CN109187555A - 基于机器视觉的建筑外墙裂缝检测系统及方法 - Google Patents

基于机器视觉的建筑外墙裂缝检测系统及方法 Download PDF

Info

Publication number
CN109187555A
CN109187555A CN201811090867.5A CN201811090867A CN109187555A CN 109187555 A CN109187555 A CN 109187555A CN 201811090867 A CN201811090867 A CN 201811090867A CN 109187555 A CN109187555 A CN 109187555A
Authority
CN
China
Prior art keywords
image
cmos sensor
external wall
crack
machine vision
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
Application number
CN201811090867.5A
Other languages
English (en)
Inventor
杨扬
胡心怡
顾圣骏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Aotexin Intelligent Technology Co Ltd
Original Assignee
Suzhou Aotexin Intelligent Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suzhou Aotexin Intelligent Technology Co Ltd filed Critical Suzhou Aotexin Intelligent Technology Co Ltd
Priority to CN201811090867.5A priority Critical patent/CN109187555A/zh
Publication of CN109187555A publication Critical patent/CN109187555A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Abstract

本发明涉及基于机器视觉的建筑外墙裂缝检测系统及方法，该系统包括微电脑处理器、CMOS传感器及激光照明系统，激光照明系统包括四个呈矩形排布的点状激光发射器，发射光束垂直于CMOS传感器成像平面，矩形中心位于CMOS传感器成像中心处，微电脑处理器实时采集CMOS传感器的图像；该方法通过图像灰度阈值处理与骨架细化算法提取裂缝数据，根据提取的点状激光所构成的矩形像素长度获取单位像素对应的实际长度，根据两帧间相对运动的累加获取当前CMOS传感器在外墙参考系下的绝对位置，从而得到裂缝的实际长度、裂缝在外墙参考系下的坐标。本发明建筑外墙裂缝检测系统及方法能够实现对裂缝的自动检测、尺寸计算以及坐标定位，大大提高了裂缝的检测和定位效率。

Description

基于机器视觉的建筑外墙裂缝检测系统及方法
技术领域
本发明涉及建筑外墙检测技术领域，具体涉及一种基于机器视觉的建筑外墙裂缝检测系统及方法。
背景技术
随着我国经济和社会建设的发展，高层建筑越来越多，对高层建筑的质量检测日趋凸显出其重要性与困难性。作为建筑质量检测的重要内容，高层建筑外墙裂缝检测尤其困难。一方面，高层建筑高度高，难以攀爬，人工攀爬检测效率低、危险大；另一方面，裂缝往往呈现出不规则性，难以测量其宽度、长度等尺度特征数据。
机器视觉是当前自动检测领域最热门的研究课题之一。它通过成像传感器获取客观事物的图像或视频，利用图像处理算法提取目标特征信息，最终实现自动检测、测量或控制，从而提高检测效率，降低检测误差。在建筑外墙裂缝检测领域，运用机器视觉技术，可以实现裂缝的自动检测与尺寸测量。
现有技术中公开了多种建筑外墙检测系统或方法，如中国专利申请CN107367253公开了一种建筑外墙裂缝检测装置，该装置包括主动滚轮、转轴、安装板、摄像头、裂缝检测仪、电机和计算机，两个主动滚轮之间通过转轴相连接；每个主动滚轮的外周面均匀布设有若干个真空吸盘；安装板设置在位于两个主动滚轮之间的转轴上方，并通过悬臂与转轴相连接；摄像头和裂缝检测仪均安装固定在安装板的底部；电机、气泵、摄像头和裂缝检测仪均与计算机直接或间接相连接。CN108226167A公开了一种建筑外墙面的裂缝检测机器人结构，包括风罩，圆环安装板，圆环支撑板，转向轮，转向电机，转向轮安装板，加固支撑板，后轮，后轮驱动电机，摄像头，摄像头支架，抽吸风机，通风管道，风机支架，缓冲板，中心风筒，元件箱，电源线和后轮安装板。上述两个发明均是基于爬壁机器人的建筑外墙裂缝检测装置，通过在爬壁机器人上搭载照相机来采集建筑外墙图像，但并未涉及具体的基于机器视觉的裂缝检测方法。
中国专利申请CN1081195933A公开了一种基于kinect深度传感器的建筑外墙质量缺陷检测系统，通过对墙面的三维重构，实现对墙面裂缝、凹陷、空鼓等缺陷的尺寸测量和面积计算，但kinect深度传感器在较强日光下的精度会大大降低，而且通过三维重构来实现尺寸测量的方式计算量太大。
中国专利申请CN107202793A公开了一种基于无人机的建筑外墙质量缺陷检测系统，通过在无人机上搭载的可见光与热成像两种相机采集图像，来检测建筑外墙质量缺陷，但并未公开具体的图像处理检测方法，而且质量缺陷定位主要依靠GPS系统，定位误差较大。
发明内容
为克服现有技术中的不足，本发明的目的在于提供一种实现裂缝的自动检测、尺寸自动计算与裂缝坐标自动定位，提高建筑外墙裂缝检测效率的基于机器视觉的建筑外墙裂缝检测系统及方法，其技术方案如下：
基于机器视觉的建筑外墙裂缝检测系统，包括微电脑处理器、CMOS传感器及激光照明系统，所述微电脑处理器与CMOS传感器连接；所述CMOS传感器通过与激光照明系统连接。
优选地，所述微电脑处理器包含CPU、GPU、内存、闪存，所述微电脑处理器为Linux操作系统，所述微电脑处理器通过USB接口与CMOS传感器连接；微电脑处理器能够实时获取CMOS传感器采集的视频流，通过图像处理实现对裂缝的自动识别、尺寸测量，并通过连续的自定位计算，实现裂缝在整个建筑外墙参考系下的绝对定位。
优选地，所述CMOS传感器能够采集红绿蓝三通道的彩色图像，图像分辨率不低于752×480像素，采集帧率不低于25帧每秒，采集图像时，保证CMOS传感器成像平面平行于建筑外墙面，与外墙面距离不超过1m，有利于提高检测效率、检侧精度。
优选地，所述激光照明系统包括四个激光发射器，发射光束垂直于CMOS传感器的成像平面。
优选地，所述激光发射器为点状激光发射器，四个激光发射器呈矩形排布，矩形长边为L，短边为W，矩形中心位于CMOS传感器成像中心处。
一种基于机器视觉的建筑外墙裂缝检测系统的检测方法，包括以下步骤：
(1)将CMOS传感器与激光照明系统平行于外墙面放置，启动图像采集，保证四个激光点在图像内可见；
(2)微电脑处理器对图像进行红色阈值处理，提取四个最亮的红色光点，验证四点构成矩形的四个顶点，以像素为单位计算矩形的长度Lp和宽度Wp，进而计算该图像单位像素代表的实际长度s＝(L+W)/(Lp+Wp)；
(3)以当前位置为建筑外墙参考系零点，在微电脑处理器上对图像进行梯度计算，提取梯度变化较大的点作为图像特征点，缓存所有特征点的图像坐标；
(4)移动CMOS传感器与激光照明系统，在移动过程中微电脑处理器采集图像，对采集的每一帧图像执行步骤(2)中的图像处理操作，更新每帧图像单位像素代表的实际长度s；同时，对采集的每一帧图像执行步骤(3)中的图像处理操作，提取当前帧中的图像特征点，匹配当前帧与前一帧的图像特征点，获取当前CMOS传感器在建筑外墙参考系下的坐标；
(5)微电脑处理器对采集的每一帧图像进行灰度阈值处理，提取其中灰度值较低的区域，使用骨架细化算法提取裂缝，并计算裂缝总像素长度；
(6)重复上述步骤(4)与步骤(5)，直至该面外墙检测完毕。
优选地，在步骤(1)中所述CMOS传感器成像平面纵轴竖直向下，且CMOS传感器与外墙面距离在1m内。
优选地，在步骤(4)中所述CMOS传感器与激光照明系统沿平行于墙面的平面移动；所述微电脑处理器以不低于25帧每秒的速度采集图像。
优选地，在步骤(4)中所述图像特征点通过使用光流法匹配当前帧与前一帧的图像特征点，获取一一对应的特征点对，并进而计算单应矩阵，对单应矩阵做矩阵分解，提取CMOS传感器在两帧图像间的相对位置运动，不断对位置运动累加，获取当前CMOS传感器在建筑外墙参考系下的坐标。
优选地，在步骤(5)中若所述裂缝总像素长度超过设定阈值，则保存该帧图像，并同时保存提取到的裂缝数据、步骤(2)中计算出的该帧图像单位像素代表的实际长度、以及步骤(4)中计算出的CMOS传感器在建筑外墙参考系下的坐标。
本发明所获得的有益技术效果：
1)本发明基于机器视觉的建筑外墙裂缝检测系统解决了现有技术中存在的检测精度低、效率低、检测复杂、误差大、且人员攀爬危险性大的缺陷，本发明实现裂缝的自动检测、尺寸测量与裂缝定位，从而提高建筑外墙裂缝检测效率及检测精度，减小人工攀爬检测带来的人身安全风险；
2)本发明通过CMOS传感器与激光照明系统的配合，利用微电脑处理器对图像进行实时采集与处理，不仅可以做到建筑外墙裂缝的自动提取，而且可以自动获得裂缝的长度和宽度，以及裂缝在设定外墙参考系下的坐标，大大提高了建筑外墙裂缝的检测效率；
3)本发明通过沿平行于墙面的平面移动CMOS传感器与激光照明系统，在移动过程中微电脑处理器以不低于25帧每秒的速度采集图像，对采集的每一帧图像进行图像处理操作，更新每帧图像单位像素代表的实际长度s，同时，提取当前帧中的图像特征点，使用光流法匹配当前帧与前一帧的图像特征点，获取一一对应的特征点对，并进而计算单应矩阵，对单应矩阵做矩阵分解，提取CMOS传感器在两帧图像间的相对位置运动，不断对位置运动累加，获取当前CMOS传感器在建筑外墙参考系下的坐标；
4)本发明通过微电脑处理器对采集的每一帧图像进行灰度阈值处理，提取其中灰度值较低的区域，使用骨架细化算法提取裂缝，并计算裂缝总像素长度。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
附图1为本发明基于机器视觉的建筑外墙裂缝检测系统的结构示意图；
附图2为本发明基于机器视觉的建筑外墙裂缝检测方法的流程图。
在以上附图中：1、微电脑处理器；2、CMOS传感器；3、激光照明系统。
具体实施方式
以下将参照附图，通过实施例方式详细地描述本发明的技术方案。在此需要说明的是，对于这些实施例方式的说明用于帮助理解本发明，但并不构成对本发明的限定。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，单独存在B，同时存在A和B三种情况，本文中术语“/和”是描述另一种关联对象关系，表示可以存在两种关系，例如，A/和B，可以表示：单独存在A，单独存在A和B两种情况，另外，本文中字符“/”，一般表示前后关联对象是一种“或”关系。
实施例1
如附图1所示，一种基于机器视觉的建筑外墙裂缝检测系统，包括微电脑处理器1、CMOS传感器2及激光照明系统3，微电脑处理器1与CMOS传感器2通过USB接口连接，CMOS传感器2与激光照明系统3通过结构件固定连接。
微电脑处理器1包含CPU、GPU、内存、闪存等核心部件，其中，CPU为四核ARMCortex-A57处理器，GPU为Nvidia Pascal架构，256CUDA核心，内存为8GB LPDDR4，闪存为32GBeMMC，运行Linux Ubuntu 16.04操作系统，通过USB2.0采集CMOS传感器2获取的图像。
激光照明系统3包括四个呈矩形排布的点状激光发射器，能够发射四个高亮激光点斑；矩形长边为L，短边为W，发射光束垂直于CMOS传感器2成像平面，矩形中心位于CMOS传感器2成像中心处。
CMOS传感器2能够采集红绿蓝三通道的彩色图像，CMOS传感器2能够获取建筑外墙的彩色图像，图像中同时包含了上述的四个激光点；图像分辨率不低于752×480像素，采集帧率不低于25帧每秒。
进一步，所述裂缝检测系统搭载于四旋翼无人机上，沿预先设定的S形航线飞行，飞行平面平行于墙面，机头垂直于墙面，飞行过程中保证CMOS传感器2成像平面纵轴竖直向下，且CMOS传感器2与外墙面距离在1m内。
实施例2
如附图1所示，基于上述实施例1，本实施例所不同之处在于：CMOS传感器2能够采集红绿蓝三通道的彩色图像，图像分辨率为1280*720像素，采集帧率为25帧每秒，配备8mm定焦镜头，使用前通过标定算法获得传感器的内参数矩阵与畸变系数。
激光照明系统3由四个点状激光发射器构成，呈矩形排布，矩形长边L为16mm，短边W为9mm，激光波长为710nm，功率2mW，发射光束垂直于CMOS传感器2成像平面，矩形中心位于CMOS传感器2成像中心处，在1m远处，光点直径为2mm；激光照明系统3通过ABS支架与CMOS传感器2固连，在检测过程中，两者不发生相对运动。
微电脑处理器1能够实时获取CMOS传感器2采集的视频流，通过图像处理实现对裂缝的自动识别、尺寸测量，并通过连续的自定位计算，实现裂缝在整个建筑外墙参考系下的绝对定位。
进一步，所述裂缝检测系统搭载于六旋翼无人机上，沿预先设定的S形航线飞行，飞行平面平行于墙面，机头垂直于墙面，飞行过程中保证CMOS传感器2成像平面纵轴竖直向下，且CMOS传感器2与外墙面距离在0.8m内，建筑外墙裂缝定位更准确，且检测效率高、检测精度高。
实施例3
基于上述实施例，一种基于机器视觉的建筑外墙裂缝检测系统的检测方法，包括以下步骤：
(1)将CMOS传感器2与激光照明系统3平行于墙面放置，CMOS传感器2成像平面纵轴竖直向下，且CMOS传感器2与外墙面距离在1m内，启动图像采集，保证四个激光点在图像内可见；
(2)在微电脑处理器1上对图像进行红色阈值处理，提取四个最亮的红色光点，验证四点构成矩形的四个顶点，计算矩形的长度Lp和宽度Wp(以像素为单位)，进而计算该图像单位像素代表的实际长度s＝(L+W)/(Lp+Wp)；
(3)以当前位置为建筑外墙参考系零点，在微电脑处理器1上对图像进行梯度计算，提取梯度变化较大的点作为图像特征点，缓存所有特征点的图像坐标；
(4)沿平行于墙面的平面移动CMOS传感器2与激光照明系统3，在移动过程中微电脑处理器1以不低于25帧每秒的速度采集图像，对采集的每一帧图像执行步骤(2)的图像处理操作，更新每帧图像单位像素代表的实际长度s；同时，对采集的每一帧图像执行步骤(3)的图像处理操作，提取当前帧中的图像特征点，使用光流法匹配当前帧与前一帧的图像特征点，获取一一对应的特征点对，并进而计算单应矩阵，对单应矩阵做矩阵分解，提取CMOS传感器2在两帧图像间的相对位置运动，不断对位置运动累加，获取当前CMOS传感器2在建筑外墙参考系下的坐标；
(5)微电脑处理器1对采集的每一帧图像进行灰度阈值处理，提取其中灰度值较低的区域，使用骨架细化算法提取裂缝，并计算裂缝总像素长度，若长度超过设定阈值，则保存该帧图像，并同时保存提取到的裂缝数据、在步骤(2)中计算出的该帧图像单位像素代表的实际长度、以及在步骤(4)中计算出的该帧CMOS传感器2在建筑外墙参考系下的坐标；
(6)重复上述步骤(4)与步骤(5)，直至该面外墙检测完毕。
实施例4
如附图2所示，本实施例基于机器视觉的建筑外墙裂缝检测系统的检测方法的流程图，系统启动后，以CMOS传感器2当前位置为墙面参考系的零点，采集一帧图像，在图像上通过设定颜色阈值，提取红色激光点，若未提取到四个红色激光点，或激光点不成矩形分布，则放弃当前帧，再采集一帧新图像来处理；反之，则计算提取到的矩形的长度Lp和宽度Wp(以像素为单位)，进而计算该图像单位像素代表的实际长度s＝(L+W)/(Lp+Wp)。
完成尺度计算后，将图像从彩色图转为灰度图，并计算梯度，提取梯度大于设定阈值的点作为图像特征点，使用光流法匹配当前帧与前一帧的特征点，获取一一对应的特征点对，使用随机采样一致性算法计算单应矩阵，对单应矩阵做QR矩阵分解，提取CMOS传感器2在两帧图像间的相对位置运动。不断对位置运动累加，获取当前CMOS传感器2在建筑外墙参考系下的绝对坐标。
获得坐标后，对灰度图像进行阈值二值化处理，将灰度图转变为黑白图，并进一步通过图像骨架细化算法提取裂缝数据，并计算裂缝总像素长度，若长度超过设定阈值，则保存该帧图像，并同时保存提取到的裂缝数据、该帧图像单位像素代表的实际长度、以及该帧CMOS传感器2在建筑外墙参考系下的坐标。
重复执行上述步骤，直至该面外墙检测完毕。
与现有技术相比，本发明的突出特点是通过CMOS传感器2与激光照明系统3的配合，利用微电脑处理器1对图像进行实时采集与处理，不仅可以做到建筑外墙裂缝的自动提取，而且可以自动获得裂缝的长度、宽度，以及裂缝在设定外墙参考系下的坐标，大大提高了建筑外墙裂缝的检测效率。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化，如微电脑处理器1对图像进行红色阈值处理，也可以改为绿色、蓝色等其他颜色阈值处理；激光照明系统3通过ABS支架与CMOS传感器2固连，也可以采用其他结构件固定连接。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.基于机器视觉的建筑外墙裂缝检测系统，其特征在于，包括微电脑处理器(1)、CMOS传感器(2)及激光照明系统(3)，所述微电脑处理器(1)与CMOS传感器(2)连接；所述CMOS传感器(2)与激光照明系统(3)连接。
2.根据权利要求1所述的基于机器视觉的建筑外墙裂缝检测系统，其特征在于，所述微电脑处理器(1)包含CPU、GPU、内存、闪存，所述微电脑处理器(1)为Linux操作系统，所述微电脑处理器(1)通过USB接口与CMOS传感器(2)连接。
3.根据权利要求1或2所述的基于机器视觉的建筑外墙裂缝检测系统，其特征在于，所述CMOS传感器(2)能够采集红绿蓝三通道的彩色图像，图像分辨率不低于752×480像素，采集帧率不低于25帧每秒。
4.根据权利要求1或2所述的基于机器视觉的建筑外墙裂缝检测系统，其特征在于，所述激光照明系统(3)包括四个激光发射器，发射光束垂直于CMOS传感器(2)的成像平面。
5.根据权利要求4所述的基于机器视觉的建筑外墙裂缝检测系统，其特征在于，所述激光发射器为点状激光发射器，四个激光发射器呈矩形排布，矩形长边为L，短边为W，矩形中心位于CMOS传感器(2)成像中心处。
6.一种根据权利要求5所述的基于机器视觉的建筑外墙裂缝检测系统的检测方法，其特征在于，包括以下步骤：
(1)将CMOS传感器(2)与激光照明系统(3)平行于外墙面放置，启动图像采集，保证四个激光点在图像内可见；
(2)微电脑处理器(1)对图像进行红色阈值处理，提取四个最亮的红色光点，验证四点构成矩形的四个顶点，以像素为单位计算矩形的长度Lp和宽度Wp，进而计算该图像单位像素代表的实际长度s＝(L+W)/(Lp+Wp)；
(3)以当前位置为建筑外墙参考系零点，在微电脑处理器(1)上对图像进行梯度计算，提取梯度变化较大的点作为图像特征点，缓存所有特征点的图像坐标；
(4)移动CMOS传感器(2)与激光照明系统(3)，在移动过程中微电脑处理器(1)采集图像，对采集的每一帧图像执行步骤(2)中的图像处理操作，更新每帧图像单位像素代表的实际长度s；同时，对采集的每一帧图像执行步骤(3)中的图像处理操作，提取当前帧中的图像特征点，匹配当前帧与前一帧的图像特征点，获取当前CMOS传感器(2)在建筑外墙参考系下的坐标；
(5)微电脑处理器(1)对采集的每一帧图像进行灰度阈值处理，提取其中灰度值较低的区域，使用骨架细化算法提取裂缝，并计算裂缝总像素长度；
(6)重复步骤(4)与步骤(5)，直至建筑外墙检测完毕。
7.根据权利要求6所述的基于机器视觉的建筑外墙裂缝检测系统的检测方法，其特征在于，在步骤(1)中所述CMOS传感器(2)成像平面纵轴竖直向下，且CMOS传感器(2)与外墙面距离在1m内。
8.根据权利要求6所述的基于机器视觉的建筑外墙裂缝检测系统的检测方法，其特征在于，在步骤(4)中所述CMOS传感器(2)与激光照明系统(3)沿平行于外墙面的平面移动；所述微电脑处理器(1)以不低于25帧每秒的速度采集图像。
9.根据权利要求6-8任一项所述的基于机器视觉的建筑外墙裂缝检测系统的检测方法，其特征在于，在步骤(4)中所述图像特征点通过光流法匹配当前帧与前一帧的图像特征点，获取一一对应的特征点对，并进而计算单应矩阵，对单应矩阵做矩阵分解，提取CMOS传感器(2)在两帧图像间的相对位置运动，不断对位置运动累加，获取当前CMOS传感器(2)在建筑外墙参考系下的坐标。
10.根据权利要求6-8任一项所述的基于机器视觉的建筑外墙裂缝检测系统的检测方法，其特征在于，在步骤(5)中若所述裂缝总像素长度超过设定阈值，则保存该帧图像，并同时保存提取到的裂缝数据、步骤(2)中计算出的该帧图像单位像素代表的实际长度、以及步骤(4)中计算出的CMOS传感器(2)在建筑外墙参考系下的坐标。
CN201811090867.5A 2018-09-19 2018-09-19 基于机器视觉的建筑外墙裂缝检测系统及方法 Pending CN109187555A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811090867.5A CN109187555A (zh) 2018-09-19 2018-09-19 基于机器视觉的建筑外墙裂缝检测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811090867.5A CN109187555A (zh) 2018-09-19 2018-09-19 基于机器视觉的建筑外墙裂缝检测系统及方法

Publications (1)

Publication Number Publication Date
CN109187555A true CN109187555A (zh) 2019-01-11

Family

ID=64908454

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811090867.5A Pending CN109187555A (zh) 2018-09-19 2018-09-19 基于机器视觉的建筑外墙裂缝检测系统及方法

Country Status (1)

Country Link
CN (1) CN109187555A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109767444A (zh) * 2019-01-21 2019-05-17 福建省特种设备检验研究院 一种基于无人机的裂缝检测方法
CN109960280A (zh) * 2019-04-11 2019-07-02 株洲时代电子技术有限公司 一种桥梁墩身巡检航线规划方法
CN110068284A (zh) * 2019-05-20 2019-07-30 北京建筑大学 利用高速摄影测量技术监测塔式起重机的方法
CN111122588A (zh) * 2020-01-20 2020-05-08 杨洁 一种基于智慧城市的工业建筑防冻裂检测方法
CN113124764A (zh) * 2019-12-30 2021-07-16 南京智能情资创新科技研究院有限公司 一种基于光流法的无人机树径测量方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010117182A (ja) * 2008-11-11 2010-05-27 Aisin Seiki Co Ltd 形状計測装置及び欠陥検査方法
CN201983761U (zh) * 2011-01-31 2011-09-21 杭州富光科技有限公司 便携式建筑物表面裂缝检测装置
US20140132965A1 (en) * 2012-11-15 2014-05-15 National Applied Research Laboratories Method for measuring cracks remotely and device thereof
CN104568981A (zh) * 2015-01-06 2015-04-29 中科华核电技术研究院有限公司北京分公司 基于图像的建筑物墙壁缺陷测量方法及其系统
CN107063095A (zh) * 2016-12-23 2017-08-18 张晓明 一种既有建筑房屋结构裂缝宽度变化的实时监测报警系统及识别方法
CN107730551A (zh) * 2017-01-25 2018-02-23 问众智能信息科技（北京）有限公司 车载相机姿态自动估计的方法和装置
CN108051450A (zh) * 2017-11-01 2018-05-18 中铁大桥科学研究院有限公司 一种基于无人机的桥梁健康检测系统及方法
CN108168539A (zh) * 2017-12-21 2018-06-15 儒安科技有限公司 一种基于计算机视觉的盲人导航方法、装置及系统
CN105910540B (zh) * 2016-06-23 2018-06-15 吴江市建设工程质量检测中心有限公司 一种用于现场检测建筑墙体裂缝的方法
CN108253902A (zh) * 2018-03-12 2018-07-06 中交第公路勘察设计研究院有限公司 混凝土裂缝宽度的测量装置及方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010117182A (ja) * 2008-11-11 2010-05-27 Aisin Seiki Co Ltd 形状計測装置及び欠陥検査方法
CN201983761U (zh) * 2011-01-31 2011-09-21 杭州富光科技有限公司 便携式建筑物表面裂缝检测装置
US20140132965A1 (en) * 2012-11-15 2014-05-15 National Applied Research Laboratories Method for measuring cracks remotely and device thereof
CN104568981A (zh) * 2015-01-06 2015-04-29 中科华核电技术研究院有限公司北京分公司 基于图像的建筑物墙壁缺陷测量方法及其系统
CN105910540B (zh) * 2016-06-23 2018-06-15 吴江市建设工程质量检测中心有限公司 一种用于现场检测建筑墙体裂缝的方法
CN107063095A (zh) * 2016-12-23 2017-08-18 张晓明 一种既有建筑房屋结构裂缝宽度变化的实时监测报警系统及识别方法
CN107730551A (zh) * 2017-01-25 2018-02-23 问众智能信息科技（北京）有限公司 车载相机姿态自动估计的方法和装置
CN108051450A (zh) * 2017-11-01 2018-05-18 中铁大桥科学研究院有限公司 一种基于无人机的桥梁健康检测系统及方法
CN108168539A (zh) * 2017-12-21 2018-06-15 儒安科技有限公司 一种基于计算机视觉的盲人导航方法、装置及系统
CN108253902A (zh) * 2018-03-12 2018-07-06 中交第公路勘察设计研究院有限公司 混凝土裂缝宽度的测量装置及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘理等: "基于序列2D结构化线特征的桥梁检测机器人末端位姿估计方法", 《电子测量与仪器学报》 *
日经BP社 等: "《黑科技 驱动世界的100项技术》", 31 August 2018, 东方出版社 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109767444A (zh) * 2019-01-21 2019-05-17 福建省特种设备检验研究院 一种基于无人机的裂缝检测方法
CN109960280A (zh) * 2019-04-11 2019-07-02 株洲时代电子技术有限公司 一种桥梁墩身巡检航线规划方法
CN110068284A (zh) * 2019-05-20 2019-07-30 北京建筑大学 利用高速摄影测量技术监测塔式起重机的方法
CN110068284B (zh) * 2019-05-20 2020-10-30 北京建筑大学 利用高速摄影测量技术监测塔式起重机的方法
CN113124764A (zh) * 2019-12-30 2021-07-16 南京智能情资创新科技研究院有限公司 一种基于光流法的无人机树径测量方法
CN111122588A (zh) * 2020-01-20 2020-05-08 杨洁 一种基于智慧城市的工业建筑防冻裂检测方法
CN111122588B (zh) * 2020-01-20 2020-10-20 海宁溪聚科技发展有限公司 一种基于智慧城市的工业建筑防冻裂检测方法

Similar Documents

Publication Publication Date Title
CN109187555A (zh) 基于机器视觉的建筑外墙裂缝检测系统及方法
US11635775B2 (en) Systems and methods for UAV interactive instructions and control
US11693242B2 (en) Head-mounted display for virtual and mixed reality with inside-out positional, user body and environment tracking
US11106203B2 (en) Systems and methods for augmented stereoscopic display
US20200272803A1 (en) Systems and methods for detecting and tracking movable objects
CN107211111B (zh) 用于自动车辆成像的系统和方法
EP3123260B1 (en) Selective processing of sensor data
CN106681510B (zh) 位姿识别装置、虚拟现实显示装置以及虚拟现实系统
US10436642B2 (en) Lens scanning mode hyperspectral imaging system and rotor unmanned aerial vehicle
CN104217439B (zh) 一种室内视觉定位系统及方法
CN110230983B (zh) 抗振式光学三维定位方法及装置
JP2003156330A (ja) 航空機搭載地形計測装置及び方法
CN107121109A (zh) 一种基于前镀膜平面镜的结构光参数标定装置及方法
CN106840112B (zh) 一种利用自由空间视线凝视点测量的空间几何量测量方法
CN105045276B (zh) 无人机飞行控制方法及装置
CN107102004A (zh) 一种隧道检测装置
WO2020156299A1 (zh) 基于三维光学成像传感器的三维超声成像方法和系统
CN106500699B (zh) 一种适用于无人机室内自主降落的位姿估计方法
CN114838668B (zh) 一种隧道位移监测方法及系统
CN107093187B (zh) 一种无人机飞行速度的测量方法及装置
CN106020451A (zh) 一种定位及动作识别系统
CN202035071U (zh) 用于动物实验拍摄的视频摄像装置
CN107977014A (zh) 一种无人机自动悬停方法
CN107449786B (zh) 一种对物体表面精细观测的装置
CN206664437U (zh) 车辆以及车辆显示系统

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190111