基于双目视觉的变电站巡检机器人自主避障技术.pdf

77第 52 卷2024 年 4 月Vol.52 No.2Apr.2024云南电力技术YUNNAN ELECTRIC POWER基于双目视觉的变电站巡检机器人自主避障技术连宝晶（云南正恒科技有限公司，云南 昆明 650000）摘要：为了有效解决机器人路径偏移和避障路径过长的问题，提出了一种基于双目视觉的变电站巡检机器人自主避障方法。构建双目立体视觉系统模型，获取空间点的三维世界坐标系，获取障碍物的位置、距离、形状等信息，在获得障碍物的位置信息后，利用矢量场直方图算法（VFH）调整机器人的移动方向，实现自主避障。实验结果表明，所提方法的避障成功率为96%，避障路径较短，且不存在偏离问题，验证了其应用效果。关键词：视野；巡逻机器人；自主避障；矢量场直方图算法Autonomous Obstacle Avoidance Method for Substation Inspection Robot Based on Binocular Vision Lian Baojing（Yunnan Zhengheng Technology Co.,Ltd.,Kunming of The Province,Kunming,Yunnan 650000,China）Abstract:In order to effectively solve the problems of robot path deviation and long obstacle avoidance path,an autonomous obstacle avoidance method for substation inspection robot based on binocular vision is proposed.The model of binocular stereo vision system is constructed,the three-dimensional world coordinate system of space points is obtained,and the position,distance,shape and other information of obstacles are obtained;After obtaining the position information of the obstacle,the vector field histogram algorithm(VFH)is used to adjust the robots moving direction to achieve autonomous obstacle avoidance.The experimental results show that the success rate of obstacle avoidance of the proposed method is 96%,the obstacle avoidance path is short,and there is no deviation problem,which verifies its application effect.Key words:Binocular vision;Patrol robot;Autonomous obstacle avoidance;Vector field histogram algorithm中图分类号：TM74文献标识码：B文章编号：1006-7345（2024）02-0077-040前言目前，智能电网受到了相关学者的广泛关注。其中，机器人技术在智能电网中具有诸多应用功能。巡检机器人作为一种智能机器人，已经取代人工巡检，广泛应用于变电站1电力设备的巡检工作中2。自主导航在机器人巡检过程中起着重要的作用，直接影响巡检机器人的工作效率。为了使巡检机器人更好地实现自主导航，工作人员需要改进机器人的避障方法，提高避障方法的有效性和自主性。但目前变电站巡检机器人大多无法实现自主导航，其在巡检工作2中避障方法仍存在一些问题。因此，有必要将巡检机器人避障方法的优化作为当前研究的重点。文献 3 将学习算法 Q 融入到对抗性神经网络架构中，通过两个独立的数据预测机器人的动作参数，深度融合输出状态参数和动作优势参数，并在输出层输出最终的动作参数，从而实现机器人的避障。从实验结果来看，该模型能够有效优化机器人的避障方法。文献 4 通过变换动态障碍物的特性，优化了机器人的动态避障方法。首先，收集动态障碍物的位置和运动特征，利用速度空间的维度数据进行优势转换；然后，根据障碍物的速度，列出与动态障碍物相关的不利因素，进行分析，确定何时开始和结束避障，优化避障方法。实验结果表明，该方法的实际应用效率较高。文献 5 提出了一种基于道路场景理解的巡逻机器人自主避障方法，构建了高精度的道路场景理解网络，将场景理解结果转换为巡逻机器人前方不同区域的78云南电力技术第 52 卷2024 年第 2 期目标信息，通过分析机器人前方的可行道路区域和障碍物的位置，使巡逻机器人能够完成自主导航并实现有效避障。该方法具有较强的匹配性，能够辅助机器人完成实时自主避障。上述方法虽然可以实现机器人的自主避障，但仍存在机器人偏离、避障路径过长等问题。因此，本文基于双目视觉系统，提出了一种巡检机器人自主避障方法。1机器人自主避障方法1.1障碍物检测双目视觉系统可以通过视觉差异、空间差异和角度差异计算出两幅图像中目标点的位置参数，最终获得具体的三维信息6-7。因此，通过建立双目立体视觉系统模型，获取障碍物的位置、距离、形状等信息，并将障碍物的三维信息反馈给巡检机器人，从而达到机器人避障的目的。双目视觉系统成像示意图如图 1 所示。图1双目立体视觉系统模型成像示意图在图 1 所示的双目立体视觉系统模型中，左右两个摄像机水平放置，左右两个摄像机的焦距分别为 fl和 fr，两个双目立体视觉摄像机之间的距离为 L，D 为要进行目标成像的模型上的空间点。左右两个相机对空间点成像，成像结果分别为 D1(Xl,Yl)和 D2(Xr,Yr)，两个成像结果只是在 X 坐标上不同，它们的 Y 值相同，即Yl=Yr。因此，只需要对图像 D1和 D2的 X 坐标进行确认，即可获得点在三维空间中 D 的坐标值。在获取目标成像点坐标的基础上，对机器人路径上的障碍物进行检测。将左右图像点正确匹配后，通过左右图像点的视差计算空间点到相机的距离，即可获得障碍物特征点的三维信息8-9。在实际工程应用中，由于双目左右相机不能完全满足平行光轴和共面像平面的理想条件，对于特征点的三维坐标，首先要建立双目立体视觉系统模型，计算出相关点的三维坐标。模型的左右相机坐标系分别为 OalXalYalZal和 OarXarYarZar。空间点在左右相机成像后的坐标系中，相关维度的坐标点为 D(Xal,Yal,Zal)和(Xar,Yar,Zar)。根据双目立体视觉系统模型：wlwr=xlyl1xryr1XalYalZalXarYarZarfl 0 00 fl 00 0 1fr 0 00 fr 00 0 1（1）其中，wl和 wr表示非零尺度因子。根据上述公式，可得左右相机位置关系：=G=XarYarZar1XalYalZal1XalYalZalr1 r2 r2 uxr4 r5 r6 uyr7 r8 r9 uz G=E/U（2）其中，U 表示构建模型中相机的平移向量；E 表示构建模型中相机的旋转矩阵。根据上述公式，可以得到空间点的三维世界坐标系：Xal=Zal xl/flYal=Zal yl/flZal=fl(fruxxr uz)xrfr（3）由此得到空间场景中障碍物的近似位置，实现障碍物检测。1.2实现机器人自主避障根据双目视觉系统模型获取障碍物位置信息后，在自主避障过程中应用矢量场直方图算法（Vector Field Histogramalgorithm，VFH）。该算法采用二维栅格表示环境，可以压缩目标位置的环境数据，过滤掉部分极坐标直方图槽，并在一定程度上控制机器人在变电站巡检过程中的运动方向，从而实现智能避障10的目标。通过上述算法，可以对机器人的环境数据进行精细化处理，将二进制信息应用到网格单元中。如果需要验证网格内是否有障碍物，则可以用累加值 CV 来表示验证的可信度，且两个值呈正相关。其可信度值可以用下式表示：79基于双目视觉的变电站巡检机器人自主避障技术第 52 卷2024 年第 2 期 300，l=1100，l=220，l=310，l=45，l=50，l5Rij=（4）其中，l 为网格长度，表示算法检测到的网格障碍距离。在完成环境分解得到可靠性值后，需要在保证障碍物检测信息准确性的基础上，用矢量化的方法对移动平面的网格单元进行划分，然后生成网格单元间隔。网格状态对避障算法的性能有很大影响。如果选择小栅格，环境分辨率会提高，但环境信息存储量大，算法容易受到干扰，降低决策速度；如果选择较大的栅格，算法不容易受到干扰，但障碍物过多的环境会降低机器人巡检的效率，因为环境分辨率的降低会直接影响机器人的路径发现性能。机器人的主动窗口指的是其传感器判别的极限范围。对于栅格的矢量化操作，向量值由以下公式确定：v(i,j)=(ki,j)(hi,j)（5）运动平面上的矢量方向由栅格单元与巡检机器人中心点的相对位置确定：di,j=tan-1yjy0 xjx0（6）在上述公式中，和 均为常数；ki,j和 hi,j分别表示在活动窗口(i,j)的 CV 值和(i,j)到机器人中心点的距离；x0和 y0，xi和 yi分别表示巡检机器人中心点的空间坐标和网格向量化操作后的网格单元的空间坐标。hi,j的矢量参数和矢量夹由上式求得求得，即得到障碍物与机器人在运动平面上的位置和距离。因为CV值是离散的，可能会分散障壁密度，所以需要平滑障壁密度：zk=zkl+1+2zkl+2+lz2l1（7）式中，zk表示平滑的势垒密度。活动窗口量化范围内的障碍密度由上式求得，若设定阈值，则障碍密度低于阈值的范围可由候选区域表示。如果存在多个连续的候选区域，则可以用“宽谷”来表示；反之，则用“窄通道”表示。如果阈值保持不变，则可以确定阈值的角度范围，并过滤掉其下方的相关参数，从而确定巡检机器人的移动方向。在阈值以下的连续候选区域中，左右范围可以用 Al和 Ar表示。然后确定巡检机器人的避障方向：=12(Al+Ar)（8）变电站巡检机器人根据上式得到的运动方向进行移动，可以有效避开路径上的障碍物，实现自主避障。2仿真实验为了验证基于双目视觉的变电站巡检机器人自主避障方法的避障效果，搭建了机器人动态避障实验平台。通过 MATLAB 仿真软件 6将实验环境设置为 5 m，其中有 16 个圆形障碍物，机器人初始位置为 0,0，目标点为 4,5，机器人步长 0.5 m，障碍物影响距离为 2.5 m，最小安全距离为 0.7 m。在上述实验环境中，选取改进的决斗网络法和改进的速度障碍法与提出的方法进行对比，得到三种方法下巡检机器人的避障路径，如图 2所示。(a)提出的方法(b)改进的决斗网络方法(c)改进的速度障碍法图2巡检机器人的避障路径从图 2 可以看出，以上三种方法都实现了有效避障，没有出现避障失败的情况。而所提方法的避障路径基本为直线，说明其避障路径最短，不存在机器人偏离的问题。改进的决斗网络法和改进的速度障碍法的避障路径更长，验证了所提方法的避障效果更好。提高测试环境复杂度，将障碍物数量增加到 25 个，扩展障碍物类型，并进一步测试三种方法的避障性能。测试结果如表 1 所示。对比结果表明，在复杂环境下，所提方法的避障时间仅为，远低于改进的决斗网络方法和改进的速度避障方法，25.3 s 所提方法仅产生1 个障碍物碰撞问题，避障成功率为 96%。上述仿真结果充分表明，所提方法的避障路径规80云南电力技术第 52 卷2024 年第 2 期划的性能和效率相比传统方法都有明显提升。表1避障性能对比结果 方法障碍碰撞次数避障成功率/%时间/s提出的方法19625.3改进的决斗网络法58037.9改进的速度屏障法86829.43结束语为了解决机器人路径偏移和避障路径过长的问题，提出了一种基于双目视觉的变电站巡检机器人自主避障方法。通过双目立体视觉系统模型获取障碍物的位置、距离、形状等信息；利用矢量场直方图算法调整机器人的移动方向，实现自主避障。实验结果表明，所提方法的避障成功率 96%，避障时间仅为 25.3 s，避障路径和时间较短，有效提高了避障效果，可广泛应用于变电站机器人研究领域。参考文献1 万军,姚佳峰,郁亮,等.基于伪距离的壳余机器人避障算法J.机械工程学报(17),59-70.2 李心昊,乔宇,张凌.基于ROS的变电站室内巡检机器人的研究与设计J.电力大数据,2023,26(3):1-10.DOI:10.19317/ki.1008-083x.2023.03.0013 孙立祥,孙晓娴,刘成菊,等.人群环境信息与控制中基于深度强化学习的移动机器人避障算法.(01),107-118.doi:10.13976/ki.xk.2022.0099.4 徐文耀,何吉林.基于改进速度障碍法的水下航行器动态避障电光与控制.(12),86-90.5 赵晓勇,陈钦柱,郑红艳,等.基于道路场景理解微电子与计算机的巡检机器人避障方法研究与应用(04),118-127doi:10.19304/j.issn1000-7180.2012.1077.6 欧阳永平,魏昌云,蔡伯良.动态环境下分布式异构多机器人避障方法研究J.智能系统学报(04),752-763.7 李尔超,王玉华.基于改进人工势场法的移动机器人避障轨迹研究计算机工程与应用J.(06),296-304.8 庞世坤,梁晓峰,李颖慧,等.基于零空间行为方法的自主水下航行器避障策略J.上海交通大学学报(03),295-304doi:10.16183/ki.jsjtu.2020.03.009.9 郭汉庆,付丽霞,张勇,等.基于动态障碍电视技术的机器人避障路径规划方法J.(o1),73-77+84.doi:10.16280/j.videoe.2022.01.018.10 郭爱军,刘建宇,郑安.基于多传感器信息融合煤炭技术的消防机器人避障策略J.(04),201-203.doi:10.13301/ki.ct.2022.04.051.11 韩耀廷,赵志梅,郝晓宇,等.变电站巡检机器人路径规划智能算法优化J.内蒙古电力技术,2021,39(06):58-61.DOI:10.19929/ki.nmgdljs.2021.0122.收稿日期：2024-04-12作者简介：连宝晶，云南正恒科技有限公司。Intelligence,2021(01).DOI:10.1109/CVPR46437.2021.00981.10 刘俊生.基于激光点云与图像融合的车辆检测方法研究D.重庆理工大学,2019.11 顾斌.数字图像与激光点云配准及在建筑物三维建模中的应用D.徐州:中国矿业大学,2024.12 高翔,张涛,刘毅,等.视觉SLAM十四讲:从理论到实践M.北京:电子工业出版社,2019.13 Chi C,Zhang S,Xing J,et al.Selective refinement network for high performance face detectionJ.Proceedings of the AAAI Conference on Artificial Intelligence,2019,33:8231-8238.14 Tan M,Pang R,Le Q V.EfficientDet:Scalable and Efficient Object DetectionC/Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition，2020：10778-10787.DOI:10.1109/CVPR42600.2020.01079.15 Wang T,Zhang X,Yuan L,et al.Few-shot adaptive faster R-CNNC/Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition，2019.DOI:10.1109/CVPR.2019.00734.17 Yang Z,Liu S,Hu H,et al.RepPoints:Point Set Representation for Object DetectionC/2019 IEEE/CVF International Conference on Computer Vision(ICCV).IEEE,2019.DOI:10.1109/ICCV.2019.00975.18 李飞,王超,浦东,等.基于卷积注意力的输电线路防震锤检测识别J.计算机测量与控制,2022,30(03):48-53.18 张田,杨奎武,魏江宏,等.面向图像数据的对抗样本检测与防御技术综述J.计算机研究与发展,2022(006):059.19 Liu Z,Lin Y,Cao Y,et al.Swin Transformer:Hierarchical Vision Transformer using Shifted WindowsC/Proceedings of the IEEE International Conference on Computer Vision，2021，9992-10002.DOI:10.1109/ICCV48922.2021.00986.收稿日期：2024-04-10作者简介：张少杰（1994），男，硕士研究生，助理工程师，主要从事电力油气化学、电网氢储能、电力行业无人机自动巡检等方面工作。（E-mail）；赵李强（1988），男，硕士研究生，工程师，主要从事电力图像识别算法研究及工程化工作。（E-mail）。（上接第73页）