CN115338983A - 用于在建筑物表面上钻孔的系统 - Google Patents
用于在建筑物表面上钻孔的系统 Download PDFInfo
- Publication number
- CN115338983A CN115338983A CN202210522177.2A CN202210522177A CN115338983A CN 115338983 A CN115338983 A CN 115338983A CN 202210522177 A CN202210522177 A CN 202210522177A CN 115338983 A CN115338983 A CN 115338983A
- Authority
- CN
- China
- Prior art keywords
- drilling
- data
- unit
- drilling system
- marked
- 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.)
- Pending
Links
- 238000005553 drilling Methods 0.000 title claims abstract description 228
- 238000003384 imaging method Methods 0.000 claims abstract description 15
- 239000003550 marker Substances 0.000 claims abstract 2
- 238000013136 deep learning model Methods 0.000 claims description 28
- 238000004873 anchoring Methods 0.000 claims description 24
- 238000000034 method Methods 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 12
- 239000000428 dust Substances 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 230000001681 protective effect Effects 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000010200 validation analysis Methods 0.000 claims description 3
- 230000003190 augmentative effect Effects 0.000 claims description 2
- 238000009877 rendering Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 claims 1
- 238000009434 installation Methods 0.000 abstract description 12
- 238000004148 unit process Methods 0.000 abstract 1
- 238000009428 plumbing Methods 0.000 description 7
- 238000013135 deep learning Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000009849 deactivation Effects 0.000 description 1
- 238000004870 electrical engineering Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000011089 mechanical engineering Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B28—WORKING CEMENT, CLAY, OR STONE
- B28D—WORKING STONE OR STONE-LIKE MATERIALS
- B28D1/00—Working stone or stone-like materials, e.g. brick, concrete or glass, not provided for elsewhere; Machines, devices, tools therefor
- B28D1/14—Working stone or stone-like materials, e.g. brick, concrete or glass, not provided for elsewhere; Machines, devices, tools therefor by boring or drilling
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B28—WORKING CEMENT, CLAY, OR STONE
- B28D—WORKING STONE OR STONE-LIKE MATERIALS
- B28D7/00—Accessories specially adapted for use with machines or devices of the preceding groups
- B28D7/02—Accessories specially adapted for use with machines or devices of the preceding groups for removing or laying dust, e.g. by spraying liquids; for cooling work
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- 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
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30132—Masonry; Concrete
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Geometry (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Structural Engineering (AREA)
- Architecture (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Mining & Mineral Resources (AREA)
- Civil Engineering (AREA)
- Earth Drilling (AREA)
Abstract
一种钻孔系统,用于基于用户输入的钻孔数据,通过在建筑物的架空表面上钻孔而在预先标记目标处创建锚固孔。具体地,钻孔系统以三种模式操作,使用包含悬挂架信息、预定标记点或激光点位置追踪的RTS将建筑物表面上的预先标记目标与待形成的用于安装的锚固孔相关联。激光定位单元照亮包含预先标记目标的作业区域,而成像单元扫描作业区域的图像。处理器单元处理所捕获的图像,确定预先标记目标的位置坐标,并生成与预先标记目标相关联的钻孔数据。驱动器基于位置坐标引导线性致动器将钻孔单元放置到位,从而通过在建筑物的表面上钻孔以在预先标记目标处制作锚固孔。
Description
技术领域
本公开涉及一种用于在建筑物表面的架空表面上钻孔的系统。更具体地,本发明涉及一种钻孔系统,其用于通过在建筑物的架空表面(例如,墙或天花板)上钻孔以在预先标记目标处创建锚固孔,从而允许操作者容易且安全地自动或手动执行钻孔作业。
背景技术
在建筑物的建造期间,首先要搭起建筑物的框架,然后安装墙壁和天花板。为了固定机械部件且出于机械、电气和管道(MEP)供应服务的供应服务目的,墙壁表面和天花板上的孔或槽必须在预定位置处进行标记、钻孔和锚固。标记、钻孔或锚固作业、特别是天花板上的架空标记、钻孔或锚固作业被认为是笨拙、单调和费力的过程,并且还需要大量的时间,因为标记、钻孔或锚固诸如天花板拱腹的架空表面,需要诸如梯子、基座框架、支架、剪式平台等辅助手段,并且可能在作业场地的不同位置多次调整或缩放。此外,在作业场地的辅助装置上执行钻孔作业的操作者有跌落的风险。
传统上,建筑信息模型(BIM)是设施的物理和功能特性的数字化表示,是包含关于设施的各个方面和资源的信息的工程数据模型,而机器人全站仪(RTS)是为了在地形和大地测量作业中自动测量斜距、水平和竖直角度以及高程、转速测量以及应用大地测量任务的方案而设计的。在本公开中,RTS用于基于BIM在每个拱腹上以高精度精确定位所有锚固位置。
机器视觉是用于提供基于成像的自动检查和分析的技术,用于工业中的自动检查、过程控制和机器人引导等应用。通常,机器视觉包括硬件和软件的组合,例如执行客观测量,比如在基于图像捕获和处理执行其功能时向装置提供位置信息。
深度学习技术在各种应用和研究领域中越来越受欢迎。深度学习是机器学习的一个分支,其包括统计和预测建模,是快速解释大量数据的有用分析工具。深度学习模型在其部署为用于其预期应用之前要进行训练。深度学习模型通过向其供给正确答案或响应已知的数据来进行训练。通常,用于训练深度学习系统的训练数据越多,训练结果就越好。
在结合RTS和机器视觉技术使用BIM技术进行MEP安装的设计模型中,可以消除在繁琐、高处和恶劣的天花板条件下进行标记、钻孔和锚固操作的需求。在构建模型时,要注意清理各项供应服务之间的碰撞。因此,模型中集成了综合的悬挂架系统。使用RTS,在现场排设用于拱腹的悬挂架的位置。通过该程序,可以有效地将所排设的模型尺寸以无碰撞的方式带到现场,这将保证以后在现场进行顺利的安装。
尽管如此,在建筑行业中仍需要标记、钻孔和锚固装置来解决劳动强度的缺点和上文讨论的其他缺点。特别地,非常需要一种钻孔装置,该钻孔装置有效地用于在建筑物表面上制作的预先标记目标上创建锚固孔,以便该锚固孔随后可用于在其中安装锚固件,并在向前推进的过程中提供平稳的供应服务安装。
发明内容
为了解决常规技术的上述问题,本公开的一个方面提供了一种用于在建筑物表面上的预先标记目标处创建锚固孔的钻孔系统,该钻孔系统显著地更加有效、经济和方便。预先标记目标最初是使用常规的系统或使用与本公开的钻孔系统有关的标记系统来标记的。此外,在已经创建锚固孔之后,可以使用传统的锚固系统或使用与本公开的钻孔系统相关的锚固系统来将锚固件放置在其中。
本公开的另一个方面是提供一种不涉及复杂硬件安装的钻孔系统,从而允许钻孔操作安全且容易地执行。
本发明的又一个方面是使用履带式剪式升降机,将其机动化以支承来自钻孔系统的钻孔单元,并构造成允许钻孔单元在各种方向上的自动或手动运动。
在实现上述方面的示例性实施例中,用于在建筑物表面上的预先标记目标处创建锚固孔的钻孔系统包括:支承单元,其可在三维空间中运动;以及钻孔装置,其可移除地固定在支承单元上,其中,该钻孔装置具有:激光定位单元,用于提供激光以照亮包含有预先标记目标的作业区域;成像单元,用于扫描表面的作业区域以捕获该作业区域的图像;处理器单元,用于处理所捕获的图像,确定预先标记目标的位置坐标,并生成与预先标记目标相关联的钻孔数据;钻孔单元,其可从第一位置运动到第二位置;钻孔控制器,用于接收钻孔数据并控制钻孔装置的钻孔单元;以及驱动器单元,用于基于位置坐标驱动至少一个线性致动器,并使钻孔单元从第一位置运动到第二位置,以允许钻孔单元基于钻孔数据在预先标记目标的表面上创建锚固孔。
更具体地,钻孔装置具有激光高度检测器和集尘单元,该激光高度检测器用于检测所照明的作业区域与钻孔装置之间的距离,该集尘单元相邻于钻孔单元安装,以用于捕获源自建筑物表面的钻孔的灰尘和碎屑,以及用于将灰尘和碎屑引导到收集箱。钻孔装置还具有:警报指示器,其在控制柜上,用于指示由处理器单元产生的警报信号;主紧急开关,当其激活时将停止钻孔装置的操作;以及通风器,其在控制柜上,用于允许空气流向和流自控制柜。天线设在钻孔装置的控制柜上,用于实现与远程操作面板的无线通信。
钻孔装置具有内置测载元件,该内置测载元件将监测在钻孔操作期间由钻孔工具施加到表面(例如混凝土)的向上或前进的力,由此,当超过极限时(主要是当钻孔工具撞击钢筋时),钻孔操作将会突然停止,使钻孔装置无法操作,同时发出警报。钻孔装置还具有可移除钻孔架,该可移除钻孔架能够与钻孔装置脱离,以安全地保持由钻孔架支承的钻孔工具(例如,锤式旋转钻机)。
主紧急止挡件安装在远程面板中履带中的适当位置处。一旦激活,这将会停止系统的进一步操作。此外,防尘的保护性覆盖物安装在钻孔装置上方,以支承和覆盖线性致动器。
基本上有三种操作模式用于在预先标记目标的表面上创建锚固孔,并且可选地还有第四种操作模式。在第一操作模式中,将拱腹上的预定标记点被定为预先标记目标,用于通过钻孔在预先标记目标的表面上创建锚固孔。在第二操作模式中,RTS将光射向在待钻孔的拱腹上的钻孔目标,并将预先钻挖的先导孔指定为在另一个钻孔过程中接着标记的预先标记目标。在第三操作模式中,使用来自激光发射装置(无需来自RTS)的激光点的位置追踪作为预先标记目标,用于在用于钻孔的预先标记目标的表面上创建锚固孔。在第四操作模式中,将由激光点照亮的预先标记目标的图像捕获并显示在显示装置上,并且将在显示装置上显示的所捕获的图像中存在的激光点用作预标记目标,以便基于钻孔数据,通过在建筑物表面上钻孔而创建锚固孔。由钻孔系统形成的锚固孔随后被用来接收用于安装机械、电气和管道(MEP)供应服务的锚固件。
在钻孔系统中,支承单元可以是钻孔装置牢固地固定在其上的履带式剪式升降机,并且成像单元可以具有两个或更多个照相机,用于以不同角度捕获作业区域的多个图像。为了将钻孔单元从第一位置移动到第二位置,使用位置坐标来操作x轴线性致动器、y轴线性致动器和z轴线性致动器中的一个或多个。此外,处理器单元通过与处理器单元进行有线或无线通信的计算机输入装置来选择成组的钻孔数据。钻孔数据至少包含关于钻孔深度的信息以及/或适用于应用和控制钻孔单元的算法,以允许钻孔装置的快速且安全的操作。
在本发明的一个优选实施例中,处理器单元包括图像处理模块,该图像处理模块编程为使用机器学习来处理所捕获的图像,以识别激光在作业区域上的撞击点,从而生成与预先标记目标相关联的钻孔数据。图像处理模块可以编程为使用深度学习模型来处理所捕获的图像,其中,将撞击点的表示用于训练模型。深度学习模型有利地通过以下步骤创建:
a)收集作业区域的所捕获的图像的图像数据;
b)由所收集的图像数据生成指示激光的撞击点的特征的分类;
c)基于分类后的图像数据提取成组的特征,以构建深度学习模型;以及
d)为深度学习模型供给训练数据和验证数据以执行分类,从而训练深度学习模型来识别图像中的撞击点,以便达到可接受的精度用来生成钻孔数据。
在本发明的一个具体实施例中,在步骤b)中,将作业区域划分为多个格块,使得代表撞击点所位于格块的特征由所收集的图像数据生成;在步骤c)中,基于代表撞击点格块的特征来建立深度学习模型;且在步骤d)中,向深度学习模型供给训练数据和验证数据,以执行对撞击点格块的检测,从而训练深度学习模型来识别图像中的撞击点,以达到用于钻孔数据生成的可接受精度。
激光撞击点的特征可以根据实际需求来确定,包括但不限于亮度、尺寸、表面积等。
优选地,训练深度学习模型从而通过下文论述的通用程序生成钻孔数据。最初,在对前向传播计算中使用两组或更多组任意分配的权重,以在输出层上给出经计算的结果,然后将经计算的结果与标注值进行比较,从而通过损失函数获得与标注值的偏差(即总损失值)。所获得的偏差被用于通过反向传播调整权重,且调整后的权重用于代替先前在前向传播计算中的权重。该调整过程不断迭代,直到损失函数达到与标注值的最小偏差为止,这是可接受的精度。将具有最小偏差的损失函数的模型保存以用作深度学习模型。根据本发明,深度学习模型采用基于损失函数的SSD网络,该损失函数由置信度损失函数和位置损失函数组成。换言之,损失函数定义如下:
其中,L(x,c,l,g)是总损失值;Lconf(x,c)是置信度损失函数;Lloc(x,l,g)是位置损失函数;N是样本的数量;α是权重;x是特征值;c置信度;以及g是标注值。
附图说明
在阅读以下具体实施方式和附图之后,本公开的优点对于本领域的普通技术人员将变得更加明显,附图中:
图1是履带式剪式升降机的立体图;
图2是根据本公开的示例性实施例的用于在建筑物表面上的预先标记目标处创建锚固孔的钻孔装置的立体图;
图3是图2中所示的钻孔装置的后视图;
图4是图2中所示的钻孔装置的分解图;
图5是图2中所示的钻孔装置中钻孔单元的立体图;
图6是图2中所示的钻孔装置的侧视图;以及
图7是图2中所示的钻孔装置的俯视图。
具体实施方式
下文将参照附图详细描述用于在建筑物的架空表面(例如,墙壁或天花板)上的预先标记目标处创建锚固孔的钻孔系统的示例性实施例。应当理解,附图中各个部分的尺寸不是按比例描绘的,而是仅用于示意性目的,并且不代表本公开的产品的真实尺寸。此外,在附图的各个图中,相同的附图标记用于表示相同的部件,并且本公开的钻孔系统可以以许多不同的构造、大小、形式和材料生产。
如图1中所示,提供了以履带式剪式升降机10形式的可移动支承单元,以允许钻孔系统中的自动或手动运动,其可以以机动或非机动的方式启动。履带式剪式升降机10相比传统剪式平台更小且更易于操纵,传统剪式平台是运动承载件,其通常有利于工地机器的运动,并在工地机器提升到高水平时提供稳定的作业平台。例如,履带式剪式升降机10的机动运动可以由操作者启动,其可以包括沿z轴升高或降低钻孔系统中的所有单元或装置。显然,任何合适的剪式平台都可以替代履带式剪式升降机10,而没有限制。换言之,任何能提供相同或相似功能的合适的移动承载件可以用作替代品。
本公开的钻孔系统需要已经在建筑物表面上提供的一个或多个预先标记目标。这种预先标记目标是基于由建筑团队使用BIM技术创建的与在建的建筑物相对应的建筑物模型。例如,基于BIM的建筑物模型可能包含预先钻挖的先导孔或用于MEP安装的预定标记点。也可以使用BIM技术记录来自建筑团队不同成员的建筑物的MEP安装信息。例如,这种信息可能包括来自机械工程团队的供暖、通风器和空器的信息;来自电气工程团队的照明、消防和供电信息;以及来自管道团队的管路、污水路线和排水信息。然而,基于各种工程团队的不同系统设计,MEP安装的特定位置可能会遇到位置冲突,即占用了相同的物理空间。需要(手动)精力来协调各供应服务并重新安排这些服务以实现免碰撞式模型(安装)。随后,将集成悬挂架系统实施并结合到模型中。这些悬挂架在手动或通过基于规则的软件填充到用于供应服务的模型后,应保留各供应服务的原始相对位置,从而自然地使它们保持无碰撞状态。换言之,在悬挂架集成到模型中后,它们不仅为服务各供应提供支承,而且在这种情况下,它们还维持各供应服务的相对位置不变,从而确保不会有碰撞,正如最初由BIM通过手动协调设想的那样。使用RTS,在现场进一步排设在拱腹上的这些悬挂架的位置,以用于高精确度的供应服务安装。通过该程序,可以有效地将免碰撞式模型的排设尺寸带到现场,这在之后将保证在现场进行顺利的安装。
可选地,操作者可以绕过集成的悬挂架系统,或排除集成的悬挂架系统的实施方式,以有利于工地机器的手动操作,但这将失去上述好处,这意味着部分返工是不可避免的。换言之,如果操作员不按照悬挂架的位置安装供应服务,则可能无法保证现场安装的顺利进行,因此可能需要大量的现场协调,并可能需要进行多次返工。
在一种替代方案中,预先标记目标是在拱腹上制作的。在这种替代方案中,装置的机器视觉将识别用于钻孔的标记中心。在另一个替代方案中,使用来自激光发射装置(不需要来自RTS)的激光点的位置追踪,然后其成为钻孔的目标。
一旦在所钻建筑物表面上的预先标记目标中钻出锚固孔,就将使用常规的锚固系统或使用与本公开的钻孔系统有关的锚固系统将锚固件落入并安装。如果使用相关的锚固系统,其能可选地将BIM技术与RTS和机器视觉技术相结合,以有效地排设MEP模型在现场安装时的免碰撞要求,并消除在繁琐、高处且恶劣的天花板条件下以专业的方式进行锚固操作的需要,并允许操作者容易且安全地执行锚固作业。
如图2中所示,提供了根据第一示例性实施例的用于在建筑物的架空表面(例如,墙壁或天花板)上的预先标记目标处创建锚固孔的钻孔装置12。当预定标记点用作安装MEP服务的预先标记目标时,基于由另一个装置(例如,SkyMarker装置)打印在板坯上的标记,提供预定标记点是关于机械、电气和管道(MEP)服务中哪一项的指示。
在一个替代方案中,当先导孔用作安装MEP服务的预先标记目标时,提供先导孔(即,与先导孔相邻)是关于机械、电气和管道(MEP)服务中哪一项的指示或标记,该指示或标记由另一个装置(例如,SkyMarker装置)打印在板坯上。在另一个替代方案中,当手动或机械地指向建筑物架空表面上的位置的激光指示器作为安装MEP供应服务的预先标记目标时,基于与预先标记目标的MEP供应服务类型相对应的成组的钻孔数据,钻孔装置12通过在建筑物表面钻孔而在激光指示器指向的预先标记目标处形成锚固孔。
钻孔装置12允许操作者容易且安全地自动或手动地执行标记作业。在开始钻孔操作之前,钻孔装置12牢固地且可移除地安装到履带式剪式升降机10上。
参考图2和3,根据第一实施例的钻孔装置12包括一个或多个安装板14,该一个或多个安装板14将钻孔装置12可移除地连接到履带式剪式升降机10。履带式剪式升降机10的大部分是大致矩形的形状,并且可以包括任何合适的竖直升降机,该垂直升降机构造成用于在往复直线运动中再现力的机动运动。通过将履带式剪式升降机10定位在钻孔装置12的下方,钻孔装置12的向上和向下运动可以通过操作员对履带式剪式升降机10的物理操作来实现。此外,通过操作地联接或牢固地固定到履带式剪式升降机10,钻孔装置12可以运动、旋转或改变方向。
钻孔装置12由安装在基座框架18底部上的脚轮16支承,以使钻孔装置12能够运动。脚轮16可以是刚性或回旋类型,并且可以包括防止轮子转动的制动或锁定特征。具体地,基座框架18由基座框架18的四个角部处的至少4个脚轮16引导。通过使基座框架运动,钻孔装置12可以轻松且方便地运输到升降单元上,并通过安装板14牢固地安装到其上。
定位在基座框架的顶部上的是线性致动器,其包括带有第一轨道槽的x轴线性致动器20、成对的各自带有相应的第二轨道槽的y轴线性致动器22以及带有第三轨道槽的z轴线性致动器24。成对的y轴线性致动器22由防护板26间隔开一定距离,并支承可操作地安装在其上的x轴线性致动器20。具体地,x轴线性致动器20能够在y轴方向上沿着y轴线性致动器22的第二轨道槽运动,z轴线性致动器24能够在x轴方向上沿着x轴线性致动器20的第一轨道槽运动。
保护性覆盖物28固定到z轴线性致动器24,z轴线性致动器24可操作地安装到x轴线性致动器20上,并且能够在x轴方向上沿第一轨道槽移动。保护性覆盖物28为z轴线性致动器24提供了支承并保护其免受损坏。此外,钻孔单元30相邻于z轴致动器24可操作地固定。钻孔单元30能够在z轴方向上沿着z轴线性致动器24的第三轨道槽移动。
图3进一步示出了固定地安装在钻孔单元30中的集尘单元32。集尘单元32从建筑物表面的钻孔中捕获灰尘和碎屑,将灰尘和碎屑引导到收集区域。图4示出了相邻于钻孔单元30牢固地安装的钻孔工具架34,用于支承和固定一个或多个钻孔工具,该钻孔工具用于在建筑物表面上的预先标记目标中钻出锚固孔。可以使用锤式旋转钻机作为钻孔工具,以在表面或拱腹处形成锚固孔。在使用诸如锤式旋转钻机的钻孔工具时,将它牢固地固定到机架,并且可以通过拆下控制线用最小的精力从其与钻孔装置的z轴线性致动器24的附接处移除,从而允许操作者在出现任何依情况的需求时使用简单的机构将锤式旋转钻机安全地托持在机架上。此外,这种机构使机架能够承载和支承昂贵的锤式旋转钻机,在钻孔系统闲置在工地上没有任何监督的情况下(例如,在午餐时间和/或夜间),可以用最小的精力将其移除和带走。
如图2-7中共同地所示,基座框架18还支承激光定位单元44,该激光定位单元44相邻于y轴线性致动器22放置,用于照亮包含一个或多个预定标记点或预先标记目标的表面的作业区域。基座框架18还支承成对的成像单元46,以扫描作业区域以捕获作业区域的一个或多个图像,并支承处理器单元52以处理所捕获的图像。具体地,每个成像单元46具有两个或多个视觉照相机(例如CCD照相机)以登记来自作业区域的图像。通过拥有更多的视觉照相机,可以提供来自不同角度的附加图像,以允许通过处理器单元52进行更完整的整合。通风器54设在控制柜50上,以允许空气流向或流自控制柜50内的空间。具体地,通风器54是被动式的,用于引起外部空气流入或流出控制柜50。响应来自处理器单元52的警报信号的警报指示器56也牢固地安装在控制柜50上。警报指示器56旁边是天线58,其进一步牢固地安装在控制柜50上,用于实现无线通信(例如,WIFI或)。
当机器视觉用于定位视觉照相机所捕获的图像时,所捕获的图像往往容易受到建筑物表面上许多微小突起的影响,并且当这些突起被来自背景的反射光照亮时会产生背景斑点。这些斑点可能作为潜在目标出现在建筑物表面,并形成对真实目标的错误表示。为了有效地解决这个问题,引入了深度学习算法,与机器视觉结合使用,以在潜在候选物的池中快速且准确地识别所捕获的图像中表示位置坐标的撞击点的真实表示。
在该实施例中,处理器单元52包括图像处理模块,该图像处理模块编程为处理所捕获的图像以识别撞击点的真实表示,从而使用基于单阶段目标检测(SSD)算法的深度学习模型来生成与预先标记目标相关联的钻孔数据。SSD算法是基于锚的单阶段检测算法,已知其具有执行精确位置回归和分类输出的能力。SSD算法所需推断时间短,易于部署,也可以实现基于视频流的实时检测速度。
通常,例如由下文描述的激光定位单元44发射激光,以撞击表面的作业区域中的预定标记点。然后,例如由成像单元46捕获作业区域的图像。根据下文所述的过程来训练深度学习模型。最初,在作业区域中划分多个矩形格块,且撞击点位于这些格块中的一个中。从作业区域的所捕获的图像中收集大量的图像数据。对图像数据进行处理,以生成关于它们的分类和指示撞击点特征的位置的信息,包括撞击点格块的位置坐标、宽度和长度。然后基于带有撞击点格块的指定信息的图像数据提取成组的特征,以构建深度学习模型。基于检测算法的使用来分析图像的特征。优选地,采用MobileNet v2作为SSD网络的基本模型,根据检测目标的分类数量来定义检测头的输出尺寸。有利地,检测头排列在不同大小的特征图中,根据预定任务将检测头的数量减少到三个。
优选地,SSD网络模型定义如下损失函数:
其中,L(x,c,l,g)是总损失值;Lconf(x,c)是置信度损失函数;Lloc(x,l,g)是位置损失函数;N是样本的数量;α是权重;x是特征值;c是置信度;g是标注值。
选择具有基于最小偏差的损失函数的模型并将其保存为最终的建模权重。在SSD网络中,损失函数是通过对分类置信度损失和位置回归损失位置的求和形成的。
所收集的数据通过水平和竖直旋转、图像的随机裁剪以及图像的亮度、饱和度和色度增强来进行数据扩充。
在建立模型并定义损失函数后,通过向深度学习模型供给用于检测撞击点格块的训练数据和验证数据来提取激光撞击点的特征,从而用钻孔数据来训练深度学习模型进行钻孔操作。在训练过程期间,训练阶段和验证阶段的损失和精度的变化基本上相同,以防止过度拟合。该模型将训练大约50至100个周期,直到建模精度达到基本上较高且稳定的值为止。
该模型可以保存在处理器单元52中,并与视觉照相机结合使用,以识别建筑物表面上的预先标记目标的位置坐标,该位置坐标与撞击点重合,用于生成钻孔数据。钻孔控制器接收生成的钻孔数据,以控制钻孔单元进行钻孔操作。
基于深度学习模型生成的钻孔数据,可以有效地排除任何可能形成虚假钻孔目标的背景斑点,并允许对预先标记目标的高精度识别。该深度学习技术在使用激光撞击建筑物表面上的钻孔位置的过程中非常有用,因此在定位钻孔目标方面具有广泛的应用。通过处理器单元52,操作员可以选择成组的钻孔数据,该成组的钻孔数据至少包含相应的钻孔深度以及一种或多种用于钻挖不同类型表面(例如混凝土)的钻孔算法。钻孔深度覆盖了钻孔尺寸(直径),钻孔算法覆盖了钻孔系统用于形成锚固孔的方式,比如用于创建锚固孔的前进力和/或速度。
激光高度检测器60进一步安装在控制柜50上,用于检测第一位置处所照亮的作业区域与钻孔装置12的距离。检测到的距离由处理器单元52在评估第一位置时进行处理。此外,如图6中具体所示,成对的升降支架62安装在钻孔装置12上,以允许通过例如叉式升降机、侧装机、叉车等来提升升降支架62。
在使用中,如图2-7中共同所示的钻孔装置12沿地板运动到适合操作员使用履带式剪式升降机10进行钻孔操作的理想位置。由操作者激活后,支承装置上的履带式剪式升降机10上升,以使钻孔装置12上升到相邻于待标记的建筑物表面的第一(待机)位置。用户的停用将导致支承装置上的履带式剪式升降机10下降,从而将支承装置和钻孔装置12降低到关机位置。
在第一位置处,将激光定位单元44激活以发射照亮表面的作业区域的激光。将所照亮的区域定为预定标记点或预先标记目标的作业区域。此时,作业区域被照亮以允许成像单元46对其进行扫描以捕获作业区域的一个或多个图像。替代地,作业区域被照亮以显示预先标记目标,而不激活成像单元46。
如果成像单元46激活,则将由成像单元46捕获的图像提供给处理器单元52以收集所捕获的图像。检查一个或多个所捕获的图像的可视化特征,比如作业区域中预先标记目标,并提取所检查的特征。对预先标记目标的位置坐标进行处理并定位后,识别预先标记目标的中心。具体地,预先标记目标的位置坐标的x轴和y轴由处理器单元52确定。使用这些坐标以及所输入的钻孔深度和算法,处理器单元52向线性致动器驱动器48发送信号,用于驱动x轴线性致动器20、y轴线性致动器22和z轴线性致动器24中的一个或多个,以使钻孔单元30从第一位置运动到第二(活动)位置。从第二位置,钻孔单元30可以开始在预先标记目标处钻出锚固孔。
替代地,如果成像单元46没有激活,那么操作者可以手动地将作业区域中照亮的预先标记目标的位置坐标输入到处理器单元52中。此外,操作员可以手动地引导x轴线性致动器20、y轴线性致动器22和z轴线性致动器24中的一个或多个,以便基于使作业区域中照明的预先标记目标的可视化,将钻孔单元30从第一位置移动到第二(活动)位置。
在确定了位置坐标后,处理器单元52向线性致动器驱动器48发送信号,以基于位置坐标驱动一个或多个x轴、y轴和z轴线性致动器,以便使钻孔单元30从第一(待机)位置运动到第二(激活)位置。具体地,钻孔单元30在第一位置的纵向(x轴)、横向(y轴)和竖向(z轴)运动可以通过第一槽和第二槽进行调整,并且通过考虑由激光高度检测器测量的距离,可以使用第三槽调整钻孔单元30的竖直运动。例如,钻孔单元30可以通过z轴线性致动器24中的第三槽在z轴方向上被向上或向下推动,通过y轴线性致动器22中的第二槽在y轴方向上纵向运动,并且通过x轴线性致动器20中的第一槽在x轴方向上横向运动。
通常,每当感测和处理激光点时,或者每当感测和处理先前由标记装置或手动制作的图形符号时,用于制作锚固孔的钻孔过程将由钻孔装置12开始,由此使用激光点或图形符号的中心来制作大体呈圆形的锚固孔。然而,操作者可以进一步通过与处理器单元52进行有线或无线(例如,WIFI或)通信的诸如图形输入板之类的计算机输入装置进行输入,然后每个锚固孔可以由钻孔装置12基于各种操作员输入来钻挖。
在每次钻孔操作之后,z轴线性致动器24将钻孔单元30返回到原始位置,这意味着钻孔装置12返回到第一位置。此后,将钻孔装置12引导到另一个位置以重复钻孔过程。
钻孔装置12用于锚固钻孔的操作模式有三种。在第一操作模式中,使用预定标记点(由另一个装置标记)作为预先标记目标,以基于钻孔数据在建筑物的表面上创建锚固孔。在第二操作模式中,将由RTS发射的包含悬挂架位置信息的激光点用作预先标记目标,以在建筑物表面上创建锚固孔。在第三操作模式中,将来自激光发射装置的任何激光点的位置追踪用于指示预先标记目标,以在建筑物表面上创建锚固孔。锚固孔随后用于安装对应于机械、电气和管道(MEP)供应服务之一的锚固件。
可选地,钻孔装置12可以以第四操作模式操作,其中,由激光点照亮的预先标记目标的图像由照相机捕获并显示在显示装置上。然后,例如通过将光标移动到激光点的位置,在显示装置上追踪和确认所显示图像中的激光点的位置。在确认位置后,可以输入命令,以启动x轴线性致动器20、y轴线性致动器22和z轴线性致动器24的运动,从而将钻孔装置12驱动到预先标记目标的位置坐标,以在建筑物表面上创建锚固孔。完成后,钻孔装置12将使用致动器20、22、24返回到其待机位置。该第四操作模式在第一操作模式、第二操作模式和第三操作模式不能正常作业的情况下特别有用。
在上述根据本公开的用于在建筑物表面上对预先标记目标进行钻孔的钻孔系统中,如图1所示的履带式剪式升降机10用于支承钻孔装置12。如图2-7中所示,钻孔装置12包括安装板14、脚轮16、基座框架18、x轴线性致动器20、y轴线性致动器22、z轴线性致动器24、防护板26、保护性覆盖物28、钻孔单元30、集尘单元32、钻孔工具架34、激光定位单元44、成像单元46、线性致动器驱动器48、控制柜50、处理器单元52、通风器54、警报指示器56、天线58、激光高度检测器60以及升降支架62。
上述操作单元和部件受到位于控制柜50中的处理器单元52的控制。处理器单元52可以是合适的计算机或可编程的PLC控制器(例如,松下的FPOR-C32T型号)。此外,x轴线性致动器20、y轴线性致动器22和z轴线性致动器24由位于控制柜38中的线性致动器驱动器48驱动。在操作期间,操作者可以将钻孔装置12从自动模式切换到手动模式,以手动控制在建筑物表面上对预先标记目标的钻孔。
以上通过示例性实施例详细描述了本公开的基于BIM的钻孔装置,其用于在例如为架空墙壁和/或天花板的表面上进行有效钻孔。应当理解,本公开的范围不限于上述实施例,而是受所附权利要求书的限制。在不脱离本公开的目的和精神的情况下,对实施例的各种修改是可能的,但它们仍然在本公开的范围内。
Claims (26)
1.一种钻孔系统,所述钻孔系统使用来自建筑信息模型(BIM)的数字信息,用于在建筑物表面上的预先标记目标中钻出锚固孔,所述钻孔系统包括:
支承单元,所述支承单元能在三个维度的至少一个维度中运动;以及
钻孔装置,所述钻孔装置能移除地固定到所述支承单元,其中,所述钻孔装置包括:
激光定位单元,用于提供激光以照亮包含所述预先标记目标的作业区域;
成像单元,用于扫描所述表面的所述作业区域以捕获所述作业区域的图像;
处理器单元,用于处理所捕获的图像,确定所述预先标记目标的位置坐标,并生成与所述预先标记目标相关联的钻孔数据;
钻孔单元,所述钻孔单元能从第一位置运动到第二位置;
钻孔控制器,用于接收所述钻孔数据,所述钻孔数据包含钻孔深度以及为应用和控制所述钻孔单元所采用的算法;以及
驱动器单元,用于基于所述位置坐标驱动至少一个线性致动器,并使所述钻孔单元从所述第一位置运动到所述第二位置,以允许所述钻孔单元基于所述钻孔数据在所述预先标记目标的所述表面上创建所述锚固孔。
2.根据权利要求1所述的钻孔系统,其特征在于,还包括激光高度检测器,用于检测所照明的作业区域与所述钻孔装置之间的距离。
3.根据权利要求1所述的钻孔系统,其特征在于,还包括集尘器单元,所述集尘器单元牢固地安装到所述钻孔单元,以捕获源自所述建筑物表面的钻孔的灰尘和碎屑,并将所述灰尘和碎屑引导到收集区域。
4.根据权利要求1所述的钻孔系统,其特征在于,还包括警报指示器,所述警报指示器牢固地安装在控制柜上,用于指示所述处理器单元产生的警报信号。
5.根据权利要求1所述的钻孔系统,其特征在于,还包括在控制柜上的通风器,用于允许空气流向和流自所述控制柜。
6.根据权利要求1所述的钻孔系统,其特征在于,还包括天线,所述天线牢固地安装在控制柜上,用于实现无线通信。
7.根据权利要求1所述的钻孔系统,其特征在于,所述钻孔单元还包括用于支承钻孔工具的钻孔工具架。
8.根据权利要求7所述的钻孔系统,其特征在于,所述钻孔单元和钻孔工具架由保护性覆盖物保护。
9.根据权利要求1所述的钻孔系统,其特征在于,所述处理器单元选择成组的包含钻孔深度和钻孔算法的钻孔数据,以提供所述钻孔装置的快速且安全的操作。
10.根据权利要求1所述的钻孔系统,其特征在于,还包括第一操作模式、第二操作模式、第三操作模式和第四操作模式,用于在所述建筑物表面上的所述预先标记目标中钻出所述锚固孔。
11.根据权利要求10所述的钻孔系统,其特征在于,所述第一操作模式使用预定标记点作为所述预先标记目标,用于基于所述钻孔数据,通过在所述建筑物表面上钻孔而创建所述锚固孔。
12.根据权利要求10所述的钻孔系统,其特征在于,所述第二操作模式使用由RTS发射的激光点,从而定位免碰撞式MEP模型中示出的悬挂架的位置,用于基于所述钻孔数据,通过在所述建筑物表面上钻孔而创建所述锚固孔。
13.根据权利要求10所述的钻孔系统,其特征在于,所述第三操作模式使用来自激光发射装置的激光点的位置追踪作为所述预先标记目标,用于基于所述钻孔数据,通过在所述建筑物表面上钻孔而创建所述锚固孔。
14.根据权利要求10所述的钻孔系统,其特征在于,所述第四操作模式使用显示在显示装置上的所述预先标记目标的所捕获的图像中存在的激光点作为所述预先标记目标,用于基于所述钻孔数据,通过在所述建筑物表面上钻孔而创建所述锚固孔。
15.根据权利要求1所述的钻孔系统,其特征在于,还包括:
能移除的钻孔架,所述钻孔架能够与所述钻孔装置脱离,用于安全地保持由所述钻孔架支承的钻孔工具;以及
内置测载元件,用于监测所述钻孔工具的前进力,以防止超过使所述钻孔装置无法操作的极限。
16.根据权利要求1至14中任一权利要求所述的钻孔系统,其特征在于,所述处理器单元确定所述位置坐标以及所述预先标记目标的中心,用于钻挖所述锚固孔。
17.根据权利要求1至14中任一权利要求所述的钻孔系统,其特征在于,所述支承单元是由所述钻孔装置牢固地固定的履带式剪式升降机。
18.根据权利要求1至14中任一权利要求所述的钻孔系统,其特征在于,所述成像单元包括两个或更多个照相机,用于以不同角度捕获所述作业区域的多个图像。
19.根据权利要求1至14中任一权利要求所述的钻孔系统,其特征在于,基于所述位置坐标,使用x轴线性致动器、y轴线性致动器和z轴线性致动器中的一个或多个使所述钻孔装置从所述第一位置运动到所述第二位置。
20.根据权利要求1至14中任一权利要求所述的钻孔系统,其特征在于,所述处理器单元通过与所述处理器单元进行有线或无线通信的计算机输入装置选择成组的钻孔数据,所述成组的钻孔数据包含与所述锚固孔的深度相关的尺寸及其钻孔算法。
21.根据权利要求1至14中任一权利要求所述的钻孔系统,其特征在于,所述处理器单元包括图像处理模块,所述图像处理模块编程为使用机器学习来处理所捕获的图像,以识别所述激光在所述作业区域上的撞击点,从而生成与所述预先标记目标相关联的所述钻孔数据。
22.根据权利要求21所述的钻孔系统,其特征在于,所述图像处理模块编程为使用深度学习模型来处理所捕获的图像,其中,所述深度学习模型通过以下步骤创建:
a)收集所述作业区域的所捕获的图像的图像数据;
b)由所收集的图像数据生成指示所述激光的所述撞击点的特征的分类;
c)基于分类后的所述图像数据提取成组的所述特征,以构建所述深度学习模型;以及
d)供给深度学习模型训练数据和验证数据以执行所述分类,从而训练所述深度学习模型来识别所述图像中的撞击点,以便达到可接受的精度用来生成所述钻孔数据。
23.根据权利要求22所述的钻孔系统,其特征在于,步骤b)至c)包括:
b)将所述作业区域划分为多个格块,并且由所收集的图像数据生成代表撞击点所位于格块的特征;
c)基于代表撞击点格块的特征来建立深度学习模型;以及
d)向深度学习模型供给训练数据和验证数据,以执行对撞击点格块的检测,从而训练深度学习模型来识别图像中的撞击点,以达到用于钻孔数据生成的可接受的精度。
24.根据权利要求22所述的钻孔系统,其特征在于,所述深度学习模型基于SSD网络。
26.根据权利要求22所述的钻孔系统,其特征在于,所收集的数据通过水平和垂直旋转、图像的随机裁剪以及图像的亮度、饱和度和色度增强来进行数据扩充。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
HK22021031179 | 2021-05-14 | ||
HK22021031179.5 | 2021-05-14 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115338983A true CN115338983A (zh) | 2022-11-15 |
Family
ID=83948750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210522177.2A Pending CN115338983A (zh) | 2021-05-14 | 2022-05-13 | 用于在建筑物表面上钻孔的系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115338983A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116460931A (zh) * | 2023-04-25 | 2023-07-21 | 广州赛志系统科技有限公司 | 机器人智能钻孔方法、终端及板材生产线 |
-
2022
- 2022-05-13 CN CN202210522177.2A patent/CN115338983A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116460931A (zh) * | 2023-04-25 | 2023-07-21 | 广州赛志系统科技有限公司 | 机器人智能钻孔方法、终端及板材生产线 |
CN116460931B (zh) * | 2023-04-25 | 2023-09-05 | 广州赛志系统科技有限公司 | 机器人智能钻孔方法、终端及板材生产线 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9936181B2 (en) | Method and apparatus for projection of BIM information | |
JP4411371B1 (ja) | エレベータ昇降路内の位置情報取得装置とそのガイド装置 | |
US9687950B2 (en) | System and method for positioning a tool in a work space | |
JP2007212264A (ja) | 三次元レーザスキャナのスキャニング方法 | |
KR101852301B1 (ko) | 오류 최소화를 위한 교량 상판 인상 시스템 및 이를 이용한 교량 상판 인상 공법 | |
WO2022012262A1 (zh) | 一种自动定位钻孔及锚栓固定机器人 | |
WO2021049112A1 (ja) | シミュレーション装置 | |
CN115338983A (zh) | 用于在建筑物表面上钻孔的系统 | |
JP2018039075A (ja) | 建築物点検ロボット | |
CN108027949B (zh) | 修复计划制定支援系统、方法及程序 | |
JP3030800B2 (ja) | 自律移動型墨出しロボット | |
JP7444710B2 (ja) | 昇降路内計測装置、および、昇降路内計測システム | |
US20210110607A1 (en) | System and Method for Mapping an Interior Space | |
So et al. | LAN-based building maintenance and surveillance robot | |
Dickens et al. | Mine safety sensors: Test results in a simulated test stope | |
CN114008553A (zh) | 信息处理装置、信息处理方法和程序 | |
TW201742974A (zh) | 位置標示器 | |
CN111136800B (zh) | 用于在建筑物表面上对预定钻孔点进行确定和钻孔的系统 | |
JP6820543B2 (ja) | 建築物の天井裏点検方法 | |
JP7408423B2 (ja) | 寸法測定装置、寸法測定システム及び寸法測定方法 | |
JP2021181923A (ja) | 地形計測装置及び地形計測方法 | |
JP2020159950A (ja) | 検査対象物の状態評価装置 | |
JP2019178953A (ja) | 検査対象物の状態評価装置 | |
JP6527848B2 (ja) | 監視装置及びプログラム | |
JP3689191B2 (ja) | 三次元形状自動認識方法及びその装置 |
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 |