基于多传感器融合的巡检机器人导航辅助模块设计与实现
发布时间：2021-07-24 12:23
变电站智能巡检机器人作为近几年来替代针对变电站传统人工巡检方式的智能化解决方案,已在上百座变电站进行安装部署。相较于传统的人工巡检方式,变电站智能巡检机器人减轻了技术人员的工作强度,降低了人工在变电站高危环境下工作的危险性及人力成本,解决了巡检结果好坏与巡检人员技术水平相关的问题。变电站巡检机器人完成巡检作业的前提是能够精确的导航。目前主流的变电站智能巡检机器人通过搭载高精度的激光雷达传感器进行导航,该方法导航精度高,却无法识别障碍物种类,严重影响巡检机器人的巡检性能及效率。因此,本文针对变电站智能巡检机器人导航设计一款基于多传感器融合的变电站巡检机器人导航辅助模块。该模块将激光雷达传感器、可见光传感器及惯性测量单元传感器信息进行融合,使得巡检机器人实现对所处环境的自主理解,从而提高巡检机器人的导航精度。本文所研究的主要工作内容概括如下:1.变电站巡检机器人导航辅助模块需求分析。结合变电站真实环境,对变电站巡检机器人的作业环境进行分析。同时结合传统导航方式存在的不足,确定变电站巡检机器人导航的必要性及重要性,最终确定导航辅助模块的设计需求;2.导航辅助模块多传感器融合算法设计。算法部分...
【文章来源】：西华大学四川省
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
传统人工巡检Fig.1.1Traditionalmanualinspection
基于多传感器融合的巡检机器人导航辅助模块设计与实现4方式安装于机器人底部。同时，在变电站中巡检机器人的巡检路线上预先绘制蓝色视觉引导线作为机器人巡检的引导轨迹线。巡检机器人通过循迹视觉传感器对其进行拍摄，通过图像处理及中值滤波后，由算法计算出引导线的中心线。通过判断巡检机器人与引导线中心线的相对位置引导机器人进行导航。同时，学者赵坤等还提出设计不同的路面标识来引导变电站巡检机器人进行导航的方法[52]。在该方法中，研究者在路面喷涂黑色直行标志、右转标志、左转标志及停车标志，四种标志如图1.2所示。图1.2路面标志Fig.1.2Roadsigns通过对拍摄到的视觉标志进行灰度处理、二值化处理、傅里叶变换及中值滤波，使得视觉标志特征更加清晰。同时利用LABVIEW编程对处理后的视觉标志进行OCR识别，最终使得变电站巡检机器人可以按既定轨迹进行导航。学者杨森等提出了与学者赵坤类似的变电站巡检机器人视觉导航方法[53]。在该方法中，视觉传感器安装于巡检机器人前部，视觉导航轨道线使用宽度为15cm的黄色标线。同时，在巡检机器人需要停止的点位，设置如图1.3所示停靠位标识。图1.3机器人停靠位标识Fig.1.3Stopsignforrobota.直行标志b.右转标志c.左转标志d.停车标志
基于多传感器融合的巡检机器人导航辅助模块设计与实现4方式安装于机器人底部。同时，在变电站中巡检机器人的巡检路线上预先绘制蓝色视觉引导线作为机器人巡检的引导轨迹线。巡检机器人通过循迹视觉传感器对其进行拍摄，通过图像处理及中值滤波后，由算法计算出引导线的中心线。通过判断巡检机器人与引导线中心线的相对位置引导机器人进行导航。同时，学者赵坤等还提出设计不同的路面标识来引导变电站巡检机器人进行导航的方法[52]。在该方法中，研究者在路面喷涂黑色直行标志、右转标志、左转标志及停车标志，四种标志如图1.2所示。图1.2路面标志Fig.1.2Roadsigns通过对拍摄到的视觉标志进行灰度处理、二值化处理、傅里叶变换及中值滤波，使得视觉标志特征更加清晰。同时利用LABVIEW编程对处理后的视觉标志进行OCR识别，最终使得变电站巡检机器人可以按既定轨迹进行导航。学者杨森等提出了与学者赵坤类似的变电站巡检机器人视觉导航方法[53]。在该方法中，视觉传感器安装于巡检机器人前部，视觉导航轨道线使用宽度为15cm的黄色标线。同时，在巡检机器人需要停止的点位，设置如图1.3所示停靠位标识。图1.3机器人停靠位标识Fig.1.3Stopsignforrobota.直行标志b.右转标志c.左转标志d.停车标志
【参考文献】：
期刊论文
[1]激光雷达传感器功能仿真方法研究[J]. 张鸿喜,赵世明. 舰船电子工程. 2019(12)
[2]激光SLAM导航移动机器人定位算法研究综述[J]. 易柯敏,沈艳霞. 机器人技术与应用. 2019(05)
[3]室外巡检机器人的磁导航系统设计及实现[J]. 袁明新,王彬彬,华晓彬,谢丰,申燚. 江苏科技大学学报(自然科学版). 2019(04)
[4]变电站智能巡检系统的研究[J]. 翟岭江,袁林,张冰,冯凯翔. 企业科技与发展. 2019(08)
[5]基于惯性导航与ZigBee的消防机器人定位系统[J]. 杨帅,薛岚. 消防科学与技术. 2019(06)
[6]基于多传感器融合的移动机器人定位[J]. 何壮壮,丁德锐,王永雄. 计算机与数字工程. 2019(02)
[7]基于激光传感器的变电站巡检机器人导航[J]. 冯坤,马磊,孙永奎. 传感器与微系统. 2019(02)
[8]视觉SLAM技术的进展与应用[J]. 邸凯昌,万文辉,赵红颖,刘召芹,王润之,张飞舟. 测绘学报. 2018(06)
[9]基于深度学习的图像识别算法研究[J]. 衣世东. 网络安全技术与应用. 2018(01)
[10]Ubuntu Linux操作系统的维护技术[J]. 王亚军. 电脑知识与技术. 2017(29)
硕士论文
[1]基于深度学习的变电站巡检机器人道路场景识别[D]. 刘明春.西南交通大学 2019
[2]基于SLAM的移动机器人导航系统研究[D]. 徐曙.华中科技大学 2014
[3]基于四线激光雷达的道路检测与跟踪[D]. 杨象军.浙江大学 2013
[4]基于单线激光雷达的道路特征检测[D]. 史鹏波.南京理工大学 2013
[5]基于路标的移动机器人定位方法的研究[D]. 刘佳.中南大学 2007
本文编号：3300645
【文章来源】：西华大学四川省
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
传统人工巡检Fig.1.1Traditionalmanualinspection
基于多传感器融合的巡检机器人导航辅助模块设计与实现4方式安装于机器人底部。同时，在变电站中巡检机器人的巡检路线上预先绘制蓝色视觉引导线作为机器人巡检的引导轨迹线。巡检机器人通过循迹视觉传感器对其进行拍摄，通过图像处理及中值滤波后，由算法计算出引导线的中心线。通过判断巡检机器人与引导线中心线的相对位置引导机器人进行导航。同时，学者赵坤等还提出设计不同的路面标识来引导变电站巡检机器人进行导航的方法[52]。在该方法中，研究者在路面喷涂黑色直行标志、右转标志、左转标志及停车标志，四种标志如图1.2所示。图1.2路面标志Fig.1.2Roadsigns通过对拍摄到的视觉标志进行灰度处理、二值化处理、傅里叶变换及中值滤波，使得视觉标志特征更加清晰。同时利用LABVIEW编程对处理后的视觉标志进行OCR识别，最终使得变电站巡检机器人可以按既定轨迹进行导航。学者杨森等提出了与学者赵坤类似的变电站巡检机器人视觉导航方法[53]。在该方法中，视觉传感器安装于巡检机器人前部，视觉导航轨道线使用宽度为15cm的黄色标线。同时，在巡检机器人需要停止的点位，设置如图1.3所示停靠位标识。图1.3机器人停靠位标识Fig.1.3Stopsignforrobota.直行标志b.右转标志c.左转标志d.停车标志
基于多传感器融合的巡检机器人导航辅助模块设计与实现4方式安装于机器人底部。同时，在变电站中巡检机器人的巡检路线上预先绘制蓝色视觉引导线作为机器人巡检的引导轨迹线。巡检机器人通过循迹视觉传感器对其进行拍摄，通过图像处理及中值滤波后，由算法计算出引导线的中心线。通过判断巡检机器人与引导线中心线的相对位置引导机器人进行导航。同时，学者赵坤等还提出设计不同的路面标识来引导变电站巡检机器人进行导航的方法[52]。在该方法中，研究者在路面喷涂黑色直行标志、右转标志、左转标志及停车标志，四种标志如图1.2所示。图1.2路面标志Fig.1.2Roadsigns通过对拍摄到的视觉标志进行灰度处理、二值化处理、傅里叶变换及中值滤波，使得视觉标志特征更加清晰。同时利用LABVIEW编程对处理后的视觉标志进行OCR识别，最终使得变电站巡检机器人可以按既定轨迹进行导航。学者杨森等提出了与学者赵坤类似的变电站巡检机器人视觉导航方法[53]。在该方法中，视觉传感器安装于巡检机器人前部，视觉导航轨道线使用宽度为15cm的黄色标线。同时，在巡检机器人需要停止的点位，设置如图1.3所示停靠位标识。图1.3机器人停靠位标识Fig.1.3Stopsignforrobota.直行标志b.右转标志c.左转标志d.停车标志
【参考文献】：
期刊论文
[1]激光雷达传感器功能仿真方法研究[J]. 张鸿喜,赵世明. 舰船电子工程. 2019(12)
[2]激光SLAM导航移动机器人定位算法研究综述[J]. 易柯敏,沈艳霞. 机器人技术与应用. 2019(05)
[3]室外巡检机器人的磁导航系统设计及实现[J]. 袁明新,王彬彬,华晓彬,谢丰,申燚. 江苏科技大学学报(自然科学版). 2019(04)
[4]变电站智能巡检系统的研究[J]. 翟岭江,袁林,张冰,冯凯翔. 企业科技与发展. 2019(08)
[5]基于惯性导航与ZigBee的消防机器人定位系统[J]. 杨帅,薛岚. 消防科学与技术. 2019(06)
[6]基于多传感器融合的移动机器人定位[J]. 何壮壮,丁德锐,王永雄. 计算机与数字工程. 2019(02)
[7]基于激光传感器的变电站巡检机器人导航[J]. 冯坤,马磊,孙永奎. 传感器与微系统. 2019(02)
[8]视觉SLAM技术的进展与应用[J]. 邸凯昌,万文辉,赵红颖,刘召芹,王润之,张飞舟. 测绘学报. 2018(06)
[9]基于深度学习的图像识别算法研究[J]. 衣世东. 网络安全技术与应用. 2018(01)
[10]Ubuntu Linux操作系统的维护技术[J]. 王亚军. 电脑知识与技术. 2017(29)
硕士论文
[1]基于深度学习的变电站巡检机器人道路场景识别[D]. 刘明春.西南交通大学 2019
[2]基于SLAM的移动机器人导航系统研究[D]. 徐曙.华中科技大学 2014
[3]基于四线激光雷达的道路检测与跟踪[D]. 杨象军.浙江大学 2013
[4]基于单线激光雷达的道路特征检测[D]. 史鹏波.南京理工大学 2013
[5]基于路标的移动机器人定位方法的研究[D]. 刘佳.中南大学 2007
本文编号：3300645
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3300645.html
