[发明专利]基于激光SLAM和视觉融合的变电站语义地图构建方法

说明书

本发明公开了一种基于激光SLAM和视觉融合的变电站语义地图构建方法，包括如下步骤：S1‑1对深度相机进行内参标定以及激光雷达和相机的外参联合标定；S1‑2、对深度相机和激光雷达获取的数据进行同步预处理；S2‑1通过激光雷达采集的点云数据以及里程计信息进行运维环境的地图建模；S2‑2、获取深度相机的RGBD图像，通过深度学习进行目标识别，以及场景信息理解，获取其语义信息；S2‑3、进行坐标转换，将步骤S2‑2中识别的目标投影至栅格地图中，为变电站提供环境认知信息；S3、重复步骤S2，完成语义地图的构建。采用上述技术方案，在建图过程中，对不同天气环境及光照条件适应性较高的优点，算法可有效去除激光运动畸变，提高建图的精度，减小累积误差。

技术领域

本发明涉及变电站SLAM建图技术领域，具体指一种基于激光SLAM和视觉融合的变电站语义地图构建方法。

背景技术

随着智能电网概念的提出，世界多国争相通过本国先进的传感器和测量技术、设备技术、控制方法和决策支持系统开发电力系统的智能化设备，以确保电网的智能化、信息化、经济环保化的运行，电力巡检机器人作为智能化设备的典型代表，在变电站中得到了广泛的应用。由于变电站电力场所中高压设备众多、工作环境复杂且安全等级要求高。巡检机器人在巡检过程中必须严格安装规定的安全道路运行，而传统的人工巡检模式的不足也逐步凸显，劳动强度大、巡检效率低、人工成本高，尤其是安全风险高的人工巡检模式已经不能适应现代工业系统的发展要求。任何超过安全行驶区域的举措，如触碰到高压设备、碰撞仪器仪表等，都有可能给机器人自身或变电站等场所带来巨大的损害，甚至导致整个变电站供电系统瘫痪，因此需要提高机器人对于环境的理解能力来理解环境中的高层语义信息。在这种需求下，机器人需要提升对于周围环境的认知能力，需要理解环境中的高层语义信息，构建一个包含语义信息的语义地图成为一个行之有效的解决方案。

发明内容

本发明根据现有技术的不足，提出一种基于激光SLAM和视觉融合的变电站语义地图构建方法，在环境感知系统中提高目标检测精度、地图语义性，满足变电站复杂巡检环境的目标检测需求。

为了解决上述技术问题，本发明的技术方案为：

一种基于激光SLAM和视觉融合的变电站语义地图构建方法，包括如下步骤：

S1、传感器数据的采集和预处理

S1-1对深度相机进行内参标定以及激光雷达和相机的外参联合标定；

S1-2、对深度相机和激光雷达获取的数据进行同步预处理；

S2、变电站语义地图模型的构建

S2-1通过激光雷达采集的点云数据以及里程计信息进行运维环境的地图建模；

S2-2、获取深度相机的RGBD图像，通过深度学习进行目标识别，以及场景信息理解，获取其语义信息；

S2-3、进行坐标转换，将步骤S2-2中识别的目标投影至栅格地图中，为变电站提供环境认知信息；

S3、重复步骤S2，完成语义地图的构建。

作为优选，所述步骤S1-1中，深度相机的内参标定方法如下：确定标定板与实际标定板中特征点之间的对应关系，获取深度相机的内参和畸变系数。

作为优选，所述步骤S1-1中，激光雷达和相机的外参联合标定方法如下：通过寻找激光雷达检测的三维点和对应的深度相机检测的二维点来实现激光雷达和深度相机外参联合标定。

作为优选，所述步骤S1-2中，首先确保激光雷达和深度相机在硬件上的时钟源统一；然后使用时间同步器进行处理。