CN113591721B - 一种利用无人机确定新摊铺沥青路面取芯点位置的方法 - Google Patents

一种利用无人机确定新摊铺沥青路面取芯点位置的方法 Download PDF

Info

Publication number
CN113591721B
CN113591721B CN202110880844.XA CN202110880844A CN113591721B CN 113591721 B CN113591721 B CN 113591721B CN 202110880844 A CN202110880844 A CN 202110880844A CN 113591721 B CN113591721 B CN 113591721B
Authority
CN
China
Prior art keywords
temperature
area
low
pixel
reference plate
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
Application number
CN202110880844.XA
Other languages
English (en)
Other versions
CN113591721A (zh
Inventor
魏帅帅
韩文扬
张欢
韦金城
马士杰
牛磊
陈凯
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.)
Shandong Transportation Institute
Original Assignee
Shandong Transportation Institute
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 Shandong Transportation Institute filed Critical Shandong Transportation Institute
Priority to CN202110880844.XA priority Critical patent/CN113591721B/zh
Publication of CN113591721A publication Critical patent/CN113591721A/zh
Application granted granted Critical
Publication of CN113591721B publication Critical patent/CN113591721B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/10048—Infrared image

Landscapes

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

Abstract

本发明涉及沥青路面施工质量检验技术领域，具体是一种利用无人机确定新摊铺沥青路面取芯点位置的方法，通过对无人机拍摄的图像进行处理，计算得到最大低温连通区域的d值(d值代表以最大低温连通区域像素为圆心的最大圆半径)分布，快速确定最大低温连通区域内的最大圆的圆心位置，以其作为取芯点，能够确保取芯点位于低温区域内，从而保证沥青路面质量检测精度。另外，本发明还通过设置参照板，为确定取芯点位置提供了参照位置，即使在低温区域远离路缘带的情况下，也能够保证无人机拍摄图像的清晰度，从而提高沥青路面质量检测精度。

Description

一种利用无人机确定新摊铺沥青路面取芯点位置的方法
技术领域
本发明涉及沥青路面施工质量检验技术领域，具体是一种利用无人机确定新摊铺沥青路面取芯点位置的方法。
背景技术
热拌沥青路面摊铺施工对温度要求极高，温度控制直接影响路面实体质量及使用寿命，摊铺过程中产生的温度离析会直接导致低温区域压实度不足，从而引起早期病害。传统沥青摊铺施工多采用插入式温度计测温，夏天作业时，工作人员忍受高温酷暑，来回抽检跟踪各道工序中的沥青混合料温度。近年来沥青摊铺施工开始通过手持红外成像仪，逐处拍摄图像进行检测，存在测温点数量有限、代表性不够、反馈不及时等不足。
基于上述原因，CN210014841U公开了一种基于无人机监测沥青混凝土施工现场温度装置，通过无人机飞行一定高度，利用红外热像仪对沥青混凝土施工现场实行一定高度一定区域的温度检测，从而实现温度监测由点到面进行控制。利用无人机拍摄图像可以全面直观的确定摊铺过程中的低温区域，新铺路面质量监测时可以此为依据对压实度不足的重点位置进行取芯。然而，目前的无人机现场拍摄技术只能确定低温区域的大致轮廓和位置，后期若不进行有效的区域识别和处理，路面取芯时很容易偏离温度最低区域，达不到路面全寿命周期质量检测和病害监测的目的。
发明内容
本发明的目的是为了解决上述现有技术的不足，提供一种利用无人机确定新摊铺沥青路面取芯点位置的方法，通过以最大低温连通区域内的最大圆的圆心位置作为取芯点，确保取芯点位于低温区域内，从而保证沥青路面质量检测精度。
所要解决的技术问题采用以下技术方案来实现：
一种利用无人机确定新摊铺沥青路面取芯点位置的方法，包括以下步骤：
S1：利用无人机找到摊铺过程中的低温区域；
S2：将参照板放置在符合摊铺要求温度区域，测量参照板中心到路缘带的距离D1，记录参照板中心到路缘带的垂足O，拍摄包括参照板和低温区域的可见光图像、红外图像；
S3：将得到的红外图像转为灰度图，并用阈值分割方法得到仅存在参照板的二值图，记录参照板中心P的坐标(xp，yp)，并根据参照板的实际尺寸和仅存在参照板的二值图中参照板所占的像素网格数计算每个像素所表示的实际边长s；
S4：将去除参照板的红外图像灰度图用OTSU方法进行阈值分割，得到低温区域二值图；
S5：使用区域生长算法对低温区域二值图进行划分，寻找最大低温连通区域，得到最大低温连通区域二值图；
S6：计算得到最大低温连通区域的d值分布，d值代表以最大低温连通区域像素为圆心的最大圆半径，所有d值中的最大值dmax即为最大低温连通区域内的最大圆的半径，最大低温连通区域内的最大圆的圆心A为取芯点，其坐标为(xA，yA)。
S7：设A到OP连线的垂足为B，则OB＝D1-BP＝D1-|xp-xA|·s，AB＝|yp-yA|·s。
本发明的技术方案还有，在所述步骤S4中，先将红外图像中参照板所在的区域用符合摊铺要求温度区域值代替，得到去除参照板的红外图像灰度图，再利用OTSU方法进行阈值分割之后得到低温区域二值图。
本发明的技术方案还有，所述步骤S5中的区域生长算法为四连通区域算法，其过程为：将低温区域二值图中的低温区域像素作为种子点，将种子点的上、下、左、右相邻像素作为对比点，若对比点为低温区域像素，则将种子点与该对比点连通，反之则不连通，以此将低温区域二值图中的低温区域划分为不同的连通区域，取其中的最大区域作为最大低温连通区域。
本发明的技术方案还有，所述步骤S6包括以下步骤：
S6-1：在最大低温连通区域二值图中，将符合摊铺要求温度区域的像素d值设置为0，将最大低温连通区域的像素初始d值设置为1；
S6-2：对于任意组成最大低温连通区域的像素(i，j)，确定其周围的方形区域(i-d≤I≤i+d；j-d≤J≤j+d)，
其中，I为方形区域内像素的横坐标，J为方形区域内像素的纵坐标；
S6-3：计算方形区域内所有像素到像素(i，j)的距离dis，如果dis不大于d的所有像素均位于最大低温连通区域内，则d值增大0.5，并重复步骤S6-2；否则，d值不变，并进入步骤S6-4；
S6-4：若像素的d≠1，则其d值为该像素的最终d值；若像素的d＝1，则进入步骤S6-5；
S6-5：若像素的上、下、左、右相邻像素均位于符合摊铺要求温度区域内，则该像素的最终d值为0.5，否则，该像素的最终d值为1；
S6-6：得到所有d值中的最大值dmax，dmax所代表的像素A为取芯点，其坐标为(xA，yA)。
本发明的技术方案还有，所述参照板呈正方形，所述参照板的实际边长为L1，仅存在参照板的二值图中所述参照板所占的像素网格数为L2，则每个像素所表示的实际边长s＝L1/L2。
本发明的技术方案还有，所述参照板为铁板。
相对于现有技术，本发明的利用无人机确定新摊铺沥青路面取芯点位置的方法的有益效果为：(1)通过对无人机拍摄的图像进行处理，快速确定最大低温连通区域内的最大圆的圆心位置，并以其作为取芯点，能够确保取芯点位于低温区域内，从而保证沥青路面质量检测精度；(2)通过设置参照板，为确定取芯点位置提供了参照位置，即使在低温区域远离路缘带的情况下，也能够保证无人机拍摄图像的清晰度，从而提高沥青路面质量检测精度。
附图说明
图1为实施例一中无人机拍摄的包括参照板和低温区域的可见光图像。
图2为实施例一中无人机拍摄的包括参照板和低温区域的红外图像。
图3为实施例一中红外图像的灰度图。
图4为实施例一中仅存在参照板的二值图。
图5为实施例一中去除参照板的红外图像灰度图。
图6为实施例一中低温区域二值图。
图7为实施例一中四连通区域示意图。
图8为实施例一中最大低温连通区域二值图。
图9为实施例一中步骤S6的流程图。
图10为实施例一中最大低温连通区域的d值分布图。
图11为实施例一中参照板中心P与最大低温连通区域内的最大圆的圆心A的实际位置示意图。
图中：1、参照板，2、低温区域，3、最大低温连通区域，4、路缘带。
具体实施方式
以下实施例是对本发明的进一步说明，但本发明并不局限于此。因本发明比较复杂，因此实施方式仅对本发明的发明点部分进行详述，本发明未详述部分均可采用现有技术。
实施例一：
图1-图11示出了本发明的实施例一。
一种利用无人机确定新摊铺沥青路面取芯点位置的方法，包括以下步骤：
S1：将无人机旋浮于正在摊铺路面的正上方，利用无人机找到摊铺过程中的低温区域2。
S2：将参照板1放置在符合摊铺要求温度区域，并使参照板1的放置位置尽量靠近低温区域2，测量参照板中心到路缘带4的距离D1，记录参照板1中心到路缘带4的垂足O，拍摄包括参照板1和低温区域2的可见光图像(图1)、红外图像(图2)。
参照板1用于为确定取芯点位置提供参照位置，这样，即使在低温区域远离路缘带4的情况下，只要参照板1的放置位置尽量靠近低温区域2，就能够保证无人机拍摄图像的清晰度，从而提高沥青路面质量检测精度。本实施例中，参照板1采用正方形铁板。
S3：将得到的红外图像转为灰度图(图3)，从图3中可以看出，由于参照板1的温度最低，因此参照板1的灰度值最小，据此，利用阈值分割方法，得到仅存在参照板的二值图(图4)，记录参照板1中心P的坐标(xp，yp)。
根据参照板1的实际尺寸和仅存在参照板的二值图中参照板1所占的像素网格数计算每个像素所表示的实际边长s，具体的，所述参照板1的实际边长为L1，仅存在参照板的二值图中所述参照板1所占的像素网格数为L2，则每个像素所表示的实际边长s＝L1/L2。
S4：为了使用OTSU(大津)方法更好的对红外图像进行阈值分割，需要剔除参照板1的影响。因此，先将红外图像(图2)中参照板1所在的区域用符合摊铺要求温度区域值代替，得到去除参照板的红外图像灰度图(图5)，再利用OTSU方法进行阈值分割之后得到低温区域二值图(图6)，图6中白色部分即为低温区域2。
S5：使用区域生长算法对低温区域二值图进行划分，寻找最大低温连通区域(3)，得到最大低温连通区域二值图(图8)。
具体的，所述区域生长算法为四连通区域算法，参见图7，其具体过程为：将低温区域二值图中的低温区域2像素作为种子点，将种子点的上、下、左、右相邻像素作为对比点，若对比点为低温区域像素，则将种子点与该对比点连通，反之则不连通，以此将低温区域二值图中的低温区域2划分为不同的连通区域，取其中的最大区域作为最大低温连通区域3。
S6：计算得到最大低温连通区域3的d值分布(图10)，d值代表以最大低温连通区域3像素为圆心的最大圆半径，所有d值中的最大值dmax即为最大低温连通区域3内的最大圆的半径，以最大低温连通区域3内的最大圆的圆心A(xA，yA)为取芯点，能够确保取芯点位于低温区域内，从而保证沥青路面质量检测精度。
参见图9，步骤S6的具体包括以下步骤：
S6-1：在最大低温连通区域二值图中，将符合摊铺要求温度区域的像素d值设置为0，将最大低温连通区域3的像素初始d值设置为1；
S6-2：对于任意组成最大低温连通区域3的像素(i，j)，确定其周围的方形区域(i-d≤I≤i+d；j-d≤J≤j+d)，
其中，I为方形区域内像素的横坐标，J为方形区域内像素的纵坐标；
方形区域使编程缩小了搜索范围，在这个方形区域中找以d为半径的圆，能够提高计算速度；
S6-3：计算方形区域内所有像素到像素(i，j)的距离dis，如果dis不大于d的所有像素均位于最大低温连通区域3内，则d值增大0.5，并重复步骤S6-2；否则，d值不变，并进入步骤S6-4；
S6-4：若像素的d≠1，则其d值为该像素的最终d值；若像素的d＝1，则进入步骤S6-5；
S6-5：若像素的上、下、左、右相邻像素均位于符合摊铺要求温度区域内，则该像素的最终d值为0.5，否则，该像素的最终d值为1；
S6-6：得到所有d值中的最大值dmax，dmax所代表的像素A为取芯点，其坐标为(xA，yA)。
S7：参见图11，设A到OP连线的垂足为B，则OB＝D1-BP＝D1-|xp-xA|·s，AB＝|yp-yA|·s。以此，施工人员可依次沿OB、BA到达A点进行取芯。
上面结合附图对本发明的实施例做了详细说明，但是本发明并不限于上述实施例，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (6)

1.一种利用无人机确定新摊铺沥青路面取芯点位置的方法，包括以下步骤：
S1：利用无人机找到摊铺过程中的低温区域(2)；
S2：将参照板(1)放置在符合摊铺要求温度区域，测量参照板中心到路缘带(4)的距离D1 ，记录参照板(1)中心到路缘带(4)的垂足O，拍摄包括参照板(1)和低温区域(2)的可见光图像、红外图像；
S3：将得到的红外图像转为灰度图，并用阈值分割方法得到仅存在参照板的二值图，记录参照板(1)中心P的坐标(xp，yp)，并根据参照板(1)的实际尺寸和仅存在参照板的二值图中参照板(1)所占的像素网格数计算每个像素所表示的实际边长s；
S4：将去除参照板(1)的红外图像灰度图用OTSU方法进行阈值分割，得到低温区域二值图；
S5：使用区域生长算法对低温区域二值图进行划分，寻找最大低温连通区域(3)，得到最大低温连通区域二值图；
S6：计算得到最大低温连通区域(3)的d值分布，d值代表以最大低温连通区域(3)像素为圆心的最大圆半径，所有d值中的最大值dmax即为最大低温连通区域(3)内的最大圆的半径，最大低温连通区域(3)内的最大圆的圆心A为取芯点，其坐标为(xA，yA)；
S7：设A到OP连线的垂足为B，则OB＝D1-BP＝D1-|xp-xA|·s，AB＝|yp-yA|·s。
2.根据权利要求1所述的利用无人机确定新摊铺沥青路面取芯点位置的方法，其特征在于，在所述步骤S4中，先将红外图像中参照板(1)所在的区域用符合摊铺要求温度区域值代替，得到去除参照板的红外图像灰度图，再利用OTSU方法进行阈值分割之后得到低温区域二值图。
3.根据权利要求1所述的利用无人机确定新摊铺沥青路面取芯点位置的方法，其特征在于，所述步骤S5中的区域生长算法为四连通区域算法，其过程为：将低温区域二值图中的低温区域(2)像素作为种子点，将种子点的上、下、左、右相邻像素作为对比点，若对比点为低温区域像素，则将种子点与该对比点连通，反之则不连通，以此将低温区域二值图中的低温区域(2)划分为不同的连通区域，取其中的最大区域作为最大低温连通区域(3)。
4.根据权利要求1所述的利用无人机确定新摊铺沥青路面取芯点位置的方法，其特征在于，所述步骤S6包括以下步骤：
S6-1：在最大低温连通区域二值图中，将符合摊铺要求温度区域的像素d值设置为0，将最大低温连通区域(3)的像素初始d值设置为1；
S6-2：对于任意组成最大低温连通区域(3)的像素(i，j)，确定其周围的方形区域(i-d≤I≤i+d；j-d≤J≤j+d)，
其中，I为方形区域内像素的横坐标，J为方形区域内像素的纵坐标；
S6-3：计算方形区域内所有像素到像素(i，j)的距离dis，如果dis不大于d的所有像素均位于最大低温连通区域(3)内，则d值增大0.5，并重复步骤S6-2；否则，d值不变，并进入步骤S6-4；
S6-4：若像素的d≠1，则其d值为该像素的最终d值；若像素的d＝1，则进入步骤S6-5；
S6-5：若像素的上、下、左、右相邻像素均位于符合摊铺要求温度区域内，则该像素的最终d值为0.5，否则，该像素的最终d值为1；
S6-6：得到所有d值中的最大值dmax，dmax所代表的像素A为取芯点，其坐标为(xA，yA)。
5.根据权利要求1-4任一所述的利用无人机确定新摊铺沥青路面取芯点位置的方法，其特征在于，所述参照板(1)呈正方形，所述参照板(1)的实际边长为L1，仅存在参照板的二值图中所述参照板(1)所占的像素网格数为L2，则每个像素所表示的实际边长s＝L1/L2。
6.根据权利要求5所述的利用无人机确定新摊铺沥青路面取芯点位置的方法，其特征在于，所述参照板为铁板。
CN202110880844.XA 2021-08-02 2021-08-02 一种利用无人机确定新摊铺沥青路面取芯点位置的方法 Active CN113591721B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110880844.XA CN113591721B (zh) 2021-08-02 2021-08-02 一种利用无人机确定新摊铺沥青路面取芯点位置的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110880844.XA CN113591721B (zh) 2021-08-02 2021-08-02 一种利用无人机确定新摊铺沥青路面取芯点位置的方法

Publications (2)

Publication Number Publication Date
CN113591721A CN113591721A (zh) 2021-11-02
CN113591721B true CN113591721B (zh) 2022-01-25

Family

ID=78253745

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110880844.XA Active CN113591721B (zh) 2021-08-02 2021-08-02 一种利用无人机确定新摊铺沥青路面取芯点位置的方法

Country Status (1)

Country Link
CN (1) CN113591721B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102691251A (zh) * 2011-03-25 2012-09-26 德国Moba自动控制股份有限公司 摊铺机沥青温度离析红外检测系统及检测方法
CN103674281A (zh) * 2012-09-21 2014-03-26 杭州美盛红外光电技术有限公司 诊断装置和诊断方法
CN105181178A (zh) * 2015-10-28 2015-12-23 苏交科集团股份有限公司 一种沥青路面摊铺温度离析的检测系统及方法
CN108764117A (zh) * 2018-05-24 2018-11-06 长安大学 一种确定沥青路面芯样断面图像有效区域的方法
CN109444206A (zh) * 2018-11-26 2019-03-08 招商局重庆交通科研设计院有限公司 沥青路面质量检测方法及装置
CN112070735A (zh) * 2020-08-31 2020-12-11 广东冠粤路桥有限公司 一种基于特设卷积算子的沥青芯样图像提取方法及系统
CN112345086A (zh) * 2020-11-19 2021-02-09 深圳市粤通建设工程有限公司 基于无人机的沥青混合料施工温度实时检测方法、系统
CN113034624A (zh) * 2021-05-06 2021-06-25 湖州云电笔智能科技有限公司 基于感温变色胶贴的温度预警图像识别方法、系统、设备及存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2789740B1 (de) * 2013-04-12 2017-11-29 Joseph Vögele AG Untergrundtemperaturmessung mittels eines Straßenfertigers
CN109804119B (zh) * 2016-12-30 2021-03-19 同济大学 基于红外热像图分析的沥青路面裂缝发育程度检测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102691251A (zh) * 2011-03-25 2012-09-26 德国Moba自动控制股份有限公司 摊铺机沥青温度离析红外检测系统及检测方法
CN103674281A (zh) * 2012-09-21 2014-03-26 杭州美盛红外光电技术有限公司 诊断装置和诊断方法
CN105181178A (zh) * 2015-10-28 2015-12-23 苏交科集团股份有限公司 一种沥青路面摊铺温度离析的检测系统及方法
CN108764117A (zh) * 2018-05-24 2018-11-06 长安大学 一种确定沥青路面芯样断面图像有效区域的方法
CN109444206A (zh) * 2018-11-26 2019-03-08 招商局重庆交通科研设计院有限公司 沥青路面质量检测方法及装置
CN112070735A (zh) * 2020-08-31 2020-12-11 广东冠粤路桥有限公司 一种基于特设卷积算子的沥青芯样图像提取方法及系统
CN112345086A (zh) * 2020-11-19 2021-02-09 深圳市粤通建设工程有限公司 基于无人机的沥青混合料施工温度实时检测方法、系统
CN113034624A (zh) * 2021-05-06 2021-06-25 湖州云电笔智能科技有限公司 基于感温变色胶贴的温度预警图像识别方法、系统、设备及存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Evaluation of Segregation in Asphalt Pavement Surface Using Concave Multifractal Distribution;Mao-ping Ran 等;《Journal of Testing and Evaluation》;20180212;1-11 *
基于红外热图像的施工沥青混合料温度监测方法;侯新玉;《万方数据》;20170726;1-69 *
基于红外热图像的沥青路面温度离析区域检测方法;张玉存 等;《计量学报》;20170131;第38卷(第1期);23-27 *
红外图像温度离析定量评价方法;范大伟;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20150315(第03期);I138-2043 *

Also Published As

Publication number Publication date
CN113591721A (zh) 2021-11-02

Similar Documents

Publication Publication Date Title
CN112800911B (zh) 一种路面损伤快速检测及自然数据集构建方法
Zhao et al. Concrete dam damage detection and localisation based on YOLOv5s-HSC and photogrammetric 3D reconstruction
CN105387939B (zh) 用于确定冷却行为的用于摊铺机的系统
CN105588439B (zh) 烧结机台车篦条检测方法
US20160292518A1 (en) Method and apparatus for monitoring changes in road surface condition
CN108535321A (zh) 一种基于三维红外热成像技术的建筑热工性能检测方法
US20090142133A1 (en) Paving system and method
CN107835879A (zh) 一种确定新建沥青路面质量的方法
CN101030300A (zh) 一种深度像匹配方法
CN114241024B (zh) 基于滑动边缘检测的人工神经网络建筑物纹理贴图方法及其系统
CN113203743B (zh) 一种基于红外热成像分析的路基裂缝检测识别及修复方法
CN102032896A (zh) 一种基于激光测距与图像识别的强夯工程自动监测方法
CN116542969B (zh) 一种基于视觉技术的道路沥青粘连检测方法
CN112102271B (zh) 一种基于普通数字相机的实时在线火焰温度测量方法
CN113034678A (zh) 一种基于群体智能的特高拱坝坝面三维快速建模方法
CN113591721B (zh) 一种利用无人机确定新摊铺沥青路面取芯点位置的方法
Dabetwar et al. Sensitivity analysis of unmanned aerial vehicle-borne 3D point cloud reconstruction from infrared images
Shao et al. PTZ camera-based image processing for automatic crack size measurement in expressways
CN111289539A (zh) 一种基于红外图像的沥青路面摊铺均匀性评价方法
CN106767497B (zh) 一种白光干涉轮廓仪空间扫描范围自适应规划方法
CN114994054B (zh) 路表纹理平均构造深度与平均断面深度关系的确定方法
Pan et al. Infrared thermal imaging for intelligent leakage detection in underground integrated pipe corridors
Previtali et al. Generation of a GIS-based environment for infrared thermography analysis of buildings
Fujita et al. Classification Model Based on U-Net for Crack Detection from Asphalt Pavement Images
CN102779341B (zh) 一种新型的基坑施工过程支撑位置的识别方法

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