CN111926700B - 基于uwb的桥梁拉索缺陷检测定位系统及方法 - Google Patents

基于uwb的桥梁拉索缺陷检测定位系统及方法 Download PDF

Info

Publication number
CN111926700B
CN111926700B CN202010872070.1A CN202010872070A CN111926700B CN 111926700 B CN111926700 B CN 111926700B CN 202010872070 A CN202010872070 A CN 202010872070A CN 111926700 B CN111926700 B CN 111926700B
Authority
CN
China
Prior art keywords
robot
cable
detection
uwb
image
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.)
Active
Application number
CN202010872070.1A
Other languages
English (en)
Other versions
CN111926700A (zh
Inventor
王兴松
李�杰
付第
田梦倩
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.)
Southeast University
Original Assignee
Southeast University
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 Southeast University filed Critical Southeast University
Priority to CN202010872070.1A priority Critical patent/CN111926700B/zh
Publication of CN111926700A publication Critical patent/CN111926700A/zh
Application granted granted Critical
Publication of CN111926700B publication Critical patent/CN111926700B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • E—FIXED CONSTRUCTIONS
    • E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
    • E01D—CONSTRUCTION OF BRIDGES, ELEVATED ROADWAYS OR VIADUCTS; ASSEMBLY OF BRIDGES
    • E01D19/00—Structural or constructional details of bridges
    • E01D19/10—Railings; Protectors against smoke or gases, e.g. of locomotives; Maintenance travellers; Fastening of pipes or cables to bridges
    • E01D19/106—Movable inspection or maintenance platforms, e.g. travelling scaffolding or vehicles specially designed to provide access to the undersides of bridges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges

Landscapes

  • Biochemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Architecture (AREA)
  • Civil Engineering (AREA)
  • Structural Engineering (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了基于UWB的桥梁拉索缺陷检测定位系统及方法，包括检测机器人、里程编码器、检测相机、图像分割器、图传单元、远程主机、UWB基站、机器人定位标签，UWB基站固定在拉索末端位置，方法为：一、开启拉索检测机器人和远程主机，测量机器人初始位置D0；二、UWB基站和机器人定位标签进行高频脉冲收发，通过DS‑TWR算法计算机器人相对于基站位置Dt；三、远程主机对机器人进行控制，检测机器人的里程Dtc和速度Vtc；四、检测机器人相机获取拉索表面图像；五、远程主机对距离Dt进行最优估计得到Dt（es）；六、用多传感器数据融合算法对Dt（es）和Dtc进行融合估计，得到位置数据Dt(ESL)；七、远程主机通过图像识别完成拉索缺陷图像识别，结合Dt(ESL)确定缺陷位置。

Description

基于UWB的桥梁拉索缺陷检测定位系统及方法
技术领域
本发明属探伤机器人定位技术领域，具体来说，涉及基于UWB的桥梁拉索缺陷检测定位系统及方法。
背景技术
经济的快速发展，桥梁有着越来越重要的意义。经济发展的同时，桥梁的建造技术也在不断提升。桥梁也逐渐从以前的木桥、石桥转变为现在的钢筋混泥土桥以及钢架桥。桥梁的功能也越来越多种多样，有城市内的立交桥，跨江大桥，跨山大桥，跨海大桥。桥梁的变化使我们的生活越来越便利。越来越高潮的建桥技术使大跨度桥梁层出不穷。其中，斜拉桥作为一种拉索体系，比梁式桥具有更大的跨越能力，而且造型优美，经济，是大跨度桥梁的最首选方案。
要由受压的桥塔、受拉的索和承弯的梁体组成。在斜拉索的正常工作中，斜拉索会受到桥面动载荷、风雨振、日照以及腐蚀性气体的反复作用，很容易发生外层护套破损，局部钢丝锈蚀等病害。斜拉索护套的损坏导致内部钢丝暴露在空气中，还有的斜拉索表面附着有油污可能渗透到索内部，加速钢丝的腐蚀，若不定期维护，最终会因钢丝腐蚀失效导致斜拉索失效甚至桥面坍塌等事故。
测机器人属于高空作业机器人，有效的代替了人工检测。目前拉索机器人的精确定位以及拉索缺陷识别定位依旧是机器人应用过程中的重点和难点。单纯的依靠电机编码器的里程信息产生过大的累计误差，不利于精确定位。
发明内容
解决上述问题，本发明公开了基于UWB的桥梁拉索缺陷检测定位系统及方法，解决拉索检测机器人运行过程中的定位问题，提高拉索缺陷定位精度。
本发明的目的在于提供基于UWB的桥梁拉索缺陷检测定位系统及方法，解决拉索检测机器人运行过程中的定位问题，提高拉索缺陷定位精度。
技术方案：为解决上述技术问题，本发明采用如下的技术方案：
基于UWB的桥梁拉索检测机器人和拉索缺陷定位系统，该定位系统包括用于桥梁拉索的检测机器人、里程编码器、四个检测相机、图像分割器、图传单元、远程主机、UWB基站、机器人定位标签，编码器安装在检测机器人驱动轮上，UWB基站安装在待测拉索最低端，机器人定位标签安装于检测机器人，远程主机用于机器人控制和接收处理图像。
基于UWB的桥梁拉索检测机器人和拉索缺陷定位方法,具体流程包括；
步骤(1)：所述的UWB基站固定在拉索末端位置，开启拉索检测机器人，开启远程主机，等待系统初始化完成，测量机器人初始位置D0。
步骤(2)：所述UWB基站和机器人定位标签之间多次进行高频脉冲的发送和反馈，获取飞行时间TOF并计算检测机器人相对于UWB基站的距离Dt，并发送给远程数据。
步骤(3)：所述检测机器人通过电机驱动在待测拉索上运行，电机编码器记录电机转过的圈数，计算检测机器人的里程Dtc和速度Vtc。步骤(4)：所述四个检测相机获取拉索当前位置360度图像，并合成一张图像发送给远程主机。
步骤(5)：远程主机通过卡尔曼滤波算法对步骤(2)中所述的距离Dt进行最优估计得到Dt(es)。
步骤(6)：使用多传感器数据融合(卡尔曼融合算法或多贝叶斯估计法)对步骤(5)的距离Dt(es)和步骤(3)的里程数据Dtc，对检测机器人当前拉索位置进行估计，得到位置数据Dt(ESL)；
步骤(7)：远程主机通过图像识别完成拉索缺陷图像识别，并在拉索图像上增加拉索位置数据Dt(ESL)，用于缺陷定位。后回到步骤二，对检测机器人下一时刻进行定位。
进一步，所述的定位系统和方法中步骤(2)的具体过程为：
步骤(201)UWB基站发送脉冲信号，并记录当前时间t1；
步骤(202)经过一定时间后，机器人定位标签接收信号并记录时间t2并在Treply_ROB时间后发送反馈信号；
步骤(203)经过一定时间后，基站接受信号并记录当前t3时间后经过Treply_BS时间发送信号；
步骤(204)机器人定位标签接受信号并记录时间t4；
步骤(205)记录Tround_BS＝t3-t1,Tround_ROB＝t4-t2,根据DS-TWR算法计算信号飞行时间TOF:
Figure BDA0002651420930000031
步骤(206)根据Dt＝C*TOF计算机器人标签和UWB基站位置Dt，C为光速，大小为3*108m/s
进一步，所述的定位系统和方法中步骤(5)的具体过程为：
步骤(501)对用于位置估计的卡尔曼滤波参数进行相关初始化，包括协方差矩阵P′和过程噪音；
步骤(502)读取UWB在上一时刻的估计的数据Dt-1(es)(初始时刻为D0)，机器人当前位置预测方程为：x′＝x+vΔt具体为：
Figure BDA0002651420930000041
其中：当前机器人状态为x,机器人速度为vx，时间间隔为Δt，且关系为：
Figure BDA0002651420930000042
步骤(503)根据UWB测量数据Dt，以及观测方程为：
Figure BDA0002651420930000043
通过下列公式计算得到最优估计值Dt(es)
K＝P′HT(HP′HT+R)-1，其中R为噪声矩阵
Figure BDA0002651420930000044
步骤(504)根据Pk＝(I-KH)P′，对卡尔曼滤波的协方差更新，返回步骤(501)。
进一步，所述的定位系统和方法中步骤(6)的中里程的观测方程为：
Figure BDA0002651420930000045
1、进一步，四个检测相机安装在机器人四周用于获取拉索表面360度图像，通过图像分割器把四张图片合称为一张，经过图传单元发送给远程主机进行识别处理。所述检测机器人的四个检测相机安装在机器人四周并根据公式：
Figure BDA0002651420930000051
(R为待测拉索半径，θ0为相机照射最大角度)
检测相机和待测拉索间的距离d，
通过调整相机和待测拉索距离保证既可以对拉索360度无盲区照射，又确保拉索在图像的比例大于50％，通过图像分割器把四张图片合称为一张，经过图传单元发送给远程主机进行识别处理。
有益效果：与现有技术相比，本发明的技术方案具有以下有益效果：
(1)通过UWB技术实现拉索检测机器人在拉索上距离的测定，并通过最优估计算来提高定位精度。
(2)拉索机器人四摄像头的图像合成，提供图像检测的效率并减少误差，结合定位数据可以精确标记缺陷在拉索上的位置。
(3)融合了里程信号和UWB定位数据的位置估计方式，进一步提高了拉索检测机器人定位精度。
附图说明
图1为本发明基于UWB的桥梁拉索拉索缺陷定位方法的流程图。
图2为本发明基于UWB的桥梁拉索缺陷定位系统示意图。
图3为本发明基于UWB的桥梁拉索缺陷定位系统的架构图。
图4为本发明中UWB的TOF计算的时间图。
图5为本发明UWB定位数据和卡尔曼滤波后的对比图。
具体实施方式
下面结合附图和具体实施方式，进一步阐明本发明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。需要说明的是，下面描述中使用的词语“前”、“后”、“左”、“右”、“上”和“下”指的是附图中的方向，词语“内”和“外”分别指的是朝向或远离特定部件几何中心的方向。
如图1、2、3所示，本实施例提供基于UWB的桥梁拉索缺陷定位系统及方法，该定位系统包括用于桥梁拉索的检测机器人、里程编码器、四个检测相机、图像分割器、图传单元、远程主机、UWB基站、机器人定位标签，编码器安装在检测机器人驱动轮上，UWB基站安装在待测拉索最低端，机器人定位标签安装于检测机器人，远程主机用于机器人控制和接收处理图像。
具体流程包括；
步骤(1)：所述的UWB基站固定在拉索末端位置，开启拉索检测机器人，开启远程主机，等待系统初始化完成，测量机器人初始位置D0。
步骤(2)：所述UWB基站和机器人定位标签之间多次进行高频脉冲的发送和反馈，获取飞行时间TOF并计算检测机器人相对于UWB基站的距离Dt，并发送给远程数据。
步骤(3)：所述检测机器人通过电机驱动在待测拉索上运行，电机编码器记录电机转过的圈数，计算检测机器人的里程Dtc和速度Vtc。
步骤(4)：所述四个检测相机获取拉索当前位置360度图像，并合成一张图像发送给远程主机。
步骤(5)：远程主机通过卡尔曼滤波算法对步骤(2)中所述的距离Dt进行最优估计得到Dt(es)。
步骤(6)：使用多传感器数据融合(卡尔曼融合算法或多贝叶斯估计法)对步骤(5)的距离Dt(es)和步骤(3)的里程数据Dtc，对检测机器人当前拉索位置进行估计，得到位置数据Dt(ESL)；
步骤(7)：远程主机通过图像识别完成拉索缺陷图像识别，并在拉索图像上增加拉索位置数据Dt(ESL)，用于缺陷定位。后回到步骤二，对检测机器人下一时刻进行定位。
如图3所示，步骤(2)的具体过程为：
步骤(201)UWB基站发送脉冲信号，并记录当前时间t1；
步骤(202)经过一定时间后，机器人定位标签接收信号并记录时间t2并在Treply_ROB时间后发送反馈信号；
步骤(203)经过一定时间后，基站接受信号并记录当前t3时间后经过Treply_BS时间发送信号；
步骤(204)机器人定位标签接受信号并记录时间t4；
步骤(205)记录Tround_BS＝t3-t1,Tround_ROB＝t4-t2,根据DS-TWR算法计算信号飞行时间TOF:
Figure BDA0002651420930000071
步骤(206)根据Dt＝C*TOF计算机器人标签和UWB基站位置Dt，C为光速，大小为3*108m/s
如图5所示，步骤(5)的具体过程为：
步骤(501)对用于位置估计的卡尔曼滤波参数进行相关初始化，包括协方差矩阵P′和过程噪音；
步骤(502)读取UWB在上一时刻的估计的数据Dt-1(es)(初始时刻为D0)，机器人当前位置预测方程为：x′＝x+vΔt具体为：
Figure BDA0002651420930000081
其中：当前机器人状态为x,机器人速度为vx，时间间隔为Δt，且关系为：
Figure BDA0002651420930000082
步骤(503)根据UWB测量数据Dt，以及观测方程为：
Figure BDA0002651420930000083
通过下列公式计算得到最优估计值Dt(es)
K＝P′HT(HP′HT+R)-1，其中R为噪声矩阵
Figure BDA0002651420930000084
步骤(504)根据Pk＝(I-KH)P′，对卡尔曼滤波的协方差更新，返回步骤(501)。
定位系统和方法中步骤(6)的中里程的观测方程为：
Figure BDA0002651420930000085
定位系统和方法中四个检测相机安装在机器人四周用于获取拉索表面360度图像，通过图像分割器把四张图片合称为一张，经过图传单元发送给远程主机进行识别处理。
本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段，还包括由以上技术特征任意组合所组成的技术方案。

Claims (5)

1.基于UWB的桥梁拉索缺陷检测定位方法，其特征在于：包括以下步骤：
步骤(1)：UWB基站固定在拉索末端位置，开启拉索检测机器人，开启远程主机，等待系统初始化完成，检测机器人初始位置D0；
步骤(2)：UWB基站和机器人定位标签之间多次进行高频脉冲的发送和反馈，获取飞行时间TOF并计算检测机器人相对于UWB基站的距离Dt，并发送给远程主机；
步骤(3)：检测机器人通过电机驱动在待测拉索上运行，里程编码器记录电机转过的圈数，计算检测机器人的里程Dtc和速度Vtc；
步骤(4)：四个检测相机获取拉索当前位置360度图像，并合成一张图像发送给远程主机；
步骤(5)：远程主机通过卡尔曼滤波算法对步骤(2)中所述的距离Dt进行最优估计得到Dt(es)；
所述步骤(5)的具体过程为：
步骤(501)对用于位置估计的卡尔曼滤波参数进行相关初始化，包括协方差矩阵P′和过程噪音；
步骤(502)读取在上一时刻的估计的数据Dt-1(es)；初始时刻为D0，机器人当前位置预测方程为：x′＝x+vΔt
具体为：
Figure FDA0003454905830000021
其中：当前机器人状态为x,机器人速度为vx，时间间隔为Δt，且关系为：
Figure FDA0003454905830000022
步骤(503)根据UWB测量数据Dt，以及观测方程为：
Figure FDA0003454905830000023
通过下列公式计算得到最优估计值Dt(es)；
K＝P′HT(HP′HT+R)-1，其中R为噪声矩阵
Figure FDA0003454905830000024
步骤(504)根据Pk＝(I-KH)P′，对卡尔曼滤波的协方差更新，返回步骤(501)；
步骤(6)：使用多传感器数据融合；卡尔曼融合算法或多贝叶斯估计法对步骤(5)的距离Dt(es)和步骤(3)的里程数据Dtc，对检测机器人当前拉索位置进行估计，得到位置数据Dt(ESL)；
步骤(7)：远程主机通过图像识别完成拉索缺陷图像识别，并在拉索图像上增加拉索位置数据Dt(ESL)，用于缺陷定位；后回到步骤二，对检测机器人下一时刻进行定位。
2.根据权利要求1所述的基于UWB的桥梁拉索缺陷检测定位方法，其特征在于，所述步骤(2)的具体过程为：
步骤(201)UWB基站发送脉冲信号，并记录当前时间t1；
步骤(202)经过一定时间后，机器人定位标签接收信号并记录时间t2并在Treply_ROB时间后发送反馈信号；
步骤(203)经过一定时间后，基站接受信号并记录当前t3时间后经过Treply_BS时间发送信号；
步骤(204)机器人定位标签接受信号并记录时间t4；
步骤(205)记录Tround_BS＝t3-t1,Tround_ROB＝t4-t2,根据DS-TWR算法计算信号飞行时间TOF:
Figure FDA0003454905830000031
步骤(206)根据Dt＝C*TOF计算机器人标签和UWB基站位置Dt，C为光速，大小为3*108m/s。
3.根据权利要求1所述的基于UWB的桥梁拉索缺陷检测定位方法，其特征在于，所述步骤(6)中的里程的观测方程为：
Figure FDA0003454905830000032
4.根据权利要求1所述的基于UWB的桥梁拉索缺陷检测定位方法，其特征在于，所述检测机器人的四个检测相机安装在机器人四周并根据公式：
Figure FDA0003454905830000033
r为待测拉索半径，θ0为相机照射最大角度；检测相机和待测拉索间的距离d，通过调整相机和待测拉索距离保证既可以对拉索360度无盲区照射，又确保拉索在图像的比例大于50％，通过图像分割器把四张图片合成为一张，经过图传单元发送给远程主机进行识别处理。
5.根据权利要求1所述的基于UWB的桥梁拉索缺陷检测定位方法的定位系统，其特征在于：该定位系统包括用于桥梁拉索的检测机器人、里程编码器、四个检测相机、图像分割器、图传单元、远程主机、UWB基站、机器人定位标签，里程编码器安装在检测机器人驱动轮上，UWB基站安装在待测拉索最低端，机器人定位标签安装于检测机器人，远程主机用于机器人控制和接收处理图像。
CN202010872070.1A 2020-08-26 2020-08-26 基于uwb的桥梁拉索缺陷检测定位系统及方法 Active CN111926700B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010872070.1A CN111926700B (zh) 2020-08-26 2020-08-26 基于uwb的桥梁拉索缺陷检测定位系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010872070.1A CN111926700B (zh) 2020-08-26 2020-08-26 基于uwb的桥梁拉索缺陷检测定位系统及方法

Publications (2)

Publication Number Publication Date
CN111926700A CN111926700A (zh) 2020-11-13
CN111926700B true CN111926700B (zh) 2022-02-22

Family

ID=73305210

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010872070.1A Active CN111926700B (zh) 2020-08-26 2020-08-26 基于uwb的桥梁拉索缺陷检测定位系统及方法

Country Status (1)

Country Link
CN (1) CN111926700B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112595732B (zh) * 2020-12-09 2023-03-10 西安邮电大学 一种基于超宽带微波的焊点质量检测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101169380A (zh) * 2007-10-31 2008-04-30 重庆大学 桥梁拉索表面损伤动态检测方法及其装置
CN203275312U (zh) * 2013-05-08 2013-11-06 广州环达路桥科技有限公司 拉索外观检查仪
CN106337365A (zh) * 2016-08-31 2017-01-18 宋金博 一种新型桥梁上部结构斜拉索全视角检测装备及检测方法
CN107949766A (zh) * 2015-06-15 2018-04-20 修麦提克斯公司 高精度飞行时间测量系统
CN107990821A (zh) * 2017-11-17 2018-05-04 深圳大学 一种桥梁形变监测方法、存储介质及桥梁形变监测接收机

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7676194B2 (en) * 2003-08-22 2010-03-09 Rappaport Theodore S Broadband repeater with security for ultrawideband technologies

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101169380A (zh) * 2007-10-31 2008-04-30 重庆大学 桥梁拉索表面损伤动态检测方法及其装置
CN203275312U (zh) * 2013-05-08 2013-11-06 广州环达路桥科技有限公司 拉索外观检查仪
CN107949766A (zh) * 2015-06-15 2018-04-20 修麦提克斯公司 高精度飞行时间测量系统
CN106337365A (zh) * 2016-08-31 2017-01-18 宋金博 一种新型桥梁上部结构斜拉索全视角检测装备及检测方法
CN107990821A (zh) * 2017-11-17 2018-05-04 深圳大学 一种桥梁形变监测方法、存储介质及桥梁形变监测接收机

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于多源传感器信息融合的移动机器人协同导航研究;王晨琳;《中国优秀硕士学位论文全文数据库 信息科技辑》;20200215(第2期);第14-16、23-57页 *

Also Published As

Publication number Publication date
CN111926700A (zh) 2020-11-13

Similar Documents

Publication Publication Date Title
CN109800658B (zh) 基于神经网络的泊车位类型在线识别与定位系统及方法
CN106997688B (zh) 基于多传感器信息融合的停车场停车位检测方法
CN110758379B (zh) 一种斜列泊车位检测方法、装置以及自动泊车方法和系统
CN111986506B (zh) 基于多视觉系统的机械式停车位泊车方法
CN105404844A (zh) 一种基于多线激光雷达的道路边界检测方法
CN105955257A (zh) 基于固定路线的公交车自动驾驶系统及其驾驶方法
CN110379178B (zh) 基于毫米波雷达成像的无人驾驶汽车智能泊车方法
CN1656524A (zh) 车辆的导航、防撞、和控制系统
CN102483457A (zh) 停车辅助装置
CN1779485A (zh) 载人潜水器的组合导航定位方法
CN114488164B (zh) 水下航行器同步定位与建图方法及水下航行器
JP2022511990A (ja) 情報補完方法、車線認識方法、インテリジェント走行方法及び関連製品
CN111926700B (zh) 基于uwb的桥梁拉索缺陷检测定位系统及方法
CN112505142B (zh) 检测道路结构损伤的方法、自主移动式设备及存储介质
WO2016157428A1 (ja) 計測装置、計測方法、及び、プログラム
Zomotor et al. Sensor fusion for improved vision based lane recognition and object tracking with range-finders
KR20230014724A (ko) 차량 국부화 시스템 및 방법
CN115235452A (zh) 基于uwb/imu和视觉信息融合的智能泊车定位系统及方法
CN115019412A (zh) 一种基于多传感器的水下auv海缆巡检系统及方法
CN114495066A (zh) 一种辅助倒车的方法
US11821756B2 (en) Method of measuring slope of drainpipe
CN111539305A (zh) 一种地图构建方法及系统、车辆及存储介质
CN111007518B (zh) 基于声纳图像处理的水下机器人水下定位和路径规划方法
CN113554705A (zh) 一种变化场景下的激光雷达鲁棒定位方法
JPH07271952A (ja) 走行路認識装置

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