CN117831147B - 一种机器人与摄像头联合巡检方法及系统 - Google Patents
一种机器人与摄像头联合巡检方法及系统 Download PDFInfo
- Publication number
- CN117831147B CN117831147B CN202410240909.8A CN202410240909A CN117831147B CN 117831147 B CN117831147 B CN 117831147B CN 202410240909 A CN202410240909 A CN 202410240909A CN 117831147 B CN117831147 B CN 117831147B
- Authority
- CN
- China
- Prior art keywords
- target
- robot
- inspection
- place
- inspection place
- 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.)
- Active
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 468
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000003044 adaptive effect Effects 0.000 claims abstract description 8
- 230000006978 adaptation Effects 0.000 claims description 103
- 238000012216 screening Methods 0.000 claims description 60
- 238000012545 processing Methods 0.000 claims description 26
- 238000004458 analytical method Methods 0.000 claims description 22
- 238000011156 evaluation Methods 0.000 claims description 17
- 238000005452 bending Methods 0.000 claims description 16
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 230000002035 prolonged effect Effects 0.000 abstract description 3
- 230000007547 defect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Landscapes
- Manipulator (AREA)
Abstract
本发明公开了一种机器人与摄像头联合巡检方法及系统,涉及机器人技术领域,本发明包括:步骤一、目标巡检场所信息获取、步骤二、机器人筛选、步骤三、摄像头筛选和步骤四、显示处理,本发明在步骤二中对机器人与巡检场所的自由度适配值、定位精度适配值、工作速度适配值和续航适配值进行分析,分析维度较为多元化,保障筛选的巡检场所的适宜机器人的精确性,从而提高巡检场所的适宜机器人的参考性,确保后续机器人对巡检场所的巡检效果,本发明在步骤三中分析目标巡检场所所属适宜机器人与适宜摄像头的适配值,保障机器人与摄像头的适配性,保障机器人对巡检场所的巡检速度和准确性,提高摄像头和机器人的使用寿命。
Description
技术领域
本发明涉及机器人技术领域,具体涉及一种机器人与摄像头联合巡检方法及系统。
背景技术
随着科技的飞速发展,机器人与摄像头联合巡检在各个领域的重要性和必要性日益凸显。机器人与摄像头联合巡检能够提高巡检工作的效率。传统的人工巡检方式不仅耗时耗力,而且容易受到人为因素的影响,导致巡检结果的准确性和可靠性难以保证。若机器人与摄像头的搭配适宜,再进行联合巡检则能够实现对巡检区域的全方位、无死角的覆盖,大大提高了巡检的速度和准确性。此外,机器人可以根据预设的巡检路线和任务自动进行巡检,减少了人工干预,降低了出错率,因此,对机器人与摄像头的搭配进行分析尤其重要。
现有技术中对机器人与摄像头的搭配的分析在一定程度上可以满足要求,但是还存在一定的缺陷,其具体体现在以下几个层面:(1)现有技术中大多通过机器人的产品描述和巡检场所的巡检目的筛选巡检场所的适宜机器人,对机器人与巡检场所的自由度适配值、定位精度适配值、工作速度适配值和续航适配值关注度不高,分析维度较为单一,难以保障筛选的巡检场所的适宜机器人的精确性,从而降低巡检场所的适宜机器人的参考性,难以确保后续机器人对巡检场所的巡检效果。
(2)现有技术中在为巡检场所适宜机器人搭载摄像头时,对摄像头的性能与机器人处理能力的适配性的关注度不高,摄像头的性能越好,对机器人的处理能力要求越高,现有技术中对这一方面的忽视难以保障机器人与摄像头的适配性,容易出现摄像头性能较高但机器人处理能力不足的现象,进而影响后续机器人的巡检,难以保障机器人对巡检场所的巡检速度和准确性,在一定程度上降低摄像头和机器人的使用寿命。
发明内容
本发明的目的在于提供的一种机器人与摄像头联合巡检方法及系统,解决了背景技术中存在的问题。
为解决上述技术问题,本发明采用如下技术方案:本发明第一方面提供一种机器人与摄像头联合巡检方法,包括:步骤一、目标巡检场所信息获取:从web数据库中提取目标巡检场所的三维模型,并从中提取目标巡检场所的预计巡检路线、适宜巡检时长范围、巡检目的和对摄像头的需求描述文本。
步骤二、机器人筛选:从web数据库中提取各机器人对应的性能参数和产品描述文本,其中性能参数包括自由度、最大工作速度、定位精度、电池容量,初步筛选目标巡检场所对应的各适宜机器人。
步骤三、摄像头筛选:基于目标巡检场所对应的各适宜机器人,结合web数据库中的各摄像头及其对应的满足需求描述文本,筛选目标巡检场所所属各适宜机器人对应的各适宜摄像头,分析目标巡检场所所属各适宜机器人与各适宜摄像头的适配值,并筛选目标巡检场所所属各适宜机器人的匹配摄像头。
步骤四、显示处理:将目标巡检场所所属各适宜机器人搭载匹配摄像头,计算目标巡检场所所属各适宜机器人的搭载成本,将目标巡检场所所属各适宜机器人按照搭载成本从低到高的顺序进行排序,将目标巡检场所排序后的各适宜机器人进行显示。
优选地,所述初步筛选目标巡检场所对应的各适宜机器人,其具体分析方法为:从各机器人对应的性能参数中提取自由度、最大工作速度、定位精度、电池容量。
基于各机器人的产品描述文本、目标巡检场所的巡检目的和预计巡检路线,分析各机器人与目标巡检场所的初始适配度。
基于各机器人对应的自由度和目标巡检场所的预计巡检路线,分析各机器人与目标巡检场所的自由度适配值。
基于各机器人对应的定位精度和目标巡检场所的预计巡检路线,分析各机器人与目标巡检场所的定位精度适配值。
基于各机器人对应的最大工作速度和目标巡检场所的适宜巡检时长范围,分析各机器人与目标巡检场所的工作速度适配值。
基于各机器人对应的电池容量和目标巡检场所的预计巡检路线,分析各机器人与目标巡检场所的续航适配值。
结合各机器人与目标巡检场所的初始适配度、自由度适配值、定位精度适配值、工作速度适配值和续航适配值,筛选目标巡检场所对应的各适宜机器人。
优选地,所述各机器人与目标巡检场所的初始适配度,其具体分析方法为:基于各机器人的产品描述文本,获取各机器人的产品描述文本若干关键字,结合web数据库中存储的使用场景关键字集合,筛选各机器人的各使用场景关键字,构建各机器人的使用场景关键字集合,将各机器人所属功能描述文本中其余各关键字记为各功能关键字,构建各机器人的功能描述关键字集合/>,其中/>为各机器人的编号,/>,/>为大于2的任意整数。
基于目标巡检场所的巡检目的,构建目标巡检场所的巡检目的文本。
基于目标巡检场所的预计巡检路线,获取目标巡检场所的室外预计巡检路线和室内预计巡检路线,进而获取目标巡检场所的室外预计巡检路线的长度和室内预计巡检路线的长度。
获取目标巡检场所的预计巡检路线的总长度,将目标巡检场所的室外预计巡检路线的长度与预计巡检路线的总长度相除,得到目标巡检场所的室外关键字相似的占比因子a,并将目标巡检场所的室内巡检路线的长度与预计巡检路线的总长度相除,得到目标巡检场所的室内关键字相似的占比因子a’。
从web数据库中提取室内的各近义词,并由室内及其各近义词构建室内关键字集合E。
从web数据库中提取室外的各近义词,并由室外及其各近义词构建室外关键字集合F。
综合分析各机器人与目标巡检场所的初始适配度,其中/>、/>分别表示为预定义的功能匹配的权重影响因子、场景匹配的权重影响因子。
优选地,所述各机器人与目标巡检场所的自由度适配值,其具体分析方法为:基于目标巡检场所的预计巡检路线,获取目标巡检场所所属预计巡检路线的各弯曲角度,其中/>为各弯曲角度的编号,/>,/>为大于2的任意整数。
统计目标巡检场所所属预计巡检路线的弯曲角度的数量,并从web数据库中提取单位巡检路线长度对应的允许弯曲角度的数量/>,结合目标巡检场所的预计巡检路线的长度/>,进而分析目标巡检场所的预计巡检路线的复杂度/>,其中/>为预定义的相邻弯曲角度的适宜偏差弯曲角度偏差值,/>为弯曲角度的数量。
将目标巡检场所的预计巡检路线的复杂度与web数据库中存储的各需求自由度对应的巡检路线的复杂度区间进行对比,筛选目标巡检场所的需求自由度。
基于各机器人对应的自由度,分析各机器人与目标巡检场所的自由度适配值。
优选地,所述各机器人与目标巡检场所的定位精度适配值,其具体分析方法为:基于目标巡检场所的室内预计巡检路线,获取目标巡检场所所属机器人在室内的最短宽度,并将其与web数据库中存储的各运行距离区间对应的适宜定位精度进行对比,筛选目标巡检场所所属机器人在室内的适宜定位精度。
基于目标巡检场所的室外预计巡检路线,获取目标巡检场所所属机器人在室外与障碍物的最短距离,并将其与各运行距离区间对应的适宜定位精度进行对比,筛选目标巡检场所所属机器人在室外的适宜定位精度。
基于目标巡检场所所属机器人在室内的适宜定位精度和室外的适宜定位精度,筛选目标巡检场所所属机器人的参考定位精度。
结合各机器人的定位精度,分析各机器人与目标巡检场所的定位精度适配值,其中/>为自然常数。
优选地,所述各机器人与目标巡检场所的工作速度适配值,其具体分析方法为:基于目标巡检场所的适宜巡检时长范围获取最短适宜巡检时长和最长适宜巡检时长,基于目标巡检场所的预计巡检路线获取目标巡检场所的预计巡检路线的长度,从而计算目标巡检场所的工作速度下限值,并计算目标巡检场所的工作速度上限值/>,并据此构建目标巡检场所所属机器人的适宜工作速度区间。
结合各机器人对应的最大工作速度,并选取目标巡检场所所属机器人的适宜工作速度区间的中间值作为目标巡检场所所属机器人的参考适宜工作速度/>。
分析各机器人与目标巡检场所的工作速度适配值,其中/>为自然常数。
优选地,所述各机器人与目标巡检场所的续航适配值,其具体分析方法为:从web数据库中提取各机器人所属单位路径长度对应的消耗电池容量,并将其与目标巡检场所的预计巡检路径的长度相乘,计算各机器人在目标巡检场所的预计消耗电池容量。
将目标巡检场所的预计巡检路线的复杂度与web数据库中的单位复杂度对应的补偿电池容量相乘,计算目标巡检场所的补偿电池容量。
将各机器人在目标巡检场所的预计消耗电池容量与补偿电池容量相加,得到各机器人在目标巡检场所的需求补充电池容量。
基于各机器人对应的电池容量,分析各机器人与目标巡检场所的续航适配值。
优选地,所述目标巡检场所所属各适宜机器人与各适宜摄像头的适配值,其具体分析方法为:基于web数据库中存储的各机器人的架构类型、cpu的工作频率、核心数量、线程数量,提取目标巡检场所所属各适宜机器人的架构类型、cpu的工作频率、核心数量/>和线程数量/>,其中/>为各适宜机器人的编号,/>,/>为大于2的任意整数。
结合web数据库中存储的各架构类型对应的处理能力值,筛选目标巡检场所所属各适宜机器人的架构类型的处理能力值,综合分析目标巡检场所所属各适宜机器人的处理能力评估指数/>。
基于web数据库中存储的各摄像头的分辨率和帧率,提取目标巡检场所所属各适宜机器人对应各适宜摄像头的分辨率和帧率/>,其中/>为各适宜摄像头的编号,,/>为大于2的任意整数,并分析目标巡检场所所属各适宜机器人对应各适宜摄像头的性能评估指数/>。
结合web数据库中存储的被搭载机器人的各需求处理能力评估指数对应的摄像头的性能评估指数区间,筛选目标巡检场所所属各适宜机器人对应各适宜摄像头的需求处理能力评估指数。
分析目标巡检场所所属各适宜机器人与各适宜摄像头的适配值。
本发明第二方面提供一种执行本发明任一项所述机器人与摄像头联合巡检方法的机器人与摄像头联合巡检系统,包括:目标巡检场所信息获取模块,用于从web数据库中提取目标巡检场所的三维模型,并从中提取目标巡检场所的预计巡检路线、适宜巡检时长范围、巡检目的和对摄像头的需求描述文本。
机器人筛选模块,用于从web数据库中提取各机器人对应的性能参数和产品描述文本,其中性能参数包括自由度、最大工作速度、定位精度、电池容量,初步筛选目标巡检场所对应的各适宜机器人。
摄像头筛选模块,用于基于目标巡检场所对应的各适宜机器人,结合web数据库中的各摄像头及其对应的满足需求描述文本,筛选目标巡检场所所属各适宜机器人对应的各适宜摄像头,分析目标巡检场所所属各适宜机器人与各适宜摄像头的适配值,并筛选目标巡检场所所属各适宜机器人的匹配摄像头。
显示终端,用于将目标巡检场所所属各适宜机器人搭载匹配摄像头,计算目标巡检场所所属各适宜机器人的搭载成本,将目标巡检场所所属各适宜机器人按照搭载成本从低到高的顺序进行排序,将目标巡检场所排序后的各适宜机器人进行显示。
本发明的有益效果在于:(1)本发明在步骤一中获取目标巡检场所的三维模型和一些待巡检需求信息,进而为后续目标巡检场所的适宜机器人的筛选提供了数据支持,并为目标巡检场所所属适宜机器人的匹配摄像头的分析奠定了基础。
(2)本发明在步骤二中通过机器人的产品描述和目标巡检场所的巡检目的分析机器人与巡检场所的初始适配度,并基于机器人的性能参数和目标巡检场所的预计巡检路线、适宜巡检时长范围、巡检目的对机器人与巡检场所的自由度适配值、定位精度适配值、工作速度适配值和续航适配值进行分析,克服了现有技术中对这一方面关注度不高的缺陷,分析维度较为多元化,保障筛选的巡检场所的适宜机器人的精确性,从而提高巡检场所的适宜机器人的参考性,确保后续机器人对巡检场所的巡检效果。
(3)本发明在步骤三中通过目标巡检场所所属适宜机器人对应适宜摄像头的性能分析需求处理能力评估指数,从而分析目标巡检场所所属适宜机器人与适宜摄像头的适配值,弥补了现有技术中对这一层面忽视的不足,进而保障机器人与摄像头的适配性,避免出现摄像头性能较高但机器人处理能力不足的现象,确保后续机器人的巡检,保障机器人对巡检场所的巡检速度和准确性,在一定程度上提高摄像头和机器人的使用寿命。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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为本发明的方法流程图;
图2为本发明系统结构连接示意图。
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。
参照图1所示,本发明第一方面提供一种机器人与摄像头联合巡检方法,包括:步骤一、目标巡检场所信息获取:从web数据库中提取目标巡检场所的三维模型,并从中提取目标巡检场所的预计巡检路线、适宜巡检时长范围、巡检目的和对摄像头的需求描述文本。
本发明在步骤一中获取目标巡检场所的三维模型和一些待巡检需求信息,进而为后续目标巡检场所的适宜机器人的筛选提供了数据支持,并为目标巡检场所所属适宜机器人的匹配摄像头的分析奠定了基础。
步骤二、机器人筛选:从web数据库中提取各机器人对应的性能参数和产品描述文本,其中性能参数包括自由度、最大工作速度、定位精度、电池容量,初步筛选目标巡检场所对应的各适宜机器人。
在本发明的具体实施例中,所述初步筛选目标巡检场所对应的各适宜机器人,其具体分析方法为:从各机器人对应的性能参数中提取自由度、最大工作速度、定位精度、电池容量。
基于各机器人的产品描述文本、目标巡检场所的巡检目的和预计巡检路线,分析各机器人与目标巡检场所的初始适配度。
基于各机器人对应的自由度和目标巡检场所的预计巡检路线,分析各机器人与目标巡检场所的自由度适配值。
基于各机器人对应的定位精度和目标巡检场所的预计巡检路线,分析各机器人与目标巡检场所的定位精度适配值。
基于各机器人对应的最大工作速度和目标巡检场所的适宜巡检时长范围,分析各机器人与目标巡检场所的工作速度适配值。
基于各机器人对应的电池容量和目标巡检场所的预计巡检路线,分析各机器人与目标巡检场所的续航适配值。
结合各机器人与目标巡检场所的初始适配度、自由度适配值、定位精度适配值、工作速度适配值和续航适配值,筛选目标巡检场所对应的各适宜机器人。
需要说明的是,所述目标巡检场所对应的各适宜机器人,其具体分析方法为:将各机器人与目标巡检场所的初始适配度与预定义的初始适配度阈值进行对比,将各机器人与目标巡检场所的自由度适配值与预定义的自由度阈值进行对比,将各机器人与目标巡检场所的定位精度适配值与预定义的定位精度适配阈值进行对比,将各机器人与目标巡检场所的工作速度适配值与预定义的工作速度适配阈值进行对比,将各机器人与目标巡检场所的续航适配值与预定义的续航适配阈值进行对比。
若某机器人与目标巡检场所的初始适配度大于或等于初始适配度阈值,且该机器人与目标巡检场所的自由度适配值大于或等于自由度适配阈值,且该机器人与目标巡检场所的定位精度适配值大于或等于定位精度适配阈值,且该机器人与目标巡检场所的工作速度适配值大于或等于工作速度适配阈值,且该机器人与目标巡检场所的续航适配值大于或等于续航适配阈值,则将该机器人记为目标巡检场所对应的适宜机器人,从而得到目标巡检场所对应的各适宜机器人。
在本发明的具体实施例中,所述各机器人与目标巡检场所的初始适配度,其具体分析方法为:基于各机器人的产品描述文本,获取各机器人的产品描述文本若干关键字,结合web数据库中存储的使用场景关键字集合,筛选各机器人的各使用场景关键字,构建各机器人的使用场景关键字集合,将各机器人所属功能描述文本中其余各关键字记为各功能关键字,构建各机器人的功能描述关键字集合/>,其中/>为各机器人的编号,/>,/>为大于2的任意整数。
基于目标巡检场所的巡检目的,构建目标巡检场所的巡检目的文本。
基于目标巡检场所的预计巡检路线,获取目标巡检场所的室外预计巡检路线和室内预计巡检路线,进而获取目标巡检场所的室外预计巡检路线的长度和室内预计巡检路线的长度。
获取目标巡检场所的预计巡检路线的总长度,将目标巡检场所的室外预计巡检路线的长度与预计巡检路线的总长度相除,得到目标巡检场所的室外关键字相似的占比因子a,并将目标巡检场所的室内巡检路线的长度与预计巡检路线的总长度相除,得到目标巡检场所的室内关键字相似的占比因子a’。
从web数据库中提取室内的各近义词,并由室内及其各近义词构建室内关键字集合E。
从web数据库中提取室外的各近义词,并由室外及其各近义词构建室外关键字集合F。
综合分析各机器人与目标巡检场所的初始适配度,其中/>、/>分别表示为预定义的功能匹配的权重影响因子、场景匹配的权重影响因子。
需要说明的是,所述、/>的取值范围均为0-1。
在本发明的具体实施例中,所述各机器人与目标巡检场所的自由度适配值,其具体分析方法为:基于目标巡检场所的预计巡检路线,获取目标巡检场所所属预计巡检路线的各弯曲角度,其中/>为各弯曲角度的编号,/>,/>为大于2的任意整数。
统计目标巡检场所所属预计巡检路线的弯曲角度的数量,并从web数据库中提取单位巡检路线长度对应的允许弯曲角度的数量/>,结合目标巡检场所的预计巡检路线的长度/>,进而分析目标巡检场所的预计巡检路线的复杂度,其中/>为预定义的相邻弯曲角度的适宜偏差弯曲角度偏差值,/>为弯曲角度的数量。
将目标巡检场所的预计巡检路线的复杂度与web数据库中存储的各需求自由度对应的巡检路线的复杂度区间进行对比,筛选目标巡检场所的需求自由度。
基于各机器人对应的自由度,分析各机器人与目标巡检场所的自由度适配值。
在本发明的具体实施例中,所述各机器人与目标巡检场所的定位精度适配值,其具体分析方法为:基于目标巡检场所的室内预计巡检路线,获取目标巡检场所所属机器人在室内的最短宽度,并将其与web数据库中存储的各运行距离区间对应的适宜定位精度进行对比,筛选目标巡检场所所属机器人在室内的适宜定位精度。
需要说明的是,所述获取目标巡检场所所属机器人在室内的最短宽度,其具体获取方法为:基于目标巡检场所的室内预计巡检路线,获取目标巡检场所的室内预计巡检路线所属各路径点与两边建筑物的距离,进而筛选最短距离,将其作为目标巡检场所所属机器人在室内的最短宽度。
基于目标巡检场所的室外预计巡检路线,获取目标巡检场所所属机器人在室外与障碍物的最短距离,并将其与各运行距离区间对应的适宜定位精度进行对比,筛选目标巡检场所所属机器人在室外的适宜定位精度。
需要说明的是,所述目标巡检场所所属机器人在室外与障碍物的最短距离,其具体获取方法为:基于目标巡检场所的室外预计巡检路线,获取目标巡检场所的室外预计巡检路线所属各路径点与各障碍物的距离,筛选最短距离,将其作为目标巡检场所所属机器人在室外与障碍物的最短距离。
基于目标巡检场所所属机器人在室内的适宜定位精度和室外的适宜定位精度,筛选目标巡检场所所属机器人的参考定位精度。
需要说明的是,所述筛选目标巡检场所所属机器人的参考定位精度,其具体筛选方法为:将目标巡检场所所属机器人在室内的适宜定位精度与室外的适宜定位精度进行对比,若目标巡检场所所属机器人在室内的适宜定位精度小于或等于室外的适宜定位精度,则将目标巡检场所所属机器人在室内的适宜定位精度作为目标巡检场所所属机器人的参考定位精度,反之,则将目标巡检场所所属机器人在室外的适宜定位精度作为目标巡检场所所属机器人的参考定位精度。
结合各机器人的定位精度,分析各机器人与目标巡检场所的定位精度适配值,其中/>为自然常数。
在本发明的具体实施例中,所述各机器人与目标巡检场所的工作速度适配值,其具体分析方法为:基于目标巡检场所的适宜巡检时长范围获取最短适宜巡检时长和最长适宜巡检时长,基于目标巡检场所的预计巡检路线获取目标巡检场所的预计巡检路线的长度,从而计算目标巡检场所的工作速度下限值,并计算目标巡检场所的工作速度上限值/>,并据此构建目标巡检场所所属机器人的适宜工作速度区间。
结合各机器人对应的最大工作速度,并选取目标巡检场所所属机器人的适宜工作速度区间的中间值作为目标巡检场所所属机器人的参考适宜工作速度/>。
分析各机器人与目标巡检场所的工作速度适配值,其中/>为自然常数。
在本发明的具体实施例中,所述各机器人与目标巡检场所的续航适配值,其具体分析方法为:从web数据库中提取各机器人所属单位路径长度对应的消耗电池容量,并将其与目标巡检场所的预计巡检路径的长度相乘,计算各机器人在目标巡检场所的预计消耗电池容量。
将目标巡检场所的预计巡检路线的复杂度与web数据库中的单位复杂度对应的补偿电池容量相乘,计算目标巡检场所的补偿电池容量。
将各机器人在目标巡检场所的预计消耗电池容量与补偿电池容量相加,得到各机器人在目标巡检场所的需求补充电池容量。
基于各机器人对应的电池容量,分析各机器人与目标巡检场所的续航适配值。
本发明在步骤二中通过机器人的产品描述和目标巡检场所的巡检目的分析机器人与巡检场所的初始适配度,并基于机器人的性能参数和目标巡检场所的预计巡检路线、适宜巡检时长范围、巡检目的对机器人与巡检场所的自由度适配值、定位精度适配值、工作速度适配值和续航适配值进行分析,克服了现有技术中对这一方面关注度不高的缺陷,分析维度较为多元化,保障筛选的巡检场所的适宜机器人的精确性,从而提高巡检场所的适宜机器人的参考性,确保后续机器人对巡检场所的巡检效果。
步骤三、摄像头筛选:基于目标巡检场所对应的各适宜机器人,结合web数据库中的各摄像头及其对应的满足需求描述文本,筛选目标巡检场所所属各适宜机器人对应的各适宜摄像头,分析目标巡检场所所属各适宜机器人与各适宜摄像头的适配值,并筛选目标巡检场所所属各适宜机器人的匹配摄像头。
需要说明的是,所述筛选目标巡检场所所属各适宜机器人对应的各适宜摄像头,其具体分析方法为:结合目标巡检场所对摄像头的需求描述文本,基于关键词提取技术,提取目标巡检场所对摄像头的各需求关键词,从web数据库中提取各摄像头的满足需求描述文本,提取各摄像头的各满足需求关键词。
将各摄像头的各满足需求关键词与目标巡检场所对摄像头的各需求关键词进行对比,若目标巡检场所对摄像头的某需求关键词与某摄像头的某满足需求关键词匹配成功,则将该满足需求关键词记为匹配关键词,进而统计目标巡检场所与各摄像头的各匹配关键词。
统计目标巡检场所的需求关键词的数量,并统计目标巡检场所与各摄像头的匹配关键词的数量,若目标巡检场所的需求关键词的数量小于或等于与某摄像头的匹配关键词的数量,则将该摄像头记为适宜摄像头,进而得到目标巡检场所的各适宜摄像头,并将其作为目标巡检场所所属各适宜机器人对应的各适宜摄像头。
需要说明的是,所述需求描述文本,其具体为防水,耐高温和防腐蚀等。
在本发明的具体实施例中,所述目标巡检场所所属各适宜机器人与各适宜摄像头的适配值,其具体分析方法为:基于web数据库中存储的各机器人的架构类型、cpu的工作频率、核心数量、线程数量,提取目标巡检场所所属各适宜机器人的架构类型、cpu的工作频率、核心数量/>和线程数量/>,其中/>为各适宜机器人的编号,/>,/>为大于2的任意整数。
需要说明的是,所述架构类型,其具体为Sandy Bridge、Ivy Bridge和Haswell等。
结合web数据库中存储的各架构类型对应的处理能力值,筛选目标巡检场所所属各适宜机器人的架构类型的处理能力值,综合分析目标巡检场所所属各适宜机器人的处理能力评估指数/>。
基于web数据库中存储的各摄像头的分辨率和帧率,提取目标巡检场所所属各适宜机器人对应各适宜摄像头的分辨率和帧率/>,其中/>为各适宜摄像头的编号,,/>为大于2的任意整数,并分析目标巡检场所所属各适宜机器人对应各适宜摄像头的性能评估指数/>。
结合web数据库中存储的被搭载机器人的各需求处理能力评估指数对应的摄像头的性能评估指数区间,筛选目标巡检场所所属各适宜机器人对应各适宜摄像头的需求处理能力评估指数。
分析目标巡检场所所属各适宜机器人与各适宜摄像头的适配值。
还需要说明的是,所述筛选目标巡检场所所属各适宜机器人的匹配摄像头,其具体筛选方法为:基于目标巡检场所所属各适宜机器人与各适宜摄像头的适配值,若目标巡检场所所属各适宜机器人与某适宜摄像头的适配值最大,则将该适宜摄像头记为匹配摄像头,进而得到目标巡检场所所属各适宜机器人的匹配摄像头。
本发明在步骤三中通过目标巡检场所所属适宜机器人对应适宜摄像头的性能分析需求处理能力评估指数,从而分析目标巡检场所所属适宜机器人与适宜摄像头的适配值,弥补了现有技术中对这一层面忽视的不足,进而保障机器人与摄像头的适配性,避免出现摄像头性能较高但机器人处理能力不足的现象,确保后续机器人的巡检,保障机器人对巡检场所的巡检速度和准确性,在一定程度上提高摄像头和机器人的使用寿命。
步骤四、显示处理:将目标巡检场所所属各适宜机器人搭载匹配摄像头,计算目标巡检场所所属各适宜机器人的搭载成本,将目标巡检场所所属各适宜机器人按照搭载成本从低到高的顺序进行排序,将目标巡检场所排序后的各适宜机器人进行显示。
需要说明的是,所述计算目标巡检场所所属各适宜机器人的搭载成本,其具体计算方法为:基于web数据库中存储的各机器人的成本,筛选目标巡检场所所属各适宜机器人的成本,并基于web数据库中存储的各摄像头的成本,筛选目标巡检场所所属各适宜机器人对应匹配摄像头的成本,并将目标巡检场所所属各适宜机器人的成本与匹配摄像头的成本相加,得到目标巡检场所所属各适宜机器人的搭载成本。
参照图2所示,本发明第二方面提供一种执行本发明任一项所述机器人与摄像头联合巡检方法的机器人与摄像头联合巡检系统,包括:目标巡检场所信息获取模块,用于从web数据库中提取目标巡检场所的三维模型,并从中提取目标巡检场所的预计巡检路线、适宜巡检时长范围、巡检目的和对摄像头的需求描述文本。
机器人筛选模块,用于从web数据库中提取各机器人对应的性能参数和产品描述文本,其中性能参数包括自由度、最大工作速度、定位精度、电池容量,初步筛选目标巡检场所对应的各适宜机器人。
摄像头筛选模块,用于基于目标巡检场所对应的各适宜机器人,结合web数据库中的各摄像头及其对应的满足需求描述文本,筛选目标巡检场所所属各适宜机器人对应的各适宜摄像头,分析目标巡检场所所属各适宜机器人与各适宜摄像头的适配值,并筛选目标巡检场所所属各适宜机器人的匹配摄像头。
显示终端,用于将目标巡检场所所属各适宜机器人搭载匹配摄像头,计算目标巡检场所所属各适宜机器人的搭载成本,将目标巡检场所所属各适宜机器人按照搭载成本从低到高的顺序进行排序,将目标巡检场所排序后的各适宜机器人进行显示。
需要说明的是,本发明还包括web数据库,用于存储目标巡检场所的三维模型,目标巡检场所的预计巡检路线、适宜巡检时长范围、巡检目的和对摄像头的需求描述文本,各机器人对应的成本、性能参数、产品描述文本、架构类型、cpu的工作频率、核心数量、线程数量、单位路径长度对应的消耗电池容量,各摄像头及其对应的成本和满足需求描述文本,使用场景关键字集合,室内的各近义词,室外的各近义词,单位巡检路线长度对应的允许弯曲角度的数量,各需求自由度对应的巡检路线的长度区间,单位复杂度对应的补偿电池容量,各架构类型对应的处理能力值。
还需要说明的是,所述目标巡检场所信息获取模块分别与机器人筛选模块和摄像头筛选模块连接,摄像头筛选模块与显示终端连接,web数据库分别与目标巡检场所信息获取模块、机器人筛选模块和摄像头筛选模块连接。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本发明所定义的范围,均应属于本发明的保护范围。
Claims (6)
1.一种机器人与摄像头联合巡检方法,其特征在于,包括:
步骤一、目标巡检场所信息获取:从web数据库中提取目标巡检场所的三维模型,并从中提取目标巡检场所的预计巡检路线、适宜巡检时长范围、巡检目的和对摄像头的需求描述文本;
步骤二、机器人筛选:从web数据库中提取各机器人对应的性能参数和产品描述文本,其中性能参数包括自由度、最大工作速度、定位精度、电池容量,初步筛选目标巡检场所对应的各适宜机器人;
步骤三、摄像头筛选:基于目标巡检场所对应的各适宜机器人,结合web数据库中的各摄像头及其对应的满足需求描述文本,筛选目标巡检场所所属各适宜机器人对应的各适宜摄像头,分析目标巡检场所所属各适宜机器人与各适宜摄像头的适配值,并筛选目标巡检场所所属各适宜机器人的匹配摄像头;
步骤四、显示处理:将目标巡检场所所属各适宜机器人搭载匹配摄像头,计算目标巡检场所所属各适宜机器人的搭载成本,将目标巡检场所所属各适宜机器人按照搭载成本从低到高的顺序进行排序,将目标巡检场所排序后的各适宜机器人进行显示;
所述初步筛选目标巡检场所对应的各适宜机器人,其具体分析方法为:
从各机器人对应的性能参数中提取自由度、最大工作速度、定位精度、电池容量;
基于各机器人的产品描述文本、目标巡检场所的巡检目的和预计巡检路线,分析各机器人与目标巡检场所的初始适配度;
基于各机器人对应的自由度和目标巡检场所的预计巡检路线,分析各机器人与目标巡检场所的自由度适配值;
基于各机器人对应的定位精度和目标巡检场所的预计巡检路线,分析各机器人与目标巡检场所的定位精度适配值;
基于各机器人对应的最大工作速度和目标巡检场所的适宜巡检时长范围,分析各机器人与目标巡检场所的工作速度适配值;
基于各机器人对应的电池容量和目标巡检场所的预计巡检路线,分析各机器人与目标巡检场所的续航适配值;
结合各机器人与目标巡检场所的初始适配度、自由度适配值、定位精度适配值、工作速度适配值和续航适配值,筛选目标巡检场所对应的各适宜机器人;
所述各机器人与目标巡检场所的初始适配度,其具体分析方法为:
基于各机器人的产品描述文本,获取各机器人的产品描述文本若干关键字,结合web数据库中存储的使用场景关键字集合,筛选各机器人的各使用场景关键字,构建各机器人的使用场景关键字集合,将各机器人所属功能描述文本中其余各关键字记为各功能关键字,构建各机器人的功能描述关键字集合/>,其中/>为各机器人的编号,/>,/>为大于2的任意整数;
基于目标巡检场所的巡检目的,构建目标巡检场所的巡检目的文本;
基于目标巡检场所的预计巡检路线,获取目标巡检场所的室外预计巡检路线和室内预计巡检路线,进而获取目标巡检场所的室外预计巡检路线的长度和室内预计巡检路线的长度;
获取目标巡检场所的预计巡检路线的总长度,将目标巡检场所的室外预计巡检路线的长度与预计巡检路线的总长度相除,得到目标巡检场所的室外关键字相似的占比因子a,并将目标巡检场所的室内巡检路线的长度与预计巡检路线的总长度相除,得到目标巡检场所的室内关键字相似的占比因子a’;
从web数据库中提取室内的各近义词,并由室内及其各近义词构建室内关键字集合E;
从web数据库中提取室外的各近义词,并由室外及其各近义词构建室外关键字集合F;
综合分析各机器人与目标巡检场所的初始适配度,其中/>、/>分别表示为预定义的功能匹配的权重影响因子、场景匹配的权重影响因子;
所述目标巡检场所所属各适宜机器人与各适宜摄像头的适配值,其具体分析方法为:
基于web数据库中存储的各机器人的架构类型、cpu的工作频率、核心数量、线程数量,提取目标巡检场所所属各适宜机器人的架构类型、cpu的工作频率、核心数量/>和线程数量/>,其中/>为各适宜机器人的编号,/>,/>为大于2的任意整数;
结合web数据库中存储的各架构类型对应的处理能力值,筛选目标巡检场所所属各适宜机器人的架构类型的处理能力值,综合分析目标巡检场所所属各适宜机器人的处理能力评估指数/>;
基于web数据库中存储的各摄像头的分辨率和帧率,提取目标巡检场所所属各适宜机器人对应各适宜摄像头的分辨率和帧率/>,其中/>为各适宜摄像头的编号,,/>为大于2的任意整数,并分析目标巡检场所所属各适宜机器人对应各适宜摄像头的性能评估指数/>;
结合web数据库中存储的被搭载机器人的各需求处理能力评估指数对应的摄像头的性能评估指数区间,筛选目标巡检场所所属各适宜机器人对应各适宜摄像头的需求处理能力评估指数;
分析目标巡检场所所属各适宜机器人与各适宜摄像头的适配值。
2.根据权利要求1所述的一种机器人与摄像头联合巡检方法,其特征在于,所述各机器人与目标巡检场所的自由度适配值,其具体分析方法为:
基于目标巡检场所的预计巡检路线,获取目标巡检场所所属预计巡检路线的各弯曲角度,其中/>为各弯曲角度的编号,/>,/>为大于2的任意整数;
统计目标巡检场所所属预计巡检路线的弯曲角度的数量,并从web数据库中提取单位巡检路线长度对应的允许弯曲角度的数量/>,结合目标巡检场所的预计巡检路线的长度/>,进而分析目标巡检场所的预计巡检路线的复杂度,其中/>为预定义的相邻弯曲角度的适宜偏差弯曲角度偏差值,/>为弯曲角度的数量;
将目标巡检场所的预计巡检路线的复杂度与web数据库中存储的各需求自由度对应的巡检路线的复杂度区间进行对比,筛选目标巡检场所的需求自由度;
基于各机器人对应的自由度,分析各机器人与目标巡检场所的自由度适配值。
3.根据权利要求1所述的一种机器人与摄像头联合巡检方法,其特征在于,所述各机器人与目标巡检场所的定位精度适配值,其具体分析方法为:
基于目标巡检场所的室内预计巡检路线,获取目标巡检场所所属机器人在室内的最短宽度,并将其与web数据库中存储的各运行距离区间对应的适宜定位精度进行对比,筛选目标巡检场所所属机器人在室内的适宜定位精度;
基于目标巡检场所的室外预计巡检路线,获取目标巡检场所所属机器人在室外与障碍物的最短距离,并将其与各运行距离区间对应的适宜定位精度进行对比,筛选目标巡检场所所属机器人在室外的适宜定位精度;
基于目标巡检场所所属机器人在室内的适宜定位精度和室外的适宜定位精度,筛选目标巡检场所所属机器人的参考定位精度;
结合各机器人的定位精度,分析各机器人与目标巡检场所的定位精度适配值,其中/>为自然常数。
4.根据权利要求1所述的一种机器人与摄像头联合巡检方法,其特征在于,所述各机器人与目标巡检场所的工作速度适配值,其具体分析方法为:
基于目标巡检场所的适宜巡检时长范围获取最短适宜巡检时长和最长适宜巡检时长,基于目标巡检场所的预计巡检路线获取目标巡检场所的预计巡检路线的长度,从而计算目标巡检场所的工作速度下限值,并计算目标巡检场所的工作速度上限值/>,并据此构建目标巡检场所所属机器人的适宜工作速度区间;
结合各机器人对应的最大工作速度,并选取目标巡检场所所属机器人的适宜工作速度区间的中间值作为目标巡检场所所属机器人的参考适宜工作速度/>;
分析各机器人与目标巡检场所的工作速度适配值,其中/>为自然常数。
5.根据权利要求1所述的一种机器人与摄像头联合巡检方法,其特征在于,所述各机器人与目标巡检场所的续航适配值,其具体分析方法为:
从web数据库中提取各机器人所属单位路径长度对应的消耗电池容量,并将其与目标巡检场所的预计巡检路径的长度相乘,计算各机器人在目标巡检场所的预计消耗电池容量;
将目标巡检场所的预计巡检路线的复杂度与web数据库中的单位复杂度对应的补偿电池容量相乘,计算目标巡检场所的补偿电池容量;
将各机器人在目标巡检场所的预计消耗电池容量与补偿电池容量相加,得到各机器人在目标巡检场所的需求补充电池容量;
基于各机器人对应的电池容量,分析各机器人与目标巡检场所的续航适配值。
6.一种执行权利要求1-5任一项所述机器人与摄像头联合巡检方法的机器人与摄像头联合巡检系统,其特征在于,包括:
目标巡检场所信息获取模块,用于从web数据库中提取目标巡检场所的三维模型,并从中提取目标巡检场所的预计巡检路线、适宜巡检时长范围、巡检目的和对摄像头的需求描述文本;
机器人筛选模块,用于从web数据库中提取各机器人对应的性能参数和产品描述文本,其中性能参数包括自由度、最大工作速度、定位精度、电池容量,初步筛选目标巡检场所对应的各适宜机器人;
摄像头筛选模块,用于基于目标巡检场所对应的各适宜机器人,结合web数据库中的各摄像头及其对应的满足需求描述文本,筛选目标巡检场所所属各适宜机器人对应的各适宜摄像头,分析目标巡检场所所属各适宜机器人与各适宜摄像头的适配值,并筛选目标巡检场所所属各适宜机器人的匹配摄像头;
显示终端,用于将目标巡检场所所属各适宜机器人搭载匹配摄像头,计算目标巡检场所所属各适宜机器人的搭载成本,将目标巡检场所所属各适宜机器人按照搭载成本从低到高的顺序进行排序,将目标巡检场所排序后的各适宜机器人进行显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410240909.8A CN117831147B (zh) | 2024-03-04 | 2024-03-04 | 一种机器人与摄像头联合巡检方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410240909.8A CN117831147B (zh) | 2024-03-04 | 2024-03-04 | 一种机器人与摄像头联合巡检方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117831147A CN117831147A (zh) | 2024-04-05 |
CN117831147B true CN117831147B (zh) | 2024-05-03 |
Family
ID=90521320
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410240909.8A Active CN117831147B (zh) | 2024-03-04 | 2024-03-04 | 一种机器人与摄像头联合巡检方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117831147B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101477169A (zh) * | 2009-01-16 | 2009-07-08 | 华北电力大学 | 巡检飞行机器人对电力线路的检测方法 |
CN101625573A (zh) * | 2008-07-09 | 2010-01-13 | 中国科学院自动化研究所 | 基于数字信号处理器的巡线机器人单目视觉导航系统 |
WO2016078081A1 (zh) * | 2014-11-21 | 2016-05-26 | 河南送变电工程公司 | 一种多旋翼巡检飞行器及输电线路巡检系统 |
CN107832770A (zh) * | 2017-11-08 | 2018-03-23 | 浙江国自机器人技术有限公司 | 一种设备巡检方法、装置、系统、存储介质及巡检机器人 |
CN116494201A (zh) * | 2023-03-10 | 2023-07-28 | 合肥工业大学 | 一种监控一体化的电力机房巡检机器人及无人巡检方法 |
CN117557931A (zh) * | 2024-01-11 | 2024-02-13 | 速度科技股份有限公司 | 一种基于三维场景的表计最优巡检点的规划方法 |
-
2024
- 2024-03-04 CN CN202410240909.8A patent/CN117831147B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101625573A (zh) * | 2008-07-09 | 2010-01-13 | 中国科学院自动化研究所 | 基于数字信号处理器的巡线机器人单目视觉导航系统 |
CN101477169A (zh) * | 2009-01-16 | 2009-07-08 | 华北电力大学 | 巡检飞行机器人对电力线路的检测方法 |
WO2016078081A1 (zh) * | 2014-11-21 | 2016-05-26 | 河南送变电工程公司 | 一种多旋翼巡检飞行器及输电线路巡检系统 |
CN107832770A (zh) * | 2017-11-08 | 2018-03-23 | 浙江国自机器人技术有限公司 | 一种设备巡检方法、装置、系统、存储介质及巡检机器人 |
CN116494201A (zh) * | 2023-03-10 | 2023-07-28 | 合肥工业大学 | 一种监控一体化的电力机房巡检机器人及无人巡检方法 |
CN117557931A (zh) * | 2024-01-11 | 2024-02-13 | 速度科技股份有限公司 | 一种基于三维场景的表计最优巡检点的规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117831147A (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104950076B (zh) | 移动互联网平台空气质量监测方法和系统 | |
Ying et al. | Semantic trajectory mining for location prediction | |
Ta et al. | Signature-based trajectory similarity join | |
CN105893213B (zh) | 一种异常检测方法、应用和监控设备 | |
CN103927394B (zh) | 一种基于svm的多标签主动学习分类方法及系统 | |
CN112215427B (zh) | 一种卡口数据缺失下的车辆行车轨迹重建方法及系统 | |
WO2022198963A1 (zh) | 基于大数据的商业空间品质评价方法、系统、设备及介质 | |
CN109035783A (zh) | 一种基于公交gps轨迹的虚拟路网缺失路段自动识别方法 | |
US20230191464A1 (en) | Methods for smart gas pipeline cleaning management for safety management and internet of things systems thereof | |
CN110413855B (zh) | 一种基于出租车下客点的区域出入口动态提取方法 | |
CN114937264B (zh) | 一种基于人工智能的变压器制造组装工艺监测分析系统 | |
CN111652835A (zh) | 基于深度学习与聚类的输电线路绝缘子缺失的检测方法 | |
CN110175422A (zh) | 一种基于数据挖掘的多周期钢轨伤损趋势预测方法 | |
CN115689125B (zh) | 一种基于多源数据的涉气污染源布局方法 | |
CN117831147B (zh) | 一种机器人与摄像头联合巡检方法及系统 | |
CN108414905A (zh) | 基于流形距离近邻传播聚类的变压器局部放电识别方法 | |
CN114003623A (zh) | 一种相似路径台风的检索方法 | |
CN110135451A (zh) | 一种基于点到线段集距离的航迹聚类方法 | |
Zhu et al. | Glocal map-matching algorithm for high-frequency and large-scale GPS data | |
CN116147712B (zh) | 免时空限制的立体式施工环境监测装置及预测方法 | |
CN112529836A (zh) | 高压线路缺陷检测方法、装置、存储介质及电子设备 | |
CN115391746B (zh) | 针对气象要素数据的插值方法、装置、电子设备及介质 | |
CN108519579B (zh) | 基于区间重叠度分析优选AP的WiFi指纹定位方法 | |
CN116626238A (zh) | 一种气流和气体组合感知的双通道检测罗盘系统、气体泄漏检测方法、数据融合及追踪方法 | |
CN115619013A (zh) | 多传感器信息融合火灾预测算法、系统、电子设备及介质 |
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 |