內(nèi)蒙古科技大學(xué) 李群 李建軍

通過自主導(dǎo)航的視覺算法進(jìn)行導(dǎo)航框架設(shè)計(jì)，采取SLAM稀疏點(diǎn)云最小化的優(yōu)化算法，完成DWA模型構(gòu)建，配合實(shí)現(xiàn)智能巡檢機(jī)器人的動態(tài)避障，在現(xiàn)有順滑軌跡基礎(chǔ)之上進(jìn)行全局優(yōu)化，基于ROS通信架構(gòu)，對智能巡檢機(jī)器人的巡檢路線開展設(shè)計(jì)，完成固定坐標(biāo)點(diǎn)和自定義坐標(biāo)點(diǎn)的雙重配合，提升智能巡檢機(jī)器人的完全巡查功能。

巡檢機(jī)器人可以為設(shè)備復(fù)雜的汽機(jī)房和鏤空鋼板的鍋爐房提供安全的巡檢方式，以綠色安全通道或安全設(shè)備距離的巡檢路徑作為數(shù)據(jù)載體，基礎(chǔ)帶電作業(yè)完成實(shí)時巡檢，優(yōu)化巡檢線路，且自動避障。現(xiàn)有設(shè)計(jì)原理主要通過全局最優(yōu)路徑開展分割化處理，在計(jì)算機(jī)視覺分析的基礎(chǔ)之上，考慮到機(jī)器人動力學(xué)習(xí)模型基于算法層的PCL雙雷達(dá)融合以及DWA最小化Snap開展綜合運(yùn)算，完成最小化Snap的軌跡優(yōu)化，從而提升計(jì)算機(jī)視覺算法的指導(dǎo)作用，改進(jìn)軟約束函數(shù)對數(shù)據(jù)拼接情況開展綜合分析。

1 計(jì)算機(jī)視覺巡檢在智能化電廠中應(yīng)用的價(jià)值

近年來，我國經(jīng)濟(jì)轉(zhuǎn)型升級，高質(zhì)量企業(yè)數(shù)量增多，社會工業(yè)化程度穩(wěn)步攀升，城鎮(zhèn)化水平達(dá)到65%以上，社會生產(chǎn)、居民生活對用電的需求顯著增加。伴隨著技術(shù)的轉(zhuǎn)型升級，市場需求的蓬勃發(fā)展，當(dāng)前制造業(yè)現(xiàn)代化轉(zhuǎn)型在穩(wěn)步進(jìn)行當(dāng)中，電力巡檢也必然在這樣的內(nèi)驅(qū)力和外部拉力之下，不斷的加強(qiáng)自主巡檢、智能化巡檢，以提升自身管理的有效性，降低電力設(shè)備運(yùn)行的成本，提高數(shù)據(jù)庫建設(shè)的全面性，滿足智能變電站建設(shè)的需求，滿足社會企業(yè)居民用電對于高質(zhì)量供電的需求，采取先進(jìn)智能的巡檢模式，彌補(bǔ)現(xiàn)有的人工巡檢的不足。

2 計(jì)算機(jī)視覺巡檢在智能化電廠中的系統(tǒng)設(shè)計(jì)

當(dāng)前的移動機(jī)器人具備工作靈活、效率較高、覆蓋范圍廣、受到外部因素影響小的多種優(yōu)點(diǎn)，配合計(jì)算機(jī)智能傳感技術(shù)，遠(yuǎn)程實(shí)時識別技術(shù)、數(shù)字管理技術(shù)、后臺操作技術(shù)，能夠大幅度提高電力系統(tǒng)的安全管理效能，強(qiáng)化預(yù)警能力和風(fēng)險(xiǎn)管控能力，提高故障響應(yīng)決策的分析效率[1]。具體結(jié)合實(shí)際生產(chǎn)情況來看，其應(yīng)用主要通過以下幾種路徑：

2.1 機(jī)械結(jié)構(gòu)設(shè)計(jì)

基于科大智能變電站巡檢機(jī)器人的基礎(chǔ)架構(gòu)，進(jìn)行充分的物理結(jié)構(gòu)的設(shè)計(jì)與分析，機(jī)器人主要的框架是由運(yùn)動底盤和監(jiān)測平臺這兩部分組成，具體架構(gòu)為驅(qū)動電機(jī)座、云臺、固定板車體結(jié)構(gòu)板材形成移動框架，并基于原有的麥克納姆輪結(jié)構(gòu)，基于科大智能變電站巡檢機(jī)器人的架構(gòu)，對智能巡檢機(jī)器人的巡檢方法進(jìn)行設(shè)計(jì)[2]。

2.2 運(yùn)動控制系統(tǒng)

通過算法分析方法進(jìn)行編碼器的自動校正，采取四編碼電機(jī)驅(qū)動正逆解控制對云臺、固定板車體、結(jié)構(gòu)板材、驅(qū)動電機(jī)座進(jìn)行結(jié)構(gòu)分析，并基于多激光雷達(dá)點(diǎn)云數(shù)據(jù)對運(yùn)動方式進(jìn)行拼接，形成協(xié)同作業(yè)。

2.3 計(jì)算機(jī)視覺分析

2.3.1 圖像處理優(yōu)化

在視覺SLAM的基礎(chǔ)之上，采取cartographer算法，實(shí)行雙雷達(dá)輔助位智能機(jī)器人后期的信息采集信息協(xié)同提供數(shù)據(jù)輔助系統(tǒng)，并配合信息建設(shè)，對智能機(jī)器巡檢的里程計(jì)數(shù)，實(shí)施全面數(shù)據(jù)抓取，按照計(jì)算機(jī)視覺系統(tǒng)的部署，獲得點(diǎn)陣圖譜，建立稀疏點(diǎn)云，并按照視覺化之后的ORB-SLAM和基于稠密點(diǎn)云的TAP-map完成里程計(jì)數(shù)計(jì)算以及數(shù)據(jù)驅(qū)動采集，為視覺SLAM解決方案的成套建設(shè)提供數(shù)據(jù)支撐[3]。

未來解決這種問題，主要是通過實(shí)時修正的方法，對已有的數(shù)據(jù)進(jìn)行壓縮和篩選，在計(jì)算機(jī)理論體系當(dāng)中，圖的優(yōu)化概念是通過數(shù)據(jù)節(jié)點(diǎn)和數(shù)據(jù)結(jié)構(gòu)的優(yōu)化進(jìn)行節(jié)點(diǎn)和邊的數(shù)據(jù)構(gòu)造，引入激光SLAM之后可以改變移動智能機(jī)器人的姿態(tài)定位，從而優(yōu)化節(jié)點(diǎn)組合，使節(jié)點(diǎn)和節(jié)點(diǎn)之間的關(guān)系，轉(zhuǎn)變成為邊與邊的關(guān)系。

通過Skin to Map對移動智能機(jī)器人的中點(diǎn)坐標(biāo)進(jìn)行不停的變化，因此屁零Pn代表的點(diǎn)圖信息是不一樣的，由此得到的Pn點(diǎn)坐標(biāo)也不存在重疊的可能[4]。按照這種計(jì)算方法，就可以將上面討論的位置，姿態(tài)定義的問題轉(zhuǎn)化為位置與位置之間相互約束的邊與邊的關(guān)系，從而把握較大場景內(nèi)的環(huán)境約束特征，通過約束求解節(jié)點(diǎn)，也就是完成圖優(yōu)化的過程。

具體流程如下：

P0節(jié)點(diǎn)為（x，y，0)，Pn為(x，y，0，)

進(jìn)一步轉(zhuǎn)換，得到誤差函數(shù)：

兩點(diǎn)間偏移量為（xyo'y）

其中心為轉(zhuǎn)換矩陣

對構(gòu)建優(yōu)化理論方法進(jìn)行求解，在現(xiàn)實(shí)生產(chǎn)車間的環(huán)境中除了起點(diǎn)外都是不確定的未知量，為后來的激光雷達(dá)測量得到十分準(zhǔn)確的數(shù)據(jù)偏移量[5]。此時令λ=ΣneTe，即求得誤差最小即可。

將問題轉(zhuǎn)化并求解：

對于每一個eA，e

一階采用Taylor展開

最后累加求和即為入近似展開：

簡化成：Hij▽Sij=-bij

2.3.2 構(gòu)建稀疏點(diǎn)云系統(tǒng)基礎(chǔ)

整個系統(tǒng)采用ORB-SLAM2算法創(chuàng)建云地圖，ORBSLAM在PTAM的基礎(chǔ)上進(jìn)行了實(shí)時回環(huán)檢測和魯棒性增強(qiáng)的重定位和實(shí)時回環(huán)檢測兩方面的算法改進(jìn)，ORB-SLAM2ORB-SLAM繼續(xù)沿用原來的PTAM方案，通過對tracking類中進(jìn)行多層次的構(gòu)造，再提取特征點(diǎn)[6]。

假設(shè)P值先前存在于柵格點(diǎn)，那么令函數(shù)M～(x)在區(qū)間限定函數(shù)clamp進(jìn)行值的更新，如下：

在Scan匹配后采用最小二乘對獲取的Scan中點(diǎn)束經(jīng)位姿轉(zhuǎn)換落在Submap中的最優(yōu)位置進(jìn)行優(yōu)化，可表達(dá)為：

Cartographer通過運(yùn)用多個Submap來建立大場景下滿足各方面需求的高精度圖，短時間內(nèi)目標(biāo)跟多個LaserScan匹配后的位姿是精確可靠的，但長時間后需要進(jìn)行修正，所以后端采用回環(huán)檢測來對長時間積累產(chǎn)生的誤差進(jìn)行優(yōu)化，對創(chuàng)建的Submap以及當(dāng)前幀的LaserScan都會被作為輸入進(jìn)行Scans匹配，如圖1所示。

圖1 Scan與Submap關(guān)系圖Fig.1 Scan and Submap diagram

采用該算法整個的優(yōu)化了上圖兩者之間存在的位姿誤差，進(jìn)而得到更小的誤差。目前市面上生產(chǎn)的智能巡檢機(jī)器人的基層結(jié)構(gòu)大多數(shù)都是該系統(tǒng)算法。相信隨著社會的發(fā)展，整個技術(shù)方面會進(jìn)一步革新，適應(yīng)面更加廣泛。

2.4 智能避障功能

在Move-base框架下的機(jī)器人能夠?qū)φ系K物實(shí)現(xiàn)更靈活的躲避。通過利用DWA算法對實(shí)際工作狀態(tài)空間做固定時間采樣來滿足機(jī)器人運(yùn)動模型要求，進(jìn)而可以對靜態(tài)路徑進(jìn)一步優(yōu)化提升，使整個路徑符合實(shí)際生產(chǎn)現(xiàn)場場景[5]，如圖2所示。

圖2 智能避障軌跡圖Fig.2 Trajectory map of intelligent obstacle avoidance

DWA (Dynamic Window Approach)是具有挑選速度機(jī)制的算法，DWA需要通過結(jié)合機(jī)器人的運(yùn)動模型在短時間內(nèi)模擬出機(jī)器人的運(yùn)動軌跡，并根據(jù)機(jī)器人自身與周邊環(huán)境的限制進(jìn)而將采樣的多組速度控制在一定范圍。該算法有幾個約束條件：機(jī)器人基于安全方面的考慮在最大、最小速度和加速度、減速度等具有約束，機(jī)器人可以躲避障礙以較快的速度在相對較短的時間內(nèi)朝著目標(biāo)行駛[7]。

該算法通過篩選軌跡路徑和簡便計(jì)算進(jìn)而快速反應(yīng)并得出軌跡。路徑篩選后結(jié)合計(jì)算出的最優(yōu)速度進(jìn)行推算動態(tài)軌跡。整個運(yùn)算過程是簡便而有效的，機(jī)器人也能夠更加智能化的運(yùn)行，如圖3所示。

圖3 智能避障最優(yōu)軌跡圖Fig.3 Optimal trajectory diagram of intelligent obstacle avoidance

在速度(v，w)的二維空間中存在無窮多組速度，根據(jù)機(jī)器人動力學(xué)和地圖布局約束，從而將采樣速度控制在范圍內(nèi)，建立速度采樣模型：

機(jī)器人存在最大、最小速度限制：

移動機(jī)器人受硬件平臺限制，存在最大加速度得動態(tài)窗口，該窗口內(nèi)的速度值即機(jī)器人能達(dá)到的實(shí)際值：

we[w.-a，Δt，w.+a3Δ]其中v.和w.是當(dāng)前速度狀態(tài)，a1是最大線加速度，a2是最大線減速度，a3是最大角加速度，a4是最小角加速度。

建立最大減速條件下防碰撞約束：

dist(v，w)采樣的眾多速度狀態(tài)量中，定義評價(jià)函數(shù)選擇最優(yōu)軌跡：

利用方位評價(jià)函數(shù)來評價(jià)軌跡末端方向與目標(biāo)在當(dāng)前速度狀態(tài)下的角度差。dist(v，w)表示從最近的障礙物到機(jī)器人當(dāng)前軌跡的距離[8]。如果現(xiàn)場環(huán)境中有障礙物，路徑就會被丟棄。velocity(v，w)用于評價(jià)速度大小，并選擇運(yùn)動時間短、速度變化小到目標(biāo)點(diǎn)的速度值。

3 結(jié)論與展望

基于SLAM算法建圖與定位構(gòu)建系統(tǒng)模型，激光SLAM采用Catgraph算法，視覺SLAM分別部署了ORB和RTAP-map，雙雷達(dá)拼接提供更為豐富的特征信息，并提高了機(jī)器人的視覺避障能力，自主導(dǎo)航算法依托Move Base導(dǎo)航框架，采取最小Snap優(yōu)化，完成全局最優(yōu)順滑軌跡優(yōu)化，并配合DWA算法完成動態(tài)避障功能，在ROS通信框架之下，實(shí)現(xiàn)自定義軌道坐標(biāo)和固定坐標(biāo)點(diǎn)巡航外部端設(shè)計(jì)部分，結(jié)合局域網(wǎng)下具有控制機(jī)器人運(yùn)動，建圖導(dǎo)航以及發(fā)布相關(guān)信息的綜合功能。

引用

[1] 李清東,盧鵬舉,潘巧波,等.數(shù)字化電廠智能巡檢技術(shù)在風(fēng)電場的應(yīng)用[J].黑龍江電力,2021,43(4):302-306.

[2] 孫強(qiáng).機(jī)器人技術(shù)在智慧電廠中的應(yīng)用[J].電子技術(shù),2021,50(03):176-177.

[3] 王紅妮,周宏斌,張澤巍,等.智慧電廠背景下設(shè)備巡檢系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].設(shè)備管理與維修,2021(10):101-103.

[4] 鄭衛(wèi)東,韋玉華,李捍華,等.基于圖像識別的電廠關(guān)鍵設(shè)備周期性巡檢方法[J].電子設(shè)計(jì)工程,2021,29(8):63-66+71.

[5] 車震海,郭南,梁新玉,等.基于互聯(lián)網(wǎng)的電廠熱工巡檢系統(tǒng)研究[J].沈陽工程學(xué)院學(xué)報(bào)(自然科學(xué)版),2018,14(4):367-370.

[6] 張振聰.數(shù)字化電廠智能點(diǎn)巡檢系統(tǒng)的應(yīng)用研究[J].價(jià)值工程,2019,38(35):286-287.

[7] 蘇暉,劉魯京.電廠智能巡檢機(jī)器人導(dǎo)航技術(shù)研究及應(yīng)用[J].電子測試,2016(23):40-41.

[8] 潘龍.基于二維碼的智能巡檢系統(tǒng)在電廠的應(yīng)用[J].現(xiàn)代信息科技,2020,4(15):114-118.