姿估计,并根据Cartographer构图算法构建地图。
而且,所述步骤2的具体实现方法为:使用A*算法进行起点到终点的全局规划,遇到当前障碍物时使用Teb算法进行局部路径规划。
而且,所述A*算法进行起点到终点的全局规划的具体实现方法为:使用A*算法作为巡检机器人导航中路径规划算法进行分析路径遍历规则模型,并构建路径遍历规则模型,同时制定巡检机器人进行路径规划起点到终点遍历中遵循的语意规则。
而且,所述路径遍历规则模型为:
而且,所述巡检机器人进行路径规划起点到终点遍历中遵循的语意规则包括:
不能跨越栅格;
除了当前栅格外,下一个遍历的目标位置只能为8个相邻栅格;
上下左右遍历时代价值为2;
左上左下和右上右下遍历时代价值为3;
设定待存放位置的空间为openlist,设定当前存放位置的空间为closedlist;
下一个目标只能向openlist空间运动。
而且,所述Teb算法进行局部路径规划包括以下步骤:
步骤2.1、初始化巡检机器人的起点和终点,引入全局规划参数;
步骤2.2、关联全局路径规划路线参数,加入障碍物;
步骤2.3、判断当前障碍物和终点目标可通行的安全区域,建立迭代最优解模型;
步骤2.4、在安全区域范围内优化出全局最佳航向角度信息,然后不断优化局部轨迹值;
步骤2.5、在局部运动中增加速度约束模型,限制冲击性速度,提升避障轨迹平滑性;
步骤2.6、更新轨迹判断是否最佳,若是,则结束规划,否则继续返回步骤2.4进行规划。
而且,所述步骤2.5中速度约束模型为:
其中,Y1lin为线加速度约束,Y1ang为角加速度约束,a2lin为V2至V3的线加速度,a1lin为V1至V2的线加速度,a2ang为V2至V3的角加速度,a1ang为V1至V2的角加速度,/>T1为S1至S2的时间间隔,/>T2为S2至S3的时间间隔,/>T3为S3至S4的时间间隔。
一种自适应环境路径规划的智能电力巡检机器人及巡检方法使用的巡检系统,包括:构建地图模块、路线规划模块和巡检模块,其中构建地图模块、路线规划模块和巡检模块依次连接。
而且,所述构建地图模块用于对周围环境进行采样并使用改进的Cartographer构图算法构建地图;所述构建地图模块用于根据构建的地图对行进路线进行规划;所述巡检模块根据规划的路线进行巡检,并使用超声波雷达防碰撞,通过光电编码器采集轮式里程信息,同时使用云台配合可见光相机、热成像相机进行不同水平和垂直角度的在线巡检。
一种电子设备,包括至少一个处理器;所述至少一个处理器执行能够执行自适应环境路径规划的智能电力巡检机器人及巡检方法。
一种计算机可读存储介质,存储于计算机程序,所述计算机程序被处理器执行时实现所述的自适应环境路径规划的智能电力巡检机器人及巡检方法。
本发明的优点和积极效果是:
本发明针对传统巡检机器人的不足,构建了自适应环境路径规划的智能电力巡检机器人,其搭载的超声波雷达、通讯天线、激光雷达、双轴云台和深度相机,能够实时获取巡检机器人的位姿以及环境数据,处理器根据获取的信息以及数据使用改进的Cartographer构图算法构建地图,并通过A*算法规划起点到终点,通过Teb算法规划局部路径,实现了巡检机器人的自动巡检功能。
附图说明
图1为本发明巡检机器人的结构图正面;
图2为本发明巡检机器人的结构图背面;
图3为Gmapping构图算法控制流程图;
图4为Gmapping服务节点与栅格图;
图5为本发明 Cartographer改进Map控制流程图;
图6为本发明Cartographer服务节点与栅格图;
图7为本发明A*路径规划算法遍历原则示意图;
图8为本发明改进的Teb搜索规则示意图;
图9为本发明融合A*路径规划和Teb路径规划的路径规划曲线示意图;
图10为本发明实施例的起终点位移均值误差示意图;
图11为本发明实施例的起终点角度偏航误差示意图。
标号说明:
1-拾音器、2-热成像相机、3-激光雷达、4-天线、5-激光探沟传感器、6-超声波雷达、7-防撞条、8-驱动轮、9-金属接近开关、10-充电金属片、11-雨刷、12-可见光相机、13-补光灯、14-云台、15-USB接口、16-状态灯、17-万向轮、18-机器人铭牌、19-急停按钮。
具体实施方式
以下结合附图对本发明做进一步详述。
自适应环境路径规划的智能电力巡检机器人,如图1和图2所示,包括行进底座、云台14和巡检设备,其中巡检设备安装在云台上方,云台安装在行进底座的上方,巡检设备用于巡检路线的生成以及巡检拍照,云台用于搭载相机设备,实现水平和俯仰方向运动,行进底座用于巡检机器人的移动,云台下方设置激光雷达3,激光雷达用于导航定位,行进底座上还设有垂直向上的天线4,行进底座内部设有处理装置,天线用于网桥通信。云台用于Y轴和Z轴的运动。
行进底座底部安装万向轮17以及驱动轮8,其中万向轮为转弯从动轮,驱动轮用于驱动车身移动。行进底座的后方设置机器人铭牌18、急停按钮19、USB接口15以及状态灯16,其中,急停按钮用于紧急停车,USB接口供遥控器接收器使用,状态灯红黄绿三种颜色,用于指示机器人本体工作、电量及报警状态。行进底座的前方设置激光探沟传感器5、超声波雷达6、防撞条7、充电金属片10和金属接近开关9,其中,激光探沟传感器用于探测前方沟道,超声波雷达用于防碰撞,防撞条用于防车身碰撞,充电金属片用于自动充电,金属接近开关用于自动充电位置较准。
巡检设备前方设有热成像相机2和可见光相机12,热成像相机的侧边设有拾音器1,可见光相机前方设有雨刷11,可见光相机侧方设有补光灯13。
处理装置分别与拾音器、热成像相机、激光雷达、天线、激光探沟传感器、超声波雷达、驱动轮、金属接近开关、雨刷、可见光相机、补光灯、云台、USB接口、状态灯、急停按钮和光电编码器通过WIFI连接。在巡检作业中,巡检机器人需要使用激光雷达传感器构建地图、定位、导航,使用超声波雷达进行定位、避障,通过光电编码器采集轮式里程信息,同时使用双轴云台配合深度相机、红外热成像仪进行不同水平、垂直角度的在线巡检。巡检机器人的硬件参数如表1所示。
表1 巡检机器人性能参数
其中,行进底座的中心为圆心,能够进行不同坐标轴方向的旋转,其坐标轴设定规则遵循右手定则。处理装置分别与超声波雷达、通讯天线、激光雷达、双轴云台和深度相机有线通过WIFI连接。巡检机器人可以绕Z轴、绕Y轴/>旋转。
自适应环境路径规划的智能电力巡检机器人的巡检方法,包括以下步骤:
步骤1、巡检机器人对周围环境进行采样并使用改进的Cartographer构图算法构建地图。
如图3所示,传统Gmapping构图算法主要通过激光雷达感知周围环境并进行采样;依据贝叶斯算法的原理,通过粒子滤波和卡尔曼滤波,对更新的位姿不断进行递归预测。应用Gmapping算法构建的地图如图4所示,空白区域为机器人可通行区域。图中,可以明显看出构建的地图中,存在较多的未知区域(未知区域为深色灰度条状区域),构图效果并不理想,因此,需要更有效的构图算法。
经典Cartographer构图算法,是基于图优化方式的建图,与Gmapping构图算法相比,增加了/odom里程计信息,融合激光雷达信息,提高了定位精度。但是经典Cartographer构图算法缺少地图回环检测信息,难以避免反向误差,因此本发明提出改进的Cartographer构图算法,在原有Scan to Map的基础上增加Map to Map方式。
改进的Cartographer构图算法Map控制流程如图5所示,包括以下步骤:
步骤1.1、巡检机器人通过光电编码器采集到轮式里程信息和激光雷达采集的位姿数据进行匹配;
步骤1.2、将匹配后的数据使用Map to Map搜索遍历机制进行搜索;
步骤1.3、判断光电编码器的精度是否大于激光雷达采集的位姿数据,若光电编码器的精度大于激光雷达采集的位姿数据,则基于光电编码器的线速度和角速度进行位姿估计并结束,否则进行步骤1.4;
步骤1.4、判断激光雷达是否发生畸变,若发生畸变则返回步骤1.1,否则进行步骤1.5;
步骤1.5、基于激光雷达线速度和角速度进行位姿估计。
在改进的Cartographer构图算法中,当机器人通过光电编码器采集到轮式里程信息后,和激光雷达数据进行位姿匹配,然后按照精度优先原则使用误差较小的里程信息进行建图。如图6所示,改进的Cartographer构图算法构建的地图消除了全部未知区域,构图效果良好(去除了如图4所示的深色灰度条状区域)。同时,算法实行Map to Map搜索遍历机制,遵守精度优先原则;通过节点优化和边界误差的变化关系,约束不同时刻的位姿信息。
步骤2、处理器根据构建的地图对行进路线进行规划。使用A*算法进行起点到终点的全局规划,遇到当前障碍物时使用Teb算法进行局部路径规划。
A*算法进行起点到终点的全局规划的具体实现方法为:使用A*算法作为巡检机器人导航中路径规划算法进行分析路径遍历规则模型,并构建路径遍历规则模型,同时制定巡检机器人进行路径规划起点到终点遍历中遵循的语意规则。
路径遍历规则模型为:
巡检机器人进行路径规划起点到终点遍历中遵循的语意规则包括:
不能跨越栅格;
除了当前栅格外,下一个遍历的目标位置只能为8个相邻栅格;
上下左右遍历时代价值为2;
左上左下和右上右下遍历时代价值为3;
设定待存放位置的空间为openlist,设定当前存放位置的空间为closedlist;
下一个目标只能向openlist空间运动。
如图7所示,其中S标记为起点位置,G标记为终点位置,S-G的灰色遍历路径为机器人路径规划引导线(数字为计算过程中机器人选择路径存在的概率,图中数字对于本发明无实际意义)。
传统Teb(Time Elastic Band)算法可以用于巡检机器人导航过程中的局部路径避障,但实践中,加速度较大会导致较大的冲击,因此本发明在传统Teb算法基础上,引入速度约束,即通过限制速度的范围消除冲击,同时可以有效提升机器人在局部地图中避障规划曲线的光滑性,不同时刻对应的位姿模型、线加速度及角加速度模型分别如下:
Teb算法进行局部路径规划包括以下步骤:
步骤2.1、初始化巡检机器人的起点和终点,引入全局规划参数;
步骤2.2、关联全局路径规划路线参数,加入障碍物;
步骤2.3、判断当前障碍物和终点目标可通行的安全区域,建立迭代最优解模型;
步骤2.4、在安全区域范围内优化出全局最佳航向角度信息,然后不断优化局部轨迹值;
步骤2.5、在局部运动中增加速度约束模型,限制冲击性速度,提升避障轨迹平滑性;
步骤2.6、更新轨迹判断是否最佳,若是,则结束规划,否则继续返回步骤2.4进行规划。
如图8所示,改进Teb路径规划算法的遍历规则为:通过设定S1、S2、S3、S4和S5这5个状态点,得出V1、V2、V3和V4不同状态下的速度值,然后通过不同状态点速度值得出时间间隔T1、/>T2、/>T3和/>T4值。
对不同时间间隔的速度解析,得到对应加速度a1、a2、a3的值,然后通过Y1、Y2约束加速度,模型为:
其中,Y1lin为线加速度约束,Y1ang为角加速度约束,a2lin为V2至V3的线加速度,a1lin为V1至V2的线加速度,a2ang为V2至V3的角加速度,a1ang为V1至V2的角加速度,/>T1为S1至S2的时间间隔,T2为S2至S3的时间间隔,/>T3为S3至S4的时间间隔。
如图9所示,0为起点,1为终点,长曲线为A*算法规划的曲线,短曲线为改进Teb算法规划的曲线,两者相互融合,实现起点遍历终点最优曲线,同时实现局部避障效果。
步骤3、巡检机器人根据规划的路线进行巡检。
根据上述自适应环境路径规划的智能电力巡检机器人及巡检方法,进行多次实验以验证本发明的效果。
实验环境为33.45m×9.6m配电室区域。共实验90次,分3组,即每组30次。对每组的30次实验取平均值,进一步对得到均值的3组测试进行起点到目标点的偏移距离和角度误差进行实验分析,如表2、图10和图11所示。
任意选取25m×12m区域,总共测试80次实验,分10组进行,得到的实验数据如表2所示。
表2 路径规划实验数据
对3组测试取平均值,通过反正切推算出对应起点到目标终点的偏差航向角信息,使用Matlab绘制表2数据。从上图数据得出,巡检机器人在33.45m×9.6m区域内进行路径规划实验,起点到目标终点的位移偏差维持在±9.68%内,起点到目标终点角度偏差维持在±14.12%内。可见,巡检机器人符合特定区域范围内自主路径优化的精确控制要求,路径规划具有实践指导意义。最后,分析实验数据产生误差的原因,发现主要有人工测量误差、实验环境和机器人本身误差等,为避免人工测量误差的产生,采取反复实验作为实验预备,直到满足实验精度控制的需求。
一种自适应环境路径规划的智能电力巡检机器人及巡检方法使用的巡检系统,包括:构建地图模块、路线规划模块和巡检模块,其中构建地图模块、路线规划模块和巡检模块依次连接。
而且,所述构建地图模块用于对周围环境进行采样并使用改进的Cartographer构图算法构建地图;所述构建地图模块用于根据构建的地图对行进路线进行规划;所述巡检模块根据规划的路线进行巡检,并使用超声波雷达防碰撞,通过光电编码器采集轮式里程信息,同时使用云台配合可见光相机、热成像相机进行不同水平和垂直角度的在线巡检。
一种电子设备,包括至少一个处理器;所述至少一个处理器执行能够执行自适应环境路径规划的智能电力巡检机器人及巡检方法。
一种计算机可读存储介质,存储于计算机程序,所述计算机程序被处理器执行时实现所述的自适应环境路径规划的智能电力巡检机器人及巡检方法。
需要强调的是,本发明所述的实施例是说明性的,而不是限定性的,因此本发明包括并不限于具体实施方式中所述的实施例,凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式,同样属于本发明保护的范围。
Claims (19)
1.自适应环境路径规划的智能电力巡检机器人,其特征在于:包括行进底座、云台和巡检设备,其中巡检设备安装在云台上方,云台安装在行进底座的上方,巡检设备用于巡检路线的生成以及巡检拍照,云台用于搭载相机设备,实现水平和俯仰方向运动,行进底座用于巡检机器人的移动,云台下方设置激光雷达,激光雷达用于导航定位,行进底座上还设有垂直向上的天线,行进底座内部设有处理装置,天线用于网桥通信。
2.根据权利要求1所述的自适应环境路径规划的智能电力巡检机器人,其特征在于:所述行进底座底部安装万向轮以及驱动轮,其中万向轮为转弯从动轮,驱动轮用于驱动车身移动。
3.根据权利要求1所述的自适应环境路径规划的智能电力巡检机器人,其特征在于:所述行进底座的后方设置机器人铭牌、急停按钮、USB接口以及状态灯,其中,急停按钮用于紧急停车,USB接口供遥控器接收器使用,状态灯红黄绿三种颜色,用于指示机器人本体工作、电量及报警状态。
4.根据权利要求1所述的自适应环境路径规划的智能电力巡检机器人,其特征在于:所述行进底座的前方设置激光探沟传感器、超声波雷达、防撞条、充电金属片和金属接近开关,其中,激光探沟传感器用于探测前方沟道,超声波雷达用于防碰撞,防撞条用于防车身碰撞,充电金属片用于自动充电,金属接近开关用于自动充电位置较准。
5.根据权利要求1所述的自适应环境路径规划的智能电力巡检机器人,其特征在于:所述巡检设备前方设有热成像相机和可见光相机,热成像相机的侧边设有拾音器,可见光相机前方设有雨刷,可见光相机侧方设有补光灯。
6.根据权利要求1所述的自适应环境路径规划的智能电力巡检机器人及巡检方法,其特征在于:所述处理装置分别与拾音器、热成像相机、激光雷达、天线、激光探沟传感器、超声波雷达、驱动轮、金属接近开关、雨刷、可见光相机、补光灯、云台、USB接口、状态灯、急停按钮和光电编码器通过WIFI连接。
7.根据权利要求1所述的自适应环境路径规划的智能电力巡检机器人的巡检方法,其特征在于:所述云台用于Y轴和Z轴的运动。
8.一种如权利要求1至7任一项所述的自适应环境路径规划的智能电力巡检机器人的巡检方法,其特征在于:包括以下步骤:
步骤1、巡检机器人对周围环境进行采样并使用改进的Cartographer构图算法构建地图;
步骤2、处理器根据构建的地图对行进路线进行规划;
步骤3、巡检机器人根据规划的路线进行巡检,并使用超声波雷达防碰撞,通过光电编码器采集轮式里程信息,同时使用云台配合可见光相机、热成像相机进行不同水平和垂直角度的在线巡检。
9.根据权利要求8所述的自适应环境路径规划的智能电力巡检机器人的巡检方法,其特征在于:所述步骤1包括以下步骤:
步骤1.1、巡检机器人通过光电编码器采集到轮式里程信息和激光雷达采集的位姿数据进行匹配;
步骤1.2、将匹配后的数据使用Map to Map搜索遍历机制进行搜索;
步骤1.3、判断光电编码器的精度是否大于激光雷达采集的位姿数据,若光电编码器的精度大于激光雷达采集的位姿数据,则基于光电编码器的线速度和角速度进行位姿估计并结束,否则进行步骤1.4;
步骤1.4、判断激光雷达是否发生畸变,若发生畸变则返回步骤1.1,否则进行步骤1.5;
步骤1.5、基于激光雷达线速度和角速度进行位姿估计,并根据Cartographer构图算法构建地图。
10.根据权利要求8所述的自适应环境路径规划的智能电力巡检机器人的巡检方法,其特征在于:所述步骤2的具体实现方法为:使用A*算法进行起点到终点的全局规划,遇到当前障碍物时使用Teb算法进行局部路径规划。
11.根据权利要求10所述的自适应环境路径规划的智能电力巡检机器人的巡检方法,其特征在于:所述A*算法进行起点到终点的全局规划的具体实现方法为:使用A*算法作为巡检机器人导航中路径规划算法进行分析路径遍历规则模型,并构建路径遍历规则模型,同时制定巡检机器人进行路径规划起点到终点遍历中遵循的语意规则。
13.根据权利要求11所述的自适应环境路径规划的智能电力巡检机器人的巡检方法,其特征在于:所述巡检机器人进行路径规划起点到终点遍历中遵循的语意规则包括:
不能跨越栅格;
除了当前栅格外,下一个遍历的目标位置只能为8个相邻栅格;
上下左右遍历时代价值为2;
左上左下和右上右下遍历时代价值为3;
设定待存放位置的空间为openlist,设定当前存放位置的空间为closedlist;
下一个目标只能向openlist空间运动。
14.根据权利要求10所述的自适应环境路径规划的智能电力巡检机器人的巡检方法,其特征在于:所述Teb算法进行局部路径规划包括以下步骤:
步骤2.1、初始化巡检机器人的起点和终点,引入全局规划参数;
步骤2.2、关联全局路径规划路线参数,加入障碍物;
步骤2.3、判断当前障碍物和终点目标可通行的安全区域,建立迭代最优解模型;
步骤2.4、在安全区域范围内优化出全局最佳航向角度信息,然后不断优化局部轨迹值;
步骤2.5、在局部运动中增加速度约束模型,限制冲击性速度,提升避障轨迹平滑性;
步骤2.6、更新轨迹判断是否最佳,若是,则结束规划,否则继续返回步骤2.4进行规划。
16.一种自适应环境路径规划的智能电力巡检机器人及巡检方法使用的巡检系统,其特征在于,包括:构建地图模块、路线规划模块和巡检模块,其中构建地图模块、路线规划模块和巡检模块依次连接。
17.根据权利要求16所述的自适应环境路径规划的智能电力巡检机器人的巡检方法使用的巡检系统,其特征在于:所述构建地图模块用于对周围环境进行采样并使用改进的Cartographer构图算法构建地图;所述构建地图模块用于根据构建的地图对行进路线进行规划;所述巡检模块根据规划的路线进行巡检,并使用超声波雷达防碰撞,通过光电编码器采集轮式里程信息,同时使用云台配合可见光相机、热成像相机进行不同水平和垂直角度的在线巡检。
18.一种电子设备,其特征在于,包括至少一个处理器;所述至少一个处理器执行能够执行如权利要求1至17中任一项所述的自适应环境路径规划的智能电力巡检机器人及巡检方法。
19.一种计算机可读存储介质,存储于计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至17中任一项所述的自适应环境路径规划的智能电力巡检机器人及巡检方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310197853.8A CN115877855A (zh) | 2023-03-03 | 2023-03-03 | 自适应环境路径规划的智能电力巡检机器人及巡检方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310197853.8A CN115877855A (zh) | 2023-03-03 | 2023-03-03 | 自适应环境路径规划的智能电力巡检机器人及巡检方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115877855A true CN115877855A (zh) | 2023-03-31 |
Family
ID=85761921
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310197853.8A Pending CN115877855A (zh) | 2023-03-03 | 2023-03-03 | 自适应环境路径规划的智能电力巡检机器人及巡检方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115877855A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110531766A (zh) * | 2019-08-27 | 2019-12-03 | 熵智科技(深圳)有限公司 | 基于已知占据栅格地图的持续激光slam构图定位方法 |
CN110695958A (zh) * | 2019-09-09 | 2020-01-17 | 上海朗驰佰特智能技术有限公司 | 一种适用于化工防爆巡检机器人 |
CN112052993A (zh) * | 2020-08-27 | 2020-12-08 | 上海应用技术大学 | 一种基于改进teb算法的agv局部路径规划方法 |
CN113325846A (zh) * | 2021-05-31 | 2021-08-31 | 西安建筑科技大学 | 一种基于改进teb方法的露天矿无人矿卡动态路径规划方法 |
CN114859972A (zh) * | 2022-05-11 | 2022-08-05 | 国网江西省电力有限公司电力科学研究院 | 空中无人机与地面巡检机器人协同作业的巡检系统及方法 |
CN115307636A (zh) * | 2022-07-13 | 2022-11-08 | 西北工业大学 | 一种智能轮椅自主导航方法 |
CN115439621A (zh) * | 2022-08-10 | 2022-12-06 | 中煤科工集团西安研究院有限公司 | 一种煤矿井下巡检机器人三维地图重建及目标检测方法 |
WO2023016194A1 (zh) * | 2021-08-11 | 2023-02-16 | 灵动科技(北京)有限公司 | 用于移动机器人的路径规划方法及程序产品 |
-
2023
- 2023-03-03 CN CN202310197853.8A patent/CN115877855A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110531766A (zh) * | 2019-08-27 | 2019-12-03 | 熵智科技(深圳)有限公司 | 基于已知占据栅格地图的持续激光slam构图定位方法 |
CN110695958A (zh) * | 2019-09-09 | 2020-01-17 | 上海朗驰佰特智能技术有限公司 | 一种适用于化工防爆巡检机器人 |
CN112052993A (zh) * | 2020-08-27 | 2020-12-08 | 上海应用技术大学 | 一种基于改进teb算法的agv局部路径规划方法 |
CN113325846A (zh) * | 2021-05-31 | 2021-08-31 | 西安建筑科技大学 | 一种基于改进teb方法的露天矿无人矿卡动态路径规划方法 |
WO2023016194A1 (zh) * | 2021-08-11 | 2023-02-16 | 灵动科技(北京)有限公司 | 用于移动机器人的路径规划方法及程序产品 |
CN114859972A (zh) * | 2022-05-11 | 2022-08-05 | 国网江西省电力有限公司电力科学研究院 | 空中无人机与地面巡检机器人协同作业的巡检系统及方法 |
CN115307636A (zh) * | 2022-07-13 | 2022-11-08 | 西北工业大学 | 一种智能轮椅自主导航方法 |
CN115439621A (zh) * | 2022-08-10 | 2022-12-06 | 中煤科工集团西安研究院有限公司 | 一种煤矿井下巡检机器人三维地图重建及目标检测方法 |
Non-Patent Citations (3)
Title |
---|
"《Cartographers of the Cognitive Map: Locus Coeruleus Is Part of the Guild》" * |
SIBING YANG 等: "《Improved Cartographer Algorithm Based on Map-to- Map Loopback Detection》", 《PROCEEDINGS OF THE 2022 6TH CAA INTERNATIONAL CONFERENCE ON VEHICULAR CONTROL AND INTELLIGENCE》 * |
宋传增: "《智能网联汽车技术概论》" * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11892855B2 (en) | Robot with perception capability of livestock and poultry information and mapping approach based on autonomous navigation | |
EP3660618B1 (en) | Map building and positioning of robot | |
CN110780305B (zh) | 一种基于多线激光雷达的赛道锥桶检测及目标点追踪方法 | |
CN108536149B (zh) | 一种基于Dubins路径的无人驾驶车辆避障控制方法 | |
CA2904542C (en) | A supervised autonomous robotic system for complex surface inspection and processing | |
CN111693050B (zh) | 基于建筑信息模型的室内中大型机器人导航方法 | |
CN111982114B (zh) | 一种采用imu数据融合估计三维位姿的救援机器人 | |
CN110045733A (zh) | 一种实时定位方法及其系统、计算机可读介质 | |
CN110749895B (zh) | 一种基于激光雷达点云数据的定位方法 | |
CN113537046A (zh) | 基于检测车辆轨迹大数据的地图车道线标注方法及系统 | |
CN111812669B (zh) | 绕机检查装置及其定位方法、存储介质 | |
CN113715041B (zh) | 一种集运站火车车厢自主采样系统和方法 | |
CN108152829B (zh) | 一种加装直线导轨的二维激光雷达建图装置及其建图方法 | |
CN113867336A (zh) | 一种适用于复杂场景下移动机器人路径导航及规划方法 | |
CN115877855A (zh) | 自适应环境路径规划的智能电力巡检机器人及巡检方法 | |
CN114290313B (zh) | 巡检机器人、自动导航巡检机器人系统及控制方法 | |
CN114281081A (zh) | 地铁车辆巡检机器人的导航系统和导航方法、机器人 | |
CN107092253A (zh) | 用于控制无人车的方法、装置及服务器 | |
CN113554705A (zh) | 一种变化场景下的激光雷达鲁棒定位方法 | |
Wang et al. | Agv navigation based on apriltags2 auxiliary positioning | |
CN111984004A (zh) | 一种基于机器视觉的机器人巡线导航系统 | |
CN116652973B (zh) | 一种具有v2x功能的模拟交通指挥员系统 | |
CN111932883B (zh) | 一种利用路侧设备广播通信指导无人驾驶的方法 | |
WO2021220502A1 (ja) | 3次元モデル生成装置、方法及びプログラム | |
CN113034718A (zh) | 一种基于多智能体的地铁管道巡检系统 |
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: 20230331 |
|
RJ01 | Rejection of invention patent application after publication |