CN113448333B - 基于传感器组合的底部巡检定位方法、装置及电子设备 - Google Patents
基于传感器组合的底部巡检定位方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113448333B CN113448333B CN202110713369.7A CN202110713369A CN113448333B CN 113448333 B CN113448333 B CN 113448333B CN 202110713369 A CN202110713369 A CN 202110713369A CN 113448333 B CN113448333 B CN 113448333B
- Authority
- CN
- China
- Prior art keywords
- distance
- robot
- inspection station
- vehicle
- preset
- 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 325
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000001514 detection method Methods 0.000 claims description 30
- 238000005259 measurement Methods 0.000 claims description 25
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 13
- 230000009286 beneficial effect Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 230000003137 locomotive effect Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction 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
- ZLIBICFPKPWGIZ-UHFFFAOYSA-N pyrimethanil Chemical compound CC1=CC(C)=NC(NC=2C=CC=CC=2)=N1 ZLIBICFPKPWGIZ-UHFFFAOYSA-N 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
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000011179 visual inspection 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0219—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
-
- 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Manipulator (AREA)
Abstract
本发明实施例公开了一种基于传感器组合的底部巡检定位方法、装置及电子设备。其中,该方法包括:获取机器人自原点至当前位置的运动距离,根据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距离阈值要求;若是,则从待巡检工位中确定目标巡检工位,判断第一测距传感器是否检测到目标巡检工位车轮;若是,则控制机器人降低速度,并获取图像采集模块采集的车底图像;识别车底图像中的目标巡检工位轮轴,判断车底图像中心点是否位于目标巡检工位轮轴的预设轴向线上;若是,则判断第二测距传感器和第三测距传感器是否检测到目标巡检工位的轮轴和车轮,若是,则控制机器人停止运动并执行任务。
Description
技术领域
本发明实施例涉及机器人技术,尤其涉及一种基于传感器组合的底部巡检定位方法、装置及电子设备。
背景技术
随着地铁、轻轨、机车或动车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基于传感器组合的底部巡检定位方法、装置及电子设备,以提高机器人对车辆底部的巡检效率和精度。
第一方面,本发明实施例提供了一种基于传感器组合的底部巡检定位方法,机器人上安装至少一个图像采集模块和至少三个测距传感器模块,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,并判断第一测距传感器模块是否检测到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,并获取所述图像采集模块采集的车底图像;
识别所述车底图像中的目标巡检工位轮轴,判断所述车底图像的中心点是否位于所述目标巡检工位轮轴的预设轴向线上;其中,所述预设轴向线包括轮轴轴向中心线和/或轴向边缘线;
若是,则判断第二测距传感器模块是否检测到目标巡检工位轮轴,以及第三测距传感器模块是否检测到目标巡检工位车轮,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基于传感器组合的底部巡检定位装置,机器人上安装至少一个图像采集模块和至少三个测距传感器模块,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;
车轮判断模块,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,并判断第一测距传感器模块是否检测到目标巡检工位的车轮;
图像采集模块,用于若第一测距传感器模块检测到目标巡检工位的车轮,则控制所述机器人以预设速度运动,并获取所述图像采集模块采集的车底图像;
轴向线判断模块,用于识别所述车底图像中的目标巡检工位轮轴,判断所述车底图像的中心点是否位于所述目标巡检工位轮轴的预设轴向线上;其中,所述预设轴向线包括轮轴轴向中心线和/或轴向边缘线;
任务执行模块,用于若所述车底图像的中心点位于所述目标巡检工位轮轴的预设轴向线上,则判断第二测距传感器模块是否检测到目标巡检工位轮轴,以及第三测距传感器模块是否检测到目标巡检工位车轮,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基于传感器组合的底部巡检定位方法。
本发明实施例通过预设的巡检工位位置表,确定车辆底部的机器人是否靠近车辆的待巡检工位,若是,则确定目标巡检工位,判断机器人身上的第一测距传感器模块是否检测到目标巡检工位的车轮,若检测到,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,避免错过目标巡检工位。获取图像采集模块采集的车底图像,根据轮轴预设的轴向线与车底图像的中心点确定机器人处于目标巡检工位的一定范围内,然后判断机器人身上的第二和第三测距传感器模块是否分别检测到目标巡检工位的轮轴和车轮,若检测到,则控制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,提高机器人对车辆底部巡检的效率和精度。
附图说明
图1是本发明实施例一中的一种基于传感器组合的底部巡检定位方法的流程示意图;
图2是本发明实施例一中的待检测车辆与机器人的位置示意图;
图3是本发明实施例一中的机器人顶部测距传感器的分布示意图;
图4是本发明实施例一中的车轮和轮轴示意图;
图5是本发明实施例二中的一种基于传感器组合的底部巡检定位方法的流程示意图;
图6a是本发明实施例二中的车头形状示意图;
图6b是本发明实施例二中的车头形状信息卷积模板示意图;
图6c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;
图6d是本发明实施例二中的置信度值变化曲线图;
图7是本发明实施例三中的一种基于传感器组合的底部巡检定位装置的结构框图;
图8是本发明实施例四中的一种基于传感器组合的底部巡检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基于传感器组合的底部巡检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底部进行自动巡检的情况,该方法可以由一种基于传感器组合的底部巡检定位装置来执行,机器人身上安装有至少一个图像采集模块和至少三个测距传感器模块。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,车辆原点包括车头或车尾。
其中,待检测车辆停留在轨道上,机器人进行车辆底部巡检时,需要预先将轨道抬起,机器人位于轨道的底部,即机器人位于车辆的底部。机器人在车辆底部顺着轨道的方向,向着车尾或车头的方向运动。图2为待检测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底部出发,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底部的位置,机器人从车头前方一段距离处所对应的轨道底部的位置出发,逐渐运动至车头所对应的轨道底部的位置,再从车头运动至车尾所对应的轨道底部的位置,即机器人出发点的上方没有待检测车辆。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底部,即以车头前一段距离处的轨道底部位置作为机器人出发的起点。也可以以原点为出发点,例如,以车头底部的位置对应的轨道下方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,可以安装有至少三个测距传感器模块,包括第一测距传感器模块、第二测距传感器模块和第三测距传感器模块等,每个测距传感器模块中可以包括至少一个测距传感器,测距传感器可以是激光测距传感器等设备。至少三个测距传感器模块前后分布在机器人顶部,以机器人前进方向作为正向,机器人身上的第一测距传感器模块位于第三测距传感器模块之前,第三测距传感器模块和第二测距传感器模块的前后位置一致,即第三测距传感器模块和第二测距传感器模块在机器人顶部左右分布。图3为机器人顶部测距传感器的分布示意图。图3中机器人自左向右进行运动,因此,机器人右端为前方,左端为后方。第一测距传感器模块中包括两个第一测距传感器,第二测距传感器模块中包括一个第二测距传感器,第三测距传感器模块中包括两个第三测距传感器。第一测距传感器模块位于第二测距传感器模块和第三测距传感器模块之前,两个第三测距传感器位于第二测距传感器的左右两侧,第二测距传感器与第三测距传感器的纵向前后位置一致。第一测距传感器和第三测距传感器的测量方向为自下而上的预设倾斜角度,用于测量机器人与车轮之间的距离,第二测距传感器的测量方向是竖直向上,用于测量机器人与轮轴之间的距离。
机器人可以在轨道底部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,若机器人出发点为车头原点,则可以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,可以是车辆的轮轴处。待检测的车辆可以是地铁、轻轨、机车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,每个轮对中间有一根轮轴连接两侧车轮,即每个车厢转向架有两根轮轴。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,当机器人对所有巡检工位检测完毕时,可以自动运动至终点位置停止。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,考虑到传感器之间的安装距离等因素,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,可以将第一距离与第二距离相减,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。第三距离为机器人与待巡检工位在水平方向上的距离,不包括垂直距离。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,判断第一测距传感器模块是否检测到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该待巡检工位,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测距传感器模块采集机器人与目标巡检工位车轮之间的实时测距信息,实时测距信息中包括第一测距传感器与车轮之间的实时距离。例如,第一测距传感器向前进方向的斜上方进行测距,测得第一测距传感器与车轮之间的实时距离为0.7米。根据实时测距信息判断第一测距传感器是否检测到目标巡检工位的车轮。例如,第一测距传感器可以检测到目标巡检工位的车轮的最大距离为0.6米,而实时测距信息中的实时距离为0.8米,则确定第一测距传感器还没有检测到目标巡检工位的车轮。
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辆原点至当前位置的运动距离,继续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。
本实施例中,可选的,判断第一测距传感器模块是否检测到目标巡检工位的车轮,包括:通过第一测距传感器模块采集机器人与目标巡检工位车轮之间的实时车轮测距信息;判断实时车轮测距信息中的距离是否小于预设的第一车轮距离阈值,若是,则确定第一测距传感器模块检测到目标巡检工位的车轮。
具体的,第一测距传感器模块采集到的机器人与目标巡检工位车轮之间的实时测距信息为实时车轮测距信息。判断实时测距信息中的距离是否小于预设的第一车轮距离阈值,若是,则确定为第一测距传感器模块检测到了目标巡检工位的车轮。第一车轮距离阈值的设置与车辆结构参数以及机器人安装第一测距传感器的位置有关,例如,若第一测距传感器在能检测到车轮时与车轮的距离为0.6m,则车轮距离阈值可以设置为0.65m。这样设置的有益效果在于,可以根据实时车轮测距信息确定第一测距传感器是否检测到车轮,从而确定机器人与目标巡检工位之间的距离,避免机器人错过目标巡检工位,提高巡检精度和效率。
步骤130、若是,则控制机器人以预设速度运动,并获取图像采集模块采集的车底图像。
其中,若确定第一测距传感器模块检测到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图像采集模块得到车底图像,图像采集模块可以安装在机器人的顶部。例如,机器人顶部安装有第一激光测距传感器A和相机B,第一激光测距传感器A为第一测距传感器,相机B为图像采集模块,第一激光测距传感器A位于相机B的前方。在机器人靠近目标巡检工位时,先采用第一激光测距传感器A测距确定是否检测到车轮,若是,则机器人减速运动,并采用相机B得到车底图像,通过车底图像可以判断机器人是否即将到达目标巡检工位。
步骤140、识别车底图像中的目标巡检工位轮轴,判断车底图像的中心点是否位于目标巡检工位轮轴的预设轴向线上;其中,预设轴向线包括轮轴轴向中心线和/或轴向边缘线。
其中,在采集到车底图像后,识别出车底图像中的轮轴,图4为车轮和轮轴示意图。轮轴位于两个车轮之间,连接两个车轮。预先设置一条或多条轴向线,例如,预设轴向线可以是轴向中心线和/或轴向边缘线,轴向边缘线与轴向中心线之间的距离为轮轴横截面的半径。确定目标巡检工位轮轴的轴向中心线或/和轴向边缘线在车底图像中的位置,可以只计算轴向中心线或轴向边缘线的位置,也可以都计算。确定车底图像的中心点,中心点即图像的中央位置。根据中心点的位置和预设轴向线的位置,判断车底图像的中心点是否位于轮轴轴向中心线或轴向边缘线上。
本实施例中,可选的,识别车底图像中的目标巡检工位轮轴,判断车底图像的中心点是否位于目标巡检工位轮轴的预设轴向线上,包括:通过预设的卷积神经网络获取车底图像中的轮轴识别框,根据轮轴识别框得到轮轴的预设轴向线;判断预设轴向线与车底图像的中心点之间的距离是否在预设的轴向线阈值之内,若是,则确定车底图像的中心点位于目标巡检工位轮轴的预设轴向线上。
具体的,可以通过预设的图像识别模型识别车底图像中的轮轴,图像识别模型可以是卷积神经网络模型。若识别到轮轴,则可以采用矩形框显示车底图像上的轮轴识别框。确定车底图像上轮轴识别框的轴向中心线和/或轴向边缘线,轴向是指与轮轴长边平行的方向。确定车底图像的中心点,预先设置一个轴向线阈值,判断车底图像的中心点与预设轴向线之间的距离是否在预设的轴向线阈值之内,若是,则确定车底图像的中心点位于轴向线上;若不是,则确定车底图像的中心点不在轴向线上。可以通过轴向中心线或轴向边缘线中的一条预设轴向线进行轴向线阈值的判断,也可以将轴向中心线和轴向边缘线均与预设轴向线阈值进行比较。若中心点与轴向中心线的距离,以及中心点与轴向边缘线的距离都在轴向线阈值之内,则确定车底图像的中心点位于目标巡检工位轮轴的预设轴向线上。例如,中心点位于轴向中心线和轴向边缘线之间。这样设置的有益效果在于,通过获取车底图像,将轴向线与图像中心点进行比较,可以保证机器人一定处在目标巡检工位附近,避免第二测距传感器模块和第三测距传感器模块误检所导致的错误定位,提高了机器人巡检的稳健性。
在基于卷积神经网络的方法对车底图像进行识别时,可以在车底图像上生成多个候选的轮轴识别框,可以采用非极大值抑制的方法,去除车底图像中重合程度较大的候选轮轴识别框,得到目标轮轴识别框,作为最终的轮轴识别框。
例如,车底图像的尺寸为,x轴方向是1024像素,y轴方向是768像素,则车底图像的中心点为(y=384,x=512)。设目标轮轴识别框在车底图像中的上、下、左和右边界位置分别为Ymax、Ymin、Xmin和Xmax,其中,矩形框长边为x轴方向,矩形框短边为y轴方向,则轴向中心线在车底图像中为连接和/>的直线;轴向边缘线在车底图像中可以是连接(Ymin,Xmin)和(Ymin,Xmax)的直线,也可以是连接(Ymax,Xmin)和(Ymax,Xmax)的直线。比较车底图像的中心点与轮轴轴向中心线或/和边缘线的位置关系,若车底图像的中心点与轮轴轴向中心线或/和边缘线的距离在轴向线阈值之内,则确定车底图像的中心点与轮轴轴向中心线或/和边缘线重合。轴向线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。通过灵活的条件设置,可以适应不同的传感器安装方式和不同类型车辆的巡检场景,提高了机器人底部巡检的适应性和灵活性。
除了使用边框位置做简单计算,还可使用其他的方式确定轮轴轴向中心线和边缘线的位置。对于轮轴识别框内的图像,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直线,取最长的两条直线作为轮轴的边缘线。然后对两条边缘线的斜率和截距取平均值,作为轴向中心线的直线参数,即可获得轮轴的轴向中心线。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。
步骤150、若是,则判断第二测距传感器模块是否检测到目标巡检工位轮轴,以及第三测距传感器模块是否检测到目标巡检工位车轮,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,若车底图像的中心点位于预设轴向线上,则确定机器人正位于目标巡检工位附近,可通过第二测距传感器模块和第三测距传感器模块判断机器人是否精准到达目标巡检工位。第二测距传感器竖直向上测距,其中竖直向上可以是垂直向上,也可以是与垂直向上方向夹角10°以内的角度倾斜向上。当第二测距传感器检测到目标巡检工位轮轴,且第三测距传感器也检测到目标巡检工位车轮时,则确定机器人到达目标巡检工位处,机器人可以停止运动,并在目标巡检工位处执行检测任务。可以预先设置第二测距传感器检测到轮轴的最大距离,以及第三测距传感器检测到车轮的最大距离,根据预设的最大距离,确定第二测距传感器是否检测到轮轴,以及第三测距传感器是否检测到车轮。例如,第二测距传感器检测到的距离大于预设的最大距离,则确定第二测距传感器还没有检测到轮轴。
本实施例中,可选的,判断第二测距传感器模块是否检测到目标巡检工位轮轴,以及第三测距传感器模块是否检测到目标巡检工位车轮,包括:通过第二测距传感器模块采集机器人与目标巡检工位轮轴之间至少一个实时轮轴测距信息;判断实时轮轴测距信息中的距离是否在预设的轮轴检测距离范围内,若是,则确定第二测距传感器模块检测到目标巡检工位轮轴;通过第三测距传感器模块采集机器人与目标巡检工位车轮之间至少一个实时车轮测距信息;判断实时车轮测距信息中的距离是否小于预设的第二车轮距离阈值,若是,则确定第三测距传感器模块检测到目标巡检工位车轮。
具体的,第二测距传感器测量的实时测距信息为实时轮轴测距信息,第一测距传感器和第三测距传感器测量的实时测距信息为实时车轮测距信息。预先设置轮轴检测距离范围和第二车轮距离阈值,当第二测距传感器的实时轮轴测距信息中的距离信息在预设的轮轴检测距离范围内,即确定第二测距传感器检测到了目标巡检工位轮轴,否则确定为没有检测到轮轴。当第三测距传感器的实时车轮测距信息中的距离信息小于预设的第二车轮距离阈值时,即确定第三测距传感器检测到车轮,否则确定为没有检测到车轮。本实施例中,判断第二测距传感器是否检测到轮轴的步骤,与判断第三测距传感器是否检测到车轮的步骤不分先后。若第二测距传感器和第三测距传感器没有分别检测到目标巡检工位的轮轴和车轮,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,直至第二测距传感器和第三测距传感器分别同时检测到目标巡检工位的轮轴和车轮。这样设置的有益效果在于,通过第二测距传感器和第三测距传感器同时判断机器人是否到达目标巡检工位,避免由单独的测距传感器判断造成误差,提高机器人巡检的精度。
轮轴检测距离范围的设置与车辆结构参数以及机器人安装第二测距传感器的位置有关,例如,当第二测距传感器在轮轴正下方时,距离轮轴最低点约0.5m,轮轴的半径为0.1m,则可设置轮轴检测距离范围为0.5m到0.55m。第三测距传感器的第二车轮距离阈值的设置原则可以和第一测距传感器的第一车轮距离阈值设置原则一致,也可以根据第三测距传感器模块的实际安装位置进行相应调整。通过设置轮轴检测距离范围和第二车轮距离阈值,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轮轴检测距离范围之内及时停止,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。
例如,机器人身上安装有第一激光测距传感器A、相机B、第二激光测距传感器C和第三激光测距传感器D,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,当第一激光测距传感器A检测到目标巡检工位车轮时,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检测到轮轴并且其图像的中心点位于轮轴轴向中心线或/和边缘线上时,继续判断第二激光测距传感器C和第三激光测距传感器D是否同时分别检测到轮轴和车轮。当第二激光测距传感器C在检测到轮轴的同时,第三激光测距传感器D检测到车轮,则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,同时检测到轮轴和车轮可以有效降低误检,提高定位精度。使用轨道交通车辆转向架车轮和轮轴的自然视觉与形状特征作为巡检工位定位的依据,采用简单的测距方式结合预设的距离信息检测车轮和轮轴,并采用卷积神经网络的方法识别轮轴图像,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。结合形状与视觉特征,使用三个测距传感器和一个图像采集模块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,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。机器人从车头出发,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,确定车辆底部的机器人是否靠近车辆的待巡检工位,若是,则确定目标巡检工位,判断机器人身上的第一测距传感器是否检测到目标巡检工位的车轮,若检测到,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,避免错过目标巡检工位。获取图像采集模块采集的车底图像,根据轮轴预设的轴向线与车底图像的中心点确定机器人处于目标巡检工位的一定范围内,然后判断机器人身上的第二和第三测距传感器是否分别检测到目标巡检工位的轮轴和车轮,若检测到,则控制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,提高机器人对车辆底部巡检的效率和精度。
实施例二
图5为本发明实施例二所提供的一种基于传感器组合的底部巡检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,该方法可以由一种基于传感器组合的底部巡检定位装置来执行。如图5所示,该方法具体包括如下步骤:
步骤510、根据第二测距传感器模块采集机器人与待检测车辆底部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底部开始运动。例如,机器人在轨道交通车辆检修地沟中,与轨道的垂直距离为0.5米,机器人沿着地沟中铺设的机器人轨道行走,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,测距传感器安装在机器人顶面。通过测距传感器可以得知机器人上方的轨道上是否停有待检测车辆,并确定待检测车辆与机器人之间的实时底部测距信息,实时底部测距信息可以是待检测车辆底部与机器人之间的距离等。根据实时底部测距信息,可以确定车头位置。例如,待检测车辆的车头底部为弧形,车头顶点底部处与机器人之间的距离大于车身底部与机器人之间的距离,在测得轨道上存在物体后,先得到第一个实时底部测距信息,继续检测后续多个实时底部测距信息,若实时底部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实时底部测距信息处的位置作为车头位置。
本实施例中,可选的,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之前,还包括:通过第二测距传感器模块采集机器人与待检测车辆底部之间的至少两个实时底部测距信息;判断至少两个实时底部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底部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,第一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7米、8米或9米等,较小值可以指小于某个固定值,比如小于1米或2米等。在得到激光测距传感器的一个实时底部测距信息后,机器人继续运动,得到多个位置处的实时底部测距信息。通过预先生成的车辆原点形状信息卷积模板,对多个实时底部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辆原点位置,即车头位置。
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]。本实施例中,车辆原点形状信息卷积模板为车辆原点底部形状的卷积模板。图6a为车头形状示意图,图6b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底部测距信息进行一维卷积。通过一维卷积操作可以确定实时底部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底部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6c为本实施例中激光测距传感器采集的距离值变化曲线图,图6d为本实施例中置信度值变化曲线图。图6c中当机器人到达车头底部位置时,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6d中当机器人逐渐靠近车头底部时,置信度逐渐上升,到车头底部时置信度为最大值,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底部的形状信息,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520、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530、若是,则从待巡检工位中确定目标巡检工位,并判断第一测距传感器模块是否检测到目标巡检工位的车轮。
步骤540、若是,则控制机器人以预设速度运动,并获取图像采集模块采集的车底图像。
步骤550、识别车底图像中的目标巡检工位轮轴,判断车底图像的中心点是否位于目标巡检工位轮轴的预设轴向线上。
步骤560、若是,则判断第二测距传感器模块是否检测到目标巡检工位轮轴,以及第三测距传感器模块是否检测到目标巡检工位车轮,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,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520,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,判断机器人身上的第一测距传感器是否检测到目标巡检工位的车轮,若检测到,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,避免错过目标巡检工位。获取图像采集模块采集的车底图像,根据轮轴预设的轴向线与车底图像的中心点确定机器人处于目标巡检工位的一定范围内,然后判断机器人身上的第二和第三测距传感器是否分别检测到目标巡检工位的轮轴和车轮,若检测到,则控制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,提高机器人对车辆底部巡检的效率和精度。
实施例三
图7为本发明实施例三所提供的一种基于传感器组合的底部巡检定位装置的结构框图,可执行本发明任意实施例所提供的基于传感器组合的底部巡检定位方法,机器人上安装有至少一个图像采集模块和至少三个测距传感器模块,该装置具备执行方法相应的功能模块和有益效果。如图7所示,该装置具体包括:
距离判断模块701,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;
车轮判断模块702,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,并判断第一测距传感器模块是否检测到目标巡检工位的车轮;
图像采集模块703,用于若第一测距传感器模块检测到目标巡检工位的车轮,则控制所述机器人以预设速度运动,并获取所述图像采集模块采集的车底图像;
轴向线判断模块704,用于识别所述车底图像中的目标巡检工位轮轴,判断所述车底图像的中心点是否位于所述目标巡检工位轮轴的预设轴向线上;其中,所述预设轴向线包括轮轴轴向中心线和/或轴向边缘线;
任务执行模块705,用于若所述车底图像的中心点位于所述目标巡检工位轮轴的预设轴向线上,则判断第二测距传感器模块是否检测到目标巡检工位轮轴,以及第三测距传感器模块是否检测到目标巡检工位车轮,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,该装置还包括:
底部信息获取模块,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,通过第二测距传感器模块采集机器人与待检测车辆底部之间的至少两个实时底部测距信息;
原点位置确定模块,用于判断所述至少两个实时底部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底部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701,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,车轮判断模块702,具体用于:
通过所述第一测距传感器模块采集机器人与目标巡检工位车轮之间的实时车轮测距信息;
判断所述实时车轮测距信息中的距离是否小于预设的第一车轮距离阈值,若是,则确定所述第一测距传感器模块检测到目标巡检工位的车轮。
可选的,轴向线判断模块704,具体用于:
通过预设的卷积神经网络获取所述车底图像中的轮轴识别框,根据所述轮轴识别框得到轮轴的预设轴向线;
判断所述预设轴向线与所述车底图像的中心点之间的距离是否在预设的轴向线阈值之内,若是,则确定所述车底图像的中心点位于所述目标巡检工位轮轴的预设轴向线上。
可选的,任务执行模块705,具体用于:
通过所述第二测距传感器模块采集机器人与目标巡检工位轮轴之间至少一个实时轮轴测距信息;
判断所述实时轮轴测距信息中的距离是否在预设的轮轴检测距离范围内,若是,则确定所述第二测距传感器模块检测到目标巡检工位轮轴;
通过所述第三测距传感器模块采集机器人与目标巡检工位车轮之间至少一个实时车轮测距信息;
判断所述实时车轮测距信息中的距离是否小于预设的第二车轮距离阈值,若是,则确定所述第三测距传感器模块检测到目标巡检工位车轮。
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,确定车辆底部的机器人是否靠近车辆的待巡检工位,若是,则确定目标巡检工位,判断机器人身上的第一测距传感器是否检测到目标巡检工位的车轮,若检测到,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,避免错过目标巡检工位。获取图像采集模块采集的车底图像,根据轮轴预设的轴向线与车底图像的中心点确定机器人处于目标巡检工位的一定范围内,然后判断机器人身上的第二和第三测距传感器是否分别检测到目标巡检工位的轮轴和车轮,若检测到,则控制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,提高机器人对车辆底部巡检的效率和精度。
实施例四
图8是本发明实施例四提供的一种基于传感器组合的底部巡检定位设备的结构示意图。基于传感器组合的底部巡检定位设备是一种电子设备,图8示出了适于用来实现本发明实施方式的示例性电子设备800的框图。图8显示的电子设备800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8所示,电子设备800以通用计算设备的形式表现。电子设备800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801,系统存储器802,连接不同系统组件(包括系统存储器802和处理单元801)的总线803。
总线803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800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800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802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)804和/或高速缓存存储器805。电子设备800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806可以用于读写不可移动的、非易失性磁介质(图8未显示,通常称为“硬盘驱动器”)。尽管图8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803相连。存储器802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807的程序/实用工具808,可以存储在例如存储器802中,这样的程序模块807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807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800也可以与一个或多个外部设备809(例如键盘、指向设备、显示器810等)通信,还可与一个或者多个使得用户能与该电子设备800交互的设备通信,和/或与使得该电子设备800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811进行。并且,电子设备800还可以通过网络适配器812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8所示,网络适配器812通过总线803与电子设备800的其它模块通信。应当明白,尽管图8中未示出,可以结合电子设备800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801通过运行存储在系统存储器802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基于传感器组合的底部巡检定位方法,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;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,并判断第一测距传感器模块是否检测到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,并获取所述图像采集模块采集的车底图像;
识别所述车底图像中的目标巡检工位轮轴,判断所述车底图像的中心点是否位于所述目标巡检工位轮轴的预设轴向线上;其中,所述预设轴向线包括轮轴轴向中心线和/或轴向边缘线;
若是,则判断第二测距传感器模块是否检测到目标巡检工位轮轴,以及第三测距传感器模块是否检测到目标巡检工位车轮,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基于传感器组合的底部巡检定位方法,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;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,并判断第一测距传感器模块是否检测到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,并获取所述图像采集模块采集的车底图像;
识别所述车底图像中的目标巡检工位轮轴,判断所述车底图像的中心点是否位于所述目标巡检工位轮轴的预设轴向线上;其中,所述预设轴向线包括轮轴轴向中心线和/或轴向边缘线;
若是,则判断第二测距传感器模块是否检测到目标巡检工位轮轴,以及第三测距传感器模块是否检测到目标巡检工位车轮,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++、Python、R语言、Scala语言等,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 (9)
1.一种基于传感器组合的底部巡检定位方法,其特征在于,应用于机器人,所述机器人上安装至少一个图像采集模块和至少三个测距传感器模块,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,则从所述任一待巡检工位中确定目标巡检工位,并判断第一测距传感器模块是否检测到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,并获取所述图像采集模块采集的车底图像;
识别所述车底图像中的目标巡检工位轮轴,判断所述车底图像的中心点是否位于所述目标巡检工位轮轴的预设轴向线上;其中,所述预设轴向线包括轮轴轴向中心线和/或轴向边缘线;
若是,则判断第二测距传感器模块是否检测到目标巡检工位轮轴,以及第三测距传感器模块是否检测到目标巡检工位车轮,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;
识别所述车底图像中的目标巡检工位轮轴,判断所述车底图像的中心点是否位于所述目标巡检工位轮轴的预设轴向线上,包括:
通过预设的卷积神经网络获取所述车底图像中的轮轴识别框,根据所述轮轴识别框得到轮轴的预设轴向线;
判断所述预设轴向线与所述车底图像的中心点之间的距离是否在预设的轴向线阈值之内,若是,则确定所述车底图像的中心点位于所述目标巡检工位轮轴的预设轴向线上。
2.根据权利要求1所述的方法,其特征在于,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,还包括:
通过第二测距传感器模块采集机器人与待检测车辆底部之间的至少两个实时底部测距信息;
判断所述至少两个实时底部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底部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。
3.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。
4.根据权利要求1所述的方法,其特征在于,判断第一测距传感器模块是否检测到目标巡检工位的车轮,包括:
通过所述第一测距传感器模块采集机器人与目标巡检工位车轮之间的实时车轮测距信息;
判断所述实时车轮测距信息中的距离是否小于预设的第一车轮距离阈值,若是,则确定所述第一测距传感器模块检测到目标巡检工位的车轮。
5.根据权利要求1所述的方法,其特征在于,判断第二测距传感器模块是否检测到目标巡检工位轮轴,以及第三测距传感器模块是否检测到目标巡检工位车轮,包括:
通过所述第二测距传感器模块采集机器人与目标巡检工位轮轴之间至少一个实时轮轴测距信息;
判断所述实时轮轴测距信息中的距离是否在预设的轮轴检测距离范围内,若是,则确定所述第二测距传感器模块检测到目标巡检工位轮轴;
通过所述第三测距传感器模块采集机器人与目标巡检工位车轮之间至少一个实时车轮测距信息;
判断所述实时车轮测距信息中的距离是否小于预设的第二车轮距离阈值,若是,则确定所述第三测距传感器模块检测到目标巡检工位车轮。
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。
8.一种基于传感器组合的底部巡检定位装置,其特征在于,应用于机器人,所述机器人上安装至少一个图像采集模块和至少三个测距传感器模块,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;
车轮判断模块,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,则从所述任一待巡检工位中确定目标巡检工位,并判断第一测距传感器模块是否检测到目标巡检工位的车轮;
图像采集模块,用于若第一测距传感器模块检测到目标巡检工位的车轮,则控制所述机器人以预设速度运动,并获取所述图像采集模块采集的车底图像;
轴向线判断模块,用于识别所述车底图像中的目标巡检工位轮轴,判断所述车底图像的中心点是否位于所述目标巡检工位轮轴的预设轴向线上;其中,所述预设轴向线包括轮轴轴向中心线和/或轴向边缘线;
任务执行模块,用于若所述车底图像的中心点位于所述目标巡检工位轮轴的预设轴向线上,则判断第二测距传感器模块是否检测到目标巡检工位轮轴,以及第三测距传感器模块是否检测到目标巡检工位车轮,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;
所述轴向线判断模块,具体用于:
通过预设的卷积神经网络获取所述车底图像中的轮轴识别框,根据所述轮轴识别框得到轮轴的预设轴向线;
判断所述预设轴向线与所述车底图像的中心点之间的距离是否在预设的轴向线阈值之内,若是,则确定所述车底图像的中心点位于所述目标巡检工位轮轴的预设轴向线上。
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中任一所述的基于传感器组合的底部巡检定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110713369.7A CN113448333B (zh) | 2021-06-25 | 2021-06-25 | 基于传感器组合的底部巡检定位方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110713369.7A CN113448333B (zh) | 2021-06-25 | 2021-06-25 | 基于传感器组合的底部巡检定位方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113448333A CN113448333A (zh) | 2021-09-28 |
CN113448333B true CN113448333B (zh) | 2024-02-06 |
Family
ID=77812922
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110713369.7A Active CN113448333B (zh) | 2021-06-25 | 2021-06-25 | 基于传感器组合的底部巡检定位方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113448333B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115797587B (zh) * | 2023-02-08 | 2023-04-07 | 西南交通大学 | 一种融合线扫描车底图像特征的巡检机器人定位建图方法 |
CN115938010B (zh) * | 2023-03-14 | 2023-05-09 | 汕头市俊国机电科技有限公司 | 一种烧结台车车轮巡检系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102012207427A1 (de) * | 2012-05-04 | 2013-11-07 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Verfahren zur optisch-abtastenden Prüfung einer Radlauffläche eines Rades eines Zuges im Fahrbetrieb, optische Prüfvorrichtung, Prüfsystem und Prüfsystemanordnung sowie Steuermodul |
CN106468914A (zh) * | 2015-08-21 | 2017-03-01 | 苏州华兴致远电子科技有限公司 | 列车检修方法和系统 |
CN106680290A (zh) * | 2017-02-27 | 2017-05-17 | 周显威 | 狭窄空间的多功能检测车 |
CN109752459A (zh) * | 2019-03-06 | 2019-05-14 | 北京铁道工程机电技术研究所股份有限公司 | 超声波探伤装置、系统及方法 |
CN110203410A (zh) * | 2019-06-12 | 2019-09-06 | 河海大学文天学院 | 无人机检测铁轨误差系统及其方法 |
CN111161262A (zh) * | 2020-02-14 | 2020-05-15 | 东莞市科研世智能科技有限公司 | 列车综合检测系统 |
CN111674425A (zh) * | 2019-03-11 | 2020-09-18 | 株洲中车时代电气股份有限公司 | 一种用于轨道车辆车底巡检系统的导航驱动系统 |
CN112562112A (zh) * | 2020-11-16 | 2021-03-26 | 深圳市长龙铁路电子工程有限公司 | 自动巡检方法及系统 |
CN112621707A (zh) * | 2020-12-16 | 2021-04-09 | 华东交通大学 | 一种高速列车车底巡检机器人 |
CN112860952A (zh) * | 2020-12-17 | 2021-05-28 | 成都盛锴科技有限公司 | 巡检机器人定位检修部件的方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8583313B2 (en) * | 2008-09-19 | 2013-11-12 | International Electronic Machines Corp. | Robotic vehicle for performing rail-related actions |
-
2021
- 2021-06-25 CN CN202110713369.7A patent/CN113448333B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102012207427A1 (de) * | 2012-05-04 | 2013-11-07 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Verfahren zur optisch-abtastenden Prüfung einer Radlauffläche eines Rades eines Zuges im Fahrbetrieb, optische Prüfvorrichtung, Prüfsystem und Prüfsystemanordnung sowie Steuermodul |
CN106468914A (zh) * | 2015-08-21 | 2017-03-01 | 苏州华兴致远电子科技有限公司 | 列车检修方法和系统 |
CN106680290A (zh) * | 2017-02-27 | 2017-05-17 | 周显威 | 狭窄空间的多功能检测车 |
CN109752459A (zh) * | 2019-03-06 | 2019-05-14 | 北京铁道工程机电技术研究所股份有限公司 | 超声波探伤装置、系统及方法 |
CN111674425A (zh) * | 2019-03-11 | 2020-09-18 | 株洲中车时代电气股份有限公司 | 一种用于轨道车辆车底巡检系统的导航驱动系统 |
CN110203410A (zh) * | 2019-06-12 | 2019-09-06 | 河海大学文天学院 | 无人机检测铁轨误差系统及其方法 |
CN111161262A (zh) * | 2020-02-14 | 2020-05-15 | 东莞市科研世智能科技有限公司 | 列车综合检测系统 |
CN112562112A (zh) * | 2020-11-16 | 2021-03-26 | 深圳市长龙铁路电子工程有限公司 | 自动巡检方法及系统 |
CN112621707A (zh) * | 2020-12-16 | 2021-04-09 | 华东交通大学 | 一种高速列车车底巡检机器人 |
CN112860952A (zh) * | 2020-12-17 | 2021-05-28 | 成都盛锴科技有限公司 | 巡检机器人定位检修部件的方法及系统 |
Non-Patent Citations (1)
Title |
---|
王健 ; .铁路机辆车底智能巡检机器人的设计研究.工程技术研究.2018,第216-217页. * |
Also Published As
Publication number | Publication date |
---|---|
CN113448333A (zh) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109284348B (zh) | 一种电子地图的更新方法、装置、设备和存储介质 | |
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 | |
CN106680290B (zh) | 狭窄空间的多功能检测车 | |
CN103419944B (zh) | 一种登机桥及其自动靠接方法 | |
CN112132896B (zh) | 一种轨旁设备状态检测方法及系统 | |
CN109797691A (zh) | 无人清扫车及其行车方法 | |
CN106155066B (zh) | 一种可进行路面障碍检测的搬运车及搬运方法 | |
CN113450475B (zh) | 一种巡检机器人系统及轨道交通车辆底部检测方法 | |
CN112613424A (zh) | 铁轨障碍物检测方法、装置、电子设备和存储介质 | |
CN111776243A (zh) | 一种登机桥的控制方法及装置 | |
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 | |
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 | |
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 | |
CN110728720B (zh) | 用于相机标定的方法、装置、设备和存储介质 | |
CN114228703A (zh) | 一种自动泊车方法、系统、车辆及存储介质 | |
CN112034831B (zh) | 登机桥接靠飞机的方法及电子设备以及存储介质 | |
CN113885504A (zh) | 一种列检机器人自主巡检方法、系统及存储介质 | |
CN117369460A (zh) | 一种车辆螺栓松动故障的智能巡检方法及系统 | |
CN207516258U (zh) | 狭窄空间的多功能检测车 | |
CN112819894A (zh) | 一种集卡引导定位系统及方法、计算机存储介质、龙门吊 | |
CN113436366B (zh) | 一种轨道交通车辆底部和侧边同步协同巡检方法 | |
CN115857040A (zh) | 一种机车车顶异物动态视觉检测装置及方法 | |
CN114777645B (zh) | 用于轨道车辆检测的rgv定位方法及rgv定位系统 | |
CN116129374B (zh) | 轨旁多功能探伤集群装置及其控制方法 |
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 |