CN112551400A - 一种基于单目视觉检测的塔吊起重臂形变检测系统 - Google Patents
一种基于单目视觉检测的塔吊起重臂形变检测系统 Download PDFInfo
- Publication number
- CN112551400A CN112551400A CN202011464592.4A CN202011464592A CN112551400A CN 112551400 A CN112551400 A CN 112551400A CN 202011464592 A CN202011464592 A CN 202011464592A CN 112551400 A CN112551400 A CN 112551400A
- Authority
- CN
- China
- Prior art keywords
- tower crane
- marker
- deformation
- computer
- monocular vision
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 46
- 239000003550 marker Substances 0.000 claims abstract description 65
- 238000006073 displacement reaction Methods 0.000 claims description 26
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims 6
- 238000000034 method Methods 0.000 abstract description 11
- 230000000007 visual effect Effects 0.000 abstract 1
- 241000288140 Gruiformes Species 0.000 description 75
- 239000003086 colorant Substances 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000006978 adaptation Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
- B66C23/00—Cranes comprising essentially a beam, boom, or triangular structure acting as a cantilever and mounted for translatory of swinging movements in vertical or horizontal planes or a combination of such movements, e.g. jib-cranes, derricks, tower cranes
- B66C23/88—Safety gear
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
- B66C13/00—Other constructional features or details
- B66C13/16—Applications of indicating, registering, or weighing devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于单目视觉检测的塔吊起重臂形变检测系统,涉及塔吊安全技术领域。该检测系统包括单目摄像头,用于获取塔吊的实时图片信息;圆形标志物,贴附在塔吊起重臂的节点上,用于获得检测的特征点;计算机,运行视觉检测的系统,计算得到塔吊实际的形变量;警报器,当接收到计算机塔吊形变量过大指令时,警报器报警;反馈控制器,当接收到计算机塔吊形变量过大指令时,对塔吊进行限位控制,塔吊停止升重。本发明基于基于计算机单目视觉,计算机单目视觉检测具有成本低、结构简简单等优点,为塔吊起重臂形变检测提供了一种非接触的有效方法。
Description
技术领域
本发明属于相关检测系统技术领域,具体涉及一种基于单目视觉检测的塔吊起重臂形变检测系统。
背景技术
塔吊作为建筑行业的主要施工设备之一,在建筑施工尤其是高层建筑有着不可替代的作用。塔吊的质量是衡量一个国家工业水平的重要指标,对国民经济的发展有着十分重要的意义。塔吊由于现场作业的环境复杂和生产质量的参差不齐,塔吊在作业过程中发生事故的可能性很大,从而会造成巨大危害和损失。
塔吊起重臂形变量过大所导致起重臂折断是塔吊事故发生的重大来源之一。因此对塔吊起重臂形变量的实时检测有着十分重大的意义。随着人工智能高速的发展,计算机视觉成为了当下最热门的科学技术之一。计算机视觉利用计算机和摄像头可代替人眼对目标进行追踪、检测、识别、处理等内容。塔吊起重臂形变量传统的方式主要是加装传感器,然而塔吊起重臂一般长度很大,所以需要加装多个传感器对其进行检测,对日后的保养和维修带来了十分巨大的工作量。
发明内容
本发明的目的在于提供一种基于单目视觉检测的塔吊起重臂形变检测系统,针对上述情况,以解决上述背景技术中提出的塔吊由于现场作业的环境复杂和生产质量的参差不齐,塔吊在作业过程中发生事故的可能性很大,从而会造成巨大危害和损失等问题。
为实现上述目的,本发明提供如下技术方案:
一种基于单目视觉检测的塔吊起重臂形变检测系统,包括标志物,其特征在于:所述标志物连接于单目摄像头,所述单目摄像头用于获取塔吊的实时图片信息,并且固定在易于检测塔吊起重臂贴附标志物位置,所述单目摄像头连接于计算机,所述计算机设置有检测形变量是否过大,所述检测形变量是否过大结果为是时连接于继续检测,所述检测形变量是否过大结果为否时连接于反馈控制器以及报警器。
优选的,所述标志物设置为单颜色圆形标志物,通过计算机视觉的HSV色彩空间设定的阈值即可锁定颜色标志物,贴附在塔吊起重臂的节点上,用于获得检测的特征点,标志物均匀并水平的附着在塔吊起重臂的每一节,并且标志物的颜色应与塔吊颜色及摄像头拍摄范围内的物体不一致。
优选的,所述当锁定阈值后,可通过Hough变换检测出圆心为检测的特征点。
优选的,所述计算机为win10 x64位计算机结构,并且采用了Camshift算法和Kalman滤波器结合的追踪算法,由于塔吊起重臂为运动构件,需要对标志物进行运动追踪,计算机可通过有线或者无线的方式与摄像头和塔吊的控制器取得通讯,运行检测的程序对塔吊的形变量检测,当形变量过大时,则计算机向塔吊控制器发送信号。
优选的,所述计算机采用单目视觉检测系统,包括了色彩空间的转换、圆形单颜色标志物的识别、圆形单颜色标志物的运动追踪以及圆心相对位移计算等功能,不但计算得到塔吊实际的形变量,还可以通过对图像中特征点的像素坐标提取以及相邻帧之间像素坐标做差,得到标志物的像素位移,通过换算得到物体的实际位移。
优选的,所述反馈控制器设置为可编程控制器,当接收到塔吊形变量过大指令时,对塔吊进行限位控制,停止提升起重。
优选的,所述塔吊最大形变量安全值为提前的预设值,当检测的值超过预设值时,所述报警器立即接收到塔吊形变量过大指令,进行报警功能,警报器设置为计算机发送指令启动,与塔吊限位器同时启动,起到对塔吊操作人员及其他工作的警示作用。
与现有技术相比,本发明提供了一种基于单目视觉检测的塔吊起重臂形变检测系统,具备以下有益效果:
本实用一种基于单目视觉检测的塔吊起重臂形变检测系统,标志物设置为单颜色圆形标志物,通过计算机视觉的HSV色彩空间设定的阈值即可锁定颜色标志物,贴附在塔吊起重臂的节点上,用于获得检测的特征点,并且计算机采用了Camshift算法和Kalman滤波器结合的追踪算法,可通过有线或者无线的方式与摄像头和塔吊的控制器取得通讯,运行检测的程序对塔吊的形变量检测,并且计算机具备单目视觉检测系统,包括了色彩空间的转换、圆形单颜色标志物的识别、圆形单颜色标志物的运动追踪以及圆心相对位移计算等功能,可以准确的得到标志物的像素位移,从而换算得出物体的实际位移,塔吊最大形变量安全值为提前的预设值,当检测的值超过预设值时,报警器立即接收到塔吊形变量过大指令,进行报警功能,警报器设置为计算机发送指令启动,与塔吊限位器同时启动,起到对塔吊操作人员及其他工作的警示作用,确保塔吊工作的安全性以及施工人员的人身安全,本实用一种基于单目视觉检测的塔吊起重臂形变检测系统,通过计算机视觉设定的阈值锁定标志物,获得检测的特征点,采用追踪算法标志物进行运动追踪,得到标志物的像素位移,通过换算得到物体的实际位移,不但操作简单,适应地区广泛,确保塔吊作业的安全性。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制,在附图中:
图1为本发明提出的一种基于单目视觉检测的塔吊起重臂形变检测系统示意图;
图2为本发明提出的色彩空间模型结构示意图;
图3为本发明提出的三维空间结构示意图;
图4为本发明提出的所求的圆心结构示意图;
图5为本发明提出的算法流程结构示意图;
图6为本发明提出的标志物圆心形变位移结构示意图;
图中:1、标志物;2、单目摄像头;3、计算机;4、检测形变量是否过大;5、反馈控制器;6、报警器。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-6,本发明提供一种技术方案:
一种基于单目视觉检测的塔吊起重臂形变检测系统,包括标志物1,所述标志物1连接于单目摄像头2,所述单目摄像头2用于获取塔吊的实时图片信息,并且固定在易于检测塔吊起重臂贴附标志物位置,所述单目摄像头2连接于计算机3,所述计算机3设置有检测形变量是否过大4,所述检测形变量是否过大4结果为是时连接于继续检测7,所述检测形变量是否过大4结果为否时连接于反馈控制器5以及报警器6。
所述的标志物1在塔吊安装前应平行均匀贴附在塔吊起重臂的可视位置;将单目摄像头2安装于相对起重臂固定的位置,相机应能可视起重臂上的所有圆形标志物1,并得到此时相机的焦距和相机到每个标志物的水平距离;将相机与地面计算机实现无线通信;将计算机与塔吊控制器取得通信。
所述的色彩空间转换为将摄像头输入的RGB色彩空间转换成HSV色彩空间。
所述RGB颜色空间是平时最常见的一种色彩空间,RGB就是我们常说的光学三原色,R、G、B分别代表三种不同的颜色,R代表的是红色,G代表绿色,B代表蓝色,这三种颜色在色彩空间模型中的取值都是0~255,其他的颜色都可以通过这三种颜色叠加混合得到,其模型如图2所示。
所述HSV颜色空间是与人眼所看色彩比较接近的色彩空间,所以经常被用来检测与识别颜色。色调用H表示,饱和度表示为S、黑暗程度或者说光亮程度表示为V。由图2-3我们可以观察到,红色、绿色、蓝色三种颜色之间两两相隔120度,黑白两种颜色之间相隔180度,S和V的取值都在0-1,颜色空间示意图如图2所示。
所述的RGB颜色空间转换成HSV色彩空间可通过以下计算方式得到:
V=max(R,G,B)
所述的圆心单颜色标志物1为区分与塔吊本身颜色的颜色标志物1,并且与摄像头拍摄范围内的周边景观进行区分。
所述的单颜色标志物1圆检测通过Hough变换来实现,当图像空间为一个圆的时候,变换后参数空间得到的是圆锥。在二维平面中,对于一个圆心为(a,b),半径为r的圆,我们通常可以表示为:
(x-a)2+(y-b)2=r2
此时,参数β=[a,b,r]T,为三维空间,如图3所示。
所述的标志物圆心检测建立在标志物圆检测出的基础上。对于圆周上中任意的边缘点经过Hough变换之后空间中都有唯一的圆锥与其对应。对于检测出圆周的边缘点(xi,yi),变换之后则会得到一个锥面簇,所有的锥面将相交于参数空间中的一点(a0,b0,r0),而这一点就是所求的圆心所在。如图4所示。
所述的塔吊起重臂为运动物体,虽然摄像头随起重臂一起运动,理想情况下起重臂与摄像头应保持相对的静止。但塔吊起重臂起吊重物时会产生形变位移,故需要对塔吊的位移运动进行追踪,可转换成对标志物1特征点进行追踪,即对标志物圆心进行追踪。
所述计算机3为win10 x64位计算机结构,并且采用了Camshift算法和Kalman滤波器结合的追踪算法。
所述的Camshift算法其实质是采用梯度下降法,沿着梯度下降的方向逐步迭代,直到梯度值为零。在n维空间Rn中给定m个点xi,i=1,2,…,m,对于任意的聚类样本x,其均值漂移向量为:
其中,Ch是指一个半径为的球形空间,其定义为:Ch(x)={y|(y-x)(y-x)T≤h2}。均值漂移原理如图5所示。
其中大圆代表半径为h的球形空间,箭头的尾部代表的是指当前计算的样本x,箭头代表的是计算后的漂移向量Mh,由图可以得出,样本的均值漂移会朝着密度较大的区域移动。Camshift算法是一种基于均值漂移的改进算法,加入了尺度变化适应机制,当追踪目标尺度大小发生变化时,能够自动调节。
所述的Kalman算法能对运动物体的状态序列线性最小方差进行估计。通过建立状态方程,将观测的数据当做状态输入,对状态的方程参数进行优化。通过前面运动状态最优估计出下一个运动状态。在目标追踪过程中,当出现目标短暂被遮挡消失时,Kalman可以有效的解决这一系类问题。Kalman滤波器可以用以下状态方程来表示:
xk=FKxk-1+uk
zk=Jkxk-1+vk
其中,FK和Jk为线性状态转移矩阵和观测矩阵,uk和vk是零均值高斯噪声。
所述的Camshift算法和Kalman算法对运动追踪单独使用具有一定的局限性。Kalman算法只适用于线性的追踪系统,Camshift算法则不具有预测机制。
所述采用的Camshift算法与Kalman算法相结合的方法,运用Kalman算法的预测机制对Camshift算法起到优化作用,在追踪目标短暂消失或者被遮挡的情况下,追踪系统仍然有较好的鲁棒性,可以对目标进行良好的追踪。
所述运用的算法通过设定阈值α,如果巴氏距离大于阈值,则判断追踪目标被遮挡;当判断为被遮挡的情况时,则通过Kalman算法对目标进行预测追踪,否则,则使用Camshift算法对目标进行追踪。通过利用这两种算法融合的方式,使得追踪系统可以通过线性预测的方法处理遮挡或者目标消失的情况,对运动目标进行稳定追踪,算法流程如图6所示。
所述单目位移检测,在物理成像平面中存在一个像素坐标系o-u-v,p'点在像素坐标系的坐标为[u,v]T,单位为像素。设物理成像坐标系o-x'-y',坐标系的单位为毫米。像素坐标系的u轴与物理坐标系的x'轴平行,像素坐标系的'
v轴与物理坐标系y轴平行。由图可知,像素坐标系与物理成像平面之间相差了一个缩放和一个平移。假设在像素坐标系u轴缩放了α倍,在v轴上缩放了β倍。原点平移了[cx,cy]T。所以,p'点在物理坐标系的坐标与像素坐标系的坐标转换有:
以相机光心o建立直角坐标系o-xw-yw-zw,相似三角形。根据相似三角形关系有:
所以当知道相机焦距和相机到标志物的固定水平距离后,运行程序得到标志物竖直方向的像素位移,根据相似三角形关系,便可得到标志物的实际竖直方向位移。
根据上述原理编写程序则可检测得到标志物圆心位移。
所述的标志物圆心形变位移9,标志物圆心形变位移代表着整个塔吊起重臂的形变位移。
所述的塔吊起重臂最大形变量应为塔吊出厂前给出的固定参数。
所述反馈控制器5设置为可编程控制器,塔吊最大形变量安全值为提前的预设值,当检测的值超过预设值时,所述报警器6立即接收到塔吊形变量过大指令,进行报警功能,同时对对塔吊进行限位紧急制动,塔吊停止运行,警报器6设置为计算机3发送指令启动,与塔吊限位器同时启动,起到对塔吊操作人员及其他工作的警示作用。
本实用一种基于单目视觉检测的塔吊起重臂形变检测系统,标志物1设置为单颜色圆形标志物,通过计算机视觉的HSV色彩空间设定的阈值即可锁定颜色标志物1,贴附在塔吊起重臂的节点上,用于获得检测的特征点,并且计算机3采用了Camshift算法和Kalman滤波器结合的追踪算法,可通过有线或者无线的方式与摄像头和塔吊的控制器取得通讯,运行检测的程序对塔吊的形变量检测,并且计算机3具备单目视觉检测系统,包括了色彩空间的转换、圆形单颜色标志物的识别、圆形单颜色标志物的运动追踪以及圆心相对位移计算等功能,可以准确的得到标志物1的像素位移,从而换算得出物体的实际位移,塔吊最大形变量安全值为提前的预设值,当检测的值超过预设值时,报警器6立即接收到塔吊形变量过大指令,进行报警功能,警报器6设置为计算机3发送指令启动,与塔吊限位器同时启动,起到对塔吊操作人员及其他工作的警示作用,确保塔吊工作的安全性以及施工人员的人身安全,本实用一种基于单目视觉检测的塔吊起重臂形变检测系统,通过计算机视觉设定的阈值锁定标志物,获得检测的特征点,采用追踪算法标志物进行运动追踪,得到标志物的像素位移,通过换算得到物体的实际位移,不但操作简单,适应地区广泛,确保塔吊作业的安全性。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种基于单目视觉检测的塔吊起重臂形变检测系统,包括标志物(1),其特征在于:所述标志物(1)连接于单目摄像头(2),所述单目摄像头(2)用于获取塔吊的实时图片信息,并且固定在易于检测塔吊起重臂贴附标志物位置,所述单目摄像头(2)连接于计算机(3),所述计算机(3)设置有检测形变量是否过大(4),所述检测形变量是否过大(4)结果为是时连接于继续检测(7),所述检测形变量是否过大(4)结果为否时连接于反馈控制器(5)以及报警器(6)。
2.根据权利要求1所述的一种基于单目视觉检测的塔吊起重臂形变检测系统,其特征在于:所述标志物(1)设置为单颜色圆形标志物,通过计算机视觉的HSV色彩空间设定的阈值即可锁定颜色标志物,贴附在塔吊起重臂的节点上,用于获得检测的特征点,标志物(1)均匀并水平的附着在塔吊起重臂的每一节,并且标志物(1)的颜色应与塔吊颜色及摄像头拍摄范围内的物体不一致。
3.根据权利要求2所述的一种基于单目视觉检测的塔吊起重臂形变检测系统,其特征在于:所述当锁定阈值后,可通过Hough变换检测出圆心为检测的特征点。
4.根据权利要求1所述的一种基于单目视觉检测的塔吊起重臂形变检测系统,其特征在于:所述计算机(3)为win10 x64位计算机结构,并且采用了Camshift算法和Kalman滤波器结合的追踪算法,由于塔吊起重臂为运动构件,需要对标志物(1)进行运动追踪,计算机(3)可通过有线或者无线的方式与摄像头和塔吊的控制器取得通讯,运行检测的程序对塔吊的形变量检测,当形变量过大时,则计算机(3)向塔吊控制器发送信号。
5.根据权利要求1所述的一种基于单目视觉检测的塔吊起重臂形变检测系统,其特征在于:所述计算机(3)采用单目视觉检测系统,包括了色彩空间的转换、圆形单颜色标志物的识别、圆形单颜色标志物的运动追踪以及圆心相对位移计算等功能,不但计算得到塔吊实际的形变量,还可以通过对图像中特征点的像素坐标提取以及相邻帧之间像素坐标做差,得到标志物(1)的像素位移,通过换算得到物体的实际位移。
6.根据权利要求1所述的一种基于单目视觉检测的塔吊起重臂形变检测系统,其特征在于:所述反馈控制器(5)设置为可编程控制器,当接收到塔吊形变量过大指令时,对塔吊进行限位控制,停止提升起重。
7.根据权利要求1所述的一种基于单目视觉检测的塔吊起重臂形变检测系统,其特征在于:所述塔吊最大形变量安全值为提前的预设值,当检测的值超过预设值时,所述报警器(6)立即接收到塔吊形变量过大指令,进行报警功能,警报器(6)设置为计算机(3)发送指令启动,与塔吊限位器同时启动,起到对塔吊操作人员及其他工作的警示作用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011464592.4A CN112551400A (zh) | 2020-12-10 | 2020-12-10 | 一种基于单目视觉检测的塔吊起重臂形变检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011464592.4A CN112551400A (zh) | 2020-12-10 | 2020-12-10 | 一种基于单目视觉检测的塔吊起重臂形变检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112551400A true CN112551400A (zh) | 2021-03-26 |
Family
ID=75064251
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011464592.4A Pending CN112551400A (zh) | 2020-12-10 | 2020-12-10 | 一种基于单目视觉检测的塔吊起重臂形变检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112551400A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114120583A (zh) * | 2021-11-15 | 2022-03-01 | 机械科学研究总院青岛分院有限公司 | 一种基于机器视觉的行车安全预警装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018090366A (ja) * | 2016-12-01 | 2018-06-14 | 株式会社タダノ | 過巻検出装置 |
CN111792531A (zh) * | 2020-07-15 | 2020-10-20 | 浙江三一装备有限公司 | 臂架侧向挠度测试装置及侧向挠度测试方法 |
-
2020
- 2020-12-10 CN CN202011464592.4A patent/CN112551400A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018090366A (ja) * | 2016-12-01 | 2018-06-14 | 株式会社タダノ | 過巻検出装置 |
CN111792531A (zh) * | 2020-07-15 | 2020-10-20 | 浙江三一装备有限公司 | 臂架侧向挠度测试装置及侧向挠度测试方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114120583A (zh) * | 2021-11-15 | 2022-03-01 | 机械科学研究总院青岛分院有限公司 | 一种基于机器视觉的行车安全预警装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20240155080A1 (en) | Systems and methods for personnel location at a drilling site | |
CN105243664B (zh) | 一种基于视觉的轮式移动机器人快速目标跟踪方法 | |
CN109635758B (zh) | 智慧工地基于视频的高空作业人员安全带穿戴检测方法 | |
CN105611244B (zh) | 一种基于球机监控视频的机场外来异物检测方法 | |
CN104680519A (zh) | 基于轮廓和颜色的七巧板识别方法 | |
CN114241298A (zh) | 一种激光雷达和图像融合的塔吊环境目标检测方法及系统 | |
CN112184773A (zh) | 一种基于深度学习的安全帽佩戴检测方法及系统 | |
CN108675142A (zh) | 基于单目相机的多高度标定测量方法及起重机防斜拉和精确定位方法 | |
CN112101260B (zh) | 一种作业人员安全带识别方法、装置、设备和存储介质 | |
CN114812403B (zh) | 基于无人机及机器视觉的大跨度钢结构吊装变形监测方法 | |
CN102673979A (zh) | 输送带跑偏判断方法及判断装置 | |
CN114581857B (zh) | 基于图像分析的智能天车控制方法 | |
CN110499802A (zh) | 一种用于挖掘机的图像识别方法和设备 | |
CN112551400A (zh) | 一种基于单目视觉检测的塔吊起重臂形变检测系统 | |
CN115205977A (zh) | 一种地铁施工作业人员不安全行为识别方法与系统 | |
CN111931706A (zh) | 施工现场的人机碰撞预警方法及系统 | |
CN117132947B (zh) | 基于监控视频的危险区域人员识别方法 | |
CN116977727A (zh) | 一种基于图像处理的燃气燃烧火焰实时监测方法及系统 | |
CN111461079A (zh) | 一种基于双目图像的吊臂下人员检测方法 | |
CN104184991A (zh) | 一种监控系统 | |
CN115995097A (zh) | 一种基于深度学习的安全头盔佩戴标准判断方法 | |
CN113014894B (zh) | 一种基于人工智能的石油井下作业安全盯控方法 | |
CN215520976U (zh) | 一种电缆隧道人员滞留监测系统 | |
Kampel et al. | Improved motion segmentation based on shadow detection | |
CN118134970B (zh) | 基于图像识别的起重工和吊钩检测跟踪方法及系统 |
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: 20210326 |