CN110276752B - 基于android系统的混凝土表面裂缝特征的APP检测方法 - Google Patents
基于android系统的混凝土表面裂缝特征的APP检测方法 Download PDFInfo
- Publication number
- CN110276752B CN110276752B CN201910527888.7A CN201910527888A CN110276752B CN 110276752 B CN110276752 B CN 110276752B CN 201910527888 A CN201910527888 A CN 201910527888A CN 110276752 B CN110276752 B CN 110276752B
- Authority
- CN
- China
- Prior art keywords
- crack
- size
- pixel point
- alpha
- app
- 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
- 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
-
- 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
- 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
- G01B11/14—Measuring arrangements characterised by the use of optical techniques for measuring distance or clearance between spaced objects or spaced apertures
-
- 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
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
Abstract
基于android系统的混凝土表面裂缝特征的APP检测方法,包括;步骤1、标定智能手机CMOS相机单颗基本像素点精度;步骤2、利用经过标定的智能手机采集混凝土结构表面裂缝,并在采集裂缝图像时记录两个重要参数:拍摄距离L、放大倍数n;步骤3、运行APP,运用图形绘制软件中常用的泛洪填充算法进行混凝土裂缝图像处理;步骤4、根据APP提示输入步骤2记录的采集裂缝图像时的两个重要参数:步骤5、获取光标并移动光标至测量裂缝位置,APP自动获取裂缝位置参数;步骤6、APP自动计算混凝土表面裂缝特征参数:裂缝宽度、长度、面积。本发明基于智能手机android系统APP,依托智能手机,具有检测过程简单、成本低廉、便于携带、测量精度高的优点。
Description
技术领域
本发明涉及混凝土或钢筋混凝土结构表面裂缝无损检测领域的一种新型无线非接触的裂缝检测方法,具体涉及一种基于android系统的APP检测裂缝方法,用于检测混凝土表面裂缝特征。
背景技术
进入二十一世纪以来,我国建筑业产值在国民生产总值的比重逐年提高,大量房屋、桥路、公路和水利等设施融入到现代化生产生活中。然而,在新建建筑高速发展的同时,有一大批建筑已进入中年期,在其长期使用中不可避免地发生各种病害导致其结构承载力下降,极端情况下可能发生结构倒塌等灾难性事故。混凝土表面裂缝是混凝土结构中普遍存在的一种病害,是混凝土结构病害中最为常见的形式之一,它会引起混凝土结构整体性下降、有害物质入侵;引起钢筋锈蚀、结构刚度退化、表面混凝土脱落等现象,严重情况会导致钢筋混凝土构件失去承载力而退出工作。
目前针对混凝土裂缝的检测主要是通过人工检测的方法,对裂缝宽度的测量主要使用塞尺、读数显微镜、裂缝测宽仪读取。人工检测方法操作起来比较灵活,但读数和记录过程容易受到检测人员的主观因素影响,检测数据不够准确,效率低下,同时人工检测方法还要求检测人员近距离接触裂缝区域,极有可能对裂缝造成进一步的破坏。因此无损检测技术也被应用于混凝土裂缝检测中,主要包含超声脉冲检测、冲击弹性波法检测、红外热成像检测、声发射检测等等,但每种方法都只有局部的适用性,超声脉冲检测以及冲击弹性波法检测只能探测混凝土内部的裂缝以及裂缝深度,声发射法只能动态地检测正在发生的裂缝。且上述检查方法都需要专业设备,采用起来不够方便易用,工程上遇到临时需要检测时问题更突出。
公开号CN104089580A的中国专利公开了一种基于智能手机实现混凝土表面裂缝宽度测量以及方法。所述测量仪包括智能手机及一块垫块;在工作时木质垫块放置在混凝土表面的待检测裂缝旁边,智能手机的背部紧靠木质垫块的上表面,其智能手机摄像头对准混凝土裂缝表面待检测裂缝;通过摄像头采集裂缝图像,进行图像分析处理,计算裂缝宽度。该法仍存在下述缺点:1.木质垫块与混凝土表面平整度对裂缝检测精度影响很大;2.检测时受到检测距离影响,检测时受到裂缝周围环境影响大;3.没有考虑智能手机自身相机性能对裂缝检测精度的决定性影响;4.实际工程检测使用受限较多,难以推广使用。
公开号CN106934795B的中国专利公开了一种混凝土桥梁裂缝的自动检测方法和预测方法。所述发明结合数字图像处理、机器学习和计算机视觉的相关算法,解决裂缝检测与预测问题。该方法仍存在下述不足:1.该方法没有解决裂缝图像采集受到环境条件限制问题,如桥梁混凝土底面裂缝采集;2.该方法需要计算机后续处理;3.该方法使用便捷性不够,操作复杂。
由于现有检测方法无法满足需求日益增加的混凝土裂缝检测任务,需要找到一种新的简单便捷而又满足工程检测精度要求的混凝土裂缝检测方法。
发明内容
本发明要克服背景技术中存在的缺点,提供一种基于android系统的满足工程检测精度要求的便捷检测混凝土表面裂缝特征的APP方法,节省人工与裂缝检测设备作用,且本发明成本低廉,便捷高效。
本发明采用的具体技术方案如下:
一种基于android系统的混凝土表面裂缝特征的APP检测方法,是采用智能手机APP测量分析混凝土表面裂缝特征的简易方法。
本发明的基于android系统的混凝土表面裂缝特征的APP检测方法,包括以下步骤:
1、标定智能手机CMOS相机单颗基本像素点精度,包含不同拍摄距离与放大倍数下单颗基本像素点精度标定,确定单颗基本像素点尺寸α;
所需仪器设备:智能手机,手机固定支架,量尺,已知实际物理尺寸的标定物。
具体实验步骤如下:
1)将标定物竖直固定在墙上,保证标定物表面与墙体完全贴合;
2)利用量尺量取与已知尺寸的标定物所在墙体L0=0.2m处,将手机固定支架放置好,调整支架高度至与地面距离1m处,将智能手机分别固定在支架上,手机与地面保持水平,固定放大倍数为1倍拍摄标定物。用激光水平铅锤矫正器A、B确保智能手机摄像头与标定物所在平面平行,并对标定物垂直,得到正拍照片。范例标定物尺寸为10×10cm,本发明不限于该尺寸。
3)移动支架至量尺上与标定物所在墙体0.3m处,重复以上步骤。
4)每隔0.1m拍摄一次标定物,直至1.5m。
5)将拍摄的图像传输到电脑中,利用“画图”软件确定不同距离拍摄的标定物像素尺寸与标定物实际尺寸的关系,即确定不同拍摄距离的单颗基本像素点尺寸α。不放大即放大倍数为1倍时,拍摄距离l与单颗基本像素点尺寸α存在:α=K1+K2×l线性关系,此时标定参数K1,K2即可确定单颗基本像素点尺寸α。
6)根据智能手机变焦功能,放大不同倍数,如:2倍,3倍,4倍…,重复3)、4)、5)步骤,确定不同拍摄距离不同放大倍数时单颗基本像素点尺寸α’。
7)放大倍数为非1倍t时α’的幂函数函数确定方法是:放大倍数与单颗基本像素点尺寸α’存在:的函数关系,通过拟合函数方程确定即可此时标定参数C1,C2,C3,通过函数方程计算,即可确定单颗基本像素点尺寸α’。
2、利用经过标定的智能手机采集混凝土结构表面裂缝,并在采集裂缝图像时记录两个重要参数:拍摄距离L、放大倍数n。
3、运行APP,运用图形绘制软件中常用的泛洪填充算法(又称洪水填充算法)进行混凝土裂缝图像处理,一次性完成图像增强、灰度处理、二值化图像等处理过程。
4、根据APP提示输入步骤2记录的采集裂缝图像时的两个重要参数:拍摄距离L、放大倍数n。
5、获取光标并移动光标至测量裂缝位置,APP自动获取裂缝位置参数。
6、APP自动计算混凝土表面裂缝特征参数:裂缝宽度、长度、面积。
APP自动计算混凝土表面裂缝特征参数之方法:
裂缝宽度=宽度方向像素点数(n)×单颗基本像素点尺寸α(或α’)
长度=长度方向像素点数(n)×单颗基本像素点尺寸α(或α’)
面积=裂缝范围内像素点数(n)×[单颗基本像素点尺寸α(或α’)]2。
本发明的优点是:
1.本发明基于智能手机android系统APP,依托智能手机的广泛使用,使其具有普遍适用的特点;
2.本发明与专用混凝土裂缝测量设备相比,具有检测过程简单、成本低廉、便于携带、测量精度高的优点,能够满足工程检测要求,应用价值高;
3.本发明针对裂缝图像采集就有采集距离远,受混凝土裂缝所处环境条件限制少的特点;
4.本发明依托智能手机的通信功能,可实时传输裂缝检测结果,为非现场专家决策提供实时检测依据。
附图说明
图1是本发明标定智能手机CMOS相机单颗基本像素点精度的工作实况图。
图2是实施范例一中标定放大倍数为1倍时拍摄距离与单个像素点尺寸的线性关系图。
图3是实施范例一中标定两种型号放大倍数为1-4倍单位拍摄距离与单个像素点尺寸的幂函数关系图。
图4是实施范例一中标定三种型号放大倍数为1-4,10倍单位拍摄距离与单个像素点尺寸的幂函数关系图。
图5是实施范例一中标定两种型号放大倍数为1-8倍单位拍摄距离与单个像素点尺寸的幂函数关系图。
图6是实施范例二中APP测量结果智能手机屏幕显示图。
具体实施方式
下面通过结合附图对本发明作进一步说明。
本发明的基于android系统的混凝土表面裂缝特征的APP检测方法,包括以下步骤:
1、标定智能手机CMOS相机单颗基本像素点精度,包含不同拍摄距离与放大倍数下单颗基本像素点精度标定,确定单颗基本像素点尺寸α;
所需仪器设备:智能手机,手机固定支架,量尺,已知实际物理尺寸的标定物。
具体实验步骤如下:
1)将标定物竖直固定在墙上,保证标定物表面与墙体完全贴合;
2)利用量尺量取与已知尺寸的标定物所在墙体L0=0.2m处,将手机固定支架放置好,调整支架高度至与地面距离1m处,将智能手机分别固定在支架上,手机与地面保持水平,固定放大倍数为1倍拍摄标定物。用激光水平铅锤矫正器A、B确保智能手机摄像头与标定物所在平面平行,并对标定物垂直,得到正拍照片。范例标定物尺寸为10×10cm,本发明不限于该尺寸。
3)移动支架至量尺上与标定物所在墙体0.3m处,重复以上步骤。
4)每隔0.1m拍摄一次标定物,直至1.5m。
5)将拍摄的图像传输到电脑中,利用“画图”软件确定不同距离拍摄的标定物像素尺寸与标定物实际尺寸的关系,即确定不同拍摄距离的单颗基本像素点尺寸α。不放大即放大倍数为1倍时,拍摄距离l与单颗基本像素点尺寸α存在:α=K1+K2×l线性关系,此时标定参数K1,K2即可确定单颗基本像素点尺寸α。
6)根据智能手机变焦功能,放大不同倍数,如:2倍,3倍,4倍…,重复3)、4)、5)步骤,确定不同拍摄距离不同放大倍数时单颗基本像素点尺寸α’。
7)放大倍数为非1倍t时α’的幂函数函数确定方法是:放大倍数与单颗基本像素点尺寸α’存在:的函数关系,通过拟合函数方程确定即可此时标定参数C1,C2,C3,通过函数方程计算,即可确定单颗基本像素点尺寸α’。
2、利用经过标定的智能手机采集混凝土结构表面裂缝,并在采集裂缝图像时记录两个重要参数:拍摄距离L、放大倍数n。
3、运行APP,运用图形绘制软件中常用的泛洪填充算法(又称洪水填充算法)进行混凝土裂缝图像处理,一次性完成图像增强、灰度处理、二值化图像等处理过程。
4、根据APP提示输入步骤2记录的采集裂缝图像时的两个重要参数:拍摄距离L、放大倍数n。
5、获取光标并移动光标至测量裂缝位置,APP自动获取裂缝位置参数。
6、APP自动计算混凝土表面裂缝特征参数:裂缝宽度、长度、面积。
APP自动计算混凝土表面裂缝特征参数之方法:
裂缝宽度=宽度方向像素点数(n)×单颗基本像素点尺寸α(或α’)
长度=长度方向像素点数(n)×单颗基本像素点尺寸α(或α’)
面积=裂缝范围内像素点数(n)×[单颗基本像素点尺寸α(或α’)]2。
下面介绍市场主流7种android智能手机的单颗基本像素点尺寸标定试验。
1、范例所选android智能手机后置相机性能信息如表1,参数见表2。
表1范例android智能手机后置相机性能信息
表2裂缝测宽仪参数
2、重复上述标定步骤1-6,得到如下图2-图5的标定结果。
3、将标定结果参数输入对应智能手机APP程序,启动APP即可进行混凝土表面裂缝检测。
下面介绍实验室制作混凝土小梁试件形成混凝土表面裂缝的检测对比。
1、实验室制作混凝土小梁试件的混凝土表面裂缝。
2、重复上述3-6步骤,测量裂缝。
3、用裂缝测宽仪测量混凝土表面裂缝,并对比测量精度。
结果表明,APP测量裂缝宽的精度与裂缝测宽仪相当,误差仅为+2.68%。
下面介绍某混凝土横梁侧面的表面裂缝的检测对比。
1、选取某混凝土横梁侧面的表面裂缝为测量对象,使用华为mate 20pro智能手机与裂缝测宽仪进行对比测量。
2、重复上述3-6步骤,测量裂缝。
3、用裂缝测宽仪测量,对比测量精度,结果如表3。
表3测量结果
结果表明:误差均在10%以内。
Claims (1)
1.一种基于android系统的混凝土表面裂缝特征的APP检测方法,包括以下步骤:
步骤1、标定智能手机CMOS相机单颗基本像素点精度,包含不同拍摄距离与放大倍数下单颗基本像素点精度标定,确定单颗基本像素点尺寸α;
所需仪器设备:智能手机,手机固定支架,量尺,已知实际物理尺寸的标定物;
具体实验步骤如下:
1)将标定物竖直固定在墙上,保证标定物表面与墙体完全贴合;
2)利用量尺量取与已知尺寸的标定物所在墙体L0=0.2m处,将手机固定支架放置好,调整支架高度至与地面距离1m处,将智能手机分别固定在支架上,手机与地面保持水平,固定放大倍数为1倍拍摄标定物;用激光水平铅锤矫正器A、B确保智能手机摄像头与标定物所在平面平行,并对标定物垂直,得到正拍照片;范例标定物尺寸为10×10cm;
3)移动支架至量尺上与标定物所在墙体0.3m处,重复以上步骤;
4)每隔0.1m拍摄一次标定物,直至1.5m;
5)将拍摄的图像传输到电脑中,利用“画图”软件确定不同距离拍摄的标定物像素尺寸与标定物实际尺寸的关系,即确定不同拍摄距离的单颗基本像素点尺寸α;不放大即放大倍数为1倍时,拍摄距离l与单颗基本像素点尺寸α存在:α=K1+K2×l线性关系,此时标定参数K1,K2即可确定单颗基本像素点尺寸α;
6)根据智能手机变焦功能,放大不同倍数,重复3)、4)、5)步骤,确定不同拍摄距离不同放大倍数时单颗基本像素点尺寸α’;
7)放大倍数为非1倍t时α’的幂函数函数确定方法是:放大倍数与单颗基本像素点尺寸α’存在:的函数关系,通过拟合函数方程确定即可此时标定参数C1,C2,C3,通过函数方程计算,即可确定单颗基本像素点尺寸α’;
步骤2、利用经过标定的智能手机采集混凝土结构表面裂缝,并在采集裂缝图像时记录两个重要参数:拍摄距离L、放大倍数n;
步骤3、运行APP,运用图形绘制软件中常用的泛洪填充算法进行混凝土裂缝图像处理,一次性完成图像增强、灰度处理、二值化图像;
步骤4、根据APP提示输入步骤2记录的采集裂缝图像时的两个重要参数:拍摄距离L、放大倍数n;
步骤5、获取光标并移动光标至测量裂缝位置,APP自动获取裂缝位置参数;
步骤6、APP自动计算混凝土表面裂缝特征参数:裂缝宽度、长度、面积;
APP自动计算混凝土表面裂缝特征参数之方法:
不放大即放大倍数为1倍时:
裂缝宽度=宽度方向像素点数(n)×单颗基本像素点尺寸α
长度=长度方向像素点数(n)×单颗基本像素点尺寸α
面积=裂缝范围内像素点数(n)×[单颗基本像素点尺寸α]2;
放大倍数为非1倍t时:
裂缝宽度=宽度方向像素点数(n)×单颗基本像素点尺寸α’
长度=长度方向像素点数(n)×单颗基本像素点尺寸或α’
面积=裂缝范围内像素点数(n)×[单颗基本像素点尺寸α’]2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910527888.7A CN110276752B (zh) | 2019-06-18 | 2019-06-18 | 基于android系统的混凝土表面裂缝特征的APP检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910527888.7A CN110276752B (zh) | 2019-06-18 | 2019-06-18 | 基于android系统的混凝土表面裂缝特征的APP检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110276752A CN110276752A (zh) | 2019-09-24 |
CN110276752B true CN110276752B (zh) | 2021-04-30 |
Family
ID=67961064
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910527888.7A Active CN110276752B (zh) | 2019-06-18 | 2019-06-18 | 基于android系统的混凝土表面裂缝特征的APP检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110276752B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2590731B (en) * | 2020-01-03 | 2022-10-05 | Crack Map Ltd | Improvements in and relating to detection and mapping of cracks |
CN111895926A (zh) * | 2020-06-08 | 2020-11-06 | 上海四宁信息科技有限公司 | 利用移动终端镜头进行汽车间隙与段差测量的方法 |
CN112763510B (zh) * | 2021-04-07 | 2021-08-06 | 三一筑工科技股份有限公司 | 裂缝宽度检测装置、混凝土裂缝检测方法 |
CN113076959A (zh) * | 2021-04-27 | 2021-07-06 | 中国矿业大学 | 基于卷积神经网络的混凝土结构表面微裂纹特征提取方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1482371A1 (en) * | 2003-05-28 | 2004-12-01 | ASML Netherlands B.V. | Method of calibrating a lithographic apparatus |
CN101957178A (zh) * | 2009-07-17 | 2011-01-26 | 上海同岩土木工程科技有限公司 | 一种隧道衬砌裂缝测量方法及其测量装置 |
CN102496160A (zh) * | 2011-12-09 | 2012-06-13 | 河海大学常州校区 | 集控式足球机器人视觉系统标定方法 |
CN102693543A (zh) * | 2012-05-21 | 2012-09-26 | 南开大学 | 室外环境下变焦云台摄像机全自动标定方法 |
CN103020957A (zh) * | 2012-11-20 | 2013-04-03 | 北京航空航天大学 | 移动机器人机载摄像机位置标定方法 |
CN104089580A (zh) * | 2014-06-26 | 2014-10-08 | 华南理工大学 | 基于智能手机实现的混凝土表面裂缝宽度测量仪及方法 |
CN104376572A (zh) * | 2014-12-02 | 2015-02-25 | 成都理工大学 | 移动终端相机标定方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104436634B (zh) * | 2014-11-19 | 2017-09-19 | 重庆邮电大学 | 一种采用沉浸式虚拟现实技术的真人射击游戏系统及实现方法 |
CN108801151A (zh) * | 2018-05-29 | 2018-11-13 | 云南富龙高速公路建设指挥部 | 基于智能手机的路面裂缝检测设备及检测方法 |
-
2019
- 2019-06-18 CN CN201910527888.7A patent/CN110276752B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1482371A1 (en) * | 2003-05-28 | 2004-12-01 | ASML Netherlands B.V. | Method of calibrating a lithographic apparatus |
CN101957178A (zh) * | 2009-07-17 | 2011-01-26 | 上海同岩土木工程科技有限公司 | 一种隧道衬砌裂缝测量方法及其测量装置 |
CN102496160A (zh) * | 2011-12-09 | 2012-06-13 | 河海大学常州校区 | 集控式足球机器人视觉系统标定方法 |
CN102693543A (zh) * | 2012-05-21 | 2012-09-26 | 南开大学 | 室外环境下变焦云台摄像机全自动标定方法 |
CN103020957A (zh) * | 2012-11-20 | 2013-04-03 | 北京航空航天大学 | 移动机器人机载摄像机位置标定方法 |
CN104089580A (zh) * | 2014-06-26 | 2014-10-08 | 华南理工大学 | 基于智能手机实现的混凝土表面裂缝宽度测量仪及方法 |
CN104376572A (zh) * | 2014-12-02 | 2015-02-25 | 成都理工大学 | 移动终端相机标定方法 |
Non-Patent Citations (2)
Title |
---|
《Processes》;P. Smarzewski,;《Processes of cracking and crushing in hybrid fibre reinforced high-performance concrete slabs》;20190101;全文 * |
《基于智能手机的混凝土结构裂缝检测软件的开发研究》;景凯;《全国优秀硕士学位论文全文库》;20161231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110276752A (zh) | 2019-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110276752B (zh) | 基于android系统的混凝土表面裂缝特征的APP检测方法 | |
US11551341B2 (en) | Method and device for automatically drawing structural cracks and precisely measuring widths thereof | |
CN113252700B (zh) | 一种结构裂缝检测方法、设备及系统 | |
KR100826153B1 (ko) | 영상의 농도치 히스토그램을 이용한 크랙의 폭 측정방법 | |
CN110108348B (zh) | 基于运动放大光流跟踪的薄壁件微幅振动测量方法及系统 | |
CN108801164B (zh) | 一种基于激光测试工件缝隙值的方法及系统 | |
CN104776977A (zh) | 一种海岸工程泥沙物理模型试验底床动态综合观测方法 | |
CN105953741B (zh) | 一种钢结构局部几何变形的测量系统和方法 | |
CN110261052B (zh) | 采用力锤激励和摄影测量的结构振动模态分析系统及方法 | |
KR101672777B1 (ko) | 비전을 활용한 콘크리트 전주 점검 검사 장치 및 시스템 | |
CN111369484B (zh) | 钢轨廓形检测方法及装置 | |
CN113884011A (zh) | 一种非接触式混凝土表观裂缝测量设备和方法 | |
CN113008158A (zh) | 多线激光轮胎花纹深度测量方法 | |
CN113446932A (zh) | 非接触式裂纹测量方法及其系统 | |
CN108844469B (zh) | 一种基于激光测试工件台阶高度的方法及系统 | |
CN111504232B (zh) | 一种混凝土裂缝数字化检测方法 | |
CN114266835A (zh) | 一种非量测相机的变形监测控制方法与系统 | |
CN111062083B (zh) | 一种基于逐步删除模型的结构损伤识别方法 | |
Aksamitauskas et al. | Investigation of error sources measuring deformations of engineering structures by geodetic methods | |
CN110930447A (zh) | 基于Android的无人值守雪深测量方法 | |
CN110567345A (zh) | 基于机器视觉的非接触式管材壁厚测量方法与系统 | |
CN114897892B (zh) | 一种pc构件表观裂缝及孔洞特征参数的计算方法 | |
CN116576806B (zh) | 一种基于视觉分析的厚度检测设备用的精密度管控系统 | |
Deruyter et al. | Risk assessment: A comparison between the use of laser scanners and total stations in a situation where time is the critical factor | |
CN214537812U (zh) | 一种混凝土碳化深度测量装置 |
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 |