【技术实现步骤摘要】
本专利技术涉及铁路接触网维护，具体涉及机器视觉辅助的接触网腕臂安装，尤其是一种接触网腕臂安装机械手视觉定位方法。
技术介绍
1、作为铁路供电系统中承担着支撑和固定接触网的关键部件，接触网腕臂对于确保列车牵引供电的安全、可靠和稳定运行至关重要。接触网腕臂主要由定位器、拉线、支撑管等部分组成，通过精确的安装和调整来保证接触网的几何参数满足列车运行要求。
2、接触网腕臂在长期使用过程中，由于承受着风载、冰载、温度变化以及列车通过时的动态荷载等复杂环境因素，其安装精度极易发生偏差。接触网腕臂安装位置或姿态出现明显误差，不仅会直接影响列车受流质量，还可能引发接触网断线等严重事故，造成巨大的经济损失和安全隐患。因此，实现接触网腕臂的高精度安装，对于保障铁路供电系统的安全稳定运行具有非常重要的意义。
3、随着自动化技术的不断进步，研究人员开始尝试将这些先进技术应用于接触网腕臂的安装过程。在利用计算机视觉技术实现精确定位和智能控制方面，当前仍存在一些问题：1. 在实际铁路环境中，如强光、雨雾、漆黑的隧道等复杂多变的条件下，传统的图像处理方法容易受到干扰，影响接触网腕臂的检测和初步定位精度，难以实现稳定可靠的识别；2. 现有的一些视觉定位方法计算复杂度高，难以满足实时性要求，无法在接触网腕臂的检测和定位过程中实现高效率处理，影响整体安装效率；3. 虽然计算机视觉技术在近年来取得了显著进展，但在接触网腕臂安装的应用中仍有提升空间，特别是对机械手抓取接触网腕臂的具体位置进行精确定位仍然不足，影响安装精度和效率。
>技术实现思路
1、为了克服现有技术中存在的上述问题，本专利技术提出一种接触网腕臂安装机械手视觉定位方法。
2、本专利技术解决其技术问题所采用的技术方案是：一种接触网腕臂安装机械手视觉定位方法，包括以下步骤：
3、步骤1，通过深度相机捕捉安装现场的图像，并对图像进行预处理；
4、步骤2，将预处理后的图像输入到改进的yolov8网络模型中进行特征提取和检测；
5、步骤3，将步骤2所得的2d检测图像输入到视觉处理模块，视觉处理模块结合从深度相机获取的深度信息，得到3d定位数据；
6、步骤4，将步骤3所得的3d定位数据实时传递给机械手控制模块，机械手控制模块进行路径规划生成运动轨迹和控制指令控制机械手进行相应运动；
7、步骤5，视觉处理模块在机械手运动过程中持续关注目标位置，进行误差检测，并实时调整机械手运动；
8、步骤6，深度相机、机械手控制模块、视觉处理模块将现场图像及安装情况反馈给控制终端，操作人员通过控制终端对现场安装情况进行监控及人工干预；
9、所述改进的yolov8网络模型包括输入层、csp多尺度特征提取模块、环境自适应特征提取模块、多头自注意力机制、精确定位优化模块，所述环境自适应特征提取模块嵌入到csp多尺度特征提取模块中，图像依次经过所述环境自适应特征提取模块、多头自注意力机制、精确定位优化模块输出。
10、上述的一种接触网腕臂安装机械手视觉定位方法，所述环境自适应特征提取模块的环境感知单元利用全局平均池化和全连接层，从输入特征图中提取全局环境信息，动态调整网络在不同环境下的特征提取策略；所述精确定位优化模块通过锚点优化、结构感知、改进的定位损失函数提升接触网腕臂的定位精度。
11、上述的一种接触网腕臂安装机械手视觉定位方法，所述环境自适应特征提取模块具体处理过程为：输入特征图经全局平均池化和全连接层处理后，将输入特征图转换为环境特征向量；基于环境特征向量，对原始特征图进行自适应调制，具体公式为：
12、；
13、；
14、其中，和是全连接层的权重矩阵，是激活函数，x是输入特征图，e是环境特征向量，x’是调制后的特征图，是可学习的缩放因子，表示逐通道的乘法操作；
15、经环境特征向量调制后的特征图经过不同膨胀率的空洞卷积处理，具体公式为：
16、；
17、其中，表示膨胀率为的空洞卷积操作，，，分别表示不同的膨胀率，代表的是通过三个不同膨胀率的空洞卷积处理后的特征图的拼接结果；
18、使用1*1卷积将多尺度特征融合，生成最终特征图f。
19、上述的一种接触网腕臂安装机械手视觉定位方法，所述精确定位优化模块具体处理过程为：
20、设置固定尺寸但位置密集的锚点网络：
21、；
22、其中，是锚点中心坐标，表示预定义的接触网腕臂的标准宽度，表示预定义的接触网腕臂的标准高度，是锚点的索引编号，从1到n，用于唯一标识每个锚点；n是锚点的总数量，表示在图像或特定特征图尺度上设置了多少个锚点；是锚点集合，即所有预定义的锚点的集合。
23、引入结构感知层，通过卷积操作提取接触网腕臂的几何结构特征，生成结构特征图s：
24、；
25、其中，是结构感知卷积操作，f是环境自适应特征提取模块生成的最终特征图；
26、引入结构损失函数：
27、；
28、；
29、其中，是,和是平衡系数，用于控制 iou 损失与结构一致性损失的权重分配。通过调整和，可以在定位的准确性和几何结构的一致性之间找到最佳平衡点；是结构一致性损失，用于衡量预测的结构特征与真实特征之间的差异；
30、引入方向感知机制，融合接触网腕臂的朝向信息：
31、；
32、其中，和分别为预测和真实的接触网腕臂朝向角。
33、上述的一种接触网腕臂安装机械手视觉定位方法，所述多头自注意力机制具体过程为：
34、将输入特征进行线性投影，生成查询、键和值：
35、；
36、其中，是可学习的权重矩阵，是输入特征图的通道数，是注意力机制的隐藏维度；
37、使用完整的注意力计算公式，计算查询和键的相似度，以生成注意力权重，再将这些权重应用于值上，得到加权后的特征表示：
38、；
39、其中，是缩放因子，主要用于稳定训练过程中的梯度；
40、多头机制在多个子空间上进行上述过程，将结果拼接为最终输出：
41、；
42、其中，为输出投影矩阵，j是头的数量。
43、上述的一种接触网腕臂安装机械手视觉定位方法，所述步骤3具体包括：
44、根据相机的内参和深度图，通过以下公式计算目标在3d空间中的位置：
45、；
46、式中：和为相机主点，和为焦距，为深度值，u为水平方向的横向坐标，v为垂直方向的像素坐标，x为3d空间中的横向坐标，y为3d空间中的纵向坐标；通过已知的3d-2d点对，pnp算法计算出目标的旋转矩阵r和平移向量t，确定接触网腕臂的精确位置和方向：
47、；
48、其中，是图像点，是对应的点，b是相机内参矩阵;
49、本文档来自技高网...
【技术保护点】
1.一种接触网腕臂安装机械手视觉定位方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种接触网腕臂安装机械手视觉定位方法，其特征在于，所述环境自适应特征提取模块的环境感知单元利用全局平均池化和全连接层，从输入特征图中提取全局环境信息，动态调整网络在不同环境下的特征提取策略；所述精确定位优化模块通过锚点优化、结构感知、改进的定位损失函数提升接触网腕臂的定位精度。
3.根据权利要求2所述的一种接触网腕臂安装机械手视觉定位方法，其特征在于，所述环境自适应特征提取模块具体处理过程为：输入特征图经全局平均池化和全连接层处理后，将输入特征图转换为环境特征向量；基于环境特征向量，对原始特征图进行自适应调制，具体公式为：
4.根据权利要求2所述的一种接触网腕臂安装机械手视觉定位方法，其特征在于，所述精确定位优化模块具体处理过程为：
5.引入结构感知层，通过卷积操作提取接触网腕臂的几何结构特征，生成结构特征图S：
6.根据权利要求2所述的一种接触网腕臂安装机械手视觉定位方法，其特征在于，所述多头自注意力机制具体过程为：
<...【技术特征摘要】
1.一种接触网腕臂安装机械手视觉定位方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种接触网腕臂安装机械手视觉定位方法，其特征在于，所述环境自适应特征提取模块的环境感知单元利用全局平均池化和全连接层，从输入特征图中提取全局环境信息，动态调整网络在不同环境下的特征提取策略；所述精确定位优化模块通过锚点优化、结构感知、改进的定位损失函数提升接触网腕臂的定位精度。
3.根据权利要求2所述的一种接触网腕臂安装机械手视觉定位方法，其特征在于，所述环境自适应特征提取模块具体处理过程为：输入特征图经全局平均池化和全连接层处理后，将输入特征图转换为环境特征向量；基于环境特征向量，对原始特征图进行自适应调制，具体公式为：
4.根据权利要求2所述的一种接触网腕臂安装机械手视觉定位方法，其特征在于，所述精确定位优化模块具体处理过程为：
<...【专利技术属性】
技术研发人员：司桂行，刘明，朱向荣，杜部卿，刘启立，于平，陈宝林，徐垒，娄闯，曹文鹏，王元水，刘金鑫，马兆兴，
申请(专利权)人：中铁十局集团电务工程有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。