CN110370287B - 基于视觉引导的地铁列检机器人路径规划***及方法 - Google Patents

基于视觉引导的地铁列检机器人路径规划***及方法 Download PDF

Info

Publication number
CN110370287B
CN110370287B CN201910757487.0A CN201910757487A CN110370287B CN 110370287 B CN110370287 B CN 110370287B CN 201910757487 A CN201910757487 A CN 201910757487A CN 110370287 B CN110370287 B CN 110370287B
Authority
CN
China
Prior art keywords
point cloud
robot
control computer
industrial control
cloud data
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.)
Active
Application number
CN201910757487.0A
Other languages
English (en)
Other versions
CN110370287A (zh
Inventor
史时喜
段晓宏
蒋杰
赵留辉
刘志勇
候小祥
朱洪波
闹加才让
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Railway First Survey and Design Institute Group Ltd
Original Assignee
China Railway First Survey and Design Institute Group Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Railway First Survey and Design Institute Group Ltd filed Critical China Railway First Survey and Design Institute Group Ltd
Priority to CN201910757487.0A priority Critical patent/CN110370287B/zh
Publication of CN110370287A publication Critical patent/CN110370287A/zh
Application granted granted Critical
Publication of CN110370287B publication Critical patent/CN110370287B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • 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
    • B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
    • B25J9/1697—Vision controlled systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Manipulator (AREA)

Abstract

本发明涉及一种基于视觉引导的地铁列检机器人路径规划***及方法，***中的车底三维图像采集装置由3D智能轮廓传感器和安装支架组成，扫描生成车底三维轮廓图像；车底部件三维图像采集装置由工业机器人和安装于机器人前端法兰盘的工业相机组成，用于采集被测部件的三维图像；工业控制计算机用于接收、处理三维点云数据和机器人运动控制。该方法采用提取三维点云数据的方式进行机器人路径规划，对于不同地铁车底具有良好的兼容性，同时也适应于地铁车底复杂的工况。

Description

基于视觉引导的地铁列检机器人路径规划***及方法
技术领域
本发明涉及地铁列检技术领域，具体涉及一种基于视觉引导的地铁列检机器人路径规划***及方法。
背景技术
目前，随着机器人制造技术的发展，机器人逐渐应用于地铁检修、测量中，相比人工检修，机器人具有自由度高、灵活性好、工作空间大等特点。利用机器人进行检修、测量时，机器人加持测量及检修工具，机器人的运动轨迹都会是重要研究课题。机器人路径规划主要解决在障碍环境中，按照一定的标准，寻找一条从起点到目标位置的安全路径。
目前机器人路径规划方法主要分为全局规划方法和局部规划方法两大类。全局规划方法主要是以基于构型空间的几何法和拓扑法，全局路径规划：环境信息已知，根据环境地图按照一定的算法搜寻一条最近或是最优的无碰撞路径，规划路径的精确程度取决于获取环境信息的准确程度。
局部规划方法主要是以基于直角坐标空间的人工势场法，局部路径规划：环境信息完全未知或部分已知，根据传感器的信息来不断地更新其内部的环境信息，从而确定出机器人在地图中的当前位置及周围局部范围内的障碍物分布情况，并在此基础上规划出一条从当前点到某一目标点的最优路径。
发明内容
本发明的目的是提供一种基于视觉引导的地铁列检机器人路径规划***及方法，无需提前设置复杂多变的车底环境信息，完全兼容不同的地铁车底以及车底的复杂工况。
本发明所采用的技术方案为：
基于视觉引导的地铁列检机器人路径规划***，其特征在于：
所述***包括：
车底三维图像采集装置，由3D智能轮廓传感器和安装支架组成，扫描生成车底三维轮廓图像；
车底部件三维图像采集装置，由工业机器人和安装于机器人前端法兰盘的工业相机组成，用于采集被测部件的三维图像；
工业控制计算机，用于接收、处理三维点云数据和机器人运动控制。
基于视觉引导的地铁列检机器人路径规划方法，其特征在于：
所述方法包括以下步骤：
S1：3D智能轮廓传感器扫描整个车底图像；
S2：工业控制计算机接收3D智能轮廓传感器回传的车底扫描图像；
S3：工业控制计算机合成车底的原始三维点云图像。
工业控制计算机对原始点云数据进行滤波处理，获取均匀化点云数据，具体为：
去除信号中的高频成分和干扰信号, 经过点云精简处理, 滤除部分点云数据的冗余, 使点云数据均匀化。
工业控制计算机对均匀化点云数据进行特征提取，获取待检测车底部件的点云轮廓数据。
工业控制计算机对待检测车底部件的点云轮廓数据进行NURBS曲线拟合，获取平顺的线点云。
工业控制计算机采用基于PCA的方法估计点云的法向量, 计算得到法向量，具体为：
采用基于主成分分析的方法估算点云法向量，根据不同的方法获取的点云数据主要分为散乱点云、扫描线点云、网格化点云、多边形点云, 此处获得的点云数据属于密集散乱点云；采用k近邻搜索算法, 邻域内的点均位于同一条扫描线上, 再采用基于PCA的方法估计点云的法向量, 计算得到法向量。
工业控制计算机获得基于机器人基坐标系的包含待测部件在基坐标系中的位置信息和法向信息的三维点云数据。
被检部件的路径规划过程如下所述：
S1：工业控制计算机根据待检部件特征进行目标点个数的确定；
S2：工业控制计算机根据地铁车底点云数据规划从机器人初始位置到第一点位置的运动路径；
S3：工业控制计算机根据地铁车底点云数据规划从机器人第一点位置到第二点位置的运动路径；
S4：根据S2与S3步骤推导，工业控制计算机顺序规划所有目标点的机器人运动路径；
工业控制计算机控制工业机器人运动时，将位姿数据转换为工业机器人各关节转角，串联各目标点生成完整的机器人运动轨迹。
本发明具有以下优点：
本发明采用3D智能轮廓传感器扫描车底图像，通过三维扫描确定车底的三维点云图像，提取目标点云的位置信息和法向信息，进行路径规划，无需提前设置复杂多变的车底环境信息，完全兼容不同的地铁车底以及车底的复杂工况。本方法结构简单，无需其它传感器，采用对待检部件进行多点路径规划的方法为部件检测拍照及分析测量打下良好基础。
附图说明
图1为本发明流程示意图。
具体实施方式
下面结合本发明实施例中的附图，对本发明实施例中的方案做进一步说明，目的仅在于更好的理解本发明内容。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部实施例。本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、器件、组件和/或它们的组合。
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对位置和数值不限制本发明的范围。对于相关领域普通技术人员已知的技术、方法和设备可能不做详细讨论，但在适当的情况下，所述技术、方法和设备应当被视为授权说明的一部分。
针对相关技术的上述问题，在本实施例中提供了，车底三维图像采集装置，由3D智能轮廓传感器和安装支架组成，扫描生成车底三维轮廓图像；车底部件三维图像采集装置，由工业机器人和安装于机器人前端法兰盘的工业相机组成，用于采集被测部件的三维图像；工业控制计算机，用于接收、处理三维点云数据和机器人运动控制。下面进行具体说明：
图1是根据本发明实施例的地铁列检机器人路径规划方法的示意图。如图1所示，包括车底扫描、获取三维点云数据、目标点确定、机器人路径规划。下面对该方法进行详细说明。
车底三维图像采集装置，由3D智能轮廓传感器和安装支架组成，3D智能轮廓传感器扫描整个车底图像，工业控制计算机接收3D智能轮廓传感器回传的车底扫描图像，工业控制计算机合成车底的原始三维点云图像。
滤波处理获取的原始点云数据，去除信号中的高频成分和干扰信号，经过点云精简处理，滤除部分点云数据的冗余，使点云数据均匀化。
根据实际工作中的效率与精度要求确定相邻点的间距，并将NURBS曲线离散成线点云，消除原有数据的微小波动以得到平顺的线点云。
表面法线是几何表面的重要属性之一，采用基于主成分分析(PCA)的方法估算点云法向量，根据不同的方法获取的点云数据主要分为散乱点云、扫描线点云、网格化点云、多边形点云等类型, 此处获得的点云数据属于密集散乱点云。因此，采用k近邻搜索算法(k为近邻的搜索数量)，邻域内的点均位于同一条扫描线上, 再采用基于PCA的方法估计点云的法向量, 计算得到法向量。
点云预处理后, 获得基于机器人基坐标系的目标物体轮廓三维点云，点云中包含目标物体在基坐标系中的位置信息和法向信息。机器人轨迹的生成算法包含确定机器人位置信息及姿态信息两部分。
根据被检部件的特征信息，工业控制计算机根据待检部件特征进行目标点个数的确定，工业控制计算机根据地铁车底点云数据规划从机器人初始位置到第一点位置的运动路径，工业控制计算机根据地铁车底点云数据规划从机器人第一点位置到第二点位置的运动路径，根据上述步骤推导，工业控制计算机顺序规划所有目标点的机器人运动路径。
工业控制计算机控制工业机器人运动时，将位姿数据转换为工业机器人各关节转角，串联各目标点生成完整的机器人运动轨迹。
采用3D智能轮廓传感器扫描车底图像，通过三维扫描确定车底的三维点云图像，提取目标点云的位置信息和法向信息，进行路径规划，无需提前设置复杂多变的车底环境信息，完全兼容不同的地铁车底以及车底的复杂工况。本方法结构简单，无需其它传感器，采用对待检部件进行多点路径规划的方法为部件检测拍照及分析测量打下良好基础。
上述本发明的实施序号仅仅为了描述，不代表实施例的优劣。
在本申请提供的实施例中，应该理解到，所揭露的技术内容，可以通过其它的方式实现。
本发明的内容不限于实施例所列举，本领域普通技术人员通过阅读本发明说明书而对本发明技术方案采取的任何等效的变换，均为本发明的权利要求所涵盖。

Claims (2)

1.基于视觉引导的地铁列检机器人路径规划***，其特征在于：
所述***包括：
车底三维图像采集装置，由3D智能轮廓传感器和安装支架组成，扫描生成车底三维轮廓图像；
车底部件三维图像采集装置，由工业机器人和安装于机器人前端法兰盘的工业相机组成，用于采集被测部件的三维图像；
工业控制计算机，用于接收、处理三维点云数据和机器人运动控制；
工业控制计算机对原始点云数据进行滤波处理，获取均匀化点云数据，具体为：
去除信号中的高频成分和干扰信号,经过点云精简处理,滤除部分点云数据的冗余,使点云数据均匀化；
工业控制计算机对均匀化点云数据进行特征提取，获取待检测车底部件的点云轮廓数据；
工业控制计算机对待检测车底部件的点云轮廓数据进行NURBS曲线拟合，获取平顺的线点云；
工业控制计算机采用基于PCA的方法估计点云的法向量,计算得到法向量，具体为：
采用基于主成分分析的方法估算点云法向量，根据不同的方法获取的点云数据主要分为散乱点云、扫描线点云、网格化点云、多边形点云,此处获得的点云数据属于密集散乱点云；采用k近邻搜索算法,邻域内的点均位于同一条扫描线上,再采用基于PCA的方法估计点云的法向量,计算得到法向量；
工业控制计算机获得基于机器人基坐标系的包含待测部件在基坐标系中的位置信息和法向信息的三维点云数据；
工业控制计算机根据待检部件特征进行目标点个数的确定；
工业控制计算机根据地铁车底点云数据规划从机器人初始位置到第一点位置的运动路径；
工业控制计算机根据地铁车底点云数据规划从机器人第一点位置到第二点位置的运动路径；
工业控制计算机顺序规划所有目标点的机器人运动路径；
工业控制计算机控制工业机器人运动时，将位姿数据转换为工业机器人各关节转角，串联各目标点生成完整的机器人运动轨迹。
2.基于视觉引导的地铁列检机器人路径规划方法，其特征在于：
所述方法包括以下步骤：
S1：3D智能轮廓传感器扫描整个车底图像；
S2：工业控制计算机接收3D智能轮廓传感器回传的车底扫描图像；并对原始点云数据进行滤波处理，获取均匀化点云数据，具体为：
去除信号中的高频成分和干扰信号,经过点云精简处理,滤除部分点云数据的冗余,使点云数据均匀化；对均匀化点云数据进行特征提取，获取待检测车底部件的点云轮廓数据；对待检测车底部件的点云轮廓数据进行NURBS曲线拟合，获取平顺的线点云；
S3：工业控制计算机合成车底的原始三维点云图像；
S4：工业控制计算机采用基于PCA的方法估计点云的法向量,计算得到法向量，具体为：
采用基于主成分分析的方法估算点云法向量，根据不同的方法获取的点云数据主要分为散乱点云、扫描线点云、网格化点云、多边形点云,此处获得的点云数据属于密集散乱点云；采用k近邻搜索算法,邻域内的点均位于同一条扫描线上,再采用基于PCA的方法估计点云的法向量,计算得到法向量；
S5：工业控制计算机获得基于机器人基坐标系的包含待测部件在基坐标系中的位置信息和法向信息的三维点云数据；
被检部件的路径规划过程如下所述：
S10：工业控制计算机根据待检部件特征进行目标点个数的确定；
S20：工业控制计算机根据地铁车底点云数据规划从机器人初始位置到第一点位置的运动路径；
S30：工业控制计算机根据地铁车底点云数据规划从机器人第一点位置到第二点位置的运动路径；
S40：根据S20与S30步骤推导，工业控制计算机顺序规划所有目标点的机器人运动路径；
工业控制计算机控制工业机器人运动时，将位姿数据转换为工业机器人各关节转角，串联各目标点生成完整的机器人运动轨迹。
CN201910757487.0A 2019-08-16 2019-08-16 基于视觉引导的地铁列检机器人路径规划***及方法 Active CN110370287B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910757487.0A CN110370287B (zh) 2019-08-16 2019-08-16 基于视觉引导的地铁列检机器人路径规划***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910757487.0A CN110370287B (zh) 2019-08-16 2019-08-16 基于视觉引导的地铁列检机器人路径规划***及方法

Publications (2)

Publication Number Publication Date
CN110370287A CN110370287A (zh) 2019-10-25
CN110370287B true CN110370287B (zh) 2022-09-06

Family

ID=68259622

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910757487.0A Active CN110370287B (zh) 2019-08-16 2019-08-16 基于视觉引导的地铁列检机器人路径规划***及方法

Country Status (1)

Country Link
CN (1) CN110370287B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111152226B (zh) * 2020-01-19 2021-09-07 吉利汽车研究院（宁波）有限公司 一种机器人工作轨迹规划方法及***
CN113582023B (zh) * 2021-07-28 2023-10-31 三一海洋重工有限公司 一种集卡车头防撞保护方法及其控制器、防撞保护***
CN113696181B (zh) * 2021-08-31 2023-02-17 上海景吾智能科技有限公司 适用于不规则平面的机器人清洁路线规划方法和***

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201013991D0 (en) * 2009-09-11 2010-10-06 Harsco Corp Automated turnout inspection
CN104634298A (zh) * 2015-02-13 2015-05-20 中铁第一勘察设计院集团有限公司 基于lidar轨道点云数据的既有铁路测量方法
CN107127755A (zh) * 2017-05-12 2017-09-05 华南理工大学 一种三维点云的实时采集装置及机器人打磨轨迹规划方法
WO2017197617A1 (zh) * 2016-05-19 2017-11-23 深圳市速腾聚创科技有限公司 移动式三维激光扫描***及移动式三维激光扫描方法
CN108638083A (zh) * 2018-05-15 2018-10-12 中车青岛四方车辆研究所有限公司 轨道车辆检修辅助机器人
CN109483369A (zh) * 2018-12-13 2019-03-19 中国船舶重工集团公司第七六研究所 一种具有三维视觉的机器人打磨***及其控制方法
AU2017232219A1 (en) * 2017-09-24 2019-04-11 Rail Vision Europe Ltd Railroadtrack survey system
CN109990701A (zh) * 2019-03-04 2019-07-09 华中科技大学 一种大型复杂曲面三维形貌机器人移动测量***及方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103065354A (zh) * 2012-12-24 2013-04-24 中国科学院深圳先进技术研究院 点云优化方法及其装置
AU2014386710A1 (en) * 2014-03-11 2016-10-20 3D Image Automation Pty Ltd Train wagon 3D profiler
WO2015180021A1 (zh) * 2014-05-26 2015-12-03 中国科学院自动化研究所 剪枝机器人***
CA2893007C (en) * 2015-01-19 2020-04-28 Tetra Tech, Inc. Sensor synchronization apparatus and method
DE102015215572A1 (de) * 2015-08-14 2017-02-16 Siemens Aktiengesellschaft Prüfeinrichtung und Verfahren zur Überprüfung eines definierten Profils von einem Zugverband aus Fahrzeugen, insbesondere Schienenfahrzeugen
CN107102540A (zh) * 2016-02-23 2017-08-29 芋头科技（杭州）有限公司 一种唤醒智能机器人的方法及智能机器人
CN106908052B (zh) * 2017-02-09 2020-06-02 北京光年无限科技有限公司 用于智能机器人的路径规划方法及装置
CN107364459B (zh) * 2017-06-28 2019-06-25 北京康拓红外技术股份有限公司 一种铁路车辆列检机器人智能作业***和方法
CN107421445A (zh) * 2017-07-12 2017-12-01 武汉理工大学 一种检测铁路扣件松紧状态的装置及方法
CN108171796A (zh) * 2017-12-25 2018-06-15 燕山大学 一种基于三维点云的巡检机器人视觉***及控制方法
CN207816230U (zh) * 2018-01-22 2018-09-04 深圳市策维科技有限公司 一种胶路检测设备
CN109540142B (zh) * 2018-11-27 2021-04-06 达闼科技（北京）有限公司 一种机器人定位导航的方法、装置、计算设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201013991D0 (en) * 2009-09-11 2010-10-06 Harsco Corp Automated turnout inspection
CN104634298A (zh) * 2015-02-13 2015-05-20 中铁第一勘察设计院集团有限公司 基于lidar轨道点云数据的既有铁路测量方法
WO2017197617A1 (zh) * 2016-05-19 2017-11-23 深圳市速腾聚创科技有限公司 移动式三维激光扫描***及移动式三维激光扫描方法
CN107127755A (zh) * 2017-05-12 2017-09-05 华南理工大学 一种三维点云的实时采集装置及机器人打磨轨迹规划方法
AU2017232219A1 (en) * 2017-09-24 2019-04-11 Rail Vision Europe Ltd Railroadtrack survey system
CN108638083A (zh) * 2018-05-15 2018-10-12 中车青岛四方车辆研究所有限公司 轨道车辆检修辅助机器人
CN109483369A (zh) * 2018-12-13 2019-03-19 中国船舶重工集团公司第七六研究所 一种具有三维视觉的机器人打磨***及其控制方法
CN109990701A (zh) * 2019-03-04 2019-07-09 华中科技大学 一种大型复杂曲面三维形貌机器人移动测量***及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于三维点云的机器人加工轨迹规划;张铁等;《中国激光》;20171231(第05期);第1-9页 *
基于三维视觉技术的自动化焊接机器人路径规划及实例应用;杨薇;《电焊机》;20150330(第03期);第1-6页 *

Also Published As

Publication number Publication date
CN110370287A (zh) 2019-10-25

Similar Documents

Publication Publication Date Title
CN105866790B (zh) 一种考虑激光发射强度的激光雷达障碍物识别方法及***
CN110116407B (zh) 柔性机器人位姿测量方法及装置
CN110370287B (zh) 基于视觉引导的地铁列检机器人路径规划***及方法
CN109658457B (zh) 一种激光与相机任意相对位姿关系的标定方法
CN108994844B (zh) 一种打磨操作臂手眼关系的标定方法和装置
CN111337030A (zh) 一种基于背负式的激光雷达扫描***、导航定位方法
JP4132068B2 (ja) 画像処理装置及び三次元計測装置並びに画像処理装置用プログラム
CN110751123B (zh) 一种单目视觉惯性里程计***及方法
CN112882000B (zh) 一种激光雷达的自动标定方法
Ge et al. Online 3-D modeling of complex workpieces for the robotic spray painting with low-cost RGB-D cameras
Fu et al. SLAM for mobile robots using laser range finder and monocular vision
Weckesser et al. Multiple sensor processing for high-precision navigation and environmental modeling with a mobile robot
CN112508933B (zh) 一种基于复杂空间障碍物定位的柔性机械臂运动避障方法
CN114067210A (zh) 一种基于单目视觉导引的移动机器人智能抓取方法
CN112182122A (zh) 一种移动机器人工作环境导航地图的获取方法及装置
CN116429112A (zh) 多机器人协同定位方法和装置、设备及存储介质
CN109903386A (zh) 一种室内点云地图自动生成***
Roh et al. Rapid SLAM using simple map representation in indoor environment
CN109129468B (zh) 一种基于myrio平台的移动机器人
CN117197246B (zh) 一种基于三维点云与双目视觉的人形机器人位置确认方法
Zhao et al. Scanning path planning of ultrasonic testing robot based on deep image processing
Zhang et al. A 3D occupancy grid based relocalization method for under-vehicle inspection robot
CN115932879B (zh) 一种基于激光点云的矿井机器人姿态快速测量***
Li et al. Measuring Point Localization and Sensor Pose Control for Gas Insulated Switchgear Partial Discharge Detection Robot
Yong et al. Local uncertainty grid map construction of mobile robot based on kinect sensor

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
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20191025

Assignee: CHENGDU YUNDA TECHNOLOGY Co.,Ltd.

Assignor: CHINA RAILWAY FIRST SURVEY AND DESIGN INSTITUTE GROUP Co.,Ltd.

Contract record no.: X2023980053797

Denomination of invention: Visual guided path planning system and method for subway inspection robots

Granted publication date: 20220906

License type: Common License

Record date: 20231226