CN109176513A - 一种智能巡检机器人的巡检方法及巡检*** - Google Patents
一种智能巡检机器人的巡检方法及巡检*** Download PDFInfo
- Publication number
- CN109176513A CN109176513A CN201811024061.6A CN201811024061A CN109176513A CN 109176513 A CN109176513 A CN 109176513A CN 201811024061 A CN201811024061 A CN 201811024061A CN 109176513 A CN109176513 A CN 109176513A
- Authority
- CN
- China
- Prior art keywords
- characteristic
- image
- privileged site
- information
- inspecting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/20—Checking timed patrols, e.g. of watchman
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种智能巡检机器人的巡检方法及巡检***,包括:对特定部位进行识别算法训练,获取特征数据;根据特征数据,设定预设图像;采集列车车底图像;比较车底图像与预设图像,识别特定部位,获得巡检结果。本发明的智能巡检机器人的巡检方法及巡检***通过对特定部位的识别算法训练,获取特定部位的特征数据,根据特征数据设定预设图像的特征点,实时采集列车车底图像,比较采集图像与预设图像,识别特定部位,获得巡检结果,实现自动精准地识别巡检特定部位,使列车检查全面、彻底,提高了列车检修质量,消除了安全隐患。
Description
技术领域
本发明属于智能机器人领域,更具体地,涉及一种智能巡检机器人的巡检方法及巡检***。
背景技术
随着技术的高速发展,人们更加注重乘车出行的安全性和舒适性,因此,保证车辆的安全和可靠是至关重要的。列车在每一次的运行过程中都有可能会导致车底某部位零件的损坏或老化,现有技术的列车检测通常是通过人工检测或者在列车进站拍摄的车底视频来查看车辆零件的状态,但是人工检测可能存在检测不到位或某个零部件处在一个死角导致人工不易检测的问题,而查看视频的方法存在拍摄时受角度和光线的影响,造成视频模糊和遗漏某部位没有录入视频的问题。
因此,如何实现高效全面精确的巡检特定部位,提高检查效率成为亟待解决的技术问题。
发明内容
本发明的目的是提出一种效率高、准确度高、检测全面的智能巡检机器人的巡检方法及巡检***。
为了实现上述目的,本发明提供一种智能巡检机器人的巡检方法,包括:对特定部位进行识别算法训练,获取特征数据;根据所述特征数据,设定预设图像;采集列车车底图像;比较所述车底图像与所述预设图像,识别特定部位,获得巡检结果。
优选的,所述比较所述车底图像与所述预设图像,包括:获取所述车底图像的特征数据;比较所述车底图像的特征数据与预设图像的特征数据;若所述车底图像的特征数据与所述预设图像的特征数据达到匹配阈值,则确定为特定部位。
优选的,对特定部位进行识别算法训练,获取特征数据,具体包括:多次采集特定部位,获取特定部位的训练图像;分析所述特定部位的训练图像;提取所述特定部位的特征信息;根据所述特征信息,确定所述特征数据。
优选的,所述根据所述特征信息,确定所述特征数据,具体包括:
标记所述训练图像的特征点;对所述特征点进行分类,并设定所述特征点的权重;综合多个特征点的相似度阈值,获得所述特征数据。
优选的,当所述智能巡检机器人识别当前特定部位后,根据所述车底图像,识别采集范围内的相邻特定部位。
优选的,所述识别采集范围内的相邻特定部位之后,还包括:通过红外测量所述巡检机器人与所述相邻特征部位之间的距离信息;根据所述距离信息,行走至下一个特定部位。
优选的,根据所述预设图像,计算所述相邻特征部位之间的距离信息;根据所述距离信息,行走至下一个特定部位。
优选的,根据所述车底图像,实时检测前方是否存在障碍物;根据检测结果,输出提示信息。
优选的,若障碍物被移除,则输出障碍物被移除信息,以控制运动部件继续运动。
为了实现上述目的,本发明还提供一种智能巡检机器人的巡检***,所述智能巡检机器人包括中央控制器、图像信息采集单元、位置追踪单元,其中,图像信息采集单元和位置追踪单元与中央控制器通信相连:所述中央控制器用于接收来自于所述图像信息采集单元的特定部位的训练图像,分析所述训练图像,获取特征数据,根据所述特征数据,设定预设图像;接收来自于所述图像信息采集单元的实时采集图像与预设图像的比较结果,识别特定部位;所述图像信息采集单元用于采集特征部位的训练图像,将所述训练图像发送至中央控制器;实时采集车底图像,比较所述车底图像与预设图像,并将所述车底图像与所述预设图像的比较结果发送至中央控制器;所述位置追踪单元用于根据相邻特征部位之间的距离信息行驶至下一特征部位。
本发明的有益效果在于:本发明的智能巡检机器人的巡检方法及巡检***通过对特定部位的识别算法训练,获取特定部位的特征数据,根据特征数据设定预设图像的特征点,实时采集列车车底图像,比较采集图像与预设图像,识别特定部位,获得巡检结果,从而实现自动精准地识别巡检特定部位,使列车检查全面、彻底,提高了列车检修质量,消除了安全隐患。
本发明的智能巡检机器人的巡检方法及巡检***的识别算法训练,通过多次采集特定部位的训练图像,分析训练图像,提取特定部位的识别信息,获取特征数据,从而根据特征数据设定预设图像的特征点,提高了特征点匹配的准确度,进一步提高了识别准确度,提高了检修质量。
本发明的智能巡检机器人的巡检方法及巡检***识别算法训练时,通过标定特征点,综合多个特征的相似度阈值,获得特征数据,从而提高了特征部位的识别准确度,提高了巡检机器人的巡检识别精度。
本发明的智能巡检机器人的巡检方法及巡检***通过比较采集范围内获得的图像与预设图像,匹配特征点,确定采集范围内的相邻特征点,从而直接行驶至相邻特征点,提高了巡检识别的效率。
本发明的***具有其它的特性和优点,这些特性和优点从并入本文中的附图和随后的具体实施例中将是显而易见的,或者将在并入本文中的附图和随后的具体实施例中进行详细陈述,这些附图和具体实施例共同用于解释本发明的特定原理。
附图说明
通过结合附图对本发明示例性实施方式进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显,其中,在本发明示例性实施方式中,相同的参考标号通常代表相同部件。
图1示出了根据本发明的一个实施例的智能巡检机器人的巡检方法的流程图。
图2示出了根据本发明的一个实施例的智能巡检机器人的巡检***的结构框图。
图3示出了根据本发明的一个实施例的智能巡检机器人的巡检***识别巡检的裙板排气扇图。
具体实施方式
下面将更详细地描述本发明的优选实施方式。虽然以下描述了本发明的优选实施方式,然而应该理解,可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本发明更加透彻和完整,并且能够将本发明的范围完整地传达给本领域的技术人员。
根据本发明的智能巡检机器人的巡检方法,包括:对特定部位进行识别算法训练,获取特征数据;根据特征数据,设定预设图像;采集列车车底图像;比较车底图像与预设图像,识别特定部位,获得巡检结果。
在一个示例中,针对不同型号列车分别进行不同的识别算法训练,设定相应的预设图像。
在一个示例中,在实时采集列车车底图像前,获取列车信息,根据列车信息,提取相应的预设图像。
具体地,通过对特定部位进行大量的识别算法训练,从中获取特征数据,根据这些特征数据,设定预设图像的特征点,执行巡检时,实时采集车底图像,比较采集的图像与预设图像,判断特征点的匹配情况,从而确定巡检识别到特征部位,获得巡检结果。
通过工业摄像机实时采集车底图像,工业摄像机是一种适用于智能交通、治安卡口、高清电子警察***、工业检测、半导体检测、印制板检测、食品饮料检测等众多领域的高分辨率彩色数字摄像机。它具有传输速度快、色彩还原性好、成像清晰等特点,不但能够方便拍摄显微图像,而且能够测量拍摄物体的长度、角度、面积等系列参数。工业摄像机具有高的图像稳定性、高传输能力和高抗干扰能力。工业摄像机按摄像器件划分为电真空摄像器件(即摄像管)摄像机和固体摄像器件(CCD器件、CMOS器件)摄像机两大类。
根据示例性的实施方式,智能巡检机器人的巡检方法通过对特定部位的大量识别算法训练,设定预设图像的特征点,比较实时采集的图像与预设图像,根据特征点的匹配情况根据,识别特定部位,获得巡检结果,从而实现自动精准地识别巡检特定部位,使列车检查全面、彻底,提高了列车检修质量,消除了安全隐患。
作为优选方案,比较车底图像与预设图像,包括:获取车底图像的特征数据;比较车底图像的特征数据与预设图像的特征数据;若车底图像的特征数据与预设图像的特征数据达到匹配阈值,则确定为特定部位。
具体的,获取采集图像的特征数据,比较采集图像的特征数据与预设图像的特征数据,当采集图像的特征数据与预设图像的特征数据的匹配度高于预设阈值时,确定巡检到特定部位。
作为优选方案,对特定部位进行识别算法训练,获取特征数据,具体包括:多次采集特定部位,获取特定部位的训练图像;分析特定部位的训练图像;提取特定部位的特征信息;根据特征信息,确定特征数据。
在一个示例中,特征信息包括特征点、故障信息、非特征点。
具体的,通过对大量的图像进行分析,提取特定部位的特征信息,获取特征数据,进而根据特征数据,设定预设图像的特征点,从而提高了特定部位的识别率。
根据示例性的实施方式,智能巡检机器人的巡检方法的识别算法训练,通过分析多次采集的特定部位的训练图像,提取特定部位的特征信息,获取特征数据,从而根据特征数据设定预设图像的特征点,提高了预设图像的准确度,进一步提高了识别准确度,提高了检修质量。
作为优选方案,根据特征信息,确定特征数据,具体包括:标记训练图像的特征点;对特征点进行分类,并设定特征点的权重;综合多个特征点的相似度阈值,获得特征数据。
具体的,进行识别算法训练时,通过分析大量的训练图像,提取标记特征点,对特征点进行分类,根据种类,设定特征点的权重,然后综合多个特征点的相似度阈值,从而获得特征数据,进而提高特征部位的识别准确度,提高了巡检机器人的巡检识别精度。
作为优选方案,当智能巡检机器人识别当前特定部位后,根据车底图像,识别采集范围内的相邻特定部位。
在一个示例中,图像采集范围内没有相邻特定部位,巡检机器人继续前进,实时采集车底图像。
具体地,巡检机器人能采集到一定范围内的图像,当巡检识别出一个特定部位后,比较采集的图像与预设图像,进行图像特征点的匹配,识别采集范围内的相邻特定部位。
根据示例性的实施方式,智能巡检机器人的巡检方法及巡检***通过比较采集范围内获得的图像与预设图像,匹配特征点,确定采集范围内的相邻特征点,从而直接行驶至相邻特征点,提高了巡检识别的效率。
作为优选方案,识别采集范围内的相邻特定部位之后,还包括:通过红外测量巡检机器人与相邻特征部位之间的距离信息;根据距离信息,行走至下一个特定部位。
在一个示例中,通过激光测量巡检机器人与相邻特征部位之间的距离信息。
作为优选方案,根据预设图像,计算相邻特征部位之间的距离信息;根据距离信息,行走至下一个特定部位。
在一个示例中,通过列车结构及特征部位在列车的位置,计算并预存相邻特征部位之间的距离信息;提取距离信息,行走至下一个特定部位。
作为优选方案,根据车底图像,实时检测前方是否存在障碍物;根据检测结果,输出提示信息。
在一个示例中,若检测到前方存在障碍物,输出存在障碍物提示信息,以控制巡检机器人停止前进。
作为优选方案,若障碍物被移除,则输出障碍物被移除信息,以控制运动部件继续运动。
具体的,通过检测摄像头拍摄的巡检机器人前方的图像,检测是否存在障碍物,如果存在障碍物,输出存在障碍物信息,以控制巡检机器人停止运动,如果检测到障碍物已被移除,输出障碍物移除信息,以控制巡检机器人继续前进,提高了巡检效率。
根据本发明的智能巡检机器人的巡检***包括:智能巡检机器人包括中央控制器、图像信息采集单元、位置追踪单元,其中,图像信息采集单元和位置追踪单元与中央控制器通信相连:中央控制器用于接收来自于图像信息采集单元的特定部位的训练图像,分析训练图像,获取特征数据,根据特征数据,设定预设图像;接收来自于图像信息采集单元的实时采集图像与预设图像的比较结果,识别特定部位;图像信息采集单元用于采集特征部位的训练图像,将训练图像发送至中央控制器;实时采集车底图像,比较车底图像与预设图像,并将车底图像与预设图像的比较结果发送至中央控制器;位置追踪单元用于根据相邻特征部位之间的距离信息行驶至下一特征部位。
具体的,通过大量的特征部位识别算法训练,中央控制器接收来自于图像信息采集单元的大量特征部位的图像,分析特征部位的图像,提取特定部位的识别信息,根据这些识别信息,获取特征数据,根据特征数据,设定预设图像的特征点;实时采集时,接收来自于图像信息采集单元的实时采集图像与预设图像的比较结果,确定巡检到特定部位;图像信息采集单元在识别算法训练时,采集大量的特征部位的图像,发送给中央控制器,在实时采集识别时,采集车底图像,将采集图像与预设图像做比较,如果采集图像与预设图像匹配,将比较结果发送至中央控制器;位置追踪单元根据相邻特征部位的距离信息,直接行驶至下一个特征部位。
根据示例性的实施方式,智能巡检机器人的巡检***通过对特定部位的识别算法训练,获取特定部位的特征数据,根据特征数据设定预设图像的特征点,实时采集列车车底图像,比较采集图像与预设图像,识别特定部位,获得巡检结果,实现自动精准地识别巡检特定部位,使列车检查全面、彻底,提高了列车检修质量,消除了安全隐患。
实施例
图1示出了根本发明的一个实施例的智能巡检机器人的巡检方法的流程图,图2示出了根据本发明的又一个实施例的智能巡检机器人的巡检***的结构框图。
如图1所示,该智能巡检机器人的巡检方法包括:包括:S102:对特定部位进行识别算法训练,获取特征数据;S104:根据特征数据,设定预设图像;S106:采集列车车底图像;S108:比较车底图像与预设图像,识别特定部位,获得巡检结果。
其中,比较车底图像与预设图像,包括:获取车底图像的特征数据;比较车底图像的特征数据与预设图像的特征数据;若车底图像的特征数据与预设图像的特征数据达到匹配阈值,则确定为特定部位。
其中,对特定部位进行识别算法训练,获取特征数据,具体包括:多次采集特定部位,获取特定部位的训练图像;分析特定部位的训练图像;提取特定部位的特征信息;根据特征信息,确定特征数据。
其中,根据特征信息,确定特征数据,具体包括:标记训练图像的特征点;对特征点进行分类,并设定特征点的权重;综合多个特征点的相似度阈值,获得特征数据。
其中,当智能巡检机器人识别当前特定部位后,根据车底图像,识别采集范围内的相邻特定部位。
其中,识别采集范围内的相邻特定部位之后,还包括:通过红外测量巡检机器人与相邻特征部位之间的距离信息;根据距离信息,行走至下一个特定部位。
其中,根据预设图像,计算相邻特征部位之间的距离信息;根据距离信息,行走至下一个特定部位。
其中,根据车底图像,实时检测前方是否存在障碍物;根据检测结果,输出提示信息。
其中,若障碍物被移除,则输出障碍物被移除信息,以控制运动部件继续运动。
该智能巡检机器人的巡检方法的工作过程如下:通过大量的特征部位识别算法训练,获取多个特征部位的图像,分析特征部位的图像,提取特定部位的识别信息,根据这些识别信息,获取特征数据,根据特征数据,设定预设图像的特征点,比较实时采集的图像与预设图像,当采集图像的特征点与预设图像的特征点匹配时,确定巡检到特定部位,当巡检识别到特定部位后,继续比较采集范围内的图像与预设图像,以寻找采集范围内的相邻特定部位;在实时采集的过程中,检测巡检机器人前方是否存在障碍物,如果存在障碍物输出提示信息,以控制巡检机器人停止运动,如果障碍物被移除,输出障碍物被移除信息至中央控制器,以控制巡检机器人继续运动。
如图2所示,该智能巡检机器人的巡检***包括:巡检***包括中央控制器206、图像信息采集单元202、位置追踪单元204,其中,图像信息采集单元202和位置追踪单元204与中央控制器206通信相连:中央控制器206用于接收来自于图像信息采集单元202的特定部位的训练图像,分析训练图像,获取特征数据,根据特征数据,设定预设图像;接收来自于图像信息采集单元202的实时采集图像与预设图像的比较结果,识别特定部位;图像信息采集单元202用于采集特征部位的训练图像,将训练图像发送至中央控制器206;实时采集车底图像,比较车底图像与预设图像,并将车底图像与预设图像的比较结果发送至中央控制器206;位置追踪单元204用于根据相邻特征部位之间的距离信息行驶至下一特征部位。
该智能巡检机器人的巡检***的工作过程如下:通过大量的特征部位识别算法训练,中央控制器206接收来自于图像信息采集单元202的特征部位的多个图像,分析特征部位的图像,提取特定部位的识别信息,根据这些识别信息,获取特征数据,根据特征数据,设定预设图像的特征点;在识别算法训练时,图像信息采集单元202采集特征部位的训练图像,并将训练图像发送至中央控制器206;在实时巡检时,图像信息采集单元202比较实时采集的图像与预设图像,当采集图像的特征点与预设图像的特征点匹配时,发送比较结果至中央控制器206,以确定巡检到特定部位,当巡检识别到特定部位后,继续比较采集范围内的图像与预设图像,以寻找采集范围内的相邻特定部位;位置追踪单元204根据相邻特征部位之间的距离信息行驶至下一特征部位。
图3示出了根据本发明的一个实施例的智能巡检机器人的巡检***识别巡检的裙板排气扇图。
智能巡检机器人首先对排气扇进行识别算法训练,通过图像信息采集单元的摄像设备在差异条件下采集排气扇的大量图像,如图3a、图3b所示。
根据这些图像,智能巡检机器人通过神经网络算法自行分析排气扇的特征差异,提取排气扇的特征部位,因为排气扇由外部的防护网和内部旋转的扇叶组成,扇叶一直在旋转导致每次采集图像时存在特征变形拉伸,不能作为相似特征的依据,所以算法分析差异特征会着重提取外部防护网作为特征数据,如图3c、图3d所示,根据特征数据,设定预设图像。
智能巡检机器人经过大量差异数据训练,当巡检识别时,算法会自行提取共同特征数据,将采集的图像与预设图像做比较,当采集的图像与预设的图像拥有相同的外部防护网特征数据时,即确认识别为相同部位,如图3e、图3f所示。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。
Claims (10)
1.一种智能巡检机器人的巡检方法,其特征在于,包括:
对特定部位进行识别算法训练,获取特征数据;
根据所述特征数据,设定预设图像;
采集列车车底图像;
比较所述车底图像与所述预设图像,识别特定部位,获得巡检结果。
2.根据权利要求1所述的智能巡检机器人的巡检方法,其特征在于,所述比较所述车底图像与所述预设图像,包括:
获取所述车底图像的特征数据;
比较所述车底图像的特征数据与预设图像的特征数据;
若所述车底图像的特征数据与所述预设图像的特征数据达到匹配阈值,则确定为特定部位。
3.根据权利要求1或2所述的智能巡检机器人的巡检方法,其特征在于,对特定部位进行识别算法训练,获取特征数据,具体包括:
多次采集特定部位,获取特定部位的训练图像;
分析所述特定部位的训练图像;
提取所述特定部位的特征信息;
根据所述特征信息,确定所述特征数据。
4.根据权利要求3所述的智能巡检机器人的巡检方法,其特征在于,所述根据所述特征信息,确定所述特征数据,具体包括:
标记所述训练图像的特征点;
对所述特征点进行分类,并设定所述特征点的权重;
综合多个特征点的相似度阈值,获得所述特征数据。
5.根据权利要求1所述的智能巡检机器人的巡检方法,其特征在于,
当所述智能巡检机器人识别当前特定部位后,根据所述车底图像,识别采集范围内的相邻特定部位。
6.根据权利要求5所述的智能巡检机器人的巡检方法,其特征在于,所述识别采集范围内的相邻特定部位之后,还包括:
通过红外测量所述巡检机器人与所述相邻特征部位之间的距离信息;
根据所述距离信息,行走至下一个特定部位。
7.根据权利要求1所述的智能巡检机器人的巡检方法,其特征在于,
根据所述预设图像,计算所述相邻特征部位之间的距离信息;
根据所述距离信息,行走至下一个特定部位。
8.根据权利要求1所述的智能巡检机器人的巡检方法,其特征在于,
根据所述车底图像,实时检测前方是否存在障碍物;
根据检测结果,输出提示信息。
9.根据权利要求8所述的智能巡检机器人的巡检方法,其特征在于,
若障碍物被移除,则输出障碍物被移除信息,以控制运动部件继续运动。
10.一种智能巡检机器人的巡检***,其特征在于,所述智能巡检机器人包括中央控制器、图像信息采集单元、位置追踪单元,其中,图像信息采集单元和位置追踪单元与中央控制器通信相连:
所述中央控制器用于接收来自于所述图像信息采集单元的特定部位的训练图像,分析所述训练图像,获取特征数据,根据所述特征数据,设定预设图像;接收来自于所述图像信息采集单元的实时采集图像与预设图像的比较结果,识别特定部位;
所述图像信息采集单元用于采集特征部位的训练图像,将所述训练图像发送至中央控制器;实时采集车底图像,比较所述车底图像与预设图像,并将所述车底图像与所述预设图像的比较结果发送至中央控制器;
所述位置追踪单元用于根据相邻特征部位之间的距离信息行驶至下一特征部位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811024061.6A CN109176513B (zh) | 2018-09-04 | 2018-09-04 | 一种智能巡检机器人的巡检方法及巡检*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811024061.6A CN109176513B (zh) | 2018-09-04 | 2018-09-04 | 一种智能巡检机器人的巡检方法及巡检*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109176513A true CN109176513A (zh) | 2019-01-11 |
CN109176513B CN109176513B (zh) | 2019-08-16 |
Family
ID=64914322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811024061.6A Active CN109176513B (zh) | 2018-09-04 | 2018-09-04 | 一种智能巡检机器人的巡检方法及巡检*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109176513B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110509272A (zh) * | 2019-08-06 | 2019-11-29 | 公安部道路交通安全研究中心 | 一种车辆查验方法、***以及复合巡检机器人 |
CN111390975A (zh) * | 2020-04-27 | 2020-07-10 | 浙江库科自动化科技有限公司 | 具有摘风管功能的巡检智能机器人及其巡检方法 |
CN111583336A (zh) * | 2020-04-22 | 2020-08-25 | 深圳市优必选科技股份有限公司 | 一种机器人及其巡检方法和装置 |
CN111604888A (zh) * | 2020-05-29 | 2020-09-01 | 珠海格力电器股份有限公司 | 巡检机器人控制方法、巡检***、存储介质及电子设备 |
CN112860952A (zh) * | 2020-12-17 | 2021-05-28 | 成都盛锴科技有限公司 | 巡检机器人定位检修部件的方法及*** |
CN112986252A (zh) * | 2019-12-16 | 2021-06-18 | 中车唐山机车车辆有限公司 | 动车组底板巡检*** |
CN114777645A (zh) * | 2022-04-13 | 2022-07-22 | 中车青岛四方车辆研究所有限公司 | 用于轨道车辆检测的rgv定位方法及rgv定位*** |
CN115188090A (zh) * | 2022-06-29 | 2022-10-14 | 日海通信服务有限公司 | 一种基于5g通讯的智能巡检维护方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4843561A (en) * | 1985-05-01 | 1989-06-27 | Sun Controls Design, Inc. | Apparatus for locating and manipulating agricultural products |
CN102596517A (zh) * | 2009-07-28 | 2012-07-18 | 悠进机器人股份公司 | 移动机器人定位和导航控制方法及使用该方法的移动机器人 |
CN105307116A (zh) * | 2015-08-07 | 2016-02-03 | 浙江海洋学院 | 一种基于移动机器人的分布式视觉定位***及方法 |
CN106033537A (zh) * | 2015-03-19 | 2016-10-19 | 宁夏巨能机器人***有限公司 | 一种机器人定位用的视觉识别装置及其识别方法 |
CN106468914A (zh) * | 2015-08-21 | 2017-03-01 | 苏州华兴致远电子科技有限公司 | 列车检修方法和*** |
CN106525025A (zh) * | 2016-10-28 | 2017-03-22 | 武汉大学 | 一种变电站巡检机器人路线规划导航方法 |
-
2018
- 2018-09-04 CN CN201811024061.6A patent/CN109176513B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4843561A (en) * | 1985-05-01 | 1989-06-27 | Sun Controls Design, Inc. | Apparatus for locating and manipulating agricultural products |
CN102596517A (zh) * | 2009-07-28 | 2012-07-18 | 悠进机器人股份公司 | 移动机器人定位和导航控制方法及使用该方法的移动机器人 |
CN106033537A (zh) * | 2015-03-19 | 2016-10-19 | 宁夏巨能机器人***有限公司 | 一种机器人定位用的视觉识别装置及其识别方法 |
CN105307116A (zh) * | 2015-08-07 | 2016-02-03 | 浙江海洋学院 | 一种基于移动机器人的分布式视觉定位***及方法 |
CN106468914A (zh) * | 2015-08-21 | 2017-03-01 | 苏州华兴致远电子科技有限公司 | 列车检修方法和*** |
CN106525025A (zh) * | 2016-10-28 | 2017-03-22 | 武汉大学 | 一种变电站巡检机器人路线规划导航方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110509272A (zh) * | 2019-08-06 | 2019-11-29 | 公安部道路交通安全研究中心 | 一种车辆查验方法、***以及复合巡检机器人 |
CN112986252A (zh) * | 2019-12-16 | 2021-06-18 | 中车唐山机车车辆有限公司 | 动车组底板巡检*** |
CN111583336A (zh) * | 2020-04-22 | 2020-08-25 | 深圳市优必选科技股份有限公司 | 一种机器人及其巡检方法和装置 |
CN111583336B (zh) * | 2020-04-22 | 2023-12-01 | 深圳市优必选科技股份有限公司 | 一种机器人及其巡检方法和装置 |
CN111390975A (zh) * | 2020-04-27 | 2020-07-10 | 浙江库科自动化科技有限公司 | 具有摘风管功能的巡检智能机器人及其巡检方法 |
CN111604888A (zh) * | 2020-05-29 | 2020-09-01 | 珠海格力电器股份有限公司 | 巡检机器人控制方法、巡检***、存储介质及电子设备 |
CN111604888B (zh) * | 2020-05-29 | 2021-09-14 | 珠海格力电器股份有限公司 | 巡检机器人控制方法、巡检***、存储介质及电子设备 |
CN112860952A (zh) * | 2020-12-17 | 2021-05-28 | 成都盛锴科技有限公司 | 巡检机器人定位检修部件的方法及*** |
CN112860952B (zh) * | 2020-12-17 | 2023-06-20 | 成都盛锴科技有限公司 | 巡检机器人定位检修部件的方法及*** |
CN114777645A (zh) * | 2022-04-13 | 2022-07-22 | 中车青岛四方车辆研究所有限公司 | 用于轨道车辆检测的rgv定位方法及rgv定位*** |
CN114777645B (zh) * | 2022-04-13 | 2024-01-26 | 中车青岛四方车辆研究所有限公司 | 用于轨道车辆检测的rgv定位方法及rgv定位*** |
CN115188090A (zh) * | 2022-06-29 | 2022-10-14 | 日海通信服务有限公司 | 一种基于5g通讯的智能巡检维护方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109176513B (zh) | 2019-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109176513B (zh) | 一种智能巡检机器人的巡检方法及巡检*** | |
CN109460709B (zh) | 基于rgb和d信息融合的rtg视觉障碍物检测的方法 | |
CN112101088B (zh) | 一种无人机电力自动巡检方法、装置及*** | |
CN108280855A (zh) | 一种基于Fast R-CNN的绝缘子故障检测方法 | |
CN103646250B (zh) | 基于距离图像头肩特征的行人监测方法及装置 | |
WO2010006361A1 (en) | Detection of vehicles in images of a night time scene | |
CN106384513A (zh) | 一种基于智能交通的***捕捉***及方法 | |
CN112149513A (zh) | 基于深度学习的工业制造现场安全帽佩戴识别***和方法 | |
CN109447090B (zh) | 一种屏蔽门障碍物检测方法及检测*** | |
CN111832388B (zh) | 一种车辆行驶中交通标志检测与识别方法及*** | |
KR101375567B1 (ko) | 부분 이미지 추출기 및 그 부분 이미지 추출 방법 | |
CN109002045B (zh) | 一种智能巡检机器人的巡检定位方法及巡检定位*** | |
CN112906481A (zh) | 一种基于无人机实现森林火情检测的方法 | |
CN112613568B (zh) | 基于可见光及红外多光谱图像序列的目标识别方法和装置 | |
CN112528979A (zh) | 变电站巡检机器人障碍物判别方法及*** | |
CN115346256A (zh) | 机器人寻人方法及*** | |
CN207938184U (zh) | 一种车载违章行为抓拍*** | |
CN117423018A (zh) | 基于无人机采集多模态源融合的电力设备检测***及方法 | |
KR101560810B1 (ko) | 템플릿 영상을 이용한 공간 관리 방법 및 장치 | |
CN116311166A (zh) | 交通障碍物识别方法、装置及电子设备 | |
CN103198326B (zh) | 一种输电线路直升机巡检的图像分类方法 | |
CN105206060A (zh) | 一种基于sift特征的车型识别装置及其方法 | |
Tulgaç et al. | Incident detection on junctions using image processing | |
CN111428695A (zh) | 一种基于深度学习与地域特征的秸秆燃烧检测方法 | |
CN116912721B (zh) | 一种基于单目立体视觉的配电网设备本体识别方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |