電力隧道機器人巡檢目標坐標定位的共軛搜索

王東海,周 平,趙 軒,儲 強

(南京供電公司 電纜醫檢室,南京 210000)

0 引 言

電力隧道是指埋置在地表下的工程建筑物,同時也是人類利用地下空間的一種形式,通過電力隧道可以專門分布電纜和電線。通過電纜隧道的應用建設能確保地下隧道電纜安全穩定地運行,減少電纜與外界環境的直接接觸[1]。然而地下的環境存在較多的不穩定因素,為了提高電力隧道運行的安全性和穩定性,需要借助一定的技術手段監控處理電力隧道的實時運行情況。其中巡檢是確保地下電力隧道電纜運行的主要手段之一,目前傳統的電力電纜隧道的巡檢方式主要依靠人工及少量環境監控器實現。其中人工巡檢的巡檢周期較長,存在嚴重的巡檢誤差;而環境監控器可以節省大量的巡檢人力和物力,但監控器的監控范圍有限,無法保證電力隧道巡檢線路的完整性。為此目前使用機器人代替人類進行隧道巡檢已經成為隧道巡檢自動化的研究熱點[2]。與人工巡檢方式相比,使用巡檢機器人可以實現全天候運行,且面對惡劣環境適應性較強,若在巡檢過程中發生危險事故也可以有效避免人員的傷亡。電力隧道機器人巡檢的目的是檢測電力電纜是否存在故障及隧道環境是否存在異常,因此在機器人巡檢前需要設定相應的巡檢目標,即電纜線的故障和環境異常情況以及相對應的位置。通過連續搜索實現對巡檢目標的坐標定位。

目前巡檢機器人使用的巡檢目標位置搜索算法的搜索精度較低,收斂性也較差,無法保證搜索定位結果的準確性。為了提高電力隧道巡檢機器人目標位置搜索定位的準確性,筆者在傳統搜索算法的基礎上引入共軛梯度的概念[3]。共軛是指按一定的規律相配的一對,在實際應用過程中可以分為正常共軛、多電子共軛等多種方法。通過電力隧道機器人巡檢目標坐標定位的共軛搜索算法的設計與實現,可以在保證機器人巡檢完整性的同時,提升搜索的精度和收斂度,從而得到更為精準的巡檢目標坐標定位結果。

1 機器人巡檢目標坐標定位的共軛搜索算法設計

在電力隧道環境中,使用巡檢機器人搜索指定目標的坐標位置。首先設置巡檢機器人的基本搜索路徑,然后根據機器人內嵌的傳感器和攝像機裝置識別搜索路徑中的目標,當發現巡檢目標時立即啟動定位程序,并輸出最終的巡檢目標搜索定位坐標結果。

1.1 搭建機器人巡檢模型

圖1 巡檢機器人空間坐標系

以巡檢機器人的運動學原理為基礎,構建對應電力隧道的巡檢模型,實現電力隧道的量化處理。在搭建的巡檢模型中需反映出巡檢機器人的實時運動情況,同時還需要從機器人的視覺角度檢測隧道中目標,因此需要分別建立兩個坐標系[4]?；趝XW,YW}定義一個二維平面上的全局坐標框架,用于確定巡檢機器人的位置,將機器人的集合中心作為位置參考點,定義巡檢機器人的基本空間坐標系如圖1所示。

在電力隧道空間中的一點Q(x,y,z)通過巡檢機器人內嵌的攝像機成像設備映射到圖像坐標系中,記為q0(u,v)。則可將圖像坐標系中的點轉換為投影平面坐標系中的表示形式,即為qp(xp,yp,zp)。因此搭建的圖像坐標系上的點與投影平面坐標系之間的幾何關系為

(1)

巡檢機器人在目標搜索過程中會產生一定的搜索角度,產生的位姿可以表示為

(2)

其中θ表示巡檢機器人的搜索旋轉方向。

1.2 利用共軛算子設置機器人搜索路徑

共軛梯度算子的應用原理是將搜索路徑的共軛性和最速下降法相結合,利用當前巡檢機器人運行梯度節點構造一組相應的共軛方向,并沿該方向生成搜索路徑[5]。定義初始向量為Xi,其中參數i∈d,d為向量維數。初始向量Xi中的分向量值以及梯度信息可用

(3)

表示。設置共軛梯度算子的迭代次數為0。然后確定機器人巡檢搜索路徑的步長,其方法如下

(4)

其中參數k表示迭代次數,初始值取值為0。巡檢機器人采集圖像數據過程中,設置迭代次數最大值,以此控制搜索算法的終止條件,具體條件如下

(5)

其中變量β為共軛因子,可以通過

(6)

確定該變量的取值情況。

圖2 機器人搜索路徑設置結果

式(6)中由于共軛梯度算子可從已知的巡檢機器人位置為起點出發,向附近一組共軛方向搜索,具有較強的局部搜索能力[6]。經過共軛梯度因子的計算與設定,生成機器人的巡檢搜索路徑如圖2所示。

1.3 識別電力隧道巡檢目標

機器人按照規劃好的搜索路徑進行搜索,為了保證電力隧道巡檢目標的準確識別,同時保證巡檢機器人搜索的精度和速度,需在圖像采集過程中及時準確地獲取清晰的圖像[7]。在采集到清晰的電力隧道的圖像后,需要在較短的時間內得出巡檢目標的準確識別結果,具體的巡檢目標識別過程如圖3所示。

圖3 巡檢目標識別流程圖

1.3.1 采集實時圖像

實時圖像采集需要依靠搜索路徑上移動的巡檢機器人,利用其中內嵌的光源、鏡頭、數字攝像機、傳感器以及圖像采集卡等硬件設備實現對實時圖像采集[8]。使用傳感器的設置與安裝情況如表1所示。

通過巡檢機器人內嵌的圖像采集裝置,實現圖像的數字化。將攝像機采集到的數據按照拍攝的先后順序排列,并標記主圖像的位置和灰度,將單次搜索路徑中拍攝到的巡檢圖像存儲在采集卡中,形成采集圖像集合。

表1 采集傳感器分類表

1.3.2 圖像預處理

圖像預處理的目的是提高巡檢采集圖像的清晰度和分辨率,以此保證巡檢目標的識別精度。圖像預處理分為圖像濾波降噪和圖像對比度增強兩步。線性平滑濾波圖像降噪處理需要用相應的濾波器建造一個尺寸為3×3的濾波模板[9]。將構建好的模板在采集圖像上按順序左右、上下平移,并將模板中心與圖像中的某一個像素重合。將構建的濾波模板系數與相對應圖像上的像素值做相乘計算,并將得出的計算結果賦值給對應的中心像素。按照上述方法處理采集圖像中的每個像素點,從而得到圖像的濾波降噪結果。

圖像對比度增強原理是銳化巡檢機器人采集到的實時圖像中的某一些特征,包括輪廓、邊緣、對比度等部分。整個圖像對比度增強操作分為線性變換和直方圖均衡兩步,首先將圖像濾波降噪結果表示為f(x,y),該圖像的灰度范圍用[a,b]表示,則可以通過

(7)

實現圖像線性變換。采用線性變換對圖像每個像素灰度作線性變換,初步改善圖像的視覺效果[10]。執行直方圖均衡化處理,同時統計原始圖像各個灰度級包含的像素數量,記為nk。原始圖像的直方圖計算結果如下

p(rk)=nk/n

(8)

其中rk為初始圖像的第k級灰度級,n表示初始圖像中像素的數量之和。利用

(9)

實現對初始圖像直方圖的均衡化處理。

綜合濾波降噪和對比度增強的處理結果,該圖像與初始圖像的對比情況如圖4所示。

a 圖像預處理前 b 圖像預處理后

1.3.3 特征提取與匹配

平滑處理預處理完成的圖像,使用一階導數算子檢測圖像的梯度幅值和方向,同時利用梯度幅值設定圖像特征提取的抑制極大值,使用雙閾值檢測的方式,連接邊緣特征檢測結果,形成邊緣特征提取結果。利用

(10)

計算提取特征與模板特征之間的相關度。其中M(m,n)表示模板特征圖像。當模板特征圖像與預處理結果圖像之間呈線性關系時,求解η(i,j)的值為1,進而實現電力隧道巡檢目標的識別。

1.4 解算機器人巡檢位姿

當巡檢機器人檢測到目標時,立即解算機器人的巡檢位置和姿態,具體解算過程如圖5所示。

機器人巡檢位姿的解算過程主要是對機器人當前巡檢位置、旋轉角度以及巡檢高度的解算,將上述解算參數分別用(X,Y)、θ和H表示[11]。則機器人當前巡檢位置的解算公式為

(11)

其中α為機器人的搜索路線偏移角度,N與n分別表示機器人的輸出脈沖數和光電編碼器的轉數。構建巡檢機器人移動的等效幾何模型如圖6所示。

圖5 巡檢機器人位姿解算框圖 圖6 巡檢機器人搜索等效幾何模型Fig.5 Circuit inspection robot pose solution block diagram Fig.6 The inspection robot searches for equivalent geometric models

按照圖6表示的幾何結構,確定巡檢機器人實時位姿角度與左右輪輪速之間的關系為

(12)

其中l為左右輪之間的距離值。θ的解算結果為正數證明機器人向右旋轉θ角度,否則表示向左轉動。而機器人巡檢的高度一般情況下為固定值,可以根據機器人本身的高度求得解算結果。

1.5 巡檢搜索目標空間定位

以機器人巡檢位姿的解算結果為基礎,通過機器人手眼標定和目標空間坐標的測量,從而得出電力隧道機器人巡檢目標坐標定位的共軛搜索算法的坐標搜索定位結果。

1.5.1 機器人手眼標定

手眼標定的目的是以機器人的圖像坐標系為基礎,實現圖像坐標與空間坐標之間的相互轉換[12]。機器人手眼標定的過程需要借助標定物完成,將標定板固定在巡檢機器人機械臂的末端,通過控制器運動使標定板與內嵌攝像設備之間產生相對運動,并獲取編訂板的相對運動數據,從而實現對巡檢機器人的手眼標定。

1.5.2 測量巡檢目標空間坐標

巡檢目標空間定位坐標結果以三維坐標的形式輸出,輸出結果如下

(13)

其中X、Y分別表示的是巡檢機器人的位置解算結果,x與y分別為手眼標定后機器人采集圖像中對應目標像素點的坐標。

2 對比實驗分析

為了檢測機器人巡檢目標坐標定位的共軛搜索算法在電力隧道中的應用情況,設計如下對比實驗。以巡檢機器人作為實驗的檢測對象,通過設置電力隧道中目標節點的方式,形成搜索定位坐標節點,利用計算機設備記錄巡檢機器人搜索定位的巡檢目標位置坐標,在將其作為原始數據輸入到計算機處理軟件中,經過處理與分析得出最終的對比實驗結果。圖7為工作人員在電力隧道中利用相關設備設置巡檢目標節點。

選用市售的普通實驗機器人作為實驗對象,并按照圖8的形式安裝實驗對象。

圖7 實驗環境示意圖 圖8 巡檢機器人Fig.7 Image of experimental environment Fig.8 Inspection robot

將設計的機器人巡檢目標坐標定位的共軛搜索算法輸入到巡檢機器人的內部程序中,直至搜索出所有的巡檢目標節點實驗結束。在實驗中應用傳統的目標坐標定位搜索算法作為實驗的對比算法,且保證兩種搜索算法使用的硬件設備以及搜索定位的巡檢目標相同。

ERA(Environmental Risk Assessment)指標即環境風險評價指標,是反應搜索算法收斂性的重要數據條件,一般情況下ERA指標的值越小,證明對應搜索收斂性越高。ERA指標變化如圖9所示。

圖9 ERA指標變化圖

通過圖9中的數據可以看出,不同的搜索定位算法的ERA指標的取值結果不同,每行的右側ERA指標均大于左側數值。由此可見設計的機器人巡檢目標坐標定位的共軛搜索算法解決了傳統搜索算法中存在精度低的問題。

3 結 語

通過機器人巡檢目標坐標定位的共軛搜索算法的設計與應用,充分解決了傳統搜索算法中存在的精度低的問題,減輕了電力隧道巡檢工作的難度,同時節省了大量的人力和物力。然而在共軛搜索算法設計的過程中,未對機器人的巡檢搜索路線加入避障功能,因此在今后的研究工作中需要對其進行深入研究與優化分析。