CN114589160A - 一种室内施工用摄像头防护方法 - Google Patents
一种室内施工用摄像头防护方法 Download PDFInfo
- Publication number
- CN114589160A CN114589160A CN202210090344.0A CN202210090344A CN114589160A CN 114589160 A CN114589160 A CN 114589160A CN 202210090344 A CN202210090344 A CN 202210090344A CN 114589160 A CN114589160 A CN 114589160A
- Authority
- CN
- China
- Prior art keywords
- dirt
- camera
- construction
- area
- protecting
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B08—CLEANING
- B08B—CLEANING IN GENERAL; PREVENTION OF FOULING IN GENERAL
- B08B5/00—Cleaning by methods involving the use of air flow or gas flow
- B08B5/02—Cleaning by the force of jets, e.g. blowing-out cavities
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B08—CLEANING
- B08B—CLEANING IN GENERAL; PREVENTION OF FOULING IN GENERAL
- B08B13/00—Accessories or details of general applicability for machines or apparatus for cleaning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Cleaning By Liquid Or Steam (AREA)
- Working Measures On Existing Buildindgs (AREA)
Abstract
本发明公开一种室内施工用摄像头防护方法，包括步骤：对施工过程中的脏污进行检测；若检测到脏污，则获取脏污的呈现类型；根据脏污呈现类型，启动防护装置消除脏污；若脏污为喷枪施工反射的流动性脏污，则根据喷射角度、喷枪距离设定正压气体的压力，以使脏污远离摄像头。通过对施工过程中的脏污进行检测；根据检测到的脏污类型，启动防护装置消除脏污，若脏污为喷枪施工反射的流动性脏污，则根据喷射角度、喷枪距离设定正压气体的压力，以使脏污远离摄像头。实现了在施工机器人施工时自适应地实现摄像头对灰尘、漆、腻子脏污的防护；自动检测脏污，并在有脏污时完全清理。实现建筑机器人施工时，深度摄像头的稳定工作。
Description
技术领域
本发明涉及室内机器人智能施工技术领域，特别涉及一种室内施工用摄像头防护方法。
背景技术
随着建筑行业的智能化，涌现出多种建筑施工机器人，施工机器人替代人工，可以实现安全、高效地施工。其中的内墙处理部分，包括对水泥墙面的打磨，去除水泥面的毛刺、在水泥墙面抹刮腻子、腻子层，来使得墙面整体更加平整。对腻子层墙面的打磨以及去除腻子层的接缝等，使得腻子层更加平整；在腻子层上进行喷漆或刷漆。
在施工过程中使用摄像头进行施工效果检测、施工环境感知时，摄像头容易受到腻子、油漆、灰尘的脏污影响，失去检测能力。
现有技术中，为了保证施工机器人的正常运行，一般在四周设计多个喷头，当感知到传感器或者摄像头有脏东西时，喷出液体清洗传感器或摄像头。基于设备本身的行驶速度，清洁液体会快速变干，不影响正常工作。
上述清洁方案在喷出清洁液后，依赖自身的行驶速度实现速干，重在清理，并没有脏污前的自我防护功能。同时该方案是基于雷达检测技术检测脏污，不适用于其他传感器，例如摄像头，而且采用的清洗结构，对空间要求较大，导致整个装置体积较大。
发明内容
在室内的天花板施工过程中，施工机器人摄像头容易受到腻子、油漆、灰尘的脏污影响，失去检测能力，现有的基于雷达检测技术检测脏污技术方案，不适用于室内施工机器人摄像头，而且其采用的清洗结构，对空间要求较大，导致整个装置体积较大。
针对上述问题，提出一种室内施工用摄像头防护方法，通过对施工过程中的脏污进行检测；根据检测到的脏污类型，启动防护装置消除脏污，若脏污为喷枪施工反射的流动性脏污，则根据喷射角度、喷枪距离设定正压气体的压力，以使脏污远离摄像头。实现了在施工机器人施工时自适应地实现摄像头对灰尘、漆、腻子脏污的防护；自动检测脏污，并在有脏污时完全清理。实现建筑机器人施工时，深度摄像头的稳定工作。
一种室内施工用摄像头防护方法，包括：
步骤100、对施工过程中的脏污进行检测；
步骤200、若检测到脏污，则获取所述脏污的呈现类型；
步骤300、根据脏污呈现类型，启动防护装置消除脏污；
其中，所述步骤300包括：
步骤301、若所述脏污为喷枪施工反射的流动性脏污，则根据喷射角度、喷枪距离设定正压气体的压力，以使所述脏污远离摄像头。
结合本发明所述的室内施工用摄像头防护方法，第一种可能的实施方式中，所述步骤200包括：
步骤210、对连续多帧图片的重合区域进行形态学检测；
步骤220、通过面积计算获取所述重合区域形态学空间占比；
步骤230、将所述重合区域形态学空间占比与规定阈值进行比较判定：若小于所述规定阈值，则判定该脏污为附着型脏污。
结合本发明第一种可能的实施方式，第二种可能的实施方式中，所述步骤210包括：
步骤211、选取多帧连续的图片序列，获取每一帧的无深度区域；
步骤212、计算多帧所述无深度区域中的重合区域；
步骤213、提取出多帧的重合区域并进行形态学检测。
结合本发明第二种可能的实施方式，第三种可能的实施方式中，所述步骤220包括：
步骤221、计算提取出的无深度信息区域的最小垂直外接矩形，获取所述最小垂直外界矩形面积；
步骤222、计算无深度信息区域面积；
步骤223、利用所述最小垂直外界矩形面积及无深度信息区域面积，获取形态学空间占比。
结合本发明所述的室内施工用摄像头防护方法，第四种可能的实施方式中，所述步骤200还包括：
步骤240、获取施工环境的点云数据，并计算点云数据的信息熵；
步骤250、将所述点云数据的信息熵对摄像头是否存在附着性脏污进行判定。
结合本发明第四种可能的实施方式，第五种可能的实施方式中，所述步骤240包括：
步骤241、获取所述点云数据中包含的像素信息；
步骤242、则利用式子：
H(p1，p2...pN)＝-∑pi*log pi (1)
计算所述点云数据的信息熵；
其中，pi为灰度为i的像素个数。
结合本发明第五种可能的实施方式，第六种可能的实施方式中，所述步骤250包括：
步骤251、计算所述点云数据的信息熵平均值；
步骤252、将所述信息熵平均值与规定阈值比较，若小于所述规定阈值，则判定该脏污为附着性脏污。
结合本发明所述的室内施工用摄像头防护方法，第七种可能的实施方式中，所述步骤200还包括：
步骤260、根据施工状态，检测流动性脏污的喷射角度与距离；
步骤270、根据所述喷射角度与距离，调节防护机构正压喷气压力。
结合本发明第七种可能的实施方式中，第八种可能的实施方式中，所述步骤270包括：
步骤271、若所述喷射角度与喷射施工平面呈90度角，则计算从所述施工平面产生的脏污量；
步骤272、根据所述脏污量，调节设置在摄像头前方的防护机构正压喷气压力。
结合本发明第七种可能的实施方式中，第九种可能的实施方式中，所述步骤270还包括：
步骤273、若所述喷射角度与喷射施工平面的夹角α小于90，则计算从所述施工平面产生的脏污量；
步骤274、根据所述脏污量，利用式子：
P＝P0+|sin(α)|*P1 (2)
调节设置在摄像头前方的防护机构正压喷气压力P；
其中，P0为基础压力，P1是与角度相关的喷枪压力增量。
实施本发明的室内施工用摄像头防护方法，通过对施工过程中的脏污进行检测；根据检测到的脏污类型，启动防护装置消除脏污，若脏污为喷枪施工反射的流动性脏污，则根据喷射角度、喷枪距离设定正压气体的压力，以使脏污远离摄像头。实现了在施工机器人施工时自适应地实现摄像头对灰尘、漆、腻子脏污的防护；自动检测脏污，并在有脏污时完全清理。实现建筑机器人施工时，深度摄像头的稳定工作。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明中一种室内施工用摄像头防护方法第一实施例示意图；
图2是本发明中一种室内施工用摄像头防护方法第二实施例示意图；
图3是本发明中一种室内施工用摄像头防护方法第三实施例示意图；
图4是本发明中一种室内施工用摄像头防护方法第四实施例示意图；
图5是本发明中一种室内施工用摄像头防护方法第五实施例示意图；
图6是本发明中一种室内施工用摄像头防护方法第六实施例示意图；
图7是本发明中一种室内施工用摄像头防护方法第七实施例示意图；
图8是本发明中一种室内施工用摄像头防护方法第八实施例示意图；
图9是本发明中一种室内施工用摄像头防护方法第九实施例示意图；
图10是本发明中一种室内施工用摄像头防护方法第十实施例示意图；
具体实施方式
下面将结合发明中的附图，对本发明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的一部分实施例，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付出创造性劳动前提下所获得的其他实施例，都属于本发明保护的范围。
名词解释：
RANSAC算法：RANSAC是“RANdom SAmple Consensus(随机抽样一致)”的缩写。它可以从一组包含“局外点”的观测数据集中，通过迭代方式估计数学模型的参数。它是一种不确定的算法——它有一定的概率得出一个合理的结果；为了提高概率必须提高迭代次数。
在室内的天花板施工过程中，施工机器人摄像头容易受到腻子、油漆、灰尘的脏污影响，失去检测能力，现有的基于雷达检测技术检测脏污技术方案，不适用于室内施工机器人摄像头，而且其采用的清洗结构，对空间要求较大，导致整个装置体积较大。
针对上述问题，提出一种室内施工用摄像头防护方法。
一种室内施工用摄像头防护方法，如图1，图1是本发明中一种室内施工用摄像头防护方法第一实施例示意图，包括：步骤100、对施工过程中的脏污进行检测；步骤200、若检测到脏污，则获取脏污的呈现类型；步骤300、根据脏污呈现类型，启动防护装置消除脏污；其中，步骤300包括：步骤301、若脏污为喷枪施工反射的流动性脏污，则根据喷射角度、喷枪距离设定正压气体的压力，以使脏污远离摄像头。通过对施工过程中的脏污进行检测；根据检测到的脏污类型，启动防护装置消除脏污，若脏污为喷枪施工反射的流动性脏污，则根据喷射角度、喷枪距离设定正压气体的压力，以使脏污远离摄像头。实现了在施工机器人施工时自适应地实现摄像头对灰尘、漆、腻子脏污的防护；自动检测脏污，并在有脏污时完全清理。实现建筑机器人施工时，深度摄像头的稳定工作。
在一个实施方式中，如图2，图2是本发明中一种室内施工用摄像头防护方法第二实施例示意图，步骤200包括：步骤210、对连续多帧图片的重合区域进行形态学检测；步骤220、通过面积计算获取重合区域形态学空间占比；步骤230、将重合区域形态学空间占比与规定阈值进行比较判定：若小于规定阈值，则判定该脏污为附着型脏污。
步骤210包括：如图3，图3是本发明中一种室内施工用摄像头防护方法第三实施例示意图，步骤211、选取多帧连续的图片序列，获取每一帧的无深度区域；步骤212、计算多帧无深度区域中的重合区域；步骤213、提取出多帧的重合区域并进行形态学检测。
如图4，图4是本发明中一种室内施工用摄像头防护方法第四实施例示意图步骤220包括：步骤221、计算提取出的无深度信息区域的最小垂直外接矩形，获取最小垂直外界矩形面积；步骤222、计算无深度信息区域面积；步骤223、利用最小垂直外界矩形面积及无深度信息区域面积，获取形态学空间占比。
对于附着在深度摄像头上的脏污，需要基于多帧图像的信息融合进行检测。当摄像头表面受到污染后，污染物和摄像头始终保持相对静止，在点云中的位置及特征信息有强烈的连续性。
选取多张连续的图片序列，当深度摄像头有脏污时，在每一帧都会形成一片没有深度的区域，记录其位置信息；对连续多帧之间没有深度的坐标区域进行重合区域计算。提取出多帧的重合区域后进行形态学检测；如果没有深度的区域是来自墙面的空洞、视野内的墙面中断，其形态应该接近矩形；对于提取出的无深度信息区域计算最小垂直外接矩形，得到垂直外接矩形的面积，再计算无深度信息区域本身的面积；本身面积除以外接矩形面积即为形态学占空比，占空比低于阈值即认为此处是由于脏污引起的空洞。
在另一个脏污检测的实施方式中，如图5，图5是本发明中一种室内施工用摄像头防护方法第五实施例示意图，步骤200还包括：步骤240、获取施工环境的点云数据，并计算点云数据的信息熵；步骤250、将点云数据的信息熵对摄像头是否存在附着性脏污进行判定。
如图6，图6是本发明中一种室内施工用摄像头防护方法第六实施例示意图；步骤240包括：步骤241、获取点云数据中包含的像素信息；步骤242、则利用式子：
H(p1，p2...pN)＝-∑pi*log pi (1)
计算点云数据的信息熵；
其中，pi为灰度为i的像素个数。
如图7，图7是本发明中一种室内施工用摄像头防护方法第七实施例示意图，步骤250包括：步骤251、计算点云数据的信息熵平均值；步骤252、将信息熵平均值与规定阈值比较，若小于规定阈值，则判定该脏污为附着性脏污。
在本实施方式中，基于信息熵对附着性脏污进行检测。在点云数据中，信息熵代表了点云中深度值的不确定性，是一种用于衡量图像包含信息丰富程度的方法，点云的信息熵越高，代表该图像中像素值的不确定性越大，也代表该图像中所包含的纹理信息越多，所以清晰图像的信息熵应该高于脏污图像的信息熵。
已知点云X，包含N个像素，p1，p2...pN，其中pi为灰度为i的像素个数，则图像的熵为H(p1，p2...pN)，当摄像头受到污染后，脏污部分覆盖在镜头表面，该部分遮盖住了原有的墙面的点云信息形成一片没有数据的空洞，会使得图像的平均信息熵降低。当熵小于阈值时，则判定镜头有脏污。
在一个实施方式中，如图8，图8是本发明中一种室内施工用摄像头防护方法第八实施例示意图，步骤200还包括：步骤260、根据施工状态，检测流动性脏污的喷射角度与距离；步骤270、根据喷射角度与距离，调节防护机构正压喷气压力。
如图9，图9是本发明中一种室内施工用摄像头防护方法第九实施例示意图，步骤270包括：步骤271、若喷射角度与喷射施工平面呈90度角，则计算从施工平面产生的脏污量；步骤272、根据脏污量，调节设置在摄像头前方的防护机构正压喷气压力。
如图10，图10是本发明中一种室内施工用摄像头防护方法第十实施例示意图；步骤270还包括：步骤273、若喷射角度与喷射施工平面的夹角α小于90，则计算从施工平面产生的脏污量；步骤274、根据脏污量，利用式子：
P＝P0+|sin(α)|*P1 (2)
调节设置在摄像头前方的防护机构正压喷气压力P；
其中，P0为基础压力，P1是与角度相关的喷枪压力增量。
在施工过程中，使用喷枪喷出漆、腻子时喷枪与墙面最接近位置的距离与角度，计算出可能的从墙面反射的漆量，基于漆量控制摄像头前方的正压防护结构喷出正压气体，避免深度摄像头受漆、腻子脏污。
在墙面平整没有阴阳角等结构变化的情况下，产生的反射的漆、腻子量基本保持不变，当施工区域有阳角等突出物结构时，根据施工路径的规划，喷枪会斜喷也即夹角小于90度的角度进行喷涂以实现全覆盖。此操作会增大反射回设备的漆、腻子，因此需要增大正压喷气防护装置的压力。
实施本发明的室内施工用摄像头防护方法，通过对施工过程中的脏污进行检测；根据检测到的脏污类型，启动防护装置消除脏污，若脏污为喷枪施工反射的流动性脏污，则根据喷射角度、喷枪距离设定正压气体的压力，以使脏污远离摄像头。实现了在施工机器人施工时自适应地实现摄像头对灰尘、漆、腻子脏污的防护；自动检测脏污，并在有脏污时完全清理。实现建筑机器人施工时，深度摄像头的稳定工作。
以上仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种室内施工用摄像头防护方法，其特征在于，包括：
步骤100、对施工过程中的脏污进行检测；
步骤200、若检测到脏污，则获取所述脏污的呈现类型；
步骤300、根据脏污呈现类型，启动防护装置消除脏污；
其中，所述步骤300包括：
步骤301、若所述脏污为喷枪施工反射的流动性脏污，则根据喷射角度、喷枪距离设定正压气体的压力，以使所述脏污远离摄像头。
2.根据权利要求1所述的室内施工用摄像头防护方法，其特征在于，所述步骤200包括：
步骤210、对连续多帧图片的重合区域进行形态学检测；
步骤220、通过面积计算获取所述重合区域形态学空间占比；
步骤230、将所述重合区域形态学空间占比与规定阈值进行比较判定：若小于所述规定阈值，则判定该脏污为附着型脏污。
3.根据权利要求2所述的室内施工用摄像头防护方法，其特征在于，所述步骤210包括：
步骤211、选取多帧连续的图片序列，获取每一帧的无深度区域；
步骤212、计算多帧所述无深度区域中的重合区域；
步骤213、提取出多帧的重合区域并进行形态学检测。
4.根据权利要求3所述的室内施工用摄像头防护方法，其特征在于，所述步骤220包括：
步骤221、计算提取出的无深度信息区域的最小垂直外接矩形，获取所述最小垂直外界矩形面积；
步骤222、计算无深度信息区域面积；
步骤223、利用所述最小垂直外界矩形面积及无深度信息区域面积，获取形态学空间占比。
5.根据权利要求1所述的室内施工用摄像头防护方法，其特征在于，所述步骤200还包括：
步骤240、获取施工环境的点云数据，并计算点云数据的信息熵；
步骤250、将所述点云数据的信息熵对摄像头是否存在附着性脏污进行判定。
6.根据权利要求5所述的室内施工用摄像头防护方法，其特征在于，所述步骤240包括：
步骤241、获取所述点云数据中包含的像素信息；
步骤242、则利用式子：
H(p1，p2...pN)＝-∑pi*log pi (1)
计算所述点云数据的信息熵；
其中，pi为灰度为i的像素个数。
7.根据权利要求6所述的室内施工用摄像头防护方法，其特征在于，所述步骤250包括：
步骤251、计算所述点云数据的信息熵平均值；
步骤252、将所述信息熵平均值与规定阈值比较，若小于所述规定阈值，则判定该脏污为附着性脏污。
8.根据权利要求1所述的室内施工用摄像头防护方法，其特征在于，所述步骤200还包括：
步骤260、根据施工状态，检测流动性脏污的喷射角度与距离；
步骤270、根据所述喷射角度与距离，调节防护机构正压喷气压力。
9.根据权利要求8所述的室内施工用摄像头防护方法，其特征在于，所述步骤270包括：
步骤271、若所述喷射角度与喷射施工平面呈90度角，则计算从所述施工平面产生的脏污量；
步骤272、根据所述脏污量，调节设置在摄像头前方的防护机构正压喷气压力。
10.根据权利要求8所述的室内施工用摄像头防护方法，其特征在于，所述步骤270还包括：
步骤273、若所述喷射角度与喷射施工平面的夹角α小于90，则计算从所述施工平面产生的脏污量；
步骤274、根据所述脏污量，利用式子：
P＝P0+|sin(α)|*P1 (2)
调节设置在摄像头前方的防护机构正压喷气压力P；
其中，P0为基础压力，P1是与角度相关的喷枪压力增量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210090344.0A CN114589160B (zh) | 2022-01-25 | 2022-01-25 | 一种室内施工用摄像头防护方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210090344.0A CN114589160B (zh) | 2022-01-25 | 2022-01-25 | 一种室内施工用摄像头防护方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114589160A true CN114589160A (zh) | 2022-06-07 |
| CN114589160B CN114589160B (zh) | 2023-05-16 |
Family
ID=81806778
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210090344.0A Active CN114589160B (zh) | 2022-01-25 | 2022-01-25 | 一种室内施工用摄像头防护方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114589160B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150009296A1 (en) * | 2013-07-03 | 2015-01-08 | Kapsch Trafficcom Ab | Method for identification of contamination upon a lens of a stereoscopic camera |
| CN105905075A (zh) * | 2015-03-16 | 2016-08-31 | 昶洧香港有限公司 | 车用摄像头清理系统 |
| US20180093001A1 (en) * | 2016-09-30 | 2018-04-05 | David Allen Georgeson | Cleaning and disinfecting cradle for virtual reality visors |
| CN108780050A (zh) * | 2018-03-29 | 2018-11-09 | 深圳达闼科技控股有限公司 | 检测镜头的方法及装置、电子设备和计算机可读存储介质 |
| CN109383459A (zh) * | 2017-08-07 | 2019-02-26 | 福特全球技术公司 | 车辆摄像机和传感器的污染预防 |
| CN109767428A (zh) * | 2018-12-26 | 2019-05-17 | 中国科学院西安光学精密机械研究所 | 一种摄像模组脏污检测方法 |
| CN110544211A (zh) * | 2019-07-26 | 2019-12-06 | 纵目科技（上海）股份有限公司 | 一种镜头付着物的检测方法、系统、终端和存储介质 |
| CN111524125A (zh) * | 2020-04-28 | 2020-08-11 | 北京海益同展信息科技有限公司 | 一种设备清洁方法、装置、系统、电子设备及存储介质 |
| WO2020220185A1 (zh) * | 2019-04-29 | 2020-11-05 | 深圳市大疆创新科技有限公司 | 清洗方法、清洗控制系统、计算机可读存储介质、清洗系统、光学传感器及可移动平台 |
| CN111970506A (zh) * | 2020-10-20 | 2020-11-20 | 常州市瑞泰光电有限公司 | 镜头脏污检测方法、装置和设备 |
| CN112261403A (zh) * | 2020-09-22 | 2021-01-22 | 深圳市豪恩汽车电子装备股份有限公司 | 车载摄像头的脏污物检测装置及方法 |
| CN212500271U (zh) * | 2020-05-15 | 2021-02-09 | 惠州市华阳多媒体电子有限公司 | 一种车载摄像头除污系统 |
| CN112835245A (zh) * | 2021-02-07 | 2021-05-25 | 北京卓视智通科技有限责任公司 | 一种镜头防护装置 |
| CN113313016A (zh) * | 2021-05-27 | 2021-08-27 | 苏州魔视智能科技有限公司 | 摄像头脏污识别方法、电子设备及车辆 |
-
2022
- 2022-01-25 CN CN202210090344.0A patent/CN114589160B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150009296A1 (en) * | 2013-07-03 | 2015-01-08 | Kapsch Trafficcom Ab | Method for identification of contamination upon a lens of a stereoscopic camera |
| CN105905075A (zh) * | 2015-03-16 | 2016-08-31 | 昶洧香港有限公司 | 车用摄像头清理系统 |
| US20180093001A1 (en) * | 2016-09-30 | 2018-04-05 | David Allen Georgeson | Cleaning and disinfecting cradle for virtual reality visors |
| CN109383459A (zh) * | 2017-08-07 | 2019-02-26 | 福特全球技术公司 | 车辆摄像机和传感器的污染预防 |
| WO2019183902A1 (zh) * | 2018-03-29 | 2019-10-03 | 深圳达闼科技控股有限公司 | 检测镜头的方法及装置、电子设备和计算机可读存储介质 |
| CN108780050A (zh) * | 2018-03-29 | 2018-11-09 | 深圳达闼科技控股有限公司 | 检测镜头的方法及装置、电子设备和计算机可读存储介质 |
| CN109767428A (zh) * | 2018-12-26 | 2019-05-17 | 中国科学院西安光学精密机械研究所 | 一种摄像模组脏污检测方法 |
| WO2020220185A1 (zh) * | 2019-04-29 | 2020-11-05 | 深圳市大疆创新科技有限公司 | 清洗方法、清洗控制系统、计算机可读存储介质、清洗系统、光学传感器及可移动平台 |
| CN110544211A (zh) * | 2019-07-26 | 2019-12-06 | 纵目科技（上海）股份有限公司 | 一种镜头付着物的检测方法、系统、终端和存储介质 |
| CN111524125A (zh) * | 2020-04-28 | 2020-08-11 | 北京海益同展信息科技有限公司 | 一种设备清洁方法、装置、系统、电子设备及存储介质 |
| CN212500271U (zh) * | 2020-05-15 | 2021-02-09 | 惠州市华阳多媒体电子有限公司 | 一种车载摄像头除污系统 |
| CN112261403A (zh) * | 2020-09-22 | 2021-01-22 | 深圳市豪恩汽车电子装备股份有限公司 | 车载摄像头的脏污物检测装置及方法 |
| CN111970506A (zh) * | 2020-10-20 | 2020-11-20 | 常州市瑞泰光电有限公司 | 镜头脏污检测方法、装置和设备 |
| CN112835245A (zh) * | 2021-02-07 | 2021-05-25 | 北京卓视智通科技有限责任公司 | 一种镜头防护装置 |
| CN113313016A (zh) * | 2021-05-27 | 2021-08-27 | 苏州魔视智能科技有限公司 | 摄像头脏污识别方法、电子设备及车辆 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114589160B (zh) | 2023-05-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Weld line detection and tracking via spatial-temporal cascaded hidden Markov models and cross structured light | |
| Arras et al. | Improving robustness and precision in mobile robot localization by using laser range finding and monocular vision | |
| CN111530203B (zh) | 一种粉尘智能测控治系统及其抑尘降尘方法 | |
| CN111046776A (zh) | 基于深度相机的移动机器人行进路径障碍物检测的方法 | |
| CN109001757A (zh) | 一种基于2d激光雷达的车位智能检测方法 | |
| WO1999052071A1 (en) | Feature tracking using a dense feature array | |
| Lee et al. | An intelligent depth-based obstacle detection system for visually-impaired aid applications | |
| WO2022143284A1 (zh) | 移动方向确定方法、装置、扫地机器人和存储介质 | |
| Zhou et al. | Kinect depth image based door detection for autonomous indoor navigation | |
| CN111640323A (zh) | 一种路况信息获取方法 | |
| CN111080640B (zh) | 一种孔洞检测方法、装置、设备和介质 | |
| Halfawy et al. | Optical flow techniques for estimation of camera motion parameters in sewer closed circuit television inspection videos | |
| CN112799088A (zh) | 一种基于三维激光雷达的全自动隧道湿喷状态检测方法 | |
| CN114589160A (zh) | 一种室内施工用摄像头防护方法 | |
| CN108898139B (zh) | 一种下雨环境下的激光雷达数据抗干扰处理方法及其实验装置 | |
| CN111260725B (zh) | 一种面向动态环境的轮速计辅助的视觉里程计方法 | |
| Kanhere et al. | Real-time detection and tracking of vehicle base fronts for measuring traffic counts and speeds on highways | |
| Schreiber et al. | Online visual quality inspection for weld seams | |
| CN112263188A (zh) | 一种移动机器人行进方向的矫正方法及其设备 | |
| Gupta et al. | A novel approach of human motion tracking with the mobile robotic platform | |
| CN114934489A (zh) | 一种多智能体分布式海洋油污清扫方法 | |
| Yamashita et al. | Virtual wiper—removal of adherent noises from images of dynamic scenes by using a pan–tilt camera | |
| Nakagawa et al. | Panoramic rendering-based polygon extraction from indoor mobile LiDAR data | |
| JP7243546B2 (ja) | 付着物検出装置および付着物検出方法 | |
| Nakagawa et al. | Topological 3D modeling using indoor mobile LiDAR data |
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 |