基于视觉的配电房巡检机器人避障方法

Obstacle avoidance method of power distribution room inspection robot based on vision

摘要

针对配电房巡检机器人在复杂动态环境中实现高效自主导航与实时避障的需求,提出一种基于机器视觉的动态避障方法。该方法首先融合改进的YOLO-v8目标检测算法,对环境中的静态与动态障碍物进行实时识别与位置估计,从而克服传统移动机器人避障算法在复杂场景下识别精度低、响应迟滞等问题。其次,结合动态窗口法(dynamic window approach,DWA)进行局部路径规划优化,将YOLO-v8检测得到的障碍物空间坐标及运动参数动态映射到DWA速度空间中,实现速度与方向的实时调整,增强机器人在动态环境中的避障与路径稳定性。最后,在仿真环境中对算法进行测试与验证。实验结果表明,该方法能够在复杂动态场景下准确识别并避让多种障碍物,提升了巡检机器人的自主导航安全性与智能化水平。

Abstract

To meet the demand for efficient autonomous navigation and real-time obstacle avoidance of inspection robots in complex dynamic power distribution rooms, this paper proposes a vision-based dynamic obstacle avoidance method. Firstly, an improved YOLO-v8 algorithm is applied for real-time detection and localization of static and dynamic obstacles, addressing the limitations of traditional mobile robot avoidance algorithms in accuracy and responsiveness. Secondly, the dynamic window approach (DWA) is integrated for local path planning optimization, where obstacle position and motion parameters obtained from YOLO-v8 are mapped to the DWA velocity space in real time, enabling adaptive speed and direction control. Finally, simulation experiments are conducted to verify the proposed method. Results show that the algorithm can accurately detect and avoid various obstacles in dynamic environments, improving the safety and intelligence of inspection robots′ autonomous navigation.

关键词

机器视觉 / 目标检测 / YOLO-v8 / 动态窗口方法 / 局部路径规划 / 动态避障

Key words

machine vision / object detection / YOLO-v8 / dynamic window approach / local path planning / dynamic obstacle avoidance

[1] 张健, 柯春根, 戎瑜, 等. 基于人工智能技术的电力巡检机器人自动化控制系统[J]. 自动化与仪表, 2024, 39(4):65-68,73.
[2] 刘广. 基于巡检机器人的变电站安全运维系统设计研究[J]. 灯与照明, 2025, 49(1):142-145.
[3] 黄松涛. 基于机器视觉的电力巡检机器人自动化系统设计[J]. 自动化技术与应用, 2024, 43(1):35-38,43.
[4] 毛建旭, 贺振宇, 王耀南, 等. 电力巡检机器人路径规划技术及应用综述[J]. 控制与决策, 2023, 38(11):3009-3024.
[5] 徐欧珺, 吕佳芮. 智能巡检机器人在配电网故障检测中的应用分析[J]. 中国机械, 2024(36):20-23.
[6] 周子纯, 袁逸凡, 张铖, 等. 一种基于目标检测模型的轻量化电力巡检方法[J]. 信息技术, 2023(12):87-93.
[7] 张驰, 任焰辉, 张立, 等. 基于蚁群算法优化的无人机巡检路径规划[J]. 信息技术, 2024(7):180-186.
[8] 黄文琦, 曾群生, 周锐烨, 等. 基于蚁群算法的变电站巡检机器人复杂环境路径规划[J]. 自动化技术与应用, 2025, 44(4):147-150.
[9] 李葳挺. 变电站巡检机器人越障视觉伺服路径规划[J]. 自动化技术与应用, 2024, 43(6):10-14.
[10] 史宇航, 花国祥, 闫纪源, 等. 基于改进RRT的带电作业机器人机械臂的避障路径规划研究[J]. 自动化与仪表, 2024, 39(10):66-71.
[11] 张伟刚, 周红生. 基于改进海洋捕食者算法的电力巡检机器人避障技术研究[J]. 现代制造工程, 2024, (10):60-66.
[12] 宋志强, 邹佳佳. 基于ROS的无人车控制系统设计与实现[J]. 信息技术, 2024(10):37-43.
[13] 樊民革, 吴珈漉. 基于FPGA与SVM实时双目视觉巡检机器人避障研究[J]. 机械工程与自动化, 2024(6):56-57,61.
[14] 侯英勇, 陈嘉茹, 王树臣, 等. 基于激光SLAM的巡检机器人自动导航与避障技术研究[J]. 数字农业与智能农机, 2024(9):33-35.
[15] 郭建, 杨朋, 曾志豪, 等. 融合改进Dijkstra算法和动态窗口法的移动机器人路径规划[J]. 组合机床与自动化加工技术, 2024(3):36-40.
[16] 武延涛, 张震, 刘伟良, 等. 基于改进A^*算法的全局路径规划[J]. 自动化技术与应用, 2025, 44(3):12-16.
[17] 任祥瑞, 王正刚, 汤俊杨. 改进JPS算法融合DWA的多机器人路径规划[J]. 计算机应用研究, 2024, 41(11):3251-3257.
[18] 赵涛, 张翼, 赵贤文, 等. 基于视觉的巡检机器人环境感知和导航避障研究[J]. 无线电工程, 2023, 53(8):1883-1890.
[19] Lacasa L, Luque B, Ballesteros F, et al. From time series to complex networks:the visibility graph[J]. Proceedings of the National Academy of Sciences of the United States of America, 2008, 105(13): 4972-4975.
[20] Wang M. Fuzzy logic based robot path planning in unknown environment[C]//2005 International conference on machine learning and cybernetics. Guangzhou, China:IEEE, 2005(2):813-818.
[21] Lee M C, Park M G. Artificial potential field based path planning for mobile robots using a virtual obstacle concept[C]// Proceedings 2003 IEEE/ASME international conference on advanced intelligent mechatronics. Kobe, Japan:IEEE, 2003(2):735-740.
[22] Borenstein J. The vector field histogram-fast obstacle avoidance for mobile robots[J]. IEEE Transactions on Robotics and Automation,1989(19):1179-1187.
[23] 熊冬杪, 宁勇强, 王嘉炜, 等. 基于改进DWA的移动机器人局部路径规划[J]. 工业控制计算机, 2024, 37(8):102-104.
[24] 迟兴江, 潘金虎, 耿军伟. 基于深度学习的架空输电线附属障碍物识别研究[J]. 电测与仪表, 2026, 63(1):160-167.
[25] 肖扬帆, 李彦明, 刘子翔, 等. 四轮电驱动水田除草机器人运动建模与路径跟踪控制[J]. 农机化研究, 2026, 48(2):165-172,182.

基金资助

福建省自然科学基金项目(2022J05107)