視覺(jué)算法構(gòu)建機(jī)器人自動(dòng)化巡檢的可行性及設(shè)計(jì)方案

［摘 要］機(jī)器人自動(dòng)化巡檢可以提高工作效率，降低人力成本，減少人工巡檢的安全風(fēng)險(xiǎn)，在實(shí)現(xiàn)機(jī)器人自動(dòng)化巡檢中，需要依靠視覺(jué)算法實(shí)現(xiàn)巡檢機(jī)器人對(duì)巡檢區(qū)域內(nèi)各種設(shè)備、設(shè)施及其狀態(tài)的識(shí)別。文章探究了將視覺(jué)算法應(yīng)用于機(jī)器人自動(dòng)化巡檢的過(guò)程，并基于其可行性提出相應(yīng)的設(shè)計(jì)方案，為機(jī)器人自動(dòng)化巡檢的順利實(shí)現(xiàn)提供參考。

［關(guān)鍵詞］自動(dòng)化巡檢；視覺(jué)算法；設(shè)計(jì)方案

［中圖分類號(hào)］TP242 ［文獻(xiàn)標(biāo)志碼］A ［文章編號(hào)］2095–6487（2024）04–0120–03

1 視覺(jué)算法在機(jī)器人技術(shù)中的應(yīng)用意義

視覺(jué)算法不僅為機(jī)器人提供了感知和理解世界的能力，還極大地推動(dòng)了機(jī)器人在各個(gè)領(lǐng)域的應(yīng)用和發(fā)展。傳統(tǒng)的機(jī)器人導(dǎo)航系統(tǒng)主要依賴于諸如激光雷達(dá)（LiDAR）、超聲波傳感器和紅外傳感器等硬件設(shè)備來(lái)感知環(huán)境并導(dǎo)航。這些傳感器可提供精確的距離信息，幫助機(jī)器人構(gòu)建周圍環(huán)境的二維或三維地圖，并據(jù)此規(guī)劃路徑。然而，這些傳感器通常成本較高，對(duì)環(huán)境條件有一定要求，且在某些情況下無(wú)法提供足夠的環(huán)境細(xì)節(jié)，特別是在室內(nèi)環(huán)境中，如辦公室、商場(chǎng)或家庭住所，這些地方的特點(diǎn)是環(huán)境復(fù)雜多變，存在大量動(dòng)態(tài)障礙物。在這種情況下，激光雷達(dá)（LiDAR）、超聲波傳感器和紅外傳感器等硬件設(shè)備發(fā)出的信號(hào)容易被屏蔽，導(dǎo)致導(dǎo)航失效。而視覺(jué)導(dǎo)航系統(tǒng)提供了一種更為靈活和經(jīng)濟(jì)的選擇。視覺(jué)導(dǎo)航系統(tǒng)通常由1 個(gè)或多個(gè)攝像頭組成，這些攝像頭捕捉的圖像可以通過(guò)先進(jìn)的計(jì)算機(jī)視覺(jué)算法進(jìn)行處理，以識(shí)別環(huán)境中的特征和障礙物。視覺(jué)算法可以從圖像中提取有用的信息，如邊緣、角點(diǎn)、紋理和其他特征，并借助這些信息識(shí)別和跟蹤環(huán)境中的關(guān)鍵點(diǎn)，如墻壁、門、窗戶、樓梯和其他地標(biāo)，使機(jī)器人可以正確感知周遭環(huán)境。

2 視覺(jué)算法對(duì)實(shí)現(xiàn)機(jī)器人自動(dòng)化巡檢的可行性

2.1 視覺(jué)算法可實(shí)現(xiàn)對(duì)環(huán)境的感知

視覺(jué)導(dǎo)航系統(tǒng)通常由1 個(gè)或多個(gè)攝像頭組成，它們模擬人眼的功能，捕獲環(huán)境中的圖像信息。這些攝像頭可以是單目、雙目或三維攝像頭，不同類型的攝像頭可提供不同維度的視覺(jué)信息，如單目攝像頭可以提供二維圖像信息，而三維攝像頭則可以捕捉深度信息，這對(duì)于機(jī)器人理解環(huán)境的立體結(jié)構(gòu)和距離起到了關(guān)鍵性作用。捕獲圖像后，機(jī)器人利用圖像預(yù)處理、特征提取、目標(biāo)檢測(cè)、分類和跟蹤等視覺(jué)算法對(duì)這些信息進(jìn)行處理和分析。圖像預(yù)處理通常包括去噪、對(duì)比度增強(qiáng)和顏色校正等步驟，以提高圖像質(zhì)量。特征提取則是識(shí)別圖像中關(guān)鍵的點(diǎn)、線或區(qū)域，這些特征將用于后續(xù)的圖像分析和識(shí)別。

在機(jī)器人巡檢中，需要對(duì)目標(biāo)物體進(jìn)行檢測(cè)和識(shí)別，以便在巡檢過(guò)程中對(duì)目標(biāo)物體進(jìn)行分析和處理。目標(biāo)檢測(cè)算法可識(shí)別圖像中的特定物體，如人、車輛或其他障礙物。分類算法進(jìn)一步確定這些物體的具體類型，而跟蹤算法則用于連續(xù)監(jiān)控這些物體在視頻序列中的移動(dòng)。

通過(guò)集成這些先進(jìn)的視覺(jué)算法，機(jī)器人可對(duì)周圍環(huán)境進(jìn)行實(shí)時(shí)感知，理解環(huán)境中的物體和障礙物，并據(jù)此做出決策。

2.2 視覺(jué)算法可實(shí)現(xiàn)對(duì)目標(biāo)物體的跟蹤和追蹤

視覺(jué)算法的基本原理是利用圖像處理和計(jì)算機(jī)視覺(jué)技術(shù)來(lái)分析圖像數(shù)據(jù)。先通過(guò)圖像傳感器（如攝像頭）獲取目標(biāo)物體的圖像數(shù)據(jù)，利用圖像處理技術(shù)對(duì)圖像數(shù)據(jù)進(jìn)行預(yù)處理，如去噪、增強(qiáng)、分割等，以便更好地提取目標(biāo)物體的特征，并利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)目標(biāo)物體的特征進(jìn)行分析，如邊緣檢測(cè)、角點(diǎn)檢測(cè)、特征提取等，從而獲取目標(biāo)物體的位置、速度等信息。為了提高視覺(jué)算法的跟蹤和追蹤性能，一般會(huì)采用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等方法。機(jī)器學(xué)習(xí)是一種利用數(shù)據(jù)來(lái)訓(xùn)練模型的方法，其可以通過(guò)學(xué)習(xí)大量的樣本數(shù)據(jù)來(lái)提高模型的性能。深度學(xué)習(xí)是一種特殊的機(jī)器學(xué)習(xí)方法，其利用深度神經(jīng)網(wǎng)絡(luò)來(lái)學(xué)習(xí)數(shù)據(jù)的特征表示，從而提高模型的性能。

2.3 視覺(jué)算法可實(shí)現(xiàn)對(duì)異常事件的檢測(cè)和報(bào)警

在機(jī)器人巡檢的應(yīng)用場(chǎng)景中，除了對(duì)目標(biāo)物體的跟蹤和追蹤，對(duì)異常事件的檢測(cè)和報(bào)警同樣至關(guān)重要。這要求機(jī)器人具備高度的環(huán)境感知能力，以便在出現(xiàn)異常情況時(shí)，可及時(shí)作出響應(yīng)，采取相應(yīng)的措施。視覺(jué)算法通過(guò)分析圖像數(shù)據(jù)，可對(duì)環(huán)境中的異常事件進(jìn)行檢測(cè)和識(shí)別，進(jìn)而發(fā)出報(bào)警信號(hào)。在實(shí)現(xiàn)異常事件檢測(cè)和報(bào)警的過(guò)程中，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等方法發(fā)揮著重要作用。通過(guò)學(xué)習(xí)和訓(xùn)練，視覺(jué)算法可從大量的正常和異常樣本中學(xué)習(xí)到區(qū)分正常和異常情況的特征，從而提高異常事件檢測(cè)的準(zhǔn)確性。隨著技術(shù)的不斷進(jìn)步，深度學(xué)習(xí)等先進(jìn)方法在特征提取和識(shí)別方面的性能也在不斷提高，使得視覺(jué)算法在異常事件檢測(cè)和報(bào)警方面的應(yīng)用更具可行性。

3 視覺(jué)算法構(gòu)建機(jī)器人自動(dòng)化巡檢的設(shè)計(jì)方案

3.1 機(jī)器人的軟硬件設(shè)計(jì)

移動(dòng)平臺(tái)的選擇是機(jī)器人自動(dòng)化巡檢系統(tǒng)設(shè)計(jì)的關(guān)鍵環(huán)節(jié)。不同的巡檢環(huán)境對(duì)機(jī)器人的移動(dòng)能力和穩(wěn)定性有不同的要求。例如，輪式機(jī)器人因其結(jié)構(gòu)簡(jiǎn)單、成本較低、移動(dòng)速度快和操控靈活等優(yōu)點(diǎn)，在工廠、倉(cāng)庫(kù)等平坦地面環(huán)境中得到了廣泛應(yīng)用。然而，對(duì)于復(fù)雜地形和惡劣環(huán)境，如野外、建筑工地、礦山等，輪式機(jī)器人的移動(dòng)能力和穩(wěn)定性無(wú)法滿足需求，這時(shí)，履帶式機(jī)器人是更合適的選擇。履帶式機(jī)器人具有較強(qiáng)的爬坡能力和越障能力，其履帶結(jié)構(gòu)可以提供良好的抓地力，保證機(jī)器人在不平坦的地面上穩(wěn)定移動(dòng)。

除了陸地移動(dòng)平臺(tái)，飛行器（如無(wú)人機(jī)）也是巡檢任務(wù)的重要選擇。飛行器適用于高空或難以到達(dá)區(qū)域的巡檢任務(wù)，如高壓電線、橋梁、大型建筑物等。飛行器可以快速到達(dá)目標(biāo)位置，進(jìn)行大范圍的視覺(jué)監(jiān)測(cè)。但其受天氣影響較大，且續(xù)航能力和負(fù)載能力有限。在選擇了合適的移動(dòng)平臺(tái)后，需要考慮傳感器的配置。高分辨率攝像頭是機(jī)器人巡檢系統(tǒng)中最重要的傳感器之一，用于獲取巡檢目標(biāo)的圖像信息。通過(guò)圖像處理和視覺(jué)算法，可以實(shí)現(xiàn)對(duì)巡檢目標(biāo)的檢測(cè)、識(shí)別和跟蹤。高分辨率攝像頭可以提供更清晰的圖像，有助于提高巡檢的準(zhǔn)確性和效率。

紅外相機(jī)也是巡檢系統(tǒng)中常用的傳感器之一。紅外相機(jī)可以檢測(cè)目標(biāo)的熱輻射，適用于溫度監(jiān)測(cè)和熱異常檢測(cè)等任務(wù)。在工業(yè)巡檢中，紅外相機(jī)可以幫助檢測(cè)設(shè)備的熱點(diǎn)，預(yù)防設(shè)備過(guò)熱導(dǎo)致的故障。紅外相機(jī)還可以在夜間或能見(jiàn)度較低的環(huán)境中提供輔助視覺(jué)信息。另一種重要的傳感器是激光雷達(dá)。激光雷達(dá)通過(guò)發(fā)射激光脈沖并接收反射信號(hào)，可以構(gòu)建周圍環(huán)境的精確三維地圖。激光雷達(dá)在機(jī)器人導(dǎo)航和避障中發(fā)揮著重要作用，尤其是在復(fù)雜和動(dòng)態(tài)環(huán)境中。激光雷達(dá)還可以用于地形測(cè)繪和植被分析等應(yīng)用。在選擇移動(dòng)平臺(tái)和傳感器配置時(shí)，還需要考慮巡檢環(huán)境、巡檢任務(wù)、成本效益、系統(tǒng)兼容性、可維護(hù)性和耐用性等因素。

3.2 視覺(jué)算法的設(shè)計(jì)和應(yīng)用

在機(jī)器人自動(dòng)化巡檢系統(tǒng)中，圖像采集是獲取巡檢目標(biāo)信息的基礎(chǔ)。高質(zhì)量的圖像對(duì)于后續(xù)的圖像處理和分析至關(guān)重要。為了在不同環(huán)境條件下獲得高質(zhì)量的圖像，可以采用自動(dòng)曝光和白平衡技術(shù)來(lái)調(diào)整圖像的亮度與顏色。自動(dòng)曝光技術(shù)可以根據(jù)環(huán)境光線的強(qiáng)弱自動(dòng)調(diào)整相機(jī)的曝光時(shí)間，以確保圖像的亮度適中。白平衡技術(shù)可以校正圖像中的色偏，使圖像的顏色更接近真實(shí)場(chǎng)景。也可使用圖像穩(wěn)定技術(shù)來(lái)抵消由于相機(jī)震動(dòng)或移動(dòng)造成的圖像模糊。圖像穩(wěn)定技術(shù)可以通過(guò)機(jī)械穩(wěn)定裝置或數(shù)字圖像處理算法來(lái)實(shí)現(xiàn)，以提高圖像的清晰度。在獲取高質(zhì)量圖像的基礎(chǔ)上，特征提取成為視覺(jué)算法中的關(guān)鍵，特征提取的目的是從圖像中提取出能夠表示巡檢目標(biāo)的關(guān)鍵信息，邊緣檢測(cè)和角點(diǎn)檢測(cè)是常用的特征提取算法，邊緣檢測(cè)算法可以識(shí)別出圖像中物體的邊界，從而勾勒出物體的輪廓，角點(diǎn)檢測(cè)算法可以找到圖像中的角點(diǎn)，這些角點(diǎn)通常對(duì)應(yīng)于物體的關(guān)鍵位置，對(duì)于目標(biāo)的識(shí)別和跟蹤至關(guān)重要。

在目標(biāo)識(shí)別和跟蹤方面，深度學(xué)習(xí)算法如卷積神經(jīng)網(wǎng)絡(luò)（CNN）是一種強(qiáng)大的神經(jīng)網(wǎng)絡(luò)模型，可以對(duì)圖像進(jìn)行分類和識(shí)別。訓(xùn)練CNN 模型，可以識(shí)別不同的巡檢目標(biāo)，并準(zhǔn)確判斷其類別。一旦目標(biāo)被識(shí)別出來(lái)，跟蹤算法可以用來(lái)實(shí)時(shí)追蹤目標(biāo)的位置和運(yùn)動(dòng)軌跡。跟蹤算法可以預(yù)測(cè)目標(biāo)的位置和速度來(lái)跟蹤目標(biāo)在連續(xù)幀中的移動(dòng)。常見(jiàn)的跟蹤算法包括Meanshift、Kalman 濾波器和光流法等，利用這些算法可實(shí)現(xiàn)對(duì)巡檢目標(biāo)的實(shí)時(shí)監(jiān)測(cè)和跟蹤，提高巡檢的準(zhǔn)確性和效率。

3.3 對(duì)識(shí)別信息模糊問(wèn)題的修正和補(bǔ)償

視覺(jué)算法在實(shí)際應(yīng)用中常受到運(yùn)動(dòng)模糊的影響，當(dāng)物體在移動(dòng)過(guò)程中速度過(guò)快，視覺(jué)導(dǎo)航系統(tǒng)無(wú)法準(zhǔn)確地捕捉到被識(shí)別物體的細(xì)節(jié)信息，導(dǎo)致識(shí)別得到的點(diǎn)云數(shù)據(jù)出現(xiàn)模糊或失真。為此可以采用運(yùn)動(dòng)補(bǔ)償?shù)姆绞浇鉀Q這一精度問(wèn)題，當(dāng)涉及到運(yùn)動(dòng)模糊時(shí)，通常使用點(diǎn)擴(kuò)散函數(shù)（Point Spread Function，以下簡(jiǎn)稱“PSF”）來(lái)描述運(yùn)動(dòng)模糊的效果。PSF 是一個(gè)描述圖像中每個(gè)像素點(diǎn)如何影響圖像的函數(shù)。在運(yùn)動(dòng)模糊的情況下，PSF 可以表示為：

式中，（x，y）為圖像中的像素坐標(biāo)，σ為模糊尺度（表示運(yùn)動(dòng)模糊的程度），e為自然對(duì)數(shù)的底。

針對(duì)運(yùn)動(dòng)模糊的補(bǔ)償，可以采用逆濾波方法。逆濾波的基本思想是使用PSF 的逆來(lái)恢復(fù)原始圖像。逆PSF 可以表示為：

將模糊圖像與GK8enY6U8ocj2XON/vrCIQ==逆PSF 進(jìn)行卷積，可以得到補(bǔ)償后的圖像：

補(bǔ)償后的圖像 = 模糊圖像 ×PSF-1（3）

需要注意的是，逆濾波方法對(duì)于噪聲較敏感，因此在實(shí)際應(yīng)用中，可以采用維納濾波方法，其可以在有噪聲的情況下恢復(fù)運(yùn)動(dòng)模糊圖像：

其中，噪聲功率需要根據(jù)實(shí)際情況進(jìn)行估計(jì)。

綜上，根據(jù)運(yùn)動(dòng)模糊的程度和噪聲情況，選擇合適的運(yùn)動(dòng)補(bǔ)償方法，如逆濾波或維納濾波，來(lái)提高識(shí)別結(jié)果的精度和準(zhǔn)確性，能有效解決運(yùn)動(dòng)模糊帶來(lái)的精度誤差問(wèn)題。

針對(duì)巡檢區(qū)域中粉塵、濕度和溫度變化等因素對(duì)激光識(shí)別精度的影響，在識(shí)別前對(duì)巡檢區(qū)域進(jìn)行清潔，降低粉塵污染程度，對(duì)識(shí)別設(shè)備進(jìn)行定期維護(hù)和保養(yǎng)，確保設(shè)備性能穩(wěn)定，減少因設(shè)備故障導(dǎo)致的精度誤差，同時(shí)可以采用濾波算法對(duì)識(shí)別數(shù)據(jù)進(jìn)行處理，去除因粉塵散射和吸收導(dǎo)致的噪聲點(diǎn)，提高點(diǎn)云數(shù)據(jù)質(zhì)量，如自適應(yīng)濾波的計(jì)算公式如下：

式中，xi為輸入信號(hào)，wi為權(quán)重，N為輸入信號(hào)的長(zhǎng)度。

對(duì)于濕度影響而言，在濕度較大的環(huán)境下，采用防水措施，如給設(shè)備加裝防水罩等，減少水分子對(duì)激光的吸收和散射，對(duì)識(shí)別設(shè)備進(jìn)行預(yù)熱處理，提高設(shè)備在潮濕環(huán)境下的穩(wěn)定性能，并采用濕度校正算法對(duì)識(shí)別數(shù)據(jù)進(jìn)行處理，根據(jù)實(shí)際濕度情況調(diào)整識(shí)別數(shù)據(jù)的坐標(biāo)系統(tǒng)，提高數(shù)據(jù)精度。假設(shè)激光識(shí)別設(shè)備的原始距離測(cè)量值為D，濕度校正后的距離測(cè)量值為D’，濕度系數(shù)為K，濕度校正算法可以表示為：

D'=D（1+KH）（6）

式中，H為環(huán)境濕度。

濕度系數(shù)K 是一個(gè)經(jīng)驗(yàn)值，通常需要根據(jù)實(shí)際應(yīng)用場(chǎng)景和設(shè)備特性進(jìn)行標(biāo)定。K 值隨著濕度變化而變化，也在一定濕度范圍內(nèi)保持恒定。在實(shí)際應(yīng)用中，可以根據(jù)試驗(yàn)數(shù)據(jù)擬合出濕度系數(shù)K 與濕度H 之間的關(guān)系，從而得到更準(zhǔn)確的濕度校正結(jié)果。

通過(guò)在巡檢區(qū)域的不同位置和角度設(shè)置多個(gè)識(shí)別站點(diǎn)，可以盡量全覆蓋被遮擋的區(qū)域，從而減少數(shù)據(jù)缺失。同時(shí)，也可以從多個(gè)角度對(duì)同一區(qū)域進(jìn)行識(shí)別，以提高數(shù)據(jù)的完整性和準(zhǔn)確性。將多個(gè)站點(diǎn)和角度的識(shí)別數(shù)據(jù)進(jìn)行融合，可以提高數(shù)據(jù)的完整性和準(zhǔn)確性。同時(shí)，采用濾波算法對(duì)識(shí)別數(shù)據(jù)進(jìn)行處理，可以去除噪聲和異常值，從而提高數(shù)據(jù)的精度。要對(duì)巡檢區(qū)域進(jìn)行詳細(xì)測(cè)量和建模，建立精確的地形模型。在識(shí)別過(guò)程中，可以利用地形模型對(duì)遮擋和反射問(wèn)題進(jìn)行預(yù)測(cè)和修正，從而提高識(shí)別數(shù)據(jù)的精度和準(zhǔn)確性，并根據(jù)巡檢區(qū)域的特性和識(shí)別設(shè)備的特點(diǎn)，優(yōu)化識(shí)別參數(shù)，如激光束發(fā)散角度、識(shí)別速度等，可以最大限度地減少遮擋和反射問(wèn)題對(duì)識(shí)別數(shù)據(jù)的影響。

4 結(jié)束語(yǔ)

視覺(jué)算法為機(jī)器人提供了感知和理解世界的能力，推動(dòng)了機(jī)器人在各個(gè)領(lǐng)域的應(yīng)用和發(fā)展。在復(fù)雜多變的室內(nèi)環(huán)境中，視覺(jué)導(dǎo)航系統(tǒng)相比傳統(tǒng)導(dǎo)航系統(tǒng)具有更高的性價(jià)比和更強(qiáng)的動(dòng)態(tài)調(diào)整能力，能夠更好地處理和識(shí)別環(huán)境中的動(dòng)態(tài)障礙物，因此提出了基于視覺(jué)算法的機(jī)器人自動(dòng)化巡檢的設(shè)計(jì)方案，包括機(jī)器人的軟硬件設(shè)計(jì)、視覺(jué)算法的設(shè)計(jì)和應(yīng)用，以及對(duì)識(shí)別信息模糊問(wèn)題的修正和補(bǔ)償。在設(shè)計(jì)方案中，需要考慮巡檢環(huán)境、巡檢任務(wù)、成本效益等因素，并選擇合適的移動(dòng)平臺(tái)和傳感器配置。

參考文獻(xiàn)

[1] 臧高升. 路徑規(guī)劃算法在變電站巡檢機(jī)器人中的應(yīng)用[D].北京：華北電力大學(xué)，2022.

[2] 趙濤，張翼，趙賢文，等. 基于視覺(jué)的巡檢機(jī)器人環(huán)境感知和導(dǎo)航避障研究[J]. 無(wú)線電工程，2023（8）：1883-1890.

[3] 馬利娜. 雙臂型巡檢清障機(jī)器人運(yùn)動(dòng)分析與軌跡規(guī)劃[D].淮南：安徽理工大學(xué)，2023.

[4] 徐雪瑩，李永紅，李成玉，等. 基于視覺(jué)深度學(xué)習(xí)算法的變電站智能巡檢調(diào)度方法[J]. 大眾用電，2023（8）：58-59.