【技术实现步骤摘要】
本专利技术涉及多传感器数据融合，尤其涉及一种多传感器数据融合的智能巡检机器人导航方法及系统。
技术介绍
1、随着现代社会的发展，电力设备和电力系统已经成为了经济和社会发展的重要基础设施。为确保电力系统的稳定运行和安全，需要对电力设备进行定期巡检。传统的巡检方式需要大量的人力和时间，并且存在着一定的安全隐患，同时也无法全面覆盖所有的设备。而且电力系统中的一些设备如高压输电线路、变电站等存在着一定的危险性，对于巡检人员的身体素质和专业技能也有一定的要求。因此，足式机器人电力巡检应运而生。足式机器人电力巡检是指利用机器人技术和无人驾驶技术，对电力设备进行巡检和维护。其可以替代传统的人工巡检方式，提高巡检效率和精度，降低人工成本和巡检风险。足式机器人电力巡检的主要应用领域包括发电厂、变电站、输电线路和配电房等。机器人可以搭载各种传感器和摄像头，实时监测电力设备的运行状态和温度变化，及时发现设备的故障和异常。机器人还可以根据设备运行状态和维护历史数据，进行智能化的巡检和维护决策。同时，机器人可以自动地记录和上传巡检数据，方便后续的数据分析和管理。足式机器人电力巡检是电力设备维护和管理领域的一项创新技术，具有高校、精准、安全、可靠的特点。
2、随着巡检任务越来越复杂，变电站巡检机器人在执行巡检任务时所需要规划的路径就越复杂，也需要更高的精度，因此，仅通过单一传感器进行环境信息的获取，无法满足当前的任务需求。综上所述，亟待专利技术设计一种多传感器数据融合的智能巡检机器人导航方法，可以实现高精度的导航任务。
<
1、为了克服现有技术的不足，本专利技术提供了一种多传感器数据融合的智能巡检机器人导航方法及相关装置，实现了机器人基于多传感器数据融合精确定位导航，提高巡检效率和巡检安全，从而减少意外伤害的发生。
2、为了实现上述专利技术目的，本专利技术采用以下技术方案：
3、本申请第一方面提供了一种多传感器数据融合的智能巡检机器人导航方法，包括以下步骤：
4、s101、获取机器人gps数据信息、巡检周围环境图像数据信息、巡检周围环境三维点云数据信息和机器人实时位姿数据信息；
5、s102、基于巡检周围环境三维点云数据信息构建机器人里程计运动状态量，并联立构成运动状态的方程；
6、s103、基于机器人gps数据信息和机器人实时位姿数据信息进行数据融合处理，将数据融合处理结果作为机器人里程计运动状态量的约束条件，得到观测方程；
7、s104、基于运动方程和观测方程构建图优化状态估计模型，并进行优化处理，得到优化目标函数；
8、s105、基于优化目标函数得到初始值和增量，将初始值和增量进行多次迭代处理，以得到最优估计值。
9、进一步的，基于巡检周围环境三维点云数据信息，构建机器人里程计运动状态量包括以下步骤：
10、将巡检周围环境三维点云数据信息中的里程计t＝1,2,3……k时刻的状态，记为状态量x1,x2,x3……xk；
11、基于状态量x1,x2,x3……xk连起来构成机器人的运动轨迹；
12、将k-1时刻至k时刻的里程计运动测量记为u，并联立构成运动状态的方程，记为运动方程f(xk,uk)。
13、进一步的，基于机器人gps数据信息和机器人实时位姿数据信息进行数据融合处理，将数据融合处理结果作为机器人里程计运动状态量的约束条件，确定观测方程包括以下步骤：
14、基于ekf算法将rtk-gps单元和惯性测量单元构成组合导航系统；
15、基于机器人gps数据信息和机器人实时位姿数据信息进行数据融合处理，得到数据融合处理结果作为图优化的观测状态量yk；
16、将图优化的观测状态量yk作为机器人里程计运动状态量的约束条件，得到观测方程h(xk,yk)。
17、进一步的，基于运动方程和观测方程构建图优化状态估计模型，并进行优化处理，得到优化目标函数包括以下步骤：
18、基于运动方程和观测方程构建图优化状态估计模型，图优化状态估计模型的表达式如下所示：
19、xk+1＝f(xk,uk)+ωk；
20、
21、其中，xk+1为k+1时刻的状态量，f(xk,uk)为运动方程，为由状态量和观测量计算得到的参数，h(xk,yk)为观测方程，ωk为噪声项，νk为噪声项。
22、基于图优化状态估计模型进行最小噪声项的平方和计算处理；
23、基于最小噪声项的平方和计算处理结果确定误差平方和，并进行优化处理，得到优化目标函数，优化目标函数的表达式如下所示：
24、
25、其中，为优化的目标函数，为状态量误差向量，q为状态量方差矩阵，为输出量误差向量，r为输出量方差矩阵。
26、进一步的，基于优化目标函数得到初始值和增量，将初始值和增量进行多次迭代处理，以得到最优估计值包括以下步骤：
27、将优化目标函数转换为非线性最小乘二函数，其表达式如下所示：
28、
29、
30、其中，为优化的目标函数，ω＝diag(q,r)，xk为k时刻的状态量，yk为k时刻观测状态量，为由状态量和观测量计算得到的输出量，e(xk,，为定义的误差向量。
31、通过传感器的测量获得优化过程中的初始值，在初始值附近对误差项进行一阶泰勒展开，得到误差平方和函数，误差平方和函数的表达式如下所示：
32、
33、其中，e＝∑ek，h＝∑hk，过整理的目标函数呈线性增量方程形式，为了使上式取得最小，运动方程和观测方程的误差公式右侧对δx求导并令其为零，得到：δx为增量，h为海塞矩阵，j为雅可比矩阵。
34、基于初始值和增量δx进行多次迭代处理，直至增量δx满足要求，即通过多次迭代获得最优估计值。
35、本申请第二方面提供了一种多传感器数据融合的智能巡检机器人导航系统，包括：
36、机器人，用于固定安装rtk-gps单元、立体视觉传感器单元、三维固态激光雷达单元、惯性测量单元和处理器单元；
37、rtk-gps单元，用于获取机器人gps数据信息；
38、立体视觉传感器单元，用于获取巡检周围环境图像数据信息；
39、三维固态激光雷达单元，用于获取巡检周围环境三维点云数据信息；
40、惯性测量单元，用于获取机器人实时位姿数据信息；
41、处理器单元，用于基于巡检周围环境三维点云数据信息构建机器人里程计运动状态量，并联立构成运动状态的方程；
42、基于机器人gps数据信息和机器人实时位姿数据信息进行数据融合处理，将数据融合处理结果作为机器人里程计运动状态量的约束条件，得到观测方程；
43、基于运动方程和观测方程构建图优化状态估计模型，并进行优化处理，得到优化目标函数；
44、基于优化目标函数得到初本文档来自技高网...
【技术保护点】
1.一种多传感器数据融合的智能巡检机器人导航方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的多传感器数据融合的智能巡检机器人导航方法，其特征在于，所述基于巡检周围环境三维点云数据信息，构建机器人里程计运动状态量包括以下步骤：
3.根据权利要求1所述的多传感器数据融合的智能巡检机器人导航方法，其特征在于，所述基于机器人GPS数据信息和机器人实时位姿数据信息进行数据融合处理，将数据融合处理结果作为机器人里程计运动状态量的约束条件，确定观测方程包括以下步骤：
4.根据权利要求1所述的多传感器数据融合的智能巡检机器人导航方法，其特征在于，所述基于运动方程和观测方程构建图优化状态估计模型，并进行优化处理，得到优化目标函数包括以下步骤：
5.根据权利要求4所述的多传感器数据融合的智能巡检机器人导航方法，其特征在于，所述图优化状态估计模型的表达式如下所示：
6.根据权利要求4所述的多传感器数据融合的智能巡检机器人导航方法，其特征在于，所述优化目标函数的表达式如下所示：
7.根据权利要求1所述的多传感器数据融合的智
8.根据权利要求7所述的多传感器数据融合的智能巡检机器人导航方法，其特征在于，误差平方和函数的表达式如下所示：
9.一种多传感器数据融合的智能巡检机器人导航系统，用于实现权利要求1-8任意一项的多传感器数据融合的智能巡检机器人导航方法，其特征在于，包括：
10.根据权利要求9所述的多传感器数据融合的智能巡检机器人导航系统，其特征在于，所述机器人包括机器人机架、机器人背部顶盖、机器人右后腿、机器人右前腿、机器人左前腿和机器人左后腿；所述机器人背部顶盖安装在机器人机架的最上面，用来保护机器人机架内部的元器件，并且其上面还开有小孔用以走线进行其他元器件的连接；所述机器人右后腿、机器人右前腿、机器人左前腿、机器人左后腿具有相同的机械结构，并且其对于机器人机架均具有横向髋关节侧摆、纵向髋关节转动、膝关节转动三个自由度进行运动；RTK-GPS单元被固定在所述机器人背部顶盖上，用以实时接收基站与卫星发送的数据，实现机器人本体的定位；立体视觉传感器单元被固定在所述机器人机架最前上方，用以实现周围环境视觉信息的采集；三维固态激光雷达单元被固定镶嵌在所述机器人机架正前方，用以实现周围环境三维点云信息的采集；惯性测量单元被安装在所述机器人机架的内部，用以实现机器人本体实时位姿信息的采集；处理器单元被安装在所述机器人机架的内部，用以对各传感器采集到的数据进行处理，并完成相应算法的运行，实现机器人多传感器数据融合的定位导航功能。
...【技术特征摘要】
1.一种多传感器数据融合的智能巡检机器人导航方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的多传感器数据融合的智能巡检机器人导航方法，其特征在于，所述基于巡检周围环境三维点云数据信息，构建机器人里程计运动状态量包括以下步骤：
3.根据权利要求1所述的多传感器数据融合的智能巡检机器人导航方法，其特征在于，所述基于机器人gps数据信息和机器人实时位姿数据信息进行数据融合处理，将数据融合处理结果作为机器人里程计运动状态量的约束条件，确定观测方程包括以下步骤：
4.根据权利要求1所述的多传感器数据融合的智能巡检机器人导航方法，其特征在于，所述基于运动方程和观测方程构建图优化状态估计模型，并进行优化处理，得到优化目标函数包括以下步骤：
5.根据权利要求4所述的多传感器数据融合的智能巡检机器人导航方法，其特征在于，所述图优化状态估计模型的表达式如下所示：
6.根据权利要求4所述的多传感器数据融合的智能巡检机器人导航方法，其特征在于，所述优化目标函数的表达式如下所示：
7.根据权利要求1所述的多传感器数据融合的智能巡检机器人导航方法，其特征在于，所述基于优化目标函数得到初始值和增量，将初始值和增量进行多次迭代处理，以得到最优估计值包括以下步骤：
8.根据权利要求7所述的多传感器数据融合的智能巡检机...
【专利技术属性】
技术研发人员：李斐，张文良，洪刚，梁毅，李硕，庞龙，何博，叶偲，韩光新，戴堂标，覃剑，
申请(专利权)人：广西电网有限责任公司北海供电局，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。