CN112788292A - 巡检观测点的确定方法、装置、巡检机器人和存储介质 - Google Patents
巡检观测点的确定方法、装置、巡检机器人和存储介质 Download PDFInfo
- Publication number
- CN112788292A CN112788292A CN202011584079.9A CN202011584079A CN112788292A CN 112788292 A CN112788292 A CN 112788292A CN 202011584079 A CN202011584079 A CN 202011584079A CN 112788292 A CN112788292 A CN 112788292A
- Authority
- CN
- China
- Prior art keywords
- observation
- inspection
- target
- inspected
- area
- 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.)
- Granted
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 306
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000004590 computer program Methods 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 208000003164 Diplopia Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 208000029444 double vision Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
- H04N7/185—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source from a mobile camera, e.g. for remote control
-
- 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)
- Manipulator (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请适用于机器人巡检技术领域,提供了一种巡检观测点的确定方法、装置、巡检机器人和存储介质,应用于巡检机器人,该方法包括:获取环境模型中多个待巡检目标的位姿信息,所述环境模型由包含所述待巡检目标的巡检空间构建而成;根据所述巡检机器人预设的巡检参数和所述多个待巡检目标的位姿信息,在所述环境模型中分别构建与所述多个待巡检目标一一对应的目标观测球;根据所述巡检参数,确定所述巡检机器人的巡检观测面;分别获取多个目标观测球在所述巡检观测面中的观测区截面;从多个观测区截面中,分别确定所述多个待巡检目标的目标观测点。巡检机器人按照上述方法确定的观测点进行巡检,可提高巡检的准确率。
Description
技术领域
本申请属于机器人巡检技术领域,尤其涉及一种巡检观测点的确定方法、装置、巡检机器人和存储介质。
背景技术
现有技术中,巡检机器人的巡检作业方式为,预先录入由工作人员设置的巡检观测点,并设置巡检机器人在该巡检观测点的云台姿态及相机观测参数。在机器人到达巡检观测点时,采取停顿、云台旋转、相机对焦、匹配调整的方式寻找目标巡检设备。然而,在上述过程中,巡检机器人通常会产生运行误差、云台转动误差、相机对焦误差等,以至于在上述多种误差积累的影响下,巡检机器人在到达巡检观测点时,容易丢失待巡检目标,导致巡检机器人的巡检准确率低。
发明内容
本申请实施例提供一种巡检观测点的确定方法、装置、巡检机器人和存储介质,可以解决现有技术中巡检机器人在巡检过程中巡检准确率低的问题。
第一方面,本申请实施例提供了一种巡检观测点的确定方法,应用于巡检机器人,所述方法包括:
获取环境模型中多个待巡检目标的位姿信息,所述环境模型由包含所述待巡检目标的巡检空间构建而成;
根据所述巡检机器人预设的巡检参数和所述多个待巡检目标的位姿信息,在所述环境模型中分别构建与所述多个待巡检目标一一对应的目标观测球;
根据所述巡检参数,确定所述巡检机器人的巡检观测面;
分别获取多个目标观测球在所述巡检观测面中的观测区截面;
从多个观测区截面中,分别确定所述多个待巡检目标的目标观测点。
在一实施例中,所述巡检参数包括所述巡检机器人在所述巡检空间中观测所述待巡检目标的最近观测距离以及最远观测距离,所述目标观测球包括最近观测球和最远观测球;
所述根据所述巡检机器人预设的巡检参数和所述多个待巡检目标的位姿信息,在所述环境模型中分别构建与所述多个待巡检目标一一对应的目标观测球,包括:
针对任一待巡检目标,根据所述待巡检目标的位姿信息确定球心;
基于所述球心,分别以所述最近观测距离和所述最远观测距离为球径,生成最近观测球和最远观测球。
在一实施例中,所述分别获取多个目标观测球在所述巡检观测面中的观测区截面,包括:
根据所述最近观测球和所述最远观测球,确定所述巡检机器人的观测区域,所述观测区域为所述最远观测球中未与所述最近观测球重叠的区域;
确定所述观测区域与所述巡检观测面具有交集的初始观测面;以及,
确定所述巡检机器人的可行驶区域投影在所述巡检观测面中的投影区域;
将所述初始观测面与所述投影区域的重叠部分作为所述目标观测球在所述巡检观测面中的观测区截面。
在一实施例中,所述从多个观测区截面中,分别确定所述多个待巡检目标的目标观测点,包括:
针对任一观测区截面,若所述观测区截面与其余观测区截面存在重叠区域,则确定所述重叠区域的中心点;
分别将所述中心点确定为所述观测区截面的目标观测点,以及存在所述重叠区域的所述其余观测区截面的目标观测点。
在一实施例中,所述从多个观测区截面中,分别确定所述多个待巡检目标的目标观测点,还包括:
针对任一观测区截面,若所述观测区截面与其余观测区截面未存在重叠区域,则获取所述初始观测面的中心圆,所述中心圆上的任意一点到所述观测区截面的边界的最短距离相等;
获取相邻目标观测点,所述相邻目标观测点为与所述观测区截面相邻的最近的观测区截面的目标观测点;
根据所述相邻目标观测点,从所述中心圆中确定所述观测区域的目标观测点,所述目标观测点与所述相邻目标观测点之间的连线为所述中心圆的切线。
在一实施例中,所述巡检机器人通过拍摄装置对所述待巡检目标进行数据采集;
在所述从多个观测区截面中,分别确定所述多个待巡检目标的目标观测点之后,还包括:
根据所述多个待巡检目标的位姿信息,以及所述多个待巡检目标对应的目标观测点的点位置信息,分别计算每个目标观测点与对应的所述待巡检目标的距离值;
分别确定所述每个目标观测点与对应的所述待巡检目标的角度;
根据所述角度,分别确定所述巡检机器人拍摄所述多个待巡检目标的拍摄角度;以及,
根据所述距离值,分别确定所述巡检机器人拍摄所述多个待巡检目标的拍摄焦距。
在一实施例中,在所述从多个观测区截面中,分别确定所述多个待巡检目标的目标观测点之后,还包括:
依次将相邻的目标观测点进行连接,生成所述巡检机器人的巡检路径。
第二方面,本申请实施例提供了一种巡检观测点的确定装置,应用于巡检机器人,所述装置包括:
第一获取模块,用于获取环境模型中多个待巡检目标的位姿信息,所述环境模型由包含所述待巡检目标的巡检空间构建而成;
构建模块,用于根据所述巡检机器人预设的巡检参数和所述多个待巡检目标的位姿信息,在所述环境模型中分别构建与所述多个待巡检目标一一对应的目标观测球;
第一确定模块,用于根据所述巡检参数,确定所述巡检机器人的巡检观测面;
第二获取模块,用于分别获取多个目标观测球在所述巡检观测面中的观测区截面;
第二确定模块,用于从多个观测区截面中,分别确定所述多个待巡检目标的目标观测点。
第三方面,本申请实施例提供了一种巡检机器人,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面任一项所述的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面任一项所述的方法。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在巡检机器人上运行时,使得巡检机器人执行上述第一方面中任一项所述的方法。
在本实施例中,巡检机器人在获取环境模型中待巡检目标的位姿信息以及巡检机器人预设的巡检参数后,可根据巡检机器人在该环境模型下观测待巡检目标的最远观测距离和最近观测距离,在环境模型中构建待巡检目标的目标观测球。之后,根据巡检机器人的巡检观测面,获取目标观测球与巡检观测面的交集面,即观测区截面。最后,从整个观测区截面中,确定待巡检目标的目标观测点。以此,在确定目标观测点后,即使巡检机器人运行位置产生部分误差,其误差范围也通常在观测区截面内。进而,在该观测区截面内,根据目标观测点的位姿信息和待巡检目标的位姿信息,巡检机器人在调整云台的转动角度,以及相机焦距之后,也可准确对待巡检目标进行检测,提高巡检机器人的巡检准确率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的一种巡检观测点的确定方法的实现流程图;
图2是本申请一实施例提供的一种巡检观测点的确定方法中的应用场景示意图;
图3是本申请一实施例提供的另一种巡检观测点的确定方法中的应用场景示意图;
图4是本申请一实施例提供的一种巡检观测点的确定方法的S102的一种实现方式示意图;
图5是本申请一实施例提供的一种巡检观测点的确定方法的S104的一种实现方式示意图;
图6是本申请一实施例提供的一种巡检观测点的确定方法的S105的一种实现方式示意图;
图7是本申请另一实施例提供的另一种巡检观测点的确定方法的S105的一种实现方式示意图;
图8是本申请另一实施例提供的一种巡检观测点的确定方法的实现流程图;
图9是本申请实施例提供的一种巡检观测点的确定装置的结构框图;
图10是本申请实施例提供的一种巡检机器人的结构框图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
本申请实施例提供的巡检观测点的确定方法应用于巡检机器人,用于对待巡检目标进行检测。其中,巡检机器人包括但不限于地面轮式机器人、空中无人机等移动机器人。待巡检目标包括但不限于电力表计、线路、绝缘子、开关等,对此不作限定。
图1示出了本发明实施例提供的巡检观测点的确定方法的实现流程图,应用于巡检机器人,所述方法详述如下:
S101、获取环境模型中多个待巡检目标的位姿信息,所述环境模型由包含所述待巡检目标的巡检空间构建而成。
在应用中,上述环境模型包括但不限于2维环境模型、3维环境模型等。在本实施例中,以3维环境模型作为示例进行解释说明书。其中,3维环境模型为利用虚拟环境(VR,Virtual Reality)场景、3维点云建模等技术,建立包含待巡检目标的3维点云环境模型(巡检空间)。
在应用中,上述巡检机器人可通过自身搭载的3维激光、惯性测量单元(InertialMeasurement Unit,IMU)等传感器,感知巡检空间并自主导航行驶。另外,巡检机器人背上可搭载双视云台,其可用于采集待巡检目标的信息,并将信息传输至巡检控制平台。可以理解的是,在上述3维点云环境模型中,包含了丰富、清晰的待巡检目标的位姿信息。巡检机器人可以利用对待巡检目标的3维点云数据做进一步的聚类抽象(例如,聚类抽象为线、面等)处理。之后,通过深度学习等自动检测手段或人工经验检测的方式,确定聚类抽象后待巡检目标的中心点位置,作为位姿信息,具体可参照图2,图2中的待检目标a即为待巡检的目标,其为经过聚类抽象后的待巡检目标的中心点位置。巡检机器人在上述3维点云环境模型中的可行驶空间/可行驶区域,也可以通过点云数据聚类抽象或者人工标注的方式提前获得。
在应用中,上述位姿信息包括待巡检目标的位置信息,以及待巡检目标的方向信息,即在描述了待巡检目标在巡检空间的位置和方向。其中,上述方向信息可认为是待巡检目标相对于巡检空间的起点(坐标轴结构的原点)或中心点的方向信息,可以理解的是,上述巡检空间的起点或中心点,均可以由工作人员预先在巡检机器人中进行设定。
S102、根据所述巡检机器人预设的巡检参数和所述多个待巡检目标的位姿信息,在所述环境模型中分别构建与所述多个待巡检目标一一对应的目标观测球。
在应用中,上述巡检机器人的巡检参数包括但不限于巡检机器人的初始位姿信息、巡检机器人的可行驶区域,以及巡检机器人拍摄待巡检目标的最近观测距离和最远观测距离等。上述构建待巡检目标的目标观测球可以为,将待巡检目标的位姿信息,确定为待巡检目标的球心位置,分别以最近观测距离和最远观测距离为球径,对应生成最近观测球和最远观测球。之后,可将该最近观测球和最远观测球作为待巡检目标对应的目标观测球,也可将最远观测球中未与最近观测球重叠的区域,作为目标观测球,对此不作限定。
S103、根据所述巡检参数,确定所述巡检机器人的巡检观测面。
在应用中,上述巡检观测面为巡检机器人拍摄待巡检目标的水平拍摄面。具体的,巡检机器人装载有云台,根据云台距离地面的高度参数即可确定其巡检观测面。其中,云台是安装、固定相机的支撑设备,它分为固定云台和电动云台两种。在本实施例中,以电动云台作为示例进行解释说明。在电动云台上安装好相机后,云台根据其回转的特点(可左右旋转又能上下旋转)进行水平和垂直两个方向转动的装置。可以理解的是,相机通过云台进行水平和垂直方向的旋转时,其距离地面的高度不会改变,可将相机在该高度下水平方向进行拍摄的水平面,作为巡检机器人的巡检观测面。具体可参照图2和图3,其图2中,虚线表示的云台高度观测面即为巡检观测面,图3中的白色矩形区域和阴影矩形区域均可认为是巡检观测面。
S104、分别获取多个目标观测球在所述巡检观测面中的观测区截面。
在应用中,获取目标观测球中的观测区截面可以为,以巡检观测面为切面,获取目标观测球与巡检观测面的交集面,作为观测区截面。可以理解的是,相机拍摄物待巡检目标的最远观测距离通常为无穷远。然而,待巡检目标的可行驶区域有限,可认为待巡检目标的最远观测距离是待巡检目标与可行驶区域的边界的距离。因此,对于在可行驶区域上行驶的巡检机器人,其巡检观测面必定与目标观测球产生交集。可参照图3,基于S103中对目标观测球的论述(将最远观测球中未与最近观测球重叠的区域作为目标观测球),可知,观测区截面为圆环阴影区域(例如,图3中待巡检目标c的观测区截面)。
S105、从多个观测区截面中,分别确定所述多个待巡检目标的目标观测点。
在应用中,根据上述S104中对观测区域截面的论述,可认为上述目标观测点可为观测区域截面中内圆与外圆之间的圆环阴影区域的任意一点。优选的,对于图3左边待巡检目标a的观测区截面,可认为对于上述圆环阴影区域,可获取圆环阴影区域的中心圆,并将中心圆上的任意一点优选的作为该待巡检目标的目标观测点,对此不作限定。
需要说明的是,现有技术中,巡检机器人的巡检作业方式为,预先录入由工作人员设置的巡检观测点,并设置巡检机器人在该巡检观测点的云台姿态及相机观测参数。在机器人到达巡检观测点时,采取停顿、云台旋转、相机对焦、匹配调整的方式寻找目标巡检设备。然而,在上述过程中,巡检观测点参数配置工作量大、误配、漏配和配置不准确等缺点明显,且在观测时,巡检机器人通常会产生运行误差、云台转动误差、相机对焦误差等因素的综合影响,以至于在到达巡检观测点时,在上述综合误差积累的影响下,巡检机器人丢失了待巡检目标。然而,在本实施例中,巡检机器人在获取环境模型中待巡检目标的位姿信息以及巡检机器人预设的巡检参数后,可根据巡检机器人的最远观测距离和最近观测距离,在环境模型中构建待巡检目标的目标观测球。之后,根据巡检机器人的巡检观测面,获取目标观测球与巡检观测面的交集面,即观测区截面。最后,从整个观测区截面中,确定待巡检目标的目标观测点。以此,在确定目标观测点后,即使巡检机器人运行位置产生部分误差,其误差范围也通常在观测区截面内。进而,在该观测区截面内,根据目标观测点的位姿信息和待巡检目标的位姿信息,巡检机器人在调整云台的转动角度以及相机焦距之后,也可准确对待巡检目标进行检测,提高巡检机器人的巡检准确率。在本实施例中,巡检机器人在获取环境模型中待巡检目标的位姿信息以及巡检机器人预设的巡检参数后,可根据巡检机器人在该环境模型下观测待巡检目标的最远观测距离和最近观测距离,在环境模型中构建待巡检目标的目标观测球。之后,根据巡检机器人的巡检观测面,获取目标观测球与巡检观测面的交集面,即观测区截面。最后,从整个观测区截面中,确定待巡检目标的目标观测点。以此,在确定目标观测点后,即使巡检机器人运行位置产生部分误差,其误差范围也通常在观测区截面内。进而,在该观测区截面内,根据目标观测点的位姿信息和待巡检目标的位姿信息,巡检机器人在调整云台的转动角度,以及相机焦距之后,也可准确对待巡检目标进行检测,提高巡检机器人的巡检准确率。
请参照图4,在一具体实施例中,所述巡检参数包括所述巡检机器人在所述巡检空间中观测所述待巡检目标的最近观测距离以及最远观测距离,所述目标观测球包括最近观测球和最远观测球;S102根据所述巡检机器人预设的巡检参数和所述多个待巡检目标的位姿信息,在所述环境模型中分别构建与所述多个待巡检目标一一对应的目标观测球,还包括如下子步骤S1021-S1022,详述如下:
S1021、针对任一待巡检目标,根据所述待巡检目标的位姿信息确定球心。
在应用中,上述S101中已对待巡检目标的位姿信息进行解释,并说明确定待巡检目标的中心点位置为待巡检目标的位姿信息,对此不再进行说明。
S1022、基于所述球心,分别以所述最近观测距离和所述最远观测距离为球径,生成最近观测球和最远观测球。
在应用中,上述S102中已说明最近观测距离和最远观测距离均可认为是巡检机器人可清楚拍摄待巡检目标的最佳距离,并说明如何生成目标观测球,对此不再进行说明。需要补充的是,上述最近观测距离对应的观测点,和最远观测距离对应的观测点,均是巡检机器人在可行驶区域中所能到达的位置。
请参照图5,在一具体实施例中,S104分别获取多个目标观测球在所述巡检观测面中的观测区截面,还包括如下子步骤S1041-S1044,详述如下:
S1041、根据所述最近观测球和所述最远观测球,确定所述巡检机器人的观测区域,所述观测区域为所述最远观测球中未与所述最近观测球重叠的区域。
在应用中,参照图3,以同一中心点为球心生成的最近观测球和最远观测球,其最远观测球必定与最近观测球部分重叠。另外,因最近观测球内部区域空间的任意一点到球心的距离均小于最近距离。基于此,可确定最近观测球中的任一位置并非观测待巡检目标的最佳观测点。因此,可将最远观测球中未与最近观测球重叠的区域,确定为巡检机器人可观测待巡检目标的区域。
需要补充的是,对于巡检空间,因各个设施的分布位置,可能存在部分设施处于最远观测球中未与最近观测球重叠的区域。基于此,若在该区域中存在设施阻碍观察,则在该区域中,根据设施的位姿信息,可在该区域中以阴影部分标识设施的位置,以使得巡检机器人可获取到去除设施障碍后的目标观测球。具体可参照图2中,各个球体上圆形阴影区域,即为该区域中存在的设施阻碍巡检机器人的观测。
S1042、确定所述观测区域与所述巡检观测面具有交集的初始观测面;以及,
S1043、确定所述巡检机器人的可行驶区域投影在所述巡检观测面中的投影区域。
在应用中,上述初始观测面为观测区域与巡检观测面具有交集的平面。具体的,可参照图3,巡检观测面可认为是图3中的整个矩形白色区域以及矩形阴影区域。图中的圆形中,内圆为最近观测球与巡检观测面具有交集的部分区域,外圆为最远观测球与巡检观测面具有交集的部分区域。内圆与外圆之间的圆环,其为圆环阴影区域,可认为该圆环阴影区域是上述观测区域与巡检观测面具有交集的区域,即初始观测面。可以理解的是,该图中的中心点(圆点)为球心投影在该巡检观测面中的位置。在确定球心在3维点云环境中的位姿信息后,可基于云台的巡检观测面的高度,更改球心的竖直方向的Z轴数值,确定该中心点在3维点云环境中的位置,并确定球心到中心点的竖直距离。之后,可根据最远观测距离、以及球心到中心点的数值距离,确定外圆的半径。同理,可确定内圆的半径,基于此,可确定巡检观测面中的圆环阴影区域。
在应用中,上述投影区域为巡检机器人的可行驶区域投影在巡检观测面中的区域。参照图2和图3,上述可行驶区域路径为矩形路径,将可行驶区域投影在巡检观测面时,可从图3中看出,其只为巡检观测面的部分区域,即为图3中的矩形阴影区域。可认为上述矩形阴影区域为巡检机器人在可行驶区域中所能到达的区域。
S1044、将所述初始观测面与所述投影区域的重叠部分作为所述目标观测球在所述巡检观测面中的观测区截面。
在应用中,可从图3上看出,圆环阴影区域(初始观测面)与矩形阴影区域(巡检机器人在可行驶区域中所能到达的区域)具有部分重叠区域,而该部分重叠区域即为目标观测球在巡检观测面中的观测区截面。而与白色区域重叠的部分圆环阴影区域,则表示该区域虽然满足巡检机器人拍摄待巡检目标的要求,但是巡检机器人无法到达该区域。因此,可以理解的是,对上述观测区截面,巡检机器人可到达该观测区截面中的任一位置,且可满足巡检机器人拍摄待巡检目标的要求。基于此,在上述方法生成的观测区界面中确定目标观测点时,即使巡检机器人运行位置产生部分误差,其误差范围也通常在观测区截面内,使得巡检机器人可准确对待巡检目标进行检测,提高巡检机器人的巡检准确率。
请参照图6,在一具体实施例中,S105从多个观测区截面中,分别确定所述多个待巡检目标的目标观测点,还包括如下子步骤S1051-S1052,详述如下:
S1051、针对任一观测区截面,若所述观测区截面与其余观测区截面存在重叠区域,则确定所述重叠区域的中心点。
S1052、分别将所述中心点确定为所述观测区截面的目标观测点,以及存在所述重叠区域的所述其余观测区截面的目标观测点。
在应用中,上述S1044中已说明观测区截面为圆环阴影区域(初始观测面)与矩形阴影区域(巡检机器人在可行驶区域中所能到达的区域)的部分重叠区域。具体的,可参照图3中的右边的两幅观测区截面。从图3可看出,待巡检目标b的观测区截面(在矩形阴影区域中的部分圆环区域)与待巡检目标c的观测区截面(在矩形阴影区域中的部分圆环区域)具有重叠区域。可以理解的是,巡检机器人中已经存储有3维点云环境,可认为巡检机器人已经预先确定巡检空间中的每个物体的位置信息。因此,基于上述方法获得的重叠区域,巡检机器人在确定圆心位置、最近观测距离以及最远观测距离后,也可通过计算确定重叠区域的边界的位置信息。在确定上述多个位置信息后,可确定重叠区域的中心点位置信息,并将中心点作为目标观测点。
可以理解的是,因目标观测点为重叠区域的中心点,因此,在该目标观测点下可以同时观测到待巡检目标b以及待巡检目标c。需要说明的是,重叠区域的中心点可作为待巡检目标b以及待巡检目标c共同的目标观测点。以此,可减少目标观测点的数量(一个目标观测点可对应观测多个待巡检目标),提高巡检机器人后续实际巡检的作业效率。解决了在巡检过程中,巡检机器人在较多的目标观测点下进行参数配置工作量大、误配、漏配和配置不准确等问题。
需要补充的是,在实际情况中,重叠区域的任意一点均可以作为目标观测点。然而,中心点确定为观测区截面的目标观测点,即使巡检机器人运行位置与中心点位置产生部分误差,其误差范围也通常在观测区截面内。进而,在该观测区截面内,巡检机器人也可准确对待巡检目标进行检测,提高巡检机器人的巡检准确率。
请参照图7,在一具体实施例中,S105从多个观测区截面中,分别确定所述多个待巡检目标的目标观测点,还包括如下子步骤S1053-S1055,详述如下:
S1053、针对任一观测区截面,若所述观测区截面与其余观测区截面未存在重叠区域,则获取所述初始观测面的中心圆,所述中心圆上的任意一点到所述观测区截面的边界的最短距离相等。
在应用中,参照图3中的左边的观测区截面,对于待巡检目标a的观测区截面与任何观测区截面均未有重叠。基于此,可获取初始观测面(包含了矩形白色区域以及矩形阴影区域的所有圆环区域),并根据初始观测面中最近观测球在巡检观测面的交集面(内圆)与最远观测球在巡检观测面的交集面(外圆)确定中心圆。基于此,该中心圆上的任意一点到观测区截面的边界(内圆边界和外圆的边界)的最短距离相等。
S1054、获取相邻目标观测点,所述相邻目标观测点为与所述观测区截面相邻的最近的观测区截面的目标观测点。
在应用中,上述相邻目标观测点可以理解为观测区截面相邻的最近的观测区截面的目标观测点。可以理解的是,对于待巡检目标a,其相邻的观测区截面的目标观测点包括了右边待巡检目标b的目标观测点,也包含了左边待巡检目标的目标观测点(图中未画出)。基于此,可计算目标观测点a与目标观测点b之间的距离,以及计算目标观测点a与另一目标观测点之间的距离。之后,可将距离待巡检目标a最近的目标观测点(距离最小对应的目标观测点)作为相邻目标观测点。
S1055、根据所述相邻目标观测点,从所述中心圆中确定所述观测区域的目标观测点,所述目标观测点与所述相邻目标观测点之间的连线为所述中心圆的切线。
在应用中,上述S1043中已说明如何确定外圆的半径和内圆的半径,基于此,可根据上述外圆的半径和内圆的半径计算中心圆的半径。之后,可根据该中心圆的半径以及圆心确定中心圆的方程。最后,在确定相邻目标观测点的位置信息后,根据圆的切线方程计算目标观测点。可以理解的是,过圆外一点可做圆的两条切线方程,即可得到中心圆的两个切点。然而,需要将处于阴影矩形区域的切点作为待巡检目标的目标观测点。在其他应用中,还可将相邻目标观测点与待巡检目标的中心点进行连接,并将该连接线与中心圆的交点作为目标观测点,对此不作限定。
请参照图8,在一具体实施例中,所述巡检机器人通过拍摄装置对所述待巡检目标进行数据采集;在S105从多个观测区截面中,分别确定所述多个待巡检目标的目标观测点之后,还包括如下步骤S105a-S105d,详述如下:
S105a、根据所述多个待巡检目标的位姿信息,以及所述多个待巡检目标对应的目标观测点的点位置信息,分别计算每个目标观测点与对应的所述待巡检目标的距离值。
在应用中,上述拍摄装置包括但不限于照相机、摄像机等视觉检测装置。在其他应用中,上述巡检机器人也可以搭载气体、超声波、激光等其它检测装置对待巡检目标进行检测,对此不作限定。
在应用中,上述S101中已说明上述位姿信息包括待巡检目标的位置信息和方向信息。基于此,可根据其中的位置信息与目标观测点的点位置信息,通过空间距离计算公式计算目标观测点与待巡检目标的距离值。
S105b、分别确定所述每个目标观测点与对应的所述待巡检目标的角度。
在应用中,因位姿信息包括待巡检目标在巡检空间中的方向信息。基于此,可确定其目标观测点的位置信息为矢量坐标信息。在确定目标观测点的点位置信息后,也可根据点位置信息以及巡检空间的坐标原点(巡检空间的起始点或中心点)确定点位置信息在巡检空间的方向信息,得到目标观测点的矢量坐标信息。另外,在获取到目标观测点与待巡检目标的距离值后,可构建直角三角形,确定目标观测点到待巡检目标的竖直距离(可认为是S1043中球心到巡检观测面中圆的中心点的竖直距离)。最后,根据球心的位置信息以及待巡检目标的位置信息计算两点之间距离,并结合正弦、余弦定理计算目标观测点到待巡检目标的角度。
S105c、根据所述角度,分别确定所述巡检机器人拍摄所述多个待巡检目标的拍摄角度;以及,
S105d、根据所述距离值,分别确定所述巡检机器人拍摄所述多个待巡检目标的拍摄焦距。
在应用中,在确定角度后,该角度即为巡检机器人拍摄待巡检目标的拍摄角度。上述根据距离值确定巡检机器人拍摄待巡检目标的拍摄焦距可以为,工作人员预先在巡检机器人中存储有多个拍摄焦距,每个拍摄焦距对应的一个拍摄距离范围。巡检机器人根据距离值,确定当前距离所处的拍摄距离范围,进而获取当前拍摄距离范围对应的拍摄焦距。在确定每个待巡检目标的目标观测点的位置信息、拍摄角度和拍摄方向后,可将各个目标观测点的上述观测参数进行保存。基于此,可减少现有技术中,在确定目标观测点后,巡检机器人还需采取停顿、云台旋转、相机对焦、匹配调整的方式寻找待巡检目标的问题。进而,使得巡检机器人在到达目标观测点后,可直接采用计算好的拍摄方向和拍摄焦距进行参数调整,提高巡检效率。
在一具体实施例中,在S105从多个观测区截面中,分别确定所述多个待巡检目标的目标观测点之后,还包括如下步骤,详述如下:
依次将相邻的目标观测点进行连接,生成所述巡检机器人的巡检路径。
在应用中,在确定每个待巡检目标的目标观测点后,可依次将相邻的目标观测点进行连接,以使得生成的巡检机器人的巡检路径为闭合路径。以此,巡检机器人在巡检过程中,可将距离最近的目标观测点为起点,以任一相邻目标观测点为终点进行巡检。进而,可解决对待巡检目标进行配置时,未考虑巡检机器人实际巡检运行情况,导致巡检机器人因运行误差的积累,使其在对待巡检目标进行检测时出现漏检的问题。
在一实施例中,本申请实施例提供一种巡检观测点的确定装置的结构框图。具体的,请参阅图9,图9是本申请实施例提供的一种巡检观测点的确定装置的结构框图。本实施例中巡检观测点的确定装置包括的各模块用于执行图1、图4至图8对应的实施例中的各步骤。具体请参阅图1、图4至图8以及图1、图4至图8所对应的实施例中的相关描述。为了便于说明,仅示出了与本实施例相关的部分。参照图9,巡检观测点的确定装置900,应用于巡检机器人,巡检观测点的确定装置900包括:第一获取模块910、构建模块920、第一确定模块930、第二获取模块940以及第二确定模块950,其中:
第一获取模块910,用于获取环境模型中多个待巡检目标的位姿信息,所述环境模型由包含所述待巡检目标的巡检空间构建而成。
构建模块920,用于根据所述巡检机器人预设的巡检参数和所述多个待巡检目标的位姿信息,在所述环境模型中分别构建与所述多个待巡检目标一一对应的目标观测球。
第一确定模块930,用于根据所述巡检参数,确定所述巡检机器人的巡检观测面。
第二获取模块940,用于分别获取多个目标观测球在所述巡检观测面中的观测区截面。
第二确定模块950,用于从多个观测区截面中,分别确定所述多个待巡检目标的目标观测点。
在一实施例中,所述巡检参数包括所述巡检机器人在所述巡检空间中观测所述待巡检目标的最近观测距离以及最远观测距离,所述目标观测球包括最近观测球和最远观测球;构建模块920还用于:
针对任一待巡检目标,根据所述待巡检目标的位姿信息确定球心;
基于所述球心,分别以所述最近观测距离和所述最远观测距离为球径,生成最近观测球和最远观测球。
在一实施例中,第二获取模块940还用于:
根据所述最近观测球和所述最远观测球,确定所述巡检机器人的观测区域,所述观测区域为所述最远观测球中未与所述最近观测球重叠的区域;
确定所述观测区域与所述巡检观测面具有交集的初始观测面;以及,
确定所述巡检机器人的可行驶区域投影在所述巡检观测面中的投影区域;
将所述初始观测面与所述投影区域的重叠部分作为所述目标观测球在所述巡检观测面中的观测区截面。
在一实施例中,第二确定模块950还用于:
针对任一观测区截面,若所述观测区截面与其余观测区截面存在重叠区域,则确定所述重叠区域的中心点;
分别将所述中心点确定为所述观测区截面的目标观测点,以及存在所述重叠区域的所述其余观测区截面的目标观测点。
在一实施例中,第二确定模块950还用于:
针对任一观测区截面,若所述观测区截面与其余观测区截面未存在重叠区域,则获取所述初始观测面的中心圆,所述中心圆上的任意一点到所述观测区截面的边界的最短距离相等;
获取相邻目标观测点,所述相邻目标观测点为与所述观测区截面相邻的最近的观测区截面的目标观测点;
根据所述相邻目标观测点,从所述中心圆中确定所述观测区域的目标观测点,所述目标观测点与所述相邻目标观测点之间的连线为所述中心圆的切线。
在一实施例中,所述巡检机器人通过拍摄装置对所述待巡检目标进行数据采集;巡检观测点的确定装置900还包括:
计算模块,用于根据所述多个待巡检目标的位姿信息,以及所述多个待巡检目标对应的目标观测点的点位置信息,分别计算每个目标观测点与对应的所述待巡检目标的距离值。
第三确定模块,用于分别确定所述每个目标观测点与对应的所述待巡检目标的角度。
第四确定模块,用于根据所述角度,分别确定所述巡检机器人拍摄所述多个待巡检目标的拍摄角度。以及,
第五确定模块,用于根据所述距离值,分别确定所述巡检机器人拍摄所述多个待巡检目标的拍摄焦距。
在一实施例中,巡检观测点的确定装置900,还包括:
生成模块,用于依次将相邻的目标观测点进行连接,生成所述巡检机器人的巡检路径。
应当理解的是,图9示出的巡检观测点的确定装置的结构框图中,各单元/模块用于执行图1、图4至图8对应的实施例中的各步骤,而对于图1、图4至图8对应的实施例中的各步骤已在上述实施例中进行详细解释,具体请参阅图1、图4至图8以及图1、图4至图8所对应的实施例中的相关描述,此处不再赘述。
图10是本申请另一实施例提供的一种巡检机器人的结构框图。如图10所示,该实施例的巡检机器人1000包括:处理器1010、存储器1020以及存储在存储器1020中并可在处理器1010运行的计算机程序1030,例如巡检观测点的确定方法的程序。处理器1010执行计算机程序1030时实现上述各个巡检观测点的确定方法各实施例中的步骤,例如图1所示的S101至S105。或者,处理器1010执行计算机程序1030时实现上述图9对应的实施例中各模块的功能,例如,图9所示的模块910至950的功能,具体请参阅图9对应的实施例中的相关描述。
示例性的,计算机程序1030可以被分割成一个或多个单元,一个或者多个单元被存储在存储器1020中,并由处理器1010执行,以完成本申请。一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序1030在巡检机器人1000中的执行过程。例如,计算机程序1030可以被分割成获取模块、提取模块、第一处理模块、第二处理模块以及识别模块,各模块具体功能可参阅图9对应的实施例中的相关描述。
巡检机器人可包括,但不仅限于,处理器1010、存储器1020。本领域技术人员可以理解,图10仅仅是巡检机器人1000的示例,并不构成对巡检机器人1000的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如巡检机器人还可以包括输入输出设备、网络接入设备、总线等。
所称处理器1010可以是中央处理单元,还可以是其他通用处理器、数字信号处理器、专用集成电路、现成可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器1020可以是巡检机器人1000的内部存储单元,例如巡检机器人1000的硬盘或内存。存储器1020也可以是巡检机器人1000的外部存储设备,例如巡检机器人1000上配备的插接式硬盘,智能存储卡,闪存卡等。进一步地,存储器1020还可以既包括巡检机器人1000的内部存储单元也包括外部存储设备。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种巡检观测点的确定方法,其特征在于,应用于巡检机器人,所述方法包括:
获取环境模型中多个待巡检目标的位姿信息,所述环境模型由包含所述待巡检目标的巡检空间构建而成;
根据所述巡检机器人预设的巡检参数和所述多个待巡检目标的位姿信息,在所述环境模型中分别构建与所述多个待巡检目标一一对应的目标观测球;
根据所述巡检参数,确定所述巡检机器人的巡检观测面;
分别获取多个目标观测球在所述巡检观测面中的观测区截面;
从多个观测区截面中,分别确定所述多个待巡检目标的目标观测点。
2.如权利要求1所述的巡检观测点的确定方法,其特征在于,所述巡检参数包括所述巡检机器人在所述巡检空间中观测所述待巡检目标的最近观测距离以及最远观测距离,所述目标观测球包括最近观测球和最远观测球;
所述根据所述巡检机器人预设的巡检参数和所述多个待巡检目标的位姿信息,在所述环境模型中分别构建与所述多个待巡检目标一一对应的目标观测球,包括:
针对任一待巡检目标,根据所述待巡检目标的位姿信息确定球心;
基于所述球心,分别以所述最近观测距离和所述最远观测距离为球径,生成最近观测球和最远观测球。
3.如权利要求2所述的巡检观测点的确定方法,其特征在于,所述分别获取多个目标观测球在所述巡检观测面中的观测区截面,包括:
根据所述最近观测球和所述最远观测球,确定所述巡检机器人的观测区域,所述观测区域为所述最远观测球中未与所述最近观测球重叠的区域;
确定所述观测区域与所述巡检观测面具有交集的初始观测面;以及,
确定所述巡检机器人的可行驶区域投影在所述巡检观测面中的投影区域;
将所述初始观测面与所述投影区域的重叠部分作为所述目标观测球在所述巡检观测面中的观测区截面。
4.如权利要求3所述的巡检观测点的确定方法,其特征在于,所述从多个观测区截面中,分别确定所述多个待巡检目标的目标观测点,包括:
针对任一观测区截面,若所述观测区截面与其余观测区截面存在重叠区域,则确定所述重叠区域的中心点;
分别将所述中心点确定为所述观测区截面的目标观测点,以及存在所述重叠区域的所述其余观测区截面的目标观测点。
5.如权利要求3所述的巡检观测点的确定方法,其特征在于,所述从多个观测区截面中,分别确定所述多个待巡检目标的目标观测点,还包括:
针对任一观测区截面,若所述观测区截面与其余观测区截面未存在重叠区域,则获取所述初始观测面的中心圆,所述中心圆上的任意一点到所述观测区截面的边界的最短距离相等;
获取相邻目标观测点,所述相邻目标观测点为与所述观测区截面相邻的最近的观测区截面的目标观测点;
根据所述相邻目标观测点,从所述中心圆中确定所述观测区域的目标观测点,所述目标观测点与所述相邻目标观测点之间的连线为所述中心圆的切线。
6.如权利要求1-5任一所述的巡检观测点的确定方法,其特征在于,所述巡检机器人通过拍摄装置对所述待巡检目标进行数据采集;
在所述从多个观测区截面中,分别确定所述多个待巡检目标的目标观测点之后,还包括:
根据所述多个待巡检目标的位姿信息,以及所述多个待巡检目标对应的目标观测点的点位置信息,分别计算每个目标观测点与对应的所述待巡检目标的距离值;
分别确定所述每个目标观测点与对应的所述待巡检目标的角度;
根据所述角度,分别确定所述巡检机器人拍摄所述多个待巡检目标的拍摄角度;以及,
根据所述距离值,分别确定所述巡检机器人拍摄所述多个待巡检目标的拍摄焦距。
7.如权利要求1-5任一所述的巡检观测点的确定方法,其特征在于,在所述从多个观测区截面中,分别确定所述多个待巡检目标的目标观测点之后,还包括:
依次将相邻的目标观测点进行连接,生成所述巡检机器人的巡检路径。
8.一种巡检观测点的确定装置,其特征在于,应用于巡检机器人,所述装置包括:
第一获取模块,用于获取环境模型中多个待巡检目标的位姿信息,所述环境模型由包含所述待巡检目标的巡检空间构建而成;
构建模块,用于根据所述巡检机器人预设的巡检参数和所述多个待巡检目标的位姿信息,在所述环境模型中分别构建与所述多个待巡检目标一一对应的目标观测球;
第一确定模块,用于根据所述巡检参数,确定所述巡检机器人的巡检观测面;
第二获取模块,用于分别获取多个目标观测球在所述巡检观测面中的观测区截面;
第二确定模块,用于从多个观测区截面中,分别确定所述多个待巡检目标的目标观测点。
9.一种巡检机器人,包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011584079.9A CN112788292B (zh) | 2020-12-28 | 2020-12-28 | 巡检观测点的确定方法、装置、巡检机器人和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011584079.9A CN112788292B (zh) | 2020-12-28 | 2020-12-28 | 巡检观测点的确定方法、装置、巡检机器人和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112788292A true CN112788292A (zh) | 2021-05-11 |
CN112788292B CN112788292B (zh) | 2023-05-26 |
Family
ID=75753015
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011584079.9A Active CN112788292B (zh) | 2020-12-28 | 2020-12-28 | 巡检观测点的确定方法、装置、巡检机器人和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112788292B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114093052A (zh) * | 2021-11-17 | 2022-02-25 | 中国工商银行股份有限公司 | 适用于机房管理的智能巡检方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108364369A (zh) * | 2018-01-17 | 2018-08-03 | 上海振华重工(集团)股份有限公司 | 无人机巡检点确定方法、装置、介质、设备及*** |
WO2018195955A1 (zh) * | 2017-04-28 | 2018-11-01 | 深圳市大疆创新科技有限公司 | 一种基于飞行器的设施检测方法及控制设备 |
WO2020239094A1 (zh) * | 2019-05-30 | 2020-12-03 | 深圳市道通智能航空技术有限公司 | 一种对焦方法、装置、航拍相机以及无人飞行器 |
-
2020
- 2020-12-28 CN CN202011584079.9A patent/CN112788292B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018195955A1 (zh) * | 2017-04-28 | 2018-11-01 | 深圳市大疆创新科技有限公司 | 一种基于飞行器的设施检测方法及控制设备 |
CN108364369A (zh) * | 2018-01-17 | 2018-08-03 | 上海振华重工(集团)股份有限公司 | 无人机巡检点确定方法、装置、介质、设备及*** |
WO2020239094A1 (zh) * | 2019-05-30 | 2020-12-03 | 深圳市道通智能航空技术有限公司 | 一种对焦方法、装置、航拍相机以及无人飞行器 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114093052A (zh) * | 2021-11-17 | 2022-02-25 | 中国工商银行股份有限公司 | 适用于机房管理的智能巡检方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN112788292B (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6967715B2 (ja) | カメラ校正方法、カメラ校正プログラム及びカメラ校正装置 | |
CN109073498B (zh) | 用于对象的损坏分析的*** | |
JP6712330B2 (ja) | 撮影制御装置、撮影制御方法及びプログラム | |
CN111442722A (zh) | 定位方法、装置、存储介质及电子设备 | |
Mavrinac et al. | Semiautomatic model-based view planning for active triangulation 3-D inspection systems | |
US20120268567A1 (en) | Three-dimensional measurement apparatus, processing method, and non-transitory computer-readable storage medium | |
JP6039050B1 (ja) | 無人機を用いた構造物等の検査方法 | |
WO2011105616A1 (en) | Three-dimensional measurement apparatus, model generation apparatus, processing method thereof, and non-transitory computer-readable storage medium | |
CN105424006A (zh) | 基于双目视觉的无人机悬停精度测量方法 | |
CA2821982A1 (en) | Optical overhead wire measurement | |
CN111158358B (zh) | 一种基于三维模型对变电/换流站自优巡检的方法及*** | |
CN109460040A (zh) | 一种通过手机拍摄照片识别地板建立地图***及方法 | |
CN110926405B (zh) | 一种基于单目视觉灭点检测的arv姿态测量方法 | |
CN112669389A (zh) | 一种基于视觉引导的自动化标定*** | |
CN114071008A (zh) | 一种图像采集装置和图像采集方法 | |
CN113280209B (zh) | 检测管道多余物的***以及***的使用方法、检测方法 | |
CN112788292A (zh) | 巡检观测点的确定方法、装置、巡检机器人和存储介质 | |
Grudziński et al. | Stereovision tracking system for monitoring loader crane tip position | |
CN114661049A (zh) | 一种巡检方法、装置及计算机可读介质 | |
CN113034605A (zh) | 目标对象的位置确定方法、装置、电子设备及存储介质 | |
US20210156710A1 (en) | Map processing method, device, and computer-readable storage medium | |
JP2022093291A (ja) | 物体認識モデル及びナビゲーション計画を用いた誘導検査 | |
JP2019213039A (ja) | 俯瞰映像提示システム | |
CN117848234A (zh) | 物体扫描机构、方法及相关设备 | |
JP2019179015A (ja) | 経路表示装置 |
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 | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: B501, Building F2, TCL Science Park, No. 1001, Zhongshanyuan Road, Shuguang Community, Xili Street, Nanshan District, Shenzhen City, Guangdong Province, 518000 Patentee after: LAUNCH DIGITAL TECHNOLOGY Co.,Ltd. Country or region after: China Address before: 518000 Third Floor, Fengyun Building, Galaxy, No. 5 Xinxi Road, North District, Nanshan High-tech Park, Shenzhen City, Guangdong Province Patentee before: LAUNCH DIGITAL TECHNOLOGY Co.,Ltd. Country or region before: China |