CN114735044A - 智能轨道车辆巡检机器人 - Google Patents
智能轨道车辆巡检机器人 Download PDFInfo
- Publication number
- CN114735044A CN114735044A CN202210244398.8A CN202210244398A CN114735044A CN 114735044 A CN114735044 A CN 114735044A CN 202210244398 A CN202210244398 A CN 202210244398A CN 114735044 A CN114735044 A CN 114735044A
- Authority
- CN
- China
- Prior art keywords
- image
- inspection robot
- detection
- inspection
- dimensional
- 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 101
- 238000001514 detection method Methods 0.000 claims abstract description 74
- 238000005286 illumination Methods 0.000 claims abstract description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 7
- 230000008859 change Effects 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 31
- 238000004422 calculation algorithm Methods 0.000 claims description 26
- 238000013135 deep learning Methods 0.000 claims description 24
- 238000005516 engineering process Methods 0.000 claims description 17
- 230000005540 biological transmission Effects 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000006399 behavior Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000007635 classification algorithm Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 10
- 238000012795 verification Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61K—AUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
- B61K9/00—Railway vehicle profile gauges; Detecting or indicating overheating of components; Apparatus on locomotives or cars to indicate bad track sections; General design of track recording vehicles
- B61K9/08—Measuring installations for surveying permanent way
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J18/00—Arms
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
- B25J19/02—Sensing devices
- B25J19/021—Optical sensing devices
- B25J19/023—Optical sensing devices including video camera means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J5/00—Manipulators mounted on wheels or on carriages
- B25J5/02—Manipulators mounted on wheels or on carriages travelling along a guideway
-
- 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
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
-
- 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
- B25J9/1615—Programme controls characterised by special kind of manipulator, e.g. planar, scara, gantry, cantilever, space, closed chain, passive/active joints and tendon driven manipulators
- B25J9/162—Mobile manipulator, movable base with manipulator arm mounted on it
-
- 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
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
-
- 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
- B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
-
- 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)
- Mechanical Engineering (AREA)
- Robotics (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Image Analysis (AREA)
Abstract
本发明创造提供了一种智能轨道车辆巡检机器人，包括***平台和巡检机器人，所述***平台通过无线网络与巡检机器人进行交互，巡检机器人下部设置移动基座；所述巡检机器人设置图像采集***、安全防护***和自动定位***；所述图像采集***用于采集轨道车辆的巡检图像，图像采集***包括机械臂，和搭载于机械臂上的二维图像采集组件和或三维图像采集组件；所述机械臂采用六自由度机械臂；所述二维图像采集组件包括LED灯和双目相机；所述三维图像采集组件包括投影仪和双目相机；本发明创造旨在提出一种智能轨道车辆巡检机器人，以适用于轨道车辆检测，提高车辆关键部件识别准确率，解决由于水渍、污渍、光照变化等造成的误报。
Description
技术领域
本发明创造属于巡检机器人领域，尤其是涉及一种智能轨道车辆巡检机器人。
背景技术
轨道车辆检测通常采用人工作业，检测车辆的方法主要有：锤击法、手检法、目视法、测量法等；人工作业效率低，检测结果受人为因素影响。目前，针对地铁轨道车辆检测设计有巡检机器人，巡检机器人设置移动基座和图像采集设备，移动基座带动巡检机器人沿轨道行进采集图片，***平台通过无线网络与巡检机器人进行交互获取巡检图片，***平台根据巡检图片进行车辆检测，巡检机器人极大的提高了检测效率；但是，巡检机器人存在的问题是，车辆关键部件识别准确率不高，并且对应车辆部件的检测存在着由于水渍、污渍、光照变化等造成的误报。
发明创造内容
有鉴于此，本发明创造旨在提出一种智能轨道车辆巡检机器人，以适用于轨道车辆检测，提高车辆关键部件识别准确率，解决由于水渍、污渍、光照变化等造成的误报。
为达到上述目的，本发明创造的技术方案是这样实现的：
智能轨道车辆巡检机器人，包括***平台和巡检机器人，所述***平台通过无线网络与巡检机器人进行交互，巡检机器人下部设置移动基座；所述巡检机器人设置图像采集***、安全防护***和自动定位***；所述图像采集***用于采集轨道车辆的巡检图像，图像采集***包括机械臂，和搭载于机械臂上的二维图像采集组件和或三维图像采集组件；所述机械臂采用六自由度机械臂；所述二维图像采集组件包括LED灯和双目相机；所述三维图像采集组件包括投影仪和双目相机；所述安全防护***包括设置于所述巡检机器人移动基座四周的超声雷达，超声雷达用于对四周障碍物进行扫描；所述自动定位***采用SLAM导航***。
进一步的，所述***平台获取所述巡检图像，对巡检图像进行识别，具体包括以下步骤：检测目标识别的方案包括，运用机器视觉算法通过识别图像特征判断，运用深度学习方法进行故障分析。
进一步的，所述识别图像特征是基于对象特征的识别方式，对象特征识别是利用检测对象自身拥有的、并唯一标识其身份的标记特征或行为特征进行验证的方法，对象特征识别包括图像采集、图像检测、图像预处理、图像特征提取和图像匹配识别。
进一步的，所述***平台获取所述巡检图像，对巡检图像进行检测，具体包括以下步骤：
步骤一、基于深度学习的关键部件识别，基于深度学习算法，实现关键部件，例如正视螺栓、侧视螺栓、线缆接头等关键部件的识别定位，达到基于部件状态的检测效果；
步骤二、基于深度学习的异物检测方法，基于深度学习 YOLO 分类算法，实现异物检测，达到降低误判的目的；
步骤三、基于双目视觉及深度学习的三维快速成像技术，基于 end-to-end 的深度学习算法，实现快速双目视觉三维测量，提高三维检测精度及检测速度，降低水渍、污渍、光照变化等造成的误报。
进一步的，所述***平台获取所述巡检图像，对巡检图像进行检测，具体包括以下步骤：
对于车底部件二维图像的检测，直接计算两幅图像配准后的 SSIM ，转向架部件的二维图像识别采用点特征检测法开展特征检测、特征匹配、剔除误匹配，并利用 SSIM 衡量配准结果。
进一步的，所述***平台获取所述巡检图像，对巡检图像进行检测，具体包括以下步骤：
对于车底部件三维图像的检测，转向架部件三维轮廓检测采用双目相机和结构光实现目标三维轮廓检测，包括双目图像匹配和三维轮廓复原；双目标定及匹配技术主要采用张正友标定模型；利用标定算法对相机标定，利用双目纹理图像实现特征点匹配；利用双目标定结果对配准点开展三维计算，得到大量匹配点，恢复出三维外形。
进一步的，所述***平台获取所述巡检图像采用分层传输，基于图像分层编解码传输，对巡检图像的原始图像数据分层处理。
进一步的，所述***平台获取所述巡检图像，对巡检图像进行检测，具体包括以下步骤：
S1、采用纹理对比，分析列车外观上情况；
S2、区域图像灰度越变监控，判断有误异物；
S3、利用神经网络算法对外观结构进行学习，检测扣件网有无松脱、缺失或偏移；
S4、检测防松线是否移位，判断螺丝是否松动；
S5、对零部件的几何形态进行测量监控，检测关键部件是否变形。
进一步的，所述巡检机器人通过升降平台完成股道之间的切换，所述升降平台采用液压升降式平台，其设置有无线通讯模块，无线通讯模块用于与巡检机器人进行无线通讯。
进一步的，所述机械臂2为单臂式机械臂，单臂机械臂2包括的转轴3数量≥6。
相对于现有技术，本发明创造所述的智能轨道车辆巡检机器人具有以下优势：
本发明创造所述的智能轨道车辆巡检机器人采用自主导航技术、高清拍摄技术、多目三维检测技术、无线数传技术，对停靠库内检修地沟上的市域动车组列车转向架及车底进行全自动检测；采用深度学习算法，能够对关键部件，例如正视螺栓、侧视螺栓、线缆接头等关键部件的识别定位，达到基于部件状态的检测效果；通过算法，降低水渍、污渍、光照变化等造成的误报。
附图说明
构成本发明创造的一部分的附图用来提供对本发明创造的进一步理解，本发明创造的示意性实施例及其说明用于解释本发明创造，并不构成对本发明创造的不当限定。在附图中：
图1为本发明创造实施例所述的巡检机器人结构示意图；
图2为本发明创造实施例所述的深度学习方法的流程图；
图3为本发明创造实施例所述的检测验证结果图；
图4为本发明创造实施例所述的双目标定拍摄图像及双目纹理目标图；
图5本发明创造实施例所述的特征点匹配与传统配准算法结果图；
图6本发明创造实施例所述的三维恢复结果图；
图7本发明创造实施例所述的分层传输原理图。
附图标记说明：
1-二维图像采集组件；2-机械臂；3-转轴；4-移动基座。
具体实施方式
需要说明的是，在不冲突的情况下，本发明创造中的实施例及实施例中的特征可以相互组合。
下面将参考附图并结合实施例来详细说明本发明创造。
如图1所示，智能轨道车辆巡检机器人，包括***平台和巡检机器人，所述***平台通过无线网络与巡检机器人进行交互，巡检机器人下部设置移动基座4；其特征在于：所述巡检机器人设置图像采集***、安全防护***和自动定位***；所述图像采集***用于采集轨道车辆的巡检图像，图像采集***包括机械臂，和搭载于机械臂2上的二维图像采集组件1和或三维图像采集组件；所述机械臂采用六自由度机械臂；所述二维图像采集组件包括LED灯和双目相机；所述三维图像采集组件包括投影仪和双目相机；所述安全防护***包括设置于所述巡检机器人移动基座四周的超声雷达，超声雷达用于对四周障碍物进行扫描；所述自动定位***采用SLAM导航***。
智能轨道车辆巡检机器人采用自主导航技术、高清拍摄技术、多目三维检测技术、无线数传技术，对停靠库内检修地沟上的市域动车组列车转向架及车底进行全自动检测。智能巡检机器人实现以智行和智检两大功能模块的针对性的车辆巡检检测解决方案。智行功能为机器人在检测过程脱离人工操作自动行走。检测机器人的智检功能是指在机器人进行故障检测中的智能化，去人工化。与智行功能一致，接下来将分析目前检测人员在检测过程中的行为，并将之与机器人智检功能对应。
机器人通过SLAM导航，通过自身所携带的内部传感器（编码器、IMU等）和外部传感器（激光传感器或者视觉传感器）来对自身进行定位，并在定位的基础上利用外部传感器获取的环境信息增量式的构建环境地图。基于环境自然导航的AGV中，机器人在运动过程中通过编码器结合IMU计算得到里程计信息，运用机器人的运动模型得到机器人的位姿初估计，然后通过机器人装载的激光传感器获取的激光数据结合观测模型（激光的扫描匹配）对机器人位姿进行精确修正，得到机器人的精确定位，最后在精确定位的基础上，将激光数据添加到栅格地图中，反复如此，机器人在环境中运动，最终完成整个场景地图的构建。在完成场景地图构建后，需要在所构建的地图基础上进行基于地图的位置和路径规划来实现AGV的导航。AGV运动过程中，通过里程计信息结合激光传感器获取的激光数据与地图进行匹配，不断地实时获取AGV在地图中的精确位姿，同时，根据当前位置与任务目的地进行路径规划（动态路线或者固定路线，且每次的路线都略微不同），根据规划得到的轨迹给AGV发送控制指令，使AGV实现自动行驶。图像拍摄采用多目成像组件，实现对目标物的二维图像和三维图像同时采集。
所述***平台获取所述巡检图像，对巡检图像进行识别，具体包括以下步骤：检测目标识别的方案包括，运用机器视觉算法通过识别图像特征判断，运用深度学***台进行少量图片学***台向行业应用平台进行初步模型发布；3、行业应用平台进行模型部署；4、巡检机器人等边缘设备进行图片抓拍，行业应用平台获取图片；5、行业应用平台输出图片；6、对行业应用平台输出的图片，进行人工核验图片；7、人工核验图片的核验结果持续输入AI开放平台，实现AI开放平台的训练和校验；基于识别算法的优化和升级，完成算法的优化的和模型的升级，确保识别的精度可以达到技术要求。
所述识别图像特征是基于对象特征的识别方式，对象特征识别是利用检测对象自身拥有的、并唯一标识其身份的标记特征或行为特征进行验证的方法，对象特征识别包括图像采集、图像检测、图像预处理、图像特征提取和图像匹配识别：其中：1)图像采集：基于对象的特征，通过前端摄像机采集含有对象的视频或图像；2)图像检测：对象图像包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征及Haar特征等，图像检测就是利用这些特征信息，对输入的视频或图像中的对象进行检测，准确标定出对象的位置和大小；3)图像预处理：基于图像检测结果，通过智能算法，对选出的图像进行灰度校正、噪声过滤等优化，形成最优的图像并服务于特征提取的过程。图像预处理过程主要包括光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波等；4)图像特征提取：图像识别可使用的特征通常分为视觉特征、像素统计特征、图像变换系数特征、图像代数特征等。图像特征提取就是针对对象的某些特征进行的，一般采用基于知识的表征方法实现。基于知识的表征方法主要是根据检测对象的形状描述以及他们之间的距离特性来获得有助于分类的特征数据，其特征分量通常包括特征点间的欧氏距离、曲率和角度等。对这些局部和它们之间结构关系的几何描述，可作为识别对象的重要特征；5)图像匹配识别：图像匹配是指提取的图像特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当偏差度超过这一阈值，则把匹配得到的结果输出；图像识别就是将待识别的对象特征与得到的对象特征模板进行比较，根据相似度对图像的身份信息进行判断。这一过程又分为两类：一类是确认，是一对一进行图像比较的过程，另一类是辨认，是一对多进行图像匹配对比的过程。图像识别过程的第一步是通过前端采集设备获取源图像，通过检测方法得到有对象的图像并对该图像进行一定的预处理，如归一化、小波分解等，滤去外界的部分干扰因素，如光照、泥点等，保留对象最本质、对特征提取最有利的部分；然后选定一种特征提取算法对该预处理过的图像进行特征提取，最后根据与测试图像的比对来获得匹配的结果。
所述***平台获取所述巡检图像，对巡检图像进行检测，具体包括以下步骤：步骤一、基于深度学习的关键部件识别，基于深度学习算法，实现关键部件，例如正视螺栓、侧视螺栓、线缆接头等关键部件的识别定位，达到基于部件状态的检测效果；步骤二、基于深度学习的异物检测方法，基于深度学习 YOLO 分类算法，实现异物检测，达到降低误判的目的；步骤三、基于双目视觉及深度学习的三维快速成像技术，基于 end-to-end 的深度学习算法，实现快速双目视觉三维测量，提高三维检测精度及检测速度，降低水渍、污渍、光照变化等造成的误报。
所述***平台获取所述巡检图像，对巡检图像进行检测，具体包括以下步骤：对于车底部件二维图像的检测，直接计算两幅图像配准后的 SSIM ，转向架部件的二维图像识别采用点特征检测法开展特征检测、特征匹配、剔除误匹配，并利用 SSIM 衡量配准结果。根据验证，白色区域为相似度比较大的区域，黑色或灰色区域（相似度小于 0.6）为相似度比较小的区域。若通过配准后计算出的 SSIM 较小，说明该位置差异较大，可能是部件丢失或变形。通过验证该算法可以实现通用目标的异常检测，检测验证结果如图3所示。
所述***平台获取所述巡检图像，对巡检图像进行检测，具体包括以下步骤：对于车底部件三维图像的检测，转向架部件三维轮廓检测采用双目相机和结构光实现目标三维轮廓检测，包括双目图像匹配和三维轮廓复原；双目标定及匹配技术主要采用张正友标定模型；利用标定算法对相机标定，利用双目纹理图像实现特征点匹配；利用双目标定结果对配准点开展三维计算，得到大量匹配点，恢复出三维外形。转向架部件三维轮廓检测采用双目相机加结构光实现目标三维轮廓检测，主要包括双目图像匹配和三维轮廓复原两 个部分。双目标定及匹配技术主要采用张正友标定模型。如图4所示，图中左图为双目标定拍摄图像，右图为双目纹理目标。利用标定算法对相机标定，利用双目纹理图像实现特征点匹配，该方法比传统配准算法结果更为准确。配置算法结果对比，如图5所示；基于双目相机进行匹配，可以显著提高匹配精度及效果。在此基础上，利用双目标定结果对配准点开展三维计算，得到大量匹配点，可以恢复出三维外形，三维恢复结果如图6所示。
所述***平台获取所述巡检图像采用分层传输，基于图像分层编解码传输，对巡检图像的原始图像数据分层处理。***获取的图像均为高清图像，数据量大，对于实时性要求较高的自动化检测设备，数据传输尤为重要。机器人检测***基于图像分层编解码的窄带宽、超高清图像传输技术，对原始图像数据分层处理。在有限带宽的条件下，优先传输有用信息，使用者可在短时间内获取需求数据。应用图像分层编解码与传输技术，根据需要动态异步加载高清图像，减少图像查看等待时间，提升用户体验。分层传输原理如图7所示.
所述***平台获取所述巡检图像，对巡检图像进行检测，具体包括以下步骤：S1、采用纹理对比，分析列车外观上情况；S2、区域图像灰度越变监控，判断有误异物；S3、利用神经网络算法对外观结构进行学习，检测扣件网有无松脱、缺失或偏移；S4、检测防松线是否移位，判断螺丝是否松动；S5、对零部件的几何形态进行测量监控，检测关键部件是否变形。
所述巡检机器人通过升降平台完成股道之间的切换，所述升降平台采用液压升降式平台，其设置有无线通讯模块，无线通讯模块用于与巡检机器人进行无线通讯。智能检修机器人通过升降平台完成股道之间的切换，升降平台于库位端侧布置电动升降平台。要求平台长*宽尺寸不小于1500mm*1500mm，采用液压升降，称重不小于200公斤。具有无线通讯模块。可与智能巡检机器人完成无线通讯。
升降平台常规状态为升起的状态，升起状态为与地面平齐。智能巡检机器人到达指定区域后与升降平台进行通讯，判断状态是否正常。然后机器人进入升降平台范围，到达指定位置后，发出指令。使得升降平台完成降落，到达地沟底部。降落完成后，升降平台发出状态完成。巡检机器人自主行走出升降平台，然后升降平台接收巡检机器人的指令，恢复到升起状态。机器人切换到地沟内部地图，开始对车底进行预订的巡检任务。
所述机械臂2为单臂式机械臂，单臂机械臂2包括的转轴3数量≥6。机械臂采用 6自由度协作机械臂，每个自由度均可实现 360°旋转，在保障了运动范围、速度的同时，也保障了人机协作的安全；巡检机器人采用小型化设计，可以利用检修地沟的轨道桥空隙，自由在地沟与地面间，不同地沟间穿梭、行进和检修。当一个运用场景存在多台机器人（最大 20台）时，在控制调度程序协调下，可以随意调配多个机器人对一列车进行同时检修作业，每个机器人负责 1 个或者多个车厢，以提高列车日常检修效率。
以上所述仅为本发明创造的较佳实施例而已，并不用以限制本发明创造，凡在本发明创造的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明创造的保护范围之内。
Claims (10)
1.智能轨道车辆巡检机器人，包括***平台和巡检机器人，所述***平台通过无线网络与巡检机器人进行交互，巡检机器人下部设置移动基座（4）；其特征在于：所述巡检机器人设置图像采集***、安全防护***和自动定位***；
所述图像采集***用于采集轨道车辆的巡检图像，图像采集***包括机械臂，和搭载于机械臂（2）上的二维图像采集组件（1）和或三维图像采集组件；所述机械臂采用六自由度机械臂；所述二维图像采集组件包括LED灯和双目相机；所述三维图像采集组件包括投影仪和双目相机；
所述安全防护***包括设置于所述巡检机器人移动基座四周的超声雷达，超声雷达用于对四周障碍物进行扫描；所述自动定位***采用SLAM导航***。
2.根据权利要求1所述的智能轨道车辆巡检机器人，其特征在于：所述***平台获取所述巡检图像，对巡检图像进行识别，具体包括以下步骤：检测目标识别的方案包括，运用机器视觉算法通过识别图像特征判断，运用深度学习方法进行故障分析。
3.根据权利要求2所述的智能轨道车辆巡检机器人，其特征在于：所述识别图像特征是基于对象特征的识别方式，对象特征识别是利用检测对象自身拥有的、并唯一标识其身份的标记特征或行为特征进行验证的方法，对象特征识别包括图像采集、图像检测、图像预处理、图像特征提取和图像匹配识别。
4.根据权利要求1所述的智能轨道车辆巡检机器人，其特征在于：所述***平台获取所述巡检图像，对巡检图像进行检测，具体包括以下步骤：
步骤一、基于深度学习的关键部件识别，基于深度学习算法，实现关键部件，例如正视螺栓、侧视螺栓、线缆接头等关键部件的识别定位，达到基于部件状态的检测效果；
步骤二、基于深度学习的异物检测方法，基于深度学习 YOLO 分类算法，实现异物检测，达到降低误判的目的；
步骤三、基于双目视觉及深度学习的三维快速成像技术，基于 end-to-end 的深度学习算法，实现快速双目视觉三维测量，提高三维检测精度及检测速度，降低水渍、污渍、光照变化等造成的误报。
5.根据权利要求1所述的智能轨道车辆巡检机器人，其特征在于：所述***平台获取所述巡检图像，对巡检图像进行检测，具体包括以下步骤：
对于车底部件二维图像的检测，直接计算两幅图像配准后的 SSIM ，转向架部件的二维图像识别采用点特征检测法开展特征检测、特征匹配、剔除误匹配，并利用 SSIM 衡量配准结果。
6.根据权利要求1所述的智能轨道车辆巡检机器人，其特征在于：所述***平台获取所述巡检图像，对巡检图像进行检测，具体包括以下步骤：
对于车底部件三维图像的检测，转向架部件三维轮廓检测采用双目相机和结构光实现目标三维轮廓检测，包括双目图像匹配和三维轮廓复原；双目标定及匹配技术主要采用张正友标定模型；利用标定算法对相机标定，利用双目纹理图像实现特征点匹配；利用双目标定结果对配准点开展三维计算，得到大量匹配点，恢复出三维外形。
7.根据权利要求1所述的智能轨道车辆巡检机器人，其特征在于：所述***平台获取所述巡检图像采用分层传输，基于图像分层编解码传输，对巡检图像的原始图像数据分层处理。
8.根据权利要求1所述的智能轨道车辆巡检机器人，其特征在于：所述***平台获取所述巡检图像，对巡检图像进行检测，具体包括以下步骤：
S1、采用纹理对比，分析列车外观上情况；
S2、区域图像灰度越变监控，判断有误异物；
S3、利用神经网络算法对外观结构进行学习，检测扣件网有无松脱、缺失或偏移；
S4、检测防松线是否移位，判断螺丝是否松动；
S5、对零部件的几何形态进行测量监控，检测关键部件是否变形。
9.根据权利要求1所述的智能轨道车辆巡检机器人，其特征在于：所述巡检机器人通过升降平台完成股道之间的切换，所述升降平台采用液压升降式平台，其设置有无线通讯模块，无线通讯模块用于与巡检机器人进行无线通讯。
10.根据权利要求1所述的智能轨道车辆巡检机器人，其特征在于：所述机械臂（2）为单臂式机械臂，单臂机械臂（2）包括的转轴（3）数量≥6。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210244398.8A CN114735044A (zh) | 2022-03-14 | 2022-03-14 | 智能轨道车辆巡检机器人 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210244398.8A CN114735044A (zh) | 2022-03-14 | 2022-03-14 | 智能轨道车辆巡检机器人 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114735044A true CN114735044A (zh) | 2022-07-12 |
Family
ID=82275688
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210244398.8A Pending CN114735044A (zh) | 2022-03-14 | 2022-03-14 | 智能轨道车辆巡检机器人 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114735044A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116090802A (zh) * | 2023-04-12 | 2023-05-09 | 成都盛锴科技有限公司 | 一种面向车底部件识别的列检任务智能分配及调度*** |
-
2022
- 2022-03-14 CN CN202210244398.8A patent/CN114735044A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116090802A (zh) * | 2023-04-12 | 2023-05-09 | 成都盛锴科技有限公司 | 一种面向车底部件识别的列检任务智能分配及调度*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112418103B (zh) | 一种基于动态双目视觉的桥式起重机吊装安全防撞***及方法 | |
| CN1315715C (zh) | 监视自动扶梯/移动步道的***和方法及其计算机程序产品 | |
| CN103837087B (zh) | 基于主动形状模型的受电弓自动检测方法 | |
| CN109238756B (zh) | 货车运行故障动态图像检测设备及检测方法 | |
| CN109840900A (zh) | 一种应用于智能制造车间的故障在线检测***及检测方法 | |
| CN105373135A (zh) | 一种基于机器视觉的飞机入坞引导和机型识别的方法及*** | |
| CN108805868B (zh) | 一种电务车载车下走行部设备故障检测的图像处理方法及故障检测方法 | |
| CN115482195B (zh) | 一种基于三维点云的列车部件变形检测方法 | |
| CN111292294A (zh) | 一种库内车底部件异常检测方法及*** | |
| CN110509272B (zh) | 一种车辆查验方法、***以及复合巡检机器人 | |
| CN112528979B (zh) | 变电站巡检机器人障碍物判别方法及*** | |
| CN114037703B (zh) | 基于二维定位和三维姿态解算的地铁阀门状态检测方法 | |
| CN112634269B (zh) | 一种轨道车辆车体检测方法 | |
| CN114905512B (zh) | 一种智能巡检机器人全景追踪及避障方法及*** | |
| CN102622614A (zh) | 基于刀闸臂特征点与固定端距离的刀闸合位可靠性判别法 | |
| CN110667726A (zh) | 一种应用于地铁车辆列检库内四足行走巡检机器人 | |
| CN114735044A (zh) | 智能轨道车辆巡检机器人 | |
| CN111855667A (zh) | 一种适用于地铁车辆的新型智慧列检***和检测方法 | |
| Liu et al. | An approach for auto bridge inspection based on climbing robot | |
| CN105068139B (zh) | 一种活塞冷却喷嘴安装状态的检测工艺 | |
| Di Stefano et al. | Automatic 2D-3D vision based assessment of the attitude of a train pantograph | |
| CN113885504A (zh) | 一种列检机器人自主巡检方法、***及存储介质 | |
| CN117369460A (zh) | 一种车辆螺栓松动故障的智能巡检方法及*** | |
| CN115115768A (zh) | 基于立体视觉的物体坐标识别***及方法、装置、介质 | |
| CN110696016A (zh) | 一种适用于地铁车辆列检工作的智能机器人 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20220712 |