CN113361539B - 一种井下巡检机器人的仪表读取方法、装置及电子设备 - Google Patents
一种井下巡检机器人的仪表读取方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113361539B CN113361539B CN202110560221.4A CN202110560221A CN113361539B CN 113361539 B CN113361539 B CN 113361539B CN 202110560221 A CN202110560221 A CN 202110560221A CN 113361539 B CN113361539 B CN 113361539B
- Authority
- CN
- China
- Prior art keywords
- instrument
- image
- inspection
- underground
- inspection 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
- 238000007689 inspection Methods 0.000 title claims abstract description 221
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000012545 processing Methods 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 9
- 230000009471 action Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000003321 amplification Effects 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 description 14
- 238000012549 training Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 238000003860 storage Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 239000012634 fragment Substances 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 239000000779 smoke Substances 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Abstract
本申请提出了一种井下巡检机器人的仪表读取方法、装置及电子设备。该方法包括:基于巡检指令巡检至目标巡检位置,采集原始井下图像,进行图像增强后,生成待处理井下图像;提取待处理井下图像的轮廓图像和轮廓点,进而获取待处理井下图像的关键特征;基于关键特征识别,与仪表特征数据库进行特征比对,若待处理井下图像为仪表图像,识别仪表图像的类型;基于仪表图像的类型,调用与仪表图像的类型匹配的仪表读取策略,基于仪表读取策略,对仪表图像进行数据读取,获取仪表图像中的仪表数据。本申请中,在巡检机器人执行井下巡检任务时,能识别多种仪表图像,完成仪表数据读取,该方法具有通用性、较强的鲁棒性,且读数更加准确,提高了巡检效率。
Description
技术领域
本申请涉及机器人及人工智能技术领域,尤其涉及一种井下巡检机器人的仪表读取方法、装置及电子设备。
背景技术
煤矿井下开发环境危险性较高,为了保障井下人员的生命安全以及正常工作,对井下的监测就显得尤为重要。相关技术中,对于井下的安全监测一般使用人工巡检的方法,由于井下工作环境恶劣,照明不良,人工巡检可能由于劳动强度过大不能及时发现安全隐患。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。为此,本申请的一个目的在于提出一种井下巡检机器人的仪表读取方法。
本申请的第二个目的在于提出一种井下巡检机器人的仪表读取装置。
本申请的第三个目的在于提出一种电子设备。
本申请的第四个目的在于提出一种非瞬时计算机可读存储介质。
本申请的第五个目的在于提出一种计算机程序产品。
为达上述目的,本申请第一方面实施例提出了一种井下巡检机器人的仪表读取方法,其特征在于,包括:
基于巡检指令巡检至目标巡检位置,并采集的原始井下图像,对原始井下图像进行图像增强,生成待处理井下图像;
提取待处理井下图像的轮廓图像和轮廓图像上的轮廓点,并基于部分轮廓点,获取待处理井下图像的关键特征;
基于关键特征识别,与仪表特征数据库进行特征比对,以判断待处理井下图像是否为仪表图像;
若待处理井下图像为仪表图像,识别仪表图像的类型;
基于仪表图像的类型,调用与仪表图像的类型匹配的仪表读取策略,基于仪表读取策略,对仪表图像进行数据读取,获取仪表图像中的仪表数据。
为达上述目的,本申请第二方面实施例提出了井下巡检机器人的仪表读取装置,包括:
数据采集模块,用于基于巡检指令巡检至目标巡检位置,并采集的原始井下图像,对原始井下图像进行图像增强,生成待处理井下图像;
处理模块,用于提取待处理井下图像的轮廓图像和轮廓图像上的轮廓点,并基于部分轮廓点,获取待处理井下图像的关键特征;基于关键特征识别,与仪表特征数据库进行特征比对,以判断待处理井下图像是否为仪表图像;若待处理井下图像为仪表图像,识别仪表图像的类型;基于仪表图像的类型,调用与仪表图像的类型匹配的仪表读取策略,基于仪表读取策略,对仪表图像进行数据读取,获取仪表图像中的仪表数据。
为达上述目的,本申请第三方面实施例提出了一种电子设备,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本申请第一方面实施例中提供的井下巡检机器人的仪表读取方法。
为达上述目的,本申请第四方面实施例提出了一种计算机可读存储介质,其上存储有计算机指令,其中,计算机指令用于使计算机执行根据本申请第一方面实施例中提供的井下巡检机器人的仪表读取方法。
为达上述目的,本申请第五方面实施例提出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本申请第一方面实施例中提供的井下巡检机器人的仪表读取方法。
附图说明
图1是本申请一个实施例的井下巡检机器人的结构图;
图2是本申请一个实施例的井下巡检机器人的仪表读取方法的流程图;
图3是本申请另一个实施例的井下巡检机器人的仪表读取方法的流程图;
图4是本申请另一个实施例的井下巡检机器人的仪表读取方法的流程图;
图5是本申请另一个实施例的井下巡检机器人的仪表读取方法的流程图;
图6是本申请另一个实施例的井下巡检机器人的仪表读取方法的流程图;
图7是本申请另一个实施例的井下巡检机器人的仪表读取方法的流程图;
图8是本申请一个实施例的井下巡检机器人的仪表读取装置的结构框图;
图9是本申请一个实施例的电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
下面结合附图来描述本申请实施例的井下巡检机器人的仪表读取方法、装置及电子设备。
为了便于理解,首先介绍本申请中的巡检机器人。
图1是本申请一个实施例的井下巡检机器人的结构图,如图1所示,该井下巡检机器人10包括:人机界面11、处理器12、电源器13、导航定位器14、驱动器15、数据采集器16。其中:
人机界面11与处理器12连接,用于将用户输入的巡检指令等控制指令传输给控制器,并在巡检过程中显示巡检机器人的实时位置及运行状态。
处理器12用于数据处理,并对巡检机器人的所有操作与运行进行控制。
电源器13与处理器12连接,用于提供工作电源。
导航定位器14与处理器12连接,用于确定巡检机器人在巡检路线中的位置,并发送给处理器,对整个巡检过程进行导航。
驱动器15与处理器12连接,用于根据处理器发出的指令控制巡检机器人的行驶。
图像采集器16与处理器12连接,用于采集图片信息,并发送给处理器进行处理。
图2是本申请一个实施例的井下巡检机器人的仪表读取方法的流程图,如图2所示,该方法包括以下步骤:
S21,基于巡检指令巡检至目标巡检位置,采集原始井下图像,对原始井下图像进行图像增强,生成待处理井下图像。
本申请实施例中,用户根据巡检任务对巡检机器人下达巡检指令,巡检指令用于指示需要采集数据的目标巡检位置,从而确认巡检机器人的巡检路线。根据巡检路线进行导航,引导巡检机器人行驶。
本申请实施例中,每当巡检机器人巡检至目标巡检位置后,图像采集器对原始井下图像进行采集。由于井下环境光线较暗,同时空气中悬浮了大量颗粒物,光线可能造成散射作用,从而导致原始井下图像对比度低,不清晰等问题。为了避免这种情况,需要有针对性地对原始井下图像进行图像增强,生成待处理井下图像。
可选地,为避免不必要的计算量,本申请实施例中,基于图像的清晰度有选择性地对原始井下图像进行图像增强,也就是说,在获取原始井下图像后,并不立即对原始井下图像进行图像增强,而是先对其进行清晰度识别,获取原始井下图像的清晰度,并将清晰度与设定阈值进行比较,若清晰度不低于设定阈值,则以原始井下图像作为待处理井下图像;若清晰度低于设定阈值,则需要对原始井下图像进行图像增强,即采取残差聚集的方法提取原始井下图像的细节特征,利用稠密连接结构对提取的特征进行判定,进而将低维特征组合生成高维特征,生成图像增强后的待处理井下图像。
S22,提取待处理井下图像的轮廓图像和轮廓图像上的轮廓点,并基于部分轮廓点,获取待处理井下图像的关键特征。
提取待处理井下图像的图像轮廓,可选的,可以利用索贝尔(Sobel)算子或罗伯特(Roberts)算子对待处理井下图像进行边缘检测处理,获取轮廓图像,并提取轮廓图像上的轮廓点。选取部分轮廓点作为图像的特征点,根据图像轮廓及图像的特征点对待处理井下图像的图像区域进行透视,获取待处理井下图像的关键特征。
S23,基于关键特征识别,与仪表特征数据库进行特征比对,以判断待处理井下图像是否为仪表图像。
本申请实施例中,在识别仪表图像类型之前,先对待处理井下图像进行识别,初步筛选出仪表图像,再对仪表图像类型进行判断,以达到简化计算的目的。
在巡检机器人的数据库中预先储存若干仪表图片,对仪表图片进行训练,获取包含仪表训练模型的仪表特征的数据库,进而将待处理井下图像的关键特征与仪表特征数据库中的仪表训练模型进行比对,若匹配成功,则当前待处理井下图像为仪表图像,并继续执行步骤S24。
可选地,若匹配不成功,则将待处理井下图像存入一般场景图片库。
S24,若待处理井下图像为仪表图像,识别仪表图像的类型。
本申请实施例中,若待处理井下图像为仪表图像,则进一步判断仪表图像的类型。可选地,仪表图像的类型有数字仪表类型以及指针仪表类型。
本申请实施例中,通过建立的数字仪表模型训练库及指针仪表模型训练库来对仪表图像进行识别,下面对数字仪表模型训练库进行介绍。
数字仪表模型训练库中保存有多种型号、多种字体的实际数字仪表图像样本,可选地,为了准确地识别仪表图像的类型,可以将实际数字仪表图像样本的字体部分与背景部分分离,随机合成新的数字仪表图像样本,同时,对实际数字仪表图像样本与合成数字仪表图像样本的差异部分进行训练测试,从而优化合成数字仪表图像样本。也就是说,数字仪表模型训练库中的数字仪表图像样本包括实际数字仪表图像样本及合成数字仪表图像样本。
将仪表图像与数字仪表模型训练库中的每张数字仪表图像样本进行匹配,获取图像的第一相似度,若存在有第一相似度不小于预先设定的相似度阈值,则判定该仪表图像是数字仪表图像;若所有第一相似度都小于预先设定的相似度阈值,则判定该仪表图像是指针仪表图像。
S25,基于仪表图像的类型,调用与仪表图像的类型匹配的仪表读取策略,基于仪表读取策略,对仪表图像进行数据读取,获取仪表图像中的仪表数据。
在一些实现中,仪表图像的类型指示仪表为数字仪表,则其对应的仪表读取策略为:提取仪表图像中的表盘特征,获取其特征标签数据,进而利用神经网络获取数字序列,即为仪表图像中的仪表数据。
在一些实现中,仪表图像的类型指示仪表为指针仪表,则其对应的仪表读取策略为:提取仪表图像中的特征点坐标和方向,读取指针仪表的指针位置,根据仪表刻度获取其对应的实际数值,计算仪表读数,即为仪表图像中的仪表数据。
本申请实施例中,在巡检机器人执行井下巡检任务时,能较好的处理采集的数据,识别多种仪表图像,完成仪表数据读取,该方法具有通用性、较强的鲁棒性,且读数更加准确,提高了巡检效率。
图3是本申请另一个实施例的井下巡检机器人的仪表读取方法的流程图,如图3所示,在上述实施例的基础上,若仪表图像的类型指示仪表为数字仪表,该方法包括以下步骤:
S31,若仪表图像的类型指示仪表为数字仪表,从仪表图像中提取表盘字符特征,并对表盘字符特征进行卷积计算,生成仪表图像的卷积后特征序列。
若仪表图像的类型指示仪表为数字仪表,则由处理器识别表盘字符区域,可选地,字符区域包含表盘中的数字及文本部分。对表盘字符区域进行卷积计算,并输入滤波器中提取表盘字符特征,对表盘字符特征进行卷积计算,获取数字仪表特征图,进而对数字仪表特征图进行压缩,并滤除冗余信息,保留主要特征,生成特征序列。
S32,对卷积后特征序列进行切分,基于切分的序列片段的语义对序列片段进行排序,生成时间序列片段。
将包含字符特征的特征序列进行切分,并根据语义对序列片段进行排序,生成时间序列片段。
S33,基于时间序列片段获取特征序列的上下文关联信息,并对上下文关联信息进行分类识别,输出特征序列对应的标签向量,并基于标签向量生成仪表图像的仪表数据。
将时间序列片段送入神经网络中,可选地,本申请实施例中,将时间序列片段输入循环神经网络(Recurrent Neural Networks,RNN)进行处理,获取特征序列的上下文关联信息,并对上下文关联信息进行分类识别,输出特征序列对应的标签向量,即标签数据。可选地,标签数据的类别可以包括0~9、“.”、“+”、“-”等。
利用时序分类(Connectionist Temporal Classification,CTC)算法建立时间序列片段与标签数据之间的映射关系,获取最优的标签(label)序列,并利用损失函数进行训练,减小误差,对数字仪表模型训练库中的特征进行匹配识别,最终获取的数字序列即为仪表图像的仪表数据。
本申请实施例中,在巡检机器人执行井下巡检任务时,能较好的处理采集的数据,识别多种仪表图像,完成仪表数据读取,可以读取井下任意尺寸、识别任意长度的字符串的数字仪表图像的数据,该方法具有通用性、较强的鲁棒性,且读数更加准确,提高了巡检效率。
图4是本申请另一个实施例的井下巡检机器人的仪表读取方法的流程图,如图4所示,在上述实施例的基础上,若仪表图像的类型指示仪表为指针仪表,该方法包括以下步骤:
S41,若仪表图像的类型指示仪表为指针仪表,确定指针仪表的类型,并从指针仪表分类模板库中获取与针仪表的类型匹配的标准仪表图像。
若仪表图像的类型指示仪表为指针仪表,则根据指针仪表分类模板库确定指针仪表的类型,指针仪表分类模板库保存有多种类型、多种字体的指针仪表图像样本。指针仪表分类模板库的建立方法可参考上述数字仪表模型训练库的描述,此处不再赘述。
将仪表图像与指针仪表分类模板库的每张指针仪表图像样本进行匹配,并获取第二相似度,判定第二相似度最高的指针仪表图像样本的类型为指针仪表的类型,也就是与指针仪表的类型匹配的标准仪表图像。
S42,分别提取仪表图像和标准仪表图像的特征点进行特征点匹配,并基于匹配成功的目标特征点对仪表图像进行拟合放大。
利用尺度不变特征变换匹配(Scale Invariant Feature Transform,SIFT)算法获取仪表图像和标准仪表图像的特征点及SIFT描述因子,根据描述因子将仪表图像和标准仪表图像的特征点进行匹配,并根据最佳匹配点对仪表图像进行拟合放大,以排除干扰,锁定指针仪表的指针区域,把仪表图片矫正到标准仪表图像的尺寸,进而执行步骤S43。
S43,建立仪表图像和标准仪表图片的透视变换关系。
利用霍夫(Hough)变换建立拟合放大后的仪表图像和标准仪表图片的透视变换关系。
S44,定位仪表图像中指针的停留位置,并基于透视变换关系将停留位置映射到标准仪表图片的相应位置上。
利用Hough线检测原理定位指针在仪表图像中的位置,并基于透视变换关系建立统一坐标系,将停留位置映射到标准仪表图片的相应位置上,保存指针刻度。
S45,基于相应位置确定标准仪表图像加载的仪表刻度,并基于指针仪表的类型获取仪表刻度和仪表数值之间的映射关系,从映射关系中获取与加载仪表刻度对应的仪表数据。
本申请实施例中,在巡检机器人执行井下巡检任务时,能较好的处理采集的数据,识别多种仪表图像,完成仪表数据读取,能够读取刻度均匀或不均、运动模糊、旋转等复杂情况下的指针仪表图像的数据,该方法具有通用性、较强的鲁棒性,且读数更加准确,提高了巡检效率。
如图1所示,在一些实现中,巡检机器人10还包含无线通信组件17,无线通信组件与处理器相连,用于与接收终端设备的信息或向终端设备发送信息。
图5是本申请一个实施例的井下巡检机器人的仪表读取方法的流程图,如图5所示,该方法包括:
S51,接收巡检指令,并基于巡检指令确定目标巡检位置,并作为巡检机器人的终点位置。
接受巡检指令,可选地,巡检指令可以是用户在人机界面输入的控制指令,也可以是由无线通讯器传输的、由终端设备发出的巡检指令。
基于巡检指令确定目标巡检位置,并作为巡检机器人的终点位置。
S52,获取巡检机器人当前的位置信息,作为巡检机器人的起点位置。
根据导航定位器获取巡检机器人当前的位置信息,并以当前位置作为巡检机器人的起点位置。
S53,根据启动位置和终点位置确定巡检机器人的巡检路线,并控制巡检机器人按照巡检路线巡检。
根据启动位置和终点位置确定巡检机器人的巡检路线,驱动器按照巡检路线控制巡检机器人进行行驶。
S54,在巡检过程中获取巡检机器人的定位数据,基于定位数据引导巡检机器人回归巡检路线,直至巡检至目标巡检位置。
导航定位器在巡检过程中不断更新巡检机器人的位置,若巡检机器人在行驶过程中偏移了巡检路线,则驱动器控制巡检机器人回归巡检路线并继续按照巡检路线进行行驶,直至巡检至目标巡检位置。
在一些实现中,在巡检机器人的巡检过程中需要变更路线,因此,可以将定位数据实时共享至终端设备,在需要变更路线的情况下,接收终端设备的路线调整指令,其中,位置调整指令包括巡检机器人更新后的巡检路线。根据路线调整指令继续巡检至更新后的巡检路线对应的终点位置。
为避免巡检机器人因电量不足导致中止巡检,可选地,在巡检过程中,实时检测巡检机器人的剩余电量。若剩余电量续航的里程小于当前位置至目标巡检位置的距离,根据当前位置确定巡检机器人的候选充电位置,并从中选取设置在巡检路线上位于巡检机器人前方的候选充电位置作为目标充电位置。规划当前位置与目标充电位置之间的充电路线,依照充电路线进行充电回归。充电完成后,从目标充电位置回归到巡检路线,继续巡检至目标巡检位置。
本申请实施例中,在巡检机器人执行井下巡检任务时,能较好的处理采集的数据,该方法具有通用性、较强的鲁棒性,且提高了巡检效率。
如图1所示,在一些实现中,巡检机器人10还包含环境监测组件18,用于进行气体检测及烟雾监测。
图6是本申请一个实施例的井下巡检机器人的仪表读取方法的流程图,如图6所示,该方法包括以下步骤:
S61,在到达目标巡检位置后,启动环境监测组件,由环境监测组件对环境进行检测得到环境参数信息,并回传至终端设备。
可选地,环境参数信息包含目标巡检位置的场景声音、视频等现场数据。还可以包含目标巡检位置的气体监测信息,如甲烷、氧气、一氧化碳等的含量。还可以包含烟雾参数信息等。
S62,接收终端设备反馈的巡检警报信息,其中,巡检警报信息由终端设备基于环境信息确定目标巡检位置对应的环境存在风险时生成的。
终端设备对环境参数信息进行判断,若环境参数信息指示当前井下环境存在风险,则根据风险生成对应类型的巡检警报信息并发送给巡检机器人。
S63,基于巡检警报信息的类型,确定目标巡检位置需要进行安全防护的井下设备。
本申请实施例中,目标巡检位置具有与巡检警报信息对应的安全防护的井下设备。例如,若巡检警报信息的类型指示当前目标巡检位置的烟雾参数过高,则确定需要进行安全防护的井下设备为烟雾传感器。
S64,基于巡检警报信息的警报等级,确定需要对井下设备执行的安全防护动作,并对井下设备执行安全防护动作。
本申请实施例中巡检警报信息的警报等级可以分为低级和高级。根据巡检警报信息的警报等级,确定需要对井下设备执行的安全防护动作。可选地,若巡检警报信息的警报等级为低级,可以开启相应的安全防护的井下设备,若巡检警报信息的警报等级为高级,则发出警示,提醒工作人员有序撤离。
本申请实施例中,在巡检机器人执行井下巡检任务时,能较好的处理采集的数据,该方法具有通用性、较强的鲁棒性,且提高了巡检效率及巡检安全性。
如图1所示,在一些实现中,巡检机器人10还包含故障检测件19,故障检测件与处理器相连,用于对巡检机器人进行故障检测和故障修复。
图7是本申请一个实施例的井下巡检机器人的仪表读取方法的流程图,如图7所示,该方法包括以下步骤:
S71,判断当前是否满足自检条件,当满足自检条件时,触发生成自检指令。
本申请实施例中,若巡检机器人满足自检条件,则触发生成自检指令,自检指令指示故障检测件对巡检机器人进行故障检测。
可选地,自检指令可以由用户手动触发,也可以由预先设置的时间触发,例如每隔一段时间发出一次自检指令。
S72,执行自检指令,将自检结果回传至终端设备。
执行自检指令,对巡检机器人进行故障检测,并将自检结果回传至终端设备。可选的,在检测到故障之后,还可以进行故障修复,并将修复结果也回传给终端设备。
本申请实施例中,在巡检机器人执行井下巡检任务时,能较好的处理采集的数据,该方法具有通用性、较强的鲁棒性,且提高了巡检效率及巡检安全性。
如图8所示,基于同一申请构思,本申请实施例还提供了一种井下巡检机器人的仪表读取装置80,包括:
数据采集模块81,用于基于巡检指令巡检至目标巡检位置,并采集的原始井下图像,对原始井下图像进行图像增强,生成待处理井下图像;
处理模块82,用于提取待处理井下图像的轮廓图像和轮廓图像上的轮廓点,并基于部分轮廓点,获取待处理井下图像的关键特征;基于关键特征识别,与仪表特征数据库进行特征比对,以判断待处理井下图像是否为仪表图像;若待处理井下图像为仪表图像,识别仪表图像的类型;基于仪表图像的类型,调用与仪表图像的类型匹配的仪表读取策略,基于仪表读取策略,对仪表图像进行数据读取,获取仪表图像中的仪表数据。
进一步地,在本申请实施例一种可能的实现方式中,处理模块82,还用于:若仪表图像的类型指示仪表为数字仪表,从仪表图像中提取表盘字符特征,并对表盘字符特征进行卷积计算,生成仪表图像的卷积后特征序列;对卷积后特征序列进行切分,基于切分的序列片段的语义对序列片段进行排序,生成时间序列片段;基于时间序列片段获取特征序列的上下文关联信息,并对上下文关联信息进行分类识别,输出特征序列对应的标签向量,并基于标签向量生成仪表图像的仪表数据。
进一步地,在本申请实施例一种可能的实现方式中,处理模块82,还用于:若仪表图像的类型指示仪表为指针仪表,确定指针仪表的类型,并从指针仪表分类模板库中获取与针仪表的类型匹配的标准仪表图像;分别提取仪表图像和标准仪表图像的特征点进行特征点匹配,并基于匹配成功的目标特征点对仪表图像进行拟合放大;建立仪表图像和标准仪表图片的透视变换关系;定位仪表图像中指针的停留位置,并基于透视变换关系将停留位置映射到标准仪表图片的相应位置上;基于相应位置确定标准仪表图像加载的仪表刻度,并基于指针仪表的类型获取仪表刻度和仪表数值之间的映射关系,从映射关系中获取与加载仪表刻度对应的仪表数据。
进一步地,在本申请实施例一种可能的实现方式中,井下巡检机器人的仪表读取装置80,还包括导航定位模块83,用于:接收巡检指令,并基于巡检指令确定目标巡检位置,并作为巡检机器人的终点位置;获取巡检机器人当前的位置信息,作为巡检机器人的起点位置;根据启动位置和终点位置确定巡检机器人的巡检路线,并控制巡检机器人按照巡检路线巡检;在巡检过程中获取巡检机器人的定位数据,基于定位数据引导巡检机器人回归巡检路线,直至巡检至目标巡检位置。
进一步地,在本申请实施例一种可能的实现方式中,井下巡检机器人的仪表读取装置80,还包括无线通信模块84,用于:将定位数据实时共享至终端设备;接收终端设备的路线调整指令;其中,位置调整指令包括巡检机器人更新后的巡检路线;根据路线调整指令继续巡检至更新后的巡检路线对应的终点位置。
进一步地,在本申请实施例一种可能的实现方式中,井下巡检机器人的仪表读取装置80,还包括电源模块85,用于:在巡检过程中,实时检测巡检机器人的剩余电量;若剩余电量续航的里程小于当前位置至目标巡检位置的距离,根据当前位置确定巡检机器人的候选充电位置,并从中选取设置在巡检路线上位于巡检机器人前方的候选充电位置作为目标充电位置;
进一步地,在本申请实施例一种可能的实现方式中,井下巡检机器人的仪表读取装置80,还包括环境监测模块86,用于:在到达目标巡检位置后,启动环境监测组件,由环境监测组件对环境进行检测得到环境参数信息,并回传至终端设备;接收终端设备反馈的巡检警报信息,其中,巡检警报信息由终端设备基于环境信息确定目标巡检位置对应的环境存在风险时生成的;基于巡检警报信息的类型,确定目标巡检位置需要进行安全防护的井下设备;基于巡检警报信息的警报等级,确定需要对井下设备执行的安全防护动作,并对井下设备执行安全防护动作。规划当前位置与目标充电位置之间的充电路线,依照充电路线进行充电回归;充电完成后,从目标充电位置回归到巡检路线,继续巡检至目标巡检位置。
进一步地,在本申请实施例一种可能的实现方式中,井下巡检机器人的仪表读取装置80,还包括自检模块87,用于:判断当前是否满足自检条件,当满足自检条件时,触发生成自检指令;执行自检指令,将自检结果回传至终端设备。
基于同一申请构思,本申请实施例还提供了一种电子设备。
图9为本申请实施例提供的电子设备的结构示意图。如图9所示,该电子设备90,包括存储介质91、处理器92及存储在存储器91上并可在处理器92上运行的计算机程序产品,处理器执行计算机程序时,实现前述的井下巡检机器人的仪表读取方法。
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。
基于同一申请构思,本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机指令,其中,该计算机指令用于使计算机执行上述实施例中的井下巡检机器人的仪表读取方法。
基于同一申请构思,本申请实施例还提供了一种计算机程序产品,包括计算机程序,该计算机程序在被处理器执行时上述实施例中的井下巡检机器人的仪表读取方法。
应当注意的是,在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本申请可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作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申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (6)
1.一种井下巡检机器人的仪表读取方法,其特征在于,包括:
将基于巡检指令确定的目标巡检位置作为巡检机器人的终点位置,将所述巡检机器人当前的位置信息作为所述巡检机器人的起点位置,根据所述起点位置和所述终点位置确定所述巡检机器人的巡检路线,控制所述巡检机器人按照所述巡检路线进行巡检,在巡检过程中,实时获取所述巡检机器人的定位数据和剩余电量,若所述剩余电量续航的里程小于当前位置至所述目标巡检位置的距离,则根据所述当前位置确定所述巡检机器人的候选充电位置,并从中选取设置在所述巡检路线上位于所述巡检机器人前方的候选充电位置作为目标充电位置,根据所述当前位置和所述目标充电位置确定所述巡检机器人的充电路线,控制所述巡检机器人按照所述充电路线巡检至目标充电位置进行充电,在充电完成后,基于所述定位数据引导所述巡检机器人回归所述巡检路线,直至巡检至目标巡检位置,采集原始井下图像,在所述原始井下图像的清晰度低于设定阈值时,对所述原始井下图像进行图像增强,生成待处理井下图像,其中,将所述定位数据实时共享至终端设备,接收所述终端设备的路线调整指令,所述路线调整指令包括更新后的巡检路线,控制所述巡检机器人按照所述更新后的巡检路线进行巡检;
提取所述待处理井下图像的轮廓图像和所述轮廓图像上的轮廓点,并基于部分轮廓点,获取所述待处理井下图像的关键特征;
基于所述关键特征识别,与仪表特征数据库进行特征比对,以判断所述待处理井下图像是否为仪表图像;
若所述待处理井下图像为仪表图像,识别所述仪表图像的类型;
基于所述仪表图像的类型,调用与所述仪表图像的类型匹配的仪表读取策略,基于所述仪表读取策略,对所述仪表图像进行数据读取,获取所述仪表图像中的仪表数据,若所述仪表图像的类型指示仪表为数字仪表,从所述仪表图像中提取表盘字符特征,并对所述表盘字符特征进行卷积计算,生成所述仪表图像的卷积后特征序列;对所述卷积后特征序列进行切分,基于切分的序列片段的语义对所述序列片段进行排序,生成时间序列片段;基于所述时间序列片段获取所述特征序列的上下文关联信息,并对所述上下文关联信息进行分类识别,输出所述特征序列对应的标签向量,并基于所述标签向量生成所述仪表图像的仪表数据;判断当前是否满足自检条件,当满足自检条件时,触发生成自检指令,执行所述自检指令,将自检结果回传至所述终端设备。
2.根据权利要求1所述的方法,其特征在于,所述基于所述仪表图像的类型,调用与所述仪表图像的类型匹配的仪表读取策略,基于所述仪表读取策略,对所述仪表图像进行数据读取,获取所述仪表图像中的仪表数据,还包括:
若所述仪表图像的类型指示仪表为指针仪表,确定所述指针仪表的类型,并从指针仪表分类模板库中获取与所述针仪表的类型匹配的标准仪表图像;
分别提取所述仪表图像和所述标准仪表图像的特征点进行特征点匹配,并基于匹配成功的目标特征点对所述仪表图像进行拟合放大;
建立所述仪表图像和标准仪表图片的透视变换关系;
定位所述仪表图像中指针的停留位置,并基于所述透视变换关系将所述停留位置映射到所述标准仪表图片的相应位置上;
基于所述相应位置确定所述标准仪表图像加载的仪表刻度,并基于所述指针仪表的类型获取仪表刻度和仪表数值之间的映射关系,从所述映射关系中获取与所述加载的仪表刻度对应的仪表数据。
3.根据权利要求1所述的方法,其特征在于,所述将基于巡检指令确定的目标巡检位置作为巡检机器人的终点位置,包括:
接收所述巡检指令;
基于所述巡检指令确定所述目标巡检位置;
将所述目标巡检位置作为巡检机器人的终点位置。
4.根据权利要求1所述的方法,其特征在于,还包括:
在到达所述目标巡检位置后,启动环境监测组件,由所述环境监测组件对环境进行检测得到环境参数信息,并回传至终端设备;
接收所述终端设备反馈的巡检警报信息,其中,所述巡检警报信息由所述终端设备基于所述环境参数信息确定所述目标巡检位置对应的环境存在风险时生成的;
基于所述巡检警报信息的类型,确定所述目标巡检位置需要进行安全防护的井下设备;
基于所述巡检警报信息的警报等级,确定需要对所述井下设备执行的安全防护动作,并对所述井下设备执行所述安全防护动作。
5.一种用于实现如权利要求1-4中任一所述方法的井下巡检机器人的仪表读取装置,其特征在于,包括:
数据采集模块,用于基于巡检指令巡检至目标巡检位置,并采集的原始井下图像,对所述原始井下图像进行图像增强,生成待处理井下图像;
处理模块,用于提取所述待处理井下图像的轮廓图像和所述轮廓图像上的轮廓点,并基于部分轮廓点,获取所述待处理井下图像的关键特征;基于所述关键特征识别,与仪表特征数据库进行特征比对,以判断所述待处理井下图像是否为仪表图像;若所述待处理井下图像为仪表图像,识别所述仪表图像的类型;基于所述仪表图像的类型,调用与所述仪表图像的类型匹配的仪表读取策略,基于所述仪表读取策略,对所述仪表图像进行数据读取,获取所述仪表图像中的仪表数据。
6.一种电子设备,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权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110560221.4A CN113361539B (zh) | 2021-05-21 | 一种井下巡检机器人的仪表读取方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110560221.4A CN113361539B (zh) | 2021-05-21 | 一种井下巡检机器人的仪表读取方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113361539A CN113361539A (zh) | 2021-09-07 |
CN113361539B true CN113361539B (zh) | 2024-07-02 |
Family
ID=
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105446336A (zh) * | 2015-12-08 | 2016-03-30 | 哈尔滨工业大学 | 一种用于寒地变电站的机器人巡检系统及巡检方法 |
CN110826549A (zh) * | 2019-11-04 | 2020-02-21 | 山东欧玛嘉宝电气科技有限公司 | 基于计算机视觉的巡检机器人仪表图像识别方法及系统 |
CN111639795A (zh) * | 2020-05-19 | 2020-09-08 | 深圳供电局有限公司 | 一种变电站机器人智能巡检任务规划方法 |
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105446336A (zh) * | 2015-12-08 | 2016-03-30 | 哈尔滨工业大学 | 一种用于寒地变电站的机器人巡检系统及巡检方法 |
CN110826549A (zh) * | 2019-11-04 | 2020-02-21 | 山东欧玛嘉宝电气科技有限公司 | 基于计算机视觉的巡检机器人仪表图像识别方法及系统 |
CN111639795A (zh) * | 2020-05-19 | 2020-09-08 | 深圳供电局有限公司 | 一种变电站机器人智能巡检任务规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4616120B2 (ja) | 画像処理装置及び検査装置 | |
CN112115927B (zh) | 一种基于深度学习的机房设备智能识别方法及系统 | |
US20210174086A1 (en) | Ar gauge scanner using a mobile device application | |
CN110889339B (zh) | 基于头肩检测的危险区域分级预警方法与系统 | |
CN108711152B (zh) | 一种基于ai技术的图像分析方法、装置和用户终端 | |
CN112561859B (zh) | 基于单目视觉的锚护用钢带钻孔与锚网识别方法及装置 | |
CN114549993B (zh) | 实验中线段图像的评分方法、系统、设备及可读存储介质 | |
US9613328B2 (en) | Workflow monitoring and analysis system and method thereof | |
US9818198B2 (en) | Method for near-realtime workspace mapping | |
CN112949457A (zh) | 基于增强现实技术的维修方法、装置及系统 | |
CN116259002A (zh) | 一种基于视频的人体危险行为分析方法 | |
Liu et al. | An approach for auto bridge inspection based on climbing robot | |
CN111091104A (zh) | 一种目标物体的防护检测方法、装置、设备及存储介质 | |
KR102366396B1 (ko) | Rgb-d 데이터와 딥러닝을 이용한 3d객체영역분할 방법과 그 시스템 | |
CN113361539B (zh) | 一种井下巡检机器人的仪表读取方法、装置及电子设备 | |
CN113297945A (zh) | 基于混合现实空间定位的室内设备巡检辅助方法及系统 | |
CN112794274A (zh) | 一种油罐车底部装油口安全监控方法及系统 | |
CN114494103A (zh) | 缺陷检测方法及检测装置 | |
CN116002480A (zh) | 电梯轿厢内乘客意外摔倒的自动检测方法和系统 | |
CN113361539A (zh) | 一种井下巡检机器人的仪表读取方法、装置及电子设备 | |
CN115438945A (zh) | 基于电力设备巡检的风险识别方法、装置、设备及介质 | |
CN113727022B (zh) | 巡检图像的采集方法及装置、电子设备、存储介质 | |
CN114972500A (zh) | 查验方法、标注方法、系统、装置、终端、设备及介质 | |
CN114153730A (zh) | 埋点配置页面生成方法及相关设备 | |
CN111046878B (zh) | 一种数据处理方法、装置及计算机存储介质和计算机 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |