基于各向异性空间投影的地铁列车底部巡检机器人避障研究.pdf
《基于各向异性空间投影的地铁列车底部巡检机器人避障研究.pdf》由会员分享,可在线阅读,更多相关《基于各向异性空间投影的地铁列车底部巡检机器人避障研究.pdf(5页珍藏版)》请在咨信网上搜索。
1、 第4 1卷 第8期2 0 2 3年8月MA CH I N E R Y&E L E C T R ON I C SV o l.4 1 N o.8A u g.2 0 2 3收稿日期:2 0 2 2 1 1 2 8作者简介:毛成林(1 9 8 7-),男,安徽巢湖人,博士,博士后,研究方向为机器视觉机械臂运动规划;于瑞强(1 9 8 6-),男,江苏南京人,工程师,研究方向为特种机器人;宋爱国(1 9 6 8-),男,安徽黄山人,博士,教授,博士研究生导师,研究方向为机器人传感与遥操作机器人技术、信号处理及仿生智能计算等。基于各向异性空间投影的地铁列车底部巡检机器人避障研究毛成林1,2,于瑞强2,宋
2、爱国1(1.东南大学仪器科学与工程学院,江苏 南京 2 1 0 0 9 6;2.亿嘉和科技股份有限公司,江苏 南京 2 1 0 0 1 2)摘 要:针对地铁列车底部的非示教场景,提出一种基于各向异性的空间投影的点云分割新算法。算法针对使用立体相机获取的三维点云数据,将点云数据投影到机器人坐标系下的不同平面上,然后利用聚类算法获得目标的分割区域,再映射回点云空间计算出相应的包围盒。在整列地铁车厢底部进行的多次实验验证取得了预期的效果,证明了算法的有效性,可以实现地铁列车底部复杂环境下的高效规划避障。关键词:机械臂控制;运动规划避障;点云分割;各向异性空间投影;包围盒中图分类号:T P 2 4 2
3、.6;T P 2 4 1 文献标志码:A 文章编号:1 0 0 1 2 2 5 7(2 0 2 3)0 8 0 0 7 6 0 5R e s e a r c h o n O b s t a c l e A v o i d a n c e o f R o b o t A r m f o r S u b w a y T r a i nB o t t o m I n s p e c t i o n B a s e d o n A n i s o t r o p i c S p a t i a l P r o j e c t i o nM A O C h e n g l i n1,2,Y U R u
4、i q i a n g2,S O N G A i g u o1(1.S c h o o l o f I n s t r u m e n t S c i e n c e a n d E n g i n e e r i n g,S o u t h e a s t U n i v e r s i t y,N a n j i n g 2 1 0 0 9 6,C h i n a;2.Y i j i a h e T e c h n o l o g y C o.,L t d.,N a n j i n g 2 1 0 0 1 2,C h i n a)A b s t r a c t:A n e w p o i
5、n t c l o u d s e g m e n t a t i o n a l g o r i t h m b a s e d o n a n i s o t r o p i c s p a t i a l p r o j e c t i o n f o r n o n t e a c h i n g s c e n e s a t t h e b o t t o m o f t h e s u b w a y t r a i n i s p r o p o s e d.T h i s a l g o r i t h m a i m s a t t h e 3 D p o i n t c
6、l o u d d a t a o b t a i n e d b y s t e r e o c a m e r a,p r o j e c t s t h e p o i n t c l o u d d a t a t o d i f f e r e n t p l a n e s u n d e r t h e r o b o t c o o r d i n a t e s y s t e m,a n d t h e n t h e s e g m e n t a t i o n a r e a o f t h e t a r g e t i s o b t a i n e d b y
7、u s i n g t h e c l u s t e r i n g a l g o r i t h m,a n d t h e n t h e c o r r e s p o n d i n g b o u n d i n g b o x i s c a l c u l a t e d b y m a p p i n g b a c k t o t h e p o i n t c l o u d s p a c e.M a n y e x p e r i m e n t s h a v e p r o v e d t h e e f f e c t i v e n e s s o f t
8、h e a l g o r i t h m,w h i c h c a n a c h i e v e e f f i c i e n t o b s t a c l e a v o i d a n c e u n d e r t h e c o m p l e x e n v i r o n m e n t o f t h e b o t t o m o f t h e s u b w a y t r a i n.K e y w o r d s:r o b o t a r m c o n t r o l;o b s t a c l e a v o i d a n c e i n m o t
9、i o n p l a n n i n g;p o i n t c l o u d s e g m e n t a t i o n;a n i s o-t r o p i c s p a t i a l p r o j e c t i o n;b o u n d i n g b o x0 引言机械臂正在被应用于大量非标准化工业场景,地铁车底智能巡检机器人系统也是其中一类。基于机器视觉处理的地铁车底智能巡检机器人系统,通常被用于对地铁车底进行巡检,采集车底拍摄图像,进行视觉分析,检测异常情况。机器人系统通常装备12只机械臂,并在机械臂末端搭载高分辨可见光相机和立体相机进行拍摄。为解决机械臂在执行
10、任务过程中的避障问题,需要机器人具有感知障碍物的能力。当前工业界在机器人上搭载三维传感器,开发基于点云信息的机械臂避障方法。其中激光雷达和立体相机是获取点云的主流设备1。以立体成像技术为核心的立67毛成林等:基于各向异性空间投影的地铁列车底部巡检机器人避障研究机电一体化体相机已经实现了多样化发展,其获得的深度图像(R G B D)是在R G B数据基础上融合了深度数据,应用相机内参可将深度图像转化为点云数据2。业界获取点云数据后进行避障的主流处理方法是构建O c t o M a p3。O c t o M a p是一种基于八叉树的高效概率三维建图框架。但是地铁车底智能巡检机器人对巡检效率要求较高
11、,通常是要求整个列车在3 0 m i n内巡 检完毕。使用O c t o M a p虽然足够 精细,但分割的子节点过多导致后续运动规划计算速度较慢,不符合对巡检效率的要求。点云分割是将点云数据分割成若干个互不相交的子集。目前的点云分割方法基于处理点与点之间拓扑关系4,包括基于密度聚类的D B S C A N算法5、基于超体聚类的过分割的L C C P算法6和C P C算法7等。传统的三维点云分割算法通常聚焦于语义分割、实例分割等方向,没有考虑避障任务的特殊性。避障任务只需要给出空间位置是否存在障碍物,即使不属于同一物体,只要其所占用的空间位置能够拼接,在避障任务中也是推荐执行的。因此,传统的三
12、维点云分割算法也不适合这一应用场景。本文针对地铁车底智能巡检机器人这一特种行业应用场景,为解决机械臂运动规划高效避障的问题,采用立体相机对地铁列车底部进行环境建模,并设计了一种算法对采集的三维点云数据进行分割以支撑高效避障规划。所提算法生成较少的分块(在具体实施中,对于3.0 m2.0 m2.6 m的空间,分块数为4 07 0,明显少于O c t o M a p和传统三维点云分割算法),并构成包围盒来表达该分块,从而保证执行机械臂规划任务时速度更快,同时满足机械臂的运动避障需求。1 列车底部环境的点云数据获取任务开始于采集列车底部的环境数据。地铁车底智能巡检机器人采用机械臂和安装在机械臂末端的
13、立体相机来执行这一任务。初始的障碍物三维点云图是以立体相机坐标系为参考采集的。立体相机捕获的障碍物三维点云图以数组的形式进行存储和处理,数组中的每个元素相当于外部物体在相机坐标系下的坐标点。这一三维点云图需要通过机械臂手眼标定转换到机械臂基坐标系下再转换到机器人世界坐标系下。转换公式为gw o=gw bgb ege c(1)gw b为机械臂坐标系和世界坐标系的转换关系;gb e为立体相机在机械臂坐标系下的位姿;ge c为立体相机拍摄的外部物体在相机坐标系下的位姿;gw o为外部物体在世界坐标系下的位姿。对于地铁列车底部巡检任务,进行巡检的流程如下:列车停靠在检修站台铁轨上,铁轨是架空挑高的,下
14、方挖有地沟(称为股道)(图1),人或机器人在股道中运动,对设备进行观测。机器人世界坐标系的定义如下:将平行于铁轨的方向定义为世界坐标系的x轴,x轴正方向定义为机器人行进方向,将垂直于地面向上的方向定义为世界坐标系的z轴正方向,由右手定则确定y轴(图2)。图1 车底巡检机器人运行环境base link_yzx图2 车底巡检机器人的世界坐标系定义环境建模的整体流程如图3所示。步骤如下:a.首先操作机械臂到达一个预设位姿。b.使用末端安装的立体相机进行拍照。c.将立体相机生成的点云数据结合机械臂位姿转换到世界坐标系。d.调整机械臂末端位姿,重复步骤b。e.最后将全部转换后的点云数据合并起来(直接拼合
15、)。?,?a?,bcd?,e?,?(?)4?,c?,?d?,b?图3 车底环境建模流程772 0 2 3(8)2 基于空间投影的深度图点云分割由于人也是在股道内部对地铁底部的设备进行巡检,列车在制造时为方便人操作和巡检,具有如下特性:当人抬头向上观测时,可以看到设备基本是垂直于地面方向安装的;当人转头向两侧车轮方向观测时,也可以发现设备基本是垂直于车轮平面方向安装的。因此对于抬头向上观测的设备,可将点云数据沿着z轴正方向将z值数据投影到坐标系x o y平面上,然后对二维图像采用聚类方法获得目标分割区域,然后根据二维图像像素对应的点云数据,再映射回点云空间计算包围盒。同理,对于两侧车轮方向观测的
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 各向异性 空间 投影 地铁 列车 底部 巡检 机器人 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。