1 研究目的和意义
该研究基于视觉传感器和惯性单元的室内定位技术在变电检修中的应用方式开展了有关研究。空间识别和厘米级的空间定位技术能够帮助检修人员实现精确检修，减少检修中的失误，而且能够通过较为直观的方式记录和保存检修内容。在检修后，能够将检修数据和实际空间位置进行对比，直观形象地呈现出设备的特征，提高检修的有效性。
1.1 技术应用现状
目前，传感器精度在逐步提升，其体型也在逐渐变小，机器学习算法展示出了极高的爆发性，芯片处理能力也得到了质的提升，计算机的环境感知度越来越接近人类。综合加速度传感器数据和视觉特征提取技术的综合利用，计算机能够通过传感器较为准确地获取自己的空间位置。这项技术为工业4.0体系的建设和发展提供了坚实的技术基础，在未来将会对众多行业产生深刻而广泛的影响。
1.2 项目研究的意义
电力系统中的设备种类多，而且同一类设备还会因不同厂商和产品型号的不同而产生一定的变化。随着智能化变电设备的使用，很多相同型号的变电二次设备会使用差异较大的软件版本，使设备变得更加复杂，给检修工作带来很多不便，也给检修人员带来很大负担。在检修过程中，由于检修会改变设备的状态，不利于设备的正常运行。因此，记录这些设备的特点也显得十分复杂，给检修人员的检修和记录带来了很大不便。因此，直观记录这些设备的特点并展示给检修人员能够有效减少工作人员的失误，并且通过多媒体形式的数据收集和展示，能够将检修人员的工作经验保存起来，为新员工提供丰富的学习资料，使新员工更快地适应检修岗位。
2 国内外研究综述
2.1 相关技术的发展历史
同步定位与地图构建技术（SLAM）是指在运动过程中反复观测定位的特征和形态，以自身位置为基准构建增量式地图，进而实现同步定位和构建地图目标的技术。该技术是R.C Smith和P. Cheeseman在1986年的关于空间不确定性的表达和估算时创建的；在20世纪90年代由Hugh F. Durrant-Whyte团队研发出了无限数据下的SLAM解决方案。目前，该技术主要应用在扫地机器人和自动驾驶汽车上。
2.2 技术应用水平和现状
SLAM技术的主要目的是解决相机的空间定位问题以及创建环境地图，目前已广泛应用到了众多热门领域中：一是在VR/AR方面，由SLAM得到的地图和当前视角对叠以及虚拟物体的渲染后，能够使叠加的虚拟物体更加真实。二是在无人机方面，能够使用SLAM构建局部地图，帮助无人机自动躲避障碍物、自动规划合适的线路。三是在无人驾驶方面，SLAM能够为其提供视觉里程计算功能，和其他定位方式融合后能够更好地辅助无人驾驶。四是在机器人定位导航方面，SLAM能够生成环境地图，进而帮助机器人规划路径、导航等。总之，经过30多年的发展，SLAM技术已经进入到了众多技术领域中，由于其自身程序的特殊性，每个程序都能有不同的算法，成为了视觉领域的热门研究方向。
2.3 国外机构的研究现状
SLAM技术的涵盖范围广，根据传感器、核心算法的不同，SLAM的分类也有很多。根据传感器的不同可以将SLAM分为2D/3D SLAM、基于深度相机的RGBD SLAM等。激光雷达的2D SLAM技术相对成熟，早在2005年已经有学者将2D SLAM研究的十分总结，确定了激光了激光雷达SLAM的框架，常用的Grid Mapping方法已应用了10多年。在2016年，谷歌开发了Cartographer，能够联合处理2D和3DSLAM。
关于深度相机的RGBD SLAM方面，微软首先推出了Kinect，使关于RGBD SLAM的研究更加火热，随后相继推出了KinectFusion、DynamicFusion等算法。此后微软又推出了Hololens，使深度传感器应用到了更多的场合，呈现出了较好的效果。
目前，vSLAM的研究也在火热的进行中。视觉传感器主要包括单目相机和双目相机等，而且它的价格便宜、具有较强的环境适应性。初期的mono SLAM使用了机器人领域的滤波方法，现在更多的是计算机视觉领域的优化，如运动恢复结构中的光束法平差。根据视觉特征的提取方式能够将vSLAM的视觉特征分为特征法和直接法。但视觉传感器在无纹理区域的作用较小。在惯性测量单元中使用内置陀螺仪和加速器能够测量角速度和加速度，计算出相机的姿态，但计算出的姿态存在一定的误差。由于视觉传感器和IMU有一定的互补性，将两者所测量的信息相结合，成为了当前VIO的研究热点。根据融合信息的不同还可以将VIO分为滤波方法。
2.4 国内机构的研究
在国内关于SLAM技术的研究也很多，主要集中在技术型公司和互联网巨头公司。例如，浙江大学与商汤科技共建了联合实验室，在自动驾驶、智能机器人等方面开展了技术合作研究和高层次专业人才的培养。科沃斯扫地机使用SLAM综合了激光雷达，让其实现了高效率地绘图，同时也能够智能分析扫地环境的情况，优化扫地线路，在智能导航阵地占据了一席之地。百度无人车也使用了SLAM技术，融合了多项深度神经网络算法，能够实现精度较高的车辆探测、跟踪、速度计算等，为智能自动驾驶的发展做出了一定贡献。
3 技术依据
在传感技术发展、惯性器件和深度传感器的精度的提高，SLAM也逐渐提高到了SLAM中，随之相对应的硬件也发展迅速，极大地提高了室内变电站室内定位的精度，使其能够有效区分设备。本研究以以下几个理论为基础：
3.1 混合MSCKF/ALSM算法
视觉惯性里程计是一种以惯性信息的获取到载体的空间6自由度的位置和姿态的确定。与单纯的视觉里程计不同，视觉惯性里程计综合了视觉特征和惯性测量单元的数据，保障了估计结果的有效性。在实际操作中首先对惯性测量单元测得的高频结果进行分析，判断载体位置，低频观测结果能够用于惯性测量单元所积累的误差中，减少误差的存在，解决尺度误差问题的发生。MSCKF算法主要是对EKF算法进行了优化，增加了很多限制条件，而且将很多位置都当作了变量放到了EKF的算法中，因此，原有的位置被该算法修正，能够将长时间观察到的视觉特征点作为一个变量，减轻了计算任务。
3.2 传感器标定技术
只有各传感器提供非常精确的位置才能够确保SLAM算法的精确性，而且还需要同步的信息，对视觉惯性里程计非常重要。因为视觉惯性里程计中的视觉和惯性两个测量单元的测量频率的差距有2个数量级，当前的硬件已经能够实现50微秒的硬件标时，进而提高了测量的准确度。
3.3 深度感知技术
深度感知技术的结构包括结构光技术、飞行时间技术和多摄像头技术。结构光技术是指通过发出光束和接受光束的二维形变计算场景深度；飞行时间技术是指计算发出激光脉冲和接受激光脉冲的时间差计算激光脉冲的距离；多摄像头技术通过记录同一视觉特征在不同摄像头中的位置，利用三角定位计算出了像素深度。
3.4 非制冷红外成像技术
红外成像设备由过个红外探测器单元组成的二维阵列，用接收探测目标发出的红外辐射完成成像，且其红外波段受电磁干扰性小。红外成像技术分为光子探测和热探测。光子探测利用了光子在半导体上的光电效应成像，具有较高的敏感度，但受自身温度的影响大，需要实施降温。非制冷热成像技术将红外光线转换成了电信号方式，敏感度较低，但不需要降温。在电力设备的实际运行过程中，一般使用非制冷红外成像技术，极大地降低了成本。
4 技术实践及注意事项
4.1 项目实践
在变电检修中，为了实现厘米级定位，需要SLAM应具备区域学习功能，另外还需要有重新识别所学习的区域功能，能让不同的员工记录的内容通过SLAM实现共享。在当前变电检修过程中所使用的视觉惯性里程计方案中包含了大量的视觉特征点信息，通过重新对这些信息的识别，再配合深度传感器，SLAM能够能够掌握自身在学习区域中的位置，能够将自身对应的空间位置上载入内容和设备，实现了资源的共享。SLAM技术中包含了使用RGB-D摄像头对物体色彩很深度信息的搜集，能够配合SLAM对为载体位置的感知，对变电站场景进行厘米级别的三维建模，减少了建模时间，降低了成本。另外，还有小型化红外成像仪，它是SLAM的终端附件，通过和SLAM的结合，能够使红外成像技术更加智能。
4.2 技术实施的难点
（1）应尽量减少环境中光变化对室内定位技术的影响。基于视觉传感器和惯性单元的室内定位技术对环境光线的变化较为敏感，由于SLAM所使用的视觉传感器以近红外波长上，因此应尽量控制阳光和白炽灯等能够发出大量外红光的光源，同时还应测定不同光照环境下的定位精确度。
（2）以检修人员的实际调整检修工作流程。该技术是检修人员开展检修的辅助设备，因此，会对原有的工作流程产生一定的影响。优化工作流程后能够充分发挥该技术的优势，提升检修效率。定位技术的使用能够让检修人员直接将故障定位在设备上，这样检修人员就能够通过检修操作增强现实辅助定位，直接在故障附近工作。以上程序需要室内导航技术的引导，通过三维模型实现出优化路径，
（3）主义红外成像测温技术和SLAM技术的结合。红外成像技术和SLAM技术的结合，在获得电力设备的红外成像数据时记录SLAM设备的三维空间坐标和方向，将红外数据和设备位置相关联，构成一种优化的数据结构。
（4）在开展技术得到运用时应掌握变电区域内设备的资料，如型号、特性等，使用SLAM技术将设备信息和建模结果相联系。同时，还应将变电设备作为检修工作和记录的主体，将其与变电设备的三维坐标系相关联，以增强现实室内导航的方式引导检修人员完成检修工作。
5 结论
基于视觉传感器和惯性单元的室内定位技术具有一定的技术优势，但需要注意的是不同光照环境下对该技术的定位精确度的影响，因此要保证合适的光源。总之，该技术的合理使用能够提高变电检修的工作效率，为其他变电检修工作提供一定的借鉴。
参考文献
[1]周四望，王耀南，林亚平，等．视觉传感器网络协作块压缩感知图像传输方法[J]．仪器仪表学报，2011，32（11）.
[2]汤一平，王庆，陈敏智，等．立体全方位视觉传感器的设计[J]．仪器仪表学报，2010，31（7）.
[3]尹杭．使用MEMS惯性测量单元和拓扑地图的室内定位与导航技术研究[D]．电子科技大学，2015.
[4]王克己．室内定位系统中的行人航迹推算研究[D]．北京：北京邮电大学，2015.
[5]黄卿．面向智能变电站检修帮助的软件平台设计与实现[D]．成都：电子科技大学，2016.
收稿日期：2018-06-19
作者简介：李振华（1977-），男，浙江东阳人，国网浙江义乌市供电有限公司高级工程师，硕士，研究方向：电网设备状态检修和管理。
