CN112085799B - 一种电力设备自主配准方法及*** - Google Patents

一种电力设备自主配准方法及*** Download PDF

Info

Publication number
CN112085799B
CN112085799B CN202010820783.3A CN202010820783A CN112085799B CN 112085799 B CN112085799 B CN 112085799B CN 202010820783 A CN202010820783 A CN 202010820783A CN 112085799 B CN112085799 B CN 112085799B
Authority
CN
China
Prior art keywords
camera
equipment
magnification
calculating
holder
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
CN202010820783.3A
Other languages
English (en)
Other versions
CN112085799A (zh
Inventor
周浩
黄亮
郭小龙
崔其会
黄锐
吕俊涛
邵德聘
梁涛
丁亮
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.)
State Grid Intelligent Technology Co Ltd
Original Assignee
State Grid Intelligent Technology Co 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 State Grid Intelligent Technology Co Ltd filed Critical State Grid Intelligent Technology Co Ltd
Priority to CN202010820783.3A priority Critical patent/CN112085799B/zh
Publication of CN112085799A publication Critical patent/CN112085799A/zh
Application granted granted Critical
Publication of CN112085799B publication Critical patent/CN112085799B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/67—Focus control based on electronic image sensor signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Studio Devices (AREA)

Abstract

本发明属于机器人巡检技术领域，提供了一种电力设备自主配准方法及***。其中，电力设备自主配准方法包括构建当前机器人停靠点与至少一个已关联设备的空白设备点位；接收相机倍率及云台角度调节命令，以使得相机倍率调整至初始倍率且被测设备均位于相机视野内，自动聚焦并抓取可见光图片；框选可见光图像的所有被测设备，根据设备的框选位置计算云台位移及相机变倍倍数并存储在设备点位信息中；根据云台位移及相机变倍倍数来调整云台及相机，获取聚焦值并存储在设备点位信息中，同时自动从模板数据内抓取相应被测设备的识别模板，实现电力设备自主配准。

Description

一种电力设备自主配准方法及***
技术领域
本发明属于机器人巡检技术领域，尤其涉及一种电力设备自主配准方法及***。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
随着变电站巡检机器人相关技术的不断发展，变电站工作人员的工作效率得到了大幅提高，从而降低了劳动负荷，降低了电力设备的维护成本，同时也对智能巡检的质量和可靠性提出更高要求。
在变电站巡检机器人正式投运前的调试阶段，现场调试人员需要将变电站内的巡检设备点位信息，按不同的区域、间隔，维护到机器人巡检后台***内。一个巡检设备点位信息包括机器人停靠点、云台角度、相机倍数及相机焦距值。目前，调试人员标定巡检设备点位的方法，只有手动控制云台角度及调整相机倍数、焦距参数，并手动抓取识别模板。发明人发现，这种方法对调试人员的经验要求较高，而且调试过程耗时较长、操作相对复杂，且手工操作较易产生误差。现有的巡检机器人设备点位的框标定方法，存在以下问题：1)标定的过程复杂且耗时较长。2)不支持同视野内多设备的同时标定。3)未明确一框标定后，具体参数的变化规律。
发明内容
为了解决上述问题，本发明提供一种电力设备自主配准方法及***，其同时支持同视野内多设备同时进行标定及自动抓取模板，基于相机倍数、云台角度与设备框选位置的函数关系，以达到调试过程少人工干预、半自动化处理、提高配置效率、提升准确率的目的。
为了实现上述目的，本发明采用如下技术方案：
本发明的第一个方面提供一种电力设备自主配准方法。
一种电力设备自主配准方法，包括：
构建当前机器人停靠点与至少一个已关联设备的空白设备点位；
接收相机倍率及云台角度调节命令，以使得相机倍率调整至初始倍率且被测设备均位于相机视野内，自动聚焦并抓取可见光图片；
框选可见光图像的所有被测设备，根据设备的框选位置计算云台位移及相机变倍倍数并存储在设备点位信息中；
根据云台位移及相机变倍倍数来调整云台及相机，获取聚焦值并存储在设备点位信息中，同时自动从模板数据内抓取相应被测设备的识别模板，实现电力设备自主配准。
本发明的第二个方面提供一种电力设备自主配准***。
一种电力设备自主配准***，包括：
空白设备点位构建模块，其用于构建当前机器人停靠点与至少一个已关联设备的空白设备点位；
可见光图片抓取模块，其用于接收相机倍率及云台角度调节命令，以使得相机倍率调整至初始倍率且被测设备均位于相机视野内，自动聚焦并抓取可见光图片；
设备框选模块，其用于框选可见光图像的所有被测设备，根据设备的框选位置计算云台位移及相机变倍倍数并存储在设备点位信息中；
识别模板抓取模块，其用于根据云台位移及相机变倍倍数来调整云台及相机，获取聚焦值并存储在设备点位信息中，同时自动从模板数据内抓取相应被测设备的识别模板，实现电力设备自主配准。
本发明的第三个方面提供一种计算机可读存储介质。
一种计算机可读存储介质，其上存储有计算机程序该程序被处理器执行时实现如上述所述的电力设备自主配准方法中的步骤。
本发明的第四个方面提供一种计算机设备。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的电力设备自主配准方法中的步骤。
与现有技术相比，本发明的有益效果是：
(1)首创了一种电力设备自主配准方法，基于可见光相机倍率调整算法和云台偏移量测算算法，研制了相关***，解决了手工标定过程误差大、速度慢的问题，降低了配置出错率。
(2)发明了一种基于电力设备图像的可见光相机倍率调整算法，利用图像可视区域与相机倍数的函数关系，通过对巡检设备的框选框的尺寸，计算巡检设备时可见光相关的最佳变倍值，实现了在同一停靠点下快速标定多个巡检设备的功能，提高了巡检设备配置效率。
(3)提出了一种基于电力设备图像的云台偏移量测算算法，根据图像中心点与云台角度的比例关系，发明了图像偏移像素与云台偏移角度转换算法，通过框选巡检设备，得到图像上的设备中心点，从而计算出使设备位于镜头中心时云台的偏移角度。解决了手工标定图像中心点时存在误差的问题，实现了将识别设备快速定位到图像中心，降低了人工成本与伺服难度，提高了识别准确率。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1是本发明实施例的电力设备自主配准方法流程图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
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发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，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、操作、器件、组件和/或它们的组合。
实施例一
参照图1，本实施例的一种电力设备自主配准方法，包括：
S101：构建当前机器人停靠点与至少一个已关联设备的空白设备点位。
在具体实施中，可利用遥控器遥控机器人至预设停靠点，该停靠点与一至多个已关联设备存在设备点位关联关系。
S102：接收相机倍率及云台角度调节命令，以使得相机倍率调整至初始倍率且被测设备均位于相机视野内，自动聚焦并抓取可见光图片。
在本实施例中，通过自动聚焦提高了抓框选设备图时图片的清晰度。
例如：确定相机初始倍率，调整相机从当前倍率至初始倍率。为了使得被测设备均位于相机视野内，调整云台角度，其中，云台设置在相机的底部，用于实现相机角度的调整来抓取现场图像。
S103：框选可见光图像的所有被测设备，根据设备的框选位置计算云台位移及相机变倍倍数并存储在设备点位信息中。
在具体实施过程中，框选可见光图像的所有被测设备的过程为：
接收预先设定的框选边界；
计算相应框选在可见光图像上的位置并在可见光图像上显示。
本实施例通过对可见光图像中的所有被测设进行框选，快速标定巡检设备，并根据设备的框选位置计算预置位相应参数，解决了手工标定过程中误差较大、速度较慢的问题，提高了配置效率，降低了出错率及人工成本。
具体地，计算云台偏移的过程为：
1a)获取当前标定框位置信息Rect。
1b)根据位置信息Rect，计算标定框中心点坐标Point。
1c)计算标定框中心点坐标Point与相机中心点的偏移像素Offset。
1d)获取相机在当前倍数下，像素与云台偏移量的系数关系(系数关系可通过相机供应商获取)，并计算云台偏移量YTOffset。
1e)把当前云台位置和计算所得的云台偏移量YTOffset相加，即可得到正对框选设备的云台坐标。
计算相机变倍的过程为：
2a)获取当前标定框的宽度Width、高度Height信息。
2b)获取整个图像的宽度PWidth、高度PHeight信息，并计算宽度放大倍数XCoef(XCoef＝PWidth/Width)和高度放大倍数YCoef(YCoef＝PHeight/Height)。
2c)比较宽度放大倍数XCoef和高度放大倍数YCoef，取较小的赋值给相对放大倍数Coef。
2d)参照相机倍数与物体实际放大倍数的关系(可通过相机校准获取)，根据当前相机变倍值，计算放大到指定倍数Coef所需要的相机变倍值。
具体地，步骤2d)中，根据当前相机变倍值，计算放大到指定倍数Coef所需要的相机变倍值的方法为：
根据当前相机变倍值为currZoom，找到抓图时实际物体放大倍数为currZomeCoef，用抓图时实际物体放大倍数乘以相对放大倍数(currZomeCoef*Coef)，得到框选设备实际放大的倍数Value，根据Value值，查找参照关系表找到最接近并小于Value值的放大倍数，即框选设备变倍倍数。
在步骤S103中，框选可见光图像的所有被测设备的过程中，实时判断时是否存在需要框选的设备，如是，则继续框选，直至所有设备框选完成，并保存各个设备对应的云台角度及相机倍数，且存储在预置位信息中。
S104：根据云台位移及相机变倍倍数来调整云台及相机，获取聚焦值并存储在设备点位信息中，同时自动从模板数据内抓取相应被测设备的识别模板，实现电力设备自主配准。
在具体实施中，识别模板是巡检设备识别前需要进行配置的模板图片。
判断是否需要自动抓取识别模板，如需要自动抓取识别模板，判断是否存在未抓取识别模板的设备，如存在未抓取识别模板的设备，转动云台及变倍相机，待云台到位和相机变倍结束后，执行自动聚焦动作，等待可见光自动聚焦完成后，获取聚焦值，并存储在设备点位信息中。
如不需要抓取识别模板，则复位相机和云台。
如不存在未抓取识别模板的设备，则复位相机和云台。
本实施例通过集成框选设备及自动抓取识别模板过程，实现标定设备与识别模板的有效结合，将两个过程集成后，有效降低了现场调试的重复劳动，降低了人工成本与伺服难度，提高了识别准确率。
实施例二
本实施例提供了一种电力设备自主配准***，其包括：
(1)空白设备点位构建模块，其用于构建当前机器人停靠点与至少一个已关联设备的空白设备点位。
在具体实施中，可利用遥控器遥控机器人至预设停靠点，该停靠点与一至多个已关联设备存在设备点位关联关系。
(2)可见光图片抓取模块，其用于接收相机倍率及云台角度调节命令，以使得相机倍率调整至初始倍率且被测设备均位于相机视野内，自动聚焦并抓取可见光图片。
在本实施例中，通过自动聚焦提高了抓框选设备图时图片的清晰度。
例如：确定相机初始倍率，调整相机从当前倍率至初始倍率。为了使得被测设备均位于相机视野内，调整云台角度，其中，云台设置在相机的底部，用于实现相机角度的调整来抓取现场图像。
(3)设备框选模块，其用于框选可见光图像的所有被测设备，根据设备的框选位置计算云台位移及相机变倍倍数并存储在设备点位信息中。
在具体实施过程中，框选可见光图像的所有被测设备的过程为：
接收预先设定的框选边界；
计算相应框选在可见光图像上的位置并在可见光图像上显示。
本实施例通过对可见光图像中的所有被测设进行框选，快速标定巡检设备，并根据设备的框选位置计算预置位相应参数，解决了手工标定过程中误差较大、速度较慢的问题，提高了配置效率，降低了出错率及人工成本。
具体地，计算云台偏移的过程为：
1a)获取当前标定框位置信息Rect。
1b)根据位置信息Rect，计算标定框中心点坐标Point。
1c)计算标定框中心点坐标Point与相机中心点的偏移像素Offset。
1d)获取相机在当前倍数下，像素与云台偏移量的系数关系(系数关系可通过相机供应商获取)，并计算云台偏移量YTOffset。
1e)把当前云台位置和计算所得的云台偏移量YTOffset相加，即可得到正对框选设备的云台坐标。
计算相机变倍的过程为：
2a)获取当前标定框的宽度Width、高度Height信息。
2b)获取整个图像的宽度PWidth、高度PHeight信息，并计算宽度放大倍数XCoef(XCoef＝PWidth/Width)和高度放大倍数YCoef(YCoef＝PHeight/Height)。
2c)比较宽度放大倍数XCoef和高度放大倍数YCoef，取较小的赋值给相对放大倍数Coef。
2d)参照相机倍数与物体实际放大倍数的关系(可通过相机校准获取)，根据当前相机变倍值，计算放大到指定倍数Coef所需要的相机变倍值。
具体地，步骤2d)中，根据当前相机变倍值，计算放大到指定倍数Coef所需要的相机变倍值的方法为：
根据当前相机变倍值为currZoom，找到抓图时实际物体放大倍数为currZomeCoef，用抓图时实际物体放大倍数乘以相对放大倍数(currZomeCoef*Coef)，得到框选设备实际放大的倍数Value，根据Value值，查找参照关系表找到最接近并小于Value值的放大倍数，即框选设备变倍倍数。
具体地，框选可见光图像的所有被测设备的过程中，实时判断时是否存在需要框选的设备，如是，则继续框选，直至所有设备框选完成，并保存各个设备对应的云台角度及相机倍数，且存储在预置位信息中。
(4)识别模板抓取模块，其用于根据云台位移及相机变倍倍数来调整云台及相机，获取聚焦值并存储在设备点位信息中，同时自动从模板数据内抓取相应被测设备的识别模板，实现电力设备自主配准。
在具体实施中，识别模板是巡检设备识别前需要进行配置的模板图片。
判断是否需要自动抓取识别模板，如需要自动抓取识别模板，判断是否存在未抓取识别模板的设备，如存在未抓取识别模板的设备，转动云台及变倍相机，待云台到位和相机变倍结束后，执行自动聚焦动作，等待可见光自动聚焦完成后，获取聚焦值，并存储在设备点位信息中。
如不需要抓取识别模板，则复位相机和云台。
如不存在未抓取识别模板的设备，则复位相机和云台。
本实施例通过集成框选设备及自动抓取识别模板过程，实现标定设备与识别模板的有效结合，将两个过程集成后，有效降低了现场调试的重复劳动，降低了人工成本与伺服难度，提高了识别准确率。
实施例三
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序该程序被处理器执行时实现如上述所述的电力设备自主配准方法中的步骤。
实施例四
本实施例提供了一种计算机设备，其包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的电力设备自主配准方法中的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种电力设备自主配准方法，其特征在于，包括：
构建当前机器人停靠点与至少一个已关联设备的空白设备点位；
接收相机倍率及云台角度调节命令，以使得相机倍率调整至初始倍率且被测设备均位于相机视野内，自动聚焦并抓取可见光图片；
框选可见光图像的所有被测设备，根据设备的框选位置计算云台位移及相机变倍倍数并存储在设备点位信息中；
根据云台位移及相机变倍倍数来调整云台及相机，获取聚焦值并存储在设备点位信息中，同时自动从模板数据内抓取相应被测设备的识别模板，实现电力设备自主配准；
计算相机变倍倍数的过程为：
获取当前标定框的宽度和高度以及整个图像的宽度和高度，计算出宽度放大倍数和高度放大倍数；
比较宽度放大倍数和高度放大倍数，取较小的赋值给相对放大倍数Coef；
参照相机倍数与物体实际放大倍数的关系，根据当前相机变倍值计算放大到指定相对放大倍数Coef所需要的相机变倍值；
判断是否需要自动抓取识别模板，如需要自动抓取识别模板，判断是否存在未抓取识别模板的设备，如存在未抓取识别模板的设备，转动云台及变倍相机，待云台到位和相机变倍结束后，执行自动聚焦动作，等待可见光自动聚焦完成后，获取聚焦值，并存储在设备点位信息中。
2.如权利要求1所述的电力设备自主配准方法，其特征在于，计算云台位移的过程为：
获取当前标定框位置信息；
根据位置信息，计算标定框中心点坐标；
计算标定框中心点坐标与相机中心点的偏移像素；
获取相机在当前倍数下的像素与云台偏移量的系数关系，计算云台偏移量；
将当前云台位置和云台偏移量相加，即可得到正对框选设备的云台坐标。
3.如权利要求1所述的电力设备自主配准方法，其特征在于，框选可见光图像的所有被测设备的过程为：
接收预先设定的框选边界；
计算相应框选在可见光图像上的位置并在可见光图像上显示。
4.如权利要求1所述的电力设备自主配准方法，其特征在于，在完成巡检***设备现场调试之后，还包括复位相机以及云台。
5.一种使用权利要求1-4任一所述电力设备自主配准方法的电力设备自主配准***，其特征在于，包括：
空白设备点位构建模块，其用于构建当前机器人停靠点与至少一个已关联设备的空白设备点位；
可见光图片抓取模块，其用于接收相机倍率及云台角度调节命令，以使得相机倍率调整至初始倍率且被测设备均位于相机视野内，自动聚焦并抓取可见光图片；
设备框选模块，其用于框选可见光图像的所有被测设备，根据设备的框选位置计算云台位移及相机变倍倍数并存储在设备点位信息中；
识别模板抓取模块，其用于根据云台位移及相机变倍倍数来调整云台及相机，获取聚焦值并存储在设备点位信息中，同时自动从模板数据内抓取相应被测设备的识别模板，实现电力设备自主配准。
6.如权利要求5所述的电力设备自主配准***，其特征在于，在所述设备框选模块中，计算云台位移的过程为：
获取当前标定框位置信息；
根据位置信息，计算标定框中心点坐标；
计算标定框中心点坐标与相机中心点的偏移像素；
获取相机在当前倍数下的像素与云台偏移量的系数关系，计算云台偏移量；
将当前云台位置和云台偏移量相加，即可得到正对框选设备的云台坐标。
7.如权利要求5所述的电力设备自主配准***，其特征在于，在所述设备框选模块中，计算相机变倍倍数的过程为：
获取当前标定框的宽度和高度以及整个图像的宽度和高度，计算出宽度放大倍数和高度放大倍数；
比较宽度放大倍数和高度放大倍数，取较小的赋值给相对放大倍数Coef；
参照相机倍数与物体实际放大倍数的关系，根据当前相机变倍值计算放大到指定相对放大倍数Coef所需要的相机变倍值。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4中任一项所述的电力设备自主配准方法中的步骤。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-4中任一项所述的电力设备自主配准方法中的步骤。
CN202010820783.3A 2020-08-14 2020-08-14 一种电力设备自主配准方法及*** Active CN112085799B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010820783.3A CN112085799B (zh) 2020-08-14 2020-08-14 一种电力设备自主配准方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010820783.3A CN112085799B (zh) 2020-08-14 2020-08-14 一种电力设备自主配准方法及***

Publications (2)

Publication Number Publication Date
CN112085799A CN112085799A (zh) 2020-12-15
CN112085799B true CN112085799B (zh) 2024-03-15

Family

ID=73729361

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010820783.3A Active CN112085799B (zh) 2020-08-14 2020-08-14 一种电力设备自主配准方法及***

Country Status (1)

Country Link
CN (1) CN112085799B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112949478A (zh) * 2021-03-01 2021-06-11 浙江国自机器人技术股份有限公司 基于云台相机的目标检测方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102256109A (zh) * 2011-06-07 2011-11-23 上海芯启电子科技有限公司 多目标自动跟踪摄像***及该***的聚焦方法
CN106125744A (zh) * 2016-06-22 2016-11-16 山东鲁能智能技术有限公司 基于视觉伺服的变电站巡检机器人云台控制方法
CN107042511A (zh) * 2017-03-27 2017-08-15 国机智能科技有限公司 基于视觉反馈的巡视机器人云台调整方法
CN108476288A (zh) * 2017-05-24 2018-08-31 深圳市大疆创新科技有限公司 拍摄控制方法及装置
CN109522896A (zh) * 2018-11-19 2019-03-26 武汉科技大学 基于模板匹配与双自由度云台相机的仪表搜寻方法
CN110413011A (zh) * 2019-07-15 2019-11-05 浙江大华技术股份有限公司 一种双目云台控制方法、装置及存储介质
CN110850881A (zh) * 2019-11-29 2020-02-28 国网智能科技股份有限公司 一种变电站巡检机器人的离线巡检***及方法
CN110941975A (zh) * 2018-09-21 2020-03-31 广州汽车集团股份有限公司 图像获取方法、角度调整方法、装置及驾驶***
CN110940316A (zh) * 2019-12-09 2020-03-31 国网山东省电力公司 复杂环境下变电站消防机器人的导航方法及***
CN111083381A (zh) * 2019-12-31 2020-04-28 深圳市道通智能航空技术有限公司 一种图像融合的方法、装置及双光相机、无人机
CN111161446A (zh) * 2020-01-10 2020-05-15 浙江大学 一种巡检机器人的图像采集方法
CN111179352A (zh) * 2019-09-09 2020-05-19 浙江国自机器人技术有限公司 一种巡检机器人工作点位的同构定位方法
CN111193860A (zh) * 2019-09-09 2020-05-22 浙江国自机器人技术有限公司 巡检机器人工作点位的一框标定方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201236448A (en) * 2011-02-24 2012-09-01 Hon Hai Prec Ind Co Ltd Auto-focusing camera and method for automatically focusing of the camera
US10599959B2 (en) * 2017-04-05 2020-03-24 International Business Machines Corporation Automatic pest monitoring by cognitive image recognition with two cameras on autonomous vehicles

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102256109A (zh) * 2011-06-07 2011-11-23 上海芯启电子科技有限公司 多目标自动跟踪摄像***及该***的聚焦方法
CN106125744A (zh) * 2016-06-22 2016-11-16 山东鲁能智能技术有限公司 基于视觉伺服的变电站巡检机器人云台控制方法
CN107042511A (zh) * 2017-03-27 2017-08-15 国机智能科技有限公司 基于视觉反馈的巡视机器人云台调整方法
CN108476288A (zh) * 2017-05-24 2018-08-31 深圳市大疆创新科技有限公司 拍摄控制方法及装置
CN110941975A (zh) * 2018-09-21 2020-03-31 广州汽车集团股份有限公司 图像获取方法、角度调整方法、装置及驾驶***
CN109522896A (zh) * 2018-11-19 2019-03-26 武汉科技大学 基于模板匹配与双自由度云台相机的仪表搜寻方法
CN110413011A (zh) * 2019-07-15 2019-11-05 浙江大华技术股份有限公司 一种双目云台控制方法、装置及存储介质
CN111179352A (zh) * 2019-09-09 2020-05-19 浙江国自机器人技术有限公司 一种巡检机器人工作点位的同构定位方法
CN111193860A (zh) * 2019-09-09 2020-05-22 浙江国自机器人技术有限公司 巡检机器人工作点位的一框标定方法
CN110850881A (zh) * 2019-11-29 2020-02-28 国网智能科技股份有限公司 一种变电站巡检机器人的离线巡检***及方法
CN110940316A (zh) * 2019-12-09 2020-03-31 国网山东省电力公司 复杂环境下变电站消防机器人的导航方法及***
CN111083381A (zh) * 2019-12-31 2020-04-28 深圳市道通智能航空技术有限公司 一种图像融合的方法、装置及双光相机、无人机
CN111161446A (zh) * 2020-01-10 2020-05-15 浙江大学 一种巡检机器人的图像采集方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
变电站智能巡检***仪表定位算法设计与实现;吕瑞峰;王财;李万林;马海珍;;电子制作(第19期);全文 *
变电站机器人视觉伺服***研究;许湘明;宋晖;;西南科技大学学报(第04期);全文 *

Also Published As

Publication number Publication date
CN112085799A (zh) 2020-12-15

Similar Documents

Publication Publication Date Title
US20180143419A1 (en) Variable focal length lens system with multi-level extended depth of field image processing
US11087457B1 (en) Digital projection system and associated method
EP2475161A1 (en) Image capture system, image capture method, and storage medium for storing image capture program
KR101347450B1 (ko) 듀얼 카메라를 이용한 화상 감지 방법 및 장치
CN105352975A (zh) 一种桥梁缆索外观检测方法
CN111614951B (zh) 一种一体化云台摄像机的光轴校准设备及方法
CN112949478A (zh) 基于云台相机的目标检测方法
JP2019168520A (ja) 情報処理装置、情報処理方法、プログラム、及び画像測定装置
CN112096454A (zh) 隧道衬砌裂缝修复装置
CN110266944A (zh) 一种远程光学监控***的标定快速聚焦方法
CN112085799B (zh) 一种电力设备自主配准方法及***
JP2015532446A5 (zh)
CN110695520A (zh) 基于视觉的全自动振镜视场校准***及其校准方法
CN114785961B (zh) 一种基于云台相机的巡视路线生成方法、设备及介质
CN109712197B (zh) 一种机场跑道网格化标定方法及***
US8274597B2 (en) System and method for measuring a border of an image of an object
CN107426501B (zh) 监控摄像机自动控制器及吊具用自动追焦监控摄像机***
CN110381259B (zh) 壁画影像采集方法、装置、计算机设备及存储介质
JP2011141807A (ja) 端材の管理方法および管理システム
CN111414012A (zh) 一种巡检机器人区域检索与云台校正方法
CN109493387B (zh) 一种多摄像头光轴对齐的方法和装置
CN116256366A (zh) 一种芯片缺陷的检测方法、检测***及存储介质
CN112839168B (zh) 一种自动调整aoi检测***中相机成像分辨率的方法
CN105635651A (zh) 一种球机定位方法及装置
CN106774884B (zh) 镜片参数的测定方法及装置

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
GR01 Patent grant
GR01 Patent grant