1引言
强大的电力发展需要强大的电力物资保障，其中电力物资仓库是物资保障的一个重要环节。随着配网储备、标准台架变储备、业扩延伸项目物资储备的开展与实施，物资管理由原来的项目物资直送工地零库存的管理模式转为储备供给模式，为满足供给，需要大量的物资进入仓库，由于现有仓库的存储面积较小，可供摆放的货架和托盘的数量不多，不能有效地利用仓库的立体空间，许多物资不能及时入库上架存储，由于是完全依靠人工作业及简单的叉车操作作业，自动化程度较低，工作效率低下，造成人员长期超限工作。电网物资由于其物资种类繁多，标准物件占比少，非标物件/大型物件占比较高，流转率又较低的特点，实现全面自动化及智能化存在较大的技术壁垒，并且电力仓库物资贵重且与电网安全息息相关，所以每日的例行巡检成为电网物资仓库的必备工作，但是人工巡检易受环境、人员素质及情绪的影响，准确性及实时性难以得到保障，智能巡检机器人的出现，很好地解决了这个问题。
2仓库智能巡检机器人介绍
仓库智能巡检机器人采用标准四轮结构，是电力特种机器人系列中的一种，主要用于代替人工完成智能仓库巡检的重复性工作。机器人携带可见光CCD摄像机、气体探测仪等采集设备，以自主或遥控的方式，对仓库库区进行巡检，发现不规范现象以及危险状况，完成人工重复及繁重的巡检工作。
在复杂环境下，为了保证智能巡检机器人能够对仓库物资图像做到准确识别，故该机器人采用了无轨激光导航，导航精度控制在1cm之内。然而，在对各类智能巡检机器人的研究中，存在一个共性的难点，即在嘈杂的外部环境中，机器人对室内外观测区域进行巡检时，当出现外部特征强烈变化，如何保障机器人导航的精度及其适应性。SLAM（SimultaneousLocalization And Mapping)u问题作为过去几十年中移动机器人领域的热点研究问题，其解法真正实现了机器人的自主导航，其原理为处于未知环境下的移动机器人，不断通过增量式地构建未知环境下的连续地图，使其能够准确定位自身在地图中所处位置。为实现精确定位，机器人需要利用位置相对确定的环境特征来不断校正自身位置，需要了解自身所在的精确位置来确定环境特征的位置。机器人的定位与地图构建有利于进一步协助运动规划和躲避障碍物，体现机器人对环境探测效率的同时又体现出对环境地图信息描述的精准程度。
3仓库智能巡检机器人激光导航初始化构图研究
3.1激光导航初始化
通过激光进行地图构建与定位具有运行路径灵活，抗干扰能力强，不受工作环境影响等优点；并且响应速度快，不需要依靠类似RFID或者反光标志等辅助物，同时也不需要对配电房进行改造，具有好的可行性和高的可靠性。这种方式能够有效保证机器人在允许的位置误差范围内操作。保障巡检机器人的正常运行，需做如下初始化：
（1）通过遥控机器人逼历所有可行路径，构建机器人巡检路径的电子地图以及确定每个配电柜的位置信息。
（2）对于不同配电柜，输入配电柜参数和类型并保存。智能巡检机器人的导航定位系统的构建流程图如图2所示，构建机器人定位导航系统，若此过程中收到停止命合或雷达检测到异常，则机器人速度置零自行停止，否则机器人继续前进直到抵达指定位置。机器人完成巡检任务后机器人自主回到初始位置进行等待。
3.2导航地图构建
实现移动机器人对外部环境的感知需依靠机器人自带的传感器。由传感器获得初始数据，再将这些初始数据进行处理，而后以一种抽象的形式来表达外部环境空间，构成机器人对外部感知的地图信息，存储在移动机器人中，并以此实现对外部空间环境的建模，构建一个地图。为了进一步完善地图和对地图的实时更新，机器人需利用地图给出的信息在外部环境中运动，并持续感知外部周围的空间环境。移动机器人进行导航并实现自主定位的基础在于在导航地图构建过程中，是按照一定的空间表达规则捋传感器感应的外部空间环境信息转换成导航地图，然而导航地图的表达形式取决于空间表达的方法。故而采用不同的空间表达方法将会对移动机器人的自主导航以及导航地图的持续更新产生较大的影响。目前研究中创建地图的方法大致可分为四类，其中包括几何信息表示法、拓扑图表示法、混合表示法以及本文将会涉及到的栅格表示法。
栅格地图表示法最早于1985年由Moravec HP和ElfesA等提出的，其原理是将机器人工作的外部环境划分为一系列的栅格，其中每个栅格捋都会被分配到一个概率值，这个概率值即表示为该栅格会被障碍物占据的可能性。栅格地图的优点在于其地图的重建和维护较为容易，地图中任何一个栅格的感知信息可以直接与外部环境空间中的某个区域相对应，故而特别适合于处理超声测量数据。然而，环境空间的分辨率和栅格大小呈负相关关系，即当需要增加分辨率时就必须缩小栅格的大小，从而增加了运算的时间和空间复杂度。同时，在传统的栅格地图表示法中，每个栅格之间被认为是相互独立的，这就造成了利用栅格表示的地图和实际环境地图之间具有很大的差异性。为了改进这种传统栅格地图表示法中存在的缺点，ThrunS等提出了一种基于期望最大化方法构建环境地图表示的方法，也对各个相邻栅格之间关系作了相关研究；Bert等人因对环境地图的构建采用全局栅格和局部栅格结合的方法进行建模，同时利用霍夫变换对栅格地图中的线段进行抽象化描述，采用卡尔曼滤波器对机器人在环境中的位置进行估计；Stepan P，Kulich M等人提出了一种基于单目摄像头和激光测距仪的栅格地图构造方法，利用机器人的历史路径信息对构建的栅格地图的质量进行优劣评估。Noykov S,Roumenin C等人到提出了一种基于声呐传感器数据构建栅格地图的方法，同时对声呐数据概率模型进行统计方法建模，结合模糊理论进行声呐数据融合。GrisettiyzG等人同采用粒子滤波器对栅格地图进行位置估计，对粒子数的获取是采用的自适应方法，并考虑最近多次传感器的测量数据来选取粒子采样函数。以下是sick激光雷达的模拟测试构建图，如图3所示。
4 数学模型
在SLAM中有两个系统模型：观测模型和运动模型。机器人运动模型如图4所示，其可描述为在不同时间点的机器人位姿的概率分布模型，如式（1）所示。
在智能仓库巡检机器人中，为实现叫高精度及多环境适应性的导航算法，我们采用了以下导航计算框架，见图6。
5结论
传统仓库只是货物储存的场所，保存货物是其唯一的功能，是一种“静态储存”。智能仓库采用有效互联的信息化管理和先进的智能化仓库搬运设备，在使仓库内部物资能够按需自动存取的同时，还能与外部生产环节进行有机结合，从而提高仓库的运作水平和生产效率以及降低管理成本。本文研究了电网仓库智能巡检机器人导航方式，可适应与不同场景及复杂环境，并且能够保证较高精度，为巡检机器人能够利用图像识别技术进行后期精确物资识别打下良好的基础。
暂无评论内容