机器人在液体下建筑内高精度导航的方法和装置制造方法及图纸

本申请提供一种机器人在液体下建筑内高精度导航方法，包括：通过第一导航设备获取机器人的第一导航相关信息；通过第二导航设备获取机器人的第二导航相关信息；基于第一导航相关信息和第二导航相关信息获取机器人的初步位置信息；响应于建筑内特征部位的先验位置信息与机器人的初步位置信息之差在预定阈值内，通过图像声纳获取机器人的位置信息；以及融合第一导航相关信息、第二导航相关信息以及机器人的位置信息获取机器人的导航信息。本申请还提供机器人在液体下建筑内高精度导航的装置，依靠图像声纳识别液体下建筑的特征部位，实现机器人在液体下建筑内高精度导航。

【技术实现步骤摘要】
机器人在液体下建筑内高精度导航的方法和装置
本申请涉及水下导航领域，尤其涉及机器人在液体下建筑内高精度导航的方法和装置。
技术介绍
需要说明的是，本申请的高精度导航方案适于各种液体，例如，水、油、酒精等，为了方便起见，在如下的描述中将液体具体化为水。目前，基于水下机器人的水利水电工程检测和维修是当前水利水电工程运维领域的一大趋势。水利水电工程检测和维修中经常需要水下机器人进入水利水电工程建筑内部检查设施状态，寻找缺陷和隐患并对缺陷部位进行修复。水利水电领域常见的水下建筑包含隧洞、倒虹吸、涵箱、水电站内部等。水下机器人的检测和修复作业需要水下机器人具备在水下建筑内高精度导航的能力。由于电磁波等介质无法在水下长距离传播，陆上和空中大量使用的GNSS（GlobalNavigationSatelliteSystem，全球导航卫星系统）无法在水下使用，水下高精度导航一直是导航领域内的难题。陆上建筑内导航采用的技术手段包含wifi、蓝牙、视觉、激光等，在室内清扫机器人、室内设备、室内车辆和人员定位等领域存在大量应用。其中wifi和蓝牙的通信介质依然是电磁波，无法在水下长距离传播和有效应用。光线在水利水电工程中浑浊的水中传播距离有限，基于视觉或激光的导航方法难以使用。水下导航的常用技术手段包括INS（InertialNavigationSystem,惯性导航系统）、水声DVL（DopplerVelocityLog，多普勒测速仪）、水声LBL/SBL/USBL导航（LongBaseline/ShortBaseline/UltraShortBaseline，长/短/超短基线）等。惯性导航存在误差随时间累积的问题。多普勒测速仪仅能够测速，定位误差也会随着时间累积，从而导致定位不准。LBL/SBL/USBL等水声导航需要外部水声基阵支持，且范围有限。因此水下导航中一般将上述两种或多种导航方法综合应用，形成组合导航。然而，由于水声在水下建筑内存在遮挡、反射、多径等多种因素影响，LBL/SBL/USBL水声导航在水下建筑内应用效果不佳或根本无法使用；惯性导航、多普勒测速仪都存在定位误差，无法实现对水下机器人的高精度定位，在空间狭小的水下建筑内更加难以实现高精度导航，而且，惯性导航和多普勒测速仪的定位误差会随着时间累计，对于水利水电工程建筑内检测和作业的水下机器人，工作时间一般在2小时以上，“惯性导航+多普勒测速仪”组合导航的定位精度无法满足应用需求。从而，由于水声在水下建筑内存在遮挡、反射、多径等多种因素影响，基于水声的导航方法在水下建筑内应用效果不佳甚至无法使用，水下建筑内的高精度导航尤其困难，相关的方案很少。图像声纳（例如，多波束图像声纳、三维声纳、侧扫声纳）可以实时获取水下图像或点云（声纳图像），且具有测距能力，也可以认为是一种视觉手段。当前图像声纳多用于避障、目标探测、结构测量。也有研究利用SLAM（SimultaneousLocalizationandMapping，同步定位与建图）等方法开展了图像声纳导航的探索。由于声纳图像与光学图像存在较大差别，信噪比低，无色彩信息，干扰多，基于图像声纳的导航应用并不成熟。
技术实现思路
基于此，本申请提供了一种实现机器人在水下建筑内高精度导航的方案，该方案将第一导航设备（例如，惯性导航设备）、第二导航设备（例如，多普勒测速仪）和图像声纳所提供的信息融合，形成组合导航，实现机器人在水下建筑内高精度导航。具体来说，通过第一导航设备（例如，惯性导航设备）和第二导航设备（例如，多普勒测速仪）组合，实现水下大范围、连续的导航定位，基于该定位信息获取在水下建筑结构内的初步位置；利用图像声纳拍摄机器人周围水下建筑的声纳图像，本方案中要求已知水下建筑的布局、结构等信息，已知的水下建筑中易识别的特征部位（如比较明显的建筑内设备、明显的突起、明显的拐角、管道的接缝、铆钉槽、线槽等）的具体位置信息，在声纳图像中识别这些已知位置的建筑部位，并根据声纳图像得到这些部位相对机器人的方位、距离等信息，可根据这些信息计算机器人的位置信息，也可将这些信息直接融合到组合导航中，优化计算水下机器人的位置信息，然后通过融合的方法修正第一导航设备（例如，惯性导航设备）和第二导航设备（例如，多普勒测速仪）的导航误差，实现水下建筑内高精度导航。根据本专利技术的第一个方面，提供一种机器人在液体下建筑内高精度导航方法，包括：通过第一导航设备获取所述机器人的第一导航相关信息；通过第二导航设备获取所述机器人的第二导航相关信息；基于所述第一导航相关信息和所述第二导航相关信息获取所述机器人的初步位置信息；响应于建筑内特征部位的先验位置信息与所述机器人的初步位置信息之差在预定阈值内，通过图像声纳获取所述机器人的位置信息；以及融合所述第一导航相关信息、所述第二导航相关信息以及所述机器人的位置信息获取所述机器人的导航信息。根据本专利技术的第二个方面，提供一种机器人在液体下建筑内高精度导航装置，包括：第一获取单元，用于通过第一导航设备获取所述机器人的第一导航相关信息；第二获取单元，用于通过第二导航设备获取所述机器人的第二导航相关信息；第三获取单元，基于所述第一导航相关信息和所述第二导航相关信息获取所述机器人的初步位置信息；第四获取单元，响应于建筑内特征部位的先验位置信息与所述机器人的初步位置信息之差在预定阈值内，用于通过图像声纳获取所述机器人的位置信息；以及融合单元，用于融合所述第一导航相关信息、所述第二导航相关信息以及所述机器人的位置信息获取所述机器人的导航信息。根据本专利技术的第三个方面，提供一种电子设备，包括：处理器；以及存储器，存储有计算机指令，当所述计算机指令被所述处理器执行时，使得所述处理器执行第一方面所述的方法。根据本专利技术的第四个方面，提供一种非瞬时性计算机存储介质，存储有计算机程序，当所述计算机程序被多个处理器执行时，使得所述处理器执行第一方面所述的方法。根据本专利技术提供了机器人在水下建筑内高精度导航的方法、装置、电子识别和非瞬时性计算机存储介质，依靠图像声纳识别水下建筑的特征部位，根据特征部位的先验位置信息以及声纳图像获取的机器人与特征部位的相对位置信息，可以获知机器人的当前位置信息，将机器人的当前位置信息与第一导航设备（例如，惯性导航设备）和第二导航设备（例如，多普勒测速仪）提供的相关信息进行融合计算，可以得到机器人的导航信息，从而实现机器人在水下建筑内高精度导航。本专利技术的方案考虑了水下建筑内导航的特点，依靠水下建筑的特征部位提供的位置信息获取机器人当前精确位置信息，从而实现机器人的高精度导航。本专利技术的方案可用于水利水电、水下搜救、海油等所有需进入水下工程、沉船、大型水下设备等已知构造内部导航的场景。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些本文档来自技高网...

【技术保护点】
1.一种机器人在液体下建筑内高精度导航方法，其特征是，所述方法包括：/n通过第一导航设备获取所述机器人的第一导航相关信息；/n通过第二导航设备获取所述机器人的第二导航相关信息；/n基于所述第一导航相关信息和所述第二导航相关信息获取所述机器人的初步位置信息；/n响应于建筑内特征部位的先验位置信息与所述机器人的初步位置信息之差在预定阈值内，通过图像声纳获取所述机器人的位置信息；以及/n融合所述第一导航相关信息、所述第二导航相关信息以及所述机器人的位置信息获取所述机器人的导航信息。/n

【技术特征摘要】
1.一种机器人在液体下建筑内高精度导航方法，其特征是，所述方法包括：
通过第一导航设备获取所述机器人的第一导航相关信息；
通过第二导航设备获取所述机器人的第二导航相关信息；
基于所述第一导航相关信息和所述第二导航相关信息获取所述机器人的初步位置信息；
响应于建筑内特征部位的先验位置信息与所述机器人的初步位置信息之差在预定阈值内，通过图像声纳获取所述机器人的位置信息；以及
融合所述第一导航相关信息、所述第二导航相关信息以及所述机器人的位置信息获取所述机器人的导航信息。


2.如权利要求1所述的方法，其特征是，所述通过图像声纳获取所述机器人的位置信息包括：
根据建筑内特征部位的成像特点识别所述特征部位；以及
获取所述机器人相对所述特征部位的相对位置信息；其中，所述相对位置信息包括所述机器人相对所述特征部位中心点的距离和方位信息。


3.如权利要求2所述的方法，其特征是，所述通过图像声纳获取所述机器人的位置信息还包括：
根据所述特征部位的先验位置信息以及所述相对位置信息获取所述机器人的绝对位置信息。


4.如权利要求2所述的方法，其特征是，所述融合所述第一导航相关信息、所述第二导航相关信息以及所述机器人的位置信息获取所述机器人的导航信息包括：
融合所述第一导航相关信息、所述第二导航相关信息以及所述相对位置信息获取所述机器人的导航信息。


5.如权利要求3所述的方法，其特征是，所述融合所述第一导航相关信息、所述第二导航相关信息以及所述机器人的位置信息获取所述机器人的导航信息包括：
融合所述第一导航相关信息、所述第二导航相关信息以及所述机器人的绝对位置信息获取所述机器人的导航信息。


6.如权利要求2所述的方法，其特征是，所述根据特征部位的成像特点识别所述特征部位的方式包括计算机视觉中特征提取和匹配的方式以及深度学习方式。


7.如权利要求1所述的方法，其特征是，所述第一导航设备包括惯性导航设备，所述第一导航相关信息包括姿态、速度、位置、加速度和角速度，所述第二导航设备包括多普勒测速仪，所述第二导航相关信息包括速度，所述导航信息包括所述机器人的导航姿态、速度和位置信息。


8.如权利要求1所述的方法，其特征是，所述融合所述第一导航相关信息、所述第二导航相关信息以及所述机器人的位置信息获取所述机器人的导航信息的方式包括Kalman滤波法、粒子滤波法和最优估计法。


9.一种机器人在液体下建筑内高精度导航装置，其特征是，所述装置包括：
第一获取单元，用于通过第一导航设备获取所述机器人的第一导航相关信...

【专利技术属性】
技术研发人员：魏建仓，张红良，郭轶，张永强，
申请(专利权)人：深之蓝海洋科技股份有限公司，
类型：发明
国别省市：天津;12