在核电站、钢铁厂、化工厂、油库、变电站等危险作业环境下,保证各个设备仪器安全平稳的运行,定时、不间断的巡检是必不可缺的。目前,主要的巡检方式是人工巡检。人工巡检不仅效率低,同时,长期在高危环境下工作,对人体也容易造成伤害。因此,迫切需要研制一种危险作业环境下的室内巡检机器人,协助或者取代人工完成巡检任务。对于室内巡检机器人来说,自主行走是其完成巡检任务的前提条件。导航系统的研发,对于提高室内巡检机器人的智能化水平,提高巡检的效率具有重要意义。针对室内巡检机器人导航系统的需求,制定总体设计要求和方案,确定机器人本体和分布式视觉系统的软硬件框架结构,完成机器人控制系统、通讯系统、感知系统、动力系统、驱动系统和决策系统的设计。根据设计方案,完成硬件设备的选型,包括全局摄像机、巡检监控摄像机、电机、驱动器、红外避障传感器、路由器、交换机、底层驱动器、串口转网口模块等,并完成上述设备的安装与调试;同时,完成软件系统的搭建,主要包括上位机交互界面软件和底层驱动器驱动程序的设计和编写实现。最终,设计完成一个包含室内巡检机器人本体、分布式视觉系统、后台上位机交互界面软件等在内的基于视觉的室内巡检机器人导航系统。针对室内巡检机器人全局路径规划问题,重点研究了遗传算法、克隆选择算法和蚁群算法。首先,对上述仿生智能算法的原理进行详细阐述,对算法的流程进行了分析。然后,借助Shekel’s Foxholes、Shubert、Hansen、Bohachevsky、Ackley、Sphere Model等经典测试函数,对三种算法的性能进行测试比较。函数测试结果表明,蚁群算法寻优能力最强、收敛性能最好、算法性能最平稳。接着,为了进一步验证三种算法在机器人路径规划中的性能,引入TSP问题,对三种算法进行测试比较。TSP测试结果表明,蚁群算法寻优能力最强,获得的路径最短。通过仿真试验,对比分析各个算法的优缺点,最终确定使用蚁群算法进行室内巡检机器人的全局路径规划。针对蚁群算法参数选择复杂多变、难以获取等的问题,考虑各个参数之间相互耦合的特点,提出一种基于细菌觅食的蚁群算法参数选择方法。首先,将蚁群算法参数映射到一个多维空间,利用趋化算子将每组参数向最优值逼近,加快每组参数的收敛速度;然后,通过繁殖算子加快整组参数寻优速度;最后,利用迁徙算子加强参数全局寻优能力,避免参数陷入局部最优解。为了验证该方法的有效性,针对机器人路径规划问题进行仿真,并与基于遗传算法和粒子群算法的蚁群算法参数选择方法相比较。结果表明,基于细菌觅食的蚁群算法参数优化方法,能够快速准确、自主地找到参数的最佳组合,体现了该方法的有效性和优越性。针对室内巡检机器人视觉系统图像处理关键技术,本文对相关算法展开了深入研究,并进行了试验验证。首先,完成对摄像机的标定,对摄像机畸变图像进行矫正。然后,根据室内巡检机器人工作空间需要,结合全局监控摄像机的参数,通过计算获取布局所需摄像机的个数,完成分布式视觉系统的搭建。并且,借助正方形标靶,完成了单目相机的测距。接着,引入SIFT、SURF、ORB算法,利用图像拼接技术将多个摄像机的图像进行融合,获得全局地图,并对三种算法的性能进行了对比试验。图像拼接试验结果表明,ORB算法拼接速度最快,效果最好。将预处理过后的全局图像,借助OpenCV中的findContours()函数寻找图像中的轮廓,利用drawContours()函数绘制轮廓,然后进行“膨胀”和填充处理,获得只有“0-1”的二值图,进而转换成用于机器人路径规划的栅格地图。最后,利用图像模板匹配技术,将机器人本体图像作为模板图像,将全局监控摄像机获取的图像作为目标图像,获取机器人在目标图像中的位置,实现移动机器人的定位跟踪。为了验证室内巡检机器人导航系统的性能,在实验室环境中对机器人导航系统进行了试验测试。首先,完成了对室内巡检机器人的运动性能测试,包括直线行驶偏差、行驶速度、转弯半径和原地转弯速率。通过运动性能测试,检验了机器人底层驱动程序的稳定性,同时了解机器人的运动性能,能够更好地实现对机器人的精确控制,这是机器人导航试验的前提和基础。在实际导航过程中,为了提高算法效率,本文并未把所有的图像全部拼接完成,而是以两个摄像机为一组,进行相关操作。这样可以不仅提高算法的效率,同时避免机器人的运动误差累积越来越大,从而提高室内巡检机器人自主巡检的效率。对导航系统的通信系统进行测试,结果表明,上位机交互界面软件与底层控制器之间的信息交互迅速,视频传输不存在卡顿、延迟等现象;对导航系统的上位机交互界面软件性能进行测试,完成视频图像获取、图像拼接、障碍物检测识别、获取栅格地图、路径规划、生成路径并执行、机器人定位跟踪等操作,测试上位机交互界面软件的可靠性。结果表明,软件性能稳定,在室内试验环境下,上位机交互界面软件能够较好的完成各项操作指令,室内巡检机器人能够实现自主导航巡检。