CN116954234A - 一种机器人巡检控制方法及系统 - Google Patents
一种机器人巡检控制方法及系统 Download PDFInfo
- Publication number
- CN116954234A CN116954234A CN202311139162.9A CN202311139162A CN116954234A CN 116954234 A CN116954234 A CN 116954234A CN 202311139162 A CN202311139162 A CN 202311139162A CN 116954234 A CN116954234 A CN 116954234A
- Authority
- CN
- China
- Prior art keywords
- inspection
- information
- target
- robot
- path
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 512
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 84
- 238000005457 optimization Methods 0.000 claims abstract description 35
- 230000000694 effects Effects 0.000 claims abstract description 22
- 238000012937 correction Methods 0.000 claims description 19
- 238000012544 monitoring process Methods 0.000 claims description 14
- 230000000007 visual effect Effects 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 230000008901 benefit Effects 0.000 claims description 5
- 238000005206 flow analysis Methods 0.000 claims description 4
- 238000011002 quantification Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 description 16
- 238000010276 construction Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请涉及智能控制技术领域，提供一种机器人巡检控制方法及系统。所述方法包括：对全局巡检场景信息进行划分标记，得到目标巡检点集合，以此对全局巡检场景信息进行规划，获得目标巡检规划路径信息；巡检机器人基于目标巡检规划路径信息进行运行巡检，获得局部巡检数据流，进而对数据流进行解析，输出巡检优化路径信息；巡检机器人基于巡检优化路径信息进行持续巡检，获取巡检运行轨迹信息，以此进行轨迹比对分析，获得巡检比对偏差，并根据巡检比对偏差对巡检机器人进行跟踪控制。采用本方法能够通过全局巡检和局部巡检结合进行路径规划，实现路径规划全面性，提高机器人巡检路径规划准确性和控制精确性，进而保证巡检效果和巡检效率。
Description
技术领域
本申请涉及智能控制技术领域，特别是涉及一种机器人巡检控制方法及系统。
背景技术
随着人工智能的发展，机房、厂房、管道等多场景的巡检工作由传统的人工巡检开始向机器人智能巡检转变，从而进入规模管理、远程监控、实时反馈的新阶段。机器人巡检一旦捕捉到设备有任何异常，会立即通过短信、语音等方式告警，机器人可直接引领工程师到达故障位置，大大减少了排查时间和人力投入成本。然而，现有技术机器人巡检路径规划准确性低，导致巡检效果和巡检效率较低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够实现路径规划全面性，提高机器人巡检路径规划准确性和控制精确性，进而保证巡检效果和巡检效率的一种机器人巡检控制方法及系统。
一种机器人巡检控制方法，所述方法包括：通过工业视觉设备监控获取全局巡检场景信息；对所述全局巡检场景信息进行划分标记，得到目标巡检点集合；基于所述目标巡检点集合对所述全局巡检场景信息进行路径规划，获得目标巡检规划路径信息；获得巡检机器人，所述巡检机器人基于所述目标巡检规划路径信息进行运行巡检，获得局部巡检数据流；将所述局部巡检数据流和所述目标巡检规划路径信息发送至控制台进行解析，输出巡检优化路径信息；所述巡检机器人基于所述巡检优化路径信息进行持续巡检，获取巡检运行轨迹信息；基于所述巡检运行轨迹信息和所述巡检优化路径信息进行比对分析，获得巡检比对偏差，并根据所述巡检比对偏差对所述巡检机器人进行跟踪控制。
一种机器人巡检控制系统，所述系统包括：巡检场景获取模块，用于通过工业视觉设备监控获取全局巡检场景信息；场景划分标记模块，用于对所述全局巡检场景信息进行划分标记，得到目标巡检点集合；路径规划模块，用于基于所述目标巡检点集合对所述全局巡检场景信息进行路径规划，获得目标巡检规划路径信息；巡检数据流获得模块，用于获得巡检机器人，所述巡检机器人基于所述目标巡检规划路径信息进行运行巡检，获得局部巡检数据流；数据流解析模块，用于将所述局部巡检数据流和所述目标巡检规划路径信息发送至控制台进行解析，输出巡检优化路径信息；巡检运行轨迹获取模块，用于所述巡检机器人基于所述巡检优化路径信息进行持续巡检，获取巡检运行轨迹信息；跟踪控制模块，用于基于所述巡检运行轨迹信息和所述巡检优化路径信息进行比对分析，获得巡检比对偏差，并根据所述巡检比对偏差对所述巡检机器人进行跟踪控制。
上述一种机器人巡检控制方法及系统，解决了现有技术机器人巡检路径规划准确性低，导致巡检效果和巡检效率较低的技术问题，达到了通过全局巡检和局部巡检结合进行路径规划，实现路径规划全面性，提高机器人巡检路径规划准确性和控制精确性，进而保证巡检效果和巡检效率的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为一个实施例中一种机器人巡检控制方法的流程示意图。
图2为一个实施例中一种机器人巡检控制方法中得到目标巡检点集合的流程示意图。
图3为一个实施例中一种机器人巡检控制系统的结构框图。
附图标记说明：巡检场景获取模块11，场景划分标记模块12，路径规划模块13，巡检数据流获得模块14，数据流解析模块15，巡检运行轨迹获取模块16，跟踪控制模块17。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
如图1所示，本申请提供了一种机器人巡检控制方法，所述方法包括：
步骤S100：通过工业视觉设备监控获取全局巡检场景信息；
具体而言，随着人工智能的发展，机房、厂房、管道等多场景的巡检工作由传统的人工巡检开始向机器人智能巡检转变，从而进入规模管理、远程监控、实时反馈的新阶段。机器人巡检一旦捕捉到设备有任何异常，会立即通过短信、语音等方式告警，机器人可直接引领工程师到达故障位置，大大减少了排查时间和人力投入成本。为获取机器人巡检场景整体信息，通过工业视觉设备监控获取全局巡检场景信息，所述工业视觉设备为工业监控装置，可以是高精度监控摄像头，图像监控清晰度高、速度快，以此监控获取待巡检场景的全局图像信息即全局巡检场景信息，为后续巡检点标记提供场景数据基础。
步骤S200：对所述全局巡检场景信息进行划分标记，得到目标巡检点集合；
在一个实施例中，如图2所示，所述得到目标巡检点集合，本申请步骤S200还包括：
步骤S210：基于所述全局巡检场景信息进行空间建模，获得巡检场景三维模型，并对所述巡检场景三维模型进行区域划分，生成巡检场景分割区域集合；
步骤S220：对所述巡检场景分割区域集合分别进行巡视目标物识别，得到巡视目标物集合；
步骤S230：获取目标物特征属性信息，所述目标物特征属性信息包括特征类型、特征坐标、特征巡视区；
步骤S240：基于所述目标物特征属性信息对所述巡视目标物集合进行标记，获得所述目标巡检点集合。
具体而言，对所述全局巡检场景信息进行划分标记，首先基于所采集的全局巡检场景信息进行空间建模，利用三维建模技术对场景数据建模，构建获取待巡检场景的巡检场景三维模型。并对所述巡检场景三维模型进行区域划分，可按照场景功能进行区域划分，生成对应的巡检场景分割区域集合，示例性的，电力设备区域、机房设备区域等。再对所述巡检场景分割区域集合分别进行巡视目标物识别，即对各区域内的需要巡视设备、通道等目标物进行识别提取，得到各分割区域内的巡视目标物集合。获取目标物特征属性信息，所述目标物特征属性信息为待巡视目标物的分类属性，包括目标物的特征类型、特征坐标、特征巡视区即目标物所在巡检分割区域。基于所述目标物特征属性信息对所述巡视目标物集合进行标记，获得属性标记后的待巡视目标物集合，即目标巡检点集合。提高待巡视目标物的属性标记全面性，进而提高巡检路径规划准确性。
步骤S300：基于所述目标巡检点集合对所述全局巡检场景信息进行路径规划，获得目标巡检规划路径信息；
在一个实施例中，所述获得目标巡检规划路径信息，本申请步骤S300还包括：
步骤S310：基于所述目标巡检点集合进行路线分析，确定巡检分析路线集合；
步骤S320：构建巡检估价因素，所述巡检估价因素包括路线长短和巡检效果；
步骤S330：对所述巡检估价因素进行关键度分配，获得估价因素关键度信息；
步骤S340：根据所述巡检估价因素和所述估价因素关键度信息，构建巡检代价函数；
步骤S350：基于所述巡检代价函数对所述巡检分析路线集合进行评估筛选，获得所述目标巡检规划路径信息。
在一个实施例中，所述获取模型融合参数，本申请步骤S350还包括：
步骤S351：对所述目标巡检点集合中的各巡检点进行应用功能标记，获得巡检点应用功能信息；
步骤S352：基于所述巡检点应用功能信息进行紧急性量化，确定巡检点紧急性系数；
步骤S353：基于所述巡检点紧急性系数进行巡检层级划分，获取巡检点层级信息；
步骤S354：根据所述巡检点层级信息，获得巡检频次列表信息，并基于所述巡检频次列表信息确定路线巡检效果。
具体而言，基于所述目标巡检点集合对所述全局巡检场景信息进行路径规划，首先基于所述目标巡检点集合进行路线分析，即对经过目标巡检点集合的所有路线进行分析整合获取巡检分析路线集合。再构建巡检估价因素，所述巡检估价因素为对巡检分析路线的评价指标，包括路线长短和巡检效果。关于巡检效果的评价具体为对所述目标巡检点集合中的各巡检点进行应用功能标记，获得相应的巡检点应用功能信息。基于所述巡检点应用功能信息进行紧急性量化，即依据应用功能进行巡检重要性分析，应用功能越重要，其对应的巡检紧急性系数越大，紧急性依据准则根据巡检场景实际应用确定，进而分析巡检点紧急性系数。基于所述巡检点紧急性系数进行巡检层级划分，即依据紧急性系数进行巡检必要程度划分，紧急性系数越大其对应的巡检层级越高，以此获取巡检点层级信息。根据所述巡检点层级信息，获得巡检频次列表信息，所述巡检频次列表信息的巡检频次与巡检点层级相对应。并基于所述巡检频次列表信息进行巡检路线上的各巡检点的巡检频次统计，若巡检频次达标，则巡检效果越好，未达标则会造成巡检效果损失，进而确定路线巡检效果。
对所述巡检估价因素进行关键度分配，即对巡检估价因素进行权重分配，可通过主观权重赋值也可根据巡检经验进行客观权重赋值，以此获得估价因素关键度信息。根据所述巡检估价因素和所述估价因素关键度信息，构建巡检代价函数，所述巡检代价函数具体为G=af1+bf2，其中a为路线长短权值，f1为路线长短评价信息，b为巡检效果权值，f2为巡检效果评价信息，且路线越短，f1评估值越小，巡检效果越好，f2评估值越小。基于所述巡检代价函数对所述巡检分析路线集合进行评估筛选，即将各巡检分析路线的评价值输入巡检代价函数中进行代价结果评估，获得各条路线的代价评估结果，进而选取代价值最小的路线作为目标巡检规划路径信息。实现利用代价评估快速筛选巡检规划路径，提高巡检路线规划准确性和规划适用性。
步骤S400：获得巡检机器人，所述巡检机器人基于所述目标巡检规划路径信息进行运行巡检，获得局部巡检数据流；
步骤S500：将所述局部巡检数据流和所述目标巡检规划路径信息发送至控制台进行解析，输出巡检优化路径信息；
具体而言，获得巡检机器人，所述巡检机器人为用于进行场景巡检的智能机器人，配备有图像识别、数据记录、传输、智能报警等多种功能，减少人力投入成本。所述巡检机器人基于所述目标巡检规划路径信息进行运行巡检，并对巡检路径数据以及巡检结果数据进行实时监测整合，以此获得机器人监测的局部巡检数据流，提高巡检数据监测全面性。
在一个实施例中，所述输出巡检优化路径信息，本申请步骤S600还包括：
步骤S510：通过所述控制台构建巡检路径分析模型，所述巡检路径分析模型包括巡检故障分析模型和巡检避障分析模型；
步骤S520：基于所述巡检故障分析模型和巡检避障分析模型对所述局部巡检数据流进行分析，分别输出巡检故障分析信息和巡检避障分析信息；
步骤S530：根据所述巡检故障分析信息和巡检避障分析信息，确定巡检路线优化参数；
步骤S540：基于所述巡检路线优化参数对所述目标巡检规划路径信息进行优化，获得所述巡检优化路径信息。
具体而言，将所述局部巡检数据流和所述目标巡检规划路径信息发送至控制台进行解析，通过所述控制台构建巡检路径分析模型，所述巡检路径分析模型通过历史数据训练获得，具体包括巡检故障分析模型，用于对巡检点故障进行分析，和巡检避障分析模型，用于对巡检路径上出现的障碍进行避障参数分析。基于所述巡检故障分析模型和巡检避障分析模型对所述局部巡检数据流进行分析，分别输出巡检故障分析信息，即巡检点的故障信息，和巡检避障分析信息，即巡检避障分析参数。根据所述巡检故障分析信息和巡检避障分析信息进行路径重新规划，示例性的，需考虑巡检路径避障，还需对故障点设备等进行再次巡检，重新规划确定巡检路线优化参数，所述巡检路线优化参数包括优化角度、长度等。基于所述巡检路线优化参数对所述目标巡检规划路径信息进行优化，获得优化修正后的巡检优化路径信息。通过全局巡检和局部巡检结合进行路径优化规划，实时修正机器人巡检路径，实现路径规划全面性，保证机器人巡检效果和巡检效率。
步骤S600：所述巡检机器人基于所述巡检优化路径信息进行持续巡检，获取巡检运行轨迹信息；
在一个实施例中，所述获取巡检运行轨迹信息，申请步骤S600还包括：
步骤S610：所述巡检机器人基于所述巡检优化路径信息进行持续巡检，获取巡检路径时序数据；
步骤S620：选取所述巡检路径时序数据的第一时序巡检数据信息，基于所述第一时序巡检数据信息进行绘制分析，生成第一时序巡检转角；
步骤S630：按照巡检时序依次提取所述巡检路径时序数据的第二时序巡检数据信息直至的第N时序巡检数据信息，获得第二时序巡检转角直至第N时序巡检转角；
步骤S640：基于所述第一时序巡检转角、所述第二时序巡检转角直至第N时序巡检转角，生成所述巡检运行轨迹信息。
具体而言，所述巡检机器人基于所述巡检优化路径信息进行持续巡检，获取巡检路径时序数据，所述巡检路径时序数据按照巡检时间段顺序整合排列，其中，时序长短可自行选取，时序选取越短，其轨迹分析精确性越高。选取所述巡检路径时序数据的第一时序巡检数据信息，基于所述第一时序巡检数据信息进行绘制分析，将巡检机器人视为巡检线条，避免运行点绘制的细节丢失性，依据机器人巡检方向生成第一时序巡检转角，按照巡检时序依次提取所述巡检路径时序数据的第二时序巡检数据信息直至的第N时序巡检数据信息，获得对应的第二时序巡检转角直至第N时序巡检转角。基于所述第一时序巡检转角、所述第二时序巡检转角直至第N时序巡检转角，生成巡检运行轨迹信息，所述巡检运行轨迹信息为巡检机器人的实际运行轨迹。通过时序巡检转角进行运行轨迹绘制，实现可视化展示机器人巡检轨迹，提高巡检轨迹把控精确性。
步骤S700：基于所述巡检运行轨迹信息和所述巡检优化路径信息进行比对分析，获得巡检比对偏差，并根据所述巡检比对偏差对所述巡检机器人进行跟踪控制。
在一个实施例中，所述根据所述巡检比对偏差对所述巡检机器人进行跟踪控制，本申请步骤S700还包括：
步骤S710：根据所述巡检比对偏差，确定运行偏差修正参数；
步骤S720：对所述巡检机器人进行控制精度分析，获得机器人精度控制阈值；
步骤S730：基于所述机器人精度控制阈值对所述运行偏差修正参数进行损益分析，生成路径补偿修正因子；
步骤S740：基于所述路径补偿修正因子对所述巡检机器人进行路径跟踪补偿控制。
具体而言，基于所述巡检运行轨迹信息和所述巡检优化路径信息进行比对分析，获得巡检比对偏差，即巡检机器人的实际巡检运行偏差。并根据所述巡检比对偏差对所述巡检机器人进行跟踪控制，具体为根据所述巡检比对偏差，确定运行偏差修正参数。再对所述巡检机器人进行控制精度分析，随着机器人的使用时长以及控制固有偏差，确定机器人精度控制阈值，所述机器人精度控制阈值为机器人的实际控制偏差范围。基于所述机器人精度控制阈值对所述运行偏差修正参数进行损益分析，即根据精度控制阈值对偏差修正参数进行计算，示例性的，若控制阈值为进量，则需对偏差修正参数进行相应进量的损失相减，生成计算后的路径补偿修正因子。基于所述路径补偿修正因子对所述巡检机器人进行路径跟踪补偿控制，即对巡检路径进行控制参数补偿，实现对巡检优化路径信息的调整跟踪，进而保证巡检机器人控制精确性和巡检效果。
在一个实施例中，如图3所示，提供了一种机器人巡检控制系统，包括：巡检场景获取模块11，场景划分标记模块12，路径规划模块13，巡检数据流获得模块14，数据流解析模块15，巡检运行轨迹获取模块16，跟踪控制模块17，其中：
巡检场景获取模块11，用于通过工业视觉设备监控获取全局巡检场景信息；
场景划分标记模块12，用于对所述全局巡检场景信息进行划分标记，得到目标巡检点集合；
路径规划模块13，用于基于所述目标巡检点集合对所述全局巡检场景信息进行路径规划，获得目标巡检规划路径信息；
巡检数据流获得模块14，用于获得巡检机器人，所述巡检机器人基于所述目标巡检规划路径信息进行运行巡检，获得局部巡检数据流；
数据流解析模块15，用于将所述局部巡检数据流和所述目标巡检规划路径信息发送至控制台进行解析，输出巡检优化路径信息；
巡检运行轨迹获取模块16，用于所述巡检机器人基于所述巡检优化路径信息进行持续巡检，获取巡检运行轨迹信息；
跟踪控制模块17，用于基于所述巡检运行轨迹信息和所述巡检优化路径信息进行比对分析，获得巡检比对偏差，并根据所述巡检比对偏差对所述巡检机器人进行跟踪控制。
在一个实施例中，所述系统还包括：
空间建模划分单元，用于基于所述全局巡检场景信息进行空间建模，获得巡检场景三维模型，并对所述巡检场景三维模型进行区域划分，生成巡检场景分割区域集合；
巡视目标物识别单元，用于对所述巡检场景分割区域集合分别进行巡视目标物识别，得到巡视目标物集合；
特征属性获取单元，用于获取目标物特征属性信息，所述目标物特征属性信息包括特征类型、特征坐标、特征巡视区；
目标物标记单元，用于基于所述目标物特征属性信息对所述巡视目标物集合进行标记，获得所述目标巡检点集合。
在一个实施例中，所述系统还包括：
巡检路线分析单元，用于基于所述目标巡检点集合进行路线分析，确定巡检分析路线集合；
巡检估价因素构建单元，用于构建巡检估价因素，所述巡检估价因素包括路线长短和巡检效果；
关键度分配单元，用于对所述巡检估价因素进行关键度分配，获得估价因素关键度信息；
巡检代价函数构建单元，用于根据所述巡检估价因素和所述估价因素关键度信息，构建巡检代价函数；
路线评估筛选单元，用于基于所述巡检代价函数对所述巡检分析路线集合进行评估筛选，获得所述目标巡检规划路径信息。
在一个实施例中，所述系统还包括：
应用功能标记单元，用于对所述目标巡检点集合中的各巡检点进行应用功能标记，获得巡检点应用功能信息；
紧急性量化单元，用于基于所述巡检点应用功能信息进行紧急性量化，确定巡检点紧急性系数；
巡检层级划分单元，用于基于所述巡检点紧急性系数进行巡检层级划分，获取巡检点层级信息；
路线巡检效果确定单元，用于根据所述巡检点层级信息，获得巡检频次列表信息，并基于所述巡检频次列表信息确定路线巡检效果。
在一个实施例中，所述系统还包括：
路径分析模型构建单元，用于通过所述控制台构建巡检路径分析模型，所述巡检路径分析模型包括巡检故障分析模型和巡检避障分析模型；
数据流分析单元，用于基于所述巡检故障分析模型和巡检避障分析模型对所述局部巡检数据流进行分析，分别输出巡检故障分析信息和巡检避障分析信息；
路线优化参数确定单元，用于根据所述巡检故障分析信息和巡检避障分析信息，确定巡检路线优化参数；
规划路径优化单元，用于基于所述巡检路线优化参数对所述目标巡检规划路径信息进行优化，获得所述巡检优化路径信息。
在一个实施例中，所述系统还包括：
路径持续巡检单元，用于所述巡检机器人基于所述巡检优化路径信息进行持续巡检，获取巡检路径时序数据；
数据绘制分析单元，用于选取所述巡检路径时序数据的第一时序巡检数据信息，基于所述第一时序巡检数据信息进行绘制分析，生成第一时序巡检转角；
时序巡检转角获得单元，用于按照巡检时序依次提取所述巡检路径时序数据的第二时序巡检数据信息直至的第N时序巡检数据信息，获得第二时序巡检转角直至第N时序巡检转角；
巡检运行轨迹生成单元，用于基于所述第一时序巡检转角、所述第二时序巡检转角直至第N时序巡检转角，生成所述巡检运行轨迹信息。
在一个实施例中，所述系统还包括：
偏差修正参数确定单元，用于根据所述巡检比对偏差，确定运行偏差修正参数；
控制精度分析单元，用于对所述巡检机器人进行控制精度分析，获得机器人精度控制阈值；
参数损益分析单元，用于基于所述机器人精度控制阈值对所述运行偏差修正参数进行损益分析，生成路径补偿修正因子；
跟踪补偿控制单元，用于基于所述路径补偿修正因子对所述巡检机器人进行路径跟踪补偿控制。
关于一种机器人巡检控制系统的具体实施例可以参见上文中对于一种机器人巡检控制方法的实施例，在此不再赘述。以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种机器人巡检控制方法，其特征在于，所述方法包括：
通过工业视觉设备监控获取全局巡检场景信息；
对所述全局巡检场景信息进行划分标记，得到目标巡检点集合；
基于所述目标巡检点集合对所述全局巡检场景信息进行路径规划，获得目标巡检规划路径信息；
获得巡检机器人，所述巡检机器人基于所述目标巡检规划路径信息进行运行巡检，获得局部巡检数据流；
将所述局部巡检数据流和所述目标巡检规划路径信息发送至控制台进行解析，输出巡检优化路径信息；
所述巡检机器人基于所述巡检优化路径信息进行持续巡检，获取巡检运行轨迹信息；
基于所述巡检运行轨迹信息和所述巡检优化路径信息进行比对分析，获得巡检比对偏差，并根据所述巡检比对偏差对所述巡检机器人进行跟踪控制。
2.如权利要求1所述的方法，其特征在于，所述得到目标巡检点集合，包括：
基于所述全局巡检场景信息进行空间建模，获得巡检场景三维模型，并对所述巡检场景三维模型进行区域划分，生成巡检场景分割区域集合；
对所述巡检场景分割区域集合分别进行巡视目标物识别，得到巡视目标物集合；
获取目标物特征属性信息，所述目标物特征属性信息包括特征类型、特征坐标、特征巡视区；
基于所述目标物特征属性信息对所述巡视目标物集合进行标记，获得所述目标巡检点集合。
3.如权利要求1所述的方法，其特征在于，所述获得目标巡检规划路径信息，包括：
基于所述目标巡检点集合进行路线分析，确定巡检分析路线集合；
构建巡检估价因素，所述巡检估价因素包括路线长短和巡检效果；
对所述巡检估价因素进行关键度分配，获得估价因素关键度信息；
根据所述巡检估价因素和所述估价因素关键度信息，构建巡检代价函数；
基于所述巡检代价函数对所述巡检分析路线集合进行评估筛选，获得所述目标巡检规划路径信息。
4.如权利要求3所述的方法，其特征在于，所述方法包括：
对所述目标巡检点集合中的各巡检点进行应用功能标记，获得巡检点应用功能信息；
基于所述巡检点应用功能信息进行紧急性量化，确定巡检点紧急性系数；
基于所述巡检点紧急性系数进行巡检层级划分，获取巡检点层级信息；
根据所述巡检点层级信息，获得巡检频次列表信息，并基于所述巡检频次列表信息确定路线巡检效果。
5.如权利要求1所述的方法，其特征在于，所述输出巡检优化路径信息，包括：
通过所述控制台构建巡检路径分析模型，所述巡检路径分析模型包括巡检故障分析模型和巡检避障分析模型；
基于所述巡检故障分析模型和巡检避障分析模型对所述局部巡检数据流进行分析，分别输出巡检故障分析信息和巡检避障分析信息；
根据所述巡检故障分析信息和巡检避障分析信息，确定巡检路线优化参数；
基于所述巡检路线优化参数对所述目标巡检规划路径信息进行优化，获得所述巡检优化路径信息。
6.如权利要求1所述的方法，其特征在于，所述获取巡检运行轨迹信息，包括：
所述巡检机器人基于所述巡检优化路径信息进行持续巡检，获取巡检路径时序数据；
选取所述巡检路径时序数据的第一时序巡检数据信息，基于所述第一时序巡检数据信息进行绘制分析，生成第一时序巡检转角；
按照巡检时序依次提取所述巡检路径时序数据的第二时序巡检数据信息直至的第N时序巡检数据信息，获得第二时序巡检转角直至第N时序巡检转角；
基于所述第一时序巡检转角、所述第二时序巡检转角直至第N时序巡检转角，生成所述巡检运行轨迹信息。
7.如权利要求1所述的方法，其特征在于，所述根据所述巡检比对偏差对所述巡检机器人进行跟踪控制，包括：
根据所述巡检比对偏差，确定运行偏差修正参数；
对所述巡检机器人进行控制精度分析，获得机器人精度控制阈值；
基于所述机器人精度控制阈值对所述运行偏差修正参数进行损益分析，生成路径补偿修正因子；
基于所述路径补偿修正因子对所述巡检机器人进行路径跟踪补偿控制。
8.一种机器人巡检控制系统，其特征在于，所述系统包括：
巡检场景获取模块，用于通过工业视觉设备监控获取全局巡检场景信息；
场景划分标记模块，用于对所述全局巡检场景信息进行划分标记，得到目标巡检点集合；
路径规划模块，用于基于所述目标巡检点集合对所述全局巡检场景信息进行路径规划，获得目标巡检规划路径信息；
巡检数据流获得模块，用于获得巡检机器人，所述巡检机器人基于所述目标巡检规划路径信息进行运行巡检，获得局部巡检数据流；
数据流解析模块，用于将所述局部巡检数据流和所述目标巡检规划路径信息发送至控制台进行解析，输出巡检优化路径信息；
巡检运行轨迹获取模块，用于所述巡检机器人基于所述巡检优化路径信息进行持续巡检，获取巡检运行轨迹信息；
跟踪控制模块，用于基于所述巡检运行轨迹信息和所述巡检优化路径信息进行比对分析，获得巡检比对偏差，并根据所述巡检比对偏差对所述巡检机器人进行跟踪控制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311139162.9A CN116954234B (zh) | 2023-09-06 | 2023-09-06 | 一种机器人巡检控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311139162.9A CN116954234B (zh) | 2023-09-06 | 2023-09-06 | 一种机器人巡检控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116954234A true CN116954234A (zh) | 2023-10-27 |
| CN116954234B CN116954234B (zh) | 2023-12-01 |
Family
ID=88456714
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311139162.9A Active CN116954234B (zh) | 2023-09-06 | 2023-09-06 | 一种机器人巡检控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116954234B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117557929A (zh) * | 2023-12-28 | 2024-02-13 | 国网山东省电力公司电力科学研究院 | 基于多应用场景的机组协同优化方法 |
| CN118192618A (zh) * | 2024-05-20 | 2024-06-14 | 山东瓦利斯智能科技有限公司 | 电力巡检机器人路径规划方法及系统 |
| CN118331158A (zh) * | 2024-06-13 | 2024-07-12 | 江苏宁昆机器人智能科技有限公司 | 基于机器人巡检数据的优化控制方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102420392A (zh) * | 2011-07-30 | 2012-04-18 | 山东鲁能智能技术有限公司 | 基于磁导航的变电站巡检机器人全局路径规划方法 |
| ES2766148A1 (es) * | 2018-12-11 | 2020-06-11 | Seat Sa | Metodo y sistema para controlar una pluralidad de vehiculos autonomos |
| CN113204236A (zh) * | 2021-04-14 | 2021-08-03 | 华中科技大学 | 一种智能体路径跟踪控制方法 |
| CN113359714A (zh) * | 2021-05-25 | 2021-09-07 | 国网江苏省电力有限公司电力科学研究院 | 基于粒子滤波算法的巡检机器人动态路径规划方法及装置 |
| US20210402599A1 (en) * | 2020-06-30 | 2021-12-30 | Korea Advanced Institute Of Science And Technology | Mobile Robot Control Apparatus For Three Dimensional Modeling, Three Dimensional Modeling System Having the Same And Method Of Three Dimensional Modeling Using The Same |
| CN116430874A (zh) * | 2023-05-11 | 2023-07-14 | 淮阴工学院 | 一种基于改进袋獾算法的路径规划方法 |
-
2023
- 2023-09-06 CN CN202311139162.9A patent/CN116954234B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102420392A (zh) * | 2011-07-30 | 2012-04-18 | 山东鲁能智能技术有限公司 | 基于磁导航的变电站巡检机器人全局路径规划方法 |
| ES2766148A1 (es) * | 2018-12-11 | 2020-06-11 | Seat Sa | Metodo y sistema para controlar una pluralidad de vehiculos autonomos |
| US20210402599A1 (en) * | 2020-06-30 | 2021-12-30 | Korea Advanced Institute Of Science And Technology | Mobile Robot Control Apparatus For Three Dimensional Modeling, Three Dimensional Modeling System Having the Same And Method Of Three Dimensional Modeling Using The Same |
| CN113204236A (zh) * | 2021-04-14 | 2021-08-03 | 华中科技大学 | 一种智能体路径跟踪控制方法 |
| CN113359714A (zh) * | 2021-05-25 | 2021-09-07 | 国网江苏省电力有限公司电力科学研究院 | 基于粒子滤波算法的巡检机器人动态路径规划方法及装置 |
| CN116430874A (zh) * | 2023-05-11 | 2023-07-14 | 淮阴工学院 | 一种基于改进袋獾算法的路径规划方法 |
Non-Patent Citations (1)
| Title |
|---|
| 罗显跃 等: "一种巡检机器人智能路径规划方法", 《湖南科技大学学报( 自然科学版)》, vol. 33, no. 4 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117557929A (zh) * | 2023-12-28 | 2024-02-13 | 国网山东省电力公司电力科学研究院 | 基于多应用场景的机组协同优化方法 |
| CN117557929B (zh) * | 2023-12-28 | 2024-04-05 | 国网山东省电力公司电力科学研究院 | 基于多应用场景的机组协同优化方法 |
| CN118192618A (zh) * | 2024-05-20 | 2024-06-14 | 山东瓦利斯智能科技有限公司 | 电力巡检机器人路径规划方法及系统 |
| CN118331158A (zh) * | 2024-06-13 | 2024-07-12 | 江苏宁昆机器人智能科技有限公司 | 基于机器人巡检数据的优化控制方法及系统 |
| CN118331158B (zh) * | 2024-06-13 | 2024-10-25 | 江苏宁昆机器人智能科技有限公司 | 基于机器人巡检数据的优化控制方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116954234B (zh) | 2023-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116954234B (zh) | 一种机器人巡检控制方法及系统 | |
| CN111897332B (zh) | 一种语义智能变电站机器人仿人巡视作业方法及系统 | |
| US11880943B2 (en) | Photogrammetry of building using machine learning based inference | |
| CN112990310A (zh) | 服务于电力机器人的人工智能系统及方法 | |
| CN112330676B (zh) | 基于红外点云的变电站/换流站缺陷诊断方法及系统 | |
| CN115471625A (zh) | 一种云机器人平台大数据智能决策方法和系统 | |
| CN116972855B (zh) | 基于bim的选煤厂设备三维漫游巡检方法及系统 | |
| CN116772868B (zh) | 一种配电室巡检机器人及其自动巡检方法 | |
| CN116231504A (zh) | 一种升压站远程智能巡检方法、装置及系统 | |
| CN117572863A (zh) | 用于变电站机器人的路径优化方法及系统 | |
| CN117941977A (zh) | 基于环境参数的吸尘器的智能控制方法及系统 | |
| CN116630267A (zh) | 基于无人机与激光雷达数据融合的路基沉降监测方法 | |
| CN115983796A (zh) | 一种输电线路施工进度监督预警方法及系统 | |
| CN117589177B (zh) | 基于工业大模型自主导航方法 | |
| CN117809191B (zh) | 用于输电线路三维立体测距的智能监测预警方法及系统 | |
| Wang et al. | Automatic detection and tracking of precast walls from surveillance construction site videos | |
| CN117313969A (zh) | 变电站机器人巡视路径优化方法及装置 | |
| CN117226846A (zh) | 用于变电站设备维护机器人的控制方法及系统 | |
| CN116629106A (zh) | 移动机器人运行场景的准数字孪生方法、系统、设备及介质 | |
| Diaz et al. | Guided Visual Inspection enabled by AI-based Detection Models | |
| WO2022079629A1 (en) | Method and system for detecting defects in civil works | |
| CN116277041B (zh) | 一种结合需求分析的机器人结构优化方法及系统 | |
| Gharib et al. | A review of computer vision-based techniques for construction progress monitoring | |
| Suzuki et al. | Spatial model for capturing size and shape of object from point cloud data for robot vision system with LIDAR sensors | |
| CN118310535B (zh) | 一种机器人路径规划方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |