一种列车巡检机器人的复合定位方法及其系统

技术领域

本发明涉及列车巡检机器人技术领域，具体涉及一种列车巡检机器人的复合定位方法及其系统。

背景技术

在停车库内的列车的自动化检修作业流程中，由于列车的停靠位置并不总是在同一位置，而是在一个停车范围内，因此巡检机器人相较于列车的定位直接影响到检修流程是否能顺畅运行以及检修的精度。

由于列车停靠位置不固定，车厢间的距离是允许一定弹性变化的，因此目前运用在列车自动化检修作业流程中主要以确定车轴位置的方式来定位巡检机器人相较于列车位置及每节车厢的具体位置。定轴方法以激光居多，主要为点激光：利用激光距离的变化，在竖直点激光和侧面点激光同时检测到有类似车轴（理论上是半圆曲线）及车轮（出现在侧面点激光的测距范围内）的变化时可以检测到车轴，这种方式的部署速度快，但是容易受到地沟环境、车轴新旧（新车轴的反光性会严重影响激光的效果）及车底其它部件，尤其是车底线缆以及其它与车轮同平面的部件（如ATC天线）的影响。

综上所述，传统的巡检机器人相较于待检测列车的定位方法存在定位精度差、可靠性差的问题。

发明内容

有鉴于此，本发明提供一种列车巡检机器人的复合定位方法，通过改进巡检机器人数据采集方式及其对应的数据处理方法，解决了传统的巡检机器人相较于待检测列车的定位方法存在的定位精度差、可靠性差的问题。

为解决以上问题，本发明的技术方案为采用一种列车巡检机器人的复合定位方法，包括：基于巡检机器人的三维视觉模块对列车的车底进行预扫描，构建车底的三维模型模板及本地地图；基于巡检机器人的三维视觉模块对列车的车底进行实时扫描，获取实时三维数据并构建当前地图；基于所述实时三维数据和所述三维模型模板进行特征匹配生成姿态预测结果，并基于实时三维数据和历史三维数据进行匹配生成跟踪局部地图结果，其中，所述历史三维数据为对车底进行实时扫描时，获取到的所述实时三维数据的前n帧数据，n为预设值；基于所述姿态预测结果和所述局部地图结果确定所述实时三维数据是否为关键帧；若所述实时三维数据为关键帧，则基于所述实时三维数据更新所述当前地图，基于所述当前地图进行坐标变换后生成所述巡检机器人相较于所述列车车底的相对位置。

可选地，基于所述实时三维数据更新所述当前地图，包括：判定所述实时三维数据是否归属于所述当前地图中的最接近地图点，若否，基于所述实时三维数据创建新地图点，并基于SLAM局部捆集调整方法剔除所述当前地图中的多余关键帧后；对所述当前地图中的剩余关键帧进行闭环探测和闭环校正后，基于局部捆集全调整方法更新所述当前地图。

可选地，基于所述实时三维数据和所述三维模型模板进行特征匹配生成姿态预测结果，包括：基于所述实时三维数据提取实时特征的描述子；基于所述实时特征的描述子和所述三维模型模板包含的模板特征的描述子进行特征匹配生成姿态预测结果。

可选地，基于巡检机器人的三维视觉模块对列车的车底进行预扫描，构建车底的三维模型模板，包括：对列车的车底进行预扫描后，得到初始的所述三维模型模板；对初始的所述三维模型模板进行去噪、滤波后，基于FAST算法提取所述三维模型模板中的关键点；通过Harris角点检测器将关键点进行等级排序，提取前n个点作为特征点并构成模板特征，其中，n为预设值；对预扫描得到的初始图像重复下采样得到多层图像并构成图像金字塔，对所述图像金字塔中的每层图像进行FAST角点检测得到每层图像的角点；基于灰度质心法进行计算每个所述特征点的主方向后，基于每个所述特征点的主方向和每层图像的角点计算模板特征的描述子。

可选地，基于所述实时三维数据提取实时特征的描述子，包括：对所述实时三维数据进行去噪、滤波后，基于FAST算法提取所述实时三维数据中的关键点；通过Harris角点检测器将关键点进行等级排序，提取前n个点作为特征点并构成模板特征，其中，n为预设值；对三维视觉模块实时采集的初始图像重复下采样得到多层图像并构成图像金字塔，对所述图像金字塔中的每层图像进行FAST角点检测得到每层图像的角点；基于灰度质心法进行计算每个所述特征点的主方向后，基于每个所述特征点的主方向和每层图像的角点计算实时特征的描述子。

可选地，基于所述实时特征的描述子和所述三维模型模板包含的模板特征的描述子进行特征匹配，生成姿态预测结果，包括：基于所述实时特征的描述子和所述三维模型模板包含的模板特征的描述子之间的汉明距离进行特征匹配并生成姿态预测结果。

可选地，所述复合定位方法还包括：基于所述当前地图进行坐标变换后生成所述巡检机器人相较于所述列车车底的相对位置后，基于预设的三维视觉模块相较于巡检机器人的安装位置信息和位姿信息，校正所述相对位置。

相应地，本发明提供，一种列车巡检机器人的复合定位系统，包括：巡检机器人，用于搭载三维视觉模块并移动；所述三维视觉模块，用于对列车的车底进行扫描；数据处理单元，用于在所述三维视觉模块对列车的车底进行预扫描时，构建车底的三维模型模板及本地地图；在三维视觉模块对列车的车底进行实时扫描，获取实时三维数据并构建当前地图后，基于所述实时三维数据和所述三维模型模板进行特征匹配生成姿态预测结果，并基于实时三维数据和历史三维数据进行匹配生成跟踪局部地图结果，基于所述姿态预测结果和所述局部地图结果确定所述实时三维数据是否为关键帧，若所述实时三维数据为关键帧，则基于所述实时三维数据更新所述当前地图，基于所述当前地图进行坐标变换后生成所述巡检机器人相较于所述列车车底的相对位置。

可选地，所述复合定位系统还包括数据存储单元，用于存储三维模型模板及所述三维模型模板包含的模板特征的描述子。

本发明的首要改进之处为提供的一种列车巡检机器人的复合定位方法，通过对车底进行三维扫描，构建车底的三维模型模板后，巡检机器人在地沟中行进时，实时扫描车底获取实时三维数据后，若判定所述实时三维数据为关键帧，则基于所述实时三维数据更新所述当前地图后，基于所述当前地图进行坐标变换后生成所述巡检机器人相较于所述列车车底的相对位置，实现巡检机器人相较于列车车底的准确定位，解决了传统的巡检机器人相较于待检测列车的定位方法存在的定位精度差、可靠性差的问题。

附图说明

图1是本发明的列车巡检机器人的复合定位方法的简化流程图；

图2是本发明的列车巡检机器人的复合定位系统的简化单元连接图。

具体实施方式

为了使本领域的技术人员更好地理解本发明的技术方案，下面结合附图和具体实施例对本发明作进一步的详细说明。

如图1所示，一种列车巡检机器人的复合定位方法，包括：

S1：基于巡检机器人的三维视觉模块对列车的车底进行预扫描，构建车底的三维模型模板及本地地图。

进一步的，基于巡检机器人的三维视觉模块对列车的车底进行预扫描，构建车底的三维模型模板，包括：对列车的车底进行预扫描后，得到初始的所述三维模型模板；对初始的所述三维模型模板进行去噪、滤波后，基于FAST算法提取所述三维模型模板中的关键点；通过Harris角点检测器将关键点进行等级排序，提取前n个点作为特征点并构成模板特征，其中，n为预设值；对预扫描得到的初始图像重复下采样得到多层图像并构成图像金字塔，对所述图像金字塔中的每层图像进行FAST角点检测得到每层图像的角点；基于灰度质心法进行计算每个所述特征点的主方向后，基于每个所述特征点的主方向和每层图像的角点计算模板特征的描述子。

更进一步的，巡检机器人可以是AGV小车。

更进一步的，对预扫描得到的初始图像重复下采样的比例可以是对预扫描得到的初始图像按照1/2的比例不断下采样。

S2：基于巡检机器人的三维视觉模块对列车的车底进行实时扫描，获取实时三维数据并构建当前地图。

S3：基于所述实时三维数据和所述三维模型模板进行特征匹配生成姿态预测结果，并基于实时三维数据和历史三维数据进行匹配生成跟踪局部地图结果，其中，所述历史三维数据为对车底进行实时扫描时，获取到的所述实时三维数据的前n帧数据，n为预设值。

进一步的，基于所述实时三维数据和所述三维模型模板进行特征匹配生成姿态预测结果，包括：基于所述实时三维数据提取实时特征的描述子；基于所述实时特征的描述子和所述三维模型模板包含的模板特征的描述子进行特征匹配生成姿态预测结果。

更进一步的，基于所述实时三维数据提取实时特征的描述子，包括：对所述实时三维数据进行去噪、滤波后，基于FAST算法提取所述实时三维数据中的关键点；通过Harris角点检测器将关键点进行等级排序，提取前n个点作为特征点并构成模板特征，其中，n为预设值；对三维视觉模块实时采集的初始图像重复下采样得到多层图像并构成图像金字塔，对所述图像金字塔中的每层图像进行FAST角点检测得到每层图像的角点；基于灰度质心法进行计算每个所述特征点的主方向后，基于每个所述特征点的主方向和每层图像的角点计算实时特征的描述子。

更进一步的，基于所述实时特征的描述子和所述三维模型模板包含的模板特征的描述子进行特征匹配，生成姿态预测结果，包括：基于所述实时特征的描述子和所述三维模型模板包含的模板特征的描述子之间的汉明距离进行特征匹配并生成姿态预测结果。

S4：基于所述姿态预测结果和所述局部地图结果确定所述实时三维数据是否为关键帧。

S5：若所述实时三维数据为关键帧，则基于所述实时三维数据更新所述当前地图，基于所述当前地图进行坐标变换后生成所述巡检机器人相较于所述列车车底的相对位置。

进一步的，基于所述实时三维数据更新所述当前地图，包括：判定所述实时三维数据是否归属于所述当前地图中的最接近地图点，若否，基于所述实时三维数据创建新地图点，并基于SLAM局部捆集调整方法剔除所述当前地图中的多余关键帧后；对所述当前地图中的剩余关键帧进行闭环探测和闭环校正后，基于局部捆集全调整方法更新所述当前地图。其中，闭环探测可以包括闭环探测和计算相似变换，闭环校正可以包括闭环融合和图优化。

进一步的，所述复合定位方法还包括：基于所述当前地图进行坐标变换后生成所述巡检机器人相较于所述列车车底的相对位置后，基于预设的三维视觉模块相较于巡检机器人的安装位置信息和位姿信息，校正所述相对位置。具体的，在将所述匹配结果进行坐标变换后生成的巡检机器人相较于所述列车车底的相对位置实质上为三维视觉模块相较于所述列车车底的相对位置，但在实际应用中若巡检机器人视为质点的情况下能够直接用于表征巡检机器人相较于所述列车车底的相对位置，而本申请通过预设三维视觉模块相较于巡检机器人的安装位置信息和位姿信息，进一步校正该相对位置信息，从而实现更加精准的定位。

相应的，本发明提供，如图2所示，一种列车巡检机器人的复合定位系统，包括：巡检机器人，用于搭载三维视觉模块并移动；所述三维视觉模块，用于对列车的车底进行扫描；数据处理单元，用于在所述三维视觉模块对列车的车底进行预扫描时，构建车底的三维模型模板及本地地图；在三维视觉模块对列车的车底进行实时扫描，获取实时三维数据并构建当前地图后，基于所述实时三维数据和所述三维模型模板进行特征匹配生成姿态预测结果，并基于实时三维数据和历史三维数据进行匹配生成跟踪局部地图结果，基于所述姿态预测结果和所述局部地图结果确定所述实时三维数据是否为关键帧，若所述实时三维数据为关键帧，则基于所述实时三维数据更新所述当前地图，基于所述当前地图进行坐标变换后生成所述巡检机器人相较于所述列车车底的相对位置。

进一步的，所述复合定位系统还包括数据存储单元，用于存储三维模型模板及所述三维模型模板包含的模板特征的描述子。其中，所述数据存储单元和所述数据处理单元可以搭载于所述巡检机器人上，也可以搭载于与所述巡检机器人建立通信连接的后端服务器上。

本发明通过对车底进行三维扫描，构建车底的三维模型模板后，巡检机器人在地沟中行进时，实时扫描车底获取实时三维数据后，若判定所述实时三维数据为关键帧，则基于所述实时三维数据更新所述当前地图后，基于所述当前地图进行坐标变换后生成所述巡检机器人相较于所述列车车底的相对位置，实现巡检机器人相较于列车车底的准确定位。本发明通过采用相同的特征做跟踪、建图和位置识别，该特征对旋转和尺度鲁棒，对相机的自动增益和自动曝光以及光照改变具有很好的不变性。因此提取和匹配速度快，可以实现实时检测，并有很好的精确性和召回率。同时，基于 ORB 描述量的特征匹配和重定位，具有较好的视角不变性。此外, 新增的三维点的特征匹配效率更高, 因此能及时地扩展场景，实现后续帧的稳定跟踪。综上所述，本发明实现巡检机器人相较于列车车底的准确定位，解决了传统的巡检机器人相较于待检测列车的定位方法存在的定位精度差、可靠性差的问题。

以上对本发明实施例所提供的列车巡检机器人的复合定位方法及其系统。说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器（RAM）、内存、只读存储器（ROM）、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。