[发明专利]一种用于变电站场景的自适应分割系统及方法

说明书

本发明公开了一种用于变电站场景的自适应分割系统及方法。自适应分割系统包括变电站巡检机器人、服务器、数据预处理模块、误差判断模块、聚类模块、位姿规范转换模块和数据填补模块；本发明方法通过对点云数据进行处理，通过欧式距离在很大程度上简化在线标定的难度，加强实时性和鲁棒性，在线自标定在变电站环境的新的思路和方法。结合于变电站场景下的点云数据提出一个灵活场景约束应对相机外参变化，在两阶段三维点云分割框架，结合了传统欧几里得算法和深度学习降低点云数据量，加快变电站场景分割速度和准确性，缩短系统运行时间，使得实时性和鲁棒性提高。并进行位姿转换对数据进行填补，使得后续机器人导航更加准确。

技术领域

本发明涉及点云分割和自适应标定领域，具体的说明涉及关于变电站场景，电气设备的点云分割和对相机的自适应标定方法。

背景技术

如今社会，智能电网作为国家的重要基础设施，其设备是否能够安全的进行电力生产和安全输送，维持日常供电的高效和稳定意义重大。提取变电站设备的外形轮廓为基础，并根据提取的设备借用三相线路对设备进行分割和筛选，同时根据PNP求取的位置姿态信息，能够清楚的知道机器人所在变电站设备的位姿，和三相线路之间的平行关系，进一步对相机进行场景约束在线标定。根据已知的设备型号以及其在空间位置关系，对机器人现有位姿进行重新估计，并对现有变电站建立模型重构，填充架空设备的模型，以便切实反应变电站设备的具体框架和分布，方便机器人在导航中，对中空设备下的避障功能。同时实时根据变电站更新和重建，提供更加精确的数据。

在变电站中，电气设备的种类相对较为分散，则对已有的设备进行自适应分割和模型重构是后续导航的关键技术，其识别来源于相机点云数据。通过深度相机获取变电站设备外形的三维数据，由于在变电站设备的中空特性，当使用RGB—D相机进行获取点云数据时，深度相机内部的近红外激光器投射到中空设备上，仅有主设备和线路返回信息。导致深度信息不准确，利用已知的变电站设备的外形特征对设备进行分类识。同时，实现变电站设备的自适应分割与识别在变电站大规模定位精度有着基础的支撑作用。

视觉测距是利用摄像机获得的图片得出深度信息，如果按照测量的原理进行分类，可以分为已知物体和已知运动状态两种方法。假设我们在物体信息已知的情况下进行测距，利用相机获得的数据进一步推断深度信息。假设在初始化标定中已知相机焦距为F，一个长度为L的目标物体放在相机前方，相机拍照后的物体的像素长度为P，我们可以通过下公式计算出距离D为：

D＝(F×L)/P

在变电站这种特殊环境下，利用视觉测距进行非接触式测距，提供巡检机器人相对精确的位姿，能有效的解决对黑色物体和细条在架空设备的精确测距上的问题。

对变电站的设备进行巡检是确保变电站日常运行的重要保障，利用人工进行巡检监测设备状态、位姿和故障仍然是当前变电站主流方式，但是在人工巡检过程中依旧无法避免的存在一些固有的困难和问题：

(1)人工巡检主观性强，主要依靠经验进行作业，工作效率低、检测质量和数据也存在着不同程度的差异。而且变电站运行和故障时，会产生一定辐射，还会对人本身造成一定的损害，不利于人体健康，危险性高。

(2)变电站占地面积较大，设备大多分布广泛，人工作业强度大，数据管理分散，且由于距离原因，无法导致信息的实时性传递，准确性低。

因此精确定位、自适应分割和填充，是完成巡检机器人功能逐步完善，发挥优势的当务之急。也有利于后续变电站模型构建和精确导航，不仅可以降低员工工作强度，减少人力，而且全方面提高了变电站数据的实时性和数据集中管理。