基于多传感器融合的变电站巡检机器人动态路径规划方法研究

《IEEE Access》：Research on path planning method of substation inspection robot based on multi sensor fusion

为解决传统人工变电站巡检劳动强度大、结果易受人为因素影响等问题，本研究提出一种基于激光雷达与视觉传感器融合的SLAM建图方法，结合改进Hybrid A*算法与TEB局部规划算法，实现巡检机器人高精度导航。实验表明该方法将轨迹误差控制在0.05m内，导航效率提升19%，为复杂环境下的机器人路径规划提供重要参考。

　　

在电力系统中，变电站作为关键枢纽，其稳定运行直接关系到供电可靠性和电网安全。传统人工巡检方式存在劳动强度大、效率低、依赖巡检人员专业水平等明显缺点，尤其在部分高危场景下还需断电操作，严重影响供电连续性。随着科技发展，巡检机器人的出现为解决这些问题提供了有效途径，而环境感知与路径规划能力成为决定巡检机器人实用性的核心因素。

然而，变电站环境具有动态电磁干扰和金属结构反射噪声等独特性，传统SLAM（Simultaneous Localization and Mapping，同步定位与建图）算法在此环境下容易出现特征误匹配和建图漂移。仅依赖激光雷达（LiDAR）进行环境观测时，测量数据受传感器最大探测范围限制，所构建的地图缺乏语义信息，难以准确表征复杂的变电站环境，影响机器人导航精度。此外，在路径规划方面，经典的A*算法在复杂场景下存在路径冗余和计算效率不足的问题，现有改进策略虽部分解决了路径冗余和效率问题，但在复杂动态场景中，多阶段优化会导致计算负载显著增加，难以实现实时性能。

为了解决上述挑战，武汉大学的研究人员开展了一项创新性研究，提出了一种基于多传感器融合的变电站巡检机器人动态路径规划方法。该研究融合激光雷达和视觉传感器数据构建用于SLAM的2D栅格地图，以解决电磁干扰引起的定位漂移问题；并采用改进的Hybrid A*算法进行路径规划，结合TEB（Time Elastic Band，时间弹性带）局部规划算法实现避障。相关研究成果已发表在《IEEE Access》期刊上。

为开展研究，研究人员主要应用了以下几项关键技术方法：首先，构建了基于激光与视觉前端融合的SLAM建图技术路线，集成IMU（Inertial Measurement Unit，惯性测量单元）动态畸变补偿机制和点云优化算法，开发适用于非结构化变电站环境的低冗余空间系统。其次，在理论层面将EKF（Extended Kalman Filter，扩展卡尔曼滤波）与图优化框架耦合，实现电磁干扰下激光点云的自适应调整。第三，设计了增强型Hybrid A*算法，在工业场景下实现Dubins和Reeds-Shepp曲线间的动态切换机制，并提出了共轭梯度平滑方法构建包含曲率连续性和碰撞势梯度的复合代价函数模型。研究在Gazebo室内虚拟仿真场景、MATLAB户外虚拟仿真场景和真实电站模拟场景等多个平台上进行了测试验证。

II. 材料与方法

研究构建了多个测试平台，包括变电站巡检的Gazebo室内虚拟仿真场景、MATLAB户外虚拟仿真场景以及真实电站模拟场景。实验平台配备了2D激光雷达、相机、IMU等传感器，以及基于STM32 MCU的下位机。通过融合激光与视觉数据，采用基于EKF滤波的前端融合方法，结合IMU辅助的雷达点云校正和自适应体素滤波，减少了点云规模并消除了噪声点。同时引入激光-视觉闭环检测模块，利用DBoW3算法构建词袋模型，通过ICP（Iterative Closest Point，迭代最近点）进行位姿估计，有效消除了累积误差。

III. 结果与讨论

A. 仿真结果

在SLAM建图方面，仿真结果显示，融合视觉传感器后的建图效果明显优于单一激光建图，局部配电柜和墙壁的点云更加密集清晰。在室内路径规划仿真中，Hybrid A算法生成的路径比经典A算法更平滑，考虑了机器人在路径起点和目标点的朝向，无需原地转向调整姿态。经过共轭梯度法路径平滑后，保证了各路径节点一阶导数（速度）的连续性，有利于移动机器人更稳定的速度控制。

在户外路径规划仿真中，研究在MATLAB中构建了49 * 49dip的变电站地图模型。当机器人在预设路径上遇到静态障碍物b1时，成功启动局部路径规划模块进行绕行；遇到动态障碍物a1时，LiDAR系统计算其运动方向和速度，激活局部路径规划实现避障。实验证明混合路径规划算法能成功找到全局最优路径，并在遇到动态或静态障碍物时有效规避。

B. 实验验证

在真实环境下的SLAM建图实验中，融合建图方法所需时间比单一激光建图多约15%，但点云有效边长增加了约37%，建图效率提高了19%。在室内路径规划测试中，Hybrid A与TEB算法组合表现最优，相同起点和目标点的平均遍历时间仅为20.7秒，方差最小。动态避障实验中，A与TEB组合方案平均遍历时间为24秒，平均速度0.27m/s，TEB算法表现出色。

户外路径规划测试在三种不同障碍物环境（U型、矩形、L型）中进行。实验结果表明，改进后的Hybrid A*和TEB算法在实际应用中可行，机器人与障碍物的最短距离符合预设的5cm安全距离要求。在姿态和导航精度测试中，机器人的位置偏差被控制在预设允许误差范围0-0.05m内，姿态角误差在-5°~5°内，单次规划路径的平均误差不超过总长度的2.5%。

IV. 结论

本研究开发的基于点云数据与EKF多传感器融合的SLAM建图方案可应用于变电站巡检机器人的导航和地理建图。实验证明，在相同时间内，融合建图的效率比单一LiDAR传感器提高约19%。在静态和动态避障测试中，Hybrid A*与TEB算法的导航性能明显优于其他方法。所开发的导航系统精度高，能够有效处理变电站巡检场景中目标检测姿态的高频变化，更符合实际巡检需求。

该研究为解决变电站复杂环境下的机器人路径规划问题提供了有效方案，通过多传感器融合和改进算法显著提升了巡检机器人的导航效率和稳定性，为电力行业的智能化运维提供了重要技术支撑。未来，该方法还可拓展应用于其他复杂工业场景的自主导航任务中。