CN107424140A - 一种基于全景遥视成像和钻孔轨迹测量控制系统 - Google Patents
一种基于全景遥视成像和钻孔轨迹测量控制系统 Download PDFInfo
- Publication number
- CN107424140A CN107424140A CN201710120641.4A CN201710120641A CN107424140A CN 107424140 A CN107424140 A CN 107424140A CN 201710120641 A CN201710120641 A CN 201710120641A CN 107424140 A CN107424140 A CN 107424140A
- Authority
- CN
- China
- Prior art keywords
- mrow
- data
- image
- msub
- msup
- 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
- 238000005553 drilling Methods 0.000 title claims abstract description 43
- 238000003384 imaging method Methods 0.000 title claims abstract description 32
- 238000005259 measurement Methods 0.000 title claims abstract description 30
- 238000004088 simulation Methods 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 36
- 238000000034 method Methods 0.000 claims description 29
- 230000005012 migration Effects 0.000 claims description 12
- 238000013508 migration Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 9
- 230000001086 cytosolic effect Effects 0.000 claims description 9
- 230000035772 mutation Effects 0.000 claims description 9
- 230000008707 rearrangement Effects 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000011478 gradient descent method Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 206010000117 Abnormal behaviour Diseases 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 241001074085 Scophthalmus aquosus Species 0.000 claims description 2
- 230000006835 compression Effects 0.000 claims 1
- 238000007906 compression Methods 0.000 claims 1
- 238000001914 filtration Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 12
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000000593 degrading effect Effects 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于全景遥视成像和钻孔轨迹测量控制系统，包括控制器，控制器分别与三维模拟器、图像信息采集处理器、数据处理器、RAM存储器、ROM存储器和无线射频收发器电性连接，控制器的输入端分别与深度传感器、陀螺仪、方位角传感器、计时器、GPS卫星数据采集器的输出端电性连接，图像信息采集处理器的输入端分别与第一摄像头、第二摄像头和第三摄像头的输出端电性连接，无线射频收发器通过GPRS网络与外部设备连接，GPS卫星数据采集器的输入端与GPS卫星的输出端连接，该发明的有益效果是智能化程度高，有效地将钻孔成像技术和钻孔轨迹测量技术相结合，极大地提高了钻孔轨迹测量的精确度。
Description
技术领域
本发明属于工程检测技术领域，尤其涉及一种基于全景遥视成像和钻孔轨迹测量控制系统。
背景技术
全景成像技术是钻孔成像中的基础技术，目前市面上的钻孔成像仪都采用该技术，对被探测钻孔进行全景成像，生成钻孔的三维虚拟岩心柱状图和其平面展开图，适用于无法取得实际岩心的破碎带地层。钻孔轨迹测量是定向井钻进的常用技术，由于地层各向异性和造斜工具能力等因素的影响，实际钻孔轨迹往往不能延设计的轨迹前进。为了准确的钻达目标点，必须随时了解井斜角和方位角随井身的变化情况，使得钻探人员能够及时、准确的掌握钻孔孔斜情况，实时控制钻孔轨迹，保证所钻孔的轨迹按照预定轨迹进行。
然而现有技术并没有很好地将钻孔成像技术和钻孔轨迹测量技术有效结合的方法，二者的控制系统相互独立，不但造成了资源浪费，同时降低了施工效率。
发明内容
本发明的目的在于提供一种基于全景遥视成像和钻孔轨迹测量控制系统，旨在解决现有技术并没有很好地将钻孔成像技术和钻孔轨迹测量技术有效结合的方法，二者的控制系统相互独立，不但造成了资源浪费，同时降低了施工效率的问题。
本发明是这样实现的，一种基于全景遥视成像和钻孔轨迹测量控制系统，所述基于全景遥视成像和钻孔轨迹测量控制系统包括控制器，所述控制器分别与三维模拟器、图像信息采集处理器、数据处理器、RAM存储器、ROM存储器和无线射频收发器电性连接；
所述控制器的输入端分别与深度传感器、陀螺仪、方位角传感器、计时器、GPS卫星数据采集器的输出端电性连接；
所述图像信息采集处理器的输入端分别与第一摄像头、第二摄像头和第三摄像头的输出端电性连接；
所述无线射频收发器通过GPRS网络与外部设备连接，所述GPS卫星数据采集器的输入端与GPS卫星的输出端连接；
所述控制器的输入端与供电电源的输出端电性连接，所述控制器与数据库电性连接；
所述基于全景遥视成像和钻孔轨迹测量控制系统的基于全景遥视成像和钻孔轨迹测量控制方法包括：
步骤一、根据地质资料的分析处理结果，确定目标储层中水平段中地质突变的预测区域；
步骤二、当所述水平段中的钻井钻头到达预测区域时，根据获取的随钻地质资料，确定所述地质突变在所述预测区域中的位置和所述地质突变的类型；
步骤三、确定当前待检测区域的周视角和俯仰角并确定全景成像装置中矩形成像器件的边长；
步骤四、根据所述矩形成像器件的边长以及当前待检测区域的周视角和俯仰角，调整全景镜头在焦平面上所成圆形全景像，使得所述全景镜头在焦平面上所成圆形全景像的直径大于矩形成像器件的短边长度；
步骤五、生成具有约束条件的地面模型及钻井轨道模型,建立通用的靶平面方程以及靶点坐标系与井口坐标系之间的坐标转换关系，以适用于各种井型的靶平面；
步骤六、基于所述井底点的轨迹参数和井段长度，预测入靶方向并校核是否满足工程要求，所述入靶方向包括入靶井斜角和方位角；
步骤七、根据入靶方向获取钻孔原始图像以及原始图像加入环境光底色后的降质图像，获取所述原始图像和降质图像的色度差异以及利用所述色度差异对所述原始图像进行色度补偿以得到补偿后图像；
步骤八、获取钻孔过程中的动态图像，针对动态图像和上一图像设定一初始重叠位置，计算当前所获得动态图像和上衣图像在该重叠位置下的相似性，选择最小相似性值所对应的重叠位置为最终的准确重叠位置；
步骤九、将补偿后图像与轨迹特征参数进行拼接，从多个拼接图像中定义供处理的一组图像，使该组图像内的至少一个成分对齐，通过对一个或者更多个图像进行剪裁、调整大小和旋转来变换经过对齐的图像中的一个或者更多个以产生一系列经过变换的图像；
步骤十、选取校正后的补偿图像，在纠正区域中分别标注对应的第一同名点，第二同名点，……第n同名点，所述第一同名点位于待纠正的第一图像，第二同名点位于待纠正的第二图像，......第n同名点位于待纠正的第n图像；
步骤十一、在纠正区域选择与第一同名点，第二同名点，……第n同名点的距离符合预设要求的点作为基准点，在第二图像，第三图像，……，第n-1图像中找出用于缝合的理想缝合位置，向对于所述缝合位置对图像进行校正以形成新的经旋转的理想位置；
步骤十二、将第一同名点，第二同名点，……第n同名点以基准点为原点纠正到理想缝合位置，将第一图像，第二图像，……第n图像拼接在一起，形成较大的全景图像；
步骤十三、生成经过拼接的图像的数据矩阵，并对数据矩阵进行中心化或标准化，计算中心化或标准化后的所述数据矩阵的方差矩阵，将方差矩阵的特征多项式转换为高次特征多项式；
步骤十四、判断高次特征多项式的根的个数，根据根的个数及预设的初始解，对所述高次特征多项式进行迭代求解，当迭代求解获得的根的个数剩余四个时，根据当前迭代求解获得的特征多项式的数学表达式计算剩余的四个根，输出所有特征根，根据所述特征根计算特征向量，根据特征向量获得变换矩阵，将变换矩阵乘以数据矩阵得到压缩后的图像；
对补偿后图像数据进行校正获得校正数据，对校正数据进行除噪处理获得除噪数据，对除噪数据进行重排获得重排数据，对重排数据进行卷积获得卷积数据；
根据下式对所述数据矩阵进行标准化：
式中：
得到：
A＝(Aij)m×n；
m为数据矩阵的行数，n为数据矩阵的列数，i＝1,2,…,m，j＝1,2,…,n；Xij为数据矩阵中第i行第j列的数据；
当前所获取的动态图像和上一图像在重叠位置下的相似性根据如下公式计算：
其中，AD为上一图像在重叠区内的图像块，BD为当前所获取的动态图像在重叠区内的图像块；并且，AD、BD的矢量形式IAD和IBD分别表达为：
IAD＝[P1 AD，P2 AD，...，PN AD]′ IBD＝[P1 BD，P2 BD，...，PN BD]′；
PAD为AD中的第K个像素，PBD为BD中的第K个像素；
SD为公式(1)重叠区域内像素差异绝对值的平均值或公式(2)重叠区域内像素的均方差；N为重叠区域内的像素总个数。
进一步，所述图像信息采集处理器设置有图像处理重建模块，所述图像处理重建模块的图像处理方法包括：
第一步，采用锥束滤波反投影算法得到初始图像u0：对XCT待重建的M幅投影采用滤波反投影算法重建，对圆弧轨迹扫描的锥束投影数据进行半精确重建；圆弧轨迹是短扫描轨迹，即π加扇角扫描轨迹；也是超短扫描轨迹，即小于短扫描的轨迹包括：权重投影数据的偏导数；沿水平与非水平方向的一维希尔伯特变换；圆弧轨迹的反投影；将重建后图像u0作为初始图像；
第二步，令k＝0，k为迭代次数(k＝0,1,2…K-1)，将u0作为迭代初始图像u(0)，采用代数迭代法更新图像：
其中，k为迭代次数(k＝0,1,2…K)，即为第k+1次迭代后更新的图像，为更新前图像，j代表图像角标，pi为第i个探测器单元的投影值，min代表图像中第n个像素值对探测器单元i的贡献大小，λ为松弛因子，取值范围0～2之间；
第三步，对得到的图像进行非负值约束:对上步中所有小于0的值赋值为零，即如果则令
第四步，根据梯度下降法对u(k+1)求图像总变差最小化后的图像：
其中l为梯度下降法的迭代次数(l＝0,1…L-1)，a为步长因子；
第五步，令k＝k+1，u(k)＝u(k,L+1)，重复步第二步-第四步，直到满足迭代次数要求。
进一步，所述数据处理器设置有分布式云计算数据迁移模块，所述分布式云计算数据迁移模块的分布式云计算数据迁移方法可根据网络状态的不同，将数据迁移策略分为三种；
在网络状态良好的情况下，采用基于网络传输的数据迁移方法：
(1)用户登录边缘云使用云计算服务时，系统将该服务所需要的数据信息形成压缩数据请求消息发送到核心云；数据压缩处理方法的快速索引所计算的是相对位置偏移，根据LZ77目标串的头不变的特性进行匹配，当前匹配失败后，直接访问到下一个可匹配的位置，无需做多余的逻辑判断和运算；在LZ77进行前，构建一个整体的快速索引表，是的LZ77在做滑动窗口匹配的发生次数变为原来的1/2k，并且构造的复杂度仅为Θ(m)，m为压缩文件的尺寸大小；使用新参数压缩指数F(x)＝Speed(x)/Ratio(x),x是输入文件；以数据为核心，通过身份认证和公共密钥基础设施，明确数据的生产者、所有者和使用者，由身份认证中心管理私钥，由数据注册中心管理公钥；通过建立索引和搜索引擎，实现数据的管理和对应用提供服务；通过用数据生产者的私钥加密来明确数据生产者，通过用数据所有者的公钥加密来明确数据所有者，并实现数据的天生加密；用数据所有者的私钥解密后再用数据使用者或被授权人的公钥加密实现数据授权使用，授权过程通过水印和数据注册中心进行记录和管理；对数据资源进行自适应管理，保证数据的唯一性和一致性，监管和处置数据的各种异常行为；以水印的方式将数据所有者及授权使用过程记录下来，与原始数据一起进行加密管理；关联应用对数据的访问，对各种应用提供支持，确定数据安全应用的环境，通过多种手段实现内存数据的安全保障和不被侵入窃取；
(2)核心云接收到数据请求消息后，查找该用户的家乡云，并将该数据请求消息发送到该用户的家乡云；
(3)该用户家乡云接到消息后，根据数据请求消息的信息将数据发送到用户登录的边缘云，信息包括发送地址、数据名称；
(4)用户服务使用完该数据后，将数据删除，下次使用该数据时重新从家乡云中迁移。
本发明提供的基于全景遥视成像和钻孔轨迹测量控制系统，有效地将钻孔成像技术和钻孔轨迹测量技术相结合，提高了测量效率和准确率，外部设备通过GPRS网络对单片机控制器实现远程控制，提高了系统操作的便利性，采集的数据经数据处理器自动分析处理，三维模拟器可对测量结果动态模拟，智能化程度较高。
附图说明
图1是本发明实施例提供的基于全景遥视成像和钻孔轨迹测量控制系统结构示意图。
图中：1、单片机控制器；2、三维模拟器；3、图像信息采集处理器；4、数据处理器；5、RAM存储器；6、ROM存储器；7、无线射频收发器；8、深度传感器；9、陀螺仪；10、方位角传感器；11、计时器；12、GPS卫星数据采集器；13、第一摄像头；14、第二摄像头；15、第三摄像头；16、GPRS网络；17、外部设备；18、GPS卫星；19、供电电源；20、数据库。
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。
下面结合附图对本发明的应用原理作详细的描述。
如如图1所示，本发明实施例提供的基于全景遥视成像和钻孔轨迹测量控制系统，包括单片机控制器1，所述单片机控制器1分别与三维模拟器2、图像信息采集处理器3、数据处理器4、RAM存储器5、ROM存储器6和无线射频收发器7电性连接，所述单片机控制器1的输入端分别与深度传感器8、陀螺仪9、方位角传感器10、计时器11、GPS卫星数据采集器12的输出端电性连接，所述图像信息采集处理器3的输入端分别与第一摄像头13、第二摄像头14和第三摄像头15的输出端电性连接，所述无线射频收发器7通过GPRS网络16与外部设备17连接，所述GPS卫星数据采集器12的输入端与GPS卫星18的输出端连接。
进一步，所述单片机控制器1的输入端与供电电源19的输出端电性连接。
进一步，所述单片机控制器1与数据库20电性连接。
进一步，所述外部设备17为电脑、手机等具有网络连接功能的电子产品。
进一步，所述图像信息采集处理器设置有图像处理重建模块，所述图像处理重建模块的图像处理方法包括：
第一步，采用锥束滤波反投影算法得到初始图像u0：对XCT待重建的M幅投影采用滤波反投影算法重建，对圆弧轨迹扫描的锥束投影数据进行半精确重建；圆弧轨迹是短扫描轨迹，即π加扇角扫描轨迹；也是超短扫描轨迹，即小于短扫描的轨迹包括：权重投影数据的偏导数；沿水平与非水平方向的一维希尔伯特变换；圆弧轨迹的反投影；将重建后图像u0作为初始图像；
第二步，令k＝0，k为迭代次数(k＝0,1,2…K-1)，将u0作为迭代初始图像u(0)，采用代数迭代法更新图像：
其中，k为迭代次数(k＝0,1,2…K)，即为第k+1次迭代后更新的图像，为更新前图像，j代表图像角标，pi为第i个探测器单元的投影值，min代表图像中第n个像素值对探测器单元i的贡献大小，λ为松弛因子，取值范围0～2之间；
第三步，对得到的图像进行非负值约束:对上步中所有小于0的值赋值为零，即如果则令
第四步，根据梯度下降法对u(k+1)求图像总变差最小化后的图像：
其中l为梯度下降法的迭代次数(l＝0,1…L-1)，a为步长因子；
第五步，令k＝k+1，u(k)＝u(k,L+1)，重复步第二步-第四步，直到满足迭代次数要求。
进一步，所述数据处理器设置有分布式云计算数据迁移模块，所述分布式云计算数据迁移模块的分布式云计算数据迁移方法可根据网络状态的不同，将数据迁移策略分为三种；
在网络状态良好的情况下，采用基于网络传输的数据迁移方法：
(1)用户登录边缘云使用云计算服务时，系统将该服务所需要的数据信息形成压缩数据请求消息发送到核心云；数据压缩处理方法的快速索引所计算的是相对位置偏移，根据LZ77目标串的头不变的特性进行匹配，当前匹配失败后，直接访问到下一个可匹配的位置，无需做多余的逻辑判断和运算；在LZ77进行前，构建一个整体的快速索引表，是的LZ77在做滑动窗口匹配的发生次数变为原来的1/2k，并且构造的复杂度仅为Θ(m)，m为压缩文件的尺寸大小；使用新参数压缩指数F(x)＝Speed(x)/Ratio(x),x是输入文件；以数据为核心，通过身份认证和公共密钥基础设施，明确数据的生产者、所有者和使用者，由身份认证中心管理私钥，由数据注册中心管理公钥；通过建立索引和搜索引擎，实现数据的管理和对应用提供服务；通过用数据生产者的私钥加密来明确数据生产者，通过用数据所有者的公钥加密来明确数据所有者，并实现数据的天生加密；用数据所有者的私钥解密后再用数据使用者或被授权人的公钥加密实现数据授权使用，授权过程通过水印和数据注册中心进行记录和管理；对数据资源进行自适应管理，保证数据的唯一性和一致性，监管和处置数据的各种异常行为；以水印的方式将数据所有者及授权使用过程记录下来，与原始数据一起进行加密管理；关联应用对数据的访问，对各种应用提供支持，确定数据安全应用的环境，通过多种手段实现内存数据的安全保障和不被侵入窃取；
(2)核心云接收到数据请求消息后，查找该用户的家乡云，并将该数据请求消息发送到该用户的家乡云；
(3)该用户家乡云接到消息后，根据数据请求消息的信息将数据发送到用户登录的边缘云，信息包括发送地址、数据名称；
(4)用户服务使用完该数据后，将数据删除，下次使用该数据时重新从家乡云中迁移。
本发明实施例提供的基于全景遥视成像和钻孔轨迹测量控制系统通过以下方法实现：
步骤一、根据地质资料的分析处理结果，确定目标储层中水平段中地质突变的预测区域；
步骤二、当所述水平段中的钻井钻头到达预测区域时，根据获取的随钻地质资料，确定所述地质突变在所述预测区域中的位置和所述地质突变的类型；
步骤三、确定当前待检测区域的周视角和俯仰角并确定全景成像装置中矩形成像器件的边长；
步骤四、根据所述矩形成像器件的边长以及当前待检测区域的周视角和俯仰角，调整全景镜头在焦平面上所成圆形全景像，使得所述全景镜头在焦平面上所成圆形全景像的直径大于矩形成像器件的短边长度；
步骤五、生成具有约束条件的地面模型及钻井轨道模型,建立通用的靶平面方程以及靶点坐标系与井口坐标系之间的坐标转换关系，以适用于各种井型的靶平面；
步骤六、基于所述井底点的轨迹参数和井段长度，预测入靶方向并校核是否满足工程要求，所述入靶方向包括入靶井斜角和方位角；
步骤七、根据入靶方向获取钻孔原始图像以及原始图像加入环境光底色后的降质图像，获取所述原始图像和降质图像的色度差异以及利用所述色度差异对所述原始图像进行色度补偿以得到补偿后图像；
步骤八、获取钻孔过程中的动态图像，针对动态图像和上一图像设定一初始重叠位置，计算当前所获得动态图像和上衣图像在该重叠位置下的相似性，选择最小相似性值所对应的重叠位置为最终的准确重叠位置；
步骤九、将补偿后图像与轨迹特征参数进行拼接，从多个拼接图像中定义供处理的一组图像，使该组图像内的至少一个成分对齐，通过对一个或者更多个图像进行剪裁、调整大小和旋转来变换经过对齐的图像中的一个或者更多个以产生一系列经过变换的图像；
步骤十、选取校正后的补偿图像，在纠正区域中分别标注对应的第一同名点，第二同名点，……第n同名点，所述第一同名点位于待纠正的第一图像，第二同名点位于待纠正的第二图像，......第n同名点位于待纠正的第n图像；
步骤十一、在纠正区域选择与第一同名点，第二同名点，……第n同名点的距离符合预设要求的点作为基准点，在第二图像，第三图像，……，第n-1图像中找出用于缝合的理想缝合位置，向对于所述缝合位置对图像进行校正以形成新的经旋转的理想位置；
步骤十二、将第一同名点，第二同名点，……第n同名点以基准点为原点纠正到理想缝合位置，将第一图像，第二图像，……第n图像拼接在一起，形成较大的全景图像；
步骤十三、生成经过拼接的图像的数据矩阵，并对数据矩阵进行中心化或标准化，计算中心化或标准化后的所述数据矩阵的方差矩阵，将方差矩阵的特征多项式转换为高次特征多项式；
步骤十四、判断高次特征多项式的根的个数，根据根的个数及预设的初始解，对所述高次特征多项式进行迭代求解，当迭代求解获得的根的个数剩余四个时，根据当前迭代求解获得的特征多项式的数学表达式计算剩余的四个根，输出所有特征根，根据所述特征根计算特征向量，根据特征向量获得变换矩阵，将变换矩阵乘以数据矩阵得到压缩后的图像。
进一步，对补偿后图像数据进行校正获得校正数据，对校正数据进行除噪处理获得除噪数据，对除噪数据进行重排获得重排数据，对重排数据进行卷积获得卷积数据。
进一步，根据下式对所述数据矩阵进行标准化：
式中：
得到：
A＝(Aij)m×n；
m为数据矩阵的行数，n为数据矩阵的列数，i＝1，2，...，m，j＝1，2，...，n；Xij为数据矩阵中第i行第j列的数据。
进一步，当前所获取的动态图像和上一图像在重叠位置下的相似性根据如下公式计算：
其中，AD为上一图像在重叠区内的图像块，BD为当前所获取的动态图像在重叠区内的图像块；并且，AD、BD的矢量形式IAD和IBD分别表达为：
IAD＝[P1 AD，P2 AD，...，PN AD]′ IBD＝[P1 BD，P2 BD，...，PN BD]′
PAD为AD中的第K个像素，PBD为BD中的第K个像素；
SD为公式(1)重叠区域内像素差异绝对值的平均值或公式(2)重叠区域内像素的均方差；N为重叠区域内的像素总个数。
工作原理：该基于全景遥视成像和钻孔轨迹测量控制系统，深度传感器8可检测钻孔深度，陀螺仪9可动态检测钻头钻探过程中的倾角变化情况，方位角传感器10可检测钻头方位角变化情况，计时器11能够记录检测时间，GPS卫星数据采集器12可通过GPS卫星18对探头定位，测定探头位置和垂向距离，图像信息采集处理器3可接收分别来自第一摄像头13、第二摄像头14和第三摄像头15采集的图像信号，并处理后反馈给单片机控制器1，RAM存储器5可对采集的数据临时存储，ROM存储器6可对数据永久存储，无线射频收发器7可接收和发送无线信号，供电电源19为系统供电，数据库20内存储有图像信息转换常数和钻孔常数，数据处理器4可对采集的数据综合分析处理，并反馈给单片机控制器1，单片机控制器1根据反馈信息对三维模拟器2下达相应指令，三维模拟器2可对钻孔进行实时动态模拟，外部设备17通过GPRS网络16对单片机控制器1远程控制。
该基于全景遥视成像和钻孔轨迹测量控制系统，有效地将钻孔成像技术和钻孔轨迹测量技术相结合，提高了测量效率和准确率，外部设备通过GPRS网络对单片机控制器实现远程控制，提高了系统操作的便利性，采集的数据经数据处理器自动分析处理，三维模拟器可对测量结果动态模拟，智能化程度较高；本发明简化了用户拼接图像的操作，适应了现场成像要求，可适用于通过多个图像创建较大全景图像。
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 (3)
1.一种基于全景遥视成像和钻孔轨迹测量控制系统，其特征在于，所述基于全景遥视成像和钻孔轨迹测量控制系统包括控制器，所述控制器分别与三维模拟器、图像信息采集处理器、数据处理器、RAM存储器、ROM存储器和无线射频收发器电性连接；
所述控制器的输入端分别与深度传感器、陀螺仪、方位角传感器、计时器、GPS卫星数据采集器的输出端电性连接；
所述图像信息采集处理器的输入端分别与第一摄像头、第二摄像头和第三摄像头的输出端电性连接；
所述无线射频收发器通过GPRS网络与外部设备连接，所述GPS卫星数据采集器的输入端与GPS卫星的输出端连接；
所述控制器的输入端与供电电源的输出端电性连接，所述控制器与数据库电性连接；
所述基于全景遥视成像和钻孔轨迹测量控制系统的基于全景遥视成像和钻孔轨迹测量控制方法包括：
步骤一、根据地质资料的分析处理结果，确定目标储层中水平段中地质突变的预测区域；
步骤二、当所述水平段中的钻井钻头到达预测区域时，根据获取的随钻地质资料，确定所述地质突变在所述预测区域中的位置和所述地质突变的类型；
步骤三、确定当前待检测区域的周视角和俯仰角并确定全景成像装置中矩形成像器件的边长；
步骤四、根据所述矩形成像器件的边长以及当前待检测区域的周视角和俯仰角，调整全景镜头在焦平面上所成圆形全景像，使得所述全景镜头在焦平面上所成圆形全景像的直径大于矩形成像器件的短边长度；
步骤五、生成具有约束条件的地面模型及钻井轨道模型,建立通用的靶平面方程以及靶点坐标系与井口坐标系之间的坐标转换关系，以适用于各种井型的靶平面；
步骤六、基于所述井底点的轨迹参数和井段长度，预测入靶方向并校核是否满足工程要求，所述入靶方向包括入靶井斜角和方位角；
步骤七、根据入靶方向获取钻孔原始图像以及原始图像加入环境光底色后的降质图像，获取所述原始图像和降质图像的色度差异以及利用所述色度差异对所述原始图像进行色度补偿以得到补偿后图像；
步骤八、获取钻孔过程中的动态图像，针对动态图像和上一图像设定一初始重叠位置，计算当前所获得动态图像和上衣图像在该重叠位置下的相似性，选择最小相似性值所对应的重叠位置为最终的准确重叠位置；
步骤九、将补偿后图像与轨迹特征参数进行拼接，从多个拼接图像中定义供处理的一组图像，使该组图像内的至少一个成分对齐，通过对一个或者更多个图像进行剪裁、调整大小和旋转来变换经过对齐的图像中的一个或者更多个以产生一系列经过变换的图像；
步骤十、选取校正后的补偿图像，在纠正区域中分别标注对应的第一同名点，第二同名点，……第n同名点，所述第一同名点位于待纠正的第一图像，第二同名点位于待纠正的第二图像，......第n同名点位于待纠正的第n图像；
步骤十一、在纠正区域选择与第一同名点，第二同名点，……第n同名点的距离符合预设要求的点作为基准点，在第二图像，第三图像，……，第n-1图像中找出用于缝合的理想缝合位置，向对于所述缝合位置对图像进行校正以形成新的经旋转的理想位置；
步骤十二、将第一同名点，第二同名点，……第n同名点以基准点为原点纠正到理想缝合位置，将第一图像，第二图像，……第n图像拼接在一起，形成较大的全景图像；
步骤十三、生成经过拼接的图像的数据矩阵，并对数据矩阵进行中心化或标准化，计算中心化或标准化后的所述数据矩阵的方差矩阵，将方差矩阵的特征多项式转换为高次特征多项式；
步骤十四、判断高次特征多项式的根的个数，根据根的个数及预设的初始解，对所述高次特征多项式进行迭代求解，当迭代求解获得的根的个数剩余四个时，根据当前迭代求解获得的特征多项式的数学表达式计算剩余的四个根，输出所有特征根，根据所述特征根计算特征向量，根据特征向量获得变换矩阵，将变换矩阵乘以数据矩阵得到压缩后的图像；
对补偿后图像数据进行校正获得校正数据，对校正数据进行除噪处理获得除噪数据，对除噪数据进行重排获得重排数据，对重排数据进行卷积获得卷积数据；
根据下式对所述数据矩阵进行标准化：
<mrow>
<msub>
<mi>A</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>X</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>X</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
</mrow>
<msub>
<mi>S</mi>
<mi>j</mi>
</msub>
</mfrac>
<mo>;</mo>
</mrow>
式中：
<mrow>
<msub>
<mover>
<mi>X</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>m</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>X</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>;</mo>
</mrow>
<mrow>
<msub>
<mi>S</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<mfrac>
<mn>1</mn>
<mrow>
<mi>m</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>X</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>;</mo>
</mrow>
得到：
A＝(Aij)m×n；
m为数据矩阵的行数，n为数据矩阵的列数，i＝1,2,…,m，j＝1,2,…,n；Xij为数据矩阵中第i行第j列的数据；
当前所获取的动态图像和上一图像在重叠位置下的相似性根据如下公式计算：
<mrow>
<msub>
<mi>S</mi>
<mi>D</mi>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mo>|</mo>
<msup>
<msub>
<mi>P</mi>
<mi>k</mi>
</msub>
<mrow>
<mi>A</mi>
<mi>D</mi>
</mrow>
</msup>
<mo>-</mo>
<msup>
<msub>
<mi>P</mi>
<mi>k</mi>
</msub>
<mrow>
<mi>B</mi>
<mi>D</mi>
</mrow>
</msup>
<mo>|</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>S</mi>
<mi>D</mi>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msup>
<msub>
<mi>P</mi>
<mi>k</mi>
</msub>
<mrow>
<mi>A</mi>
<mi>D</mi>
</mrow>
</msup>
<mo>-</mo>
<msup>
<msub>
<mi>P</mi>
<mi>k</mi>
</msub>
<mrow>
<mi>B</mi>
<mi>D</mi>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，AD为上一图像在重叠区内的图像块，BD为当前所获取的动态图像在重叠区内的图像块；并且，AD、BD的矢量形式IAD和IBD分别表达为：
<mrow>
<msup>
<mi>I</mi>
<mrow>
<mi>A</mi>
<mi>D</mi>
</mrow>
</msup>
<mo>=</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msup>
<msub>
<mi>P</mi>
<mn>1</mn>
</msub>
<mrow>
<mi>A</mi>
<mi>D</mi>
</mrow>
</msup>
<mo>,</mo>
<msup>
<msub>
<mi>P</mi>
<mn>2</mn>
</msub>
<mrow>
<mi>A</mi>
<mi>D</mi>
</mrow>
</msup>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<msup>
<msub>
<mi>P</mi>
<mi>N</mi>
</msub>
<mrow>
<mi>A</mi>
<mi>D</mi>
</mrow>
</msup>
<mo>&rsqb;</mo>
</mrow>
<mo>&prime;</mo>
</msup>
</mrow>
<mrow>
<msup>
<mi>I</mi>
<mrow>
<mi>B</mi>
<mi>D</mi>
</mrow>
</msup>
<mo>=</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msup>
<msub>
<mi>P</mi>
<mn>1</mn>
</msub>
<mrow>
<mi>B</mi>
<mi>D</mi>
</mrow>
</msup>
<mo>,</mo>
<msup>
<msub>
<mi>P</mi>
<mn>2</mn>
</msub>
<mrow>
<mi>B</mi>
<mi>D</mi>
</mrow>
</msup>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<msup>
<msub>
<mi>P</mi>
<mi>N</mi>
</msub>
<mrow>
<mi>B</mi>
<mi>D</mi>
</mrow>
</msup>
<mo>&rsqb;</mo>
</mrow>
<mo>&prime;</mo>
</msup>
<mo>;</mo>
</mrow>
PAD为AD中的第K个像素，PBD为BD中的第K个像素；
SD为公式(1)重叠区域内像素差异绝对值的平均值或公式(2)重叠区域内像素的均方差；N为重叠区域内的像素总个数。
2.如权利要求1所述的基于全景遥视成像和钻孔轨迹测量控制系统，其特征在于，所述图像信息采集处理器设置有图像处理重建模块，所述图像处理重建模块的图像处理方法包括：
第一步，采用锥束滤波反投影算法得到初始图像u0：对XCT待重建的M幅投影采用滤波反投影算法重建，对圆弧轨迹扫描的锥束投影数据进行半精确重建；圆弧轨迹是短扫描轨迹，即π加扇角扫描轨迹；也是超短扫描轨迹，即小于短扫描的轨迹包括：权重投影数据的偏导数；沿水平与非水平方向的一维希尔伯特变换；圆弧轨迹的反投影；将重建后图像u0作为初始图像；
第二步，令k＝0，k为迭代次数(k＝0,1,2…K-1)，将u0作为迭代初始图像u(0)，采用代数迭代法更新图像：
<mrow>
<msubsup>
<mi>u</mi>
<mi>j</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>u</mi>
<mi>j</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</msubsup>
<mo>+</mo>
<mi>&lambda;</mi>
<mfrac>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</msubsup>
<msubsup>
<mi>u</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</msubsup>
<mo>&CenterDot;</mo>
<msub>
<mi>m</mi>
<mrow>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</msubsup>
<msubsup>
<mi>m</mi>
<mrow>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mn>2</mn>
</msubsup>
</mrow>
</mfrac>
<msub>
<mi>m</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>;</mo>
</mrow>
其中，k为迭代次数(k＝0,1,2…K)，即为第k+1次迭代后更新的图像，为更新前图像，j代表图像角标，pi为第i个探测器单元的投影值，min代表图像中第n个像素值对探测器单元i的贡献大小，λ为松弛因子，取值范围0～2之间；
第三步，对得到的图像进行非负值约束:对上步中所有小于0的值赋值为零，即如果则令
第四步，根据梯度下降法对u(k+1)求图像总变差最小化后的图像：
<mrow>
<msup>
<mi>u</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mi>l</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msup>
<mo>=</mo>
<msup>
<mi>u</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mi>l</mi>
<mo>)</mo>
</mrow>
</msup>
<mo>-</mo>
<mi>a</mi>
<mo>|</mo>
<mo>|</mo>
<msup>
<mi>u</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
</msup>
<mo>-</mo>
<msup>
<mi>u</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</msup>
<mo>|</mo>
<mo>|</mo>
<mo>*</mo>
<mi>d</mi>
<msup>
<mover>
<mi>u</mi>
<mo>^</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mi>l</mi>
<mo>)</mo>
</mrow>
</msup>
<mo>;</mo>
</mrow>
其中l为梯度下降法的迭代次数(l＝0,1…L-1)，a为步长因子；
第五步，令k＝k+1，u(k)＝u(k,L+1)，重复步第二步-第四步，直到满足迭代次数要求。
3.如权利要求1所述的基于全景遥视成像和钻孔轨迹测量控制系统，其特征在于，所述数据处理器设置有分布式云计算数据迁移模块，所述分布式云计算数据迁移模块的分布式云计算数据迁移方法可根据网络状态的不同，将数据迁移策略分为三种；
在网络状态良好的情况下，采用基于网络传输的数据迁移方法：
(1)用户登录边缘云使用云计算服务时，系统将该服务所需要的数据信息形成压缩数据请求消息发送到核心云；数据压缩处理方法的快速索引所计算的是相对位置偏移，根据LZ77目标串的头不变的特性进行匹配，当前匹配失败后，直接访问到下一个可匹配的位置，无需做多余的逻辑判断和运算；在LZ77进行前，构建一个整体的快速索引表，是的LZ77在做滑动窗口匹配的发生次数变为原来的1/2k，并且构造的复杂度仅为Θ(m)，m为压缩文件的尺寸大小；使用新参数压缩指数F(x)＝Speed(x)/Ratio(x),x是输入文件；以数据为核心，通过身份认证和公共密钥基础设施，明确数据的生产者、所有者和使用者，由身份认证中心管理私钥，由数据注册中心管理公钥；通过建立索引和搜索引擎，实现数据的管理和对应用提供服务；通过用数据生产者的私钥加密来明确数据生产者，通过用数据所有者的公钥加密来明确数据所有者，并实现数据的天生加密；用数据所有者的私钥解密后再用数据使用者或被授权人的公钥加密实现数据授权使用，授权过程通过水印和数据注册中心进行记录和管理；对数据资源进行自适应管理，保证数据的唯一性和一致性，监管和处置数据的各种异常行为；以水印的方式将数据所有者及授权使用过程记录下来，与原始数据一起进行加密管理；关联应用对数据的访问，对各种应用提供支持，确定数据安全应用的环境，通过多种手段实现内存数据的安全保障和不被侵入窃取；
(2)核心云接收到数据请求消息后，查找该用户的家乡云，并将该数据请求消息发送到该用户的家乡云；
(3)该用户家乡云接到消息后，根据数据请求消息的信息将数据发送到用户登录的边缘云，信息包括发送地址、数据名称；
(4)用户服务使用完该数据后，将数据删除，下次使用该数据时重新从家乡云中迁移。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710120641.4A CN107424140A (zh) | 2017-03-02 | 2017-03-02 | 一种基于全景遥视成像和钻孔轨迹测量控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710120641.4A CN107424140A (zh) | 2017-03-02 | 2017-03-02 | 一种基于全景遥视成像和钻孔轨迹测量控制系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107424140A true CN107424140A (zh) | 2017-12-01 |
Family
ID=60423071
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710120641.4A Pending CN107424140A (zh) | 2017-03-02 | 2017-03-02 | 一种基于全景遥视成像和钻孔轨迹测量控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107424140A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108527441A (zh) * | 2018-03-05 | 2018-09-14 | 中国计量大学 | 一种用于检测工业机器人轨迹误差的装置 |
| CN109858500A (zh) * | 2019-01-25 | 2019-06-07 | 中国地质调查局南京地质调查中心 | 一种钻孔岩芯野外照片柱状图的自动化生成方法 |
| CN109986109A (zh) * | 2017-12-29 | 2019-07-09 | 富扬钢构有限公司 | 钢构建材的钻孔加工设计方法 |
| CN110338875A (zh) * | 2019-04-12 | 2019-10-18 | 北京诺亦腾科技有限公司 | 一种基于虚拟现实技术的打孔控制方法 |
| CN111435344A (zh) * | 2019-01-15 | 2020-07-21 | 中国石油集团川庆钻探工程有限公司长庆钻井总公司 | 一种基于大数据的钻井提速影响因素分析模型 |
| CN112860926A (zh) * | 2021-01-29 | 2021-05-28 | 北京城建勘测设计研究院有限责任公司 | 应用于岩土工程勘察行业的图形叠加生成的方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1567376A (zh) * | 2003-07-03 | 2005-01-19 | 马堃 | 数字成像设备现场全景成像的方法 |
| CN101930161A (zh) * | 2009-08-28 | 2010-12-29 | 杭州普维光电技术有限公司 | 一种全景成像调整方法和装置以及全景成像装置 |
| CN103971387A (zh) * | 2013-01-29 | 2014-08-06 | 上海联影医疗科技有限公司 | Ct图像重建方法 |
| CN104331872A (zh) * | 2014-11-26 | 2015-02-04 | 中测新图(北京)遥感技术有限责任公司 | 图像拼接方法 |
| CN104469374A (zh) * | 2014-12-24 | 2015-03-25 | 广东省电信规划设计院有限公司 | 图像压缩方法 |
| CN105096910A (zh) * | 2015-07-09 | 2015-11-25 | 西安诺瓦电子科技有限公司 | 图像处理方法 |
| CN105931219A (zh) * | 2016-04-13 | 2016-09-07 | 山东正元地球物理信息技术有限公司 | 一种基于钻孔电视图像计算钻孔深度的方法 |
| CN106169004A (zh) * | 2016-07-15 | 2016-11-30 | 西南石油大学 | 一种自动防碰钻井系统 |
| CN106227850A (zh) * | 2016-07-28 | 2016-12-14 | 苏维娜 | 一种基于移动终端的医学检验监控控制系统及控制方法 |
| CN106382897A (zh) * | 2016-11-14 | 2017-02-08 | 长沙职业技术学院 | 一种智能汽车独立悬挂式前轮定位参数测量控制系统 |
-
2017
- 2017-03-02 CN CN201710120641.4A patent/CN107424140A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1567376A (zh) * | 2003-07-03 | 2005-01-19 | 马堃 | 数字成像设备现场全景成像的方法 |
| CN101930161A (zh) * | 2009-08-28 | 2010-12-29 | 杭州普维光电技术有限公司 | 一种全景成像调整方法和装置以及全景成像装置 |
| CN103971387A (zh) * | 2013-01-29 | 2014-08-06 | 上海联影医疗科技有限公司 | Ct图像重建方法 |
| CN104331872A (zh) * | 2014-11-26 | 2015-02-04 | 中测新图(北京)遥感技术有限责任公司 | 图像拼接方法 |
| CN104469374A (zh) * | 2014-12-24 | 2015-03-25 | 广东省电信规划设计院有限公司 | 图像压缩方法 |
| CN105096910A (zh) * | 2015-07-09 | 2015-11-25 | 西安诺瓦电子科技有限公司 | 图像处理方法 |
| CN105931219A (zh) * | 2016-04-13 | 2016-09-07 | 山东正元地球物理信息技术有限公司 | 一种基于钻孔电视图像计算钻孔深度的方法 |
| CN106169004A (zh) * | 2016-07-15 | 2016-11-30 | 西南石油大学 | 一种自动防碰钻井系统 |
| CN106227850A (zh) * | 2016-07-28 | 2016-12-14 | 苏维娜 | 一种基于移动终端的医学检验监控控制系统及控制方法 |
| CN106382897A (zh) * | 2016-11-14 | 2017-02-08 | 长沙职业技术学院 | 一种智能汽车独立悬挂式前轮定位参数测量控制系统 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109986109A (zh) * | 2017-12-29 | 2019-07-09 | 富扬钢构有限公司 | 钢构建材的钻孔加工设计方法 |
| CN109986109B (zh) * | 2017-12-29 | 2020-05-08 | 富扬钢构有限公司 | 钢构建材的钻孔加工设计方法 |
| CN108527441A (zh) * | 2018-03-05 | 2018-09-14 | 中国计量大学 | 一种用于检测工业机器人轨迹误差的装置 |
| CN108527441B (zh) * | 2018-03-05 | 2024-02-13 | 中国计量大学 | 一种用于检测工业机器人轨迹误差的装置 |
| CN111435344A (zh) * | 2019-01-15 | 2020-07-21 | 中国石油集团川庆钻探工程有限公司长庆钻井总公司 | 一种基于大数据的钻井提速影响因素分析模型 |
| CN111435344B (zh) * | 2019-01-15 | 2023-03-21 | 中国石油集团川庆钻探工程有限公司长庆钻井总公司 | 一种基于大数据的钻井提速影响因素分析模型 |
| CN109858500A (zh) * | 2019-01-25 | 2019-06-07 | 中国地质调查局南京地质调查中心 | 一种钻孔岩芯野外照片柱状图的自动化生成方法 |
| CN110338875A (zh) * | 2019-04-12 | 2019-10-18 | 北京诺亦腾科技有限公司 | 一种基于虚拟现实技术的打孔控制方法 |
| CN110338875B (zh) * | 2019-04-12 | 2021-07-02 | 北京诺亦腾科技有限公司 | 一种用于非治疗目的的基于虚拟现实技术的打孔控制方法 |
| CN112860926A (zh) * | 2021-01-29 | 2021-05-28 | 北京城建勘测设计研究院有限责任公司 | 应用于岩土工程勘察行业的图形叠加生成的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107424140A (zh) | 一种基于全景遥视成像和钻孔轨迹测量控制系统 | |
| Liu et al. | Integrating building information model and augmented reality for drone-based building inspection | |
| US9256981B2 (en) | Method and device for processing geological information | |
| Verhoeven et al. | Computer vision‐based orthophoto mapping of complex archaeological sites: The ancient quarry of Pitaranha (Portugal–Spain) | |
| CN110009739A (zh) | 移动摄像机的数字视网膜的运动特征的提取与编码方法 | |
| CN101915913B (zh) | 一种稳健的高分辨率卫星影像连接点自动匹配方法 | |
| CN103115614B (zh) | 多源多轨长条带卫星遥感影像联合并行匹配方法 | |
| US20150022656A1 (en) | System for collecting & processing aerial imagery with enhanced 3d & nir imaging capability | |
| CN109029277A (zh) | 一种隧道形变监测系统及方法 | |
| CN104392457B (zh) | 倾斜影像的连接点自动匹配方法及装置 | |
| CN106323176B (zh) | 一种露天矿边坡的三维位移监测方法 | |
| CN105335983B (zh) | 一种全景遥视成像和钻孔轨迹测量的同时实现方法 | |
| CN103994765B (zh) | 一种惯性传感器的定位方法 | |
| CN110033411A (zh) | 基于无人机的公路施工现场全景图像高效拼接方法 | |
| CN104820965A (zh) | 一种低空无人机影像无地理编码快速拼接方法 | |
| Liu et al. | Assessing the quality of building height extraction from ZiYuan-3 multi-view imagery | |
| CN114332385A (zh) | 一种基于三维虚拟地理场景的单目相机目标检测与空间定位方法 | |
| CN110232655A (zh) | 一种用于煤场的红外-可见光双光图像拼接与融合方法 | |
| CN104299228A (zh) | 一种基于精确点位预测模型的遥感影像密集匹配方法 | |
| KR102162818B1 (ko) | 영상장치를 이용한 실시간 지하시설물 시공측량 방법 및 이에 기반한 지하시설물 수치도면 제작 장치 | |
| CN106227850A (zh) | 一种基于移动终端的医学检验监控控制系统及控制方法 | |
| Li et al. | Creating navigation map in semi-open scenarios for intelligent vehicle localization using multi-sensor fusion | |
| CN116468869A (zh) | 一种基于遥感卫星影像的实景三维建模方法、设备及介质 | |
| Tatar et al. | Stereo rectification of pushbroom satellite images by robustly estimating the fundamental matrix | |
| CN103164420A (zh) | 地质信息的处理方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171201 |
|
| RJ01 | Rejection of invention patent application after publication |