CN113727022A - 巡检图像的采集方法及装置、电子设备、存储介质 - Google Patents

巡检图像的采集方法及装置、电子设备、存储介质 Download PDF

Info

Publication number
CN113727022A
CN113727022A CN202111002477.XA CN202111002477A CN113727022A CN 113727022 A CN113727022 A CN 113727022A CN 202111002477 A CN202111002477 A CN 202111002477A CN 113727022 A CN113727022 A CN 113727022A
Authority
CN
China
Prior art keywords
inspection
point
target image
image
inspection point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202111002477.XA
Other languages
English (en)
Other versions
CN113727022B (zh
Inventor
吴海腾
陆晓敏
张凯丽
玉正英
胡军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Shenhao Technology Co Ltd
Original Assignee
Hangzhou Shenhao Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Shenhao Technology Co Ltd filed Critical Hangzhou Shenhao Technology Co Ltd
Priority to CN202111002477.XA priority Critical patent/CN113727022B/zh
Publication of CN113727022A publication Critical patent/CN113727022A/zh
Application granted granted Critical
Publication of CN113727022B publication Critical patent/CN113727022B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/67—Focus control based on electronic image sensor signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/68—Control of cameras or camera modules for stable pick-up of the scene, e.g. compensating for camera body vibrations
    • H04N23/681—Motion detection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/95—Computational photography systems, e.g. light-field imaging systems
    • H04N23/951—Computational photography systems, e.g. light-field imaging systems by using two or more images to influence resolution, frame rate or aspect ratio
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/95—Computational photography systems, e.g. light-field imaging systems
    • H04N23/958—Computational photography systems, e.g. light-field imaging systems for extended depth of field imaging
    • H04N23/959—Computational photography systems, e.g. light-field imaging systems for extended depth of field imaging by adjusting depth of field during image capture, e.g. maximising or setting range based on scene characteristics

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本申请提供一种巡检图像的采集方法及装置、电子设备、计算机可读存储介质，该方法包括：根据巡检路径向下一巡检点运动，在运动过程中，依据所述巡检点对应的摄像参数，对所述摄像装置进行调整；通过经过调整的摄像装置，采集所述巡检点对应的多帧目标图像；分别对每一目标图像进行质量评估，并选择评估结果最优的目标图像作为所述巡检点对应的巡检图像。本申请方案，在巡检过程可以快速获得各巡检点对应的高质量巡检图像，提高了巡检效率。

Description

巡检图像的采集方法及装置、电子设备、存储介质
技术领域
本申请涉及图像处理技术领域，特别涉及一种巡检图像的采集方法及装置、电子设备、计算机可读存储介质。
背景技术
巡检机器人开始替代巡检人员，在变电站、制造业车间等工作场所执行巡检任务。在巡检过程中，巡检机器人可以行驶至预设固定点位后停下，调整其搭载的云台的高度和角度、调整摄像机焦距后，进行可见光图像采集。采集到的可见光图像作为巡检图像，用于缺陷检测，或者，识别设备指针、示数、状态、液位等。
发明内容
本申请实施例的目的在于提供一种巡检图像的采集方法及装置、电子设备、计算机可读存储介质，用于高效地在巡检点采集高质量的巡检图像。
一方面，本申请提供了一种巡检图像的采集方法，应用于巡检机器人，所述巡检机器人搭载摄像装置，包括：
根据巡检路径向下一巡检点运动，在运动过程中，依据所述巡检点对应的摄像参数，对所述摄像装置进行调整；
通过经过调整的摄像装置，采集所述巡检点对应的多帧目标图像；
分别对每一目标图像进行质量评估，并选择评估结果最优的目标图像作为所述巡检点对应的巡检图像。
在一实施例中，在所述根据巡检路径向下一巡检点运动之前，所述方法还包括：
响应于巡检任务指令，依据所述巡检任务指令确定多个巡检点；
依据所述多个巡检点确定所述巡检路径。
在一实施例中，所述在运动过程中，依据所述巡检点对应的摄像参数，对所述摄像装置进行调整，所述方法还包括：
检查所述巡检点是否为必停点；
如果所述巡检点为必停点，在到达所述巡检点后停下，并依据所述巡检点对应的摄像参数对所述摄像装置进行调整；
如果所述巡检点不为必停点，在运动过程中，依据所述巡检点对应的摄像参数，对所述摄像装置进行调整。
在一实施例中，所述通过经过调整的摄像装置，采集所述巡检点对应的多帧目标图像，包括：
如果所述巡检点为必停点，在调整所述摄像装置之后，在所述巡检点采集多帧目标图像。
在一实施例中，所述通过经过调整的摄像装置，采集所述巡检点对应的多帧目标图像，包括：
如果所述巡检点不为必停点，依据第一速度运动至所述巡检点对应的摄像区域时，从所述第一速度降至第二速度，并以所述第二速度在所述巡检点对应的摄像区域运动；
在所述巡检点对应的摄像区域运动时，通过经过调整的摄像装置，采集多帧目标图像。
在一实施例中，所述分别对每一目标图像进行质量评估，包括：
针对每一目标图像，确定所述目标图像对应的多项评估指标；
基于所述多项评估指标，确定所述目标图像对应的评估参数；
将每一目标图像对应的所述评估参数输入已训练的质量评估模型，获得每一目标图像对应的评估结果。
在一实施例中，所述选择评估结果最优的目标图像作为所述巡检点对应的巡检图像，包括：
判断评估结果最优的目标图像是否达到预设清晰度阈值；
若否，对所述目标图像进行修复处理，并将处理后的目标图像作为所述巡检图像。
另一方面，本申请还提供了一种巡检图像的采集装置，应用于巡检机器人，所述巡检机器人搭载摄像装置，包括：
调整模块，用于根据巡检路径向下一巡检点运动，在运动过程中，依据所述巡检点对应的摄像参数，对所述摄像装置进行调整；
采集模块，用于通过经过调整的摄像装置，采集所述巡检点对应的多帧目标图像；
确定模块，用于分别对每一目标图像进行质量评估，并选择评估结果最优的目标图像作为所述巡检点对应的巡检图像。
进一步的，本申请还提供了一种电子设备，所述电子设备包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行上述巡检图像的采集方法。
另外，本申请还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序可由处理器执行以完成上述巡检图像的采集方法。
本申请方案，巡检机器人根据巡检路径向下一巡检点运动过程中，依据下一巡检点对应的摄像参数，对摄像装置进行调整，并可通过调整后的摄像装置采集巡检点对应的多帧目标图像；通过对多帧目标图像进行质量评估，可以筛选出最优的目标图像作为巡检点对应的巡检图像；由于在到达巡检点之前可以调整完成摄像装置，并可在巡检过程中通过质量评估确定最优的巡检图像，因此，在巡检过程可以快速获得各巡检点对应的高质量巡检图像，提高了巡检效率。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍。
图1为本申请一实施例提供的电子设备的结构示意图；
图2为本申请一实施例提供的巡检图像的采集方法的流程示意图；
图3为本申请一实施例提供的摄像装置的调整方法的流程示意图；
图4为本申请一实施例提供的图像评估方法的流程示意图；
图5为本申请一实施例提供的巡检图像的采集装置的框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
如图1所示，本实施例提供一种电子设备1，包括：至少一个处理器11和存储器12，图1中以一个处理器11为例。处理器11和存储器12通过总线10连接，存储器12存储有可被处理器11执行的指令，指令被处理器11执行，以使电子设备1可执行下述的实施例中方法的全部或部分流程。在一实施例中，电子设备1可以是搭载摄像装置的巡检机器人，用于执行巡检图像的采集方法。
存储器12可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read Only Memory，简称EPROM)，可编程只读存储器(Programmable Red-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。
本申请还提供了一种计算机可读存储介质，存储介质存储有计算机程序，计算机程序可由处理器11执行以完成本申请提供的巡检图像的采集方法。
参见图2，为本申请一实施例提供的巡检图像的采集方法的流程示意图，如图2所示，该方法可以包括以下步骤210-步骤230。
步骤210：根据巡检路径向下一巡检点运动，在运动过程中，依据巡检点对应的摄像参数，对摄像装置进行调整。
其中，巡检路径包括多个巡检点，以及巡检点与巡检点之间的连接路径。巡检机器人在工作场所采集图像的位置可以预先设定，该位置在地图上投射的点即为巡检点。
在巡检过程中，巡检机器人可以依据巡检路径，从一个巡检点前往下一个巡检点。在运动过程中，巡检机器人可以获取下一巡检点对应的摄像参数，摄像参数可以包括云台位姿数据、相机焦距等。巡检机器人本地可以存储各巡检点对应的摄像参数，在前往下一巡检点时，可依据下一巡检点的巡检点标识(比如：巡检点序号)查找对应的摄像参数。
在获得摄像参数之后，巡检机器人可以对摄像装置进行调整。巡检机器人可以依据云台位姿数据调整摄像装置中的云台，依据相机焦距调整摄像装置中的相机。
步骤220：通过经过调整的摄像装置，采集巡检点对应的多帧目标图像。
经过调整的摄像装置可以对巡检点对应的巡检对象拍摄图像。这里，巡检对象可以是需要接受检查是否存在缺陷或异常的对象，也可以是接受检查表计指针读数、油位、显示屏数字等状态查看的对象。示例性的，巡检对象可以是工作场所各种电气设备的表盘、绝缘子、部件、硅胶筒、SF6压力表、避雷泄露电流表、油温表、油位记、呼吸器等。
巡检机器人可以通过经过调整的摄像装置，采集巡检点对应的多帧目标图像。其中，目标图像是包含巡检点对应的巡检对象的图像。
步骤230：分别对每一目标图像进行质量评估，并选择评估结果最优的目标图像作为巡检点对应的巡检图像。
在采集到多帧目标图像之后，巡检机器人可以分别对每一目标图像进行质量评估，质量评估可以评估目标图像的清晰度、分辨率、完整度、亮度等指标中一种或多种的组合。经过质量评估之后，可以获得每一目标图像对应的评估结果。
巡检机器人可以比对各目标图像的评估结果，确定最优的评估结果，并以评估结果最优的目标图像作为巡检点对应的巡检图像。
通过上述措施，巡检机器人可在达到巡检点之前完成对摄像装置的调整，在巡检点直接根据调整后的摄像装置采集目标图像。在获得多帧图像后，经过质量评估确定最优的目标图像作为巡检图像，因此，在巡检过程中可以快速获得各巡检点对应的高质量巡检图像。
在一实施例中，巡检机器人可以直接从上位机获取巡检路径，并依据该巡检路径执行巡检任务，采集巡检图像。
在一实施例中，巡检机器人可以获取后台服务器或上位机下发的巡检任务指令，并依据该巡检任务指令确定多个巡检点。
一种情况下，该巡检任务指令可以包含巡检区域信息。巡检区域信息用于指示需要进行巡检的区域，巡检区域信息可以为巡检区域的序号、标识、名称、在工作场所的范围等任意一种。
巡检机器人可以解析出巡检任务指令中的巡检区域信息，并依据巡检区域信息在后台数据库中查找位于巡检区域的多个巡检点。
另一种情况下，该巡检任务指令可以包含多个巡检对象的设备标识。巡检机器人可以解析出多个设备标识，并依据多个设备标识在后台数据库中查找与每一设备标识对应的巡检点，从而得到多个巡检点。
在获得多个巡检点之后，巡检机器人可以依据多个巡检点之间的位置关系进行规划，获得巡检路径。经过规划的巡检路径可使巡检机器人在最高效地情况下完成巡检任务。
在一实施例中，参见图3，为本申请一实施例提供的摄像装置的调整方法的流程示意图，如图3所示，该方法可以包括如下步骤211-步骤213。
步骤211：检查巡检点是否为必停点。
其中，必停点为巡检点的一种属性；当巡检机器人前往任一巡检点的路径中存在部分路段不允许调整后的摄像装置通过，则该巡检点为必停点。示例性的，巡检点2和巡检点4之间的路段包含管道，当巡检机器人通过管道时，需将云台复位，以避免相机与管道上沿发生碰撞，在这种情况下，巡检点4为必停点。
巡检路径中可以对必停点进行标记，巡检机器人在任一巡检点采集图像后，在前往下一巡检点时，可以在巡检路径中查看下一巡检点是否携带必停点标记，从而确定该巡检点是否为必停点。
步骤212：如果巡检点为必停点，在到达巡检点后停下，并依据巡检点对应的摄像参数对摄像装置进行调整。
如果下一巡检点为必停点，巡检机器人可以控制摄像装置进行复位，比如控制摄像装置中的云台朝向前方，并降至初始位置。巡检机器人可以向下一巡检点进行运动，当达到下一巡检点之后停下，并获取该巡检点对应的摄像参数，根据摄像参数对摄像装置进行调整。
步骤213：如果巡检点不为必停点，在运动过程中，依据巡检点对应的摄像参数，对摄像装置进行调整。
如果巡检点不为必停点，巡检点可以在运动过程中直接依据摄像参数对摄像装置进行调整，使得在到达巡检点之前，可以对摄像装置调整完毕，从而减少等待时长。
通过上述措施，对于不属于必停点的巡检点，巡检机器人可以在到达巡检点之前调整摄像装置，从而节省等待时长；对于属于必停点的巡检点，巡检机器人可在运动过程中对摄像装置进行复位，且在到达巡检点后停下调整摄像装置，从而避免在前往必停点的过程中损坏摄像装置。
在一实施例中，巡检机器人在执行步骤220时，如果巡检点为必停点，在调整摄像装置之后，巡检机器人仍停在巡检点，可以直接通过摄像装置采集多帧目标图像。
在一实施例中，巡检机器人在执行步骤220时，如果巡检点不为必停点，巡检机器人依据第一速度运动至巡检点对应的摄像区域时，从第一速度降至第二速度，并以第二速度在巡检点对应的摄像区域运动。其中，摄像区域为巡检点周边用于采集图像的区域，摄像区域可以预先设置。示例性的，可将巡检点为中心，指定半径的区域作为摄像区域。
第一速度和第二速度均可预配置，第一速度高于第二速度，第一速度为巡检机器人在两个巡检点之间运动的速度，第二速度是巡检机器人在摄像区域运动的速度。示例性的，第一速度为0.8m/s；第二速度为0.4m/s。
当巡检机器人以第一速度运动至巡检点对应的摄像区域时，可以降速至第二速度。在巡检点对应的摄像区域运动时，巡检机器人可以通过经过调整的摄像装置，采集多帧目标图像。当巡检机器人离开摄像区域时，可以提速至第一速度，从而以第一速度前往下一巡检点。
通过上述措施，在巡检点之间运动过程中，巡检机器人可以以较高的第一速度进行运动，从而减少运动时间；在进入巡检点对应的摄像区域时，巡检机器人降速为较低的第二速度，使得在运动过程中可以采集到多帧清晰的目标图像。在运动过程中直接采集目标图像，巡检机器人无需停下，进一步减少了拍照时间，提高了巡检效率。
在一实施例中，参见图4，为本申请一实施例提供的图像评估方法的流程示意图，如图4所示，该方法可以包括如下步骤231-步骤233。
步骤231：针对每一目标图像，确定所述目标图像对应的多项评估指标。
其中，评估指标可以包括但不限于清晰度、分辨率、完整度、目标区域亮度、巡检对象姿态、巡检对象在图像中的位置、图像中是否存在缺陷等多种的组合。
巡检机器人可以通过拉普拉斯算子、梯度检测、维纳滤波、果冻效应评价等方式确定目标图像的清晰度。巡检机器人可以依据目标图像本身确定图像分辨率。目标图像中的目标区域为巡检对象在目标中所在区域，巡检机器人可以通过模板匹配或目标检测等手段，确定目标图像中的目标区域，并依据目标区域所有像素的亮度计算均值，从而得到目标区域亮度。
巡检对象在图像中的位置，可以为巡检对象所在目标区域的中心位置与目标图像中心位置的距离，巡检机器人在确定目标区域之后，可以确定巡检对象的中心位置与目标图像中心位置的距离。
完整度指的是巡检对象在图像中的完整度，指示巡检对象在目标图像中是否被遮挡。巡检机器人可以通过Mask-RCNN(Mask Region Convolutional NeuralNetworks)确定目标图像中巡检对象的掩膜，该掩膜可精确地指示巡检对象的所在位置，以及巡检对象在目标图像中的形状。巡检机器人可以通过模板比对的方式确定掩膜的完整度。
巡检对象姿态指的是目标图像中巡检对象的姿态，示例性的，巡检对象为表盘，巡检对象姿态可指示表盘在目标图像中是否正对摄像装置的镜头。对于圆形的巡检对象，巡检机器人可以根据巡检对象的掩膜形状确定巡检对象是否倾斜，得到巡检对象姿态。对于多变形的巡检对象，巡检机器人可以通过预训练的姿态分类模型对目标图像进行计算，从而得到目标图像对应的姿态类别信息，并以姿态类别信息确定巡检对象姿态。这里，姿态类别信息可以包括优、良、一般、差等多个等级。
图像中是否存在缺陷可以通过缺陷检测模型来确定。巡检机器人可以将目标图像输入已训练的缺陷检测模型，通过缺陷检测模型对目标图像中表盘破损、外壳破损、金属锈蚀、表面油渍、绝缘子裂纹、绝缘子破裂、表面污秽、呼吸器油封油位异常、硅胶筒破损等一种或多种缺陷进行检测，获得缺陷检测结果，该缺陷检测结果可以指示目标图像内是否存在缺陷。
步骤232：基于所述多项评估指标，确定所述目标图像对应的评估参数。
在获得目标图像对应的多项评估指标之后，巡检机器人可以对评估指标进行处理，并融合得到评估参数。示例性的，对于连续型指标，巡检机器人可以进行归一化处理；对于离散型指标，巡检机器人可以进行one-hot编码。巡检机器人可以将处理得到的多项指标拼接为多维向量，作为目标图像对应的评估参数。
针对每个巡检点的多帧目标图像，通过步骤231和步骤232可以确定每一目标图像对应的评估参数。
步骤233：将每一目标图像对应的所述评估参数输入已训练的质量评估模型，获得每一目标图像对应的评估结果。
其中，质量评估模型可通过回归模型训练得到，用于基于评估参数确定相应的评估结果，该评估结果可以是评分。在执行本申请图像评估方法之前，可以基于从大量样本图像确定的评估参数和评分标签对回归模型进行训练，从而得到质量评估模型。
针对每个巡检点的多帧目标图像，巡检机器人可以将目标图像对应的评估参数输入质量评估模型，从而得到目标图像的评估结果。示例性的，评估参数为多维向量，巡检机器人通过质量评估模型对每一目标图像对应的多维向量进行计算，获得目标图像对应的评分，作为评估结果。
在一实施例中，在选择评估结果最优的目标图像作为巡检点对应的巡检图像时，在确定评估结果最优的目标图像之后，巡检机器人可以判断评估结果最优的目标图像是否达到预设清晰度阈值。其中，清晰度阈值可以是经验值，用于筛选后续可用作巡检凭证的图像。
一方面，若达到清晰度阈值，巡检机器人可以确定评估结果最优的目标图像为巡检图像。另一方面，若未达到清晰度阈值，巡检机器人可以对该目标图像进行修复处理。这里，巡检机器人可以通过去模糊、超分辨率调整、图像修复等技术对目标图像进行修复，从而恢复图像原本的信息。巡检机器人可以将修复处理后的目标图像作为巡检图像。
通过上述措施，针对任一巡检点选择最优的目标图像之后，可以确保获得满足质量要求的巡检图像，作为巡检凭证。
图5是本发明一实施例的一种巡检图像的采集装置，如图5所示，该装置可以包括：
调整模块510，用于根据巡检路径向下一巡检点运动，在运动过程中，依据所述巡检点对应的摄像参数，对所述摄像装置进行调整；
采集模块520，用于通过经过调整的摄像装置，采集所述巡检点对应的多帧目标图像；
确定模块530，用于分别对每一目标图像进行质量评估，并选择评估结果最优的目标图像作为所述巡检点对应的巡检图像。
上述装置中各个模块的功能和作用的实现过程具体详见上述巡检图像的采集方法中对应步骤的实现过程，在此不再赘述。
在本申请所提供的几个实施例中，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (10)

1.一种巡检图像的采集方法，应用于巡检机器人，所述巡检机器人搭载摄像装置，其特征在于，包括：
根据巡检路径向下一巡检点运动，在运动过程中，依据所述巡检点对应的摄像参数，对所述摄像装置进行调整；
通过经过调整的摄像装置，采集所述巡检点对应的多帧目标图像；
分别对每一目标图像进行质量评估，并选择评估结果最优的目标图像作为所述巡检点对应的巡检图像。
2.根据权利要求1所述的方法，其特征在于，在所述根据巡检路径向下一巡检点运动之前，所述方法还包括：
响应于巡检任务指令，依据所述巡检任务指令确定多个巡检点；
依据所述多个巡检点确定所述巡检路径。
3.根据权利要求1所述的方法，其特征在于，所述在运动过程中，依据所述巡检点对应的摄像参数，对所述摄像装置进行调整，所述方法还包括：
检查所述巡检点是否为必停点；
如果所述巡检点为必停点，在到达所述巡检点后停下，并依据所述巡检点对应的摄像参数对所述摄像装置进行调整；
如果所述巡检点不为必停点，在运动过程中，依据所述巡检点对应的摄像参数，对所述摄像装置进行调整。
4.根据权利要求3所述的方法，其特征在于，所述通过经过调整的摄像装置，采集所述巡检点对应的多帧目标图像，包括：
如果所述巡检点为必停点，在调整所述摄像装置之后，在所述巡检点采集多帧目标图像。
5.根据权利要求3所述的方法，其特征在于，所述通过经过调整的摄像装置，采集所述巡检点对应的多帧目标图像，包括：
如果所述巡检点不为必停点，依据第一速度运动至所述巡检点对应的摄像区域时，从所述第一速度降至第二速度，并以所述第二速度在所述巡检点对应的摄像区域运动；
在所述巡检点对应的摄像区域运动时，通过经过调整的摄像装置，采集多帧目标图像。
6.根据权利要求1所述的方法，其特征在于，所述分别对每一目标图像进行质量评估，包括：
针对每一目标图像，确定所述目标图像对应的多项评估指标；
基于所述多项评估指标，确定所述目标图像对应的评估参数；
将每一目标图像对应的所述评估参数输入已训练的质量评估模型，获得每一目标图像对应的评估结果。
7.根据权利要求1所述的方法，其特征在于，所述选择评估结果最优的目标图像作为所述巡检点对应的巡检图像，包括：
判断评估结果最优的目标图像是否达到预设清晰度阈值；
若否，对所述目标图像进行修复处理，并将处理后的目标图像作为所述巡检图像。
8.一种巡检图像的采集装置，应用于巡检机器人，所述巡检机器人搭载摄像装置，其特征在于，包括：
调整模块，用于根据预设巡检路径向下一巡检点运动，在运动过程中，依据所述巡检点对应的摄像参数，对所述摄像装置进行调整；
采集模块，用于通过经过调整的摄像装置，采集所述巡检点对应的多帧目标图像；
确定模块，用于分别对每一目标图像进行质量评估，并选择评估结果最优的目标图像作为所述巡检点对应的巡检图像。
9.一种电子设备，其特征在于，所述电子设备包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行权利要求1-7任意一项所述的巡检图像的采集方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序可由处理器执行以完成权利要求1-7任意一项所述的巡检图像的采集方法。
CN202111002477.XA 2021-08-30 2021-08-30 巡检图像的采集方法及装置、电子设备、存储介质 Active CN113727022B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111002477.XA CN113727022B (zh) 2021-08-30 2021-08-30 巡检图像的采集方法及装置、电子设备、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111002477.XA CN113727022B (zh) 2021-08-30 2021-08-30 巡检图像的采集方法及装置、电子设备、存储介质

Publications (2)

Publication Number Publication Date
CN113727022A true CN113727022A (zh) 2021-11-30
CN113727022B CN113727022B (zh) 2023-06-20

Family

ID=78678907

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111002477.XA Active CN113727022B (zh) 2021-08-30 2021-08-30 巡检图像的采集方法及装置、电子设备、存储介质

Country Status (1)

Country Link
CN (1) CN113727022B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114296483A (zh) * 2022-03-09 2022-04-08 北京图知天下科技有限责任公司 一种风力发电机不停机状态下的智能巡检方法及电子设备
CN117576800A (zh) * 2023-10-25 2024-02-20 大唐海口清洁能源发电有限责任公司 火电厂自动巡检方法、装置、巡检机器人及存储介质
CN117934722A (zh) * 2024-01-26 2024-04-26 武汉海德斯路科技有限公司 一种基于三维模型的巡检点位图像采集方法及装置
WO2024198558A1 (zh) * 2023-03-28 2024-10-03 深圳市优必选科技股份有限公司 一种巡检方法、巡检装置、电子设备及存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105425796A (zh) * 2015-12-01 2016-03-23 胡丽春 一种风力发电场巡检车
CN105881537A (zh) * 2016-06-08 2016-08-24 江苏若博机器人科技有限公司 一种三核四轴履带式高速天然气管道机器人控制系统
CN107343153A (zh) * 2017-08-31 2017-11-10 王修晖 一种无人设备的拍摄方法、装置及无人机
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
WO2020102976A1 (zh) * 2018-11-20 2020-05-28 深圳市大疆创新科技有限公司 云台调整方法、云台调整设备、移动平台及介质
CN111415432A (zh) * 2020-03-20 2020-07-14 四川华能宝兴河水电有限责任公司 一种用于水电站的智能巡检方法
CN111897332A (zh) * 2020-07-30 2020-11-06 国网智能科技股份有限公司 一种语义智能变电站机器人仿人巡视作业方法及系统
CN112911160A (zh) * 2019-12-03 2021-06-04 浙江宇视科技有限公司 图像拍摄方法、装置、设备及存储介质
CN113110446A (zh) * 2021-04-13 2021-07-13 深圳市千乘机器人有限公司 一种自主移动机器人的动态巡检方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110427025B (zh) * 2019-07-15 2022-04-12 广州杰赛科技股份有限公司 一种巡检设备路径调整方法、装置和巡检设备
CN111507147A (zh) * 2019-10-28 2020-08-07 深圳市海洋王照明工程有限公司 智能巡检方法、装置、计算机设备和存储介质
CN111958591B (zh) * 2020-07-30 2021-10-29 国网智能科技股份有限公司 一种语义智能变电站巡检机器人自主巡检方法及系统
CN112258641B (zh) * 2020-11-03 2023-03-03 国网智能科技股份有限公司 巡检点自动化配置系统、方法、存储介质、设备及机器人

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105425796A (zh) * 2015-12-01 2016-03-23 胡丽春 一种风力发电场巡检车
CN105881537A (zh) * 2016-06-08 2016-08-24 江苏若博机器人科技有限公司 一种三核四轴履带式高速天然气管道机器人控制系统
CN107343153A (zh) * 2017-08-31 2017-11-10 王修晖 一种无人设备的拍摄方法、装置及无人机
WO2020102976A1 (zh) * 2018-11-20 2020-05-28 深圳市大疆创新科技有限公司 云台调整方法、云台调整设备、移动平台及介质
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
CN112911160A (zh) * 2019-12-03 2021-06-04 浙江宇视科技有限公司 图像拍摄方法、装置、设备及存储介质
CN111415432A (zh) * 2020-03-20 2020-07-14 四川华能宝兴河水电有限责任公司 一种用于水电站的智能巡检方法
CN111897332A (zh) * 2020-07-30 2020-11-06 国网智能科技股份有限公司 一种语义智能变电站机器人仿人巡视作业方法及系统
CN113110446A (zh) * 2021-04-13 2021-07-13 深圳市千乘机器人有限公司 一种自主移动机器人的动态巡检方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114296483A (zh) * 2022-03-09 2022-04-08 北京图知天下科技有限责任公司 一种风力发电机不停机状态下的智能巡检方法及电子设备
CN114296483B (zh) * 2022-03-09 2022-06-28 北京图知天下科技有限责任公司 一种风力发电机不停机状态下的智能巡检方法及电子设备
WO2024198558A1 (zh) * 2023-03-28 2024-10-03 深圳市优必选科技股份有限公司 一种巡检方法、巡检装置、电子设备及存储介质
CN117576800A (zh) * 2023-10-25 2024-02-20 大唐海口清洁能源发电有限责任公司 火电厂自动巡检方法、装置、巡检机器人及存储介质
CN117576800B (zh) * 2023-10-25 2024-09-10 大唐海口清洁能源发电有限责任公司 火电厂自动巡检方法、装置、巡检机器人及存储介质
CN117934722A (zh) * 2024-01-26 2024-04-26 武汉海德斯路科技有限公司 一种基于三维模型的巡检点位图像采集方法及装置

Also Published As

Publication number Publication date
CN113727022B (zh) 2023-06-20

Similar Documents

Publication Publication Date Title
CN113727022B (zh) 巡检图像的采集方法及装置、电子设备、存储介质
US11494891B2 (en) Method of inspecting and evaluating coating state of steel structure and system therefor
CN109300161B (zh) 一种基于双目视觉的定位方法及装置
KR102094341B1 (ko) 인공지능 기반의 도로 노면 불량 객체 정보 분석 시스템 및 방법
CN112352149A (zh) 用于自动分析空气样品的系统和方法
CN113726606B (zh) 异常检测方法及装置、电子设备、存储介质
CN110266938B (zh) 基于深度学习的变电站设备智能拍摄方法及装置
CN110889823B (zh) 一种SiC缺陷的检测方法和系统
CN109085174A (zh) 显示屏外围电路检测方法、装置、电子设备及存储介质
CN108257171A (zh) 基于光视觉的汽车雷达装配孔径检测方法
CN111062961A (zh) 一种基于深度学习的隐形眼镜边缘缺陷检测方法
CN116978834B (zh) 一种用于晶圆生产的智能监测预警系统
CN116593479B (zh) 电池盖板外观质量检测方法、装置、设备及存储介质
CN110146513A (zh) 缺陷判定方法及缺陷判定装置
CN113639685A (zh) 位移检测方法、装置、设备和存储介质
CN113935971A (zh) 一种复合材料表面缺陷的检测方法及装置
CN117455917B (zh) 一种蚀刻引线框架误报库建立及误报在线判定筛选方法
CN113778091A (zh) 一种风电场升压站设备巡检方法
CN112461846A (zh) 工件缺陷检测方法及装置
CN115984759A (zh) 变电站开关状态识别方法、装置、计算机设备和存储介质
CN116309418A (zh) 桥梁悬臂施工主梁变形的智能监测方法及装置
CN112257514B (zh) 一种用于设备故障巡检的红外视觉智检的拍摄方法
CN113191977B (zh) 一种用于恶劣环境条件下目标检测识别的图像增强系统
RU2795303C1 (ru) Способ автоматического непрерывного контроля качества поверхности
CN118096751B (zh) 注塑件外观缺陷检测方法、装置、电子设备及存储介质

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
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Methods and devices for collecting inspection images, electronic devices, and storage media

Effective date of registration: 20231108

Granted publication date: 20230620

Pledgee: Guotou Taikang Trust Co.,Ltd.

Pledgor: Hangzhou Shenhao Technology Co.,Ltd.

Registration number: Y2023980064429