一种用于管片防水材料智能粘贴机器人视觉检测及路径规划的方法与流程

本发明属于计算机视觉，尤其是涉及一种用于管片防水材料智能粘贴机器人视觉检测及路径规划的方法。

背景技术：

1、建筑机器人产业发展起步较晚,不管是研发还是应用领域都处于初步阶段,投入使用的建筑机器人种类也有限,普及程度还很低。目前，对于轨道交通施工行业，智能化设备制造以及智慧化水平管理投入的研究偏少。管片防水材料智能粘贴机器人作为地铁智能化作业的一部分有望进一步完善机器人在建筑行业的应用领域，填补行业空白，满足市场发展需要，提高生产质量，推动工业生产效率。

2、公开于该背景技术部分的信息仅仅旨在加深对本发明的总体背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

技术实现思路

1、本发明的目的在于提供一种用于管片防水材料智能粘贴机器人视觉检测及路径规划的方法，以提高工作效率，减轻人力劳动压力。

2、为了实现上述目的，本发明采用以下技术方案：

3、本发明提供一种用于管片防水材料智能粘贴机器人视觉检测及路径规划的方法，具体包括如下步骤：

4、s1：首先管片防水材料智能粘贴机器人将摄像头拍摄的周围环境作为控制器的输入，对其输入图像进行灰度处理，对于彩色图像，将每个像素的红色分量、绿色分量和蓝色分量分别加权平均，得到对应的灰度值；

5、s2：对输入图像进行降噪处理，以有效减少图像中的噪声并且改善图像的视觉质量，增强图像的细节和对比度；

6、s3：对图像进行二值化处理，将图像转换为只包含两个像素值的二值图像，以更容易的检测到目标的边缘和轮廓，从而实现更准确和可靠的目标检测和识别；

7、s4：对图像进行处理之后，采用滤波器对图像中的特征进行提取，以捕捉到图像中的多尺度和多方向的纹理特征；

8、s5：采用扩展卡尔曼滤波器进行管片定位操作，以在实时环境中进行状态估计和更新，进而以较低的计算复杂度提供实时的定位结果；

9、s6：最终管片的定位结果可以通过滤波器的状态估计值获得，它表示为目标的位置，速度，方向；

10、s7：通过路径规划算法实现管片防水材料智能粘贴机器人的移动；

11、s8：随机采样一个点；该点是从起始点朝向目标点随机生成的；按此方法依次进行迭代次直到找到目标点；这样会生成一个节点树，根据当前已生成的树结构，从树中找到距离随机采样点最近的节点作为最近邻节点；

12、s9：判断节点数中朝向正确的节点，以便得出最优路径；

13、s10：遍历完整个节点数之后生成一条朝向正确且距离最近的路径，随后控制器驱动底盘按照规划的路径进行移动，将管片防水材料智能粘贴机器人移动到待作业管片上方；完成当前作业后，将当前位置，即最近的管片位置作为起始位置；重复上述步骤进行下一次作业。

14、进一步，所述灰度值的计算公式如下：

15、。

16、进一步，步骤s2中使用均值滤波器对输入图像进行降噪，图像的降噪处理通过以下公式实现：

17、

18、其中为降噪处理后的像素值，，为不同点的原始像素值。

19、进一步，步骤s3中使用全局阈值法对图像进行二值化处理，定义全局阈值,二值化处理计算公式如下：

20、

21、其中，为降噪处理后的像素值，像素对应白色，像素对应黑色。

22、进一步，步骤s4中采用滤波器对图像中的特征进行提取的计算方法如下：

23、

24、其中为滤波器的响应，表示图像上的坐标，和表示经过旋转和缩放的坐标，表示椭圆度，表示尺度，表示频率，表示相位；滤波器采用多个不同尺度和方向的函数，将它们应用于输入图像的每个像素位置上，其中不同尺度通过调整，方向通过来调整；对于每个尺度和方向，滤波器输出纹理响应表示了输入图像在该尺度和方向上的纹理特征。

25、进一步，步骤s5中采用扩展卡尔曼滤波器进行管片定位操作的具体过程如下：

26、首先是在每个时间步骤中，通过状态模型进行预测，估计下一时刻的状态和协方差矩阵，计算公式如下：

27、

28、

29、其中，表示在时刻的状态估计值；表示状态转移函数，将前一时刻的状态估计和控制输入映射到当前时刻的状态估计；

30、表示在时刻的状态协方差矩阵；表示状态转移函数的雅可比矩阵，用于线性化非线性状态转移函数；表示过程噪声协方差矩阵，表示状态转移过程中的不确定性或噪声；

31、预测之后使用观测模型将传感器测量与预测的状态进行比较，对其状态估计和协方差矩阵进行更新，计算公式如下：

32、计算创新协方差：

33、

34、计算卡尔曼增益：

35、

36、计算创新：

37、

38、更新状态估计：

39、

40、更新协方差矩阵：

41、

42、其中表示在时刻的观测值；

43、表示观测模型函数，将当前状态估计映射到观测空间；

44、表示观测模型函数的雅可比矩阵，用于线性化非线性观测模型；

45、表示观测噪声协方差矩阵，表示观测过程中的不确定性或噪声；

46、表示创新，即观测值与预测观测之间的差异；

47、表示创新协方差矩阵，衡量观测噪声和预测误差的不确定性；

48、表示卡尔曼增益，用于更新状态估计和协方差矩阵；

49、表示单位矩阵；

50、重复执行预测和更新步骤，根据新的传感器测量和模型预测来迭代更新状态估计；每次迭代都会更新状态估计和协方差矩阵，从而提高定位精度；

51、以上扩展卡尔曼滤波器定位算法是递归的，可以在实时环境中进行状态估计和更新，以较低的计算复杂度提供实时的定位结果。

52、进一步，步骤s7中通过路径规划算法实现管片智能防水材料粘贴机器人移动的具体过程如下：

53、首先进行起始点和目标点的初始化，将管片智能防水材料粘贴机器人的位置定义为坐标原点，即起始位置；检测到的管片位置作为目标位置；通过该初始化以明确起始点和目标点，使算法能够从起点出发，并朝着目标点进行搜索。

54、进一步，步骤s9中判断节点数中朝向正确的节点具体方法如下：定义最近节点为；定义向量；朝向计算公式如下：；其中，表示向量的模长，为当前节点对目标点的朝向；通过该方式可以得出节点数中朝向正确的节点，以便得出最优路径。

55、采用上述技术方案，本发明具有如下有益效果：

56、本发明可以提高工作效率，管片防水材料智能粘贴机器人可以精准连续的进行作业。相比人工作业，该发明大大提高了工作效率，减轻人力劳动压力。管片防水材料智能粘贴机器人在连续作业的过程中，还能增强其自适应性和学习能力。

1.一种用于管片防水材料智能粘贴机器人视觉检测及路径规划的方法，其特征在于，具体包括如下步骤：

2.根据权利要求1所述的用于管片防水材料智能粘贴机器人视觉检测及路径规划的方法，其特征在于，所述灰度值的计算公式如下：

3.根据权利要求1所述的用于管片防水材料智能粘贴机器人视觉检测及路径规划的方法，其特征在于，步骤s2中使用均值滤波器对输入图像进行降噪，图像的降噪处理通过以下公式实现：

4.根据权利要求1所述的用于管片防水材料智能粘贴机器人视觉检测及路径规划的方法，其特征在于，步骤s3中使用全局阈值法对图像进行二值化处理，定义全局阈值,二值化处理计算公式如下：

5.根据权利要求1所述的用于管片防水材料智能粘贴机器人视觉检测及路径规划的方法，其特征在于，步骤s4中采用滤波器对图像中的特征进行提取的计算方法如下：

6.根据权利要求1所述的用于管片防水材料智能粘贴机器人视觉检测及路径规划的方法，其特征在于，步骤s5中采用扩展卡尔曼滤波器进行管片定位操作的具体过程如下：

7.根据权利要求1所述的用于管片防水材料智能粘贴机器人视觉检测及路径规划的方法，其特征在于，步骤s7中通过路径规划算法实现管片防水材料智能粘贴机器人移动的具体过程如下：

8.根据权利要求1所述的用于管片防水材料智能粘贴机器人视觉检测及路径规划的方法，其特征在于，步骤s9中判断节点数中朝向正确的节点具体方法如下：定义最近节点为；定义向量；朝向计算公式如下：；其中，表示向量的模长，为当前节点对目标点的朝向；通过该方式可以得出节点数中朝向正确的节点，以便得出最优路径。