基于多传感器融合的无人智能巡检车及方法技术

本公开涉及基于多传感器融合的无人智能巡检车及方法，涉及无人智能巡检车技术领域。该方法包括：通过GPS定位模块采集GPS定位数据，通过里程计采集里程计定位数据，以及，通过惯性测量单元采集IMU定位数据，并在后端利用基于人工智能的数据处理和分析算法来进行这些定位数据的时序协同关联分析，以此基于多传感器定位数据的时序特征的融合表征来进行定位数据的优化更新，从而进行行驶路线的动态优化。这样能够提升无人巡检机器人的定位精度和路径规划灵活性，从而使得无人巡检机器人更为智能化，以实现更高效、全面的巡检任务。

【技术实现步骤摘要】

本公开涉及无人智能巡检车，具体地，涉及一种基于多传感器融合的无人智能巡检车及方法。

技术介绍

1、在电力系统中，换流站扮演着重要的角色，用于进行不同电压、频率或系统之间的电力转换。换流站通常由大量设备组成，如变压器、断路器、绝缘子等，这些设备的运行状态对电网稳定性至关重要。为了确保换流站的安全和可靠运行，定期的巡检和维护工作至关重要。

2、传统上，巡检工作通常由人工进行，存在着工作效率低、安全风险高、覆盖面有限等问题。因此，现有技术引入无人巡检机器人来自动进行换流站的巡检，可以有效解决传统方案中的问题，提高巡检效率、降低安全风险，并能够实现全面覆盖和定期监测。

3、然而，传统的巡检机器人通常依赖单一传感器，如激光雷达进行定位，这导致机器人只能实现空间定位，缺乏对位置的准确定位，容易导致在复杂环境中定位精度不高，甚至在巡检过程中偏离原定路线。此外，传统巡检机器人往往采用静态方式规划巡视路径，一旦遇到障碍物或突发情况，无法及时调整巡视路径，导致机器人中止作业，影响巡检效率和覆盖范围。

4、因此，期望一种基于多传感器融合的无人本文档来自技高网...

【技术保护点】

1.一种基于多传感器融合的无人智能巡检方法，其特征在于，包括：

2.根据权利要求1所述的基于多传感器融合的无人智能巡检方法，其特征在于，所述基于深度神经网络的定位数据时序关联模式特征提取器为基于一维卷积层的定位数据时序关联模式特征提取器。

3.根据权利要求2所述的基于多传感器融合的无人智能巡检方法，其特征在于，将所述GPS定位数据时序关联特征向量、所述里程计定位数据时序关联特征向量和所述IMU定位数据时序关联特征向量进行共空间嵌入处理以得到共空间嵌入GPS定位数据时序关联特征向量、共空间嵌入里程计定位数据时序关联特征向量和共空间嵌入IMU定位数据时序关联特征向量，...

【技术特征摘要】

1.一种基于多传感器融合的无人智能巡检方法，其特征在于，包括：

2.根据权利要求1所述的基于多传感器融合的无人智能巡检方法，其特征在于，所述基于深度神经网络的定位数据时序关联模式特征提取器为基于一维卷积层的定位数据时序关联模式特征提取器。

3.根据权利要求2所述的基于多传感器融合的无人智能巡检方法，其特征在于，将所述gps定位数据时序关联特征向量、所述里程计定位数据时序关联特征向量和所述imu定位数据时序关联特征向量进行共空间嵌入处理以得到共空间嵌入gps定位数据时序关联特征向量、共空间嵌入里程计定位数据时序关联特征向量和共空间嵌入imu定位数据时序关联特征向量，包括：将所述gps定位数据时序关联特征向量、所述里程计定位数据时序关联特征向量和所述imu定位数据时序关联特征向量通过基于全连接层的共空间嵌入器以得到所述共空间嵌入gps定位数据时序关联特征向量、所述共空间嵌入里程计定位数据时序关联特征向量和所述共空间嵌入imu定位数据时序关联特征向量。

4.根据权利要求3所述的基于多传感器融合的无人智能巡检方法，其特征在于，将所述共空间嵌入gps定位数据时序关联特征向量、所述共空间嵌入里程计定位数据时序关联特征向量和所述共空间嵌入imu定位数据...

【专利技术属性】
技术研发人员：潘正义，
申请(专利权)人：北京励图锐新科技有限公司，
类型：发明
国别省市：