CN112444519B - 车辆故障检测装置和方法 - Google Patents
车辆故障检测装置和方法 Download PDFInfo
- Publication number
- CN112444519B CN112444519B CN201910817306.9A CN201910817306A CN112444519B CN 112444519 B CN112444519 B CN 112444519B CN 201910817306 A CN201910817306 A CN 201910817306A CN 112444519 B CN112444519 B CN 112444519B
- Authority
- CN
- China
- Prior art keywords
- image
- target
- vehicle
- abnormal point
- mechanical arm
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 125
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000002159 abnormal effect Effects 0.000 claims abstract description 136
- 230000007246 mechanism Effects 0.000 claims description 29
- 230000002194 synthesizing effect Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 description 17
- 238000012423 maintenance Methods 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 5
- 238000003786 synthesis reaction Methods 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开涉及一种车辆故障检测装置和方法,该方法在通过该图像拍摄组件获取到的第一图像中包括预设部位时,通过激光扫描组件获取的第二图像确定该目标部位是否存在异常点;在确定该目标部位存在该异常点时,在该第二图像中对该异常点进行标记;将标记后的第二图像发送至服务器,以使该服务器根据该第二图像中标记的该异常点确定该车辆是否故障。这样,能够在通过图像拍摄组件获取到的第一图像无法准确识别目标部位的异常点时,通过激光扫描组件获取的第二图像确定该目标部位是否存在异常点,能够使车辆故障检测装置的故障检测手段多元化的同时得到全面而准确的故障识别结果;能够提高故障检测的效率和故障识别结果的准确性。
Description
技术领域
本公开涉及自动控制领域,具体地,涉及一种车辆故障检测装置和方法。
背景技术
检修是保证交通工具安全平稳运行的必要手段,对服务型车辆进行有效的检修在降低车辆运营成本和提高乘客舒适度方面具有重要意义。检修过程通常包括故障识别和故障处理,当前的车辆故障识别方式包括人工识别和机器人检测,其中,人工识别过程中,在进行全面的故障识别时,需要花费的人工成本较大,且容易出现故障遗漏的现象;而通过机器人检测时,由于当前的检测机器人是通过获取车辆待检测部位的图像信息,将待检测部位的图像信息发送至后台的检测服务器,然后由检测服务器通过该图像信息确定待检修部位是否存在故障,由于检测机器人的检测手段比较单一,因此经常会出现故障识别不准确的现象,而且在检测任务量较大时,由于需要将获取到的所有的原始图像信息发送至检测服务器,因此检测服务器需要处理的数据量会很大,所以经常会导致检测服务器超负荷运算,从而影响检测效率和故障识别结果的准确性。
发明内容
本公开的目的是提供一种车辆故障检测装置和方法,用于解决当前车辆故障识别过程中检测手段单一,检测效率和故障识别结果准确性较低的技术问题。
为了实现上述目的,在本公开的第一方面提供一种车辆故障检测装置,所述装置包括处理器,第一机械臂,第二机械臂以及行走机构,所述第一机械臂上设置有图像拍摄组件,所述第二机械臂上设置有激光扫描组件;其中,所述处理器,用于在接收到检测指示信息时,所述检测指示信息用于指示车辆待检测的目标部位,控制所述行走机构移动至所述目标部位对应的检测位置,并在所述检测位置通过所述图像拍摄组件获取所述目标部位的第一图像,若根据所述第一图像确定所述目标部位为预设部位,通过所述激光扫描组件获取所述目标部位的第二图像,并根据所述第二图像确定所述目标部位是否存在异常点;若确定所述目标部位存在所述异常点,在所述第二图像中对所述异常点进行标记,并将标记后的第二图像发送至服务器,以使所述服务器根据所述第二图像中标记的所述异常点确定所述车辆是否故障;
所述第一机械臂,用于带动所述图像拍摄组件获取车辆的多个待测部位的第一图像;
所述第二机械臂,用于带动所述激光扫描组件获取所述车辆的预设部位的第二图像。
可选地,所述处理器,用于获取所述目标部位对应的激光标准图像,并获取所述第二图像与所述激光标准图像的差异度,若所述差异度大于或者等于预设差异度阈值,确定所述目标部位存在所述异常点。
可选地,所述处理器,还用于若根据所述第一图像确定所述目标部位为非预设部位,根据所述第一图像确定所述目标部位是否存在所述异常点,若确定所述目标部位存在所述异常点,在所述第一图像中对所述异常点进行标记,并将标记后的第一图像发送至服务器,以使所述服务器根据所述第一图像中标记的所述异常点确定所述车辆是否故障。
可选地,所述处理器,用于获取所述第一图像中的部位特征,若所述部位特征满足预设特征条件,确定所述目标部位是所述预设部位。
可选地,所述处理器,还用于通过所述第一机械臂控制所述图像拍摄组件在不同角度获取所述目标部位的多个预处理图像,并对多个所述预处理图像进行合成得到所述第一图像;
还用于通过所述第二机械臂控制所述激光扫描组件在指定角度获取所述第二图像。
在本公开的第二方面提供一种车辆故障检测方法,应用于故障检测装置中的处理器,所述方法包括:
在接收到检测指示信息时,根据所述检测指示信息确定车辆待检测的目标部位;
通过图像拍摄组件获取所述目标部位的第一图像;
若根据所述第一图像确定所述目标部位为预设部位,通过激光扫描组件获取所述目标部位的第二图像;
根据所述第二图像确定所述目标部位是否存在异常点;
若确定所述目标部位存在所述异常点,在所述第二图像中对所述异常点进行标记;
将标记后的第二图像发送至服务器,以使所述服务器根据所述第二图像中标记的所述异常点确定所述车辆是否故障。
可选地,所述根据所述第二图像确定所述目标部位是否存在异常点包括:
获取所述目标部位对应的激光标准图像;
获取所述第二图像与所述激光标准图像的差异度;
若所述差异度大于或者等于预设差异度阈值,确定所述目标部位存在所述异常点。
可选地,所述方法还包括:
若根据所述第一图像确定所述目标部位为非预设部位,根据所述第一图像确定所述目标部位是否存在所述异常点;
若确定所述目标部位存在所述异常点,在所述第一图像中对所述异常点进行标记;
将标记后的第一图像发送至服务器,以使所述服务器根据所述第一图像中标记的所述异常点确定所述车辆是否故障。
可选地,所述方法还包括:
获取所述第一图像中的部位特征,
若所述部位特征满足预设特征条件,确定所述目标部位是所述预设部位。
可选地,所述在所述检测位置通过所述图像拍摄组件获取所述目标部位的第一图像包括:
通过所述第一机械臂控制所述图像拍摄组件在不同角度获取所述目标部位的多个预处理图像;
对多个所述预处理图像进行合成得到所述第一图像;
所述通过所述激光扫描组件获取所述目标部位的第二图像,包括:
通过所述第二机械臂控制所述激光扫描组件在指定角度获取所述第二图像。
在本公开的第三方面提供一种车辆故障检测方法,应用于服务器,所述方法包括:
在车辆故障检测装置确定车辆的目标部位存在异常点时,接收所述车辆故障检测装置发送的目标图像,所述目标图像为所述车辆故障检测装置在所述目标部位的图像中对所述异常点进行标记后得到的图像;
根据所述目标图像中标记的异常点,确定所述车辆是否故障。
可选地,所述根据所述目标图像中标记的异常点,确定所述车辆是否故障,包括:
获取所述目标图像对应的标准图像;
获取所述目标图像中所述异常点所在位置处的图像与所述标准图像的目标差异度;
若所述目标差异度大于或者等于预设目标差异度阈值,确定所述车辆故障;
若所述目标差异度小于所述预设目标差异度阈值,确定所述车辆未发生故障。
可选地,所述方法还包括:
若确定所述车辆故障,则显示所述异常点处的故障信息;
若确定所述车辆未发生故障,则删除所述异常点对应的标记。
通过上述技术方案,在通过所述图像拍摄组件获取到的第一图像中包括预设部位时,切换至激光扫描组件,通过激光扫描组件获取的第二图像确定所述目标部位是否存在异常点;在确定所述目标部位存在所述异常点时,会在所述第二图像中对所述异常点进行标记;将标记后的第二图像发送至服务器,以使所述服务器根据所述第二图像中标记的所述异常点确定所述车辆是否故障。这样,能够在通过图像拍摄组件获取到的第一图像无法准确识别目标部位的异常点时,通过激光扫描组件获取的第二图像确定所述目标部位是否存在异常点,能够使车辆故障检测装置的故障检测手段多元化的同时得到全面而准确的故障识别结果;能够提高故障检测的效率和故障识别结果的准确性。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限制。在附图中:
图1是在本公开一示例性实施例提供的一种车辆故障检测装置的示意图;
图2是本公开另一示例性实施例提供的一种车辆故障检测方法的流程图;
图3是本公开又一示例性实施例提供的一种车辆故障检测方法的流程图;
图4是本公开又一示例性实施例提供的一种车辆故障检测方法的流程图;
图5是本公开又一示例性实施例提供的一种车辆故障检测方法的流程图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本公开,并不用于限制本公开。
在介绍本公开的具体实施方式之前,首先对本公开的应用场景进行说明,本公开可以应用于各种车辆的检修过程,用于自动识别车辆中存在的故障,以提高车辆检修效率,降低车辆检修过程中花费的人工成本。检修过程通常包括故障识别和故障处理,故障处理之前需要获取到准确地故障识别结果,以保证在故障处理过程中能够对症下药,从而更好的消除故障。当前的车辆故障识别方式包括人工识别和机器人检测,其中,人工识别过程中,在进行全面的故障识别时,需要花费的人工成本较大,且人工识别依赖于人类肉眼,肉眼所能够观察到的裂纹和形变非常有限,因此很容易出现故障遗漏的现象;而通过机器人检测时,由于当前的检测机器人并没有识别故障的功能,只是用于获取车辆待检测部位的图像信息,然后将待检测部位的图像信息发送至后台的检测服务器,由检测服务器通过该图像信息确定待检修部位是否存在故障,即故障识别的过程是由后台的检测服务器完成,在检测任务量较大时,由于需要将获取到的所有的原始图像信息发送至检测服务器,因此检测服务器需要处理的数据量会很大,所以很容易导致检测服务器超负荷运算,从而影响检测效率和故障识别结果的准确性;再者,当前的检测机器人在获取车辆待检测部位的图像信息时,仅是通过摄像装置拍摄该车辆待检测部位的照片或者视频,由于不是所有的故障都能够通过照片或者视频展现,且照片或视频中显示的异常点不一定都是故障点,因此仅通过摄像装置获取的图像识别故障的手段过分单一,从而无法准确且全面地识别故障。
为了解决上述技术问题,本公开提供一种车辆故障检测装置和方法,在通过该图像拍摄组件获取到的第一图像中包括预设部位时,切换至激光扫描组件,通过激光扫描组件获取的第二图像确定该目标部位是否存在异常点;在确定该目标部位存在该异常点时,会在该第二图像中对该异常点进行标记;将标记后的第二图像发送至服务器,以使该服务器根据该第二图像中标记的该异常点确定该车辆是否故障。这样,一方面能够在通过图像拍摄组件获取到的第一图像无法准确识别目标部位的异常点时,通过激光扫描组件获取的第二图像确定该目标部位是否存在异常点,能够使车辆故障检测装置的故障检测手段多元化的同时提高故障识别结果的准确性;另一方面,由于在确定该目标部位存在该异常点时,会在该第二图像中对该异常点进行标记;将标记后的第二图像发送至服务器,以使该服务器根据该第二图像中标记的该异常点确定该车辆是否故障,因此,服务器不需要获取所有的原始图像数据和对原始图像数据进行处理,只需要核对图像中标记的异常点是否准确,因此能够有效地减少服务器的数据处理量,能够提高故障检测的效率和故障识别结果的准确性。
图1是在本公开一示例性实施例提供的一种车辆故障检测装置的示意图;参见图1,该装置包括处理器101,第一机械臂102,第二机械臂103以及行走机构104,该第一机械臂102上设置有图像拍摄组件105,该第二机械臂103上设置有激光扫描组件106;其中,
该处理器101,用于在接收到检测指示信息时,该检测指示信息用于指示车辆待检测的目标部位,控制该行走机构104移动至该目标部位对应的检测位置,并在该检测位置通过该图像拍摄组件105获取该目标部位的第一图像,若根据该第一图像确定该目标部位为预设部位,通过该激光扫描组件106获取该目标部位的第二图像,并根据该第二图像确定该目标部位是否存在异常点;若确定该目标部位存在该异常点,在该第二图像中对该异常点进行标记,并将标记后的第二图像发送至服务器,以使该服务器根据该第二图像中标记的该异常点确定该车辆是否故障;
该第一机械臂102,用于带动该图像拍摄组件105获取车辆的多个待测部位的第一图像;
该第二机械臂103,用于带动该激光扫描组件106获取该车辆的预设部位的第二图像。
需要说明的是,该检测指示信息可以是车辆控制中心客户端在确定车辆进入停车待检状态时发出的检测请求信息,该检测指示信息中可以包括车辆的编号,待检测部位,车辆的停车库位以及车辆的状态等。该第一机械臂和第二机械臂可以是柔性机械臂,例如:六自由度的柔性机械臂或七自由度柔性机械臂,该柔性机械臂相对于刚性机械臂具有结构更轻便,运动更灵活以及耗能更低等优点。该图像拍摄组件可以是摄像机或照相机,也可以是带有摄像头的其他设备;该第一图像为照片或者视频信息,该激光扫描组件可以是激光扫描仪,该第二图像为激光扫描图像,通过该激光扫描仪获取到的图像能够获取到边界线或者轮廓线的状况,其精确度能够达到微米级,因此能够更准确地识别出裂纹,形状变化、边缘缺失或者螺丝松动等故障;该预设部位可以是胶轮,牵引拉杆,底盘固定支架和紧固件以及电机等,例如,可以通过激光扫描仪获取到胶轮上的鼓包和橡胶块的缺失,获取到牵引拉杆的形状变化,获取到底盘固定支架上的裂纹,紧固件的松动以及电机的齿轮箱内齿轮的啮合状况等。
其中,控制该行走机构移动至该目标部位对应的检测位置的过程,可以通过以下实施方式实现:
该行走机构至少包括行走轮,该第一机械臂和第二机械臂以及处理器在该行走轮的带动下移动。该行走机构上还可以设有定位组件,该定位组件用于通过扫描二维码,识别磁钉或者其他定位标签等方式确定行走机构的当前所处的位置。其中,该预设二维码中还可以包括图像拍摄角度信息和激光扫描角度信息,该图像拍摄角度信息用于指示该第一机械臂的目标位置;该激光扫描角度信息用于指示该第二机械臂的目标位置。该定位组件可以是二维码扫描部件,磁钉识别部件或者其他定位标签识别部件。示例地,在接收到检测车辆的左前轮胎的检测指示信息时,处理器控制该行走机构移动,该车辆的左前轮胎上印有预设二维码,当该行走机构移动至该左前轮胎处时能够扫描到该预设二维码,在扫描到该预设二维码时,确定该行走机构移动至目标部位所在位置处。通过该行走机构使该车辆故障检测装置达到目标部位所在的位置处后,该处理器控制该第一机械臂带动该图像拍摄装置达到该图像拍摄角度对应的目标位置处,在该目标位置处拍摄该目标部位的照片或者视频,处理器从该照片或者视频中识别到预设部件时,调用该激光扫描组件,控制该第二机械臂带动该激光扫描组件到达该激光扫描角度对应的目标位置处,在该指定位置上扫描该预设部件,从而得到该激光扫描图像。
确定该目标部位是否存在异常点的过程,可以通过以下实施方式实现:
通过调取该预设部件对应的激光标准图像,将该激光扫描图像与该激光标准图像进行对比,获取该激光扫描图像与该激光标准图像的差异,并计算该差异度,确定该差异度是否大于或者等于预设差异度阈值,在确定述差异度大于或者等于预设差异度阈值,确定该目标部位存在该异常点。其中,该激光标准图像为预先存储在该车辆故障检测装置中的图像数据。
在图像中对异常点进行标记的实施方式,可以调用现有技术中的图像标记方法实现,例如,可以通过调用二值图像连通域标记算法,基于深度学习的图像标注算法或者图像不同特征的提取算法等实现,由于现有技术中对图像的标记方法较多,且如何标记的技术手段相对成熟,因此,此处不再赘述。
这样,能够在通过图像拍摄组件获取到的第一图像无法准确识别目标部位的异常点时,通过激光扫描组件获取的第二图像确定该目标部位是否存在异常点,能够使车辆故障检测装置的故障检测手段多元化的同时得到全面而准确的故障识别结果;能够提高故障检测的效率和故障识别结果的准确性。
可选地,该处理器101,还用于若根据该第一图像确定该目标部位为非预设部位,根据该第一图像确定该目标部位是否存在该异常点,若确定该目标部位存在该异常点,在该第一图像中对该异常点进行标记,并将标记后的第一图像发送至服务器,以使该服务器根据该第一图像中标记的该异常点确定该车辆是否故障。
需要说明的是,在确定该目标部位是否为预设部位时,可以通过以下实施方式实现:获取该第一图像中的部位特征,确定该部位特征是否满足预设特征条件,若该部位特征满足该预设特征条件,确定该目标部位是该预设部位;若该部位特征不满足该预设特征条件,确定该目标部位为非预设部位。其中,该部位特征可以是轮廓形状,颜色特征或者尺寸特征;相应地,该预设特征条件预设轮廓形状,预设颜色或者预设尺寸。示例地,在预设部位为轮胎,部位特征为轮廓形状时,获取第一图像中目标部位的轮廓线的形状,在确定该轮廓线的形状为预设尺寸的圆形时,确定该目标部位为预设部位;在确定该轮廓线的形状不是预设尺寸的圆形时,确定该目标部位为非预设部位。这样,使预设部位通过激光扫描组件获取的第二图像确定是否存在异常点,使非预设部位通过图像拍摄组件获取的第一图像确定是否存在异常点,避免了所有待检测部件都通过激光扫描组件识别异常点的现象,能够有效提高故障检测效率。
可选地,该处理器101,还用于通过该第一机械臂102控制该图像拍摄组件105在不同角度获取该目标部位的多个预处理图像,并对多个该预处理图像进行合成得到该第一图像;
还用于通过该第二机械臂103控制该激光扫描组件106在指定角度获取该第二图像。
需要说明的是,通过该第一机械臂控制该图像拍摄组件在不同角度获取该目标部位的多个预处理图像时,先获取第一机械臂的多个预设位置,第一机械的每个预设位置对应一个该图像拍摄组件的角度,分别控制第一机械臂到达多个预设位置处,使该图像拍摄组件在每个预设位置上对该目标组件进行图像获取,从而得到多个预处理图像。同样的,控制该第二机械臂控制该激光扫描组件在指定角度获取该第二图像时,也可以先获取第二机械臂的预设位置,当该第二机械臂到达该预设位置时,使该激光扫描组件扫描该预设部件,从而得到该指定角度的第二图像。在对多个该预处理图像进行合成得到该第一图像的过程中,可以先对该多个预处理图像进行去重和筛选,然后调用图像合成算法,使多个预处理图像合成一个能够完整反映该目标部位的图像,其中该图像合成算法可以是现有技术中任何能够通过多个部分图像合成一个完整图像的图像合成算法,例如:全景图像合成算法和三维图像合成算法。
这样,能够获取到更准确的第一图像和最能体现该预设部位异常特征的第二图像,从而能够更有效地提高故障识别结果的准确性。
图2是本公开另一示例性实施例提供的一种车辆故障检测方法的流程图;参见图2,该车辆故障检测方法,可以应用于故障检测装置,该方法包括:
步骤201,在接收到检测指示信息时,根据该检测指示信息确定车辆待检测的目标部位。
在本公开一种可能的实现方式中,该故障检测装置可以包括第一机械臂,第二机械臂以及行走机构,该第一机械臂上设置有图像拍摄组件,该第二机械臂上设置有激光扫描组件;该第一机械臂,用于带动该图像拍摄组件获取车辆的多个待测部位的第一图像;该第二机械臂,用于带动该激光扫描组件获取该车辆的预设部位的第二图像。
在本步骤中,该检测指示信息用于指示车辆待检测的目标部位,该故障检测装置可以控制该故障检测装置上的行走机构移动至该目标部位对应的检测位置。
步骤202,通过图像拍摄组件获取该目标部位的第一图像。
在本步骤中,在控制该故障检测装置上的行走机构移动至该目标部位对应的检测位置后,在该检测位置通过该图像拍摄组件获取该目标部位的第一图像。
在一种可能的实现方式中,可以通过该第一机械臂控制该图像拍摄组件在不同角度获取该目标部位的多个预处理图像;并对多个该预处理图像进行合成得到该第一图像。
在另一种可能的实现方式中,可以通过图像拍摄组件在多个预设角度进行拍摄,从得到的多个预设角度的图像中筛选出包含目标部位特征最多的图像作为该第一图像。
步骤203,若根据该第一图像确定该目标部位为预设部位,通过激光扫描组件获取该目标部位的第二图像。
在本步骤中,可以通过该第二机械臂控制该激光扫描组件在指定角度获取该第二图像。其中,该指定角度可以为任意预设扫描角度。
需要说明的是,若根据该第一图像确定该目标部位为非预设部位,根据该第一图像确定该目标部位是否存在该异常点;若确定该目标部位存在该异常点,在该第一图像中对该异常点进行标记;将标记后的第一图像发送至服务器,以使该服务器根据该第一图像中标记的该异常点确定该车辆是否故障。
步骤204,根据该第二图像确定该目标部位是否存在异常点。
在一种可能的实现方式中,可以获取该目标部位对应的激光标准图像;获取该第二图像与该激光标准图像的差异度;若该差异度大于或者等于预设差异度阈值,则确定该目标部位存在该异常点;若该差异度小于该预设差异度阈值,则确定该目标部位不存在该异常点。
在本步骤中,若确定该目标部位存在该异常点,则执行步骤205;若不存在异常点,则获取新的检测指示信息,并再次执行步骤201至203。
步骤205,在该第二图像中对该异常点进行标记。
需要说明的是,对该异常点进行标记的实施方式,可以参考现有技术中的标记方式,本公开对此不作限定。
步骤206,将标记后的第二图像发送至服务器,以使该服务器根据该第二图像中标记的该异常点确定该车辆是否故障。
需要说明的是,服务器根据该目标图像中标记的异常点,确定该车辆是否故障的具体实施方式为:获取该目标图像中该异常点所在位置处的图像与该标准图像的目标差异度;若该目标差异度大于或者等于预设目标差异度阈值,确定该车辆故障;若该目标差异度小于该预设目标差异度阈值,确定该车辆未发生故障。其中,在该目标图像为带有异常点标记的照片或视频时,该标准图像为该目标部位对应的不具有任何异常的,能够用于作为参照的照片或者视频图像数据;在该目标图像为带有异常点标记的激光扫描图像时,该标准图像为该目标部位对应的能够作为参照的标准激光扫描图像数据。
这样,能够在通过图像拍摄组件获取到的第一图像无法准确识别目标部位的异常点时,通过激光扫描组件获取的第二图像确定该目标部位是否存在异常点,能够使车辆故障检测装置的故障检测手段多元化的同时得到全面而准确的故障识别结果;能够提高故障检测的效率和故障识别结果的准确性。
图3是本公开又一示例性实施例提供的一种车辆故障检测方法的流程图;参见图3,该车辆故障检测方法,可以应用于故障检测装置,该方法包括:
步骤301,在接收到检测指示信息时,控制该行走机构移动至该目标部位对应的检测位置。
其中,该检测指示信息用于指示车辆待检测的目标部位,该装置包括第一机械臂,第二机械臂以及行走机构,该第一机械臂上设置有图像拍摄组件,该第二机械臂上设置有激光扫描组件;该第一机械臂,用于带动该图像拍摄组件获取车辆的多个待测部位的第一图像;该第二机械臂,用于带动该激光扫描组件获取该车辆的预设部位的第二图像。
步骤302,在该检测位置通过该图像拍摄组件获取该目标部位的第一图像。
本步骤的一种实施方式为,通过该第一机械臂控制该图像拍摄组件在不同角度获取该目标部位的多个预处理图像;并对多个该预处理图像进行合成得到该第一图像。
本步骤的另一种实施方式为,通过图像拍摄组件在多个预设角度进行拍摄,从得到的多个预设角度的图像中筛选出包含目标部位特征最多的图像作为该第一图像。
步骤303,根据该第一图像确定该目标部位是否为预设部位。
在本步骤中,若确定该目标部位为预设部位,则执行步骤304至305;若确定该目标部位为非预设部位,则执行步骤308;
本步骤的一种实施方式为,获取该第一图像中的部位特征,若该部位特征满足预设特征条件,确定该目标部位是该预设部位。
步骤304,通过该激光扫描组件获取该目标部位的第二图像。
本步骤的一种实施方式为,通过该第二机械臂控制该激光扫描组件在指定角度获取该第二图像。其中,该指定角度可以为任意预设扫描角度。
步骤305,根据该第二图像确定该目标部位是否存在异常点。
在本步骤中,在确定该目标部位存在该异常点时,执行步骤306至307;若确定该目标部位不存在该异常点时,获取新的检测指示信息,并再次执行步骤301至303。
本步骤的一种实施方式为,获取该目标部位对应的激光标准图像;获取该第二图像与该激光标准图像的差异度;若该差异度大于或者等于预设差异度阈值,则确定该目标部位存在该异常点;若该差异度小于该预设差异度阈值,则确定该目标部位不存在该异常点。
步骤306,在该第二图像中对该异常点进行标记。
步骤307,将标记后的第二图像发送至服务器,以使该服务器根据该第二图像中标记的该异常点确定该车辆是否故障。
步骤308,根据该第一图像确定该目标部位是否存在该异常点;
在本步骤中,若确定该目标部位存在该异常点,则执行步骤309至310;若确定该目标部位不存在该异常点时,跳转至步骤301,获取新的检测指示信息,并再次执行步骤302至303。
步骤309,在该第一图像中对该异常点进行标记。
步骤310,将标记后的第一图像发送至服务器,以使该服务器根据该第一图像中标记的该异常点确定该车辆是否故障。
关于上述实施例中的方法,其中各个步骤执行操作的具体实施方式已经在有关该装置的实施例中进行了详细描述,此处将不再赘述。
通过上述技术方案,在通过该图像拍摄组件获取到的第一图像中包括预设部位时,切换至激光扫描组件,通过激光扫描组件获取的第二图像确定该目标部位是否存在异常点;在确定该目标部位存在该异常点时,会在该第二图像中对该异常点进行标记;将标记后的第二图像发送至服务器,以使该服务器根据该第二图像中标记的该异常点确定该车辆是否故障。这样,能够在通过图像拍摄组件获取到的第一图像无法准确识别目标部位的异常点时,通过激光扫描组件获取的第二图像确定该目标部位是否存在异常点,能够使车辆故障检测装置的故障检测手段多元化的同时得到全面而准确的故障识别结果;能够提高故障检测的效率和故障识别结果的准确性。
图4是本公开又一示例性实施例提供的一种车辆故障检测方法的流程图;参见图4,应用于服务器,该方法包括:
步骤401,在车辆故障检测装置确定车辆的目标部位存在异常点时,接收该车辆故障检测装置发送的目标图像。
其中,该目标图像为该车辆故障检测装置在该目标部位的图像中对该异常点进行标记后得到的图像。
需要说明的是,该车辆故障检测装置可以为图1所示的车辆故障检测装置;这里以图1所示实施例为例进行说明,在该目标部位为该预设部位时,该目标图像为带有异常点标记的第二图像;在该目标部位为非预设部位时,该目标图像为带有异常点标记的第一图像,其中,第一图像为通过图像拍摄组件获取到的图片或者视频,该第二图像为采用激光扫描组件获取到的激光扫描图像。
步骤402,根据该目标图像中标记的异常点,确定该车辆是否故障。
本步骤的一种实施方式为,获取该目标图像对应的标准图像;获取该目标图像中该异常点所在位置处的图像与该标准图像的目标差异度;若该目标差异度大于或者等于预设目标差异度阈值,确定该车辆故障;若该目标差异度小于该预设目标差异度阈值,确定该车辆未发生故障。
这样,在车辆故障检测过程中,服务器不需要获取所有的原始图像数据和对原始图像数据进行处理,只需要核对图像中标记的异常点是否准确,因此能够有效地减少服务器的数据处理量,能够提高故障检测的效率和故障识别结果的准确性。
图5是本公开又一示例性实施例提供的一种车辆故障检测方法的流程图;参见图5,应用于服务器,该方法包括:
步骤501,在车辆故障检测装置确定车辆的目标部位存在异常点时,接收该车辆故障检测装置发送的目标图像。
其中,该目标图像为该车辆故障检测装置在该目标部位的图像中对该异常点进行标记后得到的图像。
步骤502,根据该目标图像中标记的异常点,确定该车辆是否故障。
在本步骤中,若确定该车辆故障,则执行步骤503;若确定该车辆未发生故障,则执行步骤504。
本步骤的一种实施方式为,获取该目标图像对应的标准图像;获取该目标图像中该异常点所在位置处的图像与该标准图像的目标差异度;若该目标差异度大于或者等于预设目标差异度阈值,确定该车辆故障;若该目标差异度小于该预设目标差异度阈值,确定该车辆未发生故障。其中,在该目标图像为带有异常点标记的照片或视频时,该标准图像为该目标部位对应的不具有任何异常的,能够用于作为参照的照片或者视频图像数据;在该目标图像为带有异常点标记的激光扫描图像时,该标准图像为该目标部位对应的能够作为参照的标准激光扫描图像数据。
步骤503,显示该异常点处的故障信息。
需要说明的是,该故障信息可以是任一待检测部位的某位置处存在鼓包,缺失,弯曲或者裂纹等信息,还可以具体地显示该鼓包的大小尺寸,缺失的零件尺寸和名称,弯曲的度数,以及裂纹的宽度和长度。可以根据检测出的故障状况提供检修的推荐信息,其中,该推荐信息可以包括推荐检修时使用的工具和修补的方法。
步骤504,删除该异常点对应的标记。
这样,在车辆故障检测过程中,服务器不需要获取所有的原始图像数据和对原始图像数据进行处理,只需要核对图像中标记的异常点是否准确,因此能够有效地减少服务器的数据处理量,能够提高故障检测的效率和故障识别结果的准确性。
在本公开又一示例性实施例中提供一种检测机器人,包括以上图1所述的车辆故障检测装置。
以上结合附图详细描述了本公开的优选实施方式,但是,本公开并不限于上述实施方式中的具体细节,在本公开的技术构思范围内,可以对本公开的技术方案进行多种简单变型,这些简单变型均属于本公开的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不必要的重复,本公开对各种可能的组合方式不再另行说明。
此外,本公开的各种不同的实施方式之间也可以进行任意组合,只要其不违背本公开的思想,其同样应当视为本公开所公开的内容。
Claims (10)
1.一种车辆故障检测装置,其特征在于,所述装置包括处理器,第一机械臂,第二机械臂以及行走机构,所述第一机械臂上设置有图像拍摄组件,所述第二机械臂上设置有激光扫描组件;其中,
所述处理器,用于在接收到检测指示信息时,所述检测指示信息用于指示车辆待检测的目标部位,控制所述行走机构移动至所述目标部位对应的检测位置,并在所述检测位置通过所述图像拍摄组件获取所述目标部位的第一图像,若根据所述第一图像确定所述目标部位为预设部位,通过所述激光扫描组件获取所述目标部位的第二图像,并根据所述第二图像确定所述目标部位是否存在异常点;若确定所述目标部位存在所述异常点,在所述第二图像中对所述异常点进行标记,并将标记后的第二图像发送至服务器,以使所述服务器根据所述第二图像中标记的所述异常点确定所述车辆是否故障;
所述第一机械臂,用于带动所述图像拍摄组件获取车辆的多个待测部位的第一图像;
所述第二机械臂,用于带动所述激光扫描组件获取所述车辆的预设部位的第二图像;
所述行走机构上设有定位组件,所述定位组件用于通过扫描二维码或者识别磁钉的方式确定所述行走机构当前所处的位置,车体上设有预设二维码,所述预设二维码中包括图像拍摄角度信息和激光扫描角度信息,所述图像拍摄角度信息用于指示该第一机械臂的目标位置;所述激光扫描角度信息用于指示该第二机械臂的目标位置。
2.根据权利要求1所述的装置,其特征在于,所述处理器,用于获取所述目标部位对应的激光标准图像,并获取所述第二图像与所述激光标准图像的差异度,若所述差异度大于或者等于预设差异度阈值,确定所述目标部位存在所述异常点。
3.根据权利要求1所述的装置,其特征在于,所述处理器,还用于若根据所述第一图像确定所述目标部位为非预设部位,根据所述第一图像确定所述目标部位是否存在所述异常点,若确定所述目标部位存在所述异常点,在所述第一图像中对所述异常点进行标记,并将标记后的第一图像发送至服务器,以使所述服务器根据所述第一图像中标记的所述异常点确定所述车辆是否故障。
4.根据权利要求1至3任一项所述的装置,其特征在于,
所述处理器,还用于通过所述第一机械臂控制所述图像拍摄组件在不同角度获取所述目标部位的多个预处理图像,并对多个所述预处理图像进行合成得到所述第一图像;
还用于通过所述第二机械臂控制所述激光扫描组件在指定角度获取所述第二图像。
5.一种车辆故障检测方法,其特征在于,应用于车辆故障检测装置,所述车辆故障检测装置包括第一机械臂,第二机械臂以及行走机构,所述第一机械臂上设置有图像拍摄组件,所述第二机械臂上设置有激光扫描组件,所述方法包括:
在接收到检测指示信息时,根据所述检测指示信息确定车辆待检测的目标部位;
通过所述图像拍摄组件获取所述目标部位的第一图像;
若根据所述第一图像确定所述目标部位为预设部位,通过所述激光扫描组件获取所述目标部位的第二图像;
根据所述第二图像确定所述目标部位是否存在异常点;
若确定所述目标部位存在所述异常点,在所述第二图像中对所述异常点进行标记;
将标记后的第二图像发送至服务器,以使所述服务器根据所述第二图像中标记的所述异常点确定所述车辆是否故障;
所述根据所述检测指示信息确定车辆待检测的目标部位,包括:
控制所述行走机构移动至所述目标部位对应的检测位置,所述行走机构上设有定位组件,所述定位组件用于通过扫描二维码或者识别磁钉的方式确定所述行走机构当前所处的位置,车体上设有预设二维码,所述预设二维码中包括图像拍摄角度信息和激光扫描角度信息,所述图像拍摄角度信息用于指示该第一机械臂的目标位置;所述激光扫描角度信息用于指示该第二机械臂的目标位置。
6.根据权利要求5所述的方法,其特征在于,所述根据所述第二图像确定所述目标部位是否存在异常点包括:
获取所述目标部位对应的激光标准图像;
获取所述第二图像与所述激光标准图像的差异度;
若所述差异度大于或者等于预设差异度阈值,确定所述目标部位存在所述异常点。
7.根据权利要求5所述的方法,其特征在于,所述方法还包括:
若根据所述第一图像确定所述目标部位为非预设部位,根据所述第一图像确定所述目标部位是否存在所述异常点;
若确定所述目标部位存在所述异常点,在所述第一图像中对所述异常点进行标记;
将标记后的第一图像发送至服务器,以使所述服务器根据所述第一图像中标记的所述异常点确定所述车辆是否故障。
8.根据权利要求5至7任一项所述的方法,其特征在于,所述通过所述图像拍摄组件获取所述目标部位的第一图像包括:
通过所述第一机械臂控制所述图像拍摄组件在不同角度获取所述目标部位的多个预处理图像;
对多个所述预处理图像进行合成得到所述第一图像;
所述通过所述激光扫描组件获取所述目标部位的第二图像,包括:
通过所述第二机械臂控制所述激光扫描组件在指定角度获取所述第二图像。
9.一种车辆故障检测方法,其特征在于,应用于服务器,所述方法包括:
在车辆故障检测装置确定车辆的目标部位存在异常点时,接收所述车辆故障检测装置发送的目标图像,所述目标图像为所述车辆故障检测装置在所述目标部位的图像中对所述异常点进行标记后得到的图像,所述车辆故障检测装置包括第一机械臂,第二机械臂以及行走机构,所述第一机械臂上设置有图像拍摄组件,所述第二机械臂上设置有激光扫描组件,所述车辆故障检测装置用于,控制所述行走机构移动至所述目标部位对应的检测位置,所述行走机构上设有定位组件,所述定位组件用于通过扫描二维码或者识别磁钉的方式确定所述行走机构当前所处的位置,车体上设有预设二维码,所述预设二维码中包括图像拍摄角度信息和激光扫描角度信息,所述图像拍摄角度信息用于指示该第一机械臂的目标位置;所述激光扫描角度信息用于指示该第二机械臂的目标位置;
根据所述目标图像中标记的异常点,确定所述车辆是否故障。
10.根据权利要求9所述的方法,其特征在于,所述根据所述目标图像中标记的异常点,确定所述车辆是否故障,包括:
获取所述目标图像对应的标准图像;
获取所述目标图像中所述异常点所在位置处的图像与所述标准图像的目标差异度;
若所述目标差异度大于或者等于预设目标差异度阈值,确定所述车辆故障;
若所述目标差异度小于所述预设目标差异度阈值,确定所述车辆未发生故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910817306.9A CN112444519B (zh) | 2019-08-30 | 2019-08-30 | 车辆故障检测装置和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910817306.9A CN112444519B (zh) | 2019-08-30 | 2019-08-30 | 车辆故障检测装置和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112444519A CN112444519A (zh) | 2021-03-05 |
CN112444519B true CN112444519B (zh) | 2022-07-15 |
Family
ID=74734479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910817306.9A Active CN112444519B (zh) | 2019-08-30 | 2019-08-30 | 车辆故障检测装置和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112444519B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113588224A (zh) * | 2021-09-29 | 2021-11-02 | 山东天河科技股份有限公司 | 一种用于机械性能测试的***及其使用方法 |
CN115406676A (zh) * | 2022-10-31 | 2022-11-29 | 成都盛锴科技有限公司 | 一种转向架检测***及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103512762A (zh) * | 2012-06-29 | 2014-01-15 | 北京华兴致远科技发展有限公司 | 图像处理方法、装置及列车故障检测*** |
CN107554558A (zh) * | 2017-08-31 | 2018-01-09 | 哈尔滨威克科技有限公司 | 铁路车辆走行部安全检测预警装置 |
CN108334879A (zh) * | 2018-02-11 | 2018-07-27 | 深圳市朗驰欣创科技股份有限公司 | 一种区域提取方法、***及终端设备 |
CN108491758A (zh) * | 2018-02-08 | 2018-09-04 | 深圳市睿灵创新科技开发有限公司 | 一种轨道检测方法及机器人 |
CN207983362U (zh) * | 2018-01-26 | 2018-10-19 | 广州普华灵动机器人技术有限公司 | 由轨道导引和激光定位用于轨道车辆底部巡检的机器人 |
CN109920081A (zh) * | 2019-03-28 | 2019-06-21 | 中铁第四勘察设计院集团有限公司 | 一种城市轨道交通车辆自动巡检车及巡检方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105500406B (zh) * | 2015-12-25 | 2017-07-28 | 山东建筑大学 | 一种变电站*** |
JP2018059830A (ja) * | 2016-10-06 | 2018-04-12 | 川崎重工業株式会社 | 外観検査方法 |
CN106997197B (zh) * | 2017-04-28 | 2023-02-28 | 山东德华一机床数控设备股份有限公司 | 一种钢管加工智能生产***及使用该***的钢管加工智能生产方法 |
CN108890657B (zh) * | 2018-07-11 | 2022-01-28 | 清华大学合肥公共安全研究院 | 一种配电房智能巡检机器人 |
-
2019
- 2019-08-30 CN CN201910817306.9A patent/CN112444519B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103512762A (zh) * | 2012-06-29 | 2014-01-15 | 北京华兴致远科技发展有限公司 | 图像处理方法、装置及列车故障检测*** |
CN107554558A (zh) * | 2017-08-31 | 2018-01-09 | 哈尔滨威克科技有限公司 | 铁路车辆走行部安全检测预警装置 |
CN207983362U (zh) * | 2018-01-26 | 2018-10-19 | 广州普华灵动机器人技术有限公司 | 由轨道导引和激光定位用于轨道车辆底部巡检的机器人 |
CN108491758A (zh) * | 2018-02-08 | 2018-09-04 | 深圳市睿灵创新科技开发有限公司 | 一种轨道检测方法及机器人 |
CN108334879A (zh) * | 2018-02-11 | 2018-07-27 | 深圳市朗驰欣创科技股份有限公司 | 一种区域提取方法、***及终端设备 |
CN109920081A (zh) * | 2019-03-28 | 2019-06-21 | 中铁第四勘察设计院集团有限公司 | 一种城市轨道交通车辆自动巡检车及巡检方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112444519A (zh) | 2021-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190158740A1 (en) | Motor control system for a self-calibrating multi-camera alignment system | |
CN113822840A (zh) | 车辆车底的检查***及方法 | |
US11541881B2 (en) | Automatic parking method, device, system, and vehicle | |
CN112444519B (zh) | 车辆故障检测装置和方法 | |
JP4926766B2 (ja) | 撮影範囲調節装置、撮影範囲調節方法及びコンピュータプログラム | |
EP3140777B1 (en) | Method for performing diagnosis of a camera system of a motor vehicle, camera system and motor vehicle | |
CN103359020A (zh) | 一种机动车驾驶培训或考试监控方法和*** | |
CN110490172A (zh) | 信息融合泊车的停车位位置补偿方法、***、装置、介质 | |
JP3516127B2 (ja) | 画像処理方法およびその装置 | |
CN111292294A (zh) | 一种库内车底部件异常检测方法及*** | |
JP2020060550A (ja) | 異常検出装置、異常検出方法、姿勢推定装置、および、移動体制御システム | |
JP2022539559A (ja) | 損傷検出装置及び方法 | |
JP2000293693A (ja) | 障害物検出方法および装置 | |
US20200103354A1 (en) | Device and method for perceiving an actual situation in an interior of a people mover | |
JP2007253699A (ja) | 光軸ずれ検出装置 | |
JP2006300890A (ja) | 画像処理検査装置及び画像処理検査方法 | |
KR101890765B1 (ko) | 비젼 시스템 기반의 pin 검출을 이용하는 pcb 진단 장치 및 방법 | |
KR102658268B1 (ko) | Avm용 주행 자동 공차 보정 장치 및 방법 | |
CN110188645B (zh) | 用于车载场景的人脸检测方法、装置、车辆及存储介质 | |
CN116106315A (zh) | 一种发动机外观检验装置、方法及存储介质 | |
CN107292818B (zh) | 一种基于环视相机的捕线器自动定位***及方法 | |
CN112292847A (zh) | 图像处理设备、移动设备、方法和程序 | |
CN104097572B (zh) | 行车辅助装置及其方法 | |
EP4012656A1 (en) | Method for real-time tow ball detection | |
CN112045681B (zh) | 获取安装孔位置的方法和安装牌照的方法、对应的装置 |
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 |