CN108733053A - 一种基于机器人的智能道路检测方法 - Google Patents

一种基于机器人的智能道路检测方法 Download PDF

Info

Publication number
CN108733053A
CN108733053A CN201810367722.9A CN201810367722A CN108733053A CN 108733053 A CN108733053 A CN 108733053A CN 201810367722 A CN201810367722 A CN 201810367722A CN 108733053 A CN108733053 A CN 108733053A
Authority
CN
China
Prior art keywords
robot
data
road
road detection
detection
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
CN201810367722.9A
Other languages
English (en)
Inventor
杨辉
桂仲成
马云峰
贺骥
邓勇军
方霖
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.)
Shanghai Robot Co Ltd
Original Assignee
Shanghai Robot 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 Shanghai Robot Co Ltd filed Critical Shanghai Robot Co Ltd
Priority to CN201810367722.9A priority Critical patent/CN108733053A/zh
Publication of CN108733053A publication Critical patent/CN108733053A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0257Control of position or course in two dimensions specially adapted to land vehicles using a radar
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0268Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/0278Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS

Abstract

本发明公开了一种基于机器人的智能道路检测方法,包括以下步骤:S1,确定道路检测区域;S2,自主检测机器人根据所述的道路检测区域自动规划路径并执行道路检测任务;在执行道路检测任务的过程中,获取机器人的实时定位信息,同时利用高精度相机和探地雷达采集路面数据,并将所采集的路面数据与采集数据时对应的定位信息进行关联、存储。本发明利用自主检测机器人进行路径自动规划并执行道路检测任务,并利用定位设备实时获取机器人的定位信息及利用数据采集传感器采集路面数据,并将所采集的路面数据与对应的定位信息进行关联,从而实现了机器人自主完成道路检测任务,并且作业效率高,检测数据完整,检测数据位置信息准确,能准确定位病害。

Description

一种基于机器人的智能道路检测方法
技术领域
[0001] 本发明涉及一种基于机器人的智能道路检测方法,属于道路病害自动检测技术领 域。
背景技术
[0002] 当前多使用多功能检测车对道路进行检测,或者使用普通车辆搭载探地雷达对被 检测道路进行检测,人工控制检测过程,存在效率低、随机性大、位置数据不准确等缺点;另 外,现有技术中进行道路检测时所搭载的各种不同的传感器都是单独作业,相互之间无有 效同步手段,无法根据多传感器数据对道路进行综合诊断,因而很难得出较准确的检测结 果。
发明内容
[0003] 本发明的目的在于,提供一种基于机器人的智能道路检测方法,它可以有效解决 现有技术中存在的问题,尤其是人工控制检测过程,导致检测效率低、随机性大、位置数据 不准确的问题。
[0004] 为解决上述技术问题,本发明采用如下的技术方案:一种基于机器人的智能道路 检测方法,包括以下步骤:
[0005] S1,确定道路检测区域;
[0006] S2,自主检测机器人根据所述的道路检测区域自动规划路径(如梳状检测路径等) 并执行道路检测任务;在执行道路检测任务的过程中,获取机器人的实时定位信息,同时利 用高精度相机(拍摄精度达到1mm以内的工业相机,例如,行像素大于2k分辨率的相机拍摄2 米宽的范围)和探地雷达采集路面数据,并将所采集的路面数据与采集数据时对应的定位 信息进行关联、存储(如存入关系数据库)。
[0007] 优选的,步骤S1中,通过相对定位(工作坐标系位置)或绝对定位的方式确定道路 检测区域;其中,所述的通过相对定位的方式确定道路检测区域,即根据待检测区域的方向 和位置来定义工作坐标系:以检测区域延伸方向为Y轴,以垂直于其延伸方向为X轴,以检测 起始点为原点;在此坐标系下根据实际检测需求自定义一个检测区域(检测区域可以是矩 形,多边形,曲线边界图等);所述的通过绝对定位的方式确定道路检测区域,即利用位置标 定器采集待检测区域边界关键点的实际位置信息,然后通过所述边界拟合出一个多边形区 域作为道路检测区域(所述的多边形区域需要对待检测区域进行全覆盖)。从而可以方便快 捷准确的确定道路检测区域。
[0008] 理论上说可以任意定义机器人的工作坐标系,本发明通过上述方式定义工作坐标 系,正好可以使道路延伸方向和垂直方向分别为坐标系的X轴、Y轴,从而可以更方便的通过 软件界面定义工作区域。
[0009]定义工作坐标系后,相关检测数据可直接关联工作坐标,可获取直接的相对位置 关系,从而更有利于缺陷分析。
[0010] 优选的,对道路的病害情况进行综合分析时,首先通过人工读取雷达所采集的数 据,如果发现可疑内部缺陷,则根据相应的位置信息查看对应的表观数据,然后通过裂缝及 破损识别算法自动识别高精度相机所采集的图像中的被检测区域的表观缺陷,从而提高了 道路病害检测的准确率。
[0011] 本发明还包括:将识别出的表观缺陷和可疑内部缺陷自动存入数据库中,并根据 相应的位置信息标记在检测地图上。检测信息包含位置信息,只需要获取其经炜度便可以 利用现地图平台提供的API在地图进行对应的标注;将缺陷在实际地图上按位置标注出来 的好处是使缺陷更加直观,可使检测结果更加直观,缺陷位置一目了然。
[0012] 前述的基于机器人的智能道路检测方法,步骤S2中,通过编码器触发高精度相机 和探地雷达进行数据采集,并通过控制编码器的频率来控制高精度相机和探地雷达采集数 据的频率,从而可以保证在任何运动速度下,都能保证每张照片拍摄的距离是一定的,即数 据的间距是己知且恒定的,进而有利于进行图形拼接,获得较好的拼接效果;当定位数据的 分辨率低于探地雷达数据的分辨率时,则采用线性插值的方式来确定每一个探地雷达数据 的准确位置,使得每一帧雷达数据对应一个准确位置,避免了很多帧数据对应同一个位置。
[0013] 步骤S2中,通过安装在机器人轮子上的编码器所发出的编码器脉冲触发高精度相 机进行数据采集;相机对脉冲进行计数,每隔固定的脉冲数后触发快门拍照,使得相邻的两 张照片之间具有10%〜20%的重合部分;进行道路情况分析时,再根据照片的位置进行拼 接,然后对接缝进行模糊化处理,将照片中重合的部分去掉。从而可以保证不漏采数据,而 且通过利用照片的位置信息可以准确的将道路照片中重合的部分去掉。
[0014]将照片重合的部分剪掉,也就是对相片应用一定的图像处理算法进行拼接。图像 拼接算法包括一套固定的流程,主要包括寻找相片特征点、进行特征点匹配、寻找重合区 域、重映射重叠重合区域和对接缝进行模糊化处理。然而由于道路,特别是沥青道路相邻照 片的相似程度很高,整张照片特征点很不明显,导致特征点提取和匹配比较困难,常常会出 现无法匹配或者匹配重合区域错误的情况出现。本发明为了解决图像拼接的难点,考虑到 每张照片拍照时都保存了照片的精确位置,因此可采用常规拼接算法和位置结合的方法进 行处理;当图像拼接出现错误或无法拼接时,也可以直接根据照片的位置进行拼接,然后对 接缝进行模糊化处理。
[0015] 本发明中使得相邻的两张照片之间具有10%〜20%的重合部分,从而可以保证恰 好找到特征点进行照片拼接,而且还不会浪费存储空间。
[0016] 前述的基于机器人的智能道路检测方法中,步骤S2中,所述的高精度相机采集数 据时,相邻的两张照片之间具有10%〜20%的重合部分;进行道路情况分析时,首先根据照 片的位置信息进行初步拼接,然后根据照片的位置信息找出重合区域,再利用特征点匹配 拼接算法对接缝进行模糊化处理,将照片中重合的部分去掉,从而可以保证不漏采数据,而 且满足自动拼图的需要,使得根据重叠区域找到特征值。
[0017] 本发明的步骤S2中,控制高精度相机和探地雷达进行数据采集时,同时获取机器 人当前的位置信息,根据机器人的几何尺寸、高精度相机和探地雷达的安装位置关系以及 机器人的当前航向,计算出高精度相机采集点和探地雷达采集点的准确位置,然后将此位 置信息与对应的相机图像、雷达数据进行关联存储。其中,相机可安装在机器人前侧,相机 高度可根据视场大小来确定,比如约1.2米;雷达可安装于机器人后方,高度可根据雷达天 线的親合方式决定,比如雷达可距离地面约3cm。
[0018]优选的,步骤S2中,所述的机器人的实时定位信息,是通过将差分GPS定位数据、陀 螺仪数据及编码器数据利用卡尔曼滤波算法进行融合后获得的位置数据,从而可以获得高 精度的实时位置信息;另外还可通过提高陀螺仪的精度来进一步提高融合以后实时定位信 息的准确性(因为陀螺仪的输出数据包含三个方向的加速度,积分以后得到速度,速度再积 分就得到位置;所以传感器数据精度越高,融合以后的位置越准确)。
[0019]本发明中,可根据机器人的移动速度和最大位置误差调节机器人实时定位信息的 刷新周期:
[0020] v*p = e;
[0021 ]其中,v为机器人的移动速度,p为机器人实时定位信息的刷新周期,e为最大位置 误差。通过该公式,从而可以使得机器人运动时的实际定位精度控制在2cm以内。
[0022]理论上说位置刷新频率越高越好,但受限于定位设备的性能,目前普通GPS模块可 提供5-20Hz不等的刷新频率,所以必须结合陀螺仪和编码器输出融合后的位置数据。本发 明为了保证所记录的相机和雷达采集数据时刻平台位置的精度,对位置服务提供的数据刷 新频率进行了限定。假设机器人以5公里的设计时速计算,50ms间隔时间,平台前进约7cm, 也就是说最坏情况下,相机和雷达采集数据时的位置误差为7cm。也就是说平台(即自主检 测机器人)进行速度越大,同样的位置刷新频率下,采集数据所记录的位置误差越大。因此, 此指标是系统的一个技术参数,反映的是系统可达到的定位精度。实际应用中,根据机器人 的设计时速,设置需要的位置数据更新频率。
[0023]上述的基于机器人的智能道路检测方法中,还包括:采用位置标定器对道路病害 的实际位置进行定位;其中,所述的位置标定器包括GPS天线、GPS基站数据接收模块、GPS移 动接收机和串口转蓝牙通信模块,GPS移动接收机分别与GPS天线、GPS基站数据接收模块和 串口转蓝牙通信模块连接;所述的GPS天线采用蘑菇头天线。从而可以在发现某疑似病害 后,在有需要的时候,通过位置标定器可以重新准确地找到病害点,进行人工复测。另外,本 发明采用蘑菇头天线,体积更大,使得信号接收能力更强。
[0024]本发明中,高精度相机采集数据的频率和实时定位信息刷新的频率是异步的,且 实时定位信息刷新的频率为高精度相机采集数据频率的5〜10倍,从而可以保证相机采集 数据时定位的准确性。
[0025]与现有技术相比,本发明具有以下优点:
[0026] 1、本发明通过利用自主检测机器人进行路径自动规划、自动导航并执行道路检测 任务;在执行道路检测任务的过程中,利用高精度相机和探地雷达采集路面数据,并将所采 集的路面数据与采集数据时对应的实时定位信息进行关联、存储,从而实现了机器人自主 完成道路检测任务,并且作业效率高,检测数据完整,检测数据位置信息准确,能准确定位 病害;另外,本发明通过自主检测机器人搭载相机和探地雷达进行检测,可准确控制机器人 的运动路径,可实现对被检测区域准确的全覆盖(而现存的探地雷达的作业方式,通常是通 过人工拖动或汽车拖动,其运动路径很难准确控制,无法重复,无法保证全覆盖);此外,在 道路检测过程中会产生大量的雷达数据和图像数据,传统的检测手段检测后,需要对被检 测数据顺序排查和分析,需要从头到尾分析所有的检测数据;而本发明使用包括位置信息 的检测数据,可不必再按检测顺序分析数据,可直接分析对应位置的数据。对于需要重点分 析的某区域的路面,可直接通过位置查找对应的雷达数据和相机数据,也可以在发现雷达 数据缺陷时,根据位置查看对应的相机数据,反之亦然。这将很大地提高数据分析的效率; [0027] 2、本发明采用机器人进行道路检测,作业数据一致性好,可重复性好,排除了人工 作业的主观随意性;对同一检测区域可在不同时间准确重复执行,从而形成准确有效的检 测历史数据,对道路长期养护具有重要意义;
[0028] 3、本发明的道路检测数据包含精确的位置信息,因而可基于此位置信息对多种传 感器(如相机和探地雷达)数据进行融合处理,比如通过利用高精度相机结合探地雷达进行 道路数据采集,并对二者采集的数据进行综合分析,从而可以大大提高道路病害评估的准 确率;
[0029] 4、本发明通过利用具备高精度定位能力的位置标定器,辅助工程人员在现场找到 病害实际位置,从而实现对道路病害进行精确诊断;
[0030] 5、本发明采用机器人进行道路检测,通过将差分GPS定位数据、陀螺仪数据、编码 器数据利用卡尔曼滤波算法进行融合后获得实时定位信息,从而能够保证设备在GPS信号 不好的环境下也能工作,解决了目前探地雷达在GPS信号不好的情况下无法工作的痛点; [0031] 6、本发明通过机器人进行道路检测,所采集的数据自动存入数据库,并且包含准 确的位置信息,直接形成针对某具体检测对象的历史数据。对于机场跑道、桥梁、隧道等一 些重点维护对象,按周期进行检测后,自动关联所有的可得到被维护对象关于时间的变化 情况,能够发现单一检测无法发现的动态信息,有利于预防性养护;
[0032] 7、本发明综合多种传感方法获取路面、路内部全方位立体数据,并深度结合,综合 分析,相比传统单一传感器检测的方法,检测手段更为全面,数据更加丰富,结果更有说服 力。
附图说明
[0033]图1是本发明的一种实施例的工作流程图;
[0034]图2是位置标定器的电路结构及其与外部器件连接的示意图。
[0035]下面结合附图和具体实施方式对本发明作进一步的说明。
具体实施方式
[0036]本发明的实施例:一种基于机器人的智能道路检测方法,如图1所示,包括以下步 骤:
[0037] S1,确定道路检测区域;
[0038] S2,自主检测机器人根据所述的道路检测区域自动规划路径(如梳状检测路径等) 并执行道路检测任务;在执行道路检测任务的过程中,获取机器人的实时定位信息,同时利 用高精度相机(拍摄精度达到1mm以内的工业相机,例如,行像素大于2k分辨率的相机拍摄2 米宽的范围)和探地雷达采集路面数据,并将所采集的路面数据与采集数据时对应的定位 信息进行关联、存储(如存入关系数据库)。
[0039]步骤S1中,通过相对定位(工作坐标系位置)或绝对定位的方式确定道路检测区 域;其中,所述的通过相对定位的方式确定道路检测区域,即根据待检测区域的方向和位置 来定义工作坐标系:以检测区域延伸方向为Y轴,以垂直于其延伸方向为X轴,以检测起始点 为原点;在此坐标系下根据实际检测需求自定义一个检测区域(检测区域可以是矩形,多边 形,曲线边界图等);所述的通过绝对定位的方式确定道路检测区域,即利用位置标定器采 集待检测区域边界关键点的实际位置信息,然后通过所述边界拟合出一个多边形区域作为 道路检测区域。
[0040]在具体实施时,理论上是可以任意定义机器人的工作坐标系的;另外,具体实施 时,通过绝对定位的方式确定道路检测区域时,也可以拟合其他任意多边形,但是此应用场 景中,四边形区域就可以满足需要。
[0041]对道路的病害情况进行综合分析时,首先通过人工读取雷达所采集的数据,如果 发现可疑内部缺陷,则根据相应的位置信息查看对应的表观数据,然后通过裂缝及破损识 别算法自动识别高精度相机所采集的图像中的被检测区域的表观缺陷。
[0042] 还可包括:将识别出的表观缺陷和可疑内部缺陷自动存入数据库中,并根据相应 的位置信息标记在检测地图上。
[0043]可选的,本发明还可以通过编码器触发高精度相机和探地雷达进行数据采集,并 通过控制编码器的频率来控制高精度相机和探地雷达采集数据的频率,数据的间距是己知 且恒定的;当定位数据的分辨率低于探地雷达数据的分辨率时,则采用线性插值的方式来 确定每一个探地雷达数据的准确位置。
[0044]可选的,步骤S2中,通过安装在机器人轮子上的编码器所发出的编码器脉冲触发 高精度相机进行数据采集;相机对脉冲进行计数,每隔固定的脉冲数后触发快门拍照,使得 相邻的两张照片之间具有10%〜20%的重合部分;进行道路情况分析时,首先根据照片的 位置信息进行初步拼接,然后根据照片的位置信息找出重合区域,再利用特征点匹配拼接 算法对接缝进行模糊化处理,将照片中重合的部分去掉。
[0045]可选的,步骤S2中,控制高精度相机和探地雷达进行数据采集时,同时获取机器人 当前的位置信息,可根据机器人的几何尺寸、高精度相机和探地雷达的安装位置关系以及 机器人的当前航向,计算出高精度相机采集点和探地雷达采集点的准确位置,然后将此位 置信息与对应的相机图像、雷达数据进行关联存储。(相机可安装在机器人前侧,相机高度 可根据视场大小来确定,比如约1 • 2米;雷达可安装于机器人后方,高度可根据雷达天线的 耦合方式决定,比如雷达可距离地面约3cm)。
[0046]可选的,步骤S2中,所述的机器人的实时定位信息,是通过将差分GPS定位数据、陀 螺仪数据及编码器数据利用卡尔曼滤波算法进行融合后获得的位置数据(另外还可通过提 高陀螺仪的精度来进一步提高融合以后实时定位信息的准确性);根据机器人的移动速度 和最大位置误差调节机器人实时定位信息的刷新周期:
[0047] v*p = e;
[0048] 其中,v为机器人的移动速度,p为机器人实时定位信息的刷新周期,e为最大位置 误差。
[0049]本发明还可包括:采用位置标定器对道路病害的实际位置进行定位。其中,所述的 位置标定器包括GPS天线、GPS基站数据接收模块、GPS移动接收机和串口转蓝牙通信模块, GPS移动接收机分别与GPS天线、GPS基站数据接收模块和串口转蓝牙通信模块连接;所述的 GPS天线米用蘑燕头天线。如图2所示,所述的串口转蓝牙通信模块可与平板电脑连接,将实 时高精度GPS数据发送至平板电脑,同时平板电脑获取检测数据服务器的数据,从而实现对 退蹐讷舌的头际位置进彳丁定位。
[0050]、的,高精度相机采集数据的频率和实时定位信息刷新的频率可以是异步的, 且实时定位彳目息刷新的频率为高精度相机采集数据频率的5〜i 〇倍。
[0051]本发明的一种实施例的工作原理:
[0052]本发明设计的道面检测机器人系统,其主要组成部分和工作原理为:机器人平台 具备自主定位导航能力,基于差分GPS、陀螺仪和编码器的高精度定位设备能为机器人提供 精度小于2cm、数据刷新频率为2〇Hz的定位信息;机器人可接受来自上位机的检测任务,收 到检测任务后便自行开始执行任务。操作人员可以通过机器人远程控制软件定义检测任 务,其中检测任务包括工作坐标系和在此坐标系下的运动轨迹点和任务采集点。用户通过 软件界面向机器人下发检测任务。机器人检测过程中,所有检测数据自动存入数据库,可供 后续分析。机器人搭载有高清相机和探地雷达两种设备,采集数据时关联对应的位置信息。 所有数据存入检测数据库,然后对检测数据进行后处理,根据位置信息可将检测数据与实 际区域对应,形成直观的检测结果。通过人工分析探地雷达数据,可判断是否存在疑似缺 陷,并可获取疑似缺陷的准确的位置信息,同时,可综合分析同一位置的表观数据(图像数 据)和内部数据(探地雷达数据),进行综合评估。软件可根据评价结果,将缺陷可视化直观 展示,比如根据缺陷不同程度在地图的被检测区域处进行热点图标记,同时,可生成标准化 的检测报表。对于发现的缺陷,可使用带有高精度定位功能的位置标定器辅助用户找到现 场实际位置。

Claims (9)

1. 一种基于机器人的智能道路检测方法,其特征在于,包括以下步骤: S1,确定道路检测区域; S2,自主检测机器人根据所述的道路检测区域自动规划路径并执行道路检测任务;在 执行道路检测任务的过程中,获取机器人的实时定位信息,同时利用高精度相机和探地雷 达采集路面数据,并将所采集的路面数据与采集数据时对应的定位信息进行关联、存储。
2. 根据权利要求1所述的基于机器人的智能道路检测方法,其特征在于,步骤S1中,通 过相对定位或绝对定位的方式确定道路检测区域;其中,所述的通过相对定位的方式确定 道路检测区域,即根据待检测区域的方向和位置来定义工作坐标系:以检测区域延伸方向 为Y轴,以垂直于其延伸方向为X轴,以检测起始点为原点;在此坐标系下根据实际检测需求 自定义一个检测区域;所述的通过绝对定位的方式确定道路检测区域,即利用位置标定器 采集待检测区域边界关键点的实际位置信息,然后通过所述边界拟合出一个多边形区域作 为道路检测区域。
3. 根据权利要求1所述的基于机器人的智能道路检测方法,其特征在于,对道路的病害 情况进行综合分析时,首先通过人工读取雷达所采集的数据,如果发现可疑内部缺陷,则根 据相应的位置信息查看对应的表观数据,然后通过裂缝及破损识别算法自动识别高精度相 机所采集的图像中的被检测区域的表观缺陷。
4. 根据权利要求1所述的基于机器人的智能道路检测方法,其特征在于,步骤S2中,通 过编码器触发高精度相机和探地雷达进行数据采集,并通过控制编码器的频率来控制高精 度相机和探地雷达采集数据的频率,数据的间距是己知且恒定的;当定位数据的分辨率低 于探地雷达数据的分辨率时,则采用线性插值的方式来确定每一个探地雷达数据的准确位 置。
5. 根据权利要求1所述的基于机器人的智能道路检测方法,其特征在于,步骤S2中,通 过安装在机器人轮子上的编码器所发出的编码器脉冲触发高精度相机进行数据采集;相机 对脉冲进行计数,每隔固定的脉冲数后触发快门拍照,使得相邻的两张照片之间具有10 % 〜20%的重合部分;进行道路情况分析时,首先根据照片的位置信息进行初步拼接,然后根 据照片的位置信息找出重合区域,再利用特征点匹配拼接算法对接缝进行模糊化处理,将 照片中重合的部分去掉。
6. 根据权利要求1所述的基于机器人的智能道路检测方法,其特征在于,步骤S2中,控 制高精度相机和探地雷达进行数据采集时,同时获取机器人当前的位置信息,根据机器人 的几何尺寸、高精度相机和探地雷达的安装位置关系以及机器人的当前航向,计算出高精 度相机采集点和探地雷达采集点的准确位置,然后将此位置信息与对应的相机图像、雷达 数据进行关联存储。
7. 根据权利要求1〜6任一项所述的基于机器人的智能道路检测方法,其特征在于,步 骤S2中,所述的机器人的实时定位信息,是通过将差分GPS定位数据、陀螺仪数据及编码器 数据利用卡尔曼滤波算法进行融合后获得的位置数据;根据机器人的移动速度和最大位置 误差调节机器人实时定位信息的刷新周期: v 氺 p = e; 其中,v为机器人的移动速度,p为机器人实时定位信息的刷新周期,e为最大位置误差。
8. 根据权利要求1所述的基于机器人的智能道路检测方法,其特征在于,还包括:采用 位置标定器对道路病害的实际位置进行定位;其中,所述的位置标定器包括GPS天线、GPS基 站数据接收模块、GPS移动接收机和串口转蓝牙通信模块,GPS移动接收机分别与Gps天线、 GPS基站数据接收模块和串口转蓝牙通信模块连接;所述的GPS天线采用蘑菇头天线。… 9.根据权利要求1所述的基于机器人的智能道路检测方法,其特征在于,高精度相机采 集数,的频率和实时定位信息刷新的频率是异步的,且实时定位信息刷新的频率为高精度 相机采集数据频率的5〜10倍。
CN201810367722.9A 2018-04-23 2018-04-23 一种基于机器人的智能道路检测方法 Pending CN108733053A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810367722.9A CN108733053A (zh) 2018-04-23 2018-04-23 一种基于机器人的智能道路检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810367722.9A CN108733053A (zh) 2018-04-23 2018-04-23 一种基于机器人的智能道路检测方法

Publications (1)

Publication Number Publication Date
CN108733053A true CN108733053A (zh) 2018-11-02

Family

ID=63939764

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810367722.9A Pending CN108733053A (zh) 2018-04-23 2018-04-23 一种基于机器人的智能道路检测方法

Country Status (1)

Country Link
CN (1) CN108733053A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110969103A (zh) * 2019-11-21 2020-04-07 同济大学 一种基于ptz相机的高速公路路面病害长度测量方法
CN111024431A (zh) * 2019-12-26 2020-04-17 江西交通职业技术学院 一种基于多传感器无人驾驶的桥梁快速检测车
CN111524038A (zh) * 2020-04-28 2020-08-11 朱晶磊 一种基于大数据的沥青铺设管理系统及方法
CN111562220A (zh) * 2020-06-02 2020-08-21 吉林大学 一种桥梁病害快速智能检测方法
CN111637873A (zh) * 2020-06-08 2020-09-08 西北工业大学 一种飞机装配质量自动检测机器人系统
CN112026772A (zh) * 2020-08-14 2020-12-04 清华大学 一种智能网联汽车的路径实时规划与分布式控制方法
CN112102316A (zh) * 2020-11-05 2020-12-18 常州微亿智造科技有限公司 产品缺陷位置分布获取方法和装置
CN113075638A (zh) * 2021-04-30 2021-07-06 深圳安德空间技术有限公司 用于地下空间勘察的多源数据同步采集及融合方法和系统
CN113126083A (zh) * 2021-04-29 2021-07-16 深圳安德空间技术有限公司 一种基于现场视频的探地雷达辅助定位方法及定位系统
CN113075638B (zh) * 2021-04-30 2021-10-12 深圳安德空间技术有限公司 用于地下空间勘察的多源数据同步采集及融合方法和系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4653316A (en) * 1986-03-14 1987-03-31 Kabushiki Kaisha Komatsu Seisakusho Apparatus mounted on vehicles for detecting road surface conditions
CN103194956A (zh) * 2013-04-15 2013-07-10 南京道润交通科技有限公司 道路检测车及利用其进行道路检测的方法
CN103669182A (zh) * 2013-11-15 2014-03-26 上海嘉珏实业有限公司 基于相机与线激光器的路面裂缝识别装置及其识别方法
CN105926419A (zh) * 2016-05-23 2016-09-07 桂仲成 道面自主检测机器人系统及检测方法
CN107064172A (zh) * 2017-06-12 2017-08-18 黄成� 一种隧道衬砌裂缝快速检测系统
CN206883678U (zh) * 2016-12-30 2018-01-16 成都圭目机器人有限公司 一种道路损伤检测机器人系统
CN107817319A (zh) * 2017-12-19 2018-03-20 成都圭目机器人有限公司 一种用于城市道路与管线工程地下缺陷的无损检测机器人系统
EP3296463A1 (en) * 2016-09-07 2018-03-21 Toshiba Infrastructure Systems & Solutions Corporation Crack analysis device, method and program

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4653316A (en) * 1986-03-14 1987-03-31 Kabushiki Kaisha Komatsu Seisakusho Apparatus mounted on vehicles for detecting road surface conditions
CN103194956A (zh) * 2013-04-15 2013-07-10 南京道润交通科技有限公司 道路检测车及利用其进行道路检测的方法
CN103669182A (zh) * 2013-11-15 2014-03-26 上海嘉珏实业有限公司 基于相机与线激光器的路面裂缝识别装置及其识别方法
CN105926419A (zh) * 2016-05-23 2016-09-07 桂仲成 道面自主检测机器人系统及检测方法
EP3296463A1 (en) * 2016-09-07 2018-03-21 Toshiba Infrastructure Systems & Solutions Corporation Crack analysis device, method and program
CN206883678U (zh) * 2016-12-30 2018-01-16 成都圭目机器人有限公司 一种道路损伤检测机器人系统
CN107064172A (zh) * 2017-06-12 2017-08-18 黄成� 一种隧道衬砌裂缝快速检测系统
CN107817319A (zh) * 2017-12-19 2018-03-20 成都圭目机器人有限公司 一种用于城市道路与管线工程地下缺陷的无损检测机器人系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
高建贞: "基于图像分析的道路病害自动检测研究", 《中国博士学位论文全文数据库 信息科技辑》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110969103A (zh) * 2019-11-21 2020-04-07 同济大学 一种基于ptz相机的高速公路路面病害长度测量方法
CN110969103B (zh) * 2019-11-21 2021-05-11 同济大学 一种基于ptz相机的高速公路路面病害长度测量方法
CN111024431A (zh) * 2019-12-26 2020-04-17 江西交通职业技术学院 一种基于多传感器无人驾驶的桥梁快速检测车
CN111524038A (zh) * 2020-04-28 2020-08-11 朱晶磊 一种基于大数据的沥青铺设管理系统及方法
CN111562220A (zh) * 2020-06-02 2020-08-21 吉林大学 一种桥梁病害快速智能检测方法
CN111637873A (zh) * 2020-06-08 2020-09-08 西北工业大学 一种飞机装配质量自动检测机器人系统
CN112026772A (zh) * 2020-08-14 2020-12-04 清华大学 一种智能网联汽车的路径实时规划与分布式控制方法
CN112102316A (zh) * 2020-11-05 2020-12-18 常州微亿智造科技有限公司 产品缺陷位置分布获取方法和装置
CN113126083A (zh) * 2021-04-29 2021-07-16 深圳安德空间技术有限公司 一种基于现场视频的探地雷达辅助定位方法及定位系统
CN113075638A (zh) * 2021-04-30 2021-07-06 深圳安德空间技术有限公司 用于地下空间勘察的多源数据同步采集及融合方法和系统
CN113075638B (zh) * 2021-04-30 2021-10-12 深圳安德空间技术有限公司 用于地下空间勘察的多源数据同步采集及融合方法和系统

Similar Documents

Publication Publication Date Title
CN108733053A (zh) 一种基于机器人的智能道路检测方法
CN104005325B (zh) 基于深度和灰度图像的路面裂缝检测装置和方法
CN104567708B (zh) 基于主动式全景视觉的隧道全断面高速动态健康检测装置与方法
CN105180890A (zh) 融合激光点云和数字影像的岩体结构面产状测量方法
CA2539783C (en) Method and device for determining the actual position of a geodetic instrument
CN105865334B (zh) 地下建(构)筑物测绘方法
CN101694084B (zh) 地面车载移动检测系统
CN104749187A (zh) 基于红外温度场和灰度图像的隧道衬砌病害检测装置
CN103900560B (zh) 一种基于白光/ins组合的室内定位装置及其方法
CN103487034B (zh) 一种基于立式标靶的车载单目摄像头测距测高方法
CN103644896B (zh) 一种基于三维激光扫描的工程地质测绘方法
KR100795396B1 (ko) 항공레이저 데이터와 수치정사영상을 이용한 도시 변화모니터링 방법
CN103472823A (zh) 一种智能机器人用的栅格地图创建方法
CN103605978A (zh) 基于三维实景数据的城市违章建筑识别系统及方法
CN103778681A (zh) 一种车载高速公路巡检系统及数据获取和处理方法
JP2007506076A5 (zh)
CN102834691B (zh) 测绘方法
CN104964708B (zh) 一种基于车载双目视觉的路面坑槽检测方法
CN105548197A (zh) 一种非接触的钢轨表面伤损检测方法及其装置
CN103499337A (zh) 一种基于立式标靶的车载单目摄像头测距测高装置
CN104569972B (zh) 一种植物根系三维构型无损检测方法
CN108681337B (zh) 一种涵洞或桥梁专用巡查无人机及无人机巡查方法
CN106296814B (zh) 公路养护检测与可视化交互方法和系统
CN109459439B (zh) 一种基于移动式三维激光扫描技术的隧道衬砌裂缝检测方法
CN205557277U (zh) 一种路面裂缝病害检测系统

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