季宇寒 李 寒 張 漫 王 琪 賈 稼 王 庫(kù)

(1.中國(guó)農(nóng)業(yè)大學(xué)現(xiàn)代精細(xì)農(nóng)業(yè)系統(tǒng)集成研究教育部重點(diǎn)實(shí)驗(yàn)室， 北京 100083；2.北京興匯同維電力科技有限公司， 北京 100083)

0 引言

巡回檢驗(yàn)是在產(chǎn)品生產(chǎn)、運(yùn)行中進(jìn)行的定期或隨機(jī)檢驗(yàn)，旨在及時(shí)發(fā)現(xiàn)設(shè)備質(zhì)量問(wèn)題或運(yùn)行故障。人工巡檢耗費(fèi)大量勞動(dòng)力，智能巡檢機(jī)器人能夠保證巡檢任務(wù)高效、可靠執(zhí)行[1-3]，并將巡檢人員從單調(diào)重復(fù)的巡檢任務(wù)中解放出來(lái)，在農(nóng)業(yè)生產(chǎn)[4-5]、變電站維護(hù)[6-7]、橋梁隧道檢修[8-9]、線纜異常排查[10-11]等方面均有應(yīng)用。高精度的導(dǎo)航定位是巡檢機(jī)器人完成巡檢任務(wù)的核心技術(shù)，直接影響巡檢的效率與可靠性。

目前，國(guó)內(nèi)外巡檢機(jī)器人的傳統(tǒng)導(dǎo)航方案都有一定的局限性。磁軌與RFID標(biāo)簽方案需要預(yù)埋，對(duì)地面有較大破壞，且具有較高的維護(hù)成本[15]。GNSS方案在遮擋較多的場(chǎng)景下易丟失衛(wèi)星信號(hào)，且不能用于室內(nèi)[16-18]。慣導(dǎo)與編碼器方案的導(dǎo)航誤差會(huì)累積，長(zhǎng)時(shí)間使用有較大誤差[19]。視覺(jué)方案對(duì)光線要求較高，對(duì)陰影敏感，室外應(yīng)用效果不佳[20-21]。激光雷達(dá)(Light detection and ranging，LiDAR)作為導(dǎo)航定位的新型傳感器，以其高精度、高實(shí)時(shí)性、全天候等優(yōu)點(diǎn)逐漸成為巡檢機(jī)器人導(dǎo)航的主流設(shè)備[22-26]。

本文旨在搭建基于激光雷達(dá)的巡檢機(jī)器人導(dǎo)航平臺(tái)，融合激光雷達(dá)與編碼器信息，建立環(huán)境地圖，規(guī)劃最優(yōu)路徑，從而實(shí)現(xiàn)巡檢導(dǎo)航定位。

1 巡檢導(dǎo)航系統(tǒng)開(kāi)發(fā)

1.1 系統(tǒng)整體設(shè)計(jì)

巡檢導(dǎo)航系統(tǒng)由遠(yuǎn)程監(jiān)控平臺(tái)與巡檢機(jī)器人兩部分組成，如圖1所示。其中，遠(yuǎn)程監(jiān)控平臺(tái)是任務(wù)分配與數(shù)據(jù)管理中心，巡檢機(jī)器人是數(shù)據(jù)采集與任務(wù)執(zhí)行終端。二者通過(guò)無(wú)線網(wǎng)絡(luò)(2.4 GHz電臺(tái)或4 G LTE基站)進(jìn)行實(shí)時(shí)通信，分工協(xié)作完成巡檢任務(wù)。本研究以巡檢機(jī)器人為研究對(duì)象。

圖1 巡檢導(dǎo)航系統(tǒng)整體結(jié)構(gòu)Fig.1 Overall framework of inspection navigation system

1.2 巡檢機(jī)器人設(shè)計(jì)

1.2.1硬件設(shè)計(jì)

巡檢機(jī)器人硬件由環(huán)境感知模塊、數(shù)據(jù)處理模塊、車(chē)體控制模塊和無(wú)線通信模塊4部分組成，如圖2所示。

圖2 巡檢機(jī)器人硬件結(jié)構(gòu)圖Fig.2 Hardware structure diagram of inspection robot

(1)環(huán)境感知模塊

準(zhǔn)確、快速的環(huán)境感知是導(dǎo)航系統(tǒng)可靠工作的前提，巡檢機(jī)器人通過(guò)環(huán)境感知模塊實(shí)現(xiàn)對(duì)外界環(huán)境與自身狀態(tài)的信息獲取。機(jī)器人搭載的SICK LMS511二維激光雷達(dá)，具有190°水平掃描角度范圍，0.167°水平分辨率，80 m測(cè)距量程和25 Hz的掃描頻率，可實(shí)現(xiàn)室內(nèi)外環(huán)境信息的高效獲取。機(jī)器人的差動(dòng)驅(qū)動(dòng)輪配備編碼器，能實(shí)時(shí)反饋機(jī)器人位姿信息。機(jī)器人搭載可見(jiàn)光相機(jī)與紅外相機(jī)，分別提供可見(jiàn)光圖像和紅外圖像，以基于多通道圖像的信息融合對(duì)巡檢目標(biāo)進(jìn)行可靠的檢測(cè)。

(2)數(shù)據(jù)處理模塊

實(shí)時(shí)、可靠的數(shù)據(jù)處理是巡檢任務(wù)順利執(zhí)行的關(guān)鍵，巡檢機(jī)器人通過(guò)數(shù)據(jù)處理模塊完成目標(biāo)檢測(cè)、導(dǎo)航定位、移動(dòng)控制等核心功能。機(jī)器人搭載工業(yè)PC機(jī)作為頂層控制器，安裝Windows操作系統(tǒng)，便于應(yīng)用程序的設(shè)計(jì)開(kāi)發(fā)，可擴(kuò)展多種巡檢應(yīng)用；搭載Cortex A9核心的嵌入式主板作為底層控制器，該主板具有豐富的外設(shè)接口，可擴(kuò)展不同的傳感器和執(zhí)行機(jī)構(gòu)。頂層與底層控制器通過(guò)以太網(wǎng)進(jìn)行高效、穩(wěn)定的數(shù)據(jù)交互。

(3)車(chē)體控制模塊

平穩(wěn)、安全的車(chē)體控制是機(jī)器人到達(dá)目標(biāo)位置的保證，巡檢機(jī)器人通過(guò)車(chē)體控制模塊驅(qū)動(dòng)車(chē)體移動(dòng)。機(jī)器人的差動(dòng)輪式底座由2個(gè)差動(dòng)驅(qū)動(dòng)輪和2個(gè)萬(wàn)向從動(dòng)輪組成，具有控制簡(jiǎn)單、轉(zhuǎn)向靈活等優(yōu)點(diǎn)，能實(shí)現(xiàn)機(jī)器人的完整運(yùn)動(dòng)控制。為保證對(duì)機(jī)器人底座的精確控制，選擇伺服電機(jī)驅(qū)動(dòng)差動(dòng)輪，通過(guò)伺服反饋提高控制精度。

(4)無(wú)線通信模塊

高速、廣域的數(shù)據(jù)交互是實(shí)現(xiàn)智能巡檢的基礎(chǔ)，巡檢機(jī)器人通過(guò)無(wú)線通信模塊與遠(yuǎn)程監(jiān)控平臺(tái)進(jìn)行巡檢數(shù)據(jù)與控制指令的通信。機(jī)器人搭載2.4 GHz無(wú)線電臺(tái)通信模塊與4 G LTE移動(dòng)通信模塊，可根據(jù)工作環(huán)境切換通信模式，具有良好的通用性。

1.2.2軟件設(shè)計(jì)

巡檢機(jī)器人軟件由應(yīng)用層、控制層和驅(qū)動(dòng)層3個(gè)層次構(gòu)成，如圖3所示。其中，應(yīng)用層為基于Windows的巡檢任務(wù)調(diào)度程序，可根據(jù)不同的應(yīng)用場(chǎng)景，調(diào)整機(jī)器人的任務(wù)模式?？刂茖訛榛赗OS(Robot operating system)的地圖建立、路徑規(guī)劃、導(dǎo)航定位程序，是導(dǎo)航軟件系統(tǒng)的核心，也是實(shí)現(xiàn)機(jī)器人自主導(dǎo)航的關(guān)鍵。驅(qū)動(dòng)層為基于Ubuntu的移動(dòng)平臺(tái)控制程序，以經(jīng)典的PID算法為控制核心，實(shí)現(xiàn)移動(dòng)機(jī)器人平穩(wěn)、安全移動(dòng)。

圖3 巡檢機(jī)器人軟件結(jié)構(gòu)圖Fig.3 Software structure diagram of inspection robot

1.3 巡檢導(dǎo)航軟件設(shè)計(jì)

導(dǎo)航軟件是巡檢機(jī)器人軟件系統(tǒng)控制層的核心，主要由環(huán)境地圖建立、全局路徑規(guī)劃和自主導(dǎo)航定位3個(gè)部分構(gòu)成。

1.3.1環(huán)境地圖建立

環(huán)境地圖是機(jī)器人通過(guò)傳感器對(duì)周?chē)h(huán)境進(jìn)行理解后形成的先驗(yàn)知識(shí)，準(zhǔn)確的環(huán)境地圖是機(jī)器人實(shí)現(xiàn)導(dǎo)航定位的前提。巡檢機(jī)器人將激光雷達(dá)與編碼器信息相融合，構(gòu)建二維環(huán)境柵格地圖，為機(jī)器人提供導(dǎo)航定位信息。

二維地圖建立算法基本都依賴(lài)于概率估計(jì)，如：Gmapping、HectorSLAM、KartoSLAM等[27]。Gmapping是基于粒子濾波的二維SLAM算法，其融合激光雷達(dá)和里程計(jì)信息，具有較強(qiáng)的魯棒性。為平衡算法的精度與復(fù)雜度，采用Rao-Blackwellized隨機(jī)模型對(duì)粒子數(shù)進(jìn)行初始化，并通過(guò)自適應(yīng)重采樣技術(shù)，可有效防止粒子退化。采用離線數(shù)據(jù)建圖，相比SLAM方式，傳感器的完整離線數(shù)據(jù)可節(jié)約重復(fù)采集數(shù)據(jù)的時(shí)間。同時(shí)，通過(guò)復(fù)用離線數(shù)據(jù)也能調(diào)整算法經(jīng)驗(yàn)參數(shù)，提高建圖精度。

使用ROS系統(tǒng)實(shí)現(xiàn)Gmapping算法過(guò)程如圖4所示。其中：數(shù)據(jù)包重放節(jié)點(diǎn)發(fā)布激光掃描數(shù)據(jù)、里程計(jì)數(shù)據(jù)、坐標(biāo)變換數(shù)據(jù)。Gmapping節(jié)點(diǎn)訂閱以上消息，結(jié)合機(jī)器人模型的靜態(tài)坐標(biāo)變換樹(shù)數(shù)據(jù)，建立二維柵格地圖，并發(fā)布地圖消息。

圖4 Gmapping算法ROS節(jié)點(diǎn)關(guān)系圖Fig.4 ROS node relationship of Gmapping algorithm

選擇具有閉合路徑的室內(nèi)環(huán)境建立二維地圖，通過(guò)檢驗(yàn)地圖的結(jié)構(gòu)特征與閉合情況來(lái)評(píng)估建圖效果。機(jī)器人通過(guò)對(duì)激光雷達(dá)和編碼器的數(shù)據(jù)采集，記錄環(huán)境與自身信息的完整觀測(cè)數(shù)據(jù)。為檢驗(yàn)地圖的路徑閉合情況，機(jī)器人返回出發(fā)點(diǎn)后繼續(xù)采集一段數(shù)據(jù)，保證數(shù)據(jù)完整閉合。

1.3.2全局路徑規(guī)劃

巡檢機(jī)器人的任務(wù)具有高重復(fù)性，通過(guò)路徑規(guī)劃算法，獲得全局最優(yōu)的巡檢路徑，能夠顯著提高巡檢效率、減少能源消耗。

全局路徑規(guī)劃的流程包括地圖關(guān)鍵點(diǎn)標(biāo)記、候選路徑計(jì)算和最優(yōu)路徑篩選3個(gè)步驟。

(1)地圖關(guān)鍵點(diǎn)標(biāo)記

地圖關(guān)鍵點(diǎn)是機(jī)器人執(zhí)行巡檢任務(wù)時(shí)需要進(jìn)行停車(chē)檢查的點(diǎn)(停車(chē)點(diǎn))或進(jìn)行轉(zhuǎn)向的點(diǎn)(轉(zhuǎn)向點(diǎn))。明確巡檢任務(wù)中各個(gè)關(guān)鍵點(diǎn)的位置、方向、類(lèi)型等屬性是路徑規(guī)劃的基礎(chǔ)。

機(jī)器人使用MySQL數(shù)據(jù)庫(kù)以數(shù)據(jù)表的形式管理關(guān)鍵點(diǎn)信息，設(shè)計(jì)如表1所示。

表1 關(guān)鍵點(diǎn)數(shù)據(jù)表設(shè)計(jì)Tab.1 Design of key point

(2)候選路徑計(jì)算

候選路徑是地圖關(guān)鍵點(diǎn)間的有向通路，是巡檢路線的基本組成部分。通過(guò)計(jì)算候選路徑的距離，能夠?yàn)樽顑?yōu)路徑的篩選提供數(shù)據(jù)支持。

以?xún)申P(guān)鍵點(diǎn)間的實(shí)際路徑長(zhǎng)度為權(quán)重，采用Dijkstra最短路徑算法計(jì)算全部候選路徑的距離?？紤]到候選路徑起止點(diǎn)方向不一致引起的轉(zhuǎn)向，根據(jù)轉(zhuǎn)向角度按比例對(duì)候選路徑附加權(quán)值增益。采用數(shù)據(jù)表的形式管理候選路徑，設(shè)計(jì)如表2所示。

表2 候選路徑數(shù)據(jù)表設(shè)計(jì)Tab.2 Design of potential route

(3)最優(yōu)路徑篩選

最優(yōu)路徑是遍歷巡檢點(diǎn)并返回初始位置的最短候選路徑序列，是全局路徑規(guī)劃的最終結(jié)果。因此，最優(yōu)路徑的篩選是典型的旅行商問(wèn)題(Traveling salesman problem，TSP)?？紤]巡檢任務(wù)的高重復(fù)性與路徑規(guī)劃的非實(shí)時(shí)性，采用分支界定方法離線篩選最優(yōu)路線，獲取全局最短路徑。

分支界定是以廣度優(yōu)先搜索(Breadth first search，BFS)算法為原型進(jìn)行優(yōu)化的一種解空間搜索算法。通過(guò)對(duì)解空間搜索樹(shù)的分支進(jìn)行擴(kuò)展與剪裁，不斷調(diào)整搜索方向，加快找到全局最優(yōu)解的速度。分支界定算法的流程圖如圖5所示。

圖5 分支界定算法流程圖Fig.5 Flow chart of branch-and-bound algorithm

分支拓展與剪裁是分支界定的核心：若當(dāng)前分支下界Cbranch小于解空間上界CHB，則進(jìn)行拓展；否則，進(jìn)行剪裁。對(duì)節(jié)點(diǎn)進(jìn)行逐層搜索操作，直至到達(dá)葉子節(jié)點(diǎn)，最小代價(jià)解即為全局最優(yōu)路徑。算法求解過(guò)程中的主要參數(shù)為

(1)

(2)

(3)

(4)

(5)

(6)

式中n——地圖關(guān)鍵點(diǎn)總數(shù)

m——已搜索地圖關(guān)鍵點(diǎn)數(shù)

C——候選路徑權(quán)值矩陣

sij——候選路徑i→j的權(quán)值

Cclosed——已搜索候選路徑權(quán)重

Copen——未搜索候選路徑權(quán)重下界值

CLB——解空間權(quán)重下界值

CHB——解空間權(quán)重上界值

Cbranch——當(dāng)前分支權(quán)重下界值

全局最優(yōu)路徑以拓?fù)鋱D的形式顯示在用戶界面上，如圖6所示。

圖6 最優(yōu)巡檢路徑拓?fù)鋱DFig.6 Topology map of optimal inspection path

1.3.3自主導(dǎo)航定位

巡檢機(jī)器人在準(zhǔn)確的環(huán)境地圖與明確的巡檢路徑的基礎(chǔ)上，通過(guò)導(dǎo)航定位算法計(jì)算到達(dá)目標(biāo)位置。

采用自適應(yīng)蒙特卡羅定位(Adaptive Monte Carlo localization，AMCL)算法實(shí)現(xiàn)機(jī)器人定位。AMCL算法以蒙特卡羅定位(Monte Carlo localization，MCL)算法為基礎(chǔ)，增加自適應(yīng)的KLD(Kullback-Leibler distance)方法更新粒子，可有效防止粒子退化。

ROS系統(tǒng)實(shí)現(xiàn)AMCL導(dǎo)航定位的過(guò)程如圖7所示。

圖7 導(dǎo)航定位ROS節(jié)點(diǎn)關(guān)系圖Fig.7 ROS node relationship of navigation

蒙特卡羅定位節(jié)點(diǎn)是整個(gè)導(dǎo)航定位算法的核心。蒙特卡羅定位節(jié)點(diǎn)訂閱激光掃描消息、地圖消息、坐標(biāo)變換消息、里程計(jì)消息和初始位姿消息，通過(guò)基于粒子濾波的狀態(tài)估計(jì)，發(fā)布概率最大的位姿消息。

導(dǎo)航控制節(jié)點(diǎn)是導(dǎo)航控制服務(wù)的關(guān)鍵。導(dǎo)航控制節(jié)點(diǎn)根據(jù)機(jī)器人當(dāng)前位姿消息和目標(biāo)點(diǎn)位姿，發(fā)布車(chē)體控制消息。驅(qū)動(dòng)控制節(jié)點(diǎn)訂閱消息，將其解析為差動(dòng)輪轉(zhuǎn)速，傳遞給伺服電機(jī)驅(qū)動(dòng)。編碼器節(jié)點(diǎn)采集編碼器反饋數(shù)據(jù)并發(fā)布到導(dǎo)航控制節(jié)點(diǎn)實(shí)現(xiàn)閉環(huán)控制。

機(jī)器人模擬器節(jié)點(diǎn)是虛擬機(jī)器人，計(jì)算并發(fā)布理想狀態(tài)下機(jī)器人移動(dòng)產(chǎn)生的里程計(jì)信息，為蒙特卡羅定位節(jié)點(diǎn)提供航跡推測(cè)的數(shù)據(jù)。

2 試驗(yàn)

2.1 導(dǎo)航試驗(yàn)設(shè)計(jì)

巡檢導(dǎo)航定位試驗(yàn)，旨在檢驗(yàn)巡檢機(jī)器人導(dǎo)航系統(tǒng)的精度與可靠性。試驗(yàn)地點(diǎn)選擇中國(guó)農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院試驗(yàn)中心室內(nèi)環(huán)境。為準(zhǔn)確測(cè)量機(jī)器人停車(chē)位置與姿態(tài)，隨機(jī)抽取機(jī)器人巡檢路線的4個(gè)關(guān)鍵點(diǎn)粘貼定位坐標(biāo)紙。巡檢導(dǎo)航定位試驗(yàn)場(chǎng)景如圖8所示。選定機(jī)器人車(chē)體上的6個(gè)邊界點(diǎn)作為相對(duì)參考位置，機(jī)器人到達(dá)目標(biāo)關(guān)鍵點(diǎn)停穩(wěn)后，將邊界點(diǎn)位置標(biāo)記到坐標(biāo)紙上。

圖8 巡檢導(dǎo)航定位試驗(yàn)場(chǎng)景Fig.8 Scene of inspection navigation positioning experiment

試驗(yàn)共進(jìn)行10次完整的巡檢導(dǎo)航，每次試驗(yàn)后將機(jī)器人初始位置復(fù)位，避免誤差累積影響試驗(yàn)結(jié)果，保證試驗(yàn)獨(dú)立性。試驗(yàn)中設(shè)置機(jī)器人移動(dòng)速度為1 m/s。

2.2 試驗(yàn)數(shù)據(jù)

圖9是機(jī)器人邊界點(diǎn)的位置分布圖，可直觀反映巡檢機(jī)器人導(dǎo)航系統(tǒng)具有較高的導(dǎo)航精度。

圖9 機(jī)器人邊界點(diǎn)位置分布圖Fig.9 Position map of robot boundary points

進(jìn)一步對(duì)巡檢機(jī)器人導(dǎo)航精度進(jìn)行定量分析，在4個(gè)關(guān)鍵點(diǎn)處，分別計(jì)算機(jī)器人的6個(gè)邊界點(diǎn)位置偏差和絕對(duì)航向偏差(即導(dǎo)航偏差)，如圖10所示。圖中實(shí)線表示不同邊界點(diǎn)的位置偏差，虛線表示航向偏差。

4個(gè)關(guān)鍵點(diǎn)位置的數(shù)據(jù)對(duì)比分析如表3所示。由表3可知，在1 m/s的速度下，巡檢機(jī)器人的位置與航向偏差的平均絕對(duì)誤差(MAE)分別小于5 cm和1.1°，標(biāo)準(zhǔn)差(SD)分別小于5 cm和1.5°。綜上，巡檢機(jī)器人導(dǎo)航系統(tǒng)具有較高的導(dǎo)航定位精度與穩(wěn)定性，而且激光導(dǎo)航過(guò)程中無(wú)需GNSS等絕對(duì)定位設(shè)備的輔助，能夠滿足室內(nèi)外各類(lèi)巡檢任務(wù)的導(dǎo)航定位要求。

巡檢導(dǎo)航系統(tǒng)可進(jìn)行的改進(jìn)：

(1)全局最優(yōu)路徑通過(guò)離線方式計(jì)算獲取，可考慮開(kāi)發(fā)機(jī)器人自主路徑規(guī)劃策略。

(2)機(jī)器人未針對(duì)巡檢中可能存在的障礙物提出檢測(cè)避障方法，安全性有待加強(qiáng)。

(3)可以將機(jī)器視覺(jué)或慣性測(cè)量單元與機(jī)器人系統(tǒng)融合進(jìn)一步提高定位精度。

3 結(jié)論

(1)搭建了基于激光雷達(dá)的巡檢機(jī)器人導(dǎo)航系統(tǒng)硬件平臺(tái)。該平臺(tái)采用模塊化的硬件結(jié)構(gòu)設(shè)計(jì)、分層式的軟件結(jié)構(gòu)設(shè)計(jì)。其中，數(shù)據(jù)量大、實(shí)時(shí)性低的數(shù)據(jù)運(yùn)算由工業(yè)PC機(jī)實(shí)現(xiàn)，數(shù)據(jù)量小、實(shí)時(shí)性高的數(shù)據(jù)由嵌入式主板實(shí)現(xiàn)，合理利用了硬件資源，兼顧了巡檢機(jī)器人對(duì)數(shù)據(jù)通量與響應(yīng)速度的要求。結(jié)合遠(yuǎn)程監(jiān)控平臺(tái)，實(shí)現(xiàn)巡檢機(jī)器人的遠(yuǎn)程管控，完成了巡檢機(jī)器人導(dǎo)航系統(tǒng)開(kāi)發(fā)。

圖10 各關(guān)鍵點(diǎn)位置的導(dǎo)航偏差Fig.10 Deviation of navigation at each key point

關(guān)鍵點(diǎn)評(píng)價(jià)指標(biāo)位置偏差/cm邊界點(diǎn)1邊界點(diǎn)2邊界點(diǎn)3邊界點(diǎn)4邊界點(diǎn)5邊界點(diǎn)6航向偏差/(°)1平均絕對(duì)誤差3.833.733.253.203.463.521.0585標(biāo)準(zhǔn)差4.263.963.623.613.863.951.46182平均絕對(duì)誤差3.493.984.273.963.783.750.4360標(biāo)準(zhǔn)差4.014.484.604.454.134.250.59133平均絕對(duì)誤差4.504.213.743.884.033.970.7706標(biāo)準(zhǔn)差4.864.524.134.374.554.760.97954平均絕對(duì)誤差2.082.132.102.142.232.270.4621標(biāo)準(zhǔn)差2.462.372.482.552.592.650.6786

(2)巡檢機(jī)器人軟件的核心部分控制層基于ROS操作系統(tǒng)實(shí)現(xiàn)，采用分布式的節(jié)點(diǎn)發(fā)布/訂閱方式，使各功能算法模塊間解耦，便于后續(xù)對(duì)軟件算法的進(jìn)一步完善開(kāi)發(fā)。

(3)經(jīng)巡檢導(dǎo)航定位試驗(yàn)測(cè)試，巡檢機(jī)器人導(dǎo)航系統(tǒng)的位置與航向偏差的平均絕對(duì)誤差分別小于5 cm和1.1°，標(biāo)準(zhǔn)差分別小于5 cm和1.5°，能夠滿足各類(lèi)巡檢任務(wù)中的導(dǎo)航定位需求。

1 楊旭東, 黃玉柱, 李繼剛, 等. 變電站巡檢機(jī)器人研究現(xiàn)狀綜述[J]. 山東電力技術(shù), 2015, 42(1): 30-34.

YANG Xudong, HUANG Yuzhu, LI Jigang, et al. Research status review of robots applied in substations for equipment inspection[J]. Shandong Electric Power, 2015, 42(1): 30-34. (in Chinese)

2 SHUKLA A, KARKI H. Application of robotics in onshore oil and gas industry—a review part I[J]. Robotics and Autonomous Systems, 2016, 75(B): 490-507.

3 SHUKLA A, KARKI H. Application of robotics in offshore oil and gas industry—a review part II[J]. Robotics and Autonomous Systems, 2016, 75(B): 508-524.

4 PRAVEENA R, SRIMEENA R. Agricultural robot for automatic ploughing and seeding[C]∥2015 IEEE Technological Innovation in ICT for Agriculture and Rural Development (TIAR), IEEE, 2015: 17-23.

5 KOMASILOVS V, STALIDZANS E, OSADCUKS V, et al. Specification development of robotic system for pesticide spraying in greenhouse[C]∥2013 IEEE 14th International Symposium on Computational Intelligence and Informatics (CINTI) IEEE, 2013: 453-457.

6 向光海. 變電站巡檢機(jī)器人路徑規(guī)劃系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 成都：西南交通大學(xué), 2015.

XIANG Guanghai. Design and implementation of route planning system of a substation inspection robot[D]. Chengdu: Southwest Jiaotong University, 2015. (in Chinese)

7 史思總. 基于ROS的室內(nèi)變電站設(shè)備巡檢機(jī)器人定位技術(shù)[D]. 成都：西南科技大學(xué), 2016.

SHI Sizong. Positioning technology of indoor substation equipment inspection robot based on ROS[D]. Chengdu: Southwest University of Science and Technology, 2016. (in Chinese)

8 YUN H B, KIM S H, WU L, et al. Development of inspection robots for bridge cables[J]. The Scientific World Journal, 2013, 2013(4):967508.

9 MONTERO R, VICTORES J G, MARTINEZ S, et al. Past, present and future of robotic tunnel inspection[J]. Automation in Construction, 2015, 59: 99-112.

10 MIAO R, PANG S. Development of a low-cost remotely operated vehicle for ocean exploration[C]∥OCEANS’15 MTS/IEEE, 2015: 1-7.

11 KHADHRAOUI A, BEJI L, OTMANE S, et al. Stabilizing control and human scale simulation of a submarine ROV navigation[J]. Ocean Engineering, 2016, 114: 66-78.

13 BENGOCHEA-GUEVARA J M, CONESA-MUOZ J, ANDJAR D, et al. Merge fuzzy visual servoing and GPS-based planning to obtain a proper navigation behavior for a small crop-inspection robot[J]. Sensors, 2016, 16(3): 276.

14 MAHMUD M S A, ABIDIN M S Z, MOHAMED Z. Development of an autonomous crop inspection mobile robot system[C]∥2015 IEEE Student Conference on Research and Development (SCOReD), 2015: 105-110.

15 王金釵. 變電站巡檢機(jī)器人磁導(dǎo)航系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 成都：西南交通大學(xué), 2015.

WANG Jinchai. The design of magnetic navigation system for substation inspection robot[D]. Chengdu: Southwest Jiaotong University, 2015. (in Chinese)

16 謝德勝, 徐友春, 萬(wàn)劍, 等. 基于RTK-GPS的輪式移動(dòng)機(jī)器人軌跡跟隨控制[J]. 機(jī)器人, 2017, 39(2): 221-229.

XIE Desheng, XU Youchun, WAN Jian, et al. Trajectory tracking control of wheeled mobile robots based on RTK-GPS[J]. Robot, 2017, 39(2): 221-229. (in Chinese)

17 劉軍, 袁俊, 蔡駿宇, 等. 基于GPS/INS和線控轉(zhuǎn)向的農(nóng)業(yè)機(jī)械自動(dòng)駕駛系統(tǒng)[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2016, 32(1): 46-53.

LIU Jun, YUAN Jun, CAI Junyu, et al. Autopilot system of agricultural vehicles based on GPS/INS and steer-by-wire[J]. Transactions of the CSAE, 2016, 32(1): 46-53. (in Chinese)

18 魏葦. 基于差分GPS的變電站巡檢機(jī)器人定位導(dǎo)航系統(tǒng)的研究[D]. 哈爾濱：哈爾濱工業(yè)大學(xué), 2015.

WEI Wei. The location and navigation system of substation inspecting robot based on RTK GPS[D]. Harbin: Harbin Institute of Technology, 2015. (in Chinese)

19 陳新偉, 孟祥剛, 闕雅靜, 等. 基于IMU的移動(dòng)機(jī)器人精確角度獲取方法[J]. 閩江學(xué)院學(xué)報(bào), 2017, 38(2): 20-27.

CHEN Xinwei, MENG Xianggang, QUE Yajing, et al. Precise angle acquisition method for mobile robot based on IMU[J]. Journal of Minjiang University, 2017, 38(2): 20-27. (in Chinese)

20 薛陽(yáng), 江天博, 張曉宇. 基于視覺(jué)的變電站巡檢機(jī)器人導(dǎo)航線提取方法[J]. 廣東電力, 2015, 28(12): 13-18.

XUE Yang, JIANG Tianbo, ZHANG Xiaoyu. Vision based extraction method for navigation line of substation inspection robot[J]. Guangdong Electric Power, 2015, 28(12): 13-18. (in Chinese)

21 趙坤. 變電站智能巡檢機(jī)器人視覺(jué)導(dǎo)航方法研究[D]. 保定：華北電力大學(xué), 2014.

ZHAO Kun. Research on visual navigation of intelligent patrol robot in the substation[D]. Baoding: North China Electric Power University, 2014. (in Chinese)

22 張浩. 基于激光點(diǎn)云數(shù)據(jù)的變電站巡檢機(jī)器人導(dǎo)航方法研究[D]. 保定：華北電力大學(xué), 2015.

ZHANG Hao. Research on navigation method of substation inspection robot based on the lase point cloud[D]. Baoding: North China Electric Power University, 2015. (in Chinese)

23 薛金林, 張順順. 基于激光雷達(dá)的農(nóng)業(yè)機(jī)器人導(dǎo)航控制研究[J/OL]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2014, 45(9): 55-60. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20140909&journal_id=jcsam. DOI：10.6041/j.issn.1000-1298.2014.09.009.

XUE Jinlin, ZHANG Shunshun. Navigation of an agricultural robot based on laser radar[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(9): 55-60. (in Chinese)

24 賈士偉, 李軍民, 邱權(quán), 等. 基于激光測(cè)距儀的溫室機(jī)器人道路邊緣檢測(cè)與路徑導(dǎo)航[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2015, 31(13): 39-45.

JIA Shiwei, LI Junmin, QIU Quan, et al. New corridor edge detection and navigation for greenhouse mobile robots based on laser scanner[J]. Transactions of the CSAE, 2015, 31(13): 39-45. (in Chinese)

25 錢(qián)曉明, 張浩, 王曉勇,等. 基于激光掃描匹配的移動(dòng)機(jī)器人相對(duì)定位技術(shù)研究[J/OL]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2016, 47(3):14-21. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20160303&journal_id=jcsam. DOI：10.6041/j.issn.1000-1298.2016.03.003.

QIAN Xiaoming, ZHANG Hao, WANG Xiaoyong, et al. Relative localization technology for mobile robot based on laser scan matching[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(3):14-21. (in Chinese)

26 周俊, 胡晨. 密植果園作業(yè)機(jī)器人行間定位方法[J/OL]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2015, 46(11):22-28. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20151104&journal_id=jcsam. DOI：10.6041/j.issn.1000-1298.2015.11.004.

ZHOU Jun, HU Chen. Inter-row localization method for agricultural robot working in close planting orchard[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(11):22-28. (in Chinese)

27 SANTOS J M, PORTUGAL D, RUI P R. An evaluation of 2D SLAM techniques available in robot operating system[C]∥IEEE International Symposium on Safety, Security, and Rescue Robotics. IEEE, 2014:1-6.