CN112345084B - 基于数字孪生环境的三维温度场构建方法及装置 - Google Patents
基于数字孪生环境的三维温度场构建方法及装置 Download PDFInfo
- Publication number
- CN112345084B CN112345084B CN202011225617.5A CN202011225617A CN112345084B CN 112345084 B CN112345084 B CN 112345084B CN 202011225617 A CN202011225617 A CN 202011225617A CN 112345084 B CN112345084 B CN 112345084B
- Authority
- CN
- China
- Prior art keywords
- cloud data
- target object
- point cloud
- infrared camera
- infrared
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 22
- 230000007613 environmental effect Effects 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 20
- 230000000007 visual effect Effects 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 4
- 238000010191 image analysis Methods 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 10
- 239000011159 matrix material Substances 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000009529 body temperature measurement Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0003—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiant heat transfer of samples, e.g. emittance meter
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/48—Thermography; Techniques using wholly visual means
- G01J5/485—Temperature profile
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Radiation Pyrometers (AREA)
- Image Processing (AREA)
Abstract
本发明公开了基于数字孪生环境的三维温度场构建方法,包括:利用扫描设备获取目标物点云数据,利用红外相机获取目标物的红外图像以及红外图像中各像素点对应的温度值,所述扫描设备和所述红外相机的位置相对固定;对于目标物在红外相机的任一视角,根据目标物点云数据和预先获取的环境点云数据确定所述扫描设备的位置信息,根据所述扫描设备的位置信息确定所述红外相机的位置信息,以红外相机的位置信息为基准,确定目标物点云数据对应的温度值。本发明还公开了基于数字孪生环境的三维温度场构建装置。本发明能够构建三维温度场,解决了二维图像分析时比较片面的问题。
Description
技术领域
本发明涉及计算机三维仿真、虚拟现实、图像显示、点云处理领域。更具体地说,本发明涉及一种基于数字孪生环境的三维温度场构建方法及装置。
背景技术
随着计算机计算硬件和软件的发展,数字孪生技术和红外测温技术越来越成熟,数字孪生技术已经应用到房屋建设、文物保护等方向,红外测试技术也得到了广泛的应用。目前市场上有很种类繁多的红外相机,基于红外测温技术的研究也随处可见,在常见的使用方法上,主要基于平面图像的温度计算和分析,首先从某个固定方向对被观测物进行红外测量,得到这个方向上的温度图,然后分析这个温度图,得到温度分布曲线或是长时间的温度变化趋势。这种方法实施简单,得到的结果只是一个二维维度上的温度变化,并不能在整体上得到被测物的全景分析结果。因此,亟需设计一种能够一定程度克服上述缺陷的技术方案。
发明内容
本发明的一个目的是提供一种基于数字孪生环境的三维温度场构建方法及装置,能够构建三维温度场,解决了二维图像分析时比较片面的问题。
为了实现根据本发明的这些目的和其它优点,根据本发明的一个方面,提供了基于数字孪生环境的三维温度场构建方法,包括:
利用扫描设备获取目标物点云数据,利用红外相机获取目标物的红外图像以及红外图像中各像素点对应的温度值,所述扫描设备和所述红外相机的位置相对固定;
对于目标物在红外相机的任一视角,根据目标物点云数据和预先获取的环境点云数据确定所述扫描设备的位置信息,根据所述扫描设备的位置信息确定所述红外相机的位置信息,以红外相机的位置信息为基准,确定目标物点云数据对应的温度值。
进一步地,所述的基于数字孪生环境的三维温度场构建方法,所述扫描设备为激光雷达。
进一步地,所述的基于数字孪生环境的三维温度场构建方法,所红外相机包含了相机本体和云台,所述相机本体安装在云台之上,,所述扫描设备与所述红外相机的竖向位置相对固定。
进一步地,所述的基于数字孪生环境的三维温度场构建方法,所述云台设置在无人机或机器人上,通过所述无人机或所述机器人以预定路线围绕目标物移动,采集目标物各视角的目标物点云数据、红外图像以及红外图像中各像素点对应的温度值。
进一步地,所述的基于数字孪生环境的三维温度场构建方法,所述云台记录所述红外相机的角度信息,根据所述角度信息和所述红外相机的位置信息确定视角。
进一步地,所述的基于数字孪生环境的三维温度场构建方法,以红外相机的位置和云台角度信息为基准,对目标物点云数据进行变换处理,得到目标物点云数据在红外相机屏幕空间中对应的坐标信息,根据坐标信息及各像素点在红外图像中的位置,确定目标物点云数据对应的像素点及温度值。
进一步地,所述的基于数字孪生环境的三维温度场构建方法,还包括:根据所述红外相机的位置信息及目标物点云数据计算目标物点云数据的深度信息;根据目标物点云数据的深度信息,确定红外相机屏幕空间中每个像素点对应的最近的点云数据。这些实施例能够筛选出距离每个像素点最近的点云数据,提高点云数据与温度值对应的准确性。
进一步地,所述的基于数字孪生环境的三维温度场构建方法,根据环境影响因子和目标物影响因子,对红外图像中各像素点对应的温度值进行校正。
进一步地,所述的基于数字孪生环境的三维温度场构建方法,还包括:
以上一视角的红外图像中各像素点对应的温度值及深度信息作为输入,以下一视角中红外图像中各像素点对应的温度值为输出,训练获得神经网络预测模型;
获取任一视角中红外图像中各像素点对应的温度值及深度信息,输入神经网络预测模型,将输出的下一视角的红外图像中各像素点对应的温度值与实际的下一视角的红外图像中各像素点对应的温度值进行比较,若存在一个温度误差大于设定阈值,则对该视角的红外图像以及红外图像中各像素点对应的温度值进行重新采集。
根据本发明的另一个方面,基于数字孪生环境的三维温度场构建装置,包括:
处理器;
存储器,其存储有可执行指令;
其中,所述处理器被配置为执行所述可执行指令,以执行所述的基于数字孪生环境的三维温度场构建方法。
本发明至少包括以下有益效果:
本发明只需要使用扫描设备和红外相机,即可把二维图像精准的映射到三维点云上,以达到构建三维温度场的目的,解决了二维图像分析时比较片面的问题,并且所用设备简单,可复制性强。
本发明的其它优点、目标和特征将部分通过下面的说明体现,部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明的框架图;
图2为本发明一个实施例得到的效果图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
应当理解,本文所使用的诸如“具有”、“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。
如图1所示,本申请的实施例提供了基于数字孪生环境的三维温度场构建方法,包括:S1、利用扫描设备获取目标物点云数据,利用红外相机获取目标物的红外图像以及红外图像中各像素点对应的温度值,所述扫描设备和所述红外相机的位置相对固定;S2、对于目标物在红外相机中的任一视角,根据目标物点云数据和预先获取的环境点云数据确定所述扫描设备的位置信息,根据所述扫描设备的位置信息确定所述红外相机的位置信息,以红外相机的位置信息为基准,确定目标物点云数据对应的温度值。
在上述实施例中,扫描设备可以使用现有的任意点云扫描设备,红外相机能够采集目标物的红外图像,以及红外图像中各像素点的温度值。利用现有任意的移动设置带动红外相机和扫描设备围绕目标物移动,采集各视角的目标物点云数据、红外图像及温度值,为构建三维温度场做准备。扫描设备和红外相机的位置相对固定,即是可以通过其中一个的位置确定另一个的位置。对于任一视角,即红外相机的一个拍摄角度,获取目标物的点云数据、红外图像及温度值,根据目标物点云数据和预先获取的环境点云数据,确定扫描设备的位置信息,继而根据扫描设备与红外相机的位置关系,确定红外相机的位置信息。以红外相机的位置信息为基准,转换目标物点云数据,使得目标物点云数据能够与红外相机拍摄的红外图像的像素点对应起来,进而获得目标物点云数据的温度值,实现三维温度场的构建。可以看出,本实施例只需要使用扫描设备和红外相机,即可把二维图像精准的映射到三维点云上,以达到构建三维温度场的目的,解决了二维图像分析时比较片面的问题,并且所用设备简单,可复制性强。
在另一些实施例中,所述扫描设备为激光雷达,优选为多线激光雷达。
在另一些实施例中,所述红外相机包括相机本体和云台,所述相机本体设置在云台上,所述扫描设备与所述红外相机的竖向位置相对固定,激光雷达和云台为两个独立设备,云台可转动,调整红外相机的拍摄角度。
在另一些实施例中,所述云台设置在无人机或机器人上,通过所述无人机或所述机器人以预定路线围绕目标物移动,采集目标物各视角的目标物点云数据、红外图像以及红外图像中各像素点对应的温度值,能够实现数据的自动化采集。
在另一些实施例中,所述云台记录所述红外相机的角度信息,根据所述角度信息和所述红外相机的位置信息确定视角,方便更好地构建三维温度场。
在另一些实施例中,以红外相机的位置信息和角度信息为基准,对目标物点云数据进行变换处理,得到目标物点云数据在红外相机屏幕空间中对应的坐标信息,根据坐标信息及各像素点在红外图像中的位置,确定目标物点云数据对应的像素点及温度值。在这些实施例中,根据红外相机的位置信息,将目标物点云数据的坐标转换为以红外相机为基准的坐标,进而转换为在红外相机屏幕空间的坐标信息,并使得坐标信息与红外图像中各像素点对应起来,即可获得目标物点云数据的温度值。
在另一些实施例中,还包括:根据所述红外相机的位置信息及目标物点云数据计算目标物点云数据的深度信息;根据目标物点云数据的深度信息,确定屏幕空间中每个像素点对应的最近的点云数据。这些实施例能够筛选出距离每个像素点最近的点云数据,提高点云数据与温度值对应的准确性。
在另一些实施例中,根据环境影响因子和目标物影响因子,对红外图像中各像素点对应的温度值进行校正,可以根据环境影响因素、目标物影响因素,如温度、湿度、材质等获得校正系数,以对温度值进行校正。
在另一些实施例中,还包括:以上一视角的红外图像中各像素点对应的温度值及深度信息作为输入,以下一视角中红外图像中各像素点对应的温度值为输出,训练获得神经网络预测模型;获取任一视角中红外图像中各像素点对应的温度值及深度信息,输入神经网络预测模型,将输出的下一视角的红外图像中各像素点对应的温度值与实际的下一视角的红外图像中各像素点对应的温度值进行比较,若存在一个温度误差大于设定阈值,则对该视角的红外图像以及红外图像中各像素点对应的温度值进行重新采集。本实施例通过神经网络,降低温度值误差,如可以使用LSTM神经网络,神经网络预测模型可以根据试验样本训练得到。以上一视角的温度值和深度信息为输入,输出下一视角的预测温度值,并与实际温度值比较,根据误差值确定温度值误差的大小,当误差值较大,比如大于50%,则表明此视角的温度采集误差较大,需要重新采集。
根据本发明的另一个方面,基于数字孪生环境的三维温度场构建装置,包括:处理器;存储器,其存储有可执行指令;其中,所述处理器被配置为执行所述可执行指令,以执行所述的基于数字孪生环境的三维温度场构建方法。本实施例基于与基于数字孪生环境的三维温度场构建方法相同的发明构思得到,可参考方法部分的描述。本实施例的装置不限于pc、终端、服务器。比如此装置可以设置在服务器中,间隔设定时间执行。
以下以一个具体实施例具体说明:
与传统的温度计算方法不同,本具体实施例主要结合点云显示技术,使用基于计算计三维图形学的空间到屏幕像素的变换公式,把二维图像精准的映射到三维点云上,以达到构建三维温度场的目的,解决了二维图像分析时比较片面的问题。另外本具体实施例所用设备简单,可复制性强。
本具体实施例使用了点云扫描技术、数字孪生技术、红外扫描技术、计算机三维仿真技术。为了更快的计算出结果,本具体实施例还改进了温度映射的计算方法,在计算过程中达到实时处理的速度。
为了在本具体实施例所指导的方法下得到温度场结果,需要按以下步骤进行准备:
1、准备数字孪生场景的点云数据,此数据可由易达红外扫描车获得,经过自行研发的数据处理工具处理后可得到用于高效显示的空间数据集。
2、取得相机位置和角度,此过程由多线雷达扫描周围空间后与目标物点云数据集进行比较,得出精度达到毫米级别的相机位置信息,角度信息可由红外相机云台直接给出。
3、获得温度数据,此处的温度信息由高清红外相机采集,温度集是一个二维数组,保存了红外相机得到的图片上的每个像素点的温度,精度达到0.01度。
映射算法根据相机位置和旋转角度,加载当前视角内的所有点云数据集,使用下面公式对点云进行栅格化:modelMatrix*viewMatrix*projMatrix。也就是经过模型空间变换->观察空间变换->投影空间变换这三个步骤,得到每个点云在相机屏幕空间下的的0-1之间的坐标值。这个坐标值包含了x,y坐标,均为0-1之间的值。
坐标值x和y与二维数据的长和宽相乘,得到二维数组的坐标,然后用计算得来的坐标从温度集数组中查询温度值。
在这一步,还需要计算每个点云到相机的距离,得到每个点的深度信息。
4、完成第三步后,还需要再解决穿透问题,这时就需要把第三步的深度信息进行比较,得到同一个像素点下离相机最近的数据点,最终得到全部点云在当前相机位置和角度下可观察到的一个子集。
5、这一步就是温度的映射,通过变换计算中保存的点云序号和深度信息,把每一个屏幕对应点的温度保存到点云的附属信息中,为了准确的得到测量结果,可以重复第2步到第5步之间的过程,多次得到的结果进行加权计算,并根据所计算点云的距离和材质再进行温度的校正。
6、为了确保数据的安全,以加密格式按顺序把点云的温度信息保存到数据库,等待后续分析工作的使用。为了提高保存速度,本具体实施例中使用NoSql数据库保存最终经过多次加权分析后所得的结果。
在最简化的构建模型中,只要一个红外相机,一个点云扫描装置,配合计算公式就能完成温度场的构建。
此种方法可以给空间的每个点都计算出准确的温度值,不受限于空间,不受限于时间,温度值可转换为颜色用于显示,如图2所示(移动设备围绕目标物环绕一周得到),偏蓝色是测量的低温区域,偏黄,红的地方,是高温区域。
本具体实施例使用了多重计算加权取最优值的方法,具体来说,就是在易达扫描车的运行过程经过多次扫描同一点的数据后,把这些数据和周围环境因素的影响计算进来,经过温度值的校正,得到最终的最优解。形成公式如下,第一组:
公式1:T1*E1+T2*E2+T3*E3+...+Tn*En=Sn Tn为每次测量的温度值,En为环境因素。环境因素包括环境温度,湿度,被测物的辐射率,离相机位置等信息。
公式2:Sn/n*D=T 其中T为最终的结果,n为测量次数,D为经验系数,此系数是经过多次误差方差值的计算最终得到某一个环境下的经验系数。
得到校正后的温度值后,通过三维图形学的MVP公式,把某个点云数据对应到温度数组中以计算点云的温度。
此外公式如下,第二组:
公式1:V*M*V*P=p 公式中V为点云坐标,M为模型变换矩阵,V为视图变换矩阵,P为屏幕变换矩阵,p为最终的屏幕上的点。
公式2:V=Get(Vs,MIN(Len(V1-C),Len(V2-C),Len(V3-C),...,Len(Vn-C))) 此公式为取Vs点云数组中离相机最短距离的点,其中Vs为点云数据集,Vn为点云数据中的某一个点,C为相机位置。
经过上面的公式,就可以得到离相机位置最近的唯一的点云数据,此点云数据对应的温度通过第一组公式计算的数据得到。
针对所有在相机观察矩阵内的点云,都做一次查询计算,最终就得到相机观察矩阵内的所有点云的温度,并且通过第二组公式解决了遮挡问题。
这里说明的设备数量和处理规模是用来简化本发明的说明的。对本发明基于数字孪生环境的三维温度场构建方法及装置的应用、修改和变化对本领域的技术人员来说是显而易见的。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (6)
1.基于数字孪生环境的三维温度场构建方法,其特征在于,包括:
利用扫描设备获取目标物点云数据,利用红外相机获取目标物的红外图像以及红外图像中各像素点对应的温度值,所述扫描设备和所述红外相机的位置相对固定;
对于目标物在红外相机的任一视角,根据目标物点云数据和预先获取的环境点云数据确定所述扫描设备的位置信息,根据所述扫描设备的位置信息确定所述红外相机的位置信息,以红外相机的位置信息为基准,确定目标物点云数据对应的温度值;
所述红外相机包含了相机本体和云台,所述相机本体安装在所述云台之上,所述扫描设备与所述红外相机的竖向位置相对固定;
所述云台记录所述红外相机的角度信息,根据所述角度信息和所述红外相机的位置信息确定视角;
还包括:
根据所述红外相机的位置信息及目标物点云数据计算目标物点云数据的深度信息;
根据目标物点云数据的深度信息,确定屏幕空间中每个像素点对应的最近的点云数据;
还包括:
以上一视角的红外图像中各像素点对应的温度值及深度信息作为输入,以下一视角中红外图像中各像素点对应的温度值为输出,训练获得神经网络预测模型;
获取任一视角中红外图像中各像素点对应的温度值及深度信息,输入神经网络预测模型,将输出的下一视角的红外图像中各像素点对应的温度值与实际的下一视角的红外图像中各像素点对应的温度值进行比较,若存在一个温度误差大于设定阈值,则对该视角的红外图像以及红外图像中各像素点对应的温度值进行重新采集。
2.如权利要求1所述的基于数字孪生环境的三维温度场构建方法,其特征在于,所述扫描设备为激光雷达。
3.如权利要求1所述的基于数字孪生环境的三维温度场构建方法,其特征在于,所述云台设置在无人机或机器人上,通过所述无人机或所述机器人以预定路线围绕目标物移动,采集目标物各视角的目标物点云数据、红外图像以及红外图像中各像素点对应的温度值。
4.如权利要求1所述的基于数字孪生环境的三维温度场构建方法,其特征在于,以红外相机的位置信息和角度信息为基准,对目标物点云数据进行变换处理,得到目标物点云数据在所述红外相机屏幕空间中对应的坐标信息,根据坐标信息及各像素点在红外图像中的位置,确定目标物点云数据对应的像素点及温度值。
5.如权利要求1所述的基于数字孪生环境的三维温度场构建方法,其特征在于,根据环境影响因子和目标物影响因子,对红外图像中各像素点对应的温度值进行校正。
6.基于数字孪生环境的三维温度场构建装置,其特征在于,包括:
处理器;
存储器,其存储有可执行指令;
其中,所述处理器被配置为执行所述可执行指令,以执行权利要求1~5任一所述的基于数字孪生环境的三维温度场构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011225617.5A CN112345084B (zh) | 2020-11-05 | 2020-11-05 | 基于数字孪生环境的三维温度场构建方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011225617.5A CN112345084B (zh) | 2020-11-05 | 2020-11-05 | 基于数字孪生环境的三维温度场构建方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112345084A CN112345084A (zh) | 2021-02-09 |
CN112345084B true CN112345084B (zh) | 2021-09-28 |
Family
ID=74429895
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011225617.5A Active CN112345084B (zh) | 2020-11-05 | 2020-11-05 | 基于数字孪生环境的三维温度场构建方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112345084B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102878983A (zh) * | 2012-10-31 | 2013-01-16 | 中国矿业大学(北京) | 激光扫描仪和红外热像仪测量煤矸石山表面温度场方法 |
CN203414174U (zh) * | 2013-08-30 | 2014-01-29 | 长沙市泓泽电力技术有限公司 | 一种变电站设备触点的温度在线监测系统 |
US9638800B1 (en) * | 2016-11-22 | 2017-05-02 | 4Sense, Inc. | Passive tracking system |
CN106989824A (zh) * | 2017-04-26 | 2017-07-28 | 华中科技大学 | 一种红外测温成像装置及检测方法 |
CN107808412A (zh) * | 2017-11-16 | 2018-03-16 | 北京航空航天大学 | 一种基于低成本的三维热源环境模型确定环境信息方法 |
CN108663677A (zh) * | 2018-03-29 | 2018-10-16 | 上海智瞳通科技有限公司 | 一种多传感器深度融合提高目标检测能力的方法 |
CN109804232A (zh) * | 2016-12-30 | 2019-05-24 | 同济大学 | 一种基于红外热像图分析的沥青路面裂缝发育程度检测方法 |
CN111258331A (zh) * | 2020-01-20 | 2020-06-09 | 北京拓维思科技有限公司 | 无人机电力线路运维检修系统及方法 |
CN111524224A (zh) * | 2020-04-13 | 2020-08-11 | 国家电网有限公司 | 一种电力变压器表面温度分布的全景成像方法 |
US10819923B1 (en) * | 2019-11-19 | 2020-10-27 | Waymo Llc | Thermal imaging for self-driving cars |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105371957A (zh) * | 2015-10-23 | 2016-03-02 | 国家电网公司 | 变电站设备红外温度配准定位系统及方法 |
US9720086B1 (en) * | 2016-11-22 | 2017-08-01 | 4Sense, Inc. | Thermal- and modulated-light-based passive tracking system |
US10972649B2 (en) * | 2019-02-27 | 2021-04-06 | X Development Llc | Infrared and visible imaging system for device identification and tracking |
CN110017901B (zh) * | 2019-04-01 | 2021-04-27 | 华北电力大学 | 一种电力系统中电气设备运行状态的红外图谱诊断方法 |
-
2020
- 2020-11-05 CN CN202011225617.5A patent/CN112345084B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102878983A (zh) * | 2012-10-31 | 2013-01-16 | 中国矿业大学(北京) | 激光扫描仪和红外热像仪测量煤矸石山表面温度场方法 |
CN203414174U (zh) * | 2013-08-30 | 2014-01-29 | 长沙市泓泽电力技术有限公司 | 一种变电站设备触点的温度在线监测系统 |
US9638800B1 (en) * | 2016-11-22 | 2017-05-02 | 4Sense, Inc. | Passive tracking system |
CN109804232A (zh) * | 2016-12-30 | 2019-05-24 | 同济大学 | 一种基于红外热像图分析的沥青路面裂缝发育程度检测方法 |
CN106989824A (zh) * | 2017-04-26 | 2017-07-28 | 华中科技大学 | 一种红外测温成像装置及检测方法 |
CN107808412A (zh) * | 2017-11-16 | 2018-03-16 | 北京航空航天大学 | 一种基于低成本的三维热源环境模型确定环境信息方法 |
CN108663677A (zh) * | 2018-03-29 | 2018-10-16 | 上海智瞳通科技有限公司 | 一种多传感器深度融合提高目标检测能力的方法 |
US10819923B1 (en) * | 2019-11-19 | 2020-10-27 | Waymo Llc | Thermal imaging for self-driving cars |
CN111258331A (zh) * | 2020-01-20 | 2020-06-09 | 北京拓维思科技有限公司 | 无人机电力线路运维检修系统及方法 |
CN111524224A (zh) * | 2020-04-13 | 2020-08-11 | 国家电网有限公司 | 一种电力变压器表面温度分布的全景成像方法 |
Non-Patent Citations (2)
Title |
---|
Development of a bridge maintenance system for prestressed concrete bridges using 3D digital twin model;Chang-Su Shim 等;《Structure and Infrastructure Engineering》;20190601;全文 * |
一种基于融合地面LIDAR点云与红外视频信息的热红外三维建模方法;罗智斌 等;《广东技术师范学院学报(自然科学)》;20141231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112345084A (zh) | 2021-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111563923B (zh) | 获得稠密深度图的方法及相关装置 | |
CN107564069B (zh) | 标定参数的确定方法、装置及计算机可读存储介质 | |
CN107767440B (zh) | 基于三角网内插及约束的文物序列影像精细三维重建方法 | |
CN109993793B (zh) | 视觉定位方法及装置 | |
CN111735439B (zh) | 地图构建方法、装置和计算机可读存储介质 | |
RU2601421C2 (ru) | Способ и система калибровки камеры | |
CN110703230B (zh) | 激光雷达与摄像头之间的位置标定方法 | |
CN109581349B (zh) | 一种雷达地形遮蔽分析及显示方法 | |
CN112132908B (zh) | 一种基于智能检测技术的相机外参数标定方法及设备 | |
CN103438826B (zh) | 激光与视觉相结合的钢板的三维测量系统及方法 | |
CN108398123B (zh) | 一种全站仪及其度盘标定方法 | |
CN112489130A (zh) | 一种输电线路与目标物的距离测量方法、装置及电子设备 | |
CN109559349A (zh) | 一种用于标定的方法和装置 | |
CN109901123A (zh) | 传感器标定方法、装置、计算机设备和存储介质 | |
CN112907573A (zh) | 一种基于3d卷积的深度补全方法 | |
CN115908554A (zh) | 一种高精度亚像素模拟星图以及亚像素提取方法 | |
CN113096058B (zh) | 空间目标多源数据参数化仿真与MixCenterNet融合检测方法 | |
CN114529615A (zh) | 雷达标定方法、装置及存储介质 | |
CN110162812B (zh) | 基于红外仿真的目标样本生成方法 | |
CN112345084B (zh) | 基于数字孪生环境的三维温度场构建方法及装置 | |
CN112184785B (zh) | 基于mcd度量和vtm的多模态遥感图像配准方法 | |
Wang et al. | An improved two-point calibration method for stereo vision with rotating cameras in large FOV | |
CN112002016B (zh) | 基于双目视觉的连续曲面重建方法、系统和装置 | |
CN114782556B (zh) | 相机与激光雷达的配准方法、系统及存储介质 | |
CN116597246A (zh) | 模型训练方法、目标检测方法、电子设备及存储介质 |
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 |