[发明专利]基于多传感器的光伏面板特征检测方法

说明书

本发明涉及目标检测技术领域，尤指一种基于多传感器的光伏面板特征检测方法，用于移动机器人一边移动、一边对光伏面板进行特征检测，对采集到的图像进行灰度处理和额外压制特定色域后，可以对于在肮脏的光伏面板表面进行线性特征的提取；之后再对线性特征进行视觉变换；并且搭配超声波传感器进行同步检测，针对光伏面板及其污渍在不同场景下作出优化，不易受各种户外因素影响，实现自适应性的调整以确保稳定性。

技术领域

本发明涉及目标检测技术领域，尤指一种基于多传感器的光伏面板特征检测方法。

背景技术

现在的智能自主清洁机器人一般通过使用机载的激光雷达、红外传感器、触碰传感器和摄像头等传感器，透过SLAM技术先勾勒室内环境的轮廓(墙壁及家具等)，再根据这轮廓规划填补地图中空缺部分的路径。

在传感器方面，使用触碰传感器、激光雷达和仰视摄像头提取室内的垂直特征，在只有地面水平特征的光伏面板上无法正常运行；在防掉落方面，扫地或拖地机器人主要使用向下的红外线传感器判断机器人边缘离地面的距离，在面板表面会吸收各种光线的半导体材质下会完全无法工作；在特征检测方面，现有的仰视摄像头提取室内特征的算法普遍不适应光伏面板的场景。

故针对光伏面板复杂的地图环境，现有清洁机器人普遍存在清洁效率差、运行受阻、无法完成复杂地形等问题。

发明内容

为解决上述问题，本发明提供一种基于多传感器的光伏面板特征检测方法，可以满足光伏面板及室外多变环境的要求使用。

为实现上述目的，本发明采用的技术方案是提供一种基于多传感器的光伏面板特征检测方法，用于移动机器人，包括如下步骤：

S100、移动机器人移动，并通过摄像头对周围环境进行图像采集；

S200、对图像进行灰度处理，同时额外压制特定色域；

S300、对图像中的线性特征进行提取；

S400、对提取的线性特征进行视觉变换；

S500、对线性特征进行初步判断，分为电池纹路、边框和缝隙；

S600、利用超声波传感器对边框和缝隙进行二次判断。

作为一种优选方案，在所述步骤S200中，需要针对黑色的光伏面板上的灰尘和白线进行颜色区别的转换，其灰色梯度采用如下公式：I＝m×R；

其中，I为输出结果；m为强度；R为惩罚补偿，参考sigmoid函数作出非线性补偿修正；e为自然常数；x为灰阶偏差度；r、g、b分别为红绿蓝三原色的强度；A、B为控制灰阶偏差惩罚补偿强度的参数，其典型值分别为24和30。。

作为一种优选方案，所述步骤S300中线性特征提取的方法包括如下步骤：

S301、根据摄像头能观察到的线性特征的角度分布，对线性特征的角度做全局优化，求得最多两种最大概率的线性特征分布中心；

S302、以上一步的线性特征分布中心把线分成最多两类，同时把其他不在分布内的线过滤，之后各自根据半径r排序，最多得出两组数据；

S303、根据半导体电池规律等距排布的特点，对线性特征的位置做全局优化。

作为一种优选方案，在步骤S301中，摄像头能观察到的线性特征的角度分布最少有零种，即无线；最多有两种，即为x°及x+90°；

全局优化的方法为：所有的线性特征根据角度排序，在180°里的分布利用上升下降的梯度特性理论上能求得最少零个，最多三个分布中心；再利用分布中心间差距理论上为90°的特性优化均方差，求得最多两种最大概率的线性特征分布中心。