本申请提供一种巡检机器人语义信息定位增强方法、装置、设备及存储介质。涉及机器人定位技术领域。该方法包括：获取三维点云数据；利用PointNet++网络对所述三维点云数据进行分割，得到车轴点云；基于所述车轴点云获取车轴中线数据，对所述车轴中线数据进行拟合以确定车轴中线位置，根据所述车轴中线位置以及里程计数据确定车轴位置。本申请的方法，解决了在复杂车底环境下无法准确获取关键部件位置信息的问题。
【技术实现步骤摘要】
本申请涉及机器人定位，尤其涉及一种巡检机器人语义信息定位增强方法、装置、设备及存储介质。
技术介绍
1、城市轨道交通的运维至关重要，它不仅关系到城市交通网络的高效运行，还直接涉及到乘客的安全和舒适体验。随着城市轨道交通网络规模的不断扩大，车辆高负荷运行和客流量的持续增长，对运维保障工作提出了更高要求。智能化技术的引入，如大数据、云计算、物联网、人工智能等，已成为提升运维效率、确保运营安全的关键手段。根据现有数据，地铁列车在停车列检库的停靠误差通常在1米左右。这种每次停靠位置的不确定性，尤其是在车底环境复杂的情况下，对列车的正常运营和维护作业非常不利。
2、在上述背景中，研究基于激光slam的巡检机器人是目前的研究热点之一，巡检机器人对巡检项点的精确定位在检修作业中至关重要，但在车底环境的复杂性条件下，仅凭原始点云数据不足以判断列车的具体停靠位置，这不仅降低了巡检效率，还可能由于无法准确获取关键部件信息而导致检修机器人的机械臂与列车底部凸起部分相碰撞的风险。另一方面，列车车厢间通过贯通道装置软连接，使得难以仅通过单个车厢的位置来确定整列列车的精确位置。因此，在机器人巡检过程中，必须精确地定位巡检沟道上列车停靠的位置，才能安全的进行巡检作业。
3、目前常用的ransac点云分割技术只能对形状较为规则的点云进行提取，在点云稀疏或场景复杂时应用受限。通过前期调研测试，仅使用ransac算法无法拟合出正确的车轴点云，这在实际应用中是无法接受的。传统的slam方法在点云处理方面存在局限，未能充分发挥点云信息的潜力。</p>
技术实现思路
1、本申请提供一种巡检机器人语义信息定位增强方法、装置、设备及存储介质，以解决在复杂车底环境下无法准确获取关键部件位置信息的问题。通过引入语义信息，能够更充分地利用点云信息，特别是车底环境复杂的列车停车点位置的检测。因此，引入车底定位方法，可以实现机器人对巡检沟道上方的列车精准定位，从而提升巡检作业的安全性和效率，通过这种方式，可以有效地解决列车停靠位置不确定性所带来的一系列挑战，确保巡检机器人的高效和安全运行。
2、第一方面，本申请提供一种巡检机器人语义信息定位增强方法，包括：
3、获取三维点云数据；
4、利用pointnet++网络对所述三维点云数据进行分割，得到车轴点云；
5、基于所述车轴点云获取车轴中线数据，对所述车轴中线数据进行拟合以确定车轴中线位置，根据所述车轴中线位置以及里程计数据确定车轴位置。
6、在一种可能的设计中，获取三维点云数据，包括：
7、利用巡检机器人搭载的固态三维激光雷达进行实地数据采集以得到点云数据；
8、基于设定的感兴趣区域，对所述点云数据进行空间坐标筛选，得到三维点云数据。
9、在一种可能的设计中，利用pointnet++网络对所述三维点云数据进行分割，得到车轴点云，包括：
10、在接收到积累设定时间的三维点云数据后，对积累的三维点云数据进行roi分割以得到原始点云，并输入至所述pointnet++网络中；
11、所述pointnet++网络响应于输入的原始点云，利用最远点采样算法从所述原始点云中选择一组局部区域的质心点；
12、以所述质心点为中心，查找所述质心点周围的邻近点，构成局部区域集；
13、对所述局部区域集进行特征提取，得到特征向量作为车轴点云；其中，在对所述局部区域集进行特征提取时，通过在不同层级上提取的特征向量来适应点云的分布特性。
14、在一种可能的设计中，基于所述车轴点云获取车轴中线数据，对所述车轴中线数据进行拟合以确定车轴中线位置，包括：
15、设定迭代次数和误差阈值；
16、从所述车轴点云中随机选取子集，并拟合出目标模型；其中，所述目标模型的表面任一点p到轴线距离恒等于半径，表示为：
17、(x-x0)2+(y-y0)2+(z-z0)2+[a(x-x0)+b(y-y0)+c(z-z0)]2
18、＝r2
19、式中，x，y，z是目标模型表面的任意点的x坐标、y坐标和z坐标，r是底圆的半径，x0，y0，z0是轴线上的x坐标、y坐标和z坐标，a，b，c表示x、y、z轴线向量；
20、计算所述目标模型与所有点的误差，将误差小于阈值的点归为内点集合；
21、若内点集合的数量大于预设值，则更新目标模型。
22、在到迭代次数或目标模型收敛的情况下，输出目标模型的轴线x位置与半径。
23、在一种可能的设计中，通过如下误差方程计算所述目标模型与所有点的误差：
24、f＝(x-x0)2+(y-y0)2+(z-z0)2+
25、[a(x-x0)+b(y-y0)+c(z-z0)]2-r2
26、式中，f表示误差；
27、若内点集合的数量大于预设值，以最小化s为目标以更新优化目标模型；其中，s为误差方程求导计算结果，计算公式为：
28、
29、式中，f0是误差方程的初始值。
30、在一种可能的设计中，在根据所述车轴中线位置以及里程计数据确定车轴位置，所述方法还包括基于动态调整导航误差的修正系数进行导航误差修正；其中，所述修正系数的计算公式为：
31、
32、式中，c是修正系数，d是车轴与机器人之间的距离。
33、第二方面，本申请提供一种巡检机器人语义信息定位增强装置，包括：
34、数据获取模块，被配置为获取三维点云数据；
35、语义分割模块，被配置为利用pointnet++网络对所述三维点云数据进行分割，得到车轴点云；
36、车轴定位模块，被配置为基于所述车轴点云获取车轴中线数据，对所述车轴中线数据进行拟合以确定车轴中线位置，根据所述车轴中线位置以及里程计数据确定车轴位置。
37、第三方面，本申请提供一种电子设备，包括：至少一个处理器和存储器；所述存储器存储计算机执行指令；所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的设计所述的巡检机器人语义信息定位增强方法。
38、第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第一方面以及第一方面各种可能的设计所述的巡检机器人语义信息定位增强方法。
39、第五方面，本申请提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时，实现如上第一方面以及第一方面各种可能的设计所述的巡检机器人语义信息定位增强方法。
40、本申请提供的巡检机器人语义信息定位增强方法、装置、设备及存储介质，引入三维点云语义信息提取，提高了车轴定位的精度，实现了厘米级定位精度，提高了巡检机器人的工作安全性和效率，本文档来自技高网
...
【技术保护点】
1.一种巡检机器人语义信息定位增强方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取三维点云数据，包括利用巡检机器人搭载的固态三维激光雷达进行实地数据采集以得到点云数据；
3.根据权利要求1所述的方法，其特征在于，利用PointNet++网络对所述三维点云数据进行分割，得到车轴点云，包括：
4.根据权利要求1所述的方法，其特征在于，基于所述车轴点云获取车轴中线数据，对所述车轴中线数据进行拟合以确定车轴中线位置，包括：
5.根据权利要求4所述的方法，其特征在于，通过如下误差方程计算所述目标模型与所有点的误差：
6.根据权利要求5所述的方法，其特征在于，在根据所述车轴中线位置以及里程计数据确定车轴位置，所述方法还包括基于动态调整导航误差的修正系数进行导航误差修正；其中，所述修正系数的计算公式为：
7.一种巡检机器人语义信息定位增强装置，其特征在于，包括：
8.一种电子设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-6中任一项所述的方法。
10.一种计算机程序产品，其特征在于，包括计算机程序，该计算机程序被处理器执行时实现权利要求1-6中任一项所述的方法。
...
【技术特征摘要】
1.一种巡检机器人语义信息定位增强方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取三维点云数据，包括利用巡检机器人搭载的固态三维激光雷达进行实地数据采集以得到点云数据；
3.根据权利要求1所述的方法，其特征在于，利用pointnet++网络对所述三维点云数据进行分割，得到车轴点云，包括：
4.根据权利要求1所述的方法，其特征在于，基于所述车轴点云获取车轴中线数据，对所述车轴中线数据进行拟合以确定车轴中线位置，包括：
5.根据权利要求4所述的方法，其特征在于，通过如下误差方程计算所述目标模型与所有点的误差：
6.根据权利要求5所述的方法，其...
【专利技术属性】
技术研发人员：马珺杰，田发存，张益策，张目华，马磊，黄德青，秦娜，
申请(专利权)人：西南交通大学，
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。