变电站稳定与安全的运行,保障了数以亿计的人们能够安全可靠的使用电力能源,变电站的定期巡检对于其安全性至关重要。随着人工智能时代的到来,传统的人工巡检方式带着效率低、电磁辐射、误检漏检情况多等诸多缺点逐渐退出人们的视野,更加可靠和安全的智能化巡检机器人成为了变电站巡检技术发展的必然。本文针对室外变电站智能巡检机器人给出了软硬件系统方案,主要围绕机器人的里程计、地图构建、自主导航避障和行人跟随四个关键技术进行研究,并对于上述技术进行了实际环境下的实验。具体工作如下:在提高机器人定位精度方面。首先给出了机器人多种常用传感器模型,包括概率运动模型、针孔相机模型以及IMU传感器模型。然后对多种传感器的标定进行了研究,对于滑移转向式移动平台和非中心安装的激光雷达的标定,研究了一种双激光雷达辅助标定方法。对相机和激光雷达传感器进行了联合标定,并给出了验证实验。在基于激光雷达的Graph SLAM算法方面。首先研究了图优化理论和以图优化理论为基础的Cartographer算法和基于无迹卡尔曼滤波模型的多传感器融合里程计,结合多传感器融合里程计给出了一种改进的Cartographer算法,并在室内场景和室外大场景下给出了多种传感器配置时的地图构建实验。实验结果表明,改进算法能够有效提高机器人定位精度和地图构建精度。在变电站智能巡检机器人自主导航避障方面。首先研究了开源导航框架Navigation的系统原理及组成,然后对包括Dijkstra、GBFS、A*和TEB多种算法算法进行了仿真实验,根据实验结果,全局和局部路径路径规划分别选择曼哈顿距离的A*算法和TEB算法,然后针对二维激光雷达的障碍物检测盲区过大的问题,引入了深度相机,并研究了一种低矮障碍物检测和识别算法,提高了机器人的主动避障能力,最后对机器人的导航定位和避障功能进行了包括重复定位精度、窄道转向、主动避障等实验。在机器人的行人跟随方面。首先对行人检测算法YOLOv3-tiny进行了研究,根据课题需要训练了下半身行人检测器,在无GPU设备上FPS达27.42帧/s,实现了多目标检测,随后结合卡尔曼滤波和匈牙利匹配算法实现了单目标跟踪,然后结合DWA动态窗口算法研究了一种基于深度相机和激光雷达的行人跟随算法,最后给出了算法流程框架及单人和多人场景下的行人跟随实验。为变电站巡检机器人更多智能化功能打下了基础。