CN110246175A - 全景相机与云台相机结合的变电站巡检机器人图像检测系统及方法 - Google Patents
全景相机与云台相机结合的变电站巡检机器人图像检测系统及方法 Download PDFInfo
- Publication number
- CN110246175A CN110246175A CN201910438859.3A CN201910438859A CN110246175A CN 110246175 A CN110246175 A CN 110246175A CN 201910438859 A CN201910438859 A CN 201910438859A CN 110246175 A CN110246175 A CN 110246175A
- Authority
- CN
- China
- Prior art keywords
- camera
- image
- mobile robot
- panorama camera
- panorama
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000011218 segmentation Effects 0.000 claims abstract description 8
- 238000004891 communication Methods 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims description 22
- 239000003550 marker Substances 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 239000004519 grease Substances 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种全景相机与云台相机结合的变电站巡检机器人图像检测系统，主要包括相互通信连接的移动机器人平台、无线传输模块、后台主控系统。所述移动机器人平台上固定设置有全景相机、二维云台高清相机。利用该系统的图像检测方法包括：首先对全景图像中的变电站设备通过语义分割进行识别定位和异物判断；然后将识别的变电站设备的图像位置信息进行坐标变换，转换到二维云台的球坐标空间，通过该坐标位置控制二维云台的方位角与偏转角，将二维云台高清相机瞄向该目标区域；最后，通过二维云台相机的高清相机获取设备图像信息，该信息通过无线通讯系统传输到后台主控系统，能够提高巡检机器人对变电站设备的全方位及精准检测识别能力。
Description
技术领域
本发明涉及自动化及机器人技术领域，具体涉及变电站巡检机器人技术领域，特别是涉及一种全景相机与云台相机结合的变电站巡检机器人图像检测系统及方法。
背景技术
变电站巡检机器人是用于变电站设备巡检的无人自主移动检测装置，主要由移动平台、定位导航系统、检测设备、无线通讯系统等组成。随着机器人技术、物联网和图像处理技术的迅猛发展，近年来变电站巡检机器人已在高电压等级变电站普遍应用，极大地减轻了变电站运维人员的工作强度，提高了高危环境下的运维质量和效率，促进了变电站运维智能化水平的提升。
通常，变电站巡检机器人通过二维云台携带可见光相机和红外相机对变电站设备进行检测。二维云台可调整相机姿态，相机也可调节焦距。该方法成像清晰，能捕捉到更多设备细节信息。但与此同时该方法的视场角较小，机器人运动过程中容易丢失设备位置，通常需要机器人停在固定位置进行测量，对机器人重复运动精度有较高要求，停留位置的偏差会严重影响巡检机器人的工作效率和工作精度，难以同时实现大场景下的变电站设备异物或缺陷图像检测。因而传统电站巡检机器人只在固定工作点进行图像获取工作，相机的工作位姿和焦距都已事先确定，难以获取非工作位置图像和新增固定工作点图像。并且，对于大场景下的设备悬挂异物等情况，难以有效获取到图像信息。而全景相机视野大，可捕捉到360°的全景图像，却大多由于传输和存储容量限制，图像清晰度不能设置太高。
因此亟需提供一种新型的变电站巡检机器人图像检测系统及方法来解决上述问题。
发明内容
本发明所要解决的技术问题是提供一种全景相机与云台相机结合的变电站巡检机器人图像检测系统及方法，能够提高巡检机器人对变电站设备的全方位检测识别能力和精准检测识别能力。
为解决上述技术问题，本发明采用的一个技术方案是：提供一种全景相机与云台相机结合的变电站巡检机器人图像检测系统，主要包括相互通信连接的移动机器人平台、无线传输模块、后台主控系统；
所述移动机器人平台上固定设置有全景相机、二维云台高清相机、定位导航系统、图像处理器。
在本发明一个较佳实施例中，所述定位导航系统包括安装在移动机器人平台前部的激光雷达、安装在移动机器人平台后部的RTK GPS天线。
在本发明一个较佳实施例中，所述全景相机采用六摄像头相机，二维云台高清相机采用双目1080P高清摄像头。
为解决上述技术问题，本发明采用的另一个技术方案是：提供一种基于全景相机与云台相机结合的变电站巡检机器人图像检测系统的图像检测方法，包括以下步骤：
S1：操作巡检机器人在指定路径上运动，采集标记数据，生成数据集，利用此数据集对深度卷积神经网络进行训练，得到训练好的网络模型，保存到所述图像处理器中；
S2：巡检机器人运行时，所述全景相机不断获取周边设备图像，并将图像实时传入图像处理器中进行预处理；
S3：将预处理后的图像输入步骤S1训练好的深度卷积神经网络，对全景相机图像中标记物进行语义分割，并得到标记物相对于全景相机的位置坐标，初步判断变电站设备的运行情况及异常情况；
S4：通过三维坐标转换方式，将标记物相对于全景相机的位置坐标转换为相对云台的坐标；
S5：对于初步判断为异常的变电站设备优先处理，否则按照相对距离由近到远的顺序依次控制二维云台转动，指向目标观测区域，通过二维云台高清相机获得该区域的高清放大图像，由无线传输模块发送到后台主控系统。
在本发明一个较佳实施例中，步骤S1中生成数据集的具体步骤包括：
首先对变电站环境中目标检测物进行人工标记，然后对采集的全景相机图像中标记物进行语义分割，最后生成包含上千个数据的数据集。
在本发明一个较佳实施例中，步骤S2中预处理的过程包括全景相机图像的拼接、降噪。
在本发明一个较佳实施例中，步骤S3中，所述标记物包括变电站设备、设备表面的异物、油渍、表计。
在本发明一个较佳实施例中，S3的具体方法为：
Ccam＝RzRyRxC360+Tr
其中，Ccam为云台相机坐标系下的坐标；C360为全景相机坐标系下的坐标；Tr为云台相机坐标系原点在全景相机坐标系下的三维坐标；Rz、Ry、Rx分别为两个坐标系在z、y、x轴上的偏角。
本发明的有益效果是：
(1)本发明提出一种兼具全景视觉探测识别功能与二维云台高清视觉摄像功能的变电站巡检机器人图像检测系统，提高了巡检机器人对变电站设备的全方位检测识别能力和精准检测识别能力，增强变电站全自主巡检效率；
(2)所述图像检测方法通过将全景相机与二维云台相机相结合，利用全景相机获取变电站全景图像信息，识别设备异物和定位重点观测区域位置，从而在线控制二维云台相机的工作位姿和焦距，进行重点观测区域的高清图像拍摄，在进行图像获取工作状态时无需停车，大大提高巡检质量和效率。
附图说明
图1是所述巡检机器人一较佳实施例的立体结构示意图；
图2是本发明全景相机与云台相机结合的变电站巡检机器人图像检测方法的流程图；
图3是全景相机到云台相机的坐标转换示意图；
附图中各部件的标记如下：1、移动机器人平台，2、激光雷达，3、二维云台高清相机，4、全景相机，5、RTK GPS天线。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
请参阅图1和图2，本发明实施例包括：
一种全景相机与云台相机结合的变电站巡检机器人图像检测系统，主要包括相互通信连接的移动机器人平台1、无线传输模块、后台主控系统。所述移动机器人平台1上固定设置有全景相机4、二维云台高清相机3、定位导航系统、图像处理器(图中未示出)。所述定位导航系统包括安装在移动机器人平台1前部的激光雷达2、安装在移动机器人平台1后部的RTK GPS天线5。
优选的，所述全景相机4采用常用的呈球面布置的六个镜头拼接出360°全景图像，二维云台高清相机3采用双目1080P高清摄像头。
本发明提出一种兼具全景视觉探测识别功能与二维云台高清视觉摄像功能的变电站巡检机器人图像检测系统，提高了巡检机器人对变电站设备的全方位检测识别能力和精准检测识别能力，增强变电站全自主巡检效率。
结合图2，基于全景相机与云台相机结合的变电站巡检机器人图像检测系统的图像检测方法，包括以下步骤：
S1：在系统实际运行之前，首先对变电站环境中目标检测物进行人工标记，操作巡检机器人在指定路径上运动多圈，采集足够的标记数据；其次对采集的全景相机图像中标记物进行语义分割，即对变电站设备、设备表面的异物、油渍、表计等在图像中的像素进行精确标定；最后生成包含上千个数据的数据集；利用此数据集对深度卷积神经网络进行训练，得到训练好的网络模型，保存到所述图像处理器中；
S2：巡检机器人在变电站环境中运行时，沿着给定的路线不断循环运动，所述全景相机不断获取周边设备图像，并将图像实时传入图像处理器中进行预处理，预处理的过程包括全景相机图像的拼接、降噪；
S3：将预处理后的图像输入步骤S1训练好的深度卷积神经网络，对全景相机图像中标记物进行语义分割，即对变电站设备、设备表面的异物、油渍、表计等进行像素级别的分割，并通过目标的位置、大小，在机器人360度全方向上得到需要检测的变电站设备及异物相对于全景相机的位置坐标，即目标图像在全景图像中的像素位置，初步判断变电站设备的运行情况及异常情况(有异物、漏油等现象)；
S4：因全景相机和高清云台相机的相对位置Tr不变，通过三维坐标转换方式，将标记物相对于全景相机的位置坐标转换为相对云台的坐标；结合图3，具体方法为：
Ccam＝RzRyRxC360+Tr
其中，Ccam为云台相机坐标系下的坐标；C360为全景相机坐标系下的坐标；Tr为云台相机坐标系原点在全景相机坐标系下的三维坐标；Rz、Ry、Rx分别为两个坐标系在z、y、x轴上的偏角。
S5：对于初步判断为异常的变电站设备进行优先处理，否则按照相对距离由近到远的顺序依次控制二维云台转动，指向目标观测区域，通过二维云台高清相机的俯仰获得该区域的高清放大图像，对设备运转情况及表计读数做准确评估，若被拍摄的设备运转及表计读数正常，则处理下一个设备，重复步骤S5；若被拍摄的设备运转及表计读数异常，则向系统报警；
整个巡检过程中机器人可以连续运动不停车，并且有效防止二维云台相机对关键设备观测区域的跟踪丢失，同时能检测到360°全场景下的变电站设备异物等异常状态。二维云台相机获取的高清放大图像经无线传输模块发送到后台主控系统，为后续进行表计识别或设备外观缺陷识别提供准确数据。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种全景相机与云台相机结合的变电站巡检机器人图像检测系统，其特征在于，主要包括相互通信连接的移动机器人平台、无线传输模块、后台主控系统；
所述移动机器人平台上固定设置有全景相机、二维云台高清相机、定位导航系统、图像处理器。
2.根据权利要求1所述的全景相机与云台相机结合的变电站巡检机器人图像检测系统，其特征在于，所述定位导航系统包括安装在移动机器人平台前部的激光雷达、安装在移动机器人平台后部的RTK GPS天线。
3.根据权利要求1所述的全景相机与云台相机结合的变电站巡检机器人图像检测系统，其特征在于，所述全景相机采用六摄像头相机，二维云台高清相机采用双目1080P高清摄像头。
4.基于全景相机与云台相机结合的变电站巡检机器人图像检测系统的图像检测方法，包括以下步骤：
S1：操作巡检机器人在指定路径上运动，采集标记数据，生成数据集，利用此数据集对深度卷积神经网络进行训练，得到训练好的网络模型，保存到所述图像处理器中；
S2：巡检机器人运行时，所述全景相机不断获取周边设备图像，并将图像实时传入图像处理器中进行预处理；
S3：将预处理后的图像输入步骤S1训练好的深度卷积神经网络，对全景相机图像中标记物进行语义分割，并得到标记物相对于全景相机的位置坐标，初步判断变电站设备的运行情况及异常情况；
S4：通过三维坐标转换方式，将标记物相对于全景相机的位置坐标转换为相对云台的坐标；
S5：对于初步判断为异常的变电站设备优先处理，否则按照相对距离由近到远的顺序依次控制二维云台转动，指向目标观测区域，通过二维云台高清相机获得该区域的高清放大图像，由无线传输模块发送到后台主控系统。
5.根据权利要求4所述的全景相机与云台相机结合的变电站巡检机器人图像检测方法，其特征在于，步骤S1中生成数据集的具体步骤包括：
首先对变电站环境中目标检测物进行人工标记，然后对采集的全景相机图像中标记物进行语义分割，最后生成包含上千个数据的数据集。
6.根据权利要求4所述的全景相机与云台相机结合的变电站巡检机器人图像检测方法，其特征在于，步骤S2中预处理的过程包括全景相机图像的拼接、降噪。
7.根据权利要求4所述的全景相机与云台相机结合的变电站巡检机器人图像检测方法，其特征在于，步骤S3中，所述标记物包括变电站设备、设备表面的异物、油渍、表计。
8.根据权利要求4所述的全景相机与云台相机结合的变电站巡检机器人图像检测方法，其特征在于，S3的具体方法为：
Ccam＝RzRyRxC360+Tr
其中，Ccam为云台相机坐标系下的坐标；C360为全景相机坐标系下的坐标；Tr为云台相机坐标系原点在全景相机坐标系下的三维坐标；Rz、Ry、Rx分别为两个坐标系在z、y、x轴上的偏角。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910438859.3A CN110246175A (zh) | 2019-05-24 | 2019-05-24 | 全景相机与云台相机结合的变电站巡检机器人图像检测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910438859.3A CN110246175A (zh) | 2019-05-24 | 2019-05-24 | 全景相机与云台相机结合的变电站巡检机器人图像检测系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110246175A true CN110246175A (zh) | 2019-09-17 |
Family
ID=67884996
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910438859.3A Pending CN110246175A (zh) | 2019-05-24 | 2019-05-24 | 全景相机与云台相机结合的变电站巡检机器人图像检测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110246175A (zh) |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110587629A (zh) * | 2019-10-15 | 2019-12-20 | 云南电网有限责任公司电力科学研究院 | 变电站巡检机器人、巡检方法及巡检机器人控制方法 |
| CN110614638A (zh) * | 2019-09-19 | 2019-12-27 | 国网山东省电力公司电力科学研究院 | 一种变电站巡检机器人自主采集方法及系统 |
| CN110706447A (zh) * | 2019-10-14 | 2020-01-17 | 浙江大华技术股份有限公司 | 灾情位置的确定方法、装置、存储介质及电子装置 |
| CN110948490A (zh) * | 2019-12-06 | 2020-04-03 | 洛阳智能农业装备研究院有限公司 | 一种具备自主导航的果园巡检机器人 |
| CN111738148A (zh) * | 2020-06-22 | 2020-10-02 | 复旦大学 | 一种利用红外巡检拍摄的故障识别方法 |
| CN111923042A (zh) * | 2020-07-21 | 2020-11-13 | 北京全路通信信号研究设计院集团有限公司 | 机柜栅格的虚化处理方法及系统、巡检机器人 |
| CN112257514A (zh) * | 2020-09-27 | 2021-01-22 | 复旦大学 | 一种用于设备故障巡检的红外视觉智检的拍摄方法 |
| CN112367497A (zh) * | 2020-09-09 | 2021-02-12 | 北京潞电电气设备有限公司 | 智能配电巡视机器人及智能配电系统 |
| CN112381778A (zh) * | 2020-11-10 | 2021-02-19 | 国网浙江嵊州市供电有限公司 | 一种基于深度学习的变电站安全管控平台 |
| CN112549040A (zh) * | 2020-11-17 | 2021-03-26 | 广东电网有限责任公司中山供电局 | 压板状态巡检机器人 |
| CN112949478A (zh) * | 2021-03-01 | 2021-06-11 | 浙江国自机器人技术股份有限公司 | 基于云台相机的目标检测方法 |
| CN113542530A (zh) * | 2021-07-15 | 2021-10-22 | 南京林业大学 | 基于无人巡检的电缆线物理破损点视觉识别系统及其方法 |
| CN113610039A (zh) * | 2021-08-17 | 2021-11-05 | 北京融合汇控科技有限公司 | 基于云台相机的风漂异物识别方法 |
| CN114040110A (zh) * | 2021-11-19 | 2022-02-11 | 北京图菱视频科技有限公司 | 位姿条件限制下的机器人拍照方法、装置、设备及介质 |
| CN114998425A (zh) * | 2022-08-04 | 2022-09-02 | 吉奥时空信息技术股份有限公司 | 一种基于人工智能的目标物体地理坐标定位方法和装置 |
| CN117893933A (zh) * | 2024-03-14 | 2024-04-16 | 国网上海市电力公司 | 一种用于输变电设备的无人巡检故障检测方法和系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103051884A (zh) * | 2013-01-14 | 2013-04-17 | 哈尔滨工程大学 | 一种粗精观察模式相结合的全方位视觉监视系统 |
| CN103105858A (zh) * | 2012-12-29 | 2013-05-15 | 上海安维尔信息科技有限公司 | 在固定相机和云台相机间进行目标放大、主从跟踪的方法 |
| CN107680195A (zh) * | 2017-11-13 | 2018-02-09 | 国网内蒙古东部电力有限公司 | 一种变电站智能机器人巡检辅助分析系统及方法 |
| US20190026955A1 (en) * | 2016-03-09 | 2019-01-24 | Koretaka OGATA | Image processing method, display device, and inspection system |
-
2019
- 2019-05-24 CN CN201910438859.3A patent/CN110246175A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103105858A (zh) * | 2012-12-29 | 2013-05-15 | 上海安维尔信息科技有限公司 | 在固定相机和云台相机间进行目标放大、主从跟踪的方法 |
| CN103051884A (zh) * | 2013-01-14 | 2013-04-17 | 哈尔滨工程大学 | 一种粗精观察模式相结合的全方位视觉监视系统 |
| US20190026955A1 (en) * | 2016-03-09 | 2019-01-24 | Koretaka OGATA | Image processing method, display device, and inspection system |
| CN107680195A (zh) * | 2017-11-13 | 2018-02-09 | 国网内蒙古东部电力有限公司 | 一种变电站智能机器人巡检辅助分析系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 周保兴著: "《三维激光扫描技术及其在变形监测中的应用》", 31 January 2018, 济南：山东大学出版社 * |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110614638B (zh) * | 2019-09-19 | 2021-07-23 | 国网智能科技股份有限公司 | 一种变电站巡检机器人自主采集方法及系统 |
| CN110614638A (zh) * | 2019-09-19 | 2019-12-27 | 国网山东省电力公司电力科学研究院 | 一种变电站巡检机器人自主采集方法及系统 |
| CN110706447A (zh) * | 2019-10-14 | 2020-01-17 | 浙江大华技术股份有限公司 | 灾情位置的确定方法、装置、存储介质及电子装置 |
| CN110587629A (zh) * | 2019-10-15 | 2019-12-20 | 云南电网有限责任公司电力科学研究院 | 变电站巡检机器人、巡检方法及巡检机器人控制方法 |
| CN110948490A (zh) * | 2019-12-06 | 2020-04-03 | 洛阳智能农业装备研究院有限公司 | 一种具备自主导航的果园巡检机器人 |
| CN111738148A (zh) * | 2020-06-22 | 2020-10-02 | 复旦大学 | 一种利用红外巡检拍摄的故障识别方法 |
| CN111738148B (zh) * | 2020-06-22 | 2024-02-20 | 复旦大学 | 一种利用红外巡检拍摄的故障识别方法 |
| CN111923042B (zh) * | 2020-07-21 | 2022-05-24 | 北京全路通信信号研究设计院集团有限公司 | 机柜栅格的虚化处理方法及系统、巡检机器人 |
| CN111923042A (zh) * | 2020-07-21 | 2020-11-13 | 北京全路通信信号研究设计院集团有限公司 | 机柜栅格的虚化处理方法及系统、巡检机器人 |
| CN112367497A (zh) * | 2020-09-09 | 2021-02-12 | 北京潞电电气设备有限公司 | 智能配电巡视机器人及智能配电系统 |
| CN112257514A (zh) * | 2020-09-27 | 2021-01-22 | 复旦大学 | 一种用于设备故障巡检的红外视觉智检的拍摄方法 |
| CN112381778A (zh) * | 2020-11-10 | 2021-02-19 | 国网浙江嵊州市供电有限公司 | 一种基于深度学习的变电站安全管控平台 |
| CN112549040A (zh) * | 2020-11-17 | 2021-03-26 | 广东电网有限责任公司中山供电局 | 压板状态巡检机器人 |
| CN112949478A (zh) * | 2021-03-01 | 2021-06-11 | 浙江国自机器人技术股份有限公司 | 基于云台相机的目标检测方法 |
| CN113542530A (zh) * | 2021-07-15 | 2021-10-22 | 南京林业大学 | 基于无人巡检的电缆线物理破损点视觉识别系统及其方法 |
| CN113610039A (zh) * | 2021-08-17 | 2021-11-05 | 北京融合汇控科技有限公司 | 基于云台相机的风漂异物识别方法 |
| CN113610039B (zh) * | 2021-08-17 | 2024-03-15 | 北京融合汇控科技有限公司 | 基于云台相机的风漂异物识别方法 |
| CN114040110A (zh) * | 2021-11-19 | 2022-02-11 | 北京图菱视频科技有限公司 | 位姿条件限制下的机器人拍照方法、装置、设备及介质 |
| CN114998425B (zh) * | 2022-08-04 | 2022-10-25 | 吉奥时空信息技术股份有限公司 | 一种基于人工智能的目标物体地理坐标定位方法和装置 |
| CN114998425A (zh) * | 2022-08-04 | 2022-09-02 | 吉奥时空信息技术股份有限公司 | 一种基于人工智能的目标物体地理坐标定位方法和装置 |
| CN117893933A (zh) * | 2024-03-14 | 2024-04-16 | 国网上海市电力公司 | 一种用于输变电设备的无人巡检故障检测方法和系统 |
| CN117893933B (zh) * | 2024-03-14 | 2024-05-24 | 国网上海市电力公司 | 一种用于输变电设备的无人巡检故障检测方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110246175A (zh) | 全景相机与云台相机结合的变电站巡检机器人图像检测系统及方法 | |
| CN109270534B (zh) | 一种智能车激光传感器与相机在线标定方法 | |
| US11017228B2 (en) | Method and arrangement for condition monitoring of an installation with operating means | |
| CA2950791C (en) | Binocular visual navigation system and method based on power robot | |
| US20220077820A1 (en) | Method and system for soar photovoltaic power station monitoring | |
| CN103941746B (zh) | 无人机巡检图像处理系统及方法 | |
| CN109737981B (zh) | 基于多传感器的无人车目标搜索装置及方法 | |
| CN106878687A (zh) | 一种基于多传感器的车载环境识别系统及全方位视觉模块 | |
| CN110142785A (zh) | 一种基于目标检测的巡检机器人视觉伺服方法 | |
| CN105953771A (zh) | 一种主动式经纬仪系统及测量方法 | |
| CN206611521U (zh) | 一种基于多传感器的车载环境识别系统及全方位视觉模块 | |
| US20220024549A1 (en) | System and method for measuring the distance to an object in water | |
| CN113177918B (zh) | 一种无人机对电力杆塔的智能精准巡检方法及系统 | |
| CN205693769U (zh) | 一种运动摄像机对全景目标快速定位捕捉系统 | |
| KR102217549B1 (ko) | 태양광 발전 모듈 모니터링 방법 및 시스템 | |
| CN112949478A (zh) | 基于云台相机的目标检测方法 | |
| CN109900274B (zh) | 一种图像匹配方法及系统 | |
| CN107509055A (zh) | 一种旋转式全景焦点识别光电跟踪仪及其实施方法 | |
| US20240013505A1 (en) | Method, system, medium, equipment and terminal for inland vessel identification and depth estimation for smart maritime | |
| CN104570764A (zh) | 一种机载目标指示系统验证平台 | |
| Fernandez et al. | Visual odometry for an outdoor mobile robot | |
| Feng et al. | Crack assessment using multi-sensor fusion simultaneous localization and mapping (SLAM) and image super-resolution for bridge inspection | |
| CN113701750A (zh) | 一种井下多传感器的融合定位系统 | |
| US11836878B2 (en) | Method and apparatus for constructing real-geographic-space scene in real time | |
| CN106989730A (zh) | 一种基于双目鱼眼全景视觉进行水下潜水器控制的系统和方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190917 |