电力机器人的自主导航与视觉辅助定位融合方法

电力机器人的自主导航与视觉辅助定位融合方法

陈强、任春勇、谷湘煜

深圳市朗驰欣创科技股份有限公司广东省深圳市 518057

摘要：目前，基于激光传感器即时定位与地图构建(simultaneous localization and mapping，SLAM)的定位和导航方式是变电站巡检机器人主要采用的技术。SLAM不需要依靠应用场所的辅助物，机器人前进、后退、转弯、掉头环节稳定可靠。但对于电力作业现场复杂环境下，机器人需要准确到达任务位置，并准确巡视预置位图像以识别故障或安全隐患时，仅靠激光SLAM全场定位方式，可能导致定位不满足要求，迫切需要研究新的多数据融合机器人导航方式。

关键词：SLAM、巡检机器人；导航方式

引言

随着单目视觉在自主移动机器人上的广泛应用，对单目视觉测量和感知能力的提高，有助于提升移动机器人智能化水平，因此对单目视觉的研究和应用不断增多。当前研究给出了一种基于单目视觉的避障算法，通过边缘算子检测图像中的障碍物与地面交线边缘，并提取图像中垂线和中间水平线的边缘像素位置，输入自适应的模糊推理系统训练，输出控制机器人进行避障。该算法仅用中垂线和中间水平线的边缘像素位置代替障碍物，信息量有限，不易规划最优路径。

1机器人导航技术研究

1.1电磁射频识别组合导航

如果在地面上铺设有ＲＦＩＤ装置，基本可以判定是电磁导航，该技术主要是通过机器人对此装置的检测，从而得知机器人自身位置以及工作目的，同时实现机器人的精准定位。ＲＦＩＤ在机器人需要行驶的路段上每隔一定距离进行预埋铺设，通过对电流的检测来判断路径相关信息。机器人通过检测该装置来实现对地图整体的路径规划，当机器人遇到障碍物时，可以根据地图上铺设的ＲＦＩＤ的位置信息，重新规划不同的行驶路径，实现智能行驶功能。

1.2激光混合导航技术

激光混合导航技术是利用激光传感器进行导航的，利用图像识别技术对路面情况进行拍照识别，对图像进行灰白处理，并二值化提取出相应的有效特征信息，分析出至少三点有用的信息才能将特征路线规划出来。巡检机器人在巡检过程中，对路面的特征进行匹配和计算，当特征点消失或遮挡时，会根据其他不同特征点进行行驶路径的调整和规划，从而完成整套巡检任务。机器人在巡检过程中的具体实现机制：首先给机器人定义至少三个点的相关坐标信息以及基本数据，机器人会根据指示寻找到对应点，并通过激光导航记录相应的路径，然后通过计算机的内部算法以及偏差值的规划计算，机器人能够按照正确的路径信息行驶，在行驶过程中，通过对路面图像的识别，实现路线的校准以及最优路线的规划。

1.3视觉导航

视觉导航主要是基于机器人的摄像头系统来对路线进行规划，其导航定位范围广，但是精度不高，其路径容易受模糊图像的干扰。其适用于室内单一环境，然而对于复杂的室外环境，往往会因为图像模糊而出现路径规划重复的情况，导致路径不能正常完成。

2视觉辅助定位方法

2.1激光SLAM导航与视觉辅助定位融合

结合现有的机器人架构，提出一种基于激光SLAM导航与视觉辅助定位融合的定位方法。在部署环节，机器人通过激光传感器扫描，采用预建地图的方式，将地图存放于机器人数据库。同时，结合具体巡视任务，将机器人对应的停靠定位、拍摄的标准预置位图像模板保存在数据库中。在根据接收到的巡检任务自主导航时，机器人根据所采样的信息，通过概率统计方式匹配地图中的位置，计算导航路径。同时，采用电子陀螺仪等辅助传感系统来定位和辅助机器人调控运动姿态，从而达到激光SLAM导航的目的。

机器人到达指定位置后，精度可能不满足特定巡视任务的要求，此时视觉定位模块通过对摄像头图像以及查询数据库得到的预置位图像模板进行分析处理，并对应调整机器人位置等，直到精度满足要求为止。

2.2基于视觉图像的定位校准

机器人能够准确执行任务的前提是它可以精确导航并停靠在定位处，然而当由于环境的特殊性、机器人的误差等原因而导致无法满足定位要求时，提出采用一种基于视觉图像的定位校准算法，以减少定位误差和改进精度。

机器人读取在当前位置采集到的视频图像，提取图像的轮廓定位，并和已保存的该预置位图像模板比对，使用基于哈希(Hash)的图像匹配算法判别两幅图像的相似度。

3测距与局部地图绘建

3.1障碍物及其轮廓检测

假设环境约束条件：（1）机器人初始位置处没有障碍物；（2）地面平整；（3）没有悬挂障碍物；这些假设对于普通室内的未知环境是普遍存在的。采集实验室环境图像，由于受到影响和干扰，需对图像进行预处理。主要涉及图像滤波，阈值分割，开运算和闭运算，区域生长等，以实现未知环境中障碍物及其边线的准确提取。

首先对采集的彩色图像进行灰度化，既不失图像细节特征还加快了运算速度。之后对灰度图像中值滤波，在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制。其功能是让与周围像素灰度差较大的像素改变，并取与周围像素相近的值，消除孤立点；该方法既能去除脉冲噪声和椒盐噪声又能保留图像的边缘细节。

3.2单目视觉测距方法改进

常用的单目视觉距离测量方法有：标定相机对已知物体的测距，基于动态单目视觉的测距，相机焦距与图像锐度关系的测距，基于空间几何约束的单目视觉测距。标定的相机焦距固定，视野清晰范围有限，且只对已知尺寸的物体有效。动态单目视觉测距依据同一特征点在两幅图像中成像位置的变化，结合CCD自身运动参数，可算出机器人与目标之间的距离，但存在计算复杂，精确匹配难度大等缺点。利用相机焦距与图像锐度关系测距，由于常用单目相机焦距很难实时求解，因此该方法还不易广泛应用。应用最多的是空间几何约束单目视觉测距方法，该方法运算量小、实时性好，但不够精确简洁，误差较大。

4视觉辅助定位方法的应用

4.1应用环境及测试方法

为了验证所提视觉定位方法的精度，在某配电变压器实验室现场进行导航和定位性能测试。由于在试验准备及进行过程中，存在叉车搬运、人员进入围栏区域等行为步骤，如机器人的定位和导航精度不高，可能会导致误碰撞或巡视结果不准确等后果。测试方法为:配置机器人预置点位，通过自主导航的方式让机器人前往不同的预置点，同时测量机器人定位误差和角度误差。

4.2视觉测距法

机器人视觉测距采用单目视觉测距。利用采集的图片进行数学算法运算获取距离值。其方法简单,运算量较小,计算速度快,便于实时测量。单目视觉测距采用对应点标定法,找到摄像机二维图像信息与三维空间信息的映射关系,实现图像坐标系与空间坐标系的转换,摄像机的标定参数有角度和高度等。当摄像机移动位置时,则需要重新进行参数标定,继而得到下一个参数转化矩阵。对应点标定法程序简单,可操作性强。

结语

针对定位精度要求高的电力作业环境，提出了一种自主导航与视觉辅助定位融合方法。在激光SLAM导航基础上，通过机器人实时采集图像与预置位图像模板的比对分析，得到机器人定位误差，从而完成机器人定位校准。实验室应用结果表明，通过SLAM算法与视觉定位方法的融合，能够有效提高机器人定位精度。

参考文献

［1］唐法庆，刘荣海，耿磊昭，等．机器人路径规划及目标识别算法在变电站检测机器人中的应用［J］．云南电力技术，2017，45(5):78－81．

［2］江渊，刘珍，张慕婕，等．机器人智能导航技术在变电站的研究与应用［J］．电工技术，2019(22):126－127．

［3］廖佳威．变电站巡检机器人定位导航技术研究［D］．成都:成都理工大学，2019．