CN106018417A - 一种外墙缺陷的检测方法及检测系统 - Google Patents
一种外墙缺陷的检测方法及检测系统 Download PDFInfo
- Publication number
- CN106018417A CN106018417A CN201610477710.2A CN201610477710A CN106018417A CN 106018417 A CN106018417 A CN 106018417A CN 201610477710 A CN201610477710 A CN 201610477710A CN 106018417 A CN106018417 A CN 106018417A
- Authority
- CN
- China
- Prior art keywords
- robot
- frequency coefficient
- air
- module
- exterior wall
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
Landscapes
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
Abstract
本发明适用于建筑技术领域,提供了一种外墙缺陷的检测方法及检测系统。该检测方法包括以下步骤:规划需要检测的外墙的检测路径,所述检测路径中具有若干检测点;控制空中机器人沿着所述检测路径行走,并获取所述检测点处的红外图像和光学图像;将所述红外图像和所述光学图像进行融合,分析出所述外墙的缺陷情况。该方法不仅精确,且检测效率高,并且避免了人员检测的不安全因素。
Description
技术领域
本发明属于建筑技术领域,尤其涉及一种外墙缺陷的检测方法及检测系统。
背景技术
对于建筑物的外墙传统的粘贴饰面,我们可以将外墙分为墙体结构层、找平层和装饰面层三个基本层次。按缺陷在外墙出现位置,可以将建筑物外墙饰面的缺陷分为两类:第一类:面砖饰面与找平层间的脱粘空鼓:第二类:抹灰层与外墙主体基底的脱粘空鼓。与第一类空鼓相比,第二类空鼓重量大而且隐蔽,其坠落时对人的危害更大。
由于建筑物的外墙存在安全隐患,因此,需要定期对建筑物的外墙进行检修,尤其是高层建筑。针对建筑物特别是高层建筑的外墙检测,传统的检测方法如目测、敲击等手段主观随意性大、工作效率低,而且检测效果不佳。目前最普遍采用的方法是用空鼓锤进行敲击,通过辨别空鼓处与非空鼓处声音的不同,来确定空鼓位置。但是,该方法带有较多的主观性,与检测人对声音的辨识有较大关系。对于一些非瓷砖墙面,由于空鼓处的声音特征不显著,往往也难以分辨。同时,用空鼓锤进行敲击检测,难以对空鼓的面积、深度等进行准确的定量分析。
发明内容
本发明所要解决的技术问题在于提供一种外墙缺陷的检测方法及检测系统,旨在解决现有技术检测外墙空鼓时主观性较强的问题。
本发明是这样实现的,一种外墙缺陷的检测方法,包括以下步骤:
规划需要检测的外墙的检测路径,所述检测路径中具有若干检测点;
控制空中机器人沿着所述检测路径行走,并获取所述检测点处的红外图像和光学图像;
将所述红外图像和所述光学图像进行融合,分析出所述外墙的缺陷情况。
进一步地,所述规划需要检测的外墙的检测路径,所述检测路径中具有若干检测点前还包括以下步骤:
建立空间直角坐标系;
在所述空间直角坐标系上对所述空中机器人进行定位,控制所述空中机器人与外墙的距离保持在预设距离的范围内。
进一步地,所述将所述红外图像和所述光学图像进行融合,分析出所述外墙的缺陷情况具体包括以下步骤:
将所述红外图像和所述光学图像分别进行离散余弦变换,得到红外图像的低频系数和高频系数以及光学图像的低频系数和高频系数;
将所述低频系数进行加权平均运算,得到采样值;
分别将所述高频系数进行分立采样,得到红外图像的近低频系数和绝对高频系数以及光学图像的近低频系数和绝对高频系数;
将所述近低频系数进行系数加权运算,所述绝对高频系数按照绝对值取大规则进行处理,得到采样矩阵;
将所述采样值和采样矩阵进行非线性共轭梯度法进行求解,得到融合图像;
分析所述融合图像得到外墙的缺陷类型、缺陷空间位置及空洞的体积。
本发明还提供一种外墙缺陷的检测系统,包括空中机器人和地面控制站,所述地面控制站包括规划模块、控制模块和分析模块;
所述规划模块根据需要检测的外墙规划出具有若干检测点的检测路径;
所述控制模块用于向所述空中机器人发出沿所述检测路径行走,并获取所述若干检测点的红外图像和光学图像的控制指令;
所述空中机器人根据所述控制指令沿着所述检测路径行走,拍摄所述检测路径上各个检测点的红外图像和光学图像,并将所述红外图像和所述光学图像发送给所述分析模块;
所述分析模块用于将接收到的所述红外图像和所述光学图像进行融合得到融合图像,对所述融合图像进行分析得到所述外墙的缺陷情况。
进一步地,空中机器人包括红外相机、光学相机、飞控板、光流模块、GPS模块、互补滤波器和超声波传感器;
所述飞控板用于写入所述检测路径和所述控制指令;
所述红外相机用于拍摄各个检测点的红外图像;
所述光学相机用于拍摄各个检测点的光学图像;
所述GPS模块用于定位所述空中机器人在空间直角坐标系中的位置;
所述光流模块用于在实时获取所述空中机器人的飞行参数;
所述互补滤波器用于将所述位置和所述飞行参数进行融合,使得所述GPS模块和所述光流模块能进行自然切换;
所述超声波传感器用于辅助定位所述空中机器人在飞行过程中的位置,并使所述空中机器人与外墙的距离保持在预设距离的范围内。
进一步地,所述地面控制站还包括通讯传输模块和控制模块,所述通讯传输模块用于与所述空中机器人进行信号和数据的传输;
所述控制模块用于根据用户的指令控制所述空中机器人进行飞行和采集所述红外图像和所述光学图像。
进一步地,所述地面控制站还包括控制模块,。
进一步地,所述空中机器人还包括云台,所述云台包括固定件、支撑件和用于固定所述红外相机和所述光学相机的安装件,所述固定件固设于所述空中机器人上,所述支撑件固定连接所述固定件和所述安装件。
进一步地,所述支撑件包括第一支撑杆和第二支撑杆,所述第一支撑杆倾斜固设于所述固定件和所述第二支撑杆上,且固定点分别位于所述固定件和所述第二支撑杆的中心处;
所述安装件包括两个安装框和两个旋转件,每个安装框均具有上下平行的第一定位面、第二定位面和定位杆,所述定位杆垂直固设于所述第一、第二定位面之间且位于相对两侧,所述两个第一定位面和两个第二定位面分别用连接杆固定连接;所述两个旋转件分别固设于所述第二支撑杆的两端且分别与所述第一定位面可转动连接。
进一步地,所述支撑件包括第一支撑杆和第二支撑杆,所述第一支撑杆的一端固设于所述固定件上,所述第一支撑杆的另一端固设于所述第二支撑杆的一端上;
所述安装件包括两个安装框、旋转件和定位块,所述旋转件固设于所述第二支撑杆的另一端上,所述定位块可转动地固设于所述旋转件上,所述两个安装框固设于所述定位块上。
进一步地,所述地面控制站还包括坐标建立模块;
所述坐标建立模块用于建立空间直角坐标系,并在所述空间直角坐标系上对所述空中机器人进行定位,控制所述空中机器人与外墙的距离保持在预设距离的范围内;
所述分析模块包括第一图像处理单元、第二图像处理单元、第三图像处理单元和分析子单元;
所述第一图像处理单元用于将所述红外图像和所述光学图像分别进行离散余弦变换,得到红外图像的低频系数和高频系数以及光学图像的低频系数和高频系数;
所述第二图像处理单元将所述低频系数进行加权平均运算,得到采集值;分别将所述高频系数进行分立采样,得到红外图像的近低频系数和绝对高频系数以及光学图像的近低频系数和绝对高频系数;并将所述近低频系数进行系数加权运算,所述绝对高频系数按照绝对值取大规则进行处理,得到采样矩阵;
所述第三图像处理单元用于将所述采样值和采样矩阵进行非线性共轭梯度法进行求解,得到融合图像;
所述分析子单元用于分析所述融合图像得到外墙的缺陷类型、缺陷空间位置及空洞的体积。
本发明与现有技术相比,有益效果在于:所述的外墙缺陷的检测方法通过空中机器人沿着需要检测的外墙的检测路径行走,顺序获取检测路径中各个检测点的红外图像和光学图像,并将红外图像和光学图像进行融合,根据融合后的图像分析出外墙的缺陷情况,从而解决了采用人工及经验判断外墙是否有缺陷存在的判断不精确、容易使部分缺陷漏掉,该方法不仅精确,且检测效率高,并且避免了人员检测的不安全因素。
附图说明
图1是本发明外墙缺陷的检测方法的流程示意图;
图2是图1中外墙缺陷的检测方法中融合算法的流程示意图;
图3是本发明外墙缺陷的检测系统的结构示意图;
图4是本发明中外墙的检测路径的规划示意图;
图5是本发明中空中机器人的第一种结构示意图;
图6是图5中云台的结构示意图;
图7是本发明中空中机器人的第二种结构示意图;
图8是本发明中空中机器人的第三种结构示意图;
图9是图8中云台的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
请参阅图1至图4,图1为本发明外墙缺陷的检测方法的流程示意图,图4为本发明中外墙的检测路径的规划示意图,外墙缺陷的检测方法具体包括以下步骤:
S101、规划需要检测的外墙的检测路径401,检测路径401中具有若干检测点402。
检测路径401是对外墙进行检测时的线路,可以将整栋高层建筑物的外墙看成一个整体,然后再在整体上进行检测路径的规划,规划的过程中尽量使检测线路不重叠,定好检测路径后,然后在检测路径中定出均匀分布的检测点402。
在进行路径规划时,可以用高清相机先获取需要检测的外墙的整体图片,然后再对图片进行栅格化处理,即将窗户和不是窗户的地方区分开来,然后再在栅格化处理后的图片中规划出检测路径401。
S102、控制空中机器人30沿着检测路径401行走,并依次获取检测点402处的红外图像和光学图像。
红外图像可以采用红外相机301进行获取,光学图像采用光学相机302进行获取,每一个检测点402至少需要获取一张红外图像和一张光学图像。
空中机器人30沿着检测路径401行走,在各个检测点402都进行停留,在每个检测点402上同时获取红外图像和光学图像。
S103、将红外图像和光学图像进行融合,分析出外墙的缺陷情况。
对融合后的图像进行分析,可以在地面工作站进行,通过对融合图像的分析,得到外墙的空洞位置、空洞程度、数量等。
与上述实施例相结合,该检测方法可以使用空中机器人30对外墙进行检测,在步骤S101前还包括以下步骤:
S201、建立空间直角坐标系,分别为X、Y、Z轴。
空中机器人30在对外墙面进行检测时,需要与离建筑物维持在一个比较近的距离,因此需要建立空间直角坐标系,以方便对空中机器人30进行定位。
S202、在空间直角坐标系上对空中机器人30进行定位,控制空中机器人30与外墙的距离保持在预设距离的范围内。
在纵向方向(即Z轴)上进行定位,具体为:
通过空中机器人上的GPS模块305进行定位,当GPS模块305由于靠近外墙受到干扰时,使用光流模块304进行定位。即在定位时可以实现光流模块304和GPS模块305的自然切换,有效结合了光流定位与GPS定位的优点,增加了定位的可靠性。
在轴向方向(即Y轴)上进行定位,具体为:
横向水平定位主要采取GPS模块305和一对超声波收发器进行定位,超声波收发器主要用于辅助定位,防止空中机器人的碰撞,从而使得空中机器人与外墙面保持一定距离。空中机器人与外墙之间的距离太近时,空中机器人容易与外墙相撞,从而导致坠毁并损坏建筑物的外墙面。
对空中机器人30写入程序,使其与外墙面保持预设距离。比如,空中机器人30与外墙面之间的距离控制在2.5m±1m的一个范围。当空中机器人30与外墙之间的距离大于2.5m时,在程序会使空中机器人30稍微朝里飞行增加一段距离,使得距离达到2.5m;当空中机器人30与外墙之间的距离小于2.5m时,则会使空中机器人30稍微朝外飞行增加一段距离,使得距离达到2.5m。
在横向方向(即X轴)上进行定位,具体为:
空中机器人30在空中飞行,其沿X轴方向的定位主要通过GPS模块305,GPS模块305能够使空中机器人30水平飞行精度达到1到2m。与轴向定位相类似,在空中机器人30起飞前,已经写入程序。飞行过程中飞控板303能够读取GPS模块305的数据,并根据预先输入的程序调整电机输出,从而控制自身飞行状态。
如图4所示,空中机器人30沿着检测路径401进行检测,并在每一个检测点402上获取红外图像和光学图像,当空中机器人30偏离预设方向,预先写入的程序则会使空中机器人30回归到检测路径401上。
如图2所示,将红外图像和光学图像进行融合,分析出外墙的缺陷情况具体包括以下步骤:
将红外图像和光学图像分别进行离散余弦变换,得到红外图像的低频系数和高频系数以及光学图像的低频系数和高频系数。
将红外图像经过离散余弦变换得到的低频系数和光学图像经过离散余弦变换得到的低频系数进行加权平均运算,得到采样值。
分别将红外图像经过离散余弦变换得到的高频系数和光学图像经过离散余弦变换得到的高频系数进行分立采样,得到红外图像的近低频系数、绝对高频系数和光学图像的近低频系数、绝对高频系数。
将红外图像的近低频系数和光学图像的近低频系数进行系数加权运算;将红外图像的绝对高频系数和光学图像的绝对高频系数按照绝对值取大规则进行处理,得到采样矩阵。
将进行加权平均运算、系数加权运算和绝对值取大规则处理后得到的采样值和采样矩阵进行非线性共轭梯度法进行求解,得到融合图像。
分析融合图像得到外墙的缺陷类型、缺陷空间位置及空洞的体积。
将红外图像和光学图像进行图像融合,可以有效地利用不同传感器所获得图像的互补信息和冗余信息,融合图像获得的信息源比单一图像获得的信息源更加精确、完整,能进行更加可靠的估计和判断,可以增强图像信息的清晰度,改善解释精度,可以弥补单一传感器所获得图像的不足,增大了各种信息的应用范围。
一种外墙缺陷的检测装置,包括:控制模块402、分析模块403和规划模块404。各模块的详细说明如下:
规划模块404用于规划需要检测的外墙的检测路径401,检测路径401中具有若干检测点402。
控制模块402控制空中机器人30沿着检测路径401行走,并控制空中机器人30依次获取检测点402处的红外图像和光学图像。
分析模块403将红外图像和光学图像进行融合,分析出外墙的缺陷情况。
该检测装置还包括坐标建立模块。坐标建立模块用于建立空间直角坐标系,并在空间直角坐标系上对空中机器人30进行定位,控制空中机器人30与外墙的距离保持在预设距离的范围内。
分析模块403可以包括:
第一图像处理单元,用于将红外图像和光学图像分别进行离散余弦变换,得到红外图像的低频系数和高频系数以及光学图像的低频系数和高频系数。
第二图像处理单元,将低频系数进行加权平均运算,得到采集值;分别将高频系数进行分立采样,得到红外图像的近低频系数和绝对高频系数以及光学图像的近低频系数和绝对高频系数;并将近低频系数进行系数加权运算,绝对高频系数按照绝对值取大规则进行处理,得到采样矩阵。
第三图像处理单元,将采样值和采样矩阵进行非线性共轭梯度法进行求解,得到融合图像。
分析子单元,用于分析融合图像得到外墙的缺陷类型、缺陷的空间位置、缺陷的体积等。
如图3所示,为本发明外墙缺陷的检测系统的结构示意图,该外墙缺陷的检测系统包括空中机器人30和地面控制站40,地面控制站40包括规划模块404、控制模块402和分析模块403。
规划模块404根据需要检测的外墙规划出具有若干检测点402的检测路径401,并将检测路径401写入到空中机器人30内。控制模块402用于向空中机器人30发出沿检测路径401行走,并依次获取若干检测点402的红外图像和光学图像的控制指令。空中机器人30根据控制指令沿着检测路径401行走,拍摄若干检测点402的红外图像和光学图像,并将红外图像和光学图像发送给分析模块403。地面控制站40中的分析模块403用于将接收到的红外图像和光学图像进行融合得到融合图像,对融合图像进行分析得到外墙的缺陷情况。分析模块403将红外图像和光学图像融合处理后,可以出具外墙缺陷的检测报告,检测报告中可以包括外墙缺陷类型、缺陷空间位置及程度等内容。
与上述实施例相结合,空中机器人30包括飞控板303、红外相机301和光学相机302、光流模块304、GPS模块305、互补滤波器306和超声波传感器307。飞控板303用于写入检测路径401和控制指令。红外相机301用于拍摄各个检测点402的红外图像。光学相机302用于拍摄各个检测点402的光学图像。GPS模块305用于定位空中机器人30在空间直角坐标系中的位置。光流模块304用于在实时获取空中机器人30的飞行参数。互补滤波器306用于将位置和飞行参数进行融合,使得GPS模块305和光流模块304能进行自然切换。超声波传感器307用于辅助定位空中机器人30在飞行过程中的位置,并使空中机器人30与外墙的距离保持在预设距离的范围内。
由于在检测缺陷时,空中机器人30与对外墙面需要维持在一个比较近的固定距离,对于该固定距离的控制,具体为:
空中机器人30在起飞前,通过地面控制站40对飞控板303写入程序。飞行过程中飞控板303能够读取GPS模块305的数据,并根据预先写入的程序调整电机的输出,从而控制自身飞行状态。
为了定位的精确性,还在飞控板303上还开发了光流模块304,采用光流传感器获取空中机器人30的速度等飞行参数,利用飞控板303上的GPS模块305判断空中机器人30位置信息的可靠性,最终采取互补滤波器306将光流模块304信息与GPS模块305信息进行融合,实现光流模块304和GPS模块305的自动切换。当空中机器人靠近外墙GPS信号受到干扰时,能够有效结合光流定位与GPS定位的优点。
超声波传感器3007固设于空中机器人30的底部,用于辅助定位,防止空中机器人30在起飞过程中出现坠毁的现象。超声波传感器307一般在低空7m以内的一个范围能够发挥作用,高度过高,会失去作用。当空中机器人30回到起点时,预先在飞控板303设置的程序会自动关闭超声波传感器307或者还可以人为地通过地面控制站40对超声波传感器307进行实时控制。在控制Y轴方向的定位时,GPS模块305和超声波传感器307共同作用使空中机器人30与外墙保持预设的距离。
例如,在空中机器人30起飞前,可以在写入的程序中确定空中机器人与外墙面之间的距离控制在2.0m±1m的一个范围。当空中机器人30与外墙面的距离大于2.0m时,在飞控板303上预先写入的程序会使空中机器人30稍微朝里飞行增加一段距离,使得距离达到2.0m。当空中机器人30与外墙面的距离小于2.0m时,则会使空中机器人30稍微朝外飞行增加一段距离,使得距离达到2.0m。
实际应用中,空中机器人总会因各种因素在空中略微漂移,特别是在其GPS信号受到周围建筑物干扰的时候。此时,可以采用红外扫描雷达排除干扰。红外扫描雷达的测量距离与超声波传感器307差不多,均在10米以内的一个范围。所不同的是,红外扫描雷达能够在空中机器人30顶部对其周围环境做全方位360度的扫描,这跟超声波传感器只能定向测距有着根本区别。特别是在建筑物外形有些独特,仅仅使用超声波传感器307不能实现空中机器人有效避障,容易顾此失彼,因此,需要红外扫描雷达的协助。
与上述各个实施例相结合,地面控制站40能够实时检测空中机器人30的飞行状态,并实时根据任务需求对其航路进行路径规划,包括通讯传输模块401,通讯传输模块401用于与空中机器人30进行信号和数据的传输。比如,传输模块401可以群发短信和微博更新等。
地面控制站40还包括控制模块402、显示模块和播放模块,控制模块402用于根据用户的指令控制空中机器人30进行飞行和采集红外图像和光学图像。用户的指令可以根据空中机器人所处的实时情况去发送不同的指令。如,用户通过操作控制模块402可以控制空中机器人30的上升、左旋、右旋、下降、前、后、左、右、解锁、启动或退出等。显示模块用于显示采集到的红外图像、光学图像和飞行参数。具体的,飞行参数可以包括海拔高度、地面速度、垂直速度、飞机航向和电池电量等。播放模块用于控制显示模块中视频或图像的播放,比如,控制视频或图像的打开、暂停、播放、截图、保存、录像或退出等。
正常情况下,空中机器人30能根据程序指令沿着规划路径401飞行,控制模块402可以在出现意外情况时使用。控制模块402可以实时打开云台上的红外相机301与光学相机302,读取视频,同时截取与保存红外图片与光学图片。再通过通讯传输模块401将采集到的信息实时传回地面控制站在。比如,群发短信给相关技术人员、发送外墙面出现缺陷的位置数据,微博同时上传外墙面出现缺陷的红外图像与对应的光学图像。
空中机器人30在返航过程中,可能会因实际环境情况等不确定因素的影响,为确保空中机器人30安全返航,可以通过控制模块402采用人为控制的方法控制空中机器人30返航,根据肉眼观测结果,通过控制模块402向空中机器人30发出飞行控制指令使空中机器人30相对指令接收前的空间位置发生一个相对位移变化。
地面控制站40还包括规划模块404。分析模块403可以包括第一图像处理单元、第二图像处理单元、第三图像处理单元和分析子单元。
坐标建立模块用于建立空间直角坐标系,并在空间直角坐标系上对空中机器人30进行定位,控制空中机器人30与外墙的距离保持在预设距离的范围内。预设距离根据检测的实际情况去预先设置,比如,可以设定为1m、1.5m、2m、2.5m、3m等。
第一图像处理单元用于将红外图像和光学图像分别进行离散余弦变换,得到红外图像的低频系数和高频系数以及光学图像的低频系数和高频系数。
第二图像处理单元将低频系数进行加权平均运算,得到采集值;分别将高频系数进行分立采样,得到红外图像的近低频系数和绝对高频系数以及光学图像的近低频系数和绝对高频系数;并将近低频系数进行系数加权运算,绝对高频系数按照绝对值取大规则进行处理,得到采样矩阵。
第三图像处理单元将采样值和采样矩阵进行非线性共轭梯度法进行求解,得到融合图像。
分析子单元用于分析融合图像得到外墙的缺陷类型、缺陷的空间位置、缺陷的体积等。图像的融合过程充分利用了多个被融合图像中包含的互补信息,有效地提取多个图像的信息特征,使得对融合后的图像能更加全面和清晰的描述场景。
分析模块403还用于将接收到的建筑物外墙的整体结构图片进行栅格化处理。
具体的,将单反相机或者空中机器人30飞行到远处合适位置拍摄一张外墙的清晰照片,将所获取的照片通过无线方式传回地面控制站40。在地面控制站40的PC端运用Matlab软件对图片进行预处理,处理后得到栅格化的图片。
规划模块404根据栅格化处理后的图片规划出空中机器人的检测路径。
如图4所示,在外墙面上对飞行路线(即检测路径)进行了标示。其中在箭头指示的飞行过程中,空中机器人30能对外墙面进行视频录制,红外相机301(即红外热像仪)和光学相机302(即高清运动相机)同时拍摄,画面实时显示在地面控制站40上,空中机器人在每个检测点402进行悬停拍照,同时拍取红外图像和高清光学图像,并将这两种图片通过图传系统实时传回地面控制站40。
与上述各个实施例相结合,结合图5至图9所示,空中机器人30可以为四旋翼无人机71或六旋翼无人机51、81。空中机器人30还包括云台52,云台52包括固定件521、支撑件522和用于固定红外相机301和光学相机302的安装件523。固定件521固设于空中机器人30上,支撑件522固定连接固定件521和安装件523。
结合图5和图6所示,云台52固设于六旋翼无人机51的下方。支撑件522包括第一支撑杆5221和第二支撑杆5222,第一支撑杆5221倾斜固设于固定件521和第二支撑杆5222上,且固定点分别位于固定件521和第二支撑杆5222的中心处。第一支撑杆5221和第二支撑杆5222之间可以采用可调部件5223连接,使得在可调部件5223的旋转下,带动第二支撑杆5222上下旋转摆动,从而使得整个安装件523上下摆动适当的角度。
安装件523包括两个安装框和两个旋转件5234,每个安装框均具有上下平行的第一定位面5231、第二定位面5232和定位杆5233,定位杆5233垂直固设于第一、第二定位面5231、5232之间且位于相对两侧,两个第一定位面5231和两个第二定位面5232分别用连接杆5235固定连接。两个旋转件5234分别固设于第二支撑杆5222的两端且分别与第一定位面5231可转动连接。在两个旋转件5234的旋转下,带动两个第一定位面5231上下旋转摆动,从而可以改变红外相机301和光学相机302的拍摄角度。
采用该种云台52结构,能够较好地平衡载重,使得云台重心更稳定,也更加美观,其几何结构设计得较为巧妙,基于对称设计的结构,红外相机301与光学相机302拆装非常方便且其工作时能够可靠固定。
如图7所示,上述实施例中的云台52可以安装在四旋翼无人机71的下方。
结合图8和图9所示,云台82固设于六旋翼无人机81的下方,云台82包括固定件821、支撑件822和用于固定红外相机301和光学相机302的安装件823。固定件821固设于空中机器人30上,支撑件822固定连接固定件821和安装件823。
支撑件822包括第一支撑杆8221和第二支撑杆8222,第一支撑杆8221的一端固设于固定件821上,第一支撑杆8221的另一端固设于第二支撑杆8222的一端上。
安装件823包括两个安装框8231、旋转件8233和定位块8232,旋转件8233固设于第二支撑杆8222的另一端上,定位块8232可转动地固设于旋转件8233上,两个安装框8231固设于定位块8232上。当旋转件8233转动时,带动与其连接的定位块8232上下旋转摆动,从而使红外相机301和光学相机302上下摆动一定的角度。
上述实施例中的云台82也可以安装在四旋翼无人机71的下方。
采用该云台82结构,其设计制造和加工容易,且成本低,红外相机301与光学相机302紧挨着,通过图传发送照片的电路布线方便,但相机的拆装没有云台52方便。
设空中机器人至少能够以3m/s速度上升和1.5m/s速度下降和5m/s速度飞行。又如,图4中以窗户高3m,宽2m为例,则检测时的耗时为:上升7*3=21m(花费7s),下降6*3=18m(花费12s),横向飞行12*2=24m(花费约5s)。共有13*6=78个红点,每个红点悬停5s进行拍照(花费5*78=390s),故整个拍摄过程需花费约7min。由于空中机器人30在空中有效时间一般需要控制在10min内,本身能够飞行10到15min,故对于一般范围的外墙检测,空中机器人足以完成其红外和光学照片拍摄的任务。如果外墙面足够大,空中机器人30一次飞行不能完成拍摄任务,可对路径进行重新规划和优化,分若干次飞行与拍摄。
本发明实施例中,采取红外相机301和光学相机302共同检测,并将红外相机301和光学相机302搭载在空中机器人30上,可以有效节约成本,整个检测过程全部自动完成,检测效率高,能快速确定外墙的空鼓区域,具有安全性好、精确度高和成本低的优点。并且能根据地面控制站40的检测报告制定修缮方案和维修预算,使外墙修缮过程中在技术方法上既能做到有的放矢,优化维修资金使用,同时也为后评估检测把好修缮质量关。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种外墙缺陷的检测方法,其特征在于,包括以下步骤:
规划需要检测的外墙的检测路径,所述检测路径中具有若干检测点;
控制空中机器人沿着所述检测路径行走,并获取所述检测点处的红外图像和光学图像;
将所述红外图像和所述光学图像进行融合,分析出所述外墙的缺陷情况。
2.根据权利要求1所述的检测方法,其特征在于,所述规划需要检测的外墙的检测路径,所述检测路径中具有若干检测点前还包括以下步骤:
建立空间直角坐标系;
在所述空间直角坐标系上对所述空中机器人进行定位,控制所述空中机器人与外墙的距离保持在预设距离的范围内。
3.根据权利要求1或2所述的检测方法,其特征在于,所述将所述红外图像和所述光学图像进行融合,分析出所述外墙的缺陷情况具体包括以下步骤:
将所述红外图像和所述光学图像分别进行离散余弦变换,得到红外图像的低频系数和高频系数以及光学图像的低频系数和高频系数;
将所述低频系数进行加权平均运算,得到采样值;
分别将所述高频系数进行分立采样,得到红外图像的近低频系数和绝对高频系数以及光学图像的近低频系数和绝对高频系数;
将所述近低频系数进行系数加权运算,所述绝对高频系数按照绝对值取大规则进行处理,得到采样矩阵;
将所述采样值和采样矩阵进行非线性共轭梯度法进行求解,得到融合图像;
分析所述融合图像得到外墙的缺陷类型、缺陷空间位置及空洞的体积。
4.一种外墙缺陷的检测系统,其特征在于,包括空中机器人和地面控制站,所述地面控制站包括规划模块、控制模块和分析模块;
所述规划模块根据需要检测的外墙规划出具有若干检测点的检测路径;
所述控制模块用于向所述空中机器人发出沿所述检测路径行走,并获取所述若干检测点的红外图像和光学图像的控制指令;
所述空中机器人根据所述控制指令沿着所述检测路径行走,拍摄所述检测路径上各个检测点的红外图像和光学图像,并将所述红外图像和所述光学图像发送给所述分析模块;
所述分析模块用于将接收到的所述红外图像和所述光学图像进行融合得到融合图像,对所述融合图像进行分析得到所述外墙的缺陷情况。
5.根据权利要求4所述的检测系统,其特征在于,空中机器人包括红外相机、光学相机、飞控板、光流模块、GPS模块、互补滤波器和超声波传感器;
所述飞控板用于写入所述检测路径和所述控制指令;
所述红外相机用于拍摄各个检测点的红外图像;
所述光学相机用于拍摄各个检测点的光学图像;
所述GPS模块用于定位所述空中机器人在空间直角坐标系中的位置;
所述光流模块用于在实时获取所述空中机器人的飞行参数;
所述互补滤波器用于将所述位置和所述飞行参数进行融合,使得所述GPS模块和所述光流模块能进行自然切换;
所述超声波传感器用于辅助定位所述空中机器人在飞行过程中的位置,并使所述空中机器人与外墙的距离保持在预设距离的范围内。
6.根据权利要求4所述的检测系统,其特征在于,所述地面控制站还包括通讯传输模块和控制模块,所述通讯传输模块用于与所述空中机器人进行信号和数据的传输;
所述控制模块用于根据用户的指令控制所述空中机器人进行飞行和采集所述红外图像和所述光学图像。
7.根据权利要求4所述的检测系统,其特征在于,所述空中机器人还包括云台,所述云台包括固定件、支撑件和用于固定所述红外相机和所述光学相机的安装件,所述固定件固设于所述空中机器人上,所述支撑件固定连接所述固定件和所述安装件。
8.根据权利要求7所述的检测系统,其特征在于,所述支撑件包括第一支撑杆和第二支撑杆,所述第一支撑杆倾斜固设于所述固定件和所述第二支撑杆上,且固定点分别位于所述固定件和所述第二支撑杆的中心处;
所述安装件包括两个安装框和两个旋转件,每个安装框均具有上下平行的第一定位面、第二定位面和定位杆,所述定位杆垂直固设于所述第一、第二定位面之间且位于相对两侧,所述两个第一定位面和两个第二定位面分别用连接杆固定连接;所述两个旋转件分别固设于所述第二支撑杆的两端且分别与所述第一定位面可转动连接。
9.根据权利要求7所述的检测系统,其特征在于,所述支撑件包括第一支撑杆和第二支撑杆,所述第一支撑杆的一端固设于所述固定件上,所述第一支撑杆的另一端固设于所述第二支撑杆的一端上;
所述安装件包括两个安装框、旋转件和定位块,所述旋转件固设于所述第二支撑杆的另一端上,所述定位块可转动地固设于所述旋转件上,所述两个安装框固设于所述定位块上。
10.根据权利要求4至9任一所述的检测系统,其特征在于,所述地面控制站还包括坐标建立模块;
所述坐标建立模块用于建立空间直角坐标系,并在所述空间直角坐标系上对所述空中机器人进行定位,控制所述空中机器人与外墙的距离保持在预设距离的范围内;
所述分析模块包括第一图像处理单元、第二图像处理单元、第三图像处理单元和分析子单元;
所述第一图像处理单元用于将所述红外图像和所述光学图像分别进行离散余弦变换,得到红外图像的低频系数和高频系数以及光学图像的低频系数和高频系数;
所述第二图像处理单元将所述低频系数进行加权平均运算,得到采集值;分别将所述高频系数进行分立采样,得到红外图像的近低频系数和绝对高频系数以及光学图像的近低频系数和绝对高频系数;并将所述近低频系数进行系数加权运算,所述绝对高频系数按照绝对值取大规则进行处理,得到采样矩阵;
所述第三图像处理单元用于将所述采样值和采样矩阵进行非线性共轭梯度法进行求解,得到融合图像;
所述分析子单元用于分析所述融合图像得到外墙的缺陷类型、缺陷空间位置及空洞的体积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610477710.2A CN106018417A (zh) | 2016-06-27 | 2016-06-27 | 一种外墙缺陷的检测方法及检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610477710.2A CN106018417A (zh) | 2016-06-27 | 2016-06-27 | 一种外墙缺陷的检测方法及检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106018417A true CN106018417A (zh) | 2016-10-12 |
Family
ID=57084810
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610477710.2A Pending CN106018417A (zh) | 2016-06-27 | 2016-06-27 | 一种外墙缺陷的检测方法及检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106018417A (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106501316A (zh) * | 2016-11-24 | 2017-03-15 | 李北海 | 一种建筑物外墙体质量检测装置及其检测方法 |
CN106546592A (zh) * | 2016-11-07 | 2017-03-29 | 深圳大学 | 基于多光谱空中检测机器人的边坡质量检测方法及系统 |
CN106932411A (zh) * | 2017-04-06 | 2017-07-07 | 侯思明 | 一种应用于火电厂的设备检测方法及装置 |
CN107202793A (zh) * | 2017-05-16 | 2017-09-26 | 镇江市建科工程质量检测中心有限公司 | 一种检测建筑外墙质量缺陷的检测系统及方法 |
WO2018145261A1 (zh) * | 2017-02-08 | 2018-08-16 | 深圳市大疆创新科技有限公司 | 多功能相机及其控制方法、穿戴设备、云台、飞行器 |
CN108490030A (zh) * | 2018-03-30 | 2018-09-04 | 吉林建筑大学 | 基于无人机红外热成像的建筑围护结构热工性能检测方法 |
CN109187564A (zh) * | 2018-10-25 | 2019-01-11 | 河南城建学院 | 一种狭长型构筑物实时变形监测系统 |
CN109283191A (zh) * | 2018-11-14 | 2019-01-29 | 浙江工业大学 | 基于机器视觉的人行道路地砖空鼓情况的检测装置及方法 |
CN109358060A (zh) * | 2018-11-14 | 2019-02-19 | 浙江工业大学 | 一种用于检测并标记道路地砖松动情况的系统及方法 |
CN109352621A (zh) * | 2018-10-19 | 2019-02-19 | 飞码机器人私人有限公司 | 一种建筑质量检测机器人系统及其方法 |
CN109975844A (zh) * | 2019-03-25 | 2019-07-05 | 浙江大学 | 一种基于光流法的gps信号防漂移方法 |
CN110044923A (zh) * | 2019-04-29 | 2019-07-23 | 北京工业大学 | 一种基于边缘算法的现浇结构外观质量检测智能机器人 |
CN111060073A (zh) * | 2019-03-26 | 2020-04-24 | 上海伯镭智能科技有限公司 | 一种建筑外墙检测系统及其使用方法 |
CN111239189A (zh) * | 2019-04-01 | 2020-06-05 | 武汉珈鹰智能科技有限公司 | 一种既有建筑玻璃幕墙的检测方法 |
CN111595859A (zh) * | 2020-05-22 | 2020-08-28 | 三峡大学 | 桥涵损伤检测方法及损伤检测、管理系统 |
CN111879779A (zh) * | 2020-08-10 | 2020-11-03 | 济南大学 | 一种微损伤的建筑幕墙检测方法 |
CN111947603A (zh) * | 2020-07-31 | 2020-11-17 | 湘潭大学 | 一种基于openmv的无人机阳台危险物鉴定系统和方法 |
CN112558063A (zh) * | 2021-02-20 | 2021-03-26 | 建研建材有限公司 | 一种基于电磁雷达的建筑外墙检测方法、装置及系统 |
CN112710668A (zh) * | 2020-12-08 | 2021-04-27 | 上海裕芮信息技术有限公司 | 通过无人机进行房屋外立面空鼓检测的方法及系统 |
CN113762183A (zh) * | 2021-09-13 | 2021-12-07 | 墙管家建筑科技(上海)有限公司 | 一种既有建筑安全的智能检查分析系统及操作方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1822046A (zh) * | 2006-03-30 | 2006-08-23 | 上海电力学院 | 基于区域特征模糊的红外与可见光图像融合方法 |
CN1897035A (zh) * | 2006-05-26 | 2007-01-17 | 上海大学 | 基于Contourlet变换的可见光与红外线图像融合方法 |
EP2044418A1 (en) * | 2006-07-07 | 2009-04-08 | 002134761 Ontario Ltd. | Multiple path length transmittance measuring device |
CN103453892A (zh) * | 2013-09-24 | 2013-12-18 | 广东工业大学 | 一种桥梁裂缝实时监测及快速预警装置 |
CN204142684U (zh) * | 2014-10-10 | 2015-02-04 | 南京信息工程大学 | 一种用于墙体空鼓质量检测的旋翼无人机 |
KR20160034013A (ko) * | 2014-09-19 | 2016-03-29 | 한국건설기술연구원 | 무인 항공기를 이용한 건설현장 관리 시스템 및 방법 |
CN105486716A (zh) * | 2015-11-27 | 2016-04-13 | 哈尔滨工业大学 | 主动式红外无损检测无人机系统 |
CN105547366A (zh) * | 2015-12-30 | 2016-05-04 | 东北农业大学 | 微小型无人机农作物信息获取与施肥灌溉指导装置 |
-
2016
- 2016-06-27 CN CN201610477710.2A patent/CN106018417A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1822046A (zh) * | 2006-03-30 | 2006-08-23 | 上海电力学院 | 基于区域特征模糊的红外与可见光图像融合方法 |
CN1897035A (zh) * | 2006-05-26 | 2007-01-17 | 上海大学 | 基于Contourlet变换的可见光与红外线图像融合方法 |
EP2044418A1 (en) * | 2006-07-07 | 2009-04-08 | 002134761 Ontario Ltd. | Multiple path length transmittance measuring device |
CN103453892A (zh) * | 2013-09-24 | 2013-12-18 | 广东工业大学 | 一种桥梁裂缝实时监测及快速预警装置 |
KR20160034013A (ko) * | 2014-09-19 | 2016-03-29 | 한국건설기술연구원 | 무인 항공기를 이용한 건설현장 관리 시스템 및 방법 |
CN204142684U (zh) * | 2014-10-10 | 2015-02-04 | 南京信息工程大学 | 一种用于墙体空鼓质量检测的旋翼无人机 |
CN105486716A (zh) * | 2015-11-27 | 2016-04-13 | 哈尔滨工业大学 | 主动式红外无损检测无人机系统 |
CN105547366A (zh) * | 2015-12-30 | 2016-05-04 | 东北农业大学 | 微小型无人机农作物信息获取与施肥灌溉指导装置 |
Non-Patent Citations (3)
Title |
---|
刘 波等: "生猪轮廓红外与光学图像的融合算法", 《农业工程学报》 * |
周渝人等: "基于压缩感知的红外与可见光图像融合", 《光学 精密工程》 * |
魏长婧等: "无人机影像提取矿区地裂缝信息技术研究", 《金属矿山》 * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106546592A (zh) * | 2016-11-07 | 2017-03-29 | 深圳大学 | 基于多光谱空中检测机器人的边坡质量检测方法及系统 |
CN106501316A (zh) * | 2016-11-24 | 2017-03-15 | 李北海 | 一种建筑物外墙体质量检测装置及其检测方法 |
CN108476293B (zh) * | 2017-02-08 | 2021-08-06 | 深圳市大疆创新科技有限公司 | 多功能相机及其控制方法、穿戴设备、云台、飞行器 |
WO2018145261A1 (zh) * | 2017-02-08 | 2018-08-16 | 深圳市大疆创新科技有限公司 | 多功能相机及其控制方法、穿戴设备、云台、飞行器 |
CN108476293A (zh) * | 2017-02-08 | 2018-08-31 | 深圳市大疆创新科技有限公司 | 多功能相机及其控制方法、穿戴设备、云台、飞行器 |
CN106932411A (zh) * | 2017-04-06 | 2017-07-07 | 侯思明 | 一种应用于火电厂的设备检测方法及装置 |
CN107202793A (zh) * | 2017-05-16 | 2017-09-26 | 镇江市建科工程质量检测中心有限公司 | 一种检测建筑外墙质量缺陷的检测系统及方法 |
CN108490030A (zh) * | 2018-03-30 | 2018-09-04 | 吉林建筑大学 | 基于无人机红外热成像的建筑围护结构热工性能检测方法 |
CN109352621A (zh) * | 2018-10-19 | 2019-02-19 | 飞码机器人私人有限公司 | 一种建筑质量检测机器人系统及其方法 |
CN109187564A (zh) * | 2018-10-25 | 2019-01-11 | 河南城建学院 | 一种狭长型构筑物实时变形监测系统 |
CN109283191A (zh) * | 2018-11-14 | 2019-01-29 | 浙江工业大学 | 基于机器视觉的人行道路地砖空鼓情况的检测装置及方法 |
CN109358060A (zh) * | 2018-11-14 | 2019-02-19 | 浙江工业大学 | 一种用于检测并标记道路地砖松动情况的系统及方法 |
CN109358060B (zh) * | 2018-11-14 | 2023-08-25 | 浙江工业大学 | 一种用于检测并标记道路地砖松动情况的系统及方法 |
CN109283191B (zh) * | 2018-11-14 | 2023-05-05 | 浙江工业大学 | 基于机器视觉的人行道路地砖空鼓情况的检测装置及方法 |
CN109975844B (zh) * | 2019-03-25 | 2020-11-24 | 浙江大学 | 一种基于光流法的gps信号防漂移方法 |
CN109975844A (zh) * | 2019-03-25 | 2019-07-05 | 浙江大学 | 一种基于光流法的gps信号防漂移方法 |
CN111060073A (zh) * | 2019-03-26 | 2020-04-24 | 上海伯镭智能科技有限公司 | 一种建筑外墙检测系统及其使用方法 |
CN111239189A (zh) * | 2019-04-01 | 2020-06-05 | 武汉珈鹰智能科技有限公司 | 一种既有建筑玻璃幕墙的检测方法 |
CN110044923A (zh) * | 2019-04-29 | 2019-07-23 | 北京工业大学 | 一种基于边缘算法的现浇结构外观质量检测智能机器人 |
CN111595859A (zh) * | 2020-05-22 | 2020-08-28 | 三峡大学 | 桥涵损伤检测方法及损伤检测、管理系统 |
CN111947603A (zh) * | 2020-07-31 | 2020-11-17 | 湘潭大学 | 一种基于openmv的无人机阳台危险物鉴定系统和方法 |
CN111947603B (zh) * | 2020-07-31 | 2022-04-01 | 湘潭大学 | 一种基于openmv的无人机阳台危险物鉴定系统和方法 |
CN111879779A (zh) * | 2020-08-10 | 2020-11-03 | 济南大学 | 一种微损伤的建筑幕墙检测方法 |
CN112710668A (zh) * | 2020-12-08 | 2021-04-27 | 上海裕芮信息技术有限公司 | 通过无人机进行房屋外立面空鼓检测的方法及系统 |
CN112710668B (zh) * | 2020-12-08 | 2022-07-12 | 上海裕芮信息技术有限公司 | 通过无人机进行房屋外立面空鼓检测的方法及系统 |
CN112558063A (zh) * | 2021-02-20 | 2021-03-26 | 建研建材有限公司 | 一种基于电磁雷达的建筑外墙检测方法、装置及系统 |
CN113762183A (zh) * | 2021-09-13 | 2021-12-07 | 墙管家建筑科技(上海)有限公司 | 一种既有建筑安全的智能检查分析系统及操作方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106018417A (zh) | 一种外墙缺陷的检测方法及检测系统 | |
CN109780452A (zh) | 基于激光遥测技术的气体泄漏无人机巡检浓度反演方法 | |
CN106061836B (zh) | 控制装置、成像装置、控制方法、成像方法和计算机程序 | |
CN106062510B (zh) | 信息处理装置、信息处理方法和计算机程序 | |
CN205898700U (zh) | 一种外墙缺陷的检测系统 | |
JP6387782B2 (ja) | 制御装置、制御方法及びコンピュータプログラム | |
Ellenberg et al. | Masonry crack detection application of an unmanned aerial vehicle | |
CN104236548B (zh) | 一种微型无人机室内自主导航方法 | |
US20140336928A1 (en) | System and Method of Automated Civil Infrastructure Metrology for Inspection, Analysis, and Information Modeling | |
CN106124517A (zh) | 检测结构件表面裂缝的多旋翼无人机检测平台系统及其用于检测结构件表面裂缝的方法 | |
CN107202793A (zh) | 一种检测建筑外墙质量缺陷的检测系统及方法 | |
CN110988871B (zh) | 一种无人机载穿墙雷达高层建筑墙体健康离线检测系统及检测方法 | |
CN106774384A (zh) | 一种桥梁检测智能避障机器人 | |
CN108258613A (zh) | 智能巡线光电吊舱及实现巡线的方法 | |
CN106323242A (zh) | 无人机对空间结构检测方法、装置 | |
CN109491408A (zh) | 一种可用于室内结构检测的无人机 | |
CN106096207A (zh) | 一种基于多目视觉的旋翼无人机抗风评估方法及系统 | |
JP2016181148A (ja) | 仮想監視画像作成システム、情報設定システム並びにシミュレーションシステム | |
Germanese et al. | Towards structural monitoring and 3d documentation of architectural heritage using UAV | |
CN111898474B (zh) | 基于光学传感感知的目标表面特征变化识别系统与方法 | |
CN207638247U (zh) | 智能巡线光电吊舱 | |
CN115601517A (zh) | 岩体结构面信息采集方法、装置、电子设备及存储介质 | |
CN109702747A (zh) | 一种机器狗系统及其实现方法 | |
JP2023050516A (ja) | 打音検査システム | |
CN209215943U (zh) | 一种可用于室内结构检测的无人机 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161012 |