基于时空网络的变电站巡检机器人视觉导航避障研究

作     者：薛建立 周婷 张丽 高嘉一 吴凯 XUE Jianli;ZHOU Ting;ZHANG Li;GAO Jiayi;WU Kai

作者机构：国网山西省电力公司山西太原030000 新能源电力系统国家重点实验室北京102206 

出 版 物：《广东电力》 (Guangdong Electric Power)

年 卷 期：2024年第37卷第5期

页      面：23-31页

学科分类：0808[工学-电气工程] 080802[工学-电力系统及其自动化] 08[工学] 080202[工学-机械电子工程] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金项目(52007174)。 

主　　题：变电站机器人 视觉避障 卷积网络 循环网络 时空特征 特征过滤 

摘      要：为提升变电站巡检机器人视觉导航避障效果,将卷积神经网络与循环神经网络相结合,提出一种轻量级时空网络结构。网络以机器人道路场景视频帧为输入,分别从空间域和时域2个维度对可行道路区域特征进行分析挖掘。针对空间域特征,网络先采用多种图像增强技术来丰富道路特征信息,再利用高效率卷积单元、残差连接以及注意力机制等模块构建卷积网络结构,由浅到深提取可行道路空间位置特征。对于时域特征,网络在空间特征基础上引入基于卷积计算的长短期记忆循环网络,保障时序特征提取的同时避免空间特征被破坏,并结合自注意力结构提升网络对关键信息的聚焦度,降低噪声数据干扰。根据所提时空域特征,设计分类回归预测结构,分别对机器人行驶方向及对应偏转角度进行预测,提升机器人导航避障效果。最后,考虑到实际变电站机器人巡检场景的高度相似性,设计特征差分模块来减少对冗余特征重复计算,保障实际应用效率。多个数据集上的实验结果表明:所提方法可以有效提取道路场景信息的时空特征并准确预测机器人下一步动作;与同类型方法相比,该方法具有更高的鲁棒性,可以更高效智能地实现导航避障。