CN109212628B - 一种用于检测汽车底盘非常规目标的检测系统 - Google Patents
一种用于检测汽车底盘非常规目标的检测系统 Download PDFInfo
- Publication number
- CN109212628B CN109212628B CN201811229610.3A CN201811229610A CN109212628B CN 109212628 B CN109212628 B CN 109212628B CN 201811229610 A CN201811229610 A CN 201811229610A CN 109212628 B CN109212628 B CN 109212628B
- Authority
- CN
- China
- Prior art keywords
- automobile chassis
- hyperspectral
- image
- unconventional
- sound
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种用于检测汽车底盘非常规目标的检测系统，其包括：定位子系统，利用融合激光技术，对检测位置进行定位；利用超宽带技术和无载波通信技术，采集、记录检测位置和检测路径；声相仪子系统，用于采集汽车底盘非常规目标异常声响发出的声音信号，对其进行声源定位，获得汽车底盘非常规目标异常声响的声音强度，生成声音图像；高光谱子系统，通过搭载在不同空间平台上的高光谱传感器，在汽车底盘区域采集汽车底盘区域外部特征的高光谱影像信息，生成高光谱图像；和数据处理子系统，采用基于灰度信息法或变换域法或基于特征法进行图像配准，将声音图像和高光谱图像进行合成，生成汽车底盘非常规目标图像，实现对汽车底盘非常规目标的检测。
Description
技术领域
本发明属于汽车底盘检测技术领域，具体涉及一种用于检测汽车底盘非常规目标的检测系统。
背景技术
随着人力成本的逐年上涨，企业对于工业机器人的需求也水涨船高，不同的应用领域对工业机器人提出了新的要求。现有技术的工业机器人适用于包括机器人生产制造、建筑等多种领域，但是由于汽车底盘对于机器人外形、目标检测方式等多方面的限制，尚未有适用于针对汽车底盘的非常规目标多源检测机器人。
目前，现有技术提出了一种基于多源信息融合的高精度运动轨迹检测系统，该检测系统来自一篇专利：《一种基于多源信息融合的高精度运动轨迹检测系统》(申请号为：201510595183.0；申请人：泉州装备制造研究所)，所述检测系统包括惯性传感定位、电磁定位、机器视觉定位三个模块化的子系统以及数据处理平台，惯性传感定位子系统、电磁定位子系统和机器视觉定位子系统采集的数据均传输到所述数据处理平台，以实现信息融合定位和协作定位；采用三个子系统的设计获取多源信息，并进一步在每个子系统中均设置相应的处理器，从而生成局部的定位跟踪轨迹通过串行通信总线传送至数据处理平台；借助多源信息融合算法提升检测的精度和维度。但是，该系统仅能实现常规目标的定位和运动轨迹检测，并不能检测一些非常规目标。
另外，现有技术提出了一种巡检机器人，该机器人来自一篇专利：《一种巡检机器人》(申请号为：201621013503.3；申请人：杭州申昊科技股份有限公司)，所述巡检机器人包括：机器人本体控制系统、信息采集及处理系统、导航系统；机器人本体控制系统包括云台角度控制、检测设备控制、传输控制、机器人运动控制、停障控制、机器人电源管理和储电控制；能够以全自主、本地或远方遥控模式代替或辅助人工进行巡检，巡检内容包括设备温度、仪表等，具有检测方式多样化、智能化、巡检工作标准化、客观性强等特点。同时，系统集巡视内容、时间、路线、报表管理与一体，实现了巡检全过程自动管理，并能够提供数据分析与决策支持。但是，该机器人仅适用于变电站巡检，无论是系统外形还是功能均不适用于汽车底盘非常规目标的检测。
现有汽车底盘非常规目标检测采用的通常是采用人工检测方法，检测员手持顶部弯曲并带有一面小镜子的探测杆，将镜面朝上，伸入汽车底盘下方，通过肉眼观察进行非常规目标检测。该检测方法存在如下问题：
1.仅能检测到汽车底盘表面的肉眼可见的非常规物品；
2.检测结果受检测员主观态度影响；
3.费时费力。
发明内容
本发明的目的在于，由于汽车底盘非常规目标包括：外部附着物和内部镶嵌物，且汽车底盘可使用的检测空间有限，为解决现有的检测系统存在上述缺陷，本发明提出了一种用于检测汽车底盘非常规目标的检测系统，利用声学、光学、电磁波学、脉冲通信，获取多源信息，实现异常声音图像和异常光谱图像的结合，生成汽车底盘非常规目标图像，进而实现信息融合和协作检测，提升了汽车底盘非常规目标检测的精度和维度，克服单个系统获得的信息量单一以及容易受环境因素干扰的问题，替代了现有的人工检测的工作。所述检测系统包括：
定位子系统，用于利用融合激光技术，对检测位置进行定位；利用超宽带技术(Ultra Wideband,简写UWB)和无载波通信技术，采集、记录检测位置和检测路径；所述检测位置为汽车底盘发生异响的位置；
声相仪子系统，用于采集汽车底盘非常规目标异常声响发出的声音信号，对其进行声源定位，获得汽车底盘非常规目标异常声响的声音强度，生成声音图像；
高光谱子系统，通过搭载在不同空间平台上的高光谱传感器，在汽车底盘区域采集汽车底盘区域外部特征的高光谱影像信息，生成高光谱图像。
和数据处理子系统，采用基于灰度信息法或变换域法或基于特征法进行图像配准，将声音图像和高光谱图像进行合成，生成汽车底盘非常规目标图像，实现对汽车底盘非常规目标的检测。
作为上述技术方案的改进之一，所述定位子系统具体包括：
所述定位子系统采用同步定位与SLAM建图方法构建地图，同时利用回环检测来纠正地图中可能引发的误差；采用融合激光定位技术，检测位置进行定位，并且支持自动重新定位；当受到外力干扰造成定位丢失后，能够根据当前的环境特征，重新确定自身位置；采用UWB技术和和无载波通信技术，采集、记录检测位置和检测路径；采用即时动态的路径规划算法，可以根据当前环境实时优化检测时的运动轨迹，保证检测时避免受到障碍物的干扰和检测路径的流畅性。其中，上述过程中，采用的方法和算法均为现有技术，也是本领域技术人员在本领域内很容易实现的技术手段。
作为上述技术方案的改进之一，所述声相仪子系统进一步包括：
传声器模块，其为包含64个独立的传声器阵元和相应的信号调理电路组成的一个传声器阵列，用于接收汽车底盘非常规目标异常声响发出的声音信号；其中，传声器阵元为MEMS传声器，作为信号接收单元，采用双极性恒压源供电电路驱动MEMS传声器，采用双极性电源供电，信号为双极性信号。
ADC高速数据采集模块，用于同时采集64个传声器阵元所接收的汽车底盘非常规目标异常声响发出的异常声音信号；该模块具有64路单端16位高速同步模拟信号采集能力，最高同步采样速率20KSPS，即每通道都是20KSPS。模拟输入范围可以设置为正负10V。
信号处理模块，用于对所采集的异常声音信号进行声源定位，获得汽车底盘非常规目标异常声响的声音强度，生成异常声音图像；
视频采集模块，用于采集生成的声音图像；其中，视频采集模块采用高分辨率的摄像头，该摄像头能够采集每秒30帧的图像，每帧图像的像素为1024X768，输出格式为RGB；
显示控制模块，用于与视频采集模块、信号处理模块进行交互，显示生成的异常声音图像，并提升显示效果。
作为上述技术方案的改进之一，所述高光谱子系统进一步包括：
光源、镜头、成像光谱仪、CCD摄像机、摄像机控制模块。所述光源为宽带白光源，用于提供照明；光源发出白光作为入射光，透过镜头，再经过成像光谱仪调制变成单色光，并把单色光投射到CCD摄像机上，获得汽车底盘区域外部特征的高光谱影像信息；摄像机控制模块控制高光谱成像系统采集数据，进行图像和光谱数据的处理分析，生成高光谱图像，同时还可以为高光谱图像提供存储空间。其中，高光谱图像可以显示汽车底盘区域各处外部特征的光谱信息，表示对应的汽车底盘区域各处的内部材质。其中，汽车底盘区域异常外部特征具体为汽车底盘表面非常规材质特征。
根据汽车底盘的内部材质信息与常规汽车底盘材质信息是否符合，判断是否为异常区域；
当汽车底盘的内部材质信息与常规汽车底盘材质信息相符合时，摄像机控制模块判断此处为常规区域；当汽车底盘的内部材质信息与常规汽车底盘材质信息不符合时，摄像机控制模块判断此处为异常区域。
高光谱子系统将高光谱图像信息传至数据处理子系统对汽车底盘进行检测。
作为上述技术方案的改进之一，所述高光谱子系统的谱段范围为400nm-1000nm，270个光谱通道，分辨率为2.8nm，空间通道数为480个。
作为上述技术方案的改进之一，所述高光谱子系统还包括：转角镜；高光谱子系统水平放置，镜头前面放置一个45度转角镜，并在镜头底部安装减震机构，用于确保成像效果。
作为上述技术方案的改进之一，所述高光谱子系统还安装有外壳，对其进行保护。
作为上述技术方案的改进之一，所述数据处理子系统具体包括：
对采集到的异常声音图像和高光谱图像进行降噪的预处理，采用基于灰度信息法或变换域法或基于特征法，对预处理后的异常声音图像和高光谱图像进行图像配准，将异常声音图像和高光谱图像进行合成，生成汽车底盘非常规目标图像。根据早期机器学习的结果判断是否存在非常规目标，若有非常规目标，则提示存在非常规目标；若没有非常规目标，则不提示存在非常规目标。然后再由人工介入，进行确认以及排查。人工确认后的结果输入数据处理子系统，此次的汽车底盘非常规目标图像则作为新的数据存入数据库，供机器学习继续使用，优化后续检测结果。
其中，对于高光谱图像而言，体现的是汽车底盘区域各处外部特征和光谱信息和对应的内部的材质信息。汽车底盘的常见材料为铁、钢、橡胶、石棉、润滑油、制动油等，还包括在行驶路程中可能粘附的泥土、雨雪、沙石等。若高光谱图像不符合常见材料的高光谱特点，则在数据处理子系统中判断为存在非常规目标。
本发明的优点在于：本发明用三个子系统的设计，包括声学、光学等方式获取多源信息，进行多源信息融合，并且采用机器学习算法，不断优化更新对于非常规目标检测的准确性；借助多源信息，提升了汽车底盘非常规目标检测的精度和维度，克服单个系统获得的信息量单一以及容易受环境因素干扰的问题。另外，本发明不仅具有独立的定位能力，而且还有全局的检测和判断评估特性。通过将异常声音图像和异常光谱图像融合，并进行综合分析和协调处理，结合机器学习算法，实现汽车底盘非常规目标的高精度、高稳定和快速运动检测。
附图说明
图1是本发明的一种用于检测汽车底盘非常规目标的检测系统的结构示意图；
图2是本发明的一种用于检测汽车底盘非常规目标的检测系统中的定位子系统的示意图；
图3是本发明的一种用于检测汽车底盘非常规目标的检测系统中的声相仪子系统的结构示意图；
图4是本发明的一种用于检测汽车底盘非常规目标的检测系统中的声相仪子系统的传声器阵列的结构示意图；
图5是本发明的一种用于检测汽车底盘非常规目标的检测系统中的高光谱子系统的结构示意图。
具体实施方式
现结合附图对本发明作进一步的描述。
如图1所示，本发明提出了一种用于检测汽车底盘非常规目标的检测系统，利用声学、光学、电磁波学、脉冲通信，获取多源信息，实现异常声音图像和异常光谱图像的结合，进而实现信息融合和协作检测，提升了汽车底盘非常规目标检测的精度和维度，克服单个系统获得的信息量单一以及容易受环境因素干扰的问题，替代了现有的人工检测的工作。
所述检测系统包括：
定位子系统，用于利用融合激光技术，对检测位置进行定位；利用超宽带技术(Ultra Wideband,简写UWB)和无载波通信技术，采集、记录检测位置和检测路径；所述检测位置为汽车底盘发生异响的位置；
声相仪子系统，用于采集汽车底盘非常规目标异常声响发出的声音信号，对其进行声源定位，获得汽车底盘非常规目标异常声响的声音强度，生成声音图像；
高光谱子系统，通过搭载在不同空间平台上的高光谱传感器，在汽车底盘区域采集汽车底盘区域外部特征的高光谱影像信息，生成高光谱图像。
和数据处理子系统，采用基于灰度信息法或变换域法或基于特征法进行图像配准，将声音图像和高光谱图像进行合成，生成汽车底盘非常规目标图像，实现对汽车底盘非常规目标的检测。
作为上述技术方案的改进之一，所述定位子系统具体包括：
所述定位子系统采用同步定位与SLAM建图方法构建地图，同时利用回环检测来纠正地图中可能引发的误差；采用融合激光定位技术，检测位置进行定位，并且支持自动重新定位；当受到外力干扰造成定位丢失后，能够根据当前的环境特征，重新确定自身位置；采用UWB技术和和无载波通信技术，采集、记录检测位置和检测路径；采用即时动态的路径规划算法，可以根据当前环境实时优化检测时的运动轨迹，保证检测时避免受到障碍物的干扰和检测路径的流畅性。其中，上述过程中，采用的方法和算法均为现有技术，也是本领域技术人员在本领域内很容易实现的技术手段。如图2所示，人机交互层负责收集使用者的指令，服务器层进行消息转发和地图和文件管理，核心层负责运动控制和构图、定位，通过TCP、UART的方式接受服务器层下发的指令，然后执行相应的任务并返回数据。核心业务层通过串口和底盘外设层进行数据交互，将速度信息下发到定位底盘使之移动，底盘外设层同时接收传感器采集的数据。
作为上述技术方案的改进之一，如图3和4所示，
所述声相仪子系统进一步包括：
传声器模块，其为包含64个独立的传声器阵元和相应的信号调理电路组成的一个传声器阵列，用于接收汽车底盘非常规目标异常声响发出的声音信号；其中，传声器阵元为MEMS传声器，作为信号接收单元，采用双极性恒压源供电电路驱动MEMS传声器，采用双极性电源供电，信号为双极性信号。
ADC高速数据采集模块，用于同时采集64个传声器阵元所接收的汽车底盘非常规目标异常声响发出的异常声音信号；该模块具有64路单端16位高速同步模拟信号采集能力，最高同步采样速率20KSPS，即每通道都是20KSPS。模拟输入范围可以设置为正负10V。
信号处理模块，用于对所采集的异常声音信号进行声源定位，获得汽车底盘非常规目标异常声响的声音强度，生成异常声音图像；
视频采集模块，用于采集生成的声音图像；其中，视频采集模块采用高分辨率的摄像头，该摄像头能够采集每秒30帧的图像，每帧图像的像素为1024X768，输出格式为RGB；
显示控制模块，用于与视频采集模块、信号处理模块进行交互，显示生成的异常声音图像，并提升显示效果。
作为上述技术方案的改进之一，如图5所示，所述高光谱子系统进一步包括：
光源、镜头、成像光谱仪、CCD摄像机、摄像机控制模块。所述光源为宽带白光源，用于提供照明；光源发出白光作为入射光，透过镜头，再经过成像光谱仪调制变成单色光，并把单色光投射到CCD摄像机上，获得汽车底盘区域外部特征的高光谱影像信息；摄像机控制模块控制高光谱成像系统采集数据，进行图像和光谱数据的处理分析，生成高光谱图像，同时还可以为高光谱图像提供存储空间。其中，高光谱图像可以显示汽车底盘区域各处外部特征的光谱信息，表示对应的汽车底盘区域各处的内部材质。其中，汽车底盘区域异常外部特征具体为汽车底盘表面非常规材质特征。
根据汽车底盘的内部材质信息与常规汽车底盘材质信息是否符合，判断是否为异常区域；
当汽车底盘的内部材质信息与常规汽车底盘材质信息相符合时，摄像机控制模块判断此处为常规区域；当汽车底盘的内部材质信息与常规汽车底盘材质信息不符合时，摄像机控制模块判断此处为异常区域。
高光谱子系统将高光谱图像信息传至数据处理子系统对汽车底盘进行检测。
作为上述技术方案的改进之一，所述高光谱子系统的谱段范围为400nm-1000nm，270个光谱通道，分辨率为2.8nm，空间通道数为480个。
作为上述技术方案的改进之一，所述高光谱子系统还包括：转角镜；高光谱子系统水平放置，镜头前面放置一个45度转角镜，并在镜头底部安装减震机构，用于确保成像效果。
作为上述技术方案的改进之一，所述高光谱子系统还安装有外壳，对其进行保护。
作为上述技术方案的改进之一，所述数据处理子系统具体包括：
对采集到的异常声音图像和高光谱图像进行降噪的预处理，采用基于灰度信息法或变换域法或基于特征法，对预处理后的异常声音图像和高光谱图像进行图像配准，将异常声音图像和高光谱图像进行合成，生成汽车底盘非常规目标图像。根据早期机器学习的结果判断是否存在非常规目标，若有非常规目标，则提示存在非常规目标；若没有非常规目标，则不提示存在非常规目标。然后再由人工介入，进行确认以及排查。人工确认后的结果输入数据处理子系统，此次的汽车底盘非常规目标图像则作为新的数据存入数据库，供机器学习继续使用，优化后续检测结果。
其中，对于高光谱图像而言，体现的是汽车底盘区域各处外部特征和光谱信息和对应的内部的材质信息。汽车底盘的常见材料为铁、钢、橡胶、石棉、润滑油、制动油等，还包括在行驶路程中可能粘附的泥土、雨雪、沙石等。若高光谱图像不符合常见材料的高光谱特点，则在数据处理子系统中判断为存在非常规目标。
最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (7)
1.一种用于检测汽车底盘非常规目标的检测系统，其特征在于，其包括：
定位子系统，利用融合激光技术，对检测位置进行定位；利用超宽带技术和无载波通信技术，采集、记录检测位置和检测路径；所述检测位置为汽车底盘发生异响的位置；所述检测路径为检测时的运动轨迹；
声相仪子系统，用于采集汽车底盘非常规目标异常声响发出的声音信号，对其进行声源定位，获得汽车底盘非常规目标异常声响的声音强度，生成声音图像；
高光谱子系统，通过搭载在不同空间平台上的高光谱传感器，在汽车底盘区域采集汽车底盘区域外部特征的高光谱影像信息，生成高光谱图像；
和数据处理子系统，采用基于灰度信息法或变换域法或基于特征法进行图像配准，将声音图像和高光谱图像进行合成，生成汽车底盘非常规目标图像，实现对汽车底盘非常规目标的检测。
2.根据权利要求1所述的检测系统，其特征在于，所述声相仪子系统进一步包括：
传声器模块，其为包含64个独立的传声器阵元和相应的信号调理电路组成的一个传声器阵列，用于接收汽车底盘非常规目标异常声响发出的声音信号；
ADC高速数据采集模块，用于同时采集64个传声器阵元所接收的汽车底盘非常规目标异常声响发出的异常声音信号；
信号处理模块，用于对所采集的异常声音信号进行声源定位，获得汽车底盘非常规目标异常声响的声音强度，生成异常声音图像；
视频采集模块，用于采集生成的声音图像；
显示控制模块，用于与视频采集模块、信号处理模块进行交互，显示生成的异常声音图像。
3.根据权利要求1所述的检测系统，其特征在于，所述高光谱子系统进一步包括：
光源、镜头、成像光谱仪、CCD摄像机、摄像机控制模块；
所述光源为宽带白光源，用于提供照明；光源发出白光作为入射光，透过镜头，再经过成像光谱仪调制变成单色光，并把单色光投射到CCD摄像机上，获得汽车底盘区域外部特征的高光谱影像信息；摄像机控制模块控制高光谱成像系统采集数据，进行图像和光谱数据的处理分析，生成高光谱图像，同时还可以为高光谱图像提供存储空间；
根据汽车底盘的内部材质信息与常规汽车底盘材质信息是否符合，判断是否为异常区域；
当汽车底盘的内部材质信息与常规汽车底盘材质信息相符合时，摄像机控制模块判断此处为常规区域；当汽车底盘的内部材质信息与常规汽车底盘材质信息不符合时，摄像机控制模块判断此处为异常区域；
高光谱子系统将高光谱图像信息传至数据处理子系统对汽车底盘进行检测。
4.根据权利要求3所述的检测系统，其特征在于，所述高光谱子系统的谱段范围为400nm-1000nm，270个光谱通道，分辨率为2.8nm，空间通道数为480个。
5.根据权利要求3所述的检测系统，其特征在于，所述高光谱子系统还包括：转角镜；高光谱子系统水平放置，镜头前面放置一个45度转角镜，并在镜头底部安装减震机构，用于确保成像效果。
6.根据权利要求3所述的检测系统，其特征在于，所述高光谱子系统还安装有外壳，对其进行保护。
7.根据权利要求3所述的检测系统，其特征在于，所述数据处理子系统具体包括：
对采集到的异常声音图像和高光谱图像进行降噪的预处理，采用基于灰度信息法或变换域法或基于特征法，对预处理后的异常声音图像和高光谱图像进行图像配准，将异常声音图像和高光谱图像进行合成，生成汽车底盘非常规目标图像；根据早期机器学习的结果判断是否存在非常规目标，若有非常规目标，则提示存在非常规目标；若没有非常规目标，则不提示存在非常规目标。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811229610.3A CN109212628B (zh) | 2018-10-22 | 2018-10-22 | 一种用于检测汽车底盘非常规目标的检测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811229610.3A CN109212628B (zh) | 2018-10-22 | 2018-10-22 | 一种用于检测汽车底盘非常规目标的检测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109212628A CN109212628A (zh) | 2019-01-15 |
| CN109212628B true CN109212628B (zh) | 2020-02-18 |
Family
ID=64981160
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811229610.3A Active CN109212628B (zh) | 2018-10-22 | 2018-10-22 | 一种用于检测汽车底盘非常规目标的检测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109212628B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110750098A (zh) * | 2019-11-27 | 2020-02-04 | 广东博智林机器人有限公司 | 机器人导航系统 |
| CN113638805B (zh) * | 2021-08-03 | 2022-08-12 | 合肥康尔信电力系统有限公司 | 一种柴油发电机噪声振动监测系统 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7778950B2 (en) * | 2004-08-14 | 2010-08-17 | Hrl Laboratories, Llc | Cognitive signal separation and classification system |
| JP2010515472A (ja) * | 2006-11-27 | 2010-05-13 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 事前収集された医用画像に実時間超音波画像を融合させるシステム及び方法 |
| CN101846594A (zh) * | 2010-06-22 | 2010-09-29 | 上海交通大学 | 基于波束形成声像模式识别的故障检测装置及其检测方法 |
| CN102980647B (zh) * | 2012-11-26 | 2014-12-17 | 北京神州普惠科技股份有限公司 | 一种噪声源识别定位测试方法 |
| CN203012127U (zh) * | 2013-01-24 | 2013-06-19 | 郑州大学 | 一种声源定位装置 |
| CN104376849A (zh) * | 2013-08-14 | 2015-02-25 | Abb技术有限公司 | 区分声音的系统和方法及状态监控系统和移动电话机 |
| CN103456011A (zh) * | 2013-09-02 | 2013-12-18 | 杭州电子科技大学 | 一种利用互补信息的改进型高光谱rx异常检测方法 |
| CN106153363B (zh) * | 2015-04-07 | 2018-09-14 | 中国人民解放军海军工程大学 | 一种基于声像监测的机械设备故障自动识别方法 |
| CN107917342A (zh) * | 2017-11-15 | 2018-04-17 | 北京科创三思科技发展有限公司 | 天然气站场无人值守声像定位监控系统及方法 |
| CN108645509A (zh) * | 2018-06-27 | 2018-10-12 | 西安输变电工程环境影响控制技术中心有限公司 | 一种自行式低频变电站噪声云图测试装置及测试方法 |
-
2018
- 2018-10-22 CN CN201811229610.3A patent/CN109212628B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109212628A (zh) | 2019-01-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11725956B2 (en) | Apparatus for acquiring 3-dimensional maps of a scene | |
| Zhu et al. | The multivehicle stereo event camera dataset: An event camera dataset for 3D perception | |
| US8107681B2 (en) | Setup for constructing a weed map | |
| US11287523B2 (en) | Method and apparatus for enhanced camera and radar sensor fusion | |
| WO2018176000A1 (en) | Data synthesis for autonomous control systems | |
| JP4287647B2 (ja) | 環境状況把握装置 | |
| JP7225600B2 (ja) | 情報処理装置、情報処理方法、プログラム | |
| US20140379260A1 (en) | Vehicle Display Device with Vehicle Movement Compensation | |
| CN110402368A (zh) | 用在交通工具导航中的集成式的基于视觉的惯性传感器系统 | |
| CN106737687A (zh) | 基于可见光定位导航的室内机器人系统 | |
| CN109212628B (zh) | 一种用于检测汽车底盘非常规目标的检测系统 | |
| CN102233850A (zh) | 全景及行车记录之行车辅助装置 | |
| Maanpää et al. | Multimodal end-to-end learning for autonomous steering in adverse road and weather conditions | |
| CN101722907B (zh) | 低视力驾驶员的视线跟踪校准系统 | |
| WO2022004333A1 (ja) | 情報処理装置、情報処理システム、および情報処理方法、並びにプログラム | |
| JP2009075124A (ja) | 距離検出装置 | |
| JP2009052907A (ja) | 異物検出システム | |
| Tagiew et al. | Onboard sensor systems for automatic train operation | |
| US20240022806A1 (en) | Information processing apparatus, mobile machine, image capturing system, image capturing control method, and program | |
| CN104714068A (zh) | 对室外电能表读表的机器人 | |
| KR20230109406A (ko) | 열화상 카메라와 라이다 센서 융합 기반 객체 탐지 장치 및 방법 | |
| CN218156530U (zh) | 热力设备智能巡检装置 | |
| Falcone et al. | Use of Camera and AI for Mapping Monitoring for Architecture | |
| CN109425344A (zh) | 用于确定高度精确的位置和运行自动化车辆的方法和设备 | |
| TWI792512B (zh) | 利用多視野之基於視覺的光達系統 |
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 |