论文部分内容阅读
面对互联网的快速发展,其核心部件的服务器和通信设备等需要有安全稳定的存储空间,数据中心由此产生,而人工周期性巡检的方式愈发无法适应数据中心数量的增长速度,传统的巡检机器人时只能进行重复性工作,做出的行为机械单一。针对人工巡检以及传统巡检机器人所存在的弊端,使用智能巡检机器人模式辅助甚至代替人工巡检和传统巡检,这一方向已成为发展趋势。对于数据中心智能巡检机器人而言,自主定位导航技术以及图像识别技术是巡检机器人研究的重点技术,同样也是智能巡检机器人能够完成自主高效巡检任务的核心与关键。本文在实地考察无锡中国移动数据中心运行情况的基础上,对轮式数据中心智能巡检机器人的自主定位导航技术以及图像识别技术进行了分析和研究。本文主要研究内容如下:1.智能巡检机器人本体软硬件方案设计;主要包括四轮移动底盘、升降臂、激光雷达导航系统、云台视觉系统、各类传感器、通信系统、本体控制系统和远程控制系统,次要系统包括外形结构以及供电系统。2.智能巡检机器人定位导航功能研究;在巡检机器人本体装载工控机、三维激光雷达和超声波传感器等硬件,并安装ROS机器人操作系统(Robot Operating System),完成其与后台的通信控制。在人工操作的前提下,避免激光雷达因扫描玻璃等具有光学特性物质而出现的错误,通过三维激光雷达辅以超声波传感器优化后的A-LOAM算法(Advanced Lidar Odometry And Mapping),建立起在玻璃环境中真实正确的三维地图并定位机器人位置。通过取消末节点步长限制和路径“截弯取直”的改进型全局RRT算法(Rapidly-exploring Random Tree),与局部DWA算法(Dynamic Window Approach)融合规划出最优的全局路径,这种路径规划使得探索时间减短并增加了路径的平滑度。3.智能巡检机器人的图像识别功能研究;在巡检机器人本体装载双光云台,通过无线通信将可见光图像信息传输给后台,实现仪器仪表的读数和状态识别。机器人结合传统图像处理技术和改进型深度学习网络Improved-DCE(Improved Deep Curve Estimation)开发图像识别算法,实现对指针式、数显管、闸刀式等指示仪表的识别。对数据中心环境和设备的温度利用红外摄像机进行监测。最后将图像显示在Qt5 Creator软件设计的人机交互界面上。