[发明专利]一种带压堵漏机器人自主漏点定位方法

说明书

本发明公开了一种带压堵漏机器人自主漏点定位方法，通过摄像组件采集管道处的RGB图像和深度图像；将RGB图像和深度图像背景噪声滤除，得到去噪后的背景；通过训练好的YOLO v4模型对管道漏点进行识别，通过识别得到的管道漏点位置信息结合图像信息来粗略定位管道漏点的粗略三维位置；机器人上的机械臂基于上述的粗略三维位置，将携带有压力传感器的探针末端移动至漏点位置附近；通过对压力传感器所收集的压力数据，获知探针末端与管道的接触状态；通过循环修正对管道漏点的定位位置，指引机械臂将探针执行末端不断接近管道漏点，获得准确的管道漏点三维坐标位置。通过结合图像识别定位信息与压力信息来实现对复杂场景自动化管道漏点的精确定位。

技术领域

本发明涉及带压堵漏的技术领域，特别涉及一种带压堵漏机器人自主漏点定位方法。

背景技术

目前，在企业生产过程中，较为常见的泄漏主要发生在管道、容器和阀体上的漏点等泄漏缺陷。一旦发生泄漏，通常需要考虑到采用粘补堵漏法，胶堵密封法或焊补堵漏法等方法来对泄漏管道实现修复工作。但目前对于该具有危险性的工作都是通过人工堵漏来完成的，在此基础上我们开发的在线带压堵漏的机器人能够为自动化管道修复任务提供一个更好地解决方案。但无论通过什么方法对管道漏点进行堵漏修复，设计合理的执行器末端和采用精确地管道漏点定位方法都是十分重要的。

目前的解决方案包括利用机器学习定位和人工定位。前者是通过图像处理技术来对图片中的目标进行定位，后者则是通过肉眼观察或者传统的物理触碰方法来记录位置。

近年来基于深度学习的图像识别技术发展迅速，在大部分场景下都能够实现对目标的识别。但目前深度学习对于微小目标识别尚未达到稳定和可靠的效果。同时管道的泄漏介质很可能会对成像效果造成影响，因此单独使用深度学习来对管道漏点进行识别难以满足实际要求。

另一方面，通过操作人员操控机械臂通过物理触碰方式来定位管道漏点的时长过长，并不适用于管道堵漏修复任务这一类有紧迫性要求的任务。

所以当前的深度学习以及物理触碰定位方法别分存在精度无法满足要求和效率低下的问题。

发明内容

本发明目的在于提供一种带压堵漏机器人自主漏点定位方法，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。

为解决上述技术问题所采用的技术方案：

一种带压堵漏机器人自主漏点定位方法，具体步骤如下：

步骤1：通过摄像组件采集管道处的RGB图像和深度图像；

步骤2：将RGB图像和深度图像背景噪声滤除，得到去噪后的背景；

步骤3：通过训练好的YOLO v4模型对管道漏点进行识别，通过识别得到的管道漏点位置信息结合上述的图像信息来粗略定位管道漏点的粗略三维位置；

步骤4：机器人上的机械臂基于上述的粗略三维位置，将携带有压力传感器的探针末端移动至漏点位置附近；

步骤5：通过对压力传感器所收集的压力数据，获知探针末端与管道的接触状态；

步骤6：通过循环修正对管道漏点的定位位置，指引机械臂将探针执行末端不断接近管道漏点，获得准确的管道漏点三维坐标位置。

本发明的有益效果是：通过基于摄像组件图像信息的图像识别定位与基于压力传感器信息判断探针末端与管道接触状态，对携带有探针末端的机械臂位置进行修正，从而最终获得准确的管道漏点三维位置信息，即是通过结合图像识别定位信息与压力信息来实现对复杂场景自动化管道漏点的精确定位。

作为上述技术方案的进一步改进，在步骤1中的摄像组件为安装于机械臂执行末端上的双目摄像头，在步骤4中的探针安装于机械臂执行末端。