CN117558072A - 一种基于激光定位的车间仪表巡检方法及系统 - Google Patents

一种基于激光定位的车间仪表巡检方法及系统 Download PDF

Info

Publication number
CN117558072A
CN117558072A CN202410045419.2A CN202410045419A CN117558072A CN 117558072 A CN117558072 A CN 117558072A CN 202410045419 A CN202410045419 A CN 202410045419A CN 117558072 A CN117558072 A CN 117558072A
Authority
CN
China
Prior art keywords
data
acquisition
inspection
instrument
simulation model
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
CN202410045419.2A
Other languages
English (en)
Other versions
CN117558072B (zh
Inventor
邓超
刘晖
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.)
Youzhu Technology Beijing Co ltd
Original Assignee
Youzhu Technology Beijing 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 Youzhu Technology Beijing Co ltd filed Critical Youzhu Technology Beijing Co ltd
Priority to CN202410045419.2A priority Critical patent/CN117558072B/zh
Publication of CN117558072A publication Critical patent/CN117558072A/zh
Application granted granted Critical
Publication of CN117558072B publication Critical patent/CN117558072B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
    • G07C1/10—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people together with the recording, indicating or registering of other data, e.g. of signs of identity
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/08—Systems determining position data of a target for measuring distance only
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/20—Image signal generators
    • H04N13/275—Image signal generators from 3D object models, e.g. computer-generated stereoscopic image signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/20—Image signal generators
    • H04N13/296—Synchronisation thereof; Control thereof
    • 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
    • H04N23/671—Focus control based on electronic image sensor signals in combination with active ranging signals, e.g. using light or sound signals emitted toward 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
    • H04N23/695—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
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
    • H04N7/185—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source from a mobile camera, e.g. for remote control
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/188—Capturing isolated or intermittent images triggered by the occurrence of a predetermined event, e.g. an object reaching a predetermined position

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明属于数据采集技术领域，具体公开了一种基于激光定位的车间仪表巡检方法及系统，包括：构建车间实物和采集设备的仿真模型，并与所述采集设备建立数字孪生关系；控制所述采集设备达到当前所述仪表的采集点；在所述采集设备到达所述采集点后，实时获取所述采集设备的位置数据；根据所述位置数据和所述参考点模拟生成移动控制数据，所述采集设备通过所述移动控制数据对准所述仪表，并获取包含所述仪表信息的图像数据；识别所述图像数据后进行检测，输出检测结果；具有如下优点：可以即时处理图像，快速提供数据反馈；减少了对人工巡检的依赖，特别是在高危或难以到达的区域；采集的数据可以被集成到车间的管理系统中，用于分析和决策支持。

Description

一种基于激光定位的车间仪表巡检方法及系统
技术领域
本发明涉及数据采集技术领域，具体而言，涉及一种基于激光定位的车间仪表巡检方法及系统。
背景技术
在智能车间的数字化改造过程中，会面临一些问题，特别是在处理设备新旧程度不一、部分设备缺乏通信端口的情况。这类问题在许多工业环境中很常见，急待解决方案来确保数据的有效采集和车间的高效运作，上述问题具体为：
设备新旧不一：车间中的设备通常是一系列不同时期购置的，从最新的自动化机器到几十年前的旧设备都有。
缺乏通信端口：旧设备往往没有设计用于现代数字通信的端口，如以太网或无线通信接口，这使得它们无法直接集成到数字化管理系统中。
数据采集难题：由于缺乏直接的通信手段，从这些旧设备上收集数据成为一个挑战，这可能影响整个车间的数据完整性和分析准确性。
为提出一种基于激光定位的车间仪表巡检方法及系统，以解决上述提出的问题。
发明内容
本发明旨在提供一种基于激光定位的车间仪表巡检方法及系统，以解决或改善上述技术问题中的至少之一。
有鉴于此，本发明的第一方面在于提供一种基于激光定位的车间仪表巡检方法。
本发明的第二方面在于提供一种巡检系统。
本发明的第三方面在于提供一种电子设备。
本发明的第四方面在于提供一种计算机可读存储介质。
本发明的第一方面提供了一种基于激光定位的车间仪表巡检方法，包括如下步骤：
构建车间实物和采集设备的仿真模型，并与所述采集设备建立数字孪生关系；根据用于抓取所述车间实物上仪表信息的采集点，在所述仿真模型上设定参考点；
当某一所述仪表需要信息采集时，控制所述采集设备达到当前所述仪表的采集点；在所述采集设备到达所述采集点后，实时获取所述采集设备的位置数据；
根据所述位置数据和所述参考点模拟生成移动控制数据，所述采集设备通过所述移动控制数据对准所述仪表，并获取包含所述仪表信息的图像数据；
识别所述图像数据后进行检测，输出检测结果。
上述任一技术方案中，所述仿真模型上还设定有用于引导所述采集设备的仿真模型到达所述参考点的巡航路径；所述车间实物包括地面，所述巡航路径对应所述地面上形成的通道；以及
所述采集设备包括移动在所述通道上的多个巡检端和固定于所述车间实物的至少一个观测端。
上述任一技术方案中，所述的控制所述采集设备达到当前仪表的采集点的步骤，具体包括：
获取当前时刻所有所述巡检端的位置数据，根据预存的当前所述仪表的位置数据，筛选出与当前所述仪表距离最近的所述巡检端；
控制筛选后的所述巡检端的仿真模型沿所述巡航路径靠近对应所述采集点的所述参考点；
实时生成所述巡检端跟随所述仿真模型移动的移动控制数据，发送所述移动控制数据至所述巡检端，直至所述巡检端到达所述采集点。
上述任一技术方案中，所有所述巡检端与至少一个所述观测端通过监控网络传输数据；以及所述的所述巡检端跟随所述仿真模型移动的步骤，具体包括：
所述观测端对准所述巡检端，以获取所述巡检端的移动控制数据及当前坐标数据；
根据所述移动控制数据和所述当前坐标数据，生成第一矫正数据并发送至所述巡检端；
所述巡检端根据所述移动控制数据和所述第一矫正数据沿所述巡航路径对应的通道移动。
上述任一技术方案中，在所述巡检端跟随所述仿真模型移动的过程中及所述巡检端到达所述采集点后，所述观测端实时对所述观测端进行行为采集和行为检测。。
上述任一技术方案中，所述的所述观测端实时对所述观测端进行行为采集和行为检测的步骤，具体包括；
所述观测端获取所述巡检端周围的实时点云数据，根据预存的原始点云数判断所述实时点云数据中的障碍物；
在所述实时点云数据对所有所述障碍物进行邻域分析，以区分实体障碍物和透视障碍物；
所述观测端对具有实体障碍物的实时点云数据，生成警报数据；所述观测端对具有透视障碍物的实时点云数据，生成第二矫正数据并发送至所述巡检端。。
上述任一技术方案中，所述透视障碍物包括扬尘障碍物和强光反射面。
本发明的第二方面提供了巡检系统，包括：
数字孪生和仿真模型模块，用于构建车间实物及其内部仪表的仿真模型，在仿真模型中设定采集仪表信息所需的参考点，以及确保物理环境中的变化实时反映在仿真模型中；
数据采集和设备控制模块：当仪表需要信息采集时，指挥采集设备移动到对应的采集点；以及采集设备到达采集点后，实时获取其位置数据；
移动控制数据生成模块，用于根据采集设备的位置数据和仿真模型中的参考点，生成用于指导采集设备的移动控制数据；以及确保采集设备能够准确地对准车间仪表，以获取图像数据；
图像数据处理和分析模块，用于对采集设备捕获含有仪表信息的图像数据，通过图像识别技术和算法处理图像数据，识别仪表读数或状态；以及分析图像数据，输出仪表的检测结果；
用户界面和交互模块，用于提供用户界面，以使操作人员监控采集过程，查看仪表数据和系统状态；以及根据用户输入指令，调整采集参数或处理异常情况。
本发明的第三方面提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。
本发明的第四方面提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
本发明与现有技术相比所具有的有益效果：
在智能车间的数字化改造中，利用激光测距技术与算法结合二维云台和机器视觉系统进行设备仪表数据读取，核心在于利用先进的激光定位技术来精确控制自动引导车辆（AGV），并结合机器视觉系统来自动化数据的采集和处理。
AGV装备有激光测距仪，用于实时测量与车间内各个仪表的距离，可以精确地确定AGV相对于仪表的位置和距离；AGV上的控制系统使用算法处理激光测距数据，以准确计算其位置，考虑各种环境因素，确保在复杂的车间环境中仍能保持高精度定位；二维云台能在水平和垂直方向上自动调整，确保摄像机始终对准目标仪表；摄像机的焦距可以根据与仪表的距离自动调整，以获得清晰的图像；高分辨率摄像头捕获仪表的图像，例如指针读数、数字显示等；机器视觉系统分析这些图像，使用图像识别算法提取关键数据。
激光测距技术和精确的算法确保AGV可以精准定位，提高数据采集的准确性；自动调整的云台和摄像机减少了人工干预，提高了操作效率；适用于各种类型和型号的仪表，即使在光线较差或空间狭窄的环境中也能有效工作；机器视觉系统可以即时处理图像，快速提供数据反馈；减少了对人工巡检的依赖，特别是在高危或难以到达的区域；采集的数据可以被轻松地集成到车间的管理系统中，用于进一步的分析和决策支持。
根据本发明的实施例的附加方面和优点将在下面的描述部分中变得明显，或通过根据本发明的实施例的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明的巡检系统硬件示意图；
图2为本发明的巡检流程示意图；
图3为本发明的方法步骤流程图；
图4为本发明的系统逻辑框图；
图5为本发明的一种电子设备的结构示意图。
具体实施方式
为了可以更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
请参阅图1-5，下面描述本发明一些实施例的一种基于激光定位的车间仪表巡检方法及系统。
本发明第一方面的实施例提出了一种基于激光定位的车间仪表巡检方法。在本发明的一些实施例中，如图1-3所示，该巡检方法包括如下步骤：
S101，构建车间实物和采集设备的仿真模型，并与采集设备建立数字孪生关系；根据用于抓取车间实物上仪表信息的采集点，在仿真模型上设定参考点。
具体而言，使用3D建模技术构建车间内所有实体设施和设备的详细仿真模型，包括机器、工作站、传输带等，确保这些虚拟模型在尺寸、位置和功能上与实际设备完全一致；将采集设备（如自动化机器人、无人车或监测传感器）的实体与其在仿真模型中的对应副本关联起来，确保实体设备的运行状态、位置和其他关键参数实时同步到其数字孪生模型；在仿真模型中标记出关键的数据采集点，这些点是采集设备必须到达以抓取仪表信息的位置，参考点的设置基于车间布局和仪表位置，确保采集设备能够有效覆盖所有关键测量区域。
上述可知去，精确的仿真模型和设定的参考点使得数据采集过程更加精确，减少了因定位错误导致的数据误差；通过在仿真模型中预设参考点，可以优化采集设备的路径规划，提高数据采集的效率，减少运行成本；数字孪生模型允许对车间运行进行实时监控，快速识别并解决可能出现的问题，在模型中模拟不同场景，帮助预测故障和制定应对策略；减少了人工巡检的需要，尤其在难以接近或危险的区域，提高了工作人员的安全性；通过收集的数据和模型分析，不断优化设备性能和车间布局，以适应不断变化的生产需求；自动化的数据采集和高效的路径规划减少了时间和资源的消耗，提高了整体生产效率。
进一步地，仿真模型上还设定有用于引导采集设备的仿真模型到达参考点的巡航路径；车间实物包括地面，巡航路径对应地面上形成的通道。
采集设备包括移动在通道上的多个巡检端和固定于车间实物的至少一个观测端。
这里，在仿真模型中，预设了用于指导采集设备移动的巡航路径，这些路径对应于车间地面上的实际通道，设计以优化巡检端的移动效率和覆盖范围；移动巡检端，如自动化导引车（AGV）或移动机器人，能够沿着预设的路径在车间内自由移动，它们装备有各种传感器和摄像头，用于收集仪表数据和监测车间环境；固定于车间关键位置的观测端，例如安装在墙壁或机器上的传感器或摄像头，用于持续监测特定区域或设备；这些观测端提供了车间固定点的实时数据和视觉信息。
上述可知，预设巡航路径确保移动巡检端能够覆盖所有关键区域，而固定观测端则提供持续的监控，结合二者可实现车间全方位的数据采集；通过精心设计的巡航路径，移动巡检端可以以最高效的方式遍历车间，减少重复路径和无效运动，节约时间和能源；固定观测端提供了车间关键点的实时监控，有助于快速发现和响应生产过程中的异常情况；自动化巡检减少了对人工巡检的依赖，降低了长期的人力成本，高效的路径规划也减少了机器的磨损和维护需求；通过减少人员在危险区域的工作，自动化巡检提高了整体的工作安全性，固定观测端能够持续监控潜在危险区域，提前警示风险；收集的大量数据可以用于分析优化生产流程，提供数据驱动的决策支持。
S102，当某一仪表需要信息采集时，控制采集设备达到当前仪表的采集点；在采集设备到达采集点后，实时获取采集设备的位置数据。
具体而言，控制采集设备达到当前仪表的采集点的步骤，具体包括：
获取当前时刻所有巡检端的位置数据，根据预存的当前仪表的位置数据，筛选出与当前仪表距离最近的巡检端。
控制筛选后的巡检端的仿真模型沿巡航路径靠近对应采集点的参考点。
实时生成巡检端跟随仿真模型移动的移动控制数据，发送移动控制数据至巡检端，直至巡检端到达采集点。
这里，系统实时获取所有巡检端的位置数据，确保对车间内巡检端的分布和状态有清晰的认识，位置数据可能通过各种方式获取，如GPS、RFID标签或车间内的定位系统；当某个仪表需要数据采集时，系统根据预存的仪表位置数据，从所有可用的巡检端中选择距离最近的一台，选择基于距离优化，确保任务能够以最快的速度完成；选定的巡检端的仿真模型在数字孪生系统中被激活，沿着预设的巡航路径移动至仪表的采集点，仿真模型的移动考虑了车间内的实际环境和潜在障碍，确保路径的可行性和安全性；根据仿真模型的移动，实时生成移动控制数据，这些数据指导实体巡检端移动，移动控制数据确保巡检端能够精确地、无误地到达指定的采集点；移动控制数据被发送至实体巡检端，指导其沿着最优路径移动至采集点，在到达采集点后，巡检端执行所需的数据采集任务，如拍摄仪表的图像或读取仪表数据。
上述可知，智能选择最近的巡检端减少了到达采集点的时间，加快了数据采集的响应速度，优化的路径规划提高了整体的操作效率；通过最小化巡检端的移动距离，减少了能源消耗和设备磨损，从而延长了设备的使用寿命；精确控制巡检端的移动路径和位置，确保数据采集的精度和可靠性；自动化和智能化的流程减少了人力需求，降低了长期的运营成本；通过减少人员在危险区域或复杂环境中的直接干预，提高了工作场所的安全性；系统收集的大量数据可用于分析和优化生产流程，实现数据驱动的决策。
S103，根据位置数据和参考点模拟生成移动控制数据，采集设备通过移动控制数据对准仪表，并获取包含仪表信息的图像数据。
具体而言，所有巡检端与至少一个观测端通过监控网络传输数据；以及的巡检端跟随仿真模型移动的步骤，具体包括：
观测端对准巡检端，以获取巡检端的移动控制数据及当前坐标数据。
根据移动控制数据和当前坐标数据，生成第一矫正数据并发送至巡检端。
巡检端根据移动控制数据和第一矫正数据沿巡航路径对应的通道移动。
这里，固定观测端装备有高精度的传感器和摄像头，负责监控车间内的移动巡检端，当移动巡检端执行任务时，观测端实时捕捉其位置和运动状态，以获取移动控制数据和当前坐标数据；基于从观测端收集的移动控制数据和当前坐标数据，系统生成第一矫正数据，第一矫正数据用于微调巡检端的路径和速度，确保其沿预定巡航路径准确移动；接收到移动控制数据和第一矫正数据后，巡检端根据这些信息沿预设的巡航路径移动，这种方式确保了巡检端在执行任务时的精度和效率，特别是在复杂或拥挤的车间环境中。
上述可知，结合固定观测端的实时监控和数据矫正，提高了巡检端在车间内的导航精度，这种精确的路径控制对于避免碰撞和确保任务顺利完成至关重要；通过实时矫正数据调整巡检端的移动，可以更有效地利用时间和资源，减少不必要的运动和能源消耗；即使在车间布局或工作条件发生变化的情况下，系统也能快速适应，确保巡检端的运行不受影响，自动化的导航和控制减少了对人工干预的需求，提高了整体操作的安全性和可靠性；精确控制巡检端的位置，确保在数据采集过程中能够获得高质量的结果；系统的实时监控和自动调整机制有助于及时发现和解决设备运行中的问题，从而提高设备维护的效率。
进一步地，在巡检端跟随仿真模型移动的过程中及巡检端到达采集点后，观测端实时对观测端进行行为采集和行为检测。
这里，固定观测端持续监控移动巡检端的行为，包括其移动轨迹、速度、操作状态等，这些数据通过高级传感器和摄像头实时采集，确保捕捉到巡检端的每一个动作和反应；采集到的行为数据被分析，以检测巡检端的任何异常行为或潜在故障，例如偏离预定路径、运动缓慢或停止移动，行为检测还包括评估巡检端的性能，确保其按预期执行任务；一旦巡检端到达采集点，观测端继续监控其在执行数据采集任务时的行为，如摄像头的定位、传感器的活动等，这确保了在数据采集过程中巡检端的稳定性和效率。
上述可知，持续监控和行为检测有助于确保巡检端准确执行任务，减少错误和意外，及时发现问题可以快速进行干预，防止小问题演变成大故障；通过分析巡检端的行为数据，可以对其性能进行评估和优化，提高长期运行效率，检测到的任何性能下降或异常行为都可以用作维护和升级的依据；对巡检端在采集点的行为进行监控确保了数据采集的精度，特别是在需要高度精确的测量情况下；系统能够基于持续的监控数据自动调整巡检端的行为，以适应车间内变化的环境和条件；及时发现和解决问题有助于减少昂贵的维修和长期的设备停机时间。
具体而言，观测端实时对观测端进行行为采集和行为检测的步骤，具体包括；
观测端获取巡检端周围的实时点云数据，根据预存的原始点云数判断实时点云数据中的障碍物。
在实时点云数据对所有障碍物进行邻域分析，以区分实体障碍物和透视障碍物。
观测端对具有实体障碍物的实时点云数据，生成警报数据；观测端对具有透视障碍物的实时点云数据，生成第二矫正数据并发送至巡检端。
这里，固定观测端使用高精度的激光扫描仪或立体摄像头捕捉巡检端周围环境的实时点云数据，这些数据提供了关于车间内物体和障碍物的详细三维信息，利用预存的原始点云数据作为参考，观测端可以在实时点云数据中识别出新增或移动的物体，判断这些是否为障碍物；对实时点云数据中的障碍物进行邻域分析，以区分实体障碍物（如墙壁、机器设备等）和透视障碍物（如通过透视造成的假象），这种分析有助于准确识别巡检环境中的实际障碍；针对实体障碍物，观测端生成警报数据，以提示系统操作人员采取措施，对于透视障碍物，生成第二矫正数据，调整巡检端的移动路径，避免不必要的警报和路径调整。
上述可知，通过准确识别障碍物并及时发出警报，系统能够预防可能的碰撞和事故，保护巡检端和车间内其他设备或人员的安全，第二矫正数据的生成有助于优化巡检端的路径规划，避免因误判障碍物而导致的不必要绕行或停机，准确区分实体障碍物和透视障碍物减少了对巡检路径的频繁调整，提高了巡检过程的整体效率；有效区分实际障碍物和透视造成的假象，减少了系统的误报率，确保了运行的连续性和稳定性。
具体地，透视障碍物包括扬尘障碍物和强光反射面。
这里，在工业环境中，尤其是在建材、采矿或重工业车间，空气中的扬尘可能对视觉传感器造成干扰，观测端通过分析点云数据识别扬尘产生的模糊或遮挡效果，判断它们是否会对巡检端的导航造成实际障碍；强烈的光线反射，如由金属表面或光滑材料反射的阳光，可能在视觉传感器上产生误导性的亮斑，影响障碍物检测，系统能够识别这些反射面并区分它们与真实物理障碍物的不同，防止误判；对于扬尘和强光反射等透视障碍物，系统生成相应的矫正数据而非直接警报，避免了因视觉干扰导致的误导性停机或路径调整。
上述可知，正确识别和处理这些透视障碍物能够避免巡检端因视觉干扰而偏离预定路径，确保其精准导航；通过区分实体障碍物和透视障碍物，减少了因误判障碍而造成的不必要的停机和路径调整，提高了巡检效率；能够适应不同的工作环境，特别是在多尘或光线强烈的车间中，保证系统的稳定性和可靠性；自动识别和处理视觉干扰，减少了对人工干预的依赖，提升了整体系统的自动化水平；避免了因视觉干扰导致的潜在危险，如误导性的停机可能导致人员进入危险区域；收集和分析这些数据可用于进一步完善系统的性能，特别是在提高视觉传感器对复杂环境的适应能力方面。
S104，识别图像数据后进行检测，输出检测结果。
具体而言，移动巡检端在达到采集点后，使用高分辨率摄像头捕获仪表和设备的图像，图像包含关于车间设备状态的关键视觉信息，如仪表读数、设备指示灯状态等；系统利用图像识别算法处理捕获的图像，这些算法可能基于深度学习或其他先进的机器视觉技术，分析的目的是从图像中提取有意义的数据，如读取仪表的指针位置、识别警告标志等；识别出的数据被进一步分析，以检测潜在的问题或异常，例如设备过热、压力异常或操作错误，最终，系统输出详细的检测结果，这些结果可用于进一步的决策和响应。
上述可知，自动化的图像识别减少了人为读数错误，确保数据的高准确性；实时的图像分析可以快速发现设备运行中的问题，如故障或性能下降，从而及时采取措施；检测结果可用于指导设备的维护和运营决策，如预测性维护或生产流程调整。
本发明提供的一种基于激光定位的车间仪表巡检方法，增强数据采集的准确性和一致性，通过精确控制采集设备到达仪表的采集点，系统能够确保数据的高度准确性；由于采集过程高度自动化，减少了人为错误，保证了数据采集的一致性。
采集设备实时获取的位置数据允许系统持续监控其状态和位置，从而能够快速响应变化或需求，这种实时反馈机制对于快速识别和解决生产过程中的问题至关重要。
自动化的数据采集大大减少了手动检测仪表的时间和劳力成本，这种效率的提升对于快节奏的生产环境来说尤为重要，可以显著提高生产线的整体运行效率。
系统提供的精确和及时的数据支持预测性维护，有助于预防设备故障，减少意外停机，管理者可以根据详尽的数据分析来优化设备性能和生产流程。
由于采集设备可以自动导航至采集点，减少了人员在高风险区域的工作时间，从而降低了工作场所的安全风险，自动化系统减少了操作过程中的人为干预，降低了由操作错误引起的安全问题。
数字孪生模型不仅仅是简单的数据复制，它还可以用于模拟和预测，为决策提供深度洞察，对设备和生产流程的模拟分析有助于识别潜在的改进领域，实现持续的过程优化。
上述任一实施例中，在智能车间中，对设备仪表进行有效的巡检和数据采集，尤其是在复杂的车间环境中，确实面临着一些特定的挑战。特别是当仪表需要较近距离才能清晰识别，且其位置不在主通道上易于观察的地方时，这些挑战更加显著。为了解决这些问题，可以利用建筑结构件上的精确点作为标靶，结合机器视觉和二维云台调整，以精确定位AGV，并指导其到达仪表的正确位置进行拍摄和数据采集，具体为：
使用建筑结构作为参考点：选取车间内的固定建筑结构件（如墙壁、立柱）上的精确点作为标靶，这些标靶作为参考点，帮助在车间内准确定位AGV的位置。
AGV的精确定位：AGV利用激光测距仪和二维云台系统，精确地指向这些标靶，结合激光测距数据和已知的标靶位置，使用三角测量法（边角边）来确定AGV的精确位置。
机器视觉引导云台调整：利用机器视觉技术，AGV上的摄像头识别标靶的确切位置，并指导二维云台进行调整，以确保激光精确对准标靶，通过这种方式，可以进一步提高AGV定位的精确度。
寻找并定位到仪表位置：一旦AGV被准确定位，它将根据预先设定的地图和仪表位置信息，移动到要拍摄的仪表附近，利用机器视觉系统，AGV可以识别仪表的确切位置，并进行必要的位置微调。
拍摄和数据采集：在最佳位置，AGV的摄像头将拍摄仪表的清晰图像，图像被传输到中央处理系统，其中机器视觉算法提取所需的数据（例如，指针位置、数字读数等）。
在该实施例中，使用标靶和激光测距技术能够在复杂的车间环境中实现AGV的高精度定位，可以适应各种车间布局和设备配置，减少了对人工巡检的依赖，提高了数据采集的效率和准确性，AGV可以在危险或难以到达的区域进行操作，降低了人员的安全风险；在布局复杂或视线受限的车间内进行高效的仪表监测；在可能存在安全风险的区域（如高温、有毒气体区域）进行远程监控和数据采集。
上述任一实施例中，对于智能车间中的指针式仪表，AGV的精确定位对于确保数据的准确采集至关重要。由于指针仪表的读数高度依赖于观测角度，任何位置的偏差都可能导致读数的误差。因此，确保AGV在拍摄时处于最佳位置是实现高准确度数据采集的关键，具体为：
指针仪表的读数易受摄像头拍摄角度的影响。如果摄像头位置偏斜，可能导致视差错误，从而使读数不准确，正确的角度可以确保指针位置的正确解读，减少误差。
在复杂的车间环境中，AGV可能会遇到各种障碍物，如设备、管道和工作人员，这些因素都可能影响AGV的定位精度，需要精确的定位技术来确保AGV能够在这些障碍物中导航，同时保持对仪表的正确定位。
利用激光测距仪和先进的定位算法来实现AGV在车间内的高精度定位，结合车间的固定参考点，如建筑结构件上的标靶，来进一步提高定位精度，使用AGV上的摄像头和机器视觉技术来识别和定位仪表，在接近仪表时，通过机器视觉对AGV进行微调，确保摄像头处于最佳拍摄位置；使用二维云台系统精确控制摄像头的角度，以直视仪表的指针和刻度，云台的精细调整可以根据机器视觉系统的反馈进行，确保最佳的拍摄角度。
在该实施例中，精确定位和正确的拍摄角度可以显著提高仪表读数的准确性，自动化的AGV操作减少了人工巡检的需要，提高了数据采集的效率，能够适应各种车间布局和仪表配置，灵活应对各种工作环境，自动化系统减少了人员在危险或难以到达区域工作的风险。
本发明第一方面的另一个实施例提出了巡检方法的具体实施方法。在本发明的一些实施例中，该具体实施方法包括如下步骤：
S201，先确认车间的墙壁、立柱等建筑结构件的位置与数字孪生系统完全一致。
S202，在数字孪生系统中预先设定AGV路径以及采集点位置，AGV自动巡航到达采集点。
S203，在某个采集点，激光测距模块借助车间的建筑结构件上准确的点（可以作为标靶）精确定位AGV所在位置，将之设为参考点坐标（数字孪生可以完成坐标转换，即总能找到可以借助的建筑结构件进行测量，再转换为车间的统一坐标）。
S204，通过标靶的四象限和十字心，借助二维云台，可以测量激光测距模块到标靶圆心的距离。
S205，将标靶（X0，Y0，Z0）在Z轴方向映射到激光测距模块的水平面上，则R02= L02-（Z0 – H）2。
S206，此时水平面上圆形的表达式为 (X-X0)2+ (Y-Y0)2= R02。
S207，调整云台的水平夹角和垂直夹角使激光命中另外两个平行标靶的圆心（X1，Y1，Z1）和（X2，Y2，Z2），同时记录此时的激光测距模块到标靶圆心的距离L1和L2。
S208，同样将两个标靶在Z轴方向映射到激光测距模块的水平面上，则R12= L12-（Z1 – H）2 和R22= L22-（Z2 – H）2。
S209，此时水平面上另两个圆形的表达式为 (X-X1)2+ (Y-Y1)2= R12和(X-X2)2+(Y-Y2)2= R22。
S210，由三个圆弧交予一点可以精准定位AGV所在位置，即摄像机所在位置；先将三个圆的方程两两相减可以消除2阶的未知数，留下两个一阶的方程组，其解就是AGV所在位置。
S211，通过上述位置与设定位置之差异，使AGV移动到设定位置。
S212，云台调整到预设的水平和垂直角度，再测量到设备仪表的2个特征点的距离一致，此时摄像头处于最佳拍摄位置。
S213，最后由摄像机拍摄图片并由机器视觉完成设备仪表的数据采集并上传。
本发明提供的一种巡检方法的具体实施方法，数字孪生与车间结构对照（S21）：初始步骤是确保车间的物理环境与其数字孪生模型完全一致，特别是墙壁和立柱等建筑结构，数字孪生技术提供了一个高精度的虚拟模型，对应于实际的物理空间。预设AGV路径与采集点（S202）：在数字孪生系统中预先设定AGV的巡航路径和特定的数据采集点，AGV根据这些预设路径自动导航到达各采集点；利用激光测距进行精确定位（S203-S210）：在每个采集点，AGV使用激光测距模块和车间的建筑结构件（如标靶）来精确定位自己的位置，通过测量标靶的四象限和十字心，计算AGV与标靶间的距离，并将这些信息映射到水平面上，形成一系列圆形方程，利用这些圆形方程，可以通过数学计算精确地确定AGV的位置；AGV位置调整与云台控制（S211-S212）：根据上述定位结果，AGV进行微调，确保其移动到精确的预设位置，云台随后调整到特定的角度，确保摄像头对准设备仪表的特征点；摄像机拍摄与数据采集（S213）：摄像机在最佳位置捕捉设备仪表的图像。机器视觉系统分析这些图像，提取关键数据并上传至中央系统。
利用激光测距技术和复杂的算法，该系统能够非常精确地确定AGV的位置，从而确保数据采集的准确性；整个过程从AGV的导航到数据采集都是自动化的，减少了人工干预，提高了效率；能够适应各种车间布局和环境，即使在空间限制或视线受阻的情况下也能有效工作；通过精确控制摄像机位置和角度，可以获得高质量的图像，从而提高数据采集的准确性和可靠性；精确的数据采集和实时上传，为车间管理提供了更加详细和准确的数据支持，有助于提高生产效率和设备维护。
上述任一实施例中，上述的具体实施方法在应用场景中为下述形式：
火灾安全检查：
将AGV定位到火灾报警设备和水龙头出口；机器视觉系统检查火灾报警器是否正常工作，水龙头和相关救火设施是否完好无损并处于可用状态。
电气安全检查：
AGV被定位到配电柜和电源出入线处；通过机器视觉系统检查电缆是否有裸露或破损，确保所有电缆都有适当的保护套，并检查是否有过热迹象或异常放电。
化学品和可燃气体存储安全：
定位AGV到可燃性气体和危险化学品的存储区；在非生产时段，检查燃气表读数和化学品容器，以确认没有泄漏或其他潜在危险。
在该实施例中，利用自动化AGV和机器视觉系统，可以更频繁且系统地检查安全隐患，减少对人工巡检的依赖；通过连续监控，可以及时发现并处理安全隐患，如泄漏、破损或其他异常情况；定期和系统的检查有助于预防严重事故，如火灾、电气故障或化学品泄漏；所有检查活动和发现的问题都会被记录和存档，便于事后分析和追溯；在无人工作或危险区域，AGV可以进行安全检查，减少人员暴露在潜在危险环境中的风险。
本发明第二方面的实施例提出了一种巡检系统。在本发明的一些实施例中，如图4所示，该巡检系统包括：
数字孪生和仿真模型模块，用于构建车间实物及其内部仪表的仿真模型，在仿真模型中设定采集仪表信息所需的参考点，以及确保物理环境中的变化实时反映在仿真模型中；
数据采集和设备控制模块：当仪表需要信息采集时，指挥采集设备移动到对应的采集点；以及采集设备到达采集点后，实时获取其位置数据；
移动控制数据生成模块，用于根据采集设备的位置数据和仿真模型中的参考点，生成用于指导采集设备的移动控制数据；以及确保采集设备能够准确地对准车间仪表，以获取图像数据；
图像数据处理和分析模块，用于对采集设备捕获含有仪表信息的图像数据，通过图像识别技术和算法处理图像数据，识别仪表读数或状态；以及分析图像数据，输出仪表的检测结果；
用户界面和交互模块，用于提供用户界面，以使操作人员监控采集过程，查看仪表数据和系统状态；以及根据用户输入指令，调整采集参数或处理异常情况。
本发明提供的一种基于激光定位的车间仪表巡检方法及系统，数字孪生和仿真模型模块，构建车间实物及其内部仪表的详细仿真模型，在仿真模型中设定关键的数据采集参考点，实时同步物理环境中的变化到仿真模型；提供准确的车间布局和设备配置信息，助力精确的路径规划和数据采集，使系统能够及时响应环境变化，确保数据的实时性和准确性，仿真模型可用于预测分析和风险评估，优化生产流程。
数据采集和设备控制模块，指挥采集设备移动到仪表的采集点，实时获取采集设备的位置数据；确保高效、准时的数据采集，实时位置跟踪提高了巡检任务的可靠性和准确性。
移动控制数据生成模块，根据采集设备位置和仿真模型参考点生成移动控制数据，确保采集设备精确对准仪表进行数据采集；精确的控制指令减少了运动误差，提高数据采集的准确性，有效规避障碍，降低碰撞风险。
图像数据处理和分析模块，对捕获的图像数据进行处理，识别仪表的读数或状态，分析图像数据，输出检测结果；提高数据处理的自动化水平，减少人为误差，可用于及时发现设备问题，支持预测性维护。
用户界面和交互模块，提供直观的用户界面，用于监控采集过程和查看数据，允许用户根据需要调整采集参数或处理异常；提高了系统的操作性和用户的工作效率，使用户能够更容易地监控系统状态，及时响应并调整操作。
本发明第三方面的实施例提出了电子设备。在本发明的一些实施例中，如图5所示，提供了电子设备，该电子设备包括：可以是桌上型计算机、笔记本、掌上电脑及云端服务器等电子设备。电子设备4可以包括但不仅限于处理器401和存储器402。本领域技术人员可以理解，图5仅仅是电子设备4的示例，并不构成对电子设备4的限定，可以包括比图示更多或更少的部件，或者不同的部件。
处理器401可以是中央处理单元（CentralProcessing Unit，CPU），也可以是其它通用处 理 器 、数 字 信号处 理 器（Dig i ta l Sig na l P r o c e s s o r ，D SP）、专 用集 成电 路（Application Specific Integrated Circuit ，ASIC）、现场可编程门阵列（Field-ProgrammableGate Array，FPGA）或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
存储器402可以是电子设备4的内部存储单元，例如，电子设备4的硬盘或内存。存储器402也可以是电子设备4的外部存储设备，例如，电子设备4上配备的插接式硬盘，智能存储卡（Smart MediaCard，SMC），安全数字（Secure Digital，SD）卡，闪存卡（Flash Card）等。存储器402还可以既包括电子设备4的内部存储单元也包括外部存储设备。存储器402用于存储计算机程序以及电子设备所需的其它程序和数据。
本发明第四方面的实施例提出了计算机可读存储介质。在本发明的一些实施例中，提供了计算机可读存储介质，该计算机可读存储介质被处理器401执行时实现上述方法的步骤，因此本发明第四方面提供的计算机可读存储介质具有上述步骤的全部技术效果，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本公开的范围。
在本公开所提供的实施例中，应该理解到，所揭露的装置/电子设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/电子设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
集成的模块/单元如果以软件功能单元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存储介质中。基于这样的理解，本公开实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可以存储在计算机可读存储介质中，该计算机程序在被处理器执行时，可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如，在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本公开各实施例技术方案的精神和范围，均应包含在本公开的保护范围之内。

Claims (10)

1.一种基于激光定位的车间仪表巡检方法，其特征在于，包括如下步骤：
构建车间实物和采集设备的仿真模型，并与所述采集设备建立数字孪生关系；根据用于抓取所述车间实物上仪表信息的采集点，在所述仿真模型上设定参考点；
当某一所述仪表需要信息采集时，控制所述采集设备达到当前所述仪表的采集点；在所述采集设备到达所述采集点后，实时获取所述采集设备的位置数据；
根据所述位置数据和所述参考点模拟生成移动控制数据，所述采集设备通过所述移动控制数据对准所述仪表，并获取包含所述仪表信息的图像数据；
识别所述图像数据后进行检测，输出检测结果。
2.根据权利要求1所述的巡检方法，其特征在于，所述仿真模型上还设定有用于引导所述采集设备的仿真模型到达所述参考点的巡航路径；所述车间实物包括地面，所述巡航路径对应所述地面上形成的通道；以及
所述采集设备包括移动在所述通道上的多个巡检端和固定于所述车间实物的至少一个观测端。
3.根据权利要求2所述的巡检方法，其特征在于，所述的控制所述采集设备达到当前仪表的采集点的步骤，具体包括：
获取当前时刻所有所述巡检端的位置数据，根据预存的当前所述仪表的位置数据，筛选出与当前所述仪表距离最近的所述巡检端；
控制筛选后的所述巡检端的仿真模型沿所述巡航路径靠近对应所述采集点的所述参考点；
实时生成所述巡检端跟随所述仿真模型移动的移动控制数据，发送所述移动控制数据至所述巡检端，直至所述巡检端到达所述采集点。
4.根据权利要求3所述的巡检方法，其特征在于，所有所述巡检端与至少一个所述观测端通过监控网络传输数据；以及所述的所述巡检端跟随所述仿真模型移动的步骤，具体包括：
所述观测端对准所述巡检端，以获取所述巡检端的移动控制数据及当前坐标数据；
根据所述移动控制数据和所述当前坐标数据，生成第一矫正数据并发送至所述巡检端；
所述巡检端根据所述移动控制数据和所述第一矫正数据沿所述巡航路径对应的通道移动。
5.根据权利要求3所述的巡检方法，其特征在于，在所述巡检端跟随所述仿真模型移动的过程中及所述巡检端到达所述采集点后，所述观测端实时对所述观测端进行行为采集和行为检测。
6.根据权利要求5所述的巡检方法，其特征在于，所述的所述观测端实时对所述观测端进行行为采集和行为检测的步骤，具体包括；
所述观测端获取所述巡检端周围的实时点云数据，根据预存的原始点云数判断所述实时点云数据中的障碍物；
在所述实时点云数据对所有所述障碍物进行邻域分析，以区分实体障碍物和透视障碍物；
所述观测端对具有实体障碍物的实时点云数据，生成警报数据；所述观测端对具有透视障碍物的实时点云数据，生成第二矫正数据并发送至所述巡检端。
7.根据权利要求6所述的巡检方法，其特征在于，所述透视障碍物包括扬尘障碍物和强光反射面。
8.一种用于实施如权利要求1-7中任一项所述的巡检方法的巡检系统，其特征在于，包括：
数字孪生和仿真模型模块，用于构建车间实物及其内部仪表的仿真模型，在仿真模型中设定采集仪表信息所需的参考点，以及确保物理环境中的变化实时反映在仿真模型中；
数据采集和设备控制模块：当仪表需要信息采集时，指挥采集设备移动到对应的采集点；以及采集设备到达采集点后，实时获取其位置数据；
移动控制数据生成模块，用于根据采集设备的位置数据和仿真模型中的参考点，生成用于指导采集设备的移动控制数据；以及确保采集设备能够准确地对准车间仪表，以获取图像数据；
图像数据处理和分析模块，用于对采集设备捕获含有仪表信息的图像数据，通过图像识别技术和算法处理图像数据，识别仪表读数或状态；以及分析图像数据，输出仪表的检测结果；
用户界面和交互模块，用于提供用户界面，以使操作人员监控采集过程，查看仪表数据和系统状态；以及根据用户输入指令，调整采集参数或处理异常情况。
9.一种电子设备，包括存储器、处理器以及储存在所述存储器中并且能够在所述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计算机程序时实现如权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。
CN202410045419.2A 2024-01-12 2024-01-12 一种基于激光定位的车间仪表巡检方法及系统 Active CN117558072B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410045419.2A CN117558072B (zh) 2024-01-12 2024-01-12 一种基于激光定位的车间仪表巡检方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410045419.2A CN117558072B (zh) 2024-01-12 2024-01-12 一种基于激光定位的车间仪表巡检方法及系统

Publications (2)

Publication Number Publication Date
CN117558072A true CN117558072A (zh) 2024-02-13
CN117558072B CN117558072B (zh) 2024-04-19

Family

ID=89811501

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410045419.2A Active CN117558072B (zh) 2024-01-12 2024-01-12 一种基于激光定位的车间仪表巡检方法及系统

Country Status (1)

Country Link
CN (1) CN117558072B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6678394B1 (en) * 1999-11-30 2004-01-13 Cognex Technology And Investment Corporation Obstacle detection system
CN109599945A (zh) * 2018-11-30 2019-04-09 武汉大学 一种智慧电厂自主巡检机器人巡检系统及方法
CN111958591A (zh) * 2020-07-30 2020-11-20 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
CN112630594A (zh) * 2020-11-27 2021-04-09 中国计量大学 一种用于电缆检测的巡检机器人
CN113688817A (zh) * 2021-08-05 2021-11-23 同济人工智能研究院(苏州)有限公司 一种自动巡检的仪表识别方法及识别系统
CN114093052A (zh) * 2021-11-17 2022-02-25 中国工商银行股份有限公司 适用于机房管理的智能巡检方法及系统
CN117010197A (zh) * 2023-08-08 2023-11-07 中国工商银行股份有限公司 基于数字孪生的设备检测方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6678394B1 (en) * 1999-11-30 2004-01-13 Cognex Technology And Investment Corporation Obstacle detection system
CN109599945A (zh) * 2018-11-30 2019-04-09 武汉大学 一种智慧电厂自主巡检机器人巡检系统及方法
CN111958591A (zh) * 2020-07-30 2020-11-20 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
CN112630594A (zh) * 2020-11-27 2021-04-09 中国计量大学 一种用于电缆检测的巡检机器人
CN113688817A (zh) * 2021-08-05 2021-11-23 同济人工智能研究院(苏州)有限公司 一种自动巡检的仪表识别方法及识别系统
CN114093052A (zh) * 2021-11-17 2022-02-25 中国工商银行股份有限公司 适用于机房管理的智能巡检方法及系统
CN117010197A (zh) * 2023-08-08 2023-11-07 中国工商银行股份有限公司 基于数字孪生的设备检测方法及装置

Also Published As

Publication number Publication date
CN117558072B (zh) 2024-04-19

Similar Documents

Publication Publication Date Title
US10044996B2 (en) Method for projecting virtual data and device enabling this projection
EP2752657B1 (en) System and methods for stand-off inspection of aircraft structures
FI74556C (fi) Foerfarande foer tredimensionell oevervakning av ett maolutrymme.
JP6683727B2 (ja) 自律スキャナを用いた、金属容器の耐火ライニングの評価
US20140336928A1 (en) System and Method of Automated Civil Infrastructure Metrology for Inspection, Analysis, and Information Modeling
CN107088892A (zh) 一种基于双目视觉的工业机器人运动精度检测方法
CN111158358B (zh) 一种基于三维模型对变电/换流站自优巡检的方法及系统
KR20150114106A (ko) 증강현실기반 플랜트 현장운영자용 정보제공장치 및 이를 이용한 정보제공방법
CN105445729A (zh) 无人机飞行三维航迹精度检测方法及系统
CN111694285A (zh) 适用于船用装卸臂的码头3d智能管控平台
CN105372650A (zh) 一种无人机飞行航迹精度检测方法及装置
CN111830491A (zh) 一种导航系统中反光体的监测方法、装置及电子设备
US20220102018A1 (en) Systems and methods for laser inspection and measurements
CN112484655A (zh) 大型罐式设备结构变形在线检测与适用性评估系统及方法
KR20140117903A (ko) 비접촉 변위측정시스템
CN117558072B (zh) 一种基于激光定位的车间仪表巡检方法及系统
Montero et al. Intelligent robotic system for autonomous crack detection and caracterization in concrete tunnels
CN116755451B (zh) 一种智能巡逻机器人路径规划方法及系统
US20200363530A1 (en) Measurement system, measurement method, and measurement program
CN111590559A (zh) 一种防爆巡检任务控制方法、存储介质及机器人
Gilmour et al. Robotic positioning for quality assurance of feature-sparse components using a depth-sensing camera
CN115797406A (zh) 一种越界告警方法、装置、设备及存储介质
KR101497396B1 (ko) 타겟 위치 측정시스템 및 이를 이용한 타겟 위치 측정방법
CN116227849B (zh) 一种用于企业危险作业的规范化管理及预警系统
MXPA05001278A (es) Metodo y dispositivo para la inspeccion de infraestructuras lineales.

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