CN106599760A - 一种变电站巡检机器人行驶区域计算方法 - Google Patents

一种变电站巡检机器人行驶区域计算方法 Download PDF

Info

Publication number
CN106599760A
CN106599760A CN201510662551.9A CN201510662551A CN106599760A CN 106599760 A CN106599760 A CN 106599760A CN 201510662551 A CN201510662551 A CN 201510662551A CN 106599760 A CN106599760 A CN 106599760A
Authority
CN
China
Prior art keywords
road
image
roi
distance
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.)
Granted
Application number
CN201510662551.9A
Other languages
English (en)
Other versions
CN106599760B (zh
Inventor
杨国庆
房桦
李健
邵光亭
张传友
傅崇光
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.)
Shandong Luneng Intelligence Technology Co Ltd
Original Assignee
Shandong Luneng Intelligence 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 Shandong Luneng Intelligence Technology Co Ltd filed Critical Shandong Luneng Intelligence Technology Co Ltd
Priority to CN201510662551.9A priority Critical patent/CN106599760B/zh
Publication of CN106599760A publication Critical patent/CN106599760A/zh
Application granted granted Critical
Publication of CN106599760B publication Critical patent/CN106599760B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种变电站巡检机器人行驶区域计算方法，步骤：图像采集：实时采集变电站巡检机器人在行驶过程中的道路图像；图像处理：对步道路图像进行ROI区域选取，然后对选取的ROI区域进行灰度化处理、滤波去噪和边缘提取，得到道路图像的边缘信息，通过直线检测得到道路区域边界；偏移量计算：计算道路ROI图像中心点到道路区域左/右边界线的距离，然后通过偏移公式计算得到机器人距离道路区域左/右边界的距离，即为机器人偏移距离；运动控制：将机器人偏移距离和事先设定的距离对比，根据两个数值的大小关系对机器人行走的方向进行调整，以保障机器人按照事先设定的距离行驶。本发明具有处理流程简单、算法鲁棒性强、实时性高的优点。

Description

一种变电站巡检机器人行驶区域计算方法
技术领域
本发明专利涉及一种变电站巡检机器人行驶区域计算方法。
背景技术
目前，导航方式主要分为两类：自主式导航和非自主式导航。自主导航不需要外部辅助，如外部导航、多普勒导航和天文导航等；非自主导航则需要有关的地面和空中设备配合完成，如无线导航、卫星导航等。
GPS导航的工作概念是基于卫星的距离修正。用户通过测量到太空各可视卫星的距离来计算他们的当前位置，卫星的位置相当于精确的已知参考点，通过解算差分GPS可以提供机器人厘米级的位置坐标和实时的航向。
现有导航技术存在的技术缺陷是：
GPS设备在变电站环境下受到不定程度的电磁干扰，不能独立完成变电站移动机器人的导航任务，需要再融合别的传感器的信息来辅助完成机器人导航。
激光导航虽然地面上无需其他定位设施，形式路径可灵活多变，但是制造成本高，对室外环境要求相对苛刻。
现有专利存在的技术缺陷是：
中国发明专利(专利号201110216379)提出磁轨道进行导航，使用磁轨道时需要在变电站中的形式道路上进行切割填埋磁条，因此磁轨道铺设工程量大、灵活性差、不易改变形式路径，维护困难。
中国发明专利(专利号201410554681)首先通过图像处理方法恢复道路的结构信息，然后在此基础上使用平行主动轮廓模型进行道路边界检测，然而，恢复道路信息和主动轮廓模型的计算量都很大，算法复杂度较高。
中国发明专利(专利号20061016097)检测道路边界的设备和方法提及计算所拍摄的图像的每个像素的速度信息，这种方法在图像尺寸较大时使用的时间就较长，影响实时性。
综上所述，现有技术存在的问题是：
1、处理流程较为复杂，步骤较多不能满足实时性的要求，无法满足目前智能变电站无人值守的需求；
2、不能够很好的检测道路的边缘，没有良好的鲁棒性；
3、变电站巡检机器人发生行车偏移时，不能够对车辆的行驶状况进行实时调整，不能够保证车辆按照事先规定的路线行驶。
发明内容
本发明的目的就是为了解决上述问题，提供一种变电站巡检机器人行驶区域计算方法，它使用视觉得到图像信息，采用数字图像处理技术进行分析，使机器人能够按照预先规定的路线行驶，具有处理流程简单、算法鲁棒性强、实时性高的优点。
为了实现上述目的，本发明采用如下技术方案：
一种变电站巡检机器人行驶区域计算方法，包括如下步骤：
步骤(1)：图像采集：实时采集变电站巡检机器人在行驶过程中的道路图像；
步骤(2)：图像处理：对步骤(1)的道路图像进行ROI区域选取，然后对选取的ROI区域进行灰度化处理、滤波去噪和边缘提取，得到道路图像的边缘信息，通过直线检测得到道路区域边界；
步骤(3)：偏移量计算：计算道路ROI图像中心点到道路区域左/右边界线的距离，然后通过偏移公式计算得到机器人距离道路区域左/右边界的距离，即为机器人偏移距离；
步骤(4)：运动控制：将机器人偏移距离和事先设定的距离对比，根据两个数值的大小关系对机器人行走的方向进行调整，以保障机器人按照事先设定的距离行驶。
所述步骤(2)的ROI区域选取：
截取机器人拍摄的道路图像下方三分之一的部分作为道路图像的ROI区域。
所述步骤(2)的灰度化处理：
对截取的ROI区域进行图像灰度化处理得到ROIGray，处理方式用公式(1)；
ROIGray＝0.299*ROIR+0.587*ROIG+0.144*ROIB (1)
其中，ROIR、ROIG、ROIB分别是彩色图像的红、绿、蓝分量。
所述步骤(2)的滤波去噪：
针对得到的道路ROIGray图像使用中值滤波进行去噪，得到去噪后的道路图像。
所述中值滤波是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。
即：g(x,y)＝median{f(x-r,y-h),(r,h∈W)}，
其中，f(x,y)，g(x,y)分别为原始图像和处理后图像，W为二维模板，通常为3*3，5*5区域。r、h表示在二维模板W中取值，若W为3*3的模板，则r、h分别取0、1、2、3，f(x-r,y-h)表示图像横坐标为x-r纵坐标为y-h处的像素值。
所述步骤(2)的边缘提取：
对去噪后的道路图像g(x,y)进行二值化，然后使用Canny算子进行边缘提取，得到道路图像的边缘信息。
所述步骤(2)的直线检测：
道路图像边缘信息经过Hough直线检测即可得到道路区域边界的直线方程，边界的直线方程用以下形式表示：
y＝kx+b (2)
其中k为直线的斜率，b为截距，x和y为直线方程上点的坐标。
所述步骤(3)计算道路ROI图像中心点(xcenter,ycenter)到道路区域左/右边界线的距离的步骤为：
步骤(3-1)：计算ROI图像中心点到道路右边界线的距离：
步骤(3-2)：计算ROI图像中心点到道路左边界线的距离：
其中，
d右为ROIGray图像最下端的中心点到右边界线的距离；
d左为ROIGray图像最下端的中心点到左边界线的距离；
k右为道路右边界线直线方程的斜率；
k左为道路左边界线直线方程的斜率；
b右为道路右边界线直线方程的截距；
b左为道路左边界线直线方程的截距。
所述步骤(3)通过偏移公式计算得到机器人距离道路区域左/右边界的距离的步骤为：
步骤(3-3)：计算机器人到道路右边界线的距离：
同理计算机器人到道路左边界线的距离为：
w为道路的宽度；
根据计算出的D左、D右可控制车辆的行走路线。
所述步骤(2-4)中：Canny边缘检测是高斯函数的一阶导数，是对信噪比与定位乘积的最优化逼近算子。在边缘检测算子中，Canny算子是最常用的边缘检测方法。Canny算法可以使用双阈值进行边缘检测，并且两个阈值的作用就是减少伪边缘。所以本文边缘检测时选用Canny算子。
所述步骤(2-5)中：Hough变换是利用点线的对偶性，即图像空间共线的点对应在参数空间里相交的线，反过来，在参数空间中交与同一个点的所有直线在图像空间里都有贡献的点与之对应。利用Hough变换进行直线检测，是图像分析和计算机视觉的一个重要内容。并且，Hough变换的优点是其抗噪性能比较好，并且能连接共线短直线。
本发明的有益效果：
1、通过选择感兴趣区域、滤波等相关处理，使用Hough变换实现了道路边缘的检测。
2、实验结果表明，本发明算法具有良好的鲁棒性，在不同环境下均能很好的检测到道路的边缘。而行车偏移可以对车辆的行驶情况进行实时调整，以保证车辆按照事先规定的路线行驶。
3、该算法模型简单、运行速度快、准确率高能够满足变电站巡检机器人的视觉导航。
4、本发明算法的实施增强了变电站巡检机器人的自动化和智能化能力，推进了变电站无人值守进程。
5、该方法主要使用数字图像处理算法识别出道路边界，然后计算机器人距道路边界的位置，进而控制机器人的形式路线。算法设计简单、鲁棒性强、正确率高，可以满足目前智能变电站无人值守的需求。
附图说明
图1为本发明的方法流程图；
图2为本发明的步骤(2)的方法流程图；
图3为ROIGray图像；
图4为Canny边缘检测和Hough直线检测结果；
图5为最终拟合的道路边界直线和中间线；
图6为本发明的步骤(3)的方法流程图。
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。
如图1所示，变电站巡检机器人行驶区域计算方法，包括如下步骤：
步骤(1)：图像采集：实时采集变电站巡检机器人在行驶过程中的道路图像；
步骤(2)：图像处理：对步骤(1)的道路图像进行ROI区域选取，然后对选取的ROI区域进行灰度化、滤波去噪和边缘提取，得到道路图像的边缘信息，通过直线检测得到道路区域边界；
步骤(3)：偏移量计算：计算道路ROI图像中心点到道路区域左/右边界线的距离，然后通过偏移公式计算得到机器人距离道路区域左/右边界的距离，即为机器人偏移距离；
步骤(4)：运动控制：将机器人偏移距离和事先设定的距离对比，根据两个数值的大小关系对机器人行走的方向进行调整，以保障机器人按照事先设定的距离行驶。
所述步骤(2)的步骤为：
步骤(2-1)：道路图像ROI区域选取：截取机器人拍摄的道路图像下方三分之一的部分作为道路图像的ROI区域；
步骤(2-2)：道路图像ROI区域灰度化处理：对截取的ROI区域进行图像灰度化处理得到ROIGray，处理方式用公式(1)；
ROIGray＝0.299*ROIR+0.587*ROIG+0.144*ROIB (1)
其中，ROIR、ROIG、ROIB分别是彩色图像的红、绿、蓝分量；
步骤(2-3)：ROIGray图像滤波去噪：针对步骤(2-2)得到的道路ROIGray图像使用中值滤波进行去噪，得到去噪后的道路图像；
中值滤波是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。
即：g(x,y)＝median{f(x-r,y-h),(r,h∈W)}，
其中，f(x,y)，g(x,y)分别为原始图像和处理后图像，W为二维模板，通常为3*3，5*5区域。r、h表示在二维模板W中取值，若W为3*3的模板，则r、h分别取0、1、2、3，f(x-r,y-h)表示图像横坐标为x-r纵坐标为y-h处的像素值。
步骤(2-4)：边缘提取：对步骤(2-3)得到的去噪后的道路图像g(x,y)进行二值化，然后使用Canny算子(参见《林卉，赵长胜，舒宁，基于Canny算子的边缘检测及评价，黑龙江工程学院学报，2003年6月，第17卷，第2期》)进行边缘提取，得到道路图像的边缘信息。
所述步骤(2-4)中：Canny边缘检测是高斯函数的一阶导数，是对信噪比与定位乘积的最优化逼近算子。在边缘检测算子中，Canny算子是最常用的边缘检测方法。Canny算法可以使用双阈值进行边缘检测，并且两个阈值的作用就是减少伪边缘。所以本文边缘检测时选用Canny算子。
步骤(2-5)：直线检测：步骤(2-4)的道路图像边缘信息经过Hough直线检测即可得到道路区域边界的直线方程，边界的直线方程可用以下形式表示：
y＝kx+b (2)
其中k为直线的斜率，b为截距，x和y为直线方程上点的坐标。
所述步骤(2-5)中：Hough变换是利用点线的对偶性，即图像空间共线的点对应在参数空间里相交的线，反过来，在参数空间中交与同一个点的所有直线在图像空间里都有贡献的点与之对应。利用Hough变换进行直线检测，是图像分析和计算机视觉的一个重要内容。并且，Hough变换的优点是其抗噪性能比较好，并且能连接共线短直线。
所述步骤(3)偏移量计算的步骤为：
在计算机器人偏移量时，通过计算ROIGray图像最下端的中心点坐标(xcenter,ycenter)到当前道路左右边界距离的比值来确定机器人现在的位置，机器人到右边界的距离偏移量计算步骤：
步骤(3-1)：计算ROI图像中心点到道路右边界直线的距离：
步骤(3-2)：计算ROI图像中心点到道路左边界直线的距离：
步骤(3-3)：计算机器人到道路右边界线的距离：
同理计算机器人到道路左边界线的距离为：
其中，
d右为ROIGray图像最下端的中心点到右边界线的距离；
d左为ROIGray图像最下端的中心点到左边界线的距离；
k右为道路右边界线直线方程的斜率；
k左为道路左边界线直线方程的斜率；
b右为道路右边界线直线方程的截距；
b左为道路左边界线直线方程的截距；
w为道路的宽度；
根据计算出的D左、D右可控制车辆的行走路线。机器人行走偏移量计算流程图，见图6
在道路图像中有很多噪声，但道路信息主要集中在图像的下半部分。为了提高检测的准确度，本发明选择图像下方的三分之一作为图像感兴趣区域(ROI)。对选择的ROI使用数字图像处理和图像分割的方法，这样不仅排除了大部分背景信息的干扰，还减少了计算量，提高了算法的运算速度。针对ROIGray图像进行空域滤波、边缘检测和直线检测，道路边缘直线边缘检测的具体过程见图2。
截取的变电站道路图像ROIGray见图3，Canny算子边缘检测和Hough直线检测见图4，最终的道路边界直线结果见图5，其中，中间那条线为道路边界的平分线。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (9)

1.一种变电站巡检机器人行驶区域计算方法，其特征是，包括如下步骤：
步骤(1)：图像采集：实时采集变电站巡检机器人在行驶过程中的道路图像；
步骤(2)：图像处理：对步骤(1)的道路图像进行ROI区域选取，然后对选取的ROI区域进行灰度化处理、滤波去噪和边缘提取，得到道路图像的边缘信息，通过直线检测得到道路区域边界；
步骤(3)：偏移量计算：计算道路ROI图像中心点到道路区域左/右边界线的距离，然后通过偏移公式计算得到机器人距离道路区域左/右边界的距离，即为机器人偏移距离；
步骤(4)：运动控制：将机器人偏移距离和事先设定的距离对比，根据两个数值的大小关系对机器人行走的方向进行调整，以保障机器人按照事先设定的距离行驶。
2.如权利要求1所述的一种变电站巡检机器人行驶区域计算方法，其特征是，
所述步骤(2)的ROI区域选取：
截取机器人拍摄的道路图像下方三分之一的部分作为道路图像的ROI区域。
3.如权利要求1所述的一种变电站巡检机器人行驶区域计算方法，其特征是，
所述步骤(2)的灰度化处理：
对截取的ROI区域进行图像灰度化处理得到ROIGray，处理方式用公式(1)；
ROIGray＝0.299*ROIR+0.587*ROIG+0.144*ROIB (1)
其中，ROIR、ROIG、ROIB分别是彩色图像的红、绿、蓝分量。
4.如权利要求1所述的一种变电站巡检机器人行驶区域计算方法，其特征是，
所述步骤(2)的滤波去噪：
针对得到的道路ROIGray图像使用中值滤波进行去噪，得到去噪后的道路图像。
5.如权利要求4所述的一种变电站巡检机器人行驶区域计算方法，其特征是，
所述中值滤波是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点；
即：g(x,y)＝median{f(x-r,y-h),(r,h∈W)}，
其中，f(x,y)，g(x,y)分别为原始图像和处理后图像，W为二维模板，r、h表示在二维模板W中取值，f(x-r,y-h)表示图像横坐标为x-r纵坐标为y-h处的像素值。
6.如权利要求1所述的一种变电站巡检机器人行驶区域计算方法，其特征是，
所述步骤(2)的边缘提取：
对去噪后的道路图像g(x,y)进行二值化，然后使用Canny算子进行边缘提取，得到道路图像的边缘信息。
7.如权利要求1所述的一种变电站巡检机器人行驶区域计算方法，其特征是，
所述步骤(2)的直线检测：
道路图像边缘信息经过Hough直线检测即可得到道路区域边界的直线方程，边界的直线方程用以下形式表示：
y＝kx+b (2)
其中k为直线的斜率，b为截距，x和y为直线方程上点的坐标。
8.如权利要求1所述的一种变电站巡检机器人行驶区域计算方法，其特征是，
所述步骤(3)计算道路ROI图像中心点(xcenter,ycenter)到道路区域左/右边界线的距离的步骤为：
步骤(3-1)：计算ROI图像中心点到道路右边界线的距离：
步骤(3-2)：计算ROI图像中心点到道路左边界线的距离：
其中，
d右为ROIGray图像最下端的中心点到右边界线的距离；
d左为ROIGray图像最下端的中心点到左边界线的距离；
k右为道路右边界线直线方程的斜率；
k左为道路左边界线直线方程的斜率；
b右为道路右边界线直线方程的截距；
b左为道路左边界线直线方程的截距。
9.如权利要求1所述的一种变电站巡检机器人行驶区域计算方法，其特征是，
所述步骤(3)通过偏移公式计算得到机器人距离道路区域左/右边界的距离的步骤为：
步骤(3-3)：计算机器人到道路右边界线的距离：
同理计算机器人到道路左边界线的距离为：
w为道路的宽度；
根据计算出的D左、D右可控制车辆的行走路线。
CN201510662551.9A 2015-10-14 2015-10-14 一种变电站巡检机器人行驶区域计算方法 Active CN106599760B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510662551.9A CN106599760B (zh) 2015-10-14 2015-10-14 一种变电站巡检机器人行驶区域计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510662551.9A CN106599760B (zh) 2015-10-14 2015-10-14 一种变电站巡检机器人行驶区域计算方法

Publications (2)

Publication Number Publication Date
CN106599760A true CN106599760A (zh) 2017-04-26
CN106599760B CN106599760B (zh) 2020-11-06

Family

ID=58551881

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510662551.9A Active CN106599760B (zh) 2015-10-14 2015-10-14 一种变电站巡检机器人行驶区域计算方法

Country Status (1)

Country Link
CN (1) CN106599760B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108932472A (zh) * 2018-05-23 2018-12-04 中国汽车技术研究中心有限公司 一种基于车道线检测的自动驾驶行驶区域判别方法
CN109213177A (zh) * 2018-11-09 2019-01-15 苏州瑞得恩光能科技有限公司 机器人导航系统及导航方法
CN109868795A (zh) * 2019-01-14 2019-06-11 江苏建筑职业技术学院 双侧混凝土排水槽一次性成型系统及成型方法
CN109919144A (zh) * 2019-05-15 2019-06-21 长沙智能驾驶研究院有限公司 可行驶区域检测方法、装置、计算机存储介质及路测视觉设备
CN109978913A (zh) * 2019-03-01 2019-07-05 北京航空航天大学 一种无人机云台自动跟踪铁路区域的方法及系统
CN110514669A (zh) * 2019-07-31 2019-11-29 辽宁科技大学 一种皮带输送机多区域洒料检测系统及方法
CN113324998A (zh) * 2021-05-13 2021-08-31 常州博康特材科技有限公司 一种用于钛合金棒材的生产质检监管系统
CN116225028A (zh) * 2023-05-04 2023-06-06 尚特杰电力科技有限公司 清扫机器人前向行驶纠偏方法及纠偏装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102288121A (zh) * 2011-05-12 2011-12-21 电子科技大学 一种基于单目视觉的车道偏离距离测量及预警方法
CN102393744A (zh) * 2011-11-22 2012-03-28 湖南大学 一种无人驾驶汽车的导航方法
CN102815299A (zh) * 2011-06-09 2012-12-12 通用汽车环球科技运作有限责任公司 通过用于车道定中/保持的车道标记识别的车道感测
CN103177246A (zh) * 2013-03-26 2013-06-26 北京理工大学 基于动态区域划分的双模型车道线识别方法
US20130190982A1 (en) * 2012-01-25 2013-07-25 Denso Corporation Lane departure control system
CN104008645A (zh) * 2014-06-12 2014-08-27 湖南大学 一种适用于城市道路车道线预测及预警方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102288121A (zh) * 2011-05-12 2011-12-21 电子科技大学 一种基于单目视觉的车道偏离距离测量及预警方法
CN102815299A (zh) * 2011-06-09 2012-12-12 通用汽车环球科技运作有限责任公司 通过用于车道定中/保持的车道标记识别的车道感测
CN102393744A (zh) * 2011-11-22 2012-03-28 湖南大学 一种无人驾驶汽车的导航方法
US20130190982A1 (en) * 2012-01-25 2013-07-25 Denso Corporation Lane departure control system
CN103177246A (zh) * 2013-03-26 2013-06-26 北京理工大学 基于动态区域划分的双模型车道线识别方法
CN104008645A (zh) * 2014-06-12 2014-08-27 湖南大学 一种适用于城市道路车道线预测及预警方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张毅: "《移动机器人技术基础与制作》", 31 December 2013 *
董吉文 等: "《基于轨线的变电站巡检机器人单目视觉导航》", 《仪器仪表学报》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108932472A (zh) * 2018-05-23 2018-12-04 中国汽车技术研究中心有限公司 一种基于车道线检测的自动驾驶行驶区域判别方法
CN109213177A (zh) * 2018-11-09 2019-01-15 苏州瑞得恩光能科技有限公司 机器人导航系统及导航方法
CN109868795A (zh) * 2019-01-14 2019-06-11 江苏建筑职业技术学院 双侧混凝土排水槽一次性成型系统及成型方法
CN109868795B (zh) * 2019-01-14 2024-02-09 江苏建筑职业技术学院 双侧混凝土排水槽一次性成型系统及成型方法
CN109978913A (zh) * 2019-03-01 2019-07-05 北京航空航天大学 一种无人机云台自动跟踪铁路区域的方法及系统
CN109919144A (zh) * 2019-05-15 2019-06-21 长沙智能驾驶研究院有限公司 可行驶区域检测方法、装置、计算机存储介质及路测视觉设备
CN109919144B (zh) * 2019-05-15 2019-08-16 长沙智能驾驶研究院有限公司 可行驶区域检测方法、装置、计算机存储介质及路测视觉设备
CN110514669A (zh) * 2019-07-31 2019-11-29 辽宁科技大学 一种皮带输送机多区域洒料检测系统及方法
CN110514669B (zh) * 2019-07-31 2022-05-03 辽宁科技大学 一种皮带输送机多区域洒料检测系统及方法
CN113324998A (zh) * 2021-05-13 2021-08-31 常州博康特材科技有限公司 一种用于钛合金棒材的生产质检监管系统
CN113324998B (zh) * 2021-05-13 2022-02-08 常州博康特材科技有限公司 一种用于钛合金棒材的生产质检监管系统
CN116225028A (zh) * 2023-05-04 2023-06-06 尚特杰电力科技有限公司 清扫机器人前向行驶纠偏方法及纠偏装置

Also Published As

Publication number Publication date
CN106599760B (zh) 2020-11-06

Similar Documents

Publication Publication Date Title
CN106599760A (zh) 一种变电站巡检机器人行驶区域计算方法
Kenue Lanelok: Detection of lane boundaries and vehicle tracking using image-processing techniques-part i: Hough-transform, region-tracing and correlation algorithms
CN105260699B (zh) 一种车道线数据的处理方法及装置
CN105700532B (zh) 基于视觉的变电站巡检机器人导航定位控制方法
CN107330925B (zh) 一种基于激光雷达深度图像的多障碍物检测和跟踪方法
CN102682292B (zh) 基于单目视觉的道路边缘检测及粗定位方法
Kastrinaki et al. A survey of video processing techniques for traffic applications
CN105550665B (zh) 一种基于双目视觉的无人驾驶汽车可通区域检测方法
CN102789234B (zh) 基于颜色编码标识的机器人导航方法及系统
CN104134209B (zh) 一种视觉导航中的特征提取与匹配方法及系统
Yuan et al. Robust lane detection for complicated road environment based on normal map
Broggi et al. Self-calibration of a stereo vision system for automotive applications
CN102938057B (zh) 一种车辆阴影消除方法及装置
CN106682646A (zh) 一种车道线的识别方法及装置
CN104700414A (zh) 一种基于车载双目相机的前方道路行人快速测距方法
CN104318258A (zh) 一种基于时域模糊和卡尔曼滤波器的车道线检测方法
CN104282020A (zh) 一种基于目标运动轨迹的车辆速度检测方法
CN103400392A (zh) 基于变电站巡检机器人的双目视觉导航系统及方法
CN202134079U (zh) 一种无人驾驶车辆车道标志线识别与报警装置
CN103077531A (zh) 基于边缘信息的灰度目标自动跟踪方法
Li et al. Road markings extraction based on threshold segmentation
CN107067752A (zh) 基于无人机航拍图像的车速估算系统及方法
CN108764075A (zh) 岸桥下集装箱卡车定位的方法
CN107097256A (zh) 基于视觉非完整机器人在极坐标下的无模型目标跟踪方法
CN111563457A (zh) 一种无人驾驶汽车的道路场景分割方法

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
CB02 Change of applicant information

Address after: 250101 block B, Yinhe building, 2008 Xinjie street, hi tech Zone, Ji'nan, Shandong.

Applicant after: Shandong Luneng Intelligent Technology Co., Ltd.

Address before: 250101 B block 626, Yinhe building, 2008 Xinjie street, Ji'nan high tech Zone, Shandong.

Applicant before: Shandong Luneng Intelligent Technology Co., Ltd.

CB02 Change of applicant information
CB02 Change of applicant information

Address after: 250101 Electric Power Intelligent Robot Production Project 101 in Jinan City, Shandong Province, South of Feiyue Avenue and East of No. 26 Road (ICT Industrial Park)

Applicant after: National Network Intelligent Technology Co., Ltd.

Address before: 250101 block B, Yinhe building, 2008 Xinjie street, hi tech Zone, Ji'nan, Shandong.

Applicant before: Shandong Luneng Intelligent Technology Co., Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant