基于機器視覺的室內無軌巡檢機器人導航系統

湯義勤，高彥波，鄒宏亮，葉建軍，曾 林

（1.國網臺州供電公司，臺州318000；2.國網浙江臺州市黃巖區供電有限公司，臺州318020；3.臺州市黃巖永恒電力建設有限公司，臺州318020）

在復雜工況條件下，確保生產設備或儀器能夠安全運行是保證企業正常生產的重要環節。 對其進行固定的、連續的巡檢工作至關重要。 在設備檢測中，采用傳統人工巡檢方式，易受到作業環境因素、個人自身因素等影響，導致巡檢質量低、效率低等問題，還會對巡檢人員的身體健康造成一定程度危害[1]。 巡檢機器人的出現，很好地解決了上述問題。

巡檢機器人需要依據自身對周圍環境的感知數據，規劃一條安全的運動路線，高效完成巡檢任務[2]。 為了保證機器人順利到達目標地點，需要提高巡檢機器人導航功能。 現有室內無軌巡檢機器人導航系統通常采用激光雷達[3]進行導航，其成本較高，不利于普遍適用。 為此，提出基于機器視覺的室內無軌巡檢機器人導航系統設計。 將導航系統劃分為視覺采集模塊、 路線規劃模塊以及運動控制模塊，通過對三個模塊的合理設計，完成室內無軌巡檢機器人導航系統設計。 仿真結果表明，所提系統可有效規劃巡檢機器人行進路徑， 且工作效率較高，具有一定可行性。

1 室內無軌巡檢機器人導航系統設計

1.1 視覺采集模塊設計

視覺采集模塊是巡檢機器人導航的基礎，通過對攝像機標定、攝像機位置安裝以及巡檢機器人定位等，實現該功能。

1.1.1 攝像機標定

在攝像機成像過程中，涉及圖像坐標系、成像平面坐標系、攝像機坐標系以及世界坐標系。 其中，坐標系之間的位置關系[4]，如圖1 所示。

圖1 坐標系位置關系圖Fig.1 Coordinate system position relationship diagram

在坐標系位置關機分析基礎上，將攝像機非線性模型[5]表示為

式中：（xu，yu）表示模型圖像點的坐標；（xd，yd）表示實際圖像點坐標；δx（x，y）與δy（x，y）表示成像畸變值[6]。攝像機非線性畸變過程如圖2 所示。

通過優化攝像機內部參數，矯正攝像機成像的徑向畸變，獲取誤差較小的圖像。

圖2 攝像機非線性畸變Fig.2 Camera nonlinear distortion

1.1.2 攝像機安裝布局

為了能夠使室內無軌巡檢機器人導航提供精確的機器視覺圖像，需要構建分布式機器視覺子系統，將多個攝像機間隔均勻的安裝在室內天花板[7]，在室內無軌巡檢機器人運動道路上，垂直安裝攝像機。 分布式機器視覺子系統如圖3 所示。

圖3 分布式機器視覺子系統示意圖Fig.3 Schematic diagram of distributed machine vision subsystem

圖3 中，巡檢機器人運動道路長度為L，安裝高度為h，攝像機視場角為α，攝像機安裝總數量為N。

攝像機監控距離由視場角與焦距決定，其監控距離設置如表1 所示。

表1 攝像機監控距離Tab.1 Camera monitoring distance

1.1.3 多圖像拼接

通過多個圖像信息的拼接，可以得到完整巡檢機器人運動環境空間情況[8]。 多圖像拼接步驟如下：

步驟一獲取每個攝像頭圖像，提取圖像特征點；

步驟二以步驟一提取的圖像特征點為基礎，通過特征點匹配結果，配準圖像，將一幅圖像復制到另一幅圖像的特定位置；其中，圖像配準公式為

式中：A，B 分別代表信息相互獨立的兩幅圖像；ε（A）、ε（B）代表圖像A、B 的熵；ε（A，B）代表A、B的聯合熵；

步驟三配準后的圖像存在一定程度重合，處理圖像重疊部分。 在獲取的圖像配準過程中，其出現的重合部分與圖像互信息成正比，故采用歸一化處理[9]其重疊部分，其處理公式為

步驟四判斷是否所有圖像拼接結束。 若拼接結束，則轉至步驟五；若拼接未結束，轉至步驟二；

步驟五輸出拼接圖像。

1.1.4 障礙物檢測

以拼接圖像為依據，利用Canny 算法檢測障礙物。

首先，利用尺寸大小為5 的高斯內核消除拼接圖像的噪聲；其次，計算拼接圖像像素梯度幅值與方向；再次，保留像素梯度幅值極大值，即候選邊緣；最后，將候選邊緣的梯度幅值與滯后閾值進行比較。 若梯度幅值大于滯后閾值，表示其為邊緣像素，反之，則為非邊緣像素，檢測到的邊緣即為障礙物邊緣。

需要注意的是，為了避免巡檢機器人與障礙物的碰撞，對障礙物進行一定程度的“膨化”處理[10]。

1.1.5 巡檢機器人定位

在巡檢機器人定位過程中， 需要獲取模板圖像，通過匹配技術定位巡檢機器人的位置。 模板圖像指巡檢機器人在室內任何位置的圖像。 匹配技術通過計算獲取圖像與模板圖像之間的相似度，確定機器人位置。 當相似度程度較高時，巡檢機器人即在模板圖像機器人所在的位置。 圖像相似性函數計算公式為

式中：R（x，y）表示圖像相似度函數值；T（x′，y′）表示模板圖像；I（x，y）表示目標圖像。

對目標圖像與模板圖像進行標準化操作，同時乘以一個系數，其R（x，y）數值保持不變。

當圖像相似性函數值為1 時， 表示匹配成功；當圖像相似性函數值為-1 時，表示匹配失敗；當圖像相似性函數值為0 時，表示目標圖像與模板圖像沒有相關性。 通過此方法確定室內無軌機器人所在位置，完成巡檢機器人的定位。

1.2 路線規劃模塊

環境建模是室內無軌巡檢機器人路線規劃的關鍵環節，利用柵格法構建室內無軌環境模型[11]。室內無軌環境模型如圖4 所示。

圖4 室內無軌環境模型示意圖Fig.4 Schematic diagram of indoor trackless environment model

圖4 中，存在10×10 的柵格序列，黑色部分表示是障礙物。 螞蟻在t 時刻從柵格vi向vj轉移的概率計算公式為

式中：m 表示螞蟻；τij（t）α表示t 時刻柵格vi與vj之間殘留的信息素；ηij（t）β表示t 時刻柵格vi與vj之間的期望啟發函數。

式中：Q 表示信息素計算常數；Lm表示螞蟻走過路線的總長度；Pathm表示螞蟻m 走過柵格的集合。

判斷螞蟻是否遍歷完整個室內無軌環境柵格序列圖[12]，若遍歷完成，輸出最優巡檢機器人運動路線；若未遍歷完成，螞蟻繼續作業。

1.3 運動控制模塊

在直線路線導航控制過程中，PID 控制器輸入參數為巡檢機器人位置偏差Δs 與方向偏差Δθ[13]，計算巡檢機器人直行運行對應的速度控制差量ΔV，以此實現巡檢機器人直線路線導航控制[14]。 位置偏差Δs 與方向偏差Δθ 計算公式為

式中：p（xp，yp）與q（xq，yq）表示直線路線上的兩個節點；θr表示巡檢機器人當前方向；θL表示目標路徑方向。

PID 控制器[15]控制效果與比例、微分、積分參數有關。 其中，比例參數能夠快速響應偏差，積分參數可以降低穩態誤差，微分參數可以避免超調。PID 控制器參數組合情況如表2 所示。

表2 PID 控制器參數組合表Tab.2 PID controller parameter combination

依據實際情況，當Kp=4，Ki=1.2 與Kd=0.3 時直線路線導航效果最好，可以滿足巡檢機器人直線行駛的控制需求。

在曲線路線導航控制過程中， 位置偏差Δs 是指巡檢機器人中心點到預瞄點處切線的距離；方向偏差Δθ 是指巡檢機器人與切線方向的夾角， 則位置偏差Δs 與方向偏差Δθ 計算公式為

式中：（xc，yc）表示巡檢機器人中心點位置坐標；kp表示預瞄點切線斜率；θp表示巡檢機器人與切線方向的夾角。

轉向PID 控制公式為

式中：ω（k）表示k 時刻巡檢機器人的角速度控制量；K1、K2、K3與K4表示轉向PID 的控制參數；ω（k-1）與ω（k-2）分別表示k-1 時刻與k-2 時刻對應的角速度控制量。

通過上述模塊設計，實現了基于機器視覺的室內無軌巡檢機器人導航系統的運行，為室內無軌巡檢機器人的應用提供更加有效保障。

2 實驗分析

2.1 實驗環境

為了驗證設計系統的性能，進行仿真實驗分析。搭實驗環境如圖5 所示。

圖5 局部實驗環境Fig.5 Local experiment environment

在實驗室內，根據實驗室大小設置障礙物。 其中，障礙物的大小形狀均不相同，在實驗室屋頂設置全局攝像機，其間隔距離相等。 通過全局攝像頭獲取巡檢機器人位置信息以及空間環境信息；利用圖像處理技術轉換為柵格地圖； 通過路線規劃模塊， 為巡檢機器人規劃出一條無碰撞最優路線；利用PID 控制器將規劃路線轉換為參數，使室內無軌巡檢機器人執行相應任務操作。 在室內無軌巡檢機器人工作過程中，利用全局攝像頭定位跟蹤巡檢機器人，對其進行實時觀察。

室內無軌巡檢機器人導航系統測試性能指標為巡檢機器人定位時間、導航誤差以及避障效果。

2.2 實驗結果分析

2.2.1 巡檢機器人定位時間分析

為了驗證所提系統的科學有效性，實驗分析了所提系統、基于激光雷達的巡檢機器人導航系統以及基于視覺導航的巡檢機器人雙模控制系統進行機器人定位用時對比，實驗結果如圖6 所示。

圖6 不同系統定位用時對比Fig.6 Comparison of different system positioning time

分析圖6 可以看出，在相同實驗環境下進行10次實驗，三種系統的定位用時存在一定差異。 其中，所提系統的定位用時最長和最短用時分別約為1.1 s和0.7 s，基于激光雷達的巡檢機器人導航系統的定位用時最長和最短用時分別約為5.8 s 和1.0 s；最基于視覺導航的巡檢機器定位用時最長和最短用時分別約為4.2 s 和1.1 s。 相比之下，所提系統的定位用時最短，分別降低了約0.3 s 和0.4 s。 這是由于在進行導航系統設計時，所提系統將獲取的機器人巡檢圖像進行匹配和重疊處理，進而縮短了機器人定位耗時。

2.2.2 巡檢機器人導航誤差分析

為了驗證所提系統的可靠性，實驗對比了所提系統、基于激光雷達的巡檢機器人導航系統以及基于視覺導航的巡檢機器人雙模控制系統在進行導航時的誤差，實驗結果如圖7 所示。

圖7 不同系統導航誤差對比Fig.7 Comparison of navigation errors of different systems

分析圖7 可以看出，在相同信噪比環境下，采用3 種系統進行導航的誤差不相同。 當信噪比為4時，所提系統的誤差率約為0.5%，基于激光雷達的巡檢機器人導航系統的誤差率約為0.75%， 基于視覺導航的巡檢機器人雙模控制系統的誤差率約為0.95%；當信噪比為10 時，所提系統的誤差率約為0.1%，基于激光雷達的巡檢機器人導航系統的誤差率約為0.6%，基于視覺導航的巡檢機器人雙模控制系統的誤差率約為0.8%；三種系統的導航誤差均呈現降低趨勢，所提系統的誤差率最低，驗證了所提系統的可行性。

2.2.3 巡檢機器人避障效果分析

為了進一步驗證所提系統的可靠性，實驗采用所提系統、基于激光雷達的巡檢機器人導航系統以及基于視覺導航的巡檢機器人雙模控制系統進行避障分析，實驗結果如圖8 所示。

圖8 不同系統避障效果對比Fig.8 Comparison of obstacle avoidance effects of different systems

分析圖8 可知，三種系統在進行巡檢時避障效果存在一定差異。 其中，所提系統可完全避開障礙物，且選擇最近路線進行巡檢，基于激光雷達的巡檢機器人導航系統和基于視覺導航的巡檢機器人雙模控制系統在進行巡檢時， 不能完全避開障礙物，均存在一定撞擊障礙物的現象，且選擇的路徑距離目標點較遠。 相比之下，所提系統的進行巡檢時的避障效果更好。

3 結語

本文設計的室內無軌巡檢機器人導航系統，通過對系統模塊的設計，并對各模塊功能等進行合理設定，完成了室內無軌巡檢機器人導航系統。 仿真結果表明：采用所提系統進行巡檢時可有效規避障礙物，且導航的誤差較低，具有一定現實意義。