一种列车巡检机器人的复合定位方法及其系统技术方案

本发明专利技术公开了一种列车巡检机器人的复合定位方法及其系统，包括：通过对列车的车底进行预扫描，构建车底的三维模型模板及本地地图；通过对列车的车底进行实时扫描，获取实时三维数据并构建当前地图；基于实时三维数据和三维模型模板进行特征匹配生成姿态预测结果，并基于实时三维数据和历史三维数据进行匹配生成跟踪局部地图结果；基于姿态预测结果和局部地图结果确定实时三维数据是否为关键帧；若实时三维数据为关键帧，则基于实时三维数据更新当前地图，基于当前地图生成巡检机器人相较于列车车底的相对位置，实现了巡检机器人的准确定位，解决了传统的巡检机器人相较于待检测列车的定位方法存在的定位精度差、可靠性差的问题。问题。问题。

【技术实现步骤摘要】
一种列车巡检机器人的复合定位方法及其系统


[0001]本专利技术涉及列车巡检机器人
，具体涉及一种列车巡检机器人的复合定位方法及其系统。

技术介绍

[0002]在停车库内的列车的自动化检修作业流程中，由于列车的停靠位置并不总是在同一位置，而是在一个停车范围内，因此巡检机器人相较于列车的定位直接影响到检修流程是否能顺畅运行以及检修的精度。
[0003]由于列车停靠位置不固定，车厢间的距离是允许一定弹性变化的，因此目前运用在列车自动化检修作业流程中主要以确定车轴位置的方式来定位巡检机器人相较于列车位置及每节车厢的具体位置。定轴方法以激光居多，主要为点激光：利用激光距离的变化，在竖直点激光和侧面点激光同时检测到有类似车轴（理论上是半圆曲线）及车轮（出现在侧面点激光的测距范围内）的变化时可以检测到车轴，这种方式的部署速度快，但是容易受到地沟环境、车轴新旧（新车轴的反光性会严重影响激光的效果）及车底其它部件，尤其是车底线缆以及其它与车轮同平面的部件（如ATC天线）的影响。
[0004]综上所述，传统的巡检机器人相较于待检测列车的定位方法存在定位精度差、可靠性差的问题。

技术实现思路

[0005]有鉴于此，本专利技术提供一种列车巡检机器人的复合定位方法，通过改进巡检机器人数据采集方式及其对应的数据处理方法，解决了传统的巡检机器人相较于待检测列车的定位方法存在的定位精度差、可靠性差的问题。
[0006]为解决以上问题，本专利技术的技术方案为采用一种列车巡检机器人的复合定位方法，包括：基于巡检机器人的三维视觉模块对列车的车底进行预扫描，构建车底的三维模型模板及本地地图；基于巡检机器人的三维视觉模块对列车的车底进行实时扫描，获取实时三维数据并构建当前地图；基于所述实时三维数据和所述三维模型模板进行特征匹配生成姿态预测结果，并基于实时三维数据和历史三维数据进行匹配生成跟踪局部地图结果，其中，所述历史三维数据为对车底进行实时扫描时，获取到的所述实时三维数据的前n帧数据，n为预设值；基于所述姿态预测结果和所述局部地图结果确定所述实时三维数据是否为关键帧；若所述实时三维数据为关键帧，则基于所述实时三维数据更新所述当前地图，基于所述当前地图进行坐标变换后生成所述巡检机器人相较于所述列车车底的相对位置。
[0007]可选地，基于所述实时三维数据更新所述当前地图，包括：判定所述实时三维数据是否归属于所述当前地图中的最接近地图点，若否，基于所述实时三维数据创建新地图点，并基于SLAM局部捆集调整方法剔除所述当前地图中的多余关键帧后；对所述当前地图中的剩余关键帧进行闭环探测和闭环校正后，基于局部捆集全调整方法更新所述当前地图。
[0008]可选地，基于所述实时三维数据和所述三维模型模板进行特征匹配生成姿态预测
结果，包括：基于所述实时三维数据提取实时特征的描述子；基于所述实时特征的描述子和所述三维模型模板包含的模板特征的描述子进行特征匹配生成姿态预测结果。
[0009]可选地，基于巡检机器人的三维视觉模块对列车的车底进行预扫描，构建车底的三维模型模板，包括：对列车的车底进行预扫描后，得到初始的所述三维模型模板；对初始的所述三维模型模板进行去噪、滤波后，基于FAST算法提取所述三维模型模板中的关键点；通过Harris角点检测器将关键点进行等级排序，提取前n个点作为特征点并构成模板特征，其中，n为预设值；对预扫描得到的初始图像重复下采样得到多层图像并构成图像金字塔，对所述图像金字塔中的每层图像进行FAST角点检测得到每层图像的角点；基于灰度质心法进行计算每个所述特征点的主方向后，基于每个所述特征点的主方向和每层图像的角点计算模板特征的描述子。
[0010]可选地，基于所述实时三维数据提取实时特征的描述子，包括：对所述实时三维数据进行去噪、滤波后，基于FAST算法提取所述实时三维数据中的关键点；通过Harris角点检测器将关键点进行等级排序，提取前n个点作为特征点并构成模板特征，其中，n为预设值；对三维视觉模块实时采集的初始图像重复下采样得到多层图像并构成图像金字塔，对所述图像金字塔中的每层图像进行FAST角点检测得到每层图像的角点；基于灰度质心法进行计算每个所述特征点的主方向后，基于每个所述特征点的主方向和每层图像的角点计算实时特征的描述子。
[0011]可选地，基于所述实时特征的描述子和所述三维模型模板包含的模板特征的描述子进行特征匹配，生成姿态预测结果，包括：基于所述实时特征的描述子和所述三维模型模板包含的模板特征的描述子之间的汉明距离进行特征匹配并生成姿态预测结果。
[0012]可选地，所述复合定位方法还包括：基于所述当前地图进行坐标变换后生成所述巡检机器人相较于所述列车车底的相对位置后，基于预设的三维视觉模块相较于巡检机器人的安装位置信息和位姿信息，校正所述相对位置。
[0013]相应地，本专利技术提供，一种列车巡检机器人的复合定位系统，包括：巡检机器人，用于搭载三维视觉模块并移动；所述三维视觉模块，用于对列车的车底进行扫描；数据处理单元，用于在所述三维视觉模块对列车的车底进行预扫描时，构建车底的三维模型模板及本地地图；在三维视觉模块对列车的车底进行实时扫描，获取实时三维数据并构建当前地图后，基于所述实时三维数据和所述三维模型模板进行特征匹配生成姿态预测结果，并基于实时三维数据和历史三维数据进行匹配生成跟踪局部地图结果，基于所述姿态预测结果和所述局部地图结果确定所述实时三维数据是否为关键帧，若所述实时三维数据为关键帧，则基于所述实时三维数据更新所述当前地图，基于所述当前地图进行坐标变换后生成所述巡检机器人相较于所述列车车底的相对位置。
[0014]可选地，所述复合定位系统还包括数据存储单元，用于存储三维模型模板及所述三维模型模板包含的模板特征的描述子。
[0015]本专利技术的首要改进之处为提供的一种列车巡检机器人的复合定位方法，通过对车底进行三维扫描，构建车底的三维模型模板后，巡检机器人在地沟中行进时，实时扫描车底获取实时三维数据后，若判定所述实时三维数据为关键帧，则基于所述实时三维数据更新所述当前地图后，基于所述当前地图进行坐标变换后生成所述巡检机器人相较于所述列车车底的相对位置，实现巡检机器人相较于列车车底的准确定位，解决了传统的巡检机器人
相较于待检测列车的定位方法存在的定位精度差、可靠性差的问题。
附图说明
[0016]图1是本专利技术的列车巡检机器人的复合定位方法的简化流程图；图2是本专利技术的列车巡检机器人的复合定位系统的简化单元连接图。
具体实施方式
[0017]为了使本领域的技术人员更好地理解本专利技术的技术方案，下面结合附图和具体实施例对本专利技术作进一步的详细说明。
[0018]如图1所示，一种列车巡检机器人的复合定位方法，包括：S1：基于巡检机器人的三维视觉模块对列车的车底进行预扫描，构建车底的三维模型模板及本地地图。
[0019]进一步的，基于巡检机器人的三维视觉模块对列车的车底进行预扫描，构建车底的三维模型模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种列车巡检机器人的复合定位方法，其特征在于，包括：基于巡检机器人的三维视觉模块对列车的车底进行预扫描，构建车底的三维模型模板及本地地图；基于巡检机器人的三维视觉模块对列车的车底进行实时扫描，获取实时三维数据并构建当前地图；基于所述实时三维数据和所述三维模型模板进行特征匹配生成姿态预测结果，并基于实时三维数据和历史三维数据进行匹配生成跟踪局部地图结果，其中，所述历史三维数据为对车底进行实时扫描时，获取到的所述实时三维数据的前n帧数据，n为预设值；基于所述姿态预测结果和所述局部地图结果确定所述实时三维数据是否为关键帧；若所述实时三维数据为关键帧，则基于所述实时三维数据更新所述当前地图，基于所述当前地图进行坐标变换后生成所述巡检机器人相较于所述列车车底的相对位置。2.根据权利要求1所述的列车巡检机器人的复合定位方法，其特征在于，基于所述实时三维数据更新所述当前地图，包括：判定所述实时三维数据是否归属于所述当前地图中的最接近地图点，若否，基于所述实时三维数据创建新地图点，并基于SLAM局部捆集调整方法剔除所述当前地图中的多余关键帧后；对所述当前地图中的剩余关键帧进行闭环探测和闭环校正后，基于局部捆集全调整方法更新所述当前地图。3.根据权利要求1所述的列车巡检机器人的复合定位方法，其特征在于，基于所述实时三维数据和所述三维模型模板进行特征匹配生成姿态预测结果，包括：基于所述实时三维数据提取实时特征的描述子；基于所述实时特征的描述子和所述三维模型模板包含的模板特征的描述子进行特征匹配生成姿态预测结果。4.根据权利要求1所述的列车巡检机器人的复合定位方法，其特征在于，基于巡检机器人的三维视觉模块对列车的车底进行预扫描，构建车底的三维模型模板，包括：对列车的车底进行预扫描后，得到初始的所述三维模型模板；对初始的所述三维模型模板进行去噪、滤波后，基于FAST算法提取所述三维模型模板中的关键点；通过Harris角点检测器将关键点进行等级排序，提取前n个点作为特征点并构成模板特征，其中，n为预设值；对预扫描得到的初始图像重复下采样得到多层图像并构成图像金字塔，对所述图像金字塔中的每层图像进行FAST角点检测得到每层图像的角点；基于灰度质心法进行计算每个所述特征点的主方向后，基于每个所述特征点的主方向和每层图像的角点计算模板特征...

【专利技术属性】
技术研发人员：杨凯，梁斌，高春良，谢利明，
申请(专利权)人：成都盛锴科技有限公司，
类型：发明
国别省市：