檢視高精度5G电力巡检机器人的原始碼

{| class="wikitable" align="right"
|-
|<center><img src=https://p8.itc.cn/q_70/images01/20230830/c2358ffbb2ae479e972f0df2be55278a.jpeg width="260"></center>
<small>[https://www.sohu.com/a/716206078_120566358 来自 搜狐网 的图片]</small>
|}

'''高精度5G电力巡检机器人'''合肥哈工库讯智能科技有限公司，系哈工大[[机器人]]集团（HRG）“创新-创业-产业生态圈”内专业从事工业机器人、智能设备、智能物流系统研发、生产、[[销售]]、服务的高科技企业。公司位于合肥“智能装备科技园”暨哈工大机器人（合肥）智能装备双创基地（合肥市经济技术开发区宿松路3963号），基地占地面积500亩，厂房20万平方米，办公面积6万平方米。

==项目简介==

依托哈工大机器人集团领先的科技储备和平台优势，凭借丰富的行业资源和[[专业]]的运营团队，哈工库讯在“智慧工厂”解决方案设计与创新等方面，精耕细作，[[成果]]丰硕，得到了广泛的认可与好评。

其业务涉及电力巡检机器人、AGV及智能仓储应用工程等多个领域，覆盖医药、[[食品]]、家电、日化、粮油、纺织、化工、饲料、低压电气、汽车及其零部件、3C、物流<ref>[https://www.sohu.com/a/343489541_120350269 物流的概念] ，搜狐，2019-09-26 </ref>、电池、军工等20多个行业，中国电子科技集团、铜陵[[有色金属]]集团、联宝电子（联想）、LG、齐鲁药业、德力西电气、施耐德电气、万博电气、东风汽车、奇瑞汽车、金龙汽车、中通客车、重庆天勤、彧寰科技、摩臣智联股份、颍上县水资源管理所等国内外知名企业及政府机构成功合作，并成为国家电网及诸多大型企业集团的指定供应商。

哈工库讯的变电站与智能巡检机器人，更是具备技术先进、安全稳定、专业智能的特点和优势，已经广泛应用于电厂、输变电系统及互联网企业的机房。在国家电网、中国大唐集团公司、中国华电集团公司等众多应用[[项目]]中，库讯变电站智能巡检机器人，不仅满足了输变电设备全天候巡检、数据采集、视频监控、温湿度测量、气压检测等作业与管理需要，而且在发生异常紧急情况时，可作为移动式监控平台，代替人工及时查明设备故障，降低人员的安全风险，全面有效地保障了输变电站内设备的安全运行。

==价值==

在哈工大机器人集团（HRG）“创新[[研究]]、产业协同”的背景下，哈工库讯将发挥自身细分行业多年深耕和销售服务全网覆盖的独特优势，进一步应用新技术，研发新产品，不断巩固和拓展市场空间，提升服务能力，为客户创造更大的价值。

合肥哈工库讯倾力研发、生产的高精度5G电力智能巡检机器人；具有技术先进、安全稳定、专业智能的特点，该产品的主要功能：智能识别、红外测温、数据采集、视频监控、气体分析、气压检测、温湿度检测；不仅满足电力[[生产]]、输变电设备全天候的自主检测、监控、安防和数据远程集控管理需要，在无人值守的变电站，以自主或遥控的方式对室外高压设备进行巡检，及时发现电力设备的热缺陷、异物悬挂等设备异常现象；在发生异常紧急情况时，可作为移动式监控平台，代替人工及时查明设备故障，降低人员的安全风险，全面有效的保障了电厂、输变电站内设备的安全运行。

==创新点==

本项目完成4个方面的工作，集中体现有3个重要的创新点，分别是：

（1）自适应场景的室内定位算法，该算法属于[[理论]]上的创新，也有应用技术的创新。

（2）室外的基于视觉（Visual）、GPS、惯导（IMU）等多元传感信息的室外融合定位算法[[方案]]，该方案属于技术上的创新。

（3）提出一种基于5G高品质图像传输与多仪表识别技术研究，该技术属于：

①自适应场景的基于激光数据的室内定位算法的理论和技术应用创新Gmapping是[[激光]]出现以来应用最广的机器人<ref>[https://www.sohu.com/a/115278525_489960 机器人史上最全分类和明细] ，搜狐，2016-09-29</ref>定位与建图方法，它主要应用粒子滤波中的RBPF方法。扫描匹配的过程是首先估计机器人位姿，利用梯度下降的方法，以当前构建的地图、激光点和机器人位姿作为初始估计值。Gmapping算法结合线性估计和图形理论，在对所涉及的协方差矩阵的结构的温和假设下，检索到SLAM的闭合近似。线性近似不需要初始预估结果或使用自举法非线性技术。Gmapping算法的优势主要有两方面：在前端运算中，结合了线性估计和图论的工具，以图形模型深入分析SLAM；在后端运算中，应用这个理论分析工具，在对所涉及的协方差矩阵的结构的温和假设下，迭代检索出全SLAM问题的近似解。Gmapping算法中最关键的是使用了Rao-Blackwellized粒子滤波来估计SLAM过程中后验估计的[[概率]]。粒子滤波算法中最常用的一个采样方法是重要性重采样方法（SIR）。Rao-Blackwellized重要性重采样滤波器通过更新关于地图和运动轨迹的后验概率的一组样本来完成在建图过程中逐步处理观测值和里程计读数。基于粒子滤波方法的SLAM建图过程粒子在不断地迭代更新，通常需要大量的粒子数来得到一个较好的建图效果，但这样也会大幅提升算法计算的复杂度。粒子是一个依据过程的观测逐渐更新权重进行收敛的过程，这种重采样的过程必然会代入粒子耗散问题(depletionproblem)，大权重粒子显著，小权重粒子会消失。因此粒子数量的选择非常重要，合适数量的粒子不仅可以保持定位的精度，而且可以保证算法的[[效率]]。

==参考文献==
[[Category:500 社會科學類]]