导读: 巡检机器人通过视觉识别技术, 对巷道环境以及前进路线上出现的人员进行识别, 从而实现自主行走和避障, 控制流程如图 1 所示. 图 1 巡检机器人路面识别和人员识别控制流程 巡检机器人安装有四个路面识别的摄像头, 左右摄像头采集图像, 分析道路边缘信息, 根据边...
巡检机器人 http://www.zhanhuigang.com/zhuanti-10000036.html 通过视觉识别技术, 对巷道环境以及前进路线上出现的人员进行识别, 从而实现自主行走和避障, 控制流程如图 1 所示.
图 1 巡检机器人路面识别和人员识别控制流程
巡检机器人安装有四个路面识别的摄像头, 左右摄像头采集图像, 分析道路边缘信息, 根据边缘信息分析机器人的转向控制和速度控制输出; 前后摄像头采集图像, 分析人员识别, 标牌识别, 识别结果控制运动状态, 如机器人是否需要掉头, 是否需要停止巡检, 是否需要暂停运动等. 两个控制输出的结果进行综合, 得到最终的控制信号, 控制机器人运动.
1 巡检机器人路面边缘识别
巡检机器人通过左右两颗摄像头拍摄的图像信息对巷道路面进行识别, 本方案中通过选取图像中前进方向一侧水沟边缘作为特征信息指导巡检机器人的行进路线, 识别流程如图 2 所示.
图 2 巡检机器人路面识别流程图
巡检机器人控制系统读取视频输入得到的彩色图像, 复杂图形利用超像素分割, 采用 SLIC(简单的线性迭代聚类) 算法进行处理, 其结果通过边缘检测算法并结合水沟区域得到优化的边缘, 二值化图像并使用线段检测, 筛选线段并拼接为折线作为水沟边缘, 最后将其像素坐标转换为巡检机器人坐标系, 得到最终路线结果, 如图 3 所示.(灰色线为识别的边界)
图 3 巡检机器人输出的边界识别图像
2 巡检机器人行走控制方法
通过视觉系统识别出的道路边缘为连续的线段, 长度位置等不确定. 控制将所有线段信息进行分析, 得到机器人水沟侧道路趋势和前方道路趋势, 计算巡检机器人行走方向趋势, 最终得到巡检机器人转向信息, 并根据转向信息控制巡检机器人速度 (转向越大, 速度越小).
根据前进道路边缘每间隔 3cm 一个坐标点拟合道路趋势方法为: 从机器人中间到机器人最前方, 拟合一条直线 (直线 A), 从机器人前方开始处到机器人前方 1m 处, 再拟合一条直线 (直线 B), 如图 4 所示.
图 4 巡检机器人方向控制结果示意图
根据拟合直线计算转弯角度方法为 PID 控制算法. 以视觉识别系统输出的水沟边缘为线段 C,PID 控制目标为使直线 C 所有的点距离机器人中心线保持设置值 (机器人宽度一半 + 机器人边缘到道路边缘间距).
PID 控制项为机器人转向角度. 在通过直线 B 计算得到一个转向角度后, 需要通过直线 A 限制转向角度, 以保证机器人运动后边缘不会侵入道路边缘. 以保证机器人运动的安全 http://www.zhanhuigang.com/zhuanti-10000085.html 性. 机器人速度控制基本逻辑为转弯角度越大, 速度越低.
3 巡检机器人人员识别方法
在巡检机器人自主巡检行走过程中, 前进道路上迎面走来工作人员时, 设计让巡检机器人停止前进, 直到前方人员顺利从巡检机器人侧方通过后, 继续巡检.
巡检机器人控制系统读取前后摄像头输入得到的彩色图像, 喂给 Darknet 深度神经网络, 得到每个人的位置信息列表, 过滤掉远处的人, 列表非空, 则前方近处有人.
4 巡检机器人折返和停止控制
巡检机器人在运行过程中, 需要设计自动往返功能, 在带式输送机机头和机尾位置设置往返的特征信号标识, 巡检机器人通过前后摄像头检测到折返信号后立即停机折返, 如图 5(a) 所示, 检测到停止标识则结束巡检任务, 如图 5(b) 所示.
图 5 巡检机器人折返, 停止标识
自动化 http://www.zhanhuigang.com/zhuanti-10000062.html 带式输送机无轨巡检机器人系统, 实现了巡检机器人自主行走, 遇人停车, 往返巡检, 实时采集带式输送机运行过程中的气体环境信息, 视频信息, 声音信号, 热感图像, 及时发现存在的安全隐患, 原地声光电 http://www.zhanhuigang.com/zhuanti-10000673.html 报警配合报警信号上传, 为带式输送机沿线安全生产提供了保障, 性能指标完全符合现场要求, 可在一定程度上代替人工在带式输送机沿线的巡检任务, 符合煤矿 http://www.zhanhuigang.com/zhuanti-10000729.html 企业对运输系统智能化控制, 少人化管理的要求.
来源: http://www.ailab.cn/robot/20201204109123.html