CN107121126A - 一种基于图像处理的路基沉降监测方法和系统 - Google Patents
一种基于图像处理的路基沉降监测方法和系统 Download PDFInfo
- Publication number
- CN107121126A CN107121126A CN201710346666.6A CN201710346666A CN107121126A CN 107121126 A CN107121126 A CN 107121126A CN 201710346666 A CN201710346666 A CN 201710346666A CN 107121126 A CN107121126 A CN 107121126A
- Authority
- CN
- China
- Prior art keywords
- sign board
- point
- image
- target area
- distance
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/09—Recognition of logos
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Astronomy & Astrophysics (AREA)
- Radar, Positioning & Navigation (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于图像处理的路基沉降监测方法和系统,其中方法的实现包括:采集路基上的标识牌图像,提取标识牌图像的标识目标区域;从标识目标区域中提取区域特征点坐标;利用标识目标区域特征点坐标计算得到两特定标识目标点在实际三维空间中的距离,根据两个特定标识目标点的距离变化监测路基沉降的程度。本发明对路基上的标识牌图像进行图像处理,通过计算两个特定标识目标点的距离,实现对路基沉降的监测,能够实现完全自动化的测量,极大的节约了人力成本,也保证了测量的精确度与实时性。
Description
技术领域
本发明属于图像处理领域,更具体地,涉及一种基于图像处理的路基沉降监测方法和系统。
背景技术
“要致富,先修路”。道路是经济发展的动脉,没有便利的交通,就没有经济的发展。可以说,中国改革开放的成功,离不开公路和铁路的大力建设。因此路况监测也就显得尤为重要。由于长期经受极端恶劣天气影响,路基容易发生沉降变形,当沉降积累到一定的程度后就很容易造成重大安全事故,尤其是铁路。这就要求路基沉降监测的频率要高,监测的实时性要好,监测的结果要准确。
目前路基沉降监测的常用方法有:监测桩法、沉降板法、分层沉降法、GPS测量法。上述方法普遍都存在的缺陷和不足,监测桩法和沉降板法是属于人工测量,工作强度大,重复劳动多,自动化程度低,在行车过程不能测量,其测量精度还容易受人工影响。分层沉降法则会对环境有较大依赖,会妨碍施工进度,其测量精度还会受到环境影响,系统成本也是比较高。GPS测量法的缺点则是测量精度达不到要求,其监测技术目前还不成熟,成本高昂。
由此可见,现有路基沉降监测方法自动化程度低、测量精度还容易受人工影响和环境影响、测量精度达不到要求、且系统成本也是比较高。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于图像处理的路基沉降监测方法和系统,其目的在于对路基上的标识牌图像进行图像处理,通过计算两个特定标识目标点的距离,实现对路基沉降的监测,由此解决现有路基沉降监测方法自动化程度低、测量精度还容易受人工影响和环境影响、测量精度达不到要求、且系统成本也是比较高的技术问题。
为实现上述目的,按照本发明的一个方面,提供了一种基于图像处理的路基沉降监测方法,包括如下步骤:
(1)采集路基上的标识牌图像,提取标识牌图像的标识目标区域;
(2)从标识目标区域中提取区域特征点坐标,分别从标识牌图像中上标识牌和下标识牌选定1个特征点作为特定标识目标点;
(3)利用标识目标区域特征点坐标计算得到两个特定标识目标点在实际三维空间中的距离,根据两个特定标识目标点之间的距离的变化监测路基沉降的程度,距离变化的程度与沉降程度成正相关。
进一步的,步骤(1)包括:
(1-1)采集路基上的标识牌图像,将标识牌图像灰度化并进行滤波处理得到标识牌处理图像;
(1-2)设定阈值对标识牌处理图像进行二值化处理,提取标识目标区域。
进一步的,步骤(2)包括:
(2-1)从标识目标区域中提取目标像素级边缘,根据像素级边缘提取标识目标亚像素级边缘;
(2-2)根据标识目标区域的亚像素级边缘,计算得到代表标识目标区域的特征点坐标,分别从标识牌图像中上标识牌和下标识牌选定1个特征点作为特定标识目标点。
进一步的,选择两个特征点为典型情况,亦可选择多个特征点,其方法原理为两个特征点情况的拓展,通过计算特征点之间的距离,得到特征点之间的位移变化,为路基的沉降程度做出评估。
一般以中心点为其特征点,但不限于中心点。
进一步的,步骤(2-1)的具体实现方式为:从标识目标区域中提取标识目标像素级边缘,寻找像素级边缘附近灰度梯度最大方向上的极值点作为亚像素级边缘,得到的亚像素级边缘为标识目标边缘。
进一步的,两个特定标识目标点之间的距离为:
其中,dg为两个特定标识目标点之间的距离,ab和ad为标识牌的已知距离,标识牌图像的标识目标区域特征点分别为A、B、C、D和G,E为AD与BC延长线的交点,F为AB与DC延长线的交点,连接EG,分别交AB、DC于N、M,FC、DM、FM、DC、EM、GN、MN和GE为两点间的距离。
按照本发明的另一方面,提供了一种基于图像处理的路基沉降监测系统,包括:
提取标识目标区域模块,用于采集路基上的标识牌图像,提取标识牌图像的标识目标区域;
提取区域特征点坐标模块,用于从标识目标区域中提取区域特征点坐标,分别从标识牌图像中上标识牌和下标识牌选定1个特征点作为特定标识目标点;
监测路基沉降模块,用于利用标识目标区域特征点坐标计算得到两个特定标识目标点在实际三维空间中的距离,根据两个特定标识目标点之间的距离的变化监测路基沉降的程度,距离变化的程度与沉降程度成正相关。
进一步的,提取标识目标区域模块包括:
灰度化处理子模块,用于采集路基上的标识牌图像,将标识牌图像灰度化并进行滤波处理得到标识牌处理图像;
二值化处理子模块,用于设定阈值对标识牌处理图像进行二值化处理,提取标识目标区域;
进一步的,提取区域特征点坐标模块包括:
提取标识目标边缘子模块,用于从目标区域中提取目标像素级边缘,根据像素级边缘提取目标亚像素边缘;
提取标识目标区域特征点子模块,用于根据标识目标区域的亚像素级边缘,计算得到代表标识目标区域的特征点坐标,分别从标识牌图像中上标识牌和下标识牌选定1个特征点作为特定标识目标点。
进一步的,提取标识目标边缘子模块的具体实现方式为:从标识目标区域中提取标识目标像素级边缘,寻找像素级边缘附近灰度梯度最大方向上的极值点作为亚像素级边缘,得到的亚像素级边缘为标识目标边缘。
寻找像素级边缘附近灰度梯度最大方向上的极值点作为亚像素级边缘,得到的亚像素级边缘为标识目标边缘,由此得到的标识目标边缘精确度更高,进而提高了监测结果的准确率。
进一步的,两个特定标识目标点之间的距离为:
其中,dg为两个特定标识目标点之间的距离,ab和ad为标识牌的已知距离,标识牌图像的标识目标区域特征点分别为A、B、C、D和G,E为AD与BC延长线的交点,F为AB与DC延长线的交点,连接EG,分别交AB、DC于N、M,FC、DM、FM、DC、EM、GN、MN和GE为两点间的距离。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
(1)对路基上的标识牌图像进行图像处理,通过计算两个特定标识目标点,实现路基沉降监测,能够实现完全自动化的测量,极大的节约了人力成本,也保证了测量的精确度与实时性,同时本发明为非接触式测量,很好的解决了车辆行进过程中无法监测的弊端。
(2)优选的,对标识牌图像进行灰度化处理是为了后续将提取标识目标区域做准备,对标识牌图像进行滤波处理是为了去除图像中的噪声,对标识牌处理图像进行二值化处理,是为了使提取到的标识目标区域更准确,进而提高了监测结果的准确率。
(3)优选的,根据计算机视觉原理求解标识目标点距离,在实现非接触式测量的同时,保证了测量的精确度。
附图说明
图1是本发明实施例提供的一种基于图像处理的路基沉降监测方法的流程图;
图2是本发明实施例中的标识牌尺寸规格图;
图3是本发明实施例中的标识牌处理图像;
图4是本发明实施例中对标识牌处理图像进行二值化处理后得到的图像;
图5是本发明实施例中标识目标边缘示意图;
图6是本发明实施例中对标识目标边缘进行处理后的计算示意图。
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。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示,一种基于图像处理的路基沉降监测方法,包括如下步骤:
(1)采集路基上的标识牌图像,提取标识牌图像的标识目标区域;
(2)从标识目标区域中提取区域特征点坐标,分别从标识牌图像中上标识牌和下标识牌选定1个特征点作为特定标识目标点;
(3)利用标识目标区域特征点坐标计算得到两个特定标识目标点在实际三维空间中的距离,根据两个特定标识目标点之间的距离的变化监测路基沉降的程度,距离的变化程度与沉降程度成正相关。
本发明的一种基于图像处理的路基沉降监测方法可应用于铁路路基、公路路基和桥梁路基。
进一步的,距离与沉降程度成正相关,当两个特定标识目标点之间的距离的变化大于某个预设值时,说明路基沉降的程度较大,发出相应的警示。
本发明实施例中的标识牌尺寸规格如图2所示,由图中尺寸可知,ab为上标识牌中a区域的中心点与b区域的中心点之间的距离,ad为上标识牌中a区域的中心点与d区域的中心点之间的距离,上标识牌和下标识牌的长均为100mm,上标识牌的宽为80mm,下标识牌的宽为24mm,标识牌中a、b、c、d和g区域均为一个直径为14mm的圆形,标识牌中c区域的中心点与上标识牌的右边界的距离为14mm,标识牌中c区域的中心点与上标识牌的下边界的距离为14mm,a区域和d区域中间有一个圆形区域,该圆形区域的中心点与上标识牌的上边界的距离为40mm,该圆形区域的中心点与上标识牌的左边界的距离为18mm,a区域和d区域中间有一个直径为8mm的圆形区域,下标识牌的中间圆形区域的中心点与下标识牌的上边界距离为12mm,下标识牌的中间圆形区域的中心点与下标识牌的右边界距离为50mm,下标识牌的右边有一个直径为10mm的圆形区域,该圆形区域的中心与下标识牌的右边界距离为14mm,该圆形区域的中心与下标识牌的上边界距离为12mm。
进一步的,步骤(1)包括:
(1-1)采集路基上的标识牌图像,将标识牌图像灰度化并进行滤波处理得到标识牌处理图像,如图3所示;
(1-2)自适应设定阈值对标识牌处理图像进行二值化处理,得到的图像如图4所示,提取标识目标区域。
(1-3)若提取到的标识目标区域个数不足预定值,则继续更改阈值重复步骤(1-2)。
优选的,步骤(1-2)中的阈值为125。
优选的,步骤(1-3)中更改阈值的具体方式为一步一步减小阈值。
优选的,预定值为5。
进一步的,步骤(2)包括:
(2-1)从标识目标区域中提取目标像素级边缘,根据像素级边缘提取标识目标边缘;
(2-2)根据标识目标区域的亚像素级边缘,计算得到代表标识目标区域的特征点坐标,分别从标识牌图像中上标识牌和下标识牌选定1个特征点作为特定标识目标点。
优选的,特征点为中心点,但不限于中心点。
进一步的,步骤(2-1)的具体实现方式为:从标识目标区域中提取目标像素级边缘,寻找像素级边缘附近灰度梯度最大方向上的极值点作为亚像素级边缘,得到的亚像素级边缘为标识目标边缘,如图5所示。
进一步的,梯度算子可以提取像素点的灰度梯度,水平方向、垂直方向、斜上方向和斜下方向这4个方向中灰度梯度最大的是该像素点的灰度梯度方向,计算像素级边缘点周围9个点的4个方向的灰度梯度,用梯度最大的像素点代替原来像素点组成新的像素级边缘点,这样使得假边缘对定位的精度影响降到最低。在新的像素级边缘点上利用灰度梯度算子计算该点的灰度梯度方向,设沿该灰度梯度方向以该点为中心的连续3个点的灰度梯度值分别为nG0、nG1和nG2,则边缘点的定位偏移量为:
用计算出的偏移量修饰像素级边缘点得到亚像素级精确边缘,即标识目标边缘,进一步提高定位的精度。
进一步的,本发明提取的标识目标区域为圆形、方形、椭圆形、长方形和不规则形状中的任意一种,标识目标区域的形状不同,基于标识目标区域选取的特征点也不同。
优选的,根据最小二乘法椭圆拟合的原理,利用标识目标区域的边缘建立拟合目标函数,目标函数最小值对应的解为椭圆方程的系数,利用椭圆方程的系数得到标识目标区域特征点坐标。
进一步的,步骤(2-2)由于标识目标区域在实际空间中是圆,投影到图像平面用椭圆表示,建立标识目标区域边缘的椭圆方程:
x2+A0xy+B0y2+C0x+D0y+E0=0
其中,A0、B0、C0、D0和E0均为椭圆方程的系数,(x,y)为椭圆的坐标;
设Pi(xi,yi)(i=1,2,…,N)为标识目标边缘上的点,根据标识目标区域边缘拟合目标函数:
根据最小二乘法原理,目标函数最小值对应的解为椭圆方程的系数,再由极值原理,欲使f(A0,B0,C0,D0,E0)值最小,则有:
由此得到一个线性方程组,可求解出椭圆方程的系数,利用椭圆方程的系数得到标识目标区域特征点坐标;
进一步的,两个特定标识目标点之间的距离为:
其中,dg为两个特定标识目标点之间的距离,ab和ad为标识牌的已知距离,如图6所示,标识牌图像的标识目标区域中心点分别为A、B、C、D和G,E为AD与BC延长线的交点,F为AB与DC延长线的交点,连接EG,分别交AB、DC于N、M,FC、DM、FM、DC、EM、GN、MN和GE为两点间的距离。
实施例1
一种基于图像处理的铁路路基沉降监测方法,包括如下步骤:
(1)采集铁路路基上的标识牌图像,提取标识牌图像的标识目标区域;
(2)从标识目标区域中提取区域中心点坐标,分别从标识牌图像中上标识牌和下标识牌选定1个特征点作为特定标识目标点;
(3)利用标识目标区域中心点坐标计算得到两个特定标识目标点在实际三维空间中的距离,根据两个特定标识目标点之间的距离的变化监测铁路路基沉降的程度,距离与沉降程度成正相关。
进一步的,步骤(1)包括:
(1-1)采集铁路路基上的标识牌图像,将标识牌图像灰度化并进行滤波处理得到标识牌处理图像;
(1-2)设定阈值对标识牌处理图像进行二值化处理,提取标识目标区域。
进一步的,步骤(2)包括:
(2-1)从标识目标区域中提取目标像素级边缘,根据像素级边缘提取标识目标亚像素级边缘;
(2-2)根据标识目标区域的亚像素级边缘,计算得到代表标识目标区域的中心点坐标,分别从标识牌图像中上标识牌和下标识牌选定1个特征点作为特定标识目标点。
一般以中心点为其特征点,但不限于中心点。
进一步的,步骤(2-1)的具体实现方式为:从标识目标区域中提取标识目标像素级边缘,寻找像素级边缘附近灰度梯度最大方向上的极值点作为亚像素级边缘,得到的亚像素级边缘为标识目标边缘。
进一步的,两个中心标识目标点之间的距离为:
其中,dg为两个特定标识目标点之间的距离,ab和ad为标识牌的已知距离,标识牌图像的标识目标区域特征点分别为A、B、C、D和G,E为AD与BC延长线的交点,F为AB与DC延长线的交点,连接EG,分别交AB、DC于N、M,FC、DM、FM、DC、EM、GN、MN和GE为两点间的距离。
本领域的技术人员容易理解,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,如标识牌的标识目标区域不限制于圆形,标识牌的标识目标区域中心提取不限于椭圆拟合的方法等,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 (8)
1.一种基于图像处理的路基沉降监测方法,其特征在于,包括如下步骤:
(1)采集路基上的标识牌图像,提取标识牌图像的标识目标区域;
(2)从标识目标区域中提取区域特征点坐标,分别从标识牌图像中上标识牌和下标识牌选定1个特征点作为特定标识目标点;
(3)利用标识目标区域特征点坐标计算得到两个特定标识目标点在实际三维空间中的距离,根据两个特定标识目标点之间的距离的变化监测路基沉降的程度,距离的变化程度与沉降程度成正相关。
2.如权利要求1所述的一种基于图像处理的路基沉降监测方法,其特征在于,所述步骤(1)包括:
(1-1)采集路基上的标识牌图像,将标识牌图像灰度化并进行滤波处理得到标识牌处理图像;
(1-2)设定阈值对标识牌处理图像进行二值化处理,提取标识目标区域。
3.如权利要求1所述的一种基于图像处理的路基沉降监测方法,其特征在于,所述步骤(2)包括:
(2-1)从标识目标区域中提取目标像素级边缘,根据像素级边缘提取标识目标亚像素级边缘;
(2-2)根据标识目标区域的亚像素级边缘,计算得到代表标识目标区域的特征点坐标,分别从标识牌图像中上标识牌和下标识牌选定1个特征点作为特定标识目标点。
4.如权利要求1所述的一种基于图像处理的路基沉降监测方法,其特征在于,所述两个特定标识目标点之间的距离为:
其中,dg为两个特定标识目标点之间的距离,ab和ad为标识牌的已知距离,标识牌图像的标识目标区域特征点分别为A、B、C、D和G,E为AD与BC延长线的交点,F为AB与DC延长线的交点,连接EG,分别交AB、DC于N、M,FC、DM、FM、DC、EM、GN、MN和GE为两点间的距离。
5.一种基于图像处理的路基沉降监测系统,其特征在于,包括:
提取标识目标区域模块,用于采集路基上的标识牌图像,提取标识牌图像的标识目标区域;
提取区域特征点坐标模块,用于从标识目标区域中提取区域特征点坐标,分别从标识牌图像中上标识牌和下标识牌选定1个特征点作为特定标识目标点;
监测路基沉降模块,用于利用标识目标区域特征点坐标计算得到两个特定标识目标点在实际三维空间中的距离,根据两个特定标识目标点之间的距离的变化监测路基沉降的程度,距离的变化程度与沉降程度成正相关。
6.如权利要求5所述的一种基于图像处理的路基沉降监测系统,其特征在于,所述提取标识目标区域模块包括:
灰度化处理子模块,用于采集路基上的标识牌图像,将标识牌图像灰度化并进行滤波处理得到标识牌处理图像;
二值化处理子模块,用于设定阈值对标识牌处理图像进行二值化处理,提取标识目标区域。
7.如权利要求5所述的一种基于图像处理的路基沉降监测系统,其特征在于,所述提取区域特征点坐标模块包括:
提取标识目标边缘子模块,用于从目标区域中提取目标像素级边缘,根据像素级边缘提取目标亚像素边缘;
提取标识目标区域特征点子模块,用于根据标识目标区域的亚像素级边缘,计算得到代表标识目标区域的特征点坐标,分别从标识牌图像中上标识牌和下标识牌选定1个特征点作为特定标识目标点。
8.如权利要求5所述的一种基于图像处理的路基沉降监测系统,其特征在于,所述两个特定标识目标点之间的距离为:
其中,dg为两个特定标识目标点之间的距离,ab和ad为标识牌的已知距离,标识牌图像的标识目标区域特征点分别为A、B、C、D和G,E为AD与BC延长线的交点,F为AB与DC延长线的交点,连接EG,分别交AB、DC于N、M,FC、DM、FM、DC、EM、GN、MN和GE为两点间的距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710346666.6A CN107121126B (zh) | 2017-05-16 | 2017-05-16 | 一种基于图像处理的路基沉降监测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710346666.6A CN107121126B (zh) | 2017-05-16 | 2017-05-16 | 一种基于图像处理的路基沉降监测方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107121126A true CN107121126A (zh) | 2017-09-01 |
CN107121126B CN107121126B (zh) | 2020-08-14 |
Family
ID=59727203
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710346666.6A Active CN107121126B (zh) | 2017-05-16 | 2017-05-16 | 一种基于图像处理的路基沉降监测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107121126B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108759776A (zh) * | 2018-06-12 | 2018-11-06 | 上海隧道工程有限公司 | 土体沉降实时监测装置及其监测方法 |
CN110057344A (zh) * | 2019-04-30 | 2019-07-26 | 北京交通大学 | 沉降检测方法及平台 |
CN110258673A (zh) * | 2019-07-20 | 2019-09-20 | 东莞市建安桩基础工程有限公司 | 一种建筑地基基础沉降监测系统 |
CN110363172A (zh) * | 2019-07-22 | 2019-10-22 | 曲靖正则软件开发有限公司 | 一种视频处理方法、装置、电子设备及可读存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100621838B1 (ko) * | 2006-02-13 | 2006-09-19 | 주식회사 대신상역엔지니어링 | 레일침하측정용 게이지유니트 |
CN101201245A (zh) * | 2007-12-24 | 2008-06-18 | 中国人民武装警察部队学院 | 金属材料在高温力学试验中的变形测量方法及观测仪器 |
CN102519965A (zh) * | 2011-12-15 | 2012-06-27 | 南京工程学院 | 一种基于机器视觉的路基压实度在线检测方法 |
CN202928571U (zh) * | 2012-11-05 | 2013-05-08 | 上海米度测控科技有限公司 | 一种用于远距离微变形监测的摄影测量系统 |
CN103994724A (zh) * | 2014-05-13 | 2014-08-20 | 滕军 | 基于数字图像处理技术的结构二维位移及应变监测方法 |
KR20140128048A (ko) * | 2013-04-26 | 2014-11-05 | 한국전기연구원 | 중력센서를 이용한 지반 침하 측정방법 |
CN204495331U (zh) * | 2015-03-03 | 2015-07-22 | 北京科技大学 | 一种非接触隧洞沉降视觉测量装置 |
CN105651198A (zh) * | 2016-01-14 | 2016-06-08 | 清华大学 | 应力监测方法和应力监测装置 |
CN106441138A (zh) * | 2016-10-12 | 2017-02-22 | 中南大学 | 基于视觉测量的变形监测方法 |
-
2017
- 2017-05-16 CN CN201710346666.6A patent/CN107121126B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100621838B1 (ko) * | 2006-02-13 | 2006-09-19 | 주식회사 대신상역엔지니어링 | 레일침하측정용 게이지유니트 |
CN101201245A (zh) * | 2007-12-24 | 2008-06-18 | 中国人民武装警察部队学院 | 金属材料在高温力学试验中的变形测量方法及观测仪器 |
CN102519965A (zh) * | 2011-12-15 | 2012-06-27 | 南京工程学院 | 一种基于机器视觉的路基压实度在线检测方法 |
CN202928571U (zh) * | 2012-11-05 | 2013-05-08 | 上海米度测控科技有限公司 | 一种用于远距离微变形监测的摄影测量系统 |
KR20140128048A (ko) * | 2013-04-26 | 2014-11-05 | 한국전기연구원 | 중력센서를 이용한 지반 침하 측정방법 |
CN103994724A (zh) * | 2014-05-13 | 2014-08-20 | 滕军 | 基于数字图像处理技术的结构二维位移及应变监测方法 |
CN204495331U (zh) * | 2015-03-03 | 2015-07-22 | 北京科技大学 | 一种非接触隧洞沉降视觉测量装置 |
CN105651198A (zh) * | 2016-01-14 | 2016-06-08 | 清华大学 | 应力监测方法和应力监测装置 |
CN106441138A (zh) * | 2016-10-12 | 2017-02-22 | 中南大学 | 基于视觉测量的变形监测方法 |
Non-Patent Citations (4)
Title |
---|
万波 等: "利用交比不变性的摄像机内参数标定方法", 《计算机工程》 * |
张广军: "《视觉测量》", 31 March 2008 * |
许丽 等: "基于共面靶标的结构光标定方法", 《光电子.激光》 * |
贺俊吉 等: "基于交比不变性的镜头畸变参数标定方法", 《仪器仪表学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108759776A (zh) * | 2018-06-12 | 2018-11-06 | 上海隧道工程有限公司 | 土体沉降实时监测装置及其监测方法 |
CN110057344A (zh) * | 2019-04-30 | 2019-07-26 | 北京交通大学 | 沉降检测方法及平台 |
CN110258673A (zh) * | 2019-07-20 | 2019-09-20 | 东莞市建安桩基础工程有限公司 | 一种建筑地基基础沉降监测系统 |
CN110258673B (zh) * | 2019-07-20 | 2020-12-08 | 东莞市建安桩基础工程有限公司 | 一种建筑地基基础沉降监测系统 |
CN110363172A (zh) * | 2019-07-22 | 2019-10-22 | 曲靖正则软件开发有限公司 | 一种视频处理方法、装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107121126B (zh) | 2020-08-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105184852B (zh) | 一种基于激光点云的城市道路识别方法及装置 | |
CN107121126A (zh) | 一种基于图像处理的路基沉降监测方法和系统 | |
CN108345822B (zh) | 一种点云数据处理方法及装置 | |
CN106919915B (zh) | 基于adas系统的地图道路标记及道路质量采集装置及方法 | |
CN105260699A (zh) | 一种车道线数据的处理方法及装置 | |
CN103077617B (zh) | 基于计算机视觉的人行横道智能交通灯监管系统及方法 | |
CN103714538B (zh) | 道路边缘检测方法、装置及车辆 | |
CN104657727B (zh) | 一种车道线的检测方法 | |
CN103927526A (zh) | 一种基于高斯差分多尺度边缘融合的车辆检测方法 | |
CN110378293B (zh) | 一种基于实景三维模型生产高精度地图的方法 | |
CN105891220B (zh) | 一种路面标志线缺陷检测装置及其检测方法 | |
CN108267747A (zh) | 基于激光点云的道路特征提取方法和装置 | |
CN103996053A (zh) | 基于机器视觉的车道偏离报警方法 | |
CN102419820A (zh) | 一种快速检测视频与图像中汽车车标的方法 | |
CN107644528A (zh) | 一种基于车辆跟踪的车辆排队长度检测方法 | |
CN109815859A (zh) | 一种低等级道路自动提取及变化分析方法 | |
CN106778548A (zh) | 用于检测障碍物的方法和装置 | |
CN104317583A (zh) | 基于网格原理的道路拥堵优化算法 | |
CN202134079U (zh) | 一种无人驾驶车辆车道标志线识别与报警装置 | |
CN105200900A (zh) | 一种路面检测方法和装置 | |
CN112329553B (zh) | 一种车道线标注方法及装置 | |
CN108717540A (zh) | 基于2d激光雷达区分行人和车辆的方法及装置 | |
CN106446796B (zh) | 一种车辆间距检测方法 | |
CN110458050A (zh) | 基于车载视频的车辆切入检测方法及装置 | |
CN104457691B (zh) | 一种建筑物主体高程信息获取方法 |
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 |