CN114932562A - 一种基于激光雷达的地下电缆隧道巡检机器人及实现方法 - Google Patents
一种基于激光雷达的地下电缆隧道巡检机器人及实现方法 Download PDFInfo
- Publication number
- CN114932562A CN114932562A CN202111107882.8A CN202111107882A CN114932562A CN 114932562 A CN114932562 A CN 114932562A CN 202111107882 A CN202111107882 A CN 202111107882A CN 114932562 A CN114932562 A CN 114932562A
- Authority
- CN
- China
- Prior art keywords
- laser radar
- robot
- line laser
- tunnel
- points
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000007689 inspection Methods 0.000 title claims abstract description 32
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 230000007246 mechanism Effects 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims description 21
- 239000002184 metal Substances 0.000 claims description 17
- 230000004888 barrier function Effects 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 7
- 230000001133 acceleration Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000005452 bending Methods 0.000 claims description 4
- 238000002474 experimental method Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000010845 search algorithm Methods 0.000 claims description 3
- 230000004069 differentiation Effects 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
- B25J19/02—Sensing devices
- B25J19/021—Optical sensing devices
- B25J19/022—Optical sensing devices using lasers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J5/00—Manipulators mounted on wheels or on carriages
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02G—INSTALLATION OF ELECTRIC CABLES OR LINES, OR OF COMBINED OPTICAL AND ELECTRIC CABLES OR LINES
- H02G1/00—Methods or apparatus specially adapted for installing, maintaining, repairing or dismantling electric cables or lines
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种基于激光雷达的地下电缆隧道巡检机器人,包括履带式行走机构、箱体、传感器***、单片机、工控机、蜂鸣器和两件火焰检测***;本发明的实现方法,包括步骤:(1)通过单线激光雷达对于隧道的环境进行检测,获得环境数据;(2)将单线激光雷达的数据传输给工控机;(3)工控机通过算法解算隧道环境并规划路线;(4)根据规划好的路线,通过PID控制***对机器人的前进速度和方向进行调整,实现对机器人的控制;(5)火焰检测***检测两侧是否有火焰目标。本发明采用单线激光雷达,在测试周围障碍物的距离和精度上更加精准,机器人的定位不需要提前铺设信标、网络、轨道等,降低了人力成本。
Description
技术领域
本发明涉及巡检机器人及实现方法,尤其涉及一种基于激光雷达的地下电缆隧道巡检机器人及实现方法。
背景技术
随着电缆隧道的普及和发展,其存在的安全隐患也越来越大,若巡检不及时,隧道内会有发生火灾的危险,特别是在空间窄小、隧道两侧壁上突出大量金属棍形障碍物的输电隧道中,通过人力来进行地下隧道的巡检难度较高,对于工作人员的巡检也有相当的大的危险性,所以大多采用隧道机器人进行巡检。目前可用于隧道定位的主流的巡检机器人有基于RFID、UWB、B1uetooth等的有轨式巡检机器人。但是其有轨式的巡检机器人大多成本较高,比如UWB。而且需要铺设网络并对网络进行定期的维护,如蓝牙定位需要部署蓝牙的信标,基于RFID需要提前安置标签,成本也要增加不少。而无轨的巡检机器人,如采用CCD摄像头的无轨巡检机器人。其CCD摄像头一般价格较为昂贵而且地下隧道潮湿的环境会对镜头产生一定的水雾遮挡,巡检效果不佳。
发明内容
发明目的:本发明的目的是提供一种实现精准测试周围障碍的距离扫描速度快、可靠性高的基于激光雷达的地下电缆隧道巡检机器人及实现方法。
技术方案:本发明的机器人,包括履带式行走机构、箱体、传感器***、单片机、工控机、蜂鸣器和两件火焰检测***;所述箱体设于履带式行走机构上,所述单片机、工控机和蜂鸣器均设于箱体内部;所述履带式行走机构采用电机提供动力,所述单片机通过电机控制履带式行走机构;
传感器***与工控机连接,所述传感器***包括有四个单线激光雷达,其中第一单线激光雷达和第二单线激光雷达分别置于箱体左右两侧,第三单线激光雷达置于箱体上端前侧,第四单线激光雷达置于箱体上端后侧;所述的四个单线激光雷达均与工控机连接;
所述传感器***将数据传输给工控机,工控机对数据进行分析处理,并根据得到隧道的环境情况和障碍物分布信息,进行路径的规划和车体的导航控制;工控机将机器人的前进速度、前进方向和转弯幅度信息传输给单片机,单片机通过PID控制机器人姿态和速度的调整,实现前进过程中对障碍物的规避;
两件火焰检测***分别设于箱体两侧,且分别位于第一单线激光雷达和第二单线激光雷达的后侧,均与单片机连接;所述火焰检测***将检测信号发送给单片机,单片机根据接收到信号控制蜂鸣器。
本发明机器人的实现方法,包括以下步骤:
(1)通过四个单线激光雷达对于隧道的环境进行检测,获得环境信息;
(2)将四个单线激光雷达的数据传输给工控机;
(3)工控机通过算法解算隧道环境并规划路线,所述规划路线包括直行路线规划、障碍物规避和弯道路线规划;
(4)根据规划好的路线,通过PID控制***对机器人的前进速度和方向进行调整,实现对机器人的控制;
(5)火焰检测***检测两侧是否有火焰目标,如果有,则发送停止命令,并切换模式,进行灭火。
进一步,所述步骤(1)中,获得的环境信息包括金属型障碍物、墙体、地面的点云数据。
进一步,所述步骤(3)中,所述直行路线规划通过对第三单线激光雷达和第四单线激光雷达扫描获得的点云数据进行处理来实现的,将点云数据分成可用点和障碍点:从隧道侧壁突出来的金属棍对应的点云为障碍点,不予考虑;从隧道两侧壁对应的点云为而可用点;所述可用点的处理步骤如下:
(31)采用KD-tree最近邻近搜索算法查找激光雷达每一个点的最近邻近点,计算每一点与其最近邻近点的平均距离;对于给定的查询数据P须从KD-Tree的根节点开始比较,其中P(k)为当前结点划分维度k上数据点P对应的值,m为当前结点划分的阈值;
若P(k)<m,则访问左子树;否则访问右子树,直至达到叶子结点Q;此时Q就是当前最近邻点,P与Q之间的距离是当前最小距离Dmin;
随后沿着原搜索路径回退至根结点,若此过程中发现与P之间距离小于Dmin的点,则将未曾访问过的子节点均纳入搜索范畴,并及时更新最近邻点,直至所有的搜索路径都为空,整个基于KD-Tree结构的最近邻点查询过程便告完成;若此过程中发现与P之间距离大于等于Dmin的点,则沿搜索路径回退至根节点;
(32)采用欧式聚类对金属障碍物进行聚类,将金属障碍物从墙体环境中分离出来,对隧道内的某点A进行KDTree近邻搜索,得到k个离A最近的点,将距离小于设定阈值的点聚类于集合B;
判断集合B中的元素数量,若B中元素数量不再增加,说明机器人保持在隧道中间部分前进,若B中元素数量增加,则需要在B中选取A以外的点,更新初始点A的值,重新进行聚类;
所有点的邻近点的平均距离满足高斯分布,通过筛选高斯分布中与距离均值相差较多的点,完成对于测量信息中障碍点的聚类,从而得到去除金属障碍物的墙面的距离和位置信息,最终实现机器人关于墙面的定位。
进一步,所述步骤(3)中,所述障碍物规避的实现过程为:
通过第一单线激光雷达和第二单线激光雷达扫描平面相对地面垂直,单片机对两单线激光雷达扫描到的点云进行处理,对其中属于地面的点云和墙面的点云进行筛除,如两侧地面的点云不一致、或者两侧墙面的云点不一致、或者与其他点云对比产生突变的,则判定为属于障碍物的点云,以此判断出障碍物的位置和距离;
当两侧障碍物的距离达到设定阈值M以下时,判断出机器人前方左侧或者右侧出现障碍物,通过单片机进行控制,实现对应的规避。
进一步,所述步骤(3)中,所述弯道路线规划的实现过程为:通过箱体第一单线激光雷达、第二单线激光雷达和第三单线激光雷达检测到前方墙面的距离,再通过卡尔曼滤波进行滤波后得到滤除障碍物后的真实值;通过三个距离信息,计算墙面的弯曲曲率,根据曲率的大小控制机器人转弯的幅度大小,从而实现转弯。
进一步,所述步骤(4)中,根据实验获得的理想PID控制参数,编写单片机程序;通过第三单线激光雷达和第四单线激光雷达收集并采用聚类算法分离出的地面点云,获取机器人的前进距离和时间,解算出实时速度v、实时加速度a,并与单片机控制履带式行走机构的电机速度进行对比校正;
左移、右移、直行、转弯命令由工控机发至单片机,将当前隧道机器人的位姿误差作为PID控制器的输入,得到左右电机需要输出的PWM波占空比,使用增量式PID控制器,根据隧道机器人的当前位姿控制电机转速,从而调整机器人姿态,使机器人按照工控机规划的路线进行左移、右移、直行、转弯等,达到对机器人的控制。
本发明与现有技术相比,其显著效果如下:1、采用单线激光雷达,在角频率以及灵敏度上反应更快捷,在测试周围障碍物的距离和精度上都更加精准,扫描速度更快,分辨率更强,可靠性更高;2、机器人的定位不需要提前铺设信标、网络、轨道等,降低了人力成本。
附图说明
图1为本发明巡检机器人所应用的地下电缆隧道环境示意图;
图2为本发明巡检机器人的车体侧视图;
图3为本发明巡检机器人的车体前视图;
图4为本发明巡检机器人的结构示意框;
图5为本发明巡检机器人导航定位KD-tree算法的流程图;
图6为本发明巡检机器人导航定位欧式聚类算法的流程图;
图7为本发明巡检机器人过弯的算法示意图。
图8为本发明巡检机器人的火焰检测***的安装位置与检测范围
具体实施方式
下面结合说明书附图和具体实施方式对本发明做进一步详细描述。
如图1所示的地下电缆隧道环境示意图,为巡检机器人的工作场所。
本发明的地下电缆隧道巡检机器人***包括履带式行走机构、箱体、传感器***、单片机、蜂鸣器、工控机和两件火焰检测***。传感器***包括四个单线激光雷达,第一单线激光雷达和第二单线激光雷达分别置于箱体左右两侧,第三单线激光雷达和第四单线激光雷达分别置于箱体顶部的前侧、后侧,其结构示意图如图2和图3所示,均与工控机相连接,通过工控机解算传感器***检测到的隧道环境,进行路线的规划。如图4所示,传感器***将检测到的点云数据传输给工控机,工控机对点云数据进行分析处理,得到隧道的环境情况和障碍物分布,并根据隧道的环境情况和障碍物分布再进行路径的规划和车体的导航控制,工控机将车体的前进速度、前进方向和转弯幅度等指令传输给单片机,单片机通过PID控制车体进行姿态和速度的调整,实现前进过程中对障碍物的规避。与此同时,与单片机相连接、位于车体两侧的火焰检测***对隧道中可能出现火焰进行检测,当出现火焰信号时,单片机控制进行停车并通过蜂鸣器进行警报,达到地下电缆隧道巡检的目的。
具体的实现步骤如下:
步骤一,采用四个单线激光雷达对隧道的环境进行检测,获得金属型障碍物、墙体、地面的点云数据。
步骤二,将四个激光雷达的数据传输给工控机。
传感器***中的四个单线激光雷达将检测到的点云数据传输给工控机,工控机对点云数据进行分析处理,得到隧道的环境情况和障碍物分布。
步骤三,工控机通过算法解算隧道环境并规划路线。规划路线算法的实现过程如下:
(一)直行路线规划
直行路线规划是通过第三单线激光雷达和第四单线激光雷达,扫描面相对地面平行获得的点云数据实现的。将目标点云区域分成可用点和障碍点:障碍点也就是从隧道侧壁突出来的金属棍对应的点云,不予考虑;而可用点也就是从隧道两侧壁对应的点云,则是需要进一步的处理。具体的分类方法如下:
先采用KD-tree最近邻近搜索算法查找激光雷达每一个点的最近邻近点,计算每一点与其最近邻近点的平均距离。算法流程如图5所示,对于给定的查询数据P须从KD-Tree的根节点开始比较,其中P(k)为当前结点划分维度k上数据点P对应的值,m为当前结点划分的阈值。若P(k)<m,则访问左子树;否则访问右子树,直至达到叶子结点Q。此时Q就是当前最近邻点,而P与Q之间的距离就是当前最小距离Dmin。随后沿着原搜索路径回退至根结点,若此过程中发现与P之间距离小于Dmin的点,则须将未曾访问过的子节点均纳入搜索范畴,并及时更新最近邻点,直至所有的搜索路径都为空,整个基于KD-Tree结构的最近邻点查询过程便告完成。若此过程中发现与P之间距离大于等于Dmin的点,则沿搜索路径回退至根节点。
然后采用欧式聚类对金属障碍物进行聚类,将其从墙体环境中分离出来,对隧道内的某点A进行KDTree近邻搜索,得到k个离A最近的点,将这些点中距离小于设定阈值的聚类于集合B,判断B中的元素数量,若B中元素数量不再增加,说明机器人保持在隧道中间部分前进,若B中元素数量增加,则需要在B中选取A以外的点,更新初始点A的值,重新进行聚类。如图6欧式聚类算法的流程图,所有点的邻近点的平均距离应该满足高斯分布,通过筛选高斯分布中与距离均值相差较多的点,完成对于测量信息中障碍点(也就是金属形障碍物)的聚类,从而就能得到去除金属障碍物的墙面的距离和位置信息,从而进行机器人关于墙面的定位。依据第三单线激光雷达完成对机器人前部的定位,确定其相对于墙面的位置并使其保持在整个隧道的中间部分;依据第四单线激光雷达,也使得机器人后侧保持在隧道的中间部分;如此,根据车体前部和后部相对于墙面的位置,就能使得隧道机器人的整体姿态相对墙面平直,实现机器人沿直线前进。
(二)障碍物规避
当激光雷达线打到墙面的管道上导致对隧道中线的估计出现误差时,机器人可能会撞到前方金属棍障碍物。因此采用箱体两侧的激光雷达对机器人进行避障,两侧的激光雷达扫描平面相对地面垂直,对两侧的激光雷达扫描到的点云进行处理。根据两侧激光雷达的点云信息(两侧的地面点云和两侧的墙面点云都应该保持一致),在机器人沿中心前进时,对其中属于地面的点云和墙面的点云进行筛除,剩下两侧不一致的点云以及产生突变的点云则是被判定为属于障碍物的点云,以此判断出障碍物的位置和距离。当两侧障碍物的距离达到一设定阈值M以下时,即判断出机器人前方左侧(箱体左侧第一单线激光雷达得出)或者右侧(箱体右侧第二单线激光雷达得出)出现障碍物,以控制单片机进行对应的规避。
(三)弯道路线规划
如图7,弯道部分通过第一、第二和第三单线激光雷达来实现,三个激光雷达(两侧的激光雷达和顶部前侧的激光雷达)都能够检测到前方墙面的距离,通过卡尔曼滤波进行滤波后,得到滤除障碍物后的真实值。通过三个距离信息,计算墙面的弯曲曲率,根据曲率的大小控制机器人转弯的幅度大小,从而实现过弯。以点O为圆心,则可以获得A、B、C、D、E的坐标,设A(x1,y1),B(x2,y2),C(x3,y3),则能得到三角形ABC的面积:
式(1)中,如果ABC三点是顺时针方向分布,则三角形面积为负值,逆时针分布则为正值,以此判断机器人是向左转还是向右转。
然后曲率就可以表现为三角形外接圆半径的倒数,可以得到曲率为:
式(2)中,AB、BC和AC分别为三角形的三条边长;接着根据曲率的大小,得到机器人转弯时应该转过的角度,在转弯的同时,调节障碍物规避的判定障碍物阈值M来辅助进行过弯时的障碍物规避,根据实时监测的曲率大小对机器人控制进行调整以实现顺利过弯。
步骤4,根据规划好的路线,通过PID控制***对机器人的前进速度和方向进行调整,实现对巡检机器人的控制。其具体方案如下:
机器人采用PID控制算法进行车速控制,工作原理为:***输入端输入信号经过各个环节后,在输出端产生一个输出信号,由***的反馈回路将输出信号负反馈至输入端。由减法器实现两者相减得到***的偏差值,偏差值经过PID控制环节的比例、微分、积分作用后将再次对受控对象进行控制调节。若***输出与输入之间仍有偏差,将一直重复上述过程,直至输出等于输入量。其连续信号分析计算模型原理公式如下:
式(3)中,Kp是比例系数,Ti是积分时间常数,Td是微分时间常数,u(t)为单片机输出给两侧电机的信号修正量,e(t)为输入信号和输出信偏差量。因单片机处理的是离散信号,故采用增量型的数字PID控制算法,公式如下:
Δu[n]=Kp{e[n]-e[n-1]}+Kie[n]+Kd{e[n]-2e[(n-1)]+e[n-2]} (4)
式(4)中,Ki为积分系数,Kd为微分系数,u[n]为第n时刻的信号修正量,e[n]、e[n-1]、e[n-2]分别为为n、n-1和n-2时刻的信号偏差量。
根据实验获得的理想PID控制参数,如比例系数、积分时间常数、微分时间常数编写单片机程序。通过第三单线激光雷达和第四单线激光雷达收集并采用聚类算法分离出的地面点云,获取机器人的前进距离和时间,解算出其实时速度v、实时加速度a以及当前车***姿等实时状态,并与单片机控制履带式行走机构的电机速度进行对比校正,以降低其地面摩擦力等因素对车辆速度控制造成的误差。左移、右移、直行、转弯等命令由工控机发至单片机,将当前隧道机器人的位姿误差作为PID控制器的输入,就可以得到左右电机需要输出的PWM波占空比,使用增量式PID控制器,根据隧道机器人的当前位姿控制电机转速,从而调整机器人姿态,使机器人按照工控机规划的路线进行左移、右移、直行、转弯等,达到对机器人的控制。
步骤5,火焰检测***检测两侧是否有火焰目标。如果无火焰目标,则继续沿隧道前进继续巡检;如果检测到火焰目标,则发送信号至单片机,单片机发送停止指令停止车体并通过蜂鸣器进行警报。其火焰检测装置采用FDUI-2000型火焰探测器,设有检测火焰特有紫外波长和红外波长的紫外传感器和红外传感器,组成红紫外复合型火焰探测器。通过内部电路中智能芯片处理器运算准确快速探测火焰,具备了极强的抗干扰能力、高灵敏度和高稳定性,其火焰检测***的安装位置与检测范围如图8所示。
Claims (7)
1.一种基于激光雷达的地下电缆隧道巡检机器人,其特征在于,包括履带式行走机构、箱体、传感器***、单片机、工控机、蜂鸣器和两件火焰检测***;所述箱体设于履带式行走机构上,所述单片机、工控机和蜂鸣器均设于箱体内部;所述履带式行走机构采用电机提供动力,所述单片机通过电机控制履带式行走机构;
传感器***与工控机连接,所述传感器***包括有四个单线激光雷达,其中第一单线激光雷达和第二单线激光雷达分别置于箱体左右两侧,第三单线激光雷达置于箱体上端前侧,第四单线激光雷达置于箱体上端后侧;所述的四个单线激光雷达均与工控机连接;
所述传感器***将数据传输给工控机,工控机对数据进行分析处理,并根据得到隧道的环境情况和障碍物分布信息,进行路径的规划和车体的导航控制;工控机将机器人的前进速度、前进方向和转弯幅度信息传输给单片机,单片机通过PID控制机器人姿态和速度的调整,实现前进过程中对障碍物的规避;
两件火焰检测***分别设于箱体两侧,且分别位于第一单线激光雷达和第二单线激光雷达的后侧,均与单片机连接;所述火焰检测***将检测信号发送给单片机,单片机根据接收到信号控制蜂鸣器。
2.一种基于激光雷达的地下电缆隧道巡检机器人的实现方法,其特征在于,包括以下步骤:
(1)通过四个单线激光雷达对于隧道的环境进行检测,获得环境信息;
(2)将四个单线激光雷达的数据传输给工控机;
(3)工控机通过算法解算隧道环境并规划路线,所述规划路线包括直行路线规划、障碍物规避和弯道路线规划;
(4)根据规划好的路线,通过PID控制***对机器人的前进速度和方向进行调整,实现对机器人的控制;
(5)火焰检测***检测两侧是否有火焰目标,如果有,则发送停止命令,并切换模式,进行灭火。
3.根据权利要求2所述的基于激光雷达的地下电缆隧道巡检机器人的实现方法,其特征在于,所述步骤(1)中,获得的环境信息包括金属型障碍物、墙体、地面的点云数据。
4.根据权利要求2所述的基于激光雷达的地下电缆隧道巡检机器人的实现方法,其特征在于,所述步骤(3)中,所述直行路线规划通过对第三单线激光雷达和第四单线激光雷达扫描获得的点云数据进行处理来实现的,将点云数据分成可用点和障碍点:从隧道侧壁突出来的金属棍对应的点云为障碍点,不予考虑;从隧道两侧壁对应的点云为可用点;所述可用点的处理步骤如下:
(31)采用KD-tree最近邻近搜索算法查找激光雷达每一个点的最近邻近点,计算每一点与其最近邻近点的平均距离;对于给定的查询数据P须从KD-Tree的根节点开始比较,其中P(k)为当前结点划分维度k上数据点P对应的值,m为当前结点划分的阈值;
若P(k)<m,则访问左子树;否则访问右子树,直至达到叶子结点Q;此时Q就是当前最近邻点,P与Q之间的距离是当前最小距离Dmin;
随后沿着原搜索路径回退至根结点,若此过程中发现与P之间距离小于Dmin的点,则将未曾访问过的子节点均纳入搜索范畴,并及时更新最近邻点,直至所有的搜索路径都为空,整个基于KD-Tree结构的最近邻点查询过程便告完成;若此过程中发现与P之间距离大于等于Dmin的点,则沿搜索路径回退至根节点;
(32)采用欧式聚类对金属障碍物进行聚类,将金属障碍物从墙体环境中分离出来,对隧道内的某点A进行KDTree近邻搜索,得到k个离A最近的点,将距离小于设定阈值的点聚类于集合B;
判断集合B中的元素数量,若B中元素数量不再增加,说明机器人保持在隧道中间部分前进,若B中元素数量增加,则需要在B中选取A以外的点,更新初始点A的值,重新进行聚类;
所有点的邻近点的平均距离满足高斯分布,通过筛选高斯分布中与距离均值相差较多的点,完成对于测量信息中障碍点的聚类,从而得到去除金属障碍物的墙面的距离和位置信息,最终实现机器人关于墙面的定位。
5.根据权利要求2所述的基于激光雷达的地下电缆隧道巡检机器人的实现方法,其特征在于,所述步骤(3)中,所述障碍物规避的实现过程为:
通过第一单线激光雷达和第二单线激光雷达扫描平面相对地面垂直,单片机对两单线激光雷达扫描到的点云进行处理,对其中属于地面的点云和墙面的点云进行筛除,如两侧地面的点云不一致、或者两侧墙面的云点不一致、或者与其他点云对比产生突变的,则判定为属于障碍物的点云,以此判断出障碍物的位置和距离;
当两侧障碍物的距离达到设定阈值M以下时,判断出机器人前方左侧或者右侧出现障碍物,通过单片机进行控制,实现对应的规避。
6.根据权利要求2所述的基于激光雷达的地下电缆隧道巡检机器人的实现方法,其特征在于,所述步骤(3)中,所述弯道路线规划的实现过程为:通过第一单线激光雷达、第二单线激光雷达和第三单线激光雷达检测到前方墙面的距离,再通过卡尔曼滤波进行滤波后得到滤除障碍物后的真实值;通过三个距离信息,计算墙面的弯曲曲率,根据曲率的大小控制机器人转弯的幅度大小,从而实现转弯。
7.根据权利要求2所述的基于激光雷达的地下电缆隧道巡检机器人的实现方法,其特征在于,所述步骤(4)中,根据实验获得的理想PID控制参数,编写单片机程序;通过第三单线激光雷达和第四单线激光雷达收集并采用聚类算法分离出的地面点云,获取机器人的前进距离和时间,解算出实时速度v、实时加速度a,并与单片机控制履带式行走机构的电机速度进行对比校正;
左移、右移、直行、转弯命令由工控机发至单片机,将当前隧道机器人的位姿误差作为PID控制器的输入,得到左右电机需要输出的PWM波占空比,使用增量式PID控制器,根据隧道机器人的当前位姿控制电机转速,从而调整机器人姿态,使机器人按照工控机规划的路线进行左移、右移、直行、转弯等,达到对机器人的控制。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110912162 | 2021-08-10 | ||
CN2021109121622 | 2021-08-10 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114932562A true CN114932562A (zh) | 2022-08-23 |
CN114932562B CN114932562B (zh) | 2024-04-19 |
Family
ID=82863081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111107882.8A Active CN114932562B (zh) | 2021-08-10 | 2021-09-22 | 一种基于激光雷达的地下电缆隧道巡检机器人及实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114932562B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115480579A (zh) * | 2022-10-13 | 2022-12-16 | 华侨大学 | 履带式移动机械及其既定轨迹跟踪控制方法、装置、介质 |
CN117055639A (zh) * | 2023-09-04 | 2023-11-14 | 珠海习坎智能科技有限公司 | 一种隧道巡检机器人自适应控速方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106002925A (zh) * | 2016-08-04 | 2016-10-12 | 西安科技大学 | 双履带智能巡检机器人 |
CN109917818A (zh) * | 2019-01-31 | 2019-06-21 | 天津大学 | 基于地面机器人的协同搜索围堵方法 |
CN110246092A (zh) * | 2019-05-02 | 2019-09-17 | 江西理工大学 | 一种顾及邻域点均值距离和斜率的三维激光点云去噪方法 |
AU2018317937A1 (en) * | 2017-08-17 | 2020-03-05 | Fastbrick Ip Pty Ltd | Communication system for an interaction system |
KR20210004675A (ko) * | 2019-07-05 | 2021-01-13 | 엘지전자 주식회사 | 인공지능을 이용한 이동 로봇 및 이동 로봇의 제어방법 |
CN113047909A (zh) * | 2021-05-05 | 2021-06-29 | 中国矿业大学 | 一种井下巷道与硐室全方位巡检轮式机器人及其控制方法 |
-
2021
- 2021-09-22 CN CN202111107882.8A patent/CN114932562B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106002925A (zh) * | 2016-08-04 | 2016-10-12 | 西安科技大学 | 双履带智能巡检机器人 |
AU2018317937A1 (en) * | 2017-08-17 | 2020-03-05 | Fastbrick Ip Pty Ltd | Communication system for an interaction system |
CN109917818A (zh) * | 2019-01-31 | 2019-06-21 | 天津大学 | 基于地面机器人的协同搜索围堵方法 |
CN110246092A (zh) * | 2019-05-02 | 2019-09-17 | 江西理工大学 | 一种顾及邻域点均值距离和斜率的三维激光点云去噪方法 |
KR20210004675A (ko) * | 2019-07-05 | 2021-01-13 | 엘지전자 주식회사 | 인공지능을 이용한 이동 로봇 및 이동 로봇의 제어방법 |
CN113047909A (zh) * | 2021-05-05 | 2021-06-29 | 中国矿业大学 | 一种井下巷道与硐室全方位巡检轮式机器人及其控制方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115480579A (zh) * | 2022-10-13 | 2022-12-16 | 华侨大学 | 履带式移动机械及其既定轨迹跟踪控制方法、装置、介质 |
CN117055639A (zh) * | 2023-09-04 | 2023-11-14 | 珠海习坎智能科技有限公司 | 一种隧道巡检机器人自适应控速方法 |
CN117055639B (zh) * | 2023-09-04 | 2024-03-29 | 珠海习坎智能科技有限公司 | 一种隧道巡检机器人自适应控速方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114932562B (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108762264B (zh) | 基于人工势场与滚动窗口的机器人的动态避障方法 | |
CN108536149B (zh) | 一种基于Dubins路径的无人驾驶车辆避障控制方法 | |
CN207198663U (zh) | 压路机及压路机控制*** | |
CN111522339A (zh) | 畜禽舍巡检机器人自动路径规划与定位方法及装置 | |
CN111693050B (zh) | 基于建筑信息模型的室内中大型机器人导航方法 | |
US20080059015A1 (en) | Software architecture for high-speed traversal of prescribed routes | |
CN113189977B (zh) | 一种用于机器人的智能导航路径规划***及方法 | |
EP3578919A1 (en) | Travel history storage method, method for producing travel path model, method for estimating local position, and travel history storage device | |
CN112256023A (zh) | 基于贝塞尔曲线的机场巡界机器人局部路径规划方法及*** | |
CN114998276B (zh) | 一种基于三维点云的机器人动态障碍物实时检测方法 | |
US20210048825A1 (en) | Predictive and reactive field-of-view-based planning for autonomous driving | |
CN114932562B (zh) | 一种基于激光雷达的地下电缆隧道巡检机器人及实现方法 | |
Yang et al. | Mobile robot motion control and autonomous navigation in GPS-denied outdoor environments using 3D laser scanning | |
CN117970925A (zh) | 机器人实时避障与动态路径规划方法及*** | |
CN113064430A (zh) | 一种基于Android手机的质量巡检小车避障及路径规划算法 | |
Huang et al. | Path tracking based on improved pure pursuit model and pid | |
Jiang et al. | Obstacle detection and tracking for intelligent agricultural machinery | |
CN112947433B (zh) | 一种果园移动机器人及其自主导航方法 | |
CN211427151U (zh) | 一种应用于封闭场地无人驾驶货运车辆上的自动引导*** | |
Hoshino et al. | End-to-end discrete motion planner based on deep neural network for autonomous mobile robots | |
CN208061025U (zh) | 一种基于Dubins路径的无人驾驶车辆避障控制装置 | |
CN116359946A (zh) | 目标检测方法、装置、设备及介质 | |
Gao et al. | An obstacle detection and avoidance system for mobile robot with a laser radar | |
CN115755888A (zh) | 多传感器数据融合的agv障碍物检测***及避障方法 | |
CN112925326B (zh) | 一种基于激光雷达和深度相机数据融合的agv避障方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |