CN105336119B - 一种崩塌体裂缝识别报警装置及其识别方法 - Google Patents
一种崩塌体裂缝识别报警装置及其识别方法 Download PDFInfo
- Publication number
- CN105336119B CN105336119B CN201510839280.XA CN201510839280A CN105336119B CN 105336119 B CN105336119 B CN 105336119B CN 201510839280 A CN201510839280 A CN 201510839280A CN 105336119 B CN105336119 B CN 105336119B
- Authority
- CN
- China
- Prior art keywords
- module
- data
- crack
- vector
- control 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Geology (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Emergency Alarm Devices (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种崩塌体裂缝识别报警装置,包括控制模块,控制模块分别连接有供电模块、裂缝识别检测模块和智能报警模块,控制模块通过数据传输模块连接至远程数据监控中心。本发明还公开了一种上述崩塌体裂缝识别报警装置的识别方法。本发明能够改进现有技术的不足,装置操作简单、体积灵巧、安装方便、精度高、功耗小,数据直观可视化,可实现对崩塌体裂缝的高效识别及崩塌体危险区域的现场报警,尽早发现崩塌体裂缝变化情况,及时发出报警信号,最大限度地避免或减少崩塌灾害带来的危害性。
Description
技术领域
本发明涉及地质监测技术领域,尤其是一种崩塌体裂缝识别报警装置及其识别方法。
背景技术
崩塌是指在一定的自然条件与地质条件下,组成斜坡的部分岩土体,在以重力为主的作用下,突然脱离母体崩落、滚动、堆积在坡脚(或沟谷)的地质现象。崩塌体在发生前一般都会有较明显的变形特征,例如在崩塌体的前缘会有小块体、土体的滚落,在崩塌体的后缘可能会出现局部或整体的裂缝。针对崩塌体的监测,分为变形监测、物理因素监测等方法。
崩塌会使建筑物,有时甚至使整个居民点遭到毁坏,使公路和铁路被掩埋。由崩塌带来的损失,不只是建筑物毁坏的直接损失,并且常因此而使交通中断,给运输带来重大损失。
崩塌体的变形监测主要包括了位移监测和倾斜监测。位移监测分为了地表和地下的绝对位移和相对位移监测。绝对位移监测主要监测崩塌体的三维(X、Y、Z)位移量、位移方向和位移速率。相对位移监测主要监测崩塌体重点星变形部位、裂缝、崩滑带等点与点之间的相对位移,包括张开、闭合、搓动、抬升、下降等因素。倾斜监测同样分为地面和地下倾斜监测,主要监测崩塌体的倾倒角度变化、倾摆变形及切层蠕滑。崩塌体物理因素监测主要监测对象包括地声监测、地应力监测和地温监测等。此类物理量不能直接反映崩塌体的实际变形量,可配合变形监测综合判断崩塌体的变形强度、趋势,可以掌握崩塌体的动态变形特征。
崩塌体变形简易监测方法主要是利用简单实用的工具来测量,在崩塌体裂缝两侧(或上下)插入木筋、钢筋、埋桩法标记,使用钢卷尺进行裂缝测量,还可以在裂缝上黏贴水泥砂浆片来测量裂缝变形情况。
崩滑体地表变形监测。方法在崩滑体上设置固定的监测桩,在其外围稳定地段设置固定的测站桩。两种桩均用混凝土制成,埋设深度应在0.5~1.0m以下,冻结区的埋设深度应在冻结层以下0.5m。常用的监测仪器是高精度测角、测距的光学仪器和光电测距仪器,有经纬仪、水准仪、光电测距仪、全站式电子速测仪等
技术成熟,精度高,资料可靠,信息量大。缺点是受地形视通条件和气候影响均较大。
全球定位系统(GPS)法。利用空间卫星定位系统,实现与崩滑体大地测量法相同的监测内容。三维(X、Y、Z)位移量可同时测出,对运动中的点能精确测出其速率;且不受视通条件限制,能连续监测,精度在不断提高。
遥感(RS)法和近景摄影法。遥感法利用地球卫星或飞机,周期性的拍摄崩滑体的变形,适用于大范围、区域性崩滑体监测。近景摄影法是将近景摄影仪安装在稳定区两个不同位置的测站上,同时对崩滑体的图像进行周期性拍摄,构成立体图像。用立体坐标仪量测图像上各监测点的三维(X、Y、Z)位移量。该图像是崩滑体变形的实况记录,可随时比较分析,且外业工作简便,可同时监测多个监测点的位移。
地声监测法。利用地声发射仪、地音探测仪等,采集岩体变形微破裂或破坏时释放出的应力波强度、频度等信号资料,分析、判断崩滑体变形情况。仪器一般应设置在崩滑体应力集中部位,地表、地下均可,灵敏度较高,可连续监测,但仅适用于岩质崩滑体或斜坡的变形监测,且在崩滑体匀速变形阶段不宜使用。地应力监测法。利用埋设于钻孔、平硐、竖井内的地应力计监测岩质崩滑体内不同部位的应力变化,分析、判断崩滑体变形情况。也可在地表安设水平应力计,监测地表应力变化情况,分辨拉力区、压力区等。另外,利用差动传递式土压力计、应变式压力计,可监测土质崩滑体地表应力变化情况。
专利申请号CN204255336U公布了一种崩塌滑坡形变传感装置,该装置主要包括传感器、保护壳、钢丝拉绳和钢丝固定座等部分,变形监测传感器需要安装防护壳,并且需要在崩塌滑坡变形体两端分别固定,通过钢丝绳来跨接变形体两端来测量形变位移,主要缺点在于安装、防护不便,受天气气候因素影响较大,可能对崩塌滑坡形变精度造成影响,并且不适用于行变量较大的崩塌滑坡体。
专利申请号CN201410430714同样提出一种基于物联网的区域崩塌灾害实时监测系统,其对崩塌体的裂缝监测同样使用裂缝计,裂缝计在布设过程中需对崩塌体两端分别进行固定与安装,主要缺点是安装、维护不便,监测范围小,受天气气候因素影响较大,影响测量精度。
专利申请号CN103528488A提出一种实时监测崩塌体状态的监测系统,原理同样是利用位移传感器来测量崩塌体的变形量,采用接触式位移传感器测量变形量都会受到外界不稳定因素的影响,造成变形量精度上的误差。主要缺点依然是安装、维护不便,监测范围小,同时该专利并没有在现场设置报警装置,不能第一时间通知崩塌体现场人员组织撤离,最快最大程度上降低并减少安全损失。
发明专利公开号CN101452642A公开了一种用于山体滑坡监测的联组式红外位移传感器网络节点,可监测边坡横向、纵向、高差三维位移及崩塌信息,较客观地辨识和评估滑坡及崩塌的位置、状态及等级的目的。实用新型专利CN201220720398说明一种利用激光位移传感器监测危岩体崩塌的装置,主要是利用激光位移传感器来测量危岩体裂缝两端的变化情况,通过在稳定段向移动端发射激光束来接收反射信号测量具体的位移变化情况。发明专利公开号CN1338639A公开了一种滑坡和崩塌的动态监测装置,同样是利用激光传感器来测量崩塌体的变形情况,原理是在崩塌体相对稳定一端固定激光传感器,通过在崩塌体移动端放置接收光的望远镜来达到测量目的。红外位移传感器和激光位移传感器对电能要求较高,并且不能长时间通电测量,时间较长后可能导致红外传感器和激光传感器发热,导致性能降低。红外位移传感器和激光位移传感器对布设要求较高,安装施工难度较大,必须准确定位才可使发射与接收信号吻合,否则导致测量准确度降低,对一些大型危险的崩塌体不适合布设。
发明内容
本发明要解决的技术问题是提供一种崩塌体裂缝识别报警装置及其识别方法,能够解决现有技术的不足,该装置操作简单、体积灵巧、安装方便、精度高、功耗小,数据直观可视化,可实现对崩塌体裂缝的高效识别及崩塌体危险区域的现场报警,尽早发现崩塌体裂缝变化情况,及时发出报警信号,最大限度地避免或减少崩塌灾害带来的危害性。
为解决上述技术问题,本发明所采取的技术方案如下。
一种崩塌体裂缝识别报警装置,包括控制模块,控制模块分别连接有供电模块、裂缝识别检测模块和智能报警模块,控制模块通过数据传输模块连接至远程数据监控中心。
作为优选,所述裂缝识别检测模块包括,
4K高清视觉传感模块,用于对裂缝进行高清晰、高精度视觉数据识别与检测;
视频数据A/D采样模块,用于对视觉数据进行相应的A/D转换;
视觉数据压缩模块,用于对数据压缩,使数据形成简洁、方便的数据形式。
作为优选,数据传输模块包括并联设置的GPRS传输模块、CDMA传输模块和蓝牙传输模块,其中GPRS传输模块和CDMA传输模块用于将裂缝视觉相关数据发送到远程数据监控中心。
作为优选,智能报警模块包括现场警示声音输出模块和现场警示灯光显示模块。
作为优选,供电模块包括并联设置的太阳能供电模块、风能供电模块和市电供电模块。
一种上述崩塌体裂缝识别报警装置的识别方法,包括以下步骤:
A、系统上电,设备进行初始化;裂缝识别检测模块将采集到现场裂缝视觉数据传输至控制模块,控制模块在接收数据的同时通过数据传输模块实时传输给远程数据监控中心;
B、控制模块对裂缝视觉数据进行预处理;
C、控制模块对裂缝视觉数据中关键裂缝数据进行提取,得到数据特征点,将崩塌体裂缝常规稳定下的特征点作为基准稳定特征点,存储到特征存储区;
D、控制模块对多次收集到的数据特征点与基准稳定特征点进行匹配检索;
E、控制模块根据步骤D中的匹配检索结果,确定裂缝发生的位置和强度;
F、控制模块根据预先设定的报警阈值,控制智能报警模块进行报警。
作为优选,步骤B中,对裂缝视觉数据进行预处理包括以下步骤,
B1、将裂缝视觉数据进行分割,形成若干个图像块,对每个图像块在各个维度上灰度变化的梯度向量G进行计算,对每个图像的灰度共生矩阵P进行计算,对每个图像块在各个维度上灰度变化的散度向量D和旋度向量C进行计算,并使用散度向量D左乘旋度向量C的转置向量得到过渡矩阵T;
B2、使用梯度向量G、灰度共生矩阵P和过渡矩阵T生成滤波函数F,
其中,δ为梯度向量G特征值的平均值。
B3、将各个图像块的数据进行拉普拉斯变换,然后将变换的结果与滤波函数F进行卷积计算,计算结果进行拉普拉斯反变换,最后将处理过的图像块重新组合,得到处理后的裂缝视觉数据。
作为优选,步骤C中,对裂缝视觉数据中关键裂缝数据进行提取包括以下步骤,
C1、沿着各维度梯度向量G的方向选取若干个散度向量D与梯度向量G方向相互垂直的提取位置,然后根据旋度向量C的方向确定提取区域范围;
C2、将提取区域内包含的图像块接缝进行剔除;
C3、将剩余的提取区域内的像素的灰度值进行加权平均,得到有效特征值;将剩余的提取区域内各维度梯度向量G进行相加,得到有效特征向量。
作为优选,步骤D中,通过对有效特征值的比较,得出裂缝变化的总体大小;通过对有效特征向量进行相减,得出裂缝变化的具体方向趋势;若上述两种判断结果之间出现大大于设定阈值的偏差,则使用散度向量D和旋度向量C对提取区域内的像素的灰度变化趋势进行二次匹配,选取与匹配结果相似度高的判断结果为最终结果。
采用上述技术方案所带来的有益效果在于:本发明结合先进的计算机技术、传感器技术、嵌入式技术及智能视觉技术,利用4K高清影像传感模块、4K高清视觉传感模块,采用先进的图像压缩处理模块、嵌入式微处理器、智能数据传输模块,硬件设计的模块化可以有效降低系统与装置的体积,使用高效简洁的模块化图像处理方法,可将现场监测采集到的数据通过多种方式传输到现场监测人员或后台数据监控中心,有效地提高了图像数据的处理速度与时间,有效保证在恶劣环境条件下工作的稳定性和可靠性。该装置操作简单、体积灵巧、安装方便、精度高、功耗小,数据直观可视化,可实现对崩塌体裂缝的高效识别及崩塌体危险区域的现场报警,尽早发现崩塌体裂缝变化情况,及时发出报警信号,最大限度地避免或减少崩塌灾害带来的危害性。本发明提供的裂缝识别方法可以明显减少滤波过程中图像有效信息的丢失,特征采集的速度好精度明显提高,从而提高了裂缝识别的精度。
附图说明
图1 是本发明一个具体实施方式的硬件结构图。
图2是本发明一个具体实施方式的进行裂缝识别过程对原理图。
图中,1、控制模块;2、供电模块;3、数据传输模块;4、裂缝识别检测模块;5、智能报警模块;6、远程数据监控中心。
具体实施方式
参照图1,一种崩塌体裂缝识别报警装置,包括控制模块1,控制模块1分别连接有供电模块2、裂缝识别检测模块4和智能报警模块5,控制模块1通过数据传输模块3连接至远程数据监控中心6。所述裂缝识别检测模块4包括,4K高清视觉传感模块,用于对裂缝进行高清晰、高精度视觉数据识别与检测;视频数据A/D采样模块,用于对视觉数据进行相应的A/D转换;视觉数据压缩模块,用于对数据压缩,使数据形成简洁、方便的数据形式。所述数据传输模块3包括并联设置的GPRS传输模块、CDMA传输模块和蓝牙传输模块,其中GPRS传输模块和CDMA传输模块用于将裂缝视觉相关数据发送到远程数据监控中心6。所述智能报警模块5包括现场警示声音输出模块和现场警示灯光显示模块。所述供电模块2包括并联设置的太阳能供电模块、风能供电模块和市电供电模块。
参照图2,一种上述崩塌体裂缝识别报警装置的识别方法,包括以下步骤:
A、系统上电,设备进行初始化;裂缝识别检测模块4将采集到现场裂缝视觉数据传输至控制模块1,控制模块1在接收数据的同时通过数据传输模块3实时传输给远程数据监控中心6;
B、控制模块1对裂缝视觉数据进行预处理;
C、控制模块1对裂缝视觉数据中关键裂缝数据进行提取,得到数据特征点,将崩塌体裂缝常规稳定下的特征点作为基准稳定特征点,存储到特征存储区;
D、控制模块1对多次收集到的数据特征点与基准稳定特征点进行匹配检索;
E、控制模块1根据步骤D中的匹配检索结果,确定裂缝发生的位置和强度;
F、控制模块1根据预先设定的报警阈值,控制智能报警模块5进行报警。
步骤B中,对裂缝视觉数据进行预处理包括以下步骤,
B1、将裂缝视觉数据进行分割,形成若干个图像块,对每个图像块在各个维度上灰度变化的梯度向量G进行计算,对每个图像的灰度共生矩阵P进行计算,对每个图像块在各个维度上灰度变化的散度向量D和旋度向量C进行计算,并使用散度向量D左乘旋度向量C的转置向量得到过渡矩阵T;
B2、使用梯度向量G、灰度共生矩阵P和过渡矩阵T生成滤波函数F,
其中,δ为梯度向量G特征值的平均值。
B3、将各个图像块的数据进行拉普拉斯变换,然后将变换的结果与滤波函数F进行卷积计算,计算结果进行拉普拉斯反变换,最后将处理过的图像块重新组合,得到处理后的裂缝视觉数据。
步骤C中,对裂缝视觉数据中关键裂缝数据进行提取包括以下步骤,
C1、沿着各维度梯度向量G的方向选取若干个散度向量D与梯度向量G方向相互垂直的提取位置,然后根据旋度向量C的方向确定提取区域范围;
C2、将提取区域内包含的图像块接缝进行剔除;
C3、将剩余的提取区域内的像素的灰度值进行加权平均,得到有效特征值;将剩余的提取区域内各维度梯度向量G进行相加,得到有效特征向量。
步骤D中,通过对有效特征值的比较,得出裂缝变化的总体大小;通过对有效特征向量进行相减,得出裂缝变化的具体方向趋势;若上述两种判断结果之间出现大大于设定阈值的偏差,则使用散度向量D和旋度向量C对提取区域内的像素的灰度变化趋势进行二次匹配,选取与匹配结果相似度高的判断结果为最终结果。
经过发明人进一步研究发现,对于不同的裂缝变化过程,存在最佳滤波函数的选择问题,如果选取掸一掸滤波函数,则会造成滤波效果不稳定。发明人将滤波函数进一步改进为:
其中,为上一轮有效特征值的比较时裂缝变化前后的有效特征值之差。由于裂缝变化的趋势都是平滑变化的,所以利用上一轮的裂缝变化对比结果对下一次的滤波函数进行实时调整,可以有效提高滤波函数的针对性。
现将本具体实施方式的方案细节进行介绍。
崩塌体在发生之前最明显的变化就是裂缝的动态变化情况,捕捉、监测裂缝的变化是该装置非常关键的重要部件,采集模块利用最先进的高清红外摄像机对崩塌体裂缝进行实时影像捕捉及录像,将捕捉的实时现场裂缝数据信号交由图像压缩处理模块处理。高清视频技术的发展使得目前摄像机的分辨率可以达到3840*2160,这样红外摄像机在逐行扫描时可达到2160P,分辨率的显著提升使得摄像机画面更加精细,画面垂直分辨率随着画面的像素提高,在同等尺寸的画面上的像素就显得越来越精细,这样就可以更加真实、高密度、高精度的将崩塌体裂缝数据反映到摄像机里,利于嵌入式微处理器对裂缝的变化做出高效、精确的判断。
高清红外摄像机采集到的数据是模拟视频信号,需要经过图像采集与处理后才可输入到嵌入式微处理器中做进一步综合分析与处理,图像采集与处理模块将模拟视频信号转换成数字信号,利用专用视频AD转换模块实现模拟信号到数字信号的转换,专用视频图像采集控制模块与专用视频AD转换模块通过IIC方式相连接,二者同时接收嵌入式微处理器的控制命令,根据相应的指令输出对视频图像数据进行采集。
随着计算机技术、电子技术、传感器技术、集成电路技术及嵌入式技术的不断更新与发展,嵌入式微处理器的功能越来越强大,通过嵌入式微处理器设计的系统与装置的体积却越来越小,它可以根据具体的硬件系统定制相应的外围电路与配套设施,不管是从电源、电子元器件及相关组成部分上都可以进行裁剪与优化,不仅能满足系统与装置的外观要求,还可以有效降低系统与装置的体积,同时达到便于安装与携带的目的。嵌入式微处理器集成度的提升不仅可以设计出专门针对现场裂缝图像数据的专用硬件与软件,在硬件上大大降低了系统与装置的成本,有效节约昂贵电子元器件的使用;在软件上设计采用专门的设计方案可有效提高图像数据的处理速度与时间。正是利用嵌入式微处理器的强大功能实现对现场图像的智能分析与处理,并可通过多种传输方式实现现场裂缝数据的实时传输与解析,并可实现现场的实时报警功能。嵌入式微处理器的功能强大还体现在它的环境适应性上,崩塌体灾害现场环境一般比较恶劣,这就对系统的适应性提出较高要求,嵌入式微处理器可通过相应的抗干扰性的处理去除环境因素对系统的影响,可有效保证在恶劣环境条件下工作的稳定性和可靠性。
视频逻辑控制模块采用ARM公司开发的Cortex-A8处理器,它是第一款基于ARMv7架构的应用处理器,并且是有史以来ARM开发的性能最高、最具功率效率的处理器。Cortex-A8处理器的速率可以在600MHz到超过1GHz的范围内调节,能够满足需要工作在300mW以下的功耗优化的移动设备的要求,Cortex-A8主要完成的功能如下:(1)完成系统中视频采集和输出部分的同步信号,主要包括A/D采样电路的行同步信号、场同步信号及消隐信号等;(2)完成FIFO的同步读写工作,承担视频数据间的传送工作;(3)作为PCI总线控制器,完成TMS320DM642与传输设备之间的数据通信工作;(4)作为数据总线接口,实现数据的驱动传输等功能。
Cortex-A8微控制器主要包括ADC转换模块、SPI接口模块、USB接口模块、UART接口模块、蓝牙模块、NandFlash和NorFlash、SD卡存储模块、电源接口及晶振。ADC转换模块用于接收来自裂缝识别监测单元处理后的裂缝视觉数据,为Cortex_A8提供一定格式的处理数据;SPI接口用于连接现场声光报警单元及供电单元;USB接口用于对嵌入式微处软硬件调试;UART1、UART2及蓝牙模块分别用于连接数据传输单元的GPRS、CDMA及蓝牙传输模块;NandFlash的作用是存储嵌入式微处理器运行的相关程序代码;NorFlash作用是运行、调试嵌入式微处理器的相关程序代码,可进行重复性擦除和读写;SD卡存储主要用于存放现场对崩塌体裂缝采集的裂缝视觉数据。
裂缝识别检测单元的工作目的就是清晰、稳定、可靠的将崩塌体主要张开裂缝能够很好的识别检测出来,通过利用4K高清视觉传感模块能对裂缝进行高清晰、高精度视觉数据识别与检测,然后将视觉数据输入到视频数据A/D采样模块,对视觉数据进行相应的A/D转换,经过A/D转化的数据才是视觉压缩模块能够识别的数据类型,送入到视觉数据压缩模块中的视觉数据经过数据压缩后能以较简洁、方便的数据形式供视觉数据分析处理模块进行相关分析与处理,视觉数据分析处理模块主要是将采集到的裂缝视觉数据进行优化、分析及格式转换,它与嵌入式微处理器进行数据通信,由嵌入式微处理器控制协调什么时间段对哪些数据进行采集及分析,这样就可以在嵌入式微处理器的协调作用下合理有效分配工作时间,最大限度保证裂缝视觉数据采集的实时性与可靠性。
数据传输单元主要包括GPRS、CDMA和蓝牙三种传输方式。其中GPRS和CDMA两种传输方式主要用于将裂缝视觉相关数据发送到远程数据监控中心;蓝牙通信模式用于在崩塌灾害体现场通讯,这样监测人员和管理人员也可以在现场对采集到的裂缝数据进行现场分析,及时作出判断;三种传输方式可以有效的保证将现场传感模块识别检测到的裂缝数据及时、有效、可靠的传输给监测人员和管理人员,增加了裂缝数据监测的多样性和稳定性。
声光报警单元主要工作目的在崩塌体现场及时发出声光信号,警示在崩塌体附近村民或行人注意安全,可能会出现崩塌体崩塌现象。现场声光报警单元由微处理器Cortex-A8协调控制发出声光报警信号,现场声光报警单元主要包括现场警示声音输出模块和现场警示灯光显示模块。Cortex-A8在实时采集崩塌体裂缝视觉变化数据的同时,经过数据算法的解析会自动判断出裂缝张开的具体数值,通过控制移位寄存器的输出来驱动现场警示声音输出模块和现场警示灯光显示模块。
供电单元主要为崩塌体裂缝识别报警装置提供电源供应,供电单元在Cortex-A8协调控制下自主选择供电方式,Cortex-A8通过发出相应控制命令来控制供电控制开关决定使用哪种供电方式。正常工作下,Cortex-A8会优先使用太阳能或风能供电模块,当遇到阴雨天或Cortex-A8发现电能不足时会通过供电控制开关启动市电供电模块。
数据监控中心主要是实时接收现场崩塌体裂缝识别报警装置数据传输单元发送过来的裂缝视觉数据,数据监控中心同时可对裂缝视觉数据进行数据处理与分析,与现场的嵌入式微控制器Cortex-A8进行联动协调控制,共同监控崩塌体裂缝的动态变化,实时采集到的数据可存储到监控中心SQL Server中,便于后期对裂缝数据进行历史数据查询与处理。
嵌入式微处理器单元与数据监控中心单元二者的工作任务基本保持一致,嵌入式微处理器在现场对采集到的裂缝视觉数据进行现场分析、处理,同时嵌入式微处理器还可将现场采集到的裂缝视觉数据传输到数据监控中心单元,数据监控中心单元同样可对裂缝视觉数据做出分析、处理。嵌入式微处理器做为崩塌体裂缝识别报警装置的第一级分析报警平台,第一时间对视觉数据解析后做出相关判断后并将数据分析结果发送到数据监控中心;数据监控中心单元作为崩塌体裂缝是别报警装置的第二级分析报警平台,它实时接收由现场嵌入式微处理器发送过来的视觉数据,数据监控中心单元里的数据服务器可以迅速准确的对接收到的视觉数据作出分析判断,处理速度可能会更优于现场嵌入式微处理器单元,因此数据监控中心单元计算出的结果会与嵌入式微处理器单元计算出的结果进行比对分析,两个数据计算结果达到基本一致后会向现场发出警示信息或通知相关管理人员。
经过使用本发明提供的装置进行崩塌体实际监测,崩塌体裂缝变化发现率相比现有技术提高了约30%,对于检测到的裂缝变化的准确率提高至98%以上。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (4)
1.一种崩塌体裂缝识别报警装置的识别方法,
所述的崩塌体裂缝识别报警装置,包括控制模块(1),控制模块(1)分别连接有供电模块(2)、裂缝识别检测模块(4)和智能报警模块(5),控制模块(1)通过数据传输模块(3)连接至远程数据监控中心(6);
其中,所述裂缝识别检测模块(4)包括,
4K高清视觉传感模块,用于对裂缝进行高清晰、高精度视觉数据识别与检测;
视频数据A/D采样模块,用于对视觉数据进行相应的A/D转换;
视觉数据压缩模块,用于对数据压缩,使数据形成简洁、方便的数据形式;
其中,所述数据传输模块(3)包括并联设置的GPRS传输模块、CDMA传输模块和蓝牙传输模块,其中GPRS传输模块和CDMA传输模块用于将裂缝视觉相关数据发送到远程数据监控中心(6);
其中,所述智能报警模块(5)包括现场警示声音输出模块和现场警示灯光显示模块;
其中,所述供电模块(2)包括并联设置的太阳能供电模块、风能供电模块和市电供电模块;
其特征在于该方法包括以下步骤:
A、系统上电,设备进行初始化;裂缝识别检测模块(4)将采集到现场裂缝视觉数据传输至控制模块(1),控制模块(1)在接收数据的同时通过数据传输模块(3)实时传输给远程数据监控中心(6);
B、控制模块(1)对裂缝视觉数据进行预处理;
C、控制模块(1)对裂缝视觉数据中关键裂缝数据进行提取,得到数据特征点,将崩塌体裂缝常规稳定下的特征点作为基准稳定特征点,存储到特征存储区;
D、控制模块(1)对多次收集到的数据特征点与基准稳定特征点进行匹配检索;
E、控制模块(1)根据步骤D中的匹配检索结果,确定裂缝发生的位置和强度;
F、控制模块(1)根据预先设定的报警阈值,控制智能报警模块(5)进行报警。
2.根据权利要求1所述的崩塌体裂缝识别报警装置的识别方法,其特征在于:步骤B中,对裂缝视觉数据进行预处理包括以下步骤,
B1、将裂缝视觉数据进行分割,形成若干个图像块,对每个图像块在各个维度上灰度变化的梯度向量G进行计算,对每个图像的灰度共生矩阵P进行计算,对每个图像块在各个维度上灰度变化的散度向量D和旋度向量C进行计算,并使用散度向量D左乘旋度向量C的转置向量得到过渡矩阵T;
B2、使用梯度向量G、灰度共生矩阵P和过渡矩阵T生成滤波函数F,
其中,δ为梯度向量G特征值的平均值;
B3、将各个图像块的数据进行拉普拉斯变换,然后将变换的结果与滤波函数F进行卷积计算,计算结果进行拉普拉斯反变换,最后将处理过的图像块重新组合,得到处理后的裂缝视觉数据。
3.根据权利要求2所述的崩塌体裂缝识别报警装置的识别方法,其特征在于:步骤C中,对裂缝视觉数据中关键裂缝数据进行提取包括以下步骤,
C1、沿着各维度梯度向量G的方向选取若干个散度向量D与梯度向量G方向相互垂直的提取位置,然后根据旋度向量C的方向确定提取区域范围;
C2、将提取区域内包含的图像块接缝进行剔除;
C3、将剩余的提取区域内的像素的灰度值进行加权平均,得到有效特征值;将剩余的提取区域内各维度梯度向量G进行相加,得到有效特征向量。
4.根据权利要求3所述的崩塌体裂缝识别报警装置的识别方法,其特征在于:步骤D中,通过对有效特征值的比较,得出裂缝变化的总体大小;通过对有效特征向量进行相减,得出裂缝变化的具体方向趋势;若上述两种判断结果之间出现大大于设定阈值的偏差,则使用散度向量D和旋度向量C对提取区域内的像素的灰度变化趋势进行二次匹配,选取与匹配结果相似度高的判断结果为最终结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510839280.XA CN105336119B (zh) | 2015-11-27 | 2015-11-27 | 一种崩塌体裂缝识别报警装置及其识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510839280.XA CN105336119B (zh) | 2015-11-27 | 2015-11-27 | 一种崩塌体裂缝识别报警装置及其识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105336119A CN105336119A (zh) | 2016-02-17 |
CN105336119B true CN105336119B (zh) | 2016-08-31 |
Family
ID=55286615
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510839280.XA Active CN105336119B (zh) | 2015-11-27 | 2015-11-27 | 一种崩塌体裂缝识别报警装置及其识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105336119B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106448070A (zh) * | 2016-09-08 | 2017-02-22 | 吉林大学 | 一种利用感应同步器监测倾倒型崩塌的分级预警系统 |
CN107063095A (zh) * | 2016-12-23 | 2017-08-18 | 张晓明 | 一种既有建筑房屋结构裂缝宽度变化的实时监测报警系统及识别方法 |
CN107067021B (zh) * | 2016-12-30 | 2023-10-31 | 中国地质大学(武汉) | 基于运动角差的滑坡形变相似性评价方法 |
CN107807131A (zh) * | 2017-11-09 | 2018-03-16 | 宋金博 | 一种基于桥梁影像的裂缝识别装置 |
CN108225170A (zh) * | 2018-01-16 | 2018-06-29 | 魏世玉 | 一种磁式裂缝监测预警装置及其使用方法 |
CN109902998B (zh) * | 2019-03-04 | 2023-04-18 | 宁波火箭数据科技有限公司 | 单一窗口输单系统 |
CN111861982B (zh) * | 2020-06-07 | 2024-03-12 | 中国葛洲坝集团第一工程有限公司 | 可视化图像监测识别系统 |
CN111750749B (zh) * | 2020-07-01 | 2021-01-29 | 中国科学院地质与地球物理研究所 | 模拟多孔位爆破条件下岩体裂缝扩展的可视化试验系统 |
CN112364802B (zh) * | 2020-11-19 | 2021-08-03 | 中国地质调查局水文地质环境地质调查中心 | 一种崩塌滑坡灾害体的变形监测方法 |
CN113188975B (zh) * | 2021-05-07 | 2022-07-15 | 中南大学 | 基于图像处理技术的岩体裂隙及飞石运动分析系统及方法 |
CN115655122A (zh) * | 2022-12-01 | 2023-01-31 | 浙江同禾传感技术有限公司 | 一种裂缝图像监测装置 |
CN116109954B (zh) * | 2023-04-04 | 2023-07-04 | 深圳市城市公共安全技术研究院有限公司 | 房屋安全隐患识别方法、装置及存储介质 |
CN116543018B (zh) * | 2023-05-08 | 2023-12-19 | 重庆市二零八地质环境研究院有限公司 | 基于视频特征点动态追踪的高陡危岩崩塌运动分析方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AUPR187100A0 (en) * | 2000-12-04 | 2001-01-04 | Cea Technologies Inc. | Slope monitoring system |
TWI390096B (zh) * | 2009-08-24 | 2013-03-21 | Nat Applied Res Laboratories | Safety Monitoring System and Method of Bridge Structure |
CN103364408B (zh) * | 2013-07-10 | 2015-09-09 | 三峡大学 | 一种采用水下机器人系统对水工混凝土结构水下表面裂缝检测的方法 |
CN103453936A (zh) * | 2013-08-28 | 2013-12-18 | 兰州大学 | 基于物联网的泥石流临灾监测系统 |
-
2015
- 2015-11-27 CN CN201510839280.XA patent/CN105336119B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105336119A (zh) | 2016-02-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105336119B (zh) | 一种崩塌体裂缝识别报警装置及其识别方法 | |
US11634987B2 (en) | Safety early warning method and device for full-section tunneling of tunnel featuring dynamic water and weak surrounding rock | |
CN106049210B (zh) | 一种轨道状态智能检测平台 | |
CN103778681B (zh) | 一种车载高速公路巡检系统及数据获取和处理方法 | |
CN105116440B (zh) | 一种边坡岩体监测系统及监测方法 | |
CN105488958B (zh) | 一种非接触式滑坡灾害监测系统及其方法 | |
Liu et al. | A survey of applications with combined BIM and 3D laser scanning in the life cycle of buildings | |
CN103016063B (zh) | 一种施工安全监控系统 | |
CN109373980B (zh) | 一种基于视频监控测量仪和测斜终端的监测方法及系统 | |
CN108571932A (zh) | 一种边坡综合监测系统及监测方法 | |
US10954648B1 (en) | Multi-sensor manhole survey | |
Kalenjuk et al. | Processing of mobile laser scanning data for large‐scale deformation monitoring of anchored retaining structures along highways | |
CN109100735A (zh) | 一种地铁隧道形变监测系统及方法 | |
CN108548497A (zh) | 一种基于雷达和红外线的高陡边坡监测系统及监测方法 | |
CN103852025A (zh) | 利用3d激光扫描技术监测铁轨下卧层纵向形变的方法 | |
CN104483700A (zh) | 地层裂缝监测与预警系统及方法 | |
CN108490502A (zh) | 矿山探测系统及其探测方法 | |
Fraštia et al. | Mapping of debris flows by the morphometric analysis of DTM: A case study of the Vrátna dolina Valley, Slovakia | |
CN112213722A (zh) | 联合InSAR与深度学习的边坡监测方法 | |
CN205954421U (zh) | 一种轨道状态智能检测平台 | |
Wang et al. | Study of a borehole panoramic stereopair imaging system | |
CN106303412B (zh) | 基于监控影像的排土场位移远程实时监测方法 | |
CN115755069A (zh) | 一种轨道异物检测装置、检测系统及检测方法 | |
CN113820321A (zh) | 路桥路面裂缝检测系统及其检测方法 | |
Sampaleanu | The role of intact rock fracture in rockfall initiation |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20181228 Address after: 300309 Floor 3, No. 14-1 Wenyun Shuxiang Center, Northwest Side of Dongli Avenue and Jingfu Road Intersection, Dongli Lake Street, Dongli District, Tianjin Patentee after: Tianjin Xingtong Jiuheng Technology Co., Ltd. Address before: 071000 No. 1305 Qiyi Middle Road, Baoding City, Hebei Province Patentee before: China Geological Survey Hydrogeology Environment Geological Survey Center |
|
TR01 | Transfer of patent right |