JP2024517084A - ドローンホスト型建設欠陥修復 - Google Patents
ドローンホスト型建設欠陥修復 Download PDFInfo
- Publication number
- JP2024517084A JP2024517084A JP2023562544A JP2023562544A JP2024517084A JP 2024517084 A JP2024517084 A JP 2024517084A JP 2023562544 A JP2023562544 A JP 2023562544A JP 2023562544 A JP2023562544 A JP 2023562544A JP 2024517084 A JP2024517084 A JP 2024517084A
- Authority
- JP
- Japan
- Prior art keywords
- drone
- substrate
- oopsi
- present disclosure
- tape
- 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
- 230000007547 defect Effects 0.000 title claims description 75
- 238000010276 construction Methods 0.000 title description 11
- 238000005067 remediation Methods 0.000 title 1
- 238000012545 processing Methods 0.000 claims abstract description 71
- 239000000443 aerosol Substances 0.000 claims abstract description 44
- 239000000758 substrate Substances 0.000 claims description 181
- 230000037303 wrinkles Effects 0.000 claims description 23
- 238000000926 separation method Methods 0.000 claims description 17
- 238000001125 extrusion Methods 0.000 claims description 15
- 239000000853 adhesive Substances 0.000 claims description 12
- 230000001070 adhesive effect Effects 0.000 claims description 12
- 239000000565 sealant Substances 0.000 claims description 7
- 230000008878 coupling Effects 0.000 claims description 5
- 238000010168 coupling process Methods 0.000 claims description 5
- 238000005859 coupling reaction Methods 0.000 claims description 5
- 230000003287 optical effect Effects 0.000 claims description 5
- 239000000835 fiber Substances 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 230000004913 activation Effects 0.000 claims description 2
- 230000035515 penetration Effects 0.000 claims description 2
- 238000011835 investigation Methods 0.000 claims 1
- 230000008439 repair process Effects 0.000 description 56
- 238000000034 method Methods 0.000 description 49
- 238000010586 diagram Methods 0.000 description 31
- 238000001514 detection method Methods 0.000 description 27
- 238000013145 classification model Methods 0.000 description 25
- 238000007689 inspection Methods 0.000 description 18
- 230000010287 polarization Effects 0.000 description 18
- 230000035939 shock Effects 0.000 description 14
- 230000006835 compression Effects 0.000 description 13
- 238000007906 compression Methods 0.000 description 13
- 238000010801 machine learning Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 230000011218 segmentation Effects 0.000 description 11
- 238000013135 deep learning Methods 0.000 description 10
- 230000004438 eyesight Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 239000010410 layer Substances 0.000 description 8
- 230000007246 mechanism Effects 0.000 description 7
- 238000013527 convolutional neural network Methods 0.000 description 6
- 238000010191 image analysis Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 238000005507 spraying Methods 0.000 description 5
- 238000003709 image segmentation Methods 0.000 description 4
- 230000003213 activating effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007373 indentation Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 239000012790 adhesive layer Substances 0.000 description 2
- 239000004479 aerosol dispenser Substances 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 239000004593 Epoxy Substances 0.000 description 1
- 239000000020 Nitrocellulose Substances 0.000 description 1
- NIXOWILDQLNWCW-UHFFFAOYSA-N acrylic acid group Chemical group C(C=C)(=O)O NIXOWILDQLNWCW-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 210000000078 claw Anatomy 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000009430 construction management Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000000881 depressing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000006260 foam Substances 0.000 description 1
- 230000003116 impacting effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 239000011553 magnetic fluid Substances 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 229920001220 nitrocellulos Polymers 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 230000005019 pattern of movement Effects 0.000 description 1
- 239000011120 plywood Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000004589 rubber sealant Substances 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 239000013464 silicone adhesive Substances 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 230000007847 structural defect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000004304 visual acuity Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0094—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots involving pointing a payload, e.g. camera, weapon, sensor, towards a fixed or moving target
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
- B05B—SPRAYING APPARATUS; ATOMISING APPARATUS; NOZZLES
- B05B13/00—Machines or plants for applying liquids or other fluent materials to surfaces of objects or other work by spraying, not covered by groups B05B1/00 - B05B11/00
- B05B13/005—Machines or plants for applying liquids or other fluent materials to surfaces of objects or other work by spraying, not covered by groups B05B1/00 - B05B11/00 mounted on vehicles or designed to apply a liquid on a very large surface, e.g. on the road, on the surface of large containers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65D—CONTAINERS FOR STORAGE OR TRANSPORT OF ARTICLES OR MATERIALS, e.g. BAGS, BARRELS, BOTTLES, BOXES, CANS, CARTONS, CRATES, DRUMS, JARS, TANKS, HOPPERS, FORWARDING CONTAINERS; ACCESSORIES, CLOSURES, OR FITTINGS THEREFOR; PACKAGING ELEMENTS; PACKAGES
- B65D83/00—Containers or packages with special means for dispensing contents
- B65D83/14—Containers or packages with special means for dispensing contents for delivery of liquid or semi-liquid contents by internal gaseous pressure, i.e. aerosol containers comprising propellant for a product delivered by a propellant
- B65D83/16—Containers or packages with special means for dispensing contents for delivery of liquid or semi-liquid contents by internal gaseous pressure, i.e. aerosol containers comprising propellant for a product delivered by a propellant characterised by the actuating means
- B65D83/20—Containers or packages with special means for dispensing contents for delivery of liquid or semi-liquid contents by internal gaseous pressure, i.e. aerosol containers comprising propellant for a product delivered by a propellant characterised by the actuating means operated by manual action, e.g. button-type actuator or actuator caps
- B65D83/201—Lever-operated actuators
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65D—CONTAINERS FOR STORAGE OR TRANSPORT OF ARTICLES OR MATERIALS, e.g. BAGS, BARRELS, BOTTLES, BOXES, CANS, CARTONS, CRATES, DRUMS, JARS, TANKS, HOPPERS, FORWARDING CONTAINERS; ACCESSORIES, CLOSURES, OR FITTINGS THEREFOR; PACKAGING ELEMENTS; PACKAGES
- B65D83/00—Containers or packages with special means for dispensing contents
- B65D83/14—Containers or packages with special means for dispensing contents for delivery of liquid or semi-liquid contents by internal gaseous pressure, i.e. aerosol containers comprising propellant for a product delivered by a propellant
- B65D83/16—Containers or packages with special means for dispensing contents for delivery of liquid or semi-liquid contents by internal gaseous pressure, i.e. aerosol containers comprising propellant for a product delivered by a propellant characterised by the actuating means
- B65D83/20—Containers or packages with special means for dispensing contents for delivery of liquid or semi-liquid contents by internal gaseous pressure, i.e. aerosol containers comprising propellant for a product delivered by a propellant characterised by the actuating means operated by manual action, e.g. button-type actuator or actuator caps
- B65D83/208—Pull cord operated actuators
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65D—CONTAINERS FOR STORAGE OR TRANSPORT OF ARTICLES OR MATERIALS, e.g. BAGS, BARRELS, BOTTLES, BOXES, CANS, CARTONS, CRATES, DRUMS, JARS, TANKS, HOPPERS, FORWARDING CONTAINERS; ACCESSORIES, CLOSURES, OR FITTINGS THEREFOR; PACKAGING ELEMENTS; PACKAGES
- B65D83/00—Containers or packages with special means for dispensing contents
- B65D83/14—Containers or packages with special means for dispensing contents for delivery of liquid or semi-liquid contents by internal gaseous pressure, i.e. aerosol containers comprising propellant for a product delivered by a propellant
- B65D83/16—Containers or packages with special means for dispensing contents for delivery of liquid or semi-liquid contents by internal gaseous pressure, i.e. aerosol containers comprising propellant for a product delivered by a propellant characterised by the actuating means
- B65D83/26—Containers or packages with special means for dispensing contents for delivery of liquid or semi-liquid contents by internal gaseous pressure, i.e. aerosol containers comprising propellant for a product delivered by a propellant characterised by the actuating means operating automatically, e.g. periodically
- B65D83/262—Containers or packages with special means for dispensing contents for delivery of liquid or semi-liquid contents by internal gaseous pressure, i.e. aerosol containers comprising propellant for a product delivered by a propellant characterised by the actuating means operating automatically, e.g. periodically by clockwork, motor, electric or magnetic means operating without repeated human input
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
- B64U2101/25—UAVs specially adapted for particular uses or applications for manufacturing or servicing
- B64U2101/28—UAVs specially adapted for particular uses or applications for manufacturing or servicing for painting or marking
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Mechanical Engineering (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Conveying And Assembling Of Building Elements In Situ (AREA)
Abstract
システムは、処理回路及びドローンを含む。ドローンは、エアロゾル供給システムを備え、かつシリンジのアプリケータがハウジングから遠位に配置されているようにシリンジを受け入れるように構成されたハウジングと、エアロゾル供給システムのノズルと接触して配置されたトリガと、アクチュエータアームと、アクチュエータアームを往復運動で動かすように構成されたアクチュエータモータとを含む、ディスペンササブアセンブリを含む。ドローンの制御論理は、処理回路から受信したナビゲーション命令に基づいて、潜在的な調査対象のオブジェクト(OoPSI)に関連付けられたエリアにドローンをナビゲートして、シリンジのアプリケータ又はエアロゾル供給システムのノズルをOoPSIに関連付けられたエリアに近接させるように構成されている。
Description
本開示は、概して、ドローンを使用して実施される建設関連機能の分野に関する。
建設中又は建設後に、建物は、検査を受ける。そのような検査中に特定の欠陥が検出された場合、建設中の段階であろうと完成後段階であろうと、将来の識別のために欠陥をマーキングする、かつ/又は修復することができる。
本開示は、ドローンを使用した建物検査、建物欠陥マーキング、及び建物欠陥修復のために構成されたシステムを説明する。本開示は、主に、ドローンホスト型技術を、非限定的な実施例として、建物の建設中に建物外皮層に対して実行されるものとして説明する。しかしながら、本開示の様々なドローンホスト型技術は、建物が現在建設中でも、又は完全に建設されていても、建物の様々な面に適用可能であることが理解されよう。本開示のいくつかの実施例は、ドローンに組み込まれたカメラハードウェアを活用して、建物の(例えば、建物外皮の)1つ以上の画像を取得する。これらの実施例によれば、本開示のシステムは、訓練された機械学習(machine-learning、ML)モデルを使用して画像(単数又は複数)を分析し、画像(単数又は複数)内に示される建物の一部分が、MLモデルが検出するように訓練されている欠陥を含むか否かを判定するものである。
本開示のいくつかの実施例は、建物欠陥に対するドローンホスト型マーキング動作を対象とする。これらの実施例では、ドローンは、インク供給サブシステム又はセルフタック紙供給サブシステムなどのマーキングサブシステムを含む、又はそれに結合することができる。これらの実施例では、本開示のシステムは、マーキングサブシステムを作動させて、識別された欠陥のエリア又はその近くのエリアをマーキングすることができる。本開示のいくつかの実施例は、建物欠陥に対するドローンホスト型修復動作を対象とする。これらの実施例では、ドローンは、エアロゾル供給サブシステム若しくは接着剤供給サブシステムなどの修復サブシステムを含む、又はそれに結合することができる。これらの実施例では、本開示のシステムは、修復サブシステムを作動させて、識別された欠陥に関連付けられたエリアにエアロゾル又は接着剤(場合によって)を供給することができる。
一実施例では、システムは、処理回路及びドローンを含む。ドローンは、エアロゾル供給システムのノズルと接触して配置されたトリガを有するエアロゾル供給システム、又は、シリンジのアプリケータがハウジングから遠位に配置されているシリンジを備える、ハウジングと、アクチュエータアームと、アクチュエータアームを往復運動で動かすように構成されたアクチュエータモータと、を有するディスペンササブアセンブリと、処理回路に通信可能に結合された制御論理とを含む。制御論理は、処理回路から受信したナビゲーション命令に基づいて、潜在的な調査対象のオブジェクト(object of potential survey interest、OoPSI)に関連付けられたエリアにドローンをナビゲートして、シリンジのアプリケータ又はエアロゾル供給システムのノズルをOoPSIに関連付けられたエリアに近接させ、処理回路から受信した押出又は供給命令に基づいて、アクチュエータモータに、アクチュエータアームを往復運動の伸長段階に動かして、OoPSIに関連付けられたエリアにシリンジの内容物の一部を押し出させ、又はアクチュエータモータに、トリガを往復運動の後退段階に動かしてノズルを押下させ、エアロゾル供給システムがOoPSIに関連付けられたエリアにエアロゾル供給システムの内容物の一部を供給するように構成されている。
本開示のシステムは、現在利用可能な解決策に勝るいくつかの潜在的な利点を提供する。ドローン上で画像キャプチャ、欠陥マーキング、及び欠陥修復動作をホストすることによって、本開示のシステムは、安全性を改善し、また、天候/視界条件が変動し、高い高度の場所であるかもしれない現場に作業者が配備されるときのヒューマンエラーの発生を低減することによって、データ精度を改善する。本開示の欠陥検出技術は、訓練されたMLモデル(本開示による様々な実施例では、分類モデル、検出モデル、又はセグメンテーションモデルであり得る)を実行して、建物のエリアの画像データを分析し、それによって、安全性の懸念が非常に重要であるヒューマンエラーの可能性を低減する。
更に、本開示のドローンホスト型技術は、ドローンの操縦性を活用して、建物(又は他の構造物)をより徹底的に検査し、人間の作業者が到達することが困難であり得るエリアにおいて検査、マーキング、又は修復を実行することによって、検査、マーキング、又は修復の精度及び完全さを向上させることができる。いくつかの実施例では、本開示のドローンは、専用の画像キャプチャハードウェアを備え、それによって、人間の目が建物の標準画像又は直接ビューを解釈することができるよりも高い精度で本開示の訓練されたモデルが分析することができる画像を提供する。このようにして、本開示のドローンホスト型技術は、データ精度及び/又はプロセスの完全さを改善することができ、その一方で、強化された安全性の実用的な適用も提供する。
本開示の1つ以上の実施例の詳細が、添付の図面及び以下の明細書に記述されている。本開示の他の特徴、目的、及び利点は、説明及び図面並びに特許請求の範囲から明らかになるであろう。
本発明の範囲から逸脱することなく、実施例を利用することができ、また、構造的変更を行うことができることを理解されたい。これらの図は、必ずしも一定の比率の縮尺ではない。図面で使用されている同様の番号は、同様の構成要素を示す。しかし、所与の図における構成要素を示すための番号の使用は、同じ番号で示されている別の図内の構成要素を限定することを意図していないことが理解されよう。
図1は、システム10の一実施例を示す概念図であり、その態様は、本開示の1つ以上の技術を実行するように構成されている。システム10は、建物2、ドローン4、ドローンコントローラ6、及びコンピューティングシステム8を含む。建物2は、外側に面する露出層が「外皮層」又は「建物外皮」である期間中の、建設段階にあるものとして示されている。本開示の技術は、非限定的な実施例として建物外皮に対して実行されるものとして説明されるが、本開示の様々な技術は、他の基材にも同様に適用可能であることが理解されよう。他の基材の例としては、屋外であろうと屋内であろうと、完成した建築壁、壁、フェンス、橋、船、航空機、携帯電話の中継塔などの非建築構造物が挙げられる。
建物外皮とは、それぞれの建物(この場合、建物2)の調整された環境と調整されていない環境との間の物理的バリアを指す。様々な実施例では、建物外皮は、「建物エンクロージャ」、上述のような「外皮層」、又は「耐候性バリア」(weatherproof barrier、「WPB」)と呼ばれることがある。建物外皮は、建物の内部を屋外要素から遮蔽し、環境制御において極めて重要な役割を果たす。建物外皮の要素遮蔽及び環境制御機能の態様は、雨遮断、空気制御、熱伝達の制御、及び蒸気遮蔽を含む。したがって、建物外皮の完全性は、建物2の安全性及び居住性にとって不可欠である。
建物外皮の欠陥を検査すること、検出された欠陥があればそれにマーキングすること、又は建物外皮の検出された欠陥があればそれを修復することなどのタスクに関して、精度及び完全さは、完全性を維持するという目標に極めて重要である。建物のサイズ、設計の複雑さ、及び密集が増すにつれて、これらのタスクを手動で実行することは、ますます困難になっている。システム10は、ドローン(例えば、ドローン4)の操縦性を活用して、建物外皮検査、欠陥マーキング、及び/又は欠陥修復のうちの1つ以上を実行することができる。システム10はまた、専用コンピューティング能力を活用して、潜在的な欠陥の存在、そのような潜在的な欠陥があればその場所、及び/又はそのような潜在的な欠陥があればそれを修復するために実行される動作のパラメータを識別することができる。これらの専用コンピューティング能力は、ドローン4、ドローンコントローラ6、及び/又はコンピューティングシステム8のうちの1つ以上のコンピューティング又は処理ハードウェアによって提供することができる。いくつかの実施例では、システム10の態様は、クラウドコンピューティングリソースを活用して、専用コンピューティング能力を分散方式で実装することができる。
ドローン4は、1つ以上のタイプの無人航空ビークル(unmanned aerial vehicle、UAV)を表すことができる。様々な実施例では、ドローン4はまた、自律航空機、自動操縦ビークル、遠隔操作航空機、遠隔操縦航空機、遠隔操縦航空機システム、遠隔操縦航空システム、遠隔操縦航空ビークル、遠隔操縦システム、遠隔操縦ビークル、小型無人航空機システム、小型無人航空機、無人飛行システム、無人飛行ビークル、遠隔操縦輸送システムなどのうちの1つ以上と呼ばれることもある。
ドローンコントローラ6の処理回路及び/又はコンピューティングシステム8の処理回路は、ドローン4及びそのそれぞれのサブシステムによる検査、欠陥マーキング、又は欠陥修復の対象である建物2のエリアの場所に基づいて、ドローン4のためのナビゲーション命令を定式化することができる。次に、処理回路は、場合によっては、ドローンコントローラ6又はコンピューティングシステム8の無線インタフェースハードウェアを起動して、ドローン4の無線インタフェースハードウェアにナビゲーション命令を送信することができる。ドローン4、ドローンコントローラ6、及びコンピューティングシステム8の無線インタフェースハードウェアは、ドローン4、ドローンコントローラ6、及び/又はコンピューティングシステム8のうちの2つ以上の間の無線通信を可能にすることなどによって、また無線インタフェースハードウェアを備える他のデバイスとの無線通信を可能にする通信ハードウェアを表すことができる。
ドローン4は、ドローン4の飛行経路などのドローン4の動きを制御するモーションガイドを備えることができる。ドローン4はまた、ドローン4の無線インタフェースハードウェアを介して、ドローンコントローラ6又はコンピューティングシステム8のいずれかからナビゲーション命令を受信する制御論理を備えることができる。制御論理は、ドローンコントローラ6又はコンピューティングシステム8から受信したナビゲーション命令を使用して、ドローン4を建物2の特定の部分に近接するエリアにナビゲートすることができる。本開示の態様と一致する様々な実施例では、ドローンコントローラ6及び/又はコンピューティングシステム8の処理回路は、識別された潜在的な調査対象のオブジェクト(objects of potential survey interest、OoPSI)のマーキング及び/又は修復を容易にするために、OoPSIについて検査される建物2のエリアに基づいて、又は以前に識別されたOoPSIに関連付けられたエリアに基づいて、ナビゲーション命令を形成することができる。
コンピューティングシステム8は、とりわけ、携帯電話(例えば、スマートフォン)、タブレットコンピュータ、ネットブック、ラップトップコンピュータ、デスクトップコンピュータ、携帯情報端末(personal digital assistant、「PDA」)、ウェアラブルデバイス(例えば、スマートウォッチ又はスマートグラス)などの、様々なタイプのコンピューティングデバイスのうちの1つ以上を含む、又はそれらの一部であることができる。いくつかの実施例では、コンピューティングシステム8は、2つ以上のそのようなデバイスの相互接続されたネットワークを含む分散システムを表すことができる。コンピューティングシステム8は、本開示の態様による非限定的な実施例として、図1ではラップトップコンピュータとして示されている。
ドローンコントローラ6は、多くの実施例では、無線制御送信機又は送受信機を表す。ドローンコントローラ6は、様々な入力ハードウェア(例えば、ジョイスティック、ボタンなど)を介して受信したユーザ入力を処理し、上述したナビゲーション命令を定式化し、通信インタフェースハードウェアを介してドローン4の通信インタフェースハードウェア(例えば、受信機)にナビゲーション命令を実質的にリアルタイムで送信するように構成されている。ドローン4及びドローンコントローラ6の相補的な通信インタフェースは、1つ以上の所定の周波数を介して通信することができる。
このようにして、システム10の態様は、ドローン4の飛行能力及び操縦性を活用して、建物2を検査し、いくつかのシナリオでは、
をマーキング及び/又は修復する。システム10の態様はまた、検査スループットを改善すること、及び/又は検査官にデータを提供することによって、またいくつかの実施例では、所有者、保険業者、請負業者、現場監督などに視覚(例えば、静止画及び/又はビデオ)記録を提供することによって、建物2の検査プロセスを増強する。
図2は、本開示のドローンホスト型テープ適用検査の態様を示す概念図である。図2は、いくつかの実施例では、(図示されるような)壁、屋根などの建物2の外面の一部分を表すことができる基材16を示す。この実施例では、基材16は、テープ14を備えている。テープ14は、様々なタイプの接着剤被覆材料のいずれかを表すことができる。本開示は主に、テープ14が、基材16などの建物外面における継ぎ目、裂け目、又は他の不連続部を封止するために一般的に使用される、いわゆる「フラッシングテープ」を表す、非限定的な実施例を説明する。いくつかの実施例では、基材16は、表面上に外向きの接着剤層を残すロールオン接着剤などの接着剤層でコーティングされた表面を表すことができる。テープ14、基材16がコーティングされ得るシーラント、及び/又は基材16がコーティングされ得る外向き接着剤のうちの1つ以上のいくつかの非限定的な実施例の特徴は、公開番号US20130139953A1、US2020003098A1、及びUS20190031923A1を有する公開された米国特許出願、並びに公開番号WO2021033111A1、W02021024206A1、WO2016019248A1、WO2016106273A1、WO2015183354A2、WO2015126931A1、WO2017031275A1、W02019152621A1、WO2017112756A1、WO2017031275A1、WO2018156631A1、及びWO2018220555A1を有する国際特許出願に記載されており、これらのそれぞれの開示全体は、参照により本明細書に組み込まれる。
図2の実施例では、ドローン4は、画像キャプチャハードウェア12を備える。いくつかの実施例では、画像キャプチャハードウェア12は、キャプチャされた静止画像及び/又は動画をデジタルフォーマットで(例えば、.jpegファイル、.pngファイル、.mp4ファイルなどとして)記憶するように構成されたカメラなどの、1つ以上のタイプのデジタルカメラを表す。ドローンコントローラ6又はコンピューティングシステム8から受信したナビゲーション命令に基づいて、ドローン4の制御論理は、モーションガイドに、基材16に適用されたテープ14の特定のエリアに近接するエリアにドローン4をナビゲートさせることができる。ドローン4が画像キャプチャハードウェア12による画像キャプチャを可能にするのに十分に配置され向けられていることを検出すると、制御論理は、画像キャプチャハードウェア12をアクティブ化して、画像キャプチャハードウェア12のレンズハードウェアの視野内にあるテープ14の部分の1つ以上の画像をキャプチャすることができる。
本開示と一致するいくつかの実装形態によれば、制御論理は、画像キャプチャハードウェア12がドローン4に物理的に結合された別個のカメラである場合、ドローン4のアクチュエータサブアセンブリを動作させて、画像キャプチャハードウェア12のボタンをアクティブ化又は押下することができる。本開示と一致する他の実装形態によれば、制御論理は、画像キャプチャハードウェア12がドローン4に組み込まれている場合、画像キャプチャハードウェア12の論理を動作させて、画像キャプチャ能力をアクティブ化することができる。次に、画像キャプチャハードウェア12は、無線又は有線手段を使用してデジタル画像データを転送するのに適切な様々なタイプの通信チャネルを介して、キャプチャされたデジタル画像(単数又は複数)をドローン4の処理回路及び/又はコンピューティングシステム8の処理回路に提供することができる。
本明細書で使用されるとき、処理回路は、中央処理装置(central processing unit、CPU)、グラフィックス処理ユニット(graphics processing unit、GPU)、シングルコア又はマルチコアプロセッサ、コントローラ、デジタル信号プロセッサ(digital signal processor、DSP)、特定用途向け集積回路(application specific integrated circuit、ASIC)、フィールドプログラマブルゲートアレイ(field-programmable gate array、FPGA)、固定機能回路、プログラマブル回路、固定機能とプログラマブル回路の任意の組み合わせ、個別論理回路、又は集積論理回路のうちの1つ以上を含むことができる。ドローン4又はコンピューティングシステム8の処理回路は、訓練されたMLモデルに従って画像キャプチャハードウェア12から受信した画像(単数又は複数)を分析し、分析に基づいて、基材16に適用されたテープ14(又はその一部分)の誤適用を検出することができる。本開示の様々な実施例では、処理回路は、訓練された分類モデル、訓練された検出モデル、又は訓練されたセグメンテーションモデルを実行することができる。
いくつかの実施例では、ドローン4又はコンピューティングシステム8の処理回路は、クラウドコンピューティング能力を活用して、訓練されたモデルを実行することができる。様々な実施例では、訓練されたモデルは、ディープニューラルネットワークなどの訓練された深層学習モデルであってもよい。処理回路が本開示に従ってテープ14の画像を分析するために実行することができる訓練されたディープニューラルネットワークの一実施例は、訓練された畳み込みニューラルネットワーク(convolutional neural network、CNN)であり、それによって、コンピュータビジョン指向機械学習技術を適用して、基材16に適用されたテープ14の誤適用を検出する。CNNの態様は、公開番号WO2021/033061A1及びWO2020/003150A2を有する国際特許出願に記載されており、これらのそれぞれの開示全体は、参照により本明細書に組み込まれる。ドローン4又はコンピューティングシステム8の処理回路が本開示の欠陥検出態様を実行するために実行することができる訓練されたCNNの一実施例は、Mask R-CNNである。
図3A及び図3Bは、システム10の態様が本開示の技術を使用して検出することができる、基材16へのテープ14の誤適用の更なる詳細を示す概念図である。図3Aは、ドローン4又はコンピューティングシステム8の処理回路が本開示の訓練されたモデルを使用して検出することができるテープ適用欠陥の一例を示す。図3Aに示される欠陥のいくつかは、本明細書で「フィッシュマウスしわ」と呼ばれるものに対応する。本明細書で使用されるとき、フィッシュマウスしわは、基材16とのテープ14の内側部分の隣接する非接着部分又は非同一平面部分を有する、基材16からのテープ14の縁部の非接着部分を伴う、テープの誤適用を指す。基材16に適用されたテープ14の縁部の非接着部分及び隣接する突出したしわによって生じる開口部は、流体(空気、水など)が浸入して基材16に適用されたテープ14の機能を損なう開口部を形成する。
ドローン4又はコンピューティングシステム8の処理回路が訓練されたモデルを実行することによって検出することができる別のタイプの欠陥は、「テンティング」を含み、これは、(例えば、図3Aに示されるフィッシュマウスしわの縁部侵入点なしに)基材16に対するテープ14の内側突出部の非接着部分及び突出部を指す。テープ14のテンティングは、誤った適用手順によって、又は「アンダードライブ締結具」の上にテープ14を適用することによって引き起こされる可能性がある。アンダードライブ締結具は、釘、ねじ、ボルト、又は他のタイプの締結具であって、基材16に部分的に打ち込まれているが、締結具のヘッドが、締結具のヘッドの上に適用されたときにテープ14をテント状にさせる大きさまで基材16から突出している状態のものを指す。
図3Bは、ドローン4又はコンピューティングシステム8の処理回路が本開示の訓練されたモデルを使用して検出することができるテープ適用欠陥の別の例を示す。図3Aに示される欠陥は、本明細書では「欠落テープセグメント」と呼ばれる。欠落テープセグメント18は、屋内調整の問題などのために基材16の一部分を露出させるべきでないときに、基材16の一部分を露出させたままにする、テープ14の誤適用を示す。例えば、欠落テープセグメント18は、要素に露出されるべきではない基材の継ぎ目又は基材パッチを露出させる可能性がある。ドローン4又はコンピューティングシステム8の処理回路はまた、本開示の訓練されたモデルを実行して、欠落テープセグメント18とは異なるテープ14の不連続部を検出することができる。一実施例として、ドローン4又はコンピューティングシステム8の処理回路は、本開示の訓練されたモデルを実行して、テープ14の幅全体に及ばない裂け目、又はテープ14の下の基材16を露出させないが、代わりにテープ14の有効性を損なう若しくは減少させるスクラッチを検出することができる。ドローン4又はコンピューティングシステム8の処理回路はまた、本開示の訓練されたモデルを実行して、画像キャプチャデバイス12から受信した画像を分析し、(上述の例以外の)不十分な接着、不十分な張力(例えば、テープ14が基材16に適用されるときに十分な力で巻き下ろされない場合にテープ14に対して「緩み」を引き起こし得るため)などの、基材16に適用されたテープ14の他のタイプの誤適用を検出することができる。いくつかの実施例では、ドローン4又はコンピューティングシステム8の処理(ローカルであるかクラウドコンピューティングリソースを活用するかにかかわらず)は、テープ14の画像を分析して、テープ14に関するブランド情報、規格準拠情報などを、その情報が画像処理なしで人間の目に見える方法で表されるかどうかにかかわらず、判定することができる。
図4A~図4Dは、本開示の訓練されたモデルが生成することができる様々な深層学習生成画像ラベルを示す図である。図4A~図4Dの各々は、ドローン4又はコンピューティングデバイス8の処理回路が様々なレベルの計算複雑度で本開示の訓練されたモデルを実行することによって生成することができる、モデル出力を示す。図4A~図4Dは、本開示の画像ラベルを生成することに関する計算複雑度の昇順を順に示す。
図4Aの実施例では、本開示の訓練された分類モデルは、基材16に適用されたテープ14の画像に対して全画像分類を実施する。この実施例では、ドローン4又はコンピューティングシステム8の処理回路は、画像ラベル19の形態で「不合格」分類を返す。画像ラベル19の「不合格」結果は、画像キャプチャハードウェア12から受信した画像内の任意の場所で少なくとも1つの欠陥を検出することに基づいて、訓練された分類モデルによって生成された結果又はモデル出力である。図4Bの実施例では、本開示の訓練された検出モデルは、基材16に適用されたテープ14の画像に対してサブ画像分類を実施する。この実施例では、本開示の訓練された検出モデルは、画像を複数のサブ画像20に分割し、画像ラベル19によって図4Aの実施例において全体として画像全体に対して行われたように、各それぞれのサブ画像20を「合格」又は「不合格」ラベルで分類する。
図4Cの実施例では、本開示の訓練された検出モデルは、基材16に適用されたテープ14の画像に対してオブジェクト検出を実施する。図4Cに示されるオブジェクト検出ベースの技術によれば、本開示の訓練された検出モデルは、基材16に適用されたテープ14の欠陥を示す画像のエリアの周りの矩形のバウンディングボックス(バウンディングボックス22)を返し、それに対して、本開示の訓練された検出モデルは、それぞれの「不合格」結果をモデル出力として返す。図4Cの非限定的な実施例に示されるように、訓練された検出モデルは、オブジェクト検出を実施して、複数の(潜在的に、図4Cの場合のように、重複する)バウンディングボックス22を返すことができる。
図4Dの実施例では、本開示の訓練されたセグメンテーションモデルは、基材16に適用されたテープ14の画像に対して画像セグメンテーションを実施する。図4Dに示される画像セグメンテーションベースの技術によれば、本開示の訓練されたセグメンテーションモデルは、画像キャプチャハードウェア12から取得された画像に表されるように、基材16に適用されたテープ14に関する欠陥のピクセルごとのラベリングを返す。図4Dは、本開示の訓練されたセグメンテーションモデルが基材16に適用されたテープ14を示す画像キャプチャハードウェア12から受信した画像のピクセルごとの分析に基づいて識別する、欠陥セグメント24を示す。
図3A~図4Dは、様々な実施例では、赤-緑-青(red-green-blue、RGB)色空間、グレースケール色空間、白黒色空間、又は人間の目に部分的若しくは全体的に識別可能な様々な他の色度空間などの、様々な色空間で表される画像を表す。これらの実施例では、画像キャプチャデバイス12は、これらの色空間のいずれかにおいてデジタル画像データを生成するように構成されたデジタルカメラハードウェアを表す。他の実施例では、画像キャプチャハードウェア12は、いわゆる「偏光カメラ」を表すことができる。偏光カメラは、偏光カメラの偏光センサによって出力されたデータに対して計算を実行することによって、様々なフォーマットの画像データを生成することができる。
図5は、本開示の態様による、基材16に適用されたテープ14に関する欠陥を検出するためにシステム10が分析することができる偏光画像を示す概念図である。画像キャプチャハードウェア12が偏光カメラを表す実施例では、ドローン4又はコンピューティングシステム8の処理回路は、画像キャプチャハードウェア12によって出力された様々なデータを分析して、基材16に適用されたテープ14に関する欠陥を検出することができる。例として、ドローン4又はコンピューティングシステム8の処理回路は、本開示の訓練された分類モデルを実行して、以下の2つの値、すなわち、偏光画像内の非偏光、及び偏光画像内に示される直線偏光度(degree of linear polarization、DoLP)を分析することができる。図5は、本開示の訓練されたモデルがテープ14の図示されたしわに基づく適用欠陥を高い信頼度で検出するために利用することができる、各カラーチャネル内の各ピクセルについて計算されたDoLPデータを含む前処理又は処理された偏光画像を示す。
画像キャプチャハードウェアが偏光カメラを表すいくつかの非限定的な実施例では、画像キャプチャハードウェア12の画像センサハードウェアは、0度、45度、90度、及び135度それぞれに向けられた4つの偏光フィルタを含む。4つの偏光フィルタを介して得られる4つの画像がI0、I45、I90、及びI135によって表される表記法を使用して、画像キャプチャハードウェア12の偏光カメラは、以下の計算に従って各カラーチャネルについてストークスベクトル(S0、S1、S2、及びS3)を計算することができる。
上記の式(1)に従って計算されたストークスベクトルは、それぞれ、非偏光の強度画像(S0)、直線偏光又は水平偏光の強度画像(S1)、45度又は135度で偏光された光の強度画像(S2)、及び円偏光された光(S3)を表す。偏光カメラは、以下の式(2)に従って、上述のストークスベクトルを使用してDoLPを計算することができる。
ドローン4又はコンピューティングシステム8の処理回路は、本開示の訓練されたモデルを実行して、直線偏光度を使用し、基材16に適用されたテープ14に関するしわ26及び/又はフィッシュマウスしわ28などの、しわに基づく欠陥を検出することができる。テープ14の表面は、反射される入射光の角度に依存して異なって光を反射するので、しわ26及び/又はフィッシュマウスしわ28の存在及び潜在的に大きさ(基材16から外向きの角度に関して)は、上述の偏光ベースの測定を変化させる。
本開示の訓練されたモデルは、実行されると、式(2)に従って計算されたDoLPを使用して、光反射の方向性にとらわれずに、光反射の一貫性を測定することができる。様々な実験では、テープ14は、黒色かつ光沢のある外観を有していた。テープ14の色にかかわらず、本開示の訓練されたモデルは、テープ14の光沢特性を活用して、DoLPを使用し、しわの陰影及び他の影響を検出し、基材16へのテープ14の適用における欠陥を検出することができる。テープ14のより暗い色(上記の実験で使用された黒色など)は、本開示の訓練されたモデルがDoLPを使用して基材16に適用されたテープ14のしわ26及び/又はフィッシュマウスしわ28を検出する能力を更に高めることができる。
図6A~図6Dは、本開示の訓練されたモデルが図5に示される偏光画像を使用して生成することができる様々な深層学習生成画像ラベルを示す図である。図6A~図6Dの各々は、ドローン4又はコンピューティングデバイス8の処理回路が様々なレベルの計算複雑度で図5の偏光画像に対して本開示の訓練されたモデルを実行することによって生成することができる画像ラベルを示す。図6A~図6Dは、図5の偏光画像を使用して画像ラベルを生成することに関する計算複雑度の昇順を順に示す。
図6Aの実施例では、本開示の訓練された分類モデルは、基材16に適用されたテープ14の偏光画像に対して全画像分類を実施する。この実施例では、ドローン4又はコンピューティングシステム8の処理回路は、偏光画像の全画像分析、最初に検出されたしわ26若しくはフィッシュマウスしわ28の検出時に満たされた条件、又は実質的に同時の検出の場合の両方に基づいて、「不合格」結果を返す。モデル出力の「不合格」結果は、図6Aの画像ラベル29によって示される。
図6Bの実施例では、本開示の訓練された検出モデルは、基材16に適用されたテープ14の偏光画像に対してサブ画像分類を実施する。この実施例では、本開示の訓練された検出モデルは、偏光画像を複数のサブ画像30に分割し、図6Aの実施例において全体として偏光画像全体に対して行われたように、各それぞれのサブ画像30を「合格」又は「不合格」結果として分類する。
図6Cの実施例では、本開示の訓練された検出モデルは、基材16に適用されたテープ14の偏光画像に対してオブジェクト検出を実施する。図6Cに示されるオブジェクト検出ベースの技術によれば、本開示の訓練された検出モデルは、基材16に適用されたテープ14の欠陥を示す偏光画像のエリアの周りの矩形のバウンディングボックス(バウンディングボックス32)を返す。図6Cの非限定的な実施例に示されるように、訓練された検出モデルは、オブジェクト検出を実施して、複数の(かつ、潜在的に重複する)バウンディングボックス32を返すことができる。
図6Dの実施例では、本開示の訓練されたセグメンテーションモデルは、基材16に適用されたテープ14の偏光画像に対して画像セグメンテーションを実施する。図6Dに示される画像セグメンテーションベースの技術によれば、本開示の訓練されたセグメンテーションモデルは、画像キャプチャハードウェア12の偏光カメラから取得された画像に表されるように、基材16に適用されたテープ14に関するしわ26及びフィッシュマウスしわ28のピクセルごとのラベリングを返す。図6Dは、本開示の訓練されたセグメンテーションモデルが基材16に適用されたテープ14を示す図5の偏光画像に示された光偏光のピクセルごとの分析に基づいて識別する、欠陥セグメント34を示す。
図7は、本開示の訓練されたモデルが基材16に適用されたテープ14に関する1つ以上の欠陥を検出するために実行することができる偏光画像分析の態様を示すグラフ36である。プロット線38、40、及び42は、異なる偏光画像分析シナリオの下での対応する偽陽性率の関数としての(画像分類についての)真陽性率の変化を示す。全体として、グラフ36は、DoLP画像及び非偏光(S0)画像に関して本開示の訓練されたモデルによって分類された試験データセットから生成された受信者動作特性(receiver operator characteristic、ROC)曲線を表す。
グラフ36に示されるように、曲線下面積(area under the curve、AUC)は、S0プロット線40(非偏光画像に対応する)及びランダムプロット線42(ベースライングラウンドトゥルースとして提供される)についてのAUCと比較したとき、DoLPプロット線38(偏光画像に対応する)について最大である。図7に示されるAUCは、本開示の訓練されたモデルに提供されるデータセットにおいて、画像の対応するクラスがどれだけ区別可能であるかの全体的な尺度を提供する。DoLPプロット線38についてのAUCは、グラフ38に示されるプロット線の中で最大であり、本開示の訓練されたモデルが他の画像を使用するよりも容易にDoLP画像からしわ26及び/又はフィッシュマウスしわ28を区別することができることを示す。
このようにして、本開示の技術は、本開示の訓練されたモデル(例えば、分類、検出、又はセグメンテーションモデルのうちの1つ以上)を使用することによって、基材16に適用されたテープ14に関する欠陥検出の精度を改善する。画像キャプチャハードウェア12がRGB色空間、グレースケール色空間で、又は偏光画像(又はDoLP画像)として画像を提供するかにかかわらず、本開示の訓練されたモデルは、(例えば、異なる視力又は知覚能力から生じるヒューマンエラーを軽減することによって)データ精度を改善しながら、基材16に適用されたテープ14に関する様々なタイプの欠陥を検出する。非限定的な使用事例の例としてドローン4に結合又は組み込まれるものとして主に説明されているが、本開示の訓練されたモデルに基づく画像分析技術はまた、非ドローンベースの実装形態においても同様にこれらのデータ精度向上を提供することが理解されよう。
例えば、本開示の訓練されたモデルは、画像キャプチャハードウェア12がスマートフォン、タブレットコンピュータ、ウェアラブルコンピューティングデバイスなどのモバイルコンピューティングデバイスに組み込まれている実施例において、画像キャプチャハードウェア12によってキャプチャされた画像を使用することができる。別の実施例として、本開示の訓練されたモデルは、画像キャプチャデバイス12が専用デジタルカメラ又は専用偏光カメラである場合、画像キャプチャデバイス12によってキャプチャされた画像を使用することができる。上記に列挙された非ドローンベースの実施例のいずれかでは、本開示の訓練されたモデルは、デジタルカメラのアクチュエータボタンを介して提供されるユーザ入力又はモバイルコンピューティングデバイスのタッチスクリーンにおいて提供されるタッチ入力などによる、画像の手動キャプチャに基づいて、基材16に適用されたテープ14の画像を使用することができる。
上述したドローンホスト型実装形態によれば、本開示のシステムは、安全性を改善し、基材16のアクセスが困難なエリアから画像をキャプチャ及び分析する能力も改善する。例えば、ドローン4を使用して画像キャプチャハードウェア12を潜在的に危険な場所に輸送し、これらの場所で画像をキャプチャすることによって、システム10は、作業者が手動画像キャプチャのためにこれらの場所にアクセスすることを必要とすることによって人間の作業者を危険にさらす必要性を軽減する、又は潜在的に排除する。ドローン4はまた、さもなければ基材16を調査するために作業者によって使用される機器に利用可能でない操縦能力を提供することができ、それによって、基材16のこれらのエリアに関するアクセス可能性及びテープ検査能力を改善する。
図8は、本開示のドローンホスト型基材検査の態様を示す概念図である。ドローンコントローラ6又はコンピューティングシステム8から受信したナビゲーション命令に基づいて、ドローン4の制御論理は、モーションガイドに、基材16の特定のエリアに近接するエリアにドローン4をナビゲートさせることができる。ドローン4が配置されて画像キャプチャハードウェア12による画像キャプチャを可能にするのに十分な向きにあることを検出すると、制御論理は、画像キャプチャハードウェア12をアクティブ化して、画像キャプチャハードウェア12のレンズハードウェアの視野内にある基材16の部分の1つ以上の画像をキャプチャすることができる。
ドローン4又はコンピューティングシステム8の処理回路は、上述した訓練されたモデル(例えば、分類モデル、検出モデル、又はセグメンテーションモデルのうちの1つ以上)のうちのいずれかを実行することによって、画像キャプチャハードウェア12から受信した画像(単数又は複数)を分析して、基材16の欠陥を検出することができる。上述したように、様々な実施例では、訓練されたモデルは、訓練されたCNNなどの訓練されたディープニューラルネットワークであってもよい。これら及び他の実施例では、本開示の訓練されたモデルは、コンピュータビジョン指向機械学習技術を適用して、基材16の欠陥を検出することができる。
図9A~図9Cは、本開示の訓練されたモデルが基材欠陥として検出することができる、基材16におけるアンダードライブ締結具の例を示す概念図である。本明細書で使用されるとき、用語「アンダードライブ締結具」は、釘、ねじ、ボルト、鋲、又は他の貫通締結具のいずれかであって、締結具ヘッド44を基材16の表面と実質的に同一平面の位置に置くのに十分な深さ又は十分に均一な深さまで基材16内に打ち込まれていないものを指すことができる。アンダードライブ締結具は、基材16によって表される建物外皮又は他の構造物の構造的完全性を損なう。テープ14が図9Aに示されるアンダードライブ締結具を取り囲み、かつ含む基材16の部分の上に適用される場合、締結具ヘッド44の突出部は、基材16に対するテープ14のテンティングに基づく誤適用をもたらし得る。
システム10の態様は、(例えば、図8に示すようにドローン4を使用することによって、又は他の実施例に関して上述したように手動配置を介して)基材16に十分に近接して画像キャプチャハードウェア12を配置して、画像をキャプチャするために画像キャプチャハードウェア12をアクティブ化することに基づいて、図9Aに示す基材16の画像をキャプチャすることができる。ドローン4又はコンピューティングシステム8の処理回路は、図9Aの画像を使用して本開示の訓練されたモデルを実行して、締結具ヘッド44の位置及び/又は向きを表す画像データに基づいてアンダードライブ締結具を検出することができる。このようにして、本開示の訓練されたモデルは、その実行段階において、図9Aの締結具のアンダードライブ状態を示すモデル出力を提供することができ、それによって、アンダードライブ締結具の修復を適時に可能にする。
例えば、本開示の訓練されたモデルが締結具ヘッド44の位置及び/又は向きに基づいて検出するアンダードライブ締結具は、更なる建設関連タスクが基材16の上で実行される前に、本開示の訓練されたモデルによって提供されるモデル出力に基づいて修復することができる。この実施例では、本開示の訓練されたモデルは、修復前にアンダードライブ締結具に単にアクセスするための追加の解体又は分解の必要性を低減又は潜在的に排除する。代わりに、外皮層検査中に締結具ヘッド44を表す画像データを分析することに基づいてアンダードライブ締結具を検出することによって、本開示の訓練されたモデルは、適時かつ効率的な方法でアンダードライブ締結具の修復を可能にする。
図9Bに示される画像は、図9Aの締結具ヘッド44の突出部によって示される基材16のアンダードライブ締結具欠陥の上に適用されたときのテープ14の有効性の欠陥を示す。本開示の訓練されたモデルが図9Bの画像を使用して実行される実施例では、モデル出力は、テープ14の除去のシーケンス、締結具ヘッド44の位置及び/又は向きによって証明されるアンダードライブ締結具の修復、並びに修復された基材16へのテープ14の新しいセグメントの再適用等の様々なタイプの修復を可能にする。(図1~図6に関して上述したように)訓練されたモデルが基材16へのテープ14の適用における欠陥を検出するようにも訓練される実施例などのいくつかの実施例では、訓練されたモデルは、締結具ヘッド44の場所におけるテープ14の誤適用(この特定の実施例では、引き裂き)を示すモデル出力を通信することもできる。
図9Cに示す画像は、基材16に適用されたテープ14のテンティング47によって示される基材16のアンダードライブ締結具欠陥の上に適用された場合のテープ14の有効性の欠陥を示す。テンティング47が生じるのは、基材16に不適切に埋め込まれたアンダードライブ締結具の上にテープ14が適用されてもアンダードライブ締結具にテープ14を破断又は貫通させる張力がないためである。本開示の訓練されたモデルが図9Cの画像を使用して実行される実施例では、モデル出力は、テープ14の除去のシーケンス、アンダードライブ締結具を除去すること又はアンダードライブ締結具を基材16と同一平面になるように打ち込むことなどによるテンティング47の修復、及びテープ14の新しいセグメントが基材16と同一平面になるような修復された基材16へのテープ14の新しいセグメントの再適用などの、様々なタイプの修復を可能にする。
図10A及び図10Bは、本開示の訓練されたモデルが基材欠陥として検出することができる、基材16におけるボード分離の例を示す概念図である。本明細書で使用されるとき、「分離」という用語は、基材16の2つの隣接するボードの間の非同一平面接合部(非同一平面接合部45など)を指す。非同一平面接合部45は、十分に緊密に共に接合されていないボード間の間隙を表すことができる、又は異なる深さに配置された隣接するボード間の勾配差を表すことができる、又はこれらの欠陥の組み合わせを表すことができる。非同一平面接合部45などの条件から生じるボード分離は、基材16によって表される建物外皮又は他の構造物の構造的完全性を損なう。
システム10の態様は、(例えば、図8に示すようにドローン4を使用することによって、又は他の実施例に関して上述したように手動配置を介して)基材16に十分に近接して画像キャプチャハードウェア12を配置して、画像をキャプチャするために画像キャプチャハードウェア12をアクティブ化することに基づいて、図10Aに示す基材16の画像をキャプチャすることができる。ドローン4又はコンピューティングシステム8の処理回路は、図10Aの画像を使用して本開示の訓練されたモデルのうちの1つ以上を実行して、非同一平面接合部45の存在を検出することができる。このようにして、本開示の訓練されたモデルは、その実行段階において、非同一平面接合部45の存在を示すモデル出力を提供することができ、結果として生じるボード分離の修復を適時に可能にする。様々な実施例では、本開示の訓練されたモデルのモデル出力は、手動修復、(例えば、ドローン又は他の機器を使用した)自動修復、又は任意の他の適切な修復スキーム若しくは機構などの様々なタイプの修復を可能にすることができる。
例えば、非同一平面接合部45によって引き起こされるボード分離は、更なる建設関連タスクが基材16の上で実行される前に、本開示の訓練されたモデル(単数又は複数)によって提供されるモデル出力に基づいて修復することができる。この実施例では、本開示の訓練されたモデルは、修復前に非同一平面接合部45に単にアクセスするための追加の解体又は分解の必要性を低減又は潜在的に排除する。代わりに、外皮層検査中に非同一平面接合部45によって引き起こされるボード分離を検出することによって、本開示の訓練されたモデルは、適時かつ効率的な方法でボード分離の修復を可能にする。
図10Bに示される画像は、図10Aの非同一平面接合部45によって示される基材16のボード分離欠陥の上に適用されたときのテープ14の有効性の欠陥を示す。本開示の訓練されたモデルが図10Bの画像を使用して実行される実施例では、モデル出力は、テープ14の除去のシーケンス、非同一平面接合部45から生じるボード分離の修復、及び修復された基材16へのテープ14の新しいセグメントの再適用等の様々なタイプの修復を可能にする。(図1~図7に関して上述したように)モデルが基材16へのテープ14の適用における欠陥を検出するようにも訓練される実施例などのいくつかの実施例では、訓練されたモデルは、非同一平面接合部45におけるテープ14の非接着部分を示すモデル出力を通信することもできる。
図11は、オーバードライブ締結具によって引き起こされ、本開示の訓練されたモデルを使用して検出される、基材16の欠陥の例を示す概念図である。本明細書で使用されるとき、「オーバードライブ締結具」という用語は、釘、ねじ、鋲、ボルト、又は他の締結具であって、締結具のヘッド又は他のタイプの近位端が基材16を貫通し、基材の下に現在配置されているように、過剰な深さまで打ち込まれているものを指す。締結具のオーバードライブは、基材16の表面に(かつ表面の下のある深さまで)穴50を形成させる。穴50は、基材16の構造的完全性、並びに温度、水、及び他の要素などの気象条件から建物2の内部を遮蔽することに関する基材16の完全性を損なう可能性がある欠陥を表す。穴50は、基材16に対する熱伝達、水の浸入、又は他の機能の低下を引き起こす可能性がある。穴50は、本明細書では、一例としてオーバードライブ締結具によって生じるものとして説明されているが、穴50は、風で運ばれた破片、取り外された締結具などの他の要因によって生じる場合もある。
ドローン4又はコンピューティングシステム8の処理回路は、図11の画像を使用して本開示の訓練されたモデルを実行して、穴50の存在を検出することができる。このようにして、本開示の訓練されたモデル(単数又は複数)は、そのそれぞれの実行段階(単数又は複数)において、穴50の存在を示すモデル出力を提供することができ、結果として生じるボード分離の修復を適時に可能にする。本開示の訓練されたモデル(単数又は複数)はまた、建設現場管理者、検査官、請負業者などのための文書化証跡を提供することができ、それによって、保険に関連する情報を提供し、かつ潜在的に将来の紛争において紛争のある項目を明確にするために、建設管理を支援する。この実施例では、本開示の訓練されたモデルは、修復前に穴50に単にアクセスするための追加の解体又は分解の必要性を低減又は潜在的に排除する。代わりに、外皮層検査中に穴50によって表される基材16の構造的欠陥を検出することによって、本開示の訓練されたモデルは、適時かつ効率的な方法で穴50の修復を可能にする。
図12A及び図12Bは、本開示の訓練されたモデルが基材欠陥として検出することができる、基材16における衝突関連の損傷の例を示す概念図である。本明細書で使用されるとき、「衝突関連の損傷」という用語は、打撃(内向き圧力)又はガウジング(外向き圧力)から生じ得る、基材16に対する任意のタイプの損傷を指す。基材16は、多数の異なる原因に起因する衝突関連の損傷を呈し得るが、図12A及び図12Bの例は、非限定的な例として、ハンマー爪端部ガウジング及びハンマー打撃によって引き起こされる損傷に関して本明細書で説明される。図12A及び図12Bに示される衝突関連の損傷は、基材16によって表される建物外皮又は他の構造物の構造的完全性を損なう。
システム10の態様は、(例えば、図8に示すようにドローン4を使用することによって、又は他の実施例に関して上述したように手動配置を介して)基材16に十分に近接して画像キャプチャハードウェア12を配置して、画像をキャプチャするために画像キャプチャハードウェア12をアクティブ化することに基づいて、図12Aに示す基材16の画像をキャプチャすることができる。ドローン4又はコンピューティングシステム8の処理回路は、図12Aの画像を使用して本開示の訓練されたモデルを実行して、表面の裂け目46の存在を検出することができる。本開示の訓練されたモデルは、その実行段階において、様々な幅及び重症度の裂け目を検出することができる。図12Aに示されるように、本開示の訓練されたモデルは、基材16において、2つの比較的大きな裂け目、並びに多数のより小さな裂け目又は「へこみ」を検出する。このようにして、本開示の訓練されたモデルは、その実行段階において、表面の裂け目46の存在を示すモデル出力を提供することができ、適時に表面の裂け目46の修復を可能にする。
例えば、非同一平面接合部45によって引き起こされるボード分離は、更なる建設関連タスクが基材16の上で実行される前に、本開示の訓練されたモデルによって提供されるモデル出力に基づいて修復することができる。この実施例では、本開示の訓練されたモデルは、修復前に非同一平面接合部45に単にアクセスするための追加の解体又は分解の必要性を低減又は潜在的に排除する。代わりに、外皮層検査中に非同一平面接合部45によって引き起こされるボード分離を検出することによって、本開示の訓練されたモデルは、適時かつ効率的な方法でボード分離の修復を可能にする。
図12Bに示す画像は、基材16の表面くぼみ48を示す。表面くぼみ48は、ハンマーで基材16の表面を打つときに加えられる過度の力及び/又は不適切な角度によって、又は他の要因によって引き起こされる可能性がある。本開示の訓練されたモデルが図12Bの画像を使用して実行される実施例では、それぞれのモデル出力は表面くぼみ48を識別しており、これは基材16に適用された耐候性コーティングの下に配置されたその露出された材料(例えば、木材)をハンマーが打つ事例を示してる。
図13A及び図13Bは、本開示の態様による、ドローン4が装備されて、基材16又はテープ14上の潜在的な調査対象のオブジェクト(OoPSI)をマーキングするように構成されている実施例を示す。いくつかの実施例では、システム10の態様は、図1~図12Bに関して上述した訓練されたモデルを使用して識別される、又は他の方法で識別されるOoPSIの近くのエリアにドローン4をナビゲートすることができる。図13Aの実施例では、ドローン4は、上部マウント52を備える。上部マウント52は、(飛行中に向けられた)ドローン4の上面に物理的に結合されたときに、追加のアタッチメント及び構成要素へのドローン4の更なる結合を可能にする、任意のハードウェア又はハードウェア構成要素の組み合わせを表すことができる。他の実施形態では、ドローン4は、飛行中に地面に面するドローン4の表面を介して追加のアタッチメント及び/又は構成要素の結合を可能にする底部マウントを備えることができる。
ドローン4は、衝撃吸収サブアセンブリ54を備える。図13Aの実施例では、上部マウント52は、ドローン4を衝撃吸収サブアセンブリ54に結合する。いくつかの実施例では、衝撃吸収サブアセンブリ54は、単一の圧縮ばね又は複数の圧縮ばねを含むことができる圧縮ばねセットを表す。他の実施例では、衝撃吸収サブアセンブリ54は、油圧デバイス、圧縮ブラダ、ストラット、磁性流体などの他のタイプの衝撃吸収技術を表すことができる。いずれにしても、衝撃吸収サブアセンブリ54は、衝突関連の衝撃を熱エネルギーなどの放散可能な別の形態のエネルギーに変換することによって、衝撃インパルスを吸収及び/又は減衰するように構成されている。
ドローン4はまた、マーキングデバイス56を備える。マーキングデバイス56は、基材16のエリア、又は基材16に適用されるテープ14のエリアをマーキングするように構成された様々なタイプの機器を表すことができる。一実施例では、マーキングデバイス54は、マーキングデバイス56の遠位先端と、基材16又は基材16に適用されたテープ14などのレセプタクルとの間の接触時にインクを供給するように構成された、ペン、フェルトペン、マーカー、ビンゴドーバーなどのインク供給システムを表す。別の実施例では、マーキングデバイス56は、マーキングデバイス56の遠位先端が接触するレセプタクル(例えば、基材16又は基材16に適用されたテープ14)上にセルフタック紙ストリップを供給するように構成されている。他の実施例では、マーキングデバイス56は、他の方法でレセプタクル(基材16又は基材16に適用されたテープ14など)をマーキングするように構成されている。
図13Bは、図143の例において構成されたドローン4の特定の態様の更なる詳細を示す。図13Bは、上部マウント52を介してドローン4に結合された様々な構成要素の側面図である。図13Bは、衝撃吸収サブアセンブリ54の圧縮範囲58を示す。圧縮範囲58は、衝撃吸収サブアセンブリ54が上部マウント52を介してドローン4に結合された構成要素の組み合わせの全長の一時的な低減を可能にする、長さを表す。
圧縮範囲58は、マーキングデバイス56が基体16などの物体に衝突するたびに衝撃吸収サブアセンブリ54が圧縮する長さを表すものではないことが理解されよう。むしろ、圧縮範囲58は、マーキングデバイス56の遠位先端が剛体又は半剛体(例えば、基材16又は基材16に適用されたテープ14)と接触する際に衝撃吸収サブアセンブリ54によって与えられる最大圧縮を表す。図13Bに示される向きの実施例では、マーキングデバイス56の右側端部は、本明細書に記載されるOoPSIマーキング機能の一部として基材16と接触する遠位先端を含む。
衝突の力に応じて、衝撃吸収サブアセンブリ54は、圧縮範囲58いっぱいの大きさ、又は圧縮範囲58未満の大きさのいずれかまで圧縮することができる。図13Bに示す構成では、衝撃吸収サブアセンブリ54は、マーキングマウント60と後部止め具64との間に配置されている。マーキングマウント60は、マーキングデバイス56を受け入れるように構成された構成要素を表す。いくつかの実施例では、マーキングマウント60は、拡張可能又は構成可能な直径及び/又は形状を有し、それによって、マーキングマウント60が様々な形状、サイズ、フォームファクタなどのマーキングデバイス又は他の周辺機器を受け入れることを可能にする。
このようにして、マーキングマウント60は、本開示のシステム及び技術による様々なタイプのマーキング周辺機器の使用を可能にする。後部止め具64は、固定位置を有する剛性構成要素を表す。後方止め具64は、ドローン4が遠位先端マーキングデバイス56と基材16又はテープ14との衝突に対する反力を提供することを可能にし、一方で、圧縮範囲58の全長によって表される最大長まで、衝撃吸収サブアセンブリ54によって提供される圧縮に対応する。
図13Bに示す構成によれば、ドローン4はまた、モーションガイド66を備える。様々な実施例では、モーションガイド66は、マーキングデバイス56の遠位先端が基材16に衝突したことに応じて(マーキングデバイス56を保持する)マーキングマウント60の往復運動のための摺動フレームワークを提供する直線モーションガイドである。モーションガイド66は、上部マウント52を介してドローン4に結合され、1つ以上の締結具を使用して(例えば、スロット付きチャネル又は別のタイプのチャネル内で)モーションガイド66とマーキングマウント60との間の定位置に衝撃吸収サブアセンブリ54を保持する。
ドローン4の制御回路は、識別されたOoPSIに関連付けられた(例えば、識別されたOoPSIにある、識別されたOoPSIを含む、又は識別されたOoPSIに近接する)エリアにドローン4をナビゲートするように構成されている。制御回路は、ドローン4のローカル位置トラッカ及び他のハードウェアを使用して、ドローン4のこれらの動きを達成することができる。例えば、制御回路は、ドローン4の制御論理から受信した命令に基づいて、識別されたOoPSIに関連付けられたエリアにドローン4をナビゲートすることができる。次に、ドローン4の制御論理は、制御論理がドローン4又はコンピューティングシステム8の処理回路から受信するナビゲーション命令に基づいて、OoPSIに関連付けられたエリアにドローン4をナビゲートすることができる。
いくつかの実施例では、ドローン4は、図13A及び図13Bの実施例において構成されているように、図8、図9A、図10A、及び図11~図12Bに示され、それらの図に関して説明された例などの、基材16の欠陥に関連付けられたOoPSIにナビゲートし、OoPSIをマーキングすることができる。ドローン4が図13A及び図13Bの態様に従ってナビゲートしマーキングすることができる基材欠陥OoPSIの例としては、表面の裂け目、アンダードライブ締結具、オーバードライブ締結具、表面ガウジング、過剰なシーラント、ボード分離、間隙などが挙げられる。
いくつかの実施例では、ドローン4は、図13A及び図13Bの実施例において構成されているように、図2~図7、図9B、及び図10Bに示され、それらの図に関して説明された例などの、基材16に適用されたテープ14に関するテープ誤適用(単数又は複数)に関連付けられたOoPSIにナビゲートし、OoPSIをマーキングすることができる。ドローン4が図13A及び図13Bの態様に従ってナビゲートしマーキングすることができるテープ誤適用関連のOoPSIの例としては、フィッシュマウスしわ、基材16に適用されたテープ14のテンティング、欠落セグメント(単数又は複数)、様々なタイプの不十分な接着、不十分な張力などが挙げられる。
図14A~図14Cは、本開示の態様による、ドローン4が装備されて、基材16又は基材16に適用されたテープ14上のOoPSIを修復するように構成されている実施例を示す概念図である。いくつかの実施例では、システム10の態様は、図1~図12Bに関して上述した訓練されたモデルを使用して識別される、又は他の方法で識別されるOoPSIの近くのエリアにドローン4をナビゲートすることができる。図14Aの実施例では、ドローン4は、上部マウント52及び下部マウント68を備える。下部マウント68は、(飛行中の向きで)ドローン4の下面又は地面に面する表面に物理的に結合されたときに、追加のアタッチメント及び構成要素へのドローン4の更なる結合を可能にする、任意のハードウェア又はハードウェア構成要素の組み合わせを表すことができる。
下部マウント68を介して、ドローン4は、ディスペンササブアセンブリ72を備える。ディスペンササブアセンブリ72は、シリンジ76を受け入れるハウジング75を含む。図示されるように、ハウジング75は、シリンジ76のアプリケータがハウジング75から遠位に配置されるような位置及び向きでシリンジ76を受け入れるように構成されている。したがって、ディスペンササブアセンブリ72は、シリンジ76の任意の内容物をドローン4の機体から遠位方向に押し出すことを可能にする位置及び向きでシリンジ76を収容するように構成されている。
図13Bに関して説明したように、ドローン4の制御回路は、ドローン4の制御論理がドローン4又はコンピューティングシステム8の処理回路から受信したナビゲーション命令に基づいて生成する命令に基づいて、識別されたOoPSIに関連付けられた(例えば、識別されたOoPSIにある、識別されたOoPSIを含む、又は識別されたOoPSIに近接する)エリアにドローン4をナビゲートするように構成されている。ドローン4の制御論理はまた、ドローン4又はコンピューティングシステム8の処理回路から押出命令を受信することができる。
図14Bは、ディスペンササブアセンブリ72の上面図を示す。処理回路から受信した押出命令に基づいて、制御論理は、アクチュエータモータ77を作動させることができる。例えば、受信した押出命令に基づいて、ドローン4の制御論理は、アクチュエータモータ77に、アクチュエータアーム80を往復運動の伸長段階に移動させることができる。往復運動の伸長段階は、アクチュエータアーム80がドローン4の機体から遠位に直線経路上を動く段階を表す。指定された距離82は、アクチュエータがディスペンササブアセンブリ内で動くことができる距離を意味し、これは、このフォームファクタにおける材料の消耗に相関することができる。
アクチュエータアーム80を往復運動の伸長段階に動かすことによって、アクチュエータモータ77は、アクチュエータアーム80にシリンジ76の内容物の一部を押し出させる。ドローン4が識別されたOoPSIに関連付けられたエリアに配置されていることに基づいて、アクチュエータモータ77は、アクチュエータアーム80に、OoPSIに関連付けられたエリアにシリンジ76の内容物を押し出させる。いくつかの実施例では、ナビゲーション命令及び/又は押出命令に基づいて、ドローン4の制御論理は、シリンジ76の内容物を押し出すためにアクチュエータアーム80が往復運動の伸長段階にある間に、ドローン4を基材16の表面と平行に、又は実質的に平行に動かすように構成されている。
本明細書で使用されるとき、基材16の表面と実質的に平行なドローン4の動きは、基材16のX-Y平面と実質的に平行な任意のパターンでの動きを指す。アクチュエータアーム80が伸長段階にある間に、基材16のX-Y平面と実質的に平行にドローン4を動かすことによって、ドローン4の制御論理は、ナビゲーション命令及び押出命令を処理して、識別されたOoPSIの一部、大部分、又は全ての上にシリンジ76の内容物を押し出す。
すなわち、ナビゲーション命令は、完了時に、識別されたOoPSIの一部、大部分、又は全てをカバーする動きパターンに対応することができる。いくつかの実施例では、押出命令に関連付けられた押出増分に基づいて、ドローン4の制御論理は、アクチュエータモータ77に、アクチュエータアーム80を往復運動の後退段階に動かしてシリンジ76の内容物の押出を中止させることができる。すなわち、押出増分は、シリンジ76の内容物が押し出されている間にOoPSIの十分なエリアをカバーするためのドローン4の動きを仮定して、OoPSIを修復するために押し出されるシリンジ76の内容物の量を定義することができる。
アクチュエータカプラ74は、(ドローン4の機体に対して)アクチュエータアーム80の遠位端を(ドローン4の機体に対して)シリンジ76の近位端に物理的に結合し、シリンジ76の近位端に、アクチュエータアーム80の往復運動の伸長段階及び後退段階の両方を追跡させる。
図14Cは、図14Aに示されるスロット付きチャネル70の更なる詳細を示す。図14Aに示すように、スロット付きチャネル70は、ディスペンササブアセンブリ72をドローン4の機体に結合するように構成されている。スロット付きチャネル70は、ドローン4の機体への固定点の基準点に対するディスペンササブアセンブリ72の半径方向の動きの自己加重非制御自由度(degree of freedom、DOF)88を提供する。ディスペンササブアセンブリ72の動きの非制御DOF88を提供することによって、スロット付きチャネル70は、ディスペンササブアセンブリ72の半径方向の動きに対するエラーバッファ(例えば、向かい風の突風、ロータ洗浄など)を提供する。
スロット付きチャネル70によって提供される非制御DOF88は、制御されたDOFの実装形態の場合に必要とされ、ひいては潜在的に重量に敏感なシステムに重量を追加することになる、追加のモータ及び搭載された構成要素のインフラストラクチャの必要性を低減する。しかしながら、制御されたDOFの実装形態及び/又は堅固に固定された実装形態もまた、本開示の接着剤供給ドローンの実装形態と一致することが理解されるであろう。図14Cは、ピボットハブ84並びに半径方向締結具86A及び86Bを示す。半径方向締結具86A及び86Bは、ピボットハブ84から等距離に配置され、非制御DOF88に含まれる弧を提供する。
単に例示を容易にするために、半径方向締結具86Aと86Bとの間の円周方向の動きによって表される弧のみが図14Cに示されているが、スロット付きチャネル70は、非制御DOF88を提供するために、様々な数の半径方向締結具を含むことができることが理解されよう。様々な実施例では、シリンジ76は、コーキング材、汎用シリコーン接着剤、ニトロセルロース接着剤、ペーストシーラント、エポキシアクリル、又はディスペンササブアセンブリ72を使用して供給されるのに適した他の接着剤等の様々なタイプの接着剤内容物を装填することができる。いくつかの実施例では、ドローン4は、交換可能なシリンジを備えることができ、シリンジ76は、現在使用中のシリンジを表し、他のバックアップ及び/又は使用済みのシリンジも搭載されている。
図14A~図14Cに示されるドローン4の実施形態は、シリンジ76の接着剤内容物を供給して、表面の裂け目、アンダードライブ締結具、オーバードライブ締結具、表面ガウジング、ボード間の間隙若しくは他の不連続部、衝突関連の損傷などの基材16の欠陥、及び/又はフィッシュマウスしわ、裂け目若しくは擦り傷、しわ、テンティング、欠落テープセグメント、不十分な接着、不十分な張力などのテープ14の誤適用を含むがこれらに限定されない、様々なタイプのOoPSIを修復することができる。
図15は、本開示の態様による、ドローン4が装備されて、基材16又は基材16に適用されたテープ14上のOoPSIを修復するように構成されている別の実施例を示す概念図である。いくつかの実施例では、システム10の態様は、図1~図12Bに関して上述した訓練されたモデルを使用して識別される、又は他の方法で識別されるOoPSIの近くのエリアにドローン4をナビゲートすることができる。図15の実施例では、ドローン4は、ディスペンササブアセンブリ90を備える。ディスペンササブアセンブリ90は、エアロゾル供給システム102を受け入れるハウジング94を含む。ディスペンササブアセンブリ90は、非限定的な実施例としてドローン4の上面に取り付けられるものとして図15に示されているが、本開示による別の実施例では、ディスペンササブアセンブリ90は、他の方法でドローン4に結合することができることが理解されよう。
エアロゾル供給システム102は、ノズル104を押し下げることなどによって圧力弁が開くと圧縮された内容物を放出するように構成された1つ以上のタイプの缶又は貯蔵デバイスを表すことができる。図13Bに関して説明したように、ドローン4の制御回路は、ドローン4の制御論理がドローン4又はコンピューティングシステム8の処理回路から受信したナビゲーション命令に基づいて生成する命令に基づいて、識別されたOoPSIに関連付けられた(例えば、識別されたOoPSIにある、識別されたOoPSIを含む、又は識別されたOoPSIに近接する)エリアにドローン4をナビゲートするように構成されている。ドローン4の制御論理はまた、ドローン4又はコンピューティングシステム8の処理回路から供給命令を受信することができる。
処理回路から受信した供給命令に基づいて、制御論理は、モータ92を作動させることができる。例えば、受信した供給命令に基づいて、ドローン4の制御論理は、モータ92に、トリガ98を往復運動の後退段階に移動させることができる。往復運動の後退段階は、トリガ98がドローン4の機体に向かって近位に動く段階を表す。例えば、ドローン4の制御論理によってこのように作動されると、モータ92は、ドローン4の機体に向かってリンクワイヤ96を後退させることができ、それによって、リンクワイヤ96に結合されたトリガ98を後退させる。
往復運動の後退段階にトリガ98を動かすことによって、モータ92は、トリガ98にノズル104を押下させ、それによって、エアロゾル供給システム102の内容物の一部を放出させる。ドローン4が識別されたOoPSIに関連付けられたエリアに配置されていることに基づいて、モータ92は、トリガ98にノズル104を押下させ、エアロゾル供給システム102の内容物をOoPSIに関連付けられたエリアに供給させる。いくつかの実施例では、ナビゲーション命令及び/又は供給命令に基づいて、ドローン4の制御論理は、トリガ98が往復運動の後退段階にある間に、ドローン4を基材16の表面と平行に、又は実質的に平行に動かし、ノズル98を押下して保持し、それによって、エアロゾル供給システム102の内容物を供給するように構成されている。
本明細書で使用されるとき、基材16の表面と実質的に平行なドローン4の動きは、基材16のX-Y平面と実質的に平行な任意のパターンでの動きを指す。トリガ98が往復運動の後退段階にある間にドローン4を基材16のX-Y平面と実質的に平行に動かすことによって、ドローン4の制御論理は、ナビゲーション命令及び押出命令を処理して、識別されたOoPSIの一部、大部分、又は全ての上にエアロゾル供給システム102の内容物を供給する。
すなわち、ナビゲーション命令は、完了時に、識別されたOoPSIの一部、大部分、又は全てをカバーする動きのパターンに対応することができる。いくつかの実施例では、押出命令に関連付けられた供給増分に基づいて、ドローン4の制御論理は、モータ92に、リンクワイヤ96に加えられた張力の少なくとも一部を解放させ、往復運動の伸長段階にトリガ98を動かしてエアロゾル供給システム102の内容物の供給を中止させることができる。すなわち、供給増分は、エアロゾル供給システム102の内容物が噴霧されている間にOoPSIの十分なエリアをカバーするためのドローン4の動きを仮定して、OoPSIを修復するために噴霧されるエアロゾル供給システム102の内容物の量を定義することができる。
エアロゾル供給システム102の内容物は、任意のエアロゾル推進シーラント、又はゴムシーラント、耐候性スプレー式塗料、加圧発泡シーラントなどの封止若しくは成形目的のために識別されたOoPSIの上に噴霧されるのに適した任意の他の材料を含むことができる。図15に示されるドローン4の実施形態は、エアロゾル供給システム102の内容物を供給して、表面の裂け目、オーバードライブ締結具、表面ガウジング、ボード間の間隙若しくは他の不連続部、衝突関連の損傷などの基材16の欠陥、及び/又は裂け目若しくは擦り傷、欠落テープセグメント、不十分な接着などのテープ14の誤適用を含むがこれらに限定されない、様々なタイプのOoPSIを修復することができる。
図14A~図15と一致するいくつかの実装形態では、ドローン4は、光源と、光センサと、光源を光センサに結合する光ファイバリンクとを備えることができる。これらの実装形態では、ドローン4の制御論理は、供給/押出命令に基づいて光源をアクティブ化することができ、モータ92又はアクチュエータモータ77(場合によって)は、それぞれの往復運動の後退段階にトリガ98を動かす、又は伸長段階にアクチュエータアーム80を動かすように構成されている。これらの実施例では、ドローン4の制御論理は、これらの光ベースの技術を使用して、光センサが光ファイバリンクを介して光源のアクティブ化を検出したことに応じて、ノズル104を押し下げ、又はシリンジ76の内容物を押し出して、OoPSIに関連付けられたエリアにエアロゾル供給システム102又はシリンジ76の内容物を供給する。
図14A~図15と一致する他の実装形態では、ドローン4は、マイクロコントローラ、Bluetooth(登録商標)又は他の近距離、低電力、無線送受信機、及びバッテリ又はバッテリパックなどの電源を備えることができる。マイクロコントローラは、スクリプトを連続的に実行することができ、スクリプトは、適切な関数呼び出しにおいて、無線送受信機との接続を開始し、供給増分又は押出増分に対応する信号を送信してもよい。これらの実施例では、マイクロコントローラ-送受信機ベースのサブシステムは、ドローン4のファームウェアとは別個かつ独立しており、したがって、基礎となるUAVプラットフォームに適合するための特定の機械的調整を保留して、異なる基礎となるUAVプラットフォーム間で移植可能であり、異なる基礎となるUAVプラットフォームに依存しない。
図16は、本開示の例示的なプロセス110を示すフローチャートである。プロセス110は、建物2の調査から開始することができる(106)。例えば、ドローン4の制御論理は、ドローン4をナビゲートし、画像キャプチャハードウェア12をアクティブ化して、建物2の1つ以上の画像をキャプチャすることができる。次に、ドローン4又はコンピューティングシステム8の処理回路は、1つ以上の画像を分析することができる(108)。様々な実施例では、ドローン4又はコンピューティングシステム8の処理回路は、モデル出力を生成するために、本開示の訓練された分類モデル、訓練された検出モデル、又は訓練されたセグメンテーションモデルのうちの1つ以上を実行することによって、画像キャプチャハードウェアから受信した画像(単数又は複数)を分析することができる。
処理回路は、モデル出力を報告してもよい(112)。例えば、処理回路は、処理回路に通信可能に結合された出力ハードウェアに通信可能に結合されていてもよい。これらの実施例では、処理回路は、出力ハードウェアを介してモデル出力を出力するように構成することができ、出力ハードウェアは、モニタ、スピーカ、モデル入力を別のデバイスに中継するように構成された通信インタフェースなどとすることができる。図4A~図4D及び図6A~図6Dに関して上述したように、モデル出力は、欠陥状態及び/又は画像(単数又は複数)に示される特定のOoPSI(単数又は複数)を示すことができる。
プロセス110は、ドローン4を使用して、検出されたOoPSIをマーキングするかどうかの判定(判断ブロック114)を含む。判定がドローン4を使用して検出されたOoPSIをマーキングすること(判断ブロック114の「はい」分岐)である場合、ドローン4の制御論理は、ドローン4に、13A及び13Bに関して上述した技術を使用することなどによって、OoPSIをマーキングさせることができる(116)。判定がドローン4を使用して検出されたOoPSIをマーキングしないこと(判断ブロック114の「いいえ」分岐)である場合、現場管理者は、任意選択的に、検出されたOoPSIを手動でマーキングすることができる(118)。検出されたOoPSIの手動マーキングの任意選択の性質は、図16のステップ118の破線の境界によって示されている。
プロセス110はまた、ドローン4を使用して、検出されたOoPSIを修復するかどうかの判定(判断ブロック120)を含む。判定がドローン4を使用して検出されたOoPSIを修復すること(判断ブロック120の「はい」分岐)である場合、ドローン4の制御論理は、ドローン4に、14A~15に関して上述した技術を使用することなどによって、OoPSIを修復させることができる(122)。判定がドローン4を使用して検出されたOoPSIを修復しないこと(判断ブロック120の「いいえ」分岐)である場合、現場管理者は、任意選択的に、検出されたOoPSIを手動で修復することができる(124)。検出されたOoPSIの手動修復の任意選択の性質は、図16のステップ124の破線の境界によって示されている。様々な実施例では、ドローン4の制御論理は、画像キャプチャハードウェア12から受信した画像(単数又は複数)を分析することによって、処理回路が手動で又はドローン4によって配置されたマークを検出したことに応じて、ドローン4をOoPSIを取り囲むエリアにナビゲートし、修復措置を達成するように構成することができる。
いくつかの実装形態では、(これらの実装形態ではコントローラ6に通信可能に結合されている)コンピューティングシステム8上で実行されるソフトウェアアプリケーションは、エアロゾル供給システム102による噴霧を介して修復されることになる基材16上の1つ以上のターゲットを自律的に識別する。アプリケーションは、(例えば、ドローン4が備えることができる画像キャプチャハードウェア12又は他のビデオキャプチャハードウェアを介して)ドローン4から受信したビデオフィードのビデオデータを処理することができる。例えば、アプリケーションは、2つの合板ボード間の亀裂を識別し、ドローン4の制御論理に、ドローン4を亀裂の縁部又は端部と位置合わせさせ、エアロゾルディスペンサシステム102を作動させて噴霧を開始させ、ドローン4が亀裂の反対側の端部に到達するまで亀裂に沿ってドローン4を動かすことができ、その時点で、制御論理は、エアロゾル供給システム102を停止させ、噴霧を停止させることができる。
別の実施例では、アプリケーションは、パイプと基材16との接合部を取り囲む間隙を識別し、ドローン4の制御論理に、ドローン4を亀裂の縁部と位置合わせさせ、エアロゾルディスペンサシステム102を作動させて噴霧を開始させ、ドローン4が接合部を完全に一周するまで、パイプと基材16との接合部を追跡する円形経路に沿ってドローン4を動かすことができ、その時点で、制御論理は、エアロゾル供給システム102を停止させ、噴霧を停止させることができる。これらの実施例のいずれにおいても、アプリケーションは、異なる距離、角度、照明条件等における基材16の多数の画像のデータセットを使用して訓練されたコンピュータビジョン指向機械学習モデルを実行することによって、亀裂、パイプ、又はパイプ接合部を識別することができる。「円形」として説明されているが、パイプ接合部における間隙を修復するためのドローン4の経路は、長円形、楕円形、又は任意の他のタイプの閉鎖形状であってもよいことが理解されるであろう。
コンピュータビジョン処理は、対象のエリアの周りのラベル付けされたバウンディングボックス内のエリアで実行することができる。本開示のコンピュータビジョン処理ワークフローの一実施例では、コンピューティングシステム8上で実行されるアプリケーションは、訓練された機械学習アルゴリズムを実行して、画像キャプチャハードウェア12から受信したビデオフレームを読み取り、(例えば、カラーマスキング又は他の技術を使用して)対象のオブジェクトを画像の背景から分離することができ、(例えば、拡張、侵食などのモルフォロジー演算を使用して)マスクを改良することができ、(例えば、キャニーエッジ検出を使用して)1つ以上のエッジを検出することができる。
この実施例では、訓練された機械学習アルゴリズムは、マスクを侵食して、外側エッジを除去し、(例えば、ハフ線変換を使用して)線をエッジに適合させ、(例えば、DBSCANクラスタリングを使用して)あまり関連性のない又は無関係なハフ線をフィルタリングして除去することができ、ハフ線とマスクエッジ(単数又は複数)との交点を細かくすることができる。この実施例では、訓練された機械学習アルゴリズムは、(例えば、k平均クラスタリングを使用して)最も適合する交点を見つけ、最も適合する相互作用点からビデオ中心までの距離を計算し、無線通信接続を介してドローン4の制御論理に変数を渡すことができる。
この変数は、亀裂開始点、亀裂、角度、及びエアロゾル供給システム102が検出された亀裂(単数又は複数)を完全に修復することを可能にする方法で制御論理がドローン4をナビゲートすることを可能にする他のパラメータを示すことができる。エアロゾル供給システム102の使用に関して主に説明されているが、本開示のコンピュータビジョン処理の態様はまた、(例えば、図13A~図13Cに示される構成を使用して)OoPSIマーキングを可能にし、かつ/又は図14A及び図14Bの実施例によって示されるような接着剤供給を使用してOoPSI修復を可能にすることが理解されるであろう。
システム10の態様が修復手順を実施する例示的な手順(ディスペンササブアセンブリ90を使用するか、エアロゾル供給システム102を使用するかにかかわらず)を以下に説明する。この実施例では、ドローン4の制御論理は、修復されるOoPSIとドローン4を位置合わせすることができる。次に、制御論理は、上述の光トグル機構、上述のマイクロコントローラベースの機構などの本開示と一致する任意の機構を使用して、ディスペンササブアセンブリ90又はエアロゾル供給システム102のいずれかを作動させることができ、システム10の態様は、上述のコンピュータビジョン手順を実行することができる。
コンピュータビジョン手順の出力に基づいて、処理回路は、OoPSIの角度(例えば、亀裂角度)が所定の範囲内にあるかどうかを判定してもよい。亀裂角度が所定の範囲内にない場合、制御論理は、基材16に対してドローン4のヨーを調整し、OoPSI角度の評価のためにコンピュータビジョン手順を再実行することができる。
OoPSIが所定の範囲内にある場合(コンピュータビジョン手順の実行パスに関する角度評価の第1の反復又は後続の反復であっても)、処理回路は、OoPSIの端部(例えば、亀裂端部)が画像キャプチャハードウェア12によってキャプチャされたビデオフレーム又は他の画像の中心にある、又は実質的に中心に位置するかを判定することができる。OoPSIの端部がフレームの中心にない、又は実質的に中心に位置して配置されていない場合、制御論理は、ドローン4をOoPSIに沿って動かすようにドローン4のピッチ及び/又はロールを調整することができ、それによって、ディスペンササブアセンブリ90又はエアロゾル供給システム102のいずれかをOoPSIの端部と位置合わせして、適切な場所で修復を開始する。
処理回路は、OoPSIの端部が、画像キャプチャハードウェアを介して直近にキャプチャされたフレーム内の実質的に中心に位置するまで、コンピュータビジョン手順を反復的に再実行してもよい。OoPSI角度が所定の範囲内にあり、かつOoPSIの端部が画像キャプチャハードウェア12によってキャプチャされたフレーム内の実質的に中心に位置することを示すコンピュータビジョン手順の実行サイクル時に、制御論理は、ディスペンササブアセンブリ90又はエアロゾル供給システム102を停止して、(例えば、上述の光トグル機構、上述のマイクロコントローラベースの機構、又は本開示と一致する任意の他の作動機構のいずれかを使用して)OoPSIを修復することができる。
好ましい実施形態の以下の詳細な説明において、本発明を実施できる具体的な実施形態を例示する添付図面を参照する。例示された実施形態は、本発明にかかる全ての実施形態を網羅することを意図するものではない。他の実施形態を利用することができ、構造的又は論理的な変更が、本発明の範囲から逸脱することなくなされ得ることを理解されたい。したがって、以下の詳細な説明は、限定的な意味で解釈されるべきではなく、本発明の範囲は、添付の特許請求の範囲によって定義されるものである。
別段の指示がない限り、本明細書及び特許請求の範囲で使用されている、特徴部のサイズ、量、及び物理的特性を表す全ての数は、全ての場合において、用語「約」又は「およそ」又は「実質的に」によって修飾されているものとして理解されたい。したがって、特に反対の指示がない限り、上記明細書及び添付の特許請求の範囲に記載されている数値パラメータは、本明細書で開示される教示を利用して当業者が得ようとする所望の特性に応じて変動し得る近似値である。
本明細書及び添付の特許請求の範囲で使用する場合、単数形「a」、「an」、及び「the」は、内容が別途明示しない限り、複数の指示対象を有する実施形態を包含する。本明細書及び添付の特許請求の範囲で使用する場合、用語「又は」は、そうでないことを内容が明示していない限り、全般的に、「及び/又は」を含む意味で用いられる。
実施例により、本明細書で説明した方法のいずれかの特定の行為又はイベントは、異なる順序で実行することができ、追加、結合、又はまったく省略することができる(例えば、説明した行為又はイベントのすべてが方法の実施のために必要であるわけではない)ことが認識される。更に、特定の実施例では、行為又はイベントは、順次ではなく、例えば、マルチスレッド処理、割込処理、又は複数のプロセッサにより、同時に実行することができる。
本開示で説明される技術は、ハードウェア、ソフトウェア、ファームウェア、又はそれらの任意の組み合わせに少なくとも部分的に実装してもよい。例えば、説明された技術の様々な態様は、1つ以上のマイクロプロセッサ、CPU、GPU、DSP、特定用途向け集積回路(ASIC)、フィールドプログラマブルゲートアレイ(FPGA)、又は他の任意の等価集積回路若しくは個別論理回路、並びにそのような構成要素の任意の組み合わせを含む1つ以上のプロセッサに実装することができる。用語「プロセッサ」又は「処理回路」は、一般的に、前述の論理回路の単独又は他の論理回路との組み合わせ、あるいは他の等価回路、のいずれかを指してもよい。ハードウェアを含む制御ユニットもまた、本開示の技術のうちの1つ以上を実行することができる。
そのようなハードウェア、ソフトウェア、及びファームウェアは、本開示で説明される様々な動作及び機能をサポートするために、同じデバイス内又は別個のデバイス内に実装してもよい。更に、記載されたユニット、モジュール又は構成要素のいずれかは、個別であるが相互運用可能な論理デバイスとして一緒に又は別々に実現することができる。モジュール又はユニットとしての異なる特徴の描写は、異なる機能的な態様を強調するように意図されており、必ずしもかかるモジュール又はユニットを別個のハードウェア又はソフトウェアの構成要素によって実現しなければならないことを意味するものではない。むしろ、1つ以上のモジュール又はユニットに関連付けられた機能は、別個のハードウェア又はソフトウェアの構成要素によって実行してもよく、あるいは、共通の又は別個のハードウェア又はソフトウェアの構成要素に組み込まれてもよい。
本開示で説明された技術はまた、命令を含むコンピュータ可読記憶媒体などのコンピュータ可読媒体において具現化又は符号化してもよい。コンピュータ可読記憶媒体に埋め込まれた又は符号化された命令は、例えば、命令が実行されると、プログラム可能プロセッサ又は他のプロセッサに方法を実行させてもよい。コンピュータ可読記憶媒体としては、ランダムアクセスメモリ(random access memory、RAM)、読み出し専用メモリ(read only memory、ROM)、プログラム可能読み出し専用メモリ(programmable read only memory、PROM)、消去可能プログラム可能読み出し専用メモリ(erasable programmable read only memory、EPROM)、電子消去可能プログラム可能読み出し専用メモリ(electronically erasable programmable read only memory、EEPROM)、フラッシュメモリ、ハードディスク、CD-ROM、フロッピーディスク、カセット、磁気媒体、光媒体、又は他のコンピュータ可読媒体を挙げることができる。
様々な実施例について説明してきた。これら及び他の実施例は、以下の特許請求の範囲内である。
Claims (17)
- 処理回路と、
ドローンであって、
エアロゾル供給システムのノズルと接触して配置されたトリガを有するエアロゾル供給システム、又は、シリンジのアプリケータがハウジングから遠位に配置されているシリンジを備える、ハウジングと、
アクチュエータアームと、
前記アクチュエータアームを往復運動で動かすように構成されたアクチュエータモータと、
を備えるディスペンササブアセンブリと、
前記処理回路に通信可能に結合された制御論理であって、
前記処理回路から受信したナビゲーション命令に基づいて、潜在的な調査対象のオブジェクト(OoPSI)に関連付けられたエリアに前記ドローンをナビゲートして、前記シリンジの前記アプリケータ又は前記エアロゾル供給システムの前記ノズルを前記OoPSIに関連付けられたエリアに近接させ、
前記処理回路から受信した押出又は供給命令に基づいて、前記アクチュエータモータに、前記アクチュエータアームを前記往復運動の伸長段階に動かして、前記OoPSIに関連付けられた前記エリアに前記シリンジの内容物の一部を押し出させ、又は前記アクチュエータモータに、前記トリガを前記往復運動の後退段階に動かして前記ノズルを押下させ、前記エアロゾル供給システムが前記OoPSIに関連付けられた前記エリアに前記エアロゾル供給システムの内容物の一部を供給する、
ように構成された制御論理と、
を有する、ドローンと、
を備える、システム。 - 前記アクチュエータモータが、前記トリガを往復運動で動かすように更に構成されている、請求項1に記載のシステム。
- 前記ドローンが、無線インタフェースハードウェアを更に備え、前記処理回路が、前記ドローンの前記無線インタフェースハードウェアに無線結合された遠隔制御デバイスに組み込まれている、請求項1又は2に記載のシステム。
- 前記処理回路が、前記ドローンに組み込まれている、請求項1に記載のシステム。
- 前記基材が、建物の外皮層の一部分である、請求項1に記載のシステム。
- 前記基材が、建物の屋根の一部分である、請求項1に記載のシステム。
- 前記OoPSIが、表面の裂け目、アンダードライブ締結具、オーバードライブ締結具、前記基材の表面ガウジング、ボード分離、過剰なシーラント状態、前記基材の穴、前記基材の2つ以上のボード間の間隙、貫通における間隙、又は締結具ホルダのうちの少なくとも1つに関連付けられた基材欠陥を含む、請求項1に記載のシステム。
- 前記OoPSIが、フィッシュマウスしわ、前記基材に適用された前記テープのテンティングに関連付けられたテープ裂け目、欠落テープセグメント、不十分な接着、又は不十分な張力のうちの少なくとも1つに関連付けられたテープ誤適用を含む、請求項1に記載のシステム。
- 前記エアロゾル供給システムの前記内容物が、エアロゾル推進接着剤又はエアロゾル推進シーラントを含む、請求項1に記載のシステム。
- 前記ドローンが、
機体と、
前記ディスペンササブアセンブリを前記機体に結合するように構成されたスロット付きチャネルと、
を更に備える、請求項1に記載のシステム。 - 前記スロット付きチャネルが、前記ディスペンササブアセンブリの動きに関して、非制御自由度(DOF)又は制御されたDOFの実装形態を提供するように更に構成されている、請求項10に記載のシステム。
- 前記ドローンが、
光源と、
前記ディスペンササブアセンブリに物理的に結合された光センサと、
前記ディスペンササブアセンブリを前記ドローンの前記機体に結合するように構成された前記光センサスロット付きチャネルに前記光源を結合する光ファイバリンクと、
を更に備える、請求項1に記載のシステム。 - 前記制御論理が、前記供給命令に基づいて前記光源をアクティブ化するように更に構成されており、前記モータが、前記光センサが前記光ファイバリンクを介して前記光源の前記アクティブ化を検出したことに応じて、前記往復運動の前記後退段階に前記トリガを動かして前記ノズルを押し下げ、前記エアロゾル供給システムが前記OoPSIに関連付けられた前記エリアに前記エアロゾル供給システムの内容物の前記一部を供給するように構成されている、請求項12に記載のシステム。
- 前記制御論理が、前記アクチュエータアームが前記往復運動の前記伸長段階にある間に、前記OoPSIに関連付けられた前記エリアに実質的に平行に前記ドローンを動かして、前記シリンジの内容物の前記一部を押し出すように更に構成されている、請求項1に記載のシステム。
- 前記制御論理が、前記押出命令に関連付けられた押出増分に基づいて、前記アクチュエータモータに、前記アクチュエータアームを前記往復運動の後退段階に動かして、前記シリンジの前記内容物の前記一部の押出を中止させるように更に構成されている、請求項1に記載のシステム。
- 前記制御論理が、前記供給命令に関連付けられた供給増分に基づいて、前記モータに、前記トリガを前記往復運動の伸長段階に動かして前記ノズルを解放させ、前記エアロゾル供給システムの前記内容物の前記一部の前記供給を中止させるように更に構成されている、請求項1に記載のシステム。
- 前記制御論理が、前記処理回路から受信した前記ナビゲーション命令に基づいて、前記トリガが前記往復運動の前記後退段階にある間に、前記OoPSIに関連付けられた前記エリアと実質的に平行に前記ドローンを動かして前記ノズルを押し下げ、前記エアロゾル供給システムの前記内容物の前記一部を供給するように更に構成されている、請求項16に記載のシステム。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202163201091P | 2021-04-12 | 2021-04-12 | |
US202163201093P | 2021-04-12 | 2021-04-12 | |
US63/201,093 | 2021-04-12 | ||
US63/201,091 | 2021-04-12 | ||
PCT/IB2022/053286 WO2022219469A1 (en) | 2021-04-12 | 2022-04-07 | Drone-hosted construction defect remediation |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2024517084A true JP2024517084A (ja) | 2024-04-19 |
Family
ID=83640385
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023562544A Pending JP2024517084A (ja) | 2021-04-12 | 2022-04-07 | ドローンホスト型建設欠陥修復 |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP4323274A1 (ja) |
JP (1) | JP2024517084A (ja) |
WO (1) | WO2022219469A1 (ja) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10399676B2 (en) * | 2014-03-31 | 2019-09-03 | Working Drones, Inc. | Indoor and outdoor aerial vehicles for painting and related applications |
EP3571119A4 (en) * | 2017-01-17 | 2020-12-02 | Graco Minnesota Inc. | UNPILOT AERIAL VEHICLE FOR PAINTING STRUCTURES |
CN111526718A (zh) * | 2017-10-11 | 2020-08-11 | 马克斯伯里布鲁佩尔有限责任公司 | 顺序输送含水过酸组合物的方法和系统 |
US11235874B2 (en) * | 2018-03-30 | 2022-02-01 | Greensight Agronomics, Inc. | Automated drone-based spraying system |
US10922982B2 (en) * | 2018-08-10 | 2021-02-16 | Guardian Robotics, Inc. | Active shooter response drone |
-
2022
- 2022-04-07 WO PCT/IB2022/053286 patent/WO2022219469A1/en active Application Filing
- 2022-04-07 JP JP2023562544A patent/JP2024517084A/ja active Pending
- 2022-04-07 EP EP22787717.2A patent/EP4323274A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2022219469A1 (en) | 2022-10-20 |
EP4323274A1 (en) | 2024-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jiang et al. | Real‐time crack assessment using deep neural networks with wall‐climbing unmanned aerial system | |
Loupos et al. | Autonomous robotic system for tunnel structural inspection and assessment | |
US10934023B2 (en) | Image recognition for vehicle safety and damage inspection | |
Bonnin-Pascual et al. | On the use of robots and vision technologies for the inspection of vessels: A survey on recent advances | |
US20180247416A1 (en) | Machine learning-based image recognition of weather damage | |
EP2625105B1 (en) | Automated visual inspection system | |
JP6860003B2 (ja) | 無人飛行装置制御システム、無人飛行装置制御方法および検査装置 | |
US20180170540A1 (en) | System and method for automatically inspecting surfaces | |
CN107315410B (zh) | 一种机器人自动排障方法 | |
CN112037266A (zh) | 一种下落物体的识别方法、装置、终端设备及存储介质 | |
WO2020053573A1 (en) | Control and navigation systems, pose optimisation, mapping, and localisation techniques | |
KR20140107981A (ko) | 선체 검사분석 시스템 및 선체 검사분석 방법 | |
CN110673141A (zh) | 一种移动式机场道面异物检测方法及系统 | |
CN110023947A (zh) | 在车辆中生成车辆周围环境视图的方法和装置 | |
JP2024517084A (ja) | ドローンホスト型建設欠陥修復 | |
JP2024516130A (ja) | ドローンホスト型建設欠陥マーキング | |
Liu et al. | Framework for automated UAV-based inspection of external building façades | |
JP2024514591A (ja) | 画像分析に基づく建物検査 | |
Kim et al. | Study on structure visual inspection technology using drones and image analysis techniques | |
JP2024513517A (ja) | 偏光画像に基づく建物検査 | |
CA3023398C (en) | Automated airfield ground lighting inspection system | |
Mitra et al. | A UAV Payload for Real-time Inspection of Highway Ancillary Structures | |
Vidimlic et al. | Image Synthesisation and Data Augmentation for Safe Object Detection in Aircraft Auto-landing System. | |
Lee et al. | Feasibility assessment of suas-based automated fod detection system | |
US20240134007A1 (en) | System and Method for Robotic Inspection |