CN110587609A - 机器人除锈控制方法及系统 - Google Patents

机器人除锈控制方法及系统 Download PDF

Info

Publication number
CN110587609A
CN110587609A CN201910894516.8A CN201910894516A CN110587609A CN 110587609 A CN110587609 A CN 110587609A CN 201910894516 A CN201910894516 A CN 201910894516A CN 110587609 A CN110587609 A CN 110587609A
Authority
CN
China
Prior art keywords
rust
robot
derusted
derusting
rust removing
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
Application number
CN201910894516.8A
Other languages
English (en)
Other versions
CN110587609B (zh
Inventor
孙军
刘长清
周尾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tangshan Xiongwei Robot Co Ltd
Original Assignee
Tangshan Xiongwei Robot Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tangshan Xiongwei Robot Co Ltd filed Critical Tangshan Xiongwei Robot Co Ltd
Priority to CN201910894516.8A priority Critical patent/CN110587609B/zh
Publication of CN110587609A publication Critical patent/CN110587609A/zh
Application granted granted Critical
Publication of CN110587609B publication Critical patent/CN110587609B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B25J11/005—Manipulators for mechanical processing tasks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • 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
    • B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
    • 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
    • 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
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Robotics (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Fuzzy Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Manipulator (AREA)

Abstract

本发明提供一种机器人除锈控制方法及系统，该方法包括步骤：接收除锈指令，并获取所述除锈指令中存储的待除锈信息，所述待除锈信息包括待除锈图像和待除锈坐标；将所述待除锈图像和所述待除锈坐标输入至预设神经网络模型，并控制所述预设神经网络模型进行数据分析，以得到除锈轨迹、除锈行进方向和除锈速度；根据所述除锈轨迹、所述除锈行进方向和所述除锈速度控制机器人执行除锈操作。本发明通过基于神经网络模型，以自动进行除锈轨迹、除锈行进方向和除锈速度的计算，以达到针对不同除锈区域自动进行机器人除锈操作的控制，降低了工作操作，进而提高了除锈效率。

Description

机器人除锈控制方法及系统
技术领域
本发明涉及机器人技术领域，尤其涉及一种机器人除锈控制方法及系统。
背景技术
在国家两化融合(即信息化和工业化的高层次的深度结合)的大背景下，随着人工智能布局上升到国家战略层面，人工智能必定与工业各领域紧密结合，实现对工业领域的全面提升。金属氧化生锈和老化是全世界普遍存在的问题，传统的除锈方式需要人工控制除锈机除锈深度和行动轨迹，受限于人的经验差异和视觉误差，难以实现除锈的全自动化和最优化操作，浪费了金属资源、电力和人工，而且当工人状态不好和责任心不足时，容易造成安全隐患，造成设备损坏和人员伤害，因此，通过控制机器人执行自动除锈技术应运而生。
现有的机器人除锈控制过程中，均是通过人工设置除锈轨迹，以对应控制机器人执行除锈操作，但由于采用人工设置除锈轨迹，需要用户对待除锈区域进行人工观察以提高机器人的除锈效率，进而导致人工操作繁琐，降低了除锈效率。
发明内容
本发明实施例的目的在于提供一种机器人除锈控制方法及系统，旨在解决现有的机器人除锈控制过程中，由于采用人工设置除锈轨迹所导致的人工操作繁琐、除锈效率低下的问题。
为解决上述技术问题，发明提供的机器人除锈控制方法，所述方法包括步骤：
接收除锈指令，并获取所述除锈指令中存储的待除锈信息，所述待除锈信息包括待除锈图像和待除锈坐标；
将所述待除锈图像和所述待除锈坐标输入至预设神经网络模型，并控制所述预设神经网络模型进行数据分析，以得到除锈轨迹、除锈行进方向和除锈速度；
根据所述除锈轨迹、所述除锈行进方向和所述除锈速度控制机器人执行除锈操作。
优选的，所述将所述待除锈图像和所述待除锈坐标输入至预设神经网络模型的步骤之前，所述方法还包括：
获取除锈样本数据，获取并标记所述除锈样本数据中样本图像的样本特征；
根据所述样本特征的标记结果对所述预设神经网络模型进行训练。
优选的，所述获取并标记所述除锈样本数据中样本图像的样本特征的步骤包括：
对所述样本图像进行生锈分析，以得到生锈等级，并根据所述生锈等级对所述样本图像进行生锈标记；
获取所述样本图像中除锈过程外围边缘和已除锈与未除锈的分界线图片，并根据所述分界线图片标记当前位置时所述机器人的行进方向；
根据所述生锈标记结果和所述行进方向的标记结果对所述预设神经网络模型进行训练。
优选的，所述方法还包括：
当判断到所述除锈轨迹上存在障碍物时，发出提示报警，并执行遇障操作。
优选的，所述执行遇障操作的步骤包括：
获取遇障坐标，并控制所述机器人朝向预设遇障方向行驶预设距离；
获取当前坐标，并根据所述当前坐标、所述遇障坐标和所述除锈轨迹以生成返回路径；
根据所述返回路径控制所述机器人返回所述除锈轨迹上。
优选的，所述方法还包括：
当接收到用户的手动操作指令时，根据所述手动操作指令直接控制所述机器人执行除锈操作。
与相关技术相比较，本发明提供的机器人除锈控制方法具有如下有益效果：通过基于神经网络模型，以自动进行除锈轨迹、除锈行进方向和除锈速度的计算，以达到针对不同除锈区域自动进行机器人除锈操作的控制，降低了工作操作，进而提高了除锈效率。
本发明实施例的另一目的在于提供一种机器人除锈控制系统，包括：
指令接收模块，用于接收除锈指令，并获取所述除锈指令中存储的待除锈信息，所述待除锈信息包括待除锈图像和待除锈坐标；
数据分析模块，用于将所述待除锈图像和所述待除锈坐标输入至预设神经网络模型，并控制所述预设神经网络模型进行数据分析，以得到除锈轨迹、除锈行进方向和除锈速度；
除锈控制模块，用于根据所述除锈轨迹、所述除锈行进方向和所述除锈速度控制机器人执行除锈操作。
优选的，所述机器人除锈控制系统还包括：
模型训练模块，用于获取除锈样本数据，获取并标记所述除锈样本数据中样本图像的样本特征；根据所述样本特征的标记结果对所述预设神经网络模型进行训练。
优选的，所述模型训练模块还用于：
对所述样本图像进行生锈分析，以得到生锈等级，并根据所述生锈等级对所述样本图像进行生锈标记；
获取所述样本图像中除锈过程外围边缘和已除锈与未除锈的分界线图片，并根据所述分界线图片标记当前位置时所述机器人的行进方向；
根据所述生锈标记结果和所述行进方向的标记结果对所述预设神经网络模型进行训练。
优选的，所述机器人除锈控制系统还包括：
避障控制模块，用于当判断到所述除锈轨迹上存在障碍物时，发出提示报警，并执行遇障操作。
附图说明
图1为本发明第一实施例提供的机器人除锈控制方法的流程示意图；
图2为本发明第二实施例提供的机器人除锈控制方法的流程示意图；
图3为本发明第三实施例提供的机器人除锈控制系统的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例一
请参阅图1，是本发明第一实施例提供的机器人除锈控制方法的流程示意图，包括步骤：
步骤S10，接收除锈指令，并获取所述除锈指令中存储的待除锈信息；
其中，所述待除锈信息包括待除锈图像和待除锈坐标，本实施例中，机器人上设有摄像头或设有具有摄像功能的终端设备，该摄像头用于在用户的操作指令控制下进行待除锈图像的拍摄；
具体的，当接收到用户的除锈命令时，控制所述摄像头进行所述待除锈图像的拍摄，并获取所述除锈命令中存储的所述待除锈坐标，最终根据所述待除锈图像和所述待除锈坐标以生成所述除锈指令；
步骤S20，将所述待除锈图像和所述待除锈坐标输入至预设神经网络模型，并控制所述预设神经网络模型进行数据分析，以得到除锈轨迹、除锈行进方向和除锈速度；
其中，所述预设神经网络模型采用卷积层-池化层-全连接层的神经网络连接方式进行连接，该步骤中，通过基于对所述待除锈图像和所述待除锈坐标的分析，以自动绘制除锈轨迹、除锈行进方向和除锈速度，该除锈进行方向分别与该除锈轨迹中的不同轨迹点相对应，该轨迹点上对应的除锈进行方向可以相同也可以不相同，该除锈速度包括每个轨迹点上的运行速度；
步骤S30，根据所述除锈轨迹、所述除锈行进方向和所述除锈速度控制机器人执行除锈操作；
其中，当机器人针对该除锈指令已完成除锈操作时，发出除锈完毕提醒，该除锈完毕提醒可以采用文字提醒、图像提醒、语音提醒或短信提醒的方式进行实施，以达到计时通知用户的效果；
本实施例具半自动和全自动两种模式，半自动时通过人工通过遥控手柄进行操作。在全自动状态下，当机器人放置在除锈目标的起点时，其可以通过对传入图像信息的识别自动设置除锈速度和方向轨迹，当对目标进行完成作业后，其可以自动停止作业，反馈除锈完成的信号和过程信息，等待进一步指令，通过基于神经网络模型，以自动进行除锈轨迹、除锈行进方向和除锈速度的计算，以达到针对不同除锈区域自动进行机器人除锈操作的控制，降低了工作操作，进而提高了除锈效率。
实施例二
请参阅图2，是本发明第二实施例提供的机器人除锈控制方法的流程示意图，包括步骤：
步骤S11，接收除锈指令，并获取所述除锈指令中存储的待除锈信息；
其中，所述待除锈信息包括待除锈图像和待除锈坐标，优选的，在机器人主体上设置有一光源，该光源用于保证摄像头所采集图片信息的亮度，以减小光照变化对后续预设神经网络模型计算的误差影响；
步骤S21，获取除锈样本数据，获取并标记所述除锈样本数据中样本图像的样本特征；
具体的，该步骤中，所述获取并标记所述除锈样本数据中样本图像的样本特征的步骤包括：
对所述样本图像进行生锈分析，以得到生锈等级，并根据所述生锈等级对所述样本图像进行生锈标记；
获取所述样本图像中除锈过程外围边缘和已除锈与未除锈的分界线图片，并根据所述分界线图片标记当前位置时所述机器人的行进方向；
根据所述生锈标记结果和所述行进方向的标记结果对所述预设神经网络模型进行训练，其中，根据所述生锈标记结果和所述行进方向的标记结果作为训练数据，训练图片信息的方向、速度、启停等作为输入变量进行训练；
步骤S31，根据所述样本特征的标记结果对所述预设神经网络模型进行训练；
步骤S41，将所述待除锈图像和所述待除锈坐标输入至预设神经网络模型，并控制所述预设神经网络模型进行数据分析，以得到除锈轨迹、除锈行进方向和除锈速度；
优选的，所述方法还包括：
1.根据底盘信息建立方向、调速和底盘执行的对应关系；
2.编写遥控手柄接收程序，并建立与上位机的通讯机制；
3.在机器人底盘在设置标志，目的是与除锈宽度轨迹对应，便于机器人神经网络模型行进方向训练和矫正。
步骤S51，根据所述除锈轨迹、所述除锈行进方向和所述除锈速度控制机器人执行除锈操作；
其中，当机器人针对该除锈指令已完成除锈操作时，发出除锈完毕提醒，该除锈完毕提醒可以采用文字提醒、图像提醒、语音提醒或短信提醒的方式进行实施，以达到计时通知用户的效果；
步骤S61，获取遇障坐标，并控制所述机器人朝向预设遇障方向行驶预设距离；
其中，当机器人判断到除锈轨迹上存在障碍物时，触发进行遇障坐标的获取，优选的，本实施例中，所述预设遇障方向可以根据用户需求自主进行方向设置，且该预设距离也可以根据用户的需求自主进行长度设置；
具体的，该步骤中，通过
步骤S71，获取当前坐标，并根据所述当前坐标、所述遇障坐标和所述除锈轨迹以生成返回路径；
其中，通过控制所述机器人朝向预设遇障方向行驶预设距离的设计，以控制机器人进行避障操作，进而有效的防止了由于机器人长期处于遇障状态所导致的除锈效率下降的现象；
步骤S81，根据所述返回路径控制所述机器人返回所述除锈轨迹上；
其中，通过控制机器人返回所述除锈轨迹的设计，以使本实施例中，当判断到所述除锈轨迹上存在障碍物时，发出提示报警，并执行遇障操作；
具体的，本实施例中将深度信息传感器(激光雷达、深度摄像头、超声波等)安装在机器人主体上不会对其有遮挡的位置，并设置好报警和安全距离和报警触发控制逻辑，以达到控制机器人执行避障功能；
本实施例，具有较高的安全性，通过深度信息传感器(激光雷达、深度摄像头、超声波等)进行障碍物检测，当检测障碍物距离信息进入报警距离时，机器人将发出声光警报，并按照设定好的逻辑进行操作。当需要机器人紧急动作时，可以通过语音控制让机器人执行应急操作，提高安全性；
步骤S91，当接收到用户的手动操作指令时，根据所述手动操作指令直接控制所述机器人执行除锈操作；
此外，本实施例中，由实际作业图像数据进行训练；
1.对除锈对象建立标准化作业规范；
2.在上位机中搭建好神经网络模型，安装好摄像头；
3.在除锈过程中，每一段时间间隔内，将摄像头拍摄的图片信息和机器人在此状态下的方向、速度、启停等作为输入变量进行训练。
更进一步的，所述方法还包括：
1.搭建BP神经网络，训练语音输入控制；
2.选择特定的语音含义作为机器人控制的标定；
3.根据硬件计算能力和语音控制要求、响应速度要求来调整BP神经网络的层数和神经元节点个数；
4.选取足够的语音样本信息对神经网络进行训练，使神经网络的输出精确度和响应速度满足要求；
本实施例中，具有较强的适应性，对于不同的除锈目标，只需要按照如上步骤对不同的作业场景信息进行采集，进行训练，机器人可以适应不同的作业场景和不同的作业目标。通过最优化的适时调整，实现能源和资源利用的最优化作业，实现了电力成本最低化和铁锈产生的最小化，实现节能、环保、绿色的除锈作业，通过基于神经网络模型，以自动进行除锈轨迹、除锈行进方向和除锈速度的计算，以达到针对不同除锈区域自动进行机器人除锈操作的控制，降低了工作操作，进而提高了除锈效率。
实施例三
请参阅图3，是本发明第三实施例提供的机器人除锈控制系统100的结构示意图，包括：指令接收模块10、数据分析模块11和除锈控制模块12，其中：
指令接收模块10，用于接收除锈指令，并获取所述除锈指令中存储的待除锈信息，所述待除锈信息包括待除锈图像和待除锈坐标；
数据分析模块11，用于将所述待除锈图像和所述待除锈坐标输入至预设神经网络模型，并控制所述预设神经网络模型进行数据分析，以得到除锈轨迹、除锈行进方向和除锈速度；
除锈控制模块12，用于根据所述除锈轨迹、所述除锈行进方向和所述除锈速度控制机器人执行除锈操作。
优选的，所述机器人除锈控制系统100还包括：
模型训练模块14，用于获取除锈样本数据，获取并标记所述除锈样本数据中样本图像的样本特征；根据所述样本特征的标记结果对所述预设神经网络模型进行训练。
其中，所述模型训练模块14还用于：对所述样本图像进行生锈分析，以得到生锈等级，并根据所述生锈等级对所述样本图像进行生锈标记；获取所述样本图像中除锈过程外围边缘和已除锈与未除锈的分界线图片，并根据所述分界线图片标记当前位置时所述机器人的行进方向；根据所述生锈标记结果和所述行进方向的标记结果对所述预设神经网络模型进行训练。
优选的，所述机器人除锈控制系统100还包括：
避障控制模块13，用于当判断到所述除锈轨迹上存在障碍物时，发出提示报警，并执行遇障操作。
所述避障控制模块13还用于：获取遇障坐标，并控制所述机器人朝向预设遇障方向行驶预设距离；获取当前坐标，并根据所述当前坐标、所述遇障坐标和所述除锈轨迹以生成返回路径；根据所述返回路径控制所述机器人返回所述除锈轨迹上。
此外，本实施例中，所述机器人除锈控制系统100还包括：
手动控制模块15，用于当接收到用户的手动操作指令时，根据所述手动操作指令直接控制所述机器人执行除锈操作。
本实施例中，通过基于神经网络模型，以自动进行除锈轨迹、除锈行进方向和除锈速度的计算，以达到针对不同除锈区域自动进行机器人除锈操作的控制，降低了工作操作，进而提高了除锈效率。
本实施例还提供一种机器人除锈控制装置，包括存储设备以及处理器，所述存储设备用于存储计算机程序，所述处理器运行所述计算机程序以使所机器人除锈控制装置执行上述的机器人除锈控制方法。
本实施例还提供了一种存储介质，其上存储有上述机器人除锈控制装置中所使用的计算机程序，该程序在执行时，包括如下步骤：
接收除锈指令，并获取所述除锈指令中存储的待除锈信息，所述待除锈信息包括待除锈图像和待除锈坐标；
将所述待除锈图像和所述待除锈坐标输入至预设神经网络模型，并控制所述预设神经网络模型进行数据分析，以得到除锈轨迹、除锈行进方向和除锈速度；
根据所述除锈轨迹、所述除锈行进方向和所述除锈速度控制机器人执行除锈操作。所述的存储介质，如：ROM/RAM、磁碟、光盘等。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元或模块完成，即将存储装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施方式中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。
本领域技术人员可以理解，图3中示出的组成结构并不构成对本发明的机器人除锈控制系统的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，而图1-2中的机器人除锈控制方法亦采用图3中所示的更多或更少的部件，或者组合某些部件，或者不同的部件布置来实现。本发明所称的单元、模块等是指一种能够被机器人除锈控制系统中的处理器(图未示)所执行并功能够完成特定功能的一系列计算机程序，其均可存储于机器人除锈控制系统的存储设备(图未示)内。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种机器人除锈控制方法，其特征在于，所述方法包括步骤：
接收除锈指令，并获取所述除锈指令中存储的待除锈信息，所述待除锈信息包括待除锈图像和待除锈坐标；
将所述待除锈图像和所述待除锈坐标输入至预设神经网络模型，并控制所述预设神经网络模型进行数据分析，以得到除锈轨迹、除锈行进方向和除锈速度；
根据所述除锈轨迹、所述除锈行进方向和所述除锈速度控制机器人执行除锈操作。
2.根据权利要求1所述的机器人除锈控制方法，其特征在于，所述将所述待除锈图像和所述待除锈坐标输入至预设神经网络模型的步骤之前，所述方法还包括：
获取除锈样本数据，获取并标记所述除锈样本数据中样本图像的样本特征；
根据所述样本特征的标记结果对所述预设神经网络模型进行训练。
3.根据权利要求2所述的机器人除锈控制方法，其特征在于，所述获取并标记所述除锈样本数据中样本图像的样本特征的步骤包括：
对所述样本图像进行生锈分析，以得到生锈等级，并根据所述生锈等级对所述样本图像进行生锈标记；
获取所述样本图像中除锈过程外围边缘和已除锈与未除锈的分界线图片，并根据所述分界线图片标记当前位置时所述机器人的行进方向；
根据所述生锈标记结果和所述行进方向的标记结果对所述预设神经网络模型进行训练。
4.根据权利要求1所述的机器人除锈控制方法，其特征在于，所述方法还包括：
当判断到所述除锈轨迹上存在障碍物时，发出提示报警，并执行遇障操作。
5.根据权利要求4所述的机器人除锈控制方法，其特征在于，所述执行遇障操作的步骤包括：
获取遇障坐标，并控制所述机器人朝向预设遇障方向行驶预设距离；
获取当前坐标，并根据所述当前坐标、所述遇障坐标和所述除锈轨迹以生成返回路径；
根据所述返回路径控制所述机器人返回所述除锈轨迹上。
6.根据权利要求1所述的机器人除锈控制方法，其特征在于，所述方法还包括：
当接收到用户的手动操作指令时，根据所述手动操作指令直接控制所述机器人执行除锈操作。
7.一种机器人除锈控制系统，其特征在于，包括：
指令接收模块，用于接收除锈指令，并获取所述除锈指令中存储的待除锈信息，所述待除锈信息包括待除锈图像和待除锈坐标；
数据分析模块，用于将所述待除锈图像和所述待除锈坐标输入至预设神经网络模型，并控制所述预设神经网络模型进行数据分析，以得到除锈轨迹、除锈行进方向和除锈速度；
除锈控制模块，用于根据所述除锈轨迹、所述除锈行进方向和所述除锈速度控制机器人执行除锈操作。
8.根据权利要求7所述的机器人除锈控制系统，其特征在于，所述机器人除锈控制系统还包括：
模型训练模块，用于获取除锈样本数据，获取并标记所述除锈样本数据中样本图像的样本特征；根据所述样本特征的标记结果对所述预设神经网络模型进行训练。
9.根据权利要求8所述的机器人除锈控制系统，其特征在于，所述模型训练模块还用于：
对所述样本图像进行生锈分析，以得到生锈等级，并根据所述生锈等级对所述样本图像进行生锈标记；
获取所述样本图像中除锈过程外围边缘和已除锈与未除锈的分界线图片，并根据所述分界线图片标记当前位置时所述机器人的行进方向；
根据所述生锈标记结果和所述行进方向的标记结果对所述预设神经网络模型进行训练。
10.根据权利要求7所述的机器人除锈控制系统，其特征在于，所述机器人除锈控制系统还包括：
避障控制模块，用于当判断到所述除锈轨迹上存在障碍物时，发出提示报警，并执行遇障操作。
CN201910894516.8A 2019-09-20 2019-09-20 机器人除锈控制方法及系统 Active CN110587609B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910894516.8A CN110587609B (zh) 2019-09-20 2019-09-20 机器人除锈控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910894516.8A CN110587609B (zh) 2019-09-20 2019-09-20 机器人除锈控制方法及系统

Publications (2)

Publication Number Publication Date
CN110587609A true CN110587609A (zh) 2019-12-20
CN110587609B CN110587609B (zh) 2022-07-22

Family

ID=68861952

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910894516.8A Active CN110587609B (zh) 2019-09-20 2019-09-20 机器人除锈控制方法及系统

Country Status (1)

Country Link
CN (1) CN110587609B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113083804A (zh) * 2021-04-25 2021-07-09 中国铁建重工集团股份有限公司 激光智能除锈方法、系统及可存读介质
CN115229641A (zh) * 2022-09-22 2022-10-25 南通速维工程设备有限公司 一种机器人压力管道除锈控制方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06182662A (ja) * 1992-12-21 1994-07-05 Ishikawajima Harima Heavy Ind Co Ltd 鋼板壁面の除錆装置
CN107117223A (zh) * 2017-05-10 2017-09-01 深圳市行知行机器人技术有限公司 船舶除锈爬壁机器人
US20180281143A1 (en) * 2017-03-31 2018-10-04 Canvas Construction, Inc. Automated drywall sanding system and method
CN109249300A (zh) * 2018-10-25 2019-01-22 北京木业邦科技有限公司 木材加工控制方法、装置、电子设备及存储介质
CN109332900A (zh) * 2018-10-22 2019-02-15 西安云鑫电子科技有限公司 激光除锈方法及装置、存储介质、电子终端
CN109447141A (zh) * 2018-10-22 2019-03-08 西安云鑫电子科技有限公司 基于机器学习的激光除锈方法及装置
CN109513557A (zh) * 2018-12-27 2019-03-26 海安科大机器人科技有限公司 一种基于视觉引导的船舶分段喷涂机器人自主喷涂方法
CN110109466A (zh) * 2019-05-31 2019-08-09 东北大学 基于多传感器的自主地面打磨机器人控制系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06182662A (ja) * 1992-12-21 1994-07-05 Ishikawajima Harima Heavy Ind Co Ltd 鋼板壁面の除錆装置
US20180281143A1 (en) * 2017-03-31 2018-10-04 Canvas Construction, Inc. Automated drywall sanding system and method
CN107117223A (zh) * 2017-05-10 2017-09-01 深圳市行知行机器人技术有限公司 船舶除锈爬壁机器人
CN109332900A (zh) * 2018-10-22 2019-02-15 西安云鑫电子科技有限公司 激光除锈方法及装置、存储介质、电子终端
CN109447141A (zh) * 2018-10-22 2019-03-08 西安云鑫电子科技有限公司 基于机器学习的激光除锈方法及装置
CN109249300A (zh) * 2018-10-25 2019-01-22 北京木业邦科技有限公司 木材加工控制方法、装置、电子设备及存储介质
CN109513557A (zh) * 2018-12-27 2019-03-26 海安科大机器人科技有限公司 一种基于视觉引导的船舶分段喷涂机器人自主喷涂方法
CN110109466A (zh) * 2019-05-31 2019-08-09 东北大学 基于多传感器的自主地面打磨机器人控制系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
孙玲: "除锈爬壁机器人壁面行走控制技术研究", 《中国优秀博硕士学位论文全文数据库(博士)信息科技辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113083804A (zh) * 2021-04-25 2021-07-09 中国铁建重工集团股份有限公司 激光智能除锈方法、系统及可存读介质
CN115229641A (zh) * 2022-09-22 2022-10-25 南通速维工程设备有限公司 一种机器人压力管道除锈控制方法及系统
CN115229641B (zh) * 2022-09-22 2023-12-29 南通速维工程设备有限公司 一种机器人压力管道除锈控制方法及系统

Also Published As

Publication number Publication date
CN110587609B (zh) 2022-07-22

Similar Documents

Publication Publication Date Title
CN111508066B (zh) 一种基于3d视觉的无序堆叠工件抓取系统及交互方法
CN108890652B (zh) 一种变电站巡检机器人及变电站设备巡检方法
CN110587609B (zh) 机器人除锈控制方法及系统
CN111421539A (zh) 一种基于计算机视觉的工业零件智能识别与分拣系统
DE102019122760A1 (de) Selbstfahrende mobile roboter, die mensch-roboter-interaktionen verwenden
CN112621765B (zh) 一种基于机械手的设备自动组装控制方法及装置
CN113119122B (zh) 一种机器人焊接系统的混合离线编程方法
CN103810696A (zh) 一种目标对象图像检测方法及装置
CN114782286A (zh) 缺陷修复方法、光学修复设备、电子设备及存储介质
CN110427869A (zh) 一种用于垃圾处理的远端视觉分选识别方法
CN112123338A (zh) 一种支持深度学习加速的变电站智能巡检机器人系统
CN110744546B (zh) 一种缺陷修复机器人抓取非静止导线的方法及系统
CN103810718A (zh) 一种剧烈运动目标检测方法和装置
CN112935772B (zh) 视觉引导机器人拧螺丝的方法、装置、存储介质和设备
CN117078677B (zh) 一种用于始极片的缺陷检测方法及系统
CN109977884B (zh) 目标跟随方法和装置
CN112699903A (zh) 摩托车发动机装配全流程视觉跟踪控制方法与系统
CN112000099A (zh) 动态环境下协作机器人柔性路径规划方法
CN116258715A (zh) 一种粉尘回收方法、装置及电子设备
CN114740867A (zh) 基于双目视觉的智能避障方法、装置、机器人及介质
Kato et al. Task performance test on grasping the bolt by a power distribution line maintenance experimental robot system
US20200202178A1 (en) Automatic visual data generation for object training and evaluation
CN110863460A (zh) 一种路面清洁的智能机器人控制系统
Yang et al. Recognition of initial welding position for large diameter pipeline based on pulse coupled neural network
CN111791238B (zh) 一种精准喷药机器人控制系统及控制方法

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
GR01 Patent grant
GR01 Patent grant
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Sun Jun

Inventor after: Liu Changqing

Inventor after: Zhou Wei

Inventor before: Sun Jun

Inventor before: Liu Changqing

Inventor before: Zhou Wei