-
公开(公告)号:CN114529493A
公开(公告)日:2022-05-24
申请号:CN202011214219.3
申请日:2020-11-04
Applicant: 中国科学院沈阳自动化研究所 , 国网辽宁省电力有限公司电力科学研究院 , 国网山东省电力公司
Abstract: 本发明涉及基于双目视觉的电缆外观缺陷检测与定位方法,包括下列步骤:双目相机分别采集缺陷电缆图像得到缺陷电缆特征,构成缺陷电缆数据集,并对数据集利用标注框进行目标标注,同时划分训练集和测试集;用缺陷电缆数据集中的训练集和测试集对神经网络进行训练,得到用于检测电缆缺陷的网络权重参数;并将用于检测电缆缺陷的网络权重参数部署到边缘设备,用于电缆缺陷的检测;利用更新权重参数的神经网络模型,对双目摄像头实时采集的双目电缆图像进行目标检测;求取缺陷三维坐标。本发明采用双目测量目标距离,相比于现有的测距方法,精度更高。而且可以灵活的调节双目基线距离来调整测量范围,方便实际应用。
-
公开(公告)号:CN114529811A
公开(公告)日:2022-05-24
申请号:CN202011214199.X
申请日:2020-11-04
Applicant: 中国科学院沈阳自动化研究所
IPC: G06V20/10 , G06K9/62 , G06N3/08 , G06T5/00 , G06T7/593 , G06T7/70 , G06T7/80 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种地铁隧道异物快速自动识别与定位方法,包含下列步骤:在机器人上设置两个相同的相机;获取两个相机监测区域的地铁隧道图像;对获取的图像进行处理,并判断图像中是否存在异物;检测到异物时,判断异物的种类并计算异物位置以及与相机之间的距离;根据异物的种类、位置和距离,机器人对异物进行抓取。本发明用YOLO v3目标识别算法对异物进行识别。优点在于利用YOLO物体检测框架训练出来的深度网络模型进行实时异物检测,基于YOLO物体检测框架训练出来的深度网络模型相较于传统的检测算法更加准确,同时识别过程十分迅速,能够达到实时检测的目标。
-