一种基于定轨移动视觉设备的巡检机器人跟踪导航系统的制作方法

本发明属于移动机器人领域，特别涉及了一种巡检机器人跟踪导航系统。

背景技术：

我国是生产、制造大国，也是国民经济高速发展的国家，经济提升的同时，国家也越来越重视生产安全工作，研发用于代替人在危险的工作环境中进行日常安全巡检的特种机器人的行动计划已经开始。为了满足对供电质量日益提高的要求，变电站机器人巡视系统得以应用。变电站设备巡检机器人系统以自主或遥控的方式，在无人值守或少人值守的变电站对室外高压设备进行巡检，可及时发现异常现象，自动报警或进行预先设置好的故障处理，可以说起到减员增效的作用，能更快地推进变电站无人值守的进程。巡检机器人由此开始大力发展。

自主导航技术是巡检机器人领域中的关键技术之一。目前，巡检机器人自主导航技术主要有电磁导航技术、磁带导航技术、光学导航技术、激光导航技术、惯性导航技术和视觉导航技术等。电磁导航技术是较为传统的导引技术，需要事先在工作区域铺设导引线，安装成本较低，引导稳定，可操作性强，能够避免声光等的干扰，但导引线路径固定，不方便变更和扩展，在复杂路面、路径条件下难于实现；磁带导航技术的工作原理简单，灵活性好，能够方便地扩充或改变线路，但其容易受金属物质干扰，可靠性能低；光学导航技术与电磁导航技术相似，路线设置简单，灵活性较好，但其对环境要求较高，可靠性差，易被污染和磨损，同时定位精确度有待提高；激光导航技术的最大优势是可靠性高，但导航设备昂贵，设备的安装和更换较为复杂；惯性导航技术是一种不依赖于外部信息、不易受到干扰的自主式导航技术，不需要外部参照，适用于复杂的地理环境，抗干扰能力强，但是其控制性能和实时性较差；视觉导航技术是近些年新兴的一个技术，主要分为结构化路径导航和非结构化路径导航，结构化路径视觉导航已经发展到应用阶段，相对于结构化路径来说，视觉导航的最终发展研究目标是非结构化的、柔性化的路径视觉导航，即不再需要预先铺设路径，只通过巡检机器人所配置的摄像机，实现3d场景图像的实时处理，使得巡检机器人能够识别整个工作环境的地形信息，可以根据工作环境进行路径的柔性规划，这种功能的实现需要复杂而优良的算法、高效而低耗的处理器来支撑，是巡检机器人视觉导航研究的重点。视觉导航技术需要巡检机器人能过获取详细的工作环境信息，之后才能进行路径规划。然而在进行路径规划的过程中，往往需要布置的摄像头数量众多，在一个摄像头的视野范围之外就需要布置另一个摄像头来扩展环境信息，使机器人不至于“失明”。所以通过布置大量的固定摄像头来实现对图像的拼接与机器人的视觉导航，除了需要选择摄像头的布置位置，还要进行大量的布线，既费时又费力，成本也会根据巡检区域的扩大成倍增长，通过固定视觉传感器来进行目标导航的方法会有很大的局限性。

技术实现要素：

为了解决上述背景技术提出的技术问题，本发明旨在提供一种基于定轨移动视觉设备的巡检机器人跟踪导航系统，将定位移动机器人的摄像头数目减至一个，有利于降低成本。

为了实现上述技术目的，本发明的技术方案为：

一种基于定轨移动视觉设备的巡检机器人跟踪导航系统，包括机器人、巡检控制子系统、可移动视觉设备和固定滑轨，机器人、巡检控制子系统与可移动视觉设备之间通过无线方式进行数据交互；所述巡检控制子系统包括视觉跟踪模块、图像拼接模块和路径导航模块；所述可移动视觉设备包括运动装置、高清摄像头、无线收发单元和供电电池；所述固定滑轨沿机器人的巡检路线铺设，可移动视觉设备通过运动装置在固定滑轨上移动；可移动视觉设备首先沿巡检路线巡视一周，将采集到的环境图像经无线收发单元发送给巡检控制子系统，图像拼接模块将环境图像进行拼接处理，生成巡检路线的二维平面图，视觉跟踪模块从环境图像中识别出障碍物，并将障碍物信息传送给图像拼接模块，图像拼接模块将障碍物整合至二维平面图，并将整合了障碍物的二维平面图传送给路径导航模块，路径导航模块据此进行路径规划并将生成的路径指令发送给机器人，机器人按照接收到的路径指令行进，同时可移动视觉设备实时跟踪机器人，并将高清摄像头采集的跟踪图像发送给巡检控制子系统，视觉跟踪模块通过内置的跟踪算法生成跟踪指令并反馈给可移动视觉设备，从而实现可移动视觉设备对机器人的实时跟踪。

进一步地，所述机器人为三层结构，其中顶部为环境感知与通讯层，中部为基础控制层，底部为移动驱动层；环境感知与通讯层包括上壳、无线路由器、全景摄像头、信息显示屏、第一开关和第二开关，无线路由器和全景摄像头设置于上壳的上方，信息显示屏、第一开关和第二开关设置在上壳的侧面；基础控制层包括元件排布板以及设置在元件排布板上的主控制板、rs232-网口转换器、第一电源转换模块、第二电源转换模块、左侧电机驱动器、右侧电机驱动器和接线盘；移动驱动层包括底座、第一供电电池、第二供电电池、左侧电机、右侧电机、左侧履带轮和右侧履带轮，第一供电电池、第二供电电池、左侧电机和右侧电机设置于底座的内部，左侧履带轮和右侧履带轮设置在底座的左右两侧；左侧履带轮和右侧履带轮分别对应连接左侧电机和右侧电机的输出轴，左侧电机驱动器和右侧电机驱动器分别对应连接左侧电机和右侧电机的驱动端，第一开关和第二开关分别接入第一供电电池和第二供电电池的输出端，第一供电电池经第一电源转换模块为左侧电机驱动器、右侧电机驱动器、无线路由器和全景摄像头供电，第二供电电池经第二电源转换模块为主控制板、信息显示屏和rs232-网口转换器供电，信息显示屏用于显示第一供电电池和第二供电电池的电量，主控制板经rs232-网口转换器与无线路由器、全景摄像头相连，各器件之间的线路在接线盘上连接。

进一步地，所述固定滑轨设有分轨，分轨延伸至充电桩，当可移动视觉设备中的供电电池电量低于预设阈值时，自动切断与机器人的跟踪关系，经由分轨移至充电桩充电，并分配另一电量充裕的可移动视觉设备移至对应的机器人处进行跟踪。

进一步地，所述路径导航模块采用基于细菌觅食算法的蚁群算法进行路径规划。

进一步地，将传入路径导航模块的二维平面图进行栅格化，蚁群算法的路径选择规则如下：

上式中，为目标函数，即t时刻蚂蚁s在栅格vi与vj间的运动信息，为蚂蚁s在栅格vi时下一步所有可移动方向的集合，vs为蚂蚁s所在栅格，τij(t)为t时刻栅格vi与vj间残留的信息素，τis为栅格vi与vs间残留的信息素，α为信息启发因子，ηij(t)为t时刻栅格vi与vj间的期望启发函数，dij为栅格vi与vj间的距离，ηis为栅格vi与vs间的期望启发函数，β为期望启发因子；

设ρ为信息挥发系数，0≤ρ≤1，t+δt时刻栅格vi与vj间残留的信息素更新规则如下：

τij(t+δt)＝(1-ρ)·τ(t)+δτij(t)

上式中，τ(t)为t时刻第s只蚂蚁留下的信息，为第s只蚂蚁在本次循环中留在栅格vi与vj之间的信息，s为蚁群中蚂蚁总数；采用ant-cycle模型：

上式中，q为信息素强度，ls为第s只蚂蚁在本次循环中所走过的路径的总长度，paths为第s只蚂蚁在本次循环中从起点到终点所走过的栅格的集合；

将蚁群算法中相互耦合的任意一组参数αi、βi、ρi和qi映射至一个四维数组上，将其看作一个细菌个体pi＝(αi,βi,ρi,qi)^t，上标t表示转置，细菌群体p＝{p1,p2,…,pn}；

定义细菌觅食算法的适应度函数：

f(pi)＝length(pathi)

上式中，pathi为细菌个体pi下机器人的路径集合，pathi∈path；path为细菌群体p组成路径的集合；length(*)表示路径长度；

细菌觅食算法包括趋化算子繁殖算子和迁徙算子三个参数，依次执行这三个参数；

首先，将细菌觅食算法所需的第m代n维细菌种群p(m)＝[p1(m),p2(m),...,pn(m)]^t的趋化算子定义为：

按照下式进行调整：

上式中，pi(m)＝pi(m,j,k,l)表示当前细菌个体，其中j表示细菌个体的第j次趋化算子，k表示细菌个体第k次繁殖算子，l表示细菌个体第l次迁徙算子，step表示细菌个体每次前进的步长，φ(i)表示细菌个体随机翻滚的方向，prand(m,j,k,l)表示当前细菌个体邻域内随机位置的细菌个体；

其次，将细菌觅食算法第m代n维细菌种群p(m)＝[p1(m),p2(m),...,pn(m)]^t的繁殖算子定义为：

执行完趋化算子后细菌群体的适应度值

以为标准，划分出适应度值较坏的半数细菌群体和适应度值较好的半数细菌群体且使适应度值较坏的半数细菌群体死亡、适应度值较好的半数细菌群体分裂成两个子细菌群体，得到即

最后，将细菌觅食算法第m代n维细菌种群p(m)＝[p1(m),p2(m),...,pn(m)]^t的迁徙算子定义为：

设细菌个体死亡的概率为pe，rand表示0-1之间的随机数，如果rand<pe，细菌个体死亡，且使prand(m)为随机生成的新的细菌个体。

采用上述技术方案带来的有益效果：

本发明克服了现有技术中存在的不足，将定位移动巡检机器人的摄像头数目减至一个，做到“专机专用”，在固定轨道上跟踪机器人。对于固定巡检路线的厂区来说，能够有效地减少摄像头数目，有利于降低成本，提高巡检机器人的自动化与智能化。

附图说明

图1为本发明整体示意图；

图2为本发明机器人等轴侧图；

图3为本发明机器人爆炸示意图；

图4为本发明可移动视觉设备等轴侧图；

图5为本发明巡检轨道布置示意图；

图6为本发明巡检控制子系统框架图；

图7为本发明路径导航算法与现有导航算法效果对比图，其中(a)为ga算法、(b)为pos算法、(c)为acbfa算法。

具体实施方式

以下将结合附图，对本发明的技术方案进行详细说明。

如图1-4所示，一种基于定轨移动视觉设备的巡检机器人跟踪导航系统，包括机器人1、巡检控制子系统5、可移动视觉设备2和固定滑轨3，机器人1、巡检控制子系统5与可移动视觉设备2之间通过无线方式进行数据交互，巡检控制子系统5通过无线路由器6与外界通信。可移动视觉设备2、固定滑轨3和工作场所4构成系统工作空间。可移动视觉设备2包括运动装置23、高清摄像头22、无线收发单元24和供电电池21。固定滑轨3沿机器人1的巡检路线铺设，可移动视觉设备2通过运动装置在固定滑轨3上移动。

机器人1为三层结构，其中顶部为环境感知与通讯层，中部为基础控制层，底部为移动驱动层。环境感知与通讯层包括上壳15、无线路由器13、全景摄像头14、信息显示屏16、第一开关11和第二开关12，无线路由器13和全景摄像头14设置于上壳15的上方，信息显示屏16、第一开关11和第二开关12设置在上壳15的侧面。基础控制层包括元件排布板112以及设置在元件排布板112上的主控制板17、第一电源转换模块110、第二电源转换模块111、左侧电机驱动器113、右侧电机驱动器114和接线盘19。移动驱动层包括底座119、第一供电电池115、第二供电电池116、左侧电机117、右侧电机118、左侧履带轮和右侧履带轮120，第一供电电池115、第二供电电池116、左侧电机117和右侧电机118设置于底座119的内部，左侧履带轮和右侧履带轮120设置在底座119的左右两侧；左侧履带轮和右侧履带轮120分别对应连接左侧电机117和右侧电机118的输出轴，左侧电机驱动器113和右侧电机驱动器114分别对应连接左侧电机117和右侧电机118的驱动端，第一开关11和第二开关12分别接入第一供电电池115和第二供电电池116的输出端，第一供电电池115经第一电源转换模块110为左侧电机驱动器113、右侧电机驱动器114、无线路由器13和全景摄像头14供电，第二供电电池116经第二电源转换模块111为主控制板17、信息显示屏16和rs232-网口转换器18供电，信息显示屏16用于显示第一供电电池115和第二供电电池116的电量，主控制板17经rs232-网口转换器18与无线路由器13、全景摄像头14相连，各器件之间的线路在接线盘19上连接。

固定滑轨3设有分轨，分轨延伸至充电桩，当可移动视觉设备中的供电电池电量低于预设阈值时，自动切断与机器人的跟踪关系，经由分轨移至充电桩充电，并分配另一电量充裕的可移动视觉设备移至对应的机器人处进行跟踪。

如图5所示，固定滑轨3围绕厂区巡检路线呈环形布置，其中a区域为图1示意工作区域等轴侧图；b区为可移动视觉设备2充电区域，在此区域内，对电量不足的移动视觉设备进行充电，并安排已充满电的设备进入工作轨道。

如图6所示，巡检控制子系统5包括视觉跟踪模块、图像拼接模块和路径导航模块。可移动视觉设备2首先沿巡检路线巡视一周，将采集到的环境图像经无线收发单元发送给巡检控制子系统5，图像拼接模块将环境图像进行拼接处理，生成巡检路线的二维平面图，视觉跟踪模块从环境图像中识别出障碍物7，并将障碍物信息传送给图像拼接模块，图像拼接模块将障碍物整合至二维平面图，并将整合了障碍物的二维平面图传送给路径导航模块，路径导航模块据此进行路径规划并将生成的路径指令发送给机器人1，机器人1按照接收到的路径指令行进，同时可移动视觉设备2实时跟踪机器人1，并将高清摄像头采集的跟踪图像发送给巡检控制子系统5，视觉跟踪模块通过内置的跟踪算法生成跟踪指令并反馈给可移动视觉设备2，从而实现可移动视觉设备2对机器人1的实时跟踪。

路径导航模块采用基于细菌觅食算法的蚁群算法acbfa(antcolonyforagingalgorithmbasedonbacterialforagingalgorithm)进行路径规划。

将传入路径导航模块的二维平面图进行栅格化，蚁群算法的路径选择规则如下：

上式中，为目标函数，即t时刻蚂蚁s在栅格vi与vj间的运动信息，为蚂蚁s在栅格vi时下一步所有可移动方向的集合，vs为蚂蚁s所在栅格，τij(t)为t时刻栅格vi与vj间残留的信息素，τis为栅格vi与vs间残留的信息素，α为信息启发因子，ηij(t)为t时刻栅格vi与vj间的期望启发函数，dij为栅格vi与vj间的距离，ηis为栅格vi与vs间的期望启发函数，β为期望启发因子。

设ρ为信息挥发系数，0≤ρ≤1，t+δt时刻栅格vi与vj间残留的信息素更新规则如下：

τij(t+δt)＝(1-ρ)·τ(t)+δτij(t)

上式中，τ(t)为t时刻第s只蚂蚁留下的信息，为第s只蚂蚁在本次循环中留在栅格vi与vj之间的信息，s为蚁群中蚂蚁总数；采用ant-cycle模型：

上式中，q为信息素强度，ls为第s只蚂蚁在本次循环中所走过的路径的总长度，paths为第s只蚂蚁在本次循环中从起点到终点所走过的栅格的集合。

将蚁群算法中相互耦合的任意一组参数αi、βi、ρi和qi映射至一个四维数组上，将其看作一个细菌个体pi＝(αi,βi,ρi,qi)^t，上标t表示转置，细菌群体p＝{p1,p2,…,pn}；

定义细菌觅食算法的适应度函数：

f(pi)＝length(pathi)

上式中，pathi为细菌个体pi下机器人的路径集合，pathi∈path；path为细菌群体p组成路径的集合；length(*)表示路径长度。

细菌觅食算法包括趋化算子繁殖算子和迁徙算子三个参数，依次执行这三个参数。

首先，将细菌觅食算法所需的第m代n维细菌种群p(m)＝[p1(m),p2(m),...,pn(m)]^t的趋化算子定义为：

按照下式进行调整：

上式中，pi(m)＝pi(m,j,k,l)表示当前细菌个体，其中j表示细菌个体的第j次趋化算子，k表示细菌个体第k次繁殖算子，l表示细菌个体第l次迁徙算子，step表示细菌个体每次前进的步长，φ(i)表示细菌个体随机翻滚的方向，prand(m,j,k,l)表示当前细菌个体邻域内随机位置的细菌个体。

在趋化算子中，细菌个体的运动模式包括翻转和前进。细菌个体向任意方向移动单位步长的动作定义为翻转，当所有细菌个体pi(m)执行完一次翻转后，即细菌群体有若细菌个体pi(m)的适应度值没有得到改善，即：则跳出循环；若细菌个体pi(m)的适应度值得到改善，即：则种群个体pi(m)向此方向继续移动若干步，直到种群个体pi(m)的适应度值不再改善或达到最大的移动步数为止，此过程定义为前进动作。

其次，将细菌觅食算法第m代n维细菌种群p(m)＝[p1(m),p2(m),...,pn(m)]^t的繁殖算子定义为：

执行完趋化算子后细菌群体的适应度值

以为标准，划分出适应度值较坏的半数细菌群体和适应度值较好的半数细菌群体且使适应度值较坏的半数细菌群体死亡、适应度值较好的半数细菌群体分裂成两个子细菌群体，得到即

最后，将细菌觅食算法第m代n维细菌种群p(m)＝[p1(m),p2(m),...,pn(m)]^t的迁徙算子定义为：

设细菌个体死亡的概率为pe，rand表示0-1之间的随机数，如果rand<pe，细菌个体死亡，且使prand(m)为随机生成的新的细菌个体。

趋化算子、繁殖算子、迁徙算子三者的关系如下：

趋化算子为细菌觅食算法的核心部分，决定着细菌搜寻食物源时位置的改变方式，并对细菌能否找到食物源起决定作用，对算法的收敛性和算法的优劣有极其重要的影响。繁殖算子保证了细菌种群总体优良性能的提高，使得群体向着最优的方向移动，有利于达到全局最优。迁徙算子产生的新个体与灭亡的个体一般具有不同的位置，对趋化算子可能产生一定的促进作用，因为迁徙算子随机生成的新个体可能更逼近食物源区域，这样更有利于趋化算子跳出局部最优解和寻找全局最优解。

如图7所示，可移动视觉设备2将工作场所4进行二维地图构建后，对地图内信息进行栅格化处理，将路径导航地图分割为结构化栅格，将障碍物7标识为黑色栅格，无障碍地面表示为白色栅格，将机器人作为在白色栅格中行走的一只“蚂蚁”，并基于细菌觅食的蚁群算法acbfa进行最优路径的规划与选取。图7显示了acbfa的路径规划效果要好于其余两种路径规划算法(ga、pos)。

实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。