一种基于VSLAM算法的高炉风口平台巡检机器人控制方法技术

本发明专利技术的目的在于提供一种基于VSLAM算法的高炉风口平台巡检机器人控制方法。本发明专利技术首先通过VSLAM算法精确的提取巡检场所内图像特征，通过这些特征不断建立和完善巡检场所模型。在接受巡检任务之后，规划巡检线路；到达指定巡检位置后，将实时采集的图像与建模图像进行特征匹配以保证定位精准，最后通过自身携带的摄像头、温度传感器、红外传感器、噪音探测器、可燃气体探测器采集相关数据，并传送至上位机软件对数据分析、处理、建立可视化数据。

【技术实现步骤摘要】
一种基于VSLAM算法的高炉风口平台巡检机器人控制方法
本专利技术属于计算机视觉与电气控制领域，具体涉及一种基于VSLAM算法的高炉风口平台巡检机器人控制方法。
技术介绍
高炉风口平台是炼铁高炉的重点区域，也是高炉炼铁生产安全管理的重点区域。高炉操作人员非常关注高炉风口回旋区的工作状态，并将其作为判断和控制高炉运行状况的重要依据之一。完成这项工作，主要靠人工巡检的方式进行。由于风口平台可能存在煤气的泄漏，人工巡检存在很大的安全隐患。随着科学技术的飞速发展，巡检机器人在各种领域中被广泛应用，替代或辅助人类进行各种巡检工作，尤其是在人类难以生存、环境恶劣、有害身体健康的环境，或者是一些安全事故频繁发生的场所。巡检机器人根据应用范围可以分为高压输电线路自主巡检机器人、矿用智能巡检机器人以及工业工厂巡检机器人等。根据形态，可以分为：轮式巡检机器人、履带式巡检机器人以及轨道式巡检机器人。我们常常通过主控室管控巡检机器人，使其按照预设或者临时设定的巡检工作，做巡检场所进行分时段、分区域的巡检，从而使得巡检工作更为全面、真实、可靠，有效避免人工巡检时发生的漏检、错误记录等人为因素干扰。同时巡检机器人可将采集到数据传送至上位机软件进行记录、处理、分析形成可视化数据，有效提高设备的数字化管理水平。目前VSLAM算法吸引了大量研究关注，VSLAM的核心方法是通过可见光波段的光学传感器(如摄像机、深度相机等)感知周围的环境，形成图像数据，对其进一步提取加工，通过结合场景的深度信息和相机运动估计，可以构建周围图像模型。在路径规划方面，可利用环境内的障碍物的识别以及视觉的路标分布，进行全局规划，再将路径规划结果送至处理器，最后发送驱动命令，实现导航。在特征匹配方面由于已经预先建立了完善的巡检地图，只需将需要匹配的图像与内存中的图像进行交叉比对匹配即可。综上VLSAM包含了计算机视觉、电气控制学等多科学的知识交叉，无疑是当前火热、先进的研究技术。本专利技术搭载的VSLAM算法能够获得更为丰富的图像、彩色颜色等相关信息，同时由于搭载的是带有深度信息的深度相机不仅价格低廉、轻巧便于安装，而且能够获得物体的深度信息，让捕获的场景看上不呆板，带有尺度信息，还能够大大简化巡检场所建模过程，此外面对工作环境的千变万化，更具有普适性。所以本专利技术采用基于VSLAM算法的高炉风口平台巡检机器人控制方法，既能够保证安全性和高效性，又能够克服传统高炉风口平台巡检所存在的一些问题和缺陷。
技术实现思路
目前广泛使用的搭载GPS的巡检机器人，虽然定位精度较高，应用范围较广，但是只能在信号较好的空旷室外工作，面对环境恶劣的场所就无法正常运行，极易丢失位置信息；基于激光雷达的巡检机器人，虽然传感信息可靠、具有较强的鲁棒性等优点，但在面对环境感知的高度重复或不可辨别时，会导致导航定位无法正常感知，而且其成本较高，采集的环境信息及特征较少。为了解决以上问题，本专利技术提供一种基于VSLAM算法的高炉风口平台巡检机器人控制方法。为了解决上述技术问题，本专利技术采用的技术方案如下：一种基于VSLAM算法的高炉风口平台巡检机器人控制方法，其特征在于，具体步骤如下：第一步：建立巡检地图：巡检机器人处于初始状态时位于主控室充电站上，启动机器人，自检、建立巡检地图，若图像中某个像素点的灰度值与其余的像素点相比有位突出，则将其设检测区域中心像素点P，被检测的像素点为I，检测范围是半径为3像素点的离散圆，共计16个像素点，设灰度阈值为T，若被检测像素点的灰度值[I-P]≥T，表明灰度值差异过大采样出错，否则将该像素点作为特征点建立在模型图中，通过不断采样、对比来建立高精度巡检地图。设巡检区域为D，定义D的矩为：mpq＝∑xpyqI(x，y)，p，q＝{0，1}；x，y∈D，其中xpyq为特征点p的邻域像素的矩，I(x，y)为点(x，y)处的灰度值。则巡检区域D的质心为：m10、m01、m00为区域D内关键节点坐标。所以做向量0为几何中心，C为质心，特征点与质心的夹角定义为确定区域方向后，开始进行采样区域中较亮的点，设采集n个特征点，xnyn表示特征点的集合，特征描述矩阵为A：将A旋转α角度得到旋转矩阵Rα，通过旋转矩阵来简化计算。其中解出Rα即可得出θ区域D中的特征点主方向，进而采集色彩灰度特征值，完成特征提取。第二步：路径规划：巡检场所建模完成之后，机器人开始进行巡检任务；不论何种方式机器人都需要自主建立路径规划以到达准确的巡检位置；采用最小二乘法的一元线性回归模型数学方法，设样本回归模型为：其中：Y表示因变量，X为自变量，ei为随机扰动项，为回归方程常数项。残差平方和为：其中：为因变量Yi的对应估计值。为求出符合回归模型的极值，对其求偏导即可，求出回归模型方程即可根据实际情况，规划下一刻的路径；该方法计算简单、估计值稳定且对异常值敏感，有效保证了路径精度。第三步：特征匹配：良好的特征匹配视觉算法不仅能应用于路径规划，还可在到达指定位置之后进行二次确定是否到达指定位置。设两张图的结构为G1＝(V1，E1)、G2＝(V2，E2)，V表示点集合，E表示边集合，节点个数为n1，n2，即|V1|＝n1，|V2|＝n2，通常情况下n1＝n2。分配矩阵是用来描述两个图的结构中构成对应节点间的映射关系，设分配矩阵为在其约束之下，最大化它的匹配值，匹配值函数表示为：其中ci，j、di，j，k，l分别表示，节点之间的相似性、边之间的相似性，Xi，j、Xk，l。表示节点之间的匹配关系。若分配矩阵中Xi，j＝1时，则表示G1中第i个节点与G2中第j个节点匹配，若Xi，j＝0时，则表示两个节点不相关。G1中应当至多且仅有1个节点与G2中的节点匹配，不存在也不允许存在一对多的情况出现。若直接进行G1＝(V1，E1)该点坐标对G2进行全局搜索匹配，计算工程量极大，对处理器要求较高，容易造成延迟和宕机。故设G1＝(V1，E1)，G2＝(V1+du，E1+dv)，其中表示像素位移，采用增量式算法进行特征匹配，可大大提高运算速度，降低运算负担、削减处理时间。其中：Vk，Ek表示G1图中第k个点的坐标。[Vk+du，E1+dv]表示G1中第k个点与G2中成对应关系点的坐标。需要找到的最小值，若要使得值最小，首先求偏导：G′1，u，G′1，v表示求解对像素进行求导解[du，dv]极值，即找到最小的像素位移，表示经过x次迭代后的像素位移。将上述式子化为控件梯度矩阵形式得：为最小二乘形式，可以从一个初值逐步进行迭代迭代x次误差为：其中表示经过x次迭代后的值。定义迭代误差的一个更新方向所以像素位移可表示为(C为代价矩阵)。当足够小时，迭代式exG(Vk，Ek)停止迭代，由此可得到像素相本文档来自技高网...

【技术保护点】
1.一种基于VSLAM算法的高炉风口平台巡检机器人控制方法，其特征在于，具体步骤如下：/n第一步：建立巡检地图：/n巡检机器人处于初始状态时位于主控室充电站上，启动机器人，自检、建立巡检地图，通过VSLAM算法提取巡检场所特征，若图像中某个像素点的灰度值与周围邻域足够多的像素点灰度值差别足够大，将其设检测区域中心像素点P，被检测的像素点为I，以3像素点为半径的离散圆共16个像素点形成检测范围，设灰度阈值为T，若被检测像素点的灰度值[I-P]≥T，表明采样出错重新采集，否则将该采样点建立在模型图中；/n第二步：路径规划：/n巡检场所建模完成之后，机器人开始进行巡检任务；/n不论何种方式机器人都需要自主建立路径规划以到达准确的巡检位置；/n采用最小二乘法的一元线性回归模型数学方法，/n设样本回归模型为：

【技术特征摘要】
1.一种基于VSLAM算法的高炉风口平台巡检机器人控制方法，其特征在于，具体步骤如下：
第一步：建立巡检地图：
巡检机器人处于初始状态时位于主控室充电站上，启动机器人，自检、建立巡检地图，通过VSLAM算法提取巡检场所特征，若图像中某个像素点的灰度值与周围邻域足够多的像素点灰度值差别足够大，将其设检测区域中心像素点P，被检测的像素点为I，以3像素点为半径的离散圆共16个像素点形成检测范围，设灰度阈值为T，若被检测像素点的灰度值[I-P]≥T，表明采样出错重新采集，否则将该采样点建立在模型图中；
第二步：路径规划：
巡检场所建模完成之后，机器人开始进行巡检任务；
不论何种方式机器人都需要自主建立路径规划以到达准确的巡检位置；
采用最小二乘法的一元线性回归模型数学方法，
设样本回归模型为：其中：Xi表示第i点的自变量，Yi表示与Xi相关的因变量，ei为随机扰动项，为回归方程常数项。
残差平方和为：为因变量Yi的对应估计值，有效说明了算法估计的路径。
为求出符合回归模型的极值，对其求偏导即可，求出回归模型方程即可根据实际情况，规划下一刻的路径；
第三步：特征匹配：
本发明基于VSLAM算法进行特征匹配可有效保证巡检线路、巡检位置的准确性。特征匹配可简单理解为两张在同一场景或相似场景下的图，它们具有某种相对应的关系，一般都为非线性关系。设两张图所相关的对应节点为；
G1＝(V1,E1)、G2＝(V1+du,E1+dv)，V表示点集合，E表示边集合，表示像素位移，节点个数为n1,n2，即|V1|＝n1,|V2|＝n2，通常情况下n1＝n2；



其中：Vk,Ek表示G1图中第k个点的坐标。Vk+du,E1+dv表示G1中第k个点与G2中成对应关系点的坐标。
为保证像素位移即增量最少，减小计算负担，对上式求偏导，然后经过...

【专利技术属性】
技术研发人员：胡兴柳，顾海华，方挺，司海飞，
申请(专利权)人：金陵科技学院，
类型：发明
国别省市：江苏;32