基于电池板特性的轨道机器人倾斜角度检测方法技术

本发明专利技术提供了一种基于电池板特性的轨道机器人倾斜角度检测方法。采集待拼接图像并拼接得到电池板全景图。通过语义分割网络检测电池板各种区域，输出语义分割图并获取第一电池板内部图像。在第一电池板内部图像中截取机器人开始运行t内的图像得到第二电池板内部图像，检测第二电池板内部图像中相邻像素列之间的相似性并判断像素列是否为栅线一侧像素列，得到相邻栅线间隔d。根据第一电池板内部图像中待检测列L

【技术实现步骤摘要】
基于电池板特性的轨道机器人倾斜角度检测方法
本申请涉及机器视觉领域，具体涉及一种基于电池板特性的轨道机器人倾斜角度检测方法。
技术介绍
当轨道式机器人在电池板轨道上行走时，因为两端轮子受到摩擦力不同等，造成两端行程不一致，从而导致机器人发生倾斜，如果不及时调整机器人位姿，会导致机器人卡死，对机器人造成损坏。而且机器人卡死后长时间遮挡电池板也会对电池板造成损坏，所以有必要检测轨道机器人倾斜并及时纠正机器人位姿。现有技术对轨道机器人偏斜的检测，一般是通过加速度传感器、磁场传感器来检测机器人的位姿，判断是否发生偏斜。但传感器成本过较高，且获取机器人位姿的计算量过大，系统成本较高，传感器的维护成本较高。
技术实现思路
针对以上问题，本专利技术提供了一种基于电池板特性的轨道机器人倾斜角度检测方法。采集待拼接图像并拼接得到电池板全景图。通过语义分割网络检测电池板各种区域，输出语义分割图并获取第一电池板内部图像。在第一电池板内部图像中截取机器人开始运行t内的图像得到第二电池板内部图像，检测第二电池板内部图像中相邻像素列之间的相似性并判断像素列是否为栅线一侧像素，得到相邻栅线间隔d。根据第一电池板内部图像中待检测列L1上像素的一致性判断待检测列处机器人是否发生倾斜；若待检测列处机器人发生倾斜，找到该待检测列中栅线像素的位置，计算其周围白色像素组成的直线的方程，并计算机器人两端的行程差。一种基于电池板特性的轨道机器人倾斜角度检测方法，其特征在于，该方法包括：步骤S1：在光伏电池板平面上建立直角坐标系，y轴与边框线重合且y轴正方向的向量在铅直方向的分量垂直于地面平面向上，x轴正方向与机器人移动方向相同；在机器人上设置相机周期性采集待拼接图像，根据相邻采样时刻之间相机的位移量，将待拼接图像拼接起来，得到电池板全景图；步骤S2:将电池板全景图输入语义分割网络，检测电池板内部区域、边框线和非电池板区域，输出语义分割图，并获取边框线内的第一电池板内部图像；步骤S3：设置机器人正常行驶时间t，在第一电池板内部图像中截取机器人开始运行t内的图像，得到第二电池板内部图像，检测第二电池板内部图像中相邻像素列之间的相似性，并判断像素列是否为栅线一侧像素列，得到相邻栅线间隔d；步骤S4：在第一电池板内部图像中找到待检测列L1，根据待检测列L1上像素的一致性判断待检测列处是否有倾斜栅线；若待检测列处有倾斜栅线，找到该待检测列中栅线像素的位置，计算其周围白色像素组成的直线L2的直线方程，并计算机器人两端的行程差。所述拼接待拼接图像的方法包括：一个采样时刻得到第一待拼接图像，下一采样时刻得到第二待拼接图像；采样周期t′为相邻采样时刻的间隔，将t′和相机的位移速度v相乘得到相邻采样时刻之间相机位移量对应的像素数量a；从第一待拼接图像中心开始往x轴反方向选取a列像素为第一待拼接像素组，从第二待拼接图像中心开始往x轴反方向选取a列像素为第二待拼接像素组；将第一待拼接像素组和第二待拼接像素组按顺序拼接起来。所述语义分割网络的训练方法为：选取若干张电池板全景图为数据集；人工对数据集进行标注，将属于边框线的像素标注为1，属于电池板内部区域的像素标注为2，非电池板区域像素标注为0；使用交叉熵损失函数进行训练。所述判断像素列是否为栅线一侧像素列的方法包括：C(K,K+1)为第K列和第K+1列像素之间的第一相似性指数，K、K+1为像素的x坐标，i为像素的y坐标，Ii，K是坐标(K，i)像素的像素值，Ii，K+1是坐标(K+1，i)像素的像素值，H为图像像素y坐标的上限，H′为图像像素y坐标的下限。设置经验相似性指数阈值m1，当C(K,K+1)＞m1时，判定第K+1列为栅线一侧的像素列；当C(K,K+1)≤m1时，判定第K+1列不是栅线一侧的像素列。所述得到相邻栅线间隔d的方法包括：将相似性指数C(K,K+1)按顺序排列，得到相似性指数序列[C(K,K+1)]；对[C(K,K+1)]进行二值化处理，当C(K,K+1)＞m1时，将序列中对应值设为1；当C(K,K+1)≤m1时，将序列中对应值设为0，得到二值序列；检测二值序列中相邻1的间隔d。所述找到待检测列的方法包括：x坐标在区间(c×d-n,c×d+n)内的像素列为待检测列，c为倍数，n为弹性范围。所述判断待检测列处是否有倾斜栅线的方法包括：S为L1上的像素的一致性指数，H为图像像素y坐标的上限，H′为图像像素y坐标的下限，j为像素y坐标，Ij为L1上y坐标为j像素的像素值，Ij+1为L1上y坐标为j+1像素的像素值。设置经验一致性指数阈值m2，当S＞m2时，判定待检测列处有倾斜栅线；当S≤m2时，判定待检测列处无倾斜栅线。所述计算机器人两端的行程差的方法包括：根据L2的直线方程获得L2的斜率q，获得电池板的实际高度D，机器人两端的行程差δ为当q大于0时，判定机器人的下端轮胎行程大于上端轮胎的行程；当q小于0时，判定机器人上端轮胎的行程大于下端轮胎的行程。本专利技术和现有技术相比有如下有益效果：(1)采用计算机视觉的方法来处理获取的图像，检测机器人是否发生倾斜，系统计算量小，成本较低。(2)以电池板边框线为参考，根据其平行线是否为栅线判断机器人是否发生偏斜，泛化性强，适用于多种场景。(3)根据机器人正常行驶时间t内相邻列像素的相似性，得出栅线间隔d，可以适应不同栅线间距的电池板，泛化能力强。附图说明图1为方法流程图。图2拼接原理示意图。图3为第二电池板内部图像。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。实施例一：本专利技术的主要目的是实现基于电池板特性的轨道机器人倾斜角度检测。为了实现本专利技术所述内容，本专利技术设计了一种基于电池板特性的轨道机器人倾斜角度检测方法，方法流程图如图1所示。步骤S1：本专利技术主要针对具有上下轮的轨道式光伏清洁机器人进行倾斜角度检测，在轨道机器人上设置相机，采集待拼接图像。相机朝向电池板，其光轴垂直于电池板所在平面，在光伏电池板平面上建立直角坐标系，y轴与边框线重合，且y轴正方向的向量在铅直方向的分量垂直于地面平面向上，x轴正方向本文档来自技高网...

【技术保护点】
1.一种基于电池板特性的轨道机器人倾斜角度检测方法，其特征在于，该方法包括：/n步骤S1：在光伏电池板平面上建立直角坐标系，y轴与边框线重合，x轴正方向与机器人移动方向相同；在机器人上设置相机周期性采集待拼接图像，根据相邻采样时刻之间相机的位移量，将待拼接图像拼接起来，得到电池板全景图；/n步骤S2：将电池板全景图输入语义分割网络，检测电池板内部区域、边框线和非电池板区域，输出语义分割图，并获取边框线内的第一电池板内部图像；/n步骤S3：设置机器人正常行驶时间t，在第一电池板内部图像中截取机器人开始运行t内的图像，得到第二电池板内部图像，检测第二电池板内部图像中相邻像素列之间的相似性，并判断像素列是否为栅线一侧像素列，得到相邻栅线间隔d；/n步骤S4：在第一电池板内部图像中找到待检测列L

【技术特征摘要】
1.一种基于电池板特性的轨道机器人倾斜角度检测方法，其特征在于，该方法包括：
步骤S1：在光伏电池板平面上建立直角坐标系，y轴与边框线重合，x轴正方向与机器人移动方向相同；在机器人上设置相机周期性采集待拼接图像，根据相邻采样时刻之间相机的位移量，将待拼接图像拼接起来，得到电池板全景图；
步骤S2：将电池板全景图输入语义分割网络，检测电池板内部区域、边框线和非电池板区域，输出语义分割图，并获取边框线内的第一电池板内部图像；
步骤S3：设置机器人正常行驶时间t，在第一电池板内部图像中截取机器人开始运行t内的图像，得到第二电池板内部图像，检测第二电池板内部图像中相邻像素列之间的相似性，并判断像素列是否为栅线一侧像素列，得到相邻栅线间隔d；
步骤S4：在第一电池板内部图像中找到待检测列L1，根据待检测列L1上像素的一致性判断待检测列处是否有倾斜栅线；若待检测列处有倾斜栅线，找到该待检测列中栅线像素的位置，计算其周围白色像素组成的直线L2的直线方程，并计算机器人两端的行程差。


2.如权利要求1所述的方法，其特征在于，所述将待拼接图像拼接起来的方法包括：
一个采样时刻得到第一待拼接图像，下一采样时刻得到第二待拼接图像；
采样周期t′为相邻采样时刻的间隔，将t′和相机的位移速度v相乘得到相邻采样时刻之间相机位移量对应的像素数量a；
从第一待拼接图像中心开始往x轴反方向选取a列像素为第一待拼接像素组，从第二待拼接图像中心开始往x轴反方向选取a列像素为第二待拼接像素组；
将第一待拼接像素组和第二待拼接像素组按顺序拼接起来。


3.如权利要求1所述的方法，其特征在于，所述语义分割网络的训练方法为：
选取若干张电池板全景图为数据集；
人工对数据集进行标注，将属于边框线的像素标注为1，属于电池板内部区域的像素标注为2，非电池板区域像素标注为0；
使用交叉熵损失函数进行训练。


4.如权利要求1所述的方法，其特征在于，所述判断像素...

【专利技术属性】
技术研发人员：刘灿灿，周美跃，
申请(专利权)人：刘灿灿，
类型：发明
国别省市：福建;35