CN114486932A - 一种基于图像信息的水冷壁爬壁机器人定位方法 - Google Patents

一种基于图像信息的水冷壁爬壁机器人定位方法 Download PDF

Info

Publication number
CN114486932A
CN114486932A CN202210075766.0A CN202210075766A CN114486932A CN 114486932 A CN114486932 A CN 114486932A CN 202210075766 A CN202210075766 A CN 202210075766A CN 114486932 A CN114486932 A CN 114486932A
Authority
CN
China
Prior art keywords
information
image
climbing robot
water
wall
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
CN202210075766.0A
Other languages
English (en)
Other versions
CN114486932B (zh
Inventor
薛辉
王健
王志洁
张建军
赵锡斌
白刚
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.)
Shijiazhuang Dongfang Thermal Power Engineering Co ltd
Original Assignee
Shijiazhuang Dongfang Thermal Power Engineering 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 Shijiazhuang Dongfang Thermal Power Engineering Co ltd filed Critical Shijiazhuang Dongfang Thermal Power Engineering Co ltd
Priority to CN202210075766.0A priority Critical patent/CN114486932B/zh
Publication of CN114486932A publication Critical patent/CN114486932A/zh
Application granted granted Critical
Publication of CN114486932B publication Critical patent/CN114486932B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9515—Objects of complex shape, e.g. examined with use of a surface follower device
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9515—Objects of complex shape, e.g. examined with use of a surface follower device
    • G01N2021/9518—Objects of complex shape, e.g. examined with use of a surface follower device using a surface follower, e.g. robot

Abstract

本发明公开了一种基于图像信息的水冷壁爬壁机器人定位方法，涉及机器人定位技术领域。该基于图像信息的水冷壁爬壁机器人定位方法包括以下步骤：放置机器人、信息获取、信息分析、获得目标点、区域划分、获取定位信息，所述S2中对待检测水冷壁面进行检测时，在作业面区域的左下角固定克表示的标记作为整个作业区域的假设原点，S2中将摄像头拍摄的图像进行去畸变处理，再通过对作业区域图像进行图像识别，确定水冷壁管最突出的点组成的母线在图像中的像素位置及爬璧机器人在图像中所处的像素位置，不同于传统定位方式，设计了一套定位方法以适用于水冷壁场景，通过图像识别技术对水冷壁作业区域进行区域划分。

Description

一种基于图像信息的水冷壁爬壁机器人定位方法
技术领域
本发明涉及机器人定位技术领域，具体为一种基于图像信息的水冷壁爬壁机器人定位方法。
背景技术
火电锅炉的水冷壁管的可靠性直接影响电厂机组的安全有效运行，同时水冷壁管不可避免地会被腐蚀和磨损，从而降低其有效承载能力和安全性，为保证设备使用安全，需定期对水冷壁管壁进行检测与维护。人工检测方式通过检测人员手持超声波等检测仪完成，需要检测人员进入锅炉内部，工作环境恶劣，危险程度高，检测过程中通常无法一人完成，需要多人协作，并且存在工作量大、检测质量和检测人员的技能水平和工作态度关系很大。人工检测过程中，若发现故障点，需通过喷涂等标记方式进行记录，维修人员维修过程中还需重新寻找记录点位置进行维修，整个过程效率很低。适用于水冷壁场景的爬壁机器人进行检测作业能够快速准确地进行检测作业，描述或标记机器人所检测到的异常点位置，一般采用做标记点和坐标位置描述的方式，利用标记点的方式标记异常点需要额外增加标记喷涂装置，增加此类装置会使机器人结构复杂，并且喷涂点具有大小难以控制，容易模糊等缺点。坐标位置描述的方式既可以表达异常点的位置，又可以用于机器人运动过程中的定位。因此，有必要设计一种新的定位方法，保证定位精度，使其适用于水冷壁检测的爬壁机器人定位场景。
传统的定位方法多采用里程计配合惯导传感器获得定位结果，无法完全避免累积误差，在水冷壁壁面运动过程中，跨管造成的惯导信息波动难以处理，容易造成定位误差。因水冷壁本身的结构特征，传统的连续坐标表示方式既会造成信息浪费，又不适应水冷壁爬壁机器人的定位要求。水冷壁管管间距无法保证完全相同，横向距离信息无法转换为管号信息。
鉴于此，本发明旨在提供一种基于图像信息的水冷壁爬壁机器人定位方法，消除传统定位方法中的累计误差，配合相应的定位信息表达方式，以达到水冷壁作业场景的爬壁机器人定位要求。
发明内容
（一）解决的技术问题
针对现有技术的不足，本发明提供了一种基于图像信息的水冷壁爬壁机器人定位方法，解决了上述背景技术中提出的问题。
（二）技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种基于图像信息的水冷壁爬壁机器人定位方法，该基于图像信息的水冷壁爬壁机器人定位方法包括以下步骤：
S1、放置机器人，先对爬璧机器人所有的功能进行调试，确保所有功能可以正常使用后将爬璧机器人放置在需要检测定位的壁面上，启动爬璧机器人。
S2、信息获取，通过爬璧机器人上设置的摄像头获得包含作业面及爬璧机器人的图像信息，通过图像识别技术获得水冷壁管和爬璧机器人在图像中的像素信息。
S3、信息分析，通过将图像信息进行利用，结合多传感器融合信息，最终获得定位信息。
S4、获得目标点，将作业面中单一水冷壁管最突出的点组成的母线定义为一水冷壁的检测母线，爬璧机器人一次检测母线为参考，获得目标点的横向信息。
S5、区域划分，高度信息以图像中检测母线间隔的平均值进行划分，每隔固定高度值使用高度标准线进行标注，从而将作业面图像划分为若干矩形区域，以检测母线和高度标准线为基准，以基准值和偏移量组合确定目标点的准确位置，目标点表现形式为：
（X0,Y0）：（offset_x,offset_y）
其中，X0为目标点所属检测母线，位于检测母线右侧；Y0为目标点所属高度标准线，位于高度标准线上方；offset_x为目标点相对于所属检测母线的偏移量，offset_y为目标点相对于所属高度标准线的偏移量；
目标点所处位置的准确表达为：
（X0+offset_x，Y0+offset_y）。
S6、获取定位信息，通过图像识别模块将工作区域划分为若干矩形区域后，根据里程计信息观察爬璧机器人的里程和行进方向，根据惯导传感器等多传感器融合信息获得连续的偏移量信息，两者相互结合获得精确的定位信息。
优选的，所述S2中对待检测水冷壁面进行检测时，在作业面区域的左下角固定克表示的标记作为整个作业区域的假设原点。
优选的，所述S2中将摄像头拍摄的图像进行去畸变处理，再通过对作业区域图像进行图像识别，确定水冷壁管最突出的点组成的母线在图像中的像素位置及爬璧机器人在图像中所处的像素位置。
优选的，所述S5中根据图像坐标系UOV中，左边远点位于左上角，u轴水平向右，v轴竖直向下。假设作业面最左侧两母线在图像坐标系中对应的u轴坐标值为U0和U1，则两母线之间间隔的像素值为ΔU：
Figure DEST_PATH_IMAGE001
根据实际测量两母线之间的实际距离Δl，可得每像素与实际距离值的比例关系ε：
Figure 61352DEST_PATH_IMAGE002
按照此比例关系将高度标准线按照一定的实际距离进行划分，最终将作业区域划分为若干矩形区域。
优选的，所述S2中图像识别得出的像素信息与实际位置坐标之间的关系可表示为：
Figure DEST_PATH_IMAGE003
。
优选的，所述(x,y)为目标点(机器人)坐标位置，(u0,v0)为作业区域预设原点在图像中的像素位置，(x0,y0)为作业区域预设原点的实际位置。
优选的，所述S6中惯导传感器和里程计信息经过卡尔曼滤波算法，进行融合获得爬璧机器人的实时状态。
优选的，所述惯导传感器主要提供角度信息，里程计信息主要提供速度信息。
优选的，所述S6中爬璧机器人的里程计信息由编码器信息进行运动学结算得出。
（三）有益效果
本发明提供了一种基于图像信息的水冷壁爬壁机器人定位方法。具备以下有益效果：
（1）、该基于图像信息的水冷壁爬壁机器人定位方法，不同于传统定位方式，设计了一套定位方法以适用于水冷壁场景，通过图像识别技术对水冷壁作业区域进行区域划分。
（2）、该基于图像信息的水冷壁爬壁机器人定位方法，通过多传感器融合技术得到实时运动状态，以偏差值的形式和检测母线、高度标准线共同表达定位信息。
（3）、该基于图像信息的水冷壁爬壁机器人定位方法，根据区域划分方法，当机器人位于检测母线或高度标准线时，对机器人的位置进行回归算法调整，有效减小单一传感器的累积误差。
（4）、该基于图像信息的水冷壁爬壁机器人定位方法，该方法定位思想适用于水冷壁定位场景，图像信息的加入避免了单一传感器的累积误差，区域划分和回归算法的利用，保证每个时刻的定位精确。
附图说明
图1为本发明单独矩形区域内结构示意图；
图2为本发明定位过程数据传递示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-图2，本发明提供一种技术方案：一种基于图像信息的水冷壁爬壁机器人定位方法，该基于图像信息的水冷壁爬壁机器人定位方法包括以下步骤：
S1、放置机器人，先对爬璧机器人所有的功能进行调试，确保所有功能可以正常使用后将爬璧机器人放置在需要检测定位的壁面上，启动爬璧机器人。
S2、信息获取，通过爬璧机器人上设置的摄像头获得包含作业面及爬璧机器人的图像信息，通过图像识别技术获得水冷壁管和爬璧机器人在图像中的像素信息。
S3、信息分析，通过将图像信息进行利用，结合多传感器融合信息，最终获得定位信息。
S4、获得目标点，将作业面中单一水冷壁管最突出的点组成的母线定义为一水冷壁的检测母线，爬璧机器人一次检测母线为参考，获得目标点的横向信息。
S5、区域划分，高度信息以图像中检测母线间隔的平均值进行划分，每隔固定高度值使用高度标准线进行标注，从而将作业面图像划分为若干矩形区域，以检测母线和高度标准线为基准，以基准值和偏移量组合确定目标点的准确位置，目标点表现形式为：
（X0,Y0）：（offset_x,offset_y）
其中，X0为目标点所属检测母线，位于检测母线右侧；Y0为目标点所属高度标准线，位于高度标准线上方；offset_x为目标点相对于所属检测母线的偏移量，offset_y为目标点相对于所属高度标准线的偏移量；
目标点所处位置的准确表达为：
（X0+offset_x，Y0+offset_y）。
S6、获取定位信息，通过图像识别模块将工作区域划分为若干矩形区域后，根据里程计信息观察爬璧机器人的里程和行进方向，根据惯导传感器等多传感器融合信息获得连续的偏移量信息，两者相互结合获得精确的定位信息。
本实施例中，S2中对待检测水冷壁面进行检测时，在作业面区域的左下角固定克表示的标记作为整个作业区域的假设原点。S2中将摄像头拍摄的图像进行去畸变处理，再通过对作业区域图像进行图像识别，确定水冷壁管最突出的点组成的母线在图像中的像素位置及爬璧机器人在图像中所处的像素位置。
本实施例中，S5中根据图像坐标系UOV中，左边远点位于左上角，u轴水平向右，v轴竖直向下。假设作业面最左侧两母线在图像坐标系中对应的u轴坐标值为U0和U1，则两母线之间间隔的像素值为ΔU：
Figure 423194DEST_PATH_IMAGE001
根据实际测量两母线之间的实际距离Δl，可得每像素与实际距离值的比例关系ε：
Figure 776815DEST_PATH_IMAGE002
按照此比例关系将高度标准线按照一定的实际距离进行划分，最终将作业区域划分为若干矩形区域，区域划分的方式使爬璧机器人在运动过程中，每经过检测母线或高度标准线时进行检测，机器人根据图像位置信息对经过的矩形区域中计算的坐标信息进行回归算法调整。此过程将惯导传感器等累积误差固定在一个区域中，并最大限度地缩小了区域中的误差值。
S2中图像识别得出的像素信息与实际位置坐标之间的关系可表示为：
Figure 840586DEST_PATH_IMAGE004
(x,y)为目标点(机器人)坐标位置，(u0,v0)为作业区域预设原点在图像中的像素位置，(x0,y0)为作业区域预设原点的实际位置。
本实施例中，S6中惯导传感器和里程计信息经过卡尔曼滤波算法，进行融合获得爬璧机器人的实时状态。惯导传感器主要提供角度信息，里程计信息主要提供速度信息。S6中爬璧机器人的里程计信息由编码器信息进行运动学结算得出。
假设采用双轮差速底盘机器人进行水冷壁检测作业。机器人本体上搭载有姿态传感器、编码器和激光测距仪等传感设备。由编码器信息进行运动学解算可得到机器人的里程计信息。姿态传感器安装在机器人旋转中心，因此姿态传感器所处空间坐标系TF1和机器人所处空间坐标系TF0之间的关系为：
Figure DEST_PATH_IMAGE005
其中In为单位矩阵，说明姿态传感器所表现的运动信息即认为是机器人的运动信息。
激光测距仪用于测量测量点与地面的绝对距离，激光测距仪安装在一自然下摆的摆臂装置，当机器人静止时，激光测高信息稳定输出，可准确测量出机器人距离地面的距离，当机器人运动时，由激光测距仪得出的距离波动较大。因此，将此信息作为校准信息。同时此信息作为计算作业面区域原点位置的实际高度信息，以输出定位高度信息更加准确。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (9)

1.一种基于图像信息的水冷壁爬壁机器人定位方法，其特征在于：该基于图像信息的水冷壁爬壁机器人定位方法包括以下步骤：
S1、放置机器人，先对爬璧机器人所有的功能进行调试，确保所有功能可以正常使用后将爬璧机器人放置在需要检测定位的壁面上，启动爬璧机器人；
S2、信息获取，通过爬璧机器人上设置的摄像头获得包含作业面及爬璧机器人的图像信息，通过图像识别技术获得水冷壁管和爬璧机器人在图像中的像素信息；
S3、信息分析，通过将图像信息进行利用，结合多传感器融合信息，最终获得定位信息；
S4、获得目标点，将作业面中单一水冷壁管最突出的点组成的母线定义为一水冷壁的检测母线，爬璧机器人一次检测母线为参考，获得目标点的横向信息；
S5、区域划分，高度信息以图像中检测母线间隔的平均值进行划分，每隔固定高度值使用高度标准线进行标注，从而将作业面图像划分为若干矩形区域，以检测母线和高度标准线为基准，以基准值和偏移量组合确定目标点的准确位置，目标点表现形式为：
（X0,Y0）：（offset_x,offset_y），
其中，X0为目标点所属检测母线，位于检测母线右侧；Y0为目标点所属高度标准线，位于高度标准线上方；offset_x为目标点相对于所属检测母线的偏移量，offset_y为目标点相对于所属高度标准线的偏移量；
目标点所处位置的准确表达为：
（X0+offset_x，Y0+offset_y）；
S6、获取定位信息，通过图像识别模块将工作区域划分为若干矩形区域后，根据里程计信息观察爬璧机器人的里程和行进方向，根据惯导传感器等多传感器融合信息获得连续的偏移量信息，两者相互结合获得精确的定位信息。
2.根据权利要求1所述的一种基于图像信息的水冷壁爬壁机器人定位方法，其特征在于：所述S2中对待检测水冷壁面进行检测时，在作业面区域的左下角固定克表示的标记作为整个作业区域的假设原点。
3.根据权利要求1所述的一种基于图像信息的水冷壁爬壁机器人定位方法，其特征在于：所述S2中将摄像头拍摄的图像进行去畸变处理，再通过对作业区域图像进行图像识别，确定水冷壁管最突出的点组成的母线在图像中的像素位置及爬璧机器人在图像中所处的像素位置。
4.根据权利要求1所述的一种基于图像信息的水冷壁爬壁机器人定位方法，其特征在于：所述S5中根据图像坐标系UOV中，左边远点位于左上角，u轴水平向右，v轴竖直向下，假设作业面最左侧两母线在图像坐标系中对应的u轴坐标值为U0和U1，则两母线之间间隔的像素值为ΔU：
Figure 869061DEST_PATH_IMAGE001
根据实际测量两母线之间的实际距离Δl，可得每像素与实际距离值的比例关系ε：
Figure DEST_PATH_IMAGE002
按照此比例关系将高度标准线按照一定的实际距离进行划分，最终将作业区域划分为若干矩形区域。
5.根据权利要求1所述的一种基于图像信息的水冷壁爬壁机器人定位方法，其特征在于：所述S2中图像识别得出的像素信息与实际位置坐标之间的关系可表示为：
Figure 864830DEST_PATH_IMAGE003
。
6.根据权利要求5所述的一种基于图像信息的水冷壁爬壁机器人定位方法，其特征在于：所述(x,y)为目标点(机器人)坐标位置，(u0,v0)为作业区域预设原点在图像中的像素位置，(x0,y0)为作业区域预设原点的实际位置。
7.根据权利要求1所述的一种基于图像信息的水冷壁爬壁机器人定位方法，其特征在于：所述S6中惯导传感器和里程计信息经过卡尔曼滤波算法，进行融合获得爬璧机器人的实时状态。
8.根据权利要求7所述的一种基于图像信息的水冷壁爬壁机器人定位方法，其特征在于：所述惯导传感器主要提供角度信息，里程计信息主要提供速度信息。
9.根据权利要求1所述的一种基于图像信息的水冷壁爬壁机器人定位方法，其特征在于：所述S6中爬璧机器人的里程计信息由编码器信息进行运动学结算得出。
CN202210075766.0A 2022-01-22 2022-01-22 一种基于图像信息的水冷壁爬壁机器人定位方法 Active CN114486932B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210075766.0A CN114486932B (zh) 2022-01-22 2022-01-22 一种基于图像信息的水冷壁爬壁机器人定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210075766.0A CN114486932B (zh) 2022-01-22 2022-01-22 一种基于图像信息的水冷壁爬壁机器人定位方法

Publications (2)

Publication Number Publication Date
CN114486932A true CN114486932A (zh) 2022-05-13
CN114486932B CN114486932B (zh) 2023-11-28

Family

ID=81471698

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210075766.0A Active CN114486932B (zh) 2022-01-22 2022-01-22 一种基于图像信息的水冷壁爬壁机器人定位方法

Country Status (1)

Country Link
CN (1) CN114486932B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110279828A1 (en) * 2008-01-31 2011-11-17 Mitsubishi Heavy Industries, Ltd. Inspection device and inspection method for boiler furnace water wall tubes
JP2015129662A (ja) * 2014-01-07 2015-07-16 株式会社島津製作所 外観検査装置及び外観検査方法
KR101666095B1 (ko) * 2015-05-29 2016-10-14 주식회사 아이스기술 화석연료 보일러의 노내 부착물 감시를 위한 온도보정형 열화상 카메라 시스템
CN107702137A (zh) * 2017-10-23 2018-02-16 中国电建集团河南工程公司 锅炉炉膛高温火焰监视装置安装施工方法
WO2019011935A1 (en) * 2017-07-10 2019-01-17 Ditiatkovsky Alex ENHANCEMENT DEPOSITION ARRANGEMENT AND OPTIMAL CLEANING OF WATER SCREEN TUBES IN THE FURNACE OF BIOMASS COMBUSTION BOILERS
CN209784259U (zh) * 2019-03-19 2019-12-13 浙江省特种设备检验研究院 一种电站锅炉水冷壁管自动爬壁远场涡流和视频检测系统
CN110986779A (zh) * 2019-12-25 2020-04-10 上海交通大学 小孔内外壁视觉测量系统及其标定装置和标定方法
CN210567560U (zh) * 2019-05-28 2020-05-19 广东技术师范大学 一种可稳定行走于管壁的探伤机器人

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110279828A1 (en) * 2008-01-31 2011-11-17 Mitsubishi Heavy Industries, Ltd. Inspection device and inspection method for boiler furnace water wall tubes
JP2015129662A (ja) * 2014-01-07 2015-07-16 株式会社島津製作所 外観検査装置及び外観検査方法
KR101666095B1 (ko) * 2015-05-29 2016-10-14 주식회사 아이스기술 화석연료 보일러의 노내 부착물 감시를 위한 온도보정형 열화상 카메라 시스템
WO2019011935A1 (en) * 2017-07-10 2019-01-17 Ditiatkovsky Alex ENHANCEMENT DEPOSITION ARRANGEMENT AND OPTIMAL CLEANING OF WATER SCREEN TUBES IN THE FURNACE OF BIOMASS COMBUSTION BOILERS
CN107702137A (zh) * 2017-10-23 2018-02-16 中国电建集团河南工程公司 锅炉炉膛高温火焰监视装置安装施工方法
CN209784259U (zh) * 2019-03-19 2019-12-13 浙江省特种设备检验研究院 一种电站锅炉水冷壁管自动爬壁远场涡流和视频检测系统
CN210567560U (zh) * 2019-05-28 2020-05-19 广东技术师范大学 一种可稳定行走于管壁的探伤机器人
CN110986779A (zh) * 2019-12-25 2020-04-10 上海交通大学 小孔内外壁视觉测量系统及其标定装置和标定方法

Also Published As

Publication number Publication date
CN114486932B (zh) 2023-11-28

Similar Documents

Publication Publication Date Title
CN111076880B (zh) 一种考虑相机姿态变化的大跨桥梁多点挠度测量方法
CN103433810B (zh) 一种复杂曲面法矢在机检测装置及方法
CN108106801A (zh) 桥隧病害非接触检测系统及检测方法
CN206420439U (zh) 基于机器视觉的接触网几何参数检测装置
CN102519400B (zh) 基于机器视觉的大长径比轴类零件直线度误差检测方法
CN103471531A (zh) 轴类零件直线度在线非接触测量方法
CN111421001B (zh) 一种高速线材轧机在线精确对中系统及其对中方法
CN104833317A (zh) 基于对称双线激光角度可控的中厚钢板形貌检测系统及其方法
CN110231626A (zh) 一种采煤机定位监测系统及其监测方法
CN106197292A (zh) 一种建筑物位移监测方法
CN104988928A (zh) 基于数字图像实时监测基坑开挖水平位移的方法
CN105865349A (zh) 一种大型建筑物位移监测方法
CN110243293A (zh) 基于结构光和机器视觉的管片错台快速检测装置与方法
CN115235379A (zh) 一种单目线激光三维视觉传感器参数在位标定装置及方法
CN109808732A (zh) 轨道交通车辆限界检测系统
CN103810676A (zh) 一种钢管运行速度的监测方法
CN202153131U (zh) 一种自动测量钢板平直度的装置
CN105303564A (zh) 一种塔式起重机负荷立体摆角的视觉检测方法
CN114486932A (zh) 一种基于图像信息的水冷壁爬壁机器人定位方法
CN108253884A (zh) 盾构机管片非接触式空间姿态的测量方法及系统
CN106647599A (zh) 一种中间包对中检测及控制系统与方法
CN204730813U (zh) 一种基于对称双线激光角度可控的中厚钢板形貌检测系统
CN110986895A (zh) 基于卡尔曼滤波算法判断铅鱼完全入水的方法及系统
CN115826408A (zh) 一种巡检无人机用自适应控制系统
CN116008281A (zh) 一种锅炉水冷壁的缺陷检测系统、方法、设备及介质

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