CN112883792A - 一种基于视觉深度分析的机器人主动安全防护方法及系统 - Google Patents

一种基于视觉深度分析的机器人主动安全防护方法及系统 Download PDF

Info

Publication number
CN112883792A
CN112883792A CN202110068272.5A CN202110068272A CN112883792A CN 112883792 A CN112883792 A CN 112883792A CN 202110068272 A CN202110068272 A CN 202110068272A CN 112883792 A CN112883792 A CN 112883792A
Authority
CN
China
Prior art keywords
robot
real
time
depth analysis
safety
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
Application number
CN202110068272.5A
Other languages
English (en)
Inventor
王晓飞
刘康康
王龙祥
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.)
Wuhan Harmo Robotics Co ltd
Original Assignee
Wuhan Harmo Robotics 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 Wuhan Harmo Robotics Co ltd filed Critical Wuhan Harmo Robotics Co ltd
Priority to CN202110068272.5A priority Critical patent/CN112883792A/zh
Publication of CN112883792A publication Critical patent/CN112883792A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • 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
    • G06T2207/10024—Color image
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Manipulator (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及机器人安全防护技术领域，尤其涉及一种基于视觉深度分析的机器人主动安全防护方法及系统，彩色深度相机实时拍摄，融合彩色及深度图像信息对识别出的物体进行定位；计算出机器人实时的空间位置信息；将识别出的物体空间位置与机器人运动实时空间位置进行实时判断及预测分析，甄别出安全隐患的同时；进行实时视频监控记录、发送安全隐患提醒及警告，等待人工处理；人工处理后，机器人从中断位置恢复加工作业。本发明通过将深度视觉融入机器人安全操作系统中，使得系统的视觉定位精度可达±1cm。主动分析判断是否有人员误触或其他物件侵入机器人作业空间中导致安全事故，解决各种潜在的安全隐患、提高安全性及空间利用率。

Description

一种基于视觉深度分析的机器人主动安全防护方法及系统
技术领域
本发明涉及机器人安全防护技术领域，尤其涉及一种基于视觉深度分析的机器人主动安全防护方法及系统。
背景技术
目前机器人已在各行各业中大量使用。机器人的使用安全性一直作为衡量机器人能否用于各个行业的加工生产的重要参考。机器人参与的加工生产中，操作人员必须十分小心，确保机器人使用过程中不会把工作人员置于危险之中。在流水线多工序协同作业中，由于工作人员误触或其他物件侵入机器人作业空间中引发安全事故，轻则导致单一工序停工修正；重则会产生链式反应，导致整个流水线作业停止。
在机器人作业过程中，为了确保操作人员的人身安全目前大多采用的是护栏划分区域的物理式隔离方法。此方式耗费物资、占用空间大，工作人员误入等还是会引发安全事故。在这样的形势下，基于视觉深度分析的机器人主动安全防护方法及系统的出现，很好地解决此类隐患、提高安全性及空间利用率。
发明内容
基于背景技术存在的技术问题，本发明提出了一种基于视觉深度分析的机器人主动安全防护方法及系统，通过将深度视觉融入机器人安全操作系统中，使得系统的视觉定位精度可达±1cm。能够自适应各种不同行业中加工生产的机器人使用场景。主动分析判断是否有人员误触或其他物件侵入机器人作业空间中导致安全事故，及解决各种潜在的安全隐患、提高安全性及空间利用率。
本发明提供如下技术方案：一种基于视觉深度分析的机器人主动安全防护方法，包括如下步骤：
S1、彩色深度相机实时拍摄，实时采集的图像进行语义分割后，融合彩色及深度图像信息对识别出的物体进行定位；
S2、经过运动学算法可获知机器人实时运动数据，计算出机器人实时的空间位置信息；
S3、将识别出的物体空间位置与机器人运动实时空间位置进行实时判断及预测分析，当计算出物体位置与机器人位置过近或即将发生刚体碰撞时，定义为安全隐患，发送软急停信号给机器人安全操作系统，停止机器人运动、机器人作业暂停；
S4、甄别出安全隐患的同时，进行实时视频监控记录、发送安全隐患提醒及警告，等待人工处理；
S5、人工处理进行视频监控记录的备份、进行异常检查及潜在隐患已清除的实际确认；隐患清除后，机器人从中断位置恢复加工作业。
优选的，所述步骤S1中彩色深度相机获取的彩色图像数据用于深度学习训练的识别及提高识别准确度。
优选的，所述步骤S1中彩色深度相机获取的深度图像数据可获取每个像素点对映的空间位置。
优选的，所述步骤S3中利用视觉深度分析系统将识别出的物体空间位置与机器人运动实时空间位置进行实时判断及预测分析，视觉深度分析系统中深度相机与机器人采用眼在手外安装方式，初次安装、硬件变动、发生碰撞的情况需与机械臂本体进行手眼标定。
优选的，所述步骤S3中视觉深度分析系统检测同一时刻下的，人员、物体空间位置与机器人实体位置的最近距离；
依据安全等级及人员、物体定位：安全等级低时，识别到人员、物件即将进入机器人工作空间中，发送软急停信号，机器人立即进行减速停止；
安全等级高时，识别到人员、物件即将进入机器人工作空间中，进行预测分析，当计算出人员、物体位置与机器人位置过近或即将发生刚体碰撞时，发送软急停信号，机器人立即进行减速停止。
优选的，所述步骤S4中甄别出安全隐患的同时，进行实时视频监控记录，保留这一时刻彩色视频流及深度信息视频流，并将视频流发送至深度学习的安全监督数据库中。
优选的，所述步骤S5中将隐患清除后的视频流发送至深度学习，分析是否还有潜在隐患；深度学习系统对隐患清除后的视频流进行分析、加强学习，提高潜在隐患识别准确度及识别潜在隐患的覆盖度；视觉深度分析系统确认无潜在隐患及人工实际确认的双重监管下，机器人从中断位置恢复正常的加工作业。
一种基于视觉深度分析的机器人主动安全防护系统，包括机器人安全操作系统和视觉深度分析系统；
所述机器人安全操作系统用于获取机器人实时作业加工轨迹，经过运动学算法可获知机器人实时运动数据，通过加工轨迹获取机器人的实时运动数据，并将计算出机器人实时的空间位置信息；将空间位置信息数据同步发送至视觉深度分析系统；
所述视觉深度分析系统通过彩色深度相机实时进行数据采集，识别出物体空间位置，并将识别出的物体空间位置与机器人运动实时空间位置进行实时判断及预测分析，当计算出物体位置与机器人位置过近或即将发生刚体碰撞时，定义为安全隐患；发送软急停信号给机器人安全操作系统，停止机器人运动、机器人作业暂停。
优选的，所述视觉深度分析系统甄别出安全隐患的同时，进行实时视频监控记录、发送安全隐患提醒及警告，等待人工处理，人工处理进行视频监控记录的备份、进行异常检查及潜在隐患已清除的实际确认；隐患清除后，机器人从中断位置恢复加工作业。
优选的，所述视觉深度分析系统中彩色深度相机采集的数据、甄别出的安全隐患、人工处理的记录备份、视频监控记录均导入深度学习的模型数据库中反复训练提高识别准确度。
本发明提供了一种基于视觉深度分析的机器人主动安全防护方法及系统，
1、该安全防护方法无需采用物理式护栏隔离方法。减少资源、空间浪费；具备主动性、客观性，更有效的避免、杜绝安全事故的发生。
2、视觉深度分析系统，采用彩色深度相机，结合深度学习，可快速全方位识别人眼难以察觉的潜在隐患，及比人工更快的决策反应速度。
3、该安全防护方法及系统，可兼容所有的机器人，升级方式简单。
4、该安全防护方法及系统，主动检验机器人急停的合理性，给于合理的最优减速停止位置(收到软急停信号，空间直线距离5cm内，机器人停止运动)。可有效的避免：机器人的硬急停导致的机器人内部硬件(电机、物理结构等)受损；外部高速运动下紧急停止，引发的工件甩出、挤压等危险情况。从而保证生产的安全性、保护人员人身安全及设备财产保护等。
5、视觉深度分析系统、机器人安全操作系统相结合形成完整的闭环回路，使生产加工更安全、科学高效。检测到异常时，需视觉深度分析系统与人工进行双重异常排除(是否有工人在机器人工作空间中、环境干扰、机器人硬件状态等因素)；异常排除后，整个系统可自动重新恢复加工作业。
附图说明
图1为本发明手眼标定方式示意图；
图2为本发明相机与机器人的位置示意图；
图3为本发明的系统原理图。
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。
本发明提供一种技术方案：一种基于视觉深度分析的机器人主动安全防护方法，包括如下步骤：
S1、彩色深度相机实时拍摄，实时采集的图像进行语义分割后，融合彩色及深度图像信息对识别出的物体进行定位；
如图1所示，视觉深度分析系统中深度相机与机器人采用眼在手外安装方式，初次安装、硬件变动、发生碰撞等情况需与机械臂本体进行手眼标定(eye-to-hand静止相机标定)；采用的彩色深度相机识别精度可达±1cm，且具备彩色及深度同步视频流记录方式；
视觉深度分析系统中彩色深度相机安装与机械臂X-Z轴正方向区域、相机视野方向指向机器人工作空间中心，相机与工作空间中心点距离为3米左右。相机安装后，与机械臂本体进行手眼标定，将深度相机的空间坐标系及位置转换至机械臂坐标系中，同时记录彩色及深度信息。
彩色深度相机获取的彩色图像数据用于深度学习训练的识别及提高识别准确度。彩色深度相机获取的深度图像数据可获取每个像素点对映的空间位置。
相机实时采集数据，彩色图像数据用于深度学习训练的识别及提高识别准确度；识别出人、移动的物体如：AGV等。对识别出的人物，依据穿着佩戴的安全装备(安全帽、安全防护衣等)进行安全等级划分；
深度图像数据可获取每个像素点对映的空间位置。实时采集的图像进行语义分割后，融合彩色及深度图像信息可对识别出的人员、物体进行定位；
识别出的人员、物体进行标记，导入深度学习的模型数据库中反复训练提高识别准确度。
S2、经过运动学算法可获知机器人实时运动数据，计算出机器人实时的空间位置信息；
机器人安全操作系统中机器人实时作业加工轨迹可直接通过控制系统直接获取。经过运动学算法可获知机器人实时运动数据，即可计算出机器人实时的空间位置信息；
将空间位置信息数据同步发送至视觉深度分析系统；
在一个空间坐标系下，通过视觉深度分析系统分析及计算机运动学、控制等分析，机器人实时的空间位置信息，预测突发情况下的最优减速停止位置(收到软急停信号，空间直线距离5cm内，机器人停止运动)，避免机器人硬急停导致硬件受损、作业位置无法复原等问题。
S3、将识别出的物体空间位置与机器人运动实时空间位置进行实时判断及预测分析，当计算出物体位置与机器人位置过近或即将发生刚体碰撞时，定义为安全隐患，发送软急停信号给机器人安全操作系统，停止机器人运动、机器人作业暂停；
利用视觉深度分析系统将识别出的物体空间位置与机器人运动实时空间位置进行实时判断及预测分析，视觉深度分析系统中深度相机与机器人采用眼在手外安装方式，初次安装、硬件变动、发生碰撞的情况需与机械臂本体进行手眼标定。
视觉深度分析系统将识别出的人员、物体空间位置与机器人运动实时空间位置进行实时判断及预测分析；
检测同一时刻下的，人员、物体空间位置与机器人实体位置的最近距离；
依据中安全等级及人员、物体定位：安全等级低时，识别到人员、物件即将进入机器人工作空间中，发送软急停信号，机器人立即进行减速停止；安全等级高时，识别到人员、物件即将进入机器人工作空间中，进行预测分析，当计算出人员、物体位置与机器人位置过近(15cm)或即将发生刚体碰撞时，发送软急停信号)；
机器人接收软急停信号时，开始记录软急停前后位置信息、状态信息等；以便于安全隐患清除后，迅速恢复正常作业。
S4、甄别出安全隐患的同时，进行实时视频监控记录、发送安全隐患提醒及警告，等待人工处理；
甄别出安全隐患的同时，进行实时视频监控记录，保留这一时刻彩色视频流及深度信息视频流；
将视频流发送至深度学习的安全监督数据库中，提高安全隐患识别准确度及危险预警及时度；
发送安全隐患提醒及警告，等待人工处理。
甄别出安全隐患的同时，进行实时视频监控记录，保留这一时刻彩色视频流及深度信息视频流，并将视频流发送至深度学习的安全监督数据库中。
S5、人工处理进行视频监控记录的备份、进行异常检查及潜在隐患已清除的实际确认；隐患清除后，机器人从中断位置恢复加工作业。
人工处理进行视频监控记录的备份、进行异常检查及潜在隐患已清除的实际确认；
将隐患清除后的视频流发送至深度学习，分析是否还有潜在隐患；
深度学习系统对隐患清除后的视频流进行分析、加强学习，提高潜在隐患识别准确度及识别潜在隐患的覆盖度；
视觉深度分析系统确认无潜在隐患及人工实际确认的双重监管下，机器人可从中断位置恢复正常的加工作业。
将隐患清除后的视频流发送至深度学习，分析是否还有潜在隐患；深度学习系统对隐患清除后的视频流进行分析、加强学习，提高潜在隐患识别准确度及识别潜在隐患的覆盖度；视觉深度分析系统确认无潜在隐患及人工实际确认的双重监管下，机器人从中断位置恢复正常的加工作业。
如图3所示，一种基于视觉深度分析的机器人主动安全防护系统，包括机器人安全操作系统和视觉深度分析系统；
机器人安全操作系统用于获取机器人实时作业加工轨迹，经过运动学算法可获知机器人实时运动数据，通过加工轨迹获取机器人的实时运动数据，并将计算出机器人实时的空间位置信息；将空间位置信息数据同步发送至视觉深度分析系统；
如图2所示，视觉深度分析系统通过彩色深度相机实时进行数据采集，识别出物体空间位置，并将识别出的物体空间位置与机器人运动实时空间位置进行实时判断及预测分析，当计算出物体位置与机器人位置过近或即将发生刚体碰撞时，定义为安全隐患；发送软急停信号给机器人安全操作系统，停止机器人运动、机器人作业暂停。
视觉深度分析系统甄别出安全隐患的同时，进行实时视频监控记录、发送安全隐患提醒及警告，等待人工处理，人工处理进行视频监控记录的备份、进行异常检查及潜在隐患已清除的实际确认；隐患清除后，机器人从中断位置恢复加工作业。
视觉深度分析系统中彩色深度相机采集的数据、甄别出的安全隐患、人工处理的记录备份、视频监控记录均导入深度学习的模型数据库中反复训练提高识别准确度。
本发明中，将深度视觉融入机器人安全操作系统中，该系统的视觉定位精度可达±1cm。能够自适应各种不同行业中加工生产的机器人使用场景。主动分析判断是否有人员误触或其他物件侵入机器人作业空间中导致安全事故，及解决各种潜在的安全隐患、提高安全性及空间利用率。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种基于视觉深度分析的机器人主动安全防护方法，其特征在于：包括如下步骤：
S1、彩色深度相机实时拍摄，实时采集的图像进行语义分割后，融合彩色及深度图像信息对识别出的物体进行定位；
S2、经过运动学算法可获知机器人实时运动数据，计算出机器人实时的空间位置信息；
S3、将识别出的物体空间位置与机器人运动实时空间位置进行实时判断及预测分析，当计算出物体位置与机器人位置过近或即将发生刚体碰撞时，定义为安全隐患，发送软急停信号给机器人安全操作系统，停止机器人运动、机器人作业暂停；
S4、甄别出安全隐患的同时，进行实时视频监控记录、发送安全隐患提醒及警告，等待人工处理；
S5、人工处理进行视频监控记录的备份、进行异常检查及潜在隐患已清除的实际确认；隐患清除后，机器人从中断位置恢复加工作业。
2.根据权利要求1所述的一种基于视觉深度分析的机器人主动安全防护方法，其特征在于：所述步骤S1中彩色深度相机获取的彩色图像数据用于深度学习训练的识别及提高识别准确度。
3.根据权利要求1所述的一种基于视觉深度分析的机器人主动安全防护方法，其特征在于：所述步骤S1中彩色深度相机获取的深度图像数据可获取每个像素点对映的空间位置。
4.根据权利要求1所述的一种基于视觉深度分析的机器人主动安全防护方法，其特征在于：所述步骤S3中利用视觉深度分析系统将识别出的物体空间位置与机器人运动实时空间位置进行实时判断及预测分析，视觉深度分析系统中深度相机与机器人采用眼在手外安装方式，初次安装、硬件变动、发生碰撞的情况需与机械臂本体进行手眼标定。
5.根据权利要求4所述的一种基于视觉深度分析的机器人主动安全防护方法，其特征在于：所述步骤S3中视觉深度分析系统检测同一时刻下的，人员、物体空间位置与机器人实体位置的最近距离；
依据安全等级及人员、物体定位：安全等级低时，识别到人员、物件即将进入机器人工作空间中，发送软急停信号，机器人立即进行减速停止；
安全等级高时，识别到人员、物件即将进入机器人工作空间中，进行预测分析，当计算出人员、物体位置与机器人位置过近或即将发生刚体碰撞时，发送软急停信号，机器人立即进行减速停止。
6.根据权利要求1所述的一种基于视觉深度分析的机器人主动安全防护方法，其特征在于：所述步骤S4中甄别出安全隐患的同时，进行实时视频监控记录，保留这一时刻彩色视频流及深度信息视频流，并将视频流发送至深度学习的安全监督数据库中。
7.根据权利要求4所述的一种基于视觉深度分析的机器人主动安全防护方法，其特征在于：所述步骤S5中将隐患清除后的视频流发送至深度学习，分析是否还有潜在隐患；深度学习系统对隐患清除后的视频流进行分析、加强学习，提高潜在隐患识别准确度及识别潜在隐患的覆盖度；视觉深度分析系统确认无潜在隐患及人工实际确认的双重监管下，机器人从中断位置恢复正常的加工作业。
8.一种基于视觉深度分析的机器人主动安全防护系统，其特征在于：包括机器人安全操作系统和视觉深度分析系统；
所述机器人安全操作系统用于获取机器人实时作业加工轨迹，经过运动学算法可获知机器人实时运动数据，通过加工轨迹获取机器人的实时运动数据，并将计算出机器人实时的空间位置信息；将空间位置信息数据同步发送至视觉深度分析系统；
所述视觉深度分析系统通过彩色深度相机实时进行数据采集，识别出物体空间位置，并将识别出的物体空间位置与机器人运动实时空间位置进行实时判断及预测分析，当计算出物体位置与机器人位置过近或即将发生刚体碰撞时，定义为安全隐患；发送软急停信号给机器人安全操作系统，停止机器人运动、机器人作业暂停。
9.根据权利要求8所述的一种基于视觉深度分析的机器人主动安全防护系统，其特征在于：所述视觉深度分析系统甄别出安全隐患的同时，进行实时视频监控记录、发送安全隐患提醒及警告，等待人工处理，人工处理进行视频监控记录的备份、进行异常检查及潜在隐患已清除的实际确认；隐患清除后，机器人从中断位置恢复加工作业。
10.根据权利要求8所述的一种基于视觉深度分析的机器人主动安全防护系统，其特征在于：所述视觉深度分析系统中彩色深度相机采集的数据、甄别出的安全隐患、人工处理的记录备份、视频监控记录均导入深度学习的模型数据库中反复训练提高识别准确度。
CN202110068272.5A 2021-01-19 2021-01-19 一种基于视觉深度分析的机器人主动安全防护方法及系统 Pending CN112883792A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110068272.5A CN112883792A (zh) 2021-01-19 2021-01-19 一种基于视觉深度分析的机器人主动安全防护方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110068272.5A CN112883792A (zh) 2021-01-19 2021-01-19 一种基于视觉深度分析的机器人主动安全防护方法及系统

Publications (1)

Publication Number Publication Date
CN112883792A true CN112883792A (zh) 2021-06-01

Family

ID=76049627

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110068272.5A Pending CN112883792A (zh) 2021-01-19 2021-01-19 一种基于视觉深度分析的机器人主动安全防护方法及系统

Country Status (1)

Country Link
CN (1) CN112883792A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114924513A (zh) * 2022-06-07 2022-08-19 中迪机器人(盐城)有限公司 一种多机器人协同控制系统及方法
EP4197710A1 (en) * 2021-12-17 2023-06-21 Intel Corporation Situation-aware safety assessment of robot-human activities
CN117697760A (zh) * 2024-01-03 2024-03-15 佛山科学技术学院 一种机器人安全运动控制方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106625724A (zh) * 2016-11-29 2017-05-10 福州大学 一种面向云控制平台的工业机器人本体安全控制方法
CN107092252A (zh) * 2017-04-11 2017-08-25 杭州光珀智能科技有限公司 一种基于机器视觉的机器人主动避障方法及其装置
CN108262745A (zh) * 2017-12-19 2018-07-10 国家电网有限公司 机器人安全监测方法、装置及系统
CN108733044A (zh) * 2017-09-29 2018-11-02 北京猎户星空科技有限公司 避障方法、装置、机器人和计算机可读存储介质
CN109015644A (zh) * 2018-08-17 2018-12-18 徐润秋 一种机器人安全工作控制方法
CN109500811A (zh) * 2018-11-13 2019-03-22 华南理工大学 一种面向人机共融的机器人主动避让人类的方法
KR20190095188A (ko) * 2019-07-25 2019-08-14 엘지전자 주식회사 로봇 및 그 제어방법
CN110253570A (zh) * 2019-05-27 2019-09-20 浙江工业大学 基于视觉的工业机械臂人机安全系统
CN110561432A (zh) * 2019-08-30 2019-12-13 广东省智能制造研究所 一种基于人机共融的安全协作方法及装置
CN111230854A (zh) * 2018-11-28 2020-06-05 沈阳东联智慧科技有限公司 一种智能协作机器人安全控制软件系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106625724A (zh) * 2016-11-29 2017-05-10 福州大学 一种面向云控制平台的工业机器人本体安全控制方法
CN107092252A (zh) * 2017-04-11 2017-08-25 杭州光珀智能科技有限公司 一种基于机器视觉的机器人主动避障方法及其装置
CN108733044A (zh) * 2017-09-29 2018-11-02 北京猎户星空科技有限公司 避障方法、装置、机器人和计算机可读存储介质
CN108262745A (zh) * 2017-12-19 2018-07-10 国家电网有限公司 机器人安全监测方法、装置及系统
CN109015644A (zh) * 2018-08-17 2018-12-18 徐润秋 一种机器人安全工作控制方法
CN109500811A (zh) * 2018-11-13 2019-03-22 华南理工大学 一种面向人机共融的机器人主动避让人类的方法
CN111230854A (zh) * 2018-11-28 2020-06-05 沈阳东联智慧科技有限公司 一种智能协作机器人安全控制软件系统
CN110253570A (zh) * 2019-05-27 2019-09-20 浙江工业大学 基于视觉的工业机械臂人机安全系统
KR20190095188A (ko) * 2019-07-25 2019-08-14 엘지전자 주식회사 로봇 및 그 제어방법
CN110561432A (zh) * 2019-08-30 2019-12-13 广东省智能制造研究所 一种基于人机共融的安全协作方法及装置

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
BERNARD SCHMIDT 等: "Depth camera based collision avoidance via active robot control", 《JOURNAL OF MANUFACTURING SYSTEMS》, 21 May 2014 (2014-05-21), pages 711 - 718 *
KAI-TAI SONG 等: "3D Vision for Object Grasp and ObstacleAvoidance of a Collaborative Robot", 《PROCEEDINGS OF THE 2019 IEEE/ASME INTERNATIONAL CONFERENCE ON ADVANCED INTELLIGENT MECHATRONICS》, 12 July 2019 (2019-07-12), pages 254 - 258, XP033629994, DOI: 10.1109/AIM.2019.8868694 *
穆欣伟 等: "人机协作视觉手部保护系统设计", 《工业控制计算机》, vol. 33, no. 2, 25 February 2020 (2020-02-25), pages 83 - 86 *
郝奇 等: "基于ROS的机械臂结合 RGBD相机避障运动规划", 《制造业自动化》, vol. 41, no. 4, 25 April 2019 (2019-04-25), pages 56 - 60 *
陈锦龙 等: "一种用于机器人避障的深度相机姿态自标定方法", 《光学与光电技术》, vol. 17, no. 5, 10 October 2019 (2019-10-10), pages 30 - 35 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4197710A1 (en) * 2021-12-17 2023-06-21 Intel Corporation Situation-aware safety assessment of robot-human activities
CN114924513A (zh) * 2022-06-07 2022-08-19 中迪机器人(盐城)有限公司 一种多机器人协同控制系统及方法
CN117697760A (zh) * 2024-01-03 2024-03-15 佛山科学技术学院 一种机器人安全运动控制方法及系统
CN117697760B (zh) * 2024-01-03 2024-05-28 佛山科学技术学院 一种机器人安全运动控制方法及系统

Similar Documents

Publication Publication Date Title
CN112883792A (zh) 一种基于视觉深度分析的机器人主动安全防护方法及系统
Son et al. Integrated worker detection and tracking for the safe operation of construction machinery
CN108647582A (zh) 一种复杂动态环境下目标行为识别与预测方法
CN110889339B (zh) 基于头肩检测的危险区域分级预警方法与系统
KR20200079489A (ko) 모니터링 장치, 산업 설비, 모니터링 방법, 및 컴퓨터 프로그램
CN104723350A (zh) 工业机器人安全防护智能控制方法及系统
CN109318232A (zh) 一种工业机器人的多元感知系统
CN112016409A (zh) 一种基于深度学习的工步规范视觉识别判定方法及系统
CN114885133B (zh) 基于深度图像的设备安全实时监控方法、系统及相关设备
CN109867186B (zh) 一种基于智能视频分析技术的电梯困人检测方法及系统
CN115097790A (zh) 一种基于数字孪生技术的车间人员模型重建及安全防护系统
CN115797856A (zh) 一种基于机器视觉的施工场景智慧安全监控方法
CN110597165B (zh) 一种堆钢监测系统及堆钢监测方法
CN117252353A (zh) 一种盾构施工管理平台及管理方法
Shetye et al. Computer Vision for Industrial Safety and Productivity
CN112576310B (zh) 基于机器人的隧道安防检测方法及系统
CN111931748B (zh) 一种适用于蓄电池生产车间的工人疲劳度检测方法
CN112541656A (zh) 一种具有风险隐患预测能力的智能安防集成平台
CN117893998A (zh) 基于机器视觉的人机位姿智能防碰方法
Kang et al. Safety monitoring for human robot collaborative workspaces
CN116682034A (zh) 一种复杂生产作业场景下危险行为检测方法
CN115546687A (zh) 一种基于连续帧的安全帽检测方法及系统
CN115909191A (zh) 一种加气站操作人员气体泄露检测行为的分析方法
CN115641302A (zh) 一种基于机器视觉的数控机床运行故障检测系统及其方法
CN110497331A (zh) 辅助隐患识别巡检机器人

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