(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211028373.0 (22)申请日 2022.08.25 (71)申请人 成都唐源电气股份有限公司 地址 610046 四川省成 都市武侯区武科西 一路9号 (72)发明人 占栋　黄瀚韬　张金鑫　李文宝　 王云龙　 (74)专利代理 机构 成都九鼎天元知识产权代理 有限公司 51214 专利代理师 张洋 (51)Int.Cl. G06T 7/73(2017.01) G06T 5/00(2006.01) G06V 10/82(2022.01) (54)发明名称 一种车底巡 检机器人辅助定位方法 (57)摘要 本发明公开了一种车底巡检机器人辅助定 位方法， 涉及机器人辅助定位的技术领域， 首先 将降噪处理后的车底数据与构建的指定零部件 的数据特征进行比对， 确定车底数据包括指定零 部件数据； 然后向车底巡检机器人返回指定零部 件的位置调整信号， 并根据车底数据与车底巡检 机器人提供的空间坐标的映射关系， 计算位于车 底的指定零部件的空间坐标； 最后根据车底巡检 机器人自身所在位置的空间坐标和位于车底的 指定零部件的空间坐标确定车底巡检机器人的 位置调整偏移量； 本发明， 不依赖于固定路标标 识的识别， 灵活方便， 且维护成本相对低廉， 还不 受外界环 境影响， 更适合于地铁车底巡检业务实 际情况。 权利要求书3页 说明书9页 附图8页 CN 115511958 A 2022.12.23 CN 115511958 A 1.一种车底巡检机器人辅助定位方法， 其特 征在于， 包括： 将降噪处理后的车底数据与构建的指定零部件的数据特征进行比对， 确定车底数据包 括指定零部件数据； 向车底巡检机器人返回指定零部件的位置调整信号， 并根据车底数据与车底巡检机器 人提供的空间坐标的映射关系， 计算 位于车底的指定零部件的空间坐标； 根据车底巡检机器人自身所在位置的空间坐标和位于车底的指定零部件的空间坐标 确定车底巡检机器人的位置调整偏移量。 2.根据权利要求1所述的一种车底巡检机器人辅助定位方法， 其特征在于， 所述车底数 据包括： 通过激光传感器获取的车底波 形数据； 所述降噪处理包括： 利用聚类算法或滤波算 法对车底波形 数据进行降噪处 理； 或/和 所述车底数据包括： 通过线扫模块获取的车底图像数据； 所述降噪处理包括： 利用滤波 算法对线扫模块获取的车底图像数据进行降噪处 理。 3.根据权利要求2所述的一种车底巡检机器人辅助定位方法， 其特征在于， 所述指定零 部件的数据特 征通过直接法构建； 所述直接法构建包括： 构建指定零部件的特征向量B； 所述特征向量B为波形特征向量B1或/和图像特征向量 B2。 4.根据权利要求2所述的一种车底巡检机器人辅助定位方法， 其特征在于， 所述指定零 部件的数据特 征通过深度学习建模构建； 所述深度学习建模构建包括： 对指定零部件 对应的大量数据进行降噪处 理， 所述数据为波形 数据或/和图像数据； 根据降噪处理后的数据， 利用深度学习模型构建指定零部件的判别模型； 所述判别模 型为波形判别模型或/和图像判别模型。 5.根据权利要求3所述的一种车底巡检机器人辅助定位方法， 其特征在于， 所述比对采 用直接法比对； 所述直接法比对， 包括： 提取车底数据的特征向量A； 所述特征向量A为波形特征向量A1或/和图像特征向量A2； 所述特征向量A与特 征向量B种类保持一 致； 计算特征向量A与特 征向量B的余弦相似度； 如果余弦相似度大于或等于阈值s0， 则车底数据包括指定零部件数据； 如果余弦相似 度小于阈值s0， 则车底数据不包括指定零部件数据， 需重新获取新的车底数据。 6.根据权利要求4所述的一种车底巡检机器人辅助定位方法， 其特征在于， 所述比对采 用深度学习 判别法比对； 所述深度学习 判别法比对， 包括： 利用判别模型对车底数据进行判别预测， 输出 车底数据包括指定零部件数据的概 率P； 如果概率P大于或等于阈值P0， 则车底数据包括指定零部件数据； 如果概率P小于阈值 P0， 则车底数据不包括指定零部件数据， 需重新获取新的车底数据。 7.根据权利要求2所述的一种车底巡检机器人辅助定位方法， 其特征在于， 所述映射关权　利　要　求　书 1/3 页 2 CN 115511958 A 2系， 包括： 车底巡检机器人在单位 时间内提供车底数据的横坐标在现实工作环境中对应的K个空 间坐标； 设K个空间坐标构成的向量 为： vp＝[p0,p1……pK] 其中， p0和pK分别为车底数据的起 点和终点的横坐标对应的空间坐标； 第k个空间坐标在车底数据中的序号 为： 其中， N为单位时间内获取的车底数据中的横坐标个数； K个空间坐标对应的车底数据的序号构成的向量 为： n(vp)＝[n(p0),n(p1)……n(pK)]。 8.根据权利要求7所述的一种车底巡检机器人辅助定位方法， 其特征在于， 当车底数据 包括车底波形 数据时； 所述计算 位于车底的指定零部件的空间坐标， 包括： 利用聚类算法、 Jenks自然断点算法或核密度估计算法获取车底波形数据中的波形断 点； 所述波形断点构成多个波形； 计算各个波形的极差， 并与阈值范围进行比较； 若极差落入阈值范围内， 则判断该极差 对应的波形为 位于车底的指定零部件 对应波形， 并提取 该波形的波形 数据； 利用多项式函数对所述波形数据进行拟合， 利用梯度下降算法获取多项式函数的最小 值， 并获取 该最小值在车底波形 数据中对应数据点的横坐标 找到横坐标 在K个空间坐标对应的车底波形 数据序号中的相对位置； 设横坐标 的位置处于n(pk)到n(pk+1)之间， 则横坐标 所对应的空间坐标为： 9.根据权利要求7所述的一种车底巡检机器人辅助定位方法， 其特征在于， 当车底数据 包括车底图像数据时； 所述根据车底数据计算 位于车底的指定零部件的空间坐标， 包括： 利用图像分割算法从车底图像数据中提取指定零部件图像区域； 获取指定零部件图像区域中心点在车底图像数据中所对应的横坐标 找到横坐标 在K个空间坐标对应的车底图像数据 序号中的相对位置； 设横坐标 的位置处于n(pk)到n(pk+1)之间， 则横坐标 所对应的空间坐标为： 10.根据权利要求8 或9所述的一种车底巡检机器人辅助定位方法， 其特征在于， 所述确 定车底巡检机器人的位置调整偏移量， 包括：权　利　要　求　书 2/3 页 3 CN 115511958 A 3