CN112907505B - 一种水下机器人电缆三维形状估计方法 - Google Patents
一种水下机器人电缆三维形状估计方法 Download PDFInfo
- Publication number
- CN112907505B CN112907505B CN202110030625.2A CN202110030625A CN112907505B CN 112907505 B CN112907505 B CN 112907505B CN 202110030625 A CN202110030625 A CN 202110030625A CN 112907505 B CN112907505 B CN 112907505B
- Authority
- CN
- China
- Prior art keywords
- cable
- catenary
- dimensional shape
- underwater robot
- point
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000011218 segmentation Effects 0.000 claims abstract description 26
- 238000010586 diagram Methods 0.000 claims abstract description 19
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 239000013598 vector Substances 0.000 claims description 25
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000012804 iterative process Methods 0.000 claims description 7
- 230000003247 decreasing effect Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 15
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种水下机器人电缆三维形状估计方法，其特征在于：包括步骤：获取水下机器人电缆图片，得到电缆分割图；基于电缆分割图使用悬链线模型得到电缆分割图中悬链线的投影方程；基于所述图像中悬链线的投影方程和电缆分割图中的检测点，通过最小二乘拟合方法得到电缆三维形状参数，进而估计电缆三维形状。本发明能够实时估计水下机器人电缆三维形状并且准确度高。
Description
技术领域
本发明涉及人工智能技术领域，具体涉及一种水下机器人电缆三维形状估计方法。
背景技术
近年来，遥控水下机器人(ROV)在各种水下作业中发挥着重要作用。但由于水下通信困难，ROV往往需要连接一根电缆，用于水下机器人和水面无人艇之间或者其他水下机器人之间传输数据，也能够在ROV进行水下作业中用于提供动力。实时监测电缆的三维形状有助于ROV勘探和干预任务更加安全，避免碰撞和与水下环境的纠缠，特别是如果ROV装备了可能被电缆卡住的机械臂。
现有方案中，如集中质量法，梁方程的有限单元法可以用来表示电缆的形状。但这些方法计算复杂，难以实现实时的电缆形状估计。
发明内容
为解决现有技术中的不足，本发明提供一种水下机器人电缆三维形状估计方法，解决了现有电缆形状估计方法计算复杂难以实时估计的问题。
为了实现上述目标，本发明采用如下技术方案：一种水下机器人电缆三维形状估计方法，包括步骤：
获取水下机器人电缆图片，得到电缆分割图；
基于电缆分割图使用悬链线模型得到电缆分割图中悬链线的投影方程；
基于所述图像中悬链线的投影方程和电缆分割图中的检测点，通过最小二乘拟合方法得到电缆三维形状参数，进而估计电缆三维形状。
进一步的，所述电缆分割图中悬链线的投影方程为：
其中，y(x)是悬链线投影到相机捕获的电缆画面图坐标系中的纵坐标值，x 为悬链线投影到相机捕获的电缆画面图坐标系中的横坐标值；A是悬链线常数；
在以电缆与水下机器人的连接点P2为坐标原点，水下机器人的水平轴为X 轴，水下机器人的纵轴为Z轴，垂直于X轴与Z轴且方向指向摄像机为Y轴的坐标系F2中悬链线的点P坐标表达式表示为：
θ是电缆所在平面与水下机器人纵轴的水平夹角；X0是坐标系F2下电缆上的点到点P2的水平距离，Z0是坐标系F2下电缆上的点到P2的垂直距离，Y0 是摄像机到电缆所在平面的距离；h是电缆与水下机器人的连接点P2到F0坐标系横坐标的距离，坐标系F0为基于分割图像中电缆的两个端点和最低点所在平面，以电缆的最低点P0为坐标原点，图像横坐标方向为横坐标，图像纵坐标方向为纵坐标所建的坐标系。
进一步的，所述悬链线常数为：
其中，H是电缆的长度，h是电缆与水下机器人的连接点P2到F0坐标系横坐标的距离，Δh是电缆与摄像机的连接点P1到点P2的垂直方向上的距离。
进一步的，所述电缆三维形状参数包括：
c＝sinθ
Δh
参数b表示电缆相对于机器人的松弛度，参数c表示电缆相对于机器人的方向，hmax是h的最大值。
进一步的，所述最小二乘拟合方法为：高斯-牛顿算法的最小二乘拟合方法。
进一步的，所述通过最小二乘拟合方法得到电缆三维形状参数，包括：
选取悬链线最低点为高斯-牛顿算法的最小二乘拟合方法迭代的初始值；
设置代价函数L(u)，通过求解代价函数的最小值，得到对应的电缆三维形状参数；
ri(u)＝yi-y(xi u)
其中，特征向量u，定义为：
代价函数L(u)是特征向量为u时，所述电缆分割图中检测点残差的总和，ri(u) 为分割图中第i个检测点的纵坐标值与将其横坐标带入电缆分割图中悬链线的投影方程得到的值y(xi u)的差值，xi u为特征向量为u时电缆分割图像中第i个检测点的横坐标；K为电缆分割图像中检测到的电缆点总数，(xi,yi)为电缆分割图像中第i个检测点的坐标；
进一步的，所述代价函数L(u)的最小值通过以下迭代过程得到：
um+1＝um-Jrr(um)
um为第m次迭代时的特征向量u，m是迭代次数，从m＝1开始迭代，每次迭代得到u后，代入代价函数L(u)，当L(u)值增加而不是减少，迭代过程停止得到L(u)的最小值；
r(um)是残差ri(u)组成的列向量，Jr是雅可比矩阵：
雅可比矩阵第i行有如下形式：
进一步的，所述每次迭代得到的u后，还包括：
判断是否满足条件：
若满足，则丢弃该u，继续迭代过程。
本发明所达到的有益效果：本发明用悬链线模型来拟合一个电缆的三维形状，并使用高斯-牛顿算法来拟合电缆三维形状，考虑到高斯-牛顿算法是一种局部收敛算法，它只能收敛到局部最小值，可能导致错误的电缆三维形状参数估计，所以，为了求得全局最小值，本发明首先选取悬链线最低点为初始值，然后通过计算残差得到特征值u，去除不满足阈值的特征值得到精确的电缆三维形状参数。本发明方法能够实时估计水下机器人电缆三维形状并且准确度高。
附图说明
图1是本发明实施例中的估计方法流程图；
图2是本发明实施例中的相机拍摄的电缆图(左)及HSV空间分割图(右)；
图3是本发明实施例中的悬链线模型示意图；
图4是本发明实施例中的电缆三维形状估计结果图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1所示，一种水下机器人电缆三维形状估计方法，包括步骤：
步骤1，获取水下机器人电缆图片，通过图像分割方法识别电缆，得到电缆分割图；
电缆的像素点使用HSV空间分割方法识别。由于颜色吸收，水下图像背景大多是蓝色的。所以选择电缆的颜色为橙色，这样它是远离主要的蓝色色调空间。如图2所示，图2(左)是连接有电缆线的水下机器人源图像(已灰度化)，图2(右)是分割结果图。
步骤2，基于电缆分割图，使用悬链线模型得到电缆分割图中悬链线的投影方程；
悬链线模型是一种用于描述在重力作用下两端固定的链条所具有的曲线形状的数学模型；
电缆的三维形状初步使用如图3所示的悬链线模型表示，坐标系F0(基于分割图像中电缆的两个端点和最低点所在平面，以电缆的最低点P0为坐标原点，图像横坐标i0方向为横坐标，图像纵坐标k0方向为纵坐标所建的坐标系，)中的悬链线方程为：
其中，Z0是F0坐标系下纵坐标对应的变量，X0是F0坐标系下横坐标对应的变量，A是悬链线常数；cosh()是数学中的双曲余弦函数，
其中，H是电缆的长度，h是电缆与水下机器人的连接点P2到F0坐标系横坐标的距离，Δh是电缆与摄像机的连接点P1到点P2的垂直方向上的距离。
由式(1)可以推导出在坐标系F2(以点P2为坐标原点，水下机器人的水平轴为X轴，水下机器人的纵轴为Z轴，垂直于X轴与Z轴且方向指向摄像机为Y轴的坐标系)中悬链线的点坐标表达式表示为：
其中，
d是F0坐标系下点P0到P2的水平距离；θ是电缆所在平面与水下机器人纵轴的水平夹角；X0是坐标系F2下电缆上的点到电缆与水下机器人连接点P2的水平距离，Z0是坐标系F2下电缆上的点到电缆与水下机器人连接点P2的垂直距离，Y0是摄像机到电缆所在平面(即：分割图像中电缆的两个端点和最低点所在平面)的距离。
在水下机器人保持水平的情况下，搭载摄像机的无人艇或者另一个水下机器人坐标轴与所观测的水下机器人的坐标系坐标轴对齐，将坐标系F2下的悬链线点坐标(公式(3))投影到相机捕获的电缆画面图中，坐标系是以矩形相机视野画面(图4)的左下角最低点为原点，水平方向向右为x轴，垂直方向向上为y轴，得到图像中悬链线的投影方程：
其中，
其中，y(x)是悬链线投影到相机捕获的电缆画面图坐标系中的纵坐标值，x 为悬链线投影到相机捕获的电缆画面图坐标系中的横坐标值。
步骤3，基于所述图像中悬链线的投影方程和电缆分割图中的检测点，通过高斯-牛顿算法的最小二乘拟合方法得到估计的电缆三维形状参数，进而估计电缆三维形状。
得到图像中悬链线的投影方程公式(5)后，因为悬链线模型只能近似拟合实际的电缆形状，并不能得到精确的水下机器人电缆形状。为了得到精确的电缆形状参数，再采用基于高斯-牛顿算法的非线性最小二乘拟合方法估计电缆的三维形状参数。此方法将悬链线投影模型(式(5))拟合到相机图像中检测到的电缆点上(相机图像中检测到的电缆点组成实际的电缆形状)。
在使用高斯-牛顿算法拟合电缆三维形状前，考虑到高斯-牛顿算法是一种局部收敛算法，它只能收敛到局部最小值，可能导致错误的电缆三维形状参数估计。为了求得全局最小值，本发明选取悬链线最低点为高斯-牛顿算法的最小二乘拟合算法最后一步进行重复迭代的初始值。
电缆的形状由以下参数描述：
c＝sinθ
Δh (8)
参数b用来表示电缆相对于机器人的松弛度，参数c表示电缆相对于机器人的方向，hmax是电缆与水下机器人的连接点P2到F0坐标系横坐标的距离h的最大值。电缆连接的两个设备的高度差Δh是通过机器人的外部压力传感器来测量的。因此，只有式(8)的前两个参数通过曲线拟合估计。这些参数构成特征向量u，定义为：
设置代价函数L(u)，通过求解代价函数的最小值，可得到对应的u；
ri(u)＝yi-y(xi u) (11)
其中，代价函数L(u)是特征向量为u时，所有图像中检测点残差的总和，ri(u) 为残差，是特征向量为u时，图像中第i个检测点的纵坐标值与将其横坐标带入公式(5)中得到的值的差值；K为电缆分割图像中检测到的电缆点总数，(xi,yi) 为电缆分割图像中第i个检测点的坐标，y(xi u)高斯-牛顿算法的最小二乘拟合算法中的非线性回归模型，可以从公式(5)得到；xi u为特征向量为u时电缆分割图像中第i个检测点的横坐标；
代价函数L(u)的最小值可以通过以下迭代过程得到：
um+1＝um-Jrr(um) (12)
um为第m次迭代时的特征向量u，m是迭代次数，式(12)从m＝1开始迭代，每次迭代得到的u代入式(10)得到对应的L(u)，当L(u)值增加而不是减少，迭代过程停止得到L(u)的最小值。r(um)是残差ri(u)组成的列向量，Jr是雅可比矩阵：
雅可比矩阵第i行(第i行对应第i个检测点)有如下形式：
使得代价函数L(u)最小的u就是最终需要的结果，通过特征向量u中的参数b与参数c就能估计出电缆的三维形状。
实际中在使用高斯-牛顿算法的非线性最小二乘拟合方法拟合时会存在一些与悬链线点相关的但物理上不存在的残差，因为它们超过了电缆长度。所以最后在高斯-牛顿算法中再加入去除无界残差(当悬链线投影接近垂直于图4坐标轴x坐标轴时所求得的残差)操作。
通过分析式(13)给出的雅可比矩阵的奇异性，可以设置条件来去除不符合条件的u。
每次迭代得到u后，判断满足条件：
若满足，则丢弃该u，继续迭代过程；
其中，∈是保证雅可比矩阵不出现病态的参数。该条件过滤图像平面中与图像中x坐标轴接近垂直的悬链线点，当悬链线投影退化为图像中的一条垂直线时出现这种情况。
通过此条件其实是限制了特征向量u中参数c的范围，将不满足条件的特征向量u去除，从而得到最终的特征向量u。这样就能得到最终电缆的形状参数。
u是包含电缆形状主要参数的特征向量，有了u就能知道电缆相对于机器人的松弛度和水下机器人相对于电缆的位置。因为电缆的三维形状是不规则的，只是类似悬链线模型，而不能完全用悬链线模型式(5)精确表示电缆三维形状。用高斯-牛顿算法的最小二乘拟合算法得到描述电缆三维形状参数的特征向量u 并通过仿真(仿真过程就是将步骤3迭代过程中的每个点描绘出来)得到图4 的电缆三维形状。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、 CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/ 或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (5)
1.一种水下机器人电缆三维形状估计方法，其特征在于：包括步骤：
获取水下机器人电缆图片，得到电缆分割图；
基于电缆分割图使用悬链线模型得到电缆分割图中悬链线的投影方程；
基于所述电缆分割图中悬链线的投影方程和电缆分割图中的检测点，通过最小二乘拟合方法得到电缆三维形状参数，进而估计电缆三维形状；
其中，所述电缆分割图中悬链线的投影方程为：
其中，y(x)是悬链线投影到相机捕获的电缆画面图坐标系中的纵坐标值，x为悬链线投影到相机捕获的电缆画面图坐标系中的横坐标值；A是悬链线常数；
在以电缆与水下机器人的连接点P2为坐标原点，水下机器人的水平轴为X轴，水下机器人的纵轴为Z轴，垂直于X轴与Z轴且方向指向摄像机为Y轴的坐标系F2中悬链线的点P坐标表达式表示为：
θ是电缆所在平面与水下机器人纵轴的水平夹角；X0是坐标系F2下电缆上的点到点P2的水平距离，Z0是坐标系F2下电缆上的点到P2的垂直距离，Y0是摄像机到电缆所在平面的距离；h是电缆与水下机器人的连接点P2到F0坐标系横坐标的距离，坐标系F0为基于分割图像中电缆的两个端点和最低点所在平面，以电缆的最低点P0为坐标原点，图像横坐标方向为横坐标，图像纵坐标方向为纵坐标所建的坐标系；
所述悬链线常数为：
其中，H是电缆的长度，h是电缆与水下机器人的连接点P2到F0坐标系横坐标的距离，Δh是电缆与摄像机的连接点P1到点P2的垂直方向上的距离；
所述电缆三维形状参数包括：
c＝sinθ
Δh
参数b表示电缆相对于机器人的松弛度，参数c表示电缆相对于机器人的方向，hmax是h的最大值。
2.根据权利要求1所述的一种水下机器人电缆三维形状估计方法，其特征是：所述最小二乘拟合方法为：高斯-牛顿算法的最小二乘拟合方法。
3.根据权利要求2所述的一种水下机器人电缆三维形状估计方法，其特征是：所述通过最小二乘拟合方法得到电缆三维形状参数，包括：
选取悬链线最低点为高斯-牛顿算法的最小二乘拟合方法迭代的初始值；
设置代价函数L(u)，通过求解代价函数的最小值，得到对应的电缆三维形状参数；
ri(u)＝yi-y(xi u)
其中，特征向量u，定义为：
代价函数L(u)是特征向量为u时所述电缆分割图中检测点残差的总和，ri(u)为特征向量为u时，分割图中第i个检测点的纵坐标值与将其横坐标带入电缆分割图中悬链线的投影方程得到的值y(xi u)的差值，xi u为特征向量为u时电缆分割图像中第i个检测点的横坐标，K为电缆分割图像中检测到的电缆点总数，(xi,yi)为电缆分割图像中第i个检测点的坐标；
4.根据权利要求3所述的一种水下机器人电缆三维形状估计方法，其特征是：所述代价函数L(u)的最小值通过以下迭代过程得到：
um+1＝um-Jrr(um)
um为第m次迭代时的特征向量u，m是迭代次数，从m＝1开始迭代，每次迭代得到u后，代入代价函数L(u)，当L(u)值增加而不是减少，迭代过程停止得到L(u)的最小值；
r(um)是残差ri(u)组成的列向量，Jr是雅可比矩阵：
雅可比矩阵第i行有如下形式：
5.根据权利要求4所述的一种水下机器人电缆三维形状估计方法，其特征是：所述每次迭代得到的u后，还包括：
判断是否满足条件：
若满足，则丢弃该u，继续迭代过程。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110030625.2A CN112907505B (zh) | 2021-01-11 | 2021-01-11 | 一种水下机器人电缆三维形状估计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110030625.2A CN112907505B (zh) | 2021-01-11 | 2021-01-11 | 一种水下机器人电缆三维形状估计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112907505A CN112907505A (zh) | 2021-06-04 |
| CN112907505B true CN112907505B (zh) | 2024-03-26 |
Family
ID=76112398
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110030625.2A Active CN112907505B (zh) | 2021-01-11 | 2021-01-11 | 一种水下机器人电缆三维形状估计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112907505B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113983931B (zh) * | 2021-11-02 | 2023-05-23 | 中国船舶科学研究中心 | 一种试验水池用清淤机器人水下定位装置和使用方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007010113A1 (fr) * | 2005-07-20 | 2007-01-25 | Eurocopter | Procede de detection par telemetrie d’objets filaires suspendus |
| WO2016103621A1 (ja) * | 2014-12-24 | 2016-06-30 | パナソニックＩｐマネジメント株式会社 | ３次元情報復元装置、３次元情報復元システム、及び３次元情報復元方法 |
| CN108491635A (zh) * | 2018-03-26 | 2018-09-04 | 东南大学 | 一种悬索桥吊杆力和主缆线形联合计算方法 |
| CN108564575A (zh) * | 2018-04-11 | 2018-09-21 | 西南交通大学 | 一种基于三维点云数据的非接触式接触网参数检测方法 |
| CN111121645A (zh) * | 2019-12-31 | 2020-05-08 | 内蒙古蒙能建设工程监理有限责任公司 | 一种高精度的架空输电导线弧垂检测方法 |
| WO2020225886A1 (ja) * | 2019-05-08 | 2020-11-12 | 日本電信電話株式会社 | 点群解析装置、方法、及びプログラム |
| JPWO2020225887A1 (zh) * | 2019-05-08 | 2020-11-12 |
-
2021
- 2021-01-11 CN CN202110030625.2A patent/CN112907505B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007010113A1 (fr) * | 2005-07-20 | 2007-01-25 | Eurocopter | Procede de detection par telemetrie d’objets filaires suspendus |
| WO2016103621A1 (ja) * | 2014-12-24 | 2016-06-30 | パナソニックＩｐマネジメント株式会社 | ３次元情報復元装置、３次元情報復元システム、及び３次元情報復元方法 |
| CN108491635A (zh) * | 2018-03-26 | 2018-09-04 | 东南大学 | 一种悬索桥吊杆力和主缆线形联合计算方法 |
| CN108564575A (zh) * | 2018-04-11 | 2018-09-21 | 西南交通大学 | 一种基于三维点云数据的非接触式接触网参数检测方法 |
| WO2020225886A1 (ja) * | 2019-05-08 | 2020-11-12 | 日本電信電話株式会社 | 点群解析装置、方法、及びプログラム |
| JPWO2020225887A1 (zh) * | 2019-05-08 | 2020-11-12 | ||
| CN111121645A (zh) * | 2019-12-31 | 2020-05-08 | 内蒙古蒙能建设工程监理有限责任公司 | 一种高精度的架空输电导线弧垂检测方法 |
Non-Patent Citations (5)
| Title |
|---|
| Cable Dynamic Modeling and Applications in Three-Dimensional Space;Sebastião C. P. Gomes et.al;《Proceedings of DINAME 2017 》;125-139 * |
| 海洋脐带缆结构几何双尺度分析及优化设计研究;杨志勋;《中国优秀硕士学位论文全文数据库（电子期刊）工程科技I辑》;20200115(第01期);全文 * |
| 电缆三维模型可视化及数据高效索引研究①;孙小虎等;《计算机系统应用》;第29卷(第07期);全文 * |
| 考虑通道实时监测的输电导线识别与三维重建技术研究;陈雄等;《电力科学与工程》;第36卷(第03期);全文 * |
| 高压输电线无人机巡检技术的研究与软件实现;王雪;《中国优秀硕士学位论文全文数据库（电子期刊）》(第02期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112907505A (zh) | 2021-06-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20200096317A1 (en) | Three-dimensional measurement apparatus, processing method, and non-transitory computer-readable storage medium | |
| Wei et al. | A non-contact measurement method of ship block using image-based 3D reconstruction technology | |
| JP5839971B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
| US9616569B2 (en) | Method for calibrating an articulated end effector employing a remote digital camera | |
| CN111897349B (zh) | 一种基于双目视觉的水下机器人自主避障方法 | |
| US10740649B2 (en) | Object attitude detection device, control device, and robot system | |
| CN111360821A (zh) | 一种采摘控制方法、装置、设备及计算机刻度存储介质 | |
| CN115213896A (zh) | 基于机械臂的物体抓取方法、系统、设备及存储介质 | |
| CN112907505B (zh) | 一种水下机器人电缆三维形状估计方法 | |
| CN116249607A (zh) | 用于机器人抓取三维物体的方法和装置 | |
| CN110363801B (zh) | 工件实物与工件三维cad模型的对应点匹配方法 | |
| JP2730457B2 (ja) | 視覚に基く三次元位置および姿勢の認識方法ならびに視覚に基く三次元位置および姿勢の認識装置 | |
| Laranjeira et al. | Embedded visual detection and shape identification of underwater umbilical for vehicle positioning | |
| US6597967B2 (en) | System and method for planning a tool path along a contoured surface | |
| CN112669389A (zh) | 一种基于视觉引导的自动化标定系统 | |
| CN111207754A (zh) | 基于粒子滤波器的多机器人编队定位方法及机器人设备 | |
| Marchand et al. | Controlling an uninstrumented manipulator by visual servoing | |
| CN113935946B (zh) | 实时检测地下障碍物的方法及装置 | |
| Konoplin et al. | System for identifying target objects to perform manipulative operations by unmanned underwater vehicles | |
| Nakhaeinia et al. | Adaptive robotic contour following from low accuracy RGB-D surface profiling and visual servoing | |
| JP2015132523A (ja) | 位置姿勢計測装置、位置姿勢計測方法及びプログラム | |
| CN114186189A (zh) | 坐标转换矩阵的计算方法、装置、设备及可读存储介质 | |
| CN110060330B (zh) | 一种基于点云图像的三维建模方法、装置和机器人 | |
| Dai et al. | PlaneSLAM: Plane-based LiDAR SLAM for Motion Planning in Structured 3D Environments | |
| Zhang et al. | Visual 3d reconstruction system based on rgbd camera |
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 |