CN115209237B - 数据采集箱及用于该数据采集箱的控制方法 - Google Patents
数据采集箱及用于该数据采集箱的控制方法 Download PDFInfo
- Publication number
- CN115209237B CN115209237B CN202210639631.2A CN202210639631A CN115209237B CN 115209237 B CN115209237 B CN 115209237B CN 202210639631 A CN202210639631 A CN 202210639631A CN 115209237 B CN115209237 B CN 115209237B
- Authority
- CN
- China
- Prior art keywords
- assembly
- camera
- box body
- component
- information
- 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
Images
Classifications
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
- H05K5/00—Casings, cabinets or drawers for electric apparatus
- H05K5/02—Details
- H05K5/0217—Mechanical details of casings
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
- G01C21/1652—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments with ranging devices, e.g. LIDAR or RADAR
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
- G01C21/1656—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments with passive imaging devices, e.g. cameras
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Radar Systems Or Details Thereof (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本公开的实施例公开了数据采集箱及用于该数据采集箱的控制方法。该数据采集箱的一具体实施方式包括:箱体、底座、天线组件、激光雷达组件、相机组件、惯性导航组件和控制组件,其中,天线组件设置到箱体顶部,用于接收定位信息;激光雷达组件可调节探测角度地设置到箱体顶部,用于探测目标物的特征信息;相机组件可调节采集角度地设置到箱体内部,用于透过箱体采集图像信息;惯性导航组件设置到箱体中,用于获取瞬时信息;底座连接到箱体底部,控制组件设置到箱体中,与天线组件、激光雷达组件、相机组件和惯性导航组件通信连接。该实施方式可以通过调整相机组件和激光雷达组件的设置角度来适应对应的场景,提高了该数据采集箱的灵活性。
Description
技术领域
本公开的实施例涉及数据采集技术领域,具体涉及数据采集箱及用于该数据采集箱的控制方法。
背景技术
数据采集箱是通过传感器采集相应的信息,例如温度、距离等等。已经运用到多种领域,例如电子地图数据采集领域等。
在进行地图数据的采集过程中,通常是将数据采集箱放置到车辆等移动设备上,通过数据采集箱中的传感器实时采集数据。
然而,当采用上述数据采集箱实时采集数据时,经常会存在如下技术问题:
第一,相关的传感器通常是固定设置的,采集角度被固定,只能满足单一场景的采集需求,暴露了该数据采集箱的局限性。
第二,由于相关的传感器的采集角度被固定,当进入到不同场景时,传感器不能自动化地调整采集角度,使得该数据采集箱缺乏灵活性。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了数据采集箱及用于该数据采集箱的控制方法,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种数据采集箱,包括:箱体、底座、天线组件、激光雷达组件、相机组件、惯性导航组件和控制组件,其中,上述天线组件设置到上述箱体顶部,用于接收定位信息;上述激光雷达组件可调节探测角度地设置到上述箱体顶部,用于探测目标物的特征信息;上述相机组件可调节采集角度地设置到上述箱体内部,用于透过上述箱体采集图像信息;上述惯性导航组件设置到上述箱体中,用于获取瞬时信息;上述底座连接到上述箱体底部,上述控制组件设置到上述箱体中,与上述天线组件、激光雷达组件、相机组件和惯性导航组件通信连接。
可选地,上述相机组件包括两个相机、连接到上述箱体内壁的第一连接板和两个第一枢转组件,上述两个枢转组件设置到上述第一连接板的两端,上述两个相机一一对应地连接到上述第一枢转组件,上述第一枢转组件能够使上述相机相对于上述箱体转动。
可选地,上述第一枢转组件包括固定连接到上述第一连接板的相机固定座,与上述固定座可转动连接的相机旋转座,上述相机旋转座与上述相机固定连接。
可选地,上述激光雷达组件包括激光雷达和第二枢转组件,上述第二枢转组件连接上述箱体顶部和上述激光雷达,能够使上述激光雷达相对于上述箱体转动。
可选地,上述第二枢转组件包括雷达固定座,与上述雷达固定座可转动连接的雷达旋转座,上述雷达旋转座与上述雷达固定连接。
可选地,上述惯性导航组件包括第二连接板和固设到上述第二连接板上的惯性导航传感器,上述第二连接板的两端与上述箱体的内部固定连接。
可选地,上述数据采集箱还包括设置到上述箱体顶部的提手。
第二方面,本公开的一些实施例提供了一种用于第一方面中任一实施例所描述的数据采集箱的控制方法,该方法包括:接收天线组件传输的定位信息;接收激光雷达组件传输的特征信息;接收相机组件传输的图像信息;接收惯性导航组件传输的瞬时信息;对上述定位信息、特征信息、图像信息、瞬时信息进行处理并存储。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的数据采集箱,能够适应多种场景的采集需求。具体来说,造成相关的数据采集箱难以适应多种场景的原因在于:数据采集箱中的传感器通常是固定设置的。基于此,本公开的一些实施例的数据采集箱不仅包括箱体、底座、天线组件、惯性导航组件和控制组件,还包括可调节探测角度地设置到箱体顶部的激光雷达组件以及可调节采集角度地设置到上述箱体内部的相机组件。也因为激光雷达组件和相机组件可调节角度地设置,使得在进入不同的场景时,可以通过调整设置角度来适应对应的场景,使得该数据采集箱能够在多种场景下采集数据,提高了该数据采集箱采集数据准确度的同时,也增大了使用范围。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1是根据本公开的数据采集箱的一些实施例的剖视图;
图2是根据本公开的相机组件的一些实施例的结构示意图;
图3是根据本公开的激光雷达组件的一些实施例的结构示意图;
图4是根据本公开的用于数据采集箱的控制方法的一些实施例的流程图。
图中标示如下:
1、箱体; 2、底座; 3、天线组件;
4、激光雷达组件; 5、相机组件; 6、惯性导航组件;
11、开孔; 41、激光雷达; 42、雷达旋转座;
43、雷达固定座; 51、相机; 52、相机旋转座;
53、相机固定座; 54、第一连接板; 61、惯性导航传感器;
62、第二连接板。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
首先,请参见图1,图1是根据本公开的数据采集箱的一些实施例的剖视图。如图1所示,该数据采集箱包括箱体1、底座2、天线组件3、激光雷达组件4、相机组件5、惯性导航组件6和控制组件。
上述箱体1可以容纳上述相机组件5和惯性导航组件6。上述箱体1可以由六块挡板拼装而成,其中一块或者多块挡板能够拆装,进而便于更换和维修上述相机组件5、惯性导航组件6以及控制组件。上述底座2可以设置到箱体1的底部,用于容纳上述控制组件。此外,该底座2可以设置连接构件与车辆等移动设备可拆卸连接。
控制组件可以是承载控制程序、接收和处理相关信号的处理器、芯片、电子设备等。
上述天线组件3设置到箱体1顶部,用于接收定位信息。上述天线组件3可以是GPS(Global Positioning System,全球定位系统)天线总成、北斗卫星导航系统天线总成等。通过接收卫星信号,对该数据采集箱进行定位。
上述相机组件5可调节采集角度地设置到上述箱体1内部,用于透过上述箱体1采集图像信息。接下来请参阅图2并继续参阅图1,图2是根据本公开的相机组件的一些实施例的结构示意图。上述相机组件5可以包括两个相机51、第一连接板54和两个第一枢转组件。其中,第一连接板54的两端连接到箱体1左右挡板(图2中的方向)的内壁。上述两个枢转组件设置到上述第一连接板54的两端。上述两个相机51一一对应地连接到上述第一枢转组件,上述第一枢转组件能够使上述相机51相对于上述箱体1转动。可以在上述左右挡板上开设开孔11,使得相机51能够采集箱体1外的图像信息。本领域技术人员可以根据公知常识确定上述第一枢转组件,以实现相机51转动的功能。
在一些实施例的一些可选实现方式中,上述第一枢转组件可以包括相机固定座53和相机旋转座52。上述相机固定座53与相机旋转座52可以通过穿过上述相机固定座53与相机旋转座52的枢转轴可转动地连接。上述相机固定座53可以与第一连接板54固定连接。上述相机旋转座52可以与相机51连接。在工作状态下,工作人员能够通过旋转上述相机旋转座52调整相机角度。
上述激光雷达组件4可调节探测角度地设置到上述箱体1顶部,用于探测目标物的特征信息。上述特征信息可以是目标物的距离、高度、外形等信息。
接下来结合图3进行说明。图3是根据本公开的激光雷达组件的一些实施例的结构示意图。如图3所示,该激光雷达组件4可以包括激光雷达41和第二枢转组件。在工作状态下,上述激光雷达41发射激光到目标物,通过接收反射的激光确定目标物的距离或者高度等信息。上述目标物可以是墙壁、树木、电线杆、指示牌等物体。上述第二枢转组件连接到箱体1顶部,激光雷达41与上述第二枢转组件连接。本领域技术人员可以根据公知常识确定上述第二枢转组件,以实现激光雷达41转动的功能。
在一些实施例的一些可选实现方式中,上述第二枢转组件包括雷达固定座43和雷达旋转座42。上述雷达固定座43与雷达旋转座42可以通过穿过上述雷达固定座43与雷达旋转座42的枢转轴可转动地连接。在工作状态下,工作人员能够通过旋转上述雷达旋转座42调整激光雷达41的探测角度。
如此一来,通过旋转上述相机旋转座52和雷达旋转座42能够使该数据采集箱适应多种采集场景。同时也提高了采集的准确性,提高了该数据采集箱的可靠性。
进一步地,上述第一枢转组件和第二枢转组件也可以自动化地调整转动角度。由于第一枢转组件和第二枢转组件结构相同,接下来以第一枢转组件为例进行说明。
可以在上述相机固定座53或者箱体1上安装驱动电机,该驱动电机的驱动轴可以通过齿轮与上述相机旋转座52连接。当驱动电机转动时,能够带动相机旋转座52转动。进一步地,可以设置启停按钮控制上述驱动电机转动。如此一来,相较于手动调整更加便捷,效率更高。
进一步地,上述驱动电机可以与上述控制组件通讯连接。当上述控制组件接收到定位信息时,可以根据定位信息确定目前的场景信息,例如街道、停车场或者高速路等。可以在上述控制组件中预设场景信息与旋转角度的对应关系表,当确定场景信息后,上述控制组件控制相机旋转座52旋转对应的旋转角度。
再进一步地,上述旋转角度可以是通过控制组件所包括的人工智能芯片对上述场景信息进行分析得到的,其中,上述人工智能芯片所承载的机器学习模型是通过训练样本集合训练得到的。
可选地,上述训练样本集合包括样本场景信息和样本旋转角度,上述机器学习模型是以上述样本场景信息作为输入并以上述样本旋转角度作为期望输出训练得到的。
作为示例,机器学习模型可以是基于训练样本集合执行以下训练步骤得到的:将训练样本集合中的至少一个训练样本的样本场景信息分别输入至初始机器学习模型,得到所对应的旋转角度;将上述至少一个训练样本中的每个样本场景信息对应的旋转角度与对应的样本旋转角度进行比较;根据比较结果确定上述初始机器学习模型的预测准确率;确定上述预测准确率是否大于预设准确率阈值;响应于确定上述准确率大于上述预设准确率阈值,则将上述初始机器学习模型作为训练完成的机器学习模型;响应于确定上述准确率不大于上述预设准确率阈值,调整上述初始机器学习模型的参数,以及使用未使用过的训练样本组成训练样本集合,使用调整后的初始机器学习模型作为初始机器学习模型,再次执行上述训练步骤。可以理解的是,经过上述训练之后,机器学习模型可以用于表征场景信息与旋转角度的对应关系。上述提及的机器学习模型可以是卷积神经网络模型。
作为示例,上述机器学习模型可以包括场景信息和对应关系表。其中,对应关系表可以是本领域技术人员基于对大量的场景信息与旋转角度的对应关系的对应关系表。这样,将该场景信息与对应关系表中的多个场景信息依次进行比较,若对应关系表中的某一个场景信息与该场景信息相同或者相近,则将对应关系表中的该场景信息对应的旋转角度作为该场景信息所指示的旋转角度。上述控制组件能够针对场景信息确定旋转角度。从而,根据不同的场景信息,配置不同的旋转角度。
作为另一示例,上述初始机器学习模型可以是未经训练的深度学习模型或未训练完成的深度学习模型,初始的深度学习模型的各层可以设置有初始参数,参数在深度学习模型的训练过程中可以被不断地调整。初始深度学习模型可以是各种类型的未经训练或未训练完成的人工神经网络或者对多种未经训练或未训练完成的人工神经网络进行组合所得到的模型,例如,初始深度学习模型可以是未经训练的卷积神经网络,也可以是未经训练的循环神经网络,还可以是对未经训练的卷积神经网络、未经训练的循环神经网络和未经训练的全连接层进行组合所得到的模型。这样,可以将场景信息从深度学习模型的输入侧输入,依次经过深度学习模型中的各层的参数的处理,并从深度学习模型的输出侧输出,输出侧输出的信息即为旋转角度。
上述实施方式同样适用于第二枢转组件,能够对激光雷达的旋转角度进行控制。
上述技术方案为本公开的实施例的一个发明点,解决了背景技术提出的技术问题二“由于相关的传感器的采集角度被固定,当进入到不同场景时,传感器不能自动化地调整采集角度,使得该数据采集箱缺乏灵活性”。导致数据采集箱的相机组件、激光雷达组件灵活性较差的因素往往如下:相关的传感器的采集角度被固定,当进入到不同场景时,传感器不能自动化地调整采集角度。为了达到这一效果,本公开引入了驱动电机。具体而言,驱动电机与上述相机旋转座或者雷达旋转座连接。通过控制组件接收的定位信息确定场景信息。进而根据场景信息所对应的相机采集角度或激光雷达的探测角度进行调整。具体是该控制组件控制驱动电机带动相机旋转座或者雷达旋转座转动相应的旋转角度。如此一来,使得相机的采集角度或激光雷达的探测角度与当前场景信息相适配。如此一来,即使从一个场景进入到另一个场景时,上述控制组件能够及时地控制上述驱动电机转动,进而提高了该相机的灵活性和自动化程度。
再进一步地,还可以通过控制组件所包括的人工智能芯片对场景信息进行分析得到旋转角度,使得该数据采集箱更加智能化,自动化调整旋转角度的效率更高。
重新参阅图1,上述惯性导航组件6可以包括第二连接板62和固设到上述第二连接板62上的惯性导航传感器61。上述第二连接板62的两端与上述箱体1的内部固定连接。上述惯性导航传感器61用于获取瞬时信息。作为示例,上述数据采集箱能够装配到如车辆等移动设备上。上述惯性导航传感器61能够检测到该车辆的瞬时速度或者瞬时位置等瞬时信息。
可选地,上述箱体1的顶部还可以设置提手,便于工作人员搬运。
本公开还提供了一种用于数据采集箱的控制方法,该方法可以用于上述各实施例中的数据采集箱。如图4所示,其使出了本公开提供的用于数据采集箱的控制方法的一些实施例的流程图400。该方法可以包括以下步骤:
步骤401:接收天线组件传输的定位信息。
在一些实施例中,该控制方法的执行主体可以是控制组件。天线组件与控制组件通信连接,天线组件能够将定位信息传输给上述控制组件。
步骤402:接收激光雷达组件传输的特征信息。
在一些实施例中,激光雷达组件与上述控制组件通信连接,激光雷达组件能够将采集的特征信息传输给上述控制组件。
步骤403:接收相机组件传输的图像信息。
在一些实施例中,相机组件与上述控制组件通信连接,相机组件能够将采集的图像信息传输给上述控制组件。
步骤404:接收惯性导航组件传输的瞬时信息。
在一些实施例中,惯性导航组件与上述控制组件通信连接,惯性导航组件能够将采集的瞬时信息传输给上述控制组件。
步骤405:对定位信息、特征信息、图像信息、瞬时信息进行处理并存储。
在一些实施例中,控制组件对接收的定位信息、特征信息、图像信息、瞬时信息进行相关算法的分析和运算,将处理后的相关信息进行存储。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (6)
1.一种数据采集箱,其特征在于,包括:箱体、底座、天线组件、激光雷达组件、相机组件、惯性导航组件和控制组件,其中,
所述天线组件设置到所述箱体顶部,用于接收定位信息;
所述激光雷达组件可调节探测角度地设置到所述箱体顶部,用于探测目标物的特征信息;
所述相机组件可调节采集角度地设置到所述箱体内部,用于透过所述箱体采集图像信息;
所述惯性导航组件设置到所述箱体中,用于获取瞬时信息;
所述底座连接到所述箱体底部,所述控制组件设置到所述箱体中,与所述天线组件、激光雷达组件、相机组件和惯性导航组件通信连接;
所述相机组件包括两个相机、连接到所述箱体内壁的第一连接板和两个第一枢转组件,所述两个枢转组件设置到所述第一连接板的两端,所述两个相机一一对应地连接到所述第一枢转组件,所述第一枢转组件使所述相机相对于所述箱体转动;
所述第一枢转组件包括固定连接到所述第一连接板的相机固定座,与所述固定座可转动连接的相机旋转座,所述相机旋转座与所述相机固定连接;
所述相机固定座或者箱体上安装驱动电机,所述驱动电机的驱动轴通过齿轮与所述相机旋转座连接,当驱动电机转动时,带动相机旋转座转动;
所述驱动电机与所述控制组件通讯连接,当所述控制组件接收到定位信息时,根据定位信息确定目前的场景信息,根据所述控制组件中预设场景信息与旋转角度的对应关系表,当确定场景信息后,所述控制组件控制相机旋转座旋转对应的旋转角度;
所述旋转角度是通过控制组件所包括的人工智能芯片对所述场景信息进行分析得到的,其中,所述人工智能芯片所承载的机器学习模型是通过训练样本集合训练得到的;
所述训练样本集合包括样本场景信息和样本旋转角度,所述机器学习模型是以所述样本场景信息作为输入并以所述样本旋转角度作为期望输出训练得到的;
所述机器学习模型是基于训练样本集合执行以下训练步骤得到的:将训练样本集合中的至少一个训练样本的样本场景信息分别输入至初始机器学习模型,得到所对应的旋转角度;将所述至少一个训练样本中的每个样本场景信息对应的旋转角度与对应的样本旋转角度进行比较;根据比较结果确定所述初始机器学习模型的预测准确率;确定所述预测准确率是否大于预设准确率阈值;响应于确定所述准确率大于所述预设准确率阈值,则将所述初始机器学习模型作为训练完成的机器学习模型;响应于确定所述准确率不大于所述预设准确率阈值,调整所述初始机器学习模型的参数,以及使用未使用过的训练样本组成训练样本集合,使用调整后的初始机器学习模型作为初始机器学习模型,再次执行所述训练步骤。
2.根据权利要求1所述的数据采集箱,其特征在于,所述激光雷达组件包括激光雷达和第二枢转组件,所述第二枢转组件连接所述箱体顶部和所述激光雷达,能够使所述激光雷达相对于所述箱体转动。
3.根据权利要求2所述的数据采集箱,其特征在于,所述第二枢转组件包括雷达固定座,与所述雷达固定座可转动连接的雷达旋转座,所述雷达旋转座与所述雷达固定连接。
4.根据权利要求1所述的数据采集箱,其特征在于,所述惯性导航组件包括第二连接板和固设到所述第二连接板上的惯性导航传感器,所述第二连接板的两端与所述箱体的内部固定连接。
5.根据权利要求1所述的数据采集箱,其特征在于,所述数据采集箱还包括设置到所述箱体顶部的提手。
6.一种用于如权利要求1-5中任一所述的数据采集箱的控制方法,包括:
接收天线组件传输的定位信息;
接收激光雷达组件传输的特征信息;
接收相机组件传输的图像信息;
接收惯性导航组件传输的瞬时信息;
对所述定位信息、特征信息、图像信息、瞬时信息进行处理并存储。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210639631.2A CN115209237B (zh) | 2022-06-08 | 2022-06-08 | 数据采集箱及用于该数据采集箱的控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210639631.2A CN115209237B (zh) | 2022-06-08 | 2022-06-08 | 数据采集箱及用于该数据采集箱的控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115209237A CN115209237A (zh) | 2022-10-18 |
CN115209237B true CN115209237B (zh) | 2023-05-26 |
Family
ID=83575405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210639631.2A Active CN115209237B (zh) | 2022-06-08 | 2022-06-08 | 数据采集箱及用于该数据采集箱的控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115209237B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109977813A (zh) * | 2019-03-13 | 2019-07-05 | 山东沐点智能科技有限公司 | 一种基于深度学习框架的巡检机器人目标定位方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109597095A (zh) * | 2018-11-12 | 2019-04-09 | 北京大学 | 背包式三维激光扫描与立体成像组合系统及数据获取方法 |
CN209069210U (zh) * | 2019-04-02 | 2019-07-05 | 成都信息工程大学 | 一种三维重建系统数据采集装置 |
CN210954736U (zh) * | 2019-12-06 | 2020-07-07 | 深圳市千乘机器人有限公司 | 一种户外自动巡检机器人 |
CN212008943U (zh) * | 2020-03-26 | 2020-11-24 | 北京农业信息技术研究中心 | 一种高通量三维扫描光谱成像测量装置 |
CN114071008A (zh) * | 2020-07-31 | 2022-02-18 | 华为技术有限公司 | 一种图像采集装置和图像采集方法 |
CN113902813A (zh) * | 2021-10-21 | 2022-01-07 | 西安电子科技大学 | 一种基于多源信息融合的智能场景感知防御装置与方法 |
-
2022
- 2022-06-08 CN CN202210639631.2A patent/CN115209237B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109977813A (zh) * | 2019-03-13 | 2019-07-05 | 山东沐点智能科技有限公司 | 一种基于深度学习框架的巡检机器人目标定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115209237A (zh) | 2022-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108279428B (zh) | 地图数据评测装置及系统、数据采集系统及采集车和采集基站 | |
CN111427320A (zh) | 一种智能工业机器人分布式统一调度管理平台 | |
CN109977813A (zh) | 一种基于深度学习框架的巡检机器人目标定位方法 | |
CN111721809B (zh) | 一种玻璃幕墙结构胶检测方法、装置、无人机及存储介质 | |
CN108279023A (zh) | 外业数据采集设备精度检核方法及装置、采集车及外业采集系统 | |
CN108303508A (zh) | 基于激光雷达和深度学习路径寻优的生态预警系统及方法 | |
CN113065513B (zh) | 智能摄像头自训练置信度阈值的优化方法、装置及设备 | |
CN113038074B (zh) | 基于自移动数据采集设备的室内环境智能巡检方法及系统 | |
CN111461014A (zh) | 基于深度学习的天线姿态参数检测方法、装置及存储介质 | |
CN115209237B (zh) | 数据采集箱及用于该数据采集箱的控制方法 | |
CN116809578A (zh) | 基于无人机的光伏板清洁方法、装置及无人机 | |
CN217766851U (zh) | 数据采集箱 | |
CN114845260B (zh) | 一种基于物联网的水文监测数据采集系统 | |
CN113139475B (zh) | 智能摄像头模型终端训练方法、装置、设备及介质 | |
US11729372B2 (en) | Drone-assisted sensor mapping | |
CN104904415A (zh) | 一种联合收割机远程测控机载设备及方法 | |
CN112560751A (zh) | 一种阳台高空坠物风险检测方法及系统 | |
CN102967375A (zh) | 基于步进电机实现预置位功能的红外热像仪及方法 | |
CN114659499B (zh) | 一种基于无人机技术的智慧城市3d地图模型摄影建立方法 | |
CN112601021B (zh) | 一种网络摄像机监控视频的处理方法及系统 | |
CN116616267A (zh) | 一种农作物病虫害防治的装置和方法 | |
CN115052337A (zh) | 一种基于AI-Beacon新型智能头戴式终端巡检系统 | |
CN109961644A (zh) | 空闲车位识别方法、自主泊车方法及装置 | |
WO2021253247A1 (zh) | 可移动平台的巡检方法、装置、可移动平台及存储介质 | |
CN113074955A (zh) | 控制数据采集的方法、装置、电子设备和介质 |
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 | ||
CP03 | Change of name, title or address |
Address after: 201, 202, 301, No. 56-4 Fenghuang South Road, Huadu District, Guangzhou City, Guangdong Province, 510806 Patentee after: Heduo Technology (Guangzhou) Co.,Ltd. Address before: 100099 101-15, 3rd floor, building 9, yard 55, zique Road, Haidian District, Beijing Patentee before: HOLOMATIC TECHNOLOGY (BEIJING) Co.,Ltd. |
|
CP03 | Change of name, title or address |