-
公开(公告)号：CN116540564B
公开(公告)日：2024-05-07
申请号：CN202310607273.1
申请日：2023-05-26
Applicant: 西南交通大学
IPC: G05B17/02
Abstract: 本发明涉及一种基于ROS和半实物仿真的轨道检测机器人仿真方法，包括进行轨道检测机器人转动惯量和角度空间参数建模，通过SDF文件描述以精确机器人的动力仿真细节；进行轨道环境仿真，将包含钢轨滚动摩擦参数的SDF模型导入Gazebo中进行仿真；安装虚拟IMU传感器，实时接收仿真传感器发送的速度信号并传输到OneDrive中，OneDrive将接收到的信号转换为PWM波控制直流电机，并展示在Rviz中；通过仿真相机实时拍摄仿真轨道板裂纹信息图像并通过网络模型对图像进行检测后将检测结果在Rviz中显示。本发明在仿真环境中可以快速验证轨道检测机器人在道岔以及爬坡时的动力学性能，节省了装配与制造的时间成本。
-
Patent Agency Ranking
公开(公告)号：CN115239632B
公开(公告)日：2024-04-09
申请号：CN202210726947.5
申请日：2022-06-23
Applicant: 西南交通大学
IPC: G06T7/00 , G06T5/20 , G06T5/40 , G06V10/34 , G06V10/36 , G06V10/44 , G06V10/764 , G06V10/80 , G01N21/88 , G01N29/06 , G01N29/44 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及钢轨图像智能检测算法领域，具体为一种融合巡检图像和超声波图像的钢轨表面伤损检测方法，其包括以下步骤：S1、查找相同里程位置处的钢轨巡检图像和超声波B显图像，按里程号对应命名并保存为jpg格式图片；S2、构建钢轨巡检图像数据集；S3、滤除超声波B显图像中的杂波；S4、构建钢轨表面分割算法提取钢轨表面图像；S5、搭建CUFuse模型；S6、将钢轨巡检图像数据集按8：2划分训练集和测试集，将训练集中的数据输入到CUFuse模型中进行训练；S7、使用测试集对CUFuse模型进行测试；S8、将训练完成的CUFuse模型封装作为插件安装到RUD‑15型双轨式钢轨超声波探伤仪中。本发明通过构建一个相机和超声数据融合模型，从而提高轨道表面缺陷的检测精度和检测效率。
-
公开(公告)号：CN112200225B
公开(公告)日：2022-07-26
申请号：CN202011013157.X
申请日：2020-09-23
Applicant: 西南交通大学
IPC: G06V10/774 , G06V10/82 , G06V10/764 , G06K9/62 , G06T7/10 , G06N3/04 , G06N3/08 , G01N29/06
Abstract: 本发明涉及钢轨探伤技术领域，涉及一种基于深度卷积神经网络的钢轨伤损B显图像识别方法，其包括以下步骤：一、查找焊缝、正常螺孔、异常螺孔和表面伤四类出波情况并保存；二、对原始图片进行填充，将图片尺寸扩展；三、将填充后的数据裁剪；四、横向上沿左右两股钢轨对称轴进行上下对称裁剪为两部分，沿纵向平均裁剪为四部分，最后得到416×416的标准图片；五、打标签操作,将标签文件与图片文件制作成标准数据集；六、构建YOLO‑UAV+min模型；七、对数据集进行聚类分析，得到先验框，将先验框输入到模型中；八、配置网络参数；九、使用模型进行训练。本发明能较佳的识别伤损。
-
公开(公告)号：CN112200225A
公开(公告)日：2021-01-08
申请号：CN202011013157.X
申请日：2020-09-23
Applicant: 西南交通大学
Abstract: 本发明涉及钢轨探伤技术领域，涉及一种基于深度卷积神经网络的钢轨伤损B显图像识别方法，其包括以下步骤：一、查找焊缝、正常螺孔、异常螺孔和表面伤四类出波情况并保存；二、对原始图片进行填充，将图片尺寸扩展；三、将填充后的数据裁剪；四、横向上沿左右两股钢轨对称轴进行上下对称裁剪为两部分，沿纵向平均裁剪为四部分，最后得到416×416的标准图片；五、打标签操作,将标签文件与图片文件制作成标准数据集；六、构建YOLO‑UAV+min模型；七、对数据集进行聚类分析，得到先验框，将先验框输入到模型中；八、配置网络参数；九、使用模型进行训练。本发明能较佳的识别伤损。
-
公开(公告)号：CN116540564A
公开(公告)日：2023-08-04
申请号：CN202310607273.1
申请日：2023-05-26
Applicant: 西南交通大学
IPC: G05B17/02
Abstract: 本发明涉及一种基于ROS和半实物仿真的轨道检测机器人仿真方法，包括进行轨道检测机器人转动惯量和角度空间参数建模，通过SDF文件描述以精确机器人的动力仿真细节；进行轨道环境仿真，将包含钢轨滚动摩擦参数的SDF模型导入Gazebo中进行仿真；安装虚拟IMU传感器，实时接收仿真传感器发送的速度信号并传输到OneDrive中，OneDrive将接收到的信号转换为PWM波控制直流电机，并展示在Rviz中；通过仿真相机实时拍摄仿真轨道板裂纹信息图像并通过网络模型对图像进行检测后将检测结果在Rviz中显示。本发明在仿真环境中可以快速验证轨道检测机器人在道岔以及爬坡时的动力学性能，节省了装配与制造的时间成本。
-
公开(公告)号：CN115239632A
公开(公告)日：2022-10-25
申请号：CN202210726947.5
申请日：2022-06-23
Applicant: 西南交通大学
IPC: G06T7/00 , G06T5/20 , G06T5/40 , G06V10/34 , G06V10/36 , G06V10/44 , G06V10/764 , G06V10/80 , G01N21/88 , G01N29/06 , G01N29/44 , G06N3/04 , G06N3/08
Abstract: 本发明涉及钢轨图像智能检测算法领域，具体为一种融合巡检图像和超声波图像的钢轨表面伤损检测方法，其包括以下步骤：S1、查找相同里程位置处的钢轨巡检图像和超声波B显图像，按里程号对应命名并保存为jpg格式图片；S2、构建钢轨巡检图像数据集；S3、滤除超声波B显图像中的杂波；S4、构建钢轨表面分割算法提取钢轨表面图像；S5、搭建CUFuse模型；S6、将钢轨巡检图像数据集按8：2划分训练集和测试集，将训练集中的数据输入到CUFuse模型中进行训练；S7、使用测试集对CUFuse模型进行测试；S8、将训练完成的CUFuse模型封装作为插件安装到RUD‑15型双轨式钢轨超声波探伤仪中。本发明通过构建一个相机和超声数据融合模型，从而提高轨道表面缺陷的检测精度和检测效率。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
