一种用于大坝浅表缺陷修复的水下机器人修形轨迹规划方法与流程

摘要: 本发明属于水下工程结构智能检测与修复,特别涉及一种用于大坝浅表缺陷修复的水下机器人修形轨迹规划方法。背景技术:1、大坝作为重要的水工建筑物,其结构完整性和服役可...
一种用于大坝浅表缺陷修复的水下机器人修形轨迹规划方法与流程

本发明属于水下工程结构智能检测与修复,特别涉及一种用于大坝浅表缺陷修复的水下机器人修形轨迹规划方法。

背景技术:

1、大坝作为重要的水工建筑物,其结构完整性和服役可靠性直接关系到水库运行安全、防洪安全以及下游区域生命财产安全。在长期服役过程中,大坝水下混凝土结构持续受到水流冲刷、泥沙磨蚀、冻融循环、化学侵蚀、生物附着、温度应力以及水压力变化等多种因素影响,坝体表面及局部区域容易出现裂缝、蜂窝、麻面、剥蚀、空蚀、露骨、掉块及浅表凹坑等缺陷。此类浅表缺陷虽然通常未在初期造成明显结构破坏,但若长期得不到有效处理,容易进一步扩展并削弱混凝土保护层和局部承载能力,影响大坝结构耐久性和运行安全。

2、在进行大坝浅表缺陷修复时,通常需要先对浅坑区域进行修形处理,使不规则缺陷表面形成较为规则、稳定、便于填补或附着的修复界面。传统水下修形作业多依赖潜水员手持工具完成,存在作业风险高、受水深和水流影响明显、修形质量不一致、缺陷处理过程难以量化控制等问题。

3、水下机器人具有可远程操控、适于水下复杂环境作业、可搭载感知设备和作业工具等特点,能够用于大坝水下缺陷检测和修复。然而,针对大坝浅表缺陷的修形作业并非简单的定点打磨或直线切削。浅坑缺陷边界不规则、深度分布不均匀,且水下机器人在水下执行修形任务时受到浮力、水流扰动、定位误差和修形模块安装姿态限制的影响,这就导致水下机器人难以稳定生成与缺陷真实形态相匹配的修形轨迹,容易出现过切、漏切、轨迹不连续或工具姿态突变等问题。

4、因此,亟需提出一种用于大坝浅表缺陷修复的水下机器人修形轨迹规划方法及系统,以实现对大坝水下浅表缺陷的自动识别、目标修形面构建和修形轨迹规划,从而提高水下机器人修复作业的自动化水平、修形精度和修补质量。

技术实现思路

1、本发明所要解决的技术问题是提供一种用于大坝浅表缺陷修复的水下机器人修形轨迹规划方法,一方面解决了现有水下机器人修形作业中缺陷边界不规则、修形深度难以准确确定、轨迹规划依赖人工经验以及修形质量一致性差的问题,另一方面将缺陷三维形貌分析、目标修形面模型重建、分层修形轨迹生成和轨迹参数自适应调整相结合,实现了大坝浅表缺陷修形轨迹的自动规划与动态优化,提高了水下机器人修形作业的精度、稳定性和后续修补质量。

2、为解决上述技术问题,本发明所采用的技术方案是:

3、一种用于大坝浅表缺陷修复的水下机器人修形轨迹规划方法,步骤为:

4、s1、水下机器人获取大坝水下浅表缺陷区域及其周边正常坝面区域的左右图像对或者视频数据,并获取水下机器人位姿信息,对所述左右图像对或者视频数据进行预处理、双目校正和clahe水下图像增强处理;clahe表示限制对比度自适应直方图均衡化处理;

5、s2、基于增强后的左右图像对或者视频数据,结合双目相机标定参数、水下成像折射补偿参数和水下机器人位姿信息,对浅表缺陷区域进行立体匹配、深度估计和三维重建,获得浅表缺陷区域的深度图、三维点云或者三维网格模型;

6、s3、根据三维重建结果构建坝体局部基准曲面,并提取浅表缺陷的边界、位置、尺寸、深度分布、表面法向及形貌特征;

7、s4、根据所述浅表缺陷的边界、深度分布、表面法向及形貌特征,结合预设修复工艺参数和修形模块参数,构建目标修形区域模型;

8、s5、基于所述目标修形区域模型,采用基于自适应分层的改进等距轮廓偏置轨迹规划算法(全称“自适应分层的改进等距轮廓偏置轨迹规划算法”)生成分层修形轨迹,并对所述分层修形轨迹进行轨迹连接、平滑处理和执行约束优化,得到水下机器人可执行的连续修形轨迹;

9、s6、将所述连续修形轨迹及轨迹参数输出至水下机器人执行单元,以控制水下机器人搭载的修形模块对大坝水下浅表缺陷区域执行修形作业。

10、优选地,步骤s1中,水下机器人在大坝水下待修形区域移动,对同一浅表缺陷区域进行多角度、多帧左右图像对或者视频数据采集,同时采集浅表缺陷周边正常坝面区域的左右图像对或者视频数据,形成包含浅表缺陷区域及正常坝面区域的水下图像数据;所述水下图像数据用于浅表缺陷三维重建、坝体局部基准曲面构建以及目标修形区域模型生成。

11、优选地,步骤s1中,所述预处理包括去噪处理、尺寸归一化处理、亮度校正处理、畸变校正处理和双目校正处理;所述clahe水下图像增强处理包括将左右图像对划分为多个局部区域,对各局部区域分别进行限制对比度的直方图均衡化处理,并对同一左右图像对中的左图像和右图像采用一致的增强参数或者同步增强处理方式。

12、优选地,步骤s2中,所述三维重建包括:根据双目相机标定参数和水下成像折射补偿参数对左右图像对进行立体校正,采用立体匹配算法计算视差图,并对所述视差图进行左右一致性检测、空洞填补、噪声滤波和边缘保持优化;根据视差图、双目相机基线距离、焦距参数以及水下机器人位姿信息,将二维像素点转换为空间坐标系下的三维点,生成浅表缺陷区域的三维点云或者三维网格模型。

13、优选地,对所述三维点云或者三维网格模型进行点云去噪、离群点剔除、体素下采样、点云配准、曲面平滑和局部补全处理;其中,当视频数据包含多帧连续左右图像对时,根据水下机器人位姿信息对多帧重建点云进行配准融合,以提高浅表缺陷三维形貌模型的完整性。

14、优选地,步骤s3中,构建坝体局部基准曲面包括:在浅表缺陷周边选取未受缺陷影响的正常坝面点,剔除曲率大于预设曲率阈值、表面法向偏差大于预设角度阈值、点到初始拟合曲面的残差大于预设残差阈值以及位于灰度或纹理突变区域的候选点,并采用最小二乘拟合、随机采样一致性拟合或者b样条曲面拟合方法,基于剩余正常坝面点构建坝体局部基准曲面;将浅表缺陷区域内各采样点与所述坝体局部基准曲面进行比较,计算各采样点相对于坝体局部基准曲面的法向距离,并将所述法向距离作为浅表缺陷的凹陷深度值。

15、优选地,步骤s3中,所述形貌特征包括几何特征、形态特征和空间特征;其中,所述几何特征包括浅表缺陷长度、宽度、面积、最大深度、平均深度和体积估计值;所述形态特征包括边界曲率、轮廓复杂度、边界规则度、底面起伏度和深度变化率;所述空间特征包括浅表缺陷位置、缺陷区域内各采样点的表面法向、缺陷相对于坝体局部基准曲面的凹陷分布以及缺陷边缘与周边正常坝面的过渡关系。

16、优选地,步骤s4中,构建目标修形区域模型包括:根据浅表缺陷边界、切削片半径、水下机器人定位误差、修复材料最小附着宽度和安全余量,对浅表缺陷边界进行外扩处理,得到外扩修形边界;根据浅表缺陷深度分布、最大允许修形深度、修复材料最小有效填充厚度和修复材料填充裕量,确定目标修形底面;根据浅表缺陷边缘与周边正常坝面之间的高度差、边缘过渡坡度和边缘圆角半径,构建连接目标修形底面与周边正常坝面的边缘过渡面;由所述外扩修形边界、目标修形底面和边缘过渡面共同形成目标修形区域模型。

17、优选地,步骤s5中,生成分层修形轨迹包括:根据浅表缺陷三维形貌模型与坝体局部基准曲面之间的深度偏差,计算浅表缺陷区域的最大修形深度、深度分布和深度变化率,并结合切削片单次允许切削深度确定初始修形层数;根据不同区域的深度变化率、表面曲率和底面起伏程度对各修形层的层厚进行自适应调整;在每一修形层内,将目标修形区域模型在当前修形层上的截面轮廓投影至局部参数平面,基于缺陷边界构建有向距离场,并根据切削片有效切削宽度和路径搭接率确定轮廓偏置间距,按照所述轮廓偏置间距由外向内或者由内向外依次生成等距偏置轮廓;对生成的等距偏置轮廓进行拓扑修正、短边剔除、尖角圆滑和圆弧过渡处理,生成连续覆盖目标修形区域的分层修形轨迹。

18、一种用于大坝浅表缺陷修复的水下机器人修形轨迹规划系统,包括通信功能模块、数据处理模块、三维重建模块、缺陷形貌分析模块、轨迹规划模块、执行控制模块和界面显示模块;其中:

19、通信功能模块用于实现水下机器人与上位机之间的指令交互与数据传输;

20、数据处理模块用于对大坝水下浅表缺陷区域及其周边正常坝面区域的左右图像对或者视频数据进行预处理、双目校正和clahe水下图像增强处理;

21、三维重建模块用于对增强后的左右图像对或者视频数据进行立体匹配、深度估计和三维重建,生成浅表缺陷区域的深度图、三维点云或者三维网格模型;

22、缺陷形貌分析模块用于根据三维重建结果构建坝体局部基准曲面,提取浅表缺陷的边界、位置、尺寸、深度分布、表面法向及形貌特征,并生成目标修形区域模型构建所需的数据;

23、轨迹规划模块用于根据目标修形区域模型、切削片几何参数、单次切削深度、路径搭接率以及水下机器人作业约束,采用基于自适应分层的改进等距轮廓偏置轨迹规划算法生成分层修形轨迹,并对所述分层修形轨迹进行轨迹连接、平滑处理和执行约束优化,得到水下机器人可执行的连续修形轨迹;

24、执行控制模块用于将所述连续修形轨迹转换为水下机器人执行单元能够识别的控制指令,控制水下机器人搭载的修形模块执行大坝水下浅表缺陷修形作业,并根据水下机器人位姿信息、轨迹跟踪信息、修形模块状态信息和局部图像信息对后续轨迹点的位置、姿态、运动速度、单次切削深度或者轨迹间距进行自适应修正;

25、界面显示模块用于将浅表缺陷三维重建结果、缺陷形貌分析结果、目标修形区域模型和修形轨迹规划结果进行可视化展示。

26、本发明可达到以下有益效果:

27、1、本发明通过水下机器人获取大坝水下浅表缺陷区域及其周边正常坝面区域的左右图像对或者视频数据,并同步获取水下机器人位姿信息,使浅表缺陷修形轨迹规划能够基于现场真实图像数据和机器人空间状态进行,减少对人工水下观察和经验判断的依赖。

28、2、本发明在图像处理阶段对左右图像对或者视频数据进行去噪、尺寸归一化、亮度校正、畸变校正和双目校正,并进一步采用clahe水下图像增强处理,能够改善水下图像对比度低、边界模糊、光照不均和悬浮颗粒干扰等问题,提高后续立体匹配和三维重建的稳定性。

29、3、本发明在clahe水下图像增强处理中,对同一左右图像对采用一致的增强参数或者同步增强处理方式,使增强后的左图像和右图像保持较好的灰度一致性和纹理对应关系,有利于降低双目匹配误差。

30、4、本发明结合双目相机标定参数、水下成像折射补偿参数和水下机器人位姿信息进行立体匹配、深度估计和三维重建,能够补偿水下成像折射及机器人姿态变化带来的影响,提高浅表缺陷深度图、三维点云或者三维网格模型的空间准确性。

31、5、本发明在视频数据包含多帧连续左右图像对时,根据水下机器人位姿信息对多帧重建点云进行配准融合,能够提高浅表缺陷三维形貌模型的完整性,减少单帧图像因遮挡、浑浊或局部纹理不足造成的重建缺失。

32、6、本发明通过在浅表缺陷周边选取未受缺陷影响的正常坝面点,并剔除曲率异常、法向偏差过大、拟合残差过大以及灰度或纹理突变区域的候选点,能够构建更接近真实坝体表面的局部基准曲面,为缺陷深度计算和修形目标确定提供可靠参考。

33、7、本发明将浅表缺陷区域内各采样点与坝体局部基准曲面进行比较,计算各采样点相对于坝体局部基准曲面的法向距离,并将其作为凹陷深度值,能够定量获得浅表缺陷的深度分布,避免仅凭二维图像轮廓确定修形深度。

34、8、本发明能够提取浅表缺陷的边界、位置、尺寸、深度分布、表面法向及形貌特征,使浅表缺陷的几何特征、形态特征和空间特征均可被量化表达,为目标修形区域模型构建和轨迹规划提供数据基础。

35、9、本发明根据浅表缺陷边界、切削片半径、水下机器人定位误差、修复材料最小附着宽度和安全余量,对缺陷边界进行外扩处理,能够使修形区域覆盖缺陷边缘及其周边必要范围,减少后续修复材料附着面积不足或边缘处理不完整的问题。

36、10、本发明根据浅表缺陷深度分布、最大允许修形深度、修复材料最小有效填充厚度和修复材料填充裕量确定目标修形底面,并构建连接目标修形底面与周边正常坝面的边缘过渡面,使修形后的缺陷区域具有较规则的底面和连续过渡边缘,便于后续填补、粘结或附着修复材料。

37、11、本发明采用基于自适应分层的改进等距轮廓偏置轨迹规划算法,根据最大修形深度、深度变化率、表面曲率和底面起伏程度自适应确定修形层数和层厚,使深度变化较大或边界起伏明显的区域能够采用更细的分层处理,降低过切、漏切和局部修形不足的风险。

38、12、本发明在每一修形层内根据切削片有效切削宽度和路径搭接率生成等距偏置轮廓,并对偏置轮廓进行拓扑修正、短边剔除、尖角圆滑和圆弧过渡处理,能够提高轨迹覆盖的连续性和可执行性,减少不规则缺陷边界导致的轨迹断裂或尖角突变。

39、13、本发明对分层修形轨迹进行轨迹连接、平滑处理和执行约束优化,并结合水下机器人最大运动速度、最大加速度、姿态调整范围、轨迹跟踪误差和与坝面的安全距离进行约束,使生成的连续修形轨迹更适于水下机器人实际执行。

40、14、本发明在修形执行过程中能够根据水下机器人位姿信息、轨迹跟踪信息、修形模块状态信息和局部图像信息,对后续轨迹点的位置、姿态、运动速度、单次切削深度或轨迹间距进行自适应修正,从而降低水流扰动、定位误差和执行偏差对修形质量的影响。

41、15、本发明在修形完成后可重新采集修形后区域的左右图像对或者视频数据,并进行局部三维重建,将修形结果与目标修形区域模型进行对比,判断是否需要生成局部补偿修形轨迹,从而形成检测、建模、规划、执行和复核的闭环修形流程。