CN112284277A - 基于计算机视觉的隧道洞口边坡变形监测系统和方法 - Google Patents
基于计算机视觉的隧道洞口边坡变形监测系统和方法 Download PDFInfo
- Publication number
- CN112284277A CN112284277A CN202010961555.8A CN202010961555A CN112284277A CN 112284277 A CN112284277 A CN 112284277A CN 202010961555 A CN202010961555 A CN 202010961555A CN 112284277 A CN112284277 A CN 112284277A
- Authority
- CN
- China
- Prior art keywords
- tunnel portal
- cameras
- image
- computer vision
- 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
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
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了基于计算机视觉的隧道洞口边坡变形监测系统,包括洞口监测组件和总控制系统,洞口检测组件与总控制系统连接;洞口监测组件包括:图像采集装置、信息传输装置和视觉处理装置,视觉处理装置与图像采集装置通过第一信息传输装置信号连接;图像采集装置用于采集洞口图像,所述信息传输装置用于将所述图像采集装置采集的图像信息传输给所述视觉处理装置,以及用于将所述视觉处理装置的控制信息发送给所述图像采集装置;图像采集装置被配置为包括第一组摄像机和第二组摄像机,每组摄像机被配置为包括振动判断算法模块。提供了一种响应速度快,精度高的的隧道监测系统。
Description
技术领域
本发明涉及隧道安全监控领域,具体涉及到基于计算机视觉的隧道洞口边坡变形监测系统和方法。
背景技术
目前通常隧道施工全过程中,采用的的监测措施是采用传统方法(如水准仪、经纬仪、全站仪等)在随隧道施工进度推进时在洞内外选取合适的参考点,洞外位置可利用测地型GPS接收装置或其他常规测绘手段,标定量测点的位置与高程,再在已经标定的量测点上利用传统仪器方法测量隧道洞口及周边边坡、地表的变化情况,洞内参考点位置和高程可依据洞外参考点测得,并以此作为洞内沉降与各方向变形的观测点。由于洞口、边坡及隧道开挖过程中,洞身变形测量重点观测变形前后相对位置关系,通常对量测参考点的具体位置信息要求不高。并且由于传统方法进行的隧道洞口及边坡的监测中,人工参与比例高,在此条件下,测量频率有限,选取的洞口及周边边坡监测位置数量也往往受到限制,同时测量过程中人为操作存在的误差也难以得到有效的控制。
发明内容
本发明要解决的技术问题是克服现有技术存在的不足,提供一种高智能化、高集成度、高覆盖性的隧道监测预警系统。
为解决上述技术问题,本发明提出的技术方案为:
基于计算机视觉的隧道洞口边坡变形监测系统,包括洞口监测组件和总控制系统,洞口检测组件与总控制系统连接;
洞口监测组件包括:图像采集装置、信息传输装置和视觉处理装置,视觉处理装置与图像采集装置通过第一信息传输装置信号连接;
图像采集装置用于采集洞口图像,信息传输装置用于将图像采集装置采集的图像信息传输给视觉处理装置,以及用于将视觉处理装置的控制信息发送给图像采集装置;
图像采集装置被配置为包括第一组摄像机和第二组摄像机,每组摄像机被配置为包括振动判断算法模块;图像采集装置被配置为实现如下方法:
通过检测第一组摄像机采集的图像中固定的自然背景特征来计算第一组摄像机的运动参数;
通过图像校正算法结合第二组摄像机去除第一组摄像机由于平移或者旋转而造成的误差。
作为上述技术方案的进一步改进:
优选的,总控制系统包括控制中心和数据存储中心;数据存储中心与控制中心连接,其中,控制中心包括数据分析模块,预警模块和操作中心;操作中心包括显示器和操作主机,预警模块包括警报器和集成在操作中心的显示器;
控制中心接收洞口监测装置和洞身检测装置采集的数据,数据分析模块对采集的数据进行分析,显示在显示器上,根据数据有无异常对应启动预警模块,控制中心对异常情况进行处理,数据存储中心保存收集到的数据和处理情况的数据。
优选的,洞口监测装置被配置为实现如下方法:
步骤S10,通过振动判断算法模块判断摄像机是否发生振动或者发生位移,若发生位移或者振动,进入步骤S20;若未发生位移或者振动,进入步骤S50;
步骤S20,则根据振动或者位移产生的图像序列定义整体运动关注区域;
步骤S30,迭代估计全局运动参数,并判断全局运动参数是否达到满意阈值;
步骤S40,若全局运动参数未达到满意阈值,则利用全局运动参数修正原始图像并裁剪,并对摄像机进行校准;
步骤S50,对摄像机进行校准;
步骤S60,在不存在畸变图像的前提下,确定高亮区域像素中心位置;
步骤S70,进行像素形变测量并计算比例因子和实际变形,并进行降噪处理;
步骤S80,计算洞口及周边地表最后的变形测量值;
步骤S90,获得隧道洞口及地表实时监测曲线和地面沉降等值线并发送给总控制系统。
优选的,总控制系统被配置为实现如下方法:
根据隧道洞口和地表实时监测曲线和地面沉降等值线与工程安全参考值进行对比判断隧道洞口和地表是否安全;
以及根据隧道洞身各段变形数据与工程参考值进行比较判断隧道洞身是否安全。
优选的,基于计算机视觉的隧道洞口边坡变形监测系统还包括移动终端,移动终端与总控制系统连接,用于接收总控制系统发送的监测数据。
优选的,控制中心还可以与隧道内部的消防装置、排水装置和通风装置连接。
优选的,控制中心还可以远程连接道路维护部门、消防部门以及交通警察部门。
本发明还提供一种采用上述基于计算机视觉的隧道洞口边坡变形监测系统的隧道洞口边坡变形监测方法,本发明方法包括:
步骤S100,在隧道洞口做好基于计算机视觉的隧道洞口边坡变形监测系统的布设准备,包括:
步骤S101,对隧道洞口设定位置进行亮度标记;
步骤S102,架设混凝土墩台和框架用于架设图像采集装置中的两组摄像机;
步骤S103,布设信息传输装置中的网络;
步骤S200,通过基于计算机视觉的隧道洞口边坡变形监测系统对隧道洞口进行数据采集和监测,包括:
步骤S201,通过振动判断算法模块判断摄像机是否发生振动或者发生位移,若发生位移或者振动,进入步骤S202;若未发生位移或者振动,进入步骤S205;
步骤S202,则根据振动或者位移产生的图像序列定义整体运动关注区域;
步骤S203,迭代估计全局运动参数,并判断全局运动参数是否达到满意阈值;
步骤S204,若全局运动参数未达到满意阈值,则利用全局运动参数修正原始图像并裁剪,并对摄像机进行校准;
步骤S205,对摄像机进行校准;
步骤S206,在不存在畸变图像的前提下,确定高亮区域像素中心位置;
步骤S207,进行像素形变测量并计算比例因子和实际变形,并进行降噪处理;
步骤S208,计算洞口及周边地表最后的变形测量值;
步骤S209,获得隧道洞口及地表实时监测曲线和地面沉降等值线并发送给总控制系统。
优选的,步骤S201之后还包括:
通过检测图像采集装置中的第一组摄像机采集的图像中固定的自然背景特征来计算第一组摄像机的运动参数;
通过图像校正算法结合第二组摄像机去除第一组摄像机由于平移或者旋转而造成的误差。
与现有技术相比,本发明的优点在于:
1、利用计算机视觉的监测技术,解决了人工采用传统方法(水准仪、经纬仪、全站仪)进行监测产生的一系列问题,包括并不限于:操作繁琐、人为影响因素大、监测频率低、监控点数量受限等,能够实时、快速地反馈待测位置的累计变形量,为工程的安全高效进行提供保障。
2、利用双摄像机系统,进一步优化计算机视觉技术条件下图像测量精度,不仅仅依靠后处理时采用的计算相关算法对图像采集装置采集的图像信息修正,同时利用第二台摄像机,同时观测第一台摄像机可能受到的扰动和产生的位移变化以及隧道洞口变形与周边边坡及地表变化情况,进一步增加测量精度。
3、基于改进的霍夫变换图像识别技术,解译地面沉降等值线,建立基于计算机视觉的洞口边坡变形监测方法,代替人工量测监控的方法,并能实现自动预警。
4、本系统结构简单,布置灵活,施工方便;全套装置安装后,对外界条件影响的反馈更小,因此测量精度更高;本装置采用有线/无线方式实时传输图像数据,并在后端的计算机中快速处理,实现隧道洞口和周边边坡地表监控量测的信息化、智能化。
附图说明
图1是本发明的结构示意图。
图2是本发明步骤流程图。
具体实施方式
为了便于理解本发明,下文将结合说明书附图和较佳的实施例对本发明作更全面、细致地描述,但本发明的保护范围并不限于以下具体的实施例。
如图1-图2所示,本发明提出了一种基于计算机视觉的隧道洞口边坡变形监测系统及监测方法,该系统包括洞口监测组件和总控制系统,所述洞口检测组件与所述总控制系统连接;
洞口监测组件包括:图像采集装置、信息传输装置和视觉处理装置,视觉处理装置与所述图像采集装置通过所述第一信息传输装置信号连接;
图像采集装置用于采集洞口图像,信息传输装置用于将所述图像采集装置采集的图像信息传输给视觉处理装置,以及用于将视觉处理装置的控制信息发送给图像采集装置;
图像采集装置被配置为包括第一组摄像机和第二组摄像机,每组摄像机被配置为包括振动判断算法模块;所述图像采集装置被配置为实现如下方法:
通过检测第一组摄像机采集的图像中固定的自然背景特征来计算第一组摄像机的运动参数;
通过图像校正算法结合第二组摄像机去除第一组摄像机由于平移或者旋转而造成的误差。
为保不影响隧道工程正常的施工进行,可依据工程现场状况架设一定高度的混凝土墩台和外部框架,混凝土墩台保证摄像机均拥有良好的视野情况,外部框架保证摄像机在风雨等天气情况下,收到的扰动相对较小。由于风和施工进行中不可避免的扰动等引起的摄像机运动是精确测量隧道及周边地表变形的难题。因此,在之前运用的图像运动校正算法与基于二维图像的变形测量技术相结合以外,还需要进一步的优化其监测情况,提高监测的精度,缩小环境影响下存在的误差,使得不仅能连续、方便地从振动图像中测量和提取真实的桥梁变形,还能更精确的获得所需监测数据。
故摄像机要求能够拍摄到洞口及周边地表边坡的完整面貌和所有布设的亮度标记,摄像机要求能够尽量拍摄到洞口及周边地表边坡的整体面貌的和大多数布设的亮度标记,以便在后续处理和计算过程中,对摄像机拍摄的图像位置信息进行修正。信息传输装置由无线网络或有线以太网路组成,连接到施工单位的计算机视觉处理计算装置中。若现场距离施工单位工程指挥中心距离较远,亦可以将计算机视觉处理装置架设在图像采集装置附近,处理结束后,通过信息传输装置传输回工程指挥部,并包装后续处理的测量监测结果,进行包括以下的后处理,解译实时观测区域累计沉降等值线,实现累计沉降变形变化曲线的建立,并最终反馈至工程师手中的数据处理装置中。
综上述,考虑到本发明所提出的方法所面临的挑战,包括检测图像中固定的自然背景特征来计算摄像机运动参数,通过改进的图像运动校正算法并结合第二组摄像机去除摄像机运动可能的平移和旋转造成的误差,利用多摄像机和二维图像变形测量技术估算隧道及周边边坡变形沉降,同时测量这些区域的各向变形,为在工程现场条件下及自然环境因素造成扰动状态下的情况下测量隧道洞口及边坡、地表变形提供了监测基础,并以此建立基于计算机视觉的洞口边坡变形监测方法,代替人工量测监控的方法,并能实现自动预警。
进一步地,总控制系统包括控制中心和数据存储中心;所述数据存储中心与所述控制中心连接;
其中,所述控制中心包括数据分析模块,预警模块和操作中心;所述操作中心包括显示器和操作主机,所述预警模块包括警报器和集成在操作中心的显示器;
所述控制中心接收洞口监测装置和洞身检测装置采集的数据,数据分析模块对采集的数据进行分析,显示在显示器上,根据数据有无异常对应启动预警模块,控制中心对异常情况进行处理,数据存储中心保存收集到的数据和处理情况的数据。
进一步地,洞口监测装置被配置为实现如下方法:
步骤S10,通过所述振动判断算法模块判断摄像机是否发生振动或者发生位移,若发生位移或者振动,进入步骤S20;若未发生位移或者振动,进入步骤S50;
步骤S20,则根据振动或者位移产生的图像序列定义整体运动关注区域;
步骤S30,迭代估计全局运动参数,并判断全局运动参数是否达到满意阈值;
步骤S40,若全局运动参数未达到满意阈值,则利用全局运动参数修正原始图像并裁剪,并对摄像机进行校准;
步骤S50,对摄像机进行校准;
步骤S60,在不存在畸变图像的前提下,确定高亮区域像素中心位置;
步骤S70,进行像素形变测量并计算比例因子和实际变形,并进行降噪处理;
步骤S80,计算洞口及周边地表最后的变形测量值;
步骤S90,获得隧道洞口及地表实时监测曲线和地面沉降等值线并发送给总控制系统。
进一步地,总控制系统被配置为实现如下方法:
根据隧道洞口和地表实时监测曲线和地面沉降等值线与工程安全参考值进行对比判断隧道洞口和地表是否安全;
以及根据隧道洞身各段变形数据与工程参考值进行比较判断隧道洞身是否安全。
进一步地,该系统还包括移动终端,所述移动终端与所述总控制系统连接,用于接收所述总控制系统发送的监测数据。
进一步地,控制中心还可以与隧道内部的消防装置、排水装置和通风装置连接。
进一步地,控制中心还可以远程连接道路维护部门、消防部门以及交通警察部门。
本发明还提供一种隧道洞口边坡变形监测方法,应用了如上所述的基于计算机视觉的隧道洞口边坡变形监测系统,该方法包括:
步骤S100,在隧道洞口做好基于计算机视觉的隧道洞口边坡变形监测系统的布设准备,包括:
步骤S101,对隧道洞口设定位置进行亮度标记;
步骤S102,架设混凝土墩台和框架用于架设图像采集装置中的两组摄像机;
步骤S103,布设信息传输装置中的网络;
步骤S200,通过基于计算机视觉的隧道洞口边坡变形监测系统对隧道洞口进行数据采集和监测,包括:
步骤S201,通过所述振动判断算法模块判断摄像机是否发生振动或者发生位移,若发生位移或者振动,进入步骤S202;若未发生位移或者振动,进入步骤S205;
步骤S202,则根据振动或者位移产生的图像序列定义整体运动关注区域;
步骤S203,迭代估计全局运动参数,并判断全局运动参数是否达到满意阈值;
步骤S204,若全局运动参数未达到满意阈值,则利用全局运动参数修正原始图像并裁剪,并对摄像机进行校准;
步骤S205,对摄像机进行校准;
步骤S206,在不存在畸变图像的前提下,确定高亮区域像素中心位置;
步骤S207,进行像素形变测量并计算比例因子和实际变形,并进行降噪处理;
步骤S208,计算洞口及周边地表最后的变形测量值;
步骤S209,获得隧道洞口及地表实时监测曲线和地面沉降等值线并发送给总控制系统。
进一步地,步骤S201之后还包括:
通过检测图像采集装置中的第一组摄像机采集的图像中固定的自然背景特征来计算第一组摄像机的运动参数;
通过图像校正算法结合第二组摄像机去除第一组摄像机由于平移或者旋转而造成的误差。
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。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 (9)
1.基于计算机视觉的隧道洞口边坡变形监测系统,其特征在于:所述系统包括洞口监测组件和总控制系统,所述洞口检测组件与所述总控制系统连接;
所述洞口监测组件包括:图像采集装置、信息传输装置和视觉处理装置,所述视觉处理装置与所述图像采集装置通过所述第一信息传输装置信号连接;
所述图像采集装置用于采集洞口图像,所述信息传输装置用于将所述图像采集装置采集的图像信息传输给所述视觉处理装置,以及用于将所述视觉处理装置的控制信息发送给所述图像采集装置;
所述图像采集装置被配置为包括第一组摄像机和第二组摄像机,每组摄像机被配置为包括振动判断算法模块;所述图像采集装置被配置为实现如下方法:
通过检测第一组摄像机采集的图像中固定的自然背景特征来计算第一组摄像机的运动参数;
通过图像校正算法结合第二组摄像机去除第一组摄像机由于平移或者旋转而造成的误差。
2.根据权利要求1所述的基于计算机视觉的隧道洞口边坡变形监测系统,其特征在于:所述总控制系统包括控制中心和数据存储中心;所述数据存储中心与所述控制中心连接;
其中,所述控制中心包括数据分析模块,预警模块和操作中心;所述操作中心包括显示器和操作主机,所述预警模块包括警报器和集成在操作中心的显示器;
所述控制中心接收洞口监测装置和洞身检测装置采集的数据,数据分析模块对采集的数据进行分析,显示在显示器上,根据数据有无异常对应启动预警模块,控制中心对异常情况进行处理,数据存储中心保存收集到的数据和处理情况的数据。
3.根据权利要求2所述的基于计算机视觉的隧道洞口边坡变形监测系统,其特征在于:所述洞口监测装置被配置为实现如下方法:
步骤S10,通过所述振动判断算法模块判断摄像机是否发生振动或者发生位移,若发生位移或者振动,进入步骤S20;若未发生位移或者振动,进入步骤S50;
步骤S20,则根据振动或者位移产生的图像序列定义整体运动关注区域;
步骤S30,迭代估计全局运动参数,并判断全局运动参数是否达到满意阈值;
步骤S40,若全局运动参数未达到满意阈值,则利用全局运动参数修正原始图像并裁剪,并对摄像机进行校准;
步骤S50,对摄像机进行校准;
步骤S60,在不存在畸变图像的前提下,确定高亮区域像素中心位置;
步骤S70,进行像素形变测量并计算比例因子和实际变形,并进行降噪处理;
步骤S80,计算洞口及周边地表最后的变形测量值;
步骤S90,获得隧道洞口及地表实时监测曲线和地面沉降等值线并发送给总控制系统。
4.根据权利要求3所述的基于计算机视觉的隧道洞口边坡变形监测系统,其特征在于:
所述总控制系统被配置为实现如下方法:
根据隧道洞口和地表实时监测曲线和地面沉降等值线与工程安全参考值进行对比判断隧道洞口和地表是否安全;
以及根据隧道洞身各段变形数据与工程参考值进行比较判断隧道洞身是否安全。
5.根据权利要求1~4任一项所述的基于计算机视觉的隧道洞口边坡变形监测系统,其特征在于:还包括移动终端,所述移动终端与所述总控制系统连接,用于接收所述总控制系统发送的监测数据。
6.根据权利要求1~4任一项所述的基于计算机视觉的隧道洞口边坡变形监测系统,其特征在于:所述控制中心还可以与隧道内部的消防装置、排水装置和通风装置连接。
7.根据权利要求1~4任一项所述的基于计算机视觉的隧道洞口边坡变形监测系统,其特征在于:所述控制中心还可以远程连接道路维护部门、消防部门以及交通警察部门。
8.一种采用如权利要求1~7任一项所述的基于计算机视觉的隧道洞口边坡变形监测系统的隧道洞口边坡变形监测方法,其特征在于:所述方法包括:
步骤S100,在隧道洞口做好基于计算机视觉的隧道洞口边坡变形监测系统的布设准备,包括:
步骤S101,对隧道洞口设定位置进行亮度标记;
步骤S102,架设混凝土墩台和框架用于架设图像采集装置中的两组摄像机;
步骤S103,布设信息传输装置中的网络;
步骤S200,通过基于计算机视觉的隧道洞口边坡变形监测系统对隧道洞口进行数据采集和监测,包括:
步骤S201,通过所述振动判断算法模块判断摄像机是否发生振动或者发生位移,若发生位移或者振动,进入步骤S202;若未发生位移或者振动,进入步骤S205;
步骤S202,则根据振动或者位移产生的图像序列定义整体运动关注区域;
步骤S203,迭代估计全局运动参数,并判断全局运动参数是否达到满意阈值;
步骤S204,若全局运动参数未达到满意阈值,则利用全局运动参数修正原始图像并裁剪,并对摄像机进行校准;
步骤S205,对摄像机进行校准;
步骤S206,在不存在畸变图像的前提下,确定高亮区域像素中心位置;
步骤S207,进行像素形变测量并计算比例因子和实际变形,并进行降噪处理;
步骤S208,计算洞口及周边地表最后的变形测量值;
步骤S209,获得隧道洞口及地表实时监测曲线和地面沉降等值线并发送给总控制系统。
9.根据权利要求8所述隧道洞口边坡变形监测方法,其特征在于:所述步骤S201之后还包括:
通过检测图像采集装置中的第一组摄像机采集的图像中固定的自然背景特征来计算第一组摄像机的运动参数;
通过图像校正算法结合第二组摄像机去除第一组摄像机由于平移或者旋转而造成的误差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010961555.8A CN112284277B (zh) | 2020-09-14 | 2020-09-14 | 基于计算机视觉的隧道洞口边坡变形监测系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010961555.8A CN112284277B (zh) | 2020-09-14 | 2020-09-14 | 基于计算机视觉的隧道洞口边坡变形监测系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112284277A true CN112284277A (zh) | 2021-01-29 |
CN112284277B CN112284277B (zh) | 2021-12-28 |
Family
ID=74420884
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010961555.8A Active CN112284277B (zh) | 2020-09-14 | 2020-09-14 | 基于计算机视觉的隧道洞口边坡变形监测系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112284277B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113012222A (zh) * | 2021-02-26 | 2021-06-22 | 中南大学 | 一种隧道洞口的变形监测系统 |
CN115030125A (zh) * | 2022-07-12 | 2022-09-09 | 黑龙江农垦建工路桥有限公司 | 一种隧道洞口边坡变形监测系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101055218A (zh) * | 2007-05-29 | 2007-10-17 | 重庆交通大学 | 桥梁挠度和位移的监测装置及监测方法 |
CN101936714A (zh) * | 2010-08-16 | 2011-01-05 | 上海地铁盾构设备工程有限公司 | 地铁隧道整体形变检测系统 |
CN102587986A (zh) * | 2012-03-12 | 2012-07-18 | 西安建筑科技大学 | 一种隧道施工信息化动态监测系统及其监测方法 |
CN102706288A (zh) * | 2012-06-19 | 2012-10-03 | 上海地铁盾构设备工程有限公司 | 基于图像测量姿态补偿方法及其装置和隧道沉降变形监测系统 |
WO2013135033A1 (zh) * | 2012-03-16 | 2013-09-19 | 同济大学 | 基于图像分析的隧道变形在线监测系统及其应用 |
CN104048970A (zh) * | 2014-06-19 | 2014-09-17 | 樊晓东 | 隧道缺陷的高速检测系统与检测方法 |
CN205352389U (zh) * | 2016-02-24 | 2016-06-29 | 广西大学 | 通过高清视频实现地铁盾构隧道地表位移实时监测的系统 |
CN109100735A (zh) * | 2018-09-28 | 2018-12-28 | 辽宁工程技术大学 | 一种地铁隧道形变监测系统及方法 |
CN209691075U (zh) * | 2018-12-10 | 2019-11-26 | 西安工程大学 | 一种分布式滑坡灾害监测预警系统 |
WO2020000740A1 (zh) * | 2018-06-29 | 2020-01-02 | 深圳市市政设计研究院有限公司 | 一种隧道变形监测系统 |
-
2020
- 2020-09-14 CN CN202010961555.8A patent/CN112284277B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101055218A (zh) * | 2007-05-29 | 2007-10-17 | 重庆交通大学 | 桥梁挠度和位移的监测装置及监测方法 |
CN101936714A (zh) * | 2010-08-16 | 2011-01-05 | 上海地铁盾构设备工程有限公司 | 地铁隧道整体形变检测系统 |
CN102587986A (zh) * | 2012-03-12 | 2012-07-18 | 西安建筑科技大学 | 一种隧道施工信息化动态监测系统及其监测方法 |
WO2013135033A1 (zh) * | 2012-03-16 | 2013-09-19 | 同济大学 | 基于图像分析的隧道变形在线监测系统及其应用 |
CN102706288A (zh) * | 2012-06-19 | 2012-10-03 | 上海地铁盾构设备工程有限公司 | 基于图像测量姿态补偿方法及其装置和隧道沉降变形监测系统 |
CN104048970A (zh) * | 2014-06-19 | 2014-09-17 | 樊晓东 | 隧道缺陷的高速检测系统与检测方法 |
CN205352389U (zh) * | 2016-02-24 | 2016-06-29 | 广西大学 | 通过高清视频实现地铁盾构隧道地表位移实时监测的系统 |
WO2020000740A1 (zh) * | 2018-06-29 | 2020-01-02 | 深圳市市政设计研究院有限公司 | 一种隧道变形监测系统 |
CN109100735A (zh) * | 2018-09-28 | 2018-12-28 | 辽宁工程技术大学 | 一种地铁隧道形变监测系统及方法 |
CN209691075U (zh) * | 2018-12-10 | 2019-11-26 | 西安工程大学 | 一种分布式滑坡灾害监测预警系统 |
Non-Patent Citations (1)
Title |
---|
姚进强: "隧道式锚碇结构位移监测方法及系统研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113012222A (zh) * | 2021-02-26 | 2021-06-22 | 中南大学 | 一种隧道洞口的变形监测系统 |
CN115030125A (zh) * | 2022-07-12 | 2022-09-09 | 黑龙江农垦建工路桥有限公司 | 一种隧道洞口边坡变形监测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112284277B (zh) | 2021-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210010809A1 (en) | Method for monitoring ground settlement based on computer vision | |
CN112254660B (zh) | 隧道智能监控量测信息集成与预警系统 | |
US8224030B2 (en) | Position measuring method and position measuring instrument | |
CN107704821B (zh) | 一种弯道的车辆位姿计算方法 | |
CN112284277B (zh) | 基于计算机视觉的隧道洞口边坡变形监测系统和方法 | |
CN109556569B (zh) | 地形图测绘方法及装置 | |
CN112836737A (zh) | 一种基于车路数据融合的路侧组合感知设备在线标定方法 | |
CN106092059B (zh) | 一种基于多点拟合的结构物平面位移监测方法 | |
JP6064045B2 (ja) | 情報送信装置、天候状況取得システム、サーバ装置、情報送信方法及びプログラム | |
CN112334733B (zh) | 拍摄装置的校正装置、监视装置、作业机械及校正方法 | |
KR101540993B1 (ko) | 지상 구조물 변경에 따른 지형지물의 변화 감시 및 측지정보 변화율 측지시스템 | |
JP2007107962A (ja) | 測定対象物計測システム、及び送電線下離隔計測システム | |
KR101747025B1 (ko) | 무인항공기를 이용한 홍수피해지역 조사방법 | |
KR20200007165A (ko) | 무인비행체에 탑재된 비전센서를 활용한 포트홀 탐지 시스템 및 그 방법 | |
CN113012222A (zh) | 一种隧道洞口的变形监测系统 | |
CN114894091A (zh) | 一种双目视觉测距功能的线路监控装置及系统 | |
CN112802004A (zh) | 便携式输电线路和杆塔健康智能视频检测装置 | |
CN114252075B (zh) | 一种电缆沟巡检机器人的路径跟踪方法及系统 | |
CN105633853A (zh) | 输电线巡视系统 | |
JP2017083458A (ja) | サーバ装置、天候状況取得方法、情報送信装置、情報送信方法、プログラム、及び、天候状況取得システム | |
KR102481914B1 (ko) | 핸드폰 라이다 및 사진을 활용한 지하시설물 3차원공간정보 획득 장치 및 이를 사용한 지하시설물 3차원공간정보 획득 방법 | |
US20220404170A1 (en) | Apparatus, method, and computer program for updating map | |
CN113935096B (zh) | 一种基坑变形实时监测方法及系统 | |
CN114964025A (zh) | 基于双目视觉隧道仰拱变形监测预警方法及其预警系统 | |
CN115409691A (zh) | 融合激光测距和监控图像的双模态学习边坡风险检测方法 |
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 |