CN116395058A - 一种用于高陡边坡生态再造的多足机器人及其控制方法 - Google Patents

Abstract

本发明涉及生态修复设备技术领域，特别是一种用于高陡边坡生态再造的多足机器人，包括支架，所述支架上设置有八组行走机构，所述行走机构包括上肢、下肢与捉地组件，所述上肢的一端设置有第一双轴驱动电机，所述第一双轴驱动电机的输出端与所述支架配合连接，所述下肢的一端设置有第二双轴驱动电机，所述第二双轴驱动电机的输出端与所述上肢的另一端配合连接，所述下肢的另一端设置有伸缩气缸，所述伸缩气缸的输出端与伸缩杆的一端配合连接，所述伸缩杆的另一端与所述捉地组件配合连接，本机器人兼顾稳定性、机动性、喷播功能、安全性以及可拓展性。

Description

一种用于高陡边坡生态再造的多足机器人及其控制方法

技术领域

本发明涉及生态修复设备技术领域，特别是一种用于高陡边坡生态再造的多足机器人。

背景技术

厚层基材喷播技术已被广泛应用于高速公路、铁路、水利水电、矿山等领域的边坡绿化和土壤保持工程，为改善环境质量和促进生态恢复发挥着重要作用。但在实际应用过程中仍存在一些问题：(1)目前市场上的厚层基材喷播设备主要为车载式或拖拉式，其在高陡边坡上的机动性和可操作性受到限制。对于难以到达的地区，传统设备可能无法进行有效喷播。(2)传统的喷播设备在高陡边坡上作业效率可能受到限制。喷射距离、喷射角度和喷射粒度的调整可能会降低作业效率，增加作业时间。(3)在高陡边坡上进行喷播作业可能存在安全隐患。操作人员需要在复杂地形上搬运和操作设备，容易发生意外事故。(4)现有的喷播设备自动化、智能化程度低，导致喷播作业后的工程质量较低。

发明内容

本发明克服了现有技术的不足，提供了一种用于高陡边坡生态再造的多足机器人。

为达到上述目的本发明采用的技术方案为：

本发明第一方面公开了一种用于高陡边坡生态再造的多足机器人，包括支架，所述支架上设置有八组行走机构，所述行走机构包括上肢、下肢与捉地组件，所述上肢的一端设置有第一双轴驱动电机，所述第一双轴驱动电机的输出端与所述支架配合连接，所述下肢的一端设置有第二双轴驱动电机，所述第二双轴驱动电机的输出端与所述上肢的另一端配合连接，所述下肢的另一端设置有伸缩气缸，所述伸缩气缸的输出端与伸缩杆的一端配合连接，所述伸缩杆的另一端与所述捉地组件配合连接；

所述支架上设置有喷播系统，所述喷播系统包括基材储存罐、喷嘴以及喷播机械手，所述喷嘴设置在所述喷播机械手的端部，所述喷播机械手上固定连接有喷管，且所述喷管的一端与所述基材储存罐相连接，所述喷管的另一端与所述喷嘴相连接，所述喷管上设置有抽料泵；

所述多足机器人还包括控制器、数据处理器、通讯天线以及蓄电池。

优选地，本发明的一个较佳实施例中，所述捉地组件包括支轴，所述支轴的一端设置有第一安装块，另一端设置有第二安装块，所述第一安装块沿周向设置有若干组电动伸缩杆，所述第二安装块沿周向铰接有若干个地爪，且所述电动伸缩杆的伸缩端与所述地爪相铰接。

优选地，本发明的一个较佳实施例中，所述多足机器人还包括摄像头与若干传感器，所述传感器包括位置传感器、温度传感器、风力传感器、湿度传感器、风向传感器的一种或多种组合。

优选地，本发明的一个较佳实施例中，所述地爪上设置有薄膜压力传感器，所述上肢与下肢均设置有光电传感器。

本发明第二方面公开了一种用于高陡边坡生态再造的多足机器人的控制方法，应用于任一项所述的一种用于高陡边坡生态再造的多足机器人，包括以下步骤：

获取待喷播坡面的图像，基于所述待喷播坡面的图像得到待喷播区域的三维模型图，获取基材的预设喷播厚度信息，基于所述预设喷播厚度信息与待喷播区域的三维模型图生成最佳喷播路径；

基于所述最佳喷播路径将所述待喷播区域分割为若干个子喷播区域，控制多足机器人按照所述最佳喷播路径依次对各个子喷播区域喷播基材，当对某一个子喷播区域喷播完毕时，获取上一个子喷播区域的图像信息，并对所述上一个子喷播区域的图像信息进行识别，得到第一识别结果或第二识别结果；

若识别结果为第一识别结果，说明上一个子喷播区域在喷播后不存在喷播缺陷，此时继续执行喷播指令，以对下一个子喷播区域进行喷播；

若识别结果为第二识别结果，说明上一个子喷播区域在喷播后存在喷播缺陷，此时停止执行喷播指令，并生成修复指令，基于所述修复指令对上一个子喷播区域的喷播缺陷区域进行修复；

对上一个子喷播区域的喷播缺陷区域修复完毕后，再继续执行喷播指令，以对下一个子喷播区域进行喷播。

优选地，本发明的一个较佳实施例中，获取待喷播坡面的图像，基于所述待喷播坡面的图像得到待喷播区域的三维模型图，获取基材的预设喷播厚度信息，基于所述预设喷播厚度信息与待喷播区域的三维模型图生成最佳喷播路径，具体为：

获取待喷播坡面的图像，对所述待喷播坡面的图像进行滤波与图像增强处理，得到处理后的图像，对所述处理后的图像进行特征匹配处理，得到待喷播区域的若干特征点；

选取任一特征点作为构建原点，基于所述构建原点构建三维空间坐标系，并获取其余特征点与所述构建原点的位置关系，基于所述位置关系将其余特征点导入所述三维空间坐标系中；

获取所述特征点在三维空间坐标系中的坐标值信息，基于所述坐标值信息构建得到待喷播区域的三维模型图；

获取基材的预设喷播厚度信息，将所述预设喷播厚度信息与待喷播区域的三维模型图导入蚁群算法中进行反复构造，生成若干条喷播路径，并获取各喷播路径对应的路径值；

构建第一序列表，并将各喷播路径对应的路径值导入所述第一序列表中进行大小排序，排序完成后，由所述第一序列表中提取出最短路径值，将与所述最短路径值对应的喷播路径标记为最佳喷播路径，并将所述最佳喷播路径输出。

优选地，本发明的一个较佳实施例中，对所述上一个子喷播区域的图像信息进行识别，得到第一识别结果或第二识别结果，具体为：

通过大数据网络获取多足机器人在各历史喷播环境参数工作时所会出现的喷播缺陷图像信息；

构建数据库，并将多足机器人在各历史喷播环境参数工作时所会出现的喷播缺陷图像信息导入所述数据库中，得到特性数据库；

获取多足机器人的实时喷播环境参数，通过关联信息熵度量计算所述实时喷播环境参数与各历史喷播环境参数之间的相似度，得到多个相似度；

构建第二序列表，并将多个所述相似度导入所述第二序列表中进行大小排序，排序完成后，由所述第二序列表中提取出最大相似度，将与所述最大相似度对应的历史喷播环境参数作为筛选后的历史喷播环境参数，并基于所述筛选后的历史喷播环境参数对所述特性数据库中的喷播缺陷图像信息进行筛选，得到筛选后的喷播缺陷图像信息。

优选地，本发明的一个较佳实施例中，还包括以下步骤：

基于卷积神经网络构建识别模型，并将所述筛选后的喷播缺陷图像信息导入所述识别模型中进行训练，得到训练好的识别模型；

将所述上一个子喷播区域的图像信息导入所述识别模型中，并通过灰色关联分析法计算所述上一个子喷播区域的图像信息与各筛选后的喷播缺陷图像信息之间的配对率，得到多个配对率；

构建第三序列表，并将多个所述配对率导入所述第三序列表中进行大小排序，排序完成后，由所述第三序列表中提取出最大配对率；将所述最大配对率与预设配对率进行比较，得到配对率偏差值；

判断所述配对率偏差值是否大于预设阈值，若大于，则生成第一识别结果；若不大于，则生成第二识别结果。

优选地，本发明的一个较佳实施例中，生成修复指令，基于所述修复指令对上一个子喷播区域的喷播缺陷区域进行修复，具体为：

获取上一个子喷播区域的图像信息，基于所述上一个子喷播区域的图像信息构建出上一个子喷播区域的三维模型图，并由所述上一个子喷播区域的三维模型图中提取出该子喷播区域中喷播缺陷的三维模型图；

对所述喷播缺陷的三维模型图进行有限元分析，得到喷播缺陷的实时内应力，获取基材的材料性质，基于所述实时内应力与所述材料性质得到上一个子喷播区域的实时粘结强度，将所述实时粘结强度与预设粘结强度进行比较；

若所述实时粘结强度大于预设粘结强度，则由所述喷播缺陷的三维模型图中得到上一个子喷播区域中喷播缺陷的体积值；

基于所述喷播缺陷的体积值生成第一修复体积值，并将所述第一修复体积值输出，基于所述第一修复体积值控制多足机器人对上一个子喷播区域中的喷播缺陷进行喷播修复。

优选地，本发明的一个较佳实施例中，还包括以下步骤：

若所述实时粘结强度不大于预设粘结强度，则获取所述实时粘结强度与预设粘结强度之间的差值，得到粘结强度差值，基于所述粘结强度差值与材料性质确定出修复喷播缺陷所需的基材的喷播厚度与喷播宽度；

基于所述喷播厚度、喷播宽度以及喷播缺陷的体积值生成第二修复体积值；

基于所述第二修复体积值对上一个子喷播区域中的喷播缺陷进行仿真喷播修复，得到上一个子喷播区域经过仿真修复后的三维模型图；由所述经过仿真修复后的三维模型图提取出该子喷播区域中喷播缺陷区域经过仿真修复后的三维模型图；

对所述子喷播区域中喷播缺陷区域经过仿真修复后的三维模型图进行有限元分析，得到喷播缺陷经过修复之后的实际内应力，基于所述实际内应力与所述材料性质得到上一个子喷播区域经过仿真修复后的实际粘结强度；将所述实际粘结强度与预设粘结强度进行比较；

若所述实际粘结强度大于预设粘结强度，则将所述第二修复体积值输出，基于所述第二修复体积值控制多足机器人对上一个子喷播区域中的喷播缺陷进行喷播修复。

本发明解决了背景技术中存在的技术缺陷，本发明具备以下有益效果：本机器人兼顾稳定性、机动性、喷播功能、安全性以及可拓展性。通过采用多足设计、高效喷播系统和自主喷播功能，可以在恶劣的地形条件下实现高陡边坡植被恢复，能够在岩质坡面上营造一个既能让植物生长发育而种植基质又不被冲刷毁坏的稳定结构。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有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发明的一些实施例，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实施例的附图。

图1为本机器人的第一立体结构示意图；

图2为本机器人的第二立体结构示意图；

图3为捉地组件的结构示意图；

图4为一种用于高陡边坡生态再造的多足机器人的控制方法的方法流程图；

附图标记说明如下：101、支架；102、上肢；103、下肢；104、捉地组件；105、第一双轴驱动电机；106、第二双轴驱动电机；107、伸缩气缸；108、伸缩杆；109、支轴；201、第一安装块；202、第二安装块；203、电动伸缩杆；204、地爪；205、基材储存罐；206、喷嘴；207、喷播机械手；208、喷管。

具体实施方式

为了能够更加清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述，这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成，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。

在本申请的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请保护范围的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或隐含指明所指示的技术特征的数量。因此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明创造的描述中，除非另有说明，“多个”的含义是两个或两个以上。

在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本申请中的具体含义。

为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳实施方式。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施方式。相反地，提供这些实施方式的目的是使对本发明的公开内容理解的更加透彻全面。

如图1、2所示，本发明第一方面公开了一种用于高陡边坡生态再造的多足机器人，包括支架101，所述支架101上设置有八组行走机构，所述行走机构包括上肢102、下肢103与捉地组件104，所述上肢102的一端设置有第一双轴驱动电机105，所述第一双轴驱动电机105的输出端与所述支架101配合连接，所述下肢103的一端设置有第二双轴驱动电机106，所述第二双轴驱动电机106的输出端与所述上肢102的另一端配合连接，所述下肢103的另一端设置有伸缩气缸107，所述伸缩气缸107的输出端与伸缩杆108的一端配合连接，所述伸缩杆108的另一端与所述捉地组件104配合连接。

需要说明的是，本机器人具有八个腿和足部，可以在不同类型的地形上提供良好的稳定性和抓地力。可以更有效地分散重量，降低对地面的压力。此外，机器人的步态可以针对不同的地形进行调整，以适应高陡边坡等复杂地形。并且为了让机器人能够在高陡边坡上灵活移动，每个腿部设计成具有上肢102与下肢103，上肢102与下肢103之间通过双轴驱动电机驱动，可以实现精确控制和多自由度旋转。每个上肢102与下肢103可以在一定范围内旋转，为机器人提供足够的行动自由度，上肢102与下肢103设计还包括一个编码器，用于实时监测关节角度，以便机器人控制系统根据地形调整腿部姿态，使机器人具有更大的活动范围和更好的适应性，实现高精度的角度控制。

另外还需要说明的是，为了适应不同地形和高陡边坡，机器人的腿部具有一定的伸缩能力。通过调整上肢102与下肢103的旋转角度，机器人可以伸缩腿部长度，以适应不同的地面高度差。此外，通过调整各行走机构上的伸缩气缸107的相对伸缩高度，以适应不规则地形，提高机器人的灵活度。

如图3所示，所述捉地组件104包括支轴109，所述支轴109的一端设置有第一安装块201，另一端设置有第二安装块202，所述第一安装块201沿周向设置有若干组电动伸缩杆203，所述第二安装块202沿周向铰接有若干个地爪204，且所述电动伸缩杆203的伸缩端与所述地爪204相铰接。

需要说明的是，为了在复杂地形上保持稳定，机器人的设计为抓地力强的地爪204结构。这有助于在松软土壤、湿滑表面和石头等不同地形上提供稳定支撑和良好的抓地力，地爪204为类似于钩子的结构，各每个捉地组件104上的地爪204均通过独立的电动伸缩杆203驱动，以帮助机器人在高陡边坡上抓住岩石或其他不规则物体，从而提高抓地力和稳定性。

所述支架101上设置有喷播系统，所述喷播系统包括基材储存罐205、喷嘴206以及喷播机械手207，所述喷嘴206设置在所述喷播机械手207的端部，所述喷播机械手207上固定连接有喷管208，且所述喷管208的一端与所述基材储存罐205相连接，所述喷管208的另一端与所述喷嘴206相连接，所述喷管208上设置有抽料泵。

所述多足机器人还包括控制器、数据处理器、通讯天线以及蓄电池。

需要说明的是，基材储存罐205采用轻质且耐腐蚀的材料制成，如不锈钢或塑料，罐体的容量根据实际应用需求确定，可根据需要进行更换或升级。所述喷播机械手207为六轴联动机械手，六轴联动机械手为现有常规技术，在此对其结构与控制原理不多做说明。当需要对待喷播的坡面喷播基材时，控制抽料泵启动，从而通过抽料泵将储存在基材储存罐205内的基材顺着喷管208抽至喷头内，然后基材便会由喷头内喷出，在此过程中，可以通过六轴联动机械手与行走机构按照预设程序协同运动，以带动喷头按照预设路径喷播基材。

所述多足机器人还包括摄像头与若干传感器，所述传感器包括位置传感器、温度传感器、风力传感器、湿度传感器、风向传感器的一种或多种组合。

需要说明的是，可以通过安装在多足机器人上的传感器采集喷播环境参数数据，通过分析这些数据，可以实时监测喷播环境参数，以对喷系统的喷播参数机械能调节，提高喷播精度与可靠性；并且可以实时监测机器人的工作状态，提前发现潜在问题并进行维护。

所述地爪204上设置有薄膜压力传感器，所述上肢102与下肢103均设置有光电传感器。

需要说明的是，机器人的腿部装有力光电传感器和薄膜压力传感器，以实时监测腿部的受力情况和位置。这些信息将传输到机器人的控制系统，用于实时调整腿部姿态，以适应不同地形。

综上所述，本机器人兼顾稳定性、机动性、喷播功能、安全性以及可拓展性。通过采用多足设计、高效喷播系统和自主喷播功能，可以在恶劣的地形条件下实现高陡边坡植被恢复。

本发明另一方面公开了一种用于高陡边坡生态再造的多足机器人的控制方法，应用于任一项所述的一种用于高陡边坡生态再造的多足机器人，如图4所示，包括以下步骤：

S102：获取待喷播坡面的图像，基于所述待喷播坡面的图像得到待喷播区域的三维模型图，获取基材的预设喷播厚度信息，基于所述预设喷播厚度信息与待喷播区域的三维模型图生成最佳喷播路径；

S104：基于所述最佳喷播路径将所述待喷播区域分割为若干个子喷播区域，控制多足机器人按照所述最佳喷播路径依次对各个子喷播区域喷播基材，当对某一个子喷播区域喷播完毕时，获取上一个子喷播区域的图像信息，并对所述上一个子喷播区域的图像信息进行识别，得到第一识别结果或第二识别结果；

S106：若识别结果为第一识别结果，说明上一个子喷播区域在喷播后不存在喷播缺陷，此时继续执行喷播指令，以对下一个子喷播区域进行喷播；

S108：若识别结果为第二识别结果，说明上一个子喷播区域在喷播后存在喷播缺陷，此时停止执行喷播指令，并生成修复指令，基于所述修复指令对上一个子喷播区域的喷播缺陷区域进行修复；

S110：对上一个子喷播区域的喷播缺陷区域修复完毕后，再继续执行喷播指令，以对下一个子喷播区域进行喷播。

需要说明的是，厚层基材喷播技术的基本原理是在待修复的高陡坡面上提前铺设镀锌铁丝网、铁板等锚固件后，将有机质、复合肥、粘合剂、保水剂、水等配置成专用基材，然后按照设计厚度，将基材均匀喷射到岩质坡面的锚固件区域内，在锚固件的固定作用下，基材会进一步凝固，以形成有助于植物持续生长的土壤结构营养层，经过水肥养护后植物种子发芽生长、自然演替，从而达到岩质边坡快速复绿、修复生态系统和护坡的目的。厚层基材喷播技术的核心是在岩质坡面上营造一个既能让植物生长发育而种植基质又不被冲刷的多孔稳定结构。

需要说明的是，在对待喷播的坡面喷播基材前，首先通过多足机器人上的摄像机获取待喷播坡面的图像，然后根据图像信息确定出锚固件的位置区域(即待喷播区域)，进而规划出最佳喷播路径；接着控制多足机器人按照最佳喷播路径对待喷播坡面的待喷播区域喷涂基材，由于待喷播区域为多孔网格结构，并且多足机器人的单次工作范围有限，因此需要将待喷播区域分割为若干个子喷播区域，以使得多足机器人能够更加顺利进行喷播工作。

另外需要说明的是，在多足机器人喷播基材的过程中，当对某一个子喷播区域喷播完毕后，此时上一个子喷播区域的基材已经凝固完毕，此时需要对上一个子喷播区域进行喷播缺陷检测，以判断上一个子喷播区域是否存在凹陷、裂纹、裂缝等喷播缺陷。这是由于环境参数因素的影响，在基材凝固后，上一个子喷播区域的基材有可能会出现裂缝、凹陷等喷播缺陷，如当环境温度过高时，基材凝固后则会容易出现喷播裂缝的缺陷，而若凝固后的基材存在喷播缺陷，则会削弱凝固后的基材的粘结强度，降低凝固后的基材的稳定性，使得基材在后续使用过程中出现严重开裂，甚至是崩塌现象(尤其是在雨水的不断冲刷之下)，从而使得基材失去原有作用，使得生态修复工程失效。因此，当对某一个子喷播区域喷播完毕后，此时需要对上一个子喷播区域进行喷播缺陷检测，若上一个子喷播区域存在喷播缺陷，则需要控制多足机器人对该喷播缺陷进行修复，以确保基材的稳定性，以在岩质坡面上营造一个既能让植物生长发育而种植基质又不被冲刷毁坏的稳定结构。

在本发明的一个实施例中，获取待喷播坡面的图像，基于所述待喷播坡面的图像得到待喷播区域的三维模型图，获取基材的预设喷播厚度信息，基于所述预设喷播厚度信息与待喷播区域的三维模型图生成最佳喷播路径，具体为：

获取待喷播坡面的图像，对所述待喷播坡面的图像进行滤波与图像增强处理，得到处理后的图像，对所述处理后的图像进行特征匹配处理，得到待喷播区域的若干特征点；

选取任一特征点作为构建原点，基于所述构建原点构建三维空间坐标系，并获取其余特征点与所述构建原点的位置关系，基于所述位置关系将其余特征点导入所述三维空间坐标系中；

获取所述特征点在三维空间坐标系中的坐标值信息，基于所述坐标值信息构建得到待喷播区域的三维模型图；

获取基材的预设喷播厚度信息，将所述预设喷播厚度信息与待喷播区域的三维模型图导入蚁群算法中进行反复构造，生成若干条喷播路径，并获取各喷播路径对应的路径值；

构建第一序列表，并将各喷播路径对应的路径值导入所述第一序列表中进行大小排序，排序完成后，由所述第一序列表中提取出最短路径值，将与所述最短路径值对应的喷播路径标记为最佳喷播路径，并将所述最佳喷播路径输出。

需要说明的是，通过中值滤波、图像增强等图像处理方式对待喷播坡面的图像进行处理，得到处理后的图像，然后根据对该处理后的图像进行特征匹配处理，从而匹配得到提前安装在坡面上的锚固件的特征点(即待喷播区域的特征点)，并且以构建坐标系的方式精准的获取各特征点在三维空间上的坐标值信息，接着再根据得到的坐标值信息通过如SolidWorks、UG、Proe等三维建模软件构建得到安装在坡面上的锚固件的三维模型图(即待喷播区域的三维模型图)，并且根据预设喷播厚度信息与待喷播区域的三维模型图得到最佳喷播路径，从而控制多足机器人按照最佳喷播路径对坡面进行喷播基材，其中所述预设喷播厚度信息由设计人员提前设计规定。通过本方法能够根据锚固件的实际安装情况生成与现场环境相匹配的喷播路径，进而消除锚固件因安装误差而对多足机器人的喷播精准造成影响的现象，实现了自动化、智能化作业，提高多足机器人的工作精度与工程的可靠度；能够自动规划出最佳的喷播路径，进而能够进一步提高多足机器人的工作效率。

在本发明的一个实施例中，对所述上一个子喷播区域的图像信息进行识别，得到第一识别结果或第二识别结果，具体为：

通过大数据网络获取多足机器人在各历史喷播环境参数工作时所会出现的喷播缺陷图像信息；

构建数据库，并将多足机器人在各历史喷播环境参数工作时所会出现的喷播缺陷图像信息导入所述数据库中，得到特性数据库；

获取多足机器人的实时喷播环境参数，通过关联信息熵度量计算所述实时喷播环境参数与各历史喷播环境参数之间的相似度，得到多个相似度；

构建第二序列表，并将多个所述相似度导入所述第二序列表中进行大小排序，排序完成后，由所述第二序列表中提取出最大相似度，将与所述最大相似度对应的历史喷播环境参数作为筛选后的历史喷播环境参数，并基于所述筛选后的历史喷播环境参数对所述特性数据库中的喷播缺陷图像信息进行筛选，得到筛选后的喷播缺陷图像信息。

需要说明的是，当多足机器人进行喷播工作过程中，环境参数的不同则会造成不同的喷播缺陷，如现场环境温度过高时，基材会出现喷播裂缝缺陷，风力过大时，会造成喷播不均，导致喷播凹陷缺陷。首先通过大数据网络获取多足机器人在各历史喷播环境参数工作时所会出现的喷播缺陷图像信息，从而得到特性数据库。当多足机器人在喷播工作时，可以通过设置在多足机器人上的环境参数监测传感器获取现场的实时喷播环境参数，如通过温度传感器获取现场温度等。然后将现场的实时喷播环境参数与历史喷播环境参数进行配对筛选，从而得到筛选后的喷播缺陷图像信息。通过本方法能够对多足机器人在实时工作现场的实时喷播环境参数与历史喷播环境参数进行匹配，从而配出与实时喷播环境参数相似程度最高的历史喷播环境参数，然后再通过相似程度最高的历史喷播环境参数进而确定出多足机器人在当前工作现场进行喷播工作时所会出现的喷播缺陷，并获取得到相对应的喷播缺陷图像信息，一方面能够提高多足机器人对现场基材的喷播缺陷的识别效果，另一方面能够提高多足机器人对现场基材的喷播缺陷进行识别时的识别速度。举例来说，若多足机器人的喷播现场环境温度过高，而现场风力并不高时，此时基材在凝固后的所可能会出现的喷播缺陷是喷播裂缝，而几乎不可能出现喷播凹陷，因此此时只需要在特性数据库中筛选出所有喷播裂缝的喷播缺陷图像作为筛选后的喷播缺陷图像信息即可，通过此方式能够降低下一步骤的图像匹配量，进而提高匹配速度，降低系统的运算量，提高系统的鲁棒性。

在本发明的一个实施例中，还包括以下步骤：

基于卷积神经网络构建识别模型，并将所述筛选后的喷播缺陷图像信息导入所述识别模型中进行训练，得到训练好的识别模型；

将所述上一个子喷播区域的图像信息导入所述识别模型中，并通过灰色关联分析法计算所述上一个子喷播区域的图像信息与各筛选后的喷播缺陷图像信息之间的配对率，得到多个配对率；

构建第三序列表，并将多个所述配对率导入所述第三序列表中进行大小排序，排序完成后，由所述第三序列表中提取出最大配对率；将所述最大配对率与预设配对率进行比较，得到配对率偏差值；

判断所述配对率偏差值是否大于预设阈值，若大于，则生成第一识别结果；若不大于，则生成第二识别结果。

需要说明的是，若所述配对率偏差值大于预设阈值时，说明上一个子喷播区域在喷播后不存在喷播缺陷，此时继续执行喷播指令，以对下一个子喷播区域进行喷播，此时生成第一识别结果；若所述配对率偏差值不大于预设阈值时，说明上一个子喷播区域的图像信息与识别模型中的某一喷播缺陷图像高度相似，说明上一个子喷播区域在喷播后存在喷播缺陷，此时停止执行喷播指令，并生成修复指令，基于所述修复指令对上一个子喷播区域的喷播缺陷区域进行修复。通过本方法能提高图像匹配的匹配速度，降低系统运算量，以快速匹配识别出喷播后的基材中是否存在喷播缺陷。

在本发明的一个实施例中，生成修复指令，基于所述修复指令对上一个子喷播区域的喷播缺陷区域进行修复，具体为：

获取上一个子喷播区域的图像信息，基于所述上一个子喷播区域的图像信息构建出上一个子喷播区域的三维模型图，并由所述上一个子喷播区域的三维模型图中提取出该子喷播区域中喷播缺陷的三维模型图；

对所述喷播缺陷的三维模型图进行有限元分析，得到喷播缺陷的实时内应力，获取基材的材料性质，基于所述实时内应力与所述材料性质得到上一个子喷播区域的实时粘结强度，将所述实时粘结强度与预设粘结强度进行比较；

若所述实时粘结强度大于预设粘结强度，则由所述喷播缺陷的三维模型图中得到上一个子喷播区域中喷播缺陷的体积值；

基于所述喷播缺陷的体积值生成第一修复体积值，并将所述第一修复体积值输出，基于所述第一修复体积值控制多足机器人对上一个子喷播区域中的喷播缺陷进行喷播修复。

需要说明的是，若识别出上一个子喷播区域中出现喷播缺陷，此时则需要对喷播缺陷进行修复。具体来说，获取上一个子喷播区域的图像信息，并对该图像信息进行特征匹配，得到多个特征匹配点及其对应的坐标信息，然后再通过三维建模软件构建得到上一个子喷播区域的三维模型图，并且在三维模型图中提取出喷播缺陷的三维模型图，再对喷播缺陷的三维模型图进行有限元分析，得到喷播缺陷的实时内应力，从而根据所该实时内应力与材料性质得到上一个子喷播区域的实时粘结强度，其中所述材料性质为基材的组成配方材料以及各配方材料的用量。所述预设粘结强度为存在喷播缺陷且喷播缺陷的缺陷浓度在允许范围内得到的强度值，该强度值由设计人员提前确定分析得到。若所述实时粘结强度大于预设粘结强度，此时可以说明的是，该子喷播区域中存在的喷播缺陷的内应力值不大，该子喷播区域中存在的喷播缺陷对基材的粘结强度影响不大，并且基材的粘结强度也大于预设粘结强度，说明该子喷播区域的基材的稳定性较高，说明该子喷播区域的基材并不会自发引发崩塌的情况，其发生崩塌的可能性较低，此时则对该子喷播区域中存在的喷播缺陷进行防控性修复，此时只需要将该子喷播区域中存在的喷播缺陷填平即可，以达到防控性修复的作用，进而避免在后续雨水的冲刷下该子喷播区域中存在的喷播缺陷进一步扩大，导致基材失稳而发生崩塌现象。通过本方法在确定基材的稳固性满足预设要求的前提之下，能够尽量降低基材在修复时的使用量，提高资源利用率，并且能够避免基材中存在缺陷的区域位置被进一步冲刷腐蚀，不需要后续再对其进行修复，使得修复过程得到进一步简化，降低了后期的修复成本。

在本发明的一个实施例中，还包括以下步骤：

若所述实时粘结强度不大于预设粘结强度，则获取所述实时粘结强度与预设粘结强度之间的差值，得到粘结强度差值，基于所述粘结强度差值与材料性质确定出修复喷播缺陷所需的基材的喷播厚度与喷播宽度；

基于所述喷播厚度、喷播宽度以及喷播缺陷的体积值生成第二修复体积值；

基于所述第二修复体积值对上一个子喷播区域中的喷播缺陷进行仿真喷播修复，得到上一个子喷播区域经过仿真修复后的三维模型图；由所述经过仿真修复后的三维模型图提取出该子喷播区域中喷播缺陷区域经过仿真修复后的三维模型图；

对所述子喷播区域中喷播缺陷区域经过仿真修复后的三维模型图进行有限元分析，得到喷播缺陷经过修复之后的实际内应力，基于所述实际内应力与所述材料性质得到上一个子喷播区域经过仿真修复后的实际粘结强度；将所述实际粘结强度与预设粘结强度进行比较；

若所述实际粘结强度大于预设粘结强度，则将所述第二修复体积值输出，基于所述第二修复体积值控制多足机器人对上一个子喷播区域中的喷播缺陷进行喷播修复。

需要说明的是，若所述实时粘结强度不大于预设粘结强度，此时可以说明的是，该子喷播区域中存在的喷播缺陷的内应力值过大，该子喷播区域中存在的喷播缺陷对基材的粘结强度影响较大，说明该子喷播区域的基材的稳定性较差，说明该子喷播区域的基材会自发引发崩塌的情况，其发生崩塌的可能性较高，此时则对该子喷播区域中存在的喷播缺陷进行实质性修复，此时不仅需要将该子喷播区域中存在的喷播缺陷填平，还需要在喷播缺陷附近区域喷播修复基材，以提高喷播缺陷附近基材的粘结强度，以避免出现喷播缺陷因内应力过大而发生进一步扩展开裂现象，从而避免基材发生崩塌现象，从而达到实质性修复的作用。

需要说明的是，当某个子喷播区域存在喷播缺陷时，此时该区域位置的基材的有效截面面积便会发生变化，并且在喷播缺陷内应力的作用下，会导致基材的粘结强度与预设粘结强度产生较大的粘结强度差值，通过该粘结强度与基材的材料性质进而确定出修复喷播缺陷所需的基材的喷播厚度与喷播宽度，如当粘结强度差值越大，修复喷播缺陷所需的基材的喷播厚度与喷播宽度则需要越大。然后再基于所述喷播厚度、喷播宽度以及喷播缺陷的体积值生成第二修复体积。当确定出第二修复体积后，再通过三维仿真软件对子喷播区域的喷播缺陷进行模拟仿真喷播，以通过三维仿真软件模拟出对该子喷播区域的喷播缺陷喷播后的模型图，并且由三维仿真软件中分析出该子喷播区域经过仿真修复后的实际粘结强度，若所述实际粘结强度大于预设粘结强度，说明对该子喷播区域的喷播缺陷喷播后，该区域的粘结强度合格，该区域进行喷播修复后的稳定性合格，此时将所述第二修复体积值输出，基于所述第二修复体积值控制多足机器人对上一个子喷播区域中的喷播缺陷进行喷播修复。若所述实际粘结强度不大于预设粘结强度，此时说明再计算实际粘结强度与预设粘结强度之间的差值，然后再计算出需要增加的修复体积值，从而确保在对该子喷播区域中的喷播缺陷修复后，基材的粘结强度大于预设粘结强度，以确保基材的稳定性。综上所述，通过本方能够自动生成对缺陷进行喷播修复时所需的基材体积值，以确保基材的稳定性，以在岩质坡面上营造一个既能让植物生长发育而种植基质又不被冲刷毁坏的稳定结构。

此外，所述一种用于高陡边坡生态再造的多足机器人的控制方法，还包括以下步骤：

构建修复后的基材的评价体系；

获取当前修复完毕的子喷播区域中喷播缺陷区域经过仿真修复后的三维模型图，并基于所述子喷播区域中喷播缺陷区域经过仿真修复后的三维模型图确定出评价指标；

获取修复后的基材的图像信息，基于所述修复后的基材的图像信息构建修复后的基材的三维模型图，并将所述修复后的基材的三维模型图作为评价对象；

将所述评价对象与评价指标导入所述评价体系中，通过层析分析法获取所述评价对象与评价指标的评价分数，基于所述评价分数获取所述评价对象的权重值；

判断所述权重值是否位于预设权重值范围之内；若所述权重值位于预设权重值范围之内，则继续执行喷播指令，以对下一个子喷播区域进行喷播；若不位于，则将该修复后的基材对应的区域标记为异常区域，基于所述异常区域分析出故障设备。

需要说明的是，若权重值位于预设权重值范围之内，说明该喷播缺陷的修复效果良好，此时说明对该喷播缺陷修复成功；若权重值不位于预设权重值范围之内，说明该喷播缺陷的修复效果较差，修复后的区域存在畸形、崩裂、尺寸不达标等异常现象，说明多足机器人可能发生了故障。通过本方法对修复完毕的喷播缺陷进行修复效果评价，以确保基材修复后的可靠性。

此外，基于所述异常区域分析出故障设备，具体为：

若所述权重值不位于预设权重值范围之内，则获取多足机器人对该子喷播区域中喷播缺陷进行喷播修复时的修复工作参数；

获取修复后的基材的三维模型图，基于所述修复后的基材的三维模型图对多足机器人的子设备进行关联，生成关联性文本；

通过交叉影响分析法获取所述关联性文本与所述修复工作参数之间的关联度，基于所述关联度得到多足机器人对该子喷播区域中喷播缺陷进行喷播修复时有可能发生故障的子设备；

将所述有可能发生故障的子设备导入马尔可夫模型中进行随机推演，得到最终发生故障的子设备，基于所述最终发生故障的子设备生成故障报告，并将所述故障报告输出。

需要说明的是，在通过多足机器人对喷播缺陷修复后，修复后的区域存在畸形、崩裂、尺寸不达标等异常现象，此时可以说明的是，多足机器人的子设备发生了故障，如若发生畸形现象，说明喷头可能发生了故障。通过本方法能够根据修复异常情况快速的分析出发生故障的子设备。

此外，所述一种用于高陡边坡生态再造的多足机器人的控制方法，还包括以下步骤：

通过大数据网络获取多足机器人在不同工作环境组合条件之下的单位时间的电能损耗速率；

基于深度学习网络构建电能损耗预测模型，并将所述多足机器人在不同工作环境组合条件之下的单位时间的电能损耗速率导入所述电能损耗预测模型中进行训练，得到训练好的电能损耗预测模型；

当多足机器人对某一待喷播坡面喷播完毕后，获取所述下一个待喷播坡面的位置信息，并获取多足机器人的当前位置信息；

将所述下一个待喷播坡面的位置信息与多足机器人的当前位置信息导入粒子群算法中进行反复构造，得到多条移动路径，并获取多条移动路径对应的环境参数信息；

将多条移动路径对应的环境参数信息导入所述训练好的电能损耗预测模型中，得到各条移动路径对应的电能损耗量；

构建排序表，并将所述各条移动路径对应的电能损耗量导入所述排序表中进行排序，得到最小电能损耗量，并获取与最小电能损耗量对应的移动路径，并将与最小电能损耗量对应的移动路径标记为最优移动路径，并将所述最优移动路径输出，以控制多足机器人按照最优移动路径移动至下一个待喷播坡面。

需要说明的是，在不同温度之下的多足机器人的电能损耗率是不一致的，如低温环境中多足机器人的电能损耗率较大。当多足机器人对某一待喷播坡面喷播完毕后，多足机器人需要移动至下一个待喷播坡面，通过本方法能够规划出耗能最低的移动路径，以提高多足机器人的单次工作时间，提高工作效率。

以上依据本发明的理想实施例为启示，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种用于高陡边坡生态再造的多足机器人，包括支架，其特征在于，所述支架上设置有八组行走机构，所述行走机构包括上肢、下肢与捉地组件，所述上肢的一端设置有第一双轴驱动电机，所述第一双轴驱动电机的输出端与所述支架配合连接，所述下肢的一端设置有第二双轴驱动电机，所述第二双轴驱动电机的输出端与所述上肢的另一端配合连接，所述下肢的另一端设置有伸缩气缸，所述伸缩气缸的输出端与伸缩杆的一端配合连接，所述伸缩杆的另一端与所述捉地组件配合连接；

所述支架上设置有喷播系统，所述喷播系统包括基材储存罐、喷嘴以及喷播机械手，所述喷嘴设置在所述喷播机械手的端部，所述喷播机械手上固定连接有喷管，且所述喷管的一端与所述基材储存罐相连接，所述喷管的另一端与所述喷嘴相连接，所述喷管上设置有抽料泵；

所述多足机器人还包括控制器、数据处理器、通讯天线以及蓄电池。

2.根据权利要求1所述的一种用于高陡边坡生态再造的多足机器人，其特征在于，所述捉地组件包括支轴，所述支轴的一端设置有第一安装块，另一端设置有第二安装块，所述第一安装块沿周向设置有若干组电动伸缩杆，所述第二安装块沿周向铰接有若干个地爪，且所述电动伸缩杆的伸缩端与所述地爪相铰接。

3.根据权利要求1所述的一种用于高陡边坡生态再造的多足机器人，其特征在于，所述多足机器人还包括摄像头与若干传感器，所述传感器包括位置传感器、温度传感器、风力传感器、湿度传感器、风向传感器的一种或多种组合。

4.根据权利要求2所述的一种用于高陡边坡生态再造的多足机器人，其特征在于，所述地爪上设置有薄膜压力传感器，所述上肢与下肢均设置有光电传感器。

5.一种用于高陡边坡生态再造的多足机器人的控制方法，应用于权利要求1-4任一项所述的一种用于高陡边坡生态再造的多足机器人，其特征在于，包括以下步骤：

获取待喷播坡面的图像，基于所述待喷播坡面的图像得到待喷播区域的三维模型图，获取基材的预设喷播厚度信息，基于所述预设喷播厚度信息与待喷播区域的三维模型图生成最佳喷播路径；

基于所述最佳喷播路径将所述待喷播区域分割为若干个子喷播区域，控制多足机器人按照所述最佳喷播路径依次对各个子喷播区域喷播基材，当对某一个子喷播区域喷播完毕时，获取上一个子喷播区域的图像信息，并对所述上一个子喷播区域的图像信息进行识别，得到第一识别结果或第二识别结果；

若识别结果为第一识别结果，说明上一个子喷播区域在喷播后不存在喷播缺陷，此时继续执行喷播指令，以对下一个子喷播区域进行喷播；

若识别结果为第二识别结果，说明上一个子喷播区域在喷播后存在喷播缺陷，此时停止执行喷播指令，并生成修复指令，基于所述修复指令对上一个子喷播区域的喷播缺陷区域进行修复；

对上一个子喷播区域的喷播缺陷区域修复完毕后，再继续执行喷播指令，以对下一个子喷播区域进行喷播。

6.根据权利要求5所述的一种用于高陡边坡生态再造的多足机器人的控制方法，其特征在于，获取待喷播坡面的图像，基于所述待喷播坡面的图像得到待喷播区域的三维模型图，获取基材的预设喷播厚度信息，基于所述预设喷播厚度信息与待喷播区域的三维模型图生成最佳喷播路径，具体为：

获取待喷播坡面的图像，对所述待喷播坡面的图像进行滤波与图像增强处理，得到处理后的图像，对所述处理后的图像进行特征匹配处理，得到待喷播区域的若干特征点；

选取任一特征点作为构建原点，基于所述构建原点构建三维空间坐标系，并获取其余特征点与所述构建原点的位置关系，基于所述位置关系将其余特征点导入所述三维空间坐标系中；

获取所述特征点在三维空间坐标系中的坐标值信息，基于所述坐标值信息构建得到待喷播区域的三维模型图；

获取基材的预设喷播厚度信息，将所述预设喷播厚度信息与待喷播区域的三维模型图导入蚁群算法中进行反复构造，生成若干条喷播路径，并获取各喷播路径对应的路径值；

构建第一序列表，并将各喷播路径对应的路径值导入所述第一序列表中进行大小排序，排序完成后，由所述第一序列表中提取出最短路径值，将与所述最短路径值对应的喷播路径标记为最佳喷播路径，并将所述最佳喷播路径输出。

7.根据权利要求5所述的一种用于高陡边坡生态再造的多足机器人的控制方法，其特征在于，对所述上一个子喷播区域的图像信息进行识别，得到第一识别结果或第二识别结果，具体为：

通过大数据网络获取多足机器人在各历史喷播环境参数工作时所会出现的喷播缺陷图像信息；

构建数据库，并将多足机器人在各历史喷播环境参数工作时所会出现的喷播缺陷图像信息导入所述数据库中，得到特性数据库；

获取多足机器人的实时喷播环境参数，通过关联信息熵度量计算所述实时喷播环境参数与各历史喷播环境参数之间的相似度，得到多个相似度；

构建第二序列表，并将多个所述相似度导入所述第二序列表中进行大小排序，排序完成后，由所述第二序列表中提取出最大相似度，将与所述最大相似度对应的历史喷播环境参数作为筛选后的历史喷播环境参数，并基于所述筛选后的历史喷播环境参数对所述特性数据库中的喷播缺陷图像信息进行筛选，得到筛选后的喷播缺陷图像信息。

8.根据权利要求7所述的一种用于高陡边坡生态再造的多足机器人的控制方法，其特征在于，还包括以下步骤：

基于卷积神经网络构建识别模型，并将所述筛选后的喷播缺陷图像信息导入所述识别模型中进行训练，得到训练好的识别模型；

将所述上一个子喷播区域的图像信息导入所述识别模型中，并通过灰色关联分析法计算所述上一个子喷播区域的图像信息与各筛选后的喷播缺陷图像信息之间的配对率，得到多个配对率；

构建第三序列表，并将多个所述配对率导入所述第三序列表中进行大小排序，排序完成后，由所述第三序列表中提取出最大配对率；将所述最大配对率与预设配对率进行比较，得到配对率偏差值；

判断所述配对率偏差值是否大于预设阈值，若大于，则生成第一识别结果；若不大于，则生成第二识别结果。

9.根据权利要求5所述的一种用于高陡边坡生态再造的多足机器人的控制方法，其特征在于，生成修复指令，基于所述修复指令对上一个子喷播区域的喷播缺陷区域进行修复，具体为：

获取上一个子喷播区域的图像信息，基于所述上一个子喷播区域的图像信息构建出上一个子喷播区域的三维模型图，并由所述上一个子喷播区域的三维模型图中提取出该子喷播区域中喷播缺陷的三维模型图；

对所述喷播缺陷的三维模型图进行有限元分析，得到喷播缺陷的实时内应力，获取基材的材料性质，基于所述实时内应力与所述材料性质得到上一个子喷播区域的实时粘结强度，将所述实时粘结强度与预设粘结强度进行比较；

若所述实时粘结强度大于预设粘结强度，则由所述喷播缺陷的三维模型图中得到上一个子喷播区域中喷播缺陷的体积值；

基于所述喷播缺陷的体积值生成第一修复体积值，并将所述第一修复体积值输出，基于所述第一修复体积值控制多足机器人对上一个子喷播区域中的喷播缺陷进行喷播修复。

10.根据权利要求9所述的一种用于高陡边坡生态再造的多足机器人的控制方法，其特征在于，还包括以下步骤：

若所述实时粘结强度不大于预设粘结强度，则获取所述实时粘结强度与预设粘结强度之间的差值，得到粘结强度差值，基于所述粘结强度差值与材料性质确定出修复喷播缺陷所需的基材的喷播厚度与喷播宽度；

基于所述喷播厚度、喷播宽度以及喷播缺陷的体积值生成第二修复体积值；

基于所述第二修复体积值对上一个子喷播区域中的喷播缺陷进行仿真喷播修复，得到上一个子喷播区域经过仿真修复后的三维模型图；由所述经过仿真修复后的三维模型图提取出该子喷播区域中喷播缺陷区域经过仿真修复后的三维模型图；

对所述子喷播区域中喷播缺陷区域经过仿真修复后的三维模型图进行有限元分析，得到喷播缺陷经过修复之后的实际内应力，基于所述实际内应力与所述材料性质得到上一个子喷播区域经过仿真修复后的实际粘结强度；将所述实际粘结强度与预设粘结强度进行比较；

若所述实际粘结强度大于预设粘结强度，则将所述第二修复体积值输出，基于所述第二修复体积值控制多足机器人对上一个子喷播区域中的喷播缺陷进行喷播修复。

Images