CN112161581B - 一种考虑管片端面偏角的机器视觉盾尾间隙动态测量方法 - Google Patents
一种考虑管片端面偏角的机器视觉盾尾间隙动态测量方法 Download PDFInfo
- Publication number
- CN112161581B CN112161581B CN202010999003.6A CN202010999003A CN112161581B CN 112161581 B CN112161581 B CN 112161581B CN 202010999003 A CN202010999003 A CN 202010999003A CN 112161581 B CN112161581 B CN 112161581B
- Authority
- CN
- China
- Prior art keywords
- segment
- image
- distance
- formula
- shield tail
- 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
- 238000000691 measurement method Methods 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000005192 partition Methods 0.000 claims abstract description 15
- 238000012937 correction Methods 0.000 claims abstract description 6
- 230000003321 amplification Effects 0.000 claims abstract description 5
- 238000003199 nucleic acid amplification method Methods 0.000 claims abstract description 5
- 238000005259 measurement Methods 0.000 claims description 19
- 230000000007 visual effect Effects 0.000 claims description 11
- 230000005641 tunneling Effects 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000013341 scale-up Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 abstract description 8
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000003292 glue Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010047571 Visual impairment Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011066 ex-situ storage Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
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
- G01B11/14—Measuring arrangements characterised by the use of optical techniques for measuring distance or clearance between spaced objects or spaced apertures
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明属于盾构施工质量和安全监测技术领域，一种考虑管片端面偏角的机器视觉盾尾间隙动态测量方法，包括：调节定焦镜头的光圈环与对焦环并固定；保持光圈环与对焦环的参数不变，标定比例放大因子k；安装图像采集装置；采集两对称分区的推进距离lh、lh ’，计算管片偏角θ；根据推进距离计算测量距离ls；计算盾尾间隙初始值xc；计算图像物理坐标系原点距所述管片榫外径线dc；以瞬时状态下测量距离ls和管片端面偏角θ为基础，计算修正距离lm；利用图像处理算法提取管片榫外径线，基于图像物理坐标系原点坐标不变性，求解盾尾间隙值x。本发明提供的测量方法具有精度高、实时性好等优势，解决了由管片端面偏角引起的测量误差问题。
Description
技术领域
本发明属于盾构施工质量和安全监测技术领域，尤其涉及一种考虑管片端面偏角的机器视觉盾尾间隙动态测量方法。
背景技术
盾构法广泛应用于地铁、铁路、公路、水利及电力等领域的隧道工程。盾尾间隙指管片外边缘与盾尾内壁之间的空隙。在盾构掘进过程中，盾尾间隙不断变化。若间隙值超出设计范围，将加快盾尾密封刷磨损，并导致其异常失效；甚至发生管片破裂、隧道渗漏、地面坍塌等重大事故。
目前盾构工程中，盾尾间隙测量多采用人工法。施工人员分别在完成一环掘进工作和整环管片拼装后，采用直尺单次测量盾尾间隙。该方法测量精度低、实时性差，且存在人身安全隐患。为避免人工测量方法的不足，提高盾构施工自动化程度，现已有多种基于机器视觉的盾尾间隙测量方法。例如，专利《一种盾构机盾尾间隙视觉测量方法》(CN106989683 B)中，通过识别管片内边缘，计算其到图像中心的距离，并利用几何关系计算得到盾尾间隙值；再如，专利《基于卷积神经网络的盾构机护盾间隙估计方法》(CN 106930770B)中，利用卷积神经网络进行管片端面图像的超分辨率重建，结合激光标定，实现基于几何关系的盾尾间隙测量。以上方法均以机器视觉技术为基础，通过采集管片端面图像，并利用几何关系实现间接测量，但未考虑管片端面偏角对测量精度的影响。盾构施工中，由于盾构机与成环管片之间普遍存在一定偏角，造成管片端面与盾尾内壁无法时刻保持垂直状态，二者夹角(即管片端面偏角)为一个动态值。利用机器视觉技术测量盾尾间隙时，管片端面偏角是一个不容忽略的测量精度影响因素。此外，隧道极端视觉环境对管片端面的特征提取具有一定干扰作用，使得特征提取精确性及稳定性受到一定影响。
发明内容
为了克服上述现有技术中的不足，本发明提供了一种考虑管片端面偏角的机器视觉盾尾间隙动态测量方法，有效提高测量精度，确保盾构施工安全。
为解决上述问题，本发明所采取的技术方案是：
一种考虑管片端面偏角的机器视觉盾尾间隙动态测量方法，包括以下步骤：
S11：依据隧道现场视觉环境调节图像采集装置1中定焦镜头11的光圈环与对焦环,并用紧固螺丝固定；
S12：保持定焦镜头11光圈环与对焦环的参数不变，标定比例放大因子k；
S13：以盾构机推进系统分区为基准，分别在各分区安装1台图像采集装置1，包括定焦镜头11和工业相机12，并保证图像物理坐标系原点位于管片端面2中管片榫外径线22与管片榫内径线23之间；
S14：采集图像采集装置1所在推进系统分区的推进距离lh，采集对称分区的推进距离lh’，根据公式(1)计算管片端面偏角θ：
式中，D为推进液压缸安装直径；
S15：根据公式(2)计算定焦镜头11与管片端面2之间的测量距离ls：
ls＝lh+Δl (2)
式中，Δl为定焦镜头11与推进液压缸零点位置之间的距离；
S16：根据公式(3)求解盾尾间隙初始值xc：
xc＝xs cosθ (3)
式中，xs为人工利用数显尺紧贴管片端面2测量得到的初始值；
S17：根据公式(4)求解图像物理坐标系原点距管片榫外径线22的初始值dc：
式中，pc为图像物理坐标系原点与管片榫外径线22之间的像素数，kc为对应比例放大因子；
S18：以瞬时状态下测量距离ls和管片端面偏角θ为基础，根据公式(5)或(6)计算修正距离lm：
若lh>lh’：
若lh<lh’：
式中，c为管片厚度，f为管片外径线21与管片榫外径线22之间的距离；
S19：利用图像处理算法提取管片榫外径线22；基于图像物理坐标系原点坐标不变性，根据公式(7)或(8)求解盾尾间隙值x：
若lh>lh’：
若lh<lh’：
式中，pm为修正距离lm对应的图像物理坐标系原点与管片榫外径线22之间的像素数，km为修正距离lm对应的比例放大因子，h为管片榫高度；
所述推进液压缸零点位置为推进液压缸端部在推进系统分区位移传感器数据值为零时的位置。
一种比例放大因子标定方法，包括以下步骤：
S21：水平放置图像采集装置1和带有矩形反光面31的标定装置3，并使得相机光轴垂直于矩形反光面31，且保证图像物理坐标系原点位于矩形反光面31内部；
S22：以管片宽度作为标定范围，以卷尺刻度为基准，按照一定步长连续移动所述标定装置3，并采集图像及测量距离lb；
S23：计算矩形反光面31的宽度像素数qbi，根据公式(9)求解测量距离lbi对应的比例放大因子kbi：
式中，r为矩形反光面31的真实宽度值；
S24：利用三参数幂函数对标定数据k＝[kb1 kb2 ··· kbn]T和l＝[lb1 lb2··· lbn]T进行数据拟合，如公式(10)所示：
kbi＝αlbi β+γ(i＝1,2,...,n) (10)
式中，α、β、γ为待定系数；
一种图像处理算法，包括以下步骤：
S31：对原始图像进行剪裁，得到图像处理区域；
S32：对图像处理区域依次进行灰度处理、直方图均衡化及中值滤波图像预处理操作；
S33：对预处理操作后的图像进行自适应阈值分割与Canny算子边缘检测；
S34：对边缘检测后的图像进行Hough变换直线检测，通过设定Hough变换中特征直线的长度阈值来消除极端视觉环境中的部分干扰信息；
S35：通过对直线检测后的图像设定斜率阈值，进一步消除视觉干扰信息，提取所述管片榫外径线22。
本发明的有益效果：与现有技术相比，本发明提供的一种考虑管片端面偏角的机器视觉盾尾间隙动态测量方法具有以下优势：
(1)该测量方法考虑了管片端面偏角对盾尾间隙视觉测量精度的影响。将管片端面偏角引起的参数变化量引入盾尾间隙计算过程，避免了因管片端面偏角而造成的测量误差，提高了视觉测量精度。
(2)提供了用于该测量方法的比例放大因子标定方法，实现了在非原位环境下的精确标定，为准确测量盾尾间隙奠定了基础。
(3)提供了用于该测量方法的图像处理算法，保证了在隧道极端视觉环境下的管片榫外径线特征提取的准确性与稳定性。
(4)该测量方法实现了盾构掘进过程中的盾尾间隙自动化动态测量，避免了人工测量准确性低、实时性差等问题，保证了盾构施工安全。
附图说明
图1为本发明的图像采集装置及管片端面结构示意图。
图2为本发明的初始参数值计算模型图。
图3为本发明在推进距离lh大于对称分区推进距离lh’状态下的盾尾间隙计算模型图。
图4为图3的局部放大示意图。
图5为本发明在推进距离lh小于对称分区推进距离lh’状态下的盾尾间隙计算模型图。
图6为图5的局部放大示意图。
图7为本发明的标定装置示意图。
图8为本发明的图像处理算法流程图。
图中：1图像采集装置，11定焦镜头，12工业相机，2管片端面，21管片外径线，22管片榫外径线，23管片榫内径线，24管片内径线，3标定装置，31矩形反光面。
具体实施方式
下面结合附图和实例对本发明做进一步详细说明。
参照图1至6，一种考虑管片端面偏角的机器视觉盾尾间隙动态测量方法，包括以下步骤：
S11：依据隧道现场视觉环境调节图像采集装置1中定焦镜头11的光圈环与对焦环，在保证成像质量的前提下尽可能扩大景深范围。调节至适当位置后，分别用紧固螺丝固定光圈环与对焦环。
S12：保持所述定焦镜头11光圈环与对焦环的参数不变，标定比例放大因子k。
S13：以盾构机推进系统分区为基准，分别在各分区安装1台图像采集装置1，包括定焦镜头11和工业相机12。图像采集装置1具体安装在推进液压缸之间的空隙处，且确保图像采集装置1所在位置不会对管片拼装作业造成干扰。图像采集装置1在盾尾环面的半径方向上需保证图像物理坐标系原点位于管片端面2中管片榫外径线22与管片榫内径线23之间。
S14：采集所述图像采集装置1所在所述推进系统分区的推进距离lh，并采集对称分区的推进距离lh’，根据公式(1)计算管片端面偏角θ：
式中，D为推进液压缸安装直径。
S15：根据公式(2)计算所述定焦镜头11与所述管片端面2之间的测量距离ls：
ls＝lh+Δl (2)
式中，Δl为所述定焦镜头11与所述推进液压缸零点位置之间的距离。
S16：根据公式(3)求解盾尾间隙初始值xc：
xc＝xs cosθ (3)
式中，xs为人工利用数显尺紧贴所述管片端面2测量得到的初始值。
S17：根据公式(4)求解所述图像物理坐标系原点距所述管片榫外径线22的初始值dc：
式中，pc为计算初始值dc时的所述图像物理坐标系原点与所述管片榫外径线22之间的像素数，kc为当前状态下对应的比例放大因子。
S18：以瞬时状态下所述测量距离ls和所述管片端面偏角θ为基础，根据公式(5)或(6)计算修正距离lm：
若lh>lh’：
若lh<lh’：
式中，c为管片厚度，f为管片外径线21与所述管片榫外径线22之间的距离。
S19：随着测量距离不断变化，而所述图像物理坐标系原点坐标保持固定，此即图像物理坐标系原点不变性。利用图像处理算法提取所述管片榫外径线22。在此基础上，根据公式(7)或(8)求解盾尾间隙值x：
若lh>lh’：
若lh<lh’：
式中，pm为所述修正距离lm对应的所述图像物理坐标系原点与所述管片榫外径线22之间的像素数，km为所述修正距离lm对应的比例放大因子，h为管片榫高度。
优选地，所述推进液压缸零点位置为推进液压缸端部在推进系统分区位移传感器数据值为零时的位置。
参照图7，本发明还提供一种用于所述测量方法的比例放大因子标定方法，包括以下步骤：
S21：水平放置所述图像采集装置1和带有矩形反光面31的标定装置3，并使得相机光轴垂直于所述矩形反光面31，且保证所述图像物理坐标系原点位于所述矩形反光面31内部。
S22：以卷尺刻度为基准，所述定焦镜头11位于卷尺零刻度处，以管片宽度作为标定范围，按照一定步长沿所述卷尺连续移动所述标定装置3，并采集标定装置图像及所述定焦镜头11与所述标定装置3之间的测量距离lb。
S23：计算所述矩形反光面31的宽度像素数qbi，根据公式(9)求解所述测量距离lbi对应的比例放大因子kbi：
式中，r为矩形反光面31的真实宽度值。
S24：利用三参数幂函数对标定数据k＝[kb1 kb2 ··· kbn]T和l＝[lb1 lb2··· lbn]T进行数据拟合，如公式(10)所示：
kbi＝αlbi β+γ(i＝1,2,...,n) (10)
式中，α、β、γ为待定系数。
参照图8，本发明进一步提供一种用于所述测量方法的图像处理算法，包括以下步骤：
S31：对原始图像沿水平方向进行剪裁，得到约1/3原始图像幅面的图像中心区域为图像处理区域。
S32：对所述图像处理区域依次进行灰度处理、直方图均衡化及中值滤波等图像预处理操作，以达到图像增强目的，为特征提取奠定基础。
S33：对预处理操作后的图像进行自适应阈值分割，根据图像不同区域，自适应计算不同阈值，进而准确分离特征线。所述自适应阈值分割后的二值图像中，所述管片榫外径线22较粗，无法精确计算像素坐标。因此对所述二值图像进行Canny算子边缘检测，从而实现所述管片榫外径线22的精确提取。
S34：对边缘检测后的图像进行Hough变换直线检测，通过设定Hough变换中特征直线的长度阈值来消除极端视觉环境中的部分干扰信息。如管片榫端面存在的流水、残胶等，通常不会贯穿整个所述图像处理区域，通过设定所述长度阈值可有效剔除所述流水、残胶等干扰因素。
S35：通过对直线检测后的图像设定斜率阈值，进一步消除视觉干扰信息。所述管片榫外径线22在所述图像处理区域中近似为竖直线段，即斜率无穷大，而所述流水、残胶等干扰因素通常并非完全竖直，因此通过设定所述斜率阈值可进一步剔除残余干扰信息。最终精确提取所述管片榫外径线22。
利用本发明可以实现盾尾间隙动态测量。结合比例放大因子标定方法，盾尾间隙测量方法规避了管片端面偏角引起的测量误差。本发明提供的测量方法具有测量精度高、实时性好等特点，可精确测量当盾构机与成环管片间存在动态偏角时，特别是小转弯半径施工区间的盾尾间隙值。本发明提供的盾尾间隙测量方法可广泛推广于各类盾构机。
上述内容阐述了很多具体细节以便于充分理解本发明，但是在不脱离本发明精神和范围的情况下，仍然可根据本发明公开的内容直接确定或推导符合本发明原理的许多其它变型或修改。例如，本发明以管片榫外径线为特征线进行盾尾间隙测量，但是以管片榫内径线、管片外径线及管片内径线作为特征线，同样可利用本发明提供的测量方法实现盾尾间隙动态测量。因此，本发明的范围应被理解和认定为覆盖了所有这些变型或修改。
Claims (5)
1.一种考虑管片端面偏角的机器视觉盾尾间隙动态测量方法，其特征在于，包括以下步骤：
S11：依据隧道现场视觉环境调节图像采集装置(1)中定焦镜头(11)的光圈环与对焦环,并用紧固螺丝固定；
S12：保持定焦镜头(11)光圈环与对焦环的参数不变，标定比例放大因子k；
S13：以盾构机推进系统分区为基准，分别在各分区安装1台图像采集装置(1)，包括定焦镜头(11)和工业相机(12)，并保证图像物理坐标系原点位于管片端面(2)中管片榫外径线(22)与管片榫内径线(23)之间；
S14：采集图像采集装置(1)所在推进系统分区的推进距离lh，采集对称分区的推进距离lh’，根据公式(1)计算管片端面(2)偏角θ：
式中，D为推进液压缸安装直径；
S15：根据公式(2)计算定焦镜头(11)与管片端面(2)之间的测量距离ls：
ls＝lh+Δl (2)
式中，Δl为定焦镜头(11)与推进液压缸零点位置之间的距离；
S16：根据公式(3)求解盾尾间隙初始值xc：
xc＝xscosθ (3)
式中，xs为人工利用数显尺紧贴管片端面(2)测量得到的初始值；
S17：根据公式(4)求解图像物理坐标系原点距管片榫外径线(22)的初始值dc：
式中，pc为图像物理坐标系原点与管片榫外径线(22)之间的像素数，kc为对应比例放大因子；
S18：以瞬时状态下测量距离ls和管片端面(2)偏角θ为基础，根据公式(5)或(6)计算修正距离lm：
若lh>lh’：
若lh<lh’：
式中，c为管片厚度，f为管片外径线(21)与管片榫外径线(22)之间的距离；
S19：利用图像处理算法提取管片榫外径线(22)；基于图像物理坐标系原点坐标不变性，根据公式(7)或(8)求解盾尾间隙值x：
若lh>lh’：
若lh<lh’：
式中，pm为修正距离lm对应的图像物理坐标系原点与管片榫外径线(22)之间的像素数，km为修正距离lm对应的比例放大因子，h为管片榫高度。
2.根据权利要求1所述的考虑管片端面偏角的机器视觉盾尾间隙动态测量方法，其特征在于，所述的比例放大因子标定方法，包括以下步骤：
S21：水平放置图像采集装置(1)和带有矩形反光面(31)的标定装置(3)，并使得相机光轴垂直于矩形反光面(31)，且保证图像物理坐标系原点位于矩形反光面(31)内部；
S22：以管片宽度作为标定范围，以卷尺刻度为基准，按照一定步长连续移动标定装置(3)，并采集图像及测量距离lb；
S23：计算矩形反光面(31)的宽度像素数qbi，根据公式(9)求解测量距离lbi对应的比例放大因子kbi：
式中，r为矩形反光面(31)的真实宽度值；
S24：利用三参数幂函数对标定数据k＝[kb1 kb2 … kbn]T和l＝[lb1 lb2 … lbn]T进行数据拟合，如公式(10)所示：
kbi＝αlbi β+γ (i＝1,2,...,n) (10)
式中，α、β、γ为待定系数。
3.根据权利要求1或2所述的考虑管片端面偏角的机器视觉盾尾间隙动态测量方法，其特征在于，所述的图像处理算法，包括以下步骤：
S31：对原始图像进行剪裁，得到图像处理区域；
S32：对图像处理区域依次进行灰度处理、直方图均衡化及中值滤波图像预处理操作；
S33：对预处理操作后的图像进行自适应阈值分割与Canny算子边缘检测；
S34：对边缘检测后的图像进行Hough变换直线检测，通过设定Hough变换中特征直线的长度阈值来消除极端视觉环境中的部分干扰信息；
S35：通过对直线检测后的图像设定斜率阈值，进一步消除视觉干扰信息，提取所述管片榫外径线(22)。
4.根据权利要求1或2所述的考虑管片端面偏角的机器视觉盾尾间隙动态测量方法，其特征在于，所述的推进液压缸零点位置为推进液压缸端部在推进系统分区位移传感器数据值为零时的位置。
5.根据权利要求3所述的考虑管片端面偏角的机器视觉盾尾间隙动态测量方法，其特征在于，所述的推进液压缸零点位置为推进液压缸端部在推进系统分区位移传感器数据值为零时的位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010999003.6A CN112161581B (zh) | 2020-09-22 | 2020-09-22 | 一种考虑管片端面偏角的机器视觉盾尾间隙动态测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010999003.6A CN112161581B (zh) | 2020-09-22 | 2020-09-22 | 一种考虑管片端面偏角的机器视觉盾尾间隙动态测量方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112161581A CN112161581A (zh) | 2021-01-01 |
| CN112161581B true CN112161581B (zh) | 2021-08-06 |
Family
ID=73862930
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010999003.6A Active CN112161581B (zh) | 2020-09-22 | 2020-09-22 | 一种考虑管片端面偏角的机器视觉盾尾间隙动态测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112161581B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114413775B (zh) * | 2022-03-28 | 2022-07-01 | 天津恒度量子精密仪器技术有限公司 | 一种基于双线激光视觉的盾构机盾尾间隙测量方法 |
| CN114777659A (zh) * | 2022-04-29 | 2022-07-22 | 中铁工程装备集团技术服务有限公司 | 盾构机施工过程中盾尾间隙测量装置及方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110081828A (zh) * | 2019-05-30 | 2019-08-02 | 上海隧道工程有限公司 | 机器视觉盾尾间隙检测图像网格特征点可靠性过滤方法 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2451807B (en) * | 2007-08-02 | 2012-01-18 | Arkex Ltd | Geophysical data processing systems |
| FR2969802A1 (fr) * | 2010-12-23 | 2012-06-29 | Thales Sa | Procede de determination d'erreur de localisation dans une image georeferencee et dispositif associe |
| CN103063153B (zh) * | 2013-01-11 | 2015-10-14 | 上海盾构设计试验研究中心有限公司 | 基于多点扫描距离检测技术的盾尾间隙测量方法和装置 |
| CN105571555B (zh) * | 2015-12-14 | 2018-07-31 | 武汉船用机械有限责任公司 | 一种盾构机盾尾间隙的测量装置及其测量方法 |
| CN106123795B (zh) * | 2016-08-24 | 2019-12-17 | 湖南科天健光电技术有限公司 | 基于结构光三维检测技术的盾尾间隙测量方法和装置 |
| CN106989683B (zh) * | 2017-04-20 | 2019-04-02 | 同济大学 | 一种盾构机盾尾间隙视觉测量方法 |
| JP7000208B2 (ja) * | 2018-03-08 | 2022-01-19 | 株式会社奥村組 | テールクリアランス計測装置 |
| JP7086737B2 (ja) * | 2018-06-11 | 2022-06-20 | 地中空間開発株式会社 | テールクリアランス計測装置、シールド掘進機およびテールクリアランス計測方法 |
| CN109359414B (zh) * | 2018-11-02 | 2021-05-11 | 大连理工大学 | 机械零部件关键部位测点优化布局下的应变实时监测方法 |
| CN110081827B (zh) * | 2019-05-30 | 2021-02-05 | 上海隧道工程有限公司 | 机器视觉无参照物的盾尾间隙自动检测方法 |
| CN111457851B (zh) * | 2020-04-14 | 2021-11-23 | 中国铁建重工集团股份有限公司 | 一种盾构机盾尾间隙测量系统及方法 |
-
2020
- 2020-09-22 CN CN202010999003.6A patent/CN112161581B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110081828A (zh) * | 2019-05-30 | 2019-08-02 | 上海隧道工程有限公司 | 机器视觉盾尾间隙检测图像网格特征点可靠性过滤方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112161581A (zh) | 2021-01-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109489566B (zh) | 锂电池隔膜材料分切宽度检测方法、检测系统及装置 | |
| CN112161581B (zh) | 一种考虑管片端面偏角的机器视觉盾尾间隙动态测量方法 | |
| CN111288967B (zh) | 一种基于机器视觉的远距离高精度位移检测方法 | |
| CN102297660B (zh) | 一种盾构隧道衬砌管片接缝张开宽度的测量方法及装置 | |
| CN110243300B (zh) | 基于机器视觉技术的盾尾间隙测量方法及系统 | |
| CN210573937U (zh) | 一种辊压机辊面在线三维成像装置 | |
| CN110689512B (zh) | 一种孔内全景视频环状图像快速拼接融合成图方法 | |
| CN108362469B (zh) | 基于压敏漆与光场相机的尺寸与表面压力测量方法与装置 | |
| CN113138148B (zh) | 一种基于红外图像的土壤入渗性能自动测量方法及装置 | |
| CN107392849B (zh) | 基于图像细分的靶标识别与定位方法 | |
| CN110081827B (zh) | 机器视觉无参照物的盾尾间隙自动检测方法 | |
| CN106996748A (zh) | 一种基于双目视觉的轮径测量方法 | |
| CN108344693B (zh) | 一种面向自动焊接的薄板焊缝错边量视觉测量方法 | |
| CN103810676B (zh) | 一种钢管运行速度的监测方法 | |
| CN110634128A (zh) | 一种球头销尺寸检测方法、装置、计算机设备及存储介质 | |
| CN108204985A (zh) | 一种盾构隧道里程定位方法 | |
| CN111667470A (zh) | 一种基于数字图像的工业管道探伤内壁检测方法 | |
| CN113607058B (zh) | 一种基于机器视觉的直刃刀尺寸检测方法及系统 | |
| CN113538399A (zh) | 一种用于获取工件精准轮廓的方法、机床及存储介质 | |
| CN113763279A (zh) | 一种具有矩形框图像的精确校正处理方法 | |
| CN116957943A (zh) | 一种基于图像融合的显微镜拼接校准方法 | |
| CN115115820B (zh) | 用于盾尾间隙智能监测的图像特征提取方法、系统及装置 | |
| CN115234845B (zh) | 基于投影模型的油气管道内壁缺陷图像可视化检测方法 | |
| CN116958092A (zh) | 一种基于改进立体匹配算法的输电线路弧垂快速测量方法 | |
| CN114136274A (zh) | 基于计算机视觉的站台限界测量方法 |
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 |