電力機器人的自主導航與視覺輔助定位融合方法

謝曉娜，劉 曦2，常政威2，彭 倩2，許 碩

(1.成都信息工程大學控制工程學院，四川 成都 610025；2.國網四川省電力公司電力科學研究院，四川 成都 610041)

0 引 言

中國大力推進“科技興安”戰略，在重點行業領域開展“機械化換人、自動化減人”，大力提高企業安全生產科技保障能力。在電力行業，變電站巡檢機器人[1-2]、地下電纜巡檢機器人等移動機器人覆蓋了發電、輸電、變電、配電、用電等各環節，代替人工巡視、操作，發揮日益重要的安全保障作用。

導航是機器人在工作過程中要解決的最重要問題之一，也是實現機器人智能化和完全自主移動的關鍵技術[3]。變電站等場所的電力機器人導航方式，經歷了巡線、軌道和全場定位等[4]。此外，基于視覺的導航方式[5]，是通過攝像機實時采集圖像進行目標點的監控與識別，指導機器人進行移動定位和導航。但僅依靠視覺定位導航是無法滿足電力作業現場等復雜環境下的要求，與其他導航方式相融合是一個新的研究方向[6]。

目前，基于激光傳感器即時定位與地圖構建(simultaneous localization and mapping，SLAM)的定位和導航方式[7]是變電站巡檢機器人主要采用的技術。SLAM不需要依靠應用場所的輔助物，機器人前進、后退、轉彎、掉頭環節穩定可靠。但對于電力作業現場復雜環境下，機器人需要準確到達任務位置，并準確巡視預置位圖像以識別故障或安全隱患時，僅靠激光SLAM全場定位方式，可能導致定位不滿足要求，迫切需要研究新的多數據融合機器人導航方式。

為了改進變電站、高電壓實驗室等電力作業現場的機器人定位精度，提出了一種自主導航與視覺輔助定位融合方法，在基于激光SLAM的自主導航基礎上，對機器人位置和視覺角度進行再次校準，使其能夠準確獲得預置位圖像。在實驗室的應用結果表明，所提方法定位精度可達到1 cm。

1 問題簡介

以實驗室內配電變壓器試驗過程中的安全巡檢為例，電力機器人可在試驗作業過程中，自主導航到達不同的預設位置，實時對典型安全風險、不安全行為進行實時識別和預警提醒，如表1所示。

表1 機器人巡檢要點

在每個巡檢步驟中，機器人必須準確導航到已設定的最優位置，才能保證準確拍攝和識別圖像。以溫升試驗階段巡檢為例，如圖1所示，只有準確定位后并完整拍攝圍欄內區域，才能有效開展巡檢圖像分析，對人員誤闖入、設備接線空間位置變化、冒煙等異常及時警示和報告。如果定位不準確，則可能拍攝的視頻圖像不完整、存在較大偏差，無法正確執行巡檢任務。

圖1 溫升試驗階段巡檢監視圖像

2 視覺輔助定位方法

2.1 激光SLAM導航與視覺輔助定位融合

結合現有的機器人架構，提出一種基于激光SLAM導航與視覺輔助定位相結合的方法，整個流程如圖2所示。

圖2 激光SLAM導航與視覺輔助定位

在部署環節，機器人通過激光傳感器掃描，采用預建地圖的方式，將地圖存放于機器人數據庫。同時，結合具體巡視任務，將機器人對應的停靠定位、拍攝的標準預置位圖像模板保存在數據庫中。

在根據接收到的巡檢任務自主導航時，機器人根據所采樣的信息，通過概率統計方式匹配地圖中的位置，計算導航路徑。同時，采用電子陀螺儀等輔助傳感系統來定位和輔助機器人調控運動姿態，從而達到激光SLAM導航的目的。

機器人到達指定位置后，精度可能不滿足特定巡視任務的要求，此時視覺定位模塊通過對攝像頭圖像以及查詢數據庫得到的預置位圖像模板進行分析處理，并對應調整機器人位置等，直到精度滿足要求為止。

機器人準確定位后，利用可見光攝像機和紅外攝像機執行在該預置位的巡檢任務。然后，依次導航到其他位置并再次校準，執行每個預置位的巡檢任務，直到完成所有的任務才回到充電位置，導航結束。

由此可知，與單一的激光導航方式不同，所提方法在部署環節即建立了預置位對應的圖像模板庫，作為視覺定位環節的校準圖像依據。在巡檢過程中，實現激光SLAM導航與視覺輔助定位的實時融合。

2.2 基于視覺圖像的定位校準

機器人能夠準確執行任務的前提是它可以精確導航并停靠在定位處，然而當由于環境的特殊性、機器人的誤差等原因而導致無法滿足定位要求時，提出采用一種基于視覺圖像的定位校準算法，以減少定位誤差和改進精度，其主要步驟如圖3所示。

圖3 基于視覺圖像的定位校準流程

首先，機器人讀取在當前位置采集到的視頻圖像，提取圖像的輪廓定位，并和已保存的該預置位圖像模板比對，使用基于哈希(Hash)的圖像匹配算法[8]判別兩幅圖像的相似度。

計算機器人位置偏差的前提，是計算像素與實際距離比例。圖4[9-10]為攝像機成像模型：(xc,Oc，yc)表示攝像機坐標系；原點Oc為攝像機中心的位置；平面π為成像平面；m為攝像目標物體，其映射在π上得到點m′。顯然，可知：

(1)

式中，p為實際坐標與像素坐標的比例關系。

考慮機器人攝像機當前圖像和預置位圖像模板中，機器人與目標物體的垂直距離基本相同。根據前面計算得到的圖像輪廓，計算當前圖像中窗體中心的坐標值(x′,y′)，而圖像模板窗體中心在其坐標系下的坐標值記為(x,y)，計算得到機器人的位置偏差：

Δd≈p·(x′-x)

(2)

根據Δd與機器人允許的最大誤差值相比，如不滿足要求，則機器人據此重新定位。

圖4 攝像機成像模型

3 視覺輔助定位方法的應用

3.1 應用環境及測試方法

如圖5所示，為了驗證所提視覺定位方法的精度，在某配電變壓器實驗室現場進行導航和定位性能測試，圖中左下角為工作中的機器人。由于在試驗準備及進行過程中，存在叉車搬運、人員進入圍欄區域等行為步驟，如機器人的定位和導航精度不高，可能會導致誤碰撞或巡視結果不準確等后果。

圖5 實驗室應用

機器人基于激光SLAM構建的實驗室地圖如圖6所示。

圖6 機器人構建的實驗室地圖

測試方法為：配置機器人預置點位，通過自主導航的方式讓機器人前往不同的預置點，同時測量機器人定位誤差和角度誤差。首先在實驗室配置了11個點位，如表2所示。然后，基于激光SLAM定位方法對11個點位分別執行5次定位。經測量，最大定位誤差在5 cm范圍內。

表2 實驗室現場配置點位

3.2 視覺輔助定位精度試驗

基于激光SLAM與視覺融合定位，進行第1組定位試驗，分別記錄定位誤差，如表3所示。

表3 第1組定位誤差

可以看出，最大的X偏差、Y偏差分別約為0.49 cm、0.16 cm，即最大定位誤差為0.49 cm；最大角度偏差約為0.92°。

按照該方式進行多組定位測量，第2至第5組結果如表4所示。

表4 第2至第5組定位誤差

然后，選定一點進行連續20次定位測量，計算定位誤差和角度誤差，如表5所示。可以看出，最大定位誤差為第11次的Y偏差0.75 cm。

表5 同一定位點測量

綜上，所提視覺輔助定位方法的定位精度小于±1 cm、角度精度小于±1°。與激光SLAM定位方法相比，定位精度提高了80%。經現場應用，滿足了配電變壓器檢測試驗的機器人巡視要求。

4 結 語

針對定位精度要求高的電力作業環境，提出了一種自主導航與視覺輔助定位融合方法。在激光SLAM導航基礎上，通過機器人實時采集圖像與預置位圖像模板的比對分析，得到機器人定位誤差，從而完成機器人定位校準。實驗室應用結果表明，通過SLAM算法與視覺定位方法的融合，能夠有效提高機器人定位精度。

下一步的工作，是進一步研究如何結合視覺圖像的識別結果，提升電力機器人對動態環境下障礙物的判別能力和導航有效性。