CN110085029A - 基于轨道式巡检机器人的高速公路巡检系统与方法 - Google Patents
基于轨道式巡检机器人的高速公路巡检系统与方法 Download PDFInfo
- Publication number
- CN110085029A CN110085029A CN201910473162.XA CN201910473162A CN110085029A CN 110085029 A CN110085029 A CN 110085029A CN 201910473162 A CN201910473162 A CN 201910473162A CN 110085029 A CN110085029 A CN 110085029A
- Authority
- CN
- China
- Prior art keywords
- rail mounted
- crusing robot
- accident
- mounted crusing
- 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
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 35
- 206010039203 Road traffic accident Diseases 0.000 claims abstract description 50
- 238000004891 communication Methods 0.000 claims abstract description 30
- 230000007613 environmental effect Effects 0.000 claims abstract description 30
- 238000012544 monitoring process Methods 0.000 claims abstract description 13
- 230000033001 locomotion Effects 0.000 claims description 20
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 10
- 238000011897 real-time detection Methods 0.000 claims description 9
- 238000011144 upstream manufacturing Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 5
- 239000000779 smoke Substances 0.000 claims description 4
- 239000001569 carbon dioxide Substances 0.000 claims description 3
- 238000002955 isolation Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 2
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 2
- 238000009434 installation Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 5
- 239000007789 gas Substances 0.000 description 4
- 240000006409 Acacia auriculiformis Species 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 3
- 210000005069 ears Anatomy 0.000 description 3
- 230000009545 invasion Effects 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control 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
- G05D1/0253—Control 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 extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0285—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using signals transmitted via a public communication network, e.g. GSM network
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/06—Electric actuation of the alarm, e.g. using a thermally-operated switch
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Emergency Management (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Acoustics & Sound (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于轨道式巡检机器人的高速公路巡检系统与识别方法,包括沿高速公路长度方向铺设的轨道、安装在轨道上的轨道式巡检机器人、GPS/BDS定位模块、通信系统与控制站;控制站的服务器中配置交通事故识别程序;事故识别程序用于在巡检过程中根据环境数据对高速公路事故进行识别与定位。高速公路事故识别方法采用本发明的基于轨道式巡检机器人的高速公路巡检系统接入高速公路监控系统,解决高速公路事故发生后的应急指挥问题,在事故发生后能第一时间快速抵达事故现场,将现场状况实时的传回高速公路监控中心,便于监控中心对事故现场通过巡检机器人的语音广播系统进行交通应急处理。
Description
技术领域
本发明涉及高速公路监控技术领域,尤其涉及一种基于智能巡检机器人的高速公路事故识别系统,还涉及一种高速公路事故识别方法。
背景技术
我国交通建设正进入一个快速发展的时期。我国目前已经成为世界上高速公路最多、最复杂、发展最快的国家。伴随客流的增长,交通设施逐渐向山区发展,由于地形和地质条件的限制,山区交通设施经常以桥梁和高速公路通过。交通高速公路是狭长的建筑,其中如果发生灾害,考虑到灾害特性,救援难度大,后果不可预见。
随着高速公路工程建设的深入,高速公路管理压力也会越来越大,特别是近年高速公路事故量的不断增大,使得交通高速公路的日常运维和紧急救援日益引起关注。
高速公路巡检主要依赖人工进行定期巡查,完成高速公路上散落物品、人员/动物的入侵、护栏、路边植物、路面以及路边结构等问题的巡检,需要大量的人力物力,并且不能及时发现高速公路事故,导致高速公路事故蔓延,严重阻碍交通的正常运行。高速公路事故主要包括交通事故与火灾事故,交通事故发生后还往往会引起火灾事故。
虽然,目前也有通过在高速公路内定点安装多个摄像头或轨道式巡检机器人对高速公路情况进行远程监测,但主要还是通过后台人员观看监控图像来识别高速公路事故,尚未能解决人力成本高,实时性差的问题。
发明内容
针对上述现有技术的不足,本发明提供一种基于轨道式巡检机器人的高速公路巡检系统,解决高速公路事故发生后的应急指挥问题,在事故发生后能第一时间快速抵达事故现场,将现场状况实时的传回高速公路监控中心,便于监控中心对事故现场通过巡检机器人的语音广播系统进行交通应急处理。
为了解决上述技术问题,本发明采用了如下的技术方案:一种基于轨道式巡检机器人的高速公路巡检系统,包括沿高速公路长度方向铺设的轨道、安装在轨道上的轨道式巡检机器人、通信系统与控制站;轨道铺设在高速公路的隔离带上、绿化带上或隧道内壁、桥梁护栏上;
所述轨道式巡检机器人包括机器人控制器、GPS/BDS定位模块、环境数据传感器组、语音通话模块、云台以及安装在云台上的图像/视频采集模块;GPS/BDS定位模块与图像/视频采集模块分别与机器人控制器的信号输入端连接;所述环境数据传感器组包括与机器人控制器的信号输入端连接的噪声传感器;轨道式巡检机器人具有两个噪声传感器,所述两个噪声传感器关于轨道式巡检机器人的中轴线对称安装在轨道式巡检机器人左右两侧,所述轨道式巡检机器人的中轴线垂直于轨道长度方向;机器人控制器的信号输入端双向通信连接有语音通话模块;
所述通信系统包括安装在轨道式巡检机器人上的通信模块,所述通信模块为4G/5G移动数据通信模块;通信模块与机器人控制器通信连接,从而使得机器人控制器能够接收语音信息与控制站的控制命令,并能上传环境数据传感器组采集到的环境数据、图像/视频采集模块采集到的交通视频数据以及GPS/BDS定位数据至控制站;
所述控制站的服务器中配置有交通事故识别程序;所述交通事故识别程序能够根据交通视频数据或环境数据对高速公路事故进行识别。
进一步的,当用于沿高速公路道路巡检时,可以代替路巡人员利用所携带的视频摄像头进行道路事故识别,所述交通事故识别程序按如下步骤执行:
A1:通过虚拟线圈算法从交通视频数据中解析出车流量数据,并根据车流量数据计算轨道式巡检机器人当前所在位置对应的当前道路截面交通量,判断当前道路截面交通量是否超过拥堵交通量阈值;若是,则进入步骤A2;若否,则重复步骤A1:
A2:根据车辆行驶方向与轨道式巡检机器人的当前位置判断事故发生位置:事故发生位置应该发生在拥堵路段下游;并生成控制轨道式巡检机器人向拥堵路段下游移动;当通过交通视频数据检测到交通量突然下降时,轨道式巡检机器人所在位置即为事故发生位置。
进一步的,当用于巡检高速公路上隧道路段时,交通事故识别程序按如下步骤执行:
a1:解析环境数据中的噪声数据,并判断当前环境噪声是否超过事故噪声阈值;若是,则进入步骤a2;若否,则重复步骤a1:
a2:根据噪声来源与轨道式巡检机器人的当前位置判断事故发生位置,并生成控制轨道式巡检机器人移动到交通事故现场采集位置的控制命令;
步骤a2中按如下步骤对噪声进行定位并控制轨道式巡检机器人移动:
a201:计算声源分别到达左右两个噪声传感器的时间差Δt=t左-t右;其中,t左表示声源到达左噪声传感器的时刻,t右表示声源到达右噪声传感器的时刻;
a202:将Δt的值与0进行比较;若Δt=0,表示左右两个噪声传感器同时检测到声源,事故发生在轨道式巡检机器人当前位置,则以轨道式巡检机器人当前位置作为交通事故现场采集位置;
若Δt>0,表示声源先到达右噪声传感器,事故发生在轨道式巡检机器人当前位置的右侧,则进入步骤a203;
若Δt<0,表示声源先到达左噪声传感器,事故发生在轨道式巡检机器人当前位置的左侧,则进入步骤a204;
a203:控制轨道式巡检机器人向右移动,并在移动过程中实时计算左右两个噪声传感器的时间差Δt,当Δt=0时,表示轨道式巡检机器人到达交通事故现场采集位置,控制轨道式巡检机器人停止运动;
a204:控制轨道式巡检机器人向左移动,并在移动过程中实时计算左右两个噪声传感器的时间差Δt,当Δt=0时,表示轨道式巡检机器人到达交通事故现场采集位置,控制轨道式巡检机器人停止运动。
进一步的,所述环境数据传感器组还包括与机器人控制器的信号输入端连接的用于检测环境温度的感温器;所述控制站的服务器中还配置有火灾事故识别程序,并按如下步骤执行:
b1:解析环境数据中的噪声数据,并判断当前环境噪声是否超过事故噪声阈值;若是,则进入步骤b3;若否,则进入步骤b2:
b2:解析感温器中的温度数据,并判断当前温度测量值是否超过温度阈值;若是,则进入步骤b4;若否,则回到步骤b1;
b3:根据噪声来源与轨道式巡检机器人的当前位置对交通事故发生位置进行定位,并生成控制轨道式巡检机器人移动到交通事故现场采集位置的控制命令;
b4:根据火源与轨道式巡检机器人的当前位置对火灾发生位置进行定位,并生成控制轨道式巡检机器人移动到火灾事故现场采集位置的控制命令。
进一步的,步骤b4中按如下步骤对火源进行定位并控制轨道式巡检机器人移动:
b401:控制轨道式巡检机器人向左侧移动,并在移动过程中实时检测环境温度;
b402:判断轨道式巡检机器人在移动过程中的温度变化量ΔT是否呈增大趋势,其中,T环境温度的实时测量值,表示未发生火灾的温度阈值;若是,表明则火源位于轨道式巡检机器人左侧,并进入步骤b403;若否,表明火源位于轨道式巡检机器人右侧,进入步骤b404;
b403:控制轨道式巡检机器人持续向左侧运动,并在移动过程中实时检测环境温度,当T=Ts时,Ts表示现场采集温度阈值,表示轨道式巡检机器人到达火灾事故现场采集位置,控制轨道式巡检机器停止运动;
b404:控制轨道式巡检机器人持续向右侧运动,并在移动过程中实时检测环境温度,当T=Ts时,Ts表示现场采集温度阈值,表示轨道式巡检机器人到达火灾事故现场采集位置,控制轨道式巡检机器停止运动。
进一步的,所述通信模块为4G移动数据通信模块;机器人控制器的信号双向通信连接有语音通话模块。
本发明还提供一种高速公路事故的识别方法,采用本发明的基于轨道式巡检机器人的高速公路巡检系统接入高速公路监控系统,并包括以下步骤:
步骤1:轨道式巡检机器人沿着轨道对高速公路进行巡检,并上传环境数据、图像数据给控制站;
步骤2:控制站运行事故识别程序,从而判断出当前是否发生事故,并对事故发生位置进行定位;
步骤3:控制站下发控制轨道式巡检机器人移动到事故发生位置的控制命令;
步骤4:轨道式巡检机器人接收控制命令,沿着轨道运行到当前事故发生位置,并采集GPS/BDS定位数据给控制站,从而能够事故现场进行定位;
步骤5:轨道式巡检机器人启动图像/视频采集模块对事故现场进行拍摄,并上传至控制站;
步骤6:控制站将事故现场的图像/视频发送给高速公路监控系统,并控制轨道式巡检机器人启动语音通话模块与高速公路监控系统进行远程通话;
步骤7:交巡警通过观看事故现场的图像/视频制定指挥方案,并通过语音通话模块将指挥语音发送到现场。
与现有技术相比,本发明具有以下有益效果:
1、与定点安装多个摄像头相比,本发明采用了轨道式巡检机器人对高速公路环境进行监测,能够沿着轨道移动,并且云台能够带动图像采集模块旋转拍摄角度,没有视觉盲区。轨道式巡检机器人代替高速高速公路路寻人员,完成高速公路上散落物品、人员/动物的入侵、护栏、路边植物、路面以及路边结构等问题的巡检;其中,可采用现有算法对高速公路上散落物品进行自动识别,人员/动物的入侵、护栏、路边植物、路面以及路边结构等问题依靠人工识别;还能实现对交通事故的取证和应急指挥。
2、本发明的轨道式巡检机器人增加了噪声传感器,能够捕捉到发生交通事故时的车辆碰撞声,事故识别程序根据噪声信号能够及时对交通事故进行识别与定位。
3、在噪声传感器的基础上结合感温器,既能识别与定位交通事故,又能识别与定位火灾事故,并且事故识别程序优先识别交通事故,避免火灾事故与交通事故同时发生,并发生在相反方向时,对轨道式巡检机器人的移动控制出现矛盾。
4、本发明不仅能识别是否发生高速公路事故,还能结合机器人GPS/BDS定位,对事故现场进行定位。
附图说明
图1是本具体实施方式中基于轨道式巡检机器人的高速公路巡检系统的系统框图;
图2是轨道式巡检机器人在高速公路上的安装示意图;
图3是声源定位的原理图;
图4是车速计算的原理图;
图5是车流量计算的原理图;
图6是事故等级分布示意图。
具体实施方式
下面结合附图和优选实施方式对本发明作进一步的详细说明。
具体实施方式1
参考图1与图2,一种基于轨道式巡检机器人的高速公路巡检系统,包括沿高速公路长度方向铺设的轨道4、安装在轨道上的轨道式巡检机器人3、通信系统与控制站。
轨道式巡检机器人包括机器人控制器、GPS/BDS定位模块、环境数据传感器组、语音通话模块、云台以及安装在云台上的图像/视频采集模块;GPS/BDS定位模块与图像/视频采集模块分别与机器人控制器的信号输入端连接;所述环境数据传感器组包括与机器人控制器的信号输入端连接的噪声传感器;轨道式巡检机器人具有两个噪声传感器,所述两个噪声传感器关于轨道式巡检机器人的中轴线对称安装在轨道式巡检机器人左右两侧,所述轨道式巡检机器人的中轴线垂直于轨道长度方向;机器人控制器的信号输入端双向通信连接有语音通话模块。
轨道2铺设在高速公路的隔离带上、绿化带上;轨道4采用地陷式磁滑轨,轨道式巡检机器人3采用带探测仓的滑轨机器人,云台1通过伸缩杆2连接在轨道式巡检机器人3的主体上。在通过噪声检测到交通事故后需要快速移动到事故发生位置,可通过伸缩杆2可将云台1收纳到轨道式巡检机器人的探测仓内,再进行移动。在巡检过程中将云台伸出,从而获得较大的检测范围,可横跨多个车道。
所述通信系统包括安装在轨道式巡检机器人上的通信模块,所述通信模块为4G/5G移动数据通信模块;通信模块与机器人控制器通信连接,从而使得机器人控制器能够接收语音信息与控制站的控制命令,并能上传环境数据传感器组采集到的环境数据、图像/视频采集模块采集到的交通视频数据以及GPS/BDS定位数据至控制站。
所述控制站的服务器中配置有交通事故识别程序;所述交通事故识别程序能够根据交通视频数据或环境数据对高速公路事故进行识别。
本具体实施方式中,当用于沿高速公路道路巡检时,可以代替路巡人员利用所携带的视频摄像头进行道路事故识别,所述交通事故识别程序按如下步骤执行:
A1:通过虚拟线圈算法从交通视频数据中解析出车流量数据,并根据车流量数据计算轨道式巡检机器人当前所在位置对应的当前道路截面交通量,判断当前道路截面交通量是否超过拥堵交通量阈值;若是,则进入步骤A2;若否,则重复步骤A1:
A2:根据车辆行驶方向与轨道式巡检机器人的当前位置判断事故发生位置:事故发生位置应该发生在拥堵路段下游;并生成控制轨道式巡检机器人向拥堵路段下游移动,当通过交通视频数据检测到交通量突然下降时,轨道式巡检机器人所在位置即为事故发生位置。
本具体实施方式中,所述通信模块为4G移动数据通信模块;机器人控制器的信号双向通信连接有语音通话模块。机器人控制器连接有手机SIM卡插口,将SIM卡插入就能接入4G网络,利用4G网络进行远程音视频传输,利用网络电话,网络视频技术实现现场视频采集,远程通话。
一种高速公路巡检方法,采用本具体实施方式的基于轨道式巡检机器人的高速公路巡检系统接入高速公路监控系统,并包括以下步骤:
步骤1:轨道式巡检机器人沿着轨道对高速公路进行巡检,并上传环境数据、图像数据给控制站;
步骤2:控制站运行事故识别程序,从而判断出当前是否发生事故,并对事故发生位置进行定位;
步骤3:控制站下发控制轨道式巡检机器人移动到事故发生位置的控制命令;
步骤4:轨道式巡检机器人接收控制命令,沿着轨道运行到当前事故发生位置,并采集GPS/BDS定位数据给控制站,从而能够对事故现场进行定位;
步骤5:轨道式巡检机器人启动图像/视频采集模块对事故现场进行拍摄,并上传至控制站;
步骤6:控制站将事故现场的图像/视频发送给高速公路监控系统,并控制轨道式巡检机器人启动语音通话模块与高速公路监控系统进行远程通话;
步骤7:交巡警通过观看事故现场的图像/视频制定指挥方案,并通过语音通话模块将指挥语音发送到现场。
具体实施方式2
由于隧道内空间较为封闭,交通事故发生后噪声较为明显,火灾发生后,环境温度上升明显,本具体实施对具体实施方式1中的基于轨道式巡检机器人的高速公路巡检系统,进行以下改进以更好的适用于高速公路隧道内的事故:
交通事故识别程序按如下步骤执行:
a1:解析环境数据中的噪声数据,并判断当前环境噪声是否超过事故噪声阈值;若是,则进入步骤a2;若否,则重复步骤a1:
a2:根据噪声来源与轨道式巡检机器人的当前位置判断事故发生位置,并生成控制轨道式巡检机器人移动到交通事故现场采集位置的控制命令;
步骤a2中按如下步骤对噪声进行定位并控制轨道式巡检机器人移动:
a201:计算声源分别到达左右两个噪声传感器的时间差Δt=t左-t右;其中,t左表示声源到达左噪声传感器的时刻,t右表示声源到达右噪声传感器的时刻;
a202:将Δt的值与0进行比较;若Δt=0,表示左右两个噪声传感器同时检测到声源,事故发生在轨道式巡检机器人当前位置,则以轨道式巡检机器人当前位置作为交通事故现场采集位置;
若Δt>0,表示声源先到达右噪声传感器,事故发生在轨道式巡检机器人当前位置的右侧,则进入步骤a203;
若Δt<0,表示声源先到达左噪声传感器,事故发生在轨道式巡检机器人当前位置的左侧,则进入步骤a204;
a203:控制轨道式巡检机器人向右移动,并在移动过程中实时计算左右两个噪声传感器的时间差Δt,当Δt=0时,表示轨道式巡检机器人到达交通事故现场采集位置,控制轨道式巡检机器人停止运动;
a204:控制轨道式巡检机器人向左移动,并在移动过程中实时计算左右两个噪声传感器的时间差Δt,当Δt=0时,表示轨道式巡检机器人到达交通事故现场采集位置,控制轨道式巡检机器人停止运动。
巡检机器人对噪声源的定位原理如图3所示,其实质就是模仿人耳对声源的定位过程,根据声源发出的声波传递到机器人左、右耳检测器的时间差异Δt(Δt=t左-t右)对不同方向、不同位置的噪声源进行判断,过程如下:
如果噪声源位于轨道式巡检机器人的左侧(如图3噪声源S1),那么左耳检测器就会比右耳检测器先检测到这个声源,即Δt<0,所以轨道式巡检机器人便会沿轨道往左侧移动,直到Δt=0;如果噪声源位于轨道式巡检机器人的正前方中轴线上(如图3噪声源S2),那么左耳检测器与右耳检测器将会同时检测到噪声源,即Δt=0,说明当前位置就是事故发生的位置。如果噪声源位于轨道式巡检机器人的右侧(如图3噪声源S3),那么右耳检测器就会比左耳检测器先检测到这个声源,即Δt>0,所以轨道式巡检机器人便会沿轨道往右侧移动,直到Δt=0。
本具体实施方式中,控制器内还配置有事故辅助定位程序,用于判断是否发生在隧道的上游还是隧道下游,并包括以下步骤:
C1:采集隧道内Tx时间段内的车辆通行情况图像,并根据车辆通行情况图像的中发生像素灰度变化的数量,计算隧道内在Tx时间段内的车流量与目标车辆的车速;
C2:根据车流量判断隧道上游是否发生事故。
C3:根据目标车辆的车速判断隧道下游是否发生事故。
上游之所以用车流量作为判断依据,是因为一旦隧道上游发生交通堵塞,则进入隧道的车辆会急剧减少,但速度却不一定会急剧下降,其相比交通量就没有这么明显的变化趋势,所以此时用速度作为判断依据就不太合适;下游之所以用车速作为判断依据,是因为用交通量作为判断依据的结果可能是不准确的,因为发生交通事故时的情况和交通量接近通行能力时的情况,隧道内的车辆数目基本上是一样的,而速度则是完全不一样的,发生交通事故时的车速是接近于0的,而交通量接近通行能力时的车速却是远大于0的。
图像识别车流量和车速的示意图如图4所示,有车辆通过虚拟检测线区域时,构成车辆的像素灰度与背景路面的像素灰度会有一个差值,从而造成虚拟检测线区域内的像素灰度发生变化。
当车辆通过虚拟检测线时,统计虚拟检测线区域内的灰度变化,就可以确定目标车辆进入或离开虚拟检测线,对车辆计数或记录通过的时间。假设车辆通过虚拟检测线L1的时刻记为t1,通过虚拟检测线L2的时刻记为t2,通过虚拟检测线L3的时刻记为t3,则L1和L2之间的区域内的车速可以记为L2和L3之间的区域内的车速可以记为最后,将两个车速取平均即为车辆的真实车速。之所以设置两个虚拟检测线,是因为可以通过其平均统计数,减少由识别误差造成的计数误差。
对于根据车流量判断隧道上游是否发生事故,参考图5所示,每隔Δt(Δt一般取1s)抓拍一次各条车道的图片并识别图片中的车辆数,假设在某一时刻t0,识别出的车辆数为N0,在时刻t1识别出的车辆数为N1,若N0-N1≥N(N与隧道通行能力C0和车道数n有关,一般取N=C0/n),则说明隧道上游的高速公路发生了交通事故。
本具体实施方式中,所述环境数据传感器组还包括烟雾传感器、湿度传感器、一氧化碳传感与二氧化碳传感器。
烟雾传感器通过监测烟雾的浓度来实现火灾防范,烟雾传感器内部采用先进的离子式烟雾传感,被广泛运用到各种消防报警系统中,性能远优于气敏电阻类的火灾报警器。
湿度传感器是指能将湿度量转换成容易被测量处理的电信号的设备或装置。此处主要用于测量隧道空间内的相对湿度大小。
二氧化碳传感器是用于检测二氧化碳浓度的装置。汽车排放的尾气中含有大量CO和CO2,同时隧道又是高度封闭的环境,当隧道内发生事故时,汽车排放的CO、CO2量将会急剧增多,所以需要对一氧化碳和二氧化碳浓度进行实时监测。
环境数据传感器组还包括与机器人控制器的信号输入端连接的用于检测环境温度的感温器;所述控制站的服务器中还配置有火灾事故识别程序,并按如下步骤执行:
b1:解析环境数据中的噪声数据,并判断当前环境噪声是否超过事故噪声阈值;若是,则进入步骤b3;若否,则进入步骤b2:
b2:解析感温器中的温度数据,并判断当前温度测量值是否超过温度阈值;若是,则进入步骤b4;若否,则回到步骤b1;记感温器的当前温度测量值为T。正常情况下,感温器的温度测量值会在某一定值附近发生较小的波动,记该定值为当前温度测量值与正常情况下的温度定值之差记为当发生火灾时,整个隧道中的温度将会急剧上升。
b3:根据噪声来源与轨道式巡检机器人的当前位置对交通事故发生位置进行定位,并生成控制轨道式巡检机器人移动到交通事故现场采集位置的控制命令;
b4:根据火源与轨道式巡检机器人的当前位置对火灾发生位置进行定位,并生成控制轨道式巡检机器人移动到火灾事故现场采集位置的控制命令。
本具体实施方式中,步骤b3中按如下步骤对噪声进行定位并控制轨道式巡检机器人移动:
b301:计算声源分别到达左右两个噪声传感器的时间差Δt=t左-t右;其中,t左表示声源到达左噪声传感器的时刻,t右表示声源到达右噪声传感器的时刻;
b302:将Δt的值与0进行比较;若Δt=0,表示左右两个噪声传感器同时检测到声源,事故发生在轨道式巡检机器人当前位置,则以轨道式巡检机器人当前位置作为交通事故现场采集位置;
若Δt>0,表示声源先到达右噪声传感器,事故发生在轨道式巡检机器人当前位置的右侧,则进入步骤a203;
若Δt<0,表示声源先到达左噪声传感器,事故发生在轨道式巡检机器人当前位置的左侧,则进入步骤a204;
b303:控制轨道式巡检机器人向右移动,并在移动过程中实时计算左右两个噪声传感器的时间差Δt,当Δt=0时,表示轨道式巡检机器人到达交通事故现场采集位置,控制轨道式巡检机器人停止运动;
b304:控制轨道式巡检机器人向左移动,并在移动过程中实时计算左右两个噪声传感器的时间差Δt,当Δt=0时,表示轨道式巡检机器人到达交通事故现场采集位置,控制轨道式巡检机器人停止运动。
当发生火灾时,整个隧道中的温度将会急剧上升,即ΔT会急剧增大,而且距离火源位置越近则越大。所以,根据这个原理,可以利用感温器判断火源的方位。当ΔT>T0时,则说明隧道内发生了火灾事故,此时将巡检机器人往左边移动,若在移动过程中ΔT不断增大,则说明火源就在左侧方向;反之则在右侧。确定了火源方位后,则可以将摄像头调整至火源方向,在往火源移动的过程中便可以实时拍照并对火源进行识别。
本具体实施方式中,步骤b4中按如下步骤对火源进行定位并控制轨道式巡检机器人移动:
b401:控制轨道式巡检机器人向左侧移动,并在移动过程中实时检测环境温度;
b402:判断轨道式巡检机器人在移动过程中的温度变化量ΔT是否呈增大趋势,其中,T环境温度的实时测量值,表示未发生火灾的温度阈值;若是,表明则火源位于轨道式巡检机器人左侧,并进入步骤b403;若否,表明火源位于轨道式巡检机器人右侧,进入步骤b404;
b403:控制轨道式巡检机器人持续向左侧运动,并在移动过程中实时检测环境温度,当T=Ts时,Ts表示现场采集温度阈值,表示轨道式巡检机器人到达火灾事故现场采集位置,控制轨道式巡检机器停止运动;
b404:控制轨道式巡检机器人持续向右侧运动,并在移动过程中实时检测环境温度,当T=Ts时,Ts表示现场采集温度阈值,表示轨道式巡检机器人到达火灾事故现场采集位置,控制轨道式巡检机器停止运动。
由于隧道内的卫星定位数据比公路要弱,可以增加机器人定位系统:轨道安装在隧道顶部,所机器人定位系统包括安装在轨道式巡检机器人上的RFID阅读器以及若干沿轨道长度方向设置在各轨道分段区域上的RFID应答器;每个轨道分段区域均设置唯一的RFID应答器;每个RFID应答器都存储有与所处轨道分段区域唯一对应的区域编号,并能在接收到RFID阅读器的阅读信号后将自身的区域编号发送给RFID阅读器;RFID阅读器与机器人控制器的信号输入端连接,从而能够向机器人控制器发送读取到的区域编号。控制站的服务器中配置机器人定位程序,所述机器人定位程序按如下步骤执行:首先:获取当前区域编号;然后:在编号-地址映射表中查找当前区域编号所对应的轨道分段区域,从而获知轨道式巡检机器人当前所在轨道分段区域。
通过给巡检机器人写入事故等级识别算法,还可以确定当前隧道事故等级,每个隧道的巡检机器人将各自隧道事故等级传到中央服务器,最后由中央服务器综合分析并判断高速公路路网的交通运行状态,实现整个高速公路路网事故的判断,从而辅助驾驶员做出最优路径的选择。参考图6所示,具体判断过程:假设高速公路隧道的事故等级可划分为五级(用红、橙、黄、绿、灰五种不同的颜色来表示),红色表示事故严重程度最高,橙色、黄色、绿色的事故严重程度逐渐降低,灰色表示无事故。各个隧道节点的巡检机器人将各自隧道事故等级发送给控制站,控制站器综合判断各个隧道节点的事故等级并给出一条交通状态通畅的路径,从而辅助驾驶员做出路径选择决策。譬如图6,a、f隧道节点为绿色,b隧道节点为红色,c隧道节点为橙色,d隧道节点为黄色,e隧道节点为灰色。由于b隧道节点(红色)事故非常严重,所以驾驶员就不会选择包含隧道b的路径,而会优先选择包含隧道e的路径,其次会考虑选择包含隧道a或者隧道f的路径。
Claims (8)
1.一种基于轨道式巡检机器人的高速公路巡检系统,其特征在于:包括沿高速公路长度方向铺设的轨道、安装在轨道上的轨道式巡检机器人、通信系统与控制站;轨道铺设在高速公路的隔离带上、绿化带上或隧道内壁、桥梁护栏上;
所述轨道式巡检机器人包括机器人控制器、GPS/BDS定位模块、环境数据传感器组、语音通话模块、云台以及安装在云台上的图像/视频采集模块;GPS/BDS定位模块与图像/视频采集模块分别与机器人控制器的信号输入端连接;所述环境数据传感器组包括与机器人控制器的信号输入端连接的噪声传感器;轨道式巡检机器人具有两个噪声传感器,所述两个噪声传感器关于轨道式巡检机器人的中轴线对称安装在轨道式巡检机器人左右两侧,所述轨道式巡检机器人的中轴线垂直于轨道长度方向;机器人控制器的信号输入端双向通信连接有语音通话模块;
所述通信系统包括安装在轨道式巡检机器人上的通信模块,所述通信模块为4G/5G移动数据通信模块;通信模块与机器人控制器通信连接,从而使得机器人控制器能够接收语音信息与控制站的控制命令,并能上传环境数据传感器组采集到的环境数据、图像/视频采集模块采集到的交通视频数据以及GPS/BDS定位数据至控制站;
所述控制站的服务器中配置有交通事故识别程序;所述交通事故识别程序能够根据交通视频数据或环境数据对高速公路事故进行识别。
2.根据权利要求1所述的基于轨道式巡检机器人的高速公路巡检系统,其特征在于:当用于沿高速公路道路巡检时,可以代替路巡人员利用所携带的视频摄像头进行道路事故识别,所述交通事故识别程序按如下步骤执行:
A1:通过虚拟线圈算法从交通视频数据中解析出车流量数据,并根据车流量数据计算轨道式巡检机器人当前所在位置对应的当前道路截面交通量,判断当前道路截面交通量是否超过拥堵交通量阈值;若是,则进入步骤A2;若否,则重复步骤A1:
A2:根据车辆行驶方向与轨道式巡检机器人的当前位置判断事故发生位置:事故发生位置应该发生在拥堵路段下游;并生成控制轨道式巡检机器人向拥堵路段下游移动,当通过交通视频数据检测到交通量突然下降时,轨道式巡检机器人所在位置即为事故发生位置。
3.根据权利要求2所述的基于轨道式巡检机器人的高速公路巡检系统,其特征在于:当用于巡检高速公路上的隧道路段时,交通事故识别程序按如下步骤执行:
a1:解析环境数据中的噪声数据,并判断当前环境噪声是否超过事故噪声阈值;若是,则进入步骤a2;若否,则重复步骤a1:
a2:根据噪声来源与轨道式巡检机器人的当前位置判断事故发生位置,并生成控制轨道式巡检机器人移动到交通事故现场采集位置的控制命令;
步骤a2中按如下步骤对噪声进行定位并控制轨道式巡检机器人移动:
a201:计算声源分别到达左右两个噪声传感器的时间差Δt=t左-t右;其中,t左表示声源到达左噪声传感器的时刻,t右表示声源到达右噪声传感器的时刻;
a202:将Δt的值与0进行比较;若Δt=0,表示左右两个噪声传感器同时检测到声源,事故发生在轨道式巡检机器人当前位置,则以轨道式巡检机器人当前位置作为交通事故现场采集位置;
若Δt>0,表示声源先到达右噪声传感器,事故发生在轨道式巡检机器人当前位置的右侧,则进入步骤a203;
若Δt<0,表示声源先到达左噪声传感器,事故发生在轨道式巡检机器人当前位置的左侧,则进入步骤a204;
a203:控制轨道式巡检机器人向右移动,并在移动过程中实时计算左右两个噪声传感器的时间差Δt,当Δt=0时,表示轨道式巡检机器人到达交通事故现场采集位置,控制轨道式巡检机器人停止运动;
a204:控制轨道式巡检机器人向左移动,并在移动过程中实时计算左右两个噪声传感器的时间差Δt,当Δt=0时,表示轨道式巡检机器人到达交通事故现场采集位置,控制轨道式巡检机器人停止运动。
4.根据权利要求3所述的基于轨道式巡检机器人的高速公路巡检系统,其特征在于:所述环境数据传感器组还包括与机器人控制器的信号输入端连接的用于检测环境温度的感温器;所述控制站的服务器中还配置有火灾事故识别程序,并按如下步骤执行:
b1:解析环境数据中的噪声数据,并判断当前环境噪声是否超过事故噪声阈值;若是,则进入步骤b3;若否,则进入步骤b2:
b2:解析感温器中的温度数据,并判断当前温度测量值是否超过温度阈值;若是,则进入步骤b4;若否,则回到步骤b1;
b3:根据噪声来源与轨道式巡检机器人的当前位置对交通事故发生位置进行定位,并生成控制轨道式巡检机器人移动到交通事故现场采集位置的控制命令;
b4:根据火源与轨道式巡检机器人的当前位置对火灾发生位置进行定位,并生成控制轨道式巡检机器人移动到火灾事故现场采集位置的控制命令。
5.根据权利要求4所述的基于轨道式巡检机器人的高速公路巡检系统,其特征在于:步骤b4中按如下步骤对火源进行定位并控制轨道式巡检机器人移动:
b401:控制轨道式巡检机器人向左侧移动,并在移动过程中实时检测环境温度;
b402:判断轨道式巡检机器人在移动过程中的温度变化量ΔT是否呈增大趋势,其中,T环境温度的实时测量值,表示未发生火灾的温度阈值;若是,表明则火源位于轨道式巡检机器人左侧,并进入步骤b403;若否,表明火源位于轨道式巡检机器人右侧,进入步骤b404;
b403:控制轨道式巡检机器人持续向左侧运动,并在移动过程中实时检测环境温度,当T=Ts时,Ts表示现场采集温度阈值,表示轨道式巡检机器人到达火灾事故现场采集位置,控制轨道式巡检机器停止运动;
b404:控制轨道式巡检机器人持续向右侧运动,并在移动过程中实时检测环境温度,当T=Ts时,Ts表示现场采集温度阈值,表示轨道式巡检机器人到达火灾事故现场采集位置,控制轨道式巡检机器停止运动。
6.根据权利要求3所述的基于轨道式巡检机器人的高速公路巡检系统,其特征在于:控制器内还配置有事故辅助定位程序,用于判断事故发生在隧道的上游还是隧道下游,并包括以下步骤:
C1:采集隧道内Tx时间段内的车辆通行情况图像,并根据车辆通行情况图像的中发生像素灰度变化的数量,计算隧道内在Tx时间段内的车流量与目标车辆的车速;
C2:根据车流量判断隧道上游是否发生事故。
C3:根据目标车辆的车速判断隧道下游是否发生事故。
7.根据权利要求1所述的基于轨道式巡检机器人的高速公路巡检系统,其特征在于:所述环境数据传感器组还包括烟雾传感器、湿度传感器、一氧化碳传感与二氧化碳传感器。
8.一种高速公路巡检方法,其特征在于:采用权利要求1所述的基于轨道式巡检机器人的高速公路巡检系统接入高速公路监控系统,并包括以下步骤:
步骤1:轨道式巡检机器人沿着轨道对高速公路进行巡检,并上传环境数据、图像数据给控制站;
步骤2:控制站运行事故识别程序,从而判断出当前是否发生事故,并对事故发生位置进行定位;
步骤3:控制站下发控制轨道式巡检机器人移动到事故发生位置的控制命令;
步骤4:轨道式巡检机器人接收控制命令,沿着轨道运行到当前事故发生位置,并采集GPS/BDS定位数据给控制站,从而能够事故现场进行定位;
步骤5:轨道式巡检机器人启动图像/视频采集模块对事故现场进行拍摄,并上传至控制站;
步骤6:控制站将事故现场的图像/视频发送给高速公路监控系统,并控制轨道式巡检机器人启动语音通话模块与高速公路监控系统行远程通话;
步骤7:交巡警通过观看事故现场的图像/视频制定指挥方案,并通过语音通话模块将指挥语音发送到现场。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910473162.XA CN110085029B (zh) | 2019-05-31 | 2019-05-31 | 基于轨道式巡检机器人的高速公路巡检系统与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910473162.XA CN110085029B (zh) | 2019-05-31 | 2019-05-31 | 基于轨道式巡检机器人的高速公路巡检系统与方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110085029A true CN110085029A (zh) | 2019-08-02 |
CN110085029B CN110085029B (zh) | 2020-08-04 |
Family
ID=67423035
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910473162.XA Active CN110085029B (zh) | 2019-05-31 | 2019-05-31 | 基于轨道式巡检机器人的高速公路巡检系统与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110085029B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111324131A (zh) * | 2020-03-31 | 2020-06-23 | 中通服创立信息科技有限责任公司 | 一种基于人体雷达的轨道式巡检机器人的跟随监控方法 |
CN111785081A (zh) * | 2020-05-27 | 2020-10-16 | 诠航科技有限公司 | 一种护栏巡逻机 |
CN112659146A (zh) * | 2020-12-16 | 2021-04-16 | 北京交通大学 | 一种视觉巡检机器人系统及高速公路视觉巡检方法 |
CN112907990A (zh) * | 2021-01-31 | 2021-06-04 | 安徽达尔智能控制系统股份有限公司 | 一种基于v2x的高速公路车路协同控制系统 |
CN112949530A (zh) * | 2021-03-12 | 2021-06-11 | 新疆爱华盈通信息技术有限公司 | 用于停车场巡检车的巡检方法与系统、巡检车 |
CN113192415A (zh) * | 2021-05-18 | 2021-07-30 | 贵州省交通规划勘察设计研究院股份有限公司 | 一种高速公路广告牌分时展示及管理系统 |
CN113516010A (zh) * | 2021-04-08 | 2021-10-19 | 柯利达信息技术有限公司 | 高速公路上异物智能网联识别与处理系统 |
CN113588073A (zh) * | 2021-08-05 | 2021-11-02 | 山东省路桥集团有限公司 | 一种可移动式的噪声监测装置 |
CN113888859A (zh) * | 2020-07-01 | 2022-01-04 | 胡武文 | 一种高速公路无人巡警系统 |
CN114120658A (zh) * | 2021-10-27 | 2022-03-01 | 北京云汉通航科技有限公司 | 一种高速公路智能巡检机器人系统以及巡检方法 |
CN114333313A (zh) * | 2021-12-29 | 2022-04-12 | 金陵科技学院 | 一种基于高速公路监控的智能巡检方法 |
CN114764975A (zh) * | 2022-01-21 | 2022-07-19 | 钟元 | 一种隧道内用智能交通用防护栏系统及其控制方法 |
CN114973694A (zh) * | 2022-05-19 | 2022-08-30 | 杭州中威电子股份有限公司 | 一种基于巡检机器人的隧道车流量监测系统及其方法 |
CN115273474A (zh) * | 2022-08-02 | 2022-11-01 | 浙江安易信科技有限公司 | 一种基于人工智能的rpa巡检机器人巡检管理系统 |
CN115862178A (zh) * | 2022-11-29 | 2023-03-28 | 重庆交通大学 | 基于vr的轨道智能巡检方法及系统 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6026169A (en) * | 1992-07-27 | 2000-02-15 | Yamaha Corporation | Sound image localization device |
JP2008033837A (ja) * | 2006-07-31 | 2008-02-14 | Sanyo Electric Co Ltd | 点検システム及び誤差補正プログラム |
CN101763120A (zh) * | 2009-12-17 | 2010-06-30 | 长安大学 | 一种基于声音引导的机器人定位装置及其定位方法 |
CN102568153A (zh) * | 2010-12-20 | 2012-07-11 | 淄博高新区联创科技服务中心 | 车辆碰撞检测装置 |
CN102568146A (zh) * | 2012-01-12 | 2012-07-11 | 安徽大学 | 一种基于红外热图像的火灾预警与早期消除系统 |
CN103064061A (zh) * | 2013-01-05 | 2013-04-24 | 河北工业大学 | 三维空间声源定位方法 |
CN103714703A (zh) * | 2013-12-17 | 2014-04-09 | 重庆凯泽科技有限公司 | 一种基于视频图像处理的车流检测算法 |
CN205238036U (zh) * | 2015-11-18 | 2016-05-18 | 公安部交通管理科学研究所 | 道路交通事故现场车底自动勘查机器人 |
CN106154231A (zh) * | 2016-08-03 | 2016-11-23 | 厦门傅里叶电子有限公司 | 虚拟现实中声场定位的方法 |
CN106846713A (zh) * | 2017-03-22 | 2017-06-13 | 清华大学合肥公共安全研究院 | 一种智慧城市公共安全预警系统 |
CN107065730A (zh) * | 2017-05-26 | 2017-08-18 | 安徽皖通科技股份有限公司 | 高速公路隧道安全运营智能监控系统 |
CN107411941A (zh) * | 2017-07-07 | 2017-12-01 | 蔡圣本 | 一种导盲机器人及其公交导盲报警系统 |
CN108205892A (zh) * | 2018-01-02 | 2018-06-26 | 南京逸杰软件科技有限公司 | 一种交通事件主动检测的方法及路侧智能信息终端 |
CN108663090A (zh) * | 2018-06-29 | 2018-10-16 | 国网福建省电力有限公司厦门供电公司 | 一种电缆隧道智能检测系统 |
CN109815912A (zh) * | 2019-01-28 | 2019-05-28 | 象谱信息产业有限公司 | 一种基于人工智能的高速公路安全巡查系统 |
-
2019
- 2019-05-31 CN CN201910473162.XA patent/CN110085029B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6026169A (en) * | 1992-07-27 | 2000-02-15 | Yamaha Corporation | Sound image localization device |
JP2008033837A (ja) * | 2006-07-31 | 2008-02-14 | Sanyo Electric Co Ltd | 点検システム及び誤差補正プログラム |
CN101763120A (zh) * | 2009-12-17 | 2010-06-30 | 长安大学 | 一种基于声音引导的机器人定位装置及其定位方法 |
CN102568153A (zh) * | 2010-12-20 | 2012-07-11 | 淄博高新区联创科技服务中心 | 车辆碰撞检测装置 |
CN102568146A (zh) * | 2012-01-12 | 2012-07-11 | 安徽大学 | 一种基于红外热图像的火灾预警与早期消除系统 |
CN103064061A (zh) * | 2013-01-05 | 2013-04-24 | 河北工业大学 | 三维空间声源定位方法 |
CN103714703A (zh) * | 2013-12-17 | 2014-04-09 | 重庆凯泽科技有限公司 | 一种基于视频图像处理的车流检测算法 |
CN205238036U (zh) * | 2015-11-18 | 2016-05-18 | 公安部交通管理科学研究所 | 道路交通事故现场车底自动勘查机器人 |
CN106154231A (zh) * | 2016-08-03 | 2016-11-23 | 厦门傅里叶电子有限公司 | 虚拟现实中声场定位的方法 |
CN106846713A (zh) * | 2017-03-22 | 2017-06-13 | 清华大学合肥公共安全研究院 | 一种智慧城市公共安全预警系统 |
CN107065730A (zh) * | 2017-05-26 | 2017-08-18 | 安徽皖通科技股份有限公司 | 高速公路隧道安全运营智能监控系统 |
CN107411941A (zh) * | 2017-07-07 | 2017-12-01 | 蔡圣本 | 一种导盲机器人及其公交导盲报警系统 |
CN108205892A (zh) * | 2018-01-02 | 2018-06-26 | 南京逸杰软件科技有限公司 | 一种交通事件主动检测的方法及路侧智能信息终端 |
CN108663090A (zh) * | 2018-06-29 | 2018-10-16 | 国网福建省电力有限公司厦门供电公司 | 一种电缆隧道智能检测系统 |
CN109815912A (zh) * | 2019-01-28 | 2019-05-28 | 象谱信息产业有限公司 | 一种基于人工智能的高速公路安全巡查系统 |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111324131A (zh) * | 2020-03-31 | 2020-06-23 | 中通服创立信息科技有限责任公司 | 一种基于人体雷达的轨道式巡检机器人的跟随监控方法 |
CN111324131B (zh) * | 2020-03-31 | 2023-09-01 | 中通服创立信息科技有限责任公司 | 一种基于人体雷达的轨道式巡检机器人的跟随监控方法 |
CN111785081A (zh) * | 2020-05-27 | 2020-10-16 | 诠航科技有限公司 | 一种护栏巡逻机 |
CN113888859A (zh) * | 2020-07-01 | 2022-01-04 | 胡武文 | 一种高速公路无人巡警系统 |
CN112659146A (zh) * | 2020-12-16 | 2021-04-16 | 北京交通大学 | 一种视觉巡检机器人系统及高速公路视觉巡检方法 |
CN112659146B (zh) * | 2020-12-16 | 2022-04-26 | 北京交通大学 | 一种视觉巡检机器人系统及高速公路视觉巡检方法 |
CN112907990A (zh) * | 2021-01-31 | 2021-06-04 | 安徽达尔智能控制系统股份有限公司 | 一种基于v2x的高速公路车路协同控制系统 |
CN112949530A (zh) * | 2021-03-12 | 2021-06-11 | 新疆爱华盈通信息技术有限公司 | 用于停车场巡检车的巡检方法与系统、巡检车 |
CN112949530B (zh) * | 2021-03-12 | 2024-05-28 | 芯算一体(深圳)科技有限公司 | 用于停车场巡检车的巡检方法与系统、巡检车 |
CN113516010A (zh) * | 2021-04-08 | 2021-10-19 | 柯利达信息技术有限公司 | 高速公路上异物智能网联识别与处理系统 |
CN113516010B (zh) * | 2021-04-08 | 2024-09-06 | 柯利达信息技术有限公司 | 高速公路上异物智能网联识别与处理系统 |
CN113192415A (zh) * | 2021-05-18 | 2021-07-30 | 贵州省交通规划勘察设计研究院股份有限公司 | 一种高速公路广告牌分时展示及管理系统 |
CN113588073A (zh) * | 2021-08-05 | 2021-11-02 | 山东省路桥集团有限公司 | 一种可移动式的噪声监测装置 |
CN114120658A (zh) * | 2021-10-27 | 2022-03-01 | 北京云汉通航科技有限公司 | 一种高速公路智能巡检机器人系统以及巡检方法 |
CN114120658B (zh) * | 2021-10-27 | 2022-06-24 | 北京云汉通航科技有限公司 | 一种高速公路智能巡检机器人系统以及巡检方法 |
CN114333313A (zh) * | 2021-12-29 | 2022-04-12 | 金陵科技学院 | 一种基于高速公路监控的智能巡检方法 |
CN114333313B (zh) * | 2021-12-29 | 2022-11-01 | 金陵科技学院 | 一种基于高速公路监控的智能巡检方法 |
CN114764975B (zh) * | 2022-01-21 | 2024-07-19 | 淮北暴风工业设计有限公司 | 一种隧道内用智能交通用防护栏系统及其控制方法 |
CN114764975A (zh) * | 2022-01-21 | 2022-07-19 | 钟元 | 一种隧道内用智能交通用防护栏系统及其控制方法 |
CN114973694B (zh) * | 2022-05-19 | 2024-05-24 | 杭州中威电子股份有限公司 | 一种基于巡检机器人的隧道车流量监测系统及其方法 |
CN114973694A (zh) * | 2022-05-19 | 2022-08-30 | 杭州中威电子股份有限公司 | 一种基于巡检机器人的隧道车流量监测系统及其方法 |
CN115273474A (zh) * | 2022-08-02 | 2022-11-01 | 浙江安易信科技有限公司 | 一种基于人工智能的rpa巡检机器人巡检管理系统 |
CN115862178A (zh) * | 2022-11-29 | 2023-03-28 | 重庆交通大学 | 基于vr的轨道智能巡检方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110085029B (zh) | 2020-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110085029A (zh) | 基于轨道式巡检机器人的高速公路巡检系统与方法 | |
CN105913604B (zh) | 基于无人机的火灾发生测定方法及其装置 | |
CN108297058B (zh) | 智能安防机器人及其自动巡检方法 | |
CN110207832A (zh) | 基于无人机的高压线路巡检系统及其巡检方法 | |
CN108491758A (zh) | 一种轨道检测方法及机器人 | |
CN105759834A (zh) | 一种主动捕获低空小型无人飞行器的系统及方法 | |
CN110082782A (zh) | 一种危化品园区巡检系统及其实现方法 | |
CN112288984A (zh) | 基于视频融合的三维可视化无人值守变电站智能联动系统 | |
CN110245734A (zh) | 基于轨道式巡检机器人的隧道结构病害识别系统与方法 | |
CN207268846U (zh) | 电力巡检机器人 | |
CN113990018B (zh) | 一种安全风险预测系统 | |
CN110703760B (zh) | 一种用于安防巡检机器人的新增可疑物体检测方法 | |
CN106647813A (zh) | 一种智能机载双光巡检系统专家诊断异常处理方法 | |
CN108280895A (zh) | 一种石化防爆巡检机器人及防爆系统 | |
CN104103077A (zh) | 一种人头检测方法和装置 | |
CN105962908A (zh) | 飞行体温检测器控制方法及装置 | |
CN107103300A (zh) | 一种离岗检测方法及系统 | |
CN109544870A (zh) | 用于智能监控系统的报警判断方法与智能监控系统 | |
CN110516600A (zh) | 一种基于人脸检测的公交客流检测方法 | |
CN112263803A (zh) | 基于实时场景巡视和自动检测灭火的无人车智能安防系统及控制方法 | |
CN115035470A (zh) | 一种基于混合视觉的低小慢目标识别与定位方法及系统 | |
CN106710120A (zh) | 一种前端分布式森林烟火识别定位智能感知系统 | |
CN114283544B (zh) | 一种基于人工智能的铁路站台入侵监测系统及方法 | |
CN116030591A (zh) | 一种基于物联网的矿井外因火灾智能巡检报警系统及方法 | |
KR101542134B1 (ko) | 스마트 카메라모듈을 통한 열차선로 상의 낙석·사람으로 이루어진 관심 객체 실시간 감시 장치 및 방법 |
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 |