[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

本發明提供一種變電站巡檢機器人障礙物判別方法及系統，方法包括以下步驟：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；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。該方法不受光線條件限制，能實現巡檢機器人夜間工作，使得變電站巡檢機器人全天候巡檢的目標成為可能。

技術領域

本發明屬于變電站電力巡檢設備技術領域，具體涉及一種變電站巡檢機器人障礙物判別方法及系統。

背景技術

智能電網是電網發展的趨勢和方向，智能變電站是智能電網的變電環節，是堅強智能電網的重要基礎和支撐。由于變電站電力場所中高壓設備眾多、環境復雜，為保證電力安全需要定期巡檢，目前大多數變電站仍然采用人工巡檢的方式，隨著機器人技術不斷發展，越來越多的變電站開始使用巡檢機器人巡檢，自動化技術代替傳統人工作業，可以降低人工成本。然而變電站道路狹窄且時常存在障礙物影響機器人巡檢，給巡檢任務帶來了新的挑戰。

近年隨著深度學習技術的興起，利用二維圖像判別障礙物的方法已經可以應用到日常巡檢中，變電站巡檢機器人通常搭載了多種傳感器，如激光雷達、超聲波傳感器、可見光傳感器等，大多數巡檢機器人使用可見光傳感器來完成障礙物判別，然而可見光傳感器的工作取決于光線條件，而在夜間由于光線昏暗，使用可見光傳感器不能實現障礙物判別，因此該方法不能滿足巡檢機器人全天候巡檢的要求。

發明內容

本發明的目的之一在于提供一種變電站巡檢機器人障礙物判別方法，該方法能解決現有變電站巡檢機器人搭載的可見光圖像識別模塊在巡檢時易受光照因素影響，導致障礙物判別準確率較低或工作機制失效的問題。

為實現上述目的，本發明的技術方案為：一種變電站巡檢機器人障礙物判別方法，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。

進一步地，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。

進一步地，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，完成所述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。

進一步地，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。