CN107085001B - 大型工艺管线缺陷探测方法 - Google Patents
大型工艺管线缺陷探测方法 Download PDFInfo
- Publication number
- CN107085001B CN107085001B CN201710257028.7A CN201710257028A CN107085001B CN 107085001 B CN107085001 B CN 107085001B CN 201710257028 A CN201710257028 A CN 201710257028A CN 107085001 B CN107085001 B CN 107085001B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- point
- picture signal
- cloud chart
- extensive process
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/03—Investigating materials by wave or particle radiation by transmission
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/10—Different kinds of radiation or particles
- G01N2223/101—Different kinds of radiation or particles electromagnetic radiation
- G01N2223/1016—X-ray
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/401—Imaging image processing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/426—Imaging image comparing, unknown with known substance
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/60—Specific applications or type of materials
- G01N2223/646—Specific applications or type of materials flaws, defects
- G01N2223/6466—Specific applications or type of materials flaws, defects flaws comparing to predetermined standards
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Image Processing (AREA)
Abstract
本发明公开了大型工艺管线缺陷探测方法,包括以下步骤:建立待测大型工艺管线的三维数据模型并设定图形网格大小,然后按照设定图形网格大小将三维数据模型进行网格划分,提取网格划分点,形成标准的管线点云图形;沿垂直于标准管线点云图形的轴线方向做多个剖面图,然后提取点云剖面图进行记录,分别记录为1,2,3…n;步骤三、采用X射线成像设备对待检测的大型工艺管线进行图像采集并进行信号增强处理,得到增强后的图像信号;获得增强后图像信号的点云图;将剖面图点云图与增强后图像信号点云图进行融合和比对处理;将不重合点进行拟合处理,确定大型工艺管线缺陷的位置和图形信息。采用本方法可极大的提高大型工艺管线缺陷检测的效率。
Description
技术领域
本发明涉及一种大型工艺管线缺陷探测方法,尤其涉及一种海洋工程中大型油气输送管线的缺陷探测方法。
背景技术
海洋工程中,大型的工艺管线是海洋油气输送的纽带,其安全可靠性能在海洋油气输送过程中起着重要的作用。由于大型工艺管线在生产过程中很容易产生表面缺陷、细小裂纹等问题,给海洋油气输送过程中带来了严重的安全隐患,需要对大型工艺管线进行缺陷检测,传统的管线检测多数是采用人工观察、超声波探伤及磁感应原理进行检测,人工观察只能检测到管线的表面缺陷,而对于管线内部的细小裂纹难以检测到,而超声波探伤和磁感应检测对于缺陷的形式不能清晰地显现,不适用于大型工艺管线的检测与修补工作。
发明内容
本发明的目的在于克服已有技术的缺点,提供一种提高了大型工艺管线的检测效率,保证了大型工艺管线使用过程中安全性能的大型工艺管线缺陷探测方法。
大型工艺管线缺陷探测方法,包括以下步骤:
步骤一、建立待测大型工艺管线的三维数据模型并设定图形网格大小,然后按照设定图形网格大小将三维数据模型进行网格划分,提取网格划分点,形成标准的管线点云图形;
步骤二、沿垂直于标准管线点云图形的轴线方向做多个剖面图,然后提取点云剖面图进行记录,分别记录为1,2,3…n;
步骤三、采用X射线成像设备对待检测的大型工艺管线进行图像采集,并采用图像增强部件对X射线成像设备采集到的原始图像信号进行信号增强处理,得到增强后的图像信号;
步骤四、将增强后的图像信号输送到图形工作站在显示器上显示,然后将增强图像信号按照设定图形网格大小进行离散化处理,获得增强后图像信号的点云图;
步骤五、将步骤二形成的剖面图点云图与步骤四生成的增强后图像信号点云图进行融合和比对处理,具体的做法为:建立点云模型的三维笛卡尔坐标系,以步骤二中生成的第一个点云剖面图的圆心位置为坐标原点,垂直于该面并通过圆心位置的直线为Z轴,将增强后图像信号和剖面图形的坐标原点重合,以坐标原点O为起始点,Z轴的方向为融合和比对处理方向,将增强图像信号与剖面图按照从1到n的顺序进行融合比对处理,在处理过程中,如果增强后图像信号的点云图存在与剖面图点云图不重合的点,则将该点的位置输出,并将不重合点进行标记,直到所有的剖面图与增强后图像对比结束;
步骤六、将不重合点进行拟合处理,确定大型工艺管线缺陷的位置和图形信息,以便进行后期的修复处理。
采用本发明的有益效果是:本方法采用X射线对待测大型工艺管线进行图像采集,经过图像处理后获得加强后的图像点云,通过加强后的图像点云与标准图像的点云进行融合对比,选出存在缺陷的点,然后经过点的拟合还原成缺陷位置的图形信息,此方法操作过程简单,检测效率高,可极大的提高大型工艺管线缺陷检测的效率,减小施工成本。
附图说明
图1为大型工艺管线缺陷探测方法的流程图;
图2为大型工艺管线标准管线点云视图;
图3为大型工艺管线缺陷检测示意图。
具体实施方式
下面结合附图和具体实施例对本发明加以详细说明。
如附图所示的本发明的大型工艺管线缺陷探测方法,包括以下步骤:
步骤一、建立待测大型工艺管线的三维数据模型并设定图形网格大小,然后按照设定图形网格大小将三维数据模型进行网格划分,提取网格划分点,形成标准的管线点云图形;
步骤二、沿垂直于标准管线点云图形的轴线方向做多个剖面图,然后提取点云剖面图进行记录,分别记录为{1,2,3…n};
步骤三、采用X射线成像设备对待检测的大型工艺管线进行图像采集,并采用图像增强部件对X射线成像设备采集到的原始图像信号进行信号增强处理,得到增强后的图像信号;
步骤四、将增强后的图像信号输送到图形工作站在显示器上显示,然后将增强图像信号按照设定图形网格大小进行离散化处理,获得增强后图像信号的点云图;
步骤五、将步骤二形成的剖面图点云图与步骤四生成的增强后图像信号点云图进行融合和比对处理,具体的做法为:建立点云模型的三维笛卡尔坐标系,以步骤二中生成的第一个点云剖面图的圆心位置为坐标原点,垂直于该面并通过圆心位置的直线为Z轴,将增强后图像信号和剖面图形的坐标原点重合,以坐标原点O为起始点,Z轴的方向为融合和比对处理方向,将增强图像信号与剖面图按照从1到n的顺序进行融合比对处理,在处理过程中,如果增强后图像信号的点云图存在与剖面图点云图不重合的点,则将该点的位置输出,并将不重合点进行标记,可以记为A(xi,yi,zi),直到所有的剖面图与增强后图像对比结束;
步骤六、将不重合点进行拟合处理,确定大型工艺管线缺陷的位置和图形信息,以便进行后期的修复处理。
Claims (1)
1.大型工艺管线缺陷探测方法,其特征在于包括以下步骤:
步骤一、建立待测大型工艺管线的三维数据模型并设定图形网格大小,然后按照设定图形网格大小将三维数据模型进行网格划分,提取网格划分点,形成标准的管线点云图形;
步骤二、沿垂直于标准管线点云图形的轴线方向做多个剖面图,然后提取点云剖面图进行记录,分别记录为1,2,3…n;
步骤三、采用X射线成像设备对待检测的大型工艺管线进行图像采集,并采用图像增强部件对X射线成像设备采集到的原始图像信号进行信号增强处理,得到增强后的图像信号;
步骤四、将增强后的图像信号输送到图形工作站在显示器上显示,然后将增强图像信号按照设定图形网格大小进行离散化处理,获得增强后图像信号的点云图;
步骤五、将步骤二形成的剖面图点云图与步骤四生成的增强后图像信号点云图进行融合和比对处理,具体的做法为:建立点云模型的三维笛卡尔坐标系,以步骤二中生成的第一个点云剖面图的圆心位置为坐标原点,垂直于该面并通过圆心位置的直线为Z轴,将增强后图像信号和剖面图形的坐标原点重合,以坐标原点O为起始点,Z轴的方向为融合和比对处理方向,将增强图像信号与剖面图按照从1到n的顺序进行融合比对处理,在处理过程中,如果增强后图像信号的点云图存在与剖面图点云图不重合的点,则将该点的位置输出,并将不重合点进行标记,直到所有的剖面图与增强后图像对比结束;
步骤六、将不重合点进行拟合处理,确定大型工艺管线缺陷的位置和图形信息,以便进行后期的修复处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710257028.7A CN107085001B (zh) | 2017-04-19 | 2017-04-19 | 大型工艺管线缺陷探测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710257028.7A CN107085001B (zh) | 2017-04-19 | 2017-04-19 | 大型工艺管线缺陷探测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107085001A CN107085001A (zh) | 2017-08-22 |
CN107085001B true CN107085001B (zh) | 2019-10-25 |
Family
ID=59612912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710257028.7A Active CN107085001B (zh) | 2017-04-19 | 2017-04-19 | 大型工艺管线缺陷探测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107085001B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109685793B (zh) * | 2018-12-25 | 2021-11-02 | 科大智能物联技术股份有限公司 | 一种基于三维点云数据的管身缺陷检测方法及系统 |
CN113284109B (zh) * | 2021-05-25 | 2023-08-18 | 中建三局集团(深圳)有限公司 | 管道缺陷识别方法、装置、终端设备及存储介质 |
CN115932864B (zh) * | 2023-02-24 | 2023-08-01 | 深圳市博铭维技术股份有限公司 | 管道缺陷检测方法和管道缺陷检测装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1202657A (zh) * | 1997-06-12 | 1998-12-23 | C·克伦普 | 从物体产生三维模型数据的设备和方法 |
CN101726504A (zh) * | 2009-12-17 | 2010-06-09 | 丹东华日理学电气有限公司 | 数字平板式x射线检测系统缺陷定位标记方法 |
CN102162577A (zh) * | 2010-12-27 | 2011-08-24 | 哈尔滨工业大学 | 管道缺陷表面完整性检测装置及其检测方法 |
CN106485690A (zh) * | 2015-08-25 | 2017-03-08 | 南京理工大学 | 基于点特征的点云数据与光学影像的自动配准融合方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB201504360D0 (en) * | 2015-03-16 | 2015-04-29 | Univ Leuven Kath | Automated quality control and selection system |
-
2017
- 2017-04-19 CN CN201710257028.7A patent/CN107085001B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1202657A (zh) * | 1997-06-12 | 1998-12-23 | C·克伦普 | 从物体产生三维模型数据的设备和方法 |
CN101726504A (zh) * | 2009-12-17 | 2010-06-09 | 丹东华日理学电气有限公司 | 数字平板式x射线检测系统缺陷定位标记方法 |
CN102162577A (zh) * | 2010-12-27 | 2011-08-24 | 哈尔滨工业大学 | 管道缺陷表面完整性检测装置及其检测方法 |
CN106485690A (zh) * | 2015-08-25 | 2017-03-08 | 南京理工大学 | 基于点特征的点云数据与光学影像的自动配准融合方法 |
Non-Patent Citations (2)
Title |
---|
三维点云数据配准方法研究;陈阳;《天津大学硕士学位论文》;20140731;论文第1.1.2节 * |
长输管线中射线检测图像的边缘化处理;刘旖旎;《东北大学硕士学位论文》;20160831;论文第5页第4-5段 * |
Also Published As
Publication number | Publication date |
---|---|
CN107085001A (zh) | 2017-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107085001B (zh) | 大型工艺管线缺陷探测方法 | |
CN109035224B (zh) | 一种基于多波束点云的海底管道检测与三维重建方法 | |
WO2021008249A1 (zh) | 一种差动式的漏磁与涡流复合的高速轨道探伤方法 | |
CN110992349A (zh) | 一种基于深度学习的地下管道异常自动化定位与识别方法 | |
Gui et al. | Automated defect detection and visualization for the robotic airport runway inspection | |
CN104297336A (zh) | 一种基于埋地钢制管道磁异常提取及解释方法 | |
CN112329588A (zh) | 一种基于Faster R-CNN的管道故障检测方法 | |
Li et al. | Visual and intelligent identification methods for defects in underwater structure using alternating current field measurement technique | |
CN106296687A (zh) | 基于掩模技术的磁环表面缺陷提取方法 | |
CN106353324B (zh) | 磁环表面缺陷提取方法 | |
Li et al. | Weld image recognition algorithm based on deep learning | |
CN111178392A (zh) | 基于深度神经网络的航空发动机孔探图像损伤分割方法 | |
CN104268940A (zh) | 基于ct扫描图像的mems结构重构与检测方法 | |
CN115597494B (zh) | 一种基于点云的预制构件预留孔的精度检测方法、系统 | |
Wang et al. | Research on detection method for welding seam defects in ultrasonic TOFD image based on mask R-CNN | |
WO2022000628A1 (zh) | 一种基于ct图像的孔隙填充型水合物沉积物三维建模方法 | |
CN103914838A (zh) | 一种工业x射线焊缝图像缺陷识别方法 | |
Cui et al. | A recognition algorithm to detect pipe weld defects | |
Bai et al. | Fusion images of versatile array sensors for multiobject detection | |
CN107705312B (zh) | 一种基于线扫描数据提取焊后焊缝边缘点的方法 | |
CN106679929B (zh) | 一种激波串分离点定位方法 | |
CN115272189A (zh) | 管道缺陷评级方法、终端设备及存储介质 | |
Han et al. | Damage detection of quayside crane structure based on improved faster R-CNN | |
CN110412120A (zh) | 管道裂纹检测方法和装置 | |
Huang et al. | Research on pipe crack detection based on image processing algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |