CN112652012A - 挖掘机智能控制方法、装置、设备、存储介质和挖掘机 - Google Patents
挖掘机智能控制方法、装置、设备、存储介质和挖掘机 Download PDFInfo
- Publication number
- CN112652012A CN112652012A CN202011637810.XA CN202011637810A CN112652012A CN 112652012 A CN112652012 A CN 112652012A CN 202011637810 A CN202011637810 A CN 202011637810A CN 112652012 A CN112652012 A CN 112652012A
- Authority
- CN
- China
- Prior art keywords
- excavator
- image
- dimensional image
- stone
- meeting
- 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 49
- 239000004575 stone Substances 0.000 claims abstract description 87
- 230000011218 segmentation Effects 0.000 claims abstract description 34
- 230000015654 memory Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 11
- 239000011435 rock Substances 0.000 claims description 10
- 230000009471 action Effects 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000010391 action planning Effects 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 15
- 238000010276 construction Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 12
- 238000009412 basement excavation Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 239000002689 soil Substances 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02F—DREDGING; SOIL-SHIFTING
- E02F9/00—Component parts of dredgers or soil-shifting machines, not restricted to one of the kinds covered by groups E02F3/00 - E02F7/00
- E02F9/20—Drives; Control devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0014—Image feed-back for automatic industrial control, e.g. robot with camera
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/30108—Industrial image inspection
- G06T2207/30132—Masonry; Concrete
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Robotics (AREA)
- Mining & Mineral Resources (AREA)
- Civil Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Structural Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Operation Control Of Excavators (AREA)
Abstract
本申请公开了一种挖掘机智能控制方法、装置、设备、存储介质及挖掘机,涉及人工智能、挖掘机、计算机视觉等技术领域。该挖掘机智能控制方法包括:获取双目相机拍摄的作业区域图像,所述作业区域图像包括二维图像以及与所述二维图像对应的深度图;对所述二维图像进行图像语义识别,如果图像语义识别的结果为所述二维图像中存在石块,则对所述二维图像进行图像实例分割,以将所述二维图像中符合预定条件的石块进行标记;基于所述符合预定条件的石块的标记、所述二维图像对应的深度图数据以及所述双目相机的标定参数,计算所述符合预定条件的石块的空间位置;根据所述符合预定条件的石块的空间位置,确定所述挖掘机的作业方式。
Description
技术领域
本申请涉及人工智能、挖掘机、计算机视觉技术领域,具体涉及一种挖掘机智能控制方法、装置、设备、存储介质、计算机程序产品以及挖掘机。
背景技术
挖掘机在施工过程中主要承担挖掘土壤、岩石等作业,传统的挖掘机由操作人员驾驶并控制作业,还出现了可由操作人员远程控制作业的挖掘机。在确保施工过程安全的前提下,如何提高挖掘机的作业质量、降低作业耗时、降低部件损耗等,是操作人员关注的重要问题。
但是,由于施工现场的地形、地质等条件各异,而无论现场控制还是远程控制,全过程均依靠人工判断,在遇到特殊情况例如前方岩石尺寸较大时,如果人工判断失误继续强行挖掘,容易造成挖掘机部件损坏、液压杆崩断等情况,不仅耗时耗力,造成成本升高,还存在较大的安全隐患。
发明内容
本申请提供一种挖掘机智能控制方法、装置、设备、存储介质、计算机程序产品以及挖掘机,用于解决以上至少一个问题。
根据本申请的第一方面,提供了一种挖掘机智能控制方法,包括:
获取双目相机拍摄的作业区域图像,该作业区域图像包括二维图像以及与该二维图像对应的深度图;
对该二维图像进行图像语义识别,如果图像语义识别的结果为该二维图像中存在石块,则对该二维图像进行图像实例分割,以将该二维图像中符合预定条件的石块进行标记;
基于该符合预定条件的石块的标记、该二维图像对应的深度图数据以及该双目相机的标定参数,计算该符合预定条件的石块的空间位置;
根据该符合预定条件的石块的空间位置,确定该挖掘机的作业方式。
根据本申请的第二方面,提供了一种挖掘机智能控制装置,包括:
图像获取模块,用于获取双目相机拍摄的作业区域图像,该作业区域图像包括二维图像以及与该二维图像对应的深度图;
图像语义识别模块,用于对该二维图像进行图像语义识别,
图像实例分割模块,用于在图像语义识别的结果为该二维图像中存在石块的情况下,对该二维图像进行图像实例分割,以将该二维图像中符合预定条件的石块进行标记;
计算模块,用于基于该符合预定条件的石块的标记、该二维图像对应的深度图数据以及该双目相机的标定参数,计算该符合预定条件的石块的空间位置;
确定模块,用于根据该符合预定条件的石块的空间位置,确定该挖掘机的作业方式。
根据本申请的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与至少一个处理器通信连接的存储器;其中,
存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如上所述的方法。
根据本申请的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行如上所述的方法。
根据本申请的第五方面,提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现如上所述的方法。
根据本申请的第六方面,提供了一种挖掘机,该挖掘机包括:挖掘机本体、双目相机以及如上所述的挖掘机智能控制装置。
本申请实施例对作业区域图像的识别检测过程包括语义识别处理和实例分割处理,在语义识别处理中确定存在石块之后进行实例分割处理,基于这种由粗粒度到细粒度的渐进式识别过程,可形成一种高效、可靠的整体方案,指导挖掘机排除安全隐患,控制挖掘机顺畅的实施作业。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请实施例的挖掘机智能控制方法的流程框图;
图2是本申请实施例的施工作业环境的二维图像的效果示意图;
图3对图2实施例进行实例分割处理后标记出石块的效果示意图;
图4是本申请实施例的一种挖掘机的效果示意图;
图5是本申请实施例的挖掘机智能控制装置的结构框图;
图6是实现本申请实施例的挖掘机智能控制方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1示出了本申请实施例提供的一种挖掘机智能控制方法的流程框图,该方法包括:
S101,获取双目相机拍摄的作业区域图像,该作业区域图像包括二维图像以及与该二维图像对应的深度图;
S102,对该二维图像进行图像语义识别,如果图像语义识别的结果为该二维图像中存在石块,则对该二维图像进行图像实例分割,以将该二维图像中符合预定条件的石块进行标记;
S103,基于该符合预定条件的石块的标记、该二维图像对应的深度图数据以及该双目相机的标定参数,计算该符合预定条件的石块的空间位置;
S104,根据该符合预定条件的石块的空间位置,确定该挖掘机的作业方式。
利用本申请的实施例可以使传统挖掘机的作业方式智能化,可便捷地定位作业环境中的各类因素,为规划挖掘机行驶路径或作业方式提供依据,具体地,本申请实施例采用双目相机获取施工作业区域的图像,双目相机系统可以拍摄普通二维颜色图像,并可获得二维图像的深度图,结合相机的标定参数可对目标物定位,进一步,对于拍摄到的二维图像,首先进行图像语义识别以确定图像是否有石块,如果含有石块,再进行图像实例分割,可对图像中的石块进行标记,这时结合对应的深度图以及双目相机的标定参数可确定图像中各个石块的空间位置,还可以确定各个石块的尺寸,对于某些石块(例如尺寸过大的石块),如果挖掘机强行挖掘不仅容易损坏挖掘机部件,还存在一定的安全隐患,为此,需根据这类石块的位置来规划挖掘机的行进路线从而绕开石块,或者合理挖掘臂的动作,将石块移开,当然,也可以通知相关人员将石块搬离,排除安全隐患。
可以看到,本申请实施例对作业区域图像的识别检测过程包括语义识别处理和实例分割处理,在语义识别处理中确定存在石块之后,才进行实例分割处理,这样设计的原因在于,能够形成一种由粗粒度到细粒度的、渐进的识别检测过程,如果通过语义识别处理确定前方不存在石块,则不需要再进行实例分割,而是可以直接进行挖掘活动,只有在语义识别出前方出现石块时才进行下一步的实例分割和后续的定位计算等步骤,如此,能够形成一套高效、可靠的整体方案,控制挖掘机顺畅的实施作业,排除安全隐患。
在本申请的实施例中,可选地,该符合预定条件的石块包括尺寸大于或等于预定尺寸的石块。在实际的施工作业中,大尺寸石块对挖掘机的作业影响较大,可根据挖掘机本身的型号确定目标石块的尺寸阈值,在施工过程中将这类石块作为目标物,识别定位后可排除安全隐患。
在本申请的实施例中,可选地,该根据该符合预定条件的石块的空间位置,确定该挖掘机的作业方式,以通过如下方式实现:
(1)如果该符合预定条件的石块位于该挖掘机的前方,则规划该挖掘机的路径以避开该符合预定条件的石块;
(2)如果该符合预定条件的石块位于该挖掘机的前方,则规划该挖掘机的挖掘臂的动作以将该符合预定条件的石块移开。
如此,在定位到目标石块后,一方面可以辅助路径规划,使挖掘机绕开石块行进,或者,另一方面还可以指导控制挖掘臂的动作,从而将石块移出当前路面,之后可继续正常作业。
在本申请的实施例中,可选地,该双目相机安装在该挖掘机上,且该双目相机经过标定。例如,可将双目相机固定安装在驾驶室顶部,可获取前方图像,相机标定参数用于目标物的定位计算,可获得目标物的绝对位置,用于路径规划等。
在本申请的实施例中,可选地,利用基于Mask-RCNN神经网络训练生成的图像实例分割模型对该二维图像进行图像实例分割。
以上描述了本申请实施例的多种实施方式以及取得的优势。以下基于具体的例子详细描述本申请实施例的具体处理过程。
图2示意性地示出了某施工作业环境的二维图像。图3所示是图像实例分割处理后,对该施工作业环境中的石块进行了标记,具体是用包围框标记石块。
在应用本申请实施例之前,应首先对类似于图2的施工作业环境的图片进行语义级别的标注,例如对图像中的石块进行标注,此外还可以对水坑、土坑等进行标注,作为训练数据训练神经网络(例如deeplab深度神经网络),可得到语义分割模型,该语义分割模型能够识别检测出图像中的石块、水坑等目标物。
相似地,对类似于图2的施工作业环境的图片进行实例级别的标注,作为训练数据训练神经网络(例如Mask-RCNN深度神经网络),可得到实例分割模型。特别地,在实例标注时,应主要针对尺寸较大的石块进行标注,则生成的实例分割模型能够对图像中的大尺寸石块做出准确的识别和标记。
上述训练后的语义分割模型和实例分割模型与搭载在挖掘机上的双目相机和处理器等用于实现本申请实施例的挖掘机智能控制方法,以下进行具体描述。
参考图3,为拍摄所需图像,可在挖掘机顶部或其他合适位置安装双目相机,能够同时获取场景的二维RGB颜色图像和深度图像(即场景的三维点云)。此外,还可在挖掘机上安装激光雷达等设备,用于实现其他需要的功能,多维度辅助挖掘机顺畅开展施工作业。
然后,将双目相机采集到的图像输入语义分割模型,检测其中的石头、水坑等语义对象。如果没有特殊对象,可直接执行挖掘动作;如果场景中存在石头,则需将图像通过实例分割模型处理,把场景中的大尺寸石块分割出来。
分割之后,利用采集到的深度图和相机的标定参数,利用相机投影公式可计算出每个大尺寸石块的准确的空间位置与尺寸。
最后,根据大尺寸石块的位置,对挖掘机进行路径规划和/或动作规划,可避开石块或者把石块拨到旁边,确保挖掘任务的顺利进行。
进一步地,为了更好地执行挖掘作业,本申请实施例还可对地表以下的石头以及土质软硬进行感知,例如,可将压力传感器(例如液压传感器)、角度传感器等搭载在挖掘机挖掘臂,在挖掘前先对挖掘点进行试探,对土质软硬进行感知,判断力反馈程度,以对作业可行性进行判断,如果土质符合作业要求,则直接执行挖掘操作,如果土质较硬,可先进行松土操作再进行挖掘,或者放弃作业。
进一步地,本申请实施例的挖掘机还可搭载载波相位差分技术(Real-timekinematic,RTK)定位模块,RTK定位模块能够在野外环境中实时地获取高精度(厘米级)定位数据,可用于挖掘机进行路径规划,包括使挖掘机自动行驶至作业点、规划挖掘作业过程中的行进路线等。
基于本申请的以上至少一个实施例,可面向挖掘场景,实现对特定对象(如大石块、水坑等)的细粒度识别感知,在此基础上,根据作业环境的实际情况确定可挖掘点以及合适的行驶路径,实现对挖掘机的操作进行精准控制,确保挖掘机安全、高效作业。因此,本申请实施例可用于定位挖掘机在作业环境中的全局位置,进行规划和导航,能够有效支撑挖掘任务的顺利进行,保障挖掘机的硬件安全,提升挖掘速度,为智能挖掘机的研发与落地奠定基础。
以上通过多个实施例从不同角度描述了本申请实施例的具体设置和实现方式。与上述至少一个实施例的处理方法相对应地,本申请实施例还提供一种挖掘机智能控制装置100,参考图5,其包括:
图像获取模块110,用于获取双目相机拍摄的作业区域图像,该作业区域图像包括二维图像以及与该二维图像对应的深度图;
图像语义识别模块120,用于对该二维图像进行图像语义识别,
图像实例分割模块130,用于在图像语义识别的结果为该二维图像中存在石块的情况下,对该二维图像进行图像实例分割,以将该二维图像中符合预定条件的石块进行标记;
计算模块140,用于基于该符合预定条件的石块的标记、该二维图像对应的深度图数据以及该双目相机的标定参数,计算该符合预定条件的石块的空间位置;
确定模块150,用于根据该符合预定条件的石块的空间位置,确定该挖掘机的作业方式。
可选地,该符合预定条件的石块包括尺寸大于或等于预定尺寸的石块。
可选地,该确定模块包括:
路径规划子模块,用于在该符合预定条件的石块位于该挖掘机的前方的情况下,规划该挖掘机的路径以避开该符合预定条件的石块;和/或,动作规划子模块,用于在该符合预定条件的石块位于该挖掘机的前方的情况下,则规划该挖掘机的挖掘臂的动作以将该符合预定条件的石块移开。
可选地,该图像实例分割模块包括:利用基于Mask-RCNN神经网络训练生成的图像实例分割模型。
可选地,该双目相机安装在该挖掘机上,且该双目相机经过标定。
本申请实施例各装置中的各模块的功能可以参见上述方法实施例中的对应描述的处理,在此不再赘述。
根据本申请的实施例,本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了可以用来实施本申请实施例的示例电子设备1000的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示,该电子设备包括:一个或多个处理器1001、存储器1002,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示图形用户界面(Graphical User Interface,GUI)的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器1001为例。
存储器1002即为本申请所提供的非瞬时计算机可读存储介质。其中,存储器存储有可由至少一个处理器执行的指令,以使至少一个处理器执行本申请所提供的挖掘机智能控制方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的挖掘机智能控制方法。
存储器1002作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的挖掘机智能控制方法对应的程序指令/模块。处理器1001通过运行存储在存储器1002中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的挖掘机智能控制方法。
存储器1002可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据搜索结果的分析处理电子设备的使用所创建的数据等。此外,存储器1002可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器1002可选包括相对于处理器1001远程设置的存储器,这些远程存储器可以通过网络连接至搜索结果的分析处理电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本申请实施例的挖掘机智能控制方法对应的电子设备还可以包括:输入装置1003和输出装置1004。处理器1001、存储器1002、输入装置1003和输出装置1004可以通过总线或者其他方式连接,本申请图6实施例中以通过总线连接为例。
输入装置1003可接收输入的数字或字符信息,以及产生与搜索结果的分析处理电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置1004可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(Liquid Crystal Display,LCD)、发光二极管(Light EmittingDiode,LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用集成电路(Application Specific Integrated Circuits,ASIC)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(programmable logic device,PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(Cathode Ray Tube,阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(Local Area Network,LAN)、广域网(Wide Area Network,WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (14)
1.一种挖掘机智能控制方法,包括:
获取双目相机拍摄的作业区域图像,所述作业区域图像包括二维图像以及与所述二维图像对应的深度图;
对所述二维图像进行图像语义识别,如果图像语义识别的结果为所述二维图像中存在石块,则对所述二维图像进行图像实例分割,以将所述二维图像中符合预定条件的石块进行标记;
基于所述符合预定条件的石块的标记、所述二维图像对应的深度图数据以及所述双目相机的标定参数,计算所述符合预定条件的石块的空间位置;
根据所述符合预定条件的石块的空间位置,确定所述挖掘机的作业方式。
2.根据权利要求1所述的方法,其中,所述符合预定条件的石块包括尺寸大于或等于预定尺寸的石块。
3.根据权利要求1所述的方法,所述根据所述符合预定条件的石块的空间位置,确定所述挖掘机的作业方式,包括:
如果所述符合预定条件的石块位于所述挖掘机的前方,则规划所述挖掘机的路径以避开所述符合预定条件的石块;和/或,
如果所述符合预定条件的石块位于所述挖掘机的前方,则规划所述挖掘机的挖掘臂的动作以将所述符合预定条件的石块移开。
4.根据权利要求1所述的方法,其中,所述对所述二维图像进行图像实例分割,包括:
利用基于Mask-RCNN神经网络训练生成的图像实例分割模型对所述二维图像进行图像实例分割。
5.根据权利要求1-4中任一项所述的方法,其中,所述双目相机安装在所述挖掘机上,且所述双目相机经过标定。
6.一种挖掘机智能控制装置,包括:
图像获取模块,用于获取双目相机拍摄的作业区域图像,所述作业区域图像包括二维图像以及与所述二维图像对应的深度图;
图像语义识别模块,用于对所述二维图像进行图像语义识别,
图像实例分割模块,用于在图像语义识别的结果为所述二维图像中存在石块的情况下,对所述二维图像进行图像实例分割,以将所述二维图像中符合预定条件的石块进行标记;
计算模块,用于基于所述符合预定条件的石块的标记、所述二维图像对应的深度图数据以及所述双目相机的标定参数,计算所述符合预定条件的石块的空间位置;
确定模块,用于根据所述符合预定条件的石块的空间位置,确定所述挖掘机的作业方式。
7.根据权利要求6所述的装置,其中,所述符合预定条件的石块包括尺寸大于或等于预定尺寸的石块。
8.根据权利要求6所述的装置,所述确定模块包括:
路径规划子模块,用于在所述符合预定条件的石块位于所述挖掘机的前方的情况下,规划所述挖掘机的路径以避开所述符合预定条件的石块;
和/或,
动作规划子模块,用于在所述符合预定条件的石块位于所述挖掘机的前方的情况下,则规划所述挖掘机的挖掘臂的动作以将所述符合预定条件的石块移开。
9.根据权利要求6所述的装置,其中,所述图像实例分割模块包括:利用基于Mask-RCNN神经网络训练生成的图像实例分割模型。
10.根据权利要求6-9中任一项所述的装置,其中,所述双目相机安装在所述挖掘机上,且所述双目相机经过标定。
11.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使计算机执行如权利要求1-5中任一项所述的方法。
13.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现如权利要求1-5中任一项所述的方法。
14.一种挖掘机,所述挖掘机包括:挖掘机本体、双目相机以及如权利要求6-10中任一项所述的挖掘机智能控制装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011637810.XA CN112652012A (zh) | 2020-12-31 | 2020-12-31 | 挖掘机智能控制方法、装置、设备、存储介质和挖掘机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011637810.XA CN112652012A (zh) | 2020-12-31 | 2020-12-31 | 挖掘机智能控制方法、装置、设备、存储介质和挖掘机 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112652012A true CN112652012A (zh) | 2021-04-13 |
Family
ID=75366937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011637810.XA Pending CN112652012A (zh) | 2020-12-31 | 2020-12-31 | 挖掘机智能控制方法、装置、设备、存储介质和挖掘机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112652012A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120075343A1 (en) * | 2010-09-25 | 2012-03-29 | Teledyne Scientific & Imaging, Llc | Augmented reality (ar) system and method for tracking parts and visually cueing a user to identify and locate parts in a scene |
CN109778939A (zh) * | 2019-03-04 | 2019-05-21 | 江苏徐工工程机械研究院有限公司 | 一种可自主规划轨迹的挖掘机臂智能控制系统及方法 |
CN111145195A (zh) * | 2019-12-03 | 2020-05-12 | 上海海事大学 | 一种基于轻量级深度神经网络的视频中人像轮廓探测方法 |
US20200279397A1 (en) * | 2019-02-28 | 2020-09-03 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for determining position and orientation of bucket of excavator |
CN111679661A (zh) * | 2019-02-25 | 2020-09-18 | 北京奇虎科技有限公司 | 基于深度相机的语义地图构建方法及扫地机器人 |
CN111784799A (zh) * | 2020-06-30 | 2020-10-16 | 北京百度网讯科技有限公司 | 图像填充方法、装置、设备及存储介质 |
-
2020
- 2020-12-31 CN CN202011637810.XA patent/CN112652012A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120075343A1 (en) * | 2010-09-25 | 2012-03-29 | Teledyne Scientific & Imaging, Llc | Augmented reality (ar) system and method for tracking parts and visually cueing a user to identify and locate parts in a scene |
CN111679661A (zh) * | 2019-02-25 | 2020-09-18 | 北京奇虎科技有限公司 | 基于深度相机的语义地图构建方法及扫地机器人 |
US20200279397A1 (en) * | 2019-02-28 | 2020-09-03 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for determining position and orientation of bucket of excavator |
CN109778939A (zh) * | 2019-03-04 | 2019-05-21 | 江苏徐工工程机械研究院有限公司 | 一种可自主规划轨迹的挖掘机臂智能控制系统及方法 |
CN111145195A (zh) * | 2019-12-03 | 2020-05-12 | 上海海事大学 | 一种基于轻量级深度神经网络的视频中人像轮廓探测方法 |
CN111784799A (zh) * | 2020-06-30 | 2020-10-16 | 北京百度网讯科技有限公司 | 图像填充方法、装置、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
JINXIN ZHAO等: "AES: Autonomous Excavator System for Real-World and Hazardous Environments", 《ARXIV》, pages 1 - 31 * |
马东玲等: "《传感器与检测技术》", 31 March 2020, 苏州:苏州大学出版社, pages: 183 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10829911B2 (en) | Visual assistance and control system for a work machine | |
CN110738183B (zh) | 路侧相机障碍物检测方法及装置 | |
CN110741124B (zh) | 用于工程机械的信息系统 | |
CN112962709B (zh) | 工程机械设备及其作业轨迹规划方法和系统、存储介质 | |
CN109790702B (zh) | 工程机械 | |
JP2020509272A (ja) | 材料移動機械のための拡張現実ディスプレイ | |
Sitompul et al. | Using augmented reality to improve productivity and safety for heavy machinery operators: State of the art | |
CN109757114B (zh) | 作业机械的显示控制装置、作业机械、作业机械的显示控制方法 | |
Mahmood et al. | Implementation experiments on convolutional neural network training using synthetic images for 3D pose estimation of an excavator on real images | |
US10635258B2 (en) | User interface and earth-moving machine | |
Feng et al. | Vision-based articulated machine pose estimation for excavation monitoring and guidance | |
KR102364862B1 (ko) | 타겟 굴착점 선택 방법 및 장치 | |
CN112982541A (zh) | 工程机械设备及其安全控制方法和系统、存储介质 | |
US20230053154A1 (en) | Ground engaging tool wear and loss detection system and method | |
JP2019190193A (ja) | 作業機械 | |
CN110132255A (zh) | 控制方法、装置、显示终端、机械设备及人机交互系统 | |
CN110866504A (zh) | 标注数据的获取方法、装置和设备 | |
CN112652012A (zh) | 挖掘机智能控制方法、装置、设备、存储介质和挖掘机 | |
US11952746B1 (en) | Autonomous control of on-site movement of powered earth-moving construction or mining vehicles | |
US9681033B2 (en) | System for tracking cable tethered from machine | |
Liu et al. | Vision-based excavator pose estimation for automatic control | |
JP7248122B2 (ja) | 掘削軌道生成方法、システム、及び掘削軌道生成装置 | |
US11669956B2 (en) | Ground engaging tool wear and loss detection system and method | |
CN117897540A (zh) | 用于确定指示工具更换条件的作业机器的地面接合工具的磨损等级的系统和计算机实现的方法 | |
Whitehorn et al. | Stereo vision in LHD automation |
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 |