本技術涉及倍捻機巡檢機器人，特別涉及一種倍捻機巡檢機器人多相機位姿調節(jié)方法及裝置。

背景技術：

1、隨著自動化技術蓬勃發(fā)展，倍捻機巡檢機器人被引入生產(chǎn)環(huán)節(jié)。這類機器人沿著預設軌跡穿梭于倍捻機之間，憑借多相機系統(tǒng)，從不同角度捕捉倍捻機關鍵部位的實時影像，為快速排查故障隱患、精準評估機器狀態(tài)提供海量視覺數(shù)據(jù)。不過，實際運行中，機器人受車間地面平整度、導航精度等因素影響，巡邏時左右路徑常常出現(xiàn)偏移。一旦偏移發(fā)生，兩邊巡檢路徑距離不再對等，相機采集到的圖像就偏離理想的正中間位置，導致關鍵部件成像不完整、有畸變，后續(xù)依靠圖像識別算法開展的故障診斷精準度大幅下滑。

2、目前，行業(yè)內對倍捻機巡檢機器人上相機位置的調整主要有以下方法：

3、1)手動調節(jié)：由工作人員定期巡視車間巡檢機器人，目視檢查機器相機及圖像位置，手動調節(jié)相機位姿。

4、2)電動傳感調節(jié)：采用傳感器等檢測裝置檢測相機位置是否合適，并通過電動執(zhí)行機構來驅動相機的位姿調整。

5、3)激光測量調節(jié)：根據(jù)激光測距儀的參考特征值或距離等計算相機應處于的最佳位置點，進而配合電機調節(jié)相機位姿。

6、上述方案的缺陷是：

7、1)手動調節(jié)局限性：

8、效率低：人工定期巡檢，手動操作繁瑣，調節(jié)多臺設備耗時耗力。

9、精度差：目視檢查主觀性強，不同人員判斷有別，細微偏差難精準識別。

10、實時性弱：非實時監(jiān)測，巡檢間隔內相機位姿變化難以及時調整。

11、勞動強度大：工作人員走動檢查、手動調節(jié)，易疲勞影響工作質量。

12、2)固定傳感器檢測調節(jié)的不足：

13、覆蓋范圍有限：只能監(jiān)控預設的固定位置，難以實現(xiàn)全面覆蓋。

14、靈活性差：無法根據(jù)實際生產(chǎn)情況動態(tài)調整監(jiān)測重點。

15、成本高：大規(guī)模部署傳感器需要高昂的初始投資和維護成本。

16、3)激光測量調節(jié)的問題：

17、測量有局限：受光線、灰塵等環(huán)境因素干擾大，且僅靠距離信息難全方位確定位姿。

18、成本高昂：激光測距儀及配套設備、算法開發(fā)成本高。

19、依賴參考特征：參考特征變化或被遮擋，會導致測量與調節(jié)偏差。

20、4)通用性問題：

21、效率與精度矛盾：現(xiàn)有技術難以在保證精度的同時提高操作效率。

22、成本高昂：硬件購置、軟件開發(fā)及長期維護均涉及較高成本。

23、環(huán)境適應性弱：易受外界環(huán)境因素(如光線、灰塵)干擾，影響性能。

24、靈活性不足：難以根據(jù)生產(chǎn)需求快速調整，缺乏足夠的動態(tài)適應性。

技術實現(xiàn)思路

1、本技術提供了一種倍捻機巡檢機器人多相機位姿調節(jié)方法及裝置，其優(yōu)點是能夠調節(jié)相機姿態(tài)，讓采集圖像時刻處于理想位置，保障巡檢工作的連貫性與精準度，進而穩(wěn)固紡織生產(chǎn)線的高效運作。

2、本技術的技術方案如下：。

3、一方面，本技術提供一種倍捻機巡檢機器人多相機位姿調節(jié)方法，包括以下步驟：

4、s1：獲取倍捻機巡檢機器人多相機的采集數(shù)據(jù)；

5、s2：根據(jù)采集數(shù)據(jù)進行目標識別檢測，獲得目標位置信息；

6、s3：使用卡爾曼濾波進行目標位置預測，使用數(shù)據(jù)關聯(lián)構造代價矩陣并用匈牙利算法匹配，獲得目標位置的預測結果；

7、s4：根據(jù)目標位置的預測結果對相機進行控制，對相機的控制通過安裝在相機上的電機實現(xiàn)。

8、進一步的，步驟s2中，使用yolo算法進行進行斷線目標檢測，輸出邊界框坐標，根據(jù)邊界框坐標計算目標的中心點坐標，作為斷線檢測目標的位置信息。

9、進一步的，步驟s3包括以下步驟：

10、s31：使用卡爾曼濾波進行目標位置預測；

11、設斷線檢測目標的狀態(tài)向量為xt，表示目標在時間t的位置和速度；對于二維空間中的目標，狀態(tài)向量表示為：

12、

13、其中，xt和yt分別表示目標在x和y方向上的位置，和分別表示目標在x和y方向上的速度；

14、斷線檢測處目標相對于巡檢機器人是勻速運動，動態(tài)模型表示為：

15、xt＝fxt-1+wt-1

16、其中，f是狀態(tài)轉移矩陣，wt-1是過程噪聲；狀態(tài)轉移矩陣f可以表示為：

17、

18、δt是時間間隔；

19、根據(jù)動態(tài)模型，預測目標在當前幀的狀態(tài)：

20、

21、其中，是在時間t的預測狀態(tài)，是在時間t-1的估計狀態(tài)；

22、s314：協(xié)方差矩陣預測；

23、預測狀態(tài)的協(xié)方差矩陣為：

24、pt|t-1＝fpt-1|t-1ft+q

25、其中，pt|t-1是在時間t的預測協(xié)方差矩陣，pt-1|t-1是在時間t-1的估計協(xié)方差矩陣，q是過程噪聲的協(xié)方差矩陣；

26、s32：使用數(shù)據(jù)關聯(lián)構建代價矩陣；

27、假設已有n個斷線檢測目標預測位置和m個檢測目標實際位置，預測目標位置為p1,p2,…,pn，檢測目標位置為d1,d2,…,dm；每個預測目標位置pi和每個檢測目標位置dj之間的歐幾里得距離為：

28、

29、其中，預測目標位置：p1＝[x1,y1],p2＝[x2,y2],…,pn＝[xn,yn]；檢測目標位置：d1＝[u1,v1],d2＝[u2,v2],…,dm＝[um,vm]；

30、s33：匈牙利算法匹配；

31、初始化代價矩陣其大小為n*n；

32、針對代價矩陣每一行i,找到最小值min(ci1,ci2,…,cin)，然后對每一行的每個元素進行歸約：cij＝cij-min(ci1,ci2,…,cin)，對于每一列j,找到最小值min(c1j,c2j,…,cnj)，然后對每一列的每個元素進行歸約:cij＝cij-min(c1j,c2j,…,cnj),在歸約后的代價矩陣中找到零元素，并標記這些零元素，用最少的線覆蓋所有被標記的零元素，減少未覆蓋的零元素數(shù)量，檢查覆蓋線的數(shù)量是否等于矩陣的行數(shù)或列數(shù)，以判斷是否找到了最優(yōu)匹配輸出匹配結果，調整代價矩陣，使得未覆蓋的零元素數(shù)量增加，從而找到更多的匹配；輸出最終的匹配結果，表示每個斷線檢測處目標預測位置與一個檢測目標位置之間的對應關系；

33、s34：預測狀態(tài)更新；

34、確定卡爾曼增益kt：

35、kt＝pt|t-1ht(hpt|t-1ht+r)-1

36、更新狀態(tài)估計將預測狀態(tài)與觀測數(shù)據(jù)的殘差進行加權求和得到：

37、

38、更新協(xié)方差矩陣pt|t：

39、pt|t＝(i-kth)pt|t-1。

40、進一步的，步驟s4包括以下步驟：

41、s41：判斷相機位姿；

42、從倍捻機巡檢機器人四個相機更新后斷線檢測處預測得四個不同狀態(tài)位置

43、中提取四個目標的當前位置[xt|t,yt|t]。相機中心視野為[xcenter,ycenter]；

44、俯仰偏差：δy＝y(tǒng)t|t-ycenter；若|δy|超過設定閾值，則認為相機位姿需要

45、調整；

46、s42：通過pid控制器調節(jié)電機控制多相機俯仰角；

47、計算控制信號：假設當前時刻為t，上一時刻為t-1，則控制信號u(t)表示為：

48、

49、其中kp，ki，kd分別是比例、積分和微分增益。

50、又一方面，本技術提供一種倍捻機巡檢機器人多相機位姿調節(jié)裝置，包括：

51、數(shù)據(jù)獲取單元，用于獲取倍捻機巡檢機器人多相機的采集數(shù)據(jù)；

52、目標檢測單元，用于根據(jù)采集數(shù)據(jù)進行目標識別檢測，獲得目標位置信息；

53、目前預測單元，用于使用卡爾曼濾波進行目標位置預測，使用數(shù)據(jù)關聯(lián)構造代價矩陣并用匈牙利算法匹配，獲得目標位置的預測結果；

54、以及相機控制單元，用于根據(jù)目標位置的預測結果對相機進行控制。

55、又一方面，本技術提供一種電子設備，其特征在于，包括處理器和存儲器，所述存儲器存儲有計算機程序，所述計算機程序被處理器調用執(zhí)行時，實現(xiàn)如上所述的方法。

56、又一方面，本技術提供一種計算機可讀介質，其特征在于，所述計算機可讀介質存儲有計算機程序，所述計算機程序被計算機調用執(zhí)行時，實現(xiàn)如上所述的方法。

57、綜上所述，本技術的有益效果有：

58、1.實時自適應調節(jié)，提升巡檢效率與精度：

59、通過yolo目標檢測算法實時捕捉倍捻機斷線檢測處關鍵部位圖像，結合卡爾曼濾波預測目標運動軌跡，并利用匈牙利算法實現(xiàn)數(shù)據(jù)關聯(lián)的最優(yōu)匹配。系統(tǒng)動態(tài)調整相機位姿，確保斷線檢測目標始終位于相機視野中心，有效消除因機器人路徑偏移導致的圖像畸變和不完整問題，顯著提高故障診斷的精準度。

60、2.全自動化操作，降低人工依賴與勞動強度：

61、采用pid自適應控制算法驅動電機調節(jié)相機俯仰角，完全替代傳統(tǒng)人工巡檢和手動調節(jié)方式。系統(tǒng)可實時監(jiān)測并自主響應環(huán)境變化，減少人工干預頻率，同時避免因人員疲勞或主觀判斷差異導致的調節(jié)誤差。

62、3.強環(huán)境適應性與魯棒性：

63、通過融合相機數(shù)據(jù)與動態(tài)濾波算法，系統(tǒng)對車間地面不平整、光線變化、灰塵干擾等復雜工況具有較強適應性。相較于現(xiàn)有激光測量或固定傳感器方案，本方法無需依賴外部參考特征，在動態(tài)生產(chǎn)環(huán)境中仍能保持穩(wěn)定性能。

64、4.成本效益顯著：

65、避免大規(guī)模部署高精度傳感器或激光測距設備，通過軟件算法優(yōu)化實現(xiàn)硬件資源的集約利用。系統(tǒng)初期投資及長期維護成本較現(xiàn)有方案低。