CN107443403A - 一种用于巡逻的机器人 - Google Patents
一种用于巡逻的机器人 Download PDFInfo
- Publication number
- CN107443403A CN107443403A CN201710862311.2A CN201710862311A CN107443403A CN 107443403 A CN107443403 A CN 107443403A CN 201710862311 A CN201710862311 A CN 201710862311A CN 107443403 A CN107443403 A CN 107443403A
- Authority
- CN
- China
- Prior art keywords
- mrow
- image
- msup
- msub
- module
- 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.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 47
- 238000005457 optimization Methods 0.000 claims abstract description 15
- 238000006243 chemical reaction Methods 0.000 claims abstract description 8
- 238000012544 monitoring process Methods 0.000 claims abstract description 6
- 238000005286 illumination Methods 0.000 claims description 19
- 238000000034 method Methods 0.000 claims description 7
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- 230000002708 enhancing effect Effects 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000000443 aerosol Substances 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000004939 coking Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J13/00—Controls for manipulators
- B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
- B25J19/02—Sensing devices
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J5/00—Manipulators mounted on wheels or on carriages
- B25J5/007—Manipulators mounted on wheels or on carriages mounted on wheels
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种用于巡逻的机器人，包括底座、行走机构、支撑机构和监控机构，所述行走机构安装在底座上，用于机器人在巡逻区域行走，所述支撑机构安装在底座上，用于安放监控机构，所述监控机构安装在支撑平台上方，用于机器人获取巡逻区域监控情况；所述监控机构包括图像采集模块、图像转化模块、图像处理模块、图像输出模块和图像评价模块，所述图像采集模块用于获取巡逻图像，所述图像转化模块用于将获取的图像转化到HSV颜色空间，所述图像处理模块用于对图像在HSV颜色空间进行优化处理，所述图像输出模块用于将优化处理后的图像转化到RGB颜色空间后输出，所述图像评价模块用于对输出的图像进行评价。本发明的有益效果：实现了机器人巡逻。
Description
技术领域
本发明涉及机器人技术领域，具体涉及一种用于巡逻的机器人。
背景技术
在石油、化工、煤炭、电力、冶金、焦化等行业中，需要对厂区进行巡逻，现有的巡逻方式多为雇佣人员进行巡逻，浪费人力物力不说，且巡逻效果不好。
在雾天环境中，由于空气中大气微粒对光线的散射作用，使户外视觉系统采集得到的雾天图像严重退化，出现了对比度降低、颜色失真、细节丢失等情况。以视频监控为例，由于大雾弥漫，监控现场的能见度大大降低，通过视觉系统获得的视频信息往往不够准确，给监控工作带来极大的不便。为了解决雾天图像质量降低的问题，有必要对雾天图像增强技术进行研究。
发明内容
针对上述问题，本发明旨在提供一种用于巡逻的机器人。
本发明的目的采用以下技术方案来实现：
提供了一种用于巡逻的机器人，包括底座、行走机构、支撑机构和监控机构，所述行走机构安装在底座上，用于机器人在巡逻区域行走，所述支撑机构安装在底座上，用于安放监控机构，所述监控机构安装在支撑平台上方，用于机器人获取巡逻区域监控情况；所述监控机构包括图像采集模块、图像转化模块、图像处理模块、图像输出模块和图像评价模块，所述图像采集模块用于获取巡逻图像，所述图像转化模块用于将获取的图像转化到HSV颜色空间，所述图像处理模块用于对图像在HSV颜色空间进行优化处理，所述图像输出模块用于将优化处理后的图像转化到RGB颜色空间后输出，所述图像评价模块用于对输出的图像进行评价。
本发明的有益效果为：节省了人力物力，实现了机器人在各种天气下的巡逻。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明的结构示意图；
附图标记：
底座1、行走机构2、支撑机构3、监控机构4。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1，本实施例的一种用于巡逻的机器人，包括底座1、行走机构2、支撑机构3和监控机构4，所述行走机构2安装在底座1上，用于机器人在巡逻区域行走，所述支撑机构3安装在底座2上，用于安放监控机构4，所述监控机构4安装在支撑平台上方，用于机器人获取巡逻区域监控情况；所述监控机构4包括图像采集模块、图像转化模块、图像处理模块、图像输出模块和图像评价模块，所述图像采集模块用于获取巡逻图像，所述图像转化模块用于将获取的图像转化到HSV颜色空间，所述图像处理模块用于对图像在HSV颜色空间进行优化处理，所述图像输出模块用于将优化处理后的图像转化到RGB颜色空间后输出，所述图像评价模块用于对输出的图像进行评价。
本实施例节省了人力物力，实现了机器人在各种天气下的巡逻。
优选的，所述行走机构2上安装有导航设备，用于引导行走机构的行走路线，所述导航设备通过全球定位系统获取导航信号。
本优选实施例提升了机器人的巡逻性能。
优选的，所述图像处理模块包括亮度分量处理子模块和饱和度分量处理子模块，所述亮度分量处理子模块用于对图像的亮度分量进行处理，所述饱和度分量处理子模块采用直方图均衡化的方法对图像的饱和度分量进行处理；所述亮度分量处理子模块包括第一处理单元、第二处理单元和第三处理单元；所述第一处理单元用于将亮度分量分解为照度部分和反射部分，所述第二处理单元用于对反射部分进行初步优化操作，得到初步优化结果，所述第三处理单元用于对反射部分的初步优化结果进行二次优化操作，得到最终处理结果。
本优选实施例对巡逻图像进行处理，保证了雾天下机器人的巡逻效果。
优选的，所述第一处理单元将亮度分量分解为照度部分和反射部分具体为：
对HSV颜色空间中图像的亮度分量分解为反射部分和照度部分：
V(x,y)＝R(x,y)Z(x,y)
式中，(x,y)表示图像像素，V(x,y)表示图像亮度分量,R(x,y)为亮度分量的反射部分，用于表示频域中的高频成分，Z(x,y)为亮度分量的照度部分，用于表示频域中的低频成分；
计算反射部分：
R(x,y)＝f[lgV(x,y)-lg Z(x,y)]
式中,f表示常用对数函数的反函数，
其中，K为常数，σ1和σ2表示不同的尺度参数，用于调节平滑程度。
本优选实施例通过去除照度部分、求取反射部分，去除了光源强度和照射不均匀等不确定因素的影响，凸显了图中变化较快的细节部分，在求取照度部分的过程中，由于光照条件的复杂性，照度部分的计算具有不确定性，本方法采用不同的尺度参数对照度部分进行求解，实现了照度部分的准确估计，从而实现了反射部分的准确求解。
优选的，所述第二处理单元对反射部分进行初步优化操作具体为：
设图像噪声为N(x,y)，照度部分的误差为ΔZ(x,y)，根据图像噪声和照度部分的误差计算反射部分误差，具体为：
ΔR(x,y)＝|f{lgV(x,y)-lg[Z(x,y)+ΔZ(x,y)]-]lgV(x,y)-lg Z(x,y)]}|+|f{lg[V(x,y)+N(x,y)]-lgZ(x,y)-[lgV(x,y)-lgZ(x,y)]}|
式中，ΔR(x,y)表示反射部分的求解误差；
根据反射部分的求解误差对反射部分进行初步优化操作，得到反射部分初步优化结果：
式中，R′(x,y)表示反射部分的初步优化结果。
反射部分的误差来源主要为图像中不可避免的噪声干扰和照度部分的估计误差，本优选实施例同时考虑了噪声干扰和照度部分的估计误差，得到了更为准确的反射部分，获得的图像更为清晰。
优选的，所述第三处理单元对反射部分的初步优化结果进行二次优化操作具体为：
式中，δ1和δ2表示权重系数，δ1+δ2＝1，R′m(x,y)表示采用第二处理单元求取的第m个初步优化结果。
本优选实施例通过对反射部分多次计算取平均值和反射部分误差校正，获得了反射部分的最终处理结果，图像显示更为清晰。
优选的，所述图像评价模块包括第一评价单元、第二评价单元和第三评价单元，所述第一评价单元用于确定输出图像的第一评价因子，所述第二评价单元用于确定输出图像的第二评价因子，所述第三评价单元用于根据第一评价因子和第二评价因子对输出图像进行评价；
所述第一评价单元确定输出图像的第一评价因子，具体为：
式中，P1输出图像的第一评价因子，n1和n2分别表示采集的图像和输出图像中可见边缘的数目；
所述第二评价单元确定输出图像的第二评价因子，具体为：
P2＝(m1+m2)2+ln(m1+m2+1)
式中，P2输出图像的第二评价因子，m1和m2分别表示输出图像的黑色像素点和白色像素点数目；
所述第三评价单元对输出图像进行评价，具体为：根据第一评价因子和第二评价因子计算综合评价因子P：综合评价因子越大，表明增强效果越好，图像越清晰。
本优选实施例对于图像增强效果进行定量描述，实现了图像增强的客观评价，且该评价模块综合考虑多方面评价因素，评价的可信度高。
采用本发明用于巡逻的机器人进行巡逻，选取五个巡逻区域进行实验，分别为巡逻区域1、巡逻区域2、巡逻区域3、巡逻区域4、巡逻区域5，对巡逻效率和巡逻成本进行统计，同现有人力巡逻相比，产生的有益效果如下表所示：
| 巡逻效率提高 | 巡逻成本降低 | |
| 巡逻区域1 | 29％ | 21％ |
| 巡逻区域2 | 27％ | 23％ |
| 巡逻区域3 | 26％ | 25％ |
| 巡逻区域4 | 25％ | 27％ |
| 巡逻区域5 | 24％ | 29％ |
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
Claims (7)
1.一种用于巡逻的机器人，其特征在于，包括底座、行走机构、支撑机构和监控机构，所述行走机构安装在底座上，用于机器人在巡逻区域行走，所述支撑机构安装在底座上，用于安放监控机构，所述监控机构安装在支撑平台上方，用于机器人获取巡逻区域监控情况；所述监控机构包括图像采集模块、图像转化模块、图像处理模块、图像输出模块和图像评价模块，所述图像采集模块用于获取巡逻图像，所述图像转化模块用于将获取的图像转化到HSV颜色空间，所述图像处理模块用于对图像在HSV颜色空间进行优化处理，所述图像输出模块用于将优化处理后的图像转化到RGB颜色空间后输出，所述图像评价模块用于对输出的图像进行评价。
2.根据权利要求1所述的用于巡逻的机器人，其特征在于，所述行走机构上安装有导航设备，用于引导行走机构的行走路线，所述导航设备通过全球定位系统获取导航信号。
3.根据权利要求2所述的用于巡逻的机器人，其特征在于，所述图像处理模块包括亮度分量处理子模块和饱和度分量处理子模块，所述亮度分量处理子模块用于对图像的亮度分量进行处理，所述饱和度分量处理子模块采用直方图均衡化的方法对图像的饱和度分量进行处理；所述亮度分量处理子模块包括第一处理单元、第二处理单元和第三处理单元；所述第一处理单元用于将亮度分量分解为照度部分和反射部分，所述第二处理单元用于对反射部分进行初步优化操作，得到初步优化结果，所述第三处理单元用于对反射部分的初步优化结果进行二次优化操作，得到最终处理结果。
4.根据权利要求3所述的用于巡逻的机器人，其特征在于，所述第一处理单元将亮度分量分解为照度部分和反射部分具体为：
对HSV颜色空间中图像的亮度分量分解为反射部分和照度部分：
V(x,y)＝R(x,y)Z(x,y)
式中，(x,y)表示图像像素，V(x,y)表示图像亮度分量,R(x,y)为亮度分量的反射部分，用于表示频域中的高频成分，Z(x,y)为亮度分量的照度部分，用于表示频域中的低频成分；
计算反射部分：
R(x,y)＝f[lgV(x,y)-lg Z(x,y)]
式中,f表示常用对数函数的反函数，
<mrow>
<mi>Z</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>V</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>*</mo>
<mn>2</mn>
<msup>
<mi>Ke</mi>
<mfrac>
<mrow>
<msup>
<mi>x</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mi>y</mi>
<mn>2</mn>
</msup>
</mrow>
<msubsup>
<mi>&sigma;</mi>
<mn>1</mn>
<mn>2</mn>
</msubsup>
</mfrac>
</msup>
<mo>+</mo>
<mi>V</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>*</mo>
<mn>2</mn>
<msup>
<mi>Ke</mi>
<mfrac>
<mrow>
<msup>
<mi>x</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mi>y</mi>
<mn>2</mn>
</msup>
</mrow>
<msubsup>
<mi>&sigma;</mi>
<mn>2</mn>
<mn>2</mn>
</msubsup>
</mfrac>
</msup>
</mrow>
其中，K为常数，σ1和σ2表示不同的尺度参数，用于调节平滑程度。
5.根据权利要求4所述的用于巡逻的机器人，其特征在于，所述第二处理单元对反射部分进行初步优化操作具体为：
设图像噪声为N(x,y)，照度部分的误差为ΔZ(x,y)，根据图像噪声和照度部分的误差计算反射部分误差，具体为：
ΔR(x,y)＝|f{lgV(x,y)-lg[Z(x,y)+ΔZ(x,y)]-[lgV(x,y)-lg Z(x,y)]}|
+|f{lg[V(x,y)+N(x,y)]-lgZ(x,y)-[lgV(x,y)-lgZ(x,y)]}|
式中，ΔR(x,y)表示反射部分的求解误差；
根据反射部分的求解误差对反射部分进行初步优化操作，得到反射部分初步优化结果：
<mrow>
<msup>
<mi>R</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>R</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mo>|</mo>
<mrow>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<mrow>
<mi>&Delta;</mi>
<mi>Z</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>Z</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>&Delta;</mi>
<mi>Z</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
<mo>|</mo>
<mo>+</mo>
<mo>|</mo>
<mrow>
<mn>1</mn>
<mo>+</mo>
<mfrac>
<mrow>
<mi>N</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>V</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
<mo>|</mo>
</mrow>
式中，R′(x,y)表示反射部分的初步优化结果。
6.根据权利要求5所述的用于巡逻的机器人，其特征在于，所述第三处理单元对反射部分的初步优化结果进行二次优化操作具体为：
<mrow>
<msup>
<mi>R</mi>
<mrow>
<mo>&prime;</mo>
<mo>&prime;</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>&delta;</mi>
<mn>1</mn>
</msub>
<mi>R</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>&delta;</mi>
<mn>2</mn>
</msub>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</msubsup>
<msub>
<msup>
<mi>R</mi>
<mo>&prime;</mo>
</msup>
<mi>m</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
<mi>M</mi>
</mfrac>
</mrow>
式中，δ1和δ2表示权重系数，δ1+δ2＝1，R′m(x,y)表示采用第二处理单元求取的第m个初步优化结果。
7.根据权利要求6所述的用于巡逻的机器人，其特征在于，所述图像评价模块包括第一评价单元、第二评价单元和第三评价单元，所述第一评价单元用于确定输出图像的第一评价因子，所述第二评价单元用于确定输出图像的第二评价因子，所述第三评价单元用于根据第一评价因子和第二评价因子对输出图像进行评价；
所述第一评价单元确定输出图像的第一评价因子，具体为：
<mrow>
<msub>
<mi>P</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mn>1</mn>
<mo>+</mo>
<mfrac>
<mrow>
<msub>
<mi>n</mi>
<mn>2</mn>
</msub>
<mo>-</mo>
<msub>
<mi>n</mi>
<mn>1</mn>
</msub>
</mrow>
<msub>
<mi>n</mi>
<mn>1</mn>
</msub>
</mfrac>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<msub>
<mi>n</mi>
<mn>2</mn>
</msub>
<mo>-</mo>
<msub>
<mi>n</mi>
<mn>1</mn>
</msub>
</mrow>
<msub>
<mi>n</mi>
<mn>1</mn>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mn>3</mn>
</msup>
</mrow>
式中，P1输出图像的第一评价因子，n1和n2分别表示采集的图像和输出图像中可见边缘的数目；
所述第二评价单元确定输出图像的第二评价因子，具体为：
P2＝(m1+m2)2+ln(m1+m2+1)
式中，P2输出图像的第二评价因子，m1和m2分别表示输出图像的黑色像素点和白色像素点数目；
所述第三评价单元对输出图像进行评价，具体为：根据第一评价因子和第二评价因子计算综合评价因子P：综合评价因子越大，表明增强效果越好，图像越清晰。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710862311.2A CN107443403B (zh) | 2017-09-21 | 2017-09-21 | 一种用于巡逻的机器人 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710862311.2A CN107443403B (zh) | 2017-09-21 | 2017-09-21 | 一种用于巡逻的机器人 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107443403A true CN107443403A (zh) | 2017-12-08 |
| CN107443403B CN107443403B (zh) | 2019-11-01 |
Family
ID=60497119
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710862311.2A Active CN107443403B (zh) | 2017-09-21 | 2017-09-21 | 一种用于巡逻的机器人 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107443403B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109048936A (zh) * | 2018-08-22 | 2018-12-21 | 深圳威琳懋生物科技有限公司 | 智能巡逻机器人 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102129673A (zh) * | 2011-04-19 | 2011-07-20 | 大连理工大学 | 一种随意光照下彩色数字图像增强和去噪方法 |
| CN102903079A (zh) * | 2012-08-31 | 2013-01-30 | 电子科技大学 | 一种真实影像再现的方法及装置 |
| CN103632339A (zh) * | 2012-08-21 | 2014-03-12 | 张晓光 | 一种基于变分Retinex的单幅图像去雾方法及装置 |
| CN105654437A (zh) * | 2015-12-24 | 2016-06-08 | 广东迅通科技股份有限公司 | 一种对低照度图像的增强方法 |
| CN105904468A (zh) * | 2016-06-13 | 2016-08-31 | 北京科技大学 | 一种具有自主地图构建和无线充电的多功能巡逻机器人 |
| CN106758712A (zh) * | 2016-11-28 | 2017-05-31 | 深圳明创自控技术有限公司 | 一种城市道路路面日常巡检装置 |
-
2017
- 2017-09-21 CN CN201710862311.2A patent/CN107443403B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102129673A (zh) * | 2011-04-19 | 2011-07-20 | 大连理工大学 | 一种随意光照下彩色数字图像增强和去噪方法 |
| CN103632339A (zh) * | 2012-08-21 | 2014-03-12 | 张晓光 | 一种基于变分Retinex的单幅图像去雾方法及装置 |
| CN102903079A (zh) * | 2012-08-31 | 2013-01-30 | 电子科技大学 | 一种真实影像再现的方法及装置 |
| CN105654437A (zh) * | 2015-12-24 | 2016-06-08 | 广东迅通科技股份有限公司 | 一种对低照度图像的增强方法 |
| CN105904468A (zh) * | 2016-06-13 | 2016-08-31 | 北京科技大学 | 一种具有自主地图构建和无线充电的多功能巡逻机器人 |
| CN106758712A (zh) * | 2016-11-28 | 2017-05-31 | 深圳明创自控技术有限公司 | 一种城市道路路面日常巡检装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109048936A (zh) * | 2018-08-22 | 2018-12-21 | 深圳威琳懋生物科技有限公司 | 智能巡逻机器人 |
| CN109048936B (zh) * | 2018-08-22 | 2021-06-15 | 海南瑞奥时代科技有限公司 | 智能巡逻机器人 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107443403B (zh) | 2019-11-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9336577B2 (en) | Image processing apparatus for removing haze contained in still image and method thereof | |
| CN108444413B (zh) | 陶瓷墙地砖平整度检测装置及方法 | |
| CN103792699A (zh) | 基于B样条曲面拟合的TFT-LCD Mura缺陷机器视觉检测方法 | |
| US20020146167A1 (en) | Region segmentation of color image | |
| JP2014178328A (ja) | 鋼管内部腐食解析装置及び鋼管内部腐食解析方法 | |
| CN102679914A (zh) | 一种盾构隧道衬砌管片渗漏水面积的测量方法及装置 | |
| CN110796107A (zh) | 电力巡检图像缺陷识别方法和系统、电力巡检无人机 | |
| CN110853092A (zh) | 一种基于不规则物体的点云量方算法 | |
| CN115131354B (zh) | 一种基于光学手段的实验室用塑料薄膜缺陷检测方法 | |
| WO2006117951A1 (ja) | 車両、画像処理システム、画像処理方法、画像処理プログラム、画像処理システムの構成方法、およびサーバ | |
| CN113096118B (zh) | 晶圆表面粗糙度测量的方法、系统、电子设备和存储介质 | |
| CN106408526A (zh) | 一种基于多层矢量图的能见度检测方法 | |
| CN1580738A (zh) | 能见度测量方法和能见度监测仪 | |
| CN103810702B (zh) | 一种基于分块噪声方差估计的图像累积信噪比计算方法 | |
| CN107443403A (zh) | 一种用于巡逻的机器人 | |
| CN112345542A (zh) | 一种隧道掌子面裂隙快速识别的方法 | |
| CN107833223B (zh) | 一种基于光谱信息的水果高光谱图像分割方法 | |
| CN119693778A (zh) | 一种基于遥感的生态环境测绘系统及方法 | |
| CN105719252A (zh) | 一种铁路巡检图像实时高动态范围绘制方法和装置 | |
| Chen et al. | Signal-to-noise ratio evaluation of a CCD camera | |
| CN116703870A (zh) | 一种导线损伤评估方法 | |
| CN109978982B (zh) | 一种基于倾斜影像的点云快速上色方法 | |
| CN113910265B (zh) | 巡检机器人智能巡检方法及系统 | |
| CN109783973A (zh) | 一种基于图像退化模型的大气能见度计算方法 | |
| KR20140011118A (ko) | 평가 전달량에 기초한 안개 영상 보상 방법 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20190819 Address after: Room 315, Room 33, Xiya Road, China (Shanghai) Free Trade Pilot Area, Pudong New Area, Shanghai, 200120 Applicant after: SHANGHAI XINDING NETWORK TECHNOLOGY Co.,Ltd. Address before: 518000 Nanshan Street Xiangnan Road, Nanshan District, Shenzhen City, Guangdong Province, No. 129 Sagemingyuan Applicant before: SHENZHEN XINHUIDA MACHINERY DESIGN CO.,LTD. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A robot used for patrols Effective date of registration: 20230509 Granted publication date: 20191101 Pledgee: Industrial Bank Co.,Ltd. Shanghai pilot Free Trade Zone Lingang New District sub branch Pledgor: SHANGHAI XINDING NETWORK TECHNOLOGY Co.,Ltd. Registration number: Y2023310000170 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PP01 | Preservation of patent right |
Effective date of registration: 20240731 Granted publication date: 20191101 |
|
| PP01 | Preservation of patent right |