基于三维激光雷达的电力巡检机器人系统及建图方法技术方案

本发明专利技术公开了一种基于三维激光雷达的电力巡检机器人系统及建图方法，本发明专利技术的系统架构，包括硬件控制层、硬件驱动层、建图与定位算法层，该方法包括：获取所述三维激光雷达扫描得到的3D点云数据、将3D点云进行2D化数据处理；获取所述2D化点云数据、通过轮式里程计得到的机器人的位置数据和通过惯性测量单元得到的机器人的姿态数据，既机器人的预测位姿、通过2D点云反向确定出的机器人的位置数据和姿态数据，既机器人的观测位姿；通过CSM方法匹配机器人的观测位姿和预测位姿求得机器人的真实位置、姿态数据，获取所述2D点云数据中的各个激光点的实际坐标；基于所述2D点云数据中的各个激光点的实际坐标，生成第一地图。生成第一地图。生成第一地图。

【技术实现步骤摘要】
基于三维激光雷达的电力巡检机器人系统及建图方法


[0001]本专利技术涉及巡检机器人设备
，具体而言，涉及一种基于三维激光雷达的电力巡检机器人系统及建图方法。

技术介绍

[0002]随经济发展和人民生活水平的提高，社会用电量不断提升，对电网运行稳定性提出更高挑战，变电、输电、配电等电力系统各环节的巡检需求进一步提高。电力变电站面临着高可靠性、高负荷密度和高电能质量的需求。对停电的要求变得越来越严格，关键变电设备的离线运维机会越来越少。因此，电力变电站迫切需要先进的现场维修操作技术。但是，由于高压、站设备密集、体积大、重量大的特点，开展人工带电作业很困难，因此机器人技术的应用可以有效地解决上述问题。
[0003]单线激光传感器广泛应用于电力巡检，相对于多线激光传感器，价格便宜，数据量小，易于处理和建图，对硬件配置要求低，但是只能适用于室内场景，抗光线干扰能力差，测量范围小，在感知方面存在无法回避的缺陷。通过多线激光雷达，可获得周围环境的点云数据，实现高精度建图。同时，多线激光雷达抗光线干扰能力强，测量范围为40cm至150m，能够很好的适用于室外大型变电站的巡检工作。但随着激光传感器测量精度的不断提高，点云数据正在以惊人的速度增长，多者可达百兆秒，导致地图重建时间长，计算机处理的负担增加，对硬件要求增高。
[0004]目前，机器人构建地图的方法有很多，SLAM(Simultaneous Localization And Mapping，即时定位与地图构建)为最常用的方法，其通常是指在机器人上，通过对各种传感器数据进行采集和计算，生成对其自身位置姿态的定位和场景地图信息的系统。而目前最常见的SLAM为激光SLAM。激光SLAM的核心是通过不同时刻激光雷达扫描得到的两片点云数据的匹配与比对，计算激光雷达相对运动的距离和姿态的改变，以实现对机器人自身的定位，进而完成定位与地图的构建。但是该方式，存在以下缺点：1.在强光环境下，通过点云数据所得到的机器人的定位数据不准确。2.在环境中存在的动态障碍物较多时，定位与建图效果差。

技术实现思路

[0005]本专利技术的目的在于克服现有技术的不足，提供一种基于三维激光雷达的电力巡检机器人系统架构设计及建图方法，采用分层控制的方法来提高控制效率与控制精度，专业的控制框架可以改善系统逻辑、解决三维激光雷达数据量大，处理算法复杂，建图时间长的问题、解决基于激光SLAM的建图方式，在强光环境下，得到的机器人的定位数据不准确，在环境动态障碍物较多时，定位与建图不稳定的问题。
[0006]为解决上述技术问题，本专利技术提供了一种基于三维激光雷达的电力巡检机器人系统，硬件控制层获取电力巡检机器人的运动速度和姿态信息，并通过ros serial协议与硬件驱动层通信；
硬件驱动层通过底盘通信节点、IMU数据节点、雷达数据节点依次获得轮式里程计信息、IMU数据信息、3D点云数据；建图与定位算法层通过将轮式里程计（odom）信息和IMU信息进行位姿估计，获得电力巡检机器人的预测位姿，3D点云数据转换为2D点云后获得电力巡检机器人的观测位姿，通过Scan Matching匹配获得Submaps；电力巡检机器人依照Submaps前往下一个观测点。
[0007]作为本专利技术的一种改进，所述硬件控制层，包括：手柄发送控制信号到电力巡检机器人，通过PID算法进行调速，进而控制电力巡检机器人的运动；采用编码器和IMU获得电力巡检机器人的速度与姿态，通过ros serial协议将电力巡检机器人的速度与姿态数据发送到硬件驱动层。
[0008]作为本专利技术的一种改进，所述硬件驱动层，通过底盘通信节点获取轮式里程计（odom）信息、IMU数据信息，通过雷达数据节点获取3D点云数据。
[0009]作为本专利技术的一种改进，所述建图与定位算法层，通过将轮式里程计（odom）信息和IMU信息进行位姿估计，获得电力巡检机器人的预测位姿；3D点云数据转换为2D点云数据后获得电力巡检机器人的观测位姿，接着通过Scan Matching匹配获得Submaps。
[0010]相应的，本专利技术还提供一种基于三维激光雷达的电力巡检机器人建图方法，包括以下步骤：1）获取所述三维激光雷达扫描得到的3D点云数据；将3D点云数据进行2D化数据处理；2）获取所述2D化点云数据、通过轮式里程计得到的机器人的位置数据和通过惯性测量单元得到的机器人的姿态数据，既机器人的预测位姿、通过2D点云数据反向确定出的机器人的位置数据和姿态数据，既机器人的观测位姿；3) 通过CSM方法匹配机器人的观测位姿和预测位姿求得机器人的真实位置、姿态数据，获取所述2D点云数据中的各个激光点的实际坐标；4）基于所述2D点云数据中的各个激光点的实际坐标，生成第一地图。
[0011]作为本专利技术的一种改进，所述3D点云数据的处理，通过将多条扫描线合成一条2D雷达扫描线，使用pointcloud_to_laserscan功能包实现将三维激光雷达输出的3D点云数据转换为2D点云数据。
[0012]实现流程为：以三维激光雷达扫描到的3D点云数据作为输入，并对所选的局部区域进行数据的筛选；采用滑动窗口滤波算法，对筛选数据中的误差进行滤除；选定一个固定角度对3D点云数据数据的所有层进行扫描，减少点云的数据量；将缩减采样完的点云投影映射2D平面，获得2D点云数据。
[0013]作为本专利技术的一种改进，所述2D点云数据中的各个激光点的坐标是以所述激光雷达的位置作为坐标原点所生成的第一空间坐标系中的坐标；将所述第一空间坐标系中的各个激光点的坐标转换到以所述机器人作为坐标原点的本体空间坐标系中；其中，坐标转换是基于所述激光雷达在所述机器人上的设置位置进行的转换；将所述轮式里程计的位置数据转换到第二空间坐标系中，所述第二空间坐标系以所述轮式里程计的位置作为坐标原点。
[0014]作为本专利技术的一种改进，所述轮式里程计得到的机器人的位置数据以及所述惯性测量单元得到的机器人的姿态数据，所述2D点云数据反向确定出的机器人的位置数据和姿态数据；由轮式里程计和惯性测量单元通过互补滤波的方式预测初始的位姿，建立匹配机制，通过非线性最小二乘进行优化求解得到最优匹配，算法中通过调用Ceres库执行，非线性最小二乘问题为：其中为根据扫描位姿将从扫描帧转换为子图帧。
[0015]将所述2D点云数据反向确定出的机器人的位置数据和姿态数据既位姿看作一个节点，且2D点云数据会经由体素滤波器去除冗余的点云数据，然后与轮式里程计、惯性测量单元预测的位姿子图进行匹配，获取所述2D点云数据中的各个激光点的实际坐标。
[0016]作为本专利技术的一种改进，所述基于投影后的各个激光点的投影坐标，生成所述第一地图之后，所述方法还包括：5）在优化位姿的同时不断插入数据帧使得子图更新，将所述第一地图导入到现实场景图上，以使所述第一地图的原点位于所述场景图的原点上；其中，所述场景图为基于cartographer算法所构建的地图的原始图像；6）创建下一个子图，得出的最优位姿用作下一次的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于三维激光雷达的电力巡检机器人系统，其特征在于，硬件控制层获取电力巡检机器人的运动速度和姿态信息，并通过ros serial协议与硬件驱动层通信；硬件驱动层通过底盘通信节点、IMU数据节点、雷达数据节点依次获得轮式里程计信息、IMU数据信息和3D点云数据；建图与定位算法层通过将轮式里程计（odom）信息和IMU信息进行位姿估计，获得电力巡检机器人的预测位姿，3D点云数据转换为2D点云数据后获得电力巡检机器人的观测位姿，接着通过Scan Matching匹配获得Submaps；电力巡检机器人依照Submaps前往下一个观测点。2.根据权利要求1所述的基于三维激光雷达的电力巡检机器人系统，其特征在于，所述硬件控制层，包括：手柄发送控制信号到电力巡检机器人，通过PID算法进行调速，进而控制电力巡检机器人的运动；采用编码器和IMU获得电力巡检机器人的速度与姿态，通过ros serial协议将电力巡检机器人的速度与姿态数据发送到硬件驱动层。3.根据权利要求1所述的基于三维激光雷达的电力巡检机器人系统，其特征在于，所述硬件驱动层，通过底盘通信节点获取轮式里程计（odom）信息和IMU数据信息，通过雷达数据节点获取3D点云数据。4.根据权利要求1所述的基于三维激光雷达的电力巡检机器人系统，其特征在于，所述建图与定位算法层，通过将轮式里程计（odom）信息和IMU信息进行位姿估计，获得电力巡检机器人的预测位姿；3D点云数据转换为2D点云数据后获得电力巡检机器人的观测位姿，接着通过Scan Matching匹配获得Submaps。5.基于三维激光雷达的电力巡检机器人建图方法，适用于如权利要求1所述的基于三维激光雷达的电力巡检机器人系统，其特征在于，所述机器人上设置有三维激光雷达、轮式里程计和惯性测量单元，包括以下步骤：1）获取所述三维激光雷达扫描得到的3D点云数据；将3D点云数据进行2D化数据处理；2）通过轮式里程计得到的机器人的位置数据和通过惯性测量单元得到的机器人的姿态数据；获取所述2D化点云数据，通过2D点云数据反向确定出的机器人的位置数据和姿态数据；3) 通过CSM方法匹配机器人的观测位姿和预测位姿求得机器人的真实位置和姿态数据，获取所述2D点云数据中的各个激光点的实际坐标；4）基于所述2D点云数据中的各个激光点的实际坐标...

【专利技术属性】
技术研发人员：吴秋轩，周忠容，曾平良，田杨阳，毛万登，孟秦源，张波涛，袁少光，耿俊成，赵健，
申请(专利权)人：国网河南省电力公司电力科学研究院国家电网有限公司，
类型：发明
国别省市：