CN108490030B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN108490030B CN108490030B CN201810274612.8A CN201810274612A CN108490030B CN 108490030 B CN108490030 B CN 108490030B CN 201810274612 A CN201810274612 A CN 201810274612A CN 108490030 B CN108490030 B CN 108490030B
- Authority
- CN
- China
- Prior art keywords
- building
- temperature
- image
- aerial vehicle
- unmanned aerial
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N25/00—Investigating or analyzing materials by the use of thermal means
- G01N25/72—Investigating presence of flaws
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Radiation Pyrometers (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种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,包括确定路线、拍摄红外热像图、获取空间坐标信息、温度范围划分、图像拼接、数据权重计算、人机交互、分析评价等步骤;本发明提供的方法将原始红外热图像划分成温度区间图像,有利于检测人员更直观的观测出温度差异,将无人机航拍与虚拟现实技术相结合,使检测和评价方法更加智能化、人性化和直观化,检测结果更加准确。
Description
技术领域
本发明涉及一种检测方法,特别涉及一种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。
背景技术
随着人们的生活水平逐渐提高,建筑能耗占总建筑耗能的比例也逐渐提高,解决建筑能耗问题的关键即是建筑节能。因此,近年来各地相继出台了绿色建筑或节能建筑等建筑围护结构的评价标准,基于建筑节能理念的新型节能建筑得到广泛推广。虽然在建筑物设计阶段依据了节能标准进行设计,但施工阶段因受各种现场环境的影响,并不能完全做到建成建筑的各项环节都符合设计的节能标准。对建成建筑以及建筑围护结构热工性能检测与评价不仅是技术难点、研究重点,同时也是更快推广节能型建筑的重要举措。
无人机建筑红外热像技术目前主要应用于建筑节能质量检测方面,因其远程、全面、非接触的特性受到广泛关注,可准确完整的对建筑进行检测,业主可以根据建筑红外热像检测结果,及时发现缺陷,针对性的进行修复。
目前各机构的实验室对建筑门窗及墙体等建筑构件的热工性能检测技术现已成熟,但运用传统的检测方法在对建成建筑进行检测时,如公布号CN101078699A的发明专利公开的围护结构整体隔热性能的检测方法中,检测仪器简单,测量结果缺少说服力,而且测试方法具有很大主观性和限制性;公布号CN 102636313A的发明专利公开的基于红外热成像图像处理的渗漏源检测装置中,测试条件严格,费时费力,流程繁琐;公布号CN103196565A的发明专利公开的基于红外热图的建筑室内节能检测点标记方法中,介绍了建筑室内红外温度区间图像的分析,但仍没有提出具体的一种整体建筑红外热像检测方法。
目前在建筑红外热成像检测领域还没有可以应用于实际的完整的建筑围护结构热工性能检测评价方法或系统。
发明内容
本发明的目的是解决现阶段缺少对整体建筑围护结构热工性能检测评价的方法或系统的问题,提供的一种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。
本发明提供的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,包括以下步骤:
(1)确定路线:确定本次需要评价的建筑物地理位置及外围尺寸,同时对建筑物周边环境进行勘察,确定本次无人机航拍具体路线,无人机航拍云台搭载红外线热成像仪、定位系统和无线传输系统,由地面控制人员遥控起飞,沿设计路线飞行;
(2)拍摄红外热像图:由无人机航拍云台搭载的红外线热成像仪扫描待测建筑,拍摄待测建筑外部红外热像图,并获取所拍摄建筑物红外热像图每个像素点的温度信息,同时通过无线传输系统将红外热像图和相关信息传回上位机进行储存备用;
(3)获取空间坐标信息:由无人机航拍云台搭载的定位系统获取无人机的实时位置以及三维姿态,并将相关信息实时传回上位机,由上位机建立空间坐标系,结合无人机传回的图像确定待测建筑物的空间坐标信息,建立建筑物空间模型;
(4)温度范围划分:首先按照所获取的建筑物红外热像图每个像素点的温度选定基点温度区间,然后将上述步骤得到的红外热像图按照基点温度区间范围划分成数个温度区间,并将每个不同范围的温度区间用不同深度的颜色表示,形成温度区间图像;
(5)图像拼接:将上述步骤得到的待测建筑的多角度温度区间图像经过去噪、增强处理,利用HARRIS算子提取特征点,用RANSEC算法去除错误匹配,基于特征点的匹配,进行温度区间图像拼接形成待测建筑整体温度区间图像;
(6)数据权重计算:根据上述步骤得到的待测建筑整体温度区间图像计算建筑外表面的热工缺陷程度、传热系数误差率和气密性,并储存在数据库中;
(7)人机交互:将上述步骤生成的建筑整体温度区间图像与建筑的三维空间坐标进行叠加,相关数据以文字形式标注在图像相应位置,生成可在VR虚拟现实设备上显示的3D格式图像,传输到VR眼镜中,通过佩戴VR眼镜观测建筑整体情况,操控无人机飞行;
(8)分析评价:对比数据库中的测量数据与现行绿色建筑评价标准规定,依据实际建筑对被动式建筑、既有建筑、装配式建筑等不同类型建筑的围护结构热工性能情况作出专项分析评价,生成相应的检测报告。
步骤(3)中所述的定位系统包括GPS定位系统和IMU模块,其中GPS定位系统用来接收GPS卫星传送的无人机实时位置数据,IMU模块测量无人机所在位置的三维姿态。
步骤(4)中所述的温度范围划分具体包括:设红外热像图上最高温度TM,最低温度TN,依据检测环境条件以及当地情况,选定确切无热工性能缺陷某区域所测温度区间范围[TM0,TN0],测量多次无热工性能缺陷区域温度范围,并取平均值[TAM0,TANO],TNO<<TAN0<TAM0<<TM0,以[TAM0,TAN0]区间为基点温度区间,并在[TM,TN]范围内,按照基点温度区间差值,划分若干等差温度子区间,并将不同温度区间用不同深浅颜色来表示,形成新的温度区间图像,区间长度5-10℃,区间个数3-7个为宜。
步骤(6)中所述的建筑外表面热工缺陷程度计算方法如下:利用步骤(4)划分后的温度区间图像上相对面积比值Δ指标评价建筑外表面的热工缺陷程度:
式中,Δ为建筑检测表面缺陷图像面积与整体图像面积的比值,Ai为检测出第i处缺陷面积(m2),A为待检测建筑表面总面积(m2),其中,Δ所代表的建筑检测表面缺陷图像面积与整体图像面积的比值在计算中用温度区间图像像素点数的比值来代替,相应的Ai为温度区间图像显示的缺陷区域的像素点数,A为温度区间图像全部像素点数,所述的缺陷区域即该区域温度范围低于待测建筑表面标准温度。
步骤(6)中所述的传热系数误差率:
其中,Ka为待测建筑设计时的理论传热系数,Kb为实际传热系数,依据传热学公式其中,qb为平均热流密度,ti为温度区间图像每个像素点的温度,ni为相同温度像素点的数目,n为总的像素点数,t0为墙内表面温度,∝为对流换热系数,tb为墙内测得温度,tw为墙外测得温度。
步骤(6)中所述的气密性计算方法如下:
确定划分的温度区间图像某待测区域最高温度Ta,最低温度Tb,平均温度T0,对比最高温度Ta或最低温度Tb与平均温度T0的差值ΔT,即为气密性参考值。
步骤(8)中所述的分析评价方法如下表:
本发明中所述的无人机航拍云台、红外线热成像仪、无线传输系统、GPS定位系统和IMU模块以及VR眼镜均为现有设备,因此具体结构不在此赘述;HARRIS算子和RANSEC算法属于现有算法,具体过程不在此赘述。
本发明的有益效果:
1.本发明提供的方法,针对建筑或不同房间不同的功能需求,将原始红外热图像划分成温度区间图像,即将零散碎片化、分解不明显的色彩图像划分为等差的、分界明显、色彩差异大的图像,有利于检测人员更直观的观测出温度差异,可通过图像颜色区间直观对建筑物进行节能分析评价。
2.本发明提供的方法,较所用设备或技术更为成熟,且易于操作和推广,采用无人机搭载红外线热成像仪和定位系统,对建筑物整体围护结构或高层某建筑构件进行检测评价,实现了非接触式测评,不需要通过人工反复多次架设测量仪器,节省大量人力物力,能快速、整体反映建筑物热工性能;不受人为因素或建筑本身等主观因素的影响,建立红外数据库进行整理分析,通过数据直接显示,客观真实。
3.本发明提供的方法将无人机航拍与虚拟现实技术相结合,改变传统的检测和评价方法,将图像与数据相结合同时提供给观测者,观测者可以对照图像结合数据进行分析评价,使检测和评价方法更加智能化、人性化和直观化,检测结果更加准确。
附图说明
图1为本发明整体流程示意图。
图2为本发明图像处理过程示意图。
具体实施方式
请参阅图1-图2所示:
本发明提供的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,包括以下步骤:
(1)确定路线:确定本次需要评价的建筑物地理位置及外围尺寸,同时对建筑物周边环境进行勘察,确定本次无人机航拍具体路线,无人机航拍云台搭载红外线热成像仪、定位系统和无线传输系统,由地面控制人员遥控起飞,沿设计路线飞行,无线传输系统可采用WiFi、2G、3G、4G等无线信号进行数据传输;
(2)拍摄红外热像图:由无人机航拍云台搭载的红外线热成像仪扫描待测建筑,拍摄待测建筑外部红外热像图,并获取所拍摄建筑物红外热像图每个像素点的温度信息,同时通过无线传输系统将红外热像图和相关信息传回上位机,所述的上位机可以为台式电脑、笔记本电脑、平板电脑等终端设备;
(3)获取空间坐标信息:由无人机航拍云台搭载的定位系统获取无人机的实时位置以及三维姿态,并将相关信息实时传回上位机,由上位机建立空间坐标系,结合无人机传回的图像确定待测建筑物的空间坐标信息,建立建筑物空间模型;
(4)温度范围划分:首先按照所获取的建筑物红外热像图每个像素点的温度选定基点温度区间,然后将上述步骤得到的红外热像图按照基点温度区间范围划分成数个温度区间,并将每个不同范围的温度区间用不同深度的颜色表示,形成温度区间图像;
(5)图像拼接:将上述步骤得到的待测建筑的多角度温度区间图像经过去噪、增强处理,利用HARRIS算子提取特征点,用RANSEC算法去除错误匹配,基于特征点的匹配,进行温度区间图像拼接形成待测建筑整体温度区间图像;
(6)数据权重计算:根据上述步骤得到的待测建筑整体温度区间图像计算建筑外表面的热工缺陷程度、传热系数误差率和气密性,并储存在数据库中;
(7)人机交互:将上述步骤生成的建筑整体温度区间图像与建筑的三维空间坐标进行叠加,相关数据以文字形式标注在图像相应位置,生成可在VR虚拟现实设备上显示的3D格式图像,传输到VR眼镜中,通过佩戴VR眼镜观测建筑整体情况,操控无人机飞行;
(8)分析评价:对比数据库中的测量数据与现行绿色建筑评价标准规定,依据实际建筑对被动式建筑、既有建筑、装配式建筑等不同类型建筑的围护结构热工性能情况作出专项分析评价,生成相应的检测报告。
步骤(3)中所述的定位系统包括GPS定位系统和IMU模块,其中GPS定位系统用来接收GPS卫星传送的无人机实时位置数据,IMU模块测量无人机所在位置的三维姿态。
步骤(4)中所述的温度范围划分具体包括:设红外热像图上最高温度TM,最低温度TN,依据检测环境条件以及当地情况,选定确切无热工性能缺陷某区域所测温度区间范围[TM0,TN0],测量多次无热工性能缺陷区域温度范围,并取平均值[TAM0,TAN0],TN0<<TAN0<TAM0<<TM0,以[TAM0,TANO]区间为基点温度区间,并在[TM,TN]范围内,按照基点温度区间差值,划分若干等差温度子区间,并将不同温度区间用不同深浅颜色来表示,形成新的温度区间图像,区间长度5-10℃,区间个数3-7个为宜。
实施例:设红外热像图上最高温度29.8℃,最低温度0℃,依据检测环境条件以及当地情况,选定确切无热工性能缺陷某区域所测温度区间范围10℃-15℃,测量多次无热工性能缺陷区域温度范围,并取平均值10℃-15℃,以10℃-15℃区间为基点温度区间,并在29.8℃-0℃范围内,按照基点温度区间差值,划分成0℃-5℃、5℃-10℃、10℃-15℃、15℃-20℃、20℃-25℃、25℃-30℃,并将不同温度区间用不同深浅颜色来表示。
步骤(6)中所述的建筑外表面热工缺陷程度计算方法如下:利用步骤(4)划分后的温度区间图像上相对面积比值Δ指标评价建筑外表面的热工缺陷程度:
式中,Δ为建筑检测表面缺陷图像面积与整体图像面积的比值,Ai为检测出第j处缺陷面积(m2),A为待检测建筑表面总面积(m2),其中,Δ所代表的建筑检测表面缺陷图像面积与整体图像面积的比值在计算中用温度区间图像像素点数的比值来代替,相应的Ai为温度区间图像显示的缺陷区域的像素点数,A为温度区间图像全部像素点数,所述的缺陷区域即该区域温度范围低于待测建筑表面标准温度。
步骤(6)中所述的传热系数误差率:
其中,Ka为待测建筑设计时的理论传热系数,Kb为实际传热系数,依据传热学公式其中,qb为平均热流密度,ti为温度区间图像每个像素点的温度,ni为相同温度像素点的数目,n为总的像素点数,t0为墙内表面温度,∝为对流换热系数,tb为墙内测得温度,tw为墙外测得温度。
步骤(6)中所述的气密性计算方法如下:
确定划分的温度区间图像某待测区域最高温度Ta,最低温度Tb,平均温度T0,对比最高温度Ta或最低温度Tb与平均温度T0的差值ΔT,即为气密性参考值,对比最低或最高温度与平均温度的差值ΔT相差4℃之内认为合格。
实施例:温度区间图像划分某区域的最低温度为-0.4℃,最高温度9.7℃,平均温度1.5℃,则9.7℃温度附近区域存在气密性问题;某区域最低温度12℃,最高温度19℃,平均温度15℃,则说明气密性合格。
步骤(8)中所述的分析评价方法如下表:
Claims (4)
1.一种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,其特征在于,包括以下步骤:
(1)确定路线:确定本次需要评价的建筑物地理位置及外围尺寸,同时对建筑物周边环境进行勘察,确定本次无人机航拍具体路线,无人机航拍云台搭载红外线热成像仪、定位系统和无线传输系统,由地面控制人员遥控起飞,沿设计路线飞行;
(2)拍摄红外热像图:由无人机航拍云台搭载的红外线热成像仪扫描待测建筑,拍摄待测建筑外部红外热像图,并获取所拍摄建筑物红外热像图每个像素点的温度信息,同时通过无线传输系统将红外热像图和相关信息传回上位机;
(3)获取空间坐标信息:由无人机航拍云台搭载的定位系统获取无人机的实时位置以及三维姿态,并将相关信息实时传回上位机,由上位机建立空间坐标系,结合无人机传回的图像确定待测建筑物的空间坐标信息,建立建筑物空间模型;
(4)温度范围划分:首先按照所获取的建筑物红外热像图每个像素点的温度选定基点温度区间,具体包括:设红外热像图上最高温度,最低温度,依据检测环境条件以及当地情况,选定确切无热工性能缺陷某区域所测温度区间范围,测量多次无热工性能缺陷区域温度范围,并取平均值,以区间为基点温度区间,并在范围内,将上述步骤得到的红外热像图按照基点温度区间范围划分成数个等差温度区间,并将每个不同范围的温度区间用不同深度的颜色表示,形成温度区间图像;
(5)图像拼接:将上述步骤得到的待测建筑的多角度温度区间图像经过去噪、增强处理,利用HARRIS算子提取特征点,用RANSEC算法去除错误匹配,基于特征点的匹配,进行温度区间图像拼接形成待测建筑整体温度区间图像;
(6)数据权重计算:根据上述步骤得到的待测建筑整体温度区间图像计算建筑外表面的热工缺陷程度、传热系数误差率和气密性,并储存在数据库中;所述的建筑外表面热工缺陷程度计算方法如下:利用步骤(4)划分后的温度区间图像上相对面积比值指标评价建筑外表面的热工缺陷程度:
式中,为建筑检测表面缺陷图像面积与整体图像面积的比值,为检测出第i处缺陷面积(m2),A为待检测建筑表面总面积(m2),其中,所代表的建筑检测表面缺陷图像面积与整体图像面积的比值在计算中用温度区间图像像素点数的比值来代替,相应的为温度区间图像显示的缺陷区域的像素点数,A为温度区间图像全部像素点数,所述的缺陷区域即该区域温度范围低于待测建筑表面标准温度;
所述的传热系数误差率:
其中为待测建筑设计时的理论传热系数,为实际传热系数,依据传热学公式,其中,为平均热流密度,, 为温度区间图像每个像素点的温度,为相同温度像素点的数目,n为总的像素点数,为墙内表面温度,为对流换热系数,为墙内测得温度,为墙外测得温度;
所述的气密性计算方法如下:
(7)人机交互:将上述步骤生成的建筑整体温度区间图像与建筑的三维空间坐标进行叠加,相关数据以文字形式标注在图像相应位置,生成可在VR虚拟现实设备上显示的3D格式图像,传输到VR眼镜中,通过佩戴VR眼镜观测建筑整体情况,操控无人机飞行;
(8)分析评价:对比数据库中的测量数据与现行绿色建筑评价标准规定,依据实际建筑对被动式建筑、既有建筑、装配式建筑等不同类型建筑的围护结构热工性能情况作出专项分析评价,生成相应的检测报告。
2.根据权利要求1所述的一种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,其特征在于:步骤(3)中所述的定位系统包括GPS定位系统和IMU模块,其中GPS定位系统用来接收GPS卫星传送的无人机实时位置数据,IMU模块测量无人机所在位置的三维姿态。
3.根据权利要求1所述的一种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,其特征在于:步骤(4)中所述的等差温度子区间长度5-10℃,区间个数3-7个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810274612.8A CN108490030B (zh) | 2018-03-30 | 2018-03-30 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810274612.8A CN108490030B (zh) | 2018-03-30 | 2018-03-30 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108490030A CN108490030A (zh) | 2018-09-04 |
CN108490030B true CN108490030B (zh) | 2021-03-23 |
Family
ID=63317504
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810274612.8A Active CN108490030B (zh) | 2018-03-30 | 2018-03-30 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108490030B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109696457B (zh) * | 2019-01-10 | 2020-05-22 | 华南理工大学 | 面向玻璃幕墙胶接结构损伤的主动红外热波检测方法与系统 |
CN110192845B (zh) * | 2019-05-09 | 2021-10-01 | 广州番禺职业技术学院 | 一种生猪体温检测装置及系统 |
CN110988839B (zh) * | 2019-12-25 | 2023-10-10 | 中南大学 | 基于一维卷积神经网络的墙体健康状况的快速识别方法 |
CN110988872B (zh) * | 2019-12-25 | 2023-10-03 | 中南大学 | 无人机载穿墙雷达探测墙体健康状态的快速识别方法 |
CN111324953B (zh) * | 2020-02-18 | 2021-10-19 | 东南大学 | 一种传统建筑复合型垂直围护结构物理性能评价模型的简化方法 |
CN111721803A (zh) * | 2020-06-28 | 2020-09-29 | 吉林建筑大学 | 一种测墙体热阻的爬墙机器人、控制系统及方法 |
CN112033995B (zh) * | 2020-08-14 | 2023-12-26 | 佛山市三水凤铝铝业有限公司 | 一种门窗质量检测系统及方法 |
WO2022061899A1 (zh) * | 2020-09-28 | 2022-03-31 | 深圳市大疆创新科技有限公司 | 红外图像处理方法、装置及红外相机 |
CN112710698A (zh) * | 2020-12-08 | 2021-04-27 | 上海裕芮信息技术有限公司 | 一种基于红外热成像的炼化塔火炬设备的检测方法及系统 |
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 |
CN112581435B (zh) * | 2020-12-09 | 2022-08-23 | 吉林建筑大学 | 防眩晕方法及设备 |
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 (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102636313A (zh) * | 2012-04-11 | 2012-08-15 | 浙江工业大学 | 基于红外热成像图像处理的渗漏源检测装置 |
CN103163151A (zh) * | 2013-03-21 | 2013-06-19 | 山东省计算中心 | 基于红外图像的建筑热工缺陷精确定位方法 |
CN103196565A (zh) * | 2013-04-03 | 2013-07-10 | 山东省计算中心 | 基于红外热图的建筑室内节能检测点标记方法 |
CN104918008A (zh) * | 2015-05-15 | 2015-09-16 | 中国计量学院 | 一种基于无人机的封闭式火灾现场热源定位方法 |
CN207020538U (zh) * | 2017-06-28 | 2018-02-16 | 广州番客信息科技有限公司 | 一种无人机控制系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6367969B1 (en) * | 1999-07-21 | 2002-04-09 | General Electric Company | Synthetic reference thermal imaging method |
CN101078699B (zh) * | 2007-06-26 | 2010-05-26 | 东南大学 | 围护结构整体隔热性能的检测方法 |
US8494220B2 (en) * | 2010-10-15 | 2013-07-23 | Nancy Kerr Del Grande | Temporal thermal imaging method for detecting subsurface objects and voids |
CN106018417A (zh) * | 2016-06-27 | 2016-10-12 | 深圳大学 | 一种外墙缺陷的检测方法及检测系统 |
CN206638611U (zh) * | 2017-03-27 | 2017-11-14 | 吉林建筑大学 | 一种快速温度收缩测定仪 |
-
2018
- 2018-03-30 CN CN201810274612.8A patent/CN108490030B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102636313A (zh) * | 2012-04-11 | 2012-08-15 | 浙江工业大学 | 基于红外热成像图像处理的渗漏源检测装置 |
CN103163151A (zh) * | 2013-03-21 | 2013-06-19 | 山东省计算中心 | 基于红外图像的建筑热工缺陷精确定位方法 |
CN103196565A (zh) * | 2013-04-03 | 2013-07-10 | 山东省计算中心 | 基于红外热图的建筑室内节能检测点标记方法 |
CN104918008A (zh) * | 2015-05-15 | 2015-09-16 | 中国计量学院 | 一种基于无人机的封闭式火灾现场热源定位方法 |
CN207020538U (zh) * | 2017-06-28 | 2018-02-16 | 广州番客信息科技有限公司 | 一种无人机控制系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108490030A (zh) | 2018-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108490030B (zh) | 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 | |
CN108535321B (zh) | 一种基于三维红外热成像技术的建筑热工性能检测方法 | |
CN106091921B (zh) | 用于确定场景中的尺寸的方法 | |
CN102183237B (zh) | 一种地基双波段云高测量的装置和方法 | |
CN111931565A (zh) | 一种基于光伏电站uav的自主巡检与热斑识别方法及系统 | |
CN105930664B (zh) | 一种从被动微波数据估算瞬时地表发射率的方法 | |
CN112146761A (zh) | 一种基于机器学习的人体测温补偿方法 | |
CN113936413B (zh) | 一种早期火灾监测预警方法和装置 | |
CN107607091A (zh) | 一种测量无人机飞行航迹的方法 | |
CN111912937B (zh) | 一种室内突发污染物智能实时溯源方法及系统 | |
CN111598942A (zh) | 一种用于对电力设施仪表进行自动定位的方法及系统 | |
CN116754076B (zh) | 一种城市复杂三维场景高异质性地表温度的反演方法 | |
CN112964370B (zh) | 通过红外热成像从室外快速批量获取室内空气温度的方法 | |
CN102621180B (zh) | 一种节能门窗性能测试方法 | |
Granda-Cantuna et al. | Design and implementation of a wireless sensor network for precision agriculture operating in api mode | |
Banfi et al. | An experimental technique based on globe thermometers for the measurement of mean radiant temperature in urban settings | |
CN106303412B (zh) | 基于监控影像的排土场位移远程实时监测方法 | |
CN108614803A (zh) | 一种气象数据质量控制方法及系统 | |
CN105158413A (zh) | 一种用于遥感监测高寒草地基准样地的建立方法 | |
Zheng et al. | Monitoring and diagnostics of buildings' heat loss based on 3D IR model of multiple buildings | |
CN110321528B (zh) | 一种基于半监督地理空间回归分析的高光谱影像土壤重金属浓度评估方法 | |
Zihan et al. | Preliminary design of a new intelligent plant cultivation robot | |
CN205156953U (zh) | 一种室内外高空环境质量的飞行检测平台 | |
CN114710742A (zh) | 一种基于多链插值构建指纹地图的室内定位方法 | |
De Filippo et al. | AI-powered inspections of facades in reinforced concrete buildings |
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 |