一種變電站巡檢機器人視覺定位導航方法及系統與流程

2023-05-13 00:10:46 3

本發明涉及導航領域，特別是涉及一種變電站巡檢機器人視覺定位導航方法及系統。

背景技術：

隨著社會經濟的不斷發展，用電量急劇增長，從而輸電線路長度和變電站數量急劇上升。變電站和輸電線路的安全監測，大都還依靠人工完成，人工巡檢電力設備勞動強度大、效率低，已經跟不上時代的步伐，為保證安全和可靠地供電，電力設備的運營自動化和現代化已日益顯示出其迫切性。現代科技發展迅速，各種巡檢機器人應運而生，能代替或輔助傳統人工進行巡檢作業，提高工作效率，降低勞動強度，減少作業風險，為變電站無人值守、自動運營提供了新思路。

當前巡檢機器人基於固定巡檢路線、固定巡視位置採集設備圖像。巡檢機器人平臺採用磁傳感器實現導航，但該導航方式成本高、不夠靈活；導航線路確定後，需要通過人工現場施工，填埋磁軌，磁軌跡線路一旦實施，較難改變；且變電站環境中可填埋磁軌跡的區域有限，這成為約束巡檢機器人行駛範圍的主要原因，進而使得巡檢機器人必須在距離設備較遠的地方採集圖像，為後續的圖像處理和分析引入了較多問題。另外，由於變電站環境屬於非結構環境，會不定期的進入人員進行設備維護，以及存在車輛進入的情況，如何保證巡檢機器人不會對人進行傷害，以及避免與行進道路上的車輛進行避讓，是新一代智能巡檢機器人必須具備的能力。

因此，如何為巡檢機器人增加更靈活的感知環境的方式，使其導航精確度高，是本領域技術人員亟待解決的技術問題。

技術實現要素：

有鑑於此，本發明的目的在於提供一種變電站巡檢機器人視覺定位導航方法及系統，實施簡單、穩定性好、成本低、定位精度高，能夠準確實現避障和導航功能。其具體方案如下：

一種變電站巡檢機器人視覺定位導航方法，包括：

對採集到的環境的二維彩色圖像進行預處理，提取所述二維彩色圖像的特徵點，確定所述特徵點的描述子；

對相鄰兩幀所述描述子進行匹配，使用隨機採樣一致性算法去除誤匹配點，得到特徵匹配結果，並根據所述特徵匹配結果，確定巡檢機器人的相對位置和姿態變化；

根據所述巡檢機器人的相對位置和姿態變化、所述特徵點的位置、以及所述特徵點對應於採集到的環境的深度圖像位置的深度值，建立變電站的三維空間模型；

將所述二維彩色圖像與所述三維空間模型進行匹配，定位所述巡檢機器人的所在位置，並根據所述三維空間模型構建二維佔據網絡，確定避障路徑。

優選地，在本發明實施例提供的上述變電站巡檢機器人視覺定位導航方法中，對採集到的環境的二維彩色圖像進行預處理，提取所述二維彩色圖像的特徵點，確定所述特徵點的描述子，具體包括：

利用高斯核函數對採集到的環境的二維彩色圖像進行高斯濾波處理，去除噪聲；

在處理後的所述二維彩色圖像上提取特徵點，利用非極大值抑制去除距離密集的特徵點，計算除了所述去除的特徵點的其它特徵點的描述子。

優選地，在本發明實施例提供的上述變電站巡檢機器人視覺定位導航方法中，對相鄰兩幀所述描述子進行匹配，使用隨機採樣一致性算法去除誤匹配點，得到特徵匹配結果，具體包括：

計算相鄰兩幀所述描述子之間的漢明距離；

若所述漢明距離小於預設閾值，則視為匹配正確；

匹配結束後，使用隨機採樣一致性算法去除誤匹配點，得到特徵匹配結果。

優選地，在本發明實施例提供的上述變電站巡檢機器人視覺定位導航方法中，根據所述特徵匹配結果，確定巡檢機器人的相對位置和姿態變化，具體包括：

根據所述特徵匹配結果，利用對極幾何約束計算巡檢機器人的運動狀態；

構建一個最小化重投影誤差和三維匹配最近點誤差的代價函數對所述巡檢機器人的運動狀態進行迭代優化處理，得到所述巡檢機器人的相對位置和姿態變化。

優選地，在本發明實施例提供的上述變電站巡檢機器人視覺定位導航方法中，採用下列公式利用對極幾何約束計算所述巡檢機器人的運動狀態：

其中，t為所述巡檢機器人的運動狀態，r為所述巡檢機器人的相對旋轉角度，t為所述巡檢機器人的相對位移，x1為所述二維彩色圖像i(x,y)的特徵點歸一化坐標，x2為所述二維彩色圖像j(x,y)的特徵點歸一化坐標，e為包含所述巡檢機器人運動狀態的本質矩陣；

所述巡檢機器人的相對旋轉角度和相對位移由包含所述巡檢機器人運動狀態的本質矩陣進行奇異值分解而得。

優選地，在本發明實施例提供的上述變電站巡檢機器人視覺定位導航方法中，根據所述巡檢機器人的相對位置和姿態變化、所述特徵點的位置、以及所述特徵點對應於採集到的環境的深度圖像位置的深度值，建立變電站的三維空間模型，具體包括：

根據所述巡檢機器人的相對位置和姿態變化、所述特徵點的位置以及所述特徵點對應於採集到的環境的深度圖像位置的深度值，確定所述特徵點的三維空間位置；

利用三角化技術將所述特徵點的三維空間位置進行處理，得到變電站的三維空間模型。

優選地，在本發明實施例提供的上述變電站巡檢機器人視覺定位導航方法中，採用下列公式確定所述特徵點的三維空間位置：

其中，p為所述特徵點的三維空間位置，p為所述特徵點在二維彩色圖像中的齊次坐標，k為深度相機內參，d為所述特徵點對應深度圖像的深度值，t為所述巡檢機器人的運動狀態。

優選地，在本發明實施例提供的上述變電站巡檢機器人視覺定位導航方法中，將所述二維彩色圖像與所述三維空間模型進行匹配，定位所述巡檢機器人的所在位置，具體包括：

根據所述巡檢機器人當前位置下的二維彩色圖像提取特徵點並計算描述子後，與地圖模型中保留的前一幀的描述子進行特徵匹配；

根據所述巡檢機器人當前位置下的深度圖像信息，利用所述特徵點的三維空間位置以及所述三維空間模型，進行求解迭代最近點算法計算巡檢機器人當前位置的運動狀態；

根據所述計算出的巡檢機器人當前位置的運動狀態，利用最小化重投影誤差和迭代最近點匹配誤差進行所述巡檢機器人的精準定位，確定所述巡檢機器人的所在位置。

優選地，在本發明實施例提供的上述變電站巡檢機器人視覺定位導航方法中，根據所述三維空間模型構建二維佔據網絡，確定避障路徑，具體包括：

根據所述三維空間模型構建所述巡檢機器人可執行路徑規劃的柵格地圖，根據三維點在地平面上的投影個數，對柵格進行填充，形成二維佔據網絡；

根據所述二維佔據網絡和所述巡檢機器人的所在位置，使用馬爾科夫路徑規划算法，對所述巡檢機器人進行路徑規劃，得到避障路徑。

本發明實施例還提供了一種變電站巡檢機器人視覺定位導航系統，包括：

特徵提取模塊，用於對採集到的環境的二維彩色圖像進行預處理，提取所述二維彩色圖像的特徵點，確定所述特徵點的描述子；

特徵匹配模塊，用於對相鄰兩幀所述描述子進行匹配，使用隨機採樣一致性算法去除誤匹配點，得到特徵匹配結果，並根據所述特徵匹配結果，確定巡檢機器人的相對位置和姿態變化；

三維空間模型建立模塊，用於根據所述巡檢機器人的相對位置和姿態變化、所述特徵點的位置、以及所述特徵點對應於採集到的環境的深度圖像位置的深度值，建立變電站的三維空間模型；

路徑規劃模塊，用於將所述二維彩色圖像與所述三維空間模型進行匹配，定位所述巡檢機器人的所在位置，並根據所述三維空間模型構建二維佔據網絡，確定避障路徑。

本發明所提供的一種變電站巡檢機器人視覺定位導航方法及系統，包括：對採集到的環境的二維彩色圖像進行預處理，提取二維彩色圖像的特徵點，確定特徵點的描述子；對相鄰兩幀描述子進行匹配，使用隨機採樣一致性算法去除誤匹配點，得到特徵匹配結果，並根據特徵匹配結果，確定巡檢機器人的相對位置和姿態變化；根據巡檢機器人的相對位置和姿態變化、特徵點的位置、以及特徵點對應於採集到的環境的深度圖像位置的深度值，建立變電站的三維空間模型；將二維彩色圖像與三維空間模型進行匹配，定位巡檢機器人的所在位置，並根據三維空間模型構建二維佔據網絡，確定避障路徑。本發明基於圖像信息分析及相關算法，將巡檢機器人當前採集的圖像信息與變電站的三維空間結構做匹配，可以定位巡檢機器人的準確位置，且可自動檢測全局範圍內的障礙物，並根據障礙物以及巡檢機器人的所在位置，進行路徑規劃，該方法實施簡單、成本低、穩定性好、精確度高，能夠準確使巡檢機器人實現避障和導航功能。

附圖說明

為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的實施例，對於本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據提供的附圖獲得其他的附圖。

圖1為本發明實施例提供的變電站巡檢機器人視覺定位導航方法的流程圖；

圖2為本發明實施例提供的變電站巡檢機器人視覺定位導航方法的具體流程圖之一；

圖3為本發明實施例提供的變電站巡檢機器人視覺定位導航方法的具體流程圖之二；

圖4為本發明實施例提供的變電站巡檢機器人視覺定位導航系統的結構圖。

具體實施方式

隨著傳感器技術及處理器技術的發展，機器人技術朝著越來越智能化的方向發展。計算機視覺理論的形成和發展，讓機器人具備了類似人類雙眼的視覺系統，讓機器人可以根據視覺系統獲得更多的環境信息。視覺導航技術主要包括基於單目的、基於雙目立體視覺的、三目及多目攝像機結構。單目視覺主要利用攝像機採集到的圖像信息，對結構場景中的標識進行識別，直接利用圖像平面信息對場景進行判斷，也有利用基於運動的三維信息恢復的方法，基於單目相機結構進行導航。立體視覺技術主要利用由兩幅或兩幅以上的圖像重構得到的三維信息，在此基礎上進行障礙物檢測和路況檢測，最終實現避障和導航等功能。如早期的火星探測車，使用了雙目立體視覺技術進行視覺避障和導航。

另外，避障功能是智慧機器人必備的一個功能，基於該功能機器人可以對變化的環境實時做出反應，避免發生碰撞危險，並且可以自動避開環境障礙物，繼續原始路逕行駛，提高了機器人的自主性和系統安全性。避障功能主要包括障礙物檢測和路徑規劃兩部分內容。其中，障礙物檢測就是通過對傳感器採集的信息，進行處理、分析，得到障礙物的位置、尺寸等信息；路徑規劃就是利用當前檢測到的障礙物信息以及其他道路信息構成地圖，並對可行駛的路徑進行規劃，給出機器人可以行駛的路徑。當前，基於視覺系統的障礙物檢測方法可以分為基於三維信息恢復的障礙物檢測方法、基於逆向投影的障礙物檢測方法、基於視差直方圖的檢測方法。

通過分析巡檢機器人利用單目視覺和雙目立體視覺的定位導航方法發現：單目視覺的定位導航方法存在尺度不確定性，往往無法構建準確的三維場景模型，導致定位精度低、機器人無法準確達到目的地；雙目立體視覺的定位導航方法存在計算複雜度高，無法實時定位機器人位置，影響後續的路徑規劃。

基於此，本發明提供了一種變電站巡檢機器人視覺定位導航方法及系統，下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。

本發明提供一種變電站巡檢機器人視覺定位導航方法，如圖1所示，包括以下步驟：

s101、對採集到的環境的二維彩色圖像進行預處理，提取二維彩色圖像的特徵點，確定特徵點的描述子；

s102、對相鄰兩幀描述子進行匹配，使用隨機採樣一致性算法去除誤匹配點，得到特徵匹配結果，並根據特徵匹配結果，確定巡檢機器人的相對位置和姿態變化；

s103、根據巡檢機器人的相對位置和姿態變化、特徵點的位置、以及特徵點對應於採集到的環境的深度圖像位置的深度值，建立變電站的三維空間模型；

s104、將二維彩色圖像與三維空間模型進行匹配，定位巡檢機器人的所在位置，並根據三維空間模型構建二維佔據網絡，確定避障路徑。

在本發明實施例提供的上述變電站巡檢機器人視覺定位導航方法中，首先對採集到的環境的二維彩色圖像進行預處理，提取特徵點，確定特徵點的描述子；然後對相鄰兩幀描述子進行匹配，得到特徵匹配結果，並確定巡檢機器人的相對位置和姿態變化；之後根據巡檢機器人的相對位置和姿態變化、特徵點位置、以及特徵點對應於深度圖像位置的深度值，建立變電站的三維空間模型；最後將二維彩色圖像與三維空間模型進行匹配，定位巡檢機器人的所在位置，並構建二維佔據網絡，確定避障路徑。這樣基於圖像信息分析及相關算法，可以定位巡檢機器人的準確位置，且可自動檢測全局範圍內的障礙物，並根據障礙物以及所在位置，進行路徑規劃，該方法實施簡單、成本低、穩定性好、精確度高。

需要說明的是，在執行步驟s101之前，如圖2所示，需要先採用深度相機執行步驟s201和步驟s202：

s201、採集環境的二維彩色圖像；便於執行步驟s101；

s202、採集環境的深度圖像；便於執行步驟s103。

在具體實施時，在本發明實施例提供的上述變電站巡檢機器人視覺定位導航方法中，如圖3所示，執行步驟s101對採集到的環境的二維彩色圖像進行預處理，提取二維彩色圖像的特徵點，確定特徵點的描述子，具體可以包括以下步驟：

s301、利用高斯核函數對採集到的環境的二維彩色圖像進行高斯濾波處理，去除噪聲；

s302、在處理後的二維彩色圖像上提取特徵點，利用非極大值抑制去除距離密集的特徵點，計算除了去除的特徵點的其它特徵點的描述子。

具體地，在提取特徵點的過程中，根據高斯核對採集到的二維彩色圖像進行高斯濾波，去除噪點；

對高斯濾波後的二維彩色圖像進行特徵點提取，將提取到的特徵點與其周圍固定距離的256個位置的像素灰度進行比較，以二進位記錄結果，0表示特徵點的像素灰度小於周圍固定距離256個像素灰度的其中一個，1表示特徵點的像素灰度大於周圍固定距離256個像素灰度的其中一個，將結果保存在256維的向量中作為該特徵點的描述子。

在具體實施時，在本發明實施例提供的上述變電站巡檢機器人視覺定位導航方法中，如圖3所示，執行步驟s102對相鄰兩幀描述子進行匹配，使用隨機採樣一致性算法去除誤匹配點，得到特徵匹配結果，具體可以包括以下步驟：

s303、計算相鄰兩幀描述子之間的漢明距離；

s304、若漢明距離小於預設閾值，則視為匹配正確；

s305、匹配結束後，使用隨機採樣一致性算法去除誤匹配點，得到特徵匹配結果。

具體地，將相鄰兩幀二維彩色圖像根據步驟s302計算得到的描述子進行對比，計算其漢明距離。若漢明距離小於預設閾值，則視為匹配正確。匹配結束後。使用少數服從多數的隨機採樣一致性算法，剔除匹配方向與其他大多數特徵點匹配方向不一致的特徵點，使得最終的匹配的結果方向一致。

在具體實施時，在本發明實施例提供的上述變電站巡檢機器人視覺定位導航方法中，如圖3所示，執行步驟s102根據特徵匹配結果，確定巡檢機器人的相對位置和姿態變化，具體可以包括以下步驟：

s306、根據特徵匹配結果，利用對極幾何約束計算巡檢機器人的運動狀態；

s307、構建一個最小化重投影誤差和三維匹配最近點誤差的代價函數對巡檢機器人的運動狀態進行迭代優化處理，得到巡檢機器人的相對位置和姿態變化。

進一步地，在具體實施時，在本發明實施例提供的上述變電站巡檢機器人視覺定位導航方法中，採用下列公式利用對極幾何約束計算巡檢機器人的運動狀態：

其中，t為巡檢機器人的運動狀態，r為巡檢機器人的相對旋轉角度，t為巡檢機器人的相對位移，x1為二維彩色圖像i(x,y)的特徵點歸一化坐標，x2為二維彩色圖像j(x,y)的特徵點歸一化坐標，e為包含巡檢機器人運動狀態的本質矩陣；

巡檢機器人的相對旋轉角度和相對位移由包含巡檢機器人運動狀態的本質矩陣進行奇異值分解而得。

具體地，根據步驟s305得到的匹配結果，使用對極幾何約束計算巡檢機器人的運動狀態t；

設二維彩色圖像i(x,y)的特徵點相機歸一化坐標為二維彩色圖像j(x,y)的特徵點相機歸一化坐標為對極幾何約束為：為包含巡檢機器人運動狀態的本質矩陣。將本質矩陣e進行奇異值分解，得到巡檢機器人的相對旋轉和相對位移巡檢機器人運動狀態

由於上述機器人運動狀態t是存在誤差的，因此需要進一步進行優化：

根據彩色圖像的特徵點位置，通過檢索深度圖像對應位置得到特徵點在相機坐標下的三維空間位置；根據特徵匹配，特徵點三維空間位置以及巡檢機器人初步的相對位置以及姿態變換信息，構建一個最小化重投影誤差和三維匹配最近點誤差的代價函數j＝argmint((x2-π(tp1))+(p2-tp1)),其中x2為當前幀特徵點坐標，p1，p2分別是前一幀和當前幀的特徵點三維空間位置，π(tp1)表示將p1旋轉到當前幀相機坐標系下，並投影到當前幀的相機平面上；

對上述代價函數進行迭代優化，不斷調整變換矩陣t使得代價函數j最小，當代價函數j的代價值收斂時，巡檢機器人的變換矩陣t是最優的，此時即得到了巡檢機器人精確的相對位置以及姿態變換。

在具體實施時，在本發明實施例提供的上述變電站巡檢機器人視覺定位導航方法中，如圖3所示，執行步驟s103根據巡檢機器人的相對位置和姿態變化、特徵點的位置、以及特徵點對應於採集到的環境的深度圖像位置的深度值，建立變電站的三維空間模型，具體可以包括以下步驟：

s308、根據巡檢機器人的相對位置和姿態變化、特徵點的位置以及特徵點對應於採集到的環境的深度圖像位置的深度值，確定特徵點的三維空間位置；

s309、利用三角化技術將特徵點的三維空間位置進行處理，得到變電站的三維空間模型。

進一步地，在具體實施時，在本發明實施例提供的上述變電站巡檢機器人視覺定位導航方法中，採用下列公式確定特徵點的三維空間位置：

其中，p為特徵點的三維空間位置，p為特徵點在二維彩色圖像中的齊次坐標，k為深度相機內參，d為特徵點對應深度圖像的深度值，t為巡檢機器人的運動狀態。

具體地，將步驟s307計算得到的特徵點投影回其三維空間位置：p＝tdk-1p,為特徵點在二維彩色圖像中的齊次坐標，為深度相機內參，d為特徵點對應深度圖像的深度值，為巡檢機器人運動狀態，為特徵點在三維空間中的具體位置；利用三角化技術將特徵點的三維空間位置進行處理，得到變電站的三維空間模型。

在具體實施時，在本發明實施例提供的上述變電站巡檢機器人視覺定位導航方法中，如圖3所示，執行步驟s104將二維彩色圖像與三維空間模型進行匹配，定位巡檢機器人的所在位置，具體可以包括以下步驟：

s310、根據巡檢機器人當前位置下的二維彩色圖像提取特徵點並計算描述子後，與地圖模型中保留的前一幀的描述子進行特徵匹配；

s311、根據巡檢機器人當前位置下的深度圖像信息，利用特徵點的三維空間位置以及三維空間模型，進行求解迭代最近點算法計算巡檢機器人當前位置的運動狀態；

s312、根據計算出的巡檢機器人當前位置的運動狀態，利用最小化重投影誤差和迭代最近點匹配誤差進行巡檢機器人的精準定位，確定巡檢機器人的所在位置。

具體地，根據巡檢機器人當前位置下的二維彩色圖像提取特徵點並計算描述子後，與地圖模型中保留的前一幀的描述子信息進行特徵匹配；

根據巡檢機器人當前位置下的深度圖像信息，利用p＝tdk-1p將特徵點還原到其三維空間位置，並與前一幀的特徵點在變電站的三維空間模型中的位置進行求解迭代最近點算法計算巡檢機器人運動狀態；

根據上述計算出的巡檢機器人的運動狀態，利用最小化重投影誤差和迭代最近點匹配誤差進行巡檢機器人的精準定位；

代價函數j＝argmint((x2-π(tp1))+(p2-tp1)),若迭代若干次後j收斂，則此時的t即為巡檢機器人最優的運動狀態，即可準確定位當前巡檢機器人的所在位置。

在具體實施時，在本發明實施例提供的上述變電站巡檢機器人視覺定位導航方法中，如圖3所示，執行步驟s104根據三維空間模型構建二維佔據網絡，確定避障路徑，具體可以包括以下步驟：

s313、根據三維空間模型構建巡檢機器人可執行路徑規劃的柵格地圖，根據三維點在地平面上的投影個數，對柵格進行填充，形成二維佔據網絡；

s314、根據二維佔據網絡和巡檢機器人的所在位置，使用馬爾科夫路徑規划算法，對巡檢機器人進行路徑規劃，得到避障路徑。

具體地，根據步驟s309得到的變電站的三維空間模型構建巡檢機器人可執行路徑規劃的二維柵格地圖，根據三維點在地平面的投影個數，對柵格地圖進行填充；

根據得到的二維佔據網絡及目標點，以及當前巡檢機器人的所在位置，使用馬爾科夫路徑規划算法，對巡檢機器人進行路徑規劃，得到避障路徑，即新的路徑。

基於同一發明構思，本發明實施例還提供了一種變電站巡檢機器人視覺定位導航系統，由於該變電站巡檢機器人視覺定位導航系統解決問題的原理與前述一種變電站巡檢機器人視覺定位導航方法相似，因此該變電站巡檢機器人視覺定位導航系統的實施可以參見變電站巡檢機器人視覺定位導航方法的實施，重複之處不再贅述。

在具體實施時，本發明實施例提供的變電站巡檢機器人視覺定位導航系統，如圖4所示，具體包括：

特徵提取模塊1，用於對採集到的環境的二維彩色圖像進行預處理，提取二維彩色圖像的特徵點，確定特徵點的描述子；

特徵匹配模塊2，用於對相鄰兩幀描述子進行匹配，使用隨機採樣一致性算法去除誤匹配點，得到特徵匹配結果，並根據特徵匹配結果，確定巡檢機器人的相對位置和姿態變化；

三維空間模型建立模塊3，用於根據巡檢機器人的相對位置和姿態變化、特徵點的位置、以及特徵點對應於採集到的環境的深度圖像位置的深度值，建立變電站的三維空間模型；

路徑規劃模塊4，用於將二維彩色圖像與三維空間模型進行匹配，定位巡檢機器人的所在位置，並根據三維空間模型構建二維佔據網絡，確定避障路徑。

本發明實施例提供的一種變電站巡檢機器人視覺定位導航方法及系統，包括：對採集到的環境的二維彩色圖像進行預處理，提取二維彩色圖像的特徵點，確定特徵點的描述子；對相鄰兩幀描述子進行匹配，使用隨機採樣一致性算法去除誤匹配點，得到特徵匹配結果，並根據特徵匹配結果，確定巡檢機器人的相對位置和姿態變化；根據巡檢機器人的相對位置和姿態變化、特徵點的位置、以及特徵點對應於採集到的環境的深度圖像位置的深度值，建立變電站的三維空間模型；將二維彩色圖像與三維空間模型進行匹配，定位巡檢機器人的所在位置，並根據三維空間模型構建二維佔據網絡，確定避障路徑。本發明基於圖像信息分析及相關算法，將巡檢機器人當前採集的圖像信息與變電站的三維空間結構做匹配，可以定位巡檢機器人的準確位置，且可自動檢測全局範圍內的障礙物，並根據障礙物以及巡檢機器人的所在位置，進行路徑規劃，該方法實施簡單、成本低、穩定性好、精確度高，能夠準確使巡檢機器人實現避障和導航功能。

最後，還需要說明的是，在本文中，諸如第一和第二等之類的關係術語僅僅用來將一個實體或者操作與另一個實體或操作區分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關係或者順序。而且，術語「包括」、「包含」或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設備所固有的要素。在沒有更多限制的情況下，由語句「包括一個……」限定的要素，並不排除在包括所述要素的過程、方法、物品或者設備中還存在另外的相同要素。

以上對本發明所提供的變電站巡檢機器人視覺定位導航方法及系統進行了詳細介紹，本文中應用了具體個例對本發明的原理及實施方式進行了闡述，以上實施例的說明只是用於幫助理解本發明的方法及其核心思想；同時，對於本領域的一般技術人員，依據本發明的思想，在具體實施方式及應用範圍上均會有改變之處，綜上所述，本說明書內容不應理解為對本發明的限制。