CN113433560A - 一种机器人侧边巡检的定位方法、装置、电子设备及介质 - Google Patents
一种机器人侧边巡检的定位方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN113433560A CN113433560A CN202110711105.8A CN202110711105A CN113433560A CN 113433560 A CN113433560 A CN 113433560A CN 202110711105 A CN202110711105 A CN 202110711105A CN 113433560 A CN113433560 A CN 113433560A
- Authority
- CN
- China
- Prior art keywords
- robot
- distance
- vehicle
- station
- vehicle body
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 176
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000001514 detection method Methods 0.000 claims abstract description 19
- 238000005259 measurement Methods 0.000 claims description 12
- 238000013527 convolutional neural network Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 2
- 230000003137 locomotive effect Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 10
- 238000012423 maintenance Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010036086 Polymenorrhoea Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/08—Systems determining position data of a target for measuring distance only
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Abstract
本发明实施例公开了一种机器人侧边巡检的定位方法、装置、电子设备及介质。其中,该方法包括:获取机器人自车辆原点至当前位置的运动距离,根据预设的巡检工位位置表和运动距离,判断机器人的当前位置与任一待巡检工位之间的距离是否满足预设的距离阈值要求;若是,则从待巡检工位中确定目标巡检工位,通过第一图像采集设备采集第一车体图像,判断第一车体图像中是否存在目标巡检工位的车轮;若是,则控制机器人以预设速度运动,并获取第二图像采集设备采集的第二车体图像;识别第二车体图像中的车轮中心,判断车轮中心是否位于所述第二车体图像的垂直中心线上,若是,则控制机器人停止运动并在目标巡检工位执行检测任务。
Description
技术领域
本发明实施例涉及机器人技术,尤其涉及一种机器人侧边巡检的定位方法、装置、电子设备及介质。
背景技术
随着地铁和轻轨等轨道交通的规模逐渐增加,轨道交通车辆的数量越来越庞大,车辆检修任务也越来越多。日常检修作业所采取的人工目视等传统检修方法,周期频繁,工作量大,在检修效率、安全性和可靠性等方面均存在明显不足。
为了提升轨道交通车辆的检修效果,引入巡检机器人进行智能化检修。目前常用的巡检机器人,需要借助巡检场地铺设的定位辅助设备进行巡检,无法自动定位巡检机器人相对车辆的位置,定位辅助设备不易于部署,巡检成本较高,灵活性低,机器人对车辆的巡检效率和精度较低。
发明内容
本发明实施例提供一种机器人侧边巡检的定位方法、装置、电子设备及介质,以提高机器人对车辆的巡检效率和精度。
第一方面,本发明实施例提供了一种机器人侧边巡检的定位方法,机器人上安装第一图像采集设备和第二图像采集设备,该方法包括:
获取机器人自车辆原点至当前位置的运动距离,根据预设的巡检工位位置表和所述运动距离,判断所述机器人的当前位置与任一待巡检工位之间的距离是否满足预设的距离阈值要求;其中,所述车辆原点包括车头或车尾;
若是,则从所述待巡检工位中确定目标巡检工位,通过所述第一图像采集设备采集第一车体图像,判断所述第一车体图像中是否存在目标巡检工位的车轮;
若是,则控制所述机器人以预设速度运动,并获取所述第二图像采集设备采集的第二车体图像;
识别所述第二车体图像中的车轮中心,判断所述车轮中心是否位于所述第二车体图像的垂直中心线上,若是,则控制所述机器人停止运动并在所述目标巡检工位执行检测任务。
第二方面,本发明实施例还提供了一种机器人侧边巡检的定位装置,机器人上安装第一图像采集设备和第二图像采集设备,该装置包括:
距离判断模块,用于获取机器人自车辆原点至当前位置的运动距离,根据预设的巡检工位位置表和所述运动距离,判断所述机器人的当前位置与任一待巡检工位之间的距离是否满足预设的距离阈值要求;其中,所述车辆原点包括车头或车尾;
第一图像采集模块,用于若是,则从所述待巡检工位中确定目标巡检工位,通过所述第一图像采集设备采集第一车体图像,判断所述第一车体图像中是否存在目标巡检工位的车轮;
第二图像采集模块,用于若是,则控制所述机器人以预设速度运动,并获取所述第二图像采集设备采集的第二车体图像;
车轮中心判断模块,用于识别所述第二车体图像中的车轮中心,判断所述车轮中心是否位于所述第二车体图像的垂直中心线上,若是,则控制所述机器人停止运动并在所述目标巡检工位执行检测任务。
第三方面,本发明实施例还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如本发明任意实施例所述的机器人侧边巡检的定位方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如本发明任意实施例所述的机器人侧边巡检的定位方法。
本发明实施例通过预设的巡检工位位置表,确定机器人是否靠近待巡检工位,若是,则确定目标巡检工位,采用机器人身上的第一图像采集设备获取第一车体图像,判断图像中是否存在目标巡检工位处的车轮,若存在,则降低机器人的运动速度,使机器人缓慢靠近目标巡检工位,避免错误目标巡检工位。获取第二图像采集设备的第二车体图像,根据车轮中心与图像的垂直中心线确定机器人处于目标巡检工位处,机器人停止运动并执行检测任务。解决了现有技术中机器人需要借助外部设备进行辅助定位的问题,实现机器人对目标巡检工位的精确定位,降低巡检成本,节约人力和时间,提高机器人的巡检效率和精度。
附图说明
图1是本发明实施例一中的一种机器人侧边巡检的定位方法的流程示意图;
图2是本发明实施例一中的车辆与机器人的位置示意图;
图3是本发明实施例二中的一种机器人侧边巡检的定位方法的流程示意图;
图4a是本发明实施例二中的车头形状示意图;
图4b是本发明实施例二中的车头形状信息卷积模板示意图;
图4c是本发明实施例二中的激光测距传感器采集的距离值变化曲线;
图4d是本发明实施例二中的置信度值变化曲线;
图5是本发明实施例三中的一种机器人侧边巡检的定位装置的结构框图;
图6是本发明实施例四中的一种机器人侧边巡检的定位设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一所提供的一种机器人侧边巡检的定位方法的流程示意图,本实施例可适用于采用机器人对车辆进行自动巡检的情况,该方法可以由一种机器人侧边巡检的定位装置来执行,机器人身上安装有第一图像采集设备和第二图像采集设备。如图1所示,该方法具体包括如下步骤:
步骤110、获取机器人自车辆原点至当前位置的运动距离,根据预设的巡检工位位置表和运动距离,判断机器人的当前位置与任一待巡检工位之间的距离是否满足预设的距离阈值要求。
其中,待检测车辆停留在轨道上,机器人位于轨道的一侧,即机器人位于车辆的一侧。机器人可以紧邻轨道的一侧,顺着轨道的方向,向着车辆尾部或头部的方向运动。图2为车辆与机器人的位置示意图。机器人可以从车辆原点所在轨道处的侧边出发,例如,车辆原点可以是车头或车尾。机器人可以从车头向车尾运动,也可以将机器人放置在车头前一段距离处所对应的轨道侧边的位置,机器人从车头前方一段距离处所对应的轨道侧边的位置出发,逐渐运动至车头所对应的轨道侧边的位置,再从车头运动至车尾所对应的轨道侧边的位置。本实施例中,可以将机器人放置在车头前方任一位置处的轨道侧边,即可以以车头前一段距离处的轨道侧边位置作为机器人出发的起点,也可以以车头一侧的位置作为机器人出发的起点。机器人身上安装有多个传感器,例如,可以安装有至少两个图像采集设备,图像采集设备可以摄像机等设备。图像采集设备安装于机器人靠近轨道的一侧,即至少两个图像采集设备安装于机器人的同一侧。至少两个图像采集设备前后分布在机器人的同一侧,以机器人前进方向作为正向,机器人身上的第一图像采集设备位于第二图像采集设备之前。
机器人可以在轨道外从车头处沿着轨道方向向车辆尾部运动,实时获取机器人的当前位置,确定机器人自车头位置至当前位置的运动距离。可以在机器人身上安装里程计数器,从机器人在车头处开始计数,实时确定机器人的运动距离。机器人也可以在车头前方的起点开始运动,通过里程计数器确定机器人从起点至车头之间的运动距离,再根据里程计数器确定机器人从起点至当前位置的运动距离,得到机器人自车头至当前位置的运动距离。
预先设置机器人的巡检工位位置表,巡检工位是机器人执行检测任务的位置,例如,可以是车辆的车轮处。待检测的车辆可以是地铁、轻轨或动车等轨道交通车辆,车辆上可以存在多个车厢,每个车厢上可以安装有两个车厢转向架,每个车厢转向架有四个车轮,即有两个轮对,车轮分别位于车厢两侧。可以由已知的各节车厢结构参数确定巡检工位位置表,车厢结构参数可以包括转向架中心点与车厢两侧之间的距离、两个转向架中心点之间的距离、同一转向架两个轮对的中心点之间的距离以及各车厢的长度。计算每个巡检工位相对于车头的距离,生成巡检工位位置表,并确定车尾的终点位置。例如,头车的车头顶点至转向架中心点的距离为D1=5m,两个转向架中心点的距离为D2=17.5m,同一转向架两个轮对中心点的距离为D3=2.5m,则计算得知头车的第一个轮对的巡检工位的位置为D1-D3/2=3.75m,第二个轮对的巡检工位的位置为D1+D3/2=6.25m,第三个轮对的巡检工位的位置为D1+D2-D3/2=21.25m,第四个轮对的巡检工位的位置为D1+D2+D3/2=23.75m。计算第二节车厢的工位位置时,只需要再加上头车的长度,以此类推可计算所有巡检工位以及车尾终点的位置。通过轨道交通车辆车型所对应的车厢结构参数,获得巡检工位位置表和车尾终点位置,可以针对不同的轨道交通车辆车型,自适应地调节巡检工位,提高机器人巡检的灵活性。
根据机器人自车头至当前位置的运动距离以及预设的巡检工位位置表,可以得到机器人当前位置与任意一个待巡检工位之间的距离。待巡检工位是指还未被巡检的工位,已进行过巡检的工位可以被机器人在巡检工位位置表上标记为已巡检工位。确定机器人当前位置与任一待巡检工位之间的距离,也可以只确定机器人当前位置与下一个待巡检工位之间的距离,例如,可以为巡检工位进行编号,根据编号顺序,确定下一个待巡检工位。预先设置一个距离阈值要求,确定机器人与待巡检工位之间的距离是否满足距离阈值要求,预设的距离阈值要求可以是要求机器人与待巡检工位之间的距离小于或等于距离阈值。本实施例中,考虑到车轮半径等因素,可以将距离阈值设置为0.5m至2m之间的范围。
本实施例中,可选的,获取机器人自车辆原点至当前位置的运动距离,根据预设的巡检工位位置表和所述运动距离,判断机器人的当前位置与任一待巡检工位之间的距离是否满足预设的距离阈值要求,包括:通过安装于机器人身上的里程计数器,获取机器人自车辆原点运动至当前位置的第一距离;根据预设的巡检工位位置表,确定任一待巡检工位与车辆原点位置之间的第二距离;根据第一距离和第二距离,确定当前位置与任一待巡检工位之间的第三距离,并判断第三距离是否满足预设的距离阈值要求。
具体的,机器人身上可以安装有里程计数器,里程计数器用于实时获取机器人的运动距离。若机器人从车头出发,则可以在机器人的运动过程中,确定机器人从车头至当前位置的第一距离,第一距离即为里程计数器上显示的距离。根据预设的巡检工位位置表,可以查找任一待巡检工位与车头位置之间的第二距离。本实施例中,可以只查找即将进行巡检的待巡检工位与车头位置之间的第二距离。例如,机器人还未对车辆进行过巡检,则车辆第一个车厢的第一个巡检工位即为即将进行巡检的待巡检工位;若机器人已经对车辆的三个巡检工位进行了巡检,则巡检工位位置表中的第四个巡检工位为即将进行巡检的待巡检工位,也就是机器人下一个要巡检的待巡检工位。在确定第一距离与第二距离之后,可以将第一距离减第二距离,得到第三距离,第三距离是机器人与任一待巡检工位之间的距离,若第二距离只有下一个要巡检的待巡检工位,则第三距离为机器人与下一个要巡检的待巡检工位之间的距离。将第三距离与预设的距离阈值进行比较,若第三距离大于预设距离阈值,则确定第三距离不满足距离阈值要求;若第三距离小于或等于预设距离阈值,则确定第三距离满足距离阈值要求。这样设置的有益效果在于,可以根据机器人的运动距离,通过简单的减法计算,得到机器人与待巡检工位之间的距离,有利于对机器人进行精确定位,提高巡检效率和精度。
步骤120、若是,则从待巡检工位中确定目标巡检工位,通过第一图像采集设备采集第一车体图像,判断第一车体图像中是否存在目标巡检工位的车轮。
其中,若机器人的当前位置与任一待巡检工位之间的距离满足预设的距离阈值要求,则确定机器人正在靠近其中一个巡检工位,将满足距离阈值要求的待巡检工位确定为目标巡检工位。目标巡检工位也可以是下一个待巡检的待巡检工位。判断下一个待巡检工位与当前位置之间的距离是否满足距离阈值要求,若是,则确定下一个待巡检工位为目标巡检工位。采用安装于机器人身上的第一图像采集设备对车辆进行拍照,得到第一车体图像。识别第一车体图像中是否存在车轮,由于机器人正在靠近目标巡检工位,因此,若第一车体图像中出现车轮,则车轮是目标巡检工位处的车轮。若没有待巡检工位与当前位置的距离满足距离阈值要求,则机器人继续以当前速度向前行走,并实时获取机器人自车头至当前位置的运动距离。
可以采用预设的图像识别模型进行车轮识别,预设的图像识别模型可以是卷积神经网络模型。将第一车体图像输入至预设的图像识别模型中,根据输出结果,确定第一车体图像中是否存在车轮。
步骤130、若是,则控制机器人以预设速度运动,并获取第二图像采集设备采集的第二车体图像。
其中,若确定第一车体图像中存在目标巡检工位处的车轮,则确定机器人即将到达目标巡检工位,机器人提前减速行驶。可以将机器人的速度控制在预设速度进行运动,也可以以预设加速度进行减速,避免机器人驶过目标巡检工位。并采用安装于机器人身上的第二图像采集设备得到第二车体图像。例如,机器人身上安装有相机A和相机B,相机A位于相机B的前方,在机器人靠近目标巡检工位时,先采用相机A得到第一车体图像,确定第一车体图像是否存在车轮,若是,则机器人减速运动,并采用相机B得到第二车体图像,通过第二车体图像判断机器人是否即将到达目标巡检工位。
步骤140、识别第二车体图像中的车轮中心,判断车轮中心是否位于第二车体图像的垂直中心线上,若是,则控制机器人停止运动并在目标巡检工位执行检测任务。
其中,在采集到第二车体图像后,识别出第二车体图像中的车轮,确定车轮中心在第二车体图像中的位置,车轮中心可以是车轮的中心点。确定第二车体图像的垂直中心线,垂直中心线是图像的纵向中心线,将第二车体图像分为左右两张大小一致的图像。判断车轮中心是否位于垂直中心线上,若是,则确定机器人正位于目标巡检工位处,机器人可以停止运动,并在目标巡检工位处执行检测任务。若车轮中心不在垂直中心线上,则确定机器人还未到达目标巡检工位,机器人继续低速行驶,直至车轮中心位于第二车体图像的垂直中心线上。例如,机器人按巡检路线以正常速度运动,正常速度可以是0.8米/秒至1.0米/秒之间,当相机A检测到车轮目标时,立即控制机器人减速,以低速继续运动,低速可以是0.1米/秒至0.2米/秒。当相机B检测到车轮并且图像垂直中心线与车轮中心重合时,立即控制机器人停止运动,使机器人精确定位至目标巡检工位。使用轨道交通车辆转向架车轮的自然视觉特征作为巡检工位定位的依据,采用卷积神经网络的方法识别车轮,无需在巡检场地铺设定位辅助标记,有效降低了自动化巡检的成本,并更易于部署。结合视觉特征,使用两个图像采集设备控制机器人提前减速,并精确停止在目标巡检工位,提高了巡检工位定位的精度。
本实施例中,可选的,识别第二车体图像中的车轮中心,判断车轮中心是否位于第二车体图像的垂直中心线上,包括:通过预设的卷积神经网络获取第二车体图像中的车轮识别框,根据车轮识别框得到车轮中心;判断车轮中心与第二车体图像的垂直中心线之间的距离是否在预设的中心线阈值之内,若是,则确定车轮中心位于第二车体图像的垂直中心线上。
具体的,可以通过预设的图像识别模型识别第二车体图像中的车轮,图像识别模型可以是卷积神经网络。若识别到车轮,则可以采用矩形框显示第二车体图像上的车轮识别框。确定第二车体图像上车轮识别框的中心点,将该中心点作为车轮中心。确定第二车体图像的垂直中心线,预先设置一个中心线阈值,判断车轮中心与垂直中心线之间的垂直距离是否在预设的中心线阈值之内,若是,则确定车轮中心位于第二车体图像的垂直中心线上;若不是,则确定车轮中心不在第二车体图像的垂直中心线上。通过设置中心线阈值,可以使机器人在目标巡检工位处没有停止时,在驶过目标巡检工位的中心线阈值距离之内及时停止,避免机器人错过目标巡检工位。这样设置的有益效果在于,机器人不需要在刚好位于目标巡检工位时停止,可以在目标巡检工位之前或之后的一段距离内停止运动,避免机器人错过目标巡检工位,提高机器人的巡检效率和巡检精度。
在基于卷积神经网络的方法对第二车体图像进行识别时,可以在第二车体图像上生成多个候选的车轮识别框,可以采用非极大值抑制的方法,去除第二车体图像中重合程度较大的候选车轮识别框,得到目标车轮识别框,作为最终的车轮识别框。
取目标车轮识别框的中心点作为车轮中心,设目标车轮识别框在第二车体图像中的上、下、左和右边界位置分别为Ymax、Ymin、Xmin和Xmax,则车轮中心在第二车体图像中的位置为比较第二车体图像中的车轮中心和图像垂直中心线的位置关系,若车轮中心与图像垂直中心线的距离在中心线阈值之内,则确定图像垂直中心线与车轮中心重合。例如,第二车体图像的尺寸为,x轴方向是1024像素,y轴方向是768像素,则垂直中心线为连接(y=0,x=512)到(y=768,x=512)的直线,中心线阈值设为7个像素,车轮中心在图像中的位置为(x0,y0),则当505≤x0≤519时,视为图像垂直中心线与车轮中心重合。阈值的设置与机器人响应指令的时间有关,通常设置为5到15个像素。
除了获取车轮识别框的中心点作为车轮中心,还可使用其他的方式确定车轮中心。对于车轮识别框内的图像,可以使用边缘算子提取图像边缘信息,然后对边缘信息使用霍夫变换拟合车轮圆弧,以车轮圆弧的圆心为车轮的中心点。常用的边缘算子可以是Sobel(索贝尔)算子、Roberts(罗伯茨)算子、Laplacian(拉普拉斯)算子和Canny(坎尼)算子等。
本实施例中,可选的,在控制机器人停止运动之后,还包括:通过安装于机器人身上的里程计数器,确定机器人自车辆原点运动至目标巡检工位的计数距离;根据巡检工位位置表,确定自车辆原点至目标巡检工位的实际距离;判断计数距离与实际距离是否一致,若否,则将里程计数器的计数距离更新为实际距离。
具体的,机器人身上安装有里程计数器,里程计数器可以实时显示机器人行走的距离,里程计数器显示的距离为计数距离。在确定机器人到达目标巡检工位后,获取里程计数器上的数据,确定机器人从车头到目标巡检工位的计数距离。预设的巡检工位位置表中存储有车辆自车头至各个巡检工位的实际距离,因此,可以根据巡检工位位置表,查找自车头至目标巡检工位的实际距离。比较计数距离和实际距离,判断计数距离与实际距离是否一致。由于里程计数器存在计数出现误差的情况,因此,不能保证计数距离就是实际距离。若计数距离与实际距离一致,则确定里程计数器计数无误,不需要对里程计数器上的数据进行修改;若计数距离与实际距离不一致,则说明计数距离出现误差,需要将计数距离进行修改,即,将计数距离更新为实际距离。这样设置的有益效果在于,每到达一个目标巡检工位就可以检查一次里程计数器上显示的数据,使里程计数器显示的计数距离是正确的实际距离,避免机器人在到达一个目标巡检工位时,里程计数器上的数据不正确,而导致到达后续巡检工位时,计数距离误差越来越大,通过修正机器人的计数距离,提高对机器人行走距离的确定精度。
本实施例的技术方案,通过预设的巡检工位位置表,确定机器人是否靠近待巡检工位,若是,则确定目标巡检工位,采用机器人身上的第一图像采集设备获取第一车体图像,判断图像中是否存在目标巡检工位处的车轮,若存在,则降低机器人的运动速度,使机器人缓慢靠近目标巡检工位,避免错误目标巡检工位。获取第二图像采集设备的第二车体图像,根据车轮中心与图像的垂直中心线确定机器人处于目标巡检工位处,机器人停止运动并执行检测任务。解决了现有技术中机器人需要借助外部设备进行辅助定位的问题,实现机器人对目标巡检工位的精确定位,降低巡检成本,节约人力和时间,提高机器人的巡检效率和精度。
实施例二
图3为本发明实施例二所提供的一种机器人侧边巡检的定位方法的流程示意图,本实施例以上述实施例为基础进行进一步的优化,该方法可以由一种机器人侧边巡检的定位装置来执行。如图3所示,该方法具体包括如下步骤:
步骤310、根据测距传感器采集到的机器人与待检测车辆之间的实时测距信息,确定待检测车辆的车辆原点位置。
其中,机器人可以从车头开始运动,也可以在车头之外的任意距离处的轨道侧边开始运动。例如,机器人在轨道左侧,与轨道的垂直距离为0.5米,机器人沿着轨道行走,行走路线与轨道平行,出发点为车头前方3米处对应左侧0.5米的位置,即,机器人从出发点向车头行走,再从车头走向车尾进行巡检。机器人身上的里程计数器可以记录机器人从出发点开始行走的距离,出发点至车头的距离可以是随机距离,巡检工位位置表中只有车头至各巡检工位的距离,因此,若要获取机器人从车头至车体任一位置处的距离,则需要知道机器人自出发点至车头的距离,即需要确定车头的位置,由里程计数器的数据减去出发点至车头的距离,即得到车头至车体任一位置的距离。
机器人身上可以安装有测距传感器,测距传感器可以安装在机器人靠近轨道的一侧。通过测距传感器可以得知轨道处是否存在待检测车辆,并确定待检测车辆与机器人之间的实时测距信息,实时测距信息可以是待检测车辆与机器人之间的距离等。根据实时测距信息,可以确定车头位置。例如,待检测车辆的车头为弧形,车头顶点处与机器人之间的距离大于车身与机器人之间的距离,在测得轨道上存在物体后,先得到第一个实时测距信息,继续检测后续多个实时测距信息,若实时测距信息中的距离信息由大变小,且变化程度与待检测车辆的车型相符,则可以将测得的第一个距离处的位置作为车头位置。
本实施例中,可选的,根据测距传感器采集到的机器人与待检测车辆之间的实时测距信息,确定待检测车辆的车辆原点位置,包括:通过激光测距传感器采集机器人与预设轨道上待检测车辆之间的至少两个实时测距信息;判断至少两个实时测距信息是否符合预设的车辆原点形状信息卷积模板,若是,则确定至少两个实时测距信息的一维卷积结果,将一维卷积结果中极大值所在位置作为待检测车辆的车辆原点位置。
具体的,测距传感器可以是激光测距传感器,机器人从起点开始运动,使用激光测距传感器采集机器人至轨道上待检测车辆车体的距离,定位待检测车辆的车头位置,当定位到车头时,采集机器人里程计数据,获得车头与起点之间的距离。使用激光测距传感器采集机器人至待检测车辆车体的距离,若机器人未到达轨道上待检测车辆的停放区域,则激光测距传感器测得较大的值;若机器人已到轨道上待检测车辆的停放区域,则激光从车身反射,测得较小的值。较大值可以指大于某个固定值,比如大于5米、6米或7米等,较小值可以指小于某个固定值,比如小于2米、3米或4米等。在得到激光测距传感器的一个实时测距信息后,机器人继续运动,得到多个位置处的实时测距信息。通过预先生成的车头形状信息卷积模板,对多个实时测距信息进行一维卷积,得到多个一维卷积结果,取卷积后的极大值位置作为车头位置。
可以通过待检测车辆原点处的形状信息生成一维的卷积模板,例如,可以生成车头形状信息卷积模板,车头的形状信息在巡检任务开始前就已经预先采集完毕,具体采集方式可以是,从待检测车辆的车头顶点处开始,控制机器人以预设速度沿巡检路线运动,预设速度可以是0.6米/秒、0.7米/秒或0.8米/秒等,采集若干个激光测距传感器的激光测距值作为车头处的形状信息,在车头处采集的长度为L,例如,L为0.5-0.8m之间的任一数值。将车头形状信息与一段长度也为L的负值拼接,得到长度为2L的车头形状信息卷积模板P(x),x∈[0,2L]。图4a为车头形状示意图,图4a为车头形状的俯视图,图4b为车头形状信息卷积模板示意图。
通过车头形状信息卷积模板,对激光测距传感器的实时测距信息进行一维卷积。通过一维卷积操作可以确定实时测距信息和车头形状信息的相似程度,从而找到最有可能是车头的位置,即判断至少两个实时测距信息组成的序列,是否符合预设的车头形状信息卷积模板,若符合,则将一维卷积结果中极大值所在位置作为待检测车辆的车头位置。一维卷积操作输出的一维卷积结果是每个位置对应为车头的置信度,置信度值在机器人前进过程中随着机器人位置的变化不断更新,靠近待检测车辆车头时,置信度逐渐上升,当机器人走过车头顶点后,置信度逐渐下降,因此当置信度出现极大值时,对应的位置就是车头的顶点,以该顶点的位置作为车头位置。可以通过如下公式确定置信度:
其中,x为机器人所在位置,Conf(x)为x处的置信度值,y为x至x+2L之间的任一数值,P(y-x)为在y-x处的卷积模板值,S(y)为激光测距传感器在机器人位置y处采集的距离值。图4c为本实施例中激光测距传感器采集的距离值变化曲线,图4d为本实施例中置信度值变化曲线。图4c中当机器人到达车头位置时,激光测距传感器采集的距离值开始根据车头形状进行变化,图4d中当机器人逐渐靠近车头时,置信度逐渐上升,到车头时置信度为最大值,因此,可以将置信度最大值的位置确定为车头位置。这样设置的有益效果在于,通过激光测距传感器,结合轨道交通车辆车头的形状信息,定位轨道交通车辆车头的位置,可以适应轨道交通车辆的任意停车位置,提高了自动化巡检工作的灵活性和稳健性。
步骤320、获取机器人自车辆原点至当前位置的运动距离,根据预设的巡检工位位置表和运动距离,判断机器人的当前位置与任一待巡检工位之间的距离是否满足预设的距离阈值要求。
步骤330、若是,则从待巡检工位中确定目标巡检工位,通过第一图像采集设备采集第一车体图像,判断第一车体图像中是否存在目标巡检工位的车轮。
步骤340、若是,则控制机器人以预设速度运动,并获取第二图像采集设备采集的第二车体图像。
步骤350、识别第二车体图像中的车轮中心,判断车轮中心是否位于第二车体图像的垂直中心线上,若是,则控制机器人停止运动并在目标巡检工位执行检测任务。
其中,通过卷积神经网络识别第二车体图像中的车轮,确定车轮的车轮中心,判断车轮中心是否与第二车体图像的垂直中心线重合,若是,则确定机器人到达目标巡检工位,机器人停止运动,并在目标巡检工位执行检测任务,完成对该目标巡检工位的巡检。待检测车辆上存在多个巡检工位,因此,在对一个目标巡检工位检测完毕后,需要对其他巡检工位继续检测,直至巡检工位位置表中的所有巡检工位均被检测完毕。
本实施例中,可选的,在控制机器人停止运动并在目标巡检工位执行检测任务之后,还包括:确定目标巡检工位为已巡检工位,判断巡检工位位置表中是否存在待巡检工位;若是,则执行获取机器人自车辆原点至当前位置的运动距离,根据预设的巡检工位位置表和运动距离,判断机器人的当前位置与任一待巡检工位之间的距离是否满足预设的距离阈值要求。
具体的,在对目标巡检工位检测完毕后,确定目标巡检工位为已巡检工位,可以在巡检工位位置表上对该目标巡检工位进行标记,将该目标巡检工位标记为已巡检工位。在生成巡检工位位置表时,可以将巡检工位位置表中的所有巡检工位标记为待巡检工位。根据巡检工位位置表,可以确定已巡检和未巡检的工位。可以预先对巡检工位进行编号,例如,可以从车头开始,按照依次递增的顺序,向车尾方向的巡检工位进行编号。机器人每完成一个巡检工位的巡检,就可以在巡检工位位置表中查找是否存在下一个待巡检工位,若是,则可以向下一个待巡检工位出发,并实时获取机器人的当前位置,根据巡检工位位置表,确定机器人当前位置与下一个待巡检工位之间的距离是否满足预设的距离阈值要求,即重复执行步骤320,直至巡检工位位置表的所有巡检工位均被检测完毕。若确定巡检工位位置表中不存在待巡检工位,则确定此次巡检任务全部完成,机器人根据预先确定的车尾终点位置,运动至车辆尾部,在车辆尾部停止运动。这样设置的有益效果在于,实现对车辆各个巡检工位的自动检测,避免巡检工位的遗漏,减少工作人员的操作,提高机器人的巡检效率和精度。
本发明实施例通过测距传感器,确定车头位置,预设的巡检工位位置表,确定机器人是否靠近待巡检工位,若是,则确定目标巡检工位,采用机器人身上的第一图像采集设备获取车体图像,判断图像中是否存在目标巡检工位处的车轮,若存在,则降低机器人的运动速度,使机器人缓慢靠近目标巡检工位,避免错误目标巡检工位。获取第二图像采集设备的车体图像,根据车轮中心与图像的垂直中心线确定机器人处于目标巡检工位处,机器人停止运动并执行检测任务。解决了现有技术中机器人需要借助外部设备进行辅助定位的问题,实现机器人对目标巡检工位的精确定位。可以将机器人放置在车头前方任意位置处,提高机器人巡检的灵活性。降低巡检成本,节约人力和时间,提高机器人的巡检效率和精度。
实施例三
图5为本发明实施例三所提供的一种机器人侧边巡检的定位装置的结构框图,可执行本发明任意实施例所提供的机器人侧边巡检的定位方法,机器人上安装第一图像采集设备和第二图像采集设备,该装置具备执行方法相应的功能模块和有益效果。如图5所示,该装置具体包括:
距离判断模块501,用于获取机器人自车辆原点至当前位置的运动距离,根据预设的巡检工位位置表和所述运动距离,判断所述机器人的当前位置与任一待巡检工位之间的距离是否满足预设的距离阈值要求;其中,所述车辆原点包括车头或车尾;
第一图像采集模块502,用于若是,则从所述待巡检工位中确定目标巡检工位,通过所述第一图像采集设备采集第一车体图像,判断所述第一车体图像中是否存在目标巡检工位的车轮;
第二图像采集模块503,用于若是,则控制所述机器人以预设速度运动,并获取所述第二图像采集设备采集的第二车体图像;
车轮中心判断模块504,用于识别所述第二车体图像中的车轮中心,判断所述车轮中心是否位于所述第二车体图像的垂直中心线上,若是,则控制所述机器人停止运动并在所述目标巡检工位执行检测任务。
可选的,机器人上安装测距传感器;
相应地,该装置还包括:
车辆原点位置确定模块,用于在获取机器人自车辆原点至当前位置的运动距离,根据预设的巡检工位位置表和所述运动距离,判断所述机器人的当前位置与任一待巡检工位之间的距离是否满足预设的距离阈值要求之前,根据所述测距传感器采集到的机器人与待检测车辆之间的实时测距信息,确定所述待检测车辆的车辆原点位置。
可选的,车辆原点位置确定模块,具体用于:
通过激光测距传感器采集机器人与预设轨道上待检测车辆之间的至少两个实时测距信息;
判断所述至少两个实时测距信息是否符合预设的车辆原点形状信息卷积模板,若是,则根据所述至少两个实时测距信息的一维卷积结果,将所述一维卷积结果中极大值所在位置作为所述待检测车辆的车辆原点位置。
可选的,距离判断模块501,包括:
第一距离确定单元,用于通过安装于机器人身上的里程计数器,获取机器人自车辆原点运动至当前位置的第一距离;
第二距离确定单元,用于根据预设的巡检工位位置表,确定任一待巡检工位与车辆原点位置之间的第二距离;
第三距离判断单元,用于根据所述第一距离和第二距离,确定所述当前位置与任一待巡检工位之间的第三距离,并判断所述第三距离是否满足预设的距离阈值要求。
可选的,车轮中心判断模块504,具体用于:
通过预设的卷积神经网络获取所述第二车体图像中的车轮识别框,根据所述车轮识别框得到车轮中心;
判断所述车轮中心与所述第二车体图像的垂直中心线之间的距离是否在预设的中心线阈值之内,若是,则确定所述车轮中心位于所述第二车体图像的垂直中心线上。
可选的,该装置还包括:
计数距离确定模块,用于在控制所述机器人停止运动之后,通过安装于机器人身上的里程计数器,确定所述机器人自车辆原点运动至目标巡检工位的计数距离;
实际距离确定模块,用于根据所述巡检工位位置表,确定自车辆原点至目标巡检工位的实际距离;
计数距离更新模块,用于判断所述计数距离与所述实际距离是否一致,若否,则将所述里程计数器的计数距离更新为所述实际距离。
可选的,该装置还包括:
待巡检工位判断模块,用于在控制所述机器人停止运动并在所述目标巡检工位执行检测任务之后,确定所述目标巡检工位为已巡检工位,判断所述巡检工位位置表中是否存在待巡检工位;
距离重复判断模块,用于若是,则执行所述获取机器人自车辆原点至当前位置的运动距离,根据预设的巡检工位位置表和所述运动距离,判断所述机器人的当前位置与任一待巡检工位之间的距离是否满足预设的距离阈值要求。
本发明实施例通过预设的巡检工位位置表,确定机器人是否靠近待巡检工位,若是,则确定目标巡检工位,采用机器人身上的第一图像采集设备获取车体图像,判断图像中是否存在目标巡检工位处的车轮,若存在,则降低机器人的运动速度,使机器人缓慢靠近目标巡检工位,避免错误目标巡检工位。获取第二图像采集设备的车体图像,根据车轮中心与图像的垂直中心线确定机器人处于目标巡检工位处,机器人停止运动并执行检测任务。解决了现有技术中机器人需要借助外部设备进行辅助定位的问题,实现机器人对目标巡检工位的精确定位,降低巡检成本,节约人力和时间,提高机器人的巡检效率和精度。
实施例四
图6是本发明实施例四提供的一种机器人侧边巡检的定位设备的结构示意图。机器人侧边巡检的定位设备是一种电子设备,图6示出了适于用来实现本发明实施方式的示例性电子设备600的框图。图6显示的电子设备600仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于:一个或者多个处理器或者处理单元601,系统存储器602,连接不同系统组件(包括系统存储器602和处理单元601)的总线603。
总线603表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备600典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备600访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器602可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)604和/或高速缓存存储器605。电子设备600可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统606可以用于读写不可移动的、非易失性磁介质(图6未显示,通常称为“硬盘驱动器”)。尽管图6中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线603相连。存储器602可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块607的程序/实用工具608,可以存储在例如存储器602中,这样的程序模块607包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块607通常执行本发明所描述的实施例中的功能和/或方法。
电子设备600也可以与一个或多个外部设备609(例如键盘、指向设备、显示器610等)通信,还可与一个或者多个使得用户能与该电子设备600交互的设备通信,和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口611进行。并且,电子设备600还可以通过网络适配器612与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图6所示,网络适配器612通过总线603与电子设备600的其它模块通信。应当明白,尽管图6中未示出,可以结合电子设备600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元601通过运行存储在系统存储器602中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的一种机器人侧边巡检的定位方法,包括:
获取机器人自车辆原点至当前位置的运动距离,根据预设的巡检工位位置表和所述运动距离,判断所述机器人的当前位置与任一待巡检工位之间的距离是否满足预设的距离阈值要求;
若是,则从所述待巡检工位中确定目标巡检工位,通过所述第一图像采集设备采集第一车体图像,判断所述第一车体图像中是否存在目标巡检工位的车轮;
若是,则控制所述机器人以预设速度运动,并获取所述第二图像采集设备采集的第二车体图像;
识别所述第二车体图像中的车轮中心,判断所述车轮中心是否位于所述第二车体图像的垂直中心线上,若是,则控制所述机器人停止运动并在所述目标巡检工位执行检测任务。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例所提供的一种机器人侧边巡检的定位方法,包括:
获取机器人自车辆原点至当前位置的运动距离,根据预设的巡检工位位置表和所述运动距离,判断所述机器人的当前位置与任一待巡检工位之间的距离是否满足预设的距离阈值要求;
若是,则从所述待巡检工位中确定目标巡检工位,通过所述第一图像采集设备采集第一车体图像,判断所述第一车体图像中是否存在目标巡检工位的车轮;
若是,则控制所述机器人以预设速度运动,并获取所述第二图像采集设备采集的第二车体图像;
识别所述第二车体图像中的车轮中心,判断所述车轮中心是否位于所述第二车体图像的垂直中心线上,若是,则控制所述机器人停止运动并在所述目标巡检工位执行检测任务。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种机器人侧边巡检的定位方法,其特征在于,所述机器人上安装第一图像采集设备和第二图像采集设备,所述方法包括:
获取机器人自车辆原点至当前位置的运动距离,根据预设的巡检工位位置表和所述运动距离,判断所述机器人的当前位置与任一待巡检工位之间的距离是否满足预设的距离阈值要求;其中,所述车辆原点包括车头或车尾;
若是,则从所述待巡检工位中确定目标巡检工位,通过所述第一图像采集设备采集第一车体图像,判断所述第一车体图像中是否存在目标巡检工位的车轮;
若是,则控制所述机器人以预设速度运动,并获取所述第二图像采集设备采集的第二车体图像;
识别所述第二车体图像中的车轮中心,判断所述车轮中心是否位于所述第二车体图像的垂直中心线上,若是,则控制所述机器人停止运动并在所述目标巡检工位执行检测任务。
2.根据权利要求1所述的方法,其特征在于,所述机器人上安装测距传感器;
相应地,在获取机器人自车辆原点至当前位置的运动距离,根据预设的巡检工位位置表和所述运动距离,判断所述机器人的当前位置与任一待巡检工位之间的距离是否满足预设的距离阈值要求之前,还包括:
根据所述测距传感器采集到的机器人与待检测车辆之间的实时测距信息,确定所述待检测车辆的车辆原点位置。
3.根据权利要求2所述的方法,其特征在于,根据所述测距传感器采集到的机器人与待检测车辆之间的实时测距信息,确定所述待检测车辆的车辆原点位置,包括:
通过激光测距传感器采集机器人与预设轨道上待检测车辆之间的至少两个实时测距信息;
判断所述至少两个实时测距信息是否符合预设的车辆原点形状信息卷积模板,若是,则确定所述至少两个实时测距信息的一维卷积结果,将所述一维卷积结果中极大值所在位置作为所述待检测车辆的车辆原点位置。
4.根据权利要求1或2所述的方法,其特征在于,获取机器人自车辆原点至当前位置的运动距离,根据预设的巡检工位位置表和所述运动距离,判断所述机器人的当前位置与任一待巡检工位之间的距离是否满足预设的距离阈值要求,包括:
通过安装于机器人身上的里程计数器,获取机器人自车辆原点运动至当前位置的第一距离;
根据预设的巡检工位位置表,确定任一待巡检工位与车辆原点位置之间的第二距离;
根据所述第一距离和第二距离,确定所述当前位置与任一待巡检工位之间的第三距离,并判断所述第三距离是否满足预设的距离阈值要求。
5.根据权利要求1所述的方法,其特征在于,识别所述第二车体图像中的车轮中心,判断所述车轮中心是否位于所述第二车体图像的垂直中心线上,包括:
通过预设的卷积神经网络获取所述第二车体图像中的车轮识别框,根据所述车轮识别框得到车轮中心;
判断所述车轮中心与所述第二车体图像的垂直中心线之间的距离是否在预设的中心线阈值之内,若是,则确定所述车轮中心位于所述第二车体图像的垂直中心线上。
6.根据权利要求1所述的方法,其特征在于,在控制所述机器人停止运动之后,还包括:
通过安装于机器人身上的里程计数器,确定所述机器人自车辆原点运动至目标巡检工位的计数距离;
根据所述巡检工位位置表,确定自车辆原点至目标巡检工位的实际距离;
判断所述计数距离与所述实际距离是否一致,若否,则将所述里程计数器的计数距离更新为所述实际距离。
7.根据权利要求1所述的方法,其特征在于,在控制所述机器人停止运动并在所述目标巡检工位执行检测任务之后,还包括:
确定所述目标巡检工位为已巡检工位,判断所述巡检工位位置表中是否存在待巡检工位;
若是,则执行所述获取机器人自车辆原点至当前位置的运动距离,根据预设的巡检工位位置表和所述运动距离,判断所述机器人的当前位置与任一待巡检工位之间的距离是否满足预设的距离阈值要求。
8.一种机器人侧边巡检的定位装置,其特征在于,所述机器人上安装第一图像采集设备和第二图像采集设备,所述装置包括:
距离判断模块,用于获取机器人自车辆原点至当前位置的运动距离,根据预设的巡检工位位置表和所述运动距离,判断所述机器人的当前位置与任一待巡检工位之间的距离是否满足预设的距离阈值要求;其中,所述车辆原点包括车头或车尾;
第一图像采集模块,用于若所述机器人的当前位置与任一待巡检工位之间的距离满足预设的距离阈值要求,则从所述待巡检工位中确定目标巡检工位,通过所述第一图像采集设备采集第一车体图像,判断所述第一车体图像中是否存在目标巡检工位的车轮;
第二图像采集模块,用于若所述第一车体图像中存在目标巡检工位的车轮,则控制所述机器人以预设速度运动,并获取所述第二图像采集设备采集的第二车体图像;
车轮中心判断模块,用于识别所述第二车体图像中的车轮中心,判断所述车轮中心是否位于所述第二车体图像的垂直中心线上,若是,则控制所述机器人停止运动并在所述目标巡检工位执行检测任务。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7中任一所述的机器人侧边巡检的定位方法。
10.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的机器人侧边巡检的定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110711105.8A CN113433560B (zh) | 2021-06-25 | 2021-06-25 | 一种机器人侧边巡检的定位方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110711105.8A CN113433560B (zh) | 2021-06-25 | 2021-06-25 | 一种机器人侧边巡检的定位方法、装置、电子设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113433560A true CN113433560A (zh) | 2021-09-24 |
CN113433560B CN113433560B (zh) | 2023-12-26 |
Family
ID=77754352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110711105.8A Active CN113433560B (zh) | 2021-06-25 | 2021-06-25 | 一种机器人侧边巡检的定位方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113433560B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114889658A (zh) * | 2022-06-15 | 2022-08-12 | 武汉黎赛科技有限责任公司 | 一种基于激光多点测距的动车底部巡检定位方法和装置 |
CN114905545A (zh) * | 2022-04-27 | 2022-08-16 | 合肥中盛水务发展有限公司 | 一种城市管廊巡检机器人运动定位系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004081683A1 (ja) * | 2003-03-14 | 2004-09-23 | Matsushita Electric Works, Ltd. | 自律移動ロボット |
CN102541064A (zh) * | 2012-03-27 | 2012-07-04 | 沈阳中兴电力通信有限公司 | 磁导航巡检机器人 |
CN110850872A (zh) * | 2019-10-31 | 2020-02-28 | 深圳市优必选科技股份有限公司 | 机器人巡检方法、装置、计算机可读存储介质及机器人 |
JP2020152197A (ja) * | 2019-03-19 | 2020-09-24 | 本田技研工業株式会社 | 車両制御システム、車両制御方法、及びプログラム |
-
2021
- 2021-06-25 CN CN202110711105.8A patent/CN113433560B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004081683A1 (ja) * | 2003-03-14 | 2004-09-23 | Matsushita Electric Works, Ltd. | 自律移動ロボット |
CN102541064A (zh) * | 2012-03-27 | 2012-07-04 | 沈阳中兴电力通信有限公司 | 磁导航巡检机器人 |
JP2020152197A (ja) * | 2019-03-19 | 2020-09-24 | 本田技研工業株式会社 | 車両制御システム、車両制御方法、及びプログラム |
CN110850872A (zh) * | 2019-10-31 | 2020-02-28 | 深圳市优必选科技股份有限公司 | 机器人巡检方法、装置、计算机可读存储介质及机器人 |
Non-Patent Citations (1)
Title |
---|
黄再辉;陈永麟;: "智能自主巡检机器人控制系统研究与设计", 教育现代化, no. 34, pages 105 - 106 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114905545A (zh) * | 2022-04-27 | 2022-08-16 | 合肥中盛水务发展有限公司 | 一种城市管廊巡检机器人运动定位系统 |
CN114905545B (zh) * | 2022-04-27 | 2023-11-21 | 合肥中盛水务发展有限公司 | 一种城市管廊巡检机器人运动定位系统 |
CN114889658A (zh) * | 2022-06-15 | 2022-08-12 | 武汉黎赛科技有限责任公司 | 一种基于激光多点测距的动车底部巡检定位方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113433560B (zh) | 2023-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113448333B (zh) | 基于传感器组合的底部巡检定位方法、装置及电子设备 | |
CN113433560B (zh) | 一种机器人侧边巡检的定位方法、装置、电子设备及介质 | |
CN109489584B (zh) | 一种基于3d技术的隧道限界检测系统及隧道限界识别方法 | |
CN113450475B (zh) | 一种巡检机器人系统及轨道交通车辆底部检测方法 | |
CN111855667A (zh) | 一种适用于地铁车辆的新型智慧列检系统和检测方法 | |
CN112621710A (zh) | 一种架空输电线路巡检机器人障碍检测控制系统及方法 | |
CN109543533B (zh) | 一种用于机场作业人员管理的自动识别方法 | |
US20210350142A1 (en) | In-train positioning and indoor positioning | |
CN113267135B (zh) | 一种轨旁设备限界快速自动测量的装置及方法 | |
US20220324588A1 (en) | Method for docking boarding bridge with aircraft, electronic equipment and storage medium | |
CN113334406A (zh) | 一种轨道交通车辆侧边巡检机器人系统及检测方法 | |
CN110490342B (zh) | 一种基于Faster R-CNN的接触网静态几何参数检测方法 | |
CN117369460A (zh) | 一种车辆螺栓松动故障的智能巡检方法及系统 | |
CN206096934U (zh) | 一种可进行路面障碍检测的搬运车 | |
CN111951328A (zh) | 一种物体位置检测方法、装置、设备和存储介质 | |
CN109032125B (zh) | 一种视觉agv的导航方法 | |
CN115857040A (zh) | 一种机车车顶异物动态视觉检测装置及方法 | |
CN113298044B (zh) | 基于定位补偿的障碍物检测方法、系统、设备及存储介质 | |
CN113885504A (zh) | 一种列检机器人自主巡检方法、系统及存储介质 | |
CN114743166A (zh) | 一种铁路货车的制动机检测方法 | |
CN105513175A (zh) | 机器人出入口控制方法及系统 | |
CN115283360B (zh) | 基于地铁智能吹扫的视觉点云路径自动规划系统及方法 | |
CN113436366B (zh) | 一种轨道交通车辆底部和侧边同步协同巡检方法 | |
JPH01405A (ja) | 車輪断面形状検査装置 | |
CN117496387A (zh) | 车辆进出港检测方法、装置、设备和存储介质 |
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 |