CN113110570B - 一种利用无人机测量大型罐体实时数据的智能机器人 - Google Patents
一种利用无人机测量大型罐体实时数据的智能机器人 Download PDFInfo
- Publication number
- CN113110570B CN113110570B CN202110341806.7A CN202110341806A CN113110570B CN 113110570 B CN113110570 B CN 113110570B CN 202110341806 A CN202110341806 A CN 202110341806A CN 113110570 B CN113110570 B CN 113110570B
- Authority
- CN
- China
- Prior art keywords
- detection
- aerial vehicle
- unmanned aerial
- large tank
- intelligent robot
- 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
- 238000001514 detection method Methods 0.000 claims abstract description 112
- 238000004891 communication Methods 0.000 claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 10
- 230000010365 information processing Effects 0.000 claims abstract description 8
- 230000009466 transformation Effects 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 7
- 230000004888 barrier function Effects 0.000 claims description 6
- 230000000737 periodic effect Effects 0.000 claims description 6
- 241000883990 Flabellum Species 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 230000015556 catabolic process Effects 0.000 claims description 3
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 238000003066 decision tree Methods 0.000 claims description 3
- 238000006731 degradation reaction Methods 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 2
- 238000013178 mathematical model Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 abstract description 5
- 238000012360 testing method Methods 0.000 description 23
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004939 coking Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- -1 polyethylene Polymers 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 239000004698 Polyethylene Substances 0.000 description 1
- 239000004743 Polypropylene Substances 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229920000573 polyethylene Polymers 0.000 description 1
- 229920001155 polypropylene Polymers 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U10/00—Type of UAV
- B64U10/10—Rotorcrafts
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U30/00—Means for producing lift; Empennages; Arrangements thereof
- B64U30/20—Rotors; Rotor supports
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U50/00—Propulsion; Power supply
- B64U50/10—Propulsion
- B64U50/19—Propulsion using electrically powered motors
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Remote Sensing (AREA)
- Mechanical Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种利用无人机测量大型罐体实时数据的智能机器人；包括无人机智能机器人和上位机，所述无人机智能机器人中包括有控制芯片，所述控制芯片上电性连接有检测模块、报警模块、数据缓存、蓄电池组、信息处理和驱动模块，所述信息处理上电性连接有通讯模块，所述驱动模块上电性连接有差速控制和指示灯，所述差速控制上电性连接有螺旋桨电机，所述上位机中包括有存储数据库、历史数据对比和图像绘制；本发明采用无人机智能机器人进行检测，进行全面检测，提高检测的效率，上位机对数据进行处理，绘制模型图。
Description
技术领域
本发明属于检测机器人技术领域，具体涉及一种利用无人机测量大型罐体实时数据的智能机器人。
背景技术
大型罐体用以存放酸碱、醇、气体、液态等提炼的化学物质。储罐广泛在华北地区，根据材质不同大体上有：聚乙烯储罐、聚丙烯储罐、玻璃钢储罐、陶瓷储罐、橡胶储罐、不锈钢储罐等，在大型罐体进行存储一些化学物质的时候，需要经常性的对大型罐体进行检测，并且实现对数据进行实时的传输，以便于对大型罐体进行有效的监控，且在大型罐体进行检测的时候，需要使用到智能机器人，通过智能机械人实现对大型罐体进行全方位的检测，这样就需要机器人能够完成对大型罐体的各个检测方向都进行检测，并且还能够实现对大型罐体进行有效的建模，确定大型罐体出现问题的地方的位置，以便于进行处理，然而市面上各种的检测机器人仍存在各种各样的问题。
如授权公告号为CN111604878A所公开的检测机器人，其虽然实现了在使用时，可通过清理装置对待测物件进行清理，以去除待测物件表面的积灰、结焦等污垢，之后可通过检测装置对清理后的所述待测物件进行检测。由此，可以消除待测物件表面的积灰、结焦等污垢对于检测的影响，利于提高检测的准确性，但是并未解决现有检测机器人存在的不能够快速的进行检测，不能够有效的实现对大型罐体进行全方位的检测，不能够实现对多种检测要求进行操作等的问题，为此我们提出一种利用无人机测量大型罐体实时数据的智能机器人。
发明内容
本发明的目的在于提供一种利用无人机测量大型罐体实时数据的智能机器人，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种利用无人机测量大型罐体实时数据的智能机器人，包括无人机智能机器人和上位机，
所述无人机智能机器人中包括有控制芯片，所述控制芯片上电性连接有检测模块、报警模块、数据缓存、蓄电池组、信息处理和驱动模块，所述信息处理上电性连接有通讯模块，所述驱动模块上电性连接有差速控制和指示灯，所述差速控制上电性连接有螺旋桨电机；
所述驱动模块用于驱动所述指示灯和所述差速控制，所述指示灯用于进行位置的显示，所述差速控制用于控制所述螺旋桨电机的转速差，所述螺旋桨电机至少设有两组，两组所述螺旋桨电机分别用于控制所述无人机智能机器人进行飞行和转向，所述差速控制在对两组所述螺旋桨电机进行控制调节的时候，能够使得所述无人机智能机器人能够实现方向的调节；
所述检测模块中包括有超声波雷达检测、红外检测、泄漏检测、障碍物检测、高清摄像头、噪声监测、无人机检测和温湿度检测，所述超声波雷达检测和所述红外检测用于对大型罐体表面进行检测，确定大型罐体的表面是否存在缝隙和开口，所述红外检测还能够实现对大型罐体的表面进行温度检测，所述泄漏检测用于对大型罐体内部的存储物泄漏进行检测，所述障碍物检测用于对所述无人机智能机器人飞行途中的障碍物进行检测，所述高清摄像头用于对大型罐体进行扫描拍摄，所述噪声监测用于对大型罐体上的机械设备的晃动情况进行检测，所述无人机检测用于检测所述无人机智能机器人的自身的运作情况，所述温湿度检测用于检测大型罐体周围的环境情况；
所述上位机中包括有存储数据库、历史数据对比和图像绘制，所述存储数据库用于对检测到的数据信息进行有效的存储，所述历史数据对比用于将检测到的数据信息与历史数据信息进行对比判断，所述图像绘制用于对所述高清摄像头拍摄的画面进行绘制成图像。
优选的，所述通讯模块与上位机通讯连接，所述通讯模块还通讯连接遥感控制，所述通讯模块采用的无线通讯或者是蓝牙通讯。
优选的，还包括有无人机外壳，所述无人机外壳的两侧分别固定安装有连接杆，所述连接杆的顶端固定镶嵌安装有所述螺旋桨电机，所述螺旋桨电机上固定设有扇叶，所述无人机外壳的下部固定安装有检测设备，所述检测设备的下部固定安装有四组支撑腿，两侧所述支撑腿的底端固定连接有支撑板，所述检测设备的前端一侧固定安装有高清摄像头、超声波雷达检测头、红外检测头和障碍物检测头，所述高清摄像头设有两组分别安装在所述检测设备的前端两侧，所述检测设备的底端固定设有噪声检测头、泄漏检测头和温湿度检测头，所述检测设备的两侧和尾端也固定安装有障碍物检测，所述无人机外壳的内部固定安装有蓄电池组和控制系统，所述无人机外壳的上部开设有散热孔。
优选的，所述差速控制用v和w去控制两个所述螺旋桨电机，利用运动学反解，有如下关系：
vr和vt是控制所述螺旋桨电机转速的PWM大小，把v和w转换成两个所述螺旋桨电机的转速信息，对距离进行比例控制有：
对航向角控制
既是加入的两个闭环控制。
优选的，所述高清摄像头在进行拍摄画面的时候先对图像进行处理，且处理过程包括有图像变换、图像编码压缩、图像增强和复原、图像分割和二值化处理。
优选的，所述图像增强和复原采用的是灰度等级直方图处理、干扰抑制、边缘锐化、建立退化源的数学模型和建立原始图像的模型。
优选的，所述图像变换采用的技术有傅立叶变换、沃尔什变换和离散余弦变换，所述傅立叶变换中f(t)是t的周期函数，t满足狄里赫莱条件：在一个以2T为周期内f(X)连续或只有有限个第一类间断点，附f(x)单调或可划分成有限个单调区间，则F(x)以2T为周期的傅立叶级数收敛，和函数S(x)也是以2T为周期的周期函数，且在这些间断点上，函数是有限值；在一个周期内具有有限个极值点，F(ω)的象原函数，F(ω)是f(t)的象，f(t)是F(ω)原象，则具有以下公式：
傅立叶变换：
傅立叶逆变换：
优选的，所述图像绘制采用的是2D生成3D模型，且在进行2D生成3D模型的是需要两组所述高清摄像头对大型罐体进行拍摄；
两组所述高清摄像头的视差与相机焦距和轴间距间的关系：
其中z为物体距离所述高清摄像头的深度，x为三维映射到二维的图像平面，f为所述高清摄像头焦距，b为两个所述高清摄像头间的距离轴间距，xl和xr分别为物体在左右不同所述高清摄像头中成像的坐标，因此可知左右图对应像素xl和xr的视差d(disparity)＝xl-xr，同时，考虑到转制的对象为2D介质，因此，通过单目深度估计合成新视点的算法原型诞生：有一个函数F(Ir)＝d那么就有：
Ir(xr)＝Il(F(xl)+xl)。
优选的，所述历史数据对比采用的有决策树、支持向量机、随机森林、线性回归和时间序列中的一种或者多种。
优选的，所述无人机检测中包括有欠压检测、过流检测、螺旋桨电机转速检测和通讯故障检测，所述欠压检测和所述过流检测电性连接在所述蓄电池组上。
与现有技术相比，本发明的有益效果是：
(1)本发明采用无人机智能机器人实现对大型罐体进行检测，通过无人机的飞行能力实现对大型罐体进行全方位的全面检测，进而能够提高检测的效率，以及能够对多种检测要求进行同时的检测。
(2)本发明通过通讯模块实现对上位机进行通讯连接，进而实现对检测的数据信息进行快速的及时的处理，进而实现对大型罐体进行快速的进行维修，以及实现对大型罐体进行模型建设，使得大型罐体能够精准的确定异常位置，并且还能够实现对以往数据进行比对。
附图说明
图1为本发明的系统结构示意图；
图2为本发明的检测模块结构示意图；
图3为本发明的结构示意图之一；
图4为本发明的结构示意图之三；
图5为本发明的部分机构示意图。
附图标记：1、无人机外壳；2、连接杆；3、螺旋桨电机；4、扇叶；5、检测设备；6、支撑腿；7、支撑板；8、高清摄像头；9、超声波雷达检测头；10、红外检测头；11、散热孔；12、障碍物检测头；13、蓄电池组和控制系统。
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和图5，本发明提供一种技术方案：一种利用无人机测量大型罐体实时数据的智能机器人，包括无人机智能机器人和上位机，
所述无人机智能机器人中包括有控制芯片，所述控制芯片上电性连接有检测模块、报警模块、数据缓存、蓄电池组、信息处理和驱动模块，所述信息处理上电性连接有通讯模块，所述驱动模块上电性连接有差速控制和指示灯，所述差速控制上电性连接有螺旋桨电机3；
所述驱动模块用于驱动所述指示灯和所述差速控制，所述指示灯用于进行位置的显示，所述差速控制用于控制所述螺旋桨电机3的转速差，所述螺旋桨电机3至少设有两组，两组所述螺旋桨电机3分别用于控制所述无人机智能机器人进行飞行和转向，所述差速控制在对两组所述螺旋桨电机3进行控制调节的时候，能够使得所述无人机智能机器人能够实现方向的调节；
所述检测模块中包括有超声波雷达检测、红外检测、泄漏检测、障碍物检测、高清摄像头8、噪声监测、无人机检测和温湿度检测，所述超声波雷达检测和所述红外检测用于对大型罐体表面进行检测，确定大型罐体的表面是否存在缝隙和开口，所述红外检测还能够实现对大型罐体的表面进行温度检测，所述泄漏检测用于对大型罐体内部的存储物泄漏进行检测，所述障碍物检测用于对所述无人机智能机器人飞行途中的障碍物进行检测，所述高清摄像头8用于对大型罐体进行扫描拍摄，所述噪声监测用于对大型罐体上的机械设备的晃动情况进行检测，所述无人机检测用于检测所述无人机智能机器人的自身的运作情况，所述温湿度检测用于检测大型罐体周围的环境情况；
所述上位机中包括有存储数据库、历史数据对比和图像绘制，所述存储数据库用于对检测到的数据信息进行有效的存储，所述历史数据对比用于将检测到的数据信息与历史数据信息进行对比判断，所述图像绘制用于对所述高清摄像头拍摄的画面进行绘制成图像。
为了使得无人机智能机器人能够将数据传输给上位机进行处理，本实施例中，优选的，所述通讯模块与上位机通讯连接，所述通讯模块还通讯连接遥感控制，所述通讯模块采用的无线通讯或者是蓝牙通讯。
为了实现对检测设备5进行固定安装，本实施例中，优选的，还包括有无人机外壳1，所述无人机外壳1的两侧分别固定安装有连接杆2，所述连接杆2的顶端固定镶嵌安装有所述螺旋桨电机3，所述螺旋桨电机3上固定设有扇叶4，所述无人机外壳1的下部固定安装有检测设备5，所述检测设备5的下部固定安装有四组支撑腿6，两侧所述支撑腿6的底端固定连接有支撑板7，所述检测设备5的前端一侧固定安装有高清摄像头8、超声波雷达检测头9、红外检测头10和障碍物检测头12，所述高清摄像头8设有两组分别安装在所述检测设备5的前端两侧，所述检测设备5的底端固定设有噪声检测头、泄漏检测头和温湿度检测头，所述检测设备5的两侧和尾端也固定安装有障碍物检测12，所述无人机外壳1的内部固定安装有蓄电池组和控制系统13，所述无人机外壳1的上部开设有散热孔11。
为了实现对无人机智能机器人进行转型控制调节，本实施例中，优选的，所述差速控制用v和w去控制两个所述螺旋桨电机3，利用运动学反解，有如下关系：
vr和vt是控制所述螺旋桨电机3转速的PWM大小，把v和w转换成两个所述螺旋桨电机3的转速信息，对距离进行比例控制有：
对航向角控制
既是加入的两个闭环控制。
为了实现对高清摄像头8拍摄到的画面进行处理，本实施例中，优选的，所述高清摄像头8在进行拍摄画面的时候先对图像进行处理，且处理过程包括有图像变换、图像编码压缩、图像增强和复原、图像分割和二值化处理。
为了实现对图像进行增强和复原，本实施例中，优选的，所述图像增强和复原采用的是灰度等级直方图处理、干扰抑制、边缘锐化、建立退化源的数学模型和建立原始图像的模型。
为了实现对图像进行处理，实现对图像进行变换处理，本实施例中，优选的，所述图像变换采用的技术有傅立叶变换、沃尔什变换和离散余弦变换，所述傅立叶变换中f(t)是t的周期函数，t满足狄里赫莱条件：在一个以2T为周期内f(X)连续或只有有限个第一类间断点，附f(x)单调或可划分成有限个单调区间，则F(x)以2T为周期的傅立叶级数收敛，和函数S(x)也是以2T为周期的周期函数，且在这些间断点上，函数是有限值；在一个周期内具有有限个极值点，F(ω)的象原函数，F(ω)是f(t)的象，f(t)是F(ω)原象，则具有以下公式：
傅立叶变换：
傅立叶逆变换：
为了使得图像能够扫描成三维模型，便于对异常位置进行确定，本实施例中，优选的，所述图像绘制采用的是2D生成3D模型，且在进行2D生成3D模型的是需要两组所述高清摄像头8对大型罐体进行拍摄；
两组所述高清摄像头8的视差与相机焦距和轴间距间的关系：
其中z为物体距离所述高清摄像头8的深度，x为三维映射到二维的图像平面，f为所述高清摄像头8焦距，b为两个所述高清摄像头8间的距离轴间距，xl和xr分别为物体在左右不同所述高清摄像头8中成像的坐标，因此可知左右图对应像素xl和xr的视差d(disparity)＝xl-xr，同时，考虑到转制的对象为2D介质，因此，通过单目深度估计合成新视点的算法原型诞生：有一个函数F(Ir)＝d那么就有：
Ir(xr)＝Il(F(xl)+xl)。
为了能够实现对数据进行对比处理，本实施例中，优选的，所述历史数据对比采用的有决策树、支持向量机、随机森林、线性回归和时间序列中的一种或者多种。
为了实现对无人机智能机器人进行监控，本实施例中，优选的，所述无人机检测中包括有欠压检测、过流检测、螺旋桨电机转速检测和通讯故障检测，所述欠压检测和所述过流检测电性连接在所述蓄电池组上。
本发明的工作原理及使用流程：在使用的时候，蓄电池组实现对无人机智能机器人进行供电运行，然后通过遥感控制和通讯模块实现对控制指令进行传输，然后控制芯片实现对驱动驱动模块进行传输指令，然后通过差速控制完成对螺旋桨电机3进行控制，使得无人机智能机器人能够飞起来，然后实现对大型罐体进行检测，在无人机智能机器人飞到空中的时候，检测模块中的超声波雷达检测和红外检测实现对大型罐体进行破损和温度进行检测，泄漏检测实现对空气中的存储物浓度进行检测，高清摄像头8实现对大型罐体的四周进行拍摄，噪声检测用于检测大型罐体上的机械设备在运行的时候晃动情况，然后温湿度检测用于检测大型罐体的周围环境情况，且高清摄像头8在拍摄画面的之后对图像进行处理，然后检测模块将检测到的所有数据信息通过通讯模块传输给上位机，上位机通过图像绘制将2D图像扫描绘制成3图像，便于对大型罐体进行监控处理，以及通过历史数据对比确定各个参数是否正常，以便于对大型罐体进行维修和管理。
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 (8)
1.一种利用无人机测量大型罐体实时数据的智能机器人，包括无人机智能机器人和上位机，其特征在于：
所述无人机智能机器人中包括有控制芯片，所述控制芯片上电性连接有检测模块、报警模块、数据缓存、蓄电池组、信息处理和驱动模块，所述信息处理上电性连接有通讯模块，所述驱动模块上电性连接有差速控制和指示灯，所述差速控制上电性连接有螺旋桨电机(3)；
所述驱动模块用于驱动所述指示灯和所述差速控制，所述指示灯用于进行位置的显示，所述差速控制用于控制所述螺旋桨电机(3)的转速差，所述螺旋桨电机(3)至少设有两组，两组所述螺旋桨电机(3)分别用于控制所述无人机智能机器人进行飞行和转向，所述差速控制在对两组所述螺旋桨电机(3)进行控制调节的时候，能够使得所述无人机智能机器人能够实现方向的调节；
所述检测模块中包括有超声波雷达检测、红外检测、泄漏检测、障碍物检测、高清摄像头(8)、噪声监测、无人机检测和温湿度检测，所述超声波雷达检测和所述红外检测用于对大型罐体表面进行检测，确定大型罐体的表面是否存在缝隙和开口，所述红外检测还能够实现对大型罐体的表面进行温度检测，所述泄漏检测用于对大型罐体内部的存储物泄漏进行检测，所述障碍物检测用于对所述无人机智能机器人飞行途中的障碍物进行检测，所述高清摄像头(8)用于对大型罐体进行扫描拍摄，所述噪声监测用于对大型罐体上的机械设备的晃动情况进行检测，所述无人机检测用于检测所述无人机智能机器人的自身的运作情况，所述温湿度检测用于检测大型罐体周围的环境情况；
所述上位机中包括有存储数据库、历史数据对比和图像绘制，所述存储数据库用于对检测到的数据信息进行有效的存储，所述历史数据对比用于将检测到的数据信息与历史数据信息进行对比判断，所述图像绘制用于对所述高清摄像头(8)拍摄的画面进行绘制成图像；
所述通讯模块与上位机通讯连接，所述通讯模块还通讯连接遥感控制，所述通讯模块采用的无线通讯或者是蓝牙通讯；
还包括有无人机外壳(1)，所述无人机外壳(1)的两侧分别固定安装有连接杆(2)，所述连接杆(2)的顶端固定镶嵌安装有所述螺旋桨电机(3)，所述螺旋桨电机(3)上固定设有扇叶(4)，所述无人机外壳(1)的下部固定安装有检测设备(5)，所述检测设备(5)的下部固定安装有四组支撑腿(6)，两侧所述支撑腿(6)的底端固定连接有支撑板(7)，所述检测设备(5)的前端一侧固定安装有所述高清摄像头(8)、超声波雷达检测头(9)、红外检测头(10)和障碍物检测头(12)，所述高清摄像头(8)设有两组分别安装在所述检测设备(5)的前端两侧，所述检测设备(5)的底端固定设有噪声检测头、泄漏检测头和温湿度检测头，所述检测设备(5)的两侧和尾端也固定安装有障碍物检测头(12)，所述无人机外壳(1)的内部固定安装有蓄电池组和控制系统(13)，所述无人机外壳(1)的上部开设有散热孔(11)。
2.根据权利要求1所述的一种利用无人机测量大型罐体实时数据的智能机器人，其特征在于：所述差速控制用v和w去控制两个所述螺旋桨电机(3)，利用运动学反解，有如下关系：
vr和vt是控制所述螺旋桨电机(3)转速的PWM大小，把v和w转换成两个所述螺旋桨电机(3)的转速信息，对距离进行比例控制有：
对航向角控制
既是加入的两个闭环控制。
3.根据权利要求1所述的一种利用无人机测量大型罐体实时数据的智能机器人，其特征在于：所述高清摄像头(8)在进行拍摄画面的时候先对图像进行处理，且处理过程包括有图像变换、图像编码压缩、图像增强和复原、图像分割和二值化处理。
4.根据权利要求3所述的一种利用无人机测量大型罐体实时数据的智能机器人，其特征在于：所述图像增强和复原采用的是灰度等级直方图处理、干扰抑制、边缘锐化、建立退化源的数学模型和建立原始图像的模型。
5.根据权利要求3所述的一种利用无人机测量大型罐体实时数据的智能机器人，其特征在于：所述图像变换采用的技术有傅立叶变换、沃尔什变换和离散余弦变换，所述傅立叶变换中f(t)是t的周期函数，t满足狄里赫莱条件：在一个以2T为周期内f(X)连续或只有有限个第一类间断点，附f(x)单调或可划分成有限个单调区间，则F(x)以2T为周期的傅立叶级数收敛，和函数S(x)也是以2T为周期的周期函数，且在这些间断点上，函数是有限值；在一个周期内具有有限个极值点，F(ω)的象原函数，F(ω)是f(t)的象，f(t)是F(ω)原象，则具有以下公式：
傅立叶变换：
傅立叶逆变换：
6.根据权利要求1所述的一种利用无人机测量大型罐体实时数据的智能机器人，其特征在于：所述图像绘制采用的是2D生成3D模型，且在进行2D生成3D模型的是需要两组所述高清摄像头(8)对大型罐体进行拍摄；
两组所述高清摄像头(8)的视差与相机焦距和轴间距间的关系：
其中z为物体距离所述高清摄像头(8)的深度，x为三维映射到二维的图像平面，f为所述高清摄像头(8)焦距，b为两个所述高清摄像头(8)间的距离轴间距，xl和xr分别为物体在左右不同所述高清摄像头(8)中成像的坐标，因此可知左右图对应像素xl和xr的视差d(disparity)＝xl-xr，同时，考虑到转制的对象为2D介质，因此，通过单目深度估计合成新视点的算法原型诞生：有一个函数F(Ir)＝d那么就有：
Ir(xr)＝Il(F(xl)+xl)。
7.根据权利要求1所述的一种利用无人机测量大型罐体实时数据的智能机器人，其特征在于：所述历史数据对比采用的有决策树、支持向量机、随机森林、线性回归和时间序列中的一种或者多种。
8.根据权利要求1所述的一种利用无人机测量大型罐体实时数据的智能机器人，其特征在于：所述无人机检测中包括有欠压检测、过流检测、螺旋桨电机转速检测和通讯故障检测，所述欠压检测和所述过流检测电性连接在所述蓄电池组上。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110341806.7A CN113110570B (zh) | 2021-03-30 | 2021-03-30 | 一种利用无人机测量大型罐体实时数据的智能机器人 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110341806.7A CN113110570B (zh) | 2021-03-30 | 2021-03-30 | 一种利用无人机测量大型罐体实时数据的智能机器人 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113110570A CN113110570A (zh) | 2021-07-13 |
| CN113110570B true CN113110570B (zh) | 2023-07-28 |
Family
ID=76713138
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110341806.7A Active CN113110570B (zh) | 2021-03-30 | 2021-03-30 | 一种利用无人机测量大型罐体实时数据的智能机器人 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113110570B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115880687A (zh) * | 2023-02-09 | 2023-03-31 | 北京东方瑞丰航空技术有限公司 | 目标物体的红外特征自动生成方法、装置、设备和介质 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106769241B (zh) * | 2016-12-16 | 2023-09-01 | 常州市环境监测中心 | 一种用于大气采样检测及有毒有害气体预警监测的无人机 |
| CN111380576A (zh) * | 2018-12-29 | 2020-07-07 | 南京南工大安全科技有限公司 | 一种化工气体泄漏监测系统 |
| CN109739259A (zh) * | 2018-12-29 | 2019-05-10 | 芜湖鑫芯微电子有限公司 | 一种基于安防监控芯片的无人机飞行器跟踪装置 |
| CN110362100B (zh) * | 2019-07-03 | 2022-02-01 | 武汉科技大学 | 一种基于四旋翼无人机的大型储罐自主巡检方法 |
-
2021
- 2021-03-30 CN CN202110341806.7A patent/CN113110570B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113110570A (zh) | 2021-07-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110728715B (zh) | 一种智能巡检机器人摄像机角度自适应调整方法 | |
| KR102447461B1 (ko) | 다방향 카메라를 이용한 밀폐 공간에 대한 치수 추정 | |
| CN102929288B (zh) | 基于视觉伺服的输电线路无人机巡检云台控制方法 | |
| US20200198139A1 (en) | Map creation method of mobile robot and mobile robot | |
| US10375376B2 (en) | Pose estimation apparatus and vacuum cleaner system | |
| WO2020023982A2 (en) | Method and apparatus for combining data to construct a floor plan | |
| WO2020093436A1 (zh) | 管道内壁的三维重建方法 | |
| EP3341915A1 (en) | Mapping a space using a multi-directional camera | |
| CN102785719B (zh) | 船舶水尺图像拍摄方法 | |
| CN108852184A (zh) | 一种基于深度学习算法的无盲区扫地机器人及其清扫控制方法 | |
| CN113110570B (zh) | 一种利用无人机测量大型罐体实时数据的智能机器人 | |
| JP2015156212A (ja) | 映像ソース及び画像ソースにおける静止要素を検出するための方法、システム、撮像装置、可動装置、及びプログラム製品 | |
| CN208914088U (zh) | 一种巡检机器人 | |
| CN112034837A (zh) | 确定移动机器人工作环境的方法、控制系统及存储介质 | |
| JP2017027417A (ja) | 画像処理装置及び電気掃除器 | |
| CN117021059B (zh) | 采摘机器人及其果实定位方法、装置、电子设备及介质 | |
| CN109823872A (zh) | 一种智能平粮机器人及平粮控制系统 | |
| CN109965780A (zh) | 一种地面清洁装置和系统 | |
| CN116809578A (zh) | 基于无人机的光伏板清洁方法、装置及无人机 | |
| Detry et al. | Turbid-water subsea infrastructure 3D reconstruction with assisted stereo | |
| Zhao et al. | Extrinsic calibration of a small fov lidar and a camera | |
| CN113650038A (zh) | 一种巡检机器人 | |
| Ramos et al. | Robot-server architecture for optimizing solar panel power output | |
| Fu et al. | Research on monitoring device for indicating external damage risk of overhead line based on image recognition technology with binocular vision cameras | |
| Saito et al. | Three-dimensional scene reconstruction using stereo camera and laser range finder |
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 |