基于动态特征点的巡检机器人目标定位系统设计

2022-12-01朱李超茅晓亮

机械与电子 2022年11期

朱李超，施会，茅晓亮

(国网上海奉贤供电公司，上海 201400)

0 引言

传统巡检通常以人工巡检为主，工作人员利用笔和纸记录检查情况，再凭借个人经验判断设备是否出现故障。随着自动化技术不断发展，机器人逐渐应用在巡检作业中，尤其在变电站巡检中发挥关键作用。对变电站中所有设备做定期维护是必备工作，只有实时掌握设备状态、及时排除安全隐患，才能保障变电站安全运行。利用机器人代替人工的巡检方式，不但可以节省人力，还能避免因人员技术水平不足、工作经验欠缺等因素造成的巡检不到位情况，提高巡检效率，进一步保障电力系统安全。在巡检机器人的众多子系统中，目标定位系统尤为重要，如果没有准确的定位功能，机器人将难以精确获取故障点的位置信息，巡检工作无法顺利完成。但巡检工作通常在室外进行，环境复杂且不可控因素较多，因此对机器人目标定位技术提出更高要求。

为满足巡检机器人高精度定位需求，相关学者做了深入研究。倪江楠等[1]提出基于光学导航的机器人定位方法。通过激光扫描方式获取机器人在全局坐标系中的位置，利用机器视觉系统测量机器人与目标之间的实际距离，完成定位。卢清秀等[2]基于动态跟踪测量算法设计目标定位系统。通过选择出的系统硬件设备，确定各单元通信方式，利用动态跟踪激光测距设备感知机器人运动环境，针对环境信息做特征识别，获得目标环境全局地图，预测目标位置。

当机器人做简单的直线运动时，上述方法可以满足定位精度需求，一旦机器人做复杂的曲线运动，目标定位误差会提高。为了改善这一缺陷，确保机器人在所有环境下都能有较高的定位精度，本文基于动态特征设计了一种目标自动定位系统。

1 基于动态特征点的巡检机器人目标定位系统构建

1.1 系统总体组成架构

巡检机器人目标定位系统的整体结构如图1所示。主要分为基站子系统和移动基站系统[3]，具备图像采集、无线通信和智能避障等功能[4]。系统主要部分功能如下。

图1 巡检机器人定位系统整体架构

a.基站子系统：是定位系统的重要组成部分，集成高分辨率摄像机、拾音器与各类传感器，通过自主遥控方式完成巡检任务。

b.移动基站系统[5]：其中设置充电设备，且安装对射传感器，不仅保证机器人全自动巡检，还能避免充电过程受外界干扰。为机器人在定位过程中提供路径信息，包括目标位置、巡检内容以及设备间隔情况等。巡检过程中可能会出现检测盲点，将红外监控作为定位系统的辅助补充，和机器人之间联动，实现巡检全覆盖。

1.2 系统硬件设备选取

系统硬件设计主要包括相机、采集卡、图像显示设备和步进电机选型，结合定位系统实际需求，保证定位精度前提下，最大程度节约设计成本。本文系统选取的硬件设备如下。

a.工业相机[6]：选用国外Basler公司的高清摄像机。该相机的接口有效改善采集信息的速度，与其他相机相比，分辨率更高，不会受到传输距离影响，且图像受环境干扰较小。相机采集到的数据利用PCIE总线传输，通过PC机完成图像处理，实现图像动态显示。

b.采集卡[7]：利用Camera Link接口的采集卡，支持图像实时显示和压缩功能。此外，能够实时显示、记录信息，可在不同模式下高效传输数据。

c.图像显示设备[8]：显示模块的主要工作是显示采集到的图像，并实时跟踪目标，通过定时器实时更新采集数据。显示设备的参数要求如表1所示。

表1 显示设备参数配置要求

d.步进电机：作用是下雨时保护机器人的充电装置不被淋湿。在选型过程中应考虑控制精度、尺寸与成本等因素。经过综合考虑，选用的电机与驱动器类型分别如下。

电机选用三相四线电机，主要参数如表2所示。

表2 电机参数

驱动器选取两相混合式[9]，和上述电机相互配合可保证机器人稳定运行。驱动器具体参数如表3所示。

表3 驱动器参数

1.3 系统软件功能设置

1.3.1 开发环境与通信模式

为适应系统硬件设备设置需求，从开发环境、封装设计和通信方案等方面设置系统软件。

a.开发环境。定位系统在如表4所示的开发环境下完成设计。

表4 系统开发环境

图2 软件封装结构

c.通信方案。定位系统通信模块需同时兼顾通信面积与带宽需求，该系统需设定无线通信和边缘通信2种方案，无线通信利用Wi-Fi通信模式，构建AP基站，扩大网络覆盖范围，且减少维护费用;边缘通信利用蓝牙技术连接网络，具备成本低、可靠性高等优势，但是此种方法通信距离很近。

1.3.2 目标定位算法

利用上述硬件设备，配合软件开发环境与通信模式，经过图像预处理，提取关键的动态特征点，利用三帧差分算法预测目标位置，实现定位。

a.图像增强。由于光照等因素影响，摄像机采集到的图像容易出现过亮或过暗区域。这种现象会掩盖图像很多重要细节特征，影响动态特征点提取效果。因此，本文在提取特征点之前先对图像做均衡化处理[11]，增强细节信息。图像均衡化函数表示为

(1)

b.动态特征点提取。图像中的细节信息得到增强后，利用动态特征点提取算法获取目标关键特征。该算法的核心思想为：结合加速分割特点，如果图形内某像素灰度值和邻近像素灰度值相差较多，则将该相似度当作动态特征点。

假设将像素点p作为中心，以3个像素大小为半径确定1个圆形邻域。在该邻域内，若3个点的像素值均高于或低于p点，此时p点即为特征点，反之去除该点。评估某点是否属于特征点的表达式为

根据单因素试验结果，选择乙醇浓度(A)、浸提时间(B)、浸提温度(C)和浸提pH(D)4个因素，采用Box-Behnken Design响应面分析法确定最优提取条件(表1)。从表 2可知，方案15的提取量最高，为4.94 mg/100g；其次是方案7和方案18，提取量分别为4.77 mg/100g和4.72 mg/100g；方案26的提取量最低，仅为2.73 mg/100g。对试验结果进行多元线性回归拟合分析得提取量(Y)与各因素间的二次多项回归方程：

(2)

I(x)为特征点附近某点灰度值；I(p)为特征点灰度值;εd为设定的阈值;circle(p)为像素点p的集合。

特征点本身不具备旋转不变性，所以使用灰度质心算法检测具有方向信息的特征点，获取其灰度质心，将质心和特征点之间的连线作为该点主方向。则邻域图像矩为

(3)

q为与特征点相邻的点；I(x,y)为点(x,y)处的灰度值。

设定邻域中图像质心为

(4)

特征点和上质心之间的夹角就是该点的主方向，即

θ=arctan(m01,m10)

(5)

经过上述操作，即可获取带有方向信息的特征点，再通过金字塔检测，获取特征点的尺度特征，即：

(6)

L(x,y,σ)=G(x,y,σ)*F(x,y)

(7)

F(x,y)为初始图像；G(x,y,σ)为尺度函数，其中，σ为尺度因子。

将初始图像和高斯差分函数做卷积运算[12]可获得尺度空间D(x,y,σ)，即

D(x,y,σ)=[G(x,y,σ)-G(x,y)]*F(x,y)=

L(x,y,σ)-L(x,y)

(8)

通过上述处理，能够获得由各类尺度组成的空间金字塔，包括各类尺度特征点，将这些点融合即可实现目标特征提取。

c.目标定位。结合提取到的目标特征，利用三帧差分法预测目标运动区域。如果3帧图像分别表示为k-1、k和k+1，它们在点(x,y)处变现出的灰度分布情况分别为fk-1(x,y)、fk(x,y)和fk+1(x,y)，对其差分过程描述为：

Ek-1,k(x,y)=|fk(x,y)-fk-1(x,y)|

(9)

Ek,k+1(x,y)=|fk+1(x,y)-fk(x,y)|

(10)

通过合理阈值T′对图像进行阈值化处理，获得二值图像为：

(11)

(12)

(13)

2 仿真实验数据分析与研究

为验证本文系统的合理性与定位功能准确性，设置仿真实验。选择目标为电力巡检机器人，综合分析变电站实际环境，利用四轮移动式机器人，其功能指标如下：需具备防水性能，可全天候满足室外工作需求；安装有磁传感器，执行定时巡检操作；当电量不足时，自动寻找充电设备；搭载有图像采集功能的摄像头，并配有实时监控报警装置。主要性能指标为：可自由完成前进、退后和转弯等动作，最大制动距离小于0.4 m，机器人体积较小，轻便灵活。实验中其他仿真环境指标如表5所示。