CN110480181A - 基于激光清除异物装置的目标预测方法 - Google Patents
基于激光清除异物装置的目标预测方法 Download PDFInfo
- Publication number
- CN110480181A CN110480181A CN201810624658.8A CN201810624658A CN110480181A CN 110480181 A CN110480181 A CN 110480181A CN 201810624658 A CN201810624658 A CN 201810624658A CN 110480181 A CN110480181 A CN 110480181A
- Authority
- CN
- China
- Prior art keywords
- image
- foreign matter
- coordinate
- control system
- laser
- 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 33
- 230000033001 locomotion Effects 0.000 claims abstract description 21
- 238000004804 winding Methods 0.000 claims abstract description 11
- 230000000007 visual effect Effects 0.000 claims description 24
- 230000001133 acceleration Effects 0.000 claims description 10
- 230000005484 gravity Effects 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 3
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/36—Removing material
- B23K26/38—Removing material by boring or cutting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20068—Projection on vertical or horizontal image axis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Optics & Photonics (AREA)
- Plasma & Fusion (AREA)
- Mechanical Engineering (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于激光清除异物装置的目标预测方法。针对该高压线缆，通过动力学分析，进行运动学建模，得到参数不固定的运动轨迹；并投影到相机平面坐标系中，得到相机平面坐标系中对应的轨迹。通过数据采集得到的异物位置数据，求出模型参数，拟合成当前时刻异物缠绕点在相机平面中的轨迹，在图像识别的时间内对跟踪对象进行预测跟踪，补偿图像识别的时延。本发明方法可以提高激光清除异物装置作业过程中跟踪的实时性，使跟踪更为准确及时，使激光的切割点更精准，有效提高设备切割效率。
Description
技术领域
本发明属于输电线缆异物清除跟踪领域，具体涉及一种基于激光清除异物装置的目标预测方法。
背景技术
实际的视觉伺服系统中，由于多数摄像机的采样率较低，，摄像机到图像处理设备的图像传输存在延迟；以及由于视觉这一感官的复杂性，使得视觉信息的提取需要复杂的算法加以支持，且这些图像算法的处理过程通常需要较多的运算时间，使得系统实时性难以满足，也就是说视觉信息的获取会产生时延，这对视觉伺服控制任务会造成较大的影响，例如降低控制的精度，甚至造成控制任务的失败。
解决时延问题最直接的办法就是提高硬件成本，例如采用高速的图像处理设备或者采用高采样频率的摄像机。但这些办法的代价都很昂贵，所以人们常常选择通过软件设计的办法来解决。
Nakadokoro等人利用前后两个时刻关节位置的平均值来估计图像特征，进而补偿时延。Nashio等人则在这个方法基础上采用对所估计图像特征的估计误差进行补偿。这两种方法需要假定运动物体的速度和加速度是固定不变的。Chaumette等人借助卡尔曼滤波法来估计图像特征的位置，从而补偿时延。Kim等人采用ARM模型预测目标物体在图像空间的位置减小了因时延而产生的误差。这两种方法同样要求运动物体的速度和加速度是恒定的。
发明内容
本发明提出一种基于激光清除异物装置的目标预测方法，可以提高激光清除异物装置作业过程中跟踪的实时性，使跟踪更为准确及时，使激光的切割点更精准，有效提高设备切割效率。
实现本发明目的的技术解决方法为：一种基于激光清除异物装置目标预测方法，步骤如下：
步骤一：视觉传感器采集包括目标在内的当前图像帧，并传给控制系统，在显示屏上实时显示图像；
步骤二：控制系统接收到输入装置传入的跟踪命令后，进入跟踪状态；
步骤三：视觉传感器采集包括目标在内的当前图像帧，并传给上位机系统，在显示屏上实时显示图像；控制系统对当前的图像帧进行图像处理和异物识别，得到异物缠绕点的图像坐标；
步骤四：控制系统将图像坐标信息解算成角度坐标，并将时间和角度坐标存储在一组预留的数组中；同时将角度坐标解算成转台命令，发送给转台进行跟踪。重复步骤三～四n次后，执行步骤五。
步骤五：通过存储的n组数据，根据运动学建模得到的转台角度坐标系中俯仰角度的预测函数v(t)，将数据拟合成曲线，得到具体的函数参数。
步骤六：控制系统对当前图像进行图像处理和异物识别，得到异物缠绕点的图像坐标信息，解算成角度坐标，与预测的当前t0时刻的角度坐标v(t0)比较，当误差大于设定误差k时，返回步骤三；否则继续。
步骤七：将角度坐标解算成转台命令，发送给转台进行跟踪。
步骤八：控制系统判断视觉传感器是否接收到新的图像帧，如果是，重复步骤六到八；如果否，执行步骤九。
步骤九：根据v(t)预测异物缠绕点下一时刻存在的角度坐标，解算成转台命令后发送给转台，重复步骤八直到输入装置传入结束命令。
本发明与现有技术相比，其显著优点在于：
(1)本发明采用预测跟踪对图像处理产生的时延进行补偿，能够大幅提高跟踪的实时性和准确性；
(2)本发明采用单摆模型对线缆异物点进行运动学分析，模型简单，在大多数情况下可以满足快速拟合形成预测运动轨迹，满足跟踪需求。
附图说明
图1是本发明激光清除异物装置的总装结构示意图。
图2是本发明激光清除异物装置的俯仰部件和方位部件的结构示意图。
图3是本发明激光清除异物装置的方位部件的剖面图和俯视图。
图4是本发明激光清除异物装置的俯仰部件的俯视图。
图5是本发明激光清除异物装置的控制系统工作示意图。
图6是模型建立和含有目标预测的跟踪方法流程图。
图7是振幅h投影在相机平面中的示意图。
图8是线缆异物形态示意图。
图9是缠绕点线缆截面单摆模型示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步描述。
如图1所示，本发明目标预测方法所基于的激光清除异物装置包括转台1、激光部件2、底座3、电源系统4、输入输出装置、控制系统、通信模块、视觉传感器8(优选高清工业相机)；其中转台1包括方位部件9和俯仰部件10。方位部件9安装在底座3上方，包括方位力矩电机11、方位角度测量装置(旋变发送机或电子编码器)12；俯仰部件10安装在方位部件9上方，包括轴承座一13、轴承座二14、俯仰力矩电机15；激光部件2包括激光发射头21和激光控制箱25，激光发射头21安装俯仰部件10的联接部件17上；视觉传感器8安装在俯仰部件10的联接部件17上。
控制系统中，工控机26与视觉传感器8连接，调整视觉传感器8焦距和广角参数，使视野清晰；视觉传感器8和工控机26连接，捕获异物点后，将图像传给工控机26进行图像识别；工控机26通过控制驱动部件29和方位部件9、俯仰部件10相连，可以进行方位和俯仰两自由度的转动，从而带动激光部件2和视觉传感器8转动；工控机26将图像识别的结果处理后，传给控制驱动部件29，调整方位部件9和俯仰部件10进行跟踪，并带动激光部件2对异物进行切割；控制系统6和通信模块7连接用于获取远程控制信息；电源系统为控制系统、视觉传感器8、方位部件9、俯仰部件10、激光部件2、通信模块供电。
如图2～4所示，方位部件9包括方位力矩电机11、方位角度测量装置(旋变发送机或电子编码器)12、方位限位锁零部件18、方位底座19和方位支架20。其中，方位支架20安装在方位底座19上，用于连接俯仰部件10。方位底座19固定在底座3上，俯仰部件10固定在方位支架20上。方位角度测量装置(旋变发送机或电子编码器)12固定在方位底座3内下方，由它得到实际方位转动的角度，通过电信号发送给控制驱动部件29；方位力矩电机11固定在方位底座19内上方，与方位角度测量装置(旋变发送机或电子编码器)12通过转动轴连接，可实现装置在方位上的-180～180度转动；方位限位锁零部件18位于方位支架20边缘上，通过控制驱动部件29的命令使其落入方位底座3边缘的一个圆孔中，用于锁定方位，固定方位支架20。
俯仰部件10包括轴承座一13、轴承座二14、俯仰力矩电机15、联接部件17、俯仰角度测量装置(旋变发送机或电子编码器)16、俯仰限位锁零部件22。其中，轴承座一13和轴承座二14固定安装在方位部件9的方位支架20上，轴承座一13和轴承座二14相互平行，跟随方位部件9转动；俯仰力矩电机15位于轴承座一13中，可实现0～90度俯仰旋转。联接部件17横架在俯仰力矩电机15和俯仰角度测量装置(旋变发送机或电子编码器)16之间，作为传动结构，并与视觉传感器8和激光发射头26相连，带动它们一起转动；俯仰角度测量装置(旋变发送机或电子编码器)16置于轴承座二14中，通过与联接部件17转动得到实际俯仰转动的角度，通过电信号发送给控制驱动部件29；俯仰限位锁零部件22位于轴承座二14内侧，用于机械限定俯仰力矩电机15的俯仰角度。方位支架20固定在方位底座19的上，用于连接俯仰部件10，带动其在方位上转动。
激光部件2包括激光发射头21和激光控制箱25，其中，激光发射头21通过光纤与激光控制箱25连接，发射激光，是激光光源处；激光发射头21安装在联接部件17上，与视觉传感器8随联接部件17一起转动。
电源系统包括激光蓄电池23和直流电源24。直流电源24主要用于给转台1、输入输出装置5及视觉传感器8供电。激光蓄电池23主要用于给激光部件2供电。
输入输出装置5包括显示器27和输入装置28。显示器27通过HDMI接口接收工控机26信号，显示控制系统6控制界面；输入装置28用于输入操作人员的操作信息，发送给工控机26。
如图5所示，控制系统包括工控机26和控制驱动部件29。工控机26通过RS485串口发送命令给视觉传感器8，用于实现焦距、广角窄角、预置位图像参数改变；工控机26通过同轴电缆接收视觉传感器8图像及信息，识别线路和异物，得到异物位置信息反馈给控制驱动部件29；工控机26通过RS422串口与控制驱动部件29连接实现转台1转动切割；工控机26与输入输出装置5连接实现人机交互；控制驱动部件29位于方位部件9中的方位底座19中，通过方位角度测量装置(旋变发送机或电子编码器)12、俯仰角度测量装置(旋变发送机或电子编码器)16分别接收方位部件9和俯仰部件10的角度信息，并通过RS422串口传给工控机26，同时接收工控机26信息控制方位部件9和俯仰部件10，进行两自由度运动。
通信模块包括无线发射模块30和无线接收模块，主要用于实现工控机26无线监控功能；通信模块具有无线唤醒功能和组网功能。
视觉传感器8固定安装在俯仰部件10的联接部件17上，跟随其一起转动，并实时采集前方图像信息通过同轴电缆传送给控制系统，并接收工控机26信号指令。
底座3位于装置的最底部，给整个装置提供稳定的支撑。
如图6所示，本发明基于激光清除异物装置的目标预测方法，包括以下具体步骤：
步骤一：高清工业相机实时采集包括目标在内的当前图像帧，并传给控制系统，在显示屏上实时显示图像；
步骤二：控制系统接收输入装置传入的跟踪命令后，进入跟踪状态；
步骤三：控制系统对当前的图像帧进行目标异物识别，得到异物缠绕点的图像坐标；
步骤四：控制系统将图像坐标信息解算成角度坐标，并将时间和角度坐标存储在一组预留的数组中；同时将角度坐标解算成转台命令，发送给转台进行跟踪；重复步骤三～四n次后，继续执行步骤五；
步骤五：通过存储的n组数据，建立运动学模型得到转台角度坐标系中俯仰角度的预测函数v(t)，将数据拟合成曲线，得到具体的函数参数；
步骤六：控制系统对当前图像进行图像处理和异物识别，得到异物缠绕点的图像坐标信息，解算成角度坐标，与预测的当前t0时刻的俯仰角度坐标v(t0)比较，当误差大于设定误差k时，设定误差k＝0.02°，返回步骤三；否则继续执行下一步；
步骤七：将步骤六图像识别得到的角度坐标解算成转台命令，发送给转台进行跟踪；
步骤八：控制系统判断高清工业相机是否接收到新的图像帧，如果是，重复步骤六到八；如果否，继续执行步骤九；
步骤九：根据预测函数v(t)预测异物缠绕点下一时刻存在的角度坐标，解算成转台命令后发送给转台，重复步骤八直至输入装置传入结束命令。
步骤三和步骤六所述的目标异物识别方法为：
1)控制系统将相机捕捉到的像素值为n*m图像的灰度化；
2)将图像转化成byte数组的形式，得到一个n*m的图像矩阵，其中每一个元素Aij对应该像素点的灰度值
3)获取图像中指定区域的图像信息，转换为图像识别矩阵，将矩阵表示的图像信息在相机平面的坐标系中分别进行x轴和y轴的投影；即对于图像识别矩阵中每一行、每一列求∑Ai，j，对该结果作曲线图，得到在x轴和y轴上的投影；
4)通过分析投影得到的曲线，得到波谷值对应的图像坐标，即异物缠绕点坐标(x1，y1)。
5)求出y轴上波谷的像素宽，即得到线缆直径在相机平面中投影的宽度d。
步骤四和步骤六中将图像坐标信息解算成角度坐标的具体方法为：
根据摄像机模型中的针孔模型和三角形相似原理得出
其中，f为相机焦距，d是线缆直径在相机平面中投影的宽度，d0是线缆真实直径，通过该公式求出异物距离装置的真实距离Zc。
根据光路与相机成像轴心绝对平行，得出激光点在相机轴心对应点的相对固定位置处；现实坐标系中，设相机轴心对应点的坐标为(ac，bc)，则激光点位置为(ac+dx，bc+dy)，dx和dy分别为相同距离下，激光点与相机轴心对应点在现实坐标系下的固定位置差；
相机成像轴心对应的点在成像过程中，其在相机平面中的坐标始终不变，为(xc，yc)；设激光点在相机平面中的坐标为(x0，y0)，(x0，y0)＝(xc+dx’，yc+dy’)，dx’和dy’为激光点与相机轴心对应点在相机平面坐标系下的坐标差，则：
解得(x0，y0)。
解算激光点相对角度坐标(θx0，θy0)
解算异物点相对角度坐标(θx1，θy1)
步骤四中所述n次优选50次。
进一步地，步骤五中，建立运动学模型的方法为：
步骤5.1：将电缆的三维模型简化成单摆模型
结合图8和9，单摆是一种理想的物理模型，摆线由质量不计、不可伸缩的细线提供；摆球密度较大，而且球的半径比摆线的长度小得多。两个高压铁塔间的线缆由于重力作用会自然下沉，架空的线缆目标在各个维度的摆动虽然呈现多倍周期和随机性的特点，但从线缆截面可以近似将它简化成一个单摆运动，用单摆模型可以从主要的运动分量中清楚地看到线缆目标运动的特点。当异物缠绕在线缆上，其缠绕点的运动轨迹就是该点线缆截面运动的轨迹。
步骤5.2：对单摆运动进行运动学分析，得到角度函数式中A、为任意常数，由初值条件给定；g是重力加速度，是常量；l是线缆长度，可根据多组(t，θ(t))推导得出。
由牛顿力学可知，单摆的运动可作如下描述。
首先可以得到，
M＝-mgl sinθ
其中m为质量，g是重力加速度，l是摆长，θ是单摆与竖直方向的夹角，注意，θ是矢量，这里取它在正方向上的投影。
希望得到摆角θ的关于时间的函数，来描述单摆运动。由角动量定理知道，
M＝Iβ
其中I＝m·l2是单摆的转动惯量，是角加速度。
于是化简得到
在θ比较小时，近似地有sinθ≈θ。因而此时(1)式就变为
其通解为式中A、为任意常数，由初值条件给定。而
于是单摆的非线性的运动被线性地近似为简谐运动
步骤5.3：将运动方程投影到相机平面，得到线缆投影在相机平面上的振幅关于时间t的函数
由图7可知，h(t)＝l-lcosθ(t)，将式(2)代入其中，可得：
步骤5.4：将h(t)转化为转台角度坐标系中俯仰角度的预测函数
式中A、C、K为任意常数，由初值条件给定；g是重力加速度，是常量；l是线缆长度，可根据多组(t，v(t))推导得出。
在60-150米的工作距离下，振幅h与俯仰角度v成下述关系， 令Bl＝K，得到
步骤5.5：针对存储的第i组数据，均包括时间ti、俯仰角度vi，通过n组数据拟合得到参数K、A、l、C。最终得到v(t)表达式。
Claims (5)
1.一种基于激光清除异物装置的目标预测方法，其特征在于：该方法基于激光清除异物装置，该装置包括转台(1)、激光部件(2)、输入输出装置、控制系统、视觉传感器(8)；其中，转台(1)包括方位部件(9)和俯仰部件(10)，方位部件(9)安装在底座上方，俯仰部件(10)安装在方位部件(9)上方，激光部件(2)包括激光发射头(21)，激光发射头(21)和视觉传感器(8)安装在俯仰部件(10)上；
控制系统与视觉传感器(8)连接，调整视觉传感器(8)参数，视觉传感器(8)用于捕获异物点，将图像传给控制系统进行图像识别；控制系统分别与方位部件(9)、俯仰部件(10)相连，控制系统对图像识别的结果进行处理，驱动方位部件(9)、俯仰部件(10)进行方位和俯仰两自由度的转动，从而带动激光部件(2)和视觉传感器(8)转动；输入输出装置与控制系统连接，用于显示控制系统的控制界面和输入操作信息；
该方法包括以下步骤：
步骤一：视觉传感器实时采集包括目标在内的当前图像帧，并传给控制系统，在显示屏上实时显示图像；
步骤二：控制系统接收输入装置传入的跟踪命令后，进入跟踪状态；
步骤三：控制系统对当前的图像帧进行目标异物识别，得到异物缠绕点的图像坐标；
步骤四：控制系统将图像坐标信息解算成角度坐标，并将时间和角度坐标存储在一组预留的数组中；同时将角度坐标解算成转台命令，发送给转台进行跟踪；重复步骤三～四n次后，继续执行步骤五；
步骤五：通过存储的n组数据，建立运动学模型得到转台角度坐标系中俯仰角度的预测函数v(t)，将数据拟合成曲线，得到具体的函数参数；
步骤六：控制系统对当前图像进行图像处理和异物识别，得到异物缠绕点的图像坐标信息，解算成角度坐标，与预测的当前t0时刻的俯仰角度坐标v(t0)比较，当误差大于设定误差k时，返回步骤三；否则继续执行下一步；
步骤七：将步骤六图像识别得到的角度坐标解算成转台命令，发送给转台进行跟踪；
步骤八：控制系统判断视觉传感器是否接收到新的图像帧，如果是，重复步骤六到八；如果否，继续执行步骤九；
步骤九：根据预测函数v(t)预测异物缠绕点下一时刻存在的角度坐标，解算成转台命令后发送给转台，重复步骤八直至输入装置传入结束命令。
2.根据权利要求1所述的目标预测方法，其特征在于：步骤三和步骤六所述的目标异物识别方法为：
1)控制系统将相机捕捉到的像素值为n*m图像的灰度化；
2)将图像转化成byte数组的形式，得到一个n*m的图像矩阵，其中每一个元素Aij对应该像素点的灰度值
3)获取图像中指定区域的图像信息，转换为图像识别矩阵，将矩阵表示的图像信息在相机平面的坐标系中分别进行x轴和y轴的投影；即对于图像识别矩阵中每一行、每一列求∑Ai，j，对该结果作曲线图，得到在x轴和y轴上的投影；
4)通过分析投影得到的曲线，得到波谷值对应的图像坐标，即异物缠绕点坐标(x1，y1)。
3.根据权利要求1所述的目标预测方法，其特征在于：步骤四中所述n次优选50次。
4.根据权利要求1所述的目标预测方法，其特征在于：步骤五中所述建立运动学模型的方法为：
步骤5.1：将电缆的三维模型简化成单摆模型；从线缆截面将它简化成一个单摆运动，当异物缠绕在线缆上，其缠绕点的运动轨迹即该点线缆截面运动的轨迹；
步骤5.2：对单摆运动进行运动学分析，得到角度函数式中A、为任意常数，由初值条件给定，g是重力加速度，l是线缆长度，可根据多组(t，θ(t))推导得出；
由牛顿力学可知，单摆的运动作如下描述：
首先得到
M＝-mgl sinθ
其中m为质量，g是重力加速度，l是摆长即线缆长度，θ是单摆与竖直方向的夹角，θ取它在正方向上的投影；
由角动量定理得到
M＝Iβ
其中I＝m·l2是单摆的转动惯量，是角加速度；
于是化简得到
在θ﹤5°时，近似地有sinθ≈θ，此时(1)式变为
其通解为式中A、为任意常数，由初值条件给定，
单摆的非线性的运动被线性地近似为简谐运动
步骤5.3：将运动方程投影到相机平面，得到线缆投影在相机平面上的振幅关于时间t的函数
h(t)＝l-lcosθ(t)，将式(2)代入其中，可得：
步骤5.4：将h(t)转化为转台角度坐标系中俯仰角度的预测函数
式中A、C、K为任意常数，由初值条件给定；g是重力加速度；l是线缆长度，可根据多组(t，v(t))推导得出；
在60-150米的工作距离下，振幅h与俯仰角度v成下述关系， 令Bl＝K，得到
步骤5.5：针对存储的第i组数据，均包括时间ti、俯仰角度vi，通过n组数据拟合得到参数K、A、l、C，最终得到v(t)表达式。
5.根据权利要求1所述的目标预测方法，其特征在于：步骤六中所述的设定误差k优选0.02°。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810624658.8A CN110480181A (zh) | 2018-06-16 | 2018-06-16 | 基于激光清除异物装置的目标预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810624658.8A CN110480181A (zh) | 2018-06-16 | 2018-06-16 | 基于激光清除异物装置的目标预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110480181A true CN110480181A (zh) | 2019-11-22 |
Family
ID=68545395
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810624658.8A Pending CN110480181A (zh) | 2018-06-16 | 2018-06-16 | 基于激光清除异物装置的目标预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110480181A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113313686A (zh) * | 2021-05-28 | 2021-08-27 | 大庆市普庆密封材料配件有限公司 | 一种抽油机基础修复粘结剂及检修工艺 |
| CN113741436A (zh) * | 2021-08-19 | 2021-12-03 | 国网江苏省电力有限公司电力科学研究院 | 一种电网异物激光清除器的异物跟踪方法及装置 |
| CN114371179A (zh) * | 2021-12-29 | 2022-04-19 | 武汉科技大学 | 一种精冲模具表面异物在线检测与清除系统、方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140002401A (ko) * | 2012-06-29 | 2014-01-08 | 삼성전자주식회사 | 카메라 장치 및 상기 카메라 장치에서의 물체 추적 방법 |
| CN105303560A (zh) * | 2015-09-22 | 2016-02-03 | 中国计量学院 | 机器人激光扫描式焊缝跟踪系统标定方法 |
| JP2016057108A (ja) * | 2014-09-08 | 2016-04-21 | 株式会社トプコン | 演算装置、演算システム、演算方法およびプログラム |
| CN106312397A (zh) * | 2016-10-12 | 2017-01-11 | 华南理工大学 | 一种激光视觉引导的焊接轨迹自动跟踪系统及方法 |
| CN107824940A (zh) * | 2017-12-07 | 2018-03-23 | 淮安信息职业技术学院 | 基于激光结构光的焊缝视觉跟踪系统及方法 |
| CN207339074U (zh) * | 2017-08-29 | 2018-05-08 | 天津航天中为数据系统科技有限公司 | 一种清除输电线路漂浮物的激光云台装置 |
-
2018
- 2018-06-16 CN CN201810624658.8A patent/CN110480181A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140002401A (ko) * | 2012-06-29 | 2014-01-08 | 삼성전자주식회사 | 카메라 장치 및 상기 카메라 장치에서의 물체 추적 방법 |
| JP2016057108A (ja) * | 2014-09-08 | 2016-04-21 | 株式会社トプコン | 演算装置、演算システム、演算方法およびプログラム |
| CN105303560A (zh) * | 2015-09-22 | 2016-02-03 | 中国计量学院 | 机器人激光扫描式焊缝跟踪系统标定方法 |
| CN106312397A (zh) * | 2016-10-12 | 2017-01-11 | 华南理工大学 | 一种激光视觉引导的焊接轨迹自动跟踪系统及方法 |
| CN207339074U (zh) * | 2017-08-29 | 2018-05-08 | 天津航天中为数据系统科技有限公司 | 一种清除输电线路漂浮物的激光云台装置 |
| CN107824940A (zh) * | 2017-12-07 | 2018-03-23 | 淮安信息职业技术学院 | 基于激光结构光的焊缝视觉跟踪系统及方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113313686A (zh) * | 2021-05-28 | 2021-08-27 | 大庆市普庆密封材料配件有限公司 | 一种抽油机基础修复粘结剂及检修工艺 |
| CN113741436A (zh) * | 2021-08-19 | 2021-12-03 | 国网江苏省电力有限公司电力科学研究院 | 一种电网异物激光清除器的异物跟踪方法及装置 |
| CN114371179A (zh) * | 2021-12-29 | 2022-04-19 | 武汉科技大学 | 一种精冲模具表面异物在线检测与清除系统、方法及装置 |
| CN114371179B (zh) * | 2021-12-29 | 2023-12-26 | 武汉科技大学 | 一种精冲模具表面异物在线检测与清除系统、方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10791275B2 (en) | Methods for measuring and inspecting structures using cable-suspended platforms | |
| CN110480181A (zh) | 基于激光清除异物装置的目标预测方法 | |
| US20200260013A1 (en) | Device and method for the optical monitoring of moving components | |
| CN111633660A (zh) | 一种智能巡检机器人 | |
| CN111189436B (zh) | 基于激光靶向跟踪的掘进机位姿测量系统 | |
| CN110580054B (zh) | 一种基于自主视觉跟踪的光电吊舱的控制系统及方法 | |
| CN110001710B (zh) | 一种磁悬浮轨道三维场景快速重构系统、方法及应用 | |
| CN205721365U (zh) | 一种机器人室内外自动巡检控制系统 | |
| CN101649952A (zh) | 二自由度锁定跟踪伺服云台 | |
| CN106526832B (zh) | 一种二维指向机构伺服控制方法及系统 | |
| CN104503339A (zh) | 基于激光雷达和四轴飞行器的多分辨室内三维场景重构装置及方法 | |
| WO2018099368A1 (zh) | 一种太阳能追踪和定位控制系统及其控制方法 | |
| CN113177918B (zh) | 一种无人机对电力杆塔的智能精准巡检方法及系统 | |
| CN115314609B (zh) | 一种铝电解槽火眼视频的自动化采集方法和装置 | |
| CN109669460B (zh) | 目标检测中小型光电转台的智能控制方法 | |
| CN109976339A (zh) | 一种车载配网巡检数据采集方法与巡检系统 | |
| CN104571142B (zh) | 一种大气参数跟踪测量系统 | |
| CN108227753A (zh) | 用于电力设备的不停车巡检方法 | |
| CN108615243B (zh) | 立体多媒体信息的确定方法、装置及系统 | |
| CN110488309A (zh) | 基于激光清除异物装置的目标标校方法 | |
| CN110127055A (zh) | 一种基于四旋翼无人机结构的社区巡航机器人 | |
| CN116309851B (zh) | 一种智慧园区监控摄像头的位置及朝向标定方法 | |
| CN110488312A (zh) | 基于反射型激光清除异物装置的目标预测方法 | |
| CN104052929A (zh) | 可自动拍摄的运动球和拍摄系统 | |
| CN110490834A (zh) | 基于激光清除异物装置的目标识别定位方法 |
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 |
Application publication date: 20191122 |
|
| RJ01 | Rejection of invention patent application after publication |