CN107251054A - 用于定位管状构件的系统和方法 - Google Patents

用于定位管状构件的系统和方法 Download PDF

Info

Publication number
CN107251054A
CN107251054A CN201580075820.XA CN201580075820A CN107251054A CN 107251054 A CN107251054 A CN 107251054A CN 201580075820 A CN201580075820 A CN 201580075820A CN 107251054 A CN107251054 A CN 107251054A
Authority
CN
China
Prior art keywords
pipe fitting
static
mobile
position data
camera
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
Application number
CN201580075820.XA
Other languages
English (en)
Inventor
B·麦粒
E·D·尼尔森
刘寅啸
H·恩星
余伟
R·N·李
D·I·哈杰斯
T·赛德勒
H·帕蒂拉
L·H·史密斯
D·金
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.)
Shell Internationale Research Maatschappij BV
Original Assignee
Shell Internationale Research Maatschappij BV
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 Shell Internationale Research Maatschappij BV filed Critical Shell Internationale Research Maatschappij BV
Publication of CN107251054A publication Critical patent/CN107251054A/zh
Pending legal-status Critical Current

Links

Classifications

    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B19/00—Handling rods, casings, tubes or the like outside the borehole, e.g. in the derrick; Apparatus for feeding the rods or cables
    • E21B19/16—Connecting or disconnecting pipe couplings or joints
    • E21B19/165—Control or monitoring arrangements therefor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/26—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
    • G01B11/27—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes for testing the alignment of axes
    • G01B11/272—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes for testing the alignment of axes using photoelectric detection means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/269—Analysis of motion using gradient-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B17/00—Drilling rods or pipes; Flexible drill strings; Kellies; Drill collars; Sucker rods; Cables; Casings; Tubings
    • E21B17/02—Couplings; joints
    • E21B17/04—Couplings; joints between rod or the like and bit or between rod and rod or the like
    • E21B17/042—Threaded
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Mining & Mineral Resources (AREA)
  • Geology (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Mathematical Physics (AREA)
  • Mechanical Engineering (AREA)
  • Environmental & Geological Engineering (AREA)
  • Fluid Mechanics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Earth Drilling (AREA)
  • Drilling And Boring (AREA)

Abstract

一种系统和方法，用于：在具有自动化管件搬运系统的钻台(2)上定位油田管件，以使得可以对齐静止管件(8)和移动管件(34)并且自动地组装和卸开静止管件和移动管件之间的螺纹操作；利用来自径向偏移的相机(54,56)的图像信息，对该图像信息进行处理以识别图像内的管件并且得出所述管件的位置信息；组合来自两个相机系统的位置信息以得出每个管件的三维信息；编制让自动化管件搬运系统使静止管件和移动管件垂直对齐的指令，并且降低移动管件以进行螺纹接触；并且接合自动化液压力矩扳手以组装螺纹连接。

Description

用于定位管状构件的系统和方法
技术领域
本发明涉及一种用于确定在钻探碳氢化合物时使用的管状构件的相对位置的系统和方法。更具体地说，在某些实施例中，涉及一种确定悬挂的(由吊车、绞车或其他装置垂直地悬吊的)钻探管状构件相对于井下管状构件的位置以使得所述管件可以自动地对齐和组装或卸开的系统和方法。
背景技术
钻机钻台环境在历史上一直是比较危险的工作环境之一。这些活动使钻探人员或“钻工”暴露于各种健康和安全问题，包括在钻机井架上高处的猫行道或二层台上工作、悬挂管件、给夹钳和相关联的链条提供动力、当对齐和降低管件时手受伤，更不必说与井控或随钻探泥浆一起返回的其他气体相关联的风险。早期方法要求在升降机上提起管件并且手动地将悬挂管件定位成与悬吊在转盘里的管件(井下管件)配合。在本发明的背景下，“管件”可以是指井管、钻铤、钻杆、生产油管、或通过螺纹拧在一起并且用于钻探和生产碳氢化合物的其他管状构件。传统上，要求钻工从管件存放区域移动管件、将悬挂管件与井下管件对齐、降低悬挂管件以与井下管件接触、并且利用液压钳来施加力矩以使管件“自旋加快”，使得井下管件中的螺纹与悬挂管件啮合并且被拧紧。悬挂管件然后被用作钻探过程的部件。从井松开或移除管件需要钻工应用液压钳来卸开或解开管件的两个节段之间的螺纹，最上面的(悬挂)管件被起重机移动到机架或其他存放区域。
为了改进安全性，在以上过程中已经有若干个改进。半自动化管件搬运设备已经被用来将管件移动到存放区域以及将管件从存放区域移动到钻台并且就位以供用于组装。自动化力矩扳手(被称为铁钻工)已经被设计出，这些自动化力矩扳手在钻孔机的控制下，朝向配合的悬挂管件和井下管件前进以组装或卸开螺纹管件连接。尽管有这些进步，但是仍存在悬挂管件相对于井下管件对齐的问题。现行做法中，在钻孔机可以降低悬挂管件并且与铁钻工接合之前在钻台上，仍需要两个或更多个钻工来将悬挂管件与井下管件对齐。因此，钻台人员仍暴露于危险的钻探环境之下。
希望的是开发一种在无需钻机钻台人为干预的情况下确定悬挂管件相对于井下管件的位置的系统和方法。进一步希望的是，当组装管件时，在铁钻工接合之前，利用定位信息作为自动化钻杆搬运和定位系统的输入来对齐管件并且使它们各自的螺纹端相互接触。相同的定位信息可以用于在起下钻(tripping)操作期间在卸开之后安全地从井下管件解开悬挂管件。
发明内容
本公开总体上涉及一种用于确定悬挂钻探管件相对于井下管件的三维相对位置并且使管件轴向对齐的机器视觉系统和方法。
在一个实施例中，所述系统包含两个相机系统，每个系统具有与彩色摄像机共面布置的飞行时间(ToF)相机，相机系统在径向上相互偏移。来自每个系统的数字信息被计算机组合并且处理以得出悬挂管件相对于井下管件的三维位置信息。
在另一个实施例中，本公开提供位置信息从计算机被转发给SCADA驱动的自动化钻杆搬运系统，钻杆搬运系统利用来自相机系统和计算机的连续的相对位置信息来将悬挂管件移动到与井下管件轴向对齐并且降低悬挂管件以与井下管件通过螺纹接触。此时，钻孔机可以接合铁钻工以在井下管件和悬挂管件之间组装螺纹连接。
在另一个实施例中，在钻台上的起下钻操作期间，在从井下管件卸开悬挂管件之后，本公开提供相机系统得出三维位置信息，该三维位置信息被转发给所述SCADA驱动的自动化钻杆搬运系统以确保在钻杆搬运移动到存放区域之前，悬挂管件完全被解开并且脱离井下管件。
在又一个实施例中，每个相机系统包括ToF相机以及两个彩色摄像机，摄像机与ToF相机侧翼共面布置。
在又一个实施例中，每个相机系统包括与一个或多个彩色摄像机组合的投射器红外(IF)ToF(“主动光”)相机。
在又一个实施例中，每个相机系统包括单个CCD相机。
附图说明
本文件的实施例及其优点的更完整的且更透彻的理解可以通过参照以下结合附图进行的描述而获得。
图1是钻机钻台的简化图。
图2是数字立体视觉相机系统的描绘。
图3是立体视觉过程的简化描绘。
图4是基层飞行时间(ToF)相机的简化描绘。
图5是本发明的范围内的相机系统、处理系统和控制系统的操作的描绘。
具体实施方式
以下描述包括体现本发明主题的技术的示例性设备、方法、技术和/或指令序列。应理解，本发明可以与下面陈述的特定实施例和细节无关地实施。
本公开涉及一种机器视觉系统，该机器视觉系统可以用于确定被自动化钻杆搬运系统悬吊在钻机钻台上方的悬挂管件相对于伸出到钻机钻台上方的井下管件的三维位置和距离。
在某些实施例中，位置和距离信息被提供给SCADA系统，SCADA系统半连续地控制自动化钻杆搬运系统，以使悬挂管件与井下管件轴向对齐并且通过螺纹接触。一旦通过螺纹接触，井下管件和悬挂管件之间的螺纹连接就可以通过利用自动化扳手系统或钻工而被拧紧或“组装”，自动化扳手系统或钻工包括力矩钳和旋扣钳。
在某些实施例中，在铁钻工进行卸开或螺纹拧松操作之后，从井移除管件期间，当利用自动化钻杆搬运系统从井下管件退出悬挂管件并且将悬挂管件放置在存放区域中时，可以使用位置和距离信息来防止悬挂管件和井下管件之间碰撞。在这样的情况下，自动化钻杆搬运系统再一次由SCADA系统控制，SCADA系统被提供有悬挂管件相对于井下管件的三维(3D)位置和距离信息。
现在参照图1，图1例示说明了现代的钻机钻台的简化图。在图1中，例示说明了钻台2，钻台2具有钻探中心孔4、在钻探中心孔4中的转盘6、以及从钻台2穿过转盘6伸出的井下管件8。将意识到，本发明可以与作为转盘的替代方案的顶部驱动系统(未示出)结合使用。在图1中，井下管件8被示为具有内螺纹端(box end)10和阴压力螺纹12的钻柱。井下管件8被本领域中众所周知的自动化钻探卡瓦(未示出)夹持到位。图1描绘了支持钻探操作的钻机塔14构造，比如Huisman Equipment B.V.制造的那些。Huisman自动化钻杆搬运系统的简化描绘被以14示出。将意识到，存在若干个市场上可买到的自动化钻杆搬运系统，这些自动化钻杆搬运系统能够将长度较短的管件装配成较长的“柱”、存放管件柱、从存放区域取出管件、并且将它们相对于井下管件8定位，诸如National Oilwell Varco制造的HydraRacker系统。
图中所描绘的示例性钻杆搬运系统由中心构件16和钻台2组成，中心构件16能够在可旋转钻杆存放圆盘传送带28之间旋转，在可旋转钻杆存放圆盘传送带28中，存放有其他钻杆32。钻杆搬运系统1进一步包括一对臂20和22，近端被安装在基底18上，基底18被安装在中心构件16上，基底18能够被线缆或螺钉工具(未示出)沿着中心构件16上下平移。抓取夹具26被安装在臂20和22的远端，能够相对于钻杆搬运系统抓取并且夹持管件。此外，在基底18沿着中心构件16平移，并且被安装在基底18上的关节臂24移动时，臂20和22能够相对于基底18在垂直平面中旋转。将理解，存在第二基底18(未示出)、一组臂20和22、关节臂24以及抓取夹具26，这些部件被安装在高于钻台2的中心构件16上，与下部的对应构件配合作用以将管件提升出圆盘传送带、将管件抬高到钻台水平面上方并且使管件在钻台上方就位。可旋转钻杆存放圆盘传送带28包括在钻台下面的下板30、上板(未示出)心轴31以及支撑构件33组成，钻杆在被使用之前被存放在可旋转钻杆存放圆盘传送带28中。下板和心轴被液压系统(未示出)旋转，并且旋转到当前的钻杆32以供钻探操作中使用。以这种方式，中心构件16可以朝向钻杆存放圆盘传送带28旋转，臂20和22可以沿着基底18移动以使抓取夹具26与存放在圆盘传送带28中的钻杆32接触。臂20和22然后被抬高以将钻杆32移出圆盘传送带28，并且中心构件16被旋转以使钻杆32高于钻台2并且邻近井下管件6。
在图1中，悬挂管件34被描绘为钻杆，但是可以是以上列出的管件中的任何一个，只要井下管件是匹配的类型即可。悬挂管件34的最低端是具有阳螺纹38的外螺纹端(pinend)36连接，阳螺纹38与井下管件8的螺纹12配合，并且提供悬挂管件34和井下管件8之间的压力密封和结构完整性。
铁钻工40在图1中被描绘为在退出的位置上。铁钻工40包括框架42和液压动力单元(未示出)，液压动力单元使铁钻工40沿着轨道44A和44B朝向和背离转盘6移动。铁钻工40进一步包括力矩钳48和旋扣钳46，力矩钳48和旋扣钳46使得铁钻工40可以将井下管件8保持在适当位置，并且旋转悬挂管件34以组装管件8和34之间的连接。应认识到，在图1的视图中，旋扣钳46和力矩钳48未被描绘，但是它们的功能和用途对于油田里的人是众所周知的。虽然图1中所描绘的铁钻工40是钻台安装的系统，但是存在其他的铁钻工系统，所有这些铁钻工系统都可以被用在本文中所讨论的实施例内。
钻孔机的工位50被描绘为偏离钻台2的侧面。钻孔机的工位通常包括仪表探测，仪表探测包括钻头和挂钩重量、钻进速度、底部钻具组合的深度、旋转转速和力矩、泥浆泵送压力、泥浆流动速率、以及泥浆获取/损失信息、泥浆温度、泥浆密度、钻探控制、钻杆搬运控制、铁钻工控制、工位保持信息(在离岸的情况下)、以及任何数量的可定制的多组计量和控制，这些与本公开是无关的。
将意识到，即使在图1的半自动化环境中，一些方面也仍需要人工干预。虽然可以使悬挂管件34紧邻井下管件8，但是钻孔机要求在启动铁钻工40之前使管件对齐并且通过螺纹接触。这仍需要将钻工放置在危险环境中的人工干预。已经尝试过使悬挂管件34相对于井下管件的定位自动进行。美国专利公开20130345878公开了一种视频测量系统，其中，彩色相机用于确保在与铁钻工40接合之前井下管件8和悬挂管件34位于适当的垂直位置，从而确保力矩钳48适当地安放在井下管件8上并且旋扣钳46安放在悬挂管件上。虽然该现有技术系统确保管件在适当的高度上(z轴确定)，但是还假定管件相对于公共纵轴适当地对齐，即，每个管件的Z轴同轴地位于X-Y平面中。
为了克服该限制，本发明利用安装在钻孔机的工位50的玻璃面板52后面的相机系统54。第二相机系统56被描绘为被安装在钻台2上。理想地，相机系统54和56离钻心4是等距的。虽然相机系统54和56被描绘为相互偏移大约90度，但是将意识到，在本发明的范围内，该径向偏移是可以变化的。本发明利用两个相机系统54和56来建立三维空间中悬挂管件34的外螺纹端36相对于井下管件8的内螺纹端10的位置。该位置信息被处理以给自动化钻杆搬运系统提供控制信号。一旦悬挂管件34的外螺纹端36在X-Y平面中与井下管件8的内螺纹端10对齐，本发明就产生控制信号以朝向井下管件降低悬挂管件34，使得螺纹12和38啮合。将意识到，外螺纹端36和内螺纹端10之间的垂直偏移距离可以被作为本发明的操作的一部分设置。
机器视觉系统长久以来一直在使用中。这些中最早的机器视觉系统是捕捉二维(2D)数据的简单相机，它在被用于受控照明环境中的平面应用(比如勘察)时可以是有效的。2D成像处理技术，比如边缘检测和模板匹配算法，可以用于捕捉关于物品的重要特征的信息，该信息可以被与所存储的关于最佳生产物品的信息进行比较以确定该物品是否满足合格/不合格标准。然而，单个2D相机没有提供将使得可以推断三维(3D)环境中的位置信息的足够信息。
除了边缘信息之外，成对使用的数字相机还可以用于确定深度信息，非常像人的视力。图2描绘了一组经调整、校准的数字摄像机，左相机100和右相机102。每个相机具有它自己的在镜头平面处的坐标系，对于左相机100，坐标系用XL、YL和ZL表示，对于右相机102，坐标系用XR、YR和ZR表示。数字相机通常具有矩形传感器单元的平面矩阵，矩形传感器单元具有光电转换系统，比如CMOS或CCD。平面矩阵104具有坐标系VL和UL，单个像素108被表示在该矩阵中。类似地，矩阵106具有坐标系VR和UR，单个像素110被表示在该矩阵上。图3中例示说明了到点的距离的确定。点P在时间T相对于相机具有坐标P＝[x,y,z]t，这些坐标将作为PL＝[uL,vL]T和PL＝[uR,vR]T投影回平面传感器，在相机100和102也具有相同的垂直位置的情况下，可以用已知的计算立体观测算法来确定到点P的深度z或距离。
立体相机系统中确定深度的挑战是对应性问题，即，假定点P被相机102上平面传感器104投影到像素108pL，如何确定对应的点像素110pR在相机102的图像中的位置。解决该对应性问题可能需要复杂的、计算密集的算法，需要特征检测和模板匹配。存在不利地影响立体视觉深度确定的若干个其他的因素，包括物体的表面均匀性以及物体颜色变化的缺乏。在钻探环境的情境下，存在额外的因素，包括蒸汽、水分、照明以及可能使正被测量的物体部分地模糊的其他环境因素。此外，在立体视觉中，深度分辨率误差是到正被测量的物体的距离的二次函数。因此，立体视觉本身并不证明有助于可以用于以足够的准确度确定悬挂管件34相对于井下管件8的3D位置的相机系统。
其他相机系统已经被开发以用来更准确地确定到物体的距离、或深度信息，比如基层飞行时间相机，以下简称为ToF系统。ToF相机独自能够进行3D确定。如图3所示，基本的ToF相机由发射器和相机传感器组成。发射器通常是围绕传感器204布置的、在红外(IR)或近IR中操作的固态激光器或LED 202的阵列，传感器204包括多个CMOS或CCD传感器，每个传感器表示单个像素。发射器可以被脉冲控制，或者更有可能地被用连续波(比如正弦或方波函数)进行调制。发射的光离开相机，照射物体，并且被反射回相机传感器。进入传感器的光包括反射光和任何环境光。带通滤光器被放置在传感器接收的光上，以使得被测光与发射光的频率相同。测量反射光的振幅变化和相差，并且可以用已知算法来估计到成像物体上的点的距离。将意识到，ToF的信号处理系统未被描述，因为这样的系统在市场上是可买到的。
在本发明的情境下可以使用的又一种类型的ToF相机是与摄像机传感器组合的编码光投影器和ToF相机，如在与Microsoft的Xbox游戏系统结合使用的Microsoft KinectTM相机中可见的那样。编码光ToF相机利用红外编码光投影器来将编码光图案投射到物体上，该编码光图案然后被ToF相机检测，并且提供更好的估计。利用基层ToF相机、编码光ToF相机、用标准摄像机数据对深度数据的校准和融合的技术的详细讨论可以在C.Dal Mutto、P.Zanuttigh、G.Cortelazzo在2013年1月24日的Springer上的Time-of Flight Camerasand Microsoft KinectTM,A user perspective on technology and applications中找到。虽然ToF相机能够确定到物体的深度或距离，但是它们通常具有低空间分辨率和不良的边缘定义。ToF相机与标准视频馈送的组合使得可以更好地进行边缘检测和移动。彩色立体视觉的使用可以用于通过与飞行时间深度信息相结合地利用立体深度信息来进一步改进深度信息。成像系统通常具有组合彩色视觉和ToF信息的板载图像处理系统。Kinect系统利用Primesense、now Apple,Inc.生产的PrimesensorTM芯片，但是其他芯片组系统由TexasInstruments、Canesta、Mesa Imaging及其他制造商制造。
ToF和彩色相机数据的使用可以用于定义悬吊管件和静止管件的特征和深度信息。然而，这并不足以实际上确定管件在三维空间中的位置。当管件将被配合时，悬吊管件的轴必须与静止管件的轴同轴，并且悬吊管件的最低的部分必须被定位在静止管件的最上面的部分的上方。因此，单个成像系统不足以提供实现这一点所必需的分辨率。因而，本发明提供两个成像系统。钻台中的转盘表示钻台的中心，因为它表示钻井孔的轴。为了提供关于静止管件和悬吊管件在三维空间中的位置的附加信息，两个成像系统相互偏移。虽然第二成像系统可以横向偏离第一成像系统，但是优选的是，成像系统在径向上相互偏移，其中，转盘表示中心点。优选地，成像系统被放置在相对于钻台相同的相对垂直位置处，并且在径向上相互偏移90°。将意识到，可以利用成像系统的其他偏移角度或变化的高度，因为这样的变化可以在用于建立管件的特征和边缘在三维空间中的位置的软件中被考虑在内。
本发明的成像系统可以包含各种相机组合。成像系统中所用的相机包括至少一个彩色摄像机。可替代地，飞行时间或ToF相机(要么是基层ToF相机，要么是编码光ToF相机)可以与彩色相机结合使用。可以通过与以上摄像机和ToF相机组合地使用第二摄像机来获得额外的分辨率，从而提供额外的彩色立体视觉信息以更好地解析管件的特征的深度。ToF相机进行操作以得出管件的特征和深度数据。包含ToF数据、连同来自数字彩色视频的特征数据或者在数字彩色立体视频数据的情况下特征和深度数据的输出信号被输出到本发明内的计算机。该计算机可以是专门的成像系统计算机或其上加载有图像处理软件的通用计算机。
本发明的计算机利用数字数据来建立管件的特征在三维空间中的位置数据。将理解，数字彩色摄像机和ToF相机两者的输出信号包括时间戳信息，该时间戳信息使得各相机输出的像素可以匹配。数字彩色视频或RGB相机数据用于建立管件的图片。在这样做时，必须能够从位于钻台上的其他物体识别管件。用于图像分割的已知技术包括区分管件和它后面的物体的背景配准以及建立管件的轮廓的边缘检测，从而向计算机提供钻杆在空间中的图片。视频光学流技术也可以用于跟踪管件的移动。其他技术可以用于缩短处理时间，比如提供图像模板数据和圆柱体拟合以更容易地识别管件及其螺纹端、以及建立管件形状和位置的同时定位和映射或SLAM技术。
ToF相机数据同样地用于获得钻杆的视图，并且可以利用与RGB相机处理类似的算法。另外，ToF相机数据提供场景中的每个像素的距离信息。经处理的RGB数据和经处理的ToF数据关于时间和像素进行组合，得到管件的3D图像。然而，3D图像仅足以建立管件相对于单个相机系统的位置。而该位置信息不足以对齐管件。
图5描绘了相机系统54和56的相机系统数据的处理，每个相机系统包括两个RGB数字相机和单个ToF相机(分别为相机300、302和304以及306、308和310)。来自RGB相机300、304、306和308的数据分别被图像处理器312、316、318和322如上所述那样处理。来自相机302和308的ToF数据分别被图像处理器314和320处理。来自处理器312和316的经处理的图像然后被处理器324处理以得出立体RGB图像。立体图像然后通过处理器326与经处理的ToF深度图像组合以提供井下管件和悬吊管件相对于相机系统54的图像和深度信息。类似地，来自处理器318和322的经处理的图像数据然后通过处理器328组合以形成立体RGB图像，该立体图像通过处理器330与来自处理器320的ToF数据组合以形成组合图像，该组合图像提供井下管件和悬吊管件相对于相机系统56的图像和深度信息。来自每个相机的深度和位置信息被处理器332用于得出井下管件和悬吊管件的端部在3D空间中的位置及其它们的相对偏移。位置信息然后被发送到SCADA控制器334，SCADA控制器334驱动自动化管件搬运系统以使井下管件和悬吊管件轴向对齐、然后通过螺纹接合。虽然图5中描绘了各种图像处理器，但是将意识到，单个图像处理器系统可以用于执行相同的步骤。
可替代地，本发明的计算机可以将管件的位置数据输出到可以用于控制管件搬运系统的单独的计算机，比如SCADA系统。在这样的情况下，SCADA系统利用位置信息来产生提供给钻杆搬运系统的使管件对齐的定位指令。
在此陈述了用于利用单个RGB相机确定管件的位置的说明性图像处理技术。图像数据是连续的，但是在实践中，必须选择时间步长或采样时间，这样将导致如下一系列时刻，在这些时刻，图像处理系统将被调用以识别静止管件和悬挂管件端部、确定它们对于该时间步长的位置、并且在下一个时间步长之前的合理的时间量内执行该操作。将意识到，利用目前的图像处理技术，这些时间步长小，导致几乎连续的识别和位置数据。就寻找什么而对图像处理系统进行训练是这样做的最常见的方法。图像处理系统已经利用将被检测的物体(在本发明中为管件端部)的多张照片被训练，以识别物体，包括被部分遮挡的物体或多个物体。而且，如在操作期间可以被使用的那样，图像处理系统必须被训练为识别变化的外形，例如，钻铤外形、钻杆外形或外壳外形。最后，必须认识到，这些管件在组装/卸开操作期间不是静止的，并且悬挂管件端部将相对于井下静止管件端部移动。
训练本发明的图像处理系统的示例性方法利用基于特定管件的多个视频图像的修正的有向梯度直方图(HOG)特征提取和检测。N.Dalal和B.Trigss的文章Histograms ofOriented Gradients for Human Detection,Computer Vision and PatternRecognition 2005IEEE Computer Society Conference,pp.866-893,vol.1,InstituteElectrical and Electronics Engineers中陈述了基本的HOG技术，该文章特此通过引用并入。利用该技术，针对伽马和颜色对图像进行规范化，并且利用具有设定的像素大小的检测窗口或调查区域，在整个图像上扫描该检测窗口或调查区域。当窗口被扫描时，对窗口内的那些像素计算梯度。然后将像素的梯度分区间以创建对于空间单元和取向单元的加权投票。然后将这些单元组合成更大的单元块，对这些单元块进行对比度规范化以创建描述符，该描述符是来自检测窗口中的所有块的规范化单元响应。Dalal的论文然后讨论了通过使用HOG技术建立物体边缘的存在来实际检测图像边缘的两种不同的方法。然后针对检测窗口收集HOG，在Dalal的论文中，该检测窗口被用于训练线性支持向量机(SVM)、监督机器学习模型。在训练了图像处理器后，使用相同的检测窗口扫描技术来识别实时图像中的物体。
Dalal的论文中所公开的技术存在若干个缺点，包括与重叠窗口的分区间相关联的问题以及不能识别单个图像内的多个物体。这可能导致关于物体的边缘的描述符是次优的。在本发明的示例性方法中，利用修正的训练HOG的方法，该方法能够检测单个图像内的多个物体。被称为最大裕量物体检测(MMOD)的技术用于优化多个子窗口上的物体检测。MMOD利用切平面，该切平面被加于HOG数据上以改进物体的位置的近似。D.King,Max-Margin Object Detection，http://arxiv.org/pdf/1502.00046v1.pdf中讨论了MMOD技术的使用，该文献特此通过引用并入。使用MMOD-HOG技术来训练SVM改进了物体检测中的空间定位，并且使得可以标识单个实时图像内的多个物体。将意识到，这对于检测和建立井下管件的静止端部和悬挂管件的端部的位置是重要的。
虽然MMOD-HOG技术的使用改进了物体检测和空间定位，但是本发明的示例性实施例利用回归树进一步改进了物体的检测和空间定位。最基本地，回归树递归地将数据集划分为数据的两个子集，划分被选为使两个子分支的不纯度函数之和最小，最终选择具有最小不纯度函数的分支。该分支中的数据经过相同的分割划分，并且所述过程重复进行，直至要么不纯度函数的结果满足停止标准，要么数据被分割到任意设定的分支水平。树回归应用于分类中，并且将意识到，存在通过其确定划分被如何确定、不纯度函数以及停止标准的若干种方式。在本发明的示例性实施例中，面部识别软件(参见，http://dlib.net)的修正用于通过比较来自MMOD-HOG位置数据的相邻像素的强度并且试图使来自实际图像的一组像素的平方和与通过MMOD-HOG/SVM识别数据得出的近似相比的差值最小，来进一步改进MMOD-HOG物体识别数据与实际图像的拟合。在示例性系统中，树回归限于三个分支事件。树回归应用于MMOD-HOG/SVM数据的结果改进了到物体的实际位置的像素内的空间定位。
将意识到，悬挂管件将处于运动，并且图像处理系统提供空间位置数据的能力将受到该运动的影响。为了改进空间定位信息，通过并行的一组卡尔曼滤波器对树回归位置数据的结果进行处理。每个卡尔曼滤波器是相同的，除了从非常小变到非常大的过程噪声项之外。在每个时间步长，图像处理系统使用在前一个图像时间步长上具有最准确的物体位置预测的卡尔曼滤波器的输出。这在卡尔曼滤波器中提供了自适应过程噪声项。结果是，当物体的移动不是非常大时，滤波器对于钻杆位置做出强假定，并且给出非常准确的输出。当物体在相机视觉场中快速地移动时，滤波器将对物体位置变化快速地做出反应，但是给出准确度略低的输出。
虽然示例性图像处理系统利用检测窗口MMOD-HOG检测、连同树回归和卡尔曼滤波器，来检测并且准确地估计移动的悬挂管件和井下静止管件的位置，但是将意识到，存在可以用于检测并且建立悬挂管件和井下静止管件的空间位置的其他图像处理方法。位置信息然后与上述第二相机系统组合，以提供管件在三维空间中的位置。空间信息然后被提供给自动化管件搬运系统。
利用能够悬吊管件并且将它带到钻台的任何自动化钻杆搬运系统都在本发明的范围内，只要该钻杆搬运系统能够进行三维定位，并且具有响应于位置信息来准确地移动悬挂管件以使得它将与静止的井下管件对齐的必要算法。
鉴于本发明已经被与本发明所附的附图具体相关地描述，将意识到，在不脱离本发明的范围和精神的情况下，可以做出除了本文中例示说明的那些修改之外的进一步的修改。

Claims (14)

1.一种用于在钻台环境中定位油田螺纹管件的系统，所述系统包括：
自动化管件搬运系统，所述自动化管件搬运系统用于从邻近所述钻台的管件存放区域移动管件，所述管件在每个端部具有螺纹连接，所述自动化管件搬运系统能够将所述移动管件定向在垂直位置上并且邻近静止管件，所述静止管件在每个端部具有螺纹连接，并且被垂直地定位在所述钻台中的转盘中，所述静止管件的最上端具有能够与所述移动管件的下端的螺纹连接配合的螺纹连接；
至少两个成像系统，每个成像系统包含至少一个相机，所述成像系统相对于所述转盘的中心在径向上相互偏移，并且每个成像系统提供所述静止管件和所述移动管件的实时图像；
图像处理系统，所述图像处理系统从所述成像系统接收所述实时图像，所述图像处理系统进行操作以检测所述静止管件和所述移动管件，并且产生所述静止管件和所述移动管件在所述钻台上三维空间中的位置数据的实时估计；以及
将所述实时位置数据发送到所述自动化管件搬运系统，所述管件搬运系统对该实时位置信息进行处理以使所述移动管件与所述静止管件垂直对齐，并且降低所述移动管件以与所述静止管件接触。
2.根据权利要求1所述的系统，其中，所述成像系统中的每个成像系统包含至少一个彩色相机。
3.根据权利要求1所述的系统，其中，所述用于检测并且产生位置数据的实时估计的图像处理系统包括：
应用有向梯度直方图训练和识别技术来识别所述静止管件和所述移动管件，并且利用支持向量机学习技术来从图像数据得出针对特定时间步长的所述静止管件和所述移动管件的位置数据估计；
通过使用树回归算法来改善所述位置数据估计；
并且
其中，所述移动管件相对于所述静止管件的移动对于所述位置数据估计的影响通过将所述位置数据估计应用于一组并行的卡尔曼滤波器来解决，所述卡尔曼滤波器中的每个卡尔曼滤波器具有变化的噪声项，每个所述卡尔曼滤波器的输出导致所述静止管件和所述移动管件的不同的位置数据估计；并且
从由所述并行的卡尔曼滤波器生成的不同的位置数据估计选择最终位置估计，所述最终位置估计的输出是紧接在前的时间步长中的被最接近地估计的位置数据。
4.根据权利要求3所述的系统，其中，所述有向梯度直方图训练和识别技术是允许检测实时图像内的多个管件的最大裕量物体检测技术。
5.一种用于在钻台上建立螺纹油田管件连接的方法，所述方法包括：
借助于自动化管件搬运系统，从管件存放区域移动油田管件，所述管件具有螺纹端，并且将移动管件悬吊在高于悬吊在钻台中的转盘中的垂直静止井下管件的垂直位置上，该静止管件在两个端部具有螺纹连接，该静止管件的最上面的螺纹连接能够与该移动管件的下部的螺纹连接配合；
利用至少两个成像系统来捕捉所述钻台的图像信息，每个成像系统包含至少一个彩色摄像机，并且相对于所述转盘在径向上相互偏移；
将所述图像信息发送到图像处理系统，所述图像处理系统识别该移动管件和该静止管件，并且产生该移动管件和该静止管件的三维位置信息；
将所述位置信息发送到所述自动化管件搬运系统，所述管件搬运系统编制定位指令，所述定位指令使该移动管件的最下端与该井下管件的最上端对齐，并且降低该移动管件以使该移动管件和该静止管件通过螺纹接触；
通过使用位于所述钻台上的自动化液压扳手系统拧紧所述管件螺纹，在移动管件和静止井下管件之间创建螺纹连接。
6.根据权利要求5所述的方法，其中，所述图像处理系统识别并并产生位置信息的步骤包括：
对于每个相机系统，对于图像数据时间步长，利用滑动窗口有向梯度直方图技术来识别移动管件和静止管件；
使用利用所述有向梯度直方图数据的支持向量机训练技术来得出移动管件和静止管件的位置信息；
将回归树算法应用于该位置信息以改善该位置信息；以及
基于每个相机系统的图像数据来组合移动管件和静止管件的位置信息以创建三维位置信息。
7.根据权利要求6所述的方法，其中，所述得出位置信息的步骤进一步包括：将位置信息提供给并行的一组卡尔曼滤波器的步骤，每个滤波器具有不同的噪声因子，每个噪声因子导致来自每个滤波器的不同的位置信息；并且从该组不同的位置信息选择最准确地确定紧接在前的时间步长中的位置信息的那个位置信息。
8.一种用于在钻机钻台上建立管件螺纹连接的系统，所述系统包括：
自动化管件搬运系统，所述自动化管件搬运系统用于：从邻近所述钻台的管件存放区域运输管件，所述自动化管件搬运系统能够将所述管件定向在垂直位置上，所述管件在所述管件的每个端部具有螺纹连接；并且移动所述管件接近于被垂直定位在所述钻台中的转盘中的静止管件，所述静止管件在所述管件的每个端部具有螺纹连接，所述静止管件最上端的螺纹连接能够与所述移动管件的最下端的螺纹连接配合；
至少两个成像系统，每个成像系统包含至少一个相机，成像系统相对于所述转盘的中心在径向上相互偏移，每个成像系统提供所述静止管件和所述移动管件的实时图像；
图像处理系统，所述图像处理系统从所述成像系统接收所述实时图像，所述图像处理系统进行操作以检测所述静止管件和所述移动管件，并且产生所述静止管件和所述移动管件在所述钻台上三维空间中的位置数据的实时估计；
将该实时位置数据发送到所述自动化管件搬运系统，该管件搬运系统对该实时位置信息进行处理以使所述移动管件与所述静止管件垂直对齐，并且降低所述移动管件以与所述静止管件通过螺纹接触；以及
位于所述钻台上的自动化力矩扳手，所述自动化扳手从远离所述转盘的位置朝向所述转盘前进并且与所述移动管件和所述静止管件接触，并且将力矩应用于所述管件以在所述静止管件和所述移动管件之间建立螺纹连接。
9.根据权利要求8所述的系统，其中，所述成像系统中的每个成像系统包含至少一个彩色相机。
10.根据权利要求8所述的系统，其中，所述图像处理系统
将滑动窗口有向梯度直方图图像分析应用于所述实时图像，并且应用支持向量机训练和识别技术以用于所述静止管件和所述移动管件的识别，并且从图像数据得出对于特定时间步长的所述静止管件和所述移动管件的位置数据估计；
通过使用树回归算法来改善所述位置数据估计；
并且
其中，所述移动管件相对于所述静止管件的移动对于所述位置数据估计的影响通过将所述位置数据估计应用于一组并行的卡尔曼滤波器来解决，所述卡尔曼滤波器中的每个卡尔曼滤波器具有变化的噪声项，每个所述卡尔曼滤波器的输出导致所述静止管件和所述移动管件的不同的位置数据估计；并且
从由所述并行的卡尔曼滤波器生成的不同的位置数据估计选择最终位置估计，所述最终位置估计的输出是紧接在前的时间步长中的被最接近地估计的位置数据。
11.一种用于在钻台环境中定位油田螺纹管件的方法，该系统包括：
借助于自动化管件搬运系统从邻近所述钻台的管件存放区域移动管件，所述管件在每个端部具有螺纹连接，所述自动化管件搬运系统能够将所述移动管件定向在垂直位置上并且邻近静止管件，所述静止管件在每个端部具有螺纹连接，并且被垂直地定位在所述钻台中的转盘中，所述静止管件的最上端具有能够与所述移动管件的下端的螺纹连接配合的螺纹连接；
从至少两个成像系统捕捉图像数据，每个成像系统包含至少一个相机，成像系统相对于所述转盘的中心在径向上相互偏移，并且每个成像系统提供所述静止管件和所述移动管件的实时图像；
对来自成像系统的图像数据进行处理，所述图像处理进行操作以检测所述静止管件和所述移动管件，并且产生所述静止管件和所述移动管件在所述钻台上三维空间中的位置数据的实时估计；以及
将实时位置数据发送到所述自动化管件搬运系统，所述管件搬运系统对该实时位置信息进行处理以使移动管件与静止管件垂直对齐，并且降低所述移动管件以与所述静止管件通过螺纹接触。
12.根据权利要求11所述的方法，其中，通过所述成像系统中的每个成像系统捕捉图像数据的步骤包括使用至少一个彩色相机。
13.根据权利要求11所述的方法，其中，所述图像数据系统的处理步骤包括：
将使用有向梯度直方图信息的滑动窗口有向梯度直方图应用于支持向量机训练和识别以用于识别所述静止管件和所述移动管件，并且从所述图像数据得出对于特定时间步长所述静止管件和所述移动管件的位置数据估计；
通过使用树回归算法来改善所述位置数据估计；
将所述位置数据估计应用于一组并行的卡尔曼滤波器，所述卡尔曼滤波器中的每个卡尔曼滤波器具有变化的噪声项，每个所述卡尔曼滤波器的输出导致所述静止管件和所述移动管件的不同的位置数据估计；并且
从所述并行的卡尔曼滤波器生成的不同的位置数据估计选择最终位置估计，所述最终位置估计的输出是紧接在前的时间步长中的被最接近地估计的位置数据。
14.根据权利要求13所述的方法，其中，所述有向梯度直方图训练和识别技术是使得允许检测实时图像内的多个管件的最大裕量物体检测技术。
CN201580075820.XA 2014-12-23 2015-12-22 用于定位管状构件的系统和方法 Pending CN107251054A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201462095837P 2014-12-23 2014-12-23
US62/095,837 2014-12-23
PCT/US2015/067306 WO2016106294A1 (en) 2014-12-23 2015-12-22 System and method for positioning of tubular members

Publications (1)

Publication Number Publication Date
CN107251054A true CN107251054A (zh) 2017-10-13

Family

ID=55221517

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580075820.XA Pending CN107251054A (zh) 2014-12-23 2015-12-22 用于定位管状构件的系统和方法

Country Status (7)

Country Link
US (1) US10196867B2 (zh)
EP (1) EP3237722B1 (zh)
CN (1) CN107251054A (zh)
AU (1) AU2015369675B2 (zh)
BR (1) BR112017013562B1 (zh)
CA (1) CA2972040A1 (zh)
WO (1) WO2016106294A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110751691A (zh) * 2019-09-24 2020-02-04 同济大学 一种基于双目视觉的管件自动抓取方法

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
NO343139B1 (en) * 2017-07-13 2018-11-19 Pipe Pilot As Method for aligning pipes coaxially
IT201800004926A1 (it) * 2018-04-27 2019-10-27 Manipolatore multifunzionale per la movimentazione di elementi di perforazione in un impianto di perforazione, impianto di perforazione e relativi metodi di movimentazione degli elementi di perforazione.
US11015402B2 (en) 2018-04-27 2021-05-25 Canrig Robotic Technologies As System and method for conducting subterranean operations
US10808465B2 (en) 2018-04-27 2020-10-20 Canrig Robotic Technologies As System and method for conducting subterranean operations
US11041346B2 (en) 2018-04-27 2021-06-22 Canrig Robotic Technologies As System and method for conducting subterranean operations
US10822891B2 (en) 2018-04-27 2020-11-03 Canrig Robotic Technologies As System and method for conducting subterranean operations
US10907466B2 (en) 2018-12-07 2021-02-02 Schlumberger Technology Corporation Zone management system and equipment interlocks
US10890060B2 (en) 2018-12-07 2021-01-12 Schlumberger Technology Corporation Zone management system and equipment interlocks
US10975681B2 (en) * 2019-04-09 2021-04-13 Weatherford Technology Holdings, Llc Apparatus and method for locating tool joint
US11384633B2 (en) * 2019-05-20 2022-07-12 Caterpillar Global Mining Equipment Llc Drill head position determination system
US11180964B2 (en) 2019-08-20 2021-11-23 Barry J. Nield Interlock for a drill rig and method for operating a drill rig
US11448019B2 (en) 2019-09-23 2022-09-20 Barry J. Nield Interlock for a drill rig and method for operating a drill rig
US11913293B2 (en) * 2019-11-27 2024-02-27 Canrig Robotic Technologies As Slip wear detection
US11367202B2 (en) * 2020-05-14 2022-06-21 Weatherford Technology Holdings, Llc Optical monitoring of threaded connection make-up and break-out processes
US11773662B2 (en) * 2020-05-14 2023-10-03 Weatherford Technology Holdings, Llc Tubular string make-up methods utilizing image processing
US11643887B2 (en) * 2020-07-06 2023-05-09 Canrig Robotic Technologies As Robotic pipe handler systems
CN116113750A (zh) 2020-09-01 2023-05-12 坎里格机器人技术有限公司 管状件搬运系统
US11603720B2 (en) * 2020-09-04 2023-03-14 Sichuan Honghua Petroleum Equipment Co., Ltd. Methods for tripping a drilling rig or a workover rig

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US2870659A (en) * 1957-07-01 1959-01-27 Fred G Burg Machine tool having a turret head
US5675214A (en) * 1994-09-21 1997-10-07 U.S. Philips Corporation Low-pressure discharge lamp having hollow electrodes
CN1648408A (zh) * 2004-09-20 2005-08-03 张复彦 石油天然气钻井作业监控管理系统
US20090159294A1 (en) * 2006-06-14 2009-06-25 Abdolreza Abdollahi Systems and methods for autonomous tripping of oil well pipes
US20100191391A1 (en) * 2009-01-26 2010-07-29 Gm Global Technology Operations, Inc. multiobject fusion module for collision preparation system
US20120045120A1 (en) * 2010-08-18 2012-02-23 Canon Kabushiki Kaisha Information processing apparatus and information processing method
US20130271576A1 (en) * 2012-04-16 2013-10-17 Canrig Drilling Technology Ltd Device control employing three-dimensional imaging
CN103456038A (zh) * 2013-08-19 2013-12-18 华中科技大学 一种井下环境三维场景重建方法
US20140233804A1 (en) * 2011-09-29 2014-08-21 Voca As Method and apparatus for finding stick-up height of a pipe or finding a joint between two pipes in a drilling environment

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201007200D0 (en) 2010-04-29 2010-06-16 Nat Oilwell Varco Lp Videometric system and method for offshore and oil-well drilling

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US2870659A (en) * 1957-07-01 1959-01-27 Fred G Burg Machine tool having a turret head
US5675214A (en) * 1994-09-21 1997-10-07 U.S. Philips Corporation Low-pressure discharge lamp having hollow electrodes
CN1648408A (zh) * 2004-09-20 2005-08-03 张复彦 石油天然气钻井作业监控管理系统
US20090159294A1 (en) * 2006-06-14 2009-06-25 Abdolreza Abdollahi Systems and methods for autonomous tripping of oil well pipes
US20100191391A1 (en) * 2009-01-26 2010-07-29 Gm Global Technology Operations, Inc. multiobject fusion module for collision preparation system
US20120045120A1 (en) * 2010-08-18 2012-02-23 Canon Kabushiki Kaisha Information processing apparatus and information processing method
US20140233804A1 (en) * 2011-09-29 2014-08-21 Voca As Method and apparatus for finding stick-up height of a pipe or finding a joint between two pipes in a drilling environment
US20130271576A1 (en) * 2012-04-16 2013-10-17 Canrig Drilling Technology Ltd Device control employing three-dimensional imaging
CN103456038A (zh) * 2013-08-19 2013-12-18 华中科技大学 一种井下环境三维场景重建方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
DALAL N 等: "Histograms of oriented gradients for human detection", 《2005 IEEE COMPUTER SOCIETY CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION》 *
MAEDEH AHMADI 等: "Contour-Based Object Detection Using Max-Margin Hough Transform", 《MACHINE VISION AND IMAGE PROCESSING》 *
ZHIQIANG QU 等: "Online Pedestrian Tracking with Kalman Filter and Random Ferns", 《APPLIED MACHANICS AND MATERIALS》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110751691A (zh) * 2019-09-24 2020-02-04 同济大学 一种基于双目视觉的管件自动抓取方法
CN110751691B (zh) * 2019-09-24 2022-09-20 同济大学 一种基于双目视觉的管件自动抓取方法

Also Published As

Publication number Publication date
WO2016106294A1 (en) 2016-06-30
US10196867B2 (en) 2019-02-05
CA2972040A1 (en) 2016-06-30
US20170362905A1 (en) 2017-12-21
BR112017013562B1 (pt) 2022-03-22
EP3237722B1 (en) 2019-09-18
AU2015369675B2 (en) 2018-11-08
EP3237722A1 (en) 2017-11-01
AU2015369675A1 (en) 2017-07-13
BR112017013562A2 (pt) 2018-03-06

Similar Documents

Publication Publication Date Title
CN107251054A (zh) 用于定位管状构件的系统和方法
Weerasinghe et al. Application of Microsoft Kinect sensor for tracking construction workers
Bourdis et al. Constrained optical flow for aerial image change detection
KR101355974B1 (ko) 복수의 객체를 추적하는 객체 추적 방법 및 장치
US20130345878A1 (en) Videometric systems and methods for offshore and oil-well drilling
JP2017062776A (ja) 構造物に対する変化を検出するための方法、装置およびコンピュータ可読媒体
US20210185279A1 (en) Systems and methods for personnel location at a drilling site
Hołowko et al. Application of multi-resolution 3D techniques in crime scene documentation with bloodstain pattern analysis
CN107205366A (zh) 同一条鱼识别设备、鱼计数设备，用于鱼计数的便携式终端、同一条鱼识别方法、鱼计数方法、鱼计数预测设备、鱼计数预测方法、同一条鱼识别系统、鱼计数系统和鱼计数预测系统
WO2013048260A2 (en) Method and apparatus for finding stick-up height of a pipe or finding a joint between two pipes in a drilling environment
CN114241298A (zh) 一种激光雷达和图像融合的塔吊环境目标检测方法及系统
CN104463869B (zh) 一种视频火焰图像复合识别方法
CN102156881B (zh) 基于多尺度图像相位信息的海难搜救目标检测方法
CN105956619B (zh) 一种集装箱锁孔粗定位和跟踪方法
CN103162682A (zh) 基于混合现实的室内路径导航方法
WO2023070312A1 (zh) 图像处理方法
Yamaguchi et al. Crack inspection support system for concrete structures using head mounted display in mixed reality space
CN106923837A (zh) 彩色关节运动测试系统及方法
Alvarez et al. Camera auto-calibration using zooming and zebra-crossing for traffic monitoring applications
CN107958202A (zh) 人体检测设备、人体检测设备的控制方法和存储介质
Pahwa et al. Feature-less stitching of cylindrical tunnel
Cheng et al. Texture mapping 3d planar models of indoor environments with noisy camera poses
CN112183411A (zh) 一种面向高压输电线路巡检的单目slam系统
CN110210447A (zh) 一种井下危险区域运动目标检测方法及装置
JP7120620B2 (ja) センサ装置、センサ装置の制御方法及びプログラム

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

Application publication date: 20171013

WD01 Invention patent application deemed withdrawn after publication