一种基于机器人的轨道扣件智能巡检养护系统及养护方法

1.一种基于机器人的轨道扣件智能巡检养护系统的养护方法，其特征在于：包括如下步骤：步骤S10：嵌入式数据处理系统向控制系统模块发出运动控制指令，控制机器人在钢轨上自行走，激光雷达在识别定位到第一个扣件后进行位置标定，并将扣件位置信息传输至嵌入式数据处理系统；步骤S20：嵌入式数据处理系统向控制系统模块发出运动控制指令，控制定位检测系统模块根据定位信息对待检扣件进行状态检测，采集扣件状态相关量化数据，并将状态数据传输至嵌入式数据处理系统进行收集和处理，分析标定不合格扣件，并将扣件状态信息录入数据库中存储；步骤S30：嵌入式数据处理系统向控制系统模块发出运动控制指令，控制松紧子系统对标定的预紧力不合格扣件进行松紧作业，并将养护作业信息录入数据库中存储；步骤S40：嵌入式数据处理系统向控制系统模块发出运动控制指令，控制除锈涂油子系统对标定的表面状态不合格扣件进行除锈、涂油和烘干作业，并将养护作业信息录入数据库中存储；步骤S50：上述一系列作业完成后，控制系统向嵌入式数据处理系统发出反馈信号，扣件状态巡检养护作业完成；嵌入式数据处理系统向控制系统模块发出运动控制指令，控制机器人在钢轨上前进，继续检测下一个扣件，如此循环往复；所述轨道扣件智能巡检养护系统包括自行走平台、定位检测系统模块、控制系统模块、松紧子系统模块、除锈涂油子系统模块、安全防护系统和嵌入式数据处理系统；所述自行走平台上设置有激光雷达，所述激光雷达与所述嵌入式数据处理系统连接，用于采集扣件及周围物体的轮廓尺寸信息和位置信息，监测所述车体运行信息，并将所述轮廓尺寸信息、位置信息和车体运行信息发送至所述嵌入式数据处理系统；所述定位检测系统模块至少包含两个状态检测模块，所述状态检测模块包括激光传感器、视觉相机和补光灯；所述状态检测模块成对设置于所述车体的前端左右两侧下方，分别与钢轨两侧的扣件对应，并与所述嵌入式数据处理系统连接，用于采集扣件状态相关量化参数，并将所述状态相关量化参数发送至所述嵌入式数据处理系统；所述控制系统模块设置于车体上方，并于所述嵌入式数据处理系统连接，用于根据所述嵌入式数据处理系统的控制指令控制车体在钢轨上行进，控制所述状态检测模块对待检测扣件进行状态检测，并根据检测结果控制所述松紧子系统模块和除锈涂油子系统模块对需要养护的扣件进行自动养护作业。 2.根据权利要求1所述的一种基于机器人的轨道扣件智能巡检养护系统的养护方法，其特征在于：所述松紧子系统模块包括电动扭矩扳手、扭矩角度传感器；所述松紧子系统模块通过伸缩装置安装在车体两侧，所述伸缩装置根据扣件定位信息和控制指令控制所述松紧子系统模块定位待检测扣件，并根据控制指令进行松紧作业。 3.根据权利要求1所述的一种基于机器人的轨道扣件智能巡检养护系统的养护方法，其特征在于：所述除锈涂油子系统模块包括驱动电机、传动轴、硬毛刷、喷嘴、油箱、油路气路设备；所述油箱设置于车体上方，所述除锈涂油子系统模块其余装置通过伸缩装置安装在车体两侧，所述伸缩装置根据扣件定位信息和控制指令控制所述松紧子系统模块和所述除锈涂油子系统模块定位待检测扣件，并根据控制指令进行除锈、涂油作业。 4.根据权利要求1所述的一种基于机器人的轨道扣件智能巡检养护系统的养护方法，其特征在于：所述除锈涂油子系统模块还包括发热板，通过所述发热板制造热能对已涂油的扣件进行烘干。 5.根据权利要求4所述的一种基于机器人的轨道扣件智能巡检养护方法，其特征在于：所述嵌入式数据处理系统用于运行基于多层次点云特征学习网络模型，实现对所述状态检测模块采集到的扣件3D点云数据进行点云数据聚类、特征提取、点云数据分割，得到局部特征，根据局部特征将轨道扣件区域分割出来，得到扣件螺栓和扣件弹条；所述基于多层次点云特征学习网络模型由一系列点集抽象层组成，所述点集抽象层包括采用层、分组层和3D视觉目标分割层；其中，所述点集抽象层的输入为N×（d+C）；即代表N个点，其中，每个点带有d个维度的坐标和C个维度的点特征，则所述点集抽象层的输出为N＇×（d+C＇），d代表坐标维度不变，具体步骤如下：所述采用层采取最远点采样，随机从点云数据中选一个点，然后选择离该点最远的点最为起点，进行连续迭代，直到选出需要的中心点个数为止，从而选取出N 1 （＜ N ）个中心点；所述分组层采用球采用分组法寻找所述中心点的临近点，并将寻找的临近点组合得到局部区域的点集，从而实现输入N×（d+C）点集和所述采用层选出的N＇×d中心点集，得到输出局部区域的N＇×K×（d+C）点集，其中，每个点带有d个维度的坐标和C个维度的点特征，K为邻球中的点的个数；所述3D视觉目标分割层根据局部区域的N＇×K×（d+C）点集数据，将K个局部区域内的点的坐标转换为相对该区域中心点的坐标，从而得到局部特征N＇×（d+C＇），根据局部特征将轨道扣件区域分割出来，得到扣件螺栓和扣件弹条，其中C＇为局部特征的长度。 6.根据权利要求5所述的一种基于机器人的轨道扣件智能巡检养护方法，其特征在于：通过计算所述扣件螺栓下平面与所述扣件弹条上平面的垂直高度差，并将所述垂直高度差与标准值对比，判断是否存在螺栓松动；采用霍夫圆变换算法定位得到所述螺栓的导入及攻入部坐标，具体为：采用霍夫梯度法遍历累加所有非零点对应的圆心，并对所述圆心进行考量，将所述圆心上模向量相交数量与阈值比较，判断螺栓的导入及攻入部圆心；将执行所述松紧子系统松紧螺栓指令的机械臂末端坐标与所述螺栓的导入及攻入部坐标对齐，以便执行所述松紧子系统松紧螺栓的指令，所述机械臂末端可以为紧固螺栓的紧固扳手。 7. 根据权利要求6所述的一种基于机器人的轨道扣件智能巡检养护方法，其特征在于：所述激光传感器实时采集机械臂及扣件图像，通过色域转化算法从所述激光传感器采集的图像中提取光条，再利用水平投影和垂直投影算法提取光条断点像素坐标；具体步骤为：1）将原始图像从RGB色域转化为HSV 色域2）根据红色HSV色域值提取光条红色HSV 颜色值如下：3）提取光条断点像素坐标光条断点形成原因为轨道扣件固定螺栓上边缘与轨道扣件固定螺栓紧固扳手下边缘高度差导致，分别通过对提取了光条后的图像进行水平投影和竖直投影定位断点坐标，水平投影算法公式如下：竖直投影算法计算公式如下：其中，(m，n)为图像尺寸，p(i，y)和p(x，j)分别为图像中(i，y)和(x，j)的像素值；设定水平投影和竖直投影的像素值阈值为T；对于竖直投影，从左往右遍历，当竖直投影值h x ≥T,则当前x即为断点像素坐标的横坐标；对于水平投影，从上往下遍历，当水平投影值v y ＜ T ，当前y-1即为断点（轨道扣件固定螺栓紧固扳手下边缘）像素坐标的纵坐标，当水平投影值v y ≥T，当前y即为断点（轨道扣件固定螺栓上边缘）像素坐标的纵坐标。 8.根据权利要求7所述的一种基于机器人的轨道扣件智能巡检养护方法，其特征在于：通过机器人手眼标定算法，计算相机坐标系与基坐标系之间关联关系，得到关联结果，根据关联结果向基坐标中转换位姿结果；具体为：相机坐标系下的空间点与机器人基坐标系的点的对应关系如下所示：其中（X,Y,Z）为基坐标系下的空间点的坐标，(x,y,z)为同一空间点在相机坐标系下的坐标，R、T为手眼变换矩阵；相机坐标系与图像坐标系的关系如下所示：其中，(u，v)为像素坐标，（x c ，y c ，z c ）为摄像机坐标；相机内参矩阵为：dx为像素点对应世界坐标系中轴方向的物理尺寸，dy为像素点对应世界坐标系中轴方向的物理尺寸，（u 0 ，v 0 ）为图像坐标系原点；图像坐标系与相机坐标系的转换关系为：f为相机坐标系原点到图像平面的距离；采用9点标定板执行上述标定，获得机器人基坐标系圆心的世界坐标，从而计算得到R、T两个手眼变换矩阵。 9.根据权利要求8所述的一种基于机器人的轨道扣件智能巡检养护方法，其特征在于：当所述垂直高度差超过标准值时，判断螺栓松动；然后根据螺栓导入及攻入部坐标、螺栓紧固扳手下边缘坐标以及相机坐标系与机器人基坐标系关联关系，所述嵌入式数据处理系统向控制系统模块发出运动控制指令，控制松紧子系统对标定的不合格扣件进行松紧作业。