配网带电作业机器人精准作业定位方法研究

配网带电作业机器人精准作业定位方法研究

巫建明

440203199007222435

摘要：在当前配网带电作业机器人得到广泛应用的背景下，为避免斗臂车振动、作业场景多变、光照等因素对其精准作业定位造成影响，本文从配网接引线带电作业入手，提出基于场景语义的自动作业定位方法，以有效避免外部因素对配网带电作业机器人精准作业定位的影响。全新的精准作业定位方式将极大提升配网带电机器人的工作速率，扩大其使用范围，保证数据收集的精确性，降低人为调整对机器人精准作业定位的影响，有效提高其工作质量。

关键词：配网；带电作业机器人；精准作业定位

引言：带电作业可提高整体电力服务水平，可为广大群众提供更加高效、安全的电力资源。从实际情况进行分析，若沿用以往人工带电作业的方式，将会对相关人员的生命健康安全造成严重威胁。为避免发生极为严重的人员伤亡事件，我国积极引进并创新了配网带电作业机器人作业方式，极大降低了人工投入情况。但从实际情况来看，该方式具有一定的使用限制，在精准作业定位等方面存在不足，由此就需要相关技术人员积极开展各类研究活动，有效提升机器人的场景感知、目标识别能力，增强其环境适应性，保证配网带电作业工作的有序推进。

一、配网接引线带电作业

（一）配网带电接引线场景

配网带电作业的优势在于可尽量减少停电检测的时间，保证广大群众的正常用电需要，其中较为常见的配网带电作业就是带电断接引线的工作，其线路排列方式主要可分为水平、三角两种排列方式，引线横档与导线也则分为横、顺排列方式，由此进行组合，则可得到配网带电作业机器人的不同工作情境，如图1。

图 1 配网带电作业机器人接引线场景

（二）机器人带电接引线作业流程

在配网带电作业机器人开展作业期间，可保证相关作业人员的生命健康安全，降低风险隐患系数，保证带电作业的标准化、规范化，提高实际工作质量与成效。依据具体工作需要，配网带电作业机器人的作业流程如下。第一，绝缘斗臂车停靠，相关人员需要对作业环境进行观察，并设定作业顺序，选择较为合适的工作线路，保证绝缘斗臂车可安全停靠，并利用支撑腿进行加固，保证机器人稳定性，此时即可开启电源，判断网络及线路连接是否到位。第二，准备工作，相关人员可利用斗臂将机器人移动至待工作区域的正下方，并利用感知定位的方式保证机器人安全进入工作区域。第三，抓取引流线，应扫描引流线位置，并选择引线作为抓取点，利用机械臂将引线抓取到自动接线位置。第四，作业定位，可利用激光雷达扫描技术对三维场景进行数据扫描，并利用机器人自动生成三维点云数据，完成空间模拟重建，采用人机交互的方式保证行线与引线位置的精确定位。第五，剥线，机器人可依据设定程序完成接线机械臂的剥线运动，利用配套装置对其完成拾取、移动、调位、剥线、回收操作。第六，穿线及接线，机器人程序可对引线抓取位置利用工具将其进行移动、夹紧、接线作业。第七，重复以上步骤即可实现多相作业。第八，作业完成，相关人员可将机器人回收至绝缘平台上，回复初始位置[1]。

二、基于场景语义的自动作业定位方法

（一）空间三维立体感知

利用空间三维立体感知技术，可从多角度、全场景实现模型的重建，可有效避免强光对传感器的影响，机器人可利用自带激光雷达进行位置调整，实现多点扫描，减少数据盲点。主要作业流程如图2。

图 2 空间三维立体感知流程

第一，机械臂自动拾取激光雷达传感器，并利用快换结构使其安装在机械臂上，此时仅需利用机械臂坐标系即可进行中心校准。第二，手动调节二者的位置，保证激光雷达中心线始终与作业区域重合。第三，通过实际作业区域信息及阳光照射方向选择左右两个数据采集点，避免阳光直射导致数据采集失效。第四，利用机械臂控制雷达移动，保证从多角度收集相关数据，并完成信息的存储。第五，利用机械臂获取各点信息及扫描数据，利用ROS、欧式变换法得到坐标。第六，将各扫描点信息进行叠加，实现场景转换，并利用滤波技术生成感知点云。

（二）设备对象识别

1.折线识别

第一，最小生成树，可分为Prim及Kruskal两种算法，通过求取最小生成树可判断顶点是否构成回路，具体流程如下。首先提取点云，并确定图论顶点，将点与点之间的距离作为权重，选定起始点，计算其与邻近点之间的距离差值，以非递减顺序存入数组。其次，依序分别判断各点是否可构成回路，即是否可与其他点连接至同一节点上，若是则继续判定，若否则将其他数据清除，仅保留该点归入路径。最后，将该点信息导入统一数组，并将该点作为叶节点，前序点作业父节点，构成树状结构，为后续判断提供参考。

第二，最大关键路径，需要对最小生成树进行深入筛选，保证其提取路径的最小化。将各点向两端进行延伸，计算各路径端点之间的长度，取最大值为代表。

第三，提取中心线，将最小生成树上的路径利用平滑点云的方式得到近似中心线，并利用RANSAC进行直线模拟，找到符合路径需要的直线，此时符合直线模型的点可称为内点，否则称为外点，最终找到内点数量最多的直线模型。

2.电力线路对象识别

为避免激光雷达数据采集不全面、出现噪声边缘等问题，相关技术人员可选择引线识别算法，或基于语义连通性搜索的行线的方式，对作业的行线、引线进行识别、分析，做到精确定位，避免由于人为因素导致的点云边缘离散等问题，具体工作流程如图3。

图 3 设备对象目标识别流程

第一，图像滤波，将融合后的点云图像以离群点滤波算法的方式进行处理。第二，降采样，对滤波后的图像进行体素下采样，并利用VoxelGrid算法提取降采样点云。第三，图像分割，基于无监督聚类算法将图像进行分隔，使其成为多个子块。第四，逼近折现提取，利用各子块获取最小生成树，并取最长路径作为逼近折线，综合中心线减小离散误差。第五，连通域搜索，利用导线的直线特性，使用RANSAC对子块末端进行拟合，通过判断重合度确定其连通性。第六，结果输出，比较行线及引线弯曲度完成对象识别。

（三）设备语义作业定位

为有效解决选点失败及离散问题，相关人员可选择语义作业定位的方式，利用机械臂位置及引线长，自动计算具体工作位置并进行校验，工作流程如图4。

图 4 设备语义作业定位流程

第一，引线自动选择，通过作业臂坐标，利用相关识别设备搜寻最近引线对象。第二，目标选择，以作业臂坐标为参考点，计算其与各行线之间的距离，选择最短行线作为目标行线。第三，坐标计算，利用逼近折现的方式计算其近似长度，并利用间隔取点的方式确定预作业点，判断引线长度与起始点到作业点距离的关系，进而明确具体作业位置。第四，姿态计算，依据作业点获取局部拟合直线，计算其斜率即为行线作业位姿。提取逼近折线，搜索引线末端点坐标，并计算其局部拟合直线斜率即可得到穿线作业位姿[2]。

结论：综上而言，在开展配网带电作业机器人的创新、研究活动期间，相关技术人员可从位置语义自动定位、设备对象识别、空间三维立体感知等方面提升其适应性，有效解决当前机器人带电作业的精准定位问题，并为后续其他带电作业技术能力的提升提供支持，促进配网带电作业机器人技术的进一步发展，提高我国配电行业的先进性、智能性。

参考文献：

[1]刘一涵,纪坤华,傅晓飞,等.配网带电作业机器人技术发展现状述评[J].电力与能源,2019,40(4):446-451,470.

[2]许崇新,赵玉良,赵生传,等.主从式遥操作配网带电作业机器人研究[J].机床与液压,2019,47(23):102-105.