论文部分内容阅读
在光伏发电得到越来越多应用的今天,如何高效维护光伏电池板的清洁成为亟待解决的重要难题。现有的人工清洁、喷淋系统、移动清洗车以及板上机器人等清洗方法都有着各自的局限性,无法大范围推广使用。因此急需能够自主工作且成本低廉的光伏清洗机器人,这就要求机器人能够实时获得电池板的三维结构信息以便控制清洗刷,同时也要能够在各排电池板之间自主移动,从而使得实时三维环境重建与自主导航技术成为研究中的关键问题。本文采用低成本的Kinect2传感器,研究半结构化环境下的实时三维环境重建算法,同时利用重建得到的三维环境地图,实时规划光伏清洗机器人的运动路径以完成清洗任务。本课题主要研究了以下四个方面的内容:(1)Kinect2标定与点-线特征提取算法研究。首先分析Kinect2传感器的测量误差以及误差来源,进行Kinect2的标定实验,以减小测量误差;为充分利用光伏清洗机器人半结构化工作环境中的有效信息,研究从灰度图像中快速提取点特征与线段特征的算法。(2)基于点-线特征的三维环境实时建模算法研究。利用最小化重投影误差的方法,完成两帧三维点云的拼接配准;研究基于点-线特征进行闭环检测的方法,使用闭环优化的方法消除拼接累积误差。然后基于八叉树概率化方法,进行点云数据转换研究,以获得结构紧凑且易于维护的三维栅格结构,为光伏清洗机器人在各排电池板间的导航与规划提供了基础。(3)基于AD*与弹性带算法的自主导航算法研究。研究如何在重建的三维环境中实时规划最优路径,让机器人实时应对环境变化,不断修正当前解,渐进得到最优路径解。然后在已经得到全局路径的基础之上,利用弹性带算法修正局部路径,使之满足移动机器人底盘的非完整性约束。(4)机器人实时环境重建与自主导航实验研究。首先进行ROS下的仿真实验,然后利用实体机器人分别在不同场景下进行实时三维环境重建和路径规划,验证算法针对光伏清洗机器人应用场景的可行性与鲁棒性,同时也为在其他场景的应用提供一定的可扩展性。