CN102679914A - 一种盾构隧道衬砌管片渗漏水面积的测量方法及装置 - Google Patents
一种盾构隧道衬砌管片渗漏水面积的测量方法及装置 Download PDFInfo
- Publication number
- CN102679914A CN102679914A CN2012101464409A CN201210146440A CN102679914A CN 102679914 A CN102679914 A CN 102679914A CN 2012101464409 A CN2012101464409 A CN 2012101464409A CN 201210146440 A CN201210146440 A CN 201210146440A CN 102679914 A CN102679914 A CN 102679914A
- Authority
- CN
- China
- Prior art keywords
- percolating water
- image
- area
- formula
- camera
- 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
Abstract
本发明涉及一种盾构隧道衬砌管片渗漏水面积的测量方法及装置,具体步骤为:采用计算机视觉工具包对相机进行标定;采集管片渗漏水的图像,通过激光测距仪测定拍摄距离和拍摄倾角;采用除法畸变模型,对采集到的渗漏水病害图像进行镜头畸变校正;将采集到的图像转化为灰度图像;对ROI进行Blob分析:确定ROI最大、最小阈值,进行阈值分割得到图像中包括管片渗漏水区域在内的区域特征;对初步分割得到的图像进行连接Blob分析,将所有被判断为渗漏水区域的目标像素连接成块;采用开操作和闭操作对渗漏水病害区域进行填充和滤除得到最终的渗漏水区域;计算渗漏水区域的面积;修正管片渗漏水区域的面积;计算得到管片渗漏水区域的实际面积。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渗漏水测量技术,尤其是涉及一种盾构隧道衬砌管片渗漏水面积的测量方法及装置。
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来进行估测的管片渗漏水面积测量方法,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渗漏水面积的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,以提高盾构隧道管片渗漏水病害检测的准确度。
因此,研究一种在盾构隧道中能便捷、高效、准确地测量管片渗漏水面积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渗漏水面积的测量方法及装置。
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渗漏水面积的测量方法,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)保持相机内部参数不变,利用本发明的装置在管片正面拍摄渗漏水病害图像,测定拍摄距离和拍摄倾角;
(3)采用除法畸变模型,对采集到的渗漏水病害图像进行镜头畸变校正;
(4)将采集到的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;
(5)对ROI进行Blob分析:确定ROI的最大阈值和最小阈值,进行阈值分割得到图像中包括管片渗漏水区域在内的区域特征;对初步分割得到的图像进行连接Blob分析,将所有被判断为渗漏水区域的目标像素连接成块;
(6)根据数学形态学理论,采用开操作和闭操作对步骤(5)中渗漏水区域进行填充和滤除得到最终的渗漏水区域:对于干扰较小的简单图像,直接对其进行数学形态学处理得到目标渗漏水区域图像;对于常见干扰的复杂图像,在数学形态学处理的基础上采用筛选、膨胀和组合的方式得到最终的目标渗漏水区域;
(7)根据最终渗漏水区域图像计算渗漏水区域的面积;
(8)根据拍摄倾角与面积比例的关系修正管片渗漏水区域的面积;
(9)根据经验标定的每平方像素的实际面积与拍摄距离的关系,计算得到管片渗漏水区域的实际面积。
本发明中,步骤(1)的操作方法如下:
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部参数;
④ 用HALCON标定程序对所采集的标定板图像进行处理,获取相机内部参数。
本发明中,步骤(3)的操作方法如下:
①利用全标定方法对相机内部参数进行标定,由步骤(1)相机标定获得镜头畸变参数;
②采用除法镜头畸变模型,对采集到的管片渗漏水病害图像进行镜头畸变校正,径向畸变校正公式如下:
式中: ,表示镜头畸变后的投影点p(,)在成像平面坐标系下的行坐标和列坐标;镜头径向畸变参数κ表示径向畸变量级,如果κ为负,畸变为桶型畸变,如果κ为正,畸变为枕型畸变;u,v表示投影点p(u,v)在成像平面坐标系下的行坐标和列坐标。
本发明中,步骤(4)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采用自由拖动鼠标的方式来选择相应的ROI区域,注意应包含整个渗漏水区域且尽量使目标渗漏水位于ROI区域中央。
本发明中,步骤(5)的操作方法如下:
① 根据图像的拍摄质量和噪声程度确定阈值分割的最小阈值t low ,最大阈值t high ;
②根据选定的最小阈值t low ,最大阈值t high 对图像阈值化,即将输入图像f做如下变换输出图像g:
③ 对初步分割得到的图像进行连接Blob分析,将所有被判断为渗漏水区域的目标像素连接成块。
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,采用对图像先进行开操作再进行闭操作,同时
为两次操作选择合适的结构元素半径:用B对A进行开操作如下式,
式中:A为目标图像,B为结构元素,式子表示先用B对A腐蚀,然后用B对结果进行膨胀,开操作使对象的轮廓变得光滑,断开狭窄的间断和消除细的突出物;
用B对A进行闭操作如下式,
式中:A为目标图像,B为结构元素,式子表示先用B对A膨胀,然后用B对结果进行腐蚀,闭操作能消弥狭窄的间断和长细的鸿沟,消除小的孔洞,并填补轮廓线中的断裂;
②对于盾构隧道管线、设备支撑架等常见干扰的复杂图像,在数学形态学处理的基础上采用筛选、膨胀和组合的方式得到最终的目标渗漏水区域:
(I)采用合适的指标对结果进行筛选,合适的指标包括面积、长度、宽度、结构性系数等;
(II)选出筛选结果中几个处于中间位置的区域,然后对其进行膨胀;
(III)将上一步的膨胀结果与渗漏水两端部区域组合在一起。
本发明中,步骤(8)的操作方法如下:
①预先室内试验得到射影畸变图像和原图像之间的面积比例随拍摄倾角的关系,公式如下:
式中:S’为拍摄倾角为α时得到的管片渗漏水区域的实际面积,S为管片正面拍摄所得到的渗漏水区域实际面积;
②根据面积比例与拍摄倾角的关系对管片渗漏水实际面积进行修正,使结果更加准确,修正方法为在图像的检测结果上乘上的修正系数。
本发明中,步骤(9)的操作方法如下:
①预先室内试验得到固定焦距下,每平方像素的实际面积与拍摄距离的关系,50mm焦距下的公式如下:
R = 1.06E-05D 4 - 5.29E-05D 3 + 0.01D 2 + 0.00021D - 0.0001
式中:R为每平方像素的实际面积,单位mm2/pixel2,D为拍摄距离,单位m;
② 根据每平方像素的实际面积与拍摄距离的关系计算得到管片渗漏水区域的实际面积。
本发明提出的一种盾构隧道衬砌管片渗漏水面积的测量装置,包括相机1、激光测距仪2、连接螺杆3以及笔记本工作站4,其中:所述的相机1通过连接螺杆3固定于激光测距仪2的上方,相机1通过数据线5与笔记本工作站4连接。
本发明中,所述的相机1采用Sonyα550单反数码相机,该数码相机的镜头为18~55mm的标准镜头,激光测距仪2采用徕卡迪士通D3a激光测距仪,该激光测距仪2距离测量范围为0.05~100m,倾角测量范围为-45°~45°。
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渗漏水面积测量方法,而是将数字图像技术首次运用于盾构隧道衬砌管片渗漏水面积的测量,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渗漏水面积测量方法及装置,为烦杂的盾构隧道渗漏水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为本发明的镜头畸变示意图。
图5为本发明所采用的开操作示意图。
图6为本发明所采用的闭操作示意图。
图7为本发明绕水平轴在竖直面转动的拍摄倾角示意图。
图中标号:1为相机,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为相机内部参数标定,102为图像采集并测定拍摄距离和倾角,103为图像镜头畸变校正, 104为转化灰度图像并选择ROI,105为Blob分析,106为渗漏水区域的识别,107为计算渗漏水区域的面积,108为根据拍摄倾角修正渗漏水面积,109为按标定比例计算渗漏水实际面积。
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渗漏水面积的测量方法,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,保持相机内部参数不变,利用本发明的装置在管片正面拍摄渗漏水病害图像,测定拍摄距离和拍摄倾角,本次实施中拍摄距离为4.246m,拍摄倾角为27.8°;
步骤103,采用除法畸变模型,对采集到的渗漏水病害图像进行镜头畸变校正;
步骤104,将采集到的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;
步骤105,对ROI进行Blob分析:确定ROI的最大阈值90和最小阈值0,进行阈值分割得到图像中包括管片渗漏水区域在内的区域特征;对初步分割得到的图像进行连接Blob分析,将所有被判断为渗漏水区域的目标像素连接成块;
步骤106,根据数学形态学理论,采用开操作和闭操作对步骤(5)中渗漏水区域进行填充和滤除得到最终的渗漏水区域:对于干扰较小的简单图像,直接对其进行数学形态学处理得到目标渗漏水区域图像;对于常见干扰的复杂图像,在数学形态学处理的基础上采用筛选、膨胀和组合的方式得到最终的目标渗漏水区域;
步骤107,根据最终渗漏水区域图像计算渗漏水区域的面积,本次实施中计算的渗漏水区域面积为102015 pixel2;
步骤108,根据拍摄倾角与面积比例的关系,本次实施中为S’/S=0.9697,修正管片渗漏水区域的面积为98924pixel2;
步骤109,根据经验标定的每平方像素的实际面积与拍摄距离的关系,本次实施中为0.192(mm2/pixel2),计算得到管片渗漏水区域的实际面积18993mm2。
所述的步骤101的具体步骤如下:
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;
④在每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部参数。
用HALCON标定程序对所采集的标定板图像进行处理,获取相机内部参,在本次实施中的标定结果如下:
f(m) | Kappa | S x (m) | S y (m) | P x | P y | W I | H I |
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S x 和S y 、主点位置[P x , P y ]、像宽W I 、像高H I 。
所述的步骤103的具体步骤如下:
① 用全标定方法对相机内部参数进行标定,由步骤(1)相机标定获得镜头畸变参数;
②采用除法镜头畸变模型,对采集到的管片渗漏水病害图像进行镜头畸变校正,径向畸变校正公式如下:
式中: ,表示镜头畸变后的投影点p(,)在成像平面坐标系下的行坐标和列坐标;镜头径向畸变参数κ表示径向畸变量级,如果κ为负,畸变为桶型畸变,如果κ为正,畸变为枕型畸变;u,v表示投影点p(u,v)在成像平面坐标系下的行坐标和列坐标。
所述的步骤104的具体步骤如下:
①根据下式将整幅彩色图像转化成灰度图:
① 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采用自由拖动鼠标的方式来选择相应的ROI区域,注意应包含整个渗漏水区域且尽量使目标渗漏水位于ROI区域中央。
所述的步骤105的具体步骤如下:
① 根据图像的拍摄质量和噪声程度确定阈值分割的最小阈值t low =0,最大阈值t high =90。
② 根据选定的最小阈值t low 和最大取值t high 对图像阈值化,即将输入图像f做如下变换输出图像g:
③对初步分割得到的图像进行连接Blob分析,将所有被判断为渗漏水区域的目标像素连接成块。
所述的步骤106的具体步骤如下:
①对于干扰较小的简单图像,采用对图像先进行开操作再进行闭操作,同时为两次操作选择合适的结构元素半径:用B对A进行开操作如下式,
式中:A为目标图像,B为结构元素,式子表示先用B对A腐蚀,然后用B对结果进行膨胀,开操作使对象的轮廓变得光滑,断开狭窄的间断和消除细的突出物;
用B对A进行闭操作如下式,
式中:A为目标图像,B为结构元素,式子表示先用B对A膨胀,然后用B对结果进行腐蚀,闭操作能消弥狭窄的间断和长细的鸿沟,消除小的孔洞,并填补轮廓线中的断裂。
②对于盾构隧道管线、设备支撑架等常见干扰的复杂图像,在数学形态学处理的基础上采用筛选、膨胀和组合的方式得到最终的目标渗漏水区域:
(I)采用合适的指标对结果进行筛选,本实施中合适的指标为面积;
(II)选出筛选结果中几个处于中间位置的区域,然后对其进行膨胀;
(III)将上一步的膨胀结果与渗漏水两端部区域组合在一起。
所述的步骤108的具体步骤如下:
①预先室内试验得到射影畸变图像和原图像之间的面积比例与拍摄倾角的关系,公式如下:
式中:S’为拍摄倾角为α时得到的管片渗漏水区域的实际面积,S为管片正面拍摄所得到的渗漏水区域实际面积,本次实施中S’/S=0.9697。
②根据面积比例与拍摄倾角的关系对管片渗漏水实际面积进行修正,修正的管片渗漏水区域面积为98924pixel2。
所述的步骤109的具体步骤如下:
①预先室内试验得到固定焦距下,每平方像素的实际面积与拍摄距离的关系,50mm焦距下的公式如下:
R = 1.06E-05D 4 - 5.29E-05D 3 + 0.01D 2 + 0.00021D - 0.0001
式中:R为每平方像素的实际面积,单位mm2/pixel2,D为拍摄距离,单位m,本次实施中R=0.192mm2/pixel2。
②根据每平方像素的实际面积与拍摄距离的关系计算得到管片渗漏水区域的实际面积18993mm2。
本发明的盾构隧道衬砌管片渗漏水面积的测量装置,包括相机1、激光测距仪2、连接螺杆3及笔记本工作站4,所述的相机1通过连接螺杆3固定于激光测距仪2的上方,并通过一数据线5与笔记本工作站4连接。
所述的相机1采用Sonyα550单反数码相机,其有效像素为1420万,采用18~55mm镜头,激光测距仪2采用徕卡迪士通D3a激光测距仪,该激光测距仪距离2测量范围为0.05~100m,倾角测量范围为-45°~45°。
条件允许的情况下,尽可能的垂直于渗漏水表面拍摄,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 (10)
1.一种盾构隧道衬砌管片渗漏水面积的测量方法,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)保持相机内部参数不变,在管片正面拍摄渗漏水病害图像,测定拍摄距离和拍摄倾角;
(3)采用除法畸变模型,对采集到的渗漏水病害图像进行镜头畸变校正;
(4)将采集到的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;
(5)对ROI进行Blob分析:确定ROI的最大阈值和最小阈值,进行阈值分割,得到图像中包括管片渗漏水区域在内的区域特征;对初步分割得到的图像进行连接Blob分析,将所有被判断为渗漏水区域的目标像素连接成块;
(6)根据数学形态学理论,采用开操作和闭操作对步骤(5)中渗漏水区域进行填充和滤除得到最终的渗漏水区域:对于干扰较小的简单图像,直接对其进行数学形态学处理得到目标渗漏水区域图像;对于盾构隧道管线、设备支撑架等常见干扰的复杂图像,在数学形态学处理的基础上采用筛选、膨胀和组合的方式得到最终的目标渗漏水区域;
(7)根据最终渗漏水区域图像计算渗漏水区域的面积;
(8)根据拍摄倾角与面积比例的关系修正管片渗漏水区域的面积;
(9)根据经验标定的每平方像素的实际面积与拍摄距离的关系,计算得到管片渗漏水区域的实际面积。
2.根据权利要求1所述的一种盾构隧道衬砌管片渗漏水面积的测量方法,其特征在于,步骤(1)中的操作方法如下:
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,获取相机内部参数。
6.根据权利要求1所述的一种盾构隧道衬砌管片渗漏水面积的测量方法,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,采用对图像先进行开操作再进行闭操作,同时为两次操作选择合适的结构元素半径:用B对A进行开操作如下式,
式中: A为目标图像,B为结构元素,式子表示先用B对A腐蚀,然后用B对结果进行膨胀,开操作使对象的轮廓变得光滑,断开狭窄的间断和消除细的突出物;
用B对A进行闭操作如下式,
式中:A为目标图像,B为结构元素,式子表示先用B对A膨胀,然后用B对结果进行腐蚀,闭操作能消弥狭窄的间断和长细的鸿沟,消除小的孔洞,并填补轮廓线中的断裂;
②对于盾构隧道管线、设备支撑架等常见干扰的复杂图像,在数学形态学处理的基础上采用筛选、膨胀和组合的方式得到最终的目标渗漏水区域:
(I)采用合适的指标对结果进行筛选;合适的指标包括面积、长、宽、结构性系数;
(II)选出筛选结果中几个处于中间位置的区域,然后对其进行膨胀;
(III)将上一步的膨胀结果与渗漏水两端部区域组合在一起。
8.根据权利要求1所述的一种盾构隧道衬砌管片渗漏水面积的测量方法,其特征在于,步骤(9)的操作方法如下:
①预先室内试验得到固定焦距下,每平方像素的实际面积与拍摄距离的关系,50mm焦距下的公式如下:
R = 1.06E-05D 4 - 5.29E-05D 3 + 0.01D 2 + 0.00021D - 0.0001
式中:R为每平方像素的实际面积,单位mm2/pixel2,D为拍摄距离,单位m;
②根据每平方像素的实际面积与拍摄距离的关系计算得到管片渗漏水区域的实际面积。
9.一种盾构隧道衬砌管片渗漏水面积的测量装置,其特征在于包括相机(1)、激光测距仪(2)、连接螺杆(3)以及笔记本工作站(4),其中:所述的相机(1)通过连接螺杆(3)固定于激光测距仪(2)的上方,相机(1)通过数据线(5)与笔记本工作站(4)连接。
10.根据权利要求9所述的一种盾构隧道衬砌管片渗漏水面积的测量装置,其特征在于,所述的相机(1)采用Sonyα550单反数码相机,该数码相机的镜头固定为18~55mm长度,激光测距仪(2)采用徕卡迪士通D3a激光测距仪,该激光测距仪(2)距离测量范围为0.05~100m,倾角测量范围为-45°~45°。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210146440.9A CN102679914B (zh) | 2012-05-14 | 2012-05-14 | 一种盾构隧道衬砌管片渗漏水面积的测量方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210146440.9A CN102679914B (zh) | 2012-05-14 | 2012-05-14 | 一种盾构隧道衬砌管片渗漏水面积的测量方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102679914A true CN102679914A (zh) | 2012-09-19 |
CN102679914B CN102679914B (zh) | 2014-08-13 |
Family
ID=46812205
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210146440.9A Expired - Fee Related CN102679914B (zh) | 2012-05-14 | 2012-05-14 | 一种盾构隧道衬砌管片渗漏水面积的测量方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102679914B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104075854A (zh) * | 2014-06-30 | 2014-10-01 | 中南大学 | 盾构管片接头抗渗性能试验装置 |
CN106677037A (zh) * | 2016-11-21 | 2017-05-17 | 同济大学 | 基于机器视觉的便携式沥青路面病害检测方法及装置 |
CN106802215A (zh) * | 2015-11-20 | 2017-06-06 | 沈阳新松机器人自动化股份有限公司 | 一种水管漏水检测装置及检测方法 |
CN107655539A (zh) * | 2017-09-28 | 2018-02-02 | 上海达华测绘有限公司 | 水位监测方法与系统 |
CN107703559A (zh) * | 2017-09-07 | 2018-02-16 | 国网浙江省电力公司宁波供电公司 | 一种电缆隧道渗水红外检测装置 |
CN109615653A (zh) * | 2018-12-19 | 2019-04-12 | 上海大学 | 基于深度学习与视场投影模型的渗漏水面积检测与识别方法 |
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 |
CN110060232A (zh) * | 2019-03-15 | 2019-07-26 | 深圳高速工程顾问有限公司 | 隧道裂缝识别方法、装置、计算机设备和存储介质 |
CN110415251A (zh) * | 2019-07-02 | 2019-11-05 | 广州大学 | 一种背景检测的图像分割方法与装置 |
CN110595396A (zh) * | 2019-09-18 | 2019-12-20 | 云南电网有限责任公司电力科学研究院 | 一种测量电力设备漏油面积的方法 |
CN111749286A (zh) * | 2020-06-16 | 2020-10-09 | 中国环境科学研究院 | 渗漏检测装置 |
CN112923243A (zh) * | 2019-12-06 | 2021-06-08 | 上海新微技术研发中心有限公司 | 检测墙体中水管漏水的方法 |
CN112945115A (zh) * | 2021-02-04 | 2021-06-11 | 中铁工程装备集团有限公司 | 一种基于双激光结构线的盾尾间隙视觉测量方法及装置 |
CN113421236A (zh) * | 2021-06-17 | 2021-09-21 | 同济大学 | 基于深度学习的建筑墙面渗漏水表观发育状况预测方法 |
CN113960049A (zh) * | 2021-10-19 | 2022-01-21 | 中南大学 | 一种隧道表面病害检测装置及检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3729810B2 (ja) * | 2003-01-16 | 2005-12-21 | 長菱制御システム株式会社 | 光変位センサ |
CN102346013A (zh) * | 2010-07-29 | 2012-02-08 | 同济大学 | 一种隧道衬砌裂缝宽度的测量方法及装置 |
-
2012
- 2012-05-14 CN CN201210146440.9A patent/CN102679914B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3729810B2 (ja) * | 2003-01-16 | 2005-12-21 | 長菱制御システム株式会社 | 光変位センサ |
CN102346013A (zh) * | 2010-07-29 | 2012-02-08 | 同济大学 | 一种隧道衬砌裂缝宽度的测量方法及装置 |
Non-Patent Citations (1)
Title |
---|
刘晓瑞等: "基于图像处理的隧道表面裂缝快速检测技术研究", 《地下空间与工程学报》, vol. 5, no. 2, 31 December 2009 (2009-12-31) * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104075854A (zh) * | 2014-06-30 | 2014-10-01 | 中南大学 | 盾构管片接头抗渗性能试验装置 |
CN104075854B (zh) * | 2014-06-30 | 2017-02-15 | 中南大学 | 盾构管片接头抗渗性能试验装置 |
CN106802215A (zh) * | 2015-11-20 | 2017-06-06 | 沈阳新松机器人自动化股份有限公司 | 一种水管漏水检测装置及检测方法 |
CN106677037A (zh) * | 2016-11-21 | 2017-05-17 | 同济大学 | 基于机器视觉的便携式沥青路面病害检测方法及装置 |
CN106677037B (zh) * | 2016-11-21 | 2020-11-27 | 同济大学 | 基于机器视觉的便携式沥青路面病害检测方法及装置 |
CN107703559A (zh) * | 2017-09-07 | 2018-02-16 | 国网浙江省电力公司宁波供电公司 | 一种电缆隧道渗水红外检测装置 |
CN107655539A (zh) * | 2017-09-28 | 2018-02-02 | 上海达华测绘有限公司 | 水位监测方法与系统 |
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 |
CN109615653A (zh) * | 2018-12-19 | 2019-04-12 | 上海大学 | 基于深度学习与视场投影模型的渗漏水面积检测与识别方法 |
CN109615653B (zh) * | 2018-12-19 | 2023-05-05 | 上海大学 | 基于深度学习与视场投影模型的渗漏水面积检测与识别方法 |
CN110060232A (zh) * | 2019-03-15 | 2019-07-26 | 深圳高速工程顾问有限公司 | 隧道裂缝识别方法、装置、计算机设备和存储介质 |
CN110415251A (zh) * | 2019-07-02 | 2019-11-05 | 广州大学 | 一种背景检测的图像分割方法与装置 |
CN110595396A (zh) * | 2019-09-18 | 2019-12-20 | 云南电网有限责任公司电力科学研究院 | 一种测量电力设备漏油面积的方法 |
CN112923243A (zh) * | 2019-12-06 | 2021-06-08 | 上海新微技术研发中心有限公司 | 检测墙体中水管漏水的方法 |
CN111749286A (zh) * | 2020-06-16 | 2020-10-09 | 中国环境科学研究院 | 渗漏检测装置 |
CN112945115A (zh) * | 2021-02-04 | 2021-06-11 | 中铁工程装备集团有限公司 | 一种基于双激光结构线的盾尾间隙视觉测量方法及装置 |
CN112945115B (zh) * | 2021-02-04 | 2022-09-09 | 中铁工程装备集团有限公司 | 一种基于双激光结构线的盾尾间隙视觉测量方法及装置 |
CN113421236A (zh) * | 2021-06-17 | 2021-09-21 | 同济大学 | 基于深度学习的建筑墙面渗漏水表观发育状况预测方法 |
CN113421236B (zh) * | 2021-06-17 | 2024-02-09 | 同济大学 | 基于深度学习的建筑墙面渗漏水表观发育状况预测方法 |
CN113960049A (zh) * | 2021-10-19 | 2022-01-21 | 中南大学 | 一种隧道表面病害检测装置及检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102679914B (zh) | 2014-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
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 | |
CN106683089B (zh) | 一种带约束配准的杆塔变形检测方法 | |
CN109685858B (zh) | 一种单目摄像头在线标定方法 | |
CN107064169B (zh) | 一种桥梁裂缝检测装置及检测方法 | |
CN104554341B (zh) | 检测轨道平顺度的系统和方法 | |
JP2017053819A (ja) | コンクリートのひび割れ検出方法及び検出プログラム | |
CN105511462B (zh) | 一种基于视觉的agv导航方法 | |
CN104034733A (zh) | 基于双目视觉监测与表面裂纹图像识别的寿命预测方法 | |
CN102221559A (zh) | 基于机器视觉的织物疵点在线自动检测方法及其装置 | |
CN108833912A (zh) | 一种摄像机机芯光轴中心和视场角的测量方法及系统 | |
CN106996748A (zh) | 一种基于双目视觉的轮径测量方法 | |
KR101607078B1 (ko) | 비전을 이용한 지중관로의 곡률 측정 및 맵핑 방법 | |
CN104976960A (zh) | 一种雨滴物理特性观测方法及装置 | |
CN111932508B (zh) | 一种基于图像处理的钢筋尺寸测量方法及系统 | |
CN110472722A (zh) | 基于机器视觉技术的钢坯计数装置和方法 | |
CN114323543B (zh) | 一种提高压敏漆试验效率的方法 | |
CN111896549A (zh) | 一种基于机器学习的建筑物裂缝监测系统和方法 | |
CN111598942A (zh) | 一种用于对电力设施仪表进行自动定位的方法及系统 | |
CN109146859A (zh) | 一种基于机器视觉的路面裂缝检测系统 | |
EP3450910B1 (en) | Index generation method, measurement method, and index generation device | |
CN115187802B (zh) | 一种用于管道巡检小车的精准控制方法 | |
Ioli et al. | UAV photogrammetry for metric evaluation of concrete bridge cracks | |
CN106018198B (zh) | 一种气泡粒径的反演计算方法 | |
Motayyeb et al. | Fusion of UAV-based infrared and visible images for thermal leakage map generation of building facades |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140813 Termination date: 20170514 |