CN109683572A - 一种智能加工中心作业场景检测***及方法 - Google Patents
一种智能加工中心作业场景检测***及方法 Download PDFInfo
- Publication number
- CN109683572A CN109683572A CN201811632950.0A CN201811632950A CN109683572A CN 109683572 A CN109683572 A CN 109683572A CN 201811632950 A CN201811632950 A CN 201811632950A CN 109683572 A CN109683572 A CN 109683572A
- Authority
- CN
- China
- Prior art keywords
- holder
- machining center
- processor
- working scene
- encoder
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 19
- 230000000007 visual effect Effects 0.000 claims abstract description 36
- 238000003860 storage Methods 0.000 claims abstract description 4
- 238000012544 monitoring process Methods 0.000 claims description 20
- 230000002708 enhancing effect Effects 0.000 claims description 19
- 230000033001 locomotion Effects 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000007689 inspection Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000008092 positive effect Effects 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4185—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the network communication
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31088—Network communication between supervisor and cell, machine group
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种智能加工中心作业场景检测***及方法，包括执行负载模块、处理器、电机驱动模块和编码器，所述执行负载模块包括视觉传感器和云台，所述视觉传感器设于所述云台上；所述处理器的输入端与所述视觉传感器的输出端相连，其内部存储有巡检路径；所述电机驱动模块包含驱动电路和驱动电机；所述驱动电路的输入端与所述处理器的输出端相连，其输出端与所述驱动电机相连，所述驱动电机的输出轴与所述云台相连；所述编码器设于所述驱动电机上进行实时定位，并将获得的位置信息发送至处理器。本发明对驱动电机进行精准驱动并拖动负载对加工中心进行拍摄，图像处理后为用户提供较为直观的场景模型，对实现加工中心无人化、智能化管理起到了积极作用。
Description
技术领域
本发明属于加工中心检测领域，具体涉及一种智能加工中心作业场景检测***及方法。
背景技术
随着科技的飞速发展和城市化进程的不断深入，我国涌现出一批生产工厂及加工中心，其在一体化、现代化、自动化和信息化等方面快速发展，创造出一批先进的成果。同为了实现生产设备网络化、生产数据可视化和生产现场无人化，越来越多的生产型企业致力于建设基于大数据和互联网的智能加工中心。对生产负荷较大企业，流水线及设备作业现场的情况需要实时检测反馈，以防因设备损坏或作业流水线故障停止而出现重大安全事故。传统的检测方法是通过人工检测，但对生产线长、生产强度高的加工中心，利用传统检测方法进行实时检测耗费大量人力物力，且存在疏漏的风险。同时，现有的一些场景检测***通常为静态检测，检测结果不全面，无法直观提供场景模型。
发明内容
为了解决现有技术中加工中心现场人工检测耗费成本高、检测效率低等问题，本发明提出一种智能加工中心作业场景检测***及方法，对驱动电机进行精准驱动并拖动负载对加工中心进行拍摄，进行图像处理后为用户提供较为直观的场景模型，对实现加工中心无人化、智能化管理起到了积极作用。
实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：
第一方面，本发明提供了一种智能加工中心作业场景检测***，包括：
执行负载模块，所述执行负载模块包括视觉传感器和云台，所述视觉传感器设于所述云台上；
处理器，所述处理器的输入端与所述视觉传感器的输出端相连，其内部存储有巡检路径；
电机驱动模块，所述电机驱动模块包含驱动电路和驱动电机；所述驱动电路的输入端与所述处理器的输出端相连，处理器的输出端与所述驱动电机相连，所述驱动电机的输出轴与所述云台相连；编码器，所述编码器设于所述驱动电机上进行实时定位，并将获得的位置信息反馈至处理器；
驱动电路接收处理器发送的信号控制所述驱动电机，驱动云台带着视觉传感器沿着所述巡检路径运动，所述视觉传感器在运动过程中按照设定的拍摄要求，对作业场景进行拍摄取样并传送至处理器中。
优选地，所述处理器接收到编码器发送的实时定位，与加工中心坐标网络中对应坐标点的设定位置进行相减，并将二者差值作为PID控制算法输入量，最后由PID控制算法输出速度调整控制信号至驱动电机。
优选地，所述智能加工中心作业场景检测***包括红外传感器，红外传感器设于巡检路径上的设定位置处，当云台运动至红外传感器处时，对应的红外传感器进行实时定位，并与编码器的位置进行比对，当差值大于设定阈值则将编码器的位置替换成该红外传感器的位置。
优选地，所述巡检路径上设有若干个重点拍摄点，巡检路径上的其余部分称为正常拍摄点；
当所述云台处于正常拍摄点时，所述云台保持设定的姿态，由所述视觉传感器对作业场景进行拍摄取样获得正常图像；
当所述云台处于重点拍摄点时，所述云台暂停向前运行，并带着视觉传感器完成上下最大角度和左右最大角度的调整动作，所述视觉传感器在云台进行上下最大角度和左右最大角度调整的过程中，对作业场景进行拍摄取样获得增强图像。
优选地，所述智能加工中心作业场景检测***还包括上位机；所述上位机与所述处理器相连；所述上位机接收由处理器发送的正常图像和增强图像后，对所述正常图像和增强图像进行建模，然后采用图像拼接算法对建模后的单幅场景图像进行拼接，得到重点拍摄点突出显示的场景全景图。
第二方面，本发明提供了一种智能加工中心作业场景检测方法，包括：
获取预设的巡检路径，所述巡检路径上设有若干个重点拍摄点，巡检路径上的其余部分称为正常拍摄点；
当监测到所述云台处于正常拍摄点时，所述云台保持设定的姿态，由所述视觉传感器对作业场景进行拍摄取样获得正常图像；
当监测所述云台处于重点拍摄点时，所述云台暂停向前运行，并带着视觉传感器完成上下最大角度和左右最大角度的调整动作，所述视觉传感器在云台进行上下最大角度和左右最大角度调整的过程中，对作业场景进行拍摄取样获得增强图像。
优选地，所述的一种智能加工中心作业场景监测方法，还包括：
对所述正常图像和增强图像进行建模，然后采用图像拼接算法对建模后的单幅场景图像进行拼接，得到重点拍摄点突出显示的场景全景图。
优选地，当监测到所述云台处于正常拍摄点时以及当监测所述云台处于重点拍摄点时的监测过程具体为：
获取设于云台上的编码器实时位置，并将所述位置信息与加工中心的坐标网络中设定的正常拍摄点和重点拍摄点进行比对和判断。
优选地，所述智能加工中心作业场景检测方法包括：
获取设定位置处红外传感器实时位置，并与编码器中的位置进行比对，当二者的位置之差大于设定阈值，则将编码器的位置替换成对应红外传感器的位置。
与现有技术相比，本发明的有益效果：
本发明基于工厂建筑、机床、物流工位联合前期测量，利用自适应PID控制方法控制云台运动，精确控制云台在重点监测区域的运动，实现了云台路径最优；通过巡检和重点区域增强的作业场景视觉图像检测，实现对重点区域的检测和管理，可为用户提供重点区域突出显示的场景全景画面，继而提高加工中心的管理智能化，降低事故发生风险以及生产成本。
进一步地，本发明采用基于标定坐标点红外传感器检测的方法，通过位置反馈来减弱编码器累计误差，从而使云台位置检测更加准确。
附图说明
图1是本发明实施例1中的智能加工中心检测***结构示意图；
图2是本发明实施例2中的智能加工中心检测方法流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图对本发明的应用原理作详细的描述。
实施例1
一种智能加工中心作业场景检测***，包括：
执行负载模块，所述执行负载模块包括视觉传感器和云台，所述视觉传感器设于所述云台上；
处理器，所述处理器的输入端与所述视觉传感器的输出端相连，其内部存储有巡检路径；在本发明实施例的一种具体实施方式中，所述巡检路径是采用下述过程获得：
采用现有的双测距空间坐标测量方法，对加工中心内部各建筑及设施进行坐标测量构建坐标网络；
基于加工中心内部的几何参数以及加工中心内部设施的实际位置，包括加工机床、物流装备等进行轨道路径的设计，借助现有的混合粒子群优化算法，通过多次迭代求最优值，具体为：事先设定一个云台与被测工件之间最优的拍摄距离，每一次迭代过程都会寻找到一个当前最优值，通过不断迭代最终寻找到与设定最优距离差值最小的值，即为最优适应度值。对空间多项任务进行路径最优的逐次操作规划、输出最优适应度值，最终寻找到相邻工位之间的最短路径，即为最优的巡检路径；前述过程均为现有技术，因此，本发明中不做过多的赘述；
电机驱动模块，所述电机驱动模块包含驱动电路和驱动电机；所述驱动电路的输入端与所述处理器的输出端相连，处理器的输出端与所述驱动电机相连，所述驱动电机的输出轴与所述云台相连；
编码器，所述编码器设于所述驱动电机上进行实时定位，并将获得的位置信息反馈至处理器；在本发明实施例的一种具体实施方式中，所述编码器可以选用增量式编码器；所述编码器定位原理为：利用现有的编码器定位技术计算得出云台与被测物的距离；处理器中坐标网络中的参考点坐标值设为固定值，将编码器测得的距离与参考点坐标值进行矢量相加，所得坐标值对应坐标网络中的坐标点，即得到云台的实时精确坐标；编码器定位过程为现有技术，因此本发明中不做过多赘述；
驱动电路接收处理器发送的信号控制所述驱动电机，驱动云台带着视觉传感器沿着所述巡检路径运动，所述视觉传感器在运动过程中按照设定的拍摄要求，对作业场景进行拍摄取样并传送至处理器中。在具体实施时，可以通过处理器中的内部定时器设置周期性巡视的时长间隔，每隔一定时长启动电机驱动程序，驱动电机沿着巡检路径运动。
综上所述：本实施例中的智能加工中心作业场景检测***的工作原理具体为：
在所述巡检路径上设有若干个重点拍摄点，巡检路径上的其余部分称为正常拍摄点；并在处理器中对所述重点拍摄点进行标定；
当处理器接收到编码器发送的实时定位数据，且判定所述云台处于正常拍摄点时(即当云台当前坐标位置与处理器中标定的重点拍摄点位置不相同时，则确定云台位于正常拍摄点)，所述云台保持设定的姿态，由所述视觉传感器对作业场景进行拍摄取样获得正常图像；
当处理器接收到编码器发送的实时定位数据，且判定所述云台处于重点拍摄点时(即当云台当前坐标位置与处理器中标定的重点拍摄点位置相同时，则确定云台已到达重点拍摄点)，所述云台暂停向前运行，并带着视觉传感器完成上下最大角度和左右最大角度的调整动作，所述视觉传感器在云台进行上下最大角度和左右最大角度调整的过程中，对作业场景进行拍摄取样获得增强图像。
进一步地，所述处理器还根据接收到编码器发送的实时位置，与加工中心坐标网络中对应坐标点的设定位置进行相减，并将二者差值作为PID控制算法输入量，最后由PID控制算法输出速度调整控制信号至驱动电机，以实现驱动电机平稳运行；
优选地，所述智能加工中心作业场景检测***还包括上位机；所述上位机与所述处理器之间通过传输模块相连；所述上位机接收由处理器发送正常图像和增强图像后，对所述正常图像和增强图像进行建模，然后采用图像拼接算法对建模后的单幅场景图像进行拼接，得到重点拍摄点突出显示的场景全景图。在具体实施时，可以通过下述步骤完成：
(1)在上位机中基于图像处理软件采用现有的视觉重建法结合重点区域标定增强算法进行建模，即对重点拍摄点进行标注后采用Retinex图像增强算法实现对图像边缘信息增强，然后再利用视觉信息对所述正常图像和增强图像进行建模；
(2)采用图像拼接算法分析单幅图像重叠部分的数据信息，对建模后的单幅场景图像进行拼接，对重点拍摄点的增强图像使用平滑过渡处理图像边缘，得到重点拍摄点突出显示的场景全景图。前述的重点拍摄点可以是某一个工位也可以是多个工位共同构成的区域。
实施例2
基于实施例1，由于编码器的作用是实时测量驱动电机以及云台的瞬时角位移，需要将其转化为数字信号，现有编码器定位过程中随着时间的推移，长期工作会产生累计误差，为此，本发明实施例提出采用在标定坐标点使用红外传感器对准的方法实现编码器误差自矫正；
具体地：所述智能加工中心作业场景检测，还包括若干个红外传感器，各红外传感器分别设于巡检路径上的设定位置处(即在巡检路径上选定多个建筑或工位并安装红外传感器)，当云台运动至各红外传感器处时，对应的红外传感器进行实时定位，处理器将红外传感器输出的实时位置与编码器的位置进行比对，当二者的位置之差大于设定阈值，则认为编码器定位数据不准确，并将编码器的位置替换成该红外传感器的位置，消除编码器长时间测量累积误差。
实施例3
本发明实施例提供了一种智能加工中心作业场景检测方法，包括：
获取预设的巡检路径，所述巡检路径上设有若干个重点拍摄点，巡检路径上的其余部分称为正常拍摄点；
当监测到所述云台处于正常拍摄点时，所述云台保持设定的姿态，由所述视觉传感器对作业场景进行拍摄取样获得正常图像；
当监测所述云台处于重点拍摄点时，所述云台暂停向前运行，并带着视觉传感器完成上下最大角度和左右最大角度的调整动作，所述视觉传感器在云台进行上下最大角度和左右最大角度调整的过程中，对作业场景进行拍摄取样获得增强图像。
优选地，所述的一种智能加工中心作业场景监测方法，还包括：
对所述正常图像和增强图像进行建模，然后采用图像拼接算法对建模后的单幅场景图像进行拼接，得到重点拍摄点突出显示的场景全景图。
优选地，当监测到所述云台处于正常拍摄点时以及当监测所述云台处于重点拍摄点时的监测过程具体为：
获取设于云台上的编码器实时位置，与加工中心的坐标网络中设定的正常拍摄点和重点拍摄点进行比对和判断。
优选地，所述智能加工中心作业场景检测方法包括：
获取设定位置处红外传感器实时位置，与编码器中的位置进行比对，当二者的位置之差大于设定阈值，则将编码器中的位置替换成对应红外传感器中的位置。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (9)
1.一种智能加工中心作业场景检测***，其特征在于，包括：
执行负载模块，所述执行负载模块包括视觉传感器和云台，所述视觉传感器设于所述云台上；
处理器，所述处理器的输入端与所述视觉传感器的输出端相连，其内部存储有巡检路径；
电机驱动模块，所述电机驱动模块包含驱动电路和驱动电机；所述驱动电路的输入端与所述处理器的输出端相连，处理器的输出端与所述驱动电机相连，所述驱动电机的输出轴与所述云台相连；
编码器，所述编码器设于所述驱动电机上进行实时定位，并将获得的位置信息反馈至处理器；
驱动电路接收处理器发送的信号控制所述驱动电机，驱动云台带着视觉传感器沿着所述巡检路径运动，所述视觉传感器在运动过程中按照设定的拍摄要求，对作业场景进行拍摄取样并传送至处理器中。
2.根据权利要求1所述的一种智能加工中心作业场景检测***，其特征在于：所述处理器接收到编码器发送的实时位置后，与加工中心坐标网络中对应坐标点的设定位置进行相减，并将二者差值作为PID控制算法输入量，最后由PID控制算法输出速度调整控制信号至驱动电机。
3.根据权利要求1所述的一种智能加工中心作业场景检测***，其特征在于：所述智能加工中心作业场景检测***包括红外传感器，红外传感器设于巡检路径的设定位置处，当云台运动至红外传感器处时，对应的红外传感器进行实时定位，与编码器中的位置进行比对，当差值大于设定阈值则将编码器的位置替换成该红外传感器的位置。
4.根据权利要求1所述的一种智能加工中心作业场景检测***，其特征在于：所述巡检路径上设有若干个重点拍摄点，巡检路径上的其余部分称为正常拍摄点；
当所述云台处于正常拍摄点时，所述云台保持设定的姿态，由所述视觉传感器对作业场景进行拍摄取样获得正常图像；
当所述云台处于重点拍摄点时，所述云台暂停向前运行，并带着视觉传感器完成上下最大角度和左右最大角度的调整动作，所述视觉传感器在云台进行上下最大角度和左右最大角度调整的过程中，对作业场景进行拍摄取样获得增强图像。
5.根据权利要求4所述的一种智能加工中心作业场景检测***，其特征在于：所述智能加工中心作业场景检测***还包括上位机；所述上位机与所述处理器相连；所述上位机接收由处理器发送的正常图像和增强图像后，对所述正常图像和增强图像进行建模，采用图像拼接算法对建模后的单幅场景图像进行拼接，得到重点拍摄点突出显示的场景全景图。
6.一种智能加工中心作业场景检测方法，其特征在于，包括：
获取预设的巡检路径，所述巡检路径上设有若干个重点拍摄点，巡检路径上的其余部分称为正常拍摄点；
当监测到所述云台处于正常拍摄点时，所述云台保持设定的姿态，由所述视觉传感器对作业场景进行拍摄取样获得正常图像；
当监测所述云台处于重点拍摄点时，所述云台暂停向前运行，并带着视觉传感器完成上下最大角度和左右最大角度的调整动作，所述视觉传感器在云台进行上下最大角度和左右最大角度调整的过程中，对作业场景进行拍摄取样获得增强图像。
7.根据权利要求6所述的一种智能加工中心作业场景监测方法，其特征在于，还包括：
对所述正常图像和增强图像进行建模，采用图像拼接算法对建模后的单幅场景图像进行拼接，得到重点拍摄点突出显示的场景全景图。
8.根据权利要求6所述的一种智能加工中心作业场景监测方法，其特征在于：当监测到所述云台处于正常拍摄点时以及当监测所述云台处于重点拍摄点时的监测过程具体为：
获取设于云台上的编码器实时位置，并将所述位置信息与加工中心的坐标网络中设定的正常拍摄点和重点拍摄点进行比对和判断。
9.根据权利要求8所述的一种智能加工中心作业场景检测方法，其特征在于：所述智能加工中心作业场景检测方法包括：
获取设定位置处红外传感器实时位置，与编码器的位置进行比对，当二者位置之差大于设定阈值，则将编码器中的位置替换成对应红外传感器中的位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811632950.0A CN109683572A (zh) | 2018-12-29 | 2018-12-29 | 一种智能加工中心作业场景检测***及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811632950.0A CN109683572A (zh) | 2018-12-29 | 2018-12-29 | 一种智能加工中心作业场景检测***及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109683572A true CN109683572A (zh) | 2019-04-26 |
Family
ID=66191197
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811632950.0A Pending CN109683572A (zh) | 2018-12-29 | 2018-12-29 | 一种智能加工中心作业场景检测***及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109683572A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113544060A (zh) * | 2020-09-10 | 2021-10-22 | 深圳市大疆创新科技有限公司 | 传感器组件、成像设备、可移动平台及传感器的标定方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101086664A (zh) * | 2007-07-09 | 2007-12-12 | 上海大学 | 基于mpc5200的多轴运动控制器及其操作方法 |
| CN101699862A (zh) * | 2009-11-16 | 2010-04-28 | 上海交通大学 | Ptz摄像机获取感兴趣区域高分辨率图像的方法 |
| CN102131042A (zh) * | 2010-01-15 | 2011-07-20 | 鸿富锦精密工业（深圳）有限公司 | 便携式电子装置 |
| CN102280826A (zh) * | 2011-07-30 | 2011-12-14 | 山东鲁能智能技术有限公司 | 变电站智能机器人巡检***及巡检方法 |
| CN103188707A (zh) * | 2013-03-12 | 2013-07-03 | 南京邮电大学 | 一种无线多媒体传感器网络的路径覆盖监控方法 |
| CN104809771A (zh) * | 2015-04-30 | 2015-07-29 | 上海天奕达电子科技有限公司 | 寻车方法及*** |
| CN105391975A (zh) * | 2015-11-02 | 2016-03-09 | 中国民用航空总局第二研究所 | 一种场面监视中的视频处理方法、装置及场面监视*** |
| CN106331639A (zh) * | 2016-08-31 | 2017-01-11 | 浙江宇视科技有限公司 | 一种自动确定摄像机位置的方法及装置 |
| CN106933163A (zh) * | 2017-04-28 | 2017-07-07 | 东北师范大学 | 一种工业现场的巡视机器人*** |
| CN108508901A (zh) * | 2018-06-04 | 2018-09-07 | 西南石油大学 | 一种石油化工厂智能巡检机器人 |
-
2018
- 2018-12-29 CN CN201811632950.0A patent/CN109683572A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101086664A (zh) * | 2007-07-09 | 2007-12-12 | 上海大学 | 基于mpc5200的多轴运动控制器及其操作方法 |
| CN101699862A (zh) * | 2009-11-16 | 2010-04-28 | 上海交通大学 | Ptz摄像机获取感兴趣区域高分辨率图像的方法 |
| CN102131042A (zh) * | 2010-01-15 | 2011-07-20 | 鸿富锦精密工业（深圳）有限公司 | 便携式电子装置 |
| CN102280826A (zh) * | 2011-07-30 | 2011-12-14 | 山东鲁能智能技术有限公司 | 变电站智能机器人巡检***及巡检方法 |
| CN103188707A (zh) * | 2013-03-12 | 2013-07-03 | 南京邮电大学 | 一种无线多媒体传感器网络的路径覆盖监控方法 |
| CN104809771A (zh) * | 2015-04-30 | 2015-07-29 | 上海天奕达电子科技有限公司 | 寻车方法及*** |
| CN105391975A (zh) * | 2015-11-02 | 2016-03-09 | 中国民用航空总局第二研究所 | 一种场面监视中的视频处理方法、装置及场面监视*** |
| CN106331639A (zh) * | 2016-08-31 | 2017-01-11 | 浙江宇视科技有限公司 | 一种自动确定摄像机位置的方法及装置 |
| CN106933163A (zh) * | 2017-04-28 | 2017-07-07 | 东北师范大学 | 一种工业现场的巡视机器人*** |
| CN108508901A (zh) * | 2018-06-04 | 2018-09-07 | 西南石油大学 | 一种石油化工厂智能巡检机器人 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113544060A (zh) * | 2020-09-10 | 2021-10-22 | 深圳市大疆创新科技有限公司 | 传感器组件、成像设备、可移动平台及传感器的标定方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN210046133U (zh) | 基于激光结构光的焊缝视觉跟踪*** | |
| CN110988586B (zh) | 一种配网带电作业机器人作业精准定位方法及*** | |
| CN110561430B (zh) | 用于离线示例学习的机器人装配轨迹优化方法及装置 | |
| CN107263468A (zh) | 一种利用数字图像处理技术的scara机器人装配方法 | |
| US20160195390A1 (en) | Inspecting components using mobile robotic inspection systems | |
| CN110561450A (zh) | 一种基于动捕的机器人装配离线示例学习***和方法 | |
| CN111923011B (zh) | 带电作业的执行方法、装置及带电作业*** | |
| CN111427361B (zh) | 一种回充方法、回充装置及机器人 | |
| CN116972855B (zh) | 基于bim的选煤厂设备三维漫游巡检方法及*** | |
| CN111013857A (zh) | 一种喷涂机器人控制***及控制方法 | |
| Xiao et al. | An automatic calibration algorithm for laser vision sensor in robotic autonomous welding system | |
| CN112000094A (zh) | 一种单双目结合的高压输电线路金具在线识别定位***及方法 | |
| CN109683572A (zh) | 一种智能加工中心作业场景检测***及方法 | |
| CN103962720B (zh) | 双光束激光焊接的同步控制方法及装置 | |
| CN117232387A (zh) | 一种激光与扫描立体建模终端设备及方法 | |
| CN105759390A (zh) | 一种光纤自动定位与放置装置与方法 | |
| CN115816487A (zh) | 基于机器人的巡检方法及装置、设备、存储介质 | |
| CN206416179U (zh) | 一种基于双目视觉的运动目标跟踪定位与抓取*** | |
| CN202607670U (zh) | 带有机器视觉目标精准检测的物流转载机器人控制*** | |
| CN115685908A (zh) | 一种基于物联网的电焊机焊接监控方法及*** | |
| CN109900722B (zh) | 一种玻璃弧面图像采集方法、***及应用 | |
| CN114518078A (zh) | 一种用于大型装备表面形貌测量的龙门架式结构光扫描机器人和方法 | |
| Meng et al. | On-Site Automatic Construction of Partition Walls with Mobile Robot and Computer Vision | |
| CN111775150A (zh) | 一种巡检机器人路线矫正方法 | |
| CN112743537A (zh) | 注释装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190426 |
|
| RJ01 | Rejection of invention patent application after publication |