CN117901125B - 一种爬壁机器人控制方法、装置、设备及存储介质 - Google Patents
一种爬壁机器人控制方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117901125B CN117901125B CN202410321067.9A CN202410321067A CN117901125B CN 117901125 B CN117901125 B CN 117901125B CN 202410321067 A CN202410321067 A CN 202410321067A CN 117901125 B CN117901125 B CN 117901125B
- Authority
- CN
- China
- Prior art keywords
- climbing robot
- wall climbing
- wall
- fuzzy
- information
- 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.)
- Active
Links
- 230000009194 climbing Effects 0.000 title claims abstract description 127
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000003860 storage Methods 0.000 title claims abstract description 9
- 230000009471 action Effects 0.000 claims abstract description 28
- 230000010365 information processing Effects 0.000 claims abstract description 17
- 230000007547 defect Effects 0.000 claims description 24
- 239000000463 material Substances 0.000 claims description 14
- 230000007613 environmental effect Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000011065 in-situ storage Methods 0.000 claims description 5
- 239000006185 dispersion Substances 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 9
- 230000033001 locomotion Effects 0.000 description 15
- 230000006870 function Effects 0.000 description 7
- 238000013507 mapping Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000005283 ground state Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000001179 sorption measurement Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
Landscapes
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供一种爬壁机器人控制方法、装置、设备及存储介质，包括爬壁机器人导航至工作的表面，检视工作的表面，获取工作的表面的图像信息，通过特征识别信息处理得到摩擦系数，推理机结合摩擦系数和环境信息，进行模糊控制，得到爬壁机器人的驱动器经验值，确定当前事件，状态机根据当前事件，将当前状态转换为下一状态，并将包含驱动器经验值的执行动作信息发送给下位机，下位机获取当前姿态信息，并结合执行动作信息，发送控制指令，调整驱动器参数至驱动器经验值，达到预期姿态。本发明使爬壁机器人具有对环境的感知和自主决策能力，检测效率高，不容易存在误操作或操作不及时的可能，能够实现机器人在各种环境下的自主作业。
Description
技术领域
本发明涉及爬壁机器人技术领域，具体涉及一种爬壁机器人控制方法、装置、设备及存储介质。
背景技术
随着高层建筑、复杂建筑越来越多，在长年累月的使用下，其表面难免产生缺陷，造成安全隐患。对此，便需要爬壁机器人进行表面检测，及时发现问题并处理。螺旋桨型爬壁机器人由于其附着力是利用螺旋桨推力产生的，对表面的材料与形状要求较低，具有很高的应用潜力。
现有的螺旋桨型爬壁机器人进行表面作业时，通常依靠预先设定的单一程序，人工远程发送指令进行作业，缺乏对环境的感知和自主决策能力。在不同的表面条件下，机器人无法自主做出智能决策，仍依靠人工远程针对不同的运动要求发送指令，且需要人工反复调试其在相应表面的运动参数才能让爬壁机器人运作，检测效率较低，存在误操作或操作不及时的可能，无法实现机器人在各种环境下的自主作业。
发明内容
根据现有技术的不足，本发明的目的是提供一种爬壁机器人控制方法、装置、设备及存储介质，使爬壁机器人具有对环境的感知和自主决策能力，能够让爬壁机器人在不同表面运作，检测效率高，不容易发生误操作或操作不及时，能够实现机器人在各种环境下的自主作业。
为了解决上述技术问题，本发明采用的技术方案为：
一种爬壁机器人控制方法，包括以下步骤：
爬壁机器人导航至工作的表面；
爬壁机器人检视工作的表面，获取工作的表面的图像信息，通过特征识别信息处理得到摩擦系数；
推理机结合摩擦系数和环境信息，进行模糊控制，得到爬壁机器人的驱动器经验值，确定当前事件；
状态机根据当前事件，将当前状态转换为下一状态，并将包含驱动器经验值的执行动作信息发送给下位机；
下位机获取当前姿态信息，并结合执行动作信息，发送控制指令，调整驱动器参数至驱动器经验值，达到预期姿态。
进一步地，当表面为墙壁时，所述环境信息包括墙壁角度、障碍物高度信息和气压信息；当表面为地面时，所述环境信息包括障碍物高度信息。
进一步地，当爬壁机器人自行导航至工作的墙壁后，通过激光雷达获取墙壁角度，具体方法为：
测量墙壁上具有高度差为h的两点，其中一点与激光雷达水平且与激光雷达的距离为，另外一点与激光雷达的距离为/>，则墙壁角度/>的计算公式为：，如果/>，说明墙壁垂直于地面，则墙壁角度/>为90度。
进一步地，通过特征识别信息处理得到摩擦系数的方法为：
收集若干各种材质的表面图像；
对若干各种材质的表面图像进行图像预处理，标注出材质种类，制作第一图像数据集；
构建第一Faster-RCNN网络模型；
将标注好的第一图像数据集作为训练样本，训练第一Faster-RCNN网络模型；
用训练好的第一Faster-RCNN网络模型对获取工作的表面的图像信息进行实时的特征匹配，获取材质种类，进而得到对应的摩擦系数。
进一步地，还通过特征识别信息处理识别墙面上的缺陷及对应的缺陷类型：
收集若干完好和带有各种缺陷的表面图像；
对若干完好和带有各种缺陷的表面图像进行图像预处理，标注出缺陷类型，制作第二图像数据集；
构建第二Faster-RCNN网络模型；
将标注好的第二图像数据集作为训练样本，训练第二Faster-RCNN网络模型；
用训练好的第二Faster-RCNN网络模型对获取工作的表面的图像信息进行实时的特征匹配，获取墙面上的缺陷及对应的缺陷类型。
进一步地，当爬壁机器人遇到障碍物时，若障碍物高度低于爬壁机器人的可越障高度，则推理机调整驱动器参数，但不切换状态机的爬壁机器人状态，爬壁机器人保持前行并越障；若障碍物高度高于爬壁机器人的可越障高度，则调整驱动器参数，且推理机切换当前事件为原地转向事件，确保爬壁机器人导向绕过障碍物的方向，绕开障碍物。
进一步地，进行模糊控制的方法具体包括如下步骤：
确定输入变量为摩擦系数和环境信息，输出变量为驱动器参数，设定摩擦系数、环境信息、驱动器参数的基本论域；
针对不同条件的表面进行多次试验，得到经验知识以此建立模糊规则库；
由基本论域[a,b]到模糊子集论域[-n,n]的转换关系，其中，x是输入变量的精确值，/>，a和b为输入变量所对应的基本论域端点值，/>为离散度，y为输入变量的模糊值，将输入变量的精确数值映射到模糊子集论域中，通过隶属度关系计算出隶属度；
根据模糊规则和模糊化后的输入变量，通过模糊逻辑运算，推导出模糊的输出结果，其中，/>为总的模糊输出结果，i为被激活的模糊规则的最小序号，n为被激活的模糊规则的最大序号，/>为模糊值隶属度，/>为第j条模糊规则，T是求转置，为模糊逻辑运算符；
将模糊输出结果去模糊化，转换为爬壁机器人的驱动器经验值。
一种爬壁机器人控制装置，包括：
建图模块，用于爬壁机器人导航至工作的表面；
特征识别信息处理模块，用于爬壁机器人检视工作的表面，获取工作的表面的图像信息，通过特征识别信息处理得到摩擦系数；
模糊控制模块，用于推理机结合摩擦系数和环境信息，进行模糊控制，得到爬壁机器人的驱动器经验值，确定当前事件；
状态切换模块，用于状态机根据当前事件，将当前状态转换为下一状态，并将包含驱动器经验值的执行动作信息发送给下位机；
动作执行模块，用于下位机获取当前姿态信息，并结合执行动作信息，发送控制指令，调整驱动器参数至驱动器经验值，达到预期姿态。
一种爬壁机器人控制设备，包括处理器和用于存储能够在处理器上运行的计算机程序的存储器，处理器用于运行计算机程序时，执行任一项所述的爬壁机器人控制方法。
一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时，实现任一项所述的爬壁机器人控制方法。
与现有技术相比，本发明具有以下优点和有益效果：
1. 环境适应性强，特征识别信息处理后识别表面信息，发送摩擦系数给推理机，推理机内置模糊控制器可综合多方面信息进行模糊决策，得到爬壁机器人爬墙所需驱动器参数的模糊值，解决了爬壁机器人无法自主适应不同表面，需要人工反复调试的问题，实现系统迅速而准确地适应不同环境，提高了检测效率。
2. 可靠性、可扩展性高。本发明的程序调度采用状态机的设计方式，将机器人自主作业过程中所遇到的所有事件、状态以及它将要执行的动作提取出来，通过事件来触发状态的转换以此执行动作。解决了现有的螺旋桨型爬壁机器人依靠人的实时观察和经验，针对不同的运动要求下达指令，可能存在误操作或操作不及时的问题，提高了机器人作业的可靠性，同时由于运动控制更直观了，也方便引入新的状态集合，实现机器人更多动作可能性。
3. 具有自主作业能力。本发明基于激光雷达对环境的感知能力，设计了爬壁机器人的作业流程。解决爬壁机器人在复杂环境下无法自主作业的问题，成功实现了其在陌生环境下进行自主巡检、自主避障功能，提高了机器人的任务效率，解放人力。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分。本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明一种爬壁机器人控制方法的整体流程示意图。
图2为本发明状态机根据当前事件将某一状态转换为下一状态的有限状态机框图。
图3为本发明具体实施例螺旋桨型爬壁机器人的控制系统示意图。
图4为本发明一种爬壁机器人控制装置的整体流程示意图。
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。
实施例1
本发明提供一种爬壁机器人控制方法，如图1所示，包括以下步骤：
步骤S1、爬壁机器人导航至工作的表面；
步骤S2、爬壁机器人检视工作的表面，获取工作的表面的图像信息，通过特征识别信息处理得到摩擦系数；
步骤S3、推理机结合摩擦系数和环境信息，进行模糊控制，得到爬壁机器人的驱动器经验值，确定当前事件；
步骤S4、状态机根据当前事件，将当前状态转换为下一状态，并将包含驱动器经验值的执行动作信息发送给下位机；
步骤S5、下位机获取当前姿态信息，并结合执行动作信息，发送控制指令，调整驱动器参数至驱动器经验值，达到预期姿态。
实施例1公开的一种爬壁机器人控制方法，具有对环境的感知和自主决策能力。在不同的表面条件下，爬壁机器人通过检视工作的表面，获取工作的表面的图像信息，通过特征识别信息处理得到摩擦系数，推理机结合摩擦系数和环境信息，进行模糊控制，得到爬壁机器人的驱动器经验值，确定当前事件，便于机器人自主做出智能决策，且不需要人工反复调试其在相应表面的运动参数，就能让爬壁机器人运作，检测效率高，不容易存在误操作或操作不及时的可能，能够实现机器人在各种环境下的自主作业。
步骤S1中，爬壁机器人探索周围环境并利用激光雷达进行SLAM 建图。
当爬壁机器人从地面向墙壁爬行时，需要使爬壁机器人正对接触墙壁，确保爬壁机器人能够稳定在墙壁上爬行，具体方法是：激光雷达测量相对于爬壁机器人机身中心线左右对称的墙壁上两点的距离，若爬壁机器人机身接触并正对墙壁，则向状态机发送当前事件；若爬壁机器人机身未接触或未正对墙壁，下位机根据测量到的两点的距离差来改变驱动器参数进而调整爬壁机器人位姿，直到爬壁机器人机身接触正对墙壁。例如，当爬壁机器人为螺旋形爬壁机器人时，通过驱动行动舵机调整爬壁机器人位姿。
步骤S2中，通过特征识别信息处理得到摩擦系数的方法为：
收集若干各种材质的表面图像；
对若干各种材质的表面图像进行图像预处理，标注出材质种类，制作第一图像数据集；
构建第一Faster-RCNN网络模型；
将标注好的第一图像数据集作为训练样本，训练第一Faster-RCNN网络模型；
用训练好的第一Faster-RCNN网络模型对获取工作的表面的图像信息进行实时的特征匹配，获取材质种类，进而得到对应的摩擦系数。
步骤S2中，本发明在对表面进行检视时，还通过特征识别信息处理识别墙面上的缺陷及对应的缺陷类型：
收集若干完好和带有各种缺陷的表面图像；
对若干完好和带有各种缺陷的表面图像进行图像预处理，标注出缺陷类型，制作第二图像数据集；
构建第二Faster-RCNN网络模型；
将标注好的第二图像数据集作为训练样本，训练第二Faster-RCNN网络模型；
用训练好的第二Faster-RCNN网络模型对获取工作的表面的图像信息进行实时的特征匹配，获取墙面上的缺陷及对应的缺陷类型。
步骤S3中，当表面为墙壁时，环境信息包括墙壁角度、障碍物高度信息/>和气压信息/>；当表面为地面时，环境信息包括障碍物高度信息/>。其中，气压信息通过气压计获取。
步骤S3中，当爬壁机器人自行导航至工作的墙壁后，通过激光雷达获取墙壁角度，具体方法为：
测量墙壁上具有高度差为h的两点，其中一点与激光雷达水平且与激光雷达的距离为，另外一点与激光雷达的距离为/>，则墙壁角度/>的计算公式为：，如果/>，说明墙壁垂直于地面，则墙壁角度/>为90度。
通过获取墙壁角度，调整驱动器经验值，比如说90°的墙壁，需要增大驱动器经验值，使爬壁机器人对墙壁的吸附力和驱动力增大，而对于坡度小的墙壁，爬壁机器人对墙壁就不需要那么大的吸附力和驱动力。
步骤S3中，通过获取气压信息，调整驱动器经验值，当气压大时，需要减小爬壁机器人螺旋桨的转速，当气压小时，需要增大爬壁机器人螺旋桨的转速。例如，对于螺旋桨型爬壁机器人，气压大的时候，螺旋桨同等转速下产生的推力会大很多。
步骤S3中，当爬壁机器人遇到障碍物时，获取障碍物高度，若障碍物高度低于爬壁机器人的可越障高度，则推理机调整驱动器参数，但不切换状态机的爬壁机器人状态，爬壁机器人保持前行并越障；若障碍物高度高于爬壁机器人的可越障高度，则调整驱动器参数，且推理机切换当前事件为原地转向事件，确保爬壁机器人导向绕过障碍物的方向，绕开障碍物。
步骤S4中，进行模糊控制的方法具体包括如下步骤：
步骤S402、确定输入变量为摩擦系数和环境信息，输出变量为驱动器驱动参数；
步骤S403、针对不同条件的表面进行多次试验，得到经验知识以此建立模糊规则库；
步骤S404、由基本论域[a,b]到模糊子集论域[n,-n]的转换关系，将输入变量x的精确数值映射到模糊子集论域中，通过隶属度关系计算出隶属度；
步骤S401、根据模糊规则和模糊化后的输入变量，通过模糊逻辑运算，推导出模糊的输出结果，其中，/>为总的模糊输出结果，i为被激活的模糊规则的最小序号，n为被激活的模糊规则的最大序号，/>为模糊值隶属度，/>为第j条模糊规则，T是求转置，/>为模糊逻辑运算符；
步骤S405、将模糊输出结果去模糊化，转换为爬壁机器人的驱动器经验值。
将本发明提供的一种爬壁机器人控制方法应用到螺旋桨型爬壁机器人上，螺旋桨型爬壁机器人用于搭载各个组件，同时作为运动载体，如图3所示，具体包括：
惯性测量组件：用于测量爬壁机器人实时的姿态；
驱动组件：用于使机器人吸附于表面，并驱动其在表面或地面运动；
检测组件：用于获取表面图像、墙壁角度、气压，从而进行运动控制、避障和缺陷检测；
传输组件：用于传输回巡检结果以及报错信息；
控制组件：用于集成信息并控制爬壁机器人的整体运动与功能。
其中，惯性测量组件为九轴姿态传感器，布置于机器人的几何中心。
驱动组件包括六个串行总线舵机和两个航模电机，串行总线舵机，其中两个为行动舵机，用于驱动爬壁机器人的两个前轮；四个为姿态舵机，分为俯仰舵机和翻滚舵机两种，用于控制头、尾螺旋桨基座的两个自由度，航模电机用于驱动螺旋桨转动。
检测组件包括摄像头、气压计、激光雷达和光电编码器。
传输组件为2.4G网络通信装置，用于与终端通信。
控制组件具体包括：
特征识别信息处理单元：用于特征识别信息处理，进行特征信息匹配，确定表面的摩擦系数，并将结果推送给推理机；
推理机：推理机结合特征识别结果、当前气压计测量到的气压信息、激光雷达检测的墙壁角度和障碍物信息，进行模糊推理，获取姿态舵机角度和航模电机转速经验值，确定当前事件，推送给状态机，在螺旋桨型爬壁机器人中，确定输入变量为摩擦系数、气压信息/>、墙壁角度/>和障碍物信息/>，输出变量为姿态舵机角度/>和航模电机转速/>；
状态机：状态机根据当前事件与当前状态，切换机器人的状态，并将姿态舵机角度和航模电机转速包含于执行动作信息发送给下位机；
下位机：结合执行动作信息与当前姿态信息，发送控制指令，驱动姿态舵机和航模电机完成动作或发送报错信息回终端。
如图2所示，为状态机根据当前事件将某一状态转换为下一状态的有限状态机框图，其中，螺旋桨型爬壁机器人状态包括地面状态、过渡状态、急停状态和表面状态，地面状态和表面状态均包括待机状态、原地转向状态、动力状态和边前进边转向状态，当前事件为无遭遇待机事件、原地转向事件、动力事件、边前进边转向事件、表面过渡事件和急停事件。
下面给出某一螺旋桨型爬壁机器人根据步骤S4进行模糊控制的具体算例，具体包括以下步骤：
步骤S401，确定模糊语言变量，确定输入变量为摩擦系数、气压信息/>(hPa)、墙壁角度/>(°)和障碍物高度/>(cm)，输出变量为螺旋桨升力的对地角度/>（°）和航模电机转速/>（转/分钟），以下步骤的具体数值省略单位；
其中，摩擦系数的基本论域取/>、气压信息/>的基本论域取/>、墙壁角度/>的基本论域取/>和障碍物信息/>的基本论域取/>（10为爬壁机器人最大可越障高度），升力的对地角度/>的基本论域取/>、航模电机转速/>的基本论域取；
都划分为7个模糊集分别为，分别对应着七个不同程度，依次为负大，负中，负小，零，正小，正中，正大。
步骤S402，建立模糊规则库，根据不同材质和不同角度的表面，进行多次试验以获取经验知识。通过试验，可以获得机器人在不同条件下的姿态和运动数据， 并将其作为基础，建立模糊规则库。模糊规则库包含了不同输入变量组合下的推理规则，可以指导机器人在不同情况下的控制策略；
设置模糊规则库如表一和表二所示：
表一
表二
步骤S403，计算隶属度，由基本论域[a,b]到模糊子集论域[-n,n]的转换关系，其中，x是输入变量的精确值，/>，a和b为输入变量所对应的基本论域端点值，/>为离散度，y为输入变量的模糊值。将输入变量的精确数值映射到模糊子集论域中，通过隶属度关系计算出隶属度，其表示输入变量对应于各个模糊子集的成员程度；
输入输出均取离散度，离散后得到三个量的语言值论域为，输入输出取相同的隶属函数即：
其中，边界选择钟形隶属度函数g，中间选用三角形隶属度函数trig，总的隶属度函数u实际输入值若超出论域范围，则取相应的端点值；
例：输入精确值、/>、/>、/>；则其转换结果模糊值为：、/>、/>、/>。
摩擦系数隶属度为、气压值隶属度为、墙壁角度隶属度为/>、障碍物高度隶属度为/>。
步骤S404，模糊推理，根据模糊规则库和模糊化后的输入变量，通过Mamdani算法，推导出模糊的输出结果，例：由步骤403例得到的隶属度，基于Mamdani算法，通过对比表和数据可以得到A和V的模糊输出结果；
例：由步骤S403得到的隶属度，基于Mamdani算法，通过对比表和数据可以得到A和V的模糊输出结果。
步骤S405，去模糊化，将模糊输出结果去模糊化，转换为具体的控制指令，通过最大隶属度的平均值法得到模糊输出结果，将模糊输出结果通过公式映射回基本论域，得到具体的升力对地角度/>和航模电机转速/>。
例：由步骤S403中得到的模糊输出结果可知，的最大隶属度的两端点值为-0.4与0.4，取平均值得/>，映射回基本论域得到升力对地角度/>；/>的最大隶属度的两端点值为-1.2与-0.8，取平均值得/>，映射回基本论域得到航模电机转速/>。
步骤S406，根据去模糊化后的控制指令，执行对系统的控制动作，调整姿态舵机参数使得升力的对地角度满足要求，改变占空比使得航模电机转速满足要求，机器人能够在表面上实现合适的姿态控制和平稳的运动。
对于螺旋桨型爬壁机器人，当螺旋桨型爬壁机器人从地面过渡到墙壁时，若螺旋桨型爬壁机器人接触并正对表面，则向状态机发送当前事件；若螺旋桨型爬壁机器人未接触或未正对墙壁，下位机根据两点的距离信息驱动行动舵机调整机器人位姿，直到螺旋桨型爬壁机器人正对并接触墙壁。
实施例2
实施例2提供一种爬壁机器人控制装置，如图4所示，包括：
建图模块，用于爬壁机器人导航至工作的表面；
特征识别信息处理模块，用于爬壁机器人检视工作的表面，获取工作的表面的图像信息，通过特征识别信息处理得到摩擦系数；
模糊控制模块，用于推理机结合摩擦系数和环境信息，进行模糊控制，得到爬壁机器人的驱动器经验值，确定当前事件；
状态切换模块，用于状态机根据当前事件，将当前状态转换为下一状态，并将包含驱动器经验值的执行动作信息发送给下位机；
动作执行模块，用于下位机获取当前姿态信息，并结合执行动作信息，发送控制指令，调整驱动器参数至驱动器经验值，达到预期姿态。
实施例3：
实施例3提供一种爬壁机器人控制设备，包括处理器和用于存储能够在处理器上运行的计算机程序的存储器，处理器用于运行计算机程序时，执行如实施例1所述的爬壁机器人控制方法。
实施例4：
实施例4提供一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时，实现如实施例1所述的爬壁机器人控制方法。
综上所述，本发明具有如下优点：
1. 环境适应性强，特征识别信息处理后识别表面信息，发送摩擦系数给推理机，推理机内置模糊控制器可综合多方面信息进行模糊决策，得到爬壁机器人爬墙所需驱动器参数的模糊值，解决了爬壁机器人无法自主适应不同表面，需要人工反复调试的问题，实现系统迅速而准确地适应不同环境，提高了检测效率。
2. 可靠性、可扩展性高。本发明的程序调度采用状态机的设计方式，将机器人自主作业过程中所遇到的所有事件、状态以及它将要执行的动作提取出来，通过事件来触发状态的转换以此执行动作。解决了现有的螺旋桨型爬壁机器人依靠人的实时观察和经验，针对不同的运动要求下达指令，可能存在误操作或操作不及时的问题，提高了机器人作业的可靠性，同时由于运动控制更直观了，也方便引入新的状态集合，实现机器人更多动作可能性。
3. 具有自主作业能力。本发明基于激光雷达对环境的感知能力，设计了爬壁机器人的作业流程。解决爬壁机器人在复杂环境下无法自主作业的问题，成功实现了其在陌生环境下进行自主巡检、自主避障功能，提高了机器人的任务效率，解放人力。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种爬壁机器人控制方法，其特征在于，包括以下步骤：
爬壁机器人导航至工作的表面；
爬壁机器人检视工作的表面，获取工作的表面的图像信息，通过特征识别信息处理得到摩擦系数；
推理机结合摩擦系数和环境信息，进行模糊控制，得到爬壁机器人的驱动器经验值，确定当前事件；
状态机根据当前事件，将当前状态转换为下一状态，并将包含驱动器经验值的执行动作信息发送给下位机；
下位机获取当前姿态信息，并结合执行动作信息，发送控制指令，调整驱动器参数至驱动器经验值，达到预期姿态。
2.根据权利要求1所述的爬壁机器人控制方法，其特征在于：
当表面为墙壁时，所述环境信息包括墙壁角度、障碍物高度信息和气压信息；当表面为地面时，所述环境信息包括障碍物高度信息。
3.根据权利要求2所述的爬壁机器人控制方法，其特征在于：
当爬壁机器人自行导航至工作的墙壁后，通过激光雷达获取墙壁角度，具体方法为：
测量墙壁上具有高度差为h的两点，其中一点与激光雷达水平且与激光雷达的距离为，另外一点与激光雷达的距离为/>，则墙壁角度/>的计算公式为：，如果/>，说明墙壁垂直于地面，则墙壁角度/>为90度。
4.根据权利要求1所述的爬壁机器人控制方法，其特征在于，通过特征识别信息处理得到摩擦系数的方法为：
收集若干各种材质的表面图像；
对若干各种材质的表面图像进行图像预处理，标注出材质种类，制作第一图像数据集；
构建第一Faster-RCNN网络模型；
将标注好的第一图像数据集作为训练样本，训练第一Faster-RCNN网络模型；
用训练好的第一Faster-RCNN网络模型对获取工作的表面的图像信息进行实时的特征匹配，获取材质种类，进而得到对应的摩擦系数。
5.根据权利要求1所述的爬壁机器人控制方法，其特征在于，还通过特征识别信息处理识别墙面上的缺陷及对应的缺陷类型：
收集若干完好和带有各种缺陷的表面图像；
对若干完好和带有各种缺陷的表面图像进行图像预处理，标注出缺陷类型，制作第二图像数据集；
构建第二Faster-RCNN网络模型；
将标注好的第二图像数据集作为训练样本，训练第二Faster-RCNN网络模型；
用训练好的第二Faster-RCNN网络模型对获取工作的表面的图像信息进行实时的特征匹配，获取墙面上的缺陷及对应的缺陷类型。
6.根据权利要求1所述的爬壁机器人控制方法，其特征在于：
当爬壁机器人遇到障碍物时，若障碍物高度低于爬壁机器人的可越障高度，则推理机调整驱动器参数，但不切换状态机的爬壁机器人状态，爬壁机器人保持前行并越障；若障碍物高度高于爬壁机器人的可越障高度，则调整驱动器参数，且推理机切换当前事件为原地转向事件，确保爬壁机器人导向绕过障碍物的方向，绕开障碍物。
7.根据权利要求1所述的爬壁机器人控制方法，其特征在于，进行模糊控制的方法具体包括如下步骤：
确定输入变量为摩擦系数和环境信息，输出变量为驱动器参数，设定摩擦系数、环境信息、驱动器参数的基本论域；
针对不同条件的表面进行多次试验，得到经验知识以此建立模糊规则库；
由基本论域[a, b]到模糊子集论域[-n, n]的转换关系，其中，x是输入变量的精确值，/>，a和b为输入变量所对应的基本论域端点值，/>为离散度，y为输入变量的模糊值，将输入变量的精确数值映射到模糊子集论域中，通过隶属度关系计算出隶属度；
根据模糊规则和模糊化后的输入变量，通过模糊逻辑运算，推导出模糊的输出结果，其中，/>为总的模糊输出结果，i为被激活的模糊规则的最小序号，n为被激活的模糊规则的最大序号，/>为模糊值隶属度，/>为第j条模糊规则，T是求转置，/>为模糊逻辑运算符；
将模糊输出结果去模糊化，转换为爬壁机器人的驱动器经验值。
8.一种爬壁机器人控制装置，其特征在于，包括：
建图模块，用于爬壁机器人导航至工作的表面；
特征识别信息处理模块，用于爬壁机器人检视工作的表面，获取工作的表面的图像信息，通过特征识别信息处理得到摩擦系数；
模糊控制模块，用于推理机结合摩擦系数和环境信息，进行模糊控制，得到爬壁机器人的驱动器经验值，确定当前事件；
状态切换模块，用于状态机根据当前事件，将当前状态转换为下一状态，并将包含驱动器经验值的执行动作信息发送给下位机；
动作执行模块，用于下位机获取当前姿态信息，并结合执行动作信息，发送控制指令，调整驱动器参数至驱动器经验值，达到预期姿态。
9.一种爬壁机器人控制设备，其特征在于：包括处理器和用于存储能够在处理器上运行的计算机程序的存储器，处理器用于运行计算机程序时，执行如权利要求1-7任一项所述的爬壁机器人控制方法。
10.一种存储介质，其特征在于：所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时，实现如权利要求1-7任一项所述的爬壁机器人控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410321067.9A CN117901125B (zh) | 2024-03-20 | 2024-03-20 | 一种爬壁机器人控制方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410321067.9A CN117901125B (zh) | 2024-03-20 | 2024-03-20 | 一种爬壁机器人控制方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117901125A CN117901125A (zh) | 2024-04-19 |
| CN117901125B true CN117901125B (zh) | 2024-05-17 |
Family
ID=90682320
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410321067.9A Active CN117901125B (zh) | 2024-03-20 | 2024-03-20 | 一种爬壁机器人控制方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117901125B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130045754A (ko) * | 2011-10-26 | 2013-05-06 | 경운대학교 산학협력단 | 로봇의 주행 안정성 향상을 위한 외란 정보맵 작성 및 운영방법 |
| CN108340364A (zh) * | 2017-01-24 | 2018-07-31 | 南京原觉信息科技有限公司 | 爬行机器装置与其部署方法 |
| CN114721395A (zh) * | 2022-04-15 | 2022-07-08 | 创泽智能机器人集团股份有限公司 | 基于陪护机器人的地面状态检测方法、装置、设备及介质 |
| CN114995368A (zh) * | 2021-02-17 | 2022-09-02 | 波音公司 | 用于促进自主表面交通工具的路线的修改的计算设备和方法 |
| CN116300965A (zh) * | 2023-04-14 | 2023-06-23 | 吉林大学 | 基于rtk的四履带爬壁机器人、导航控制系统及方法 |
| CN116449711A (zh) * | 2023-04-17 | 2023-07-18 | 山东大学 | 可跨越大障碍物的四足机器人爬行态规划方法及系统 |
| CN116968835A (zh) * | 2023-09-25 | 2023-10-31 | 中国电子科技南湖研究院 | 一种爬壁机器人的风压调节方法、系统及爬壁机器人 |
| CN117485444A (zh) * | 2023-09-25 | 2024-02-02 | 中国电子科技南湖研究院 | 一种爬壁机器人的风压调节方法、系统及爬壁机器人 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101815394B1 (ko) * | 2015-10-27 | 2018-01-05 | 한국과학기술원 | 벽면 이동을 위한 비행로봇 메커니즘 및 제어방법 |
| US20210110089A1 (en) * | 2019-10-10 | 2021-04-15 | Nvidia Corporation | Generating computer simulations of manipulations of materials based on machine learning from measured statistics of observed manipulations |
-
2024
- 2024-03-20 CN CN202410321067.9A patent/CN117901125B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130045754A (ko) * | 2011-10-26 | 2013-05-06 | 경운대학교 산학협력단 | 로봇의 주행 안정성 향상을 위한 외란 정보맵 작성 및 운영방법 |
| CN108340364A (zh) * | 2017-01-24 | 2018-07-31 | 南京原觉信息科技有限公司 | 爬行机器装置与其部署方法 |
| CN114995368A (zh) * | 2021-02-17 | 2022-09-02 | 波音公司 | 用于促进自主表面交通工具的路线的修改的计算设备和方法 |
| CN114721395A (zh) * | 2022-04-15 | 2022-07-08 | 创泽智能机器人集团股份有限公司 | 基于陪护机器人的地面状态检测方法、装置、设备及介质 |
| CN116300965A (zh) * | 2023-04-14 | 2023-06-23 | 吉林大学 | 基于rtk的四履带爬壁机器人、导航控制系统及方法 |
| CN116449711A (zh) * | 2023-04-17 | 2023-07-18 | 山东大学 | 可跨越大障碍物的四足机器人爬行态规划方法及系统 |
| CN116968835A (zh) * | 2023-09-25 | 2023-10-31 | 中国电子科技南湖研究院 | 一种爬壁机器人的风压调节方法、系统及爬壁机器人 |
| CN117485444A (zh) * | 2023-09-25 | 2024-02-02 | 中国电子科技南湖研究院 | 一种爬壁机器人的风压调节方法、系统及爬壁机器人 |
Non-Patent Citations (1)
| Title |
|---|
| 立式金属罐非接触轮式爬壁检定机器人的研究;李昌海 等;《自动化仪表》;20091031;第30卷(第10期);第5-10页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117901125A (zh) | 2024-04-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107499476B (zh) | 水下机器人控制系统及运动控制方法 | |
| Elfes | Dynamic control of robot perception using multi-property inference grids. | |
| CN110666802A (zh) | 一种具有双核运动控制器工业机器人平台 | |
| CN110666800A (zh) | 一种具有多线程策略示教器的工业机器人 | |
| CN117901125B (zh) | 一种爬壁机器人控制方法、装置、设备及存储介质 | |
| Matsuda et al. | Control system for object transportation by a mobile robot with manipulator combined with manual operation and autonomous control | |
| CN110640744A (zh) | 一种电机模糊控制的工业机器人 | |
| Guo et al. | Design and control of the open apple-picking-robot manipulator | |
| Cafolla et al. | Experimental validation of HeritageBot III, a robotic platform for cultural heritage | |
| Shaw et al. | Development of an AI-enabled AGV with robot manipulator | |
| CN115562313A (zh) | 一种用于桥墩探伤的自主式水下航行器运动控制方法 | |
| Johnson et al. | Design, development and fuzzy logic based control of a remotely operated underwater vehicle | |
| Zhou et al. | A framework of industrial operations for hybrid robots | |
| Dirik | Collision-free mobile robot navigation using fuzzy logic approach | |
| Soylu et al. | Sonar-based slam navigation in flooded confined spaces with the imotus-1 hovering auv | |
| De Giuseppe et al. | Visual servoing of a robotic manipulator based on fuzzy logic control | |
| EP4284602A1 (en) | Object-based robot control | |
| Chen et al. | Semiautonomous industrial mobile manipulation for industrial applications | |
| Syamim et al. | Application Of Fuzzy Logic in Mobile Robots With Arduino and IoT | |
| Zarkasi et al. | Artificial Intelligence in Underwater Robot Navigation Using Sonar Sensors with Fuzzy Logic Method | |
| Zhibin et al. | Control of inspection robot for the power transmission lines based on database | |
| CN112340435B (zh) | 一种物流搬运机器人的抓取感知及控制方法 | |
| Huang et al. | Robotic automatic assembly system for random operating condition | |
| Zhang et al. | Design of Intelligent Glass Cleaning Robot Measurement and Control System Under Machine Vision | |
| Moreno et al. | An E2ED-based approach to custom robot navigation and localization |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |