CN102297660A - 一种盾构隧道衬砌管片接缝张开宽度的测量方法及装置 - Google Patents
一种盾构隧道衬砌管片接缝张开宽度的测量方法及装置 Download PDFInfo
- Publication number
- CN102297660A CN102297660A CN 201110131202 CN201110131202A CN102297660A CN 102297660 A CN102297660 A CN 102297660A CN 201110131202 CN201110131202 CN 201110131202 CN 201110131202 A CN201110131202 A CN 201110131202A CN 102297660 A CN102297660 A CN 102297660A
- Authority
- CN
- China
- Prior art keywords
- image
- point
- pixel
- width
- value
- 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
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及一种盾构隧道衬砌接缝张开宽度的测量方法及装置,具体步骤为:采用计算机视觉工具包对相机进行标定,通过数码相机采集管片接缝的图像,通过激光测距仪测定拍摄距离;将采集到得图像转化为灰度图像,选择合适的滤波参数,采用Gauss滤波器对选中的ROI区域图像进行平滑;确定平滑后图像的最大阈值和最小阈值,进行Canny滞后阈值分割得到图像中包括管片接缝边缘在内的亚像素线性特征;从亚像素线性特征中筛选出所需的亚像素管片接缝边缘图像:根据所得的两条亚像素管片接缝边缘图像,采用法向垂直最小距离法分别计算最大宽度及平均宽度;根据预先确定相机内参确定像素尺寸与实际尺寸之间的换算比例,并计算得到管片接缝的实际宽度。本发明具有低成本、高精度、快速便捷等优点。
Description
技术领域
本发明涉及一种盾构隧道衬砌管片接缝测量技术,尤其是涉及一种盾构隧道衬砌管片接缝张开宽度的测量方法及装置。
背景技术
高精度、高效率、数字化和自动化病害检测模式,是实现高质量盾构隧道运营维护的前提。随着检测技术的进步,传统的通过人眼目视或使用简单的仪器如直尺、读数放大镜等来进行估测的管片接缝宽度测量方法,由于存在结果主观性较大、精度和效率较低、且结果不易保存和管理等缺点,将逐渐被新的方法所代替。随着计算机技术的迅猛发展和相机硬件质量的不断提升,数字图像技术以其方便灵活、非接触式数据获取、图像易于处理等特点迅速渗透到各个学科领域并取得了重大的开拓性成就。而基于数字图像处理的照相测量技术业已深入到边坡变形监测、岩体碎石识别、隧道病害识别量测等土木工程领域中,并发挥着非接触、高效、直观和精确的优势。
2004年,邹轶群、侯贵仓、杨峰提出了一种基于数字图像处理的表面裂纹检测方法。同年,张娟,沙爱民,高怀钢,孙朝云分析了基于数字图像处理的路面裂缝识别与评价系统的工作原理。2005年,上海交通大学的田胜利对采用数字图像技术观测结构变形的方法进行了深入的研究,并使用小波变换、神经网络等人工智能手段对观测结果进行了处理。2006年,东南大学尹兰、何小元利用了基于光测法基础上的数字图像处理技术对混凝土表面裂缝宽度特征进行了测量和分析。 2008年,桑中顺将红外摄影技术引入隧道监测,以解决施工中的隧道粉尘严重的问题并针对非量测相机镜头畸变较大的缺陷,研究了相机的快速标定方法。2009年,周春霖使用数字图像技术结合人工神经网络实现岩体节理的识别和精细描述。2010年,叶康针对现有的公路隧道裂缝检测方法的不足,提出了采用数字图像技术进行裂缝特征无接触的测量方法。
虽然之前学者们对数字图像技术在地下工程和隧道病害检测领域做了较多研究,但专门针对盾构隧道管片接缝张开数字图像检测技术却没有人涉及到。此外,以上所研究的大多数方法主要是针对通过接触式扫描或近距离拍摄所采集的放大图像进行,并且假设所获取的照片所受的干扰少,成像质量高。而在实际盾构隧道中,光线、遮挡、各种污渍刮痕都会对成像质量照成严重影响,使得针对近照中理想宽大目标对象的识别量测方法不适用,需寻找一种合适的新方法。
因此,研究一种在盾构隧道中能便捷、高效、准确地测量管片接缝张开特征值的图像检测方法已成为提高盾构隧道运营维护质量的迫切需求之一。
发明内容
本发明的目的在于提供一种低成本、快速便捷、高精度的盾构隧道衬砌管片接缝张开宽度的测量方法及装置。
本发明的目的可以通过以下技术方案来实现:
一种盾构隧道衬砌管片接缝张开宽度的测量方法,具体步骤如下:
(1)采用计算机视觉工具包HALCON标定方法对相机进行标定,获取相机内部参数;
(2)通过数码相机采集管片接缝的图像,并通过激光测距仪测定拍摄距离;
(3)将采集到得图像转化为灰度图像,在转化后的灰度图像上选择需测量的感兴趣区域(Region Of Interest,以下简称ROI);
(4)选择合适的滤波参数,采用Gauss滤波器对(3)中选中的ROI区域图像进行平滑;
(5)确定平滑后图像的最大阈值和最小阈值,进行Canny滞后阈值分割得到图像中包括管片接缝边缘在内的亚像素线性特征;
(6)从步骤(5)中所得的亚像素线性特征中筛选出所需的亚像素管片接缝边缘图像:对于干扰较小的简单图像,可直接根据接缝边缘图像呈直线且贯穿ROI区域这一特点来获得目标接缝边缘图像;对于干扰较大的复杂图像,可采用神经网络的方法识别;
(7)根据步骤(6)中所得的两条亚像素管片接缝边缘图像,采用法向垂直最小距离法分别计算最大宽度及平均宽度;
(8)根据预先确定相机内参确定像素尺寸与实际尺寸之间的换算比例(mm/pixel),并计算得到管片接缝的实际宽度。
本发明中,步骤(1)操作方式如下:
①选取大小合适的Halcon特制标定板(有从2500μm到800mm的各种不同尺寸)。
②将准备好的标定板张贴到有一定刚度的平板上,保证表面平滑。
③拍摄10~20张标定板的图像,拍摄过程需注意如下事项:
在每张照片中整个标定板必须保持全部可见;
拍摄过程中需变换标定板的位置、朝向、距离;
标定板需占尽量大的图幅(至少1/4)以保证标定点识别的精度;
在各次拍摄中标定板尽量依次覆盖整个图像范围,以获取精确的相机内参。
④用Halcon标定程序对所采集的标定板图像进行处理,获取相机内参。
本发明中,步骤(3)的操作方法如下:
① 根据下式将整幅彩色图像转化成灰度图:
②计算出每一点对应的灰度值后即可生成彩色图像对应的灰度图。
③采用圆形窗口来选择相应的ROI区域,注意尽量是目标接缝位于ROI区域中央。
本发明中,步骤(4)的操作方法如下:
根据下述二维高斯滤波函数对ROI区域进行平滑:
本发明中,步骤(5)的操作方法如下:
①根据下式计算每个像素点的梯度幅值和梯度方向:
②对ROI区域进行非最大抑制处理:对每一个像素点,以该点为中心,在八邻域范围内对应梯度方向上与其相邻两个像素点的梯度值做比较,若该点梯度值为最大,则为可能的边缘点。梯度值保留,否则将该点梯度值设为零。
④利用上下阈值寻找边缘点:将所有梯度幅值>的点作为安全边缘点接受,<的点作为非边缘点排除;对于>>的点,作为潜在边缘点保留,针对这些潜在边缘点,只有当该点沿着某一最短路径与安全边缘点相连时,才被接受为安全边缘点。
本发明中,步骤(6)的操作方法如下:
①对于干扰较小的简单图像采用几何特征筛选法来获取目标接缝边缘特征:由于接缝边缘贯穿整个ROI区域且呈直线,故可根据长度特征来进行筛选,此处采用1.5倍和2倍的ROI 区域半径分别为上下阈值,长度在此阈值范围内的边缘保留,其余的边缘去除;
②对于干扰较大的复杂图像采用神经网络法来获取目标接缝边缘特征:
(I)选择典型的三层神经网络模型,其中隐层节点数按下式计算,
其中,m为隐层节点数,n为输入层节点数,l为输出层节点数,a为1~10之间的常数;
(II)选择神经网络模型的输入特征项如下:
边缘检测(要素数量) | |
沿线梯度均值、方差 | 1个边缘(2) |
沿线梯度方向的均值、方差 | (2) |
RGB空间灰度均值、方差 | 明区、暗区(2×3×2) |
弦长、迹长 | (2) |
合计 | 18 |
(III)人工手动选择30~50条接缝边缘样本来训练所建立的神经网络模型,然后用此模型对新图像进行识别。
本发明中,步骤(7)的操作方法如下:
本发明的裂缝像素宽度计算采用最小距离法,具体为区分裂缝的上下边缘,分别选中上边缘的各点,采用最小距离法计算目标裂缝的宽度。
如图5所示,为通过最小距离法计算裂缝像素宽度的示意图,根据竖直方向上下边缘点的坐标,先从上边缘首个点开始,用上边缘点的坐标分别与下边缘的各坐标点利用两点间的距离公式计算,算得的最小值作为该点到下边缘的距离,可表示为:
其中,k=0,1,2,3……
公式表示取上边缘的第i个点到下边缘所有点的距离的最小值。
依次算出上边缘每点到下边缘的距离值,将这些算得得距离值平均或求最大,便是裂缝宽度的平均值和最大值,表示为:
本发明提出的一种盾构隧道衬砌管片接缝张开宽度的测量装置,包括数码相机1、激光测距仪2、连接螺杆3以及笔记本工作站4,其中:所述的数码相机1通过连接螺杆3固定于激光测距仪2的上方,数码相机1通过数据线5与笔记本工作站4连接。
本发明中,所述的数码相机1采用sonyA550单反数码相机,该数码相机的镜头为18~55mm的标准镜头。
与现有技术相比,本发明不同于传统的近距离手持接触式盾构管片接缝宽度测量方法,而是将数字图像技术首次运用于盾构隧道衬砌管片接缝张开宽度的测量,利用相机成像的基本原理以及数码相机所获取图像的特征,提出一种基于数字图像技术的盾构隧道衬砌管片接缝张开测量方法及装置,为烦杂的盾构隧道接缝张开病害测量工作提供了一种低成本、高精度、快速便捷的处理手段。
附图说明
图1为本发明的流程图。
图2为本发明的硬件结构示意图。
图3为本发明进行标定所用的标定板图。
图4为本发明所采用的神经网络结构图。
图5为本发明通过最小距离法计算管片接缝像素宽度的示意图。
图中标号:1为数码相机,2为激光测距仪,3为连接螺杆,4为笔记本工作站,5为数据线。101为相机内参标定,102为图像采集并测定拍摄距离,103为转化灰度图像并选择ROI,104为图像平滑,105为亚像素边缘检测,106为目标接缝边缘的识别,107为最小距离法计算接缝宽度,108为按标定比例计算接缝实际宽度。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例1:
如图1所示,一种盾构隧道衬砌管片接缝张开宽度的测量方法,包括以下步骤:
步骤101,采用计算机视觉工具包HALCON标定方法对相机进行标定,获取相机内部参数;
步骤102,通过数码相机采集管片接缝的图像,并通过激光测距仪测定拍摄距离,本次实施中拍摄距离l为0.681m;
步骤103,将采集到得图像转化为灰度图像,在转化后的灰度图像上选择需测量的感兴趣区域(Region Of Interest,以下简称ROI);
步骤104,选择合适的滤波参数,采用Gauss滤波器对(3)中选中的ROI区域图像进行平滑;
步骤105,确定平滑后图像的最大阈值40和最小阈值20,进行Canny滞后阈值分割得到图像中包括管片接缝边缘在内的亚像素线性特征;
步骤106,从(5)中所得的亚像素线性特征中筛选出所需的亚像素管片接缝边缘图像:对于干扰较小的简单图像,可直接根据接缝边缘图像呈直线且贯穿ROI区域这一特点来获得目标接缝边缘图像;对于干扰较大的复杂图像,可采用神经网络的方法识别;
步骤107,根据(6)中所得的两条亚像素管片接缝边缘图像,采用法向垂直最小距离法分别计算最大宽度及平均宽度,本次实施中分别测得最大宽度为17.12pixel,平均宽度为16.13pixel;
步骤108,根据预先确定相机内参确定像素尺寸与实际尺寸之间的换算比例本实施中比例为0.123(mm/pixel),并采用(7)中得到的平均像素宽度16.13pixel,并计算得到管片接缝的实际宽度1.98mm。
所述的步骤101的具体步骤如下:
(11)选取大小合适的Halcon特制标定板(有从2500μm到800mm的各种不同尺寸)。
(12)将准备好的标定板张贴到有一定刚度的平板上,保证表面平滑。
(13)拍摄10~20张标定板的图像,拍摄过程需注意如下事项:
在每张照片中整个标定板必须保持全部可见;
拍摄过程中需变换标定板的位置、朝向、距离;
标定板需占尽量大的图幅(至少1/4)以保证标定点识别的精度;
在各次拍摄中标定板尽量依次覆盖整个图像范围,以获取精确的相机内参。
(14)用Halcon标定程序对所采集的标定板图像进行处理,获取相机内参,在本次实施中的标定结果如下:
f(m) | Kappa | Sx(m) | Sy(m) | Px | Py | WI | HI |
0.0195515 | -305.425 | 1.09751e-005 | 1.1e-005 | 1087.45 | 765.89 | 2288 | 1520 |
注:上表中的字母分别表示主距f、镜头径向畸变参数Kappa、横纵向比例系数Sx和Sy、主点位置[Px, Py]、像宽WI、像高HI.。所述的步骤103的具体步骤如下:
(31)根据下式将整幅彩色图像转化成灰度图:
(32)计算出每一点对应的灰度值后即可生成彩色图像对应的灰度图。
(33)采用圆形窗口来选择相应的ROI区域,注意尽量是目标接缝位于ROI区域中央。
所述的步骤104的具体步骤如下:
(41)根据下述二维高斯滤波函数对ROI区域进行平滑:
所述的步骤105的具体步骤如下:
(51)根据下式计算每个像素点的梯度幅值和梯度方向:
(52)对ROI区域进行非最大抑制处理:对每一个像素点,以该点为中心,在八邻域范围内对应梯度方向上与其相邻两个像素点的梯度值做比较,若该点梯度值为最大,则为可能的边缘点。梯度值保留,否则将该点梯度值设为零。
(54)利用上下阈值寻找边缘点:将所有梯度幅值>的点作为安全边缘点接受,<的点作为非边缘点排除;对于>>的点,作为潜在边缘点保留,针对这些潜在边缘点,只有当该点沿着某一最短路径与安全边缘点相连时,才被接受为安全边缘点。
所述的步骤106的具体步骤如下:
(61)对于干扰较小的简单图像采用几何特征筛选法来获取目标接缝边缘特征:由于接缝边缘贯穿整个ROI区域且呈直线,故可根据长度特征来进行筛选,此处采用1.5倍和2倍的ROI 区域半径分别为上下阈值,长度在此阈值范围内的边缘保留,其余的边缘去除;
(62)对于干扰较大的复杂图像采用神经网络法来获取目标接缝边缘特征:
(621)选择典型的三层神经网络模型,其中隐层节点数按下式计算,
其中,m为隐层节点数,n为输入层节点数,本实施中为18,l为输出层节点数,本实施中为2,a为1~10之间的常数。
(622)选择神经网络模型的输入特征项如下:
边缘检测(要素数量) | |
沿线梯度均值、方差 | 1个边缘(2) |
沿线梯度方向的均值、方差 | (2) |
RGB空间灰度均值、方差 | 明区、暗区(2×3×2) |
弦长、迹长 | (2) |
合计 | 18 |
(623)人工手动选择30~50条接缝边缘样本来训练所建立的神经网络模型,然后用此模型对新图像进行识别。
所述的步骤107的具体步骤如下:
本发明的裂缝像素宽度计算采用最小距离法,具体为区分裂缝的上下边缘,分别选中上边缘的各点,采用最小距离法计算目标裂缝的宽度。
如图5所示,为通过最小距离法计算裂缝像素宽度的示意图,根据竖直方向上下边缘点的坐标,先从上边缘首个点开始,用上边缘点的坐标分别与下边缘的各坐标点利用两点间的距离公式计算,算得的最小值作为该点到下边缘的距离,可表示为:
其中,k=0,1,2,3……
公式表示取上边缘的第i个点到下边缘所有点的距离的最小值。
依次算出上边缘每点到下边缘的距离值,将这些算得距离值平均或求最大,便是裂缝宽度的平均值和最大值,表示为:
本发明的盾构隧道衬砌管片接缝张开宽度的测量装置,包括数码相机1、激光测距仪2、连接螺杆3及笔记本工作站4,所述的数码相机1通过连接螺杆3设于激光测距仪2的上方,并通过一数据线5与笔记本工作站4连接。
所述的数码相机1采用sonyA550单反数码相机,其有效像素为1420万,采用18~55mm镜头。
条件允许的情况下,尽可能的垂直于接缝表面拍摄,同时可以利用照明灯和相机三脚架等辅助设备进行拍摄,防止因光线或人为抖动等原因而造成所拍图像质量不高,影响后续的图像处理效果。
Claims (9)
1.一种盾构隧道衬砌管片接缝张开宽度的测量方法,其特征在于具体步骤如下:
(1)采用计算机视觉工具包HALCON标定方法对相机进行标定,获取相机内部参数;
(2)通过数码相机采集管片接缝的图像,并通过激光测距仪测定拍摄距离;
(3)将采集到得图像转化为灰度图像,在转化后的灰度图像上选择需测量的感兴趣区域;
(4)选择合适的滤波参数,采用Gauss滤波器对步骤(3)中选中的ROI区域图像进行平滑;
(5)确定平滑后图像的最大阈值和最小阈值,进行Canny滞后阈值分割得到图像中包括管片接缝边缘在内的亚像素线性特征;
(6)从步骤(5)中所得的亚像素线性特征中筛选出所需的亚像素管片接缝边缘图像:对于干扰较小的简单图像,直接根据接缝边缘图像呈直线且贯穿ROI区域这一特点来获得目标接缝边缘图像;对于干扰较大的复杂图像,采用神经网络的方法识别;
(7)根据步骤(6)中所得的两条亚像素管片接缝边缘图像,采用法向垂直最小距离法分别计算最大宽度及平均宽度;
(8)根据预先确定相机内参确定像素尺寸与实际尺寸之间的换算比例,并计算得到管片接缝的实际宽度。
2.根据权利要求1所述的一种盾构隧道衬砌管片接缝张开宽度的测量方法,其特征在于,步骤(1)的操作方法如下:
①选取大小合适的Halcon特制标定板;
②将准备好的标定板张贴到有一定刚度的平板上,保证表面平滑;
③拍摄10~20张标定板的图像;
④用Halcon标定程序对所采集的标定板图像进行处理,获取相机内参。
5.根据权利要求1所述的一种盾构隧道衬砌管片接缝张开宽度的测量方法,其特征在于,步骤(5)的操作方法如下:
①根据下式计算每个像素点的梯度幅值和梯度方向:
②对ROI区域进行非最大抑制处理:对每一个像素点,以该点为中心,在八邻域范围内对应梯度方向上与其相邻两个像素点的梯度值做比较,若该点梯度值为最大,则为可能的边缘点;梯度值保留,否则将该点梯度值设为零;
6.根据权利要求1所述的一种盾构隧道衬砌管片接缝张开宽度的测量方法,其特征在于,步骤(6)的操作方法如下:
①对于干扰较小的简单图像采用几何特征筛选法来获取目标接缝边缘特征:由于接缝边缘贯穿整个ROI区域且呈直线,故可根据长度特征来进行筛选,此处采用1.5倍和2倍的ROI 区域半径分别为上下阈值,长度在此阈值范围内的边缘保留,其余的边缘去除;
②对于干扰较大的复杂图像采用神经网络法来获取目标接缝边缘特征:
(I)选择典型的三层神经网络模型,其中隐层节点数按下式计算,
其中,m为隐层节点数,n为输入层节点数,l为输出层节点数,a为1~10之间的常数;
(II)选择神经网络模型的输入特征项如下:
(III)人工手动选择30~50条接缝边缘样本来训练所建立的神经网络模型,然后用此模型对新图像进行识别。
8.一种盾构隧道衬砌管片接缝张开宽度的测量装置,其特征在于包括数码相机(1)、激光测距仪(2)、连接螺杆(3)以及笔记本工作站(4),其中:所述的数码相机(1)通过连接螺杆(3)固定于激光测距仪(2)的上方,数码相机(1)通过数据线(5)与笔记本工作站(4)连接。
9.根据权利要求8所述的一种盾构隧道衬砌管片接缝张开宽度的测量装置,其特征在于,所述的数码相机(1)采用sonyA550单反数码相机,该数码相机的镜头固定为18~55mm长度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110131202 CN102297660B (zh) | 2011-05-20 | 2011-05-20 | 一种盾构隧道衬砌管片接缝张开宽度的测量方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110131202 CN102297660B (zh) | 2011-05-20 | 2011-05-20 | 一种盾构隧道衬砌管片接缝张开宽度的测量方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102297660A true CN102297660A (zh) | 2011-12-28 |
CN102297660B CN102297660B (zh) | 2013-05-01 |
Family
ID=45358236
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110131202 Expired - Fee Related CN102297660B (zh) | 2011-05-20 | 2011-05-20 | 一种盾构隧道衬砌管片接缝张开宽度的测量方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102297660B (zh) |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102620673A (zh) * | 2012-03-16 | 2012-08-01 | 同济大学 | 基于图像分析的隧道变形在线监测系统及其应用 |
CN102768762A (zh) * | 2012-06-18 | 2012-11-07 | 同济大学 | 一种针对盾构隧道病害数字照相检测的数码相机标定方法及其装置 |
CN103245295A (zh) * | 2013-05-15 | 2013-08-14 | 常州纺织服装职业技术学院 | 基于数字图像处理的机织物接缝纱线滑移程度测量方法 |
CN103673858A (zh) * | 2013-12-12 | 2014-03-26 | 同济大学 | 一种盾构隧道衬砌管片接缝错抬的动态测量装置 |
CN103776355A (zh) * | 2014-01-10 | 2014-05-07 | 同济大学 | 一种盾构隧道管片接缝变形多功能测量装置及测量方法 |
CN104463888A (zh) * | 2014-12-19 | 2015-03-25 | 中国科学院武汉岩土力学研究所 | 裂缝宽度变化监测装置及其方法 |
CN105091756A (zh) * | 2015-08-31 | 2015-11-25 | 中国烟草总公司广东省公司 | 一种烟叶分级中烟叶长度的检测方法 |
CN107748886A (zh) * | 2017-10-31 | 2018-03-02 | 南京农业大学 | 一种基于深度相机的轨道式现代标准化果园信息感知系统 |
CN108229461A (zh) * | 2018-01-16 | 2018-06-29 | 上海同岩土木工程科技股份有限公司 | 一种基于深度学习的隧道裂缝快速识别方法 |
CN108876773A (zh) * | 2018-06-06 | 2018-11-23 | 杭州电子科技大学 | 基于机器视觉的led玻璃灯杯孔径在线检测方法 |
CN109300103A (zh) * | 2017-07-24 | 2019-02-01 | 清华大学 | 一种混凝土表面裂缝宽度检测方法 |
CN109341542A (zh) * | 2018-10-29 | 2019-02-15 | 福建省智能养护工程有限公司 | 基于数字信号序列长度识别裂缝宽度的方法及其监测装置 |
CN109712148A (zh) * | 2018-12-19 | 2019-05-03 | 上海勘察设计研究院(集团)有限公司 | 基于盾构隧道影像的管片接缝位置自动识别方法 |
CN109767426A (zh) * | 2018-12-13 | 2019-05-17 | 同济大学 | 一种基于图像特征识别的盾构隧道渗漏水检测方法 |
CN109948188A (zh) * | 2019-02-19 | 2019-06-28 | 中国铁建重工集团有限公司 | 一种管片选型方法 |
CN110160449A (zh) * | 2018-02-14 | 2019-08-23 | 三星钻石工业股份有限公司 | 肋状纹的厚度检查装置以及方法 |
CN110243293A (zh) * | 2019-06-18 | 2019-09-17 | 上海同岩土木工程科技股份有限公司 | 基于结构光和机器视觉的管片错台快速检测装置与方法 |
CN110599441A (zh) * | 2018-06-11 | 2019-12-20 | 发那科株式会社 | 接缝检查装置 |
CN112033293A (zh) * | 2020-08-12 | 2020-12-04 | 上海隧道工程有限公司 | 机器视觉盾尾间隙检测自动跟踪管片有效边界特征点方法 |
CN112184623A (zh) * | 2020-09-01 | 2021-01-05 | 联影智能医疗科技(北京)有限公司 | 脊柱椎体的椎间隙分析方法、设备和存储介质 |
CN112967221A (zh) * | 2020-12-04 | 2021-06-15 | 江苏龙冠新型材料科技有限公司 | 一种盾构管片生产与拼装信息管理系统 |
CN113066097A (zh) * | 2021-05-24 | 2021-07-02 | 广东技术师范大学 | 一种快速精确测量叉指换能器指条宽度、周期、金属化比的方法及系统 |
CN114082889A (zh) * | 2021-11-19 | 2022-02-25 | 苏州美迈快速制造技术有限公司 | 多强度砂模3d打印成型工艺 |
CN114370828A (zh) * | 2021-12-28 | 2022-04-19 | 中国铁路设计集团有限公司 | 基于激光扫描的盾构隧道直径收敛和径向错台检测方法 |
CN114549483A (zh) * | 2022-02-25 | 2022-05-27 | 山东科汇电力自动化股份有限公司 | 一种基于halcon单目视觉的耐火砖尺寸测量方法 |
CN114581415A (zh) * | 2022-03-08 | 2022-06-03 | 成都数之联科技股份有限公司 | Pcb缺陷的检测方法、装置、计算机设备及存储介质 |
CN117934322A (zh) * | 2024-03-22 | 2024-04-26 | 陕西惠延机械有限公司 | 一种隧道衬砌台车安全施工监控方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008139285A (ja) * | 2006-11-29 | 2008-06-19 | Korea Research Inst Of Standards & Science | 映像処理技法を利用した構造物及び製品のクラック幅測定方法 |
JP2009133085A (ja) * | 2007-11-29 | 2009-06-18 | Central Japan Railway Co | トンネル覆工のひび割れ検査装置 |
CN101957178A (zh) * | 2009-07-17 | 2011-01-26 | 上海同岩土木工程科技有限公司 | 一种隧道衬砌裂缝测量方法及其测量装置 |
-
2011
- 2011-05-20 CN CN 201110131202 patent/CN102297660B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008139285A (ja) * | 2006-11-29 | 2008-06-19 | Korea Research Inst Of Standards & Science | 映像処理技法を利用した構造物及び製品のクラック幅測定方法 |
JP2009133085A (ja) * | 2007-11-29 | 2009-06-18 | Central Japan Railway Co | トンネル覆工のひび割れ検査装置 |
CN101957178A (zh) * | 2009-07-17 | 2011-01-26 | 上海同岩土木工程科技有限公司 | 一种隧道衬砌裂缝测量方法及其测量装置 |
Non-Patent Citations (1)
Title |
---|
《土木工程学报》 20070531 王建秀等 连拱隧道裂缝运动的监测与分析 69-73 第40卷, 第05期 * |
Cited By (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013135033A1 (zh) * | 2012-03-16 | 2013-09-19 | 同济大学 | 基于图像分析的隧道变形在线监测系统及其应用 |
CN102620673A (zh) * | 2012-03-16 | 2012-08-01 | 同济大学 | 基于图像分析的隧道变形在线监测系统及其应用 |
CN102768762A (zh) * | 2012-06-18 | 2012-11-07 | 同济大学 | 一种针对盾构隧道病害数字照相检测的数码相机标定方法及其装置 |
CN103245295B (zh) * | 2013-05-15 | 2016-06-08 | 常州纺织服装职业技术学院 | 基于数字图像处理的机织物接缝纱线滑移程度测量方法 |
CN103245295A (zh) * | 2013-05-15 | 2013-08-14 | 常州纺织服装职业技术学院 | 基于数字图像处理的机织物接缝纱线滑移程度测量方法 |
CN103673858A (zh) * | 2013-12-12 | 2014-03-26 | 同济大学 | 一种盾构隧道衬砌管片接缝错抬的动态测量装置 |
CN103776355A (zh) * | 2014-01-10 | 2014-05-07 | 同济大学 | 一种盾构隧道管片接缝变形多功能测量装置及测量方法 |
CN103776355B (zh) * | 2014-01-10 | 2016-08-17 | 同济大学 | 一种盾构隧道管片接缝变形多功能测量装置及测量方法 |
CN104463888A (zh) * | 2014-12-19 | 2015-03-25 | 中国科学院武汉岩土力学研究所 | 裂缝宽度变化监测装置及其方法 |
CN105091756A (zh) * | 2015-08-31 | 2015-11-25 | 中国烟草总公司广东省公司 | 一种烟叶分级中烟叶长度的检测方法 |
CN109300103A (zh) * | 2017-07-24 | 2019-02-01 | 清华大学 | 一种混凝土表面裂缝宽度检测方法 |
CN109300103B (zh) * | 2017-07-24 | 2020-12-08 | 清华大学 | 一种混凝土表面裂缝宽度检测方法 |
CN107748886A (zh) * | 2017-10-31 | 2018-03-02 | 南京农业大学 | 一种基于深度相机的轨道式现代标准化果园信息感知系统 |
CN107748886B (zh) * | 2017-10-31 | 2021-06-01 | 南京农业大学 | 一种基于深度相机的轨道式现代标准化果园信息感知系统 |
CN108229461A (zh) * | 2018-01-16 | 2018-06-29 | 上海同岩土木工程科技股份有限公司 | 一种基于深度学习的隧道裂缝快速识别方法 |
CN108229461B (zh) * | 2018-01-16 | 2021-12-28 | 上海同岩土木工程科技股份有限公司 | 一种基于深度学习的隧道裂缝快速识别方法 |
CN110160449A (zh) * | 2018-02-14 | 2019-08-23 | 三星钻石工业股份有限公司 | 肋状纹的厚度检查装置以及方法 |
CN108876773A (zh) * | 2018-06-06 | 2018-11-23 | 杭州电子科技大学 | 基于机器视觉的led玻璃灯杯孔径在线检测方法 |
CN110599441A (zh) * | 2018-06-11 | 2019-12-20 | 发那科株式会社 | 接缝检查装置 |
CN110599441B (zh) * | 2018-06-11 | 2023-11-07 | 发那科株式会社 | 接缝检查装置 |
CN109341542A (zh) * | 2018-10-29 | 2019-02-15 | 福建省智能养护工程有限公司 | 基于数字信号序列长度识别裂缝宽度的方法及其监测装置 |
CN109767426B (zh) * | 2018-12-13 | 2021-11-09 | 同济大学 | 一种基于图像特征识别的盾构隧道渗漏水检测方法 |
CN109767426A (zh) * | 2018-12-13 | 2019-05-17 | 同济大学 | 一种基于图像特征识别的盾构隧道渗漏水检测方法 |
CN109712148A (zh) * | 2018-12-19 | 2019-05-03 | 上海勘察设计研究院(集团)有限公司 | 基于盾构隧道影像的管片接缝位置自动识别方法 |
CN109948188A (zh) * | 2019-02-19 | 2019-06-28 | 中国铁建重工集团有限公司 | 一种管片选型方法 |
CN110243293A (zh) * | 2019-06-18 | 2019-09-17 | 上海同岩土木工程科技股份有限公司 | 基于结构光和机器视觉的管片错台快速检测装置与方法 |
CN110243293B (zh) * | 2019-06-18 | 2021-01-08 | 上海同岩土木工程科技股份有限公司 | 基于结构光和机器视觉的管片错台快速检测装置与方法 |
CN112033293A (zh) * | 2020-08-12 | 2020-12-04 | 上海隧道工程有限公司 | 机器视觉盾尾间隙检测自动跟踪管片有效边界特征点方法 |
CN112184623A (zh) * | 2020-09-01 | 2021-01-05 | 联影智能医疗科技(北京)有限公司 | 脊柱椎体的椎间隙分析方法、设备和存储介质 |
CN112967221A (zh) * | 2020-12-04 | 2021-06-15 | 江苏龙冠新型材料科技有限公司 | 一种盾构管片生产与拼装信息管理系统 |
CN112967221B (zh) * | 2020-12-04 | 2024-05-14 | 江苏龙冠新型材料科技有限公司 | 一种盾构管片生产与拼装信息管理系统 |
CN113066097A (zh) * | 2021-05-24 | 2021-07-02 | 广东技术师范大学 | 一种快速精确测量叉指换能器指条宽度、周期、金属化比的方法及系统 |
CN114082889A (zh) * | 2021-11-19 | 2022-02-25 | 苏州美迈快速制造技术有限公司 | 多强度砂模3d打印成型工艺 |
CN114370828A (zh) * | 2021-12-28 | 2022-04-19 | 中国铁路设计集团有限公司 | 基于激光扫描的盾构隧道直径收敛和径向错台检测方法 |
CN114549483A (zh) * | 2022-02-25 | 2022-05-27 | 山东科汇电力自动化股份有限公司 | 一种基于halcon单目视觉的耐火砖尺寸测量方法 |
CN114581415A (zh) * | 2022-03-08 | 2022-06-03 | 成都数之联科技股份有限公司 | Pcb缺陷的检测方法、装置、计算机设备及存储介质 |
CN117934322A (zh) * | 2024-03-22 | 2024-04-26 | 陕西惠延机械有限公司 | 一种隧道衬砌台车安全施工监控方法 |
CN117934322B (zh) * | 2024-03-22 | 2024-06-04 | 陕西惠延机械有限公司 | 一种隧道衬砌台车安全施工监控方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102297660B (zh) | 2013-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102297660B (zh) | 一种盾构隧道衬砌管片接缝张开宽度的测量方法及装置 | |
CN102679914B (zh) | 一种盾构隧道衬砌管片渗漏水面积的测量方法及装置 | |
CN105784710B (zh) | 一种基于数字图像处理的混凝土桥梁裂缝检测装置 | |
CN108364280B (zh) | 结构裂缝自动化描绘及宽度精准测量方法与设备 | |
CN106683089B (zh) | 一种带约束配准的杆塔变形检测方法 | |
CN101957178B (zh) | 一种隧道衬砌裂缝测量方法及其测量装置 | |
CN102135236B (zh) | 双目视觉管道内壁自动无损检测方法 | |
CN109472822A (zh) | 基于深度图像处理的物体尺寸测量方法 | |
CN111784657A (zh) | 一种基于数字图像的水泥路面病害自动识别的系统及方法 | |
CN104502990A (zh) | 一种基于数码图像的隧道掌子面地质调查方法 | |
CN104700395A (zh) | 一种构造物外观裂缝检测方法及系统 | |
CN107179322A (zh) | 一种基于双目视觉的桥梁底面裂缝检测方法 | |
CN102749046B (zh) | 岩体结构面直剪试验中剪切面积的测量方法 | |
CN102346013A (zh) | 一种隧道衬砌裂缝宽度的测量方法及装置 | |
CN103837087B (zh) | 基于主动形状模型的受电弓自动检测方法 | |
CN105547602A (zh) | 一种地铁隧道管片渗漏水的远距离测量方法 | |
CN106996748A (zh) | 一种基于双目视觉的轮径测量方法 | |
CN107392929A (zh) | 一种基于人眼视觉模型的智能化目标检测及尺寸测量方法 | |
CN109146859A (zh) | 一种基于机器视觉的路面裂缝检测系统 | |
CN109035237A (zh) | 一种风叶裂痕检测方法 | |
CN107727658A (zh) | 基于图像处理的受电弓裂纹在线检测装置及方法 | |
CN111612846A (zh) | 基于U-net CNN图像识别和像素标定的混凝土裂缝宽度测定方法 | |
CN105427324A (zh) | 基于二值化阈值自动搜索的磁光成像缺陷检测方法 | |
CN111724358A (zh) | 基于图像和卷积神经网络的混凝土质量检测方法及系统 | |
CN111896549A (zh) | 一种基于机器学习的建筑物裂缝监测系统和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130501 Termination date: 20160520 |
|
CF01 | Termination of patent right due to non-payment of annual fee |