一种车底巡检机器人辅助定位方法技术

本发明专利技术公开了一种车底巡检机器人辅助定位方法，涉及机器人辅助定位的技术领域，首先将降噪处理后的车底数据与构建的指定零部件的数据特征进行比对，确定车底数据包括指定零部件数据；然后向车底巡检机器人返回指定零部件的位置调整信号，并根据车底数据与车底巡检机器人提供的空间坐标的映射关系，计算位于车底的指定零部件的空间坐标；最后根据车底巡检机器人自身所在位置的空间坐标和位于车底的指定零部件的空间坐标确定车底巡检机器人的位置调整偏移量；本发明专利技术，不依赖于固定路标标识的识别，灵活方便，且维护成本相对低廉，还不受外界环境影响，更适合于地铁车底巡检业务实际情况。际情况。际情况。

【技术实现步骤摘要】
一种车底巡检机器人辅助定位方法


[0001]本专利技术涉及机器人辅助定位的
，具体涉及一种车底巡检机器人辅助定位方法。

技术介绍

[0002]本节中的陈述仅提供与本公开相关的背景信息，并且可能不构成现有技术。
[0003]地铁车底巡检机器人根据规划路径抵达地铁车底检修坑道后，沿着既定巡检方向行驶；经过转向架和贯通道等指定作业位置后，机器人需要通过辅助定位再次确认作业位置的坐标点。
[0004]目前，现有的辅助定位技术主要是基于路标标识，该技术在AGV机器人所处环境中的特征点位上安装若干路标标识，AGV机器人利用传感器对路标标识的测量计算出自身位姿；此方法依赖于环境中的路标标识，实际定位精度的高低主要取决于对路标标识的准确辨识以及对环境位置信息提取的准确快速程度。
[0005]现有技术的缺点在于安装和维护成本较高，且当外界环境动态改变时，传感器检测存在盲点；其次，该技术在地铁车底巡检作业场景中，由于车辆空间界限的限制，在车底安装路标标识装置不符合业务实际。

技术实现思路

[0006]本专利技术的目的在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车底巡检机器人辅助定位方法，其特征在于，包括：将降噪处理后的车底数据与构建的指定零部件的数据特征进行比对，确定车底数据包括指定零部件数据；向车底巡检机器人返回指定零部件的位置调整信号，并根据车底数据与车底巡检机器人提供的空间坐标的映射关系，计算位于车底的指定零部件的空间坐标；根据车底巡检机器人自身所在位置的空间坐标和位于车底的指定零部件的空间坐标确定车底巡检机器人的位置调整偏移量。2.根据权利要求1所述的一种车底巡检机器人辅助定位方法，其特征在于，所述车底数据包括：通过激光传感器获取的车底波形数据；所述降噪处理包括：利用聚类算法或滤波算法对车底波形数据进行降噪处理；或/和所述车底数据包括：通过线扫模块获取的车底图像数据；所述降噪处理包括：利用滤波算法对线扫模块获取的车底图像数据进行降噪处理。3.根据权利要求2所述的一种车底巡检机器人辅助定位方法，其特征在于，所述指定零部件的数据特征通过直接法构建；所述直接法构建包括：构建指定零部件的特征向量B；所述特征向量B为波形特征向量B1或/和图像特征向量B2。4.根据权利要求2所述的一种车底巡检机器人辅助定位方法，其特征在于，所述指定零部件的数据特征通过深度学习建模构建；所述深度学习建模构建包括：对指定零部件对应的大量数据进行降噪处理，所述数据为波形数据或/和图像数据；根据降噪处理后的数据，利用深度学习模型构建指定零部件的判别模型；所述判别模型为波形判别模型或/和图像判别模型。5.根据权利要求3所述的一种车底巡检机器人辅助定位方法，其特征在于，所述比对采用直接法比对；所述直接法比对，包括：提取车底数据的特征向量A；所述特征向量A为波形特征向量A1或/和图像特征向量A2；所述特征向量A与特征向量B种类保持一致；计算特征向量A与特征向量B的余弦相似度；如果余弦相似度大于或等于阈值s0，则车底数据包括指定零部件数据；如果余弦相似度小于阈值s0，则车底数据不包括指定零部件数据，需重新获取新的车底数据。6.根据权利要求4所述的一种车底巡检机器人辅助定位方法，其特征在于，所述比对采用深度学习判别法比对；所述深度学习判别法比对，包括：利用判别模型对车底数据进行判别预测，输出车底数据包括指定零部件数据的概率P；如果概率P大于或等于阈值P0，则车底数据包括指定零部件数据；如果概率P小于阈值P0，则车底数据不包括指定零部件数据，需重新获取新的车底数据。7.根据权利要求2所述的一种车底巡检机器人辅助定位方法，其特征在于，所述映射关

【专利技术属性】
技术研发人员：占栋，黄瀚韬，张金鑫，李文宝，王云龙，
申请(专利权)人：成都唐源电气股份有限公司，
类型：发明
国别省市：