CN112883830A - 一种钻杆实时自动计数方法 - Google Patents
一种钻杆实时自动计数方法 Download PDFInfo
- Publication number
- CN112883830A CN112883830A CN202110122708.4A CN202110122708A CN112883830A CN 112883830 A CN112883830 A CN 112883830A CN 202110122708 A CN202110122708 A CN 202110122708A CN 112883830 A CN112883830 A CN 112883830A
- Authority
- CN
- China
- Prior art keywords
- drill rod
- drill
- point
- straight line
- real
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Social Psychology (AREA)
- Psychiatry (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Earth Drilling (AREA)
Abstract
本发明涉及煤矿钻井安全领域,尤其涉及一种钻杆实时自动计数方法,包括如下步骤:基于钻杆工作时的深度图像,分析钻杆的运动方式;若钻杆由非线性运动进入线性运动,且深度图像中获取的钻杆长度小于钻杆自身长度的设定比例,则进行一次计数。本申请的技术方案有效解决了现有技术中不能实时精准计数的问题。
Description
技术领域
本发明涉及煤矿钻井安全领域,尤其涉及一种钻杆实时自动计数方法。
背景技术
当前瓦斯都是采用钻孔抽取的办法获取。抽取瓦斯不仅降低矿内瓦斯含量,还提高了瓦斯使用效率,降低了对环境的污染。
采用钻孔抽取瓦斯时需要考虑到打钻深度,打钻深度与钻杆数目成直接关系,若打钻深度高出实际深度,将导致瓦斯无法抽取;若打钻深度低于实际深度,极易出现瓦斯泄漏甚至造成瓦斯爆炸。因此钻杆的精确度确度对于煤矿安全生产起到了至关重要的作用。
现有技术如采用标记物计数,也有采用钻杆压力计数。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
无论是标记物计数还是压力计数,均需要改进钻杆,且在应用中需要特殊装置配合,加大了作业难度。目前缺乏有效的技术手段对钻杆进行实时有效的计数。
发明内容
本申请实施例通过提供一种钻杆实时自动计数方法,解决了现有技术中不能实时精准计数的问题。
本申请实施例提供了一种钻杆实时自动计数方法,包括如下步骤:
基于钻杆工作时的深度图像,分析钻杆的运动方式;
若钻杆由非线性运动进入线性运动,且深度图像中获取的钻杆长度小于钻杆自身长度的设定比例,则进行一次计数。
作为本申请改进的技术方案,还包括:将深度图像转化为三维点云,并滤除背景点云,进行钻杆运动方式的分析。
作为本申请改进的技术方案,所述分析钻杆的运动方式包括:
若钻杆工作人员手部骨骼点存在于所述深度图像中,则分析设定帧数内的手部骨骼点相对于钻杆所在直线的离散程度;
若该离散程度小于设定阈值,则判定钻杆进行线性运动,反之则为非线性运动。
作为本申请改进的技术方案,所述分析设定帧数内的手部骨骼点相对于钻杆所在直线的离散程度,包括:
获取矿工手部骨骼点坐标P;
在以点P为中心、以钻杆长度最大值D为搜索半径的空间范围内搜索钻杆;分析深度图像,拟合钻杆点云直线L,计算深度图像中钻杆长度W与获得钻杆中心点坐标Pc;
计算手部骨骼点P到钻杆直线L的垂足PL,记录设定帧数N内每帧结果到向量VPL,其中,VPL=[PL1,PL2,PL3,…,PLN],PLN为第N帧手部骨骼点P到钻杆直线L的垂足,N为大于1的正整数;
拟合向量VPL为直线L(VP1);
计算向量VPL中各点到直线的离散程度d(PLi,L(VPl)),式中i∈[1,N];
平均离散程度Var,Var大于设定阈值T判定钻杆在进行非线性运动,Var小于等于设定阈值T判定钻杆在进行线性运动。
作为本申请改进的技术方案,所述分析钻杆的运动方式包括:
若钻杆工作人员手部骨骼点不存在于所述深度图像中,或者钻杆工作人员手部骨骼点与钻杆所在直线重合,则分析设定帧数内的钻杆中心点相对于钻杆所在直线的离散程度,若该离散程度大于设定阈值,则判定钻杆进行线性运动,反之则为非线性运动。
作为本申请改进的技术方案,以上一帧的钻杆中心点坐标Pc为中心、钻杆长度W为搜索半径进行聚类并分割出钻杆;
记录所有帧钻杆中心点坐标集VPc,VPc=[Pc1,Pc2,Pc3,…,PcN];其中,Pc1为第一帧的钻杆中心,PcN是第N帧的钻杆中心;
对Vpc进行卡尔曼滤波并拟合直线,计算1点至N点的平均离散程度Var,若Var大于设定阈值T,则判定钻杆在进行非线性运动;若Var小于等于设定阈值T,则判定钻杆在进行线性运动;
钻杆持续被判定为线性运动,且当前检测的钻杆长度小于初始钻杆长度1/4时则判定为有效的一杆。
作为本申请改进的技术方案,所述分析钻杆的运动方式包括:
分析设定帧数内:
钻杆尾部坐标是否持续性一个方向变化,若是,则判定该方向为打钻方向;
钻杆上均匀选取不小于3个点的位置,分别不小于3个点的位置的每帧坐标分别保存至向量,并形成不小于3个点的位置的向量组;
对各向量组分别滤波,计算各点位置向量组的离散程度;
加权平均各点位置向量组的离散程度,进行钻杆是否进行线性运动的判断。
作为本申请改进的技术方案,加权平均各点位置向量组的离散程度时,靠近钻杆头部的点位置的离散程度设定较高权重,靠近钻杆尾部的点位置的离散程度设定较低权重。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
(1)采用深度图像、点云处理技术,实时地在打钻过程中对矿工进行行为分析,结合矿工手部骨骼点识别、聚类分割钻杆点云、钻杆运动跟踪、轨迹分析,实现钻杆实时自动计数,避免了人为因素造成的打钻计数错误。
(2)基于深度图的钻杆计数方法,不受井下复杂的环境、光照影响,识别过程和打钻操作流程一致,逻辑分明,无需人工干预和预先训练,本发明具有实时、高效、高识别精度等优点。
附图说明
图1绘示实施例2情景一钻杆运动方式分析图;
图2绘示实施例2情景二钻杆运动方式分析图。
图3绘示实施例2情景一钻杆中心点集非线性运动图。
图4绘示实施例2情景一钻杆中心点集非线性运动离散程度图。
图5绘示实施例2情景二钻杆中心点集线性运动图。
图6绘示实施例2情景二钻杆中心点集线性运动离散程度图。
图7绘示实施例3钻杆上选取三个位置的点集线性运动图。
图8绘示实施例3钻杆上1/4处点集线性运动离散程度图。
图9绘示实施例3钻杆上1/2处点集线性运动离散程度图。
图10绘示实施例3钻杆上3/4处点集线性运动离散程度图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例的附图,对本发明实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员在无需创造性劳动的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。除非另作定义,此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。
本申请实施例提供一种钻杆实时自动计数方法,解决现有技术中人工计数复杂且无法智能化对矿井钻杆进行有效计数的问题。
本申请实施例中的技术方案为解决钻杆技术问题,总体思路如下:
对矿井监控视频采用图像分析手段,分析钻杆运动方式为线性运动或是非线性运动;若为线性运动,判断持续性后,计数为一有效杆。否则则是无效杆。通过对钻杆离散程度分析,能进行钻杆准确计数,并解放人力,同时也不会增加矿井布设设备成本。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例一
一种钻杆实时自动计数方法,包括如下步骤:
基于钻杆工作时的深度图像,所述钻杆工作时的深度图像来源于历史监控或者实时监控。
分析钻杆的运动方式,分析的方式可采用现有技术的任何能实现该目的的技术手段,如钻杆点云和设定状态钻杆点云进行匹配、钻杆在时序上以固定姿态运动判断等。
若钻杆由非线性运动进入线性运动,且深度图像中获取的钻杆长度小于钻杆自身长度的设定比例(本实施例选用钻杆长度1/4),则进行一次计数。
钻杆由非线性运动进入线性运动,可采用现有技术中分析钻杆固定点的位置变化实现,若在持续一段时间内(设定时间,若30s内)呈现类直线结构,则可判定为线性运动;若持续一段时间内呈无序离散运动,则可判定为非线性运动。具体可通过标记钻杆上固定点,观察该固定点得时间来设定。
上述本申请实施例中的技术方案,至少具有如下的技术效果或优点:
本实施例通过对钻杆运动的连续过程进行监控,判断连续帧钻杆固定比例点的状态变化,不受不同工作场景下钻杆角度、钻杆长度变化影响;将钻杆运动状态拆分为线性运动、非线性运动,并通过钻杆线性运动过程中,钻杆长度变化至设定比例作为一次计数结束的依据,提高了计数的鲁棒性。
实施例二
一种钻杆实时自动计数方法,包括如下步骤:
采集打钻工作时场景的深度图像,基于钻杆工作时的深度图像,将深度图像转化为三维点云,并滤除背景点云,分析钻杆运动方式。滤除背景能够消除背景对钻杆运动方式的干扰。
若钻杆由非线性运动进入线性运动,且深度图像中获取的钻杆长度小于钻杆自身长度的设定比例,则进行一次计数。
实施例2情景一:
如图1所示,若钻杆工作人员手部骨骼点存在于所述深度图像中(即钻杆初始工作阶段),则分析设定帧数内的手部骨骼点相对于钻杆所在空间直线的离散程度;
若该离散程度小于设定阈值,则判定钻杆进行线性运动,反之则为非线性运动。
具体为:
所述分析设定帧数内的手部骨骼点相对于钻杆所在直线的离散程度,包括:
获取矿工手部骨骼点坐标P;
在以点P为中心、以钻杆长度最大值D为搜索半径的空间范围内搜索钻杆;分析深度图像,拟合钻杆点云直线L,计算深度图像中钻杆长度W与获得钻杆中心点坐标Pc;
计算手部骨骼点P到钻杆直线L的垂足PL,记录设定帧数N内每帧结果到向量VPL,其中,VPL=[PL1,PL2,PL3,…,PLN],PLN为第N帧手部骨骼点P到钻杆直线L的垂足,N为大于1的正整数;一般取3秒内的近75帧进行离散度判断,故按3秒内计算每一帧手部骨骼点到钻杆所在直线的垂足坐标,保存垂足坐标为轨迹向量;
拟合向量VPL为直线L(VPl);
经过卡尔曼滤波后,计算向量VPL中各点到直线的离散程度d(PLi,L(VPl)),式中i∈[1,N];平均离散程度Var,
Var大于设定阈值T判定钻杆在进行非线性运动,Var小于等于设定阈值T判定钻杆在进行线性运动。
本实施例情景一检测的非线性运动如图3所示。
本实施例情景一非线性运动离散程度如图4所示。
在钻杆被拿起安装时,向量VPL中各点和直线L的离散程度较大,设定阈值T=10,Var>10时判定钻杆在进行非线性运动。
实施例二情景二
如图2所示,若钻杆工作人员手部骨骼点不存在于所述深度图像中,或者钻杆工作人员手部骨骼点与钻杆所在直线重合,则分析设定帧数内的钻杆中心点相对于钻杆所在直线的离散程度,若该离散程度大于设定阈值,则判定钻杆进行线性运动,反之则为非线性运动。
也可理解为:检测到钻杆在进行非线性运动后,以上一帧钻杆中心点为搜索中心,钻杆长度为半径进行聚类并分割钻杆,记录每一帧钻杆中心点坐标和钻杆长度,中心点坐标向量进行卡尔曼滤波后,计算中心点向量的平均离散程度,平均离散程度和阈值进行比较,大于阈值在进行非线性运动,小于等于阈值则在进行线性运动,检测到连续的线性运动,并且钻杆长度小于初始长度的1/4时,判定为有效的一杆。
具体为:
以上一帧的钻杆中心点坐标Pc为中心、钻杆长度W为搜索半径进行聚类并分割出钻杆;
记录所有帧钻杆中心点坐标集VPc,VPc=[Pc1,Pc2,Pc3,…,PcN];其中,Pc1为第一帧的钻杆中心,PcN是第N帧的钻杆中心;
对Vpc进行卡尔曼滤波并拟合直线,计算1点至N点的平均离散程度Var,若Var大于设定阈值T,则判定钻杆在进行非线性运动;若Var小于等于设定阈值T,则判定钻杆在进行线性运动;
钻杆持续被判定为线性运动,且当前检测的钻杆长度小于初始钻杆长度1/4时则判定为有效的一杆。
本实施例情景二检测的线性运动如图5所示。
本实施例情景二非线性运动离散程度如图6所示。
钻杆在工作时,向量VPc中各点和直线L的离散程度较小,设定阈值T=10,Var≤10时判定钻杆在进行线性运动。
上述本申请实施例中的技术方案,至少具有如下的技术效果或优点:通过滤波减少点云数量,保留了更重要的信息,减少了计算量;手部骨骼点和钻杆的相对位置变化较多,将该变化分为两种情景,保证了始终能够获取到有效的钻杆信息;持续的钻杆线性运动判断和长度判断均为钻杆自身相对状态判断,可以适应不同钻杆角度、不同钻杆长度的工作场景。
实施例三
一种钻杆实时自动计数方法,包括如下步骤:
可使用RGBD相机采集打钻工作时场景的深度图像,基于钻杆工作时的深度图像,将深度图像转化为三维点云,并滤除背景点云,分析钻杆运动方式。
若钻杆由非线性运动进入线性运动,且深度图像中获取的钻杆长度小于钻杆自身长度的设定比例,则进行一次计数。
分析钻杆运动方式采用的方式包括:钻杆尾部坐标是否持续性一个方向变化,若是,则判定该方向为打钻方向;
钻杆上均匀选取不小于3个点的位置,分别不小于3个点的位置的每帧坐标分别保存至向量,并形成不小于3个点的位置的向量组;
对各向量组分别滤波,计算各点位置向量组的离散程度;
加权平均各点位置向量组的离散程度,进行钻杆是否进行线性运动的判断。
本实施例三个位置点分别取靠近头部1/4处、1/2处、3/4处,权重取1/2、1/3、1/6;三个位置点的线性运动如图7所示。
本实施例三个位置点的离散程度如图8-10所示,1/4处离散程度最小,3/4处离散程度最大,通过加权平均计算离散程度。
此方式特别适用于:若钻杆工作人员手部骨骼点不存在于所述深度图像中,或者钻杆工作人员手部骨骼点与钻杆所在直线重合的情形。
作为本申请改进的技术方案,加权平均各点位置向量组的离散程度时,靠近钻杆头部的点位置的离散程度设定较高权重,靠近钻杆尾部的点位置的离散程度设定较低权重。
上述本申请实施例中的技术方案,至少具有如下的技术效果或优点:
将钻杆上选取位置的每帧坐标分别进行计算,可以更好地描述整根钻杆运动状态,钻杆不同位置的运动状态有差异,通过设定不同权重后,能够有效地减小运动状态差异。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种钻杆实时自动计数方法,其特征在于,包括如下步骤:
基于钻杆工作时的深度图像,分析钻杆的运动方式;
若钻杆由非线性运动进入线性运动,且深度图像中获取的钻杆长度小于钻杆自身长度的设定比例,则进行一次计数。
2.根据权利要求1所述的一种钻杆实时自动计数方法,其特征在于,还包括:将深度图像转化为三维点云,并滤除背景点云,进行钻杆运动方式的分析。
3.根据权利要求1所述的一种钻杆实时自动计数方法,其特征在于,所述分析钻杆的运动方式包括:
若钻杆工作人员手部骨骼点存在于所述深度图像中,则分析设定帧数内的手部骨骼点相对于钻杆所在直线的离散程度;
若该离散程度小于设定阈值,则判定钻杆进行线性运动,反之则为非线性运动。
4.根据权利要求3所述的一种钻杆实时自动计数方法,其特征在于,所述分析设定帧数内的手部骨骼点相对于钻杆所在直线的离散程度,包括:
获取矿工手部骨骼点坐标P;
在以点P为中心、以钻杆长度最大值D为搜索半径的空间范围内搜索钻杆;
分析深度图像,拟合钻杆点云直线L,计算深度图像中钻杆长度W与获得钻杆中心点坐标Pc;
计算手部骨骼点P到钻杆直线L的垂足PL,记录设定帧数N内每帧结果到向量VPL,其中,VPL=[PL1,PL2,PL3,…,PLN],PLN为第N帧手部骨骼点P到钻杆直线L的垂足,N为大于1的正整数;
拟合向量VPL为直线L(VPl);
计算向量VPL中各点到直线的离散程度d(PLi,L(VPl)),式中i∈[1,N];
平均离散程度Var,Var大于设定阈值T判定钻杆在进行非线性运动,Var小于等于设定阈值T判定钻杆在进行线性运动。
5.根据权利要求1所述的一种钻杆实时自动计数方法,其特征在于,
所述分析钻杆的运动方式包括:
若钻杆工作人员手部骨骼点不存在于所述深度图像中,或者钻杆工作人员手部骨骼点与钻杆所在直线重合,则分析设定帧数内的钻杆中心点相对于钻杆所在直线的离散程度,若该离散程度大于设定阈值,则判定钻杆进行线性运动,反之则为非线性运动。
6.根据权利要求5所述的一种钻杆实时自动计数方法,其特征在于,
以上一帧的钻杆中心点坐标Pc为中心、钻杆长度W为搜索半径进行聚类并分割出钻杆;
记录所有帧钻杆中心点坐标集VPc,VPc=[Pc1,Pc2,Pc3,…,PcN];其中,Pc1为第一帧的钻杆中心,PcN是第N帧的钻杆中心;
对Vpc进行卡尔曼滤波并拟合直线,计算1点至N点的平均离散程度Var,若Var大于设定阈值T,则判定钻杆在进行非线性运动;若Var小于等于设定阈值T,则判定钻杆在进行线性运动;
钻杆持续被判定为线性运动,且当前检测的钻杆长度小于初始钻杆长度1/4时则判定为有效的一杆。
7.根据权利要求1所述的一种钻杆实时自动计数方法,其特征在于,
所述分析钻杆的运动方式包括:分析设定帧数内:
钻杆尾部坐标是否持续性一个方向变化,若是,则判定该方向为打钻方向;
钻杆上均匀选取不小于3个点的位置,分别不小于3个点的位置的每帧坐标分别保存至向量,并形成不小于3个点的位置的向量组;
对各向量组分别滤波,计算各点位置向量组的离散程度;
加权平均各点位置向量组的离散程度,进行钻杆是否进行线性运动的判断。
8.根据权利要求7所述的一种钻杆实时自动计数方法,其特征在于,
加权平均各点位置向量组的离散程度时,靠近钻杆头部的点位置的离散程度设定较高权重,靠近钻杆尾部的点位置的离散程度设定较低权重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110122708.4A CN112883830B (zh) | 2021-01-29 | 2021-01-29 | 一种钻杆实时自动计数方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110122708.4A CN112883830B (zh) | 2021-01-29 | 2021-01-29 | 一种钻杆实时自动计数方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112883830A true CN112883830A (zh) | 2021-06-01 |
CN112883830B CN112883830B (zh) | 2022-03-15 |
Family
ID=76053402
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110122708.4A Active CN112883830B (zh) | 2021-01-29 | 2021-01-29 | 一种钻杆实时自动计数方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112883830B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113570575A (zh) * | 2021-07-28 | 2021-10-29 | 精英数智科技股份有限公司 | 一种基于目标检测的钻探深度统计方法及系统 |
CN114677413A (zh) * | 2022-05-31 | 2022-06-28 | 深圳酷源数联科技有限公司 | 矿井下打钻数量检测系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0562147A1 (en) * | 1992-03-27 | 1993-09-29 | Lag Steering Systems, Inc. | Directional drilling system with eccentric mounted motor and biaxial sensor |
CN102785166A (zh) * | 2012-07-18 | 2012-11-21 | 华中科技大学 | 一种基于运动学变换的数控砂轮磨削加工方法 |
CN104100256A (zh) * | 2013-04-15 | 2014-10-15 | 西安科技大学 | 基于图像处理技术的煤矿井下钻孔深度测量方法 |
US20160130889A1 (en) * | 2014-11-12 | 2016-05-12 | Covar Applied Technologies, Inc. | System and method for locating, measuring, counting, and aiding in the handling of drill pipes |
CN109408899A (zh) * | 2018-09-28 | 2019-03-01 | 重庆交通大学 | 一种深水吊缆非线性运动响应计算方法 |
CN109598710A (zh) * | 2018-11-29 | 2019-04-09 | 中国科学院重庆绿色智能技术研究院 | 一种煤矿钻杆自动计数方法及系统 |
CN109800848A (zh) * | 2019-01-23 | 2019-05-24 | 中国科学院重庆绿色智能技术研究院 | 一种煤矿井下打钻数量的自动计数方法 |
CN111598042A (zh) * | 2020-05-25 | 2020-08-28 | 西安科技大学 | 一种用于井下钻杆计数的视觉统计方法 |
CN112001420A (zh) * | 2020-07-24 | 2020-11-27 | 武汉安视感知科技有限公司 | 一种矿井工人钻杆智能计时计数方法、设备及存储设备 |
CN112116633A (zh) * | 2020-09-25 | 2020-12-22 | 深圳爱莫科技有限公司 | 一种矿井打钻计数方法 |
-
2021
- 2021-01-29 CN CN202110122708.4A patent/CN112883830B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0562147A1 (en) * | 1992-03-27 | 1993-09-29 | Lag Steering Systems, Inc. | Directional drilling system with eccentric mounted motor and biaxial sensor |
CN102785166A (zh) * | 2012-07-18 | 2012-11-21 | 华中科技大学 | 一种基于运动学变换的数控砂轮磨削加工方法 |
CN104100256A (zh) * | 2013-04-15 | 2014-10-15 | 西安科技大学 | 基于图像处理技术的煤矿井下钻孔深度测量方法 |
US20160130889A1 (en) * | 2014-11-12 | 2016-05-12 | Covar Applied Technologies, Inc. | System and method for locating, measuring, counting, and aiding in the handling of drill pipes |
CN109408899A (zh) * | 2018-09-28 | 2019-03-01 | 重庆交通大学 | 一种深水吊缆非线性运动响应计算方法 |
CN109598710A (zh) * | 2018-11-29 | 2019-04-09 | 中国科学院重庆绿色智能技术研究院 | 一种煤矿钻杆自动计数方法及系统 |
CN109800848A (zh) * | 2019-01-23 | 2019-05-24 | 中国科学院重庆绿色智能技术研究院 | 一种煤矿井下打钻数量的自动计数方法 |
CN111598042A (zh) * | 2020-05-25 | 2020-08-28 | 西安科技大学 | 一种用于井下钻杆计数的视觉统计方法 |
CN112001420A (zh) * | 2020-07-24 | 2020-11-27 | 武汉安视感知科技有限公司 | 一种矿井工人钻杆智能计时计数方法、设备及存储设备 |
CN112116633A (zh) * | 2020-09-25 | 2020-12-22 | 深圳爱莫科技有限公司 | 一种矿井打钻计数方法 |
Non-Patent Citations (3)
Title |
---|
BUAN ERLEND: "Pose Estimation of Drilling Pipe using a 3D-Sensor Network", 《MASTER"THESIS MECHATRONICS MAS500》 * |
彭业勋: "煤矿井下钻杆计数方法研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技I辑》 * |
王杰: "基于机器视觉的煤矿井下钻杆计数方法研究与实现", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技I辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113570575A (zh) * | 2021-07-28 | 2021-10-29 | 精英数智科技股份有限公司 | 一种基于目标检测的钻探深度统计方法及系统 |
CN114677413A (zh) * | 2022-05-31 | 2022-06-28 | 深圳酷源数联科技有限公司 | 矿井下打钻数量检测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112883830B (zh) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112883830B (zh) | 一种钻杆实时自动计数方法 | |
CN106650620B (zh) | 一种应用无人机监测的目标人员识别追踪方法 | |
CN111724439B (zh) | 一种动态场景下的视觉定位方法及装置 | |
WO2020253308A1 (zh) | 矿井下皮带运输人员人机交互行为安全监控与预警方法 | |
CN107808133B (zh) | 基于无人机巡线的油气管道安全监测方法、系统及软件存储器 | |
CN110472496A (zh) | 一种基于目标检测与跟踪的交通视频智能分析方法 | |
CN108182413A (zh) | 一种矿井移动目标检测与跟踪识别方法 | |
CN104240266A (zh) | 基于颜色-结构特征的目标对象跟踪方法 | |
CN108537829B (zh) | 一种监控视频人员状态识别方法 | |
CN105940430A (zh) | 人员计数方法及其装置 | |
CN102298781A (zh) | 基于颜色和梯度特征的运动阴影检测方法 | |
CN104680559A (zh) | 基于运动行为模式的多视角室内行人跟踪方法 | |
CN104100256A (zh) | 基于图像处理技术的煤矿井下钻孔深度测量方法 | |
CN106991370A (zh) | 基于颜色和深度的行人检索方法 | |
CN109764869A (zh) | 一种双目相机和惯导融合的自主巡检机器人定位与三维地图构建方法 | |
CN105631852A (zh) | 基于深度图像等高线的室内人体检测方法 | |
CN109826668B (zh) | 井下多源精确人员定位系统及方法 | |
CN108804539A (zh) | 一种时间与空间双视角下的轨迹异常检测方法 | |
CN111476160A (zh) | 损失函数优化方法、模型训练方法、目标检测方法及介质 | |
CN113436229A (zh) | 一种多目标跨摄像机行人轨迹路径的生成方法 | |
CN111220619B (zh) | 一种绝缘子自爆检测方法 | |
CN113076883B (zh) | 一种基于图像特征识别的井喷气体流速测量方法 | |
CN109544632A (zh) | 一种基于层次主题模型的语义slam对象关联方法 | |
Yoo et al. | A vision-based indoor positioning systems utilizing computer aided design drawing | |
CN105809719A (zh) | 一种基于像素多编码表匹配的对象跟踪方法 |
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 |