CN109664301A - 巡检方法、装置、设备及计算机可读存储介质 - Google Patents
巡检方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN109664301A CN109664301A CN201910043623.XA CN201910043623A CN109664301A CN 109664301 A CN109664301 A CN 109664301A CN 201910043623 A CN201910043623 A CN 201910043623A CN 109664301 A CN109664301 A CN 109664301A
- Authority
- CN
- China
- Prior art keywords
- image
- robot
- position coordinates
- depth
- pipeline
- 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
Links
Classifications
-
- 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
- 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
-
- 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
-
- 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)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供一种巡检方法、装置、设备及计算机可读存储介质,该方法采集机器人周围环境的环境图像,并对所述环境图像进行图像识别,识别所述环境图像中目标物的类型;若识别出所述目标物的类型为障碍物,则采集包含所述目标物的深度图像,并获取所述机器人的位置坐标;根据所述环境图像、所述深度图像和所述机器人的位置坐标确定所述目标物的位置坐标;若所述目标物的位置坐标位于所述机器人的巡检路径上,则对所述机器人的巡检路径进行调整。本发明实施例通过环境图像、深度图像和机器人的位置坐标定位障碍物的位置坐标,能够提高对障碍物的定位精度;根据障碍物的位置坐标对巡检路径进行调整,能够实现对巡检路径的自动调整。
Description
技术领域
本发明实施例涉及巡检机器人技术领域,尤其涉及一种巡检方法、装置、设备及计算机可读存储介质。
背景技术
巡检机器人为具备自主行走功能,能够沿规划路径自动对沿途的设备信息及环境信息进行检测的智能设备。与人工巡检相比,巡检机器人具有巡检准确、效率高、安全可靠等优点,这些优点使得巡检机器人技术的应用越来越广泛。
在现有技术中,对于石油场站的场地巡检工作采用常规的巡检机器人进行巡检。工作人员预先设定巡检的固定路线,巡检机器人按照固定路线对石油场站进行巡检。
然而,石油场站通常环境复杂,突发情况较多。在石油场站内的物体位置发生变化时,以及当石油场站发生突发情况导致巡检路线上出现障碍物时,都需要工作人员重新设定巡检机器人的巡检路线。目前对于石油场站的机器人巡检方法,需要频繁进行巡检路线的设定,操作繁琐。
发明内容
本发明实施例提供一种巡检方法、装置、设备及计算机可读存储介质,以解决目前石油场站的机器人巡检方法需要频繁设定巡检路线的问题。
第一方面,本发明实施例提供一种巡检方法,包括:
采集机器人周围环境的环境图像,并对所述环境图像进行图像识别,识别所述环境图像中目标物的类型;
若识别出所述目标物的类型为障碍物,则采集包含所述目标物的深度图像,并获取所述机器人的位置坐标;
根据所述环境图像、所述深度图像和所述机器人的位置坐标确定所述目标物的位置坐标;
若所述目标物的位置坐标位于所述机器人的巡检路径上,则对所述机器人的巡检路径进行调整。
在一种可能的设计中,所述根据所述环境图像、所述深度图像和所述机器人的位置坐标确定所述目标物的位置坐标包括:
通过视觉定位算法对所述环境图像中的目标物进行定位,得到所述目标物与所述机器人之间的相对位置信息;
根据所述深度图像的深度信息获得所述目标物与所述机器人之间的距离;
根据所述距离对所述相对位置信息进行修正;
根据所述修正后的相对位置信息和所述机器人的位置坐标计算所述目标物的位置坐标。
在一种可能的设计中,在所述识别所述环境图像中目标物的类型之后,还包括:
若识别出所述目标物的类型为原油管道,则从所述环境图像中提取所述目标物的图像特征;
将所述目标物的图像特征与预先建立的图像数据库中的管道图像特征进行匹配;所述图像数据库存储有不同腐蚀程度的管道样本图像的管道图像特征;
根据匹配结果确定所述目标物的腐蚀程度;
若所述目标物的腐蚀程度大于预设程度阈值,则发送第一警示消息。
在一种可能的设计中,在所述识别所述环境图像中目标物的类型之后,还包括:
若识别出所述目标物的类型为原油管道,则识别所述目标物表面是否存在液体;
若识别出所述目标物表面存在液体,则定位出所述目标物表面的液体的区域位置信息,并生成包含所述区域位置信息的控制指令;
通过所述控制指令控制机械臂采集所述目标物表面的液体样本,并检测所述液体样本是水还是原油;
若检测出所述液体样本为原油,则发送第二警示消息。
在一种可能的设计中,还包括:
在所述机器人到达预设节点位置时,通过无线气体传感器采集气体数据;所述气体数据包括气体中各组分的含量;
若所述气体数据中特定组分的含量超过预设含量阈值,则通过报警器进行告警。
第二方面,本发明实施例提供一种巡检装置,包括:
识别模块,用于采集机器人周围环境的环境图像,并对所述环境图像进行图像识别,识别所述环境图像中目标物的类型;
获取模块,用于若识别出所述目标物的类型为障碍物,则采集包含所述目标物的深度图像,并获取所述机器人的位置坐标;
目标物位置确定模块,用于根据所述环境图像、所述深度图像和所述机器人的位置坐标确定所述目标物的位置坐标;
巡检路径调整模块,用于若所述目标物的位置坐标位于所述机器人的巡检路径上,则对所述机器人的巡检路径进行调整。
在一种可能的设计中,所述目标物位置确定模块用于:
通过视觉定位算法对所述环境图像中的目标物进行定位,得到所述目标物与所述机器人之间的相对位置信息;
根据所述深度图像的深度信息获得所述目标物与所述机器人之间的距离;
根据所述距离对所述相对位置信息进行修正;
根据所述修正后的相对位置信息和所述机器人的位置坐标计算所述目标物的位置坐标。
在一种可能的设计中,还包括管道腐蚀程度检测模块,所述管道腐蚀程度检测模块用于:
若识别出所述目标物的类型为原油管道,则从所述环境图像中提取所述目标物的图像特征;
将所述目标物的图像特征与预先建立的图像数据库中的管道图像特征进行匹配;所述图像数据库存储有不同腐蚀程度的管道样本图像的管道图像特征;
根据匹配结果确定所述目标物的腐蚀程度;
若所述目标物的腐蚀程度大于预设程度阈值,则发送第一警示消息。
在一种可能的设计中,还包括管道泄漏检测模块,所述管道泄漏检测模块用于:
若识别出所述目标物的类型为原油管道,则识别所述目标物表面是否存在液体;
若识别出所述目标物表面存在液体,则定位出所述目标物表面的液体的区域位置信息,并生成包含所述区域位置信息的控制指令;
通过所述控制指令控制机械臂采集所述目标物表面的液体样本,并检测所述液体样本是水还是原油;
若检测出所述液体样本为原油,则发送第二警示消息。
在一种可能的设计中,还包括气体检测模块,所述气体检测模块用于:
在所述机器人到达预设节点位置时,通过无线气体传感器采集气体数据;所述气体数据包括气体中各组分的含量;
若所述气体数据中特定组分的含量超过预设含量阈值,则通过报警器进行告警。
第三方面,本发明实施例提供一种巡检设备,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的设计所述的巡检方法。
在一种可能的设计中,还包括环视摄像头、深度摄像头、定位装置、机械臂、无线气体传感器及报警器;
所述环视摄像头用于采集机器人周围环境的环境图像;
所述深度摄像头用于采集包含所述目标物的深度图像;
所述定位装置用于定位得到所述机器人的位置坐标;
所述机械臂用于根据控制指令采集目标物表面的液体样本;
所述无线气体传感器用于在所述机器人到达预设节点位置时采集气体数据;
所述报警器用于在气体数据中特定组分的含量超过预设含量阈值时进行告警。
第四方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上第一方面以及第一方面各种可能的设计所述的巡检方法。
本实施例提供的巡检方法、装置、设备及计算机可读存储介质,通过采集机器人周围环境的环境图像,并对环境图像进行图像识别,识别环境图像中目标物的类型;若识别出所述目标物的类型为障碍物,则采集包含目标物的深度图像,并获取机器人的位置坐标;根据环境图像、深度图像和机器人的位置坐标确定目标物的位置坐标;若目标物的位置坐标位于机器人的巡检路径上,则对机器人的巡检路径进行调整,从而实现对巡检路径的自动调整。本发明实施例将深度图像的深度信息加入到对障碍物物的定位过程中,通过环境图像、深度图像和机器人的位置坐标定位障碍物的位置坐标,能够提高对障碍物的定位精度;根据障碍物的位置坐标对巡检路径进行调整,能够实现对巡检路径的自动调整。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的巡检机器人的结构示意图;
图2为本发明一实施例提供的巡检方法的流程示意图;
图3为本发明又一实施例提供的巡检方法中的流程示意图;
图4为本发明另一实施例提供的巡检方法中检测管道腐蚀程度的流程示意图;
图5为本发明再一实施例提供的巡检方法中检测管道泄漏的流程示意图;
图6为本发明一实施例提供的巡检装置的结构示意图;
图7为本发明又一实施例提供的巡检装置的结构示意图;
图8为本发明一实施例提供的巡检设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例提供的巡检机器人的结构示意图。如图1所示,本实施例提供的巡检机器人包括处理器11、环视摄像头12、深度摄像头13、定位装置14、机械臂15、无线气体传感器16、报警器17、电驱履带轮18及图像显示模块19。
环视摄像头12、深度摄像头13和机械臂15可以通过车身固定金属支架固定于机器人车身前端,处理器11、定位装置14、无线气体传感器16和报警器17可以通过车身固定金属支架固定于机器人车身中端,图像显示模块19可以通过车身固定金属支架固定于机器人后端。电驱履带轮18位于机器人底部,与车身固定金属支架连接,用于承载车身以及行走,为机器人车身前进后退提供稳定的运作基础。
其中,环视摄像头12可以为360度云台环视摄像头。360度云台环视摄像头模块可以为双摄像头,两个摄像头上均设有雨刷,可适应石油场地突发的天气情况。环视摄像头12用于实时获取石油场站机器人周围360度范围内的图像数据,可视范围广,图像畸变小,分辨率高。深度摄像头13可以为3D传感深度摄像头,深度摄像头13用于实时获取拍摄对象的深度信息及尺寸信息。环视摄像头12和深度摄像头13相结合能实现高精度的目标识别及位置把控,有利于路径的即时选择和避障。
定位装置14可以为GPS(Global Positioning System,全球定位系统)定位装置,用于定位机器人的位置坐标。机械臂15用于根据处理器11发出的控制指令延伸来采集目标物表面的液体样本。无线气体传感器16可以为型号为XL61D的无线气体传感器,用于在机器人到达预设节点位置时采集气体数据。报警器17用于在气体数据中特定组分的含量超过预设含量阈值时进行告警。图像显示模块19用于显示采集的图像、巡检路径及检测参数等。
传统的石油场站的场地维护及设备检测多由人力来完成,不能达到机器所能达到的严谨、无疏漏等特点。而常规的石油场站机器人多由单传感器构成,以设定地标作为参照点,进行固定路线的巡检,不能对隐蔽的突发情况进行实时拍摄,并且石油场站发生变化时,巡航路线要重新规划,不能基于机器视觉进行自主导航,可复用性差。
本实施例提供的基于视觉导航的石油场站巡检机器人,通过环视摄像头12获取环境图像内容,结合定位装置14得到的位置坐标、深度摄像头13的深度信息,三组数据传入到处理器11进行最终处理,处理器11判断与障碍物的距离、周围可避让道路等,进行巡检路线的调整,并指示电驱履带轮18进行障碍物的绕行和对目标的接近,实现巡检机器人对石油场站的自动巡检,提高巡检效率。
图2为本发明一实施例提供的巡检方法的流程示意图。本实施例的执行主体可以为图1所示实施例中的机器人,也可以为其他终端设备或者服务器,在此不作限定。为便于描述,下面将本实施例的执行主体称为巡检设备,但并不作为限定。如图2所示,该方法包括:
S201、采集机器人周围环境的环境图像,并对所述环境图像进行图像识别,识别所述环境图像中目标物的类型。
在本实施例中,可以通过环视摄像头采集机器人周围环境的环境图像。环视摄像头可以设于机器人上,用于采集机器人周围环境图像。环视摄像头可以为多个朝向不同方向进行拍摄的摄像头,也可以为一个可以围绕中心轴旋转从而调整拍摄方向的摄像头,在此不作限定。目标物可以为待巡检区域内的设备、车辆、行人等,在此不作限定。
巡检设备可以接收环视摄像头采集到的机器人周围环境的环境图像,通过目标识别算法对环境图像进行识别,识别环境图像中目标物的类型。其中,目标识别算法可以为基于CNN(Convolutional Neural Networks,卷积神经网络)的目标识别算法、基于SVM(Support Vector Machine,支持向量机)的目标识别算法和基于RNN(Recurrent NeuralNetwork,循环神经网络)的目标识别算法等。
S202、若识别出所述目标物的类型为障碍物,则采集包含所述目标物的深度图像,并获取所述机器人的位置坐标。
在本实施例中,障碍物为预先设定的可能会影响机器人行走的目标物,如设备、车辆、行人、柱子等。通过目标识别可以识别出目标物是否属于障碍物。深度图像为采集到的包含深度信息的三维坐标数据。可以通过深度摄像头采集包含目标物的深度图像。可以通过定位装置获取机器人的位置坐标。例如,定位装置可以通过GPS定位出机器人的位置坐标。
S203、根据所述环境图像、所述深度图像和所述机器人的位置坐标确定所述目标物的位置坐标。
在本实施例中,可以根据环境图像和深度图像确定目标物与机器人的相对位置信息,再根据得到的相对位置信息与定位到的机器人的位置坐标来计算目标物的位置坐标。
S204、若所述目标物的位置坐标位于所述机器人的巡检路径上,则对所述机器人的巡检路径进行调整。
在本实施例中,可以获取到机器人的巡检路径信息,根据目标物的位置坐标和巡检路径信息判断该目标物是否在机器人的巡检路径上,是否会影响机器人的行走。若判定出该目标物的位置坐标位于机器人的巡检路径上,表明该目标物会影响机器人的行走,则对机器人的巡检路径进行调整,以使调整后的巡检路径绕过该目标物,从而实现巡检路径的更新,保证巡检机器人的正常巡检与行走。
本发明实施例通过环视摄像头采集机器人周围环境的环境图像,并对环境图像进行图像识别,识别环境图像中目标物的类型;若识别出所述目标物的类型为障碍物,则通过深度摄像头采集包含目标物的深度图像,并通过定位装置获取机器人的位置坐标;根据环境图像、深度图像和机器人的位置坐标确定目标物的位置坐标;若目标物的位置坐标位于机器人的巡检路径上,则对机器人的巡检路径进行调整,从而实现对巡检路径的自动调整。本发明实施例将深度图像的深度信息加入到对障碍物物的定位过程中,通过环境图像、深度图像和机器人的位置坐标定位障碍物的位置坐标,能够提高对障碍物的定位精度;根据障碍物的位置坐标对巡检路径进行调整,能够实现对巡检路径的自动调整。
图3为本发明又一实施例提供的巡检方法的流程示意图。本实施例在图2实施例的基础上,对本实施例的具体实现过程进行了详细说明。如图3所示,该方法包括:
S301、采集机器人周围环境的环境图像,并对所述环境图像进行图像识别,识别所述环境图像中目标物的类型。
在本实施例中,S301与图2实施例中的S201类似,此处不再赘述。
S302、若识别出所述目标物的类型为障碍物,则采集包含所述目标物的深度图像,并获取所述机器人的位置坐标。
在本实施例中,S302与图2实施例中的S202类似,此处不再赘述。
S303、通过视觉定位算法对所述环境图像中的目标物进行定位,得到所述目标物与所述机器人之间的相对位置信息。
在本实施例中,视觉定位算法可以为单目视觉定位算法、双目视觉定位算法或多目视觉定位算法等,具体可以根据采集环境图像的摄像头数目确定。可以根据视觉定位算法和环境图像,定位得到该目标物与机器人之间的相对位置信息。由于环视摄像头安装于机器人上,由环境图像可以确定目标物与环视摄像头的相对位置,再根据环视摄像头与机器人的相对位置,能够得到目标物与机器人的相对位置信息。
S304、根据所述深度图像的深度信息获得所述目标物与所述机器人之间的距离。
在本实施例中,深度图像的深度信息中包含目标物相对于深度摄像头的三维位置坐标。根据深度图像的深度信息可以确定目标物相对于深度摄像头的位置,从而计算目标物与机器人之间的距离信息。
S305、根据所述距离对所述相对位置信息进行修正。
在本实施例中,相对于利用环境图像视觉定位出的目标物与机器人的相对位置信息,利用深度图像目标物的三维位置坐标得到目标物与机器人之间的距离信息更加精准。可以利用深度图像得到的距离信息对目标物与机器人的相对位置信息进行修正,从而提高目标物与机器人的相对位置信息的精准度。
可选地,根据环境图像定位出的目标物与机器人的第一相对位置信息确定目标物与机器人之间的第一距离信息,根据深度图像的深度信息获得目标物与机器人之间的第二距离信息,将第一距离信息和第二距离信息求平均得到修正后的距离信息,根据修正后的距离信息对第一相对位置信息进行修正,得到修正后的相对位置信息。
S306、根据所述修正后的相对位置信息和所述机器人的位置坐标计算所述目标物的位置坐标。
在本实施例中,可以根据修正后的相对位置信息和机器人的位置坐标确定出目标物的位置坐标。
S307、若所述目标物的位置坐标位于所述机器人的巡检路径上,则对所述机器人的巡检路径进行调整。
在本实施例中,S307与图2实施例中的S204类似,此处不再赘述。
本实施例利用深度图像得到的距离信息对环境图像定位出目标物与机器人的相对位置信息进行修正,能够提高目标物的定位精度,进而使对巡检路径的调整更加精准。
图4为本发明另一实施例提供的巡检方法中检测管道腐蚀程度的流程示意图。本实施例在图2实施例的基础上,对本实施例的具体实现过程进行了详细说明。如图4所示,在S201之后,该方法还可以包括:
S401、若识别出所述目标物的类型为原油管道,则从所述环境图像中提取所述目标物的图像特征。
在本实施例中,石油场地存在大量的原油管道,需要对这些原油管道进行检测,及时修复或替换掉腐蚀严重不能继续使用的原油管道。可以对环境图像进行目标识别,在识别出环境图像包含的目标物为原油管道时,提取该目标物的图像特征信息。
S402、将所述目标物的图像特征与预先建立的图像数据库中的管道图像特征进行匹配;所述图像数据库存储有不同腐蚀程度的管道样本图像的管道图像特征。
在本实施例中,可以从不同腐蚀程度的管道样本图像提取出不同腐蚀程度的原油管道对应的图像特征,建立图像数据库。图像数据中保存有图像特征与原油管道腐蚀程度的对应关系。在识别出目标物为原油管道后,将该目标物的图像特征与图像数据中的图像特征进行匹配。
S403、根据匹配结果确定所述目标物的腐蚀程度。
在本实施例中,可以将图像数据库中与该目标物匹配度最高的图像特征对应的腐蚀程度确定为目标物的腐蚀程度。
S404、若所述目标物的腐蚀程度大于预设程度阈值,则发送第一警示消息。
在本实施例,预设程度阈值为用于判定原油管道是否需要进行修复的腐蚀程度阈值,需要对超过预设程度阈值的原油管道进行修复。可以将该目标物的腐蚀程度与预设程度阈值进行对比,若该目标物的腐蚀程度大于预设程度阈值,则向服务器或工作人员对应的终端设备发送第一警示消息,以提醒工作人员对该原油管道进行处理。
本实施例通过将环境图像中的原油管道图像与图像数据库中的原油管道样本图像进行匹配,能够准确判定原油管道的腐蚀程度;在检测到原油管道腐蚀程度大于预设程度阈值时发送警示消息,能够提醒工作人员及时进行相应处理。
图5为本发明再一实施例提供的巡检方法中检测管道泄漏的流程示意图。本实施例在图2实施例的基础上,对本实施例的具体实现过程进行了详细说明。如图5所示,在S201之后,该方法还可以包括:
S501、若识别出所述目标物的类型为原油管道,则识别所述目标物表面是否存在液体。
在本实施例中,在识别出目标物为原油管道后,可以进一步通过图像识别,识别该目标物表面是否存在液体。
S502、若识别出所述目标物表面存在液体,则定位出所述目标物表面的液体的区域位置信息,并生成包含所述区域位置信息的控制指令。
在本实施例中,在识别出该目标物表面存在液体后,可以通过视觉定位方式定位出液体所在区域的区域位置信息,并生成包含该区域位置信息的控制指令,控制指令用于指示机械臂进行液体采样。
S503、通过所述控制指令控制机械臂采集所述目标物表面的液体样本,并检测所述液体样本是水还是原油。
在本实施例中,可以通过控制指令控制机器人的机械臂延伸到该区域位置信息的对应位置,采集该目标物表面的液体样本,然后检测液体样本是水还是原油。
可选地,机器人上设置有液体检测装置,该液体检测装置包括盛放液体样本的透明容器、发射特定波长光线的发射器和接收经过液体样本反射或折射后的特定波长光线的接收器。通过接收器接收的光线信息来确定液体样本是水还是原油。例如,光线信息可以为光强信息、光线入射方向信息等,在此不作限定。可以通过水和原油对光线不同的反射率或折射率来准确检测液体样本是水还是原油。
可选地,可以通过图像识别方法识别环境图像中液体所在区域的图像,根据图像的纹理、亮度等图像特征,来识别液体样本是水还是原油。
S504、若检测出所述液体样本为原油,则发送第二警示消息。
在本实施例中,若检测出液体样本为原油,表明该原油管道存在原油泄漏,可以向服务器或工作人员对应的终端设备发送第二警示消息,以提醒工作人员及时对该原油管道进行处理。
在石油场地的应用场景中,当原油管道存在原油泄漏时需要工作人员及时进行处理,而原油管道表面上可能有雨水、露水、清洁时的水等,在原油泄漏后,则原油管道表面出现原油。本实施例在识别出原油管道表面存在液体后,控制机械臂采集液体样本并对液体样本进行检测,能够准确区分水和原油;在检测出液体样本为原油后,通过发送警示消息能够提醒工作人员及时进行相应处理,降低损失。
可选地,在所述机器人到达预设节点位置时,通过无线气体传感器采集气体数据;所述气体数据包括气体中各组分的含量;
若所述气体数据中特定组分的含量超过预设含量阈值,则通过报警器进行告警。
在本实施例中,特定组分可以为预先指定的空气有毒组分。可以通过定位装置获取机器人的位置信息,将机器人的位置信息与预设节点位置信息进行对比,若判定出机器人到达预设节点位置,则通过无线气体传感器采集预设节点位置处的气体数据。若气体数据中特定组分的含量超过预设含量阈值,则通过报警器进行告警,以提醒现场工作人员立即远离此处。
可选地,若识别出目标物的类型为仪表显示面,则自动识别环境图像中该仪表显示面的仪表类型以及当前显示的数据,将识别出的仪表类型及仪表数据上传到服务器进行保存。
本发明实施例通过环视摄像头采集机器人周围环境的环境图像,并对环境图像进行图像识别,识别环境图像中目标物的类型;若识别出所述目标物的类型为障碍物,则通过深度摄像头采集包含目标物的深度图像,并通过定位装置获取机器人的位置坐标;根据环境图像、深度图像和机器人的位置坐标确定目标物的位置坐标;若目标物的位置坐标位于机器人的巡检路径上,则对机器人的巡检路径进行调整,从而实现对巡检路径的自动调整。本发明实施例将深度图像的深度信息加入到对障碍物物的定位过程中,通过环境图像、深度图像和机器人的位置坐标定位障碍物的位置坐标,能够提高对障碍物的定位精度;根据障碍物的位置坐标对巡检路径进行调整,能够实现对巡检路径的自动调整。
图6为本发明一实施例提供的巡检装置的结构示意图。如图6所示,该巡检装置60,包括:识别模块601、获取模块602、目标物位置确定模块603及巡检路径调整模块604。
识别模块601,用于采集机器人周围环境的环境图像,并对所述环境图像进行图像识别,识别所述环境图像中目标物的类型。
获取模块602,用于若识别出所述目标物的类型为障碍物,则采集包含所述目标物的深度图像,并获取所述机器人的位置坐标。
目标物位置确定模块603,用于根据所述环境图像、所述深度图像和所述机器人的位置坐标确定所述目标物的位置坐标。
巡检路径调整模块604,用于若所述目标物的位置坐标位于所述机器人的巡检路径上,则对所述机器人的巡检路径进行调整。
本发明实施例通过识别模块采集机器人周围环境的环境图像,并对环境图像进行图像识别,识别环境图像中目标物的类型;获取模块若识别出所述目标物的类型为障碍物,则采集包含目标物的深度图像,并获取机器人的位置坐标;目标物位置确定模块根据环境图像、深度图像和机器人的位置坐标确定目标物的位置坐标;巡检路径调整模块确定若目标物的位置坐标位于机器人的巡检路径上,则对机器人的巡检路径进行调整,从而实现对巡检路径的自动调整。本发明实施例将深度图像的深度信息加入到对障碍物物的定位过程中,通过环境图像、深度图像和机器人的位置坐标定位障碍物的位置坐标,能够提高对障碍物的定位精度;根据障碍物的位置坐标对巡检路径进行调整,能够实现对巡检路径的自动调整。
图7为本发明又一实施例提供的巡检装置的结构示意图。如图7所示,本实施例提供的巡检装置60在图6所示实施例提供的巡检装置的基础上,还可以包括:管道腐蚀程度检测模块605、管道泄漏检测模块模块606及气体检测模块607。
可选地,所述目标物位置确定模块603用于:
通过视觉定位算法对所述环境图像中的目标物进行定位,得到所述目标物与所述机器人之间的相对位置信息;
根据所述深度图像的深度信息获得所述目标物与所述机器人之间的距离;
根据所述距离对所述相对位置信息进行修正;
根据所述修正后的相对位置信息和所述机器人的位置坐标计算所述目标物的位置坐标。
可选地,所述管道腐蚀程度检测模块605用于:
若识别出所述目标物的类型为原油管道,则从所述环境图像中提取所述目标物的图像特征;
将所述目标物的图像特征与预先建立的图像数据库中的管道图像特征进行匹配;所述图像数据库存储有不同腐蚀程度的管道样本图像的管道图像特征;
根据匹配结果确定所述目标物的腐蚀程度;
若所述目标物的腐蚀程度大于预设程度阈值,则发送第一警示消息。
可选地,所述管道泄漏检测模块606用于:
若识别出所述目标物的类型为原油管道,则识别所述目标物表面是否存在液体;
若识别出所述目标物表面存在液体,则定位出所述目标物表面的液体的区域位置信息,并生成包含所述区域位置信息的控制指令;
通过所述控制指令控制机械臂采集所述目标物表面的液体样本,并检测所述液体样本是水还是原油;
若检测出所述液体样本为原油,则发送第二警示消息。
可选地,所述气体检测模块607用于:
在所述机器人到达预设节点位置时,通过无线气体传感器采集气体数据;所述气体数据包括气体中各组分的含量;
若所述气体数据中特定组分的含量超过预设含量阈值,则通过报警器进行告警。
本发明实施例提供的巡检装置,可用于执行上述的方法实施例,其实现原理和技术效果类似,本实施例此处不再赘述。
图8为本发明一实施例提供的巡检设备的硬件结构示意图。如图8所示,本实施例提供的巡检设备80包括:至少一个处理器801和存储器802。该巡检设备80还可以包括通信部件803。其中,处理器801、存储器802以及通信部件803通过总线804连接。
在具体实现过程中,至少一个处理器801执行所述存储器802存储的计算机执行指令,使得至少一个处理器801执行如上巡检设备80所执行的巡检方法。
可选地,巡检设备80还可以包括:环视摄像头、深度摄像头、定位装置、机械臂、无线气体传感器及报警器;
所述环视摄像头用于采集机器人周围环境的环境图像;
所述深度摄像头用于采集包含所述目标物的深度图像;
所述定位装置用于定位得到所述机器人的位置坐标;
所述机械臂用于根据控制指令采集目标物表面的液体样本;
所述无线气体传感器用于在所述机器人到达预设节点位置时采集气体数据;
所述报警器用于在气体数据中特定组分的含量超过预设含量阈值时进行告警。
处理器801的具体实现过程可参见上述方法实施例,其实现原理和技术效果类似,本实施例此处不再赘述。
在上述的图8所示的实施例中,应理解,处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application SpecificIntegrated Circuit,简称:ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本申请还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上语音端点检测设备执行的语音端点检测方法。
本申请还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上语音端点检测设备执行的语音端点检测方法。
上述的计算机可读存储介质,上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的可读存储介质耦合至处理器,从而使处理器能够从该可读存储介质读取信息,且可向该可读存储介质写入信息。当然,可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific IntegratedCircuits,简称:ASIC)中。当然,处理器和可读存储介质也可以作为分立组件存在于设备中。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (13)
1.一种巡检方法,其特征在于,包括:
采集机器人周围环境的环境图像,并对所述环境图像进行图像识别,识别所述环境图像中目标物的类型;
若识别出所述目标物的类型为障碍物,则采集包含所述目标物的深度图像,并获取所述机器人的位置坐标;
根据所述环境图像、所述深度图像和所述机器人的位置坐标确定所述目标物的位置坐标;
若所述目标物的位置坐标位于所述机器人的巡检路径上,则对所述机器人的巡检路径进行调整。
2.根据权利要求1所述的方法,其特征在于,所述根据所述环境图像、所述深度图像和所述机器人的位置坐标确定所述目标物的位置坐标包括:
通过视觉定位算法对所述环境图像中的目标物进行定位,得到所述目标物与所述机器人之间的相对位置信息;
根据所述深度图像的深度信息获得所述目标物与所述机器人之间的距离;
根据所述距离对所述相对位置信息进行修正;
根据所述修正后的相对位置信息和所述机器人的位置坐标计算所述目标物的位置坐标。
3.根据权利要求1所述的方法,其特征在于,在所述识别所述环境图像中目标物的类型之后,还包括:
若识别出所述目标物的类型为原油管道,则从所述环境图像中提取所述目标物的图像特征;
将所述目标物的图像特征与预先建立的图像数据库中的管道图像特征进行匹配;所述图像数据库存储有不同腐蚀程度的管道样本图像的管道图像特征;
根据匹配结果确定所述目标物的腐蚀程度;
若所述目标物的腐蚀程度大于预设程度阈值,则发送第一警示消息。
4.根据权利要求1所述的方法,其特征在于,在所述识别所述环境图像中目标物的类型之后,还包括:
若识别出所述目标物的类型为原油管道,则识别所述目标物表面是否存在液体;
若识别出所述目标物表面存在液体,则定位出所述目标物表面的液体的区域位置信息,并生成包含所述区域位置信息的控制指令;
通过所述控制指令控制机械臂采集所述目标物表面的液体样本,并检测所述液体样本是水还是原油;
若检测出所述液体样本为原油,则发送第二警示消息。
5.根据权利要求1至4任一项所述的方法,其特征在于,还包括:
在所述机器人到达预设节点位置时,通过无线气体传感器采集气体数据;所述气体数据包括气体中各组分的含量;
若所述气体数据中特定组分的含量超过预设含量阈值,则通过报警器进行告警。
6.一种巡检装置,其特征在于,包括:
识别模块,用于采集机器人周围环境的环境图像,并对所述环境图像进行图像识别,识别所述环境图像中目标物的类型;
获取模块,用于若识别出所述目标物的类型为障碍物,则采集包含所述目标物的深度图像,并获取所述机器人的位置坐标;
目标物位置确定模块,用于根据所述环境图像、所述深度图像和所述机器人的位置坐标确定所述目标物的位置坐标;
巡检路径调整模块,用于若所述目标物的位置坐标位于所述机器人的巡检路径上,则对所述机器人的巡检路径进行调整。
7.根据权利要求6所述的装置,其特征在于,所述目标物位置确定模块用于:
通过视觉定位算法对所述环境图像中的目标物进行定位,得到所述目标物与所述机器人之间的相对位置信息;
根据所述深度图像的深度信息获得所述目标物与所述机器人之间的距离;
根据所述距离对所述相对位置信息进行修正;
根据所述修正后的相对位置信息和所述机器人的位置坐标计算所述目标物的位置坐标。
8.根据权利要求6所述的装置,其特征在于,还包括管道腐蚀程度检测模块,所述管道腐蚀程度检测模块用于:
若识别出所述目标物的类型为原油管道,则从所述环境图像中提取所述目标物的图像特征;
将所述目标物的图像特征与预先建立的图像数据库中的管道图像特征进行匹配;所述图像数据库存储有不同腐蚀程度的管道样本图像的管道图像特征;
根据匹配结果确定所述目标物的腐蚀程度;
若所述目标物的腐蚀程度大于预设程度阈值,则发送第一警示消息。
9.根据权利要求6所述的装置,其特征在于,还包括管道泄漏检测模块,所述管道泄漏检测模块用于:
若识别出所述目标物的类型为原油管道,则识别所述目标物表面是否存在液体;
若识别出所述目标物表面存在液体,则定位出所述目标物表面的液体的区域位置信息,并生成包含所述区域位置信息的控制指令;
通过所述控制指令控制机械臂采集所述目标物表面的液体样本,并检测所述液体样本是水还是原油;
若检测出所述液体样本为原油,则发送第二警示消息。
10.根据权利要求6至9任一项所述的装置,其特征在于,还包括气体检测模块,所述气体检测模块用于:
在所述机器人到达预设节点位置时,通过无线气体传感器采集气体数据;所述气体数据包括气体中各组分的含量;
若所述气体数据中特定组分的含量超过预设含量阈值,则通过报警器进行告警。
11.一种巡检设备,其特征在于,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如权利要求1至5任一项所述的巡检方法。
12.根据权利要求11所述的设备,其特征在于,还包括环视摄像头、深度摄像头、定位装置、机械臂、无线气体传感器及报警器;
所述环视摄像头用于采集机器人周围环境的环境图像;
所述深度摄像头用于采集包含所述目标物的深度图像;
所述定位装置用于定位得到所述机器人的位置坐标;
所述机械臂用于根据控制指令采集目标物表面的液体样本;
所述无线气体传感器用于在所述机器人到达预设节点位置时采集气体数据;
所述报警器用于在气体数据中特定组分的含量超过预设含量阈值时进行告警。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如权利要求1至5任一项所述的巡检方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910043623.XA CN109664301B (zh) | 2019-01-17 | 2019-01-17 | 巡检方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910043623.XA CN109664301B (zh) | 2019-01-17 | 2019-01-17 | 巡检方法、装置、设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109664301A true CN109664301A (zh) | 2019-04-23 |
CN109664301B CN109664301B (zh) | 2022-02-01 |
Family
ID=66149583
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910043623.XA Active CN109664301B (zh) | 2019-01-17 | 2019-01-17 | 巡检方法、装置、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109664301B (zh) |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110298330A (zh) * | 2019-07-05 | 2019-10-01 | 东北大学 | 一种输电线路巡检机器人单目检测与定位方法 |
CN110363109A (zh) * | 2019-06-26 | 2019-10-22 | 成都新舟锐视科技有限公司 | 一种基于计算机视觉的覆盖式漏油检测系统及方法 |
CN111290386A (zh) * | 2020-02-20 | 2020-06-16 | 北京小马慧行科技有限公司 | 路径规划方法及装置、运载工具 |
CN111538342A (zh) * | 2020-06-04 | 2020-08-14 | 中国工商银行股份有限公司 | 机器人行进路线调整方法、装置、机器人和存储介质 |
CN111571598A (zh) * | 2020-05-29 | 2020-08-25 | 杭州申昊科技股份有限公司 | 一种防爆巡检机器人的智能巡检方法 |
CN111583336A (zh) * | 2020-04-22 | 2020-08-25 | 深圳市优必选科技股份有限公司 | 一种机器人及其巡检方法和装置 |
CN111783549A (zh) * | 2020-06-04 | 2020-10-16 | 北京海益同展信息科技有限公司 | 一种分布图生成方法、系统、巡检机器人及控制终端 |
WO2020215901A1 (zh) * | 2019-04-23 | 2020-10-29 | 炬星科技(深圳)有限公司 | 路径规划方法、电子设备、机器人及计算机可读存储介质 |
CN111899211A (zh) * | 2020-03-26 | 2020-11-06 | 中国铁建电气化局集团第二工程有限公司 | 基于图像和气味的变压器漏油故障检测系统及方法 |
CN112060106A (zh) * | 2020-09-11 | 2020-12-11 | 徐州工程学院 | 矿用巡检机器人的巡检系统及巡检机器人群的巡检方法 |
CN112213979A (zh) * | 2020-10-14 | 2021-01-12 | 西南石油大学 | 一种场站智能机器人巡检系统及方法 |
CN112417944A (zh) * | 2020-08-31 | 2021-02-26 | 深圳市银星智能科技股份有限公司 | 一种机器人控制方法及电子设备 |
CN112506189A (zh) * | 2020-11-19 | 2021-03-16 | 深圳优地科技有限公司 | 一种控制机器人移动的方法 |
CN112771576A (zh) * | 2020-05-06 | 2021-05-07 | 深圳市大疆创新科技有限公司 | 位置信息获取方法、设备及存储介质 |
CN112863001A (zh) * | 2021-01-19 | 2021-05-28 | 中国工商银行股份有限公司 | 配电机房巡检方法、装置及系统 |
CN113256512A (zh) * | 2021-04-30 | 2021-08-13 | 北京京东乾石科技有限公司 | 深度图像的补全方法、装置及巡检机器人 |
CN113324543A (zh) * | 2021-01-28 | 2021-08-31 | 山东硅步机器人技术有限公司 | 一种巡线机器人视觉导航巡检和避障方法 |
CN113771041A (zh) * | 2021-09-30 | 2021-12-10 | 中国工商银行股份有限公司 | 机器人控制方法、装置、计算机设备和存储介质 |
CN113966187A (zh) * | 2019-05-07 | 2022-01-21 | Lg电子株式会社 | 移动机器人和移动机器人的控制方法 |
CN114454137A (zh) * | 2022-04-12 | 2022-05-10 | 西南交通大学 | 基于双目视觉的钢结构损伤智能巡检方法、系统及机器人 |
CN114714360A (zh) * | 2022-04-22 | 2022-07-08 | 华中科技大学 | 一种基于距离值序列约束的转向架轮对定位系统和方法 |
CN115388342A (zh) * | 2022-08-26 | 2022-11-25 | 中国计量大学 | 管网巡检方法、装置及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101846576A (zh) * | 2010-05-27 | 2010-09-29 | 王巍 | 一种基于视频的液体泄漏分析预警系统 |
CN106774315A (zh) * | 2016-12-12 | 2017-05-31 | 深圳市智美达科技股份有限公司 | 机器人自主导航方法和装置 |
CN106826815A (zh) * | 2016-12-21 | 2017-06-13 | 江苏物联网研究发展中心 | 基于彩色图像与深度图像的目标物体识别与定位的方法 |
US20180001479A1 (en) * | 2015-01-30 | 2018-01-04 | Agency For Science, Technology And Research | Mobile manipulator and method of controlling the mobile manipulator for tracking a surface |
CN107784310A (zh) * | 2017-11-08 | 2018-03-09 | 浙江国自机器人技术有限公司 | 设备状态信息获取方法、装置、系统、存储介质及机器人 |
CN108062110A (zh) * | 2017-12-16 | 2018-05-22 | 广东容祺智能科技有限公司 | 一种基于无人机系统的化工园区异常监控方法 |
CN108839016A (zh) * | 2018-06-11 | 2018-11-20 | 深圳市百创网络科技有限公司 | 机器人巡检方法、存储介质、计算机设备及巡检机器人 |
CN109048926A (zh) * | 2018-10-24 | 2018-12-21 | 河北工业大学 | 一种基于立体视觉的机器人智能避障系统及方法 |
-
2019
- 2019-01-17 CN CN201910043623.XA patent/CN109664301B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101846576A (zh) * | 2010-05-27 | 2010-09-29 | 王巍 | 一种基于视频的液体泄漏分析预警系统 |
US20180001479A1 (en) * | 2015-01-30 | 2018-01-04 | Agency For Science, Technology And Research | Mobile manipulator and method of controlling the mobile manipulator for tracking a surface |
CN106774315A (zh) * | 2016-12-12 | 2017-05-31 | 深圳市智美达科技股份有限公司 | 机器人自主导航方法和装置 |
CN106826815A (zh) * | 2016-12-21 | 2017-06-13 | 江苏物联网研究发展中心 | 基于彩色图像与深度图像的目标物体识别与定位的方法 |
CN107784310A (zh) * | 2017-11-08 | 2018-03-09 | 浙江国自机器人技术有限公司 | 设备状态信息获取方法、装置、系统、存储介质及机器人 |
CN108062110A (zh) * | 2017-12-16 | 2018-05-22 | 广东容祺智能科技有限公司 | 一种基于无人机系统的化工园区异常监控方法 |
CN108839016A (zh) * | 2018-06-11 | 2018-11-20 | 深圳市百创网络科技有限公司 | 机器人巡检方法、存储介质、计算机设备及巡检机器人 |
CN109048926A (zh) * | 2018-10-24 | 2018-12-21 | 河北工业大学 | 一种基于立体视觉的机器人智能避障系统及方法 |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020215901A1 (zh) * | 2019-04-23 | 2020-10-29 | 炬星科技(深圳)有限公司 | 路径规划方法、电子设备、机器人及计算机可读存储介质 |
CN113966187A (zh) * | 2019-05-07 | 2022-01-21 | Lg电子株式会社 | 移动机器人和移动机器人的控制方法 |
US12075967B2 (en) | 2019-05-07 | 2024-09-03 | Lg Electronics Inc. | Mobile robot and control method of mobile robots |
CN110363109A (zh) * | 2019-06-26 | 2019-10-22 | 成都新舟锐视科技有限公司 | 一种基于计算机视觉的覆盖式漏油检测系统及方法 |
CN110363109B (zh) * | 2019-06-26 | 2023-03-24 | 成都新舟锐视科技有限公司 | 一种基于计算机视觉的覆盖式漏油检测系统及方法 |
CN110298330A (zh) * | 2019-07-05 | 2019-10-01 | 东北大学 | 一种输电线路巡检机器人单目检测与定位方法 |
CN111290386A (zh) * | 2020-02-20 | 2020-06-16 | 北京小马慧行科技有限公司 | 路径规划方法及装置、运载工具 |
CN111290386B (zh) * | 2020-02-20 | 2023-08-04 | 北京小马慧行科技有限公司 | 路径规划方法及装置、运载工具 |
CN111899211A (zh) * | 2020-03-26 | 2020-11-06 | 中国铁建电气化局集团第二工程有限公司 | 基于图像和气味的变压器漏油故障检测系统及方法 |
CN111583336A (zh) * | 2020-04-22 | 2020-08-25 | 深圳市优必选科技股份有限公司 | 一种机器人及其巡检方法和装置 |
CN111583336B (zh) * | 2020-04-22 | 2023-12-01 | 深圳市优必选科技股份有限公司 | 一种机器人及其巡检方法和装置 |
CN112771576A (zh) * | 2020-05-06 | 2021-05-07 | 深圳市大疆创新科技有限公司 | 位置信息获取方法、设备及存储介质 |
CN111571598A (zh) * | 2020-05-29 | 2020-08-25 | 杭州申昊科技股份有限公司 | 一种防爆巡检机器人的智能巡检方法 |
CN111783549A (zh) * | 2020-06-04 | 2020-10-16 | 北京海益同展信息科技有限公司 | 一种分布图生成方法、系统、巡检机器人及控制终端 |
CN111538342A (zh) * | 2020-06-04 | 2020-08-14 | 中国工商银行股份有限公司 | 机器人行进路线调整方法、装置、机器人和存储介质 |
CN111538342B (zh) * | 2020-06-04 | 2023-05-23 | 中国工商银行股份有限公司 | 机器人行进路线调整方法、装置、机器人和存储介质 |
CN112417944A (zh) * | 2020-08-31 | 2021-02-26 | 深圳市银星智能科技股份有限公司 | 一种机器人控制方法及电子设备 |
CN112417944B (zh) * | 2020-08-31 | 2024-04-16 | 深圳银星智能集团股份有限公司 | 一种机器人控制方法及电子设备 |
CN112060106A (zh) * | 2020-09-11 | 2020-12-11 | 徐州工程学院 | 矿用巡检机器人的巡检系统及巡检机器人群的巡检方法 |
CN112213979A (zh) * | 2020-10-14 | 2021-01-12 | 西南石油大学 | 一种场站智能机器人巡检系统及方法 |
CN112506189A (zh) * | 2020-11-19 | 2021-03-16 | 深圳优地科技有限公司 | 一种控制机器人移动的方法 |
CN112863001A (zh) * | 2021-01-19 | 2021-05-28 | 中国工商银行股份有限公司 | 配电机房巡检方法、装置及系统 |
CN113324543A (zh) * | 2021-01-28 | 2021-08-31 | 山东硅步机器人技术有限公司 | 一种巡线机器人视觉导航巡检和避障方法 |
CN113256512A (zh) * | 2021-04-30 | 2021-08-13 | 北京京东乾石科技有限公司 | 深度图像的补全方法、装置及巡检机器人 |
CN113771041A (zh) * | 2021-09-30 | 2021-12-10 | 中国工商银行股份有限公司 | 机器人控制方法、装置、计算机设备和存储介质 |
CN114454137A (zh) * | 2022-04-12 | 2022-05-10 | 西南交通大学 | 基于双目视觉的钢结构损伤智能巡检方法、系统及机器人 |
CN114714360A (zh) * | 2022-04-22 | 2022-07-08 | 华中科技大学 | 一种基于距离值序列约束的转向架轮对定位系统和方法 |
CN114714360B (zh) * | 2022-04-22 | 2024-02-02 | 华中科技大学 | 一种基于距离值序列约束的转向架轮对定位系统和方法 |
CN115388342A (zh) * | 2022-08-26 | 2022-11-25 | 中国计量大学 | 管网巡检方法、装置及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109664301B (zh) | 2022-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109664301A (zh) | 巡检方法、装置、设备及计算机可读存储介质 | |
CN105260988B (zh) | 一种高精地图数据的处理方法和装置 | |
EP3650814B1 (en) | Vision augmented navigation | |
CN110530372B (zh) | 定位方法、路径确定方法、装置、机器人及存储介质 | |
CN110057373A (zh) | 用于生成高精细语义地图的方法、装置和计算机存储介质 | |
CN108931245A (zh) | 移动机器人的局部自定位方法及设备 | |
US20100268452A1 (en) | Navigation device, navigation method, and navigation program | |
JP2009068951A (ja) | 空中架線の管理システム | |
US9612314B2 (en) | Method and system for guiding the position | |
JP2017090239A (ja) | 情報処理装置、制御方法、プログラム及び記憶媒体 | |
CN109282813B (zh) | 一种无人艇全局障碍物识别的方法 | |
JP2018185228A (ja) | 移動型探傷装置 | |
CN110618436A (zh) | 基于即时定位与地图构建的巡检方法、装置及设备 | |
CN110133637A (zh) | 目标定位方法、装置及系统 | |
CN111273304A (zh) | 一种融合反光柱的自然定位方法及系统 | |
JP2017211307A (ja) | 測定装置、測定方法およびプログラム | |
CN113945937A (zh) | 精度检测方法、装置及存储介质 | |
CN114115545A (zh) | 一种ar井盖标注方法、系统、设备和存储介质 | |
CN114185071A (zh) | 一种基于物体识别和空间位置感知的定位系统及方法 | |
JPWO2017199369A1 (ja) | 地物認識装置、地物認識方法およびプログラム | |
CN110298320B (zh) | 一种视觉定位方法、装置及存储介质 | |
CN109945890B (zh) | 多定位系统切换与融合校正方法及其装置 | |
CN116524116A (zh) | 一种多传感器数据融合的排水管道三维模型构建系统 | |
KR20200065144A (ko) | 객체 인식을 이용한 정밀 지도 자동 검수 장치 및 방법 | |
CN114281832A (zh) | 基于定位结果的高精地图数据更新方法、装置和电子设备 |
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 |