基于特征深度融合的变电站巡检机器人障碍自动化检测算法

以全部目标跟踪为计算量，无法支撑变电站实时数据变化，巡检机器人障碍检测结果存在偏差，只能预估出障碍的大体位置。该文采用双目深度估计的基本思路，生成变电站巡检机器人检测策略，匹配变电站的实时运行数据；按照决策边界定义数据最大处理边缘，划分巡检机器人行进路线中障碍特征；基于特征深度融合技术构建检测模型，对变电站巡检机器人的障碍目标进行定位；通过卡尔曼滤波计算障碍目标中心，完成巡检机器人的障碍自动化检测。以变电站内较狭窄空间为测试环境，在巡检机器人行进路线中，连续设定8个障碍点，进行测试，结果显示，该方法可以检测出全部障碍点，且位置参数匹配成功，横轴与纵轴位置误差在1 mm左右，但两组传统算法会存在障碍点未被检测到的情况，且位置匹配误差超过10 mm。