[發明專利]變電站巡檢機器人障礙物判別方法及系統

有效

• 申請號: 202110182326.0
• 申請日: 2021-02-10
• 公開（公告）號: CN112528979B
• 公開（公告）日: 2021-05-11
• 發明（設計）人: 朱明;張葛祥;楊強;王恒;楊強
• 申請（專利權）人: 成都信息工程大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京元本知識產權代理事務所(普通合伙) 11308
• 代理人: 王紅霞

1.一種變電站巡檢機器人障礙物判別方法，其特征在于，包括以下步驟：

S1：獲取變電站場景點巡檢機器人周圍3D激光雷達原始點云數據，并根據ROI區域提取部分原始點云數據，再將三維原始點云數據轉化為二維原始點云鳥瞰圖后將所述二維原始點云鳥瞰圖輸入深度卷積神經網絡中，利用隨機梯度下降算法對深度卷積神經網絡模型進行訓練，得到障礙物判別模型；

將所述二維原始點云鳥瞰圖輸入深度卷積神經網絡中的步驟，具體包括以下步驟：

S11：載入SSD網絡，在所述SSD網絡中的VGG-16主干網絡增加DenseNet密集塊；

S12：同時通過替換特征提取結構、設計多尺度融合模塊和殘差預測來改進SSD的預測模塊，然后在改進后的SSD的預測模塊的每個預測層添加殘差塊ResBlock；

S13：將所述二維原始點云鳥瞰圖輸入深度卷積神經網絡；

S2：實時獲取待檢測點云數據，并將所述待檢測點云數據轉化為待檢測點云鳥瞰圖；

S3：將進行歸一化處理的所述待檢測點云鳥瞰圖輸入至障礙物判別模型中，得到障礙物的類別信息。

2.根據權利要求1所述的變電站巡檢機器人障礙物判別方法，其特征在于，所述步驟S2具體包括：

選取巡檢機器人前方部分區域作為目標判別區域，實時獲取目標判別區域的3D激光雷達點云數據；

進行ROI提取，將3D激光雷達點云數據進行處理并轉化為二維待檢測點云鳥瞰圖。

3.根據權利要求2所述的變電站巡檢機器人障礙物判別方法，其特征在于，通過所述3D激光雷達點云數據的Z軸高度值對應到0-255的灰度值，完成3D激光雷達坐標系到二維圖像坐標系的轉化，得到所述待檢測點云鳥瞰圖。

4.根據權利要求1所述的變電站巡檢機器人障礙物判別方法，其特征在于，所述步驟S3中對所述待檢測點云鳥瞰圖歸一化處理前，先進行去重處理取出所述待檢測點云鳥瞰圖中重復的樣本。

5.一種變電站巡檢機器人障礙物判別系統，其特征在于，包括：

障礙物判別模型建立模塊，用于獲取變電站場景點巡檢機器人周圍3D激光雷達原始點云數據，并根據ROI區域提取部分原始點云數據，再將三維原始點云數據轉化為二維原始點云鳥瞰圖后輸入深度卷積神經網絡中，利用隨機梯度下降算法對深度卷積神經網絡模型進行訓練，得到障礙物判別模型；其中，所述障礙物判別模型建立模塊還包括SSD網絡優化單元，用于在SSD網絡中的VGG-16主干網絡增加DenseNet密集塊，并用于通過替換特征提取結構、設計多尺度融合模塊和殘差預測來改進SSD的預測模塊，以及在改進后的SSD的預測模塊的每個預測層添加殘差塊ResBlock；

待測數據獲取模塊，用于實時獲取待檢測點云數據；

數據轉換模塊，與所述待測數據獲取模塊相連，用于將所述待檢測點云數據轉化為待檢測點云鳥瞰圖；

障礙物判別模塊，與所述數據轉換模塊、障礙物判別模型建立模塊相連，用于接收所述障礙物判別模型建立模塊建立的障礙物判別模型與待檢測點云鳥瞰圖，將所述待檢測點云鳥瞰圖進行歸一化處理輸入至障礙物判別模型中，得到障礙物的類別信息。

6.根據權利要求5所述的變電站巡檢機器人障礙物判別系統，其特征在于，所述待測數據獲取模塊還包括待檢區域選取單元與數據獲取單元；

所述待檢區域選取單元用于選取巡檢機器人前方部分區域作為目標判別區域；

所述數據獲取單元實時根據所述待檢區域選取單元選取的目標判別區域獲取3D激光雷達點云數據及對應的相機照片。

7.根據權利要求6所述的變電站巡檢機器人障礙物判別系統，其特征在于，所述數據轉換模塊接收所述3D激光雷達點云數據進行ROI提取后將所述3D激光雷達點云數據的Z軸高度值對應到0-255的灰度值，完成3D激光雷達坐標系到二圖像坐標系的轉化，得到所述待檢測點云鳥瞰圖。

8.根據權利要求5所述的變電站巡檢機器人障礙物判別系統，其特征在于，還包括終端，用于接收所述障礙物判別模塊的障礙物的類別信息并存儲顯示。