地下管廊巡检机器人的环境感知与自主导航技术研究
文献类型：学位论文
| 作者 | 闫帅
|
| 答辩日期 | 2017 |
| 授予单位 | 中国科学院研究生院 |
| 授予地点 | 北京 |
| 导师 | 梁自泽 |
| 关键词 | 管廊机器人 巡检 消失点 分割 导航 |
| 英文摘要 | 现代社会城市用地紧张、交通压力大、市容建设要求高，地下电缆因而成为城市或人口密集区电网系统的主要输电方式，其可靠稳定运行是电网安全和高质量供电的基础。目前地下电缆的巡检仍以人工为主，地下环境条件恶劣，巡检劳动强度大，危险性高，尚缺乏行之有效的自动化巡检手段。随着机器人技术的迅猛发展及其在不同应用领域的不断深入，将移动机器人应用于地下输电线路的实时监测中是一个必然的发展趋势。机器人进入电缆管廊中进行检测作业，可大幅降低工作人员的劳动强度，提高作业的工作效率，避免人工作业的危险，减少电缆故障和电缆沟事故的发生概率。因此，输电管廊巡检机器人的研究对于提高输电质量、保障输电安全具有重要的应用价值和实际意义。 本文以提高无轨式管廊移动巡检机器人的整体控制性能为目标，开展了管廊机器人巡检课题中的关键技术的研究工作，主要是环境感知检测算法的研究和机器人导航控制算法的研究。论文的主要工作如下： 1、提出了一种基于深度学习的关键点检测算法，并将其应用于道路消失点的检测问题中。基于AlexNet网络，结合消失点检测问题需求修改了网络结构，替换了激活函数，增加了一层全连层，修改了loss函数，将其应用于消失点的检测。实验结果表明，本文提出的算法适应性很强，对于传统方法很难处理的模糊图片依然有很好的效果。 2、采用FCN网络对管廊内路面的分割问题开展了研究。针对地下管廊的特点简化了FCN的网络结构，并加入了代表消失点位置的关键层。算法将消失点的信息综合到路面分割中，用消失点的位置为路面分割做出指导，实现了路面的像素级分类。实验表明，该算法对于地下管廊环境相较于普通深度学习分割算法表现的更好。 3、实现了巡检机器人仿真环境和真实环境的转换算法。基于变分自编码器，对抗生成算法，和循环对抗生成算法，搭建了无监督图像转换的网络，实现了能够将机器人仿真环境和机器人真实环境相互转换的算法。这将使得基于学习算法的视觉导航能够更快适应真实场景。 4、采用强化学习算法实现了移动机器人在管廊环境中的路径导航。通过建立一个仿真环境，把激光雷达的输入作为状态，把智能体的输出作为机器人的转向控制，通过智能体的深度Q-learning算法，实现了仿真环境下机器人的自主导航。机器人通过在环境中不断的学习，找到不同状态下的最优动作。该算法具有能自动获取环境知识、自适应能力强等优点。 |
| 源URL | [http://ir.ia.ac.cn/handle/173211/21480]  |
| 专题 | 毕业生_硕士学位论文 |
| 作者单位 | 中国科学院自动化研究所 |
| 推荐引用方式 GB/T 7714 | 闫帅. 地下管廊巡检机器人的环境感知与自主导航技术研究[D]. 北京. 中国科学院研究生院. 2017. |
入库方式： OAI收割
来源：自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。