基于深度学习的巡检机器人仪表自动检测识别方法

    公开(公告)号:CN109948469B

    公开(公告)日:2022-11-29

    申请号:CN201910153856.5

    申请日:2019-03-01

    Applicant: 吉林大学

    Abstract: 本发明公开了基于深度学习的巡检机器人仪表自动检测识别方法,所述方法具体包括以下步骤:(1)采集仪表图像进行数据标记得到训练所需数据,并训练目标检测模型(SSD)及关键点检测模型;(2)利用步骤(1)中得到的SSD目标检测模型对待识别示数的仪表图像目标识别,得到仪表的种类及边框,并裁剪仪表区域;(3)利用步骤(1)得到的关键点检测模型对步骤(2)得到的仪表区域进行关键点识别,得到指针仪表的中心点、零点、满量程点及指针末端点;(4)结合仪表的种类,利用步骤(3)得到的点计算示数进行指针示数识别。本发明提出的指针仪表示数识别方法,其能同时识别不同类型的指针仪表,且无需考虑仪表姿态和尺度等问题,极大提高了指针仪表示数识别的精度。

    一种具有多屏幕立体成像的驾驶模拟仿真系统

    公开(公告)号:CN108520672B

    公开(公告)日:2021-01-01

    申请号:CN201810171931.6

    申请日:2018-03-01

    Applicant: 吉林大学

    Abstract: 本发明涉及一种具有多屏幕立体成像的驾驶模拟仿真系统,其特征在于:屏幕显示单元由上下两层共八块大屏幕液晶显示器、一体式大型钢构支架组成,八块大屏幕液晶显示器分上下两层以视点为中心采用球面布置方式摆放,按照电视3D成像效果的水平和垂直角度要求,其通过多屏幕立体成像系统,使多个大屏幕液晶显示器组成一个大型的显示装置,并且每个显示器需要承担原画面中部分画面的显示任务,进而当所有显示器都显示出图像后,这多个显示器显示的画面就能拼接成一个完整的画面。

    一种具有多屏幕立体成像的驾驶模拟仿真系统

    公开(公告)号:CN108520672A

    公开(公告)日:2018-09-11

    申请号:CN201810171931.6

    申请日:2018-03-01

    Applicant: 吉林大学

    CPC classification number: G09B9/05 G09F9/3026

    Abstract: 本发明涉及一种具有多屏幕立体成像的驾驶模拟仿真系统,其特征在于:屏幕显示单元由上下两层共八块大屏幕液晶显示器、一体式大型钢构支架组成,八块大屏幕液晶显示器分上下两层以视点为中心采用球面布置方式摆放,按照电视3D成像效果的水平和垂直角度要求,其通过多屏幕立体成像系统,使多个大屏幕液晶显示器组成一个大型的显示装置,并且每个显示器需要承担原画面中部分画面的显示任务,进而当所有显示器都显示出图像后,这多个显示器显示的画面就能拼接成一个完整的画面。

    基于深度学习的巡检机器人仪表自动检测识别方法

    公开(公告)号:CN109948469A

    公开(公告)日:2019-06-28

    申请号:CN201910153856.5

    申请日:2019-03-01

    Applicant: 吉林大学

    Abstract: 本发明公开了基于深度学习的巡检机器人仪表自动检测识别方法,所述方法具体包括以下步骤:(1)采集仪表图像进行数据标记得到训练所需数据,并训练目标检测模型(SSD)及关键点检测模型;(2)利用步骤(1)中得到的SSD目标检测模型对待识别示数的仪表图像目标识别,得到仪表的种类及边框,并裁剪仪表区域;(3)利用步骤(1)得到的关键点检测模型对步骤(2)得到的仪表区域进行关键点识别,得到指针仪表的中心点、零点、满量程点及指针末端点;(4)结合仪表的种类,利用步骤(3)得到的点计算示数进行指针示数识别。本发明提出的指针仪表示数识别方法,其能同时识别不同类型的指针仪表,且无需考虑仪表姿态和尺度等问题,极大提高了指针仪表示数识别的精度。

Patent Agency Ranking