CN110046584A - 一种基于无人机巡检的道路裂纹检测装置及检测方法 - Google Patents
一种基于无人机巡检的道路裂纹检测装置及检测方法 Download PDFInfo
- Publication number
- CN110046584A CN110046584A CN201910316047.1A CN201910316047A CN110046584A CN 110046584 A CN110046584 A CN 110046584A CN 201910316047 A CN201910316047 A CN 201910316047A CN 110046584 A CN110046584 A CN 110046584A
- Authority
- CN
- China
- Prior art keywords
- unmanned plane
- image
- picture
- inspection
- road
- 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
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/182—Network patterns, e.g. roads or rivers
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Signal Processing (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于无人机巡检的道路裂纹检测装置,包括无人机,设置在无人机上的图片采集装置、地面无线图像接收平台和后端中心站;其检测方法如下:(一)图像采集及传输:Step1.编制无人机的巡逻路径;Step2.在无人机在飞行的过程中,图片采集装置对路面进行拍照后保存;Step3.图像采集设备将采集到的路面图片通过给无人机传输给地面无线图像接收平台;Step4.地面无线图像接收平台接收来自无人机的图像信号,图像信号经过解码后显示在显示器上;另一方面,图像信号通过网络传递给后端中心站;(二)图像处理:利用后端中心站对路面图片的裂纹进行检测和边缘识别,本发明可以自动检测和提取裂纹轮廓并可用于分析路面健康状况,节省了人力物力,分析精准。
Description
技术领域
本发明涉及图像处理领域,更具体地,涉及一种基于无人机巡检的道路裂纹检测装置及检测方法。
背景技术
公路一直暴露于自然环境中,在通车使用一段时间之后受到风吹、日晒、雨淋和超员超载等影响,不可避免的会出现裂纹,随着裂纹的扩展,不可避免的会危害行车安全,随着裂纹的扩展,后续的修复难度和成本将会大大增加。随着无人机技术的发展,民用无人机的性能不断提高,但是目前还没有基于无人机巡检对道路裂纹进行检测的一种装置。
发明内容
本发明目的是为了克服现有技术的不足而提供一种利用无人机采集图像并结合图像处理技术自动检测和提取裂纹轮廓并可用于分析路面健康状况的基于无人机巡检的道路裂纹检测装置及检测方法。
为达到上述目的,本发明采用的技术方案是:一种基于无人机巡检的道路裂纹检测装置,包括:
无人机,用于按照指定的巡逻路径进行飞行;
设置在无人机上的图片采集装置,用于将拍摄到的图像进行处理后传输给地面无线图像接收平台;
地面无线图像接收平台,用于对图片采集装置传输过来的图像数据进行处理后传输给后端中心站;
后端中心站,用于对地面无线图像接收平台传输过来的图像数据进行图像处理并对路面图片的裂纹进行检测和边缘识别。
进一步的,所述无人机包括无人机本体,在所述无人机本体上还安装有:
飞控系统,用于控制无人机的飞行姿态/速度;
GPS模块,用于定位图片拍摄位置;
任务设备模块,用于架设无人机;
数据链路,用于和地面无线图像接收平台的数据通信。
进一步的,所述地面无线图像接收平台包括:
无线传输模块,用于接收图像信号并传输到视频解码处理模块;
视频解码处理模块,用于对图像信号进行解码;
存储模块,用于进行相关图像数据的存储;
数据处理模块,用于对图像中的裂纹进行边缘识别;
显示器,用于显示无线实时传输画面。
一种基于无人机巡检的道路裂纹检测装置的检测方法,包括如下步骤:
(一)图像采集及传输:
Step1.首先编制无人机的巡逻路径或由人工实施操控飞往指定地点;
Step2.在无人机在飞行的过程中,图片采集装置对路面进行拍照,并将拍到图片进行保存;
Step3.图像采集设备将采集到的路面图片,通过输入输出接口把图像信号传输给无人机,无人机通过数据链路将数据传输给地面无线图像接收平台;
Step4.地面无线图像接收平台通过无线传输模块接收来自无人机的图像信号,图像信号经过解码后显示在显示器上,用于实时监测无人机的拍摄画面;另一方面,图像信号通过网络传递给后端中心站;
(二)图像处理:
利用后端中心站对路面图片的裂纹进行检测和边缘识别。
进一步的,在图像处理中,后端中心站对路面图片的裂纹进行检测和边缘识别的方法如下:
步骤1:对传输到后端中心站的路面的多通道图片进行灰度处理;
步骤2:采用高斯滤波器对步骤1得到的图片进行平滑处理,过滤其中的噪声;
步骤3:计算步骤2得到的图像中像素点的梯度,求出灰度图片中像素点的梯度值;
步骤4:对步骤3处理过的图像进行非极大值抑制;
步骤5:对步骤4中得到的图像进行双阈值检测,连接边缘,消除噪声,得到裂纹轮廓。
进一步的,步骤1中的灰度处理采用如下公式进行处理:
求R,G,B均值。
进一步的,步骤2中,高斯滤波器对图片进行平滑处理的过程即对原图像做卷积操作,采用如下的公式计算:
进一步的,步骤3中梯度计算,根据图像边缘的特征,边缘点是图像灰度变化是最剧烈的点,因此计算梯度幅值和方向,其计算公式如下:
θg=arctan(gx/gy)
进一步的,步骤4中对图像进行非极大值抑制,在梯度方向上如果所处理像素点的梯度比梯度方向上相邻的亚像素的梯度值都大,则说明这个点为边缘点,判断过程如下公式所示:
其中gt1和gt2为梯度方向上两个亚像素点的梯度幅值。
进一步的,在步骤5中使用双阈值进行边缘连接,高阈值图像把边缘连接成轮廓,到达轮廓端点时,在8邻域点中寻找满足低阈值的点,收集新的边缘直到图像的边缘闭合。
由于上述技术方案的运用,本发明与现有技术相比具有下列优点:
本发明的基于无人机巡检的道路裂纹检测装置及检测方法,其使用无人机进行巡检时,通过图片采集装置进行图片的采集,然后依次传输给地面无线图像接收平台和后端中心站后进行图像的处理,从而可以自动检测和提取裂纹轮廓并可用于分析路面健康状况,操作便捷,检测效率高,节省了大量的人力物力,同时分析精准,具有较高的实用性和推广价值。
附图说明
下面结合附图对本发明技术方案作进一步说明:
附图1为本发明中基于无人机巡检的道路裂纹检测装置的检测方法的流程示意图;
图2为本发明中实施例一中处理前的图像;
图3为本发明中实施例一处理后的图像;
其中:无人机1、图片采集装置2、地面无线图像接收平台3、后端中心站4、10图像采集及传输、11图像处理。
具体实施方式
下面结合附图及具体实施例对本发明作进一步的详细说明。
请参阅附图1,本发明所述的一种基于无人机巡检的道路裂纹检测装置,包括:无人机1,用于按照指定的巡逻路径进行飞行;设置在无人机1上的图片采集装置2,用于将拍摄到的图像进行处理后传输给地面无线图像接收平台3;地面无线图像接收平台3,用于对图片采集装置传输过来的图像数据进行处理后传输给后端中心站4;后端中心站4,用于对地面无线图像接收平台传输过来的图像数据进行图像处理并对路面图片的裂纹进行检测和边缘识别。
作为进一步的优选实施例,无人机1包括无人机本体,无人机本体内包括落架、电机、电调、电池、螺旋桨等;在所述无人机本体上还安装有:飞控系统用于控制无人机的飞行姿态和速度等,GPS模块用于定位图片拍摄位置,任务设备模块用于架设无人机,数据链路用于和地面无线图像接收平台的数据通信。
作为进一步的优选实施例,图片采集装置2主要包括镜头、图像传感器、A/D转换器、控制单元、存储芯片和输入输出接口;其中镜头用于取景,图像传感器用于获取图像数据,将光信号转变为电信号,A/D转换器将电压型号转换为数字信号,控制单元对图像传感的感光器的感光强弱程度进行分析,调节光圈和快门;所述存储设备用于保存临时图像;所述输入输出接口用于和无人机的数据连接。
作为进一步的优选实施例,地面无线图像接收平台3包括:无线传输模块,用于接收图像信号并传输到视频解码处理模块;视频解码处理模块,用于对图像信号进行解码;存储模块,用于进行相关图像数据的存储;数据处理模块,用于对图像中的裂纹进行边缘识别;显示器,用于显示无线实时传输画面。
作为进一步的优选实施例,后端中心站4包括:无线传输模块,用于接收来自地面无线图像接收平台传递的图像数据;A/D转换器,用于将无线传输模块传来的模拟信号转化为数字信号并传输给计算机;计算机及裂纹处理软件,用于处理来自A/D转换器传来的图像数据。
本发明还公开了一种基于无人机巡检的道路裂纹检测装置的检测方法,包括如下步骤:
(一)图像采集及传输:
Step1.首先编制无人机的巡逻路径或由人工实施操控飞往指定地点;
Step2.在无人机在飞行的过程中,图片采集装置对路面进行拍照,并将拍到图片进行保存;
Step3.图像采集设备将采集到的路面图片,通过输入输出接口把图像信号传输给无人机,无人机通过数据链路将数据传输给地面无线图像接收平台;
Step4.地面无线图像接收平台通过无线传输模块接收来自无人机的图像信号,图像信号经过解码后显示在显示器上,用于实时监测无人机的拍摄画面;另一方面,图像信号通过网络传递给后端中心站;
(二)图像处理:
利用后端中心站对路面图片的裂纹进行检测和边缘识别。
其中,在图像处理中,后端中心站对路面图片的裂纹进行检测和边缘识别的方法如下:
步骤1:对传输到后端中心站的路面的多通道图片进行灰度处理;
步骤2:采用高斯滤波器对步骤1得到的图片进行平滑处理,过滤其中的噪声;
步骤3:计算步骤2得到的图像中像素点的梯度,求出灰度图片中像素点的梯度值;
步骤4:对步骤3处理过的图像进行非极大值抑制;
步骤5:对步骤4中得到的图像进行双阈值检测,连接边缘,消除噪声,得到裂纹轮廓。
具体的,步骤1中的灰度处理采用如下公式进行处理:
求R,G,B均值。
具体的,步骤2中,高斯滤波器对图片进行平滑处理的过程即对原图像做卷积操作,采用如下的公式计算:
具体的,步骤3中梯度计算,根据图像边缘的特征,边缘点是图像灰度变化是最剧烈的点,因此计算梯度幅值和方向,其计算公式如下:
θg=arctan(gx/gy)
具体的,步骤4中对图像进行非极大值抑制,在梯度方向上如果所处理像素点的梯度比梯度方向上相邻的亚像素的梯度值都大,则说明这个点为边缘点,判断过程如下公式所示:
其中gt1和gt2为梯度方向上两个亚像素点的梯度幅值。
具体的,在步骤5中使用双阈值进行边缘连接,高阈值图像把边缘连接成轮廓,到达轮廓端点时,在8邻域点中寻找满足低阈值的点,收集新的边缘直到图像的边缘闭合。
实施例一:
在本实施例中,图像处理方法如下所示:
步骤1:对传输到后端中心站的路面的多通道图片进行灰度处理;
对图像做灰度处理,RGB图像是一个n×m×3矩阵,每个像素点包含3个通道的值;对图像做灰度处理如下:
步骤2:采用高斯滤波器对步骤1得到的图片进行平滑处理,过滤其中的噪声;
使用的高斯模板如下:
使用高斯模板做卷积计算得到高斯滤波后的数据,由于模板中心必须对准待滤波的像素,所以不对图像边缘的像素点进行滤波处理。
步骤3:计算步骤2得到的图像中像素点的梯度,求出灰度图片中像素点的梯度值;
计算每个像素点的强度梯度;
θg=arctan(gx/gy)
步骤4:对步骤3处理过的图像进行非极大值抑制;
采用canny算子对步骤3处理的图像进行非极大值抑制,判断待处理的像素点的梯度幅值在梯度方向上是否为最大值。判断0°,45°,90°,135°方向上的像素点,对于其他角度做近似处理,像素值的计算过程如下:
步骤5:对步骤4中得到的图像进行双阈值检测,连接边缘,消除噪声,得到裂纹轮廓。
在施加非极大值抑制之后,剩余的像素可以更准确地表示图像中的实际边缘。然而,仍然存在由于噪声和颜色变化引起的一些边缘像素。为了解决这些边缘像素的干扰,必须过滤弱梯度值的边缘像素,并保留具有高梯度值的边缘像素,可以通过选择高低阈值来实现。如果边缘像素的梯度值高于高阈值,则将其标记为强边缘像素;如果边缘像素的梯度值小于高阈值并且大于低阈值,则将其标记为弱边缘像素;如果边缘像素的梯度值小于低阈值,则会被抑制。阈值的选择取决于给定输入图像的内容。本实例中选择的高低阈值分别为24和12,经过双阈值检测后得到的最终结果。
其中,请参阅附图2和3为图像处理前后和图像处理后的对比图。
以上仅是本发明的具体应用范例,对本发明的保护范围不构成任何限制。凡采用等同变换或者等效替换而形成的技术方案,均落在本发明权利保护范围之内。
Claims (10)
1.一种基于无人机巡检的道路裂纹检测装置,其特征在于,包括:
无人机,用于按照指定的巡逻路径进行飞行;
设置在无人机上的图片采集装置,用于将拍摄到的图像进行处理后传输给地面无线图像接收平台;
地面无线图像接收平台,用于对图片采集装置传输过来的图像数据进行处理后传输给后端中心站;
后端中心站,用于对地面无线图像接收平台传输过来的图像数据进行图像处理并对路面图片的裂纹进行检测和边缘识别。
2.根据权利要求1所述的基于无人机巡检的道路裂纹检测装置,其特征在于:所述无人机包括无人机本体,在所述无人机本体上还安装有:
飞控系统,用于控制无人机的飞行姿态/速度;
GPS模块,用于定位图片拍摄位置;
任务设备模块,用于架设无人机;
数据链路,用于和地面无线图像接收平台的数据通信。
3.根据权利要求1所述的基于无人机巡检的道路裂纹检测装置,其特征在于:所述地面无线图像接收平台包括:
无线传输模块,用于接收图像信号并传输到视频解码处理模块;
视频解码处理模块,用于对图像信号进行解码;
存储模块,用于进行相关图像数据的存储;
数据处理模块,用于对图像中的裂纹进行边缘识别;
显示器,用于显示无线实时传输画面。
4.如权利要求1所述的一种基于无人机巡检的道路裂纹检测装置的检测方法,其特征在于,包括如下步骤:
(一)图像采集及传输:
Step1.首先编制无人机的巡逻路径或由人工实施操控飞往指定地点;
Step2.在无人机在飞行的过程中,图片采集装置对路面进行拍照,并将拍到图片进行保存;
Step3.图像采集设备将采集到的路面图片,通过输入输出接口把图像信号传输给无人机,无人机通过数据链路将数据传输给地面无线图像接收平台;
Step4.地面无线图像接收平台通过无线传输模块接收来自无人机的图像信号,图像信号经过解码后显示在显示器上,用于实时监测无人机的拍摄画面;另一方面,图像信号通过网络传递给后端中心站;
(二)图像处理:
利用后端中心站对路面图片的裂纹进行检测和边缘识别。
5.根据权利要求4所述的基于无人机巡检的基于无人机巡检的道路裂纹检测装置的检测方法,其特征在于:在图像处理中,后端中心站对路面图片的裂纹进行检测和边缘识别的方法如下:
步骤1:对传输到后端中心站的路面的多通道图片进行灰度处理;
步骤2:采用高斯滤波器对步骤1得到的图片进行平滑处理,过滤其中的噪声;
步骤3:计算步骤2得到的图像中像素点的梯度,求出灰度图片中像素点的梯度值;
步骤4:对步骤3处理过的图像进行非极大值抑制;
步骤5:对步骤4中得到的图像进行双阈值检测,连接边缘,消除噪声,得到裂纹轮廓。
6.根据权利要求5所述的基于无人机巡检的基于无人机巡检的道路裂纹检测装置的检测方法,其特征在于:
步骤1中的灰度处理采用如下公式进行处理:
求R,G,B均值。
7.根据权利要求5所述的基于无人机巡检的基于无人机巡检的道路裂纹检测装置的检测方法,其特征在于:
步骤2中,高斯滤波器对图片进行平滑处理的过程即对原图像做卷积操作,采用如下的公式计算:
8.根据权利要求5所述的基于无人机巡检的基于无人机巡检的道路裂纹检测装置的检测方法,其特征在于:
步骤3中梯度计算,根据图像边缘的特征,边缘点是图像灰度变化是最剧烈的点,因此计算梯度幅值和方向,其计算公式如下:
θg=arctan(gx/gy)
9.根据权利要求5所述的基于无人机巡检的基于无人机巡检的道路裂纹检测装置的检测方法,其特征在于:
步骤4中对图像进行非极大值抑制,在梯度方向上如果所处理像素点的梯度比梯度方向上相邻的亚像素的梯度值都大,则说明这个点为边缘点,判断过程如下公式所示:
其中gt1和gt2为梯度方向上两个亚像素点的梯度幅值。
10.根据权利要求5所述的基于无人机巡检的基于无人机巡检的道路裂纹检测装置的检测方法,其特征在于:
在步骤5中使用双阈值进行边缘连接,高阈值图像把边缘连接成轮廓,到达轮廓端点时,在8邻域点中寻找满足低阈值的点,收集新的边缘直到图像的边缘闭合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910316047.1A CN110046584B (zh) | 2019-04-19 | 2019-04-19 | 一种基于无人机巡检的道路裂纹检测装置及检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910316047.1A CN110046584B (zh) | 2019-04-19 | 2019-04-19 | 一种基于无人机巡检的道路裂纹检测装置及检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110046584A true CN110046584A (zh) | 2019-07-23 |
CN110046584B CN110046584B (zh) | 2023-04-18 |
Family
ID=67277929
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910316047.1A Active CN110046584B (zh) | 2019-04-19 | 2019-04-19 | 一种基于无人机巡检的道路裂纹检测装置及检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110046584B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112198899A (zh) * | 2020-09-30 | 2021-01-08 | 安徽乐道信息科技有限公司 | 基于无人飞行器的道路检测方法、设备和存储介质 |
CN112666963A (zh) * | 2020-12-18 | 2021-04-16 | 浙江师范大学 | 基于四轴无人机的公路路面裂缝检测系统及其检测方法 |
CN112799430A (zh) * | 2021-01-13 | 2021-05-14 | 东南大学 | 基于可编程无人机的路面图像智能采集方法 |
CN112820109A (zh) * | 2021-01-15 | 2021-05-18 | 林安齐 | 一种道路巡检安全预警方法及系统 |
CN115113630A (zh) * | 2022-08-26 | 2022-09-27 | 陕西欧卡电子智能科技有限公司 | 无人船过桥方法、装置、计算机设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017024975A1 (zh) * | 2015-08-07 | 2017-02-16 | 清华大学深圳研究生院 | 一种无人机便携式地面站处理方法及系统 |
CN108198417A (zh) * | 2017-12-29 | 2018-06-22 | 叶片青 | 一种基于无人机的道路巡检系统 |
-
2019
- 2019-04-19 CN CN201910316047.1A patent/CN110046584B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017024975A1 (zh) * | 2015-08-07 | 2017-02-16 | 清华大学深圳研究生院 | 一种无人机便携式地面站处理方法及系统 |
CN108198417A (zh) * | 2017-12-29 | 2018-06-22 | 叶片青 | 一种基于无人机的道路巡检系统 |
Non-Patent Citations (1)
Title |
---|
贾磊: "基于自动阈值检测和边缘连接的路面裂缝边缘提取方法", 《山西交通科技》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112198899A (zh) * | 2020-09-30 | 2021-01-08 | 安徽乐道信息科技有限公司 | 基于无人飞行器的道路检测方法、设备和存储介质 |
CN112666963A (zh) * | 2020-12-18 | 2021-04-16 | 浙江师范大学 | 基于四轴无人机的公路路面裂缝检测系统及其检测方法 |
CN112799430A (zh) * | 2021-01-13 | 2021-05-14 | 东南大学 | 基于可编程无人机的路面图像智能采集方法 |
CN112820109A (zh) * | 2021-01-15 | 2021-05-18 | 林安齐 | 一种道路巡检安全预警方法及系统 |
CN115113630A (zh) * | 2022-08-26 | 2022-09-27 | 陕西欧卡电子智能科技有限公司 | 无人船过桥方法、装置、计算机设备及存储介质 |
CN115113630B (zh) * | 2022-08-26 | 2022-12-09 | 陕西欧卡电子智能科技有限公司 | 无人船过桥方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110046584B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110046584A (zh) | 一种基于无人机巡检的道路裂纹检测装置及检测方法 | |
CN110297498B (zh) | 一种基于无线充电无人机的轨道巡检方法及系统 | |
CN106548182B (zh) | 基于深度学习和主成因分析的路面裂纹检测方法及装置 | |
CN115439424B (zh) | 一种无人机航拍视频图像智能检测方法 | |
CN108416320B (zh) | 巡检设备、巡检设备的控制方法及控制装置 | |
US8712149B2 (en) | Apparatus and method for foreground detection | |
CN104601956A (zh) | 基于固定翼无人机的输电线路在线监测系统及监测方法 | |
CN105572541A (zh) | 一种基于视觉注意机制的高压巡线故障检测方法及系统 | |
CN108198417B (zh) | 一种基于无人机的道路巡检系统 | |
CN106851229B (zh) | 一种基于图像识别的安防智能决策的方法与系统 | |
CN110164139B (zh) | 一种侧方停车检测识别系统及方法 | |
CN113673444B (zh) | 一种基于角点池化的路口多视角目标检测方法及系统 | |
CN109297978B (zh) | 基于双目成像的电力线路无人机巡检及缺陷智能诊断系统 | |
CN113066050B (zh) | 一种基于视觉的空投货台航向姿态解算方法 | |
CN114038193B (zh) | 基于无人机和多目标追踪的智能交通流量数据统计方法及系统 | |
CN107069859A (zh) | 一种基于无人机基站的无线充电系统及方法 | |
CN116434088A (zh) | 基于无人机航拍图像的车道线检测及车道辅助保持方法 | |
CN115841633A (zh) | 一种电力塔和电力线关联矫正的电力塔和电力线检测方法 | |
CN109949231A (zh) | 一种用于城市管理信息采集和处理的方法及装置 | |
CN105678805A (zh) | 基于arm平台的航拍目标检测系统 | |
CN109765931A (zh) | 一种适用于防波堤巡检无人机的近红外视频自动导航方法 | |
CN105447431A (zh) | 一种基于机器视觉的入坞飞机跟踪定位方法及系统 | |
CN114241438A (zh) | 一种基于先验信息的交通信号灯快速精确的识别方法 | |
CN117197700A (zh) | 智能化无人巡检接触网缺陷识别系统 | |
CN108168431A (zh) | 一种基于视觉辨识的网球机器人定位系统及方法 |
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 |