基于立體視覺的核電站巡檢機器人運動路徑優化方法

摘 要：巡檢機器人領域的智能導航智能巡檢以前所未有的突破和創新，帶來了無縫、高效的巡檢體驗。無論是電力工業設備、核電能源系統還是化工產業，巡檢機器人利用智能導航進行自主巡檢，減少人工對設備點位的巡檢。在機器人自主導航過程中需要對導航路線進行選擇，機器人利用其傳感器系統全面感知周圍環境信息來確定機器人相對于目標位置的位置和方向，計算最佳路徑并控制機器人沿著路徑移動。本文研究核電站巡檢機器人導航路線選擇算法，為巡檢機器人提供準確、高效的自主導航。

關鍵詞：立體視覺；核電站；巡檢機器人；運動路徑；智能算法

中圖分類號：TP 242" " " " " 文獻標志碼：A

為保證核電站穩定運行，及時發現潛在的安全隱患，在核電站日常運營中巡檢工作是不可缺少的環節。傳統的巡檢工作主要依賴于人工，不僅效率低，還存在安全隱患，應用巡檢機器人成為提升核電站巡檢效率和安全性的重要途徑。運動路徑規劃是巡檢機器人應用的核心技術之一，合理的運動路徑規劃不僅能提高巡檢效率，減少不必要的能源消耗，還能有效避開潛在危險區域，保障巡檢工作的安全性。因此，越來越多的學者針對巡檢機器人運動路徑規劃進行深入研究，文獻[1]利用鵜鶘優化算法進行巡檢機器人的路徑規劃，可以在耗時更少的條件下得到更短的運動路徑，但是鵜鶘優化算法復雜性較高，會限制運動路徑規劃結果的穩定性；文獻[2]利用蟻群算法來規劃巡檢機器人的運動路徑，可以有效降低機器人的使用能耗，但是蟻群算法易陷入局部最優解，難以保證路徑規劃結果的準確性。為解決現有研究成果的缺陷，本文提出一種基于立體視覺的核電站巡檢機器人運動路徑優化方法，為核電站巡檢機器人的發展提供新的思路和方法。

1 基于立體視覺感知核電站巡檢環境信息

在核電站內部機器人巡檢任務中，由于環境復雜，因此機器人運動路徑規劃的難度增加，針對該情況本文引入立體視覺技術，模擬人類雙眼的視覺機制來獲取核電站巡檢環境信息，為巡檢機器人提供準確的環境感知能力[3]。在核電站巡檢任務中，利用安裝在巡檢機器人中的雙目相機采集環境圖像，雙目相機模擬人眼的視覺機制，利用2個并列的相機鏡頭捕捉同一個場景的圖像，在采集圖像的過程中，每個相機鏡頭都遵循針孔成像原理，即光線通過一個小孔投影至圖像平面中，形成圖像，如公式（1）所示。

（1）

式中：x、y和z為核電站機器人巡檢環境中任意空間點坐標；x'、y'為該點投影在平面圖像中的對應坐標；f為核電站巡檢機器人身上搭載的雙目相機的焦距。

當利用雙目相機采集核電站巡檢環境的照片時，由于環境噪聲和相機內部噪聲的影響，因此采集的原始圖像包括噪聲。為了提高圖像質量，本文采用高斯濾波對圖像進行去噪處理，如公式（2）所示。

（2）

式中：S（x'，y'）為高斯濾波后的核電站巡檢環境圖像；ε為高斯函數的標準差。

經過公式（2）的預處理后，本文在保留原始核電站巡檢圖像中低頻信息的基礎上去除圖像中的高頻噪聲。在獲得去噪后的雙目圖像后，本文利用立體匹配算法計算圖像中對應點的三維坐標，即在2幅圖像之間尋找對應點，這些點在實際場景中對應于同一個三維點[4]。在立體匹配的過程中，雙目圖像處理主要包括以下3個關鍵步驟。1）根據核電站巡檢機器人身上搭載的雙目攝像機配置情況，從2幅核電站環境圖像中選擇1幅作為參考圖像，并將另一幅圖像作為待匹配圖像。2）確定圖像的匹配基元，也就是核電站巡檢圖像中對像素點進行區分的最小信息，本文遵循唯一性和可區分性等原則，選擇像素灰度作為圖像匹配基元，也就是核電站巡檢圖像中像素點的明亮程度是1幅圖像最基本、最直接的特征。3）根據匹配基元確定核電站巡檢環境參考圖像和待匹配圖像之間的對應點，本文計算2幅圖像中匹配基元之間的相似度，找到與其對應的點，計算距離測度函數，得到匹配基元之間的相似度，如公式（3）所示。

（3）

式中：D（x'，y'，δ）為以核電站巡檢環境圖像中像素灰度差的絕對值之和為目標的距離測度函數；δ為圖像視差；H1、H2分別為核電站巡檢環境的參考圖像和待匹配圖像的像素灰度值；u、v為核電站巡檢環境參考圖像中任意像素點坐標；T為核電站巡檢環境參考圖像中的像素點集合。

距離測度函數可以計算核電站巡檢的參考圖像與待匹配圖像中各基元之間的相似度，找到2幅圖像中與匹配基元相對應的像素點。獲取2幅核電站巡檢圖像中基元匹配點的相對關系，即視差。核電站巡檢機器人身上搭載的雙目相機采集的2幅圖像中對應點之間的水平偏移量的計算過程如公式（4）所示。

δ=x1'-x2' " " " " " " " " "（4）

式中：x1'、x2'分別為核電站巡檢環境的參考圖像和待匹配圖像中對應的最佳匹配點的橫坐標。

由公式（4）可知巡檢機器人雙目相機采集圖像立體匹配結果與相機焦距、基線距離等參數，可以確定對應點的三維坐標信息。完成上述立體匹配步驟，獲得核電站實際巡檢環境中大量點坐標數據，利用這些坐標信息，本文可以構建核電站巡檢環境的完整三維模型，為后續的路徑優化提供豐富的數據支持。

2 智能算法優化巡檢機器人運動路徑

在獲取核電站巡檢環境的三維模型后，由于核電站環境的復雜性和巡檢任務的多樣性，簡單的路徑規劃方法難以滿足實際需求，因此本章將利用智能算法對巡檢機器人的運動規劃路徑進行優化[5]，將改進A*算法作為優化工具。A*算法結合Dijkstra算法和最佳優先搜索算法的優點，在核電站巡檢機器人的運動路徑規劃中將巡檢環境的三維模型中的關鍵點（例如障礙物、巡檢點等）作為節點，利用A*算法搜索得到從起點至終點的最短路徑，即運動路徑規劃結果，在A*算法搜索過程中，采用代價評估函數[6]，如公式（5）所示。

F（γ）=D（x'，y'，δ）（G（γ）+K（γ）） " " " " " " " "（5）

式中：F（γ）為核電站巡檢環境的三維模型中節點γ的代價評估函數；G（γ）為三維模型中節點γ的實際代價；K（γ）為三維模型中節點γ的估計代價。

一般來說，在核電站巡檢機器人運動路徑規劃中，A*算法利用公式（5）的函數搜索最佳路徑，即可搜索得到巡檢三維模型中從起始位置至終止位置之間的最短路徑。但是，傳統的A*算法在處理核電站復雜環境的過程中可能存在路徑不夠平滑、無法有效避開障礙物等問題，因此本文在A*算法原始代價評估函數的基礎上引入碰撞威脅代價進行算法改進，優化核電站巡檢機器人運動路徑[7]。碰撞威脅代價衡量巡檢機器人與核電站巡檢環境中障礙物之間的潛在碰撞風險，使用A*算法搜索得到核電站巡檢最短路徑，為防止當機器人在該路徑中運動時與障礙物發生碰撞，本文主要在實際代價函數G（γ）中引入碰撞威脅代價，并賦予相應的權值，改進后A*算法的搜索代價評估函數中實際代價函數如公式（6）所示。

G'（γ）=ω1G1（γ）+ω2G2（γ） " " " " （6）

式中：G'（γ）為改進后的A*算法搜索中實際代價函數；ω1、ω2分別為G1（γ）和G2（γ）在實際代價中所對應的權值；G1（γ）為核電站環境模型中巡檢機器人已走過路程的路徑代價；G2（γ）為巡檢機器人在運動過程中和核電站中障礙物發生碰撞的代價。

將公式（6）代入公式（5）代價評估函數中，得到改進后的A*算法搜索函數，利用改進后函數在使用雙目視覺函數構建的核電站巡檢三維環境模型中進行搜索，在模型搜索過程中A*算法會不斷評估每個節點的代價值，并根據代價值的大小選擇下一步的移動方向，直到A*算法由起始點搜索至目標終點后，停止搜索，獲得1條從起點到終點的最短路徑，即核電站巡檢機器人運動路徑規劃結果。在該巡檢機器人運動路徑中不存在任何碰撞威脅，達到核電站巡檢機器人運動路徑優化目的。根據最佳路徑的信息控制巡檢機器人沿路徑移動，完成核電站巡檢任務。

3 仿真試驗

3.1 仿真環境

為驗證本文設計的基于立體視覺的核電站巡檢機器人運動路徑優化方法的實際應用性能，將本文設計方法、文獻[1]方法和文獻[2]方法應用于某核電站的巡檢任務中，進行巡檢機器人運動路徑規劃的仿真對比試驗。將該核電站中機器人實際巡檢區域劃分為36×36的柵格，設置一些模擬障礙物，搭建本次對比試驗的仿真環境。核電站仿真巡檢環境如圖1所示。分別采用本文設計方法、文獻[1]方法和文獻[2]方法在該仿真核電站環境中對巡檢機器人運動路徑進行規劃，對比規劃結果。

3.2 仿真結果

在上述仿真核電站環境中，本文設計方法、文獻[1]方法和文獻[2]方法所得巡檢機器人運動路徑規劃結果如圖2所示。

由圖2可知，在進行核電站巡檢機器人運動路徑規劃的過程中，3種方法所得運動路徑規劃結果均沒有出現重復路徑，當躲避障礙物或者改變方向時才出現拐彎點，說明這3種方法都是可行且有效的。但是，與文獻[1]方法和文獻[2]方法相比，本文設計方法在核電站巡檢機器人運動路徑規劃方面效果更好，設計方法規劃的巡檢機器人運動路徑的總長度為69個單元格，與對照組中方法相比分別縮短了26、42個單元格。本文設計方法能夠準確感知周圍環境信息，構建更精細的核電站機器人運動范圍的三維模型，為路徑規劃提供更豐富的數據支持。改進A*算法還能夠更好地適應復雜多變的環境，規劃最佳的核電站巡檢機器人運動路徑。綜上所述，本文設計的基于立體視覺的核電站巡檢機器人運動路徑優化方法在核電站巡檢機器人運動路徑規劃過程中性能更可靠，效果更優越。

4 結語

本文探討了基于立體視覺的核電站巡檢機器人運動路徑優化方法，模擬人類雙眼的視覺機制，利用立體視覺技術對核電站巡檢環境進行三維建模，結合智能算法優化巡檢機器人的運動路徑。研究結果表明，該方法能夠顯著提高機器人巡檢效率，保障核電站安全運行。未來將進一步深入研究提升立體視覺技術精度的方法，探索更多智能算法在巡檢機器人路徑規劃中的應用，適應更加復雜多變的核電站環境，為核電事業的可持續發展貢獻力量。

參考文獻

[1]張潔.基于鵜鶘優化算法的核環境巡檢機器人路徑規劃[J].機械設計與研究，2023，39（3）：27-30，34.

[2]寧競，龍妍.改進蟻群算法的煤礦巡檢機器人路徑規劃[J].煤炭技術，2023，42（6）：235-237.

[3]趙鵬翔，馮培，歐建鑫，等.基于雙目立體視覺的紗線運動參數識別[J].河南理工大學學報（自然科學版），2023，42（3）：103-110.

[4]陳亦麟，王發宇，劉建陽.基于雙目立體視覺與結構光的便攜式非接觸三維掌紋采集系統[J].激光與光電子學進展，2022，59（4）：208-216.

[5]陳麗，陳洋，楊艷華.面向三維結構視覺檢測的無人機覆蓋路徑規劃[J].電子測量與儀器學報，2023，37（2）：1-10.

[6]劉勝，張豪，晏齊忠，等.基于ACO-SA算法的變電站巡檢機器人路徑規劃[J].南方電網技術，2022，16（9）：75-82.

[7]金梅，李清天，張立國.基于安全A～*與DWA算法融合的軍隊車場巡檢機器人路徑規劃[J].高技術通訊，2022，32（11）：1202-1212.