CN113063795B - 一种高速公路隧道病害位置确定方法及系统 - Google Patents
一种高速公路隧道病害位置确定方法及系统 Download PDFInfo
- Publication number
- CN113063795B CN113063795B CN202110347379.3A CN202110347379A CN113063795B CN 113063795 B CN113063795 B CN 113063795B CN 202110347379 A CN202110347379 A CN 202110347379A CN 113063795 B CN113063795 B CN 113063795B
- Authority
- CN
- China
- Prior art keywords
- tunnel
- defect
- layer
- length
- tile image
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 217
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000001514 detection method Methods 0.000 claims abstract description 48
- 238000010586 diagram Methods 0.000 claims abstract description 43
- 238000010276 construction Methods 0.000 claims abstract description 41
- 201000010099 disease Diseases 0.000 claims description 99
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 99
- 238000007689 inspection Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 15
- 238000003892 spreading Methods 0.000 claims description 8
- 230000007480 spreading Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 3
- 239000010410 layer Substances 0.000 description 119
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000003902 lesion Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005336 cracking Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000007639 printing Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 208000037919 acquired disease Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 239000011247 coating layer Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 230000004382 visual function Effects 0.000 description 1
Classifications
-
- 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
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
-
- 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
Abstract
本发明涉及一种高速公路隧道病害位置确定方法及系统。该方法包括:获取隧道右半幅图像以及隧道左半幅图像,并生成隧道衬砌展布图;隧道衬砌展布图的形心位置的横坐标为隧道衬砌展布图长度的一半,纵坐标为隧道衬砌展布图宽度的一半;根据形心位置对隧道衬砌展布图进行缩小分层处理,生成多层隧道瓦片图像,并应用图片引擎加载多层隧道瓦片图像,显示不同层级的隧道瓦片图像;新建透明图层,将透明图层叠加在第15层的隧道瓦片图像上,并确定施工缝中心位置,依次标记板块;将隧道病害类型划分为长度类型病害以及面积类型病害;基于隧道病害类型,根据板块确定隧道病害位置。本发明能够避免人工检测隧道方式,有效提高隧道病害检测效率。
Description
技术领域
本发明涉及高速公路隧道病害位置确定领域,特别是涉及一种高速公路隧道病害位置确定方法及系统。
背景技术
隧道衬砌表观病害包含了隧道病害里最常见的病害,可直接反映了衬砌的健康情况,对研究隧道检测至关重要。如果不能对有害的隧道衬砌表观病害进行准确快速检测,将直接影响隧道的安全运营,因此,隧道衬砌表观病害是隧道检测及养护工作中的一项重要任务。
目前,在隧道检测中,隧道衬砌表观病害的检测必不可少,同时也占据了隧道检测中的大部分工作量。隧道衬砌表观病害如开裂、渗漏水、内装脱落、附属设施损坏等的检测与记录,一直以来都采用人工观测与简单工具辅助的方法进行,检测结果的精度和准确性受认为因素、隧道内环境影响较大,前一次检测和记录与后一次检测的记录不一致的现象十分普遍,很难通过前后记录对比掌握隧道衬砌表观病害的变化情况,如果仅应用传统的人工方法检测公路隧道病害,需对隧道进行封道,1公里的隧道至少需要安排6个人3天才能完成。这种靠肉眼观测和借助工具测量的方法,无法保证检测结果的可靠性,己远远不能满足现代化隧道质量检测的标准,另外,值得注意的是,隧道所允许的检测天窗期是有限的,对于规模较大、里程较长的隧道群,检测人员根本没有足够的时间完成检测任务,这将导致很多隧道衬砌表观病害被忽略。此外,隧道内部恶劣的工作环境以及负压效应,将给检测人员的身体状况造成很大的影响。可见,传统人工检测测隧道工期较长、人员安全性低以及准确性差等诸多问题。
发明内容
本发明的目的是提供一种高速公路隧道病害位置确定方法及系统,以解决传统人工检测测隧道工期较长、人员安全性低以及准确性差等问题。
为实现上述目的,本发明提供了如下方案:
一种高速公路隧道病害位置确定方法,将多个相机布置于相机支架上,所述相机支架设于隧道检测车上,多个所述相机的拍摄角度不同,多个所述相机用于拍摄全部隧道的半幅图像,所述高速公路隧道病害位置确定方法包括:
利用所述隧道检查车沿高速公路一侧靠双黄线位置匀速行驶,到达设定位置时调头并继续匀速行驶,获取隧道右半幅图像以及隧道左半幅图像;
将所述隧道右半幅图像和所述隧道左半幅图像以拱顶中心线为界,拼接所述隧道右半幅图像和所述隧道左半幅图像,生成隧道衬砌展布图;所述隧道衬砌展布图的形心位置的横坐标为所述隧道衬砌展布图长度的一半,纵坐标为所述隧道衬砌展布图宽度的一半;
根据所述形心位置对所述隧道衬砌展布图进行缩小分层处理,生成多层隧道瓦片图像,并应用图片引擎加载所述多层隧道瓦片图像,显示不同层级的隧道瓦片图像;
新建透明图层,将所述透明图层叠加在第15层的隧道瓦片图像上,并确定施工缝中心位置,依次标记板块;所述透明图层的图层中心与形心坐标一致,所述透明图层的宽高与第15层的隧道瓦片图像的宽高相同;所述板块是以隧道施工时留下的衬砌施工缝为界定义的,从隧道入洞口开始到衬砌施工缝中心的位置,定义为001板块,直至隧道出洞口,标记多个板块;
将隧道病害类型划分为长度类型病害以及面积类型病害;
基于所述隧道病害类型,根据所述板块确定隧道病害位置。
可选的,所述根据所述形心位置对所述隧道衬砌展布图进行缩小分层处理,生成多层隧道瓦片图像,并应用图片引擎加载所述多层隧道瓦片图像,显示不同层级的隧道瓦片图像,具体包括:
以所述形心位置为中心,对所述隧道衬砌展布图进行缩小分层处理,生成缩小后的多层隧道瓦片图像;其中,将第14层的隧道瓦片图像的长度和宽度分别缩小为所述第15层的隧道瓦片图像的长度的1/2和宽度的1/2,所述第14层的隧道瓦片图像的总面积为第15层的隧道瓦片图像的总面积的1/4;
分割所述缩小后的多层隧道瓦片图像内每一层的隧道瓦片图像,并以所述每一层的隧道瓦片图像的右上方向为正方向,以所述每一层的隧道瓦片图像的左下方向为负方向,对分割后的隧道瓦片图像进行编号,生成多层隧道瓦片图像,并应用图片引擎加载所述多层隧道瓦片图像,显示不同层级的隧道瓦片图像。
可选的,所述基于所述隧道病害类型,根据所述板块确定隧道病害位置,具体包括:
当所述隧道病害类型为长度类型病害时,将所述长度类型病害的起点位置距离所述长度类型病害所在板块右侧施工缝的水平距离作为所述长度类型病害的起点位置的X坐标,所述长度类型病害的起点位置距离拱顶中心线的垂直距离作为所述长度类型病害的起点位置的Y坐标,确定所述起点位置的起点坐标;
根据所述起点坐标确定所述长度类型病害的终点坐标;
根据所述起点坐标以及所述终点坐标确定所述长度类型病害的病害位置以及走向。
可选的,所述根据所述起点坐标确定所述长度类型病害的终点坐标之前,还包括:
获取所述长度类型病害所占像素的个数,并根据所述长度类型病害所占像素的个数计算所述长度类型病害的长度;
获取所述长度类型病害最宽处的像素个数,并根据所述长度类型病害最宽处的像素个数计算所述长度类型病害的宽度。
可选的,所述基于所述隧道病害类型,根据所述板块确定隧道病害位置,具体包括:
当所述隧道病害类型为面积类型病害时,将所述面积类病害的中心位置距离所述面积类型病害所在板块右侧施工缝的水平距离作为所述面积类型病害的X坐标,所述面积类型病害的中心位置距离拱顶中心线的垂直距离作为所述面积类型病害的Y坐标,确定所述面积类病害的病害位置。
一种高速公路隧道病害位置确定系统,将多个相机布置于相机支架上,所述相机支架设于隧道检测车上,多个所述相机的拍摄角度不同,多个所述相机用于拍摄全部隧道的半幅图像,所述高速公路隧道病害位置确定系统包括:
隧道右半幅图像以及隧道左半幅图像获取模块,用于利用所述隧道检查车沿高速公路一侧靠双黄线位置匀速行驶,到达设定位置时调头并继续匀速行驶,获取隧道右半幅图像以及隧道左半幅图像;
隧道衬砌展布图生成模块,用于将所述隧道右半幅图像和所述隧道左半幅图像以拱顶中心线为界,拼接所述隧道右半幅图像和所述隧道左半幅图像,生成隧道衬砌展布图;所述隧道衬砌展布图的形心位置的横坐标为所述隧道衬砌展布图长度的一半,纵坐标为所述隧道衬砌展布图宽度的一半;
多层隧道瓦片图像生成模块,用于根据所述形心位置对所述隧道衬砌展布图进行缩小分层处理,生成多层隧道瓦片图像,并应用图片引擎加载所述多层隧道瓦片图像,显示不同层级的隧道瓦片图像;
板块标记模块,用于新建透明图层,将所述透明图层叠加在第15层的隧道瓦片图像上,并确定施工缝中心位置,依次标记板块;所述透明图层的图层中心与形心坐标一致,所述透明图层的宽高与第15层的隧道瓦片图像的宽高相同;所述板块是以隧道施工时留下的衬砌施工缝为界定义的,从隧道入洞口开始到衬砌施工缝中心的位置,定义为001板块,直至隧道出洞口,标记多个板块;
隧道病害类型划分模块,用于将隧道病害类型划分为长度类型病害以及面积类型病害;
隧道病害位置确定模块,用于基于所述隧道病害类型,根据所述板块确定隧道病害位置。
可选的,所述多层隧道瓦片图像生成模块,具体包括:
缩小分层处理处理单元,用于以所述形心位置为中心,对所述隧道衬砌展布图进行缩小分层处理,生成缩小后的多层隧道瓦片图像;其中,将第14层的隧道瓦片图像的长度和宽度分别缩小为所述第15层的隧道瓦片图像的长度的1/2和宽度的1/2,所述第14层的隧道瓦片图像的总面积为第15层的隧道瓦片图像的总面积的1/4;
分割单元,用于分割所述缩小后的多层隧道瓦片图像内每一层的隧道瓦片图像,并以所述每一层的隧道瓦片图像的右上方向为正方向,以所述每一层的隧道瓦片图像的左下方向为负方向,对分割后的隧道瓦片图像进行编号,生成多层隧道瓦片图像,并应用图片引擎加载所述多层隧道瓦片图像,显示不同层级的隧道瓦片图像。
可选的,所述隧道病害位置确定模块,具体包括:
起点坐标确定单元,用于当所述隧道病害类型为长度类型病害时,将所述长度类型病害的起点位置距离所述长度类型病害所在板块右侧施工缝的水平距离作为所述长度类型病害的起点位置的X坐标,所述长度类型病害的起点位置距离拱顶中心线的垂直距离作为所述长度类型病害的起点位置的Y坐标,确定所述起点位置的起点坐标;
终点坐标确定单元,用于根据所述起点坐标确定所述长度类型病害的终点坐标;
病害位置及走向确定单元,用于根据所述起点坐标以及所述终点坐标确定所述长度类型病害的病害位置以及走向。
可选的,还包括:
长度类型病害的长度计算单元,用于获取所述长度类型病害所占像素的个数,并根据所述长度类型病害所占像素的个数计算所述长度类型病害的长度;
长度类型病害的宽度计算单元,用于获取所述长度类型病害最宽处的像素个数,并根据所述长度类型病害最宽处的像素个数计算所述长度类型病害的宽度。
可选的,所述隧道病害位置确定模块,具体包括:
隧道病害位置确定单元,用于当所述隧道病害类型为面积类型病害时,将所述面积类病害的中心位置距离所述面积类型病害所在板块右侧施工缝的水平距离作为所述面积类型病害的X坐标,所述面积类型病害的中心位置距离拱顶中心线的垂直距离作为所述面积类型病害的Y坐标,确定所述面积类病害的病害位置。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明公开了一种高速公路隧道病害位置确定方法及系统,利用隧道检测车拍摄隧道图像,生成隧道衬砌展布图,并对隧道衬砌展布图进行缩小分层处理,生成多层隧道瓦片图像,并应用图片引擎加载所述多层隧道瓦片图像,显示不同层级的隧道瓦片图像,从而确定隧道病害位置,具体的,在断面最完整的一级可以看到整体断面,精度最高的一级可以看清裂缝宽度,避免了人工检测隧道方式,有效提高了隧道病害检测效率。
此外,传统隧道检测方法需要封路,即封闭交通,然后利用人工和升降车等设备进行近距离检测,而本发明基于隧道检测车的技术方案可以解决封路问题,隧道检测车在高速公路上和其他车辆一起正常行驶,无需封闭交通即可检测隧道表观病害。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明所提供的高速公路隧道病害位置确定方法流程图;
图2为本发明所提供的整个隧道的多层瓦片图像示意图;
图3为本发明所提供的高速公路隧道病害位置确定系统结构图;
图4为本发明所提供的一种隧道病害展布图示意图;
图5为本发明所提供的另一种隧道病害展布图示意图;
图6为本发明所提供的涂层脱落的病害细节图;
图7为本发明所提供的纵向裂缝的病害细节图;
图8为本发明所提供的瓷砖脱落的病害细节图;
图9为本发明所提供的衬砌病害示例图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种高速公路隧道病害位置确定方法及系统,能够避免人工检测隧道方式,有效提高隧道病害检测效率。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明所提供的高速公路隧道病害位置确定方法流程图,如图1所示,一种高速公路隧道病害位置确定方法,将多个相机布置于相机支架上,所述相机支架设于隧道检测车上,多个所述相机的拍摄角度不同,多个所述相机用于拍摄全部隧道的半幅图像,所述高速公路隧道病害位置确定方法包括:
步骤101:利用所述隧道检查车沿高速公路一侧靠双黄线位置匀速行驶,到达设定位置时调头并继续匀速行驶,获取隧道右半幅图像以及隧道左半幅图像。其中,“达到设定位置时调头”在实际应用中为到达下一个高速公路口后再返回,隧道检测车正常行驶到隧道入洞口,然后在隧道入洞口位置沿高速公路一侧靠双黄线位置匀速行驶,匀速行驶到出洞口后,再恢复正常行驶即可。
将6个相机布置到相机支架上,相机的布置方法可以根据申请号为201810572008.3的工业相机支架和隧道检测车进行布置。
应用编码器记录隧道车行驶的距离,并控制相机拍照,从隧道入洞口开始,每隔1m每个相机均拍摄一张照片,相机A拍摄的第1m照片为A1、第2m照片为A2、依次类推,直至隧道出洞口的照片为An。其他5个相机分别为:相机B、相机C、相机D、相机E、相机F与相机G。相机拍摄方法均相同,只是因相机位置不同拍摄的隧道衬砌表观位置也不同。6个相机通过相机角度安排,可拍摄到全部的隧道半幅图像。
隧道车沿高速公路(双车道)一侧靠双黄线位置匀速行驶。拍完右半幅隧道图像后到合适位置调头,按照相同方法拍摄隧道左半幅。
将右半幅图片A1、A2.....A9、A10按照顺序进行拼接为A。其他相机拼接图片记为B、C、D、E、F、G。
将图片A、B、C、D、E、F、G去掉重合位置照片后再按照由拱脚至拱顶的顺序拼接到一起,得到10m长的隧道衬砌右半幅图像Y,隧道检测车调头后按照上述方法,得到10m长的隧道衬砌左半福图像Z。
步骤102:将所述隧道右半幅图像和所述隧道左半幅图像以拱顶中心线为界,拼接所述隧道右半幅图像和所述隧道左半幅图像,生成隧道衬砌展布图;所述隧道衬砌展布图的形心位置的横坐标为所述隧道衬砌展布图长度的一半,纵坐标为所述隧道衬砌展布图宽度的一半。
将图像Y和图像Z以拱顶中心线为界,拼接为完整的10m长的高清隧道衬砌展布图Q。
每个像素=隧道0.5mm*0.5mm,通过整个隧道图片可计算整个隧道的长度,通过弥补部分空白像素将隧道的长度调整为2个像素的整数倍。
根据像素点与隧道衬砌表面真实的比例关系,定义每一个像素点的坐标。为后期病害定位与病害面积与长度计算做准备。
隧道衬砌展布图Q长度的一半为形心的X方向坐标点,隧道衬砌展布图Q宽度的一半找到整体隧道图像形心坐标。
步骤103:根据所述形心位置对所述隧道衬砌展布图进行缩小分层处理,生成多层隧道瓦片图像,并应用图片引擎加载所述多层隧道瓦片图像,显示不同层级的隧道瓦片图像。
所述步骤103具体包括:以所述形心位置为中心,对所述隧道衬砌展布图进行缩小分层处理,生成缩小后的多层隧道瓦片图像;其中,将第14层的隧道瓦片图像的长度和宽度分别缩小为所述第15层的隧道瓦片图像的长度的1/2和宽度的1/2,所述第14层的隧道瓦片图像的总面积为第15层的隧道瓦片图像的总面积的1/4;分割所述缩小后的多层隧道瓦片图像内每一层的隧道瓦片图像,并以所述每一层的隧道瓦片图像的右上方向为正方向,以所述每一层的隧道瓦片图像的左下方向为负方向,对分割后的隧道瓦片图像进行编号,生成多层隧道瓦片图像,并应用图片引擎加载所述多层隧道瓦片图像,显示不同层级的隧道瓦片图像。
根据计算的形心位置对图像进行缩小分层,其中精度最高的图像为第15层、然后是14层、13层至9层。
以隧道图像形心坐标为中心缩小,14层的长度和宽度分别缩小为15层的1/2(以像素为单位),14层的总面积为15的总面积层的1/4;13层的长度和宽度分别缩小为14层的1/2(以像素为单位),13层的总面积为14层的总面积的1/4;低一层的长度和宽度分别缩小为高一层的1/2,低一层的总面积为高一层的总面积的1/4,依次类推,直至缩小至第9层,完成缩小分层过程。
在切图专业领域中,3-15层是一种通用的比例名称,本发明用更小的比例尺,隧道长度将会超过赤道周长,因此本发明中取了中间值9~15层,在本发明中对于1-8层没有特别定义与应用。
缩放完毕后,按上面步骤找到的形心作为中心;从中心开始,分割图像,每一张瓦片图像的大小为256*256像素,向上和向右为正,向下和向左为负,给瓦片编号。对每一层图像进行该过程,获取得到整个隧道的多层瓦片图像,如图2所示。
步骤104:新建透明图层,将所述透明图层叠加在第15层的隧道瓦片图像上,并确定施工缝中心位置,依次标记板块;所述透明图层的图层中心与形心坐标一致,所述透明图层的宽高与第15层的隧道瓦片图像的宽高相同,其中,第15层的隧道瓦片图像的长宽高与原隧道衬砌展布图的长宽高一样,即第15层的隧道瓦片图像与原隧道衬砌展布图的比例为1:1。
为方便现场修补病害人员切实找到隧道病害位置,引入隧道板块号的概念。将隧道台车在新隧道施工时留下的施工缝为界定义板块号。从隧道入洞口开始到第一衬砌施工缝中心的位置,定义为001板块,依次类推直至隧道出洞口,标记多个板块。
在实际应用中,透明图层叠加在15层图层之上,随着瓦片图像自动缩放,人工找到施工缝中心位置,依次标记板块号。系统默认在板块号标记状态下第一次鼠标点击位置为001号,依次自动+1直至板块号标记结束。
步骤105:将隧道病害类型划分为长度类型病害以及面积类型病害。其中病害长度远大于宽度的病害定义为长度类型病害(例如:裂缝等);为维修方便需要计算病害面积的病害定义为面积类型病害。
步骤106:基于所述隧道病害类型,根据所述板块确定隧道病害位置。
所述步骤106具体包括:当所述隧道病害类型为长度类型病害时,将所述长度类型病害的起点位置距离所述长度类型病害所在板块右侧施工缝的水平距离作为所述长度类型病害的起点位置的X坐标,所述长度类型病害的起点位置距离拱顶中心线的垂直距离作为所述长度类型病害的起点位置的Y坐标,确定所述起点位置的起点坐标;根据所述起点坐标确定所述长度类型病害的终点坐标;根据所述起点坐标以及所述终点坐标确定所述长度类型病害的病害位置以及走向。
图9为本发明所提供的衬砌病害示例图,如图9所示,对图中隧道衬砌病害做以下病害描述:
(1)纵向裂缝表示:在001号板内左拱腰位置,距板端1.31m,距拱顶中心线1.22m,纵向裂缝,长度为4.32m,宽度为0.50mm。
(2)环向裂缝表示:在002号板内拱顶位置,距板端1.24m,环向裂缝,长度为2.32m,宽度为0.045mm。
(3)斜向裂缝表示:在001号板内右拱腰位置,距板端1.54m,距拱顶中心线2.42m,斜向裂缝,长度为3.25m,宽度为0.40mm。
(4)露筋锈蚀表示:在002号板内左拱腰位置,距板端1.85m,距拱顶中心线1.48m,有1处露筋锈蚀,长度为1.05m。
(5)渗漏水表示:在002号板内右拱腰位置,距板端2.15m,距拱顶中心线1.37m,渗漏水,渗漏水面积为1.50×0.78m2。
所述根据所述起点坐标确定所述长度类型病害的终点坐标之前,还包括:获取所述长度类型病害所占像素的个数,并根据所述长度类型病害所占像素的个数计算所述长度类型病害的长度;获取所述长度类型病害最宽处的像素个数,并根据所述长度类型病害最宽处的像素个数计算所述长度类型病害的宽度。
长度类型病害位置计算:长度类病害起点位置距离其所在板块号右侧施工缝的水平距离为病害的X坐标,长度类病害起点位置距离拱顶中心线的垂直距离为病害的Y坐标。应用长度类路径所占像素的个数计算病害长度,沿病害路径对比病害最宽处,应用病害最宽处的像素个数计算病害宽度。
裂缝走向:设裂缝起点为A(x1,y1)终点为B(x2,y2)。环向裂缝:│(y2-y1)/(x2-x1)│≤tan15°;纵向裂缝:│(x2-x1)/(y2-y1)│≤tan15°;斜向裂缝:其他。
所述步骤106具体包括:当所述隧道病害类型为面积类型病害时,将所述面积类病害的中心位置距离所述面积类型病害所在板块右侧施工缝的水平距离作为所述面积类型病害的X坐标,所述面积类型病害的中心位置距离拱顶中心线的垂直距离作为所述面积类型病害的Y坐标,确定所述面积类病害的病害位置。
面积类型病害位置计算:面积类病害中心位置距离其所在板块号右侧施工缝的水平距离为病害的X坐标,面积累病害中心位置距离拱顶中心线的垂直距离为病害的Y坐标。
面积类病害面积计算:病害的外接矩形面积,长度乘以宽度计算。
每描画一个病害,在病害终点位置通过算法直接展示出病害的详细信息。
考虑到实际导出报告查看的舒适性,需要导出和A4纸大小相匹配的图片,所以识别结果(识别对象是15级的图像,未经缩放得到的是准确的结果,但是显示的时候可在别的层级进行缩放)与11层(为适应A4纸的大小所选)的瓦片图像,叠加隧道桩号和板块号信息导出30米的识别结果展开图。
将历年的病害图层保存,对于新采集的病害图像用户根据需求调出历史病害图层,附在新隧道图像上。
图3为本发明所提供的高速公路隧道病害位置确定系统结构图,如图3所示,一种高速公路隧道病害位置确定系统,将多个相机布置于相机支架上,所述相机支架设于隧道检测车上,多个所述相机的拍摄角度不同,多个所述相机用于拍摄全部隧道的半幅图像,所述高速公路隧道病害位置确定系统包括:
隧道右半幅图像以及隧道左半幅图像获取模块301,用于利用所述隧道检查车沿高速公路一侧靠双黄线位置匀速行驶,到达设定位置时调头并继续匀速行驶,获取隧道右半幅图像以及隧道左半幅图像。
隧道衬砌展布图生成模块302,用于将所述隧道右半幅图像和所述隧道左半幅图像以拱顶中心线为界,拼接所述隧道右半幅图像和所述隧道左半幅图像,生成隧道衬砌展布图;所述隧道衬砌展布图的形心位置的横坐标为所述隧道衬砌展布图长度的一半,纵坐标为所述隧道衬砌展布图宽度的一半。
多层隧道瓦片图像生成模块303,用于根据所述形心位置对所述隧道衬砌展布图进行缩小分层处理,生成多层隧道瓦片图像,并应用图片引擎加载所述多层隧道瓦片图像,显示不同层级的隧道瓦片图像。
所述多层隧道瓦片图像生成模块303具体包括:缩小分层处理处理单元,用于以所述形心位置为中心,对所述隧道衬砌展布图进行缩小分层处理,生成缩小后的多层隧道瓦片图像;其中,将第14层的隧道瓦片图像的长度和宽度分别缩小为所述第15层的隧道瓦片图像的长度的1/2和宽度的1/2,所述第14层的隧道瓦片图像的总面积为第15层的隧道瓦片图像的总面积的1/4;分割单元,用于分割所述缩小后的多层隧道瓦片图像内每一层的隧道瓦片图像,并以所述每一层的隧道瓦片图像的右上方向为正方向,以所述每一层的隧道瓦片图像的左下方向为负方向,对分割后的隧道瓦片图像进行编号,生成多层隧道瓦片图像,并应用图片引擎加载所述多层隧道瓦片图像,显示不同层级的隧道瓦片图像。
板块标记模块304,用于新建透明图层,将所述透明图层叠加在第15层的隧道瓦片图像上,并确定施工缝中心位置,依次标记板块;所述透明图层的图层中心与形心坐标一致,所述透明图层的宽高与第15层的隧道瓦片图像的宽高相同;所述板块是以隧道施工时留下的衬砌施工缝为界定义的,从隧道入洞口开始到衬砌施工缝中心的位置,定义为001板块,直至隧道出洞口,标记多个板块。
隧道病害类型划分模块305,用于将隧道病害类型划分为长度类型病害以及面积类型病害。
隧道病害位置确定模块306,用于基于所述隧道病害类型,根据所述板块确定隧道病害位置。
所述隧道病害位置确定模块306,具体包括:起点坐标确定单元,用于当所述隧道病害类型为长度类型病害时,将所述长度类型病害的起点位置距离所述长度类型病害所在板块右侧施工缝的水平距离作为所述长度类型病害的起点位置的X坐标,所述长度类型病害的起点位置距离拱顶中心线的垂直距离作为所述长度类型病害的起点位置的Y坐标,确定所述起点位置的起点坐标;终点坐标确定单元,用于根据所述起点坐标确定所述长度类型病害的终点坐标;病害位置及走向确定单元,用于根据所述起点坐标以及所述终点坐标确定所述长度类型病害的病害位置以及走向。
在实际应用中,本发明还包括:长度类型病害的长度计算单元,用于获取所述长度类型病害所占像素的个数,并根据所述长度类型病害所占像素的个数计算所述长度类型病害的长度;长度类型病害的宽度计算单元,用于获取所述长度类型病害最宽处的像素个数,并根据所述长度类型病害最宽处的像素个数计算所述长度类型病害的宽度。
所述隧道病害位置确定模块306,具体包括:隧道病害位置确定单元,用于当所述隧道病害类型为面积类型病害时,将所述面积类病害的中心位置距离所述面积类型病害所在板块右侧施工缝的水平距离作为所述面积类型病害的X坐标,所述面积类型病害的中心位置距离拱顶中心线的垂直距离作为所述面积类型病害的Y坐标,确定所述面积类病害的病害位置。
图4为本发明所提供的一种隧道病害展布图示意图,图5为本发明所提供的另一种隧道病害展布图示意图,如图4-图5所示;图6为本发明所提供的涂层脱落的病害细节图,图7为本发明所提供的纵向裂缝的病害细节图,图8为本发明所提供的瓷砖脱落的病害细节图,如图6-图8所示,其中,图7中的“010”表示为第10个板块。
本发明采用相机的机器视觉拍摄方法进行拍摄,机器视觉是用计算机来模拟人的视觉功能,从客观事物的图像中提取信息,进行处理并加以理解,最终用于实际检测、测量和控制,随着微处理器、半导体技术的进步,机器视觉广泛运用于各个行业和领域,主要有以下两方面的应用:
一类是用于大规模或者高测试要求的生产线上,如包装、印刷、分拣等,或者在野外、核电等不适合人员工作的环境中,利用机器视觉方式代替传统人工测量或检试,同时实现人工条件下无法达到的可靠性、精确度及自动化程度。
另一类应用是高性能、精密机器视觉组件的专业设备制造。典型代表是最早带动整个机器视觉行业崛起的半导体制造设备。从上游晶圆加工制造的分类切割,到末端电路板印刷、贴片,这类设备都依赖于高精度的视觉测量以对运动部件进行导引与定位。
隧道病害快速检测测系统可连续、动态、完备地采集隧道病害和轮廓断面信息,用于隧道定期检查作业。在后台自动进行数据分析、统计出隧道衬砌的裂缝、剥落、渗漏水、露筋等表观病害的几何参数及状况。表1为隧道病害快速检测系统的技术指标表,如表1所示。
表1
如果仅应用传统的人工方法检测公路隧道病害,需对隧道进行封道,1公里的隧道需要安排6个人3天才能完成。由于人为因素影响较大,存在着效率低、准确性差,封道成本高等问题。而隧道综合检测系统无需封路,仅需要司机1名、操作人员1名,车速可达60-80km/h,且内业处理效率高,每人每天可以独自处理2~4km隧道数据,并出具完整的检测报告。表2为传统人工检测与隧道病害快速检测系统对比表。
表2
外业采集效率:以2Km隧道为例,传统方法检测单条隧道的检测时间为4~16小时,应用隧道病害快速检测系统可以缩短为10分钟。内业数据处理效率:传统人工检测需要4~8小时整理数据做成报告,隧道病害快速检测系统需约2~4个小时校核数据,与传统方法相比提升50~80%。
以长度为500延米的短隧道为例,如果展布图达到0.5mm以上的精度,展布图大小约为38G。一般一个桌面高清壁纸大小为4M左右,38个G基本等于同时打开1万个高清壁纸。所以想展示出0.5mm以上精度的隧道展布图,普通电脑是很难做到的。
而采用本发明所提供的高速公路隧道病害位置确定方法及系统,将高清展布图分级分层,在断面最完整的一级可以看到整体断面,精度最高的一级可以看清裂缝宽度,并且提出针对高速公路隧道病害进行分类处理与计算,可以在展示隧道病害展布图的同时自动获取隧道病害的位置、长度、宽度等空间参数信息,实现隧道整体状况与病害像素级信息的无缝切换展示。同时,根据高速公路隧道定期检测需求,提出了历史病害对比功能,将历史病害保留图层,覆盖到新检测病害的图像上,根据用户需求展示出多年的历史病害,方便用户对比。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种高速公路隧道病害位置确定方法,其特征在于,将多个相机布置于相机支架上,所述相机支架设于隧道检测车上,多个所述相机的拍摄角度不同,多个所述相机用于拍摄全部隧道的半幅图像,所述高速公路隧道病害位置确定方法包括:
利用所述隧道检查车沿高速公路一侧靠双黄线位置匀速行驶,到达设定位置时调头并继续匀速行驶,获取隧道右半幅图像以及隧道左半幅图像;
将所述隧道右半幅图像和所述隧道左半幅图像以拱顶中心线为界,拼接所述隧道右半幅图像和所述隧道左半幅图像,生成隧道衬砌展布图;所述隧道衬砌展布图的形心位置的横坐标为所述隧道衬砌展布图长度的一半,纵坐标为所述隧道衬砌展布图宽度的一半;
根据所述形心位置对所述隧道衬砌展布图进行缩小分层处理,生成多层隧道瓦片图像,并应用图片引擎加载所述多层隧道瓦片图像,显示不同层级的隧道瓦片图像;
根据所述形心位置对所述隧道衬砌展布图进行缩小分层处理,生成多层隧道瓦片图像,并应用图片引擎加载所述多层隧道瓦片图像,显示不同层级的隧道瓦片图像,具体包括:
以所述形心位置为中心,对所述隧道衬砌展布图进行缩小分层处理,生成缩小后的多层隧道瓦片图像;其中,将第14层的隧道瓦片图像的长度和宽度分别缩小为所述第15层的隧道瓦片图像的长度的1/1和宽度的1/1,所述第14层的隧道瓦片图像的总面积为第15层的隧道瓦片图像的总面积的1/4;
分割所述缩小后的多层隧道瓦片图像内每一层的隧道瓦片图像,并以所述每一层的隧道瓦片图像的右上方向为正方向,以所述每一层的隧道瓦片图像的左下方向为负方向,对分割后的隧道瓦片图像进行编号,生成多层隧道瓦片图像,并应用图片引擎加载所述多层隧道瓦片图像,显示不同层级的隧道瓦片图像;
新建透明图层,将所述透明图层叠加在第15层的隧道瓦片图像上,并确定施工缝中心位置,依次标记板块;所述透明图层的图层中心与形心坐标一致,所述透明图层的宽高与第15层的隧道瓦片图像的宽高相同;所述板块是以隧道施工时留下的衬砌施工缝为界定义的,从隧道入洞口开始到衬砌施工缝中心的位置,定义为001板块,直至隧道出洞口,标记多个板块;
将隧道病害类型划分为长度类型病害以及面积类型病害;
基于所述隧道病害类型,根据所述板块确定隧道病害位置;
基于所述隧道病害类型,根据所述板块确定隧道病害位置,具体包括:
当所述隧道病害类型为长度类型病害时,将所述长度类型病害的起点位置距离所述长度类型病害所在板块右侧施工缝的水平距离作为所述长度类型病害的起点位置的X坐标,所述长度类型病害的起点位置距离拱顶中心线的垂直距离作为所述长度类型病害的起点位置的Y坐标,确定所述起点位置的起点坐标;
根据所述起点坐标确定所述长度类型病害的终点坐标;
根据所述起点坐标以及所述终点坐标确定所述长度类型病害的病害位置以及走向。
2.根据权利要求1所述的高速公路隧道病害位置确定方法,其特征在于,所述根据所述起点坐标确定所述长度类型病害的终点坐标之前,还包括:
获取所述长度类型病害所占像素的个数,并根据所述长度类型病害所占像素的个数计算所述长度类型病害的长度;
获取所述长度类型病害最宽处的像素个数,并根据所述长度类型病害最宽处的像素个数计算所述长度类型病害的宽度。
3.根据权利要求1所述的高速公路隧道病害位置确定方法,其特征在于,所述基于所述隧道病害类型,根据所述板块确定隧道病害位置,具体包括:
当所述隧道病害类型为面积类型病害时,将所述面积类病害的中心位置距离所述面积类型病害所在板块右侧施工缝的水平距离作为所述面积类型病害的X坐标,所述面积类型病害的中心位置距离拱顶中心线的垂直距离作为所述面积类型病害的Y坐标,确定所述面积类病害的病害位置。
4.一种高速公路隧道病害位置确定系统,其特征在于,将多个相机布置于相机支架上,所述相机支架设于隧道检测车上,多个所述相机的拍摄角度不同,多个所述相机用于拍摄全部隧道的半幅图像,所述高速公路隧道病害位置确定系统包括:
隧道右半幅图像以及隧道左半幅图像获取模块,用于利用所述隧道检查车沿高速公路一侧靠双黄线位置匀速行驶,到达设定位置时调头并继续匀速行驶,获取隧道右半幅图像以及隧道左半幅图像;
隧道衬砌展布图生成模块,用于将所述隧道右半幅图像和所述隧道左半幅图像以拱顶中心线为界,拼接所述隧道右半幅图像和所述隧道左半幅图像,生成隧道衬砌展布图;所述隧道衬砌展布图的形心位置的横坐标为所述隧道衬砌展布图长度的一半,纵坐标为所述隧道衬砌展布图宽度的一半;
多层隧道瓦片图像生成模块,用于根据所述形心位置对所述隧道衬砌展布图进行缩小分层处理,生成多层隧道瓦片图像,并应用图片引擎加载所述多层隧道瓦片图像,显示不同层级的隧道瓦片图像;
多层隧道瓦片图像生成模块,具体包括:
缩小分层处理处理单元,用于以所述形心位置为中心,对所述隧道衬砌展布图进行缩小分层处理,生成缩小后的多层隧道瓦片图像;其中,将第14层的隧道瓦片图像的长度和宽度分别缩小为所述第15层的隧道瓦片图像的长度的1/1和宽度的1/1,所述第14层的隧道瓦片图像的总面积为第15层的隧道瓦片图像的总面积的1/4;
分割单元,用于分割所述缩小后的多层隧道瓦片图像内每一层的隧道瓦片图像,并以所述每一层的隧道瓦片图像的右上方向为正方向,以所述每一层的隧道瓦片图像的左下方向为负方向,对分割后的隧道瓦片图像进行编号,生成多层隧道瓦片图像,并应用图片引擎加载所述多层隧道瓦片图像,显示不同层级的隧道瓦片图像;
板块标记模块,用于新建透明图层,将所述透明图层叠加在第15层的隧道瓦片图像上,并确定施工缝中心位置,依次标记板块;所述透明图层的图层中心与形心坐标一致,所述透明图层的宽高与第15层的隧道瓦片图像的宽高相同;所述板块是以隧道施工时留下的衬砌施工缝为界定义的,从隧道入洞口开始到衬砌施工缝中心的位置,定义为001板块,直至隧道出洞口,标记多个板块;
隧道病害类型划分模块,用于将隧道病害类型划分为长度类型病害以及面积类型病害;
隧道病害位置确定模块,用于基于所述隧道病害类型,根据所述板块确定隧道病害位置;
隧道病害位置确定模块,具体包括:
起点坐标确定单元,用于当所述隧道病害类型为长度类型病害时,将所述长度类型病害的起点位置距离所述长度类型病害所在板块右侧施工缝的水平距离作为所述长度类型病害的起点位置的X坐标,所述长度类型病害的起点位置距离拱顶中心线的垂直距离作为所述长度类型病害的起点位置的Y坐标,确定所述起点位置的起点坐标;
终点坐标确定单元,用于根据所述起点坐标确定所述长度类型病害的终点坐标;
病害位置及走向确定单元,用于根据所述起点坐标以及所述终点坐标确定所述长度类型病害的病害位置以及走向。
5.根据权利要求4所述的高速公路隧道病害位置确定系统,其特征在于,还包括:
长度类型病害的长度计算单元,用于获取所述长度类型病害所占像素的个数,并根据所述长度类型病害所占像素的个数计算所述长度类型病害的长度;
长度类型病害的宽度计算单元,用于获取所述长度类型病害最宽处的像素个数,并根据所述长度类型病害最宽处的像素个数计算所述长度类型病害的宽度。
6.根据权利要求4所述的高速公路隧道病害位置确定系统,其特征在于,所述隧道病害位置确定模块,具体包括:
隧道病害位置确定单元,用于当所述隧道病害类型为面积类型病害时,将所述面积类病害的中心位置距离所述面积类型病害所在板块右侧施工缝的水平距离作为所述面积类型病害的X坐标,所述面积类型病害的中心位置距离拱顶中心线的垂直距离作为所述面积类型病害的Y坐标,确定所述面积类病害的病害位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110347379.3A CN113063795B (zh) | 2021-03-31 | 2021-03-31 | 一种高速公路隧道病害位置确定方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110347379.3A CN113063795B (zh) | 2021-03-31 | 2021-03-31 | 一种高速公路隧道病害位置确定方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113063795A CN113063795A (zh) | 2021-07-02 |
CN113063795B true CN113063795B (zh) | 2024-02-02 |
Family
ID=76565266
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110347379.3A Active CN113063795B (zh) | 2021-03-31 | 2021-03-31 | 一种高速公路隧道病害位置确定方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113063795B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116596508B (zh) * | 2023-05-12 | 2024-03-08 | 广东交科检测有限公司 | 一种边坡裂缝病害发展识别记录方法 |
CN116740174B (zh) * | 2023-08-08 | 2024-02-13 | 园测信息科技股份有限公司 | 隧道病害在三维实景模型中的定位方法、装置和存储介质 |
CN117025039B (zh) * | 2023-08-14 | 2024-04-05 | 湖南省交通规划勘察设计院有限公司 | 隧道装饰涂料、制备方法及其应用 |
CN117309903B (zh) * | 2023-10-10 | 2024-05-07 | 青岛峻海物联科技有限公司 | 一种隧道内缺陷定位方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
JP2015049765A (ja) * | 2013-09-03 | 2015-03-16 | 公益財団法人鉄道総合技術研究所 | トンネル覆工面画像の歪みを補正する方法 |
JP2018096899A (ja) * | 2016-12-15 | 2018-06-21 | 西日本高速道路エンジニアリング四国株式会社 | トンネル覆工画像作成システム、および、トンネル覆工画像作成方法 |
CN109785407A (zh) * | 2019-01-11 | 2019-05-21 | 招商局重庆公路工程检测中心有限公司 | 基于app应用的公路隧道病害信息描绘与结构化方法 |
CN110455821A (zh) * | 2019-07-03 | 2019-11-15 | 南京理工大学 | 公路隧道及地铁隧道表观病害自动检测系统装置及方法 |
WO2020199538A1 (zh) * | 2019-04-04 | 2020-10-08 | 中设设计集团股份有限公司 | 基于图像监控数据的桥梁关键构件病害预警系统及方法 |
-
2021
- 2021-03-31 CN CN202110347379.3A patent/CN113063795B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
JP2015049765A (ja) * | 2013-09-03 | 2015-03-16 | 公益財団法人鉄道総合技術研究所 | トンネル覆工面画像の歪みを補正する方法 |
JP2018096899A (ja) * | 2016-12-15 | 2018-06-21 | 西日本高速道路エンジニアリング四国株式会社 | トンネル覆工画像作成システム、および、トンネル覆工画像作成方法 |
CN109785407A (zh) * | 2019-01-11 | 2019-05-21 | 招商局重庆公路工程检测中心有限公司 | 基于app应用的公路隧道病害信息描绘与结构化方法 |
WO2020199538A1 (zh) * | 2019-04-04 | 2020-10-08 | 中设设计集团股份有限公司 | 基于图像监控数据的桥梁关键构件病害预警系统及方法 |
CN110455821A (zh) * | 2019-07-03 | 2019-11-15 | 南京理工大学 | 公路隧道及地铁隧道表观病害自动检测系统装置及方法 |
Non-Patent Citations (5)
Title |
---|
公路隧道病害与防治对策;李玉文;唐协;张兆杰;;西南公路(第02期);全文 * |
公路隧道衬砌裂缝因素分析与治理;汤仁志;;住宅与房地产(第06期);全文 * |
基于机器视觉的公路隧道表观图拼接方法与数据统计研究;孙贝;;山西交通科技(第06期);全文 * |
建立既有隧道衬砌表面检测坐标系的初步研究;杨露;蒋雅君;刘会钢;李鹏;;地下空间与工程学报(第S2期);全文 * |
重载铁路隧道病害调研与整治技术研究;王希云;;建筑结构(第S2期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113063795A (zh) | 2021-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113063795B (zh) | 一种高速公路隧道病害位置确定方法及系统 | |
CN107356608A (zh) | 大口径熔石英光学元件表面微缺陷快速暗场检测方法 | |
CN105784716B (zh) | 摩擦片质量检验系统 | |
CN109358065B (zh) | 一种地铁隧道外观检测方法 | |
CN103615980B (zh) | 一种板件上圆孔参数的测量方法及系统 | |
CN106677037B (zh) | 基于机器视觉的便携式沥青路面病害检测方法及装置 | |
WO2023045299A1 (zh) | 基于三维轮廓的路面技术状况检测方法及设备 | |
CN106017350A (zh) | 基于机器视觉的中小模数齿轮快速检测装置及检测方法 | |
CN112540089B (zh) | 数字成像系统在混凝土桥梁裂缝检测和分析中的应用方法 | |
CN107292926B (zh) | 基于多图像序列的巡检机器人运动轨迹直线度测量方法 | |
CN109751964B (zh) | 一种高精度非接触式管径测量方法及装置 | |
CN104700395A (zh) | 一种构造物外观裂缝检测方法及系统 | |
CN107316330A (zh) | 基于多图像序列的井下液压支架组位姿及直线度测量方法 | |
CN106730106A (zh) | 机器人辅助的显微注射系统的坐标标定方法 | |
CN102175172A (zh) | 一种基于图像识别的机动车辆外形尺寸检测系统 | |
CN110243293A (zh) | 基于结构光和机器视觉的管片错台快速检测装置与方法 | |
CN111008602B (zh) | 一种小曲率薄壁零件用二维和三维视觉结合的划线特征提取方法 | |
CN115852763A (zh) | 一种视觉控制钢轨缺陷位置检测方法及系统 | |
CN111289526A (zh) | 一种燃气输送管道内表面缺陷检测方法及系统 | |
CN102306382A (zh) | 基于道路环境固有特征的事故现场图像校正方法 | |
CN208042989U (zh) | 一种大尺寸薄板金属工件几何质量自动检测装置 | |
CN109785407B (zh) | 基于app应用的公路隧道病害信息描绘与结构化方法 | |
Yang et al. | A real-time tunnel surface inspection system using edge-ai on drone | |
CN105354855A (zh) | 一种高耸结构外观检测装置及方法 | |
CN112053331B (zh) | 一种图像叠加和裂缝信息融合的桥梁裂缝检测方法 |
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 |