一种拼装机管片位姿测量系统及其使用方法

    公开(公告)号:CN110196016A

    公开(公告)日:2019-09-03

    申请号:CN201910221212.5

    申请日:2019-03-21

    IPC分类号: G01B11/00 G01B11/26

    摘要: 本发明公开了一种拼装机管片位姿测量系统及其使用方法,包括盾构机,所述盾构机的内壁位于管片拼装部分安装有激光测距传感器,所述激光测距传感器的数目为多个(大于5个),且多个激光测距传感器构成环线,所有射线位于盾构机的同一横截面内,所述环线的数目为两组,且两组所述环线分别为A环与B环,所述盾构机的内部设置有隧道管片。本发明在隧道管片拼装期间,各个激光测距传感器实时报告隧道管片和盾构机内壁的间距,通过A环与B环位姿参考基准坐标系内隧道管片环中心点的位移偏差和隧道管片宽度,可以分别求得隧道管片环中心轴与隧道设计路线的角度偏差以及前后两环隧道管片轴线的角度偏差,从而及时进行校正,提高管片拼装的精确度。

    一种基于Tag码视觉测量的盾构机管片自动拼装方法

    公开(公告)号:CN109736836A

    公开(公告)日:2019-05-10

    申请号:CN201910057161.7

    申请日:2019-01-22

    IPC分类号: E21D11/08 E21D11/40

    摘要: 本发明提供了一种基于Tag码视觉测量的盾构机管片自动拼装方法,在每片管片设有固定孔的表面打上Tag码,管片拼装时通过安装在盾构机底部相机采集管片上Tag码图像,通过计算机根据采集的Tag码位姿图像计算管片偏移量,再由计算机根据位置偏移量控制盾构机的举升机构、平移机构和回转机构完成管片初调定位、由计算机根据姿态角偏移量控制举升机构、偏转油缸、俯仰油缸得到完成管片微调定位,完成管片的自动拼装。本发明通过对管片的位姿进行视觉测量,通过计算机控制管片的六自由度可实现管片的自动拼装,方法能提高管片拼装效率与精度,减少了管片错位、缝隙等拼装缺陷,能有效节约资金,降低人力成本,提高施工人员的安全。

    一种拼装机管片位姿测量系统及其使用方法

    公开(公告)号:CN110196016B

    公开(公告)日:2021-03-23

    申请号:CN201910221212.5

    申请日:2019-03-21

    IPC分类号: G01B11/00 G01B11/26

    摘要: 本发明公开了一种拼装机管片位姿测量系统及其使用方法,包括盾构机,所述盾构机的内壁位于管片拼装部分安装有激光测距传感器,所述激光测距传感器的数目为多个(大于5个),且多个激光测距传感器构成环线,所有射线位于盾构机的同一横截面内,所述环线的数目为两组,且两组所述环线分别为A环与B环,所述盾构机的内部设置有隧道管片。本发明在隧道管片拼装期间,各个激光测距传感器实时报告隧道管片和盾构机内壁的间距,通过A环与B环位姿参考基准坐标系内隧道管片环中心点的位移偏差和隧道管片宽度,可以分别求得隧道管片环中心轴与隧道设计路线的角度偏差以及前后两环隧道管片轴线的角度偏差,从而及时进行校正,提高管片拼装的精确度。

    一种基于Tag码视觉测量的盾构机管片自动拼装方法

    公开(公告)号:CN109736836B

    公开(公告)日:2020-08-28

    申请号:CN201910057161.7

    申请日:2019-01-22

    IPC分类号: E21D11/08 E21D11/40

    摘要: 本发明提供了一种基于Tag码视觉测量的盾构机管片自动拼装方法,在每片管片设有固定孔的表面打上Tag码,管片拼装时通过安装在盾构机底部相机采集管片上Tag码图像,通过计算机根据采集的Tag码位姿图像计算管片偏移量,再由计算机根据位置偏移量控制盾构机的举升机构、平移机构和回转机构完成管片初调定位、由计算机根据姿态角偏移量控制举升机构、偏转油缸、俯仰油缸得到完成管片微调定位,完成管片的自动拼装。本发明通过对管片的位姿进行视觉测量,通过计算机控制管片的六自由度可实现管片的自动拼装,方法能提高管片拼装效率与精度,减少了管片错位、缝隙等拼装缺陷,能有效节约资金,降低人力成本,提高施工人员的安全。

    一种联合深度神经网络与聚类算法的大输液药液异物目标检测方法

    公开(公告)号:CN110321891A

    公开(公告)日:2019-10-11

    申请号:CN201910431767.2

    申请日:2019-05-23

    摘要: 本发明公开了一种联合深度神经网络与聚类算法的大输液药液异物目标检测方法。该方法首先对图像进行简单的预处理,再联合对小目标检测和定位的深度神经网络与聚类算法,采用一种结合单帧图像与多帧图像的处理方法来检测大输液药液中的异物目标。此方法首先运用FasterR-CNN深度神经网络对单帧的图像进行检测,之后运用层次聚类和K-means++聚类算法对8帧的经过检测的图像中的所有疑似异物目标的位置坐标点进行聚类,得到同一疑似异物目标的运动轨迹,这样就可以记录每个异物目标的运动轨迹与噪声点的运动轨迹,并便于对这二者进行区分,极大的提高检测的准确率。该视觉检测方法准确、稳定达到了一般性生产线的在线检测要求。