CN108830256B - 封闭空间设备巡检方法及装置 - Google Patents
封闭空间设备巡检方法及装置 Download PDFInfo
- Publication number
- CN108830256B CN108830256B CN201810694935.2A CN201810694935A CN108830256B CN 108830256 B CN108830256 B CN 108830256B CN 201810694935 A CN201810694935 A CN 201810694935A CN 108830256 B CN108830256 B CN 108830256B
- Authority
- CN
- China
- Prior art keywords
- cloud data
- point cloud
- equipment
- vertical interval
- denoised
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种封闭空间设备巡检方法及装置,分区域对封闭空间内的设备进行点云数据采集,对于每一个区域内的设备的点云数据,通过拼接、去噪处理后,将去噪后的点云数据与点云数据模型库中的各个点云数据模型进行匹配,以确定去噪后的点云数据所表征的各个设备的第一属性信息;将去噪后的点云数据与第一属性信息相关联的保存;将去噪后的点云数据与关联有第一属性信息的历史点云数据进行比对,以对去噪后的点云数据所表征的各个设备进行异常分析;实现了对封闭空间内设备的自动化巡检,提高了封闭空间内设备的巡检效率,降低巡检人员处于缺氧、积水等不安全环境中的概率。
Description
技术领域
本申请涉及设备检测技术领域,更具体地说,涉及一种封闭空间设备巡检方法及装置。
背景技术
目前,封闭空间内(如地铁内、地下管廊等)设备多采用人工巡检或人工故障定位的运检模式,而封闭空间内设备的运行环境促狭、通风照明较差,人工运检不但费时费力,还存在缺氧、积水等不安全因素。
发明内容
本申请的目的是提供一种封闭空间设备巡检方法及装置,以至少部分的解决现有技术中存在的问题。
为实现上述目的,本申请提供了如下技术方案:
一种封闭空间设备巡检方法,包括:
采集所述封闭空间内若干预置区域内的设备的点云数据;所述每个所述预置区域内包括第一类设备的一部分,以及若干第二类设备;不同的预置区域内包括所述第一类设备的不同部分;对每个所述预置区域内的点云数据,执行如下步骤:
对所述点云数据进行拼接处理,得到拼接后的点云数据;
对所述拼接后的点云数据进行去噪处理;
将去噪后的点云数据与点云数据模型库中的各个点云数据模型进行匹配,以确定所述去噪后的点云数据所表征的各个设备的第一属性信息;
将所述去噪后的点云数据与所述第一属性信息相关联的保存;
将所述去噪后的点云数据与关联有所述第一属性信息的历史点云数据进行比对,以对所述去噪后的点云数据所表征的各个设备进行异常分析;所述异常包括:部件缺失或破损、连接部发生松动、异物覆盖或凸起、扭曲变形。
上述方法,优选的,所述历史点云数据包括:在预设历史时刻保存的关联了所述第一属性信息的点云数据;所述将所述去噪后的点云数据与关联有所述第一属性信息的历史点云数据进行比对,以对所述去噪后的点云数据所表征的各个设备进行异常分析,包括:
在所述去噪后的点云数据中提取第一设备的第一骨架特征,以及在所述历史点云数据中提取所述第一设备的第二骨架特征;
若对应同一属性信息的设备的第一骨架特征与第二骨架特征不同,确定关联所述第一设备发生异常。
上述方法,优选的,在确定第一设备发生异常之后,还包括:
在所述去噪后的点云数据中提取所述第一设备的第一连接部特征点,并在所述历史点云数据中提取所述第一设备的第二连接部特征点;
将所述第一连接部特征点在第一维度的第一坐标区间与所述第二连接部特征点在所述第一维度的第二坐标区间进行第一比对;
若第一比对结果表征所述第一坐标区间与所述第二坐标区间至少有部分区间不同时,确定所述第一设备的连接部发生松动。
上述方法,优选的,所述历史点云数据还包括:在最近的预设历史时长内多次保存的关联了所述第一属性信息的点云数据;在确定所述对应同一属性信息的设备发生异常之后,还包括:
对于保存的去噪后的点云数据,以及所述历史点云数据中每一次保存的点云数据,在垂直于地面的方向上分别将各点云数据划分为多个点云数据片,并统计该多个点云数据片中所述第一设备在垂直于地面的方向上的体积分布或切面面积分布;对应每个设备的体积分布或面积分布,执行如下步骤:
对统计得到的所有所述体积分布进行第二比对,若在一定历史时长内,对应第一垂直区间的体积连续变小,确定所述第一设备在所述第一垂直区间内发生部件缺失或破损;若在所述一定历史时长内对应第一垂直区间的体积连续变大,确定所述第一设备在所述第一垂直区间内发生异物覆盖或凸起;若在所述一定历史时长内对应第一垂直区间的体积连续变大,且对应第二垂直区间的体积连续变小,所述第一垂直区间与所述第二垂直区间为相邻区间,确定所述第一设备发生扭曲变形;或者,
对统计得到的所有所述面积分布进行第二比对,若在一定历史时长内,对应第一垂直区间的面积连续变小,确定所述第一设备在所述第一垂直区间内发生部件缺失或破损;若在所述一定历史时长内对应第一垂直区间的面积连续变大,确定所述第一设备在所述第一垂直区间内发生异物覆盖或凸起;若在所述一定历史时长内对应第一垂直区间的面积连续变大,且对应第二垂直区间的面积连续变小,所述第一垂直区间与所述第二垂直区间为相邻区间,确定所述第一设备发生扭曲变形。
一种封闭空间设备巡检装置,包括:
采集模块,用于采集所述封闭空间内若干预置区域内的设备的点云数据;所述每个所述预置区域内包括第一类设备的一部分,以及若干第二类设备;不同的预置区域内包括所述第一类设备的不同部分;
拼接模块,用于对每个所述预置区域内的点云数据,进行拼接处理,得到每个所述预置区域内的拼接后的点云数据;
去噪模块,用于对每个所述预置区域内的拼接后的点云数据进行去噪处理;
匹配模块,用于将每个所述预置区域内的去噪后的点云数据与点云数据模型库中的各个点云数据模型进行匹配,以确定每个所述预置区域内的去噪后的点云数据所表征的各个设备的第一属性信息;
保存模块,用于将每个所述预置区域内的去噪后的点云数据与所述第一属性信息相关联的保存;
分析模块,用于将每个所述预置区域内的去噪后的点云数据与关联有所述第一属性信息的历史点云数据进行比对,以对每个所述预置区域内的去噪后的点云数据所表征的各个设备进行异常分析;所述异常包括:部件缺失或破损、连接部发生松动、异物覆盖或凸起、扭曲变形。
上述装置,优选的,所述历史点云数据包括:在预设历史时刻保存的关联了所述第一属性信息的点云数据;所述分析模块具体用于:对于每个所述预置区域内的去噪后的点云数据,执行如下步骤:
在所述去噪后的点云数据中提取第一设备的第一骨架特征,以及在所述历史点云数据中提取所述第一设备的第二骨架特征;
若对应同一属性信息的设备的第一骨架特征与第二骨架特征不同,确定关联所述第一设备发生异常。
上述装置,优选的,所述分析模块还用于:
在确定设备发生异常之后,在所述去噪后的点云数据中提取所述第一设备的第一连接部特征点,并在所述历史点云数据中提取所述第一设备的第二连接部特征点;
将所述第一连接部特征点在第一维度的第一坐标区间与所述第二连接部特征点在所述第一维度的第二坐标区间进行第一比对;
若第一比对结果表征所述第一坐标区间与所述第二坐标区间至少有部分区间不同时,确定所述第一设备的连接部发生松动。
上述装置,优选的,所述历史点云数据还包括:在最近的预设历史时长内多次保存的关联了所述第一属性信息的点云数据;所述分析模块还用于:
在确定所述对应同一属性信息的设备发生异常之后,对于保存的去噪后的点云数据,以及所述历史点云数据中每一次保存的点云数据,在垂直于地面的方向上分别将各点云数据划分为多个点云数据片,并统计该多个点云数据片所述第一设备在垂直于地面的方向上的体积分布或面积分布;对应每个设备的体积分布或面积分布,执行如下步骤:
对统计得到的所有所述体积分布进行第二比对,若在一定历史时长内,对应第一垂直区间的体积连续变小,确定所述第一设备在所述第一垂直区间内发生部件缺失或破损;若在所述一定历史时长内对应第一垂直区间的体积连续变大,确定所述第一设备在所述第一垂直区间内发生异物覆盖或凸起;若在所述一定历史时长内对应第一垂直区间的体积连续变大,且对应第二垂直区间的体积连续变小,所述第一垂直区间与所述第二垂直区间为相邻区间,确定所述第一设备发生扭曲变形;或者,
对统计得到的所有所述面积分布进行第二比对,若在一定历史时长内,对应第一垂直区间的面积连续变小,确定所述第一设备在所述第一垂直区间内发生部件缺失或破损;若在所述一定历史时长内对应第一垂直区间的面积连续变大,确定所述第一设备在所述第一垂直区间内发生异物覆盖或凸起;若在所述一定历史时长内对应第一垂直区间的面积连续变大,且对应第二垂直区间的面积连续变小,所述第一垂直区间与所述第二垂直区间为相邻区间,确定所述第一设备发生扭曲变形。
通过以上方案可知,本申请提供的一种封闭空间设备巡检方法及装置,分区域对封闭空间内的设备进行点云数据采集,对于每一个区域内的设备的点云数据,通过拼接、去噪处理后,将去噪后的点云数据与点云数据模型库中的各个点云数据模型进行匹配,以确定去噪后的点云数据所表征的各个设备的第一属性信息;将去噪后的点云数据与第一属性信息相关联的保存;将去噪后的点云数据与关联有第一属性信息的历史点云数据进行比对,以对去噪后的点云数据所表征的各个设备进行异常分析;实现了对封闭空间内设备的自动化巡检,提高了封闭空间内设备的巡检效率,降低巡检人员处于缺氧、积水等不安全环境中的概率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的封闭空间设备巡检方法的一种实现流程图;
图2为本申请实施例提供的封闭空间设备巡检装置的一种结构示意图。
说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的部分,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示的以外的顺序实施。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
发明人研究发现,在封闭空间内,如地铁站或地下管廊中,有些设备如铁轨、线缆管等的长度比较长,直接采集整个铁轨或线缆管的点云数据的话,不仅工作量大,效率低,后续点云数据的处理过程中,工作量也将非常大。基于此,本申请提供的封闭空间设备巡检方法,对封闭空间分区域采集点云数据,不同区域的点云数据独立进行存储和处理。
具体的,可以将封闭空间在其延伸方向上划分为多段区域,由于封闭空间内的某些设备(记为第一类设备)是在封闭空间的延伸方向上延伸,因此,当将封闭空间在其延伸方向上划分为多段区域后,每一个区域内包括第一类设备(铁轨,线缆束等)的一部分,以及其它设备(记为第二类设备,如线缆支撑架或配电箱等较短小的设备)。
在一可选的实施例中,可以采用一个三维激光扫描仪对各个区域依次进行扫描,即各个区域内的设备均通过同一个三维激光扫描仪采集点云数据。
或者,
可以采用多个三维激光扫描仪对各个区域分别进行扫描(即若将封闭区间划分为了N个区域,则每个区域采用一个三维激光扫描仪进行扫描,共需要N个三维激光扫描仪),不同的区域采用相同型号的三维激光扫描仪进行扫描,以便对各个区域同时采集点云数据,提高数据采集的效率。
为了使得点云数据的处理结果的精度较高,可以选择高精度的三维激光扫描仪对设备进行扫描。例如,可以选择采样精度为mm级的三维激光扫描仪。
在通过三维激光扫描仪完成对设备的扫描后,可以将所采集的点云数据存储到预置数据库中,当需要进行点云数据处理时,从该预置数据库中获取点云数据。其中,在不同区域采集的点云数据相互独立的存储。
其中,三维激光扫描仪可以搭载在轮式机器人、履带式机器人、轨道式机器人、气垫船、钢索缆车等运动平台上。该运动平台上安装有支撑装置,该支撑装置可以包括:可伸缩桅杆,固定在所述可伸缩桅杆的可活动的一端的旋转轴,固定于所述旋转轴上,用于承载三维激光扫描仪的支撑平台,所述支撑平台随着所述旋转轴的转动而转动,使得三维激光扫描仪可以从不同的角度对设备进行扫描。支撑平台下设置有倾角传感器,用于测量支撑平台相对于水平面的倾斜角度。在采样作业前,先调整旋转轴的角度以及可伸缩桅杆的长度及角度,使得支撑平台在一定的高度以某种角度对设备进行扫描。
对应各个区域采集的点云数据分别进行处理,对在不同区域采集的点云数据采用相同处理方法进行处理,以对各个区域内的设备分别进行异常分析。对应于每个区域采集的点云数据,其处理过程如图1所示,图1为本申请实施例提供的对在某个区域采集的点云数据进行处理的一种实现流程图,可以包括:
步骤S11:对第一预置区域内的点云数据进行拼接处理,得到拼接后的点云数据。
第一预置区域为上述划分的多个区域中的任意一个区域。
在通过三维激光扫描仪对设备进行扫描时,受到许多客观因素的影响,通常需要从多个不同的视角(即不同位置)对设备进行扫描,这样三维激光扫描仪获取的点云数据是一些散乱的点,无明显的几何特征。将获取的点云数据进行拼接处理,就是将不同视角下采集的点云数据转换到同一坐标系下,以获得体现设备完整轮廓的点云数据。也就是说,拼接后的点云数据就是体现第一预置区域内的设备的轮廓的点云数据。对于第一类设备,由于第一预置区域内只包含第一类设备的一部分,因此,对于第一类设备而言,拼接后的点云数据中体现的是第一类设备的一部分的轮廓。
本申请实施例中,在三维激光扫描仪进行扫描作业时,记录三维激光扫描仪的坐标,并将扫描仪的坐标与在该坐标处扫描到的点云数据相关联。在扫描完成后,所记录的坐标按照记录的先后顺序形成一坐标序列,也就是说,坐标序列中的坐标按照坐标记录的先后顺序进行排列。每一个坐标关联的点云数据构成一个点云数据片,也就是说,不同的坐标对应不同的点云数据片,不同的坐标对应的点云数据片包含的点云数据中存在部分相同的点云数据。
具体在进行拼接时,可以按照三维激光扫描仪进行扫描作业时的坐标序列中坐标的排列顺序,将相邻两个坐标对应的点云数据片进行拼接。
本申请实施例中,通过在进行采集作业时,记录三维激光扫描仪的坐标,并将扫描仪的坐标与在该坐标处扫描到的点云数据相关联,按照坐标序列中坐标的排列顺序,将相邻两个坐标对应的点云数据片进行拼接,避免随机从采集的点云数据中获取的待拼接的两个点云数据片不能进行拼接,需要重新从采集的点云数据中获取另一点云数据片进行拼接,导致拼接速度慢的问题。
步骤S12:对拼接后的点云数据进行去噪处理。
具体的,可以将拼接后的点云数据平均划分为若干立方体网格,该立方体网格的边长的长度为预置长度,例如1cm。
对立方体网格中的点云数据进行计数。
若计数结果小于预设阈值,则删除立方体网格内的点云数据;否则,保留立方体网格内的点云数据。
步骤S13:将去噪后的点云数据与点云数据模型库中的各个点云数据模型进行匹配,以确定去噪后的点云数据所表征的各个设备的第一属性信息。
点云数据模型库中可以包括封闭区间内各种设备的点云数据模型,例如,对于第一类设备,点云数据模型库中包含该第一类设备被划分得到的各个部分的点云数据模型。对于第二类设备,点云数据模型库中包含的是完整的第二类设备的点云数据模型。
在将去噪后的点云数据与点云数据模型库中的各个点云数据模型分别进行匹配时,可以先根据预先存储的设备位置,以及设备的大小(即长、宽、高)确定目标空间区域,该目标空间区域内的点云数据即为一个设备的点云数据。也就是说,本申请实施例中,预先存储了哪些位置有设备,以及这些位置处设备的大小的信息。针对任意一设备,为方便叙述,记为第一设备,可以从目标空间区域内的点云数据中提取第一设备的特征数据,计算该第一设备的特征数据与点云数据模型库中的各个点云数据模型的特征数据的相似度,将最大相似度对应的点云数据模型确定为与第一设备匹配的点云数据模型。确定的点云数据模型对应的属性信息即为第一设备的属性信息。设备的属性信息可以包括:设备名称、设备的位置、设备所属区域、设备的特定组成部分(如连接部)的大小、以及该特定组成部分在设备中的位置等。
上述特征数据可以包括以下特征中的至少一种特征:骨架特征、面积特征、体积特征、投影轮廓特征、边界曲率特征等。
下面举例说明将第一设备点云数据与点云数据模型进行匹配的具体实现过程。
举例一
将第一设备的点云数据在三维坐标系中三个相互垂直的平面上分别进行投影,并提取各个投影的轮廓特征(为方便叙述,记为第一轮廓特征)和边界点曲率特征(为方便叙述,记为第一边界点曲率特征)。
将点云数据模型在相同的三维坐标系中三个相互垂直的平面上分别进行投影,并提取各个投影的轮廓特征(为方便叙述,记为第二轮廓特征)和边界点曲率特征(为方便叙述,记为第二边界点曲率特征)。
计算同一平面上的第一轮廓特征与第二轮廓特征的第一距离,以及同一平面上的第一边界点曲率特征与第二边界点曲率特征的第二距离;
将对应同一平面的第一距离和第二距离求和,得到第一和值;三个平面一共得到三个第一和值。
将三个第一和值求和,得到第二和值。该第二和值表征第一设备的点云数据与点云数据模型的相似度。第二和值越大,相似度越低,第二和值越小,相似度越高。
举例二
分别提取第一设备的点云数据的第一骨架特征,以及点云数据模型的第二骨架特征;
将第一骨架特征与第二骨架特征进行比对,若第一骨架特征与第二骨架特征的路径数、节点数,以及节点之间的连通关系均一致,则子空间内的点云数据与点云数据模型相同,否则二者不同。
下面以点云数据模型为例,说明提取骨架特征的过程:
确定初始表面骨架:将点云数据模型的边界点中,曲率大于预设曲率阈值的点作为特征点,为方便叙述,这里假设一共有m个特征点。
计算点云数据模型中,每个特征点到点云数据模型的质心的最短路径,得到m个最短路径,将该m个最短路径作为点云数据模型的初始表面骨架。
对初始表面骨架进行简化:对初始表面骨架中的节点进行三角连接,计算三角的质心坐标,对质心所属的预置大小的立方体网格中的点云数据进行计数,若计数结果大于第一预设阈值,则确定与三角的三个顶点处的节点(记为第一节点)连接的第二节点,删除第一节点与第二节点的连接路径,将三角的质心与第二节点连接,形成新路径,以便用尽量少的节点表征点云数据模型的骨架。
优选的,三角质心所属的预置大小的立方体网格是指以三角质心为质心的立方体网格,该立方体网格的边与点云数据所在三维坐标系的三个坐标轴平行或垂直,该立方体网格的边的长度为预置长度,例如1cm。
步骤S14:将去噪后的点云数据与所述第一属性信息相关联的保存。
具体的,将去噪后的点云数据中,表征同一设备的点云数据与该点云数据所表征设备的属性信息相关联的保存。
步骤S15:将去噪后的点云数据与关联有第一属性信息的历史点云数据进行比对,以对去噪后的点云数据所表征的各个设备进行异常分析;异常包括:部件缺失或破损、连接部发生松动、异物覆盖或凸起、扭曲变形。
本申请实施例中,步骤S14与步骤S15的执行顺序不做具体限定,可以先执行步骤S14,再执行步骤S15,或者,先执行步骤S15,再执行步骤S14,或者两个步骤同时执行。
其中,历史点云数据可以是:在预设历史时长内多次保存的关联了第一属性信息的点云数据。本申请实施例中,在上述预设历史时长内多次保存了关联了第一属性信息的点云数据,也就是说,在该预设历史时长内,多次采集封闭空间内设备的点云数据并对每次采集的点云数据通过步骤S11~步骤S14进行处理,得到关联了第一属性信息的点云数据。
历史点云数据也可以是:在预设历史时刻保存的关联了第一属性信息的点云数据。例如,历史点云数据可以是指在设备在首次安装或布置好之后,采集点云数据并对采集的点云数据通过步骤S11~步骤S14的处理得到的关联了第一属性信息的点云数据。该历史点云数据也可以是在对出现异常(如平移、部件缺失等)的设备进行修复后,采集点云数据并对采集的点云数据通过步骤S11~步骤S14的处理得到的关联了第一属性信息的点云数据。也就是说,历史点云数据是对某个历史时刻采集的设备的点云数据通过步骤S11~步骤S14的处理得到的关联了第一属性信息的点云数据。该预设历史时刻保存的关联了第一属性信息的点云数据,还可以关联有部件标记,用于标记点云数据中表征设备的部件的点云数据,该部件标记可以是人为手动添加的标记,也可以是根据匹配的点云数据模型中携带的部件标记添加得到。该预设历史时刻保存的关联了第一属性信息的点云数据可以关联有多个部件标记,不同的部件标记用于标记设备的不同的部件。
综上,历史点云数据可以是指某一次保存的关联了第一属性信息的点云数据,也可以是多次保存的关联了第一属性信息的点云数据。
由于需要监测设备是否发生异常,因此,可以周期性执行本申请提供的封闭空间设备巡检方法。在每个执行周期内,均执行步骤S11~步骤S15。当然,也可以在需要的时候(如连阴雨、大雨、雷雨等第一类气象条件下,或者,在出现第一类气象条件后,天气转好的第二类气象条件下)执行本申请提供封闭空间设备巡检方法,而不必仅仅局限于周期性执行本申请提供的封闭空间设备巡检方法。另外,周期的长短也可以根据实际需求进行调整,例如,在大雨或洪涝等气象条件下,可以缩短周期,而在晴天情况下,则可以延长周期。
本申请提供的封闭空间设备巡检方法,分区域对封闭空间内的设备进行点云数据采集,对于每一个区域内的设备的点云数据,通过拼接、去噪处理后,将去噪后的点云数据与点云数据模型库中的各个点云数据模型进行匹配,以确定去噪后的点云数据所表征的各个设备的第一属性信息;将去噪后的点云数据与第一属性信息相关联的保存;将去噪后的点云数据与关联有第一属性信息的历史点云数据进行比对,以对去噪后的点云数据所表征的各个设备进行异常分析;实现了对封闭空间内设备的自动化巡检,提高了封闭空间内设备的巡检效率,降低巡检人员处于缺氧、积水等不安全环境中的概率。
在一可选的实施例中,历史点云数据可以包括:在预设历史时刻保存的关联了第一属性信息的点云数据;将去噪后的点云数据与关联有第一属性信息的历史点云数据进行比对,以对去噪后的点云数据所表征的各个设备进行异常分析,包括:
在去噪后的点云数据中提取第一设备的第一骨架特征,以及在所述历史点云数据中提取第一设备的第二骨架特征。
具体提取骨架特征的方法可以参看前述实施例,这不再详述。
若第一骨架特征与第二骨架特征不同,确定第一设备发生异常。
若第一骨架特征与第二骨架特征不同或相似度(可以用第一骨架特征与第二骨架特征之间的距离表征,距离越相似度越高,距离越大,相似度越低)低于预设值,说明第一设备发生部件缺失或破损,或者,连接部发生松动,或者,异物覆盖或凸起,或者,扭曲变形等异常情况。
上述实施例中,只是粗略的判断出第一设备是否发生异常,而没有判断出第一设备具体发生了哪些异常。下面说明判断第一设备发生异常的具体实现过程。
在一可选的实施例中,在确定第一设备发生异常之后,还可以包括:
在去噪后的点云数据中提取第一设备(即发生异常的设备)的第一连接部特征点,并在历史点云数据中提取第一设备的第二连接部特征点。
其中,第一连接部特征点和第二类连接部特征点是指在不同的点云数据中提取的第一设备的同一连接部件的特征点。第二连接部特征点可以从部件标记的点云数据中提取。第一连接部特征点可以通过与第二连接部特征点进行特征匹配确定。具体匹配过程可以应用现有的已经成熟的匹配技术,这里不再详述。也就是说,第一连接部特征点是从去噪后的点云数据中与第二连接部特征点最相似的点云数据中提取的特征点。
将第一连接部特征点在第一维度的第一坐标区间与第二连接部特征点在第一维度的第二坐标区间进行第一比对。第一维度的坐标轴可以是与连接部发生松动的方向平行的坐标轴。
若第一比对结果表征第一坐标区间与第二坐标区间至少有部分区间不同时,确定第一设备的连接部发生松动。
当第一设备的连接部发生松动时,连接部在第一维度的坐标区间通常会变大。
当第一坐标区间与第二坐标区间至少有部分区间不同时,说明第一设备的连接部件的至少部分区域发生了移动,也就是第一设备的连接部件发生松动。
在另一可选的实施例中,历史点云数据中除了包括上述在预设历史时刻保存的关联了第一属性信息的点云数据外,还可以包括:在最近的预设历史时长内多次保存的关联了第一属性信息的点云数据,例如在最近的预设历史时长内按照一定的周期执行本申请提供的封闭空间设备巡检方法而保存的关联了第一属性信息的点云数据;在确定上述对应同一属性信息的设备发生异常之后,还可以包括:
对于对应同一预置区域保存的去噪后的点云数据,以及历史点云数据中每一次保存的点云数据,在垂直于地面的方向上分别将各点云数据划分为多个点云数据片,并统计该多个点云数据片中对应同一属性信息的设备的点云数据在垂直于地面的方向上的体积分布或切面面积分布(简称面积分布)。
本申请实施例中,对于每一次保存的点云数据(包括本次保存的去噪后的点云数据,以及上述历史点云数据),均将其在垂直于地面的方向上分割为多个点云数据片。假设点云数据所处的坐标系为xyz三维坐标系,其中,x轴和y轴构成的平面与地面平行,则x轴和y轴构成的平面与z轴垂直。本申请实施例中,在z轴方向上将每一次保存的点云数据分割为多个点云数据片。其中,不同的点云数据在z轴方向上的分割方式相同,例如,均按照每1cm切割一次的方式进行分割,则各个点云数据片在z轴方向上的厚度均为1cm。
在对点云数据进行切割后,点云数据所表征的各个设备也被切割为多个切片。对于每一次保存的点云数据,其所表征的每一个设备(为方便叙述,记为第一设备)在垂直于地面的方向上的体积分布为:在切割得到的多个垂直区间上点云数据片所表征第一设备的切片的体积分布。若用直方图表示点云数据片所表征的第一设备切片的体积分布,则该直方图的横轴为分割得到的多个垂直区间,纵轴为垂直区间对应的点云数据片所表征的第一设备切片的体积。
在对点云数据进行切割后,对于每一次保存的点云数据,其所表征的第一设备在垂直于地面的方向上的面积分布为:在切割得到的多个垂直区间上点云数据片所表征的第一设备切片的面积分布。若用直方图表示点云数据片所表征的第一设备切片的面积分布,则该直方图的横轴为分割得到的多个垂直区间,纵轴为垂直区间对应的点云数据片所表征的第一设备切片的面积。
对应每个设备(为方便叙述,记为第一设备)的体积分布或面积分布,执行如下步骤:
对统计得到的所述第一设备的所有体积分布进行第二比对,若在一定历史时长(该一定历史时长为上述预设历史时长内的一个子区间,也就是说,该一定历史时长小于或等于上述预设历史时长)内,对应第一垂直区间的体积连续变小,确定第一设备在第一垂直区间内发生部件缺失或破损;若在一定历史时长内对应第一垂直区间的体积连续变大,确定第一设备在第一垂直区间内发生异物覆盖或凸起;若在一定历史时长内对应第一垂直区间的体积连续变大,且对应第二垂直区间的体积连续变小,第一垂直区间与第二垂直区间为相邻区间,确定第一设备发生扭曲变形;或者,
对统计得到的所有面积分布进行第二比对,若在一定历史时长内,对应第一垂直区间的面积连续变小,确定第一设备在第一垂直区间内发生部件缺失或破损;若在一定历史时长内对应第一垂直区间的面积连续变大,确定第一设备在第一垂直区间内发生异物覆盖或凸起;若在一定历史时长内对应第一垂直区间的面积连续变大,且对应第二垂直区间的面积连续变小,第一垂直区间与第二垂直区间为相邻区间,确定第一设备发生扭曲变形。
第一垂直区间可以是分割得到的最小单位的区间,例如,上述1cm长的一个区间,也可以是依次相邻的多个(两个或更多个)最小单位的区间构成的一个较大的区间。同理,第二垂直区间可以是分割得到的最小单位的区间,例如,上述1cm长的一个区间,也可以是依次相邻的多个(两个或更多个)最小单位的区间构成的一个较大的区间。第一垂直区间和第二垂直区间的长度可以相同,也可以不同。
本申请实施例中,对点云数据在时间和空间两个维度上进行分析,从而确定设备是否发生部件缺失或破损,异物覆盖或凸起,或者,扭曲变形等异常。
与方法实施例相对应,本申请还提供一种封闭区间设备巡检装置。本申请提供的封闭区间设备巡检装置的一种结构示意图如图2所示,可以包括:
采集模块21,拼接模块22,去噪模块23,匹配模块24,保存模块25和分析模块26;其中,
采集模块21用于采集所述封闭空间内若干预置区域内的设备的点云数据;所述每个所述预置区域内包括第一类设备的一部分,以及若干第二类设备;不同的预置区域内包括所述第一类设备的不同部分;
拼接模块22用于对每个所述预置区域内的点云数据,进行拼接处理,得到每个所述预置区域内的拼接后的点云数据;
去噪模块23用于对每个所述预置区域内的拼接后的点云数据进行去噪处理;
匹配模块24用于将每个所述预置区域内的去噪后的点云数据与点云数据模型库中的各个点云数据模型进行匹配,以确定每个所述预置区域内的去噪后的点云数据所表征的各个设备的第一属性信息;
保存模块25用于将每个所述预置区域内的去噪后的点云数据与所述第一属性信息相关联的保存;
分析模块26用于将每个所述预置区域内的去噪后的点云数据与关联有所述第一属性信息的历史点云数据进行比对,以对每个所述预置区域内的去噪后的点云数据所表征的各个设备进行异常分析;所述异常包括:部件缺失或破损、连接部发生松动、异物覆盖或凸起、扭曲变形。
本申请提供的封闭空间设备巡检装置,分区域对封闭空间内的设备进行点云数据采集,对于每一个区域内的设备的点云数据,通过拼接、去噪处理后,将去噪后的点云数据与点云数据模型库中的各个点云数据模型进行匹配,以确定去噪后的点云数据所表征的各个设备的第一属性信息;将去噪后的点云数据与第一属性信息相关联的保存;将去噪后的点云数据与关联有第一属性信息的历史点云数据进行比对,以对去噪后的点云数据所表征的各个设备进行异常分析;实现了对封闭空间内设备的自动化巡检,提高了封闭空间内设备的巡检效率,降低巡检人员处于缺氧、积水等不安全环境中的概率。
在一可选的实施例中,历史点云数据包括:在预设历史时刻保存的关联了第一属性信息的点云数据;分析模块26具体用于:对于每个预置区域内的去噪后的点云数据,执行如下步骤:
在去噪后的点云数据中提取第一设备的第一骨架特征,以及在历史点云数据中提取第一设备的第二骨架特征;
若第一骨架特征与第二骨架特征不同,确定第一设备发生异常。
在一可选的实施例中,分析模块26还可以用于:
在确定设备发生异常之后,在所述去噪后的点云数据中提取第一设备的第一连接部特征点,并在所述历史点云数据中提取第一设备的第二连接部特征点;
将所述第一连接部特征点在第一维度的第一坐标区间与所述第二连接部特征点在所述第一维度的第二坐标区间进行第一比对;
若第一比对结果表征所述第一坐标区间与所述第二坐标区间至少有部分区间不同时,确定第一设备的连接部发生松动。
在一可选的实施例中,历史点云数据还包括:在最近的预设历史时长内多次保存的关联了所述第一属性信息的点云数据;所述分析模块26还可以用于:
在确定所述对应同一属性信息的设备发生异常之后,对于保存的去噪后的点云数据,以及所述历史点云数据中每一次保存的点云数据,在垂直于地面的方向上分别将各点云数据划分为多个点云数据片,并统计该多个点云数据片中第一设备在垂直于地面的方向上的体积分布或面积分布;对应每个设备的体积分布或面积分布,执行如下步骤:
对统计得到的所有所述体积分布进行第二比对,若在一定历史时长内,对应第一垂直区间的体积连续变小,确定第一设备在所述第一垂直区间内发生部件缺失或破损;若在所述一定历史时长内对应第一垂直区间的体积连续变大,确定第一设备在所述第一垂直区间内发生异物覆盖或凸起;若在所述一定历史时长内对应第一垂直区间的体积连续变大,且对应第二垂直区间的体积连续变小,所述第一垂直区间与所述第二垂直区间为相邻区间,确定第一设备发生扭曲变形;或者,
对统计得到的所有所述面积分布进行第二比对,若在一定历史时长内,对应第一垂直区间的面积连续变小,确定第一设备在所述第一垂直区间内发生部件缺失或破损;若在所述一定历史时长内对应第一垂直区间的面积连续变大,确定第一设备在所述第一垂直区间内发生异物覆盖或凸起;若在所述一定历史时长内对应第一垂直区间的面积连续变大,且对应第二垂直区间的面积连续变小,所述第一垂直区间与所述第二垂直区间为相邻区间,确定第一设备发生扭曲变形。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
应当理解,本申请实施例中,从权、各个实施例、特征可以互相组合结合,都能实现解决前述技术问题。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (4)
1.一种封闭空间设备巡检方法,其特征在于,包括:
采集所述封闭空间内若干预置区域内的设备的点云数据;每个所述预置区域内包括第一类设备的一部分,以及若干第二类设备;不同的预置区域内包括所述第一类设备的不同部分;对每个所述预置区域内的点云数据,执行如下步骤:
对所述预置区域内的点云数据进行拼接处理,得到拼接后的点云数据;
对所述拼接后的点云数据进行去噪处理;
将去噪后的点云数据与点云数据模型库中的各个点云数据模型进行匹配,以确定所述去噪后的点云数据所表征的各个设备的第一属性信息;
将所述去噪后的点云数据与所述第一属性信息相关联的保存;
将所述去噪后的点云数据与关联有所述第一属性信息的历史点云数据进行比对,以对所述去噪后的点云数据所表征的各个设备进行异常分析;所述异常包括:部件缺失或破损、连接部发生松动、异物覆盖或凸起、扭曲变形;
其中,所述历史点云数据包括:在预设历史时刻保存的关联了所述第一属性信息的点云数据;所述历史点云数据还包括:在最近的预设历史时长内多次保存的关联了所述第一属性信息的点云数据;所述将所述去噪后的点云数据与关联有所述第一属性信息的历史点云数据进行比对,以对所述去噪后的点云数据所表征的各个设备进行异常分析,包括:
在所述去噪后的点云数据中提取第一设备的第一骨架特征,以及在所述历史点云数据中提取所述第一设备的第二骨架特征;
若所述第一骨架特征与第二骨架特征不同,确定所述第一设备发生异常;
对于保存的去噪后的点云数据,以及所述历史点云数据中每一次保存的点云数据,在垂直于地面的方向上分别将各点云数据划分为多个点云数据片,并统计该多个点云数据片所述第一设备在垂直于地面的方向上的体积分布或切面面积分布;对应每个设备的体积分布或面积分布,执行如下步骤:
对统计得到的所有所述体积分布进行第二比对,若在一定历史时长内,对应第一垂直区间的体积连续变小,确定所述第一设备在所述第一垂直区间内发生部件缺失或破损;若在所述一定历史时长内对应第一垂直区间的体积连续变大,确定所述第一设备在所述第一垂直区间内发生异物覆盖或凸起;若在所述一定历史时长内对应第一垂直区间的体积连续变大,且对应第二垂直区间的体积连续变小,所述第一垂直区间与所述第二垂直区间为相邻区间,确定所述第一设备发生扭曲变形;或者,
对统计得到的所有所述面积分布进行第二比对,若在一定历史时长内,对应第一垂直区间的面积连续变小,确定所述第一设备在所述第一垂直区间内发生部件缺失或破损;若在所述一定历史时长内对应第一垂直区间的面积连续变大,确定所述第一设备在所述第一垂直区间内发生异物覆盖或凸起;若在所述一定历史时长内对应第一垂直区间的面积连续变大,且对应第二垂直区间的面积连续变小,所述第一垂直区间与所述第二垂直区间为相邻区间,确定所述第一设备发生扭曲变形。
2.根据权利要求1所述的方法,其特征在于,在确定第一设备发生异常之后,还包括:
在所述去噪后的点云数据中提取所述第一设备的第一连接部特征点,并在所述历史点云数据中提取所述第一设备的第二连接部特征点;
将所述第一连接部特征点在第一维度的第一坐标区间与所述第二连接部特征点在所述第一维度的第二坐标区间进行第一比对;
若第一比对结果表征所述第一坐标区间与所述第二坐标区间至少有部分区间不同时,确定所述第一设备的连接部发生松动。
3.一种封闭空间设备巡检装置,其特征在于,包括:
采集模块,用于采集所述封闭空间内若干预置区域内的设备的点云数据;每个所述预置区域内包括第一类设备的一部分,以及若干第二类设备;不同的预置区域内包括所述第一类设备的不同部分;
拼接模块,用于对每个所述预置区域内的点云数据,进行拼接处理,得到每个所述预置区域内的拼接后的点云数据;
去噪模块,用于对每个所述预置区域内的拼接后的点云数据进行去噪处理;
匹配模块,用于将每个所述预置区域内的去噪后的点云数据与点云数据模型库中的各个点云数据模型进行匹配,以确定每个所述预置区域内的去噪后的点云数据所表征的各个设备的第一属性信息;
保存模块,用于将每个所述预置区域内的去噪后的点云数据与所述第一属性信息相关联的保存;
分析模块,用于将每个所述预置区域内的去噪后的点云数据与关联有所述第一属性信息的历史点云数据进行比对,以对每个所述预置区域内的去噪后的点云数据所表征的各个设备进行异常分析;所述异常包括:部件缺失或破损、连接部发生松动、异物覆盖或凸起、扭曲变形;所述历史点云数据包括:在预设历史时刻保存的关联了所述第一属性信息的点云数据;所述历史点云数据还包括:在最近的预设历史时长内多次保存的关联了所述第一属性信息的点云数据;
所述分析模块具体用于:对于每个所述预置区域内的去噪后的点云数据,执行如下步骤:
在所述去噪后的点云数据中提取第一设备的第一骨架特征,以及在所述历史点云数据中提取所述第一设备的第二骨架特征;
若对应同一属性信息的设备的第一骨架特征与第二骨架特征不同,确定关联所述第一设备发生异常;
在确定所述对应同一属性信息的设备发生异常之后,对于保存的去噪后的点云数据,以及所述历史点云数据中每一次保存的点云数据,在垂直于地面的方向上分别将各点云数据划分为多个点云数据片,并统计该多个点云数据片中所述第一设备在垂直于地面的方向上的体积分布或面积分布;对应每个设备的体积分布或面积分布,执行如下步骤:
对统计得到的所有所述体积分布进行第二比对,若在一定历史时长内,对应第一垂直区间的体积连续变小,确定所述第一设备在所述第一垂直区间内发生部件缺失或破损;若在所述一定历史时长内对应第一垂直区间的体积连续变大,确定所述第一设备在所述第一垂直区间内发生异物覆盖或凸起;若在所述一定历史时长内对应第一垂直区间的体积连续变大,且对应第二垂直区间的体积连续变小,所述第一垂直区间与所述第二垂直区间为相邻区间,确定所述第一设备发生扭曲变形;或者,
对统计得到的所有所述面积分布进行第二比对,若在一定历史时长内,对应第一垂直区间的面积连续变小,确定所述第一设备在所述第一垂直区间内发生部件缺失或破损;若在所述一定历史时长内对应第一垂直区间的面积连续变大,确定所述第一设备在所述第一垂直区间内发生异物覆盖或凸起;若在所述一定历史时长内对应第一垂直区间的面积连续变大,且对应第二垂直区间的面积连续变小,所述第一垂直区间与所述第二垂直区间为相邻区间,确定所述第一设备发生扭曲变形。
4.根据权利要求3所述的装置,其特征在于,所述分析模块还用于:
在确定设备发生异常之后,在所述去噪后的点云数据中提取所述第一设备的第一连接部特征点,并在所述历史点云数据中提取所述第一设备的第二连接部特征点;
将所述第一连接部特征点在第一维度的第一坐标区间与所述第二连接部特征点在所述第一维度的第二坐标区间进行第一比对;
若第一比对结果表征所述第一坐标区间与所述第二坐标区间至少有部分区间不同时,确定所述第一设备的连接部发生松动。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810694935.2A CN108830256B (zh) | 2018-06-29 | 2018-06-29 | 封闭空间设备巡检方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810694935.2A CN108830256B (zh) | 2018-06-29 | 2018-06-29 | 封闭空间设备巡检方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108830256A CN108830256A (zh) | 2018-11-16 |
CN108830256B true CN108830256B (zh) | 2021-11-30 |
Family
ID=64133704
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810694935.2A Active CN108830256B (zh) | 2018-06-29 | 2018-06-29 | 封闭空间设备巡检方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108830256B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111260541B (zh) * | 2020-01-13 | 2021-04-20 | 陕西心像信息科技有限公司 | 线缆密集度高的设备线缆的展示方法及展示设备 |
CN111507951A (zh) * | 2020-04-08 | 2020-08-07 | 中国电力科学研究院有限公司 | 电缆线路隧道工程巡检装置 |
CN111604888B (zh) * | 2020-05-29 | 2021-09-14 | 珠海格力电器股份有限公司 | 巡检机器人控制方法、巡检系统、存储介质及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106123845A (zh) * | 2015-05-07 | 2016-11-16 | 国家测绘地理信息局第六地形测量队 | 基于三维激光扫描技术的边坡位移监测方法 |
US20170220896A1 (en) * | 2009-05-27 | 2017-08-03 | Prioria Robotics, Inc. | Fault-Aware Matched Filter and Optical Flow |
CN107093206A (zh) * | 2017-04-20 | 2017-08-25 | 中铁十局集团电务工程有限公司 | 利用3d激光扫描技术快速bim建模的方法 |
CN108180856A (zh) * | 2018-01-30 | 2018-06-19 | 中国地质大学(武汉) | 一种基于激光数据的隧道变形监测方法、设备及存储设备 |
-
2018
- 2018-06-29 CN CN201810694935.2A patent/CN108830256B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170220896A1 (en) * | 2009-05-27 | 2017-08-03 | Prioria Robotics, Inc. | Fault-Aware Matched Filter and Optical Flow |
CN106123845A (zh) * | 2015-05-07 | 2016-11-16 | 国家测绘地理信息局第六地形测量队 | 基于三维激光扫描技术的边坡位移监测方法 |
CN107093206A (zh) * | 2017-04-20 | 2017-08-25 | 中铁十局集团电务工程有限公司 | 利用3d激光扫描技术快速bim建模的方法 |
CN108180856A (zh) * | 2018-01-30 | 2018-06-19 | 中国地质大学(武汉) | 一种基于激光数据的隧道变形监测方法、设备及存储设备 |
Also Published As
Publication number | Publication date |
---|---|
CN108830256A (zh) | 2018-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108846374B (zh) | 电力设备巡检方法及装置 | |
CN109059791B (zh) | 电力设备变形监测方法及装置 | |
CN108830256B (zh) | 封闭空间设备巡检方法及装置 | |
US7752018B2 (en) | Geospatial modeling system providing building roof type identification features and related methods | |
EP2710556B1 (en) | Method and system for processing image data | |
CN108895976B (zh) | 封闭空间设备变形监测方法及装置 | |
CN113125444A (zh) | 一种基于无人机搭载三维扫描仪的铁路桥梁病害监测方法 | |
CN109636779B (zh) | 识别家禽体积体尺的方法、装置及存储介质 | |
CN110595446B (zh) | 一种基于虚拟靠尺的建筑实测实量方法及装置 | |
CN110794413A (zh) | 线性体素分割的激光雷达点云数据电力线检测方法和系统 | |
Hildebrandt et al. | From points to numbers: a database-driven approach to convert terrestrial LiDAR point clouds to tree volumes | |
CN111489416A (zh) | 隧道轴线拟合方法及在超欠挖方量计算上的应用 | |
CN108898598B (zh) | 输电导线监测方法及装置 | |
CN115854895A (zh) | 一种基于目标立木形态的非接触式立木胸径测量方法 | |
CN107507192B (zh) | 一种水稻剑叶夹角在体测量便携装置及在体测量方法 | |
CN117036944A (zh) | 基于点云数据和图像识别的树木碳汇量计算方法及系统 | |
Sarıtaş et al. | Enhancing Ground Point Extraction in Airborne LiDAR Point Cloud Data Using the CSF Filter Algorithm | |
CN112184903A (zh) | 高压线行树障风险点的检测方法、装置、设备及介质 | |
Husain et al. | An automated approach for street trees detection using mobile laser scanner data | |
CN116452604A (zh) | 一种复杂变电站场景分割方法、设备及存储介质 | |
CN115830234A (zh) | 一种输电线路建模用点云处理方法及处理系统 | |
CN108876785B (zh) | 封闭空间水情监测方法及系统 | |
CN108876885B (zh) | 电力设备的点云数据处理方法及装置 | |
CN114445326A (zh) | 光伏面板异常检测方法、检测装置及计算机可读存储装置 | |
CN113269202A (zh) | 一种提取门型电塔点云的方法 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 250000 Electric Power Intelligent Robot Production Project 101 in Jinan City, Shandong Province, South of Feiyue Avenue and East of No. 26 Road (ICT Industrial Park) Applicant after: National Network Intelligent Technology Co., Ltd. Address before: Xinluo Avenue high tech Zone of Ji'nan City, Shandong province 250101 silver bearing No. 2008 building Applicant before: Shandong Luneng Intelligent Technology Co., Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |