基于动态双窗口的机器人视觉导航与特征识别方法

摘要

针对变电站巡检机器人导航精度低与巡检点识别鲁棒性差的问题,提出一种采用动态双窗口的视觉导航与路径特征识别方法.根据导航图像匹配结果和相机位姿偏差动态设置导航窗口,将图像由传统的红绿蓝颜色空间转换为色调、饱和度和亮度颜色空间进行灰度图重构,利用分区自适应阈值分割算法提取导航路径并将其简化为直线模型,使用最小二乘法拟合计算出机器人与导航路径的距离偏差,同时将全视野范围作为特征识别窗口,根据路径长宽比改进基于区域建议的Faster R-CNN算法,最终完成对5种路径特征的识别.实验结果表明,在强光照和弱光照条件下,该方法所得巡检机器人的直线跟踪与曲线跟踪偏差分别小于5 mm和25 mm,对5类路径特征的平均识别准确率达到98.6％,与传统HOG+ SVM目标检测方法相比,有效提高了导航精度和路径特征识别鲁棒性.