CN111267984A - 基于高光谱技术分析的隧道内不良地质体识别系统与方法 - Google Patents

基于高光谱技术分析的隧道内不良地质体识别系统与方法 Download PDF

Info

Publication number
CN111267984A
CN111267984A CN202010070787.4A CN202010070787A CN111267984A CN 111267984 A CN111267984 A CN 111267984A CN 202010070787 A CN202010070787 A CN 202010070787A CN 111267984 A CN111267984 A CN 111267984A
Authority
CN
China
Prior art keywords
climbing robot
wall
robot
mineral
tunnel
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
Application number
CN202010070787.4A
Other languages
English (en)
Other versions
CN111267984B (zh
Inventor
林鹏
刘刚
余腾飞
谢辉辉
邵瑞琦
许振浩
潘东东
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.)
Shandong University
Original Assignee
Shandong University
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 Shandong University filed Critical Shandong University
Priority to CN202010070787.4A priority Critical patent/CN111267984B/zh
Publication of CN111267984A publication Critical patent/CN111267984A/zh
Priority to US17/618,745 priority patent/US20220355876A1/en
Priority to PCT/CN2020/141568 priority patent/WO2021147639A1/zh
Application granted granted Critical
Publication of CN111267984B publication Critical patent/CN111267984B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D57/00—Vehicles characterised by having other propulsion or other ground- engaging means than wheels or endless track, alone or in addition to wheels or endless track
    • B62D57/02—Vehicles characterised by having other propulsion or other ground- engaging means than wheels or endless track, alone or in addition to wheels or endless track with ground-engaging propulsion means, e.g. walking members
    • B62D57/024—Vehicles characterised by having other propulsion or other ground- engaging means than wheels or endless track, alone or in addition to wheels or endless track with ground-engaging propulsion means, e.g. walking members specially adapted for moving on inclined or vertical surfaces
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D55/00—Endless track vehicles
    • B62D55/06—Endless track vehicles with tracks without ground wheels
    • B62D55/075—Tracked vehicles for ascending or descending stairs, steep slopes or vertical surfaces
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D57/00—Vehicles characterised by having other propulsion or other ground- engaging means than wheels or endless track, alone or in addition to wheels or endless track
    • B62D57/04—Vehicles characterised by having other propulsion or other ground- engaging means than wheels or endless track, alone or in addition to wheels or endless track having other than ground-engaging propulsion means, e.g. having propellers
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH DRILLING; MINING
    • E21D—SHAFTS; TUNNELS; GALLERIES; LARGE UNDERGROUND CHAMBERS
    • E21D9/00—Tunnels or galleries, with or without linings; Methods or apparatus for making thereof; Layout of tunnels or galleries
    • E21D9/003—Arrangement of measuring or indicating devices for use during driving of tunnels, e.g. for guiding machines
    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/02—Mechanical
    • G01N2201/021—Special mounting in general
    • G01N2201/0216—Vehicle borne

Abstract

本公开提供了一种基于高光谱技术分析的隧道内不良地质体识别系统与方法，包括爬墙机器人、控制器和信号处理器，所述爬墙机器人上设置有若干组高光谱光源和接收器，且高光谱光源和接收器相互间隔排列；控制器被配置为控制爬墙机器人的动作，保证爬墙机器人按照设定的螺旋路径在掌子面上移动；信号处理器与接收器通信，接收采集的光谱数据，以爬墙机器人所走路径为平面，绘制掌子面矿物分布图，通过识别代表矿物的类别和分布特征，识别不良地质体。

Description

基于高光谱技术分析的隧道内不良地质体识别系统与方法
技术领域
本公开属于不良地质体识别技术领域，具体涉及一种基于高光谱技术分析的隧道内不良地质体识别系统与方法。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
在隧道施工过程中不良地质体极易诱导大规模、突发性的突水突泥灾害，造成人员伤亡、工期延误、设备损坏等诸多问题。识别不良地质体是隧道掘进的重要任务。常见不良地质体主要为断层及断层破碎带、蚀变带等，断层及断层破碎带中常常会伴随一些粘土矿物，如高岭石、伊利石、绿泥石等，这些矿物主要分布在断层带内，而沿断层带向两侧围岩中却发育极少甚至没有；在蚀变带中，由于地下热液侵入，导致地层中岩石发生蚀变，形成新的矿物，例如石榴子石、蛇纹石等，并且这些矿物仅存在于蚀变带内或距离蚀变带近的围岩中。根据不良地质体代表矿物的分布规律，可实现不良地质体识别。
但据发明人了解，基于高光谱技术分析的隧道内不良地质体识别主要通过肉眼识别，肉眼识别又存在一些不确定因素，例如绿泥石与绿帘石手表本特征相近，极易混淆；高岭石、斜长石及方解石界限不明显等类似问题，对不良地质体识别、判断都有一定干扰。若要确定准确界限，需送至实验室分析。实验室分析准确性高但周期长，耽误时间，拖长工期。
发明内容
本公开为了解决上述问题，提出了一种基于高光谱技术分析的隧道内不良地质体识别系统与方法，本公开操作简单、识别速度快、可以达到定性识别不良地质体矿物。
根据一些实施例，本公开采用如下技术方案：
一种基于高光谱技术分析的隧道内不良地质体识别系统，包括爬墙机器人、控制器和信号处理器，所述爬墙机器人上设置有若干组高光谱光源和接收器，且高光谱光源和接收器相互间隔排列；
所述控制器被配置为控制爬墙机器人的动作，保证爬墙机器人按照设定的螺旋路径在掌子面上移动；
所述信号处理器与接收器通信，接收采集的光谱数据，以爬墙机器人所走路径为平面，绘制掌子面矿物分布图，通过识别代表矿物的类别和分布特征，识别不良地质体。
作为进一步的限定，所述爬墙机器人包括机器人本体，所述机器人本体上部设置有一云台，所述云台上安置摄像头，所述机器人本体的中间部位装有螺旋推力系统，所述螺旋推力系统的侧面和顶面分别安置有若干螺旋推力装置，所述顶面螺旋推力以使得机器人本体贴合隧道内壁，所述侧面螺旋推力以使得平衡机器人的同时，可以使机器人沿曲线前进，所述机器人本体底部装有高光谱光源和接收器，所述高光谱光源和接收器互相间隔排列，所述机器人本体下端设置有若干撑力升缩杆。
作为进一步的限定，所述螺旋推力系统的侧面不同方向分别安置有螺旋推力装置。
作为进一步的限定，所述信号处理器被配置为接收矿物反射光谱信息后，将光谱信息与数据库标准光谱比对，计算对应波峰、波谷相关性，并根据相关性判断矿物名称，绘制掌子面矿物分布图，进而对矿物分布图中矿物类别、矿物分布特点识别是否为不良地质体。
作为进一步的限定，所述的爬墙机器人在掌子面移动时，路线呈螺旋线形，沿隧道掌子面边缘螺旋式逐圈向掌子面中心移动。
作为进一步的限定，所述的爬墙机器人，通过机器人本体底部的撑力升缩杆和螺旋推力系统从隧道侧壁爬向掌子面，所述撑力伸缩杆可以与机器人本体接触部位为端点进行任意方向旋转。
作为进一步的限定，所述云台上还设置有照明灯，所述摄像头与照明灯配合工作。
作为进一步的限定，所述的机器人本体的两侧设置有履带，用于防止掌子面凹凸不平阻碍爬墙机器人前进。
作为进一步的限定，所述螺旋推力系统的侧面和顶部分别装有螺旋推力装置，侧面的螺旋推力装置的各个螺旋叶可独立工作，其作用在于利用反推力平衡爬墙机器人重力，利用顶部螺旋叶反推力保证爬墙机器人能够在掌子面稳定移动。
基于上述系统的工作方法，包括以下步骤：
将爬墙机器人放置在隧道平面，控制爬墙机器人移动；当爬墙机器人移动至掌子面处，控制爬墙机器人相应的撑力伸缩杆伸长，控制螺旋推力系统各方向产生的推力大小，使爬墙机器人达到匀速移动状态，同时打开高光谱光源和光谱接收器；
按照提前设定好的螺旋状路径行走；
在爬墙机器人移动过程中，高光谱光源和光谱接收器开始工作，同时将收集到的信息进行传输，信号处理器接收矿物反射光谱信息后，将反射光谱信息绘制为光谱曲线图并与数据库标准矿物光谱曲线进行对比；
采用峰谷相关系数法，将收集到的光谱信息中波峰和波谷信息与数据库标准矿物光谱曲线波峰波谷进行对比，计算其之间的相关性，选取波峰波谷相关性最高的数据库标准矿物曲线，得出矿物名称，即为测试矿物；
根据爬墙机器人所行驶路径和对应每个点所对应的矿物名称，绘制掌子面矿物分布图；根据所绘制的矿物分布图中不良地质体代表矿物分布特征，推测不良地质体是否存在，实现识别。
作为进一步的限定，所述螺旋状路径设定是根据掌子面面积，以及爬墙机器人侧向螺旋推力装置推力个数及推力角度，且推力大小变化随爬墙机器人移动速度、时间设定。
与现有技术相比，本公开的有益效果为：
本公开利用爬墙机器人收集矿物反射光谱信息，经过计算机数据处理，能精确指出各种矿物在掌子面位置，同时对隧道掌子面矿物完成编录，实现了掌子面矿物快速识别、不良地质体快速识别。与当前的隧道不良地质体识别相比，提高了不良地质体识别精度，利用光谱技术、计算机数据处理手段提高了掌子面矿物识别速度。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1为爬墙机器人整体图；
图2为爬墙机器人左视图；
图3为爬墙机器人底部图；
图4为爬墙机器人爬墙图；
图5为爬墙机器人爬墙前视图；
图6为爬墙机器人与掌子面螺旋路径；
图7为螺旋推力系统；
图8为爬墙机器人在墙壁受力图；
其中，1、镜头；2、主板箱；3、履带；4、轮子；5、螺旋侧向推力装置；6、撑力伸缩杆；7、天线(电磁波接收发射器)；8、螺旋推力系统；9、顶部螺旋推力装置；10、云台；11、照明灯；12、光谱发射接收器；13、掌子面；14、隧道水平面；15、爬墙机器人；16、掌子面螺旋路径；F1、顶面螺旋推力；F2、侧面螺旋推力(平衡爬墙机器人重力)；F3、侧面螺旋推力(帮助爬墙机器人拐弯)；
具体实施方式：
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在本公开中，术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，只是为了便于叙述本公开各部件或元件结构关系而确定的关系词，并非特指本公开中任一部件或元件，不能理解为对本公开的限制。
本公开中，术语如“固接”、“相连”、“连接”等应做广义理解，表示可以是固定连接，也可以是一体地连接或可拆卸连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员，可以根据具体情况确定上述术语在本公开中的具体含义，不能理解为对本公开的限制。
一种基于高光谱技术的基于高光谱技术分析的隧道内不良地质体识别装置，包括信息采集、数据处理、信号识别三个系统。
其中，信息采集系统包括爬墙机器人、光源发射、光谱接收、信息传输。通过爬墙机器人和计算机共同实现。
如图1、图2所示，爬墙机器人包括长方体主板箱，主板箱用于安防爬墙机器人控制器和动力装置，通过控制器使爬墙机器人完成各项指令；所述主板箱两侧装有履带，所述履带内部装有轮子，这种搭配方式是为防止掌子面凹凸不平导致爬墙机器人前进困难；所述主板箱前边装有两个照明灯。
主板箱上部靠前位置有一云台，所述云台上安置棱台型镜头，照明灯和云台搭配可用来探测掌子面矿物、岩石具体情况；所述主板箱上中间部位装有圆柱形螺旋推力系统，所述螺旋推力系统侧面和顶面分别安置螺旋推力装置，顶部螺旋推力保证爬墙机器人与掌子面稳定接触，侧面推力系统用于平衡爬墙机器人重力和控制爬墙机器人改变移动路径。
所述主板箱后边偏右装有天线，天线用于联系计算机，包括数据传输和指令接收；所述主板箱底部装有矩形高光谱光源和接收器系统，所述光源和接收器互相交错排列，该部位用来采集矿物反射光谱；如图3所示，矩形高光谱系统四个角处分别安置撑力升缩杆，撑力升缩杆用来协助爬墙机器人更换工作面，例如由隧道壁向掌子面更换。
数据处理系统和信号识别系统均由计算机完成。计算机接收到矿物反射光谱信息后，立刻进行数据处理，将光谱信息与数据库标准光谱比对，计算对应波峰、波谷相关性，并根据相关性判断矿物名称，绘制掌子面矿物分布图；信号识别系统在数据处理后进行，对矿物分布图中矿物类别、矿物分布特点识别是否为不良地质体。
应用上述装置实现高光谱识别不良地质体包括以下步骤：
1)将所述的爬墙机器人放置在隧道平面，通过电脑控制爬墙机器人移动；当爬墙机器人移动至掌子面处，通过电脑控制爬墙机器人前边的两个撑力伸缩杆伸长，如图4、图5所示，打开螺旋推力系统中反向螺旋推力装置；
2)随着爬墙机器人慢慢爬墙，螺旋推力装置推力逐渐增加，当爬墙机器人处于竖直状态，即与掌子面平行时，侧面螺旋推力要大于重力，同时施加顶部推力，使爬墙机器人达到匀速移动状态，同时打开高光谱光源和光谱接收器；
3)选定在电脑中提前设定好的螺旋状路径，向爬墙机器人发送螺旋状路径指令。如图6所示，螺旋状路径设定是根据掌子面面积，以及爬墙机器人侧向螺旋推力装置推力个数及推力角度，且推力大小变化随爬墙机器人移动速度、时间设定；
4)在爬墙机器人移动过程中，高光谱光源和光谱接收器开始工作，同时将收集到的信息通过天线传送至电脑；电脑接收到矿物反射光谱信息后，将反射光谱信息绘制为光谱曲线图并与数据库标准矿物光谱曲线进行对比；
5)采用峰谷相关系数法，将收集到的光谱信息中波峰和波谷信息与数据库标准矿物光谱曲线波峰波谷进行对比，计算其之间的相关性，当相关性越接近1，说明所收集的矿物为数据库标准矿物相似程度越高；选取波峰波谷相关性最高的数据库标准矿物曲线，得出矿物名称，即为测试矿物；
6)根据爬墙机器人所行驶路径和对应每个点所对应的矿物名称，绘制掌子面矿物分布图；根据所绘制的矿物分布图中不良地质体代表矿物分布特征，推测不良地质体是否存在；
7)当爬墙机器人完成所设定路线，同时电脑绘制出所需掌子面矿物分布图并进行识别，视为识别完成。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。

Claims (10)

1.一种基于高光谱技术分析的隧道内不良地质体识别系统，其特征是：包括爬墙机器人、控制器和信号处理器，所述爬墙机器人上设置有若干组高光谱光源和接收器，且高光谱光源和接收器相互间隔排列；
所述控制器被配置为控制爬墙机器人的动作，保证爬墙机器人按照设定的螺旋路径在掌子面上移动；
所述信号处理器与接收器通信，接收采集的光谱数据，以爬墙机器人所走路径为平面，绘制掌子面矿物分布图，通过识别代表矿物的类别和分布特征，识别不良地质体。
2.如权利要求1所述的一种基于高光谱技术分析的隧道内不良地质体识别系统，其特征是：所述爬墙机器人包括机器人本体，所述机器人本体上部设置有一云台，所述云台上安置摄像头，所述机器人本体的中间部位装有螺旋推力系统，所述螺旋推力系统的侧面和顶面分别安置螺旋推力装置，所述顶面螺旋推力以使得机器人本体贴合隧道内壁，所述侧面螺旋推力以使得平衡机器人的同时，可以使机器人沿曲线前进，所述高光谱光源和接收器互相间隔排列，所述机器人本体下端设置有若干撑力升缩杆。
3.如权利要求1所述的一种基于高光谱技术分析的隧道内不良地质体识别系统，其特征是：所述信号处理器被配置为接收矿物反射光谱信息后，将光谱信息与数据库标准光谱比对，计算对应波峰、波谷相关性，并根据相关性判断矿物名称，绘制掌子面矿物分布图，进而对矿物分布图中矿物类别、矿物分布特点识别是否为不良地质体。
4.如权利要求1所述的一种基于高光谱技术分析的隧道内不良地质体识别系统，其特征是：所述的爬墙机器人在掌子面移动时，路线呈螺旋线形，沿隧道掌子面边缘螺旋式逐圈向掌子面中心移动。
5.如权利要求1所述的一种基于高光谱技术分析的隧道内不良地质体识别系统，其特征是：所述的爬墙机器人，通过机器人本体底部的撑力升缩杆和螺旋推力系统从隧道侧壁爬向掌子面，所述撑力伸缩杆可以与机器人本体接触部位为端点进行任意方向旋转。
6.如权利要求1所述的一种基于高光谱技术分析的隧道内不良地质体识别系统，其特征是：所述云台上还设置有照明灯，所述摄像头与照明灯配合工作。
7.如权利要求1所述的一种基于高光谱技术分析的隧道内不良地质体识别系统，其特征是：所述的机器人本体的两侧设置有履带，用于防止掌子面凹凸不平阻碍爬墙机器人前进。
8.如权利要求1所述的一种基于高光谱技术分析的隧道内不良地质体识别系统，其特征是：所述螺旋推力系统的侧面和顶部分别装有螺旋推力装置，侧面的螺旋推力装置的各个螺旋叶可独立工作，其作用在于利用反推力平衡爬墙机器人重力，同时可以保证机器人沿曲线前进，利用顶部螺旋叶反推力使得机器人本体贴合隧道内壁。
9.基于权利要求1-8中任一项所述的系统的工作方法，其特征是：包括以下步骤：
将爬墙机器人放置在隧道平面，控制爬墙机器人移动；当爬墙机器人移动至掌子面处，控制爬墙机器人相应的撑力伸缩杆伸长，控制螺旋推力系统各方向产生的推力大小，使爬墙机器人达到匀速移动状态，同时打开高光谱光源和光谱接收器；
按照提前设定好的螺旋状路径行走；
在爬墙机器人移动过程中，高光谱光源和光谱接收器开始工作，同时将收集到的信息进行传输，信号处理器接收矿物反射光谱信息后，将反射光谱信息绘制为光谱曲线图并与数据库标准矿物光谱曲线进行对比；
采用峰谷相关系数法，将收集到的光谱信息中波峰和波谷信息与数据库标准矿物光谱曲线波峰波谷进行对比，计算其之间的相关性，选取波峰波谷相关性最高的数据库标准矿物曲线，得出矿物名称，即为测试矿物；
根据爬墙机器人所行驶路径和对应每个点所对应的矿物名称，绘制掌子面矿物分布图；根据所绘制的矿物分布图中不良地质体代表矿物分布特征，推测不良地质体是否存在，实现识别。
10.如权利要求9所述的工作方法，其特征是：所述螺旋状路径设定是根据掌子面面积，以及爬墙机器人侧向螺旋推力装置推力个数及推力角度，且推力大小变化随爬墙机器人移动速度、时间设定。
CN202010070787.4A 2020-01-21 2020-01-21 基于高光谱技术分析的隧道内不良地质体识别系统与方法 Active CN111267984B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010070787.4A CN111267984B (zh) 2020-01-21 2020-01-21 基于高光谱技术分析的隧道内不良地质体识别系统与方法
US17/618,745 US20220355876A1 (en) 2020-01-21 2020-12-30 System and method for identifying adverse geological body in tunnel based on hyperspectral technology analysis
PCT/CN2020/141568 WO2021147639A1 (zh) 2020-01-21 2020-12-30 基于高光谱技术分析的隧道内不良地质体识别系统与方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010070787.4A CN111267984B (zh) 2020-01-21 2020-01-21 基于高光谱技术分析的隧道内不良地质体识别系统与方法

Publications (2)

Publication Number Publication Date
CN111267984A true CN111267984A (zh) 2020-06-12
CN111267984B CN111267984B (zh) 2021-04-13

Family

ID=70996900

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010070787.4A Active CN111267984B (zh) 2020-01-21 2020-01-21 基于高光谱技术分析的隧道内不良地质体识别系统与方法

Country Status (3)

Country Link
US (1) US20220355876A1 (zh)
CN (1) CN111267984B (zh)
WO (1) WO2021147639A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021147639A1 (zh) * 2020-01-21 2021-07-29 山东大学 基于高光谱技术分析的隧道内不良地质体识别系统与方法
CN113310916A (zh) * 2021-05-24 2021-08-27 山东大学 基于元素反演矿物的隧道内地质异常识别与预报系统及方法
CN115753632A (zh) * 2022-10-19 2023-03-07 山东大学 基于图像光谱的隧道内不良地质体实时判识方法及系统
CN115761038A (zh) * 2022-10-19 2023-03-07 山东大学 一种基于图像光谱技术的隧道掌子面地质素描方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103175801A (zh) * 2013-03-14 2013-06-26 中国国土资源航空物探遥感中心 一种批量化与自动化的高光谱遥感矿物填图方法
CN103308454A (zh) * 2012-03-08 2013-09-18 王宏 一种矿物分析装置
CN103699889A (zh) * 2014-01-06 2014-04-02 成都理工大学 一种基于高光谱遥感技术的尾矿识别方法及系统
CN108447572A (zh) * 2018-01-16 2018-08-24 深圳市智能机器人研究院 核反应堆安全壳钢内衬空鼓自动检测系统及方法
CN108731736A (zh) * 2018-06-04 2018-11-02 山东大学 用于桥隧结构病害无损检测诊断的自动爬墙式雷达光电机器人系统
CN109375275A (zh) * 2018-09-03 2019-02-22 山东大学 适用于隧道施工期超前地质预报数据采集系统及方法
CN109959624A (zh) * 2019-02-15 2019-07-02 中国黄金集团石湖矿业有限公司 基于反射光谱的矿物识别方法
CN110031491A (zh) * 2019-04-04 2019-07-19 山东大学 车载式岩性与不良地质前兆特征识别系统及方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6160618A (en) * 1998-06-19 2000-12-12 Board Of Regents, The University Of Texas System Hyperspectral slide reader
US6481513B2 (en) * 2000-03-16 2002-11-19 Mcgill University Single actuator per leg robotic hexapod
US6422508B1 (en) * 2000-04-05 2002-07-23 Galileo Group, Inc. System for robotic control of imaging data having a steerable gimbal mounted spectral sensor and methods
US7069124B1 (en) * 2002-10-28 2006-06-27 Workhorse Technologies, Llc Robotic modeling of voids
WO2004052598A1 (ja) * 2002-12-12 2004-06-24 Matsushita Electric Industrial Co., Ltd. ロボット制御装置
US8835015B2 (en) * 2003-12-19 2014-09-16 Toray Plastics (America), Inc. High oxygen transmission biaxially oriented film with improved tensile properties
US8392036B2 (en) * 2009-01-08 2013-03-05 Raytheon Company Point and go navigation system and method
US8793106B2 (en) * 2011-09-23 2014-07-29 International Business Machines Corporation Continuous prediction of expected chip performance throughout the production lifecycle
US8743358B2 (en) * 2011-11-10 2014-06-03 Chemimage Corporation System and method for safer detection of unknown materials using dual polarized hyperspectral imaging and Raman spectroscopy
US9586636B1 (en) * 2014-10-28 2017-03-07 The United States Of America As Represented By The Secretary Of The Navy Multi-segmented magnetic robot
CN109564952A (zh) * 2016-04-06 2019-04-02 特里纳米克斯股份有限公司 用于至少一个对象的光学检测的检测器
CN208766123U (zh) * 2017-09-29 2019-04-19 成都意町工业产品设计有限公司 一种用于高层幕墙清洁度检测的装置
WO2019191497A1 (en) * 2018-03-30 2019-10-03 Blaze Bioscience, Inc. Systems and methods for simultaneous near-infrared light and visible light imaging
CN108896739A (zh) * 2018-07-16 2018-11-27 河南聚合科技有限公司 一种可分析矿物成分的太阳能机器人云平台
JP2019039913A (ja) * 2018-08-02 2019-03-14 株式会社Ｚｍｐ モニタリングシステム
CN111267984B (zh) * 2020-01-21 2021-04-13 山东大学 基于高光谱技术分析的隧道内不良地质体识别系统与方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103308454A (zh) * 2012-03-08 2013-09-18 王宏 一种矿物分析装置
CN103175801A (zh) * 2013-03-14 2013-06-26 中国国土资源航空物探遥感中心 一种批量化与自动化的高光谱遥感矿物填图方法
CN103699889A (zh) * 2014-01-06 2014-04-02 成都理工大学 一种基于高光谱遥感技术的尾矿识别方法及系统
CN108447572A (zh) * 2018-01-16 2018-08-24 深圳市智能机器人研究院 核反应堆安全壳钢内衬空鼓自动检测系统及方法
CN108731736A (zh) * 2018-06-04 2018-11-02 山东大学 用于桥隧结构病害无损检测诊断的自动爬墙式雷达光电机器人系统
CN109375275A (zh) * 2018-09-03 2019-02-22 山东大学 适用于隧道施工期超前地质预报数据采集系统及方法
CN109959624A (zh) * 2019-02-15 2019-07-02 中国黄金集团石湖矿业有限公司 基于反射光谱的矿物识别方法
CN110031491A (zh) * 2019-04-04 2019-07-19 山东大学 车载式岩性与不良地质前兆特征识别系统及方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021147639A1 (zh) * 2020-01-21 2021-07-29 山东大学 基于高光谱技术分析的隧道内不良地质体识别系统与方法
CN113310916A (zh) * 2021-05-24 2021-08-27 山东大学 基于元素反演矿物的隧道内地质异常识别与预报系统及方法
CN115753632A (zh) * 2022-10-19 2023-03-07 山东大学 基于图像光谱的隧道内不良地质体实时判识方法及系统
CN115761038A (zh) * 2022-10-19 2023-03-07 山东大学 一种基于图像光谱技术的隧道掌子面地质素描方法及系统
CN115761038B (zh) * 2022-10-19 2023-06-30 山东大学 一种基于图像光谱技术的隧道掌子面地质素描方法及系统

Also Published As

Publication number Publication date
CN111267984B (zh) 2021-04-13
WO2021147639A1 (zh) 2021-07-29
US20220355876A1 (en) 2022-11-10

Similar Documents

Publication Publication Date Title
CN111267984B (zh) 基于高光谱技术分析的隧道内不良地质体识别系统与方法
AU2019438696B2 (en) Vehicle-mounted system and method for in-situ identification of lithology and adverse geology precursor characteristic
CN108518182B (zh) 顶板多含水层枝状定向钻孔超前区域水体探放方法及装置
CN106595557B (zh) 一种刮板输送机直线度的检测装置及检测方法
US9874082B2 (en) Downhole imaging systems and methods
US11726497B2 (en) Control method for cleaning system
CN106557089A (zh) 一种无人机自主着陆的控制方法及装置
CN212083694U (zh) 井下时间域电磁多分量远探测仪器及基于其的探测系统
ZA200207057B (en) Arrangement for determining position of unmanned mining vehicles.
US11796493B2 (en) System and method for identifying lithology based on images and XRF mineral inversion
US20210310349A1 (en) Blast hole measurement and logging
CN114113118B (zh) 一种地铁隧道衬砌裂缝渗漏水病害快速检测装置及其检测方法
CN107169682A (zh) 一种基于机载激光点云不同时段树障的快速巡检方法
CN113485325A (zh) 煤矿井下水泵房巡检机器人slam建图、自主导航方法
CN107052909A (zh) 一种钻孔垂直度监测系统
CN105651566A (zh) 一种适用于井下采集气体机器人
CN111337988A (zh) 井下时间域电磁多分量远探测仪器
SE523770C2 (sv) System och metod för att fastställa information för avverkning av träd
CN106996781A (zh) 分析地面纹理并结合资料记录的自动行走建议系统及方法
US20220195804A1 (en) Boundary line generation for controlling drilling operations
CN115480241A (zh) 一种隧道掌子面超前地质预报机器人系统及方法
CN109405686A (zh) 一种水电工程智能钻爆系统及方法
CN108044622A (zh) 一种道面修复机器人系统
CN103790625A (zh) 一种煤矿井下安全搜救路线探测系统
EP3584662B1 (en) Mobile robot

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Lin Peng

Inventor after: Yu Tengfei

Inventor after: Xie Huihui

Inventor after: Shao Ruiqi

Inventor after: Xu Zhenhao

Inventor after: Pan Dongdong

Inventor after: Liu Gang

Inventor before: Lin Peng

Inventor before: Liu Gang

Inventor before: Yu Tengfei

Inventor before: Xie Huihui

Inventor before: Shao Ruiqi

Inventor before: Xu Zhenhao

Inventor before: Pan Dongdong

GR01 Patent grant
GR01 Patent grant