CN114777645B - 用于轨道车辆检测的rgv定位方法及rgv定位系统 - Google Patents
用于轨道车辆检测的rgv定位方法及rgv定位系统 Download PDFInfo
- Publication number
- CN114777645B CN114777645B CN202210382775.4A CN202210382775A CN114777645B CN 114777645 B CN114777645 B CN 114777645B CN 202210382775 A CN202210382775 A CN 202210382775A CN 114777645 B CN114777645 B CN 114777645B
- Authority
- CN
- China
- Prior art keywords
- axle
- information
- standard
- acquisition
- rgv
- 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
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000001514 detection method Methods 0.000 title claims description 10
- 238000007689 inspection Methods 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000002354 daily effect Effects 0.000 description 3
- 239000000428 dust Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- -1 foreign matters Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种用于轨道车辆检测的RGV定位方法及RGV定位系统，RGV定位方法包括：第一图像采集步骤：通过可移动采集单元实时采集需巡检轨道车辆的车底轮廓信息；定位步骤：根据车底轮廓信息通过车轴识别算法识别车轴位置，当可移动采集单元移动至对应车轴位置的采集位置时输出控制信息；第二图像采集步骤：可移动采集单元根据控制信息对需巡检轨道车辆的车轴进行图像采集。本发明能够稳定精确的定位采集位置，从而能够保证巡检机器人在正确的位置执行规定的动作，在避免碰撞的同时保证图像采集的一致性和故障识别准确率。
Description
技术领域
本发明涉及轨道列车的智能巡检技术领域，具体地说，尤其涉及一种用于轨道车辆检测的RGV定位方法及RGV定位系统。
背景技术
为了保证轨道车辆的安全运行，每天需要对车辆进行日检工作，传统的日检工作主要通过人工目视进行轨道车辆车底和转向架重要部件的状态检查。为了节省人工，提高效率，用于轨道车辆日检的巡检机器人得到了广泛应用。轨道车辆巡检机器人在执行检测时需要与车辆转向架进行精确定位，以保证图像采集的一致性和故障识别准确率。
现有技术如公开号CN109002045A的发明公开了一种巡检机器人定位方案：首先获取列车车底图像及对应的里程信息，然后比较车底图像与预设图像，识别指定部件位置，并确定指定部位的里程信息，最后控制机器人行驶至指定部位。
现有技术的巡检机器人定位方案虽然在一定程度上实现机器人与轨道车辆的定位，但由于机器人在运动时容易出现滑动导致里程计信息有误差，同时图像识别会受到外界环境光、车辆表面灰尘、异物、油污等因素影响而发生偏差而导致定位偏差或失败。
因此亟需开发一种克服上述缺陷的用于轨道车辆检测的RGV定位方法及RGV定位系统。
发明内容
针对上述问题，本发明提供一种用于轨道车辆检测的RGV定位方法，其中，包括：
第一图像采集步骤：通过可移动采集单元实时采集需巡检轨道车辆的车底轮廓信息；
定位步骤：根据所述车底轮廓信息通过车轴识别算法识别车轴位置，当所述可移动采集单元移动至对应所述车轴位置的采集位置时输出控制信息；
第二图像采集步骤：所述可移动采集单元根据所述控制信息对所述需巡检轨道车辆的车轴进行图像采集。
上述的RGV定位方法，其中，所述定位步骤包括：
标准车轴信息获取步骤：通过所述可移动采集单元采集标准轨道车辆的标准车底轮廓信息，基于所述标准车底轮廓信息获得标准车轴信息；
实时车轴信息获取步骤：根据所述车底轮廓信息进行拟合圆处理获得所述需巡检轨道车辆的实时车轴信息；
车轴位置判断步骤：根据所述实时车轴信息与所述标准车轴信息进行对比，当所述可移动采集单元处于所述采集位置时输出所述控制信息，否则，返回所述第一图像采集步骤。
上述的RGV定位方法，其中，所述第二图像采集步骤包括：
所述可移动采集单元接收所述控制信息后停止移动并对所述需巡检轨道车辆的车轴进行图像采集。
上述的RGV定位方法，其中，所述标准车轴信息包括：车轴的标准半径及标准圆心，所述实时车轴信息获取步骤包括：
根据预设的矩形框沿X轴按照设定步长依次步进,每经过一个区域，随机选取所述矩形框内的三个数据点，根据三个所述数据点的坐标通过克莱姆法则获得拟合圆方程，根据多个所述拟合圆方程获得对应所述车底轮廓信息的多个车轴半径及圆心；
所述车轴位置判断步骤：将多个所述车轴半径及圆心与所述标准半径及所述标准圆心对比，相同时则输出所述控制信息。
上述的RGV定位方法，其中，所述标准车轴信息获取步骤包括：根据所述标准车底轮廓信息进行拟合圆处理获得所述标准车轴信息。
本发明还提供一种用于轨道车辆检测的RGV定位系统，其中，包括：
可移动采集单元，实时采集需巡检轨道车辆的车底轮廓信息；
定位单元，根据所述车底轮廓信息通过车轴识别算法识别车轴位置，当所述可移动采集单元移动至对应所述车轴位置的采集位置时输出控制信息，所述可移动采集单元根据所述控制信息对所述需巡检轨道车辆的车轴进行图像采集。
上述的RGV定位系统，其中，所述定位单元包括：
标准车轴信息获取模块，通过所述可移动采集单元采集标准轨道车辆的标准车底轮廓信息，基于所述标准车底轮廓信息获得标准车轴信息；
实时车轴信息获取模块，根据所述车底轮廓信息进行拟合圆处理获得所述需巡检轨道车辆的实时车轴信息；
车轴位置判断模块，根据所述实时车轴信息与所述标准车轴信息进行对比，当所述可移动采集单元处于所述采集位置时输出所述控制信息。
上述的RGV定位系统，其中，所述可移动采集单元接收所述控制信息后停止移动并对所述需巡检轨道车辆的车轴进行图像采集。
上述的RGV定位系统，其中，所述标准车轴信息包括：车轴的标准半径及标准圆心；实时车轴信息获取模块根据预设的矩形框沿X轴按照设定步长依次步进,每经过一个区域，随机选取所述矩形框内的三个数据点，根据三个所述数据点的坐标通过克莱姆法则获得拟合圆方程，根据多个所述拟合圆方程获得对应所述车底轮廓信息的多个车轴半径及圆心；车轴位置判断模块将多个所述车轴半径及圆心与所述标准半径及所述标准圆心对比，相同时则输出所述控制信息。
上述的RGV定位系统，其中，所述标准车轴信息获取模块根据所述标准车底轮廓信息进行拟合圆处理获得所述标准车轴信息。
本发明相对于现有技术其功效在于：
巡检时在执行轨道车辆检测最重要的就是确定采集位置，采集位置的准确定位是作为后续检修的前提条件，本发明能够稳定精确的定位采集位置，从而能够保证巡检机器人在正确的位置执行规定的动作，在避免碰撞的同时保证图像采集的一致性和故障识别准确率。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。
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一简单地介绍，显而易见地，下面描述中的附图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RGV定位方法的流程图；
图2为图1中步骤S2的分步骤流程图；
图3为车轴定位的原理图；
图4为拟合圆示意图；
图5为本发明RGV定位系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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、完整地说明，显然，所描述的实施例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。
本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。另外，在附图及实施方式中所使用相同或类似标号的元件/构件是用来代表相同或类似部分。
关于本文中所使用的“第一”、“第二”、“S1”、“S2”、…等，并非特别指称次序或顺位的意思，也非用以限定本发明，其仅为了区别以相同技术用语描述的元件或操作。
关于本文中所使用的“包含”、“包括”、“具有”、“含有”等等，均为开放性的用语，即意指包含但不限于。
关于本文中的“多个”包括“两个”及“两个以上”；关于本文中的“多组”包括“两组”及“两组以上”。
参照图1及，图1为本发明RGV定位方法的流程图。如图1所示，本发明的一种用于轨道车辆检测的RGV定位方法，包括：
第一图像采集步骤S1：通过可移动采集单元实时采集需巡检轨道车辆的车底轮廓信息；
定位步骤S2：根据所述车底轮廓信息通过车轴识别算法识别车轴位置，当所述可移动采集单元移动至对应所述车轴位置的采集位置时输出控制信息；
第二图像采集步骤S3：所述可移动采集单元根据所述控制信息对所述需巡检轨道车辆的车轴进行图像采集，其中，所述可移动采集单元接收所述控制信息后停止移动并对所述需巡检轨道车辆的车轴进行图像采集。
其中，可移动采集单元包括：3D线激光相机111、伺服电机112及巡检机器人113，通过伺服电机112控制3D线激光相机沿水平垂直轨道方向移动，3D线激光相机111包括一字线激光器和相机，通过3D线激光相机支架装设于巡检机器人113的顶部，可根据实际场景调整相机与激光器距离和夹角。
本发明通过动态采集车底三维轮廓图像信息并实时识别车轴位置进行定位，可提供机器人x轴和z轴的定位补偿，并避免由环境光线、灰尘、异物等导致的图像识别问题。
请参照图2，图2为图1中步骤S2的分步骤流程图。如图2所示，所述定位步骤S2包括：
标准车轴信息获取步骤S21：通过所述可移动采集单元采集标准轨道车辆的标准车底轮廓信息，基于所述标准车底轮廓信息获得标准车轴信息；
实时车轴信息获取步骤S22：根据所述车底轮廓信息进行拟合圆处理获得所述需巡检轨道车辆的实时车轴信息；
车轴位置判断步骤S23：根据所述实时车轴信息与所述标准车轴信息进行对比，当所述可移动采集单元处于所述采集位置时输出所述控制信息，否则，返回所述第一图像采集步骤。
请参照图3-图4，图3为车轴定位的原理图，图4为拟合圆示意图，以下结合对本发明的车轴定位进行具体说明如下：标准车轴信息包括：车轴的标准半径及标准圆心，所述实时车轴信息获取步骤包括：根据预设的矩形框沿X轴按照设定步长依次步进,每经过一个区域，随机选取所述矩形框内的三个数据点，根据三个所述数据点的坐标通过克莱姆法则获得拟合圆方程，根据多个所述拟合圆方程获得对应所述车底轮廓信息的多个车轴半径及圆心；所述车轴位置判断步骤：将多个所述车轴半径及圆心与所述标准半径及所述标准圆心对比，相同时则输出所述控制信息。
具体地说，3D线激光相机采集到3D轮廓数据，进行处理之后，取长150mm*100mm的矩形框，沿着x轴依次步进50mm,每经过一个区域，任取该区域内任意三点，
我们已知(x1,y1),(x2,y2),(x3,y3)满足x2+y2+dx+ey+f＝0，满足dx+ey+f＝-x2-y2，使得d,e,f有唯一解，则而这是由三点不共线保证的。由克莱姆法则可以得到d,e,f，从而得到圆的方程；如图4所示，依次将该区域所有的点带到圆的方程，如果|x2+y2+dx+ey+f|≤2，则认为该点在圆上，如果该区域90％的点都满足上述条件，则该圆的方程是有效的，如果不满足90％的点在该区域，则要重新找三个点拟合圆的方程，重复上述步骤，如果该区域没有有效的拟合圆，则进入下一区域，最后得到有效的圆的方程，即有可能的车轴轮廓，根据车轴实际的半径范围做最后的筛选，拟合得到的圆的半径在阈值范围内的认定为车轴的轮廓，说明识别到了车轴。
其中，在本实施例中，在所述标准车轴信息获取步骤中，也可根据所述标准车底轮廓信息通过上述方式进行拟合圆处理获得所述标准车轴信息。
再请参照图3。如图5所示，对本发明的RGV定位方法的应用进行说明：
1)当列车入库停车，将搭载有3D线激光相机的机器人移动到列车车底，使3D线激光相机位于转向架车轴的正下方，采集标准车底轮廓信息，基于标准车底轮廓信息获得标准车轴信息，记录圆心X方向的数值及拟合圆的半径R，并将数据以文本的形式进行存储。
2)检修作业开始，搭载有3D线激光相机的机器人以恒定速度在车底前进，同时3D线激光相机开始扫描车底，实时处理相机采集回来的轮廓信息，当拟合到的圆的圆心x和半径r与事前采集到的存储在工控机的数值(圆心X及半径R)相同时，说明机器人到达预设的采集位置，输出控制信息控制机器人停止，定位完成并开始采集。
请参照图5，图5为本发明RGV定位系统的结构示意图。如图5所示，本发明的用于轨道车辆检测的RGV定位系统，包括：
可移动采集单元11，实时采集需巡检轨道车辆的车底轮廓信息；
定位单元12，根据所述车底轮廓信息通过车轴识别算法识别车轴位置，当所述可移动采集单元移动至对应所述车轴位置的采集位置时输出控制信息，所述可移动采集单元根据所述控制信息对所述需巡检轨道车辆的车轴进行图像采集。
其中，其中，可移动采集单元11包括：3D线激光相机111、伺服电机112及巡检机器人113，通过伺服电机112控制3D线激光相机沿水平垂直轨道方向移动，3D线激光相机111包括一字线激光器和相机，通过3D线激光相机支架装设于巡检机器人113的顶部，可根据实际场景调整相机与激光器距离和夹角，可移动采集单元11接收所述控制信息后停止移动并对所述需巡检轨道车辆的车轴进行图像采集。
进一步地，所述定位单元12包括：
标准车轴信息获取模块121，通过所述可移动采集单元采集标准轨道车辆的标准车底轮廓信息，基于所述标准车底轮廓信息获得标准车轴信息；
实时车轴信息获取模块122，根据所述车底轮廓信息进行拟合圆处理获得所述需巡检轨道车辆的实时车轴信息；
车轴位置判断模块123，根据所述实时车轴信息与所述标准车轴信息进行对比，当所述可移动采集单元处于所述采集位置时输出所述控制信息。
其中，所述标准车轴信息包括：车轴的标准半径及标准圆心；实时车轴信息获取模块122根据预设的矩形框沿X轴按照设定步长依次步进,每经过一个区域，随机选取所述矩形框内的三个数据点，根据三个所述数据点的坐标通过克莱姆法则获得拟合圆方程，根据多个所述拟合圆方程获得对应所述车底轮廓信息的多个车轴半径及圆心；车轴位置判断模块将多个所述车轴半径及圆心与所述标准半径及所述标准圆心对比，相同时则输出所述控制信息。
更进一步地，所述标准车轴信息获取模块121根据所述标准车底轮廓信息进行拟合圆处理获得所述标准车轴信息。
综上所述，基于本发明，可根据不同列车车轴型号，修改定位参数，实现RGV的自动定位，避免了采用固定里程定位导致的定位误差，也就不会影响后续作业；列车底部部件多、结构复杂，同时通过3D线激光相机拟合圆实现车轴定位，即通过转向架轮轴这一固定特征点进行定位可以有效的减少错误定位，提高定位的准确性。
尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围。
Claims (6)
1.一种用于轨道车辆检测的RGV定位方法，其特征在于，包括：
第一图像采集步骤：通过可移动采集单元实时采集需巡检轨道车辆的车底轮廓信息；可移动采集单元包括：3D线激光相机、伺服电机及巡检机器人，通过伺服电机控制3D线激光相机沿水平垂直轨道方向移动，3D线激光相机包括一字线激光器和相机，通过3D线激光相机支架装设于巡检机器人的顶部，可根据实际场景调整相机与激光器距离和夹角；
定位步骤：根据所述车底轮廓信息通过车轴识别算法识别车轴位置，当所述可移动采集单元移动至对应所述车轴位置的采集位置时输出控制信息；
第二图像采集步骤：所述可移动采集单元根据所述控制信息对所述需巡检轨道车辆的车轴进行图像采集;
其中，所述定位步骤包括：
标准车轴信息获取步骤：通过所述可移动采集单元采集标准轨道车辆的标准车底轮廓信息，基于所述标准车底轮廓信息获得标准车轴信息；
实时车轴信息获取步骤：根据所述车底轮廓信息进行拟合圆处理获得所述需巡检轨道车辆的实时车轴信息；
车轴位置判断步骤：根据所述实时车轴信息与所述标准车轴信息进行对比，当所述可移动采集单元处于所述采集位置时输出所述控制信息，否则，返回所述第一图像采集步骤；
其中，所述标准车轴信息包括：车轴的标准半径及标准圆心，所述实时车轴信息获取步骤包括：
根据预设的矩形框沿X轴按照设定步长依次步进,每经过一个区域，随机选取所述矩形框内的三个数据点，根据三个所述数据点的坐标通过克莱姆法则获得拟合圆方程，根据多个所述拟合圆方程获得对应所述车底轮廓信息的多个车轴半径及圆心；
所述车轴位置判断步骤：将多个所述车轴半径及圆心与所述标准半径及所述标准圆心对比，相同时则输出所述控制信息。
2.如权利要求1所述的RGV定位方法，其特征在于，所述第二图像采集步骤包括：
所述可移动采集单元接收所述控制信息后停止移动并对所述需巡检轨道车辆的车轴进行图像采集。
3.如权利要求2所述的RGV定位方法，其特征在于，所述标准车轴信息获取步骤包括：根据所述标准车底轮廓信息进行拟合圆处理获得所述标准车轴信息。
4.一种用于轨道车辆检测的RGV定位系统，其特征在于，包括：
可移动采集单元，实时采集需巡检轨道车辆的车底轮廓信息，可移动采集单元包括：3D线激光相机、伺服电机及巡检机器人，通过伺服电机控制3D线激光相机沿水平垂直轨道方向移动，3D线激光相机包括一字线激光器和相机，通过3D线激光相机支架装设于巡检机器人的顶部，可根据实际场景调整相机与激光器距离和夹角；
定位单元，根据所述车底轮廓信息通过车轴识别算法识别车轴位置，当所述可移动采集单元移动至对应所述车轴位置的采集位置时输出控制信息，所述可移动采集单元根据所述控制信息对所述需巡检轨道车辆的车轴进行图像采集；
其中，所述定位单元包括：
标准车轴信息获取模块，通过所述可移动采集单元采集标准轨道车辆的标准车底轮廓信息，基于所述标准车底轮廓信息获得标准车轴信息；
实时车轴信息获取模块，根据所述车底轮廓信息进行拟合圆处理获得所述需巡检轨道车辆的实时车轴信息；
车轴位置判断模块，根据所述实时车轴信息与所述标准车轴信息进行对比，当所述可移动采集单元处于所述采集位置时输出所述控制信息；
其中，所述标准车轴信息包括：车轴的标准半径及标准圆心；实时车轴信息获取模块根据预设的矩形框沿X轴按照设定步长依次步进,每经过一个区域，随机选取所述矩形框内的三个数据点，根据三个所述数据点的坐标通过克莱姆法则获得拟合圆方程，根据多个所述拟合圆方程获得对应所述车底轮廓信息的多个车轴半径及圆心；车轴位置判断模块将多个所述车轴半径及圆心与所述标准半径及所述标准圆心对比，相同时则输出所述控制信息。
5.如权利要求4所述的RGV定位系统，其特征在于，所述可移动采集单元接收所述控制信息后停止移动并对所述需巡检轨道车辆的车轴进行图像采集。
6.如权利要求5所述的RGV定位系统，其特征在于，所述标准车轴信息获取模块根据所述标准车底轮廓信息进行拟合圆处理获得所述标准车轴信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210382775.4A CN114777645B (zh) | 2022-04-13 | 2022-04-13 | 用于轨道车辆检测的rgv定位方法及rgv定位系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210382775.4A CN114777645B (zh) | 2022-04-13 | 2022-04-13 | 用于轨道车辆检测的rgv定位方法及rgv定位系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114777645A CN114777645A (zh) | 2022-07-22 |
| CN114777645B true CN114777645B (zh) | 2024-01-26 |
Family
ID=82429724
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210382775.4A Active CN114777645B (zh) | 2022-04-13 | 2022-04-13 | 用于轨道车辆检测的rgv定位方法及rgv定位系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114777645B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1600351A1 (en) * | 2004-04-01 | 2005-11-30 | Heuristics GmbH | Method and system for detecting defects and hazardous conditions in passing rail vehicles |
| KR20130137463A (ko) * | 2012-06-07 | 2013-12-17 | 한국철도기술연구원 | 3차원 터널 모델 생성을 위한 옵토-레이저 터널 스캐닝 시스템 및 그 데이터 처리 방법 |
| CN109002045A (zh) * | 2018-09-04 | 2018-12-14 | 北京华开领航科技有限责任公司 | 一种智能巡检机器人的巡检定位方法及巡检定位系统 |
| CN109176513A (zh) * | 2018-09-04 | 2019-01-11 | 北京华开领航科技有限责任公司 | 一种智能巡检机器人的巡检方法及巡检系统 |
| CN110509272A (zh) * | 2019-08-06 | 2019-11-29 | 公安部道路交通安全研究中心 | 一种车辆查验方法、系统以及复合巡检机器人 |
| WO2020048173A1 (zh) * | 2018-09-06 | 2020-03-12 | 同方威视技术股份有限公司 | 智能卡口通道系统以及采集在通道内通过的车辆的信息的方法 |
| CN111855242A (zh) * | 2020-06-12 | 2020-10-30 | 佛山中国空间技术研究院创新中心 | 一种轨道列车巡检控制方法、系统、装置及存储介质 |
| CN112132821A (zh) * | 2020-09-30 | 2020-12-25 | 哈尔滨市科佳通用机电股份有限公司 | 一种基于图像处理的开口销丢失检测方法 |
| CN113624507A (zh) * | 2021-06-25 | 2021-11-09 | 北京航天发射技术研究所 | 一种车辆底盘检测系统 |
| CN113885569A (zh) * | 2021-10-25 | 2022-01-04 | 黄河水利职业技术学院 | 一种基于计算机视觉处理的动车车底智能巡检机器人系统 |
-
2022
- 2022-04-13 CN CN202210382775.4A patent/CN114777645B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1600351A1 (en) * | 2004-04-01 | 2005-11-30 | Heuristics GmbH | Method and system for detecting defects and hazardous conditions in passing rail vehicles |
| KR20130137463A (ko) * | 2012-06-07 | 2013-12-17 | 한국철도기술연구원 | 3차원 터널 모델 생성을 위한 옵토-레이저 터널 스캐닝 시스템 및 그 데이터 처리 방법 |
| CN109002045A (zh) * | 2018-09-04 | 2018-12-14 | 北京华开领航科技有限责任公司 | 一种智能巡检机器人的巡检定位方法及巡检定位系统 |
| CN109176513A (zh) * | 2018-09-04 | 2019-01-11 | 北京华开领航科技有限责任公司 | 一种智能巡检机器人的巡检方法及巡检系统 |
| WO2020048173A1 (zh) * | 2018-09-06 | 2020-03-12 | 同方威视技术股份有限公司 | 智能卡口通道系统以及采集在通道内通过的车辆的信息的方法 |
| CN110509272A (zh) * | 2019-08-06 | 2019-11-29 | 公安部道路交通安全研究中心 | 一种车辆查验方法、系统以及复合巡检机器人 |
| CN111855242A (zh) * | 2020-06-12 | 2020-10-30 | 佛山中国空间技术研究院创新中心 | 一种轨道列车巡检控制方法、系统、装置及存储介质 |
| CN112132821A (zh) * | 2020-09-30 | 2020-12-25 | 哈尔滨市科佳通用机电股份有限公司 | 一种基于图像处理的开口销丢失检测方法 |
| CN113624507A (zh) * | 2021-06-25 | 2021-11-09 | 北京航天发射技术研究所 | 一种车辆底盘检测系统 |
| CN113885569A (zh) * | 2021-10-25 | 2022-01-04 | 黄河水利职业技术学院 | 一种基于计算机视觉处理的动车车底智能巡检机器人系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114777645A (zh) | 2022-07-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN211731391U (zh) | 一种轨道表面缺陷智能在线检测装置 | |
| US6266138B1 (en) | System and method for detecting defects in a surface of a workpiece | |
| CN113009456B (zh) | 车载激光雷达数据校准方法、装置及系统 | |
| CN113448333B (zh) | 基于传感器组合的底部巡检定位方法、装置及电子设备 | |
| CN101806586B (zh) | 基于图像匹配的汽车密封条截面轮廓测量装置及测量方法 | |
| CN111080617B (zh) | 一种铁路货车制动梁支柱圆销丢失故障识别方法 | |
| CN110766760B (zh) | 用于相机标定的方法、装置、设备和存储介质 | |
| CN110728720B (zh) | 用于相机标定的方法、装置、设备和存储介质 | |
| CN113111875A (zh) | 一种基于深度学习的无缝钢轨焊缝缺陷识别装置及方法 | |
| EP4250245A1 (en) | System and method for determining a viewpoint of a traffic camera | |
| CN110751693A (zh) | 用于相机标定的方法、装置、设备和存储介质 | |
| Xiao et al. | An automatic calibration algorithm for laser vision sensor in robotic autonomous welding system | |
| CN114777645B (zh) | 用于轨道车辆检测的rgv定位方法及rgv定位系统 | |
| CN119335948A (zh) | 一种主动学习的微型pcb刀具自动焊接机系统 | |
| CN113433560B (zh) | 一种机器人侧边巡检的定位方法、装置、电子设备及介质 | |
| CN118348015B (zh) | 一种自移动式地铁隧道结构表观病害检测装备及方法 | |
| CN118168829B (zh) | 基于多传感器的轨道车辆转向架枕簧受困状态判识方法 | |
| CN113885504A (zh) | 一种列检机器人自主巡检方法、系统及存储介质 | |
| CN110827240B (zh) | 钢轨轮廓的定位方法及装置 | |
| CN117934429A (zh) | 基于三维点云和轮廓匹配的客车侧墙板平整度检测方法 | |
| CN118111422A (zh) | 一种基于机器视觉的敞车摘钩对象辨识与定位装置及方法 | |
| Emoto et al. | Automatic inspection of railcar wheels using laser and image sensor | |
| CN107092253A (zh) | 用于控制无人车的方法、装置及服务器 | |
| Antony et al. | Toward fault detection in industrial welding processes with deep learning and data augmentation | |
| CN118155166B (zh) | 减速带识别方法、装置、存储介质及车辆 |
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 |