CN112060106A - 矿用巡检机器人的巡检***及巡检机器人群的巡检方法 - Google Patents
矿用巡检机器人的巡检***及巡检机器人群的巡检方法 Download PDFInfo
- Publication number
- CN112060106A CN112060106A CN202010954150.1A CN202010954150A CN112060106A CN 112060106 A CN112060106 A CN 112060106A CN 202010954150 A CN202010954150 A CN 202010954150A CN 112060106 A CN112060106 A CN 112060106A
- Authority
- CN
- China
- Prior art keywords
- inspection
- module
- agent
- robot
- inspection robot
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 173
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000012544 monitoring process Methods 0.000 claims abstract description 53
- 238000003708 edge detection Methods 0.000 claims abstract description 43
- 238000004891 communication Methods 0.000 claims abstract description 17
- 238000005065 mining Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 17
- 230000003993 interaction Effects 0.000 claims abstract description 12
- 230000008859 change Effects 0.000 claims abstract description 5
- 238000005259 measurement Methods 0.000 claims abstract description 4
- 230000009466 transformation Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 4
- 230000004888 barrier function Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 239000003795 chemical substances by application Substances 0.000 description 46
- 230000036544 posture Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 239000003245 coal Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005538 encapsulation Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 241001347978 Major minor Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
Abstract
本发明属于矿山巡检机器人技术领域，具体涉及一种矿用巡检机器人的巡检***及巡检机器人群的巡检方法，包括主控单元和监控单元。主控单元包括采集模块、通信模块、红外测距模块、边缘检测模块、图像识别模块和多智能体模块。其中，多智能体模块包括位置智能体、姿态智能体、速度智能体、避障智能体、路径规划智能体和协调智能体。监控单元主要包括图像处理模块、存储模块、显示模块、电源模块、人机交互模块和通讯模块。主控单元通过数据采集、图像处理和识别、路径规划帮助机器人完成巡检任务。监控单元用于远程对机器人下达巡检指令、紧急通知、变更指令。多个矿用巡检机器人协同避障及巡检路径规划，可以有效提高巡检效率和安全程度。
Description
技术领域
本发明属于矿山巡检机器人技术领域，具体涉及一种矿用巡检机器人的巡检***及巡检机器人群的巡检方法。
背景技术
采煤工作面环境复杂(噪声大、能见度低、阴暗潮湿、易发生火灾、水灾和瓦斯***等)、作业难度大、劳动强度大，因此采煤领域是目前危险指数最高的工作之一。随着数字矿山、智能开采、“少人化”、“无人化”开采理念的不断提升，也加大了矿山设备的复杂程度。因此，对于对井下安全的实时监测提出更高的要求。
目前，对于井下的安全巡检主要还是以人工的方式进行，而这种方式存在诸多弊端，例如人工巡检增大工人劳动强度、效率低下、增大安全隐患、巡检主观性强、特殊工位危险系数高等问题逐渐凸显，因此矿用巡检机器人应运而生。
由于矿用巡检机器人工作环境的复杂性，如何合理避障成为当下的难点。同时，由于巡检任务重、工作量大，单一的巡检机器人并不能满足工作要求，这就要求多个巡检机器人协同工作，因此，如何合理分配工作任务和最优路径巡检等科学问题亟待解决。
发明内容
为了克服上述现有技术的不足之处，本发明提供一种矿用巡检机器人的巡检***及巡检机器人群的巡检方法，多个矿用巡检机器人协同避障及巡检路径规划，可以有效提高巡检效率和安全程度。
本发明是通过如下技术方案实现的：一种矿用巡检机器人的巡检***，包括用于帮助巡检机器人完成巡检任务的主控单元以及实时监测巡检机器人相关信息和巡检作业情况的监控单元；主控单元安装在巡检机器人上，监控单元位于地面调度中心；
所述主控单元包括：
采集模块，用于收集巡检机器人周围的环境信息；
边缘检测模块，根据采集模块采集到的信息对周围环境进行边缘检测，确定障碍物的边缘信息；
图像识别模块，根据边缘检测后障碍物的边缘信息进行识别，确定出障碍物的类型；
红外测距模块，根据障碍物的边缘信息和类型，确定出巡检机器人与障碍物之间的距离；
多智能体模块，包括位置智能体、姿态智能体、速度智能体、避障智能体和路径规划智能体，多智能体模块中的位置智能体、姿态智能体、速度智能体用于获取巡检机器人的位置、姿态和速度信息，避障智能体用于巡检机器人规避障碍物，路径规划智能体用于规划巡检机器人的巡检路径；
所述监控单元包括：
图像处理模块、存储模块、显示模块和电源模块，用于实时监测巡检机器人相关信息和巡检作业情况；
人机交互模块，巡检人员通过人机交互界面远程对巡检机器人下达巡检指令、紧急通知和变更指令；
所述主控单元和所述监控单元均具有通讯模块，主控单元的通讯模块与监控单元的通讯模块相连接。
进一步地，所述主控单元的封装外壳使用矿用隔爆兼本安型。
进一步地，所述边缘检测模块基于B样条小波的图像边缘检测。
进一步地，所述边缘检测模块基于B样条小波变换的图像边缘检测步骤如下：
Step 1：将原始图像转化为灰度图，并对其进行小波变换，计算出高频细节分量；
Step 2：计算小波变换系数的模值；
Step 3：计算小波变换系数的幅角：
Step 4：求得局部模极大值：把幅角划分为4个方向，第一种为0°或180°方向，第二种为90°或者270°方向，第三种45°或225°方向，第四种135°或315°方向；
Step 5：依次校验每个像素点，看其在对应幅角最接近的方向上是不是极大值；如果是，记录该梯度值，否则将梯度值设置为0；
Step 6：对得到的初步的边缘图像进行阈值处理，选择阈值λ，所有的模极大值小于λ的像素的模值都设为0；
Step 7：调节小波变换的尺度参数，输出各个尺度下的边缘检测图像；
Step 8：运行程序，输出图像边缘。
一种采用上述矿用巡检机器人巡检***的巡检机器人群的巡检方法，主控单元安装在各个巡检机器人上，监控单元实时监测各个巡检机器人相关信息和巡检作业情况；具体的巡检方法如下：
A、巡检人员通过监控单元向各个巡检机器人发送任务指令，各个巡检机器人相互独立，没有主次之分；
B、巡检机器人接到巡检指令之后，采集模块根据周围环境情况收集相关数据信息；
C、边缘检测模块根据采集到的图像信息对周围的障碍物进行边缘检测；
D、图像识别模块对边缘检测后障碍物的边缘信息进行识别，确定出障碍物的类型；
E、红外测距模块根据障碍物的边缘信息和类型进行测距，以回避障碍物；
F、多智能体模块中的位置智能体获取各个障碍物和巡检机器人自身的位置信息，同时将此信息发送给其他巡检机器人和监控单元；
G、姿态智能体将巡检机器人自身的姿态信息共享到各个机器人和监控单元；同时，在巡检作业过程中不断优化自身姿态；
H、速度智能体将巡检机器人自身在各个路段的行走速度共享给各个巡检机器人和监控单元；巡检机器人在获取经验的同时不断调整自身在各个路况下的行走速度；
I、避障智能体综合上述所有信息，避免巡检机器人与其他障碍物相撞；
J、路径规划智能体根据多智能体模块中的其他智能体和图像处理获得的信息综合分析，确定出巡检机器人最优的巡检路径；
K、各个巡检机器人将巡检数据信息通过无线通讯发送给监控单元；
L、巡检人员根据监控单元实时监测各个巡检机器人作业情况，必要时巡检人员通过人机交互界面及时变更巡检方案；
进一步地，所述多智能体模块中还包括协调智能体，协调智能体用于协调各个巡检机器人之间的关系。
与传统的巡检机器人避障方案及路径规划控制相比，本发明首先通过巡检人员在远程下达巡检指令，其次是利用多智能体控制理念和图像处理的深度学习方法对多台巡检机器人协同控制。其过程是巡检人员通过监控单元上的人机交互模块对巡检机器人下达指令，在通过监控单元的通讯模块传输到各个巡检机器人；各个巡检机器人在获得指令之后，通过采集模块、图像边缘检测和识别，获取路径信息；然后通过红外测距模块对障碍位置进行测量；接下来通过多智能体模块实现各个巡检机器人之间的避障、巡检路径、姿态、位置等信息共享；最后各个独立的巡检机器人将巡检数据通过主控单元的通讯模块发送给监控单元，从而巡检人员可以根据监控单元的输出显示模块对数据做进一步的判断。多个巡检机器人协同工作可以提高巡检效率、降低劳动强度、减少安全隐患，对数字矿山、智能化、“少人化”、“无人化”工作面具有重大意义。
附图说明
图1是本发明的原理图；
图2是本发明基于B样条小波的边缘检测算法原理图；
图3是本发明根据边缘检测原理确定障碍物边缘图；
图4是本发明多智能体控制原理图；
图5是本发明的幅角方向图。
具体实施方式
下面根据附图和实施例对本发明进一步说明。
如图1至图4所示，一种矿用巡检机器人的巡检***，包括用于帮助巡检机器人完成巡检任务的主控单元以及实时监测巡检机器人相关信息和巡检作业情况的监控单元；主控单元安装在巡检机器人上，监控单元位于地面调度中心；
所述主控单元包括：
采集模块，用于收集巡检机器人周围的环境信息；
边缘检测模块，根据采集模块采集到的信息对周围环境进行边缘检测，确定障碍物的边缘信息；边缘检测模块基于B样条小波的图像边缘检测。
B样条小波的图像边缘检测的原理为：
设θ(x,y)是二维平滑函数，其中∫∫θ(x,y)dxy≠0。则有：
函数ψ(1)(x,y)和ψ(2)(x,y)是两个基本二维小波，它是θ(x,y)沿着x,y方向上的一阶偏导数。再设：
其中，
对任意的函数f(x,y)∈L2(R2)，则其小波变换的两个分量为：
式中，
代表卷积。因此：
根据式(5)、式(6)和式(7)，可以得到如下面的矢量方程：
式中fs(x,y)是f(x,y)被θa(x,y)平滑后的图像。式(8)反映了此图像灰度沿着x,y方向上的梯度。对于小波变换，通常取a＝2j(j∈Z)，则有：
其模值为：
其幅值(与x方向的夹角)为：
边缘其实就是Mod[WTf]取极值的地方，换句话说是
的突变点，Arg[WTf]则表示了梯度方向。根据小波分析可知，小波系数的极大值点是刻画图像突变位置的点，也就是图像边缘点的位置，然后再通过调整尺度，就可以实现小波模极大值多尺度边缘检测。但是噪声也是灰度突变点，也是极大值点。因为小波具有能量集中的性能，它能将信号能量集中在少数小波系数上，所以边缘的小波系数幅值比较大，而噪声能量比较分散，小波系数幅值较小。所以用平滑函数的一阶导数作小波函数对图像进行小波变换，大于一定阈值的小波系数的模极大值点即对应图像的边缘点，这就是小波变换用于边缘检测的原理。
本发明的边缘检测模块基于B样条小波变换的图像边缘检测步骤如下：
Step 1：将原始图像转化为灰度图，并对其进行小波变换，计算出高频细节分量；
Step 2：计算小波变换系数的模值；
Step 3：计算小波变换系数的幅角：
Step 4：求得局部模极大值：把幅角划分为4个方向，如图5所示，第一种为0°或180°方向，第二种为90°或者270°方向，第三种45°或225°方向，第四种135°或315°方向；
Step 5：依次校验每个像素点，看其在对应幅角最接近的方向上是不是极大值。如果是，记录该梯度值，否则将梯度值设置为0；
Step 6：对得到的初步的边缘图像进行阈值处理，选择阈值λ，所有的模极大值小于λ的像素的模值都设为0；
Step 7：调节小波变换的尺度参数，输出各个尺度下的边缘检测图像；
Step 8：运行程序，输出图像边缘。
图像识别模块，根据边缘检测后障碍物的边缘信息进行识别，确定出障碍物的类型；
红外测距模块，根据障碍物的边缘信息和类型，确定出巡检机器人与障碍物之间的距离；
多智能体模块，包括位置智能体、姿态智能体、速度智能体、避障智能体和路径规划智能体，多智能体模块中的位置智能体、姿态智能体、速度智能体用于获取巡检机器人的位置、姿态和速度信息，避障智能体用于巡检机器人规避障碍物，路径规划智能体用于规划巡检机器人的巡检路径；
所述监控单元包括：
图像处理模块、存储模块、显示模块和电源模块，用于实时监测巡检机器人相关信息和巡检作业情况；
人机交互模块，巡检人员通过人机交互界面远程对巡检机器人下达巡检指令、紧急通知和变更指令；
所述主控单元和所述监控单元均具有通讯模块，主控单元的通讯模块与监控单元的通讯模块相连接。
为了巡检机器人在井下的安全巡检，所述主控单元的封装外壳使用矿用隔爆兼本安型。
一种采用上述矿用巡检机器人巡检***的巡检机器人群的巡检方法，主控单元安装在各个巡检机器人上，监控单元实时监测各个巡检机器人相关信息和巡检作业情况；具体的巡检方法如下：
A、监控单元安装在地面调度中心上，巡检人员通过人机交互界面对各个巡检机器人下达巡检指令，监控单元上的通信模块将指令发出，随后各个巡检机器人接到指令之后开始巡检工作，各个巡检机器人相互独立，没有主次之分。
B、巡检机器人接到巡检指令之后，采集模块根据周围环境情况收集相关数据信息，为行走路径提供基础数据。
C、边缘检测模块根据采集到的图像信息对周围的障碍物进行边缘检测；如图2所示，边缘检测模块是基于B样条小波的边缘检测原理，如图3所示，根据边缘检测原理确定障碍物边缘。
D、图像识别模块对边缘检测后障碍物的边缘信息进行识别，确定出障碍物的类型。
E、红外测距模块根据障碍物的边缘信息和类型进行测距，确定出巡检机器人与障碍物之间的距离，以回避障碍物。
F、多智能体模块中的位置智能体根据图像处理技术获取各个障碍物和巡检机器人自身的位置信息，同时将此信息发送给其他巡检机器人和监控单元，为最优搜索路径提供基础信息。
G、姿态智能体将巡检机器人自身的姿态信息共享到各个机器人和监控单元；同时，在巡检作业过程中不断优化自身姿态；
H、速度智能体将巡检机器人自身在各个路段的行走速度共享给各个巡检机器人和监控单元；巡检机器人在获取经验的同时不断调整自身在各个路况下的行走速度；
I、避障智能体根据上述图像处理信息，首先避免与其他障碍物相撞，其次根据位置智能体、姿态智能体和速度智能体提供的数据避免各个巡检机器人相撞，并且根据信息共享，确定出各个巡检机器人最优的位置、姿态和速度。
J、路径规划智能体根据多智能体模块中的其他智能体和图像处理获得的信息综合分析，确定出巡检机器人最优的巡检路径；多智能体模块中还包括协调智能体，协调智能体用于协调各个巡检机器人之间的关系。
K、各个巡检机器人将巡检数据信息通过无线通讯发送给监控单元。
L、巡检人员根据监控单元实时监测各个巡检机器人作业情况，必要时巡检人员通过人机交互界面及时变更巡检方案。
Claims (6)
1.一种矿用巡检机器人的巡检***，其特征在于，包括用于帮助巡检机器人完成巡检任务的主控单元以及实时监测巡检机器人相关信息和巡检作业情况的监控单元；主控单元安装在巡检机器人上，监控单元位于地面调度中心；
所述主控单元包括：
采集模块，用于收集巡检机器人周围的环境信息；
边缘检测模块，根据采集模块采集到的信息对周围环境进行边缘检测，确定障碍物的边缘信息；
图像识别模块，根据边缘检测后障碍物的边缘信息进行识别，确定出障碍物的类型；
红外测距模块，根据障碍物的边缘信息和类型，确定出巡检机器人与障碍物之间的距离；
多智能体模块，包括位置智能体、姿态智能体、速度智能体、避障智能体和路径规划智能体，多智能体模块中的位置智能体、姿态智能体、速度智能体用于获取巡检机器人的位置、姿态和速度信息，避障智能体用于巡检机器人规避障碍物，路径规划智能体用于规划巡检机器人的巡检路径；
所述监控单元包括：
图像处理模块、存储模块、显示模块和电源模块，用于实时监测巡检机器人相关信息和巡检作业情况；
人机交互模块，巡检人员通过人机交互界面远程对巡检机器人下达巡检指令、紧急通知和变更指令；
所述主控单元和所述监控单元均具有通讯模块，主控单元的通讯模块与监控单元的通讯模块相连接。
2.根据权利要求1所述的矿用巡检机器人的巡检***，其特征在于，所述主控单元的封装外壳使用矿用隔爆兼本安型。
3.根据权利要求1所述的矿用巡检机器人的巡检***，其特征在于，所述边缘检测模块基于B样条小波的图像边缘检测。
4.根据权利要求3所述的矿用巡检机器人的巡检***，其特征在于，所述边缘检测模块基于B样条小波变换的图像边缘检测步骤如下：
Step 1：将原始图像转化为灰度图，并对其进行小波变换，计算出高频细节分量；
Step 2：计算小波变换系数的模值；
Mod[WTf(2j,x,y)]＝[|WT(1)f(2j,x,y)|2+|WT(2)f(2j,x,y)|2]1/2 (12)
Step 3：计算小波变换系数的幅角：
Step 4：求得局部模极大值：把幅角划分为4个方向，第一种为0°或180°方向，第二种为90°或者270°方向，第三种45°或225°方向，第四种135°或315°方向；
Step 5：依次校验每个像素点，看其在对应幅角最接近的方向上是不是极大值；如果是，记录该梯度值，否则将梯度值设置为0；
Step 6：对得到的初步的边缘图像进行阈值处理，选择阈值λ，所有的模极大值小于λ的像素的模值都设为0；
Step 7：调节小波变换的尺度参数，输出各个尺度下的边缘检测图像；
Step 8：运行程序，输出图像边缘。
5.一种采用上述权利要求1-4的矿用巡检机器人巡检***的巡检机器人群的巡检方法，主控单元安装在各个巡检机器人上，监控单元实时监测各个巡检机器人相关信息和巡检作业情况；其特征在于，具体的巡检方法如下：
A、巡检人员通过监控单元向各个巡检机器人发送任务指令，各个巡检机器人相互独立，没有主次之分；
B、巡检机器人接到巡检指令之后，采集模块根据周围环境情况收集相关数据信息；
C、边缘检测模块根据采集到的图像信息对周围的障碍物进行边缘检测；
D、图像识别模块对边缘检测后障碍物的边缘信息进行识别，确定出障碍物的类型；
E、红外测距模块根据障碍物的边缘信息和类型进行测距，以回避障碍物；
F、多智能体模块中的位置智能体获取各个障碍物和巡检机器人自身的位置信息，同时将此信息发送给其他巡检机器人和监控单元；
G、姿态智能体将巡检机器人自身的姿态信息共享到各个机器人和监控单元；同时，在巡检作业过程中不断优化自身姿态；
H、速度智能体将巡检机器人自身在各个路段的行走速度共享给各个巡检机器人和监控单元；巡检机器人在获取经验的同时不断调整自身在各个路况下的行走速度；
I、避障智能体综合上述所有信息，避免巡检机器人与其他障碍物相撞；
J、路径规划智能体根据多智能体模块中的其他智能体和图像处理获得的信息综合分析，确定出巡检机器人最优的巡检路径；
K、各个巡检机器人将巡检数据信息通过无线通讯发送给监控单元；
L、巡检人员根据监控单元实时监测各个巡检机器人作业情况，必要时巡检人员通过人机交互界面及时变更；
6.根据权利要求5所述的一种巡检机器人群的巡检方法，其特征在于：所述多智能体模块中还包括协调智能体，协调智能体用于协调各个巡检机器人之间的关系。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010954150.1A CN112060106A (zh) | 2020-09-11 | 2020-09-11 | 矿用巡检机器人的巡检***及巡检机器人群的巡检方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010954150.1A CN112060106A (zh) | 2020-09-11 | 2020-09-11 | 矿用巡检机器人的巡检***及巡检机器人群的巡检方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112060106A true CN112060106A (zh) | 2020-12-11 |
Family
ID=73696349
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010954150.1A Pending CN112060106A (zh) | 2020-09-11 | 2020-09-11 | 矿用巡检机器人的巡检***及巡检机器人群的巡检方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112060106A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112787264A (zh) * | 2020-12-30 | 2021-05-11 | 珠海华网科技有限责任公司 | 基于超声波技术的电力架空线路巡检装置及方法 |
| CN112863001A (zh) * | 2021-01-19 | 2021-05-28 | 中国工商银行股份有限公司 | 配电机房巡检方法、装置及*** |
| CN113034718A (zh) * | 2021-03-01 | 2021-06-25 | 启若人工智能研究院(南京)有限公司 | 一种基于多智能体的地铁管道巡检*** |
| CN113232025A (zh) * | 2021-06-07 | 2021-08-10 | 上海大学 | 一种基于接近觉感知的机械臂避障方法 |
| CN113489001A (zh) * | 2021-07-16 | 2021-10-08 | 南京邮电大学 | 一种联合巡检场景中多智能体任务区域规划方法 |
| CN114489086A (zh) * | 2022-04-14 | 2022-05-13 | 武汉跨克信息技术有限公司 | 一种仿生机器人协同作业方法及装置 |
| CN114879655A (zh) * | 2022-03-24 | 2022-08-09 | 慧之安信息技术股份有限公司 | 煤矿井下传送带智能机器人巡检方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101450843B1 (ko) * | 2013-05-20 | 2014-10-15 | 한국생산기술연구원 | 군집 로봇 시스템 및 그 제어 방법 |
| CN106808482A (zh) * | 2015-12-02 | 2017-06-09 | 中国科学院沈阳自动化研究所 | 一种巡检机器人多传感器***及巡检方法 |
| CN107671831A (zh) * | 2017-08-02 | 2018-02-09 | 国网浙江省电力公司紧水滩水力发电厂 | 一种水电站分区智能巡检***及方法 |
| CN109212377A (zh) * | 2018-09-27 | 2019-01-15 | 国网山东省电力公司电力科学研究院 | 一种高压线路障碍物识别方法、装置、巡检机器人 |
| CN109613931A (zh) * | 2019-01-07 | 2019-04-12 | 北京航空航天大学 | 基于生物社会力的异构无人机集群目标跟踪***及方法 |
| CN109664301A (zh) * | 2019-01-17 | 2019-04-23 | 中国石油大学(北京) | 巡检方法、装置、设备及计算机可读存储介质 |
| CN109732591A (zh) * | 2018-12-24 | 2019-05-10 | 济南大学 | 一种有障碍物环境下多机器人群集控制方法 |
| CN110065061A (zh) * | 2018-01-24 | 2019-07-30 | 南京机器人研究院有限公司 | 一种机器人行走控制方法 |
| CN110362090A (zh) * | 2019-08-05 | 2019-10-22 | 北京深醒科技有限公司 | 一种巡检机器人控制*** |
-
2020
- 2020-09-11 CN CN202010954150.1A patent/CN112060106A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101450843B1 (ko) * | 2013-05-20 | 2014-10-15 | 한국생산기술연구원 | 군집 로봇 시스템 및 그 제어 방법 |
| CN106808482A (zh) * | 2015-12-02 | 2017-06-09 | 中国科学院沈阳自动化研究所 | 一种巡检机器人多传感器***及巡检方法 |
| CN107671831A (zh) * | 2017-08-02 | 2018-02-09 | 国网浙江省电力公司紧水滩水力发电厂 | 一种水电站分区智能巡检***及方法 |
| CN110065061A (zh) * | 2018-01-24 | 2019-07-30 | 南京机器人研究院有限公司 | 一种机器人行走控制方法 |
| CN109212377A (zh) * | 2018-09-27 | 2019-01-15 | 国网山东省电力公司电力科学研究院 | 一种高压线路障碍物识别方法、装置、巡检机器人 |
| CN109732591A (zh) * | 2018-12-24 | 2019-05-10 | 济南大学 | 一种有障碍物环境下多机器人群集控制方法 |
| CN109613931A (zh) * | 2019-01-07 | 2019-04-12 | 北京航空航天大学 | 基于生物社会力的异构无人机集群目标跟踪***及方法 |
| CN109664301A (zh) * | 2019-01-17 | 2019-04-23 | 中国石油大学(北京) | 巡检方法、装置、设备及计算机可读存储介质 |
| CN110362090A (zh) * | 2019-08-05 | 2019-10-22 | 北京深醒科技有限公司 | 一种巡检机器人控制*** |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112787264A (zh) * | 2020-12-30 | 2021-05-11 | 珠海华网科技有限责任公司 | 基于超声波技术的电力架空线路巡检装置及方法 |
| CN112863001A (zh) * | 2021-01-19 | 2021-05-28 | 中国工商银行股份有限公司 | 配电机房巡检方法、装置及*** |
| CN113034718A (zh) * | 2021-03-01 | 2021-06-25 | 启若人工智能研究院(南京)有限公司 | 一种基于多智能体的地铁管道巡检*** |
| CN113232025A (zh) * | 2021-06-07 | 2021-08-10 | 上海大学 | 一种基于接近觉感知的机械臂避障方法 |
| CN113232025B (zh) * | 2021-06-07 | 2022-04-22 | 上海大学 | 一种基于接近觉感知的机械臂避障方法 |
| CN113489001A (zh) * | 2021-07-16 | 2021-10-08 | 南京邮电大学 | 一种联合巡检场景中多智能体任务区域规划方法 |
| CN113489001B (zh) * | 2021-07-16 | 2023-09-22 | 南京邮电大学 | 一种联合巡检场景中多智能体任务区域规划方法 |
| CN114879655A (zh) * | 2022-03-24 | 2022-08-09 | 慧之安信息技术股份有限公司 | 煤矿井下传送带智能机器人巡检方法 |
| CN114879655B (zh) * | 2022-03-24 | 2022-12-02 | 慧之安信息技术股份有限公司 | 煤矿井下传送带智能机器人巡检方法 |
| CN114489086A (zh) * | 2022-04-14 | 2022-05-13 | 武汉跨克信息技术有限公司 | 一种仿生机器人协同作业方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112060106A (zh) | 矿用巡检机器人的巡检***及巡检机器人群的巡检方法 | |
| CN109753081B (zh) | 一种基于机器视觉的巷道巡检无人机***及导航方法 | |
| Wang et al. | Vision-based robotic system for on-site construction and demolition waste sorting and recycling | |
| Zhang et al. | Automated guided vehicles and autonomous mobile robots for recognition and tracking in civil engineering | |
| Song et al. | A vision-based broken strand detection method for a power-line maintenance robot | |
| Zormpas et al. | Power transmission lines inspection using properly equipped unmanned aerial vehicle (UAV) | |
| Liu | Robot systems for rail transit applications | |
| CN107380163A (zh) | 基于磁导航的汽车智能报警预测***及其方法 | |
| CN111813130A (zh) | 一种输变电站智能巡检机器人自主导航避障*** | |
| CN113075686B (zh) | 一种基于多传感器融合的电缆沟智能巡检机器人建图方法 | |
| CN113050685B (zh) | 一种煤矿井下无人机自主巡检的方法 | |
| CN112983417B (zh) | 一种煤矿采掘装备数据分析预警方法 | |
| CN112281972B (zh) | 一种基于无人操作挖掘机的远程监控结构及挖掘机 | |
| Baba | A new design of a flying robot, with advanced computer vision techniques to perform self-maintenance of smart grids | |
| Shaffer et al. | Position estimator for underground mine equipment | |
| CN212515475U (zh) | 一种输变电站智能巡检机器人自主导航避障*** | |
| CN115256414A (zh) | 矿用钻孔机器人及其与地质、巷道模型的耦合作业方法 | |
| CN115937213A (zh) | 一种矿用单轨吊轨道自动巡检机器人可视化缺陷识别*** | |
| CN112650272A (zh) | 基于5g的煤矿井下无人机巡视信息感知方法及其感知*** | |
| CN114803860A (zh) | 一种基于机器视觉的井下单轨吊车无人驾驶***和方法 | |
| CN102521653B (zh) | 井下多机器人联合搜救的生物刺激神经网络设备及其方法 | |
| CN113625773A (zh) | 一种无人机应急消防森林巡防指挥*** | |
| CN112394635A (zh) | 煤矿无轨辅助运输机器人高冗余度多级安全保护装置 | |
| Alhmiedat et al. | A Systematic Approach for Exploring Underground Environment Using LiDAR-Based System. | |
| Katsamenis et al. | Real time road defect monitoring from UAV visual data sources |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201211 |