CN113160169A - 隧道裂隙图像识别方法和系统 - Google Patents

隧道裂隙图像识别方法和系统 Download PDF

Info

Publication number
CN113160169A
CN113160169A CN202110414491.4A CN202110414491A CN113160169A CN 113160169 A CN113160169 A CN 113160169A CN 202110414491 A CN202110414491 A CN 202110414491A CN 113160169 A CN113160169 A CN 113160169A
Authority
CN
China
Prior art keywords
pixel
image
coordinate
coordinate set
axis direction
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.)
Pending
Application number
CN202110414491.4A
Other languages
English (en)
Inventor
陆启荣
李锋
郭凯群
卞军
张毅
周博文
陈诚
乐潇潇
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.)
Zhejiang Highway Information Engineering Technology Co ltd
Original Assignee
Zhejiang Highway Information Engineering Technology Co ltd
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 Zhejiang Highway Information Engineering Technology Co ltd filed Critical Zhejiang Highway Information Engineering Technology Co ltd
Priority to CN202110414491.4A priority Critical patent/CN113160169A/zh
Publication of CN113160169A publication Critical patent/CN113160169A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30132—Masonry; Concrete

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种隧道裂隙图像识别方法，包括：S100，获取高分辨率的隧道图像，并将获取的隧道图像进行处理得到多个图像切片；其中，相邻的两个图像切片之间具有重叠区域，所述重叠区域的宽度为预设的能够识别的最短的裂隙长度Lmin；对得到的图像切片中的任一个图像切片进行裂隙图像识别，获取对应图像切片的所有裂隙的像素点坐标集合D；遍历每个裂隙的像素点坐标集合D，如果Dminx>xi，Dmaxx<(xi+1+Lmin)，Dminy>yi，Dmaxy<(yi+1+Lmin)，那么确定该裂隙的像素点坐标集合D为图像切片Img(i，j)中的裂隙图像。本发明能够提高隧道裂隙的识别速度和准确性。

Description

隧道裂隙图像识别方法和系统
技术领域
本发明涉及图像处理技术领域，具体涉及一种隧道裂隙图像识别方法和系统。
背景技术
随着社会的快速发展，人类对隧道的需求越来越大。由于隧道一般设置在地层内，在使用过程中，容易产生裂隙。如果不能及时发现和维修裂隙，将会发生严重的事故。
在裂隙的识别过程中，一般是操作人员手持拍摄设备例如移动终端在隧道内进行拍照，然后主要利用人工智能的方法对拍照后的图像进行现场识别得到裂隙。为准确快速的识别裂隙，一方面要确保拍摄的图像是高清的，另一方面要使得识别速度快。然而，目前的图像识别技术很难兼顾这两种。要不就是，拍摄的图像虽然高清，但是这种高清的图像的识别导致运算量大、效率低，不能及时识别出裂隙。或者，要不就是，降低拍摄的图像的质量即拍摄非高清的图像，这种图像的识别会使得运算量减少、效率提高，但是会存在识别不准确的问题。
因此，亟待需要提供一种能够准确快速的对裂隙进行识别的方案。
发明内容
本发明的实施例提供一种隧道裂隙图像识别方法和系统，以能够准确快速的对隧道的裂隙进行识别。
本发明采用的技术方案为：
本发明实施例提供一种隧道裂隙图像识别方法，包括：
S100，获取高分辨率的隧道图像Img，并将获取的隧道图像Img进行处理得到m*n个图像切片；其中，相邻的两个图像切片之间具有重叠区域，所述重叠区域的宽度为预设的能够识别的最短的裂隙长度Lmin，单位为像素；
S200，对得到的m*n个图像切片中的任一个图像切片Img(i，j)进行裂隙图像识别，获取对应图像切片的所有裂隙的像素点坐标集合D；i的取值范围为1…m，j的取值范围为1…n；
S300，对于每个裂隙的像素点坐标集合D，执行S400；
S400，遍历每个裂隙的像素点坐标集合D，如果Dminx>xi，Dmaxx<(xi+1+Lmin)，Dminy>yi，Dmaxy<(yi+1+Lmin)，那么确定该裂隙的像素点坐标集合D为图像切片Img(i，j)中的裂隙图像；
其中，Dminx为像素点坐标集合D中像素的x轴方向的最小坐标值，Dmaxx为像素点坐标集合D中像素的x轴方向的最大坐标值，Dminy为像素点坐标集合D中像素的y轴方向的最小坐标值，Dmaxy为像素点坐标集合D中像素的y轴方向的最大的坐标值，xi和yi为图像切片Img(i，j)的左上角坐标，其中，
Figure BDA0003025217950000021
Figure BDA0003025217950000022
W为隧道图像Img的宽度，单位为像素；H为隧道图像Img的高度，单位为像素；W0为图像切片Img(i，j)的宽度，单位为像素；H0为图像切片Img(i，j)的高度，单位为像素。
本发明另一实施例还提供一种隧道裂隙图像识别系统，包括：处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序；所述处理器用于执行所述计算机程序时实现上述权利要求1至7任一项所述的方法的步骤。
本发明实施例提供的隧道裂隙图像识别方法和系统，由于将裂隙图像进行切片处理，能够降低图像处理的时间复杂度，提高图像处理的效率，便于部署在作业现场。同时，图像切片之间有交叠，能够避免裂隙跨图像的情况下，难以拼接成完整裂隙的问题。
附图说明
图1为本发明实施例提供的隧道裂隙图像识别方法的流程示意图；
图2为本发明实施例的图像切片的示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。
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，本领域技术人员在没有作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。
图1为本发明实施例提供的隧道裂隙图像识别方法的流程示意图。如图1所示，本发明实施例提供了一种隧道裂隙图像识别方法，包括以下步骤：
S100，获取高分辨率的隧道图像Img，并将获取的隧道图像Img进行处理得到m*n个图像切片。并且其中，相邻的两个图像切片之间具有重叠区域，所述重叠区域的宽度为预设的能够识别的最短的裂隙长度Lmin，单位为像素。本发明实施例的图像切片可如图2所示。
在S100中，可基于现有拍摄设备获取高分辨率的隧道图像，图像获取可以通过车载CCD相机拍摄，车厢上安装支架，支架上安装旋转平台，平台上安装CCD相机和LED灯，每组CCD相机包括三组共8个CCD相机。3组CCD相机3等间隔设置在弧形支架上，每个CCD相机3安装处设置有两个准直点激光发射器，激光亮点即为图像参考定位点；用于后续衬砌表面图像的尺度校正和配准。在一个示例中，高分辨率为至少大于2000万像素。获取的隧道图像可基于现有技术来处理得到对应的图像切片。在一个示例中，对全部的原始图像分别进行预处理，目的是以减少无用信息以及噪声等对图像的干扰，突出图像中的裂隙的可检测性并在最大程度上简化了数据，从而提升图像分割、特征提取、匹配和识别等的可靠性；还包括预处理后的图像分别进行尺度校正，消除相机所拍图像对应的裂隙实际大小不一致的情况，并对同一个尺度标准下的所有图像分别进行配准，得到配准后的图像；然后将配准后的所有图像进行拼接，得到一幅拼接后的图像。
在S100中，预设的能够识别的最短的裂隙长度Lmin可基于实际情况进行确定，例如，可为实际长度为3cm对应的像素值。具体根据图像预处理效果决定。
S200，对得到的m*n个图像切片中的任一个图像切片Img(i，j)进行裂隙图像识别，获取对应图像切片的所有裂隙的像素点坐标集合D，i的取值范围为1…m，j的取值范围为1…n。
在步骤S200中，可基于现有技术对图像切片Img(i，j)进行裂隙图像识别，例如，基于图像处理的地铁隧道裂缝识别算法研究(仪器仪表学报，第35卷第7期，2014年7月)公开的处理方法。图像切片Img(i，j)可能具有一条裂隙，也可能具有多个裂隙，在具有多个裂隙的情况下，可获取多个像素点坐标集合D。在另一个示例中，像素点坐标集合D可预先设置，在裂隙识别过程中，如果D为null，则表示该图像切片中不存在裂隙，如果D不为null，则表示该图像切片中存在裂隙。
S300，对于每个裂隙的像素点坐标集合D，执行S400。
S400，遍历每个裂隙的像素点坐标集合D，如果Dminx>xi，Dmaxx<(xi+1+Lmin)，Dminy>yi，Dmaxy<(yi+1+Lmin)，那么确定该裂隙的像素点坐标集合D为图像切片Img(i，j)中的裂隙图像，例如，可将确定的裂隙图像以预设颜色进行显示。其中，Dminx为像素点坐标集合D中像素的x轴方向的最小坐标值，Dmaxx为像素点坐标集合D中像素的x轴方向的最大坐标值，Dminy为像素点坐标集合D中像素的y轴方向的最小坐标值，Dmaxy为像素点坐标集合D中像素的y轴方向的最大的坐标值，xi和yi为图像切片Img(i，j)的左上角坐标。
在本发明实施例中，图像切片Img(i，j)的左上角坐标可为：
Figure BDA0003025217950000051
Figure BDA0003025217950000052
W为隧道图像Img的宽度，单位为像素；H为隧道图像Img的高度，单位为像素；W0为图像切片Img(i，j)的宽度，单位为像素；H0为图像切片Img(i，j)的高度，单位为像素，如图2所示。
进一步地，本发明实施例提供的隧道裂隙图像识别方法还可包括：
S500，获取确定的裂隙图像的长度。
裂隙图像的长度可基于现有技术来获取。例如，可通过计算包围裂隙图像的正包围盒或者最小包围盒的对角线的长度来作为对应裂隙图像的长度。
在隧道裂隙图像处理中，裂隙图像处理随着图像的尺寸指数级增加，本发明实施例提供的隧道裂隙图像识别方法，由于将裂隙图像进行切片处理，能够降低图像处理的时间复杂度，提高图像处理的效率，便于部署在作业现场。同时，图像切片之间有交叠，能够避免裂隙跨图像的情况下，难以拼接成完整裂隙的问题。
在本发明实施例中，在步骤S400中，在对每个图像切片进行遍历时，会同时遍历该图像切片的右侧图像切片和下侧图像切片。
具体地，在本发明一实施例中，S400可进一步包括：
S410，如果Dmaxx＝xi+1，且i+1≠m，说明裂隙触达图像切片的右侧，那么获取图像切片Img(i+1，j)，例如，将图像切片Img(i+1，j)载人内存。
S420，获取图像切片Img(i+1，j)的所有裂隙的像素点坐标集合D’。像素点坐标集合D’与像素点坐标集合D相同，可能是一个，也可能是多个。
S430，获取像素点坐标集合D和D’的坐标交集集合E，E＝D∩D’。在像素点坐标集合D’为多个的情况下，坐标交集集合E也为多个。
S440，如果Eminx与D0maxx存在相邻关系，且Emaxx与D0’minx存在相邻关系，那么获取D和D’的并集，相当于将像素点坐标集合D和D’的裂隙合并。
其中，D0为像素点坐标集合D中剔除交集集合E后得到的像素点坐标集合，D0’为像素点坐标集合D’中剔除交集集合E后得到的像素点坐标集合；Eminx为坐标交集集合E中像素的x轴方向的最小坐标值，Emaxx为坐标交集集合E中像素的x轴方向的最大坐标值，D0maxx为像素点坐标集合D0中像素的x轴方向的最大坐标值，D0’minx为像素点坐标集合D0’中像素的x轴方向的最小坐标值。
进一步地，可通过下述步骤判断Eminx与D0maxx存在相邻关系：
S441，获取Eminx在y轴方向上的坐标集合A＝{A1,A2,……,Ak}，获取D0maxx在y轴方向上的坐标集合B＝{B1,B2，……,Bt}；k，t分别为Eminx和D0maxx中的像素点的个数；
S442，如果k≤l，那么对坐标集合A进行扩展，形成坐标集合A扩＝{A1-1，A1，A1+1，A2-1，A2，A2+1……}，即分别对每个像素坐标进行加减1操作，如果A扩与B存在交集，那么认为Eminx和D0maxx存在邻接关系；
S443，如果k>l，那么对坐标集合B进行扩展，形成B扩＝{B1-1，B1，B1+1，B2，B2+1……}，如果A与B扩存在交集，那么认为Emaxx与D0’minx存在邻接关系。
在本发明另一实施例中，S400可进一步包括：
S450，如果Dmaxy＝yj+1，且j+1≠n，说明裂隙触达图像切片的下侧，那么获取图像切片Img(i，j+1)；例如，将图像切片Img(i+1，j)载人内存。
S460，获取图像切片Img(i，j+1)的所有裂隙的像素点坐标集合D’；像素点坐标集合D’与像素点坐标集合D相同，可能是一个，也可能是多个。
S470，获取像素点坐标集合D和D’的坐标交集集合E，E＝D∩D’；在像素点坐标集合D’为多个的情况下，坐标交集集合E也为多个。
S480，如果Eminy与D0maxy存在相邻关系，且Emaxy与D0’miny存在相邻关系，那么获取D和D’的并集；相当于将像素点坐标集合D和D’的裂隙合并。
其中，D0为像素点坐标集合D中剔除交集集合E后得到的像素点坐标集合，D0’为像素点坐标集合D’中剔除交集集合E后得到的像素点坐标集合；。Eminy为坐标交集集合E中像素的y轴方向的最小坐标值，Emaxy为坐标交集集合E中像素的y轴方向的最大坐标值，D0maxy为像素点坐标集合D0中像素的y轴方向的最大坐标值，D0’miny为像素点坐标集合D0’中像素的y轴方向的最小坐标值。
进一步地，可通过下述步骤判断Eminy与D0maxy存在相邻关系：
S481，获取Eminy在x轴方向上的坐标集合A＝{A1,A2,……,Ap}，获取D0maxy在x轴方向上的坐标集合B＝{B1,B2，……,Bq}；p，q分别为Eminy和D0maxy中的像素点的个数；
S482，如果k≤l，那么对坐标集合A进行扩展，形成坐标集合A扩＝{A1-1，A1，A1+1，A2-1，A2，A2+1……}，如果A扩与B存在交集，那么认为Eminy和D0maxy存在邻接关系；
S483，如果k>l，那么对坐标集合B进行扩展，形成B扩＝{B1-1，B1，B1+1，B2，B2+1……}，如果A与B扩存在交集，那么认为Emaxy与D0’miny存在邻接关系。
在本发明实施例中，通过邻接关系的处理方法，能够避免不同图像切片中识别裂隙所造成的工业误差。
本发明另一个实施例提供一种隧道裂隙图像识别系统，包括：处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序；所述处理器用于执行所述计算机程序时实现上述隧道裂隙图像识别方法的步骤。
具体地，上述存储器和处理器能够为通用的存储器和处理器，这里不做具体限定，当处理器运行存储器存储的计算机程序时，能够执行上述隧道裂隙图像识别方法，从而解决相关技术中裂隙识别速度慢且不准确的问题。
以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (8)

1.一种隧道裂隙图像识别方法，其特征在于，包括：
S100，获取高分辨率的隧道图像Img，并将获取的隧道图像Img进行处理得到m*n个图像切片；其中，相邻的两个图像切片之间具有重叠区域，所述重叠区域的宽度为预设的能够识别的最短的裂隙长度Lmin，单位为像素；
S200，对得到的m*n个图像切片中的任一个图像切片Img(i，j)进行裂隙图像识别，获取对应图像切片的所有裂隙的像素点坐标集合D；i的取值范围为1…m，j的取值范围为1…n；
S300，对于每个裂隙的像素点坐标集合D，执行S400；
S400，遍历每个裂隙的像素点坐标集合D，如果Dminx>xi，Dmaxx<(xi+1+Lmin)，Dminy>yi，Dmaxy<(yi+1+Lmin)，那么确定该裂隙的像素点坐标集合D为图像切片Img(i，j)中的裂隙图像；
其中，Dminx为像素点坐标集合D中像素的x轴方向的最小坐标值，Dmaxx为像素点坐标集合D中像素的x轴方向的最大坐标值，Dminy为像素点坐标集合D中像素的y轴方向的最小坐标值，Dmaxy为像素点坐标集合D中像素的y轴方向的最大的坐标值，xi和yi为图像切片Img(i，j)的左上角坐标，其中，
Figure FDA0003025217940000011
Figure FDA0003025217940000012
W为隧道图像Img的宽度，单位为像素；H为隧道图像Img的高度，单位为像素；W0为图像切片Img(i，j)的宽度，单位为像素；H0为图像切片Img(i，j)的高度，单位为像素。
2.根据权利要求1所述的隧道裂隙图像识别方法，其特征在于，S400进一步包括：
S410，如果Dmaxx＝xi+1，且i+1≠m，那么获取图像切片Img(i+1，j)；
S420，获取图像切片Img(i+1，j)的所有裂隙的像素点坐标集合D’；
S430，获取像素点坐标集合D和D’的坐标交集集合E，E＝D∩D’；
S440，如果Eminx与D0maxx存在相邻关系，且Emaxx与D0’minx存在相邻关系，那么获取D和D’的并集；
其中，D0为像素点坐标集合D中剔除交集集合E后得到的像素点坐标集合，D0’为像素点坐标集合D’中剔除交集集合E后得到的像素点坐标集合；Eminx为坐标交集集合E中像素的x轴方向的最小坐标值，Emaxx为坐标交集集合E中像素的x轴方向的最大坐标值，D0maxx为像素点坐标集合D0中像素的x轴方向的最大坐标值，D0’minx为像素点坐标集合D0’中像素的x轴方向的最小坐标值。
3.根据权利要求2所述的隧道裂隙图像识别方法，其特征在于，通过下述步骤判断Eminx与D0maxx存在相邻关系：
S441，获取Eminx在y轴方向上的坐标集合A＝{A1,A2,……,Ak}，获取D0maxx在y轴方向上的坐标集合B＝{B1,B2，……,Bt}；k，t分别为Eminx和D0maxx中的像素点的个数；
S442，如果k≤l，那么对坐标集合A进行扩展，形成坐标集合A扩＝{A1-1，A1，A1+1，A2-1，A2，A2+1……}，如果A扩与B存在交集，那么认为Eminx和D0maxx存在邻接关系；
S443，如果k>l，那么对坐标集合B进行扩展，形成B扩＝{B1-1，B1，B1+1，B2，B2+1……}，如果A与B扩存在交集，那么认为Emaxx与D0’minx存在邻接关系。
4.根据权利要求2所述的隧道裂隙图像识别方法，其特征在于，S400进一步包括：
S450，如果Dmaxy＝yj+1，且j+1≠n，那么获取图像切片Img(i，j+1)；
S460，获取图像切片Img(i，j+1)的所有裂隙的像素点坐标集合D’；
S470，获取像素点坐标集合D和D’的坐标交集集合E，E＝D∩D’；
S480，如果Eminy与D0maxy存在相邻关系，且Emaxy与D0’miny存在相邻关系，那么获取D和D’的并集；
其中，D0为像素点坐标集合D中剔除交集集合E后得到的像素点坐标集合，D0’为像素点坐标集合D’中剔除交集集合E后得到的像素点坐标集合；。Eminy为坐标交集集合E中像素的y轴方向的最小坐标值，Emaxy为坐标交集集合E中像素的y轴方向的最大坐标值，D0maxy为像素点坐标集合D0中像素的y轴方向的最大坐标值，D0’miny为像素点坐标集合D0’中像素的y轴方向的最小坐标值。
5.根据权利要求4所述的隧道裂隙图像识别方法，其特征在于，通过下述步骤判断Eminy与D0maxy存在相邻关系：
S481，获取Eminy在x轴方向上的坐标集合A＝{A1,A2,……,Ap}，获取D0maxy在x轴方向上的坐标集合B＝{B1,B2，……,Bq}；p，q分别为Eminy和D0maxy中的像素点的个数；
S482，如果k≤l，那么对坐标集合A进行扩展，形成坐标集合A扩＝{A1-1，A1，A1+1，A2-1，A2，A2+1……}，如果A扩与B存在交集，那么认为Eminy和D0maxy存在邻接关系；
S483，如果k>l，那么对坐标集合B进行扩展，形成B扩＝{B1-1，B1，B1+1，B2，B2+1……}，如果A与B扩存在交集，那么认为Emaxy与D0’miny存在邻接关系。
6.根据权利要求1所述的隧道裂隙图像识别方法，其特征在于，在S400中，确定的裂隙图像以预设颜色进行显示。
7.根据权利要求1所述的隧道裂隙图像识别方法，其特征在于，还包括：
S500，获取确定的裂隙图像的长度。
8.一种隧道裂隙图像识别系统，其特征在于，包括：处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序；所述处理器用于执行所述计算机程序时实现上述权利要求1至7任一项所述的方法的步骤。
CN202110414491.4A 2021-04-16 2021-04-16 隧道裂隙图像识别方法和系统 Pending CN113160169A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110414491.4A CN113160169A (zh) 2021-04-16 2021-04-16 隧道裂隙图像识别方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110414491.4A CN113160169A (zh) 2021-04-16 2021-04-16 隧道裂隙图像识别方法和系统

Publications (1)

Publication Number Publication Date
CN113160169A true CN113160169A (zh) 2021-07-23

Family

ID=76868606

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110414491.4A Pending CN113160169A (zh) 2021-04-16 2021-04-16 隧道裂隙图像识别方法和系统

Country Status (1)

Country Link
CN (1) CN113160169A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1619594A (zh) * 2004-11-30 2005-05-25 浙江大学 数字图像的线段描述方法
CN104792792A (zh) * 2015-04-27 2015-07-22 武汉武大卓越科技有限责任公司 一种逐步求精的路面裂缝检测方法
CN106910187A (zh) * 2017-01-13 2017-06-30 陕西师范大学 一种用于桥梁裂缝检测的图像数据集人工扩增方法
CN110659658A (zh) * 2018-06-29 2020-01-07 杭州海康威视数字技术股份有限公司 一种目标检测方法及其装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1619594A (zh) * 2004-11-30 2005-05-25 浙江大学 数字图像的线段描述方法
CN104792792A (zh) * 2015-04-27 2015-07-22 武汉武大卓越科技有限责任公司 一种逐步求精的路面裂缝检测方法
CN106910187A (zh) * 2017-01-13 2017-06-30 陕西师范大学 一种用于桥梁裂缝检测的图像数据集人工扩增方法
CN110659658A (zh) * 2018-06-29 2020-01-07 杭州海康威视数字技术股份有限公司 一种目标检测方法及其装置

Similar Documents

Publication Publication Date Title
US10942130B2 (en) Damage information processing device and damage information processing method
EP3327198B1 (en) Crack analyzer, crack analysis method, and crack analysis program
CN110705405B (zh) 目标标注的方法及装置
EP3096286B1 (en) Image processing apparatus, image processing method, and computer program product
EP2955664A1 (en) Traffic lane boundary line extraction apparatus, traffic lane boundary line extraction method, and program
JP2007114828A (ja) 画像処理装置および画像処理方法
US12106438B2 (en) Point cloud annotation device, method, and program
JP6678267B1 (ja) 道路不具合検出装置、道路不具合検出方法及び道路不具合検出プログラム
JP2018173276A (ja) 計測支援装置、計測支援方法及びプログラム
US11144590B2 (en) Similar damage search device and a similar damage search method
CN117173125A (zh) 一种基于全景图的缺陷点位显示方法、装置及存储介质
US11733174B2 (en) Information processing apparatus, information processing method, and storage medium
CN112784633B (zh) 一种车道边界的处理方法、装置、电子设备和存储介质
JP5846140B2 (ja) 情報処理装置、及びプログラム
JP6770811B2 (ja) 結束鋼管検査装置及び結束鋼管検査方法
CN113160169A (zh) 隧道裂隙图像识别方法和系统
JP2019003575A (ja) 画像分析装置及び鉄道設備部品の保守管理方法
JP4796535B2 (ja) 画像処理による多導体電線の追跡方法、装置及びプログラム並びにこれを用いた多導体電線の異常検出方法、装置及びプログラム
JP2010015448A (ja) 地物形状変化検出プログラム、及び、地物形状変化検出システム
JP4866291B2 (ja) 画像処理による電線の揺れ計測方法、電線の揺れ計測装置及び電線の揺れ計測プログラム
JP2006322892A (ja) ３次元位置測定装置および３次元位置測定プログラム
JP2021085838A (ja) 配筋検査システム、配筋検査方法、及び配筋検査プログラム
JP2005293299A (ja) 画像処理方法、システム及びプログラム
JP7499210B2 (ja) ひび割れ検出方法とひび割れ検出装置、及びプログラム
CN111024705A (zh) 一种电力线断股的检测方法、装置、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
CB02 Change of applicant information

Address after: 303 Wenhui Road, Hangzhou, Zhejiang 310000

Applicant after: Zhejiang Gaoxin Technology Co.,Ltd.

Address before: 303 Wenhui Road, Hangzhou, Zhejiang 310000

Applicant before: ZHEJIANG HIGHWAY INFORMATION ENGINEERING TECHNOLOGY CO.,LTD.

CB02 Change of applicant information
RJ01 Rejection of invention patent application after publication

Application publication date: 20210723

RJ01 Rejection of invention patent application after publication