隧道安全預(yù)警機器人自主導(dǎo)航方法研究

劉 未，朱宏輝

(武漢理工大學(xué) 物流工程學(xué)院，武漢 430063)

0 引言

隨著我國交通事業(yè)的發(fā)展，各類隧道工程陸續(xù)開展，隧道施工的安全性問題被越來越重視。隧道施工期間的監(jiān)控量測一般采用的是人工檢測，存在工作量大、監(jiān)測頻率低、過程繁瑣等不足。因此實現(xiàn)監(jiān)測采集過程的自動化智能化，將有效減少人工成本，降低安全風(fēng)險，保障隧道施工的安全。

高精度的導(dǎo)航定位、安全可靠的避障是實現(xiàn)隧道安全預(yù)警機器人自動巡檢的重要前提。目前，國內(nèi)外常用的導(dǎo)航方案各有優(yōu)劣：磁導(dǎo)航主要應(yīng)用在場景固定的倉庫等環(huán)境，需布置磁釘或磁條，導(dǎo)航實現(xiàn)簡單，但無法實時避障；距離傳感器導(dǎo)航通過發(fā)射和接收紅外線、超聲波、激光等實現(xiàn)距離檢測，精度較高，但對于某些環(huán)境存在局限性；衛(wèi)星導(dǎo)航可以全球性導(dǎo)航，但其定位精度在米級，無法應(yīng)用在精度要求高的場景；視覺導(dǎo)航主要通過相機獲取環(huán)境信息，圖像包含的信息十分豐富，但對圖像進行處理時，存在數(shù)據(jù)量大、分析計算復(fù)雜等問題[1-2]。

綜上所述，使用單一技術(shù)的導(dǎo)航方案均不能滿足實際應(yīng)用要求。本文集超聲波局部探測、視覺非結(jié)構(gòu)化探測和激光雷達地圖創(chuàng)建為一體，解決單一信息導(dǎo)航技術(shù)存在的問題，安全可靠地建立環(huán)境地圖，規(guī)劃最優(yōu)路徑，從而實現(xiàn)隧道安全預(yù)警機器人的巡檢導(dǎo)航定位。

1 系統(tǒng)組成及原理

隧道安全預(yù)警系統(tǒng)由隧道安全預(yù)警機器人與遠程監(jiān)控平臺兩部分組成[3]，如圖1所示。其中，機器人是預(yù)警系統(tǒng)的核心，通過其搭載的檢測儀器完成數(shù)據(jù)采集、結(jié)果分析和危險報警等任務(wù)；遠程監(jiān)控平臺用于獲取和顯示機器人最終檢測結(jié)果，便于管理者了解現(xiàn)場狀況，及時決策。機器人與監(jiān)控平臺之間通過網(wǎng)絡(luò)進行通信，分工協(xié)作地完成檢測與預(yù)警任務(wù)。

圖1 隧道安全預(yù)警系統(tǒng)架構(gòu)

1.1 設(shè)計思路

隧道安全預(yù)警機器人實現(xiàn)的功能有：變形監(jiān)測、掌子面水源檢測、自動導(dǎo)航、自動對樁、智能分析預(yù)警等。

隧道施工過程中主要需要進行變形監(jiān)測和水源檢測，機器人檢測的工作過程如下：1)變形監(jiān)測：機器人從起始位置出發(fā)，自動導(dǎo)航至指定檢測點，利用搭載的三維激光掃描儀進行掃描，經(jīng)數(shù)據(jù)分析后實現(xiàn)隧道壁的變形檢測與預(yù)警，隨后回到起始位置進行充電；2)水源檢測：機器人從起始位置出發(fā)，自動導(dǎo)航一段距離后，人工通過遙控控制機器人通過棧橋，到達掌子面后，遙控控制機器人進行水源檢測，獲取前方地質(zhì)水源信息，將分析結(jié)果傳輸至預(yù)警平臺進行及時預(yù)警。

針對隧道復(fù)雜的施工環(huán)境，為實現(xiàn)以上的檢測與預(yù)警功能，機器人采用了履帶式的底盤，并將部分檢測儀器與控制主機放置在密封性強的內(nèi)倉中，提高機器人的安全性與穩(wěn)定性；考慮到若利用傳統(tǒng)的全站儀測量施工時隧道壁的變形，將難以集成至機器人上實現(xiàn)檢測的自動化與智能化，選擇搭載三維激光掃描儀來實現(xiàn)變形檢測的功能，通過激光掃描后獲取隧道點云數(shù)據(jù)，兩次點云數(shù)據(jù)對比后即可獲取相對變形量；對于掌子面水源地質(zhì)檢測，將采用瞬變電磁法獲取前方地質(zhì)信息，這種方法需要利用到發(fā)射和接收線圈，并有多種檢測位置，因此設(shè)計了一種探水天線自動調(diào)節(jié)裝置，實現(xiàn)對其工作位置的控制。

機器人自動導(dǎo)航的實現(xiàn)則依賴于豐富的傳感器數(shù)據(jù)及行之有效的處理算法。因此機器人搭載了多種傳感器用于獲取環(huán)境信息，基于機器人操作系統(tǒng)(ROS,robot operating system)實現(xiàn)地圖構(gòu)建，路徑規(guī)劃與導(dǎo)航避障。

1.2 硬件設(shè)計

隧道安全預(yù)警機器人硬件部分由環(huán)境感知模塊、檢測模塊、控制與數(shù)據(jù)處理模塊、運動控制模塊和無線模塊5部分組成，如圖2所示。

圖2 隧道安全預(yù)警機器人硬件結(jié)構(gòu)圖

1.2.1 環(huán)境感知模塊

要實現(xiàn)精準(zhǔn)可靠的導(dǎo)航，機器人必須獲取足夠的環(huán)境數(shù)據(jù)，以此來推算自身狀態(tài)。機器人搭載了二維激光雷達，可實現(xiàn)隧道環(huán)境信息的高效獲取；采用履帶式差速驅(qū)動，配備增量式編碼器，能實時反饋機器人的里程位姿信息；搭載紅外相機，通過實時圖像處理對前進路線上的障礙物進行可靠的檢測；超聲波傳感器和激光雷達類似，用來實現(xiàn)近距離避障；超寬帶傳感器(UWB,ultra wide band)可以提供全局地定位信息，用來糾正里程計和IMU的累計偏差。

1.2.2 檢測模塊

機器人上搭載了瞬變電磁儀、三維激光掃描儀等檢測設(shè)備。瞬變電磁儀能對掌子面前方水文地質(zhì)情況進行檢測，三維激光掃描儀能對隧道已挖掘部分進行掃描建模、變形分析。搭載的瞬變電磁儀在檢測時，其探測天線共有35種不同位姿，因此設(shè)計了一種天線位姿自動調(diào)節(jié)裝置，主體采用鋁合金、玻璃鋼、碳纖等型材，通過電動推桿、直流電機、數(shù)字舵機實現(xiàn)運動和位置控制。預(yù)警機器人在巡檢過程中，控制以上儀器進行數(shù)據(jù)采集、分析處理，并根據(jù)報警閾值實現(xiàn)實時預(yù)警。

1.2.3 控制與數(shù)據(jù)處理模塊

機器人需要處理的數(shù)據(jù)主要包括控制指令和檢測儀器的測量數(shù)據(jù)，機器人搭載兩臺工控機和一個STM32F1主板作為控制和分析主機，一臺工控機安裝ubuntu操作系統(tǒng)，作為機器人的控制核心，另一臺工控機安裝Windows系統(tǒng)用于車載檢測儀器的控制和實時數(shù)據(jù)分析；STM32主板主要用于天線位姿控制及其他輔助控制；紅外遙控輸出信號接至STM32主板，用于進行模式選擇與手動控制。

1.2.4 運動控制模塊

在隧道中特別是靠近掌子面的地方，路面凹凸不平，同時探水檢測時需要上下坡，所以選擇履帶式的機器人底盤作為運動平臺。機器人通過驅(qū)動器控制兩個直流無刷電機，采用差動控制的方式實現(xiàn)前進和轉(zhuǎn)向。電機處安裝霍爾傳感器，運用PID算法實現(xiàn)精準(zhǔn)轉(zhuǎn)速控制，保障行駛時的平穩(wěn)和安全。

1.2.5 無線模塊

無線模塊主要是通過構(gòu)建局域網(wǎng)與互聯(lián)網(wǎng)的方式，實現(xiàn)機器人與遠程監(jiān)控平臺的交互。機器人可通過無線模塊將檢測的原始數(shù)據(jù)及分析結(jié)果傳輸至監(jiān)控平臺，也可接收遠程指令對機器人進行操控。極大地簡化了檢測流程，同時也便于及時發(fā)現(xiàn)險情，及早采取防范措施。

1.3 軟件設(shè)計

機器人的軟件架構(gòu)如圖3所示，控制系統(tǒng)以Linux操作系統(tǒng)為核心，主要分為導(dǎo)航模塊和功能模塊。導(dǎo)航模塊包括傳感器數(shù)據(jù)的獲取與處理，建圖與定位的實現(xiàn)，路徑規(guī)劃與導(dǎo)航的實現(xiàn)；功能模塊中又涉及到通信、數(shù)據(jù)傳輸、儀器控制，檢測數(shù)據(jù)分析等部分。導(dǎo)航模塊主要基于ROS提供的C++接口，而功能模塊采用C++編程語言，通過利用各種儀器與設(shè)備提供的硬件接口與軟件協(xié)議實現(xiàn)既定的功能。最終將導(dǎo)航模塊與功能模塊整合形成最終的控制系統(tǒng)。導(dǎo)航模塊的具體實現(xiàn)此處不再贅述，接下來主要介紹功能模塊的實現(xiàn)。

圖3 機器人軟件架構(gòu)圖

功能模塊主要實現(xiàn)通信與控制，包括遠程數(shù)據(jù)傳輸，照明警報控制、掃描儀控制與數(shù)據(jù)分析、探水儀控制與數(shù)據(jù)分析、探水天線位姿控制。

遠程數(shù)據(jù)傳輸是通過網(wǎng)絡(luò)實現(xiàn)的，機器人主機通過采用http協(xié)議將分析完成的檢測結(jié)果發(fā)送至遠程監(jiān)控平臺，平臺對數(shù)據(jù)進行讀取并進行預(yù)警；照明警報控制通過繼電器實現(xiàn)，主機通過RS232串口發(fā)送相應(yīng)指令至STM32主板，STM32接收到信息輸出PWM信號至繼電器，通過繼電器最終實現(xiàn)對照明燈與警報燈的控制；探水儀位姿控制通過STM32實現(xiàn)，采用RS485通信方式，STM32發(fā)送指令至數(shù)字舵機，即可實現(xiàn)轉(zhuǎn)角控制；探水儀控制與數(shù)據(jù)分析采用USB方式，通過串口通信實現(xiàn)指令發(fā)送與檢測數(shù)據(jù)的獲取；三維激光掃描儀的控制與數(shù)據(jù)分析采用無線網(wǎng)絡(luò)實現(xiàn)，由于分析軟件平臺受限(只提供Windows接口)，因此數(shù)據(jù)分析完成之后，通過有線網(wǎng)絡(luò)，采用TCP/IP協(xié)議將分析結(jié)果發(fā)送至主控計算機，最終發(fā)送至遠程監(jiān)控平臺。

以變形檢測為例，介紹整個系統(tǒng)工作流程如圖4所示。

圖4 機器人變形檢測流程

2 環(huán)境感知與地圖建立

自動導(dǎo)航系統(tǒng)是實現(xiàn)機器人自動巡航的核心，它主要由環(huán)境感知、地圖建立、自主定位及路徑規(guī)劃等部分組成。

2.1 傳感器數(shù)據(jù)獲取

機器人搭載的傳感器主要有激光雷達、編碼器、IMU、超聲波傳感器、紅外攝像機等。各種傳感器的數(shù)據(jù)均通過相應(yīng)硬件接口獲取，并通過ROS(robot operating system)發(fā)布至節(jié)點管理器，通過USB串口可實時獲取激光雷達數(shù)據(jù)、位姿數(shù)據(jù)。編碼器的數(shù)據(jù)通過RS232串口獲取，超聲波傳感器及IMU的數(shù)據(jù)同樣通過主機與相應(yīng)傳感器模塊通信獲取，獲取傳感器數(shù)據(jù)后對該數(shù)據(jù)進行相應(yīng)的處理，創(chuàng)建ROS消息節(jié)點并發(fā)布至ros master。獲取過程如圖5所示。

圖5 傳感器數(shù)據(jù)獲取與處理

2.2 環(huán)境地圖建立

常用的建圖算法一般可分為基于濾波和基于優(yōu)化的算法，本文選擇圖優(yōu)化算法Cartogrpher[4]，在有較高的建圖精度的同時，也能保證較少的時間消耗。采用前后端的方式實現(xiàn)地圖的構(gòu)建，能實現(xiàn)整個建圖過程的位姿優(yōu)化，避免了累計的建圖誤差。建圖及優(yōu)化過程如圖6所示。

圖6 Cartographer算法建圖過程

Cartographer算法前端采用占據(jù)柵格地圖的形式，首先使用IMU和里程計的信息得到機器人的初始位姿，之后將當(dāng)前激光雷達掃描幀與已知子地圖進行匹配。再經(jīng)過位姿優(yōu)化后，插入子地圖Submap中，最終由多個Submap構(gòu)建完整地圖。

后端算法主要是用來優(yōu)化全局地圖，由于子地圖構(gòu)建時只考慮當(dāng)前激光幀，所以會有累積建圖誤差，為消除累積誤差，需進行全局優(yōu)化。激光掃描圖被插入到子地圖時的姿態(tài)被存儲到內(nèi)存中，當(dāng)一個子地圖創(chuàng)建完成后，所有對應(yīng)的掃描圖和子地圖對都被考慮進來進行閉環(huán)檢測，實現(xiàn)全局優(yōu)化。

2.3 自主定位

自主定位指的是機器人能夠根據(jù)采集的傳感器信息，推算出自己在已知地圖中的位置。這是機器人進行有效路徑規(guī)劃的基礎(chǔ)，定位不準(zhǔn)將導(dǎo)致導(dǎo)航誤差大，甚至根本無法到達目標(biāo)點。

ROS為開發(fā)者提供了一種自適應(yīng)的蒙特卡洛定位功能(AMCL，adaptave monte carlo localization)，該算法以蒙特卡羅定位算法為基礎(chǔ)，采用粒子濾波的方法，來跟蹤已知地圖中機器人的實時位姿[5-6]。對于可能存在的粒子退化問題，增加了自適應(yīng)的KLD(kullback-leibler distance)方法更新粒子，實現(xiàn)更加準(zhǔn)確的位姿估計。估計過程如圖7所示。

圖7 AMCL位姿估計過程

由于里程計和IMU都屬于相對定位傳感器，行駛距離過長或運動不平穩(wěn)將會導(dǎo)致誤差增大，因此增加UWB作為絕對定位傳感器定期糾偏，采用擴展卡爾曼濾波的方法將里程計和IMU數(shù)據(jù)進行融合，得到融合后的位姿，最后采用AMCL算法融合里程信息和激光雷達數(shù)據(jù)，得到機器人的全局坐標(biāo)。

3 路徑規(guī)劃

全局路徑規(guī)劃是根據(jù)已知地圖，規(guī)劃出一條最優(yōu)的無碰路徑，使機器人能安全快速的到達目標(biāo)位置；局部路徑規(guī)劃則是為了讓機器人能夠沿著全局規(guī)劃產(chǎn)生的路徑運動，同時也要躲避可能出現(xiàn)的動態(tài)障礙。因此，只有合理地選擇全局和局部的路徑規(guī)劃算法，才能實現(xiàn)自動導(dǎo)航的目標(biāo)。

3.1 全局路徑規(guī)劃

全局路徑規(guī)劃的路徑搜索方法主要有Dijkstra算法、可視圖法、A*算法、D*算法等[7-8]。針對隧道環(huán)境，采用A*算法能較快地得到最優(yōu)路徑。A*算法是一種啟發(fā)式的搜索，它在搜索過程中會利用目前已知的狀態(tài)信息來進行下一步選擇。其基本思想如下：

對于每個節(jié)點n，它引入了一個估價函數(shù)f(n)，其定義如下：

f(n)=g(n)+h(n)

(1)

式中，g(n)代表從起點到當(dāng)前節(jié)點n的代價，可通過距離等來度量；h(n)代表從當(dāng)前節(jié)點n到終點的代價估計，h(n)可根據(jù)實際情況選擇，但在選擇時必須滿足以下條件：代價函數(shù)估計值不能高于當(dāng)前節(jié)點到終點的實際最小代價。在搜索時，每次尋找的目標(biāo)集合為當(dāng)前節(jié)點的所有鄰接節(jié)點，選擇的下一個節(jié)點為鄰接節(jié)點中估價函數(shù)f(n)最小且未被訪問過的節(jié)點，如此迭代直至到達終點。

3.2 局部路徑規(guī)劃

在前文通過應(yīng)用A*算法對機器人的全局路徑進行了可靠的規(guī)劃，但是只適用于已知的靜態(tài)環(huán)境。在移動機器人的實際應(yīng)用場合中，通常會出現(xiàn)未知的動態(tài)物體，為了保證機器人的安全和順利完成巡檢任務(wù)，就需要進行局部路徑規(guī)劃。局部路徑規(guī)劃相比于全局路徑規(guī)劃，更加側(cè)重于機器人的實時性和避障能力。

常用的局部路徑規(guī)劃算法有人工勢場法、模糊邏輯算法和動態(tài)窗口法(DWA，dynamic window approach)等。考慮在隧道環(huán)境下避障的安全性與實時性，以及在ROS系統(tǒng)下集成開發(fā)的難度，選擇使用動態(tài)窗口法來實現(xiàn)機器人的局部路徑規(guī)劃與避障。

3.2.1 DWA速度采樣

DWA算法的主要原理為根據(jù)移動機器人當(dāng)前狀態(tài)以及接收到的運動指令，在移動機器人下一步可能的速度空間中采樣多組具體速度值(v,ω)，分別模擬機器人下一時刻的運動軌跡，然后對多組模擬軌跡進行評價對比，選擇滿足最優(yōu)軌跡的速度對(v,ω)，作為移動機器人的下一步速度輸入[9-11]。采樣模擬過程如圖8所示。

圖8 DWA速度采樣與軌跡模擬

由于機器人自身結(jié)構(gòu)的限制和所處環(huán)境的約束，速度空間Vs中的速度對(v,ω)有以下速度約束：

1)最大(小)速度限制:

Vm={v∈[vmin,vmax],ω∈[ωmin,ωmax]}

(2)

2)最大加(減)速限制:

1）建設(shè)用地的變化速度最快，1985－2000年和2000－2016年的單一動態(tài)度分別達到1.17%和1.96%，遠遠高于其他土地利用類型；

Vd={(v,ω)|v∈[vc-avminΔt,vc-avmaxΔt],

ω∈[ωc-aωminΔt,ωc-aωmaxΔt]}

(3)

3)為保障機器人的安全，機器人必須能在障礙物前停止，因此有安全距離限制:

(4)

根據(jù)速度對(v,ω)模擬出運動軌跡，然后判斷機器人以此軌跡行進時，是否滿足以上3個限制條件，若滿足則加入至速度采樣空間，否則舍棄。最終得到的速度采樣空間為Vs=Vm∩Vd∩Va。

3.2.2 DWA軌跡評價

完成速度采樣之后，需要對可行速度對(v,ω)進行評價分析，以此來選擇最優(yōu)的速度對作為下一階段的速度指令。評價函數(shù)的公式為：

G(v,ω)=σ(α·heading(v,ω)+β·dist(v,ω)

+γ·velocity(v,ω))

(5)

式中,heading(v,ω)表示當(dāng)機器人采取速度對(v,ω)時，運行軌跡終點處的航向和目標(biāo)點之間的夾角，夾角越小說明運動方向越趨于目標(biāo)點，通常取其表達式為：

(6)

dis(v,ω)表示采取此速度對(v,ω)時，機器人的運動軌跡與周圍障礙物的最近距離值，距離值越大，表示機器人離障礙物越遠，也就越安全；velocity(v,ω)用于評價此模擬速度相對運動軌跡的速度大小，通常設(shè)其表達式為：

(7)

各單項評價函數(shù)的系數(shù)α、β以及γ分別表示各自的權(quán)值，隨后對三項評價函數(shù)進行歸一化處理，DWA算法具體實現(xiàn)流程如圖9所示。

圖9 DWA算法實現(xiàn)流程圖

3.2.3 局部避障

通過采用DWA算法進行局部路徑規(guī)劃，能在一定程度上避開前方障礙物。但是，避障時主要使用激光雷達，它只能掃描到同平面的障礙物，有一定的局限性，因此增加了超聲波傳感器以及紅外攝像機作為輔助避障傳感器。超聲波傳感器掃描范圍為錐形，能識別低矮障礙。而相機視角廣信息更豐富，這在一定程度上提高了障礙物的識別率，使導(dǎo)航避障更加安全可靠。改進的避障過程如圖10所示。

圖10 改進的避障策略

4 實驗與結(jié)果分析

4.1 實驗環(huán)境及流程

選擇室外環(huán)境進行實驗，首先遙控機器人采集周圍環(huán)境數(shù)據(jù)，建立環(huán)境地圖。返回起點，隨后準(zhǔn)備標(biāo)記測量點，遙控機器人至指定測量點并記錄當(dāng)前點坐標(biāo)(選擇圖9中直線交叉點作為目標(biāo)測點，便于測量誤差)，隨后前往下一測點，直至記錄完所有測量點。標(biāo)記時在中途和返程途中增加一些輔助坐標(biāo)點，讓機器人盡可能靠一側(cè)行駛。返回起點后修改測量點類型。測量點的屬性如表1所示，主要包括測點編號、類型、位置、方位及精度等字段，通過修改以上字段可選擇停車位置，轉(zhuǎn)向位置，檢測任務(wù)類型等。導(dǎo)航目標(biāo)點通過json文件的形式存儲，在執(zhí)行巡航任務(wù)時讀取nav.json文件進行導(dǎo)航與檢測。

表1 導(dǎo)航目標(biāo)點屬性

4.2 實驗步驟

實驗過程主要檢驗機器人自動導(dǎo)航的精度以及可靠性，總共進行10次自動導(dǎo)航實驗。實驗步驟如下：

1)啟動建圖程序，遙控機器人運動，獲取實驗環(huán)境信息，建立環(huán)境地圖；

2)返回起點，重啟機器人，遙控至指定測量點(選取3個測量點)，記錄測量點坐標(biāo)；

3)返回起點，重啟計算機，啟動導(dǎo)航程序，修改導(dǎo)航點屬性，隨后機器人將讀取選定的測量點坐標(biāo)及屬性，開始自動導(dǎo)航；

4)等待機器人到達測量點，記錄本次與首次標(biāo)記時的位置偏差，直至完成本次導(dǎo)航任務(wù)；

5)遙控機器人回到初始位置，重啟計算機，重復(fù)步驟3)、4)，直至完成10次實驗。

實驗時先將機器人置于初始位置，始終從同一起點出發(fā)進行實驗并記錄實驗數(shù)據(jù)，同時在環(huán)境中增加部分靜態(tài)障礙物或者人為阻擋機器人以檢驗其避障能力和導(dǎo)航穩(wěn)定性。本次實驗共進行了10次自主導(dǎo)航測試，分別記錄測試時的偏差值。每次測試完成后，均讓機器人回到初始位置并重啟機器人，避免實驗誤差累計影響最終結(jié)果。

4.3 實驗數(shù)據(jù)與分析

實驗過程中共標(biāo)記有3個工作測點,分別與初始指定測點位置對比，得到其X，Y方向位置偏差(Y方向為沿隧道方向)、整體位置偏差、航向角偏差。實驗結(jié)果如圖11和表2所示。

圖11 各測量點的導(dǎo)航航向位置偏差

表2 測量點導(dǎo)航定位數(shù)據(jù)

10次測試的實驗數(shù)據(jù)對比如表2所示。由表可知，隧道安全預(yù)警機器人10次測試的平均位置偏差和航向偏差分別小于20 cm和5.5°，標(biāo)準(zhǔn)差分別小于3.5 cm和1.9°。同時，在導(dǎo)航過程中出現(xiàn)動態(tài)障礙時基本上能避開障礙，安全地到達指定目標(biāo)點。綜上，隧道安全預(yù)警機器人具有一定的導(dǎo)航定位精度與避障能力，能滿足隧道施工環(huán)境的巡檢要求。

5 結(jié)束語

1)針對隧道施工環(huán)境，設(shè)計了一款隧道安全預(yù)警機器人。通過采用模塊化的設(shè)計思想，極大地提高了設(shè)計開發(fā)效率，降低了維護維修難度。通過其上搭載的檢測儀器與分析主機，可以十分方便地進行檢測，實時地進行數(shù)據(jù)分析與處理，及時發(fā)現(xiàn)險情。杜絕了繁瑣的人工操作，避免了數(shù)據(jù)處理不及時帶來的不良后果。同時，通過無線模塊將檢測數(shù)據(jù)與實時視頻信息傳輸至遠程監(jiān)控平臺，極大地提高了預(yù)防風(fēng)險和快速響應(yīng)的能力。

2)本文重點研究了在隧道環(huán)境下的機器人導(dǎo)航定位問題，通過采用多種導(dǎo)航技術(shù)相結(jié)合的方法，實現(xiàn)了機器人的自動巡航檢測。機器人的自主導(dǎo)航定位基于ROS操作系統(tǒng)，通過融合激光雷達、里程計、IMU等傳感器數(shù)據(jù)，實現(xiàn)機器人的定位、路徑規(guī)劃、動態(tài)避障等功能。實驗結(jié)果表明，機器人導(dǎo)航定位的精度和穩(wěn)定性能滿足實際工程需求。