CN116149324A - 列车底检机器人底检控制方法、装置、机器人和存储介质 - Google Patents
列车底检机器人底检控制方法、装置、机器人和存储介质 Download PDFInfo
- Publication number
- CN116149324A CN116149324A CN202211728557.8A CN202211728557A CN116149324A CN 116149324 A CN116149324 A CN 116149324A CN 202211728557 A CN202211728557 A CN 202211728557A CN 116149324 A CN116149324 A CN 116149324A
- Authority
- CN
- China
- Prior art keywords
- point
- preset
- robot
- deviation
- bottom inspection
- 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 94
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000001514 detection method Methods 0.000 claims abstract description 63
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 238000012937 correction Methods 0.000 claims abstract description 24
- 238000004590 computer program Methods 0.000 claims description 21
- 230000009466 transformation Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000013519 translation Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 15
- 230000033001 locomotion Effects 0.000 description 13
- 238000012423 maintenance Methods 0.000 description 10
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000003137 locomotive effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 238000012216 screening Methods 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
- G05D1/0212—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
- G05D1/0231—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
-
- 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
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Manipulator (AREA)
Abstract
本申请实施例提供一种列车底检机器人底检控制方法、装置、机器人和存储介质,涉及机器人控制技术领域。该方法首先设定底检机器人的预设停车点位和预设采集拍照点位;当底检机器人到达预设停车点位时,获取当前车底转向架的三维点云信息,通过点云配准算法将其和示教三维点云信息进行配准,得到底检机器人在预设停车点位和示教停车点位之间的偏差RT;对预设采集拍照点位进行纠偏,根据纠偏采集拍照点位进行路径规划,以生成最优规划路径;根据纠偏采集拍照点位和最优规划路径,进行底检。通过本申请,对偏差做一个补偿,使得最终采集的数据和标准数据高度匹配,大大提高了车底检修算法的成功率。
Description
技术领域
本申请涉及机器人控制技术领域,具体地,涉及一种列车底检机器人底检控制方法、装置、机器人和存储介质。
背景技术
当前,对列车底部进行检修一般通过人工检修、轨道式列车底检机器人检修或非轨道式列车底检机器人检修等方式。其中,底检机器人是在列车底部的坑道内对列车进行检测。
对于轨道式列车底检机器人,在每次采集的过程中由于列车每次的停车位置不同,需要人工协作的方式移动底检机器人到达车头位置,才能执行事先示教好工作文件。但由于到达车头的位置是人工判断的,所以底检机器人到达指定的工作位置存在误差,如果机械臂按照人工示教的点位到达指定位置后,拍摄的采集点位和示教时候采集的点位的三维图像不一致,会导致后续算法进行检修的时候出现和标准图不匹配,导致采集的图像和三维点云信息丢失,导致算法检测失败。此外,机械臂必须按照人工示教的方式运行轨迹,就导致人工示教的过程中需要人为判断机械臂的最优路径。无法保证机械臂的运动路径和运动时间最优。且机械臂必须采集示教好的所有点位,无法选择性的采集部分点位。
对于非轨道式列车底检机器人,还存在如下问题:由于导航算法依赖IMU里程计、激光雷达等外部设备,受定位设备的标定误差、环境的影响,以及坑道路面不齐的平影响、小车底盘本身的计算误差等,最终的停车点位仍存在一定的偏移,无法保证精准的到达停车点位。
对于上述无法精准到达停车点位的问题,由于停车点位和示教时候的停车点位之间存在误差,如果不通过机械臂进行纠偏的话,采集的图像和标准图像将存在偏差。
发明内容
为了解决上述技术缺陷之一,本申请实施例中提供了一种列车底检机器人底检控制方法、装置、机器人和存储介质。
根据本申请实施例的第一个方面,提供了一种列车底检机器人底检控制方法,该方法包括:
设定底检机器人的预设停车点位和预设停车点位下的底检机器人的机械臂的预设采集拍照点位;
当底检机器人到达预设停车点位时,通过精扫相机获取当前车底转向架的实际三维点云信息,通过点云配准算法将实际三维点云信息和预先采集的示教三维点云信息进行配准,得到底检机器人在预设停车点位和示教停车点位之间的偏差RT;
对预设采集拍照点位根据偏差RT进行纠偏,得到纠偏后的纠偏采集拍照点位,根据纠偏采集拍照点位进行路径规划,以生成无碰撞的最优规划路径;
根据纠偏采集拍照点位和最优规划路径,进行对列车的底检。
在本申请一个可选的实施例中,该方法中通过点云配准算法将实际三维点云信息和预先采集的示教三维点云信息进行配准,得到底检机器人在预设停车点位和示教停车点位之间的偏差RT的步骤进一步包括:
偏差RT为4X4坐标变换矩阵。
在本申请一个可选的实施例中,该方法中对预设采集拍照点位根据偏差RT进行纠偏,得到纠偏后的纠偏采集拍照点位的步骤进一步包括:
对所有的预设采集拍照点位根据偏差RT进行基于机械臂基坐标系的RT坐标变换。
在本申请一个可选的实施例中,该方法中根据纠偏采集拍照点位进行路径规划,以生成无碰撞的最优规划路径的步骤进一步包括:
在机械臂的规划空间中,判断非障碍区的位置,生成一个随机点,并进行生长;
生长包括:
以随机点为目标,遍历生长树上的现存节点,计算每个现存节点到随机点的距离,以筛选出最近点;
以最近点和随机点的连线为生长方向,从最近点向目标点生长并生成生长点,判断生长点是否与障碍物发生碰撞;
若未发生碰撞,则将生长点添加到生长树上;
若发生碰撞,则将生长点剔除,生成新的随机点,并根据新的随机点进行生长,以获得最优规划路径。
在本申请一个可选的实施例中,该方法中生长进一步包括:生长的步长为固定值。
在本申请一个可选的实施例中,该方法中通过点云配准算法将实际三维点云信息和预先采集的示教三维点云信息进行配准的步骤进一步包括:
通过贪心的方式找到实际三维点云信息和示教三维点云信息两幅点云上点的对应关系,并进一步计算旋转关系参数R和平移关系参数t,根据旋转关系参数R和平移关系参数t进行点云配准。
在本申请一个可选的实施例中,该方法中设定底检机器人的预设停车点位和预设停车点位下的底检机器人的机械臂的预设采集拍照点位:
设定底检机器人的预设停车点位时,记录底检机器人的底盘相对于底检机器人的预设起点的位置,以进行预设停车点位的设定。
根据本申请实施例的第二个方面,提供了一种列车底检机器人底检控制装置,该装置包括预设点位设定模块、偏差RT计算模块、纠偏路径规划模块和底检模块;其中,
预设点位设定模块,用于设定底检机器人的预设停车点位和预设停车点位下的底检机器人的机械臂的预设采集拍照点位;
偏差RT计算模块,用于当底检机器人到达预设停车点位时,通过精扫相机获取当前车底转向架的实际三维点云信息,通过点云配准算法将实际三维点云信息和预先采集的示教三维点云信息进行配准,得到底检机器人在预设停车点位和示教停车点位之间的偏差RT;
纠偏路径规划模块,用于对预设采集拍照点位根据偏差RT进行纠偏,得到纠偏后的纠偏采集拍照点位,根据纠偏采集拍照点位进行路径规划,以生成无碰撞的最优规划路径;
底检模块,根据纠偏采集拍照点位和最优规划路径,进行对列车的底检。
根据本申请实施例的第三个方面,提供了一种底检机器人,包括:存储器;处理器;以及计算机程序;其中,计算机程序存储在存储器中,并被配置为由处理器执行以实现如本申请实施例的第一个方面任一项方法的步骤。
根据本申请实施例的第四个方面,提供了一种计算机可读存储介质,其上存储有计算机程序;计算机程序被处理器执行以实现如本申请实施例的第一个方面任一项方法的步骤。
采用本申请实施例中提供的列车底检机器人底检控制方法,具有以下有益效果:
本申请的方法是对轨道式底检机器人和非轨道式的底检机器人每次的停车点位存在误差导致的问题提出的,当底检机器人底盘的停车点位发生误差时,本申请通过初始的采集点位和标准采集点位的点云信息进行配准,获取到机器人底盘发生的偏差,通过机械臂对偏差做一个补偿,使得最终采集的数据和标准数据高度匹配,大大提高了车底检修算法的成功率。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例提供的列车底检机器人底检控制方法的流程图;
图2为本申请实施例提供的坐标变换示意图;
图3为本申请实施例提供的路径规划示意图一;
图4为本申请实施例提供的路径规划示意图二;
图5为本申请实施例提供的路径规划示意图三;
图6为本申请实施例提供的路径规划示意图四;
图7为本申请实施例提供的路径规划示意图五;
图8为本申请实施例提供的列车底检机器人底检控制装置的结构图;
图9为本申请一个实施例提供的底检机器人内部结构示意图。
具体实施方式
为了使本申请实施例中的技术方案及优点更加清楚明白,以下结合附图对本申请的示例性实施例进行进一步详细的说明,显然,所描述的实施例仅是本申请的一部分实施例,而不是所有实施例的穷举。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
当前,对列车底部进行检修一般通过人工检修、轨道式列车底检机器人检修或非轨道式列车底检机器人检修等方式。
轨道式列车底检机器人检修是指在列车底部铺设一条带磁条的铁轨,通过移动机器人底盘到达指定位置。人工控制机器人到达列车底部检修位置,通过底部磁条记录当前底盘位置距离车头的距离,然后通过机械臂示教的方式,记录机械臂的运动轨迹生成工作文件。当列车再次到达检修点时,由于列车每次在铁轨上停止的位置不同,底检机器人首先得通过人工方式移动到列车的头部,然后通过预先记录好的检修停车点位置,移动底检机器人底盘到达指定的位置,机械臂执行预先示教好的运动轨迹的工作文件,进行运动采集需要拍照的点位,保存对应点位的2D图片和3D点云信息,传送给算法进行列车不合格检修。
非轨道式列车底检机器人是通过距离传感器进行实时地图构建和导航定位,到达指定停车点位。人工控制机器人到达列车底部检修位置,通过底部磁条记录当前底盘位置距离车头的距离,然后通过机械臂示教的方式,记录机械臂的运动轨迹生成工作文件。当列车再次到达检修点,由于列车每次在铁轨上停止的位置不同,底检机器人首先得通过人工方式移动到列车的头部,然后通过预先记录好的检修停车点位置,移动底检机器人底盘到达指定的位置,机械臂执行预先示教好的运动轨迹的工作文件,进行运动采集需要拍照的点位,保存对应点位的2D图片和3D点云信息,传送给算法进行列车不合格检修。
请参见如图1所示的步骤:
S1:设定底检机器人的预设停车点位和预设停车点位下的底检机器人的机械臂的预设采集拍照点位。可选的,设定底检机器人的预设停车点位时,记录底检机器人的底盘相对于底检机器人的预设起点的位置,以进行预设停车点位的设定。
在具体实施中,首先通过手持3D扫描设备对列车(本申请实施例以动车为例)底部的转向架和坑道进行建模,生成车底和坑道的3D模型。然后进行示教,通过移动底检机器人到达需要检修的车底位置,同时通过导航、里程计等数据记录此时底检机器人的底盘相对于底检机器人预设起点的位置,以此作为预设停车点位的依据。进一步的,通过人工拖拽的方式移动机械臂到达指定的采集点位进行记录。最终获取到底检机器人的预设停车点位和预设停车点位下的所有机械臂的预设采集拍照点位,后续开始进行实际检修时,底检机器人将直接到达预设停车点位停车,并使机械臂按照预设采集拍照点位进行采集拍照。
S2:当底检机器人到达预设停车点位时,通过精扫相机获取当前车底转向架的实际三维点云信息,通过点云配准算法将实际三维点云信息和预先采集的示教三维点云信息进行配准,得到底检机器人在预设停车点位和示教停车点位之间的偏差RT。
在本申请的其中一些实施例中,底检机器人设置有纠偏点位,纠偏点位为一个相对于机械臂底盘固定的一个相机点位,此点位下精扫相机采集的点云范围比较广,特征比较多,当底检机器人再次到达停车点位后,机械臂运动到此点位,将所采集的三维点云和示教阶段的三维点云进行配准可以直接反应出当前底检机器人停车点位和示教阶段的停车点位的偏差。基于此,在具体实施中,首先移动机械臂到一纠偏点位,以通过精扫相机获取在纠偏点位下当前车底转向架的实际三维点云信息。
具体的,偏差RT为4X4坐标变换矩阵。
具体的,通过贪心的方式找到当前坑道信息和坑道模型、当前车底信息和车底模型两对点云上点的对应关系,并进一步计算旋转关系参数R和平移关系参数t,根据旋转关系参数R和平移关系参数t进行点云配准。
在具体实施中,当底检机器人执行自动采集的时候,首先会通过导航算法和SLAM定位到达指定的预设停车点位。由于导航算法和周围环境变化等带来的误差,无法保证此时根据相对于底检机器人预设起点的位置所到达的预设停车点位和示教时相对于车底的停车点位完全匹配。所以,当底检机器人到达停车点位后,首先通过距离传感器(激光雷达和深度相机)分别采集当前的车底和坑道信息,并与事先采集好的坑道模型和车底模型、即步骤S1中所述的车底和坑道的3D模型通过算法进行匹配,最终获取到机械臂在车底和坑道的位置信息。
在具体实施中,机械臂在示教的时候记录了每一个预设采集拍照点位在机械臂底座为坐标系下的笛卡尔坐标(包含位置和姿态),当底检机器人再次到达预设停车点位,由于实际到达的相对于底检机器人预设起点的位置所到达的预设停车点位和示教时候相对于车底的停车点位之间存在误差,如果不通过机械臂进行纠偏的话,采集的图像和标准图像存在同样的偏差。
进一步的,在具体实施中,以底检机器人再次到达停车点位后和示教时的停车点位发生了10cm的偏差为例,当机械臂开始采集任务的时候,那么每一个拍照点位采集的图像和标准图像也会存在同样的偏差。
在本申请的其中一些实施例中,首先移动机械臂到纠偏点位;具体的,机械臂进行小幅度的运动且不会与周围环境发生碰撞,通过精扫相机获取当前车底转向架的实际三维点云信息。
通过点云配准算法,将当前获取的实际三维点云信息和示教时候记录的示教三维点云信息进行配准,得到当前底检机器人在车底转向架下的位置和示教时候的位置之间的偏差RT,具体的,偏差RT为一个4X4的坐标变换矩阵。
在本申请的其中一些实施例中,本申请的点云配准问题描述为:
式中,Ps和Pt是源点云和目标点云中的对应点。
在具体实施中,通过贪心的方式找到两幅点云上点的对应关系,可选的,可以找到距离最近的点作为对应点。基于此,当找到两幅点云上点的对应关系后,通过LeastSquares来求解R,t参数;
交替进行上述步骤,迭代进行计算,直到收敛。
S3:对预设采集拍照点位根据偏差RT进行纠偏,得到纠偏后的纠偏采集拍照点位,根据纠偏采集拍照点位进行路径规划,以生成无碰撞的最优规划路径。
在具体实施中,对所有的预设采集拍照点位根据偏差RT进行基于机械臂基坐标系的RT坐标变换。
在本申请的其中一些实施例中,如图2所示,坐标变换所需数据包括模型坐标系、底盘坐标系、机械臂基座标系、示教拍照点位坐标。模型坐标系为基座标系,不会发生变化;机械臂基座标系相对于底盘坐标系固定不变;在具体实施中,为了保证当前拍照点位拍摄到的图像和示教时拍照点位拍摄的图像高度重合,拍照点位相对于模型坐标系的坐标是固定不变的。
在具体实施中,当底检机器人停车点位发生变化,也就是底盘的坐标相对于模型坐标系发生变化,坐标发生了平移和旋转,用变换矩阵RT、即偏差RT表示。由于机械臂基座标系相对于底盘坐标系是固定不变的,为了当前保证拍照点位坐标相对于模型坐标系和示教拍照点位坐标相对于模型坐标系的位置保持一致,当前拍照点位相对于机械臂基座标系也做同样的RT变换。
综上,示教时候的拍照点位在车底转向架下的位置存在同样的偏差RT。因此,将示教好的拍照点位进行同样的RT坐标变换,获取到新的纠偏后的纠偏采集拍照点位。
再通过机械臂路径规划算法,规划到经过RT变换的拍照点位。
具体的,在本申请的其中一些实施例中,进行路径规划时,机械臂路径规划算法包括:
在机械臂的规划空间中,判断非障碍区的位置,生成一个随机点,并进行生长;
生长包括:
以随机点为目标,遍历生长树上的现存节点,计算每个现存节点到随机点的距离,以筛选出最近点;
以最近点和随机点的连线为生长方向,从最近点向目标点生长并生成生长点,判断生长点是否与障碍物发生碰撞;若未发生碰撞,则将生长点添加到生长树上;若发生碰撞,则将生长点剔除;
完成生长点的添加或剔除后,生成新的随机点,并根据新的随机点进行生长,以获得最优规划路径。
在具体实施中,如图3所示,图中示出了机械臂的规划空间中,机械臂末端轴的起点(左侧点)和终点(右侧点),并以黑色椭圆部分表示障碍物。
如图4所示,在机械臂的规划空间中,判断非障碍区的位置,随机生成一个随机点(“十”字形点)。以刚刚生成的随机点为目标,遍历生长树上的现存节点,计算每个节点到该随机点的距离,筛选出距离最小的节点作为最近点。具体的,此时树上仅存在起点,所以直接选取起点为最近点。
如图5所示,以最近点和随机点的连线为生长方向。从最近点向目标的生长,生长的长度为步长;具体的,每一次生长的步长是固定的,步长视情况设定,从此时的最近点也就是起点沿着生长方向生成一个步长的生长点。判断生长点是否和障碍物发生碰撞,若没有则将生长点添加到树上,若发生碰撞则剔除。
如图6-7所示,再次生成随机点,重复上述步骤,以选取最优规划路径。
请继续参见图1:
S4:根据纠偏采集拍照点位和最优规划路径,进行对列车的底检。
在具体实施中,根据纠偏采集拍照点位和最优规划路径,进行拍照采集获取到纠偏后的RGB图像信息和三维点云信息。
综上所述,本申请提出一种列车底检机器人底检控制方法,摒弃了原先通过人工示教的方式记录轨迹,并重复运行轨迹的方法。通过前期人工示教的方式记录每一个需要拍照的点位,当底检机器人再次到达指定位置后,机械臂首先通过环境感知的方式获取到周围的坑道和车底信息,将这些三维点云信息加入到规划环境中做碰撞检测,由于底检机器人底盘的位置和示教时候的位置发生了偏差,通过和示教时候的标准点云数据进行匹配,计算底检机器人所在的位置和示教时候的位置偏差的RT,然后将示教好的点位也做同样的RT空间变换。机械臂通过碰撞检测和运动规划,规划一条无碰撞的最优运动路径,发送给机械臂控制系统进行控制,到达指定点位采集数据。
应该理解的是,虽然流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
请参见图8,本申请一个实施例提供了列车底检机器人底检控制装置,包括预设点位设定模块10、偏差RT计算模块20、纠偏路径规划模块30和底检模块40;其中,
预设点位设定模块,用于设定底检机器人的预设停车点位和预设停车点位下的底检机器人的机械臂的预设采集拍照点位;
偏差RT计算模块,用于当底检机器人到达预设停车点位时,通过精扫相机获取当前车底转向架的实际三维点云信息,通过点云配准算法将实际三维点云信息和预先采集的示教三维点云信息进行配准,得到底检机器人在预设停车点位和示教停车点位之间的偏差RT;
纠偏路径规划模块,用于对预设采集拍照点位根据偏差RT进行纠偏,得到纠偏后的纠偏采集拍照点位,根据纠偏采集拍照点位进行路径规划,以生成无碰撞的最优规划路径;
底检模块,根据纠偏采集拍照点位和最优规划路径,进行对列车的底检。
关于上述列车底检机器人底检控制装置的具体限定可以参见上文中对于列车底检机器人底检控制方法的限定,在此不再赘述。上述列车底检机器人底检控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于底检机器人中的处理器中,也可以以软件形式存储于底检机器人中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种底检机器人,该底检机器人可以为非轨道式列车底检机器人,也可以为轨道式列车底检机器人。具体的,该底检机器人的内部结构图可以如图9所示。该底检机器人包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该底检机器人的处理器用于提供计算和控制能力。该底检机器人的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该底检机器人的数据库用于存储数据。该底检机器人的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现如上的一种列车底检机器人底检控制方法。包括:存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现如上列车底检机器人底检控制方法中的任一步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时可以实现如上列车底检机器人底检控制方法中的任一步骤。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请实施例中的方案可以采用各种计算机语言实现,例如,C语言、VHDL语言、Verilog语言、面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种列车底检机器人底检控制方法,其特征在于,包括:
设定底检机器人的预设停车点位和所述预设停车点位下的所述底检机器人的机械臂的预设采集拍照点位;
当所述底检机器人到达所述预设停车点位时,通过精扫相机获取当前车底转向架的实际三维点云信息,通过点云配准算法将所述实际三维点云信息和预先采集的示教三维点云信息进行配准,得到所述底检机器人在所述预设停车点位和示教停车点位之间的偏差RT;
对所述预设采集拍照点位根据所述偏差RT进行纠偏,得到纠偏后的纠偏采集拍照点位,根据所述纠偏采集拍照点位进行路径规划,以生成无碰撞的最优规划路径;
根据所述纠偏采集拍照点位和所述最优规划路径,进行对列车的底检。
2.根据权利要求1所述的列车底检机器人底检控制方法,其特征在于,通过点云配准算法将所述实际三维点云信息和预先采集的示教三维点云信息进行配准,得到所述底检机器人在所述预设停车点位和示教停车点位之间的偏差RT的步骤进一步包括:
所述偏差RT为4X4坐标变换矩阵。
3.根据权利要求2所述的列车底检机器人底检控制方法,其特征在于,对所述预设采集拍照点位根据所述偏差RT进行纠偏,得到纠偏后的纠偏采集拍照点位的步骤进一步包括:
对所有的所述预设采集拍照点位根据所述偏差RT进行基于机械臂基坐标系的RT坐标变换。
4.根据权利要求1-3中任一项所述的列车底检机器人底检控制方法,其特征在于,根据所述纠偏采集拍照点位进行路径规划,以生成无碰撞的最优规划路径的步骤进一步包括:
在所述机械臂的规划空间中,判断非障碍区的位置,生成一个随机点,并进行生长;
所述生长包括:
以所述随机点为目标,遍历生长树上的现存节点,计算每个所述现存节点到所述随机点的距离,以筛选出最近点;
以所述最近点和所述随机点的连线为生长方向,从所述最近点向目标点生长并生成生长点,判断所述生长点是否与障碍物发生碰撞;
若未发生碰撞,则将所述生长点添加到所述生长树上;
若发生碰撞,则将所述生长点剔除,生成新的随机点,并根据所述新的随机点进行所述生长,以获得所述最优规划路径。
5.根据权利要求4所述的列车底检机器人底检控制方法,其特征在于,所述生长进一步包括:所述生长的步长为固定值。
6.根据权利要求4所述的列车底检机器人底检控制方法,其特征在于,通过点云配准算法将所述实际三维点云信息和预先采集的示教三维点云信息进行配准的步骤进一步包括:
通过贪心的方式找到所述实际三维点云信息和所述示教三维点云信息两幅点云上点的对应关系,并进一步计算旋转关系参数R和平移关系参数t,根据所述旋转关系参数R和所述平移关系参数t进行点云配准。
7.根据权利要求1所述的列车底检机器人底检控制方法,其特征在于,设定底检机器人的预设停车点位和所述预设停车点位下的所述底检机器人的机械臂的预设采集拍照点位:
设定所述底检机器人的所述预设停车点位时,记录所述底检机器人的底盘相对于所述底检机器人的预设起点的位置,以进行所述预设停车点位的设定。
8.一种列车底检机器人底检控制装置,其特征在于,包括预设点位设定模块、偏差RT计算模块、纠偏路径规划模块和底检模块;其中,
预设点位设定模块,用于设定底检机器人的预设停车点位和所述预设停车点位下的所述底检机器人的机械臂的预设采集拍照点位;
偏差RT计算模块,用于当所述底检机器人到达所述预设停车点位时,通过精扫相机获取当前车底转向架的实际三维点云信息,通过点云配准算法将所述实际三维点云信息和预先采集的示教三维点云信息进行配准,得到所述底检机器人在所述预设停车点位和示教停车点位之间的偏差RT;
纠偏路径规划模块,用于对所述预设采集拍照点位根据所述偏差RT进行纠偏,得到纠偏后的纠偏采集拍照点位,根据所述纠偏采集拍照点位进行路径规划,以生成无碰撞的最优规划路径;
底检模块,根据所述纠偏采集拍照点位和所述最优规划路径,进行对列车的底检。
9.一种底检机器人,其特征在于,包括:
存储器;
处理器;以及
计算机程序;
其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以实现如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序;所述计算机程序被处理器执行以实现如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211728557.8A CN116149324A (zh) | 2022-12-29 | 2022-12-29 | 列车底检机器人底检控制方法、装置、机器人和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211728557.8A CN116149324A (zh) | 2022-12-29 | 2022-12-29 | 列车底检机器人底检控制方法、装置、机器人和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116149324A true CN116149324A (zh) | 2023-05-23 |
Family
ID=86361251
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211728557.8A Pending CN116149324A (zh) | 2022-12-29 | 2022-12-29 | 列车底检机器人底检控制方法、装置、机器人和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116149324A (zh) |
-
2022
- 2022-12-29 CN CN202211728557.8A patent/CN116149324A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102342152B1 (ko) | 환경 맵 생성 및 정렬을 위한 방법 및 시스템 | |
CN111192331B (zh) | 一种激光雷达和相机的外参标定方法及装置 | |
CN110009718B (zh) | 一种三维高精度地图生成方法及装置 | |
CN111487642A (zh) | 基于三维激光和双目视觉的变电站巡检机器人定位导航系统及方法 | |
JP5992184B2 (ja) | 画像データ処理装置、画像データ処理方法および画像データ処理用のプログラム | |
US11846949B2 (en) | Systems and methods for calibration of a pose of a sensor relative to a materials handling vehicle | |
JP2009193240A (ja) | 移動ロボット及び環境地図の生成方法 | |
CN110764110B (zh) | 路径导航方法、装置及计算机可读存储介质 | |
CN113124883B (zh) | 基于3d全景相机的离线标点方法 | |
CN116079722B (zh) | 列车底检机器人底检控制方法、装置、机器人和存储介质 | |
CN114494466B (zh) | 外参标定方法、装置及设备、存储介质 | |
US20220343656A1 (en) | Method and system for automated calibration of sensors | |
CN111460866B (zh) | 车道线检测及驾驶控制方法、装置和电子设备 | |
JP5370122B2 (ja) | 移動体位置推定装置及び移動体位置推定方法 | |
CN116149324A (zh) | 列车底检机器人底检控制方法、装置、机器人和存储介质 | |
CN109062220B (zh) | 控制终端运动的方法和装置 | |
CN114358038B (zh) | 一种基于车辆高精度定位的二维码坐标标定方法及装置 | |
CN113190564A (zh) | 地图更新系统、方法及设备 | |
CN113776540B (zh) | 基于视觉导航定位的车载系留无人机实时跟踪移动车辆的控制方法 | |
CN112729252B (zh) | 基于机器人平台的隧道激光点云采集方法及机器人系统 | |
CN113034538B (zh) | 一种视觉惯导设备的位姿跟踪方法、装置及视觉惯导设备 | |
CN115979270B (zh) | 基于车库场景内导航点与车位号自动绑定的导航控制系统 | |
JP7508288B2 (ja) | 情報処理装置、情報処理装置の制御方法なおよびプログラム | |
KR20240081654A (ko) | 시설물 정보 구축을 위한 선별적 데이터 전송 장치 및 방법 | |
CN117853401A (zh) | 一种列车巡检装置巡检方法、系统、设备及存储介质 |
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 |