CN113820321A - 路桥路面裂缝检测系统及其检测方法 - Google Patents
路桥路面裂缝检测系统及其检测方法 Download PDFInfo
- Publication number
- CN113820321A CN113820321A CN202111115040.7A CN202111115040A CN113820321A CN 113820321 A CN113820321 A CN 113820321A CN 202111115040 A CN202111115040 A CN 202111115040A CN 113820321 A CN113820321 A CN 113820321A
- Authority
- CN
- China
- Prior art keywords
- module
- image
- data
- detection
- road
- 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
Links
Images
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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B17/00—Measuring arrangements characterised by the use of infrasonic, sonic or ultrasonic vibrations
-
- 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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/14—Receivers specially adapted for specific applications
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Immunology (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Road Repair (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了路桥路面裂缝检测系统及其检测方法,涉及裂缝检测技术领域,包括检测设备和控制终端,所述检测设备包括检测小车、数据传输模块、裂缝探测定位模块和深度探测模块;本发明通过检测小车的裂缝探测模块和深度探测模块检测路面数据,并将数据无线传输给控制终端,通过图像转换模块将通讯收集模块接收的实时数据转换为全景图像,通过图像要素提取模块提取图像颜色特征和纹理特征,确定图像要素,通过要素运算模块对图像要素进行分析,确定要素特征的交集异常区,该交集位置即为路面裂缝异常区,配合搜索引擎接入数据直通模块,将确定的异常区与裂缝的样本集比对,挖掘关联信息,即可确定裂缝类型,测量更方便。
Description
技术领域
本发明涉及裂缝检测技术领域,尤其涉及路桥路面裂缝检测系统及其检测方法。
背景技术
公路由于行车荷载作用和自然因素的影响,路面会逐渐产生各种破损,其中,路面裂缝作为路面病害的重要特征,其检测方法一直受到关注;
我国传统的沥青路面裂缝识别工作主要依靠人工检测,它存在4个明显的缺陷:(1)依赖工作人员经验,测量结果无统一标准;(2)工作期间人员安全性差,测量环境恶劣;(3)采集、测量耗时长,工作效率低下;(4)原始资料不完整,测量数据难以核准,因此,本发明提出路桥路面裂缝检测系统及其检测方法以解决现有技术中存在的问题。
发明内容
针对上述问题,本发明提出路桥路面裂缝检测系统及其检测方法,该路桥路面裂缝检测系统及其检测方法无需人工,测量更方便,且没有人工的安全隐患,工作效率高,同时,以国家地质局的数据信息和图像信息为样本基准,测量更准确。
为实现本发明的目的,本发明通过以下技术方案实现:一方面,提出一种路桥路面裂缝检测系统,包括检测设备和控制终端,所述检测设备包括检测小车、数据传输模块、裂缝探测定位模块和深度探测模块,所述控制终端包括操作系统和基于操作系统的数据直通模块、通讯收集模块、图像分析模块、大数据技术模块和图像比对系统;
所述数据直通模块囊括并整合国家地质局的数据信息和图像信息并接入互联网实时更新,所述通讯收集模块与数据传输模块无线连接,接收探测数据;
所述图像分析模块包括图像转换模块、图像集构建模块、图像要素提取模块,所述图像转换模块将通讯收集模块接收的实时数据转换为全景图像,所述图像集构建模块对全景图像分析归类,构成图像数据集,所述图像要素提取模块提取图像颜色特征和纹理特征,确定图像要素;
所述大数据技术模块包括搜索引擎和报告生成模块,所述搜索引擎从数据直通模块中获取所有关于裂缝的图文样本集;所述图像比对系统包括要素运算模块和要素对比模块,所述要素运算模块对图像要素分析,确定异常区,所述要素对比模块接入搜索引擎,将确定的异常区与裂缝的样本集比对,确定裂缝类型。
进一步改进在于:所述裂缝探测定位模块为高清摄像头与GPS定位仪,所述深度探测模块为超声波深度探测仪,所述高清摄像头、GPS定位仪和超声波深度探测仪均设在检测小车下。
进一步改进在于:所述检测小车下设有清洁组件,且清洁组件为旋转的盘刷,所述检测小车在移动的过程中利用清洁组件清楚路面的石子杂质。
进一步改进在于:所述通讯收集模块通过5G信号与所述数据传输模块无线连接,且通讯收集模块用于收集影像数据、定位数据和深度数值数据,所述通讯收集模块融合Bigdata技术,采用分布式快速交换技术进行信息传输。
进一步改进在于:所述图像转化模块配合图像要素提取模块,利用ENVI软件将高空间分辨率的RGB图像直接转换为HLS图像,并提取颜色特征和纹理特征,接着通过ENVI软件的滤波功能进行沿总体走向的方向滤波,并将其滤波提取的纹理结果置于ARCGIS进行密度分析,确定图像的纹理粗糙度,接着对图像进行光谱二阶导数的求取,在ENVI IDL中编写二阶导数运算算法,增强光谱吸收、反射的特征值。
进一步改进在于:所述搜索引擎利用ELK技术,实现对数据直通模块的查询搜索。
进一步改进在于:所述要素运算模块对图像要素提取模块提取的要素特征进行综合分析,使用overlay的逻辑叠加分析方法,将要素特征由矢量数据转换为栅格数据,转换图像为[0,1]二值图像,异常区域value=1,其他图像区域value=0,应用乘法对图像进行运算,其结果即为要素特征的交集异常区,该交集位置即为路面裂缝异常区。
进一步改进在于:所述要素对比模块将确定的异常区与裂缝的样本集比对,具体为:利用异常区的特征要素与裂缝样本集的特征要素进行对比,挖掘关联信息,得到裂缝类型。
进一步改进在于:所述报告生成模块将确定的裂缝类型数据生成报告,所述报告生成模块生成的报告包括裂缝的类型、深度和具体位置,同时在报告上附上裂缝简图。
另一方面,提出一种路桥路面裂缝检测方法,包括以下步骤:
步骤一:小车检测
将检测小车放到需要检测的路面上,检测小车在路面上移动,通过旋转的盘刷清扫路面的障碍物,通过高清摄像头拍摄路面影像,通过超声波深度探测仪实时检测路面深度的变化,并将检测和拍摄的数据通过数据传输模块传输给通讯收集模块;
步骤二:图像分析
通讯收集模块将收集的的数据传输至操作系统上,图像转换模块将通讯收集模块接收的实时数据转换为全景图像,图像集构建模块对全景图像进行分析归类,构成图像数据集,图像要素提取模块提取图像颜色特征和纹理特征,确定图像要素;
步骤三:获取样本
大数据技术模块同步接入数据直通模块,数据直通模块整合国家地质局的数据信息和图像信息并接入互联网实时更新,大数据技术模块从数据直通模块中获取所有关于裂缝的数据信息和图像信息的样本集;
步骤四:确定裂缝
要素运算模块对步骤二确定的图像要素进行分析,确定要素特征的交集异常区,该交集位置即为路面裂缝异常区,同时,要素对比模块接入搜索引擎,将确定的异常区与裂缝的样本集比对,挖掘关联信息,确定裂缝类型;
步骤五:生成报告
报告生成模块将确定的裂缝类型数据生成报告,该报告包括裂缝的类型、深度和具体位置,同时在报告上附上裂缝简图。
本发明的有益效果为:
1、本发明通过检测小车的裂缝探测模块和深度探测模块检测路面数据,并将数据无线传输给控制终端,通过图像转换模块将通讯收集模块接收的实时数据转换为全景图像,通过图像要素提取模块提取图像颜色特征和纹理特征,确定图像要素,通过要素运算模块对图像要素进行分析,确定要素特征的交集异常区,该交集位置即为路面裂缝异常区,配合搜索引擎接入数据直通模块,将确定的异常区与裂缝的样本集比对,挖掘关联信息,即可确定裂缝类型,无需人工,测量更方便,且没有人工的安全隐患,工作效率高,同时,以国家地质局的数据信息和图像信息为样本基准,测量更准确。
2、本发明通过高清摄像头拍摄路面影像,通过超声波深度探测仪实时检测路面深度的变化,通过GPS定位仪定位,测量后通过报告生成模块将确定的裂缝类型数据生成报告,该报告包括裂缝的类型、深度和具体位置,数据更完善,且方便定位修复。
3、本发明在检测小车检测的时候,利用通过旋转的盘刷清扫路面的障碍物,使得拍摄的影像更清晰,深度的检测更准确。
附图说明
图1为本发明的系统组成图;
图2为本发明的方法流程图。
具体实施方式
为了加深对本发明的理解,下面将结合实施例对本发明做进一步详述,本实施例仅用于解释本发明,并不构成对本发明保护范围的限定。
实施例一
根据图1所示,本实施例提出了路桥路面裂缝检测系统,包括检测设备和控制终端,所述检测设备包括检测小车、数据传输模块、裂缝探测定位模块和深度探测模块,所述数据传输模块、裂缝探测模块和深度探测模块均安装在检测小车上;所述控制终端包括操作系统和基于操作系统的数据直通模块、通讯收集模块、图像分析模块、图像比对系统和大数据技术模块;
所述数据直通模块囊括并整合国家地质局的数据信息和图像信息并接入互联网实时更新,所述通讯收集模块与数据传输模块无线连接,接收裂缝探测定位模块和深度探测模块探测的数据,所述图像分析模块包括图像转换模块、图像集构建模块、图像要素提取模块,所述图像转换模块将通讯收集模块接收的实时数据转换为全景图像,所述图像集构建模块对全景图像进行分析归类,构成图像数据集,所述图像要素提取模块提取图像颜色特征和纹理特征,确定图像要素;所述大数据技术模块包括搜索引擎和报告生成模块,所述搜索引擎为分布式的多用户全文搜索引擎,且搜索引擎接入数据直通模块,获取所有关于裂缝的数据信息和图像信息的样本集;所述图像比对系统包括要素运算模块和要素对比模块,所述要素运算模块对图像要素进行分析,确定异常区,所述要素对比模块接入搜索引擎,将确定的异常区与裂缝的样本集比对,确定裂缝类型,所述报告生成模块将确定的裂缝类型数据生成报告。使用时,通过检测小车的裂缝探测模块和深度探测模块检测路面数据,并将数据无线传输给控制终端,通过图像转换模块将通讯收集模块接收的实时数据转换为全景图像,通过图像要素提取模块提取图像颜色特征和纹理特征,确定图像要素,通过要素运算模块对图像要素进行分析,确定要素特征的交集异常区,该交集位置即为路面裂缝异常区,配合搜索引擎接入数据直通模块,将确定的异常区与裂缝的样本集比对,挖掘关联信息,即可确定裂缝类型,无需人工检测。
所述裂缝探测定位模块为高清摄像头与GPS定位仪,所述深度探测模块为超声波深度探测仪,所述高清摄像头、GPS定位仪和超声波深度探测仪均设在检测小车下。GPS定位仪,集成GPRS通讯、蓝牙技术、数码相机、麦克风、海量数据存储、USB/RS232端口于一身,采用高精度测量型GPS技术,高端的系统配置,提供全面的参考站监控中心及软件应用解决方案,具备更高、更快、更精准的定位数据。
所述检测小车下设有清洁组件,且清洁组件为旋转的盘刷,所述检测小车在移动的过程中利用清洁组件清楚路面的石子杂质。
所述通讯收集模块通过5G信号与所述数据传输模块无线连接,且通讯收集模块用于收集影像数据、定位数据和深度数值数据,所述通讯收集模块融合Big data技术,采用分布式快速交换技术进行信息传输。
所述图像转化模块配合图像要素提取模块,利用ENVI软件将高空间分辨率的RGB图像直接转换为HLS图像,并提取颜色特征和纹理特征,接着通过ENVI软件的滤波功能进行沿总体走向的方向滤波,并将其滤波提取的纹理结果置于ARCGIS进行密度分析,确定图像的纹理粗糙度,接着对图像进行光谱二阶导数的求取,在ENVI IDL中编写二阶导数运算算法,增强光谱吸收、反射的特征值。ArcGIS产品线为用户提供一个可伸缩的,全面的GIS平台。ArcOb jects包含了可编程组件,从细粒度的对象(例如单个的几何对象)到粗粒度的对象(例如与现有ArcMap文档交互的地图对象)涉及面极广,这些对象为开发者集成了全面的GIS功能。
所述搜索引擎利用ELK技术,实现对数据直通模块的查询搜索。ELK是Elasticsearch、Logstash、Kibana三个开源软件的组合。在实时数据检索和分析场合,三者通常是配合共用,ELKStack具有如下几个优点:处理方式灵活。Elasticsearch是实时全文索引,不需要像storm那样预先编程才能使用;配置简易上手。Elasticsearch全部采用JSON接口,Logstash是RubyDSL设计,都是目前业界最通用的配置语法设计;检索性能高效。虽然每次查询都是实时计算,但是优秀的设计和实现基本可以达到全天数据查询的秒级响应;集群线性扩展。不管是Elasticsearch集群还是Logstash集群都是可以线性扩展的;前端操作炫丽。Kibana界面上,只需要点击鼠标,就可以完成搜索、聚合功能,生成炫丽的仪表板。
所述要素运算模块对图像要素提取模块提取的要素特征进行综合分析,使用overlay的逻辑叠加分析方法,将要素特征由矢量数据转换为栅格数据,转换图像为[0,1]二值图像,异常区域value=1,其他图像区域value=0,应用乘法对图像进行运算,其结果即为要素特征的交集异常区,该交集位置即为路面裂缝异常区。
所述要素对比模块将确定的异常区与裂缝的样本集比对,具体为:利用异常区的特征要素与裂缝样本集的特征要素进行对比,挖掘关联信息,得到裂缝类型。
所述报告生成模块将确定的裂缝类型数据生成报告,所述报告生成模块生成的报告包括裂缝的类型、深度和具体位置,同时在报告上附上裂缝简图。
实施例二
根据图2所示,本实施例提出了路桥路面裂缝检测方法,包括以下步骤:
步骤一:小车检测
将检测小车放到需要检测的路面上,检测小车在路面上移动,通过旋转的盘刷清扫路面的障碍物,通过高清摄像头拍摄路面影像,通过超声波深度探测仪实时检测路面深度的变化,并将检测和拍摄的数据通过数据传输模块传输给通讯收集模块;
步骤二:图像分析
通讯收集模块将收集的的数据传输至操作系统上,图像转换模块将通讯收集模块接收的实时数据转换为全景图像,图像集构建模块对全景图像进行分析归类,构成图像数据集,图像要素提取模块提取图像颜色特征和纹理特征,确定图像要素;
步骤三:获取样本
大数据技术模块同步接入数据直通模块,数据直通模块整合国家地质局的数据信息和图像信息并接入互联网实时更新,大数据技术模块从数据直通模块中获取所有关于裂缝的数据信息和图像信息的样本集;
步骤四:确定裂缝
要素运算模块对步骤二确定的图像要素进行分析,确定要素特征的交集异常区,该交集位置即为路面裂缝异常区,同时,要素对比模块接入搜索引擎,将确定的异常区与裂缝的样本集比对,挖掘关联信息,确定裂缝类型;
步骤五:生成报告
报告生成模块将确定的裂缝类型数据生成报告,该报告包括裂缝的类型、深度和具体位置,同时在报告上附上裂缝简图。
本发明通过检测小车的裂缝探测模块和深度探测模块检测路面数据,并将数据无线传输给控制终端,通过图像转换模块将通讯收集模块接收的实时数据转换为全景图像,通过图像要素提取模块提取图像颜色特征和纹理特征,确定图像要素,通过要素运算模块对图像要素进行分析,确定要素特征的交集异常区,该交集位置即为路面裂缝异常区,配合搜索引擎接入数据直通模块,将确定的异常区与裂缝的样本集比对,挖掘关联信息,即可确定裂缝类型,无需人工,测量更方便,且没有人工的安全隐患,工作效率高,同时,以国家地质局的数据信息和图像信息为样本基准,测量更准确。另外,本发明通过高清摄像头拍摄路面影像,通过超声波深度探测仪实时检测路面深度的变化,通过GPS定位仪定位,测量后通过报告生成模块将确定的裂缝类型数据生成报告,该报告包括裂缝的类型、深度和具体位置,数据更完善,且方便定位修复。最后,本发明在检测小车检测的时候,利用通过旋转的盘刷清扫路面的障碍物,使得拍摄的影像更清晰,深度的检测更准确。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.路桥路面裂缝检测系统,包括检测设备和控制终端,其特征在于:所述检测设备包括检测小车、数据传输模块、裂缝探测定位模块和深度探测模块,所述控制终端包括操作系统和基于操作系统的数据直通模块、通讯收集模块、图像分析模块、大数据技术模块和图像比对系统;
所述数据直通模块囊括并整合国家地质局的数据信息和图像信息并接入互联网实时更新,所述通讯收集模块与数据传输模块无线连接,接收探测数据;
所述图像分析模块包括图像转换模块、图像集构建模块、图像要素提取模块,所述图像转换模块将通讯收集模块接收的实时数据转换为全景图像,所述图像集构建模块对全景图像分析归类,构成图像数据集,所述图像要素提取模块提取图像颜色特征和纹理特征,确定图像要素;
所述大数据技术模块包括搜索引擎和报告生成模块,所述搜索引擎从数据直通模块中获取所有关于裂缝的图文样本集;所述图像比对系统包括要素运算模块和要素对比模块,所述要素运算模块对图像要素分析,确定异常区,所述要素对比模块接入搜索引擎,将确定的异常区与裂缝的样本集比对,确定裂缝类型。
2.根据权利要求1所述的路桥路面裂缝检测系统,其特征在于:所述裂缝探测定位模块为高清摄像头与GPS定位仪,所述深度探测模块为超声波深度探测仪,所述高清摄像头、GPS定位仪和超声波深度探测仪均设在检测小车下。
3.根据权利要求1所述的路桥路面裂缝检测系统,其特征在于:所述检测小车下设有清洁组件,且清洁组件为旋转的盘刷,所述检测小车在移动的过程中利用清洁组件清楚路面的石子杂质。
4.根据权利要求1所述的路桥路面裂缝检测系统,其特征在于:所述通讯收集模块通过5G信号与所述数据传输模块无线连接,且通讯收集模块用于收集影像数据、定位数据和深度数值数据,所述通讯收集模块融合Big data技术,采用分布式快速交换技术进行信息传输。
5.根据权利要求1所述的路桥路面裂缝检测系统,其特征在于:所述图像转化模块配合图像要素提取模块,利用ENVI软件将高空间分辨率的RGB图像直接转换为HLS图像,并提取颜色特征和纹理特征,接着通过ENVI软件的滤波功能进行沿总体走向的方向滤波,并将其滤波提取的纹理结果置于ARCGIS进行密度分析,确定图像的纹理粗糙度,接着对图像进行光谱二阶导数的求取,在ENVI IDL中编写二阶导数运算算法,增强光谱吸收、反射的特征值。
6.根据权利要求1所述的路桥路面裂缝检测系统,其特征在于:所述搜索引擎利用ELK技术,实现对数据直通模块的查询搜索。
7.根据权利要求1所述的路桥路面裂缝检测系统,其特征在于:所述要素运算模块对图像要素提取模块提取的要素特征进行综合分析,使用overlay的逻辑叠加分析方法,将要素特征由矢量数据转换为栅格数据,转换图像为[0,1]二值图像,异常区域value=1,其他图像区域value=0,应用乘法对图像进行运算,其结果即为要素特征的交集异常区,该交集位置即为路面裂缝异常区。
8.根据权利要求1所述的路桥路面裂缝检测系统,其特征在于:所述要素对比模块将确定的异常区与裂缝的样本集比对,具体为:利用异常区的特征要素与裂缝样本集的特征要素进行对比,挖掘关联信息,得到裂缝类型。
9.根据权利要求1所述的路桥路面裂缝检测系统,其特征在于:所述报告生成模块将确定的裂缝类型数据生成报告,所述报告生成模块生成的报告包括裂缝的类型、深度和具体位置,同时在报告上附上裂缝简图。
10.路桥路面裂缝检测方法,其特征在于,包括以下步骤:
步骤一:小车检测
将检测小车放到需要检测的路面上,检测小车在路面上移动,通过旋转的盘刷清扫路面的障碍物,通过高清摄像头拍摄路面影像,通过超声波深度探测仪实时检测路面深度的变化,并将检测和拍摄的数据通过数据传输模块传输给通讯收集模块;
步骤二:图像分析
通讯收集模块将收集的的数据传输至操作系统上,图像转换模块将通讯收集模块接收的实时数据转换为全景图像,图像集构建模块对全景图像进行分析归类,构成图像数据集,图像要素提取模块提取图像颜色特征和纹理特征,确定图像要素;
步骤三:获取样本
大数据技术模块同步接入数据直通模块,数据直通模块整合国家地质局的数据信息和图像信息并接入互联网实时更新,大数据技术模块从数据直通模块中获取所有关于裂缝的数据信息和图像信息的样本集;
步骤四:确定裂缝
要素运算模块对步骤二确定的图像要素进行分析,确定要素特征的交集异常区,该交集位置即为路面裂缝异常区,同时,要素对比模块接入搜索引擎,将确定的异常区与裂缝的样本集比对,挖掘关联信息,确定裂缝类型;
步骤五:生成报告
报告生成模块将确定的裂缝类型数据生成报告,该报告包括裂缝的类型、深度和具体位置,同时在报告上附上裂缝简图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111115040.7A CN113820321A (zh) | 2021-09-23 | 2021-09-23 | 路桥路面裂缝检测系统及其检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111115040.7A CN113820321A (zh) | 2021-09-23 | 2021-09-23 | 路桥路面裂缝检测系统及其检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113820321A true CN113820321A (zh) | 2021-12-21 |
Family
ID=78915266
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111115040.7A Pending CN113820321A (zh) | 2021-09-23 | 2021-09-23 | 路桥路面裂缝检测系统及其检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113820321A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117036353A (zh) * | 2023-10-09 | 2023-11-10 | 东莞市盈圆合创新材料有限公司 | 一种新能源电池用的耐温泡棉涂层检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106802322A (zh) * | 2017-01-20 | 2017-06-06 | 绍兴文理学院 | 一种基于贴壁式检测车的隧道衬砌裂缝超声波检测系统 |
CN111259771A (zh) * | 2020-01-13 | 2020-06-09 | 成都理工大学 | 基于图像特征分解的高空间分辨率遥感图像找矿方法 |
CN112033972A (zh) * | 2020-09-14 | 2020-12-04 | 长安大学 | 一种道路裂缝检测装置 |
CN113034489A (zh) * | 2021-04-16 | 2021-06-25 | 南方医科大学第五附属医院 | 基于深度学习的人工智能鼻窦ct图像处理系统 |
-
2021
- 2021-09-23 CN CN202111115040.7A patent/CN113820321A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106802322A (zh) * | 2017-01-20 | 2017-06-06 | 绍兴文理学院 | 一种基于贴壁式检测车的隧道衬砌裂缝超声波检测系统 |
CN111259771A (zh) * | 2020-01-13 | 2020-06-09 | 成都理工大学 | 基于图像特征分解的高空间分辨率遥感图像找矿方法 |
CN112033972A (zh) * | 2020-09-14 | 2020-12-04 | 长安大学 | 一种道路裂缝检测装置 |
CN113034489A (zh) * | 2021-04-16 | 2021-06-25 | 南方医科大学第五附属医院 | 基于深度学习的人工智能鼻窦ct图像处理系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117036353A (zh) * | 2023-10-09 | 2023-11-10 | 东莞市盈圆合创新材料有限公司 | 一种新能源电池用的耐温泡棉涂层检测方法 |
CN117036353B (zh) * | 2023-10-09 | 2024-01-30 | 东莞市盈圆合创新材料有限公司 | 一种新能源电池用的耐温泡棉涂层检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106355166B (zh) | 一种基于监控视频与遥感图像的灰霾扩散路径绘制与来源确定方法 | |
CN109716108B (zh) | 一种基于双目图像分析的沥青路面病害检测系统 | |
CN109949326B (zh) | 基于背包式三维激光点云数据的建筑物轮廓线提取方法 | |
CN109459439B (zh) | 一种基于移动式三维激光扫描技术的隧道衬砌裂缝检测方法 | |
Tsai et al. | Critical assessment of pavement distress segmentation methods | |
CN106529410B (zh) | 一种基于监控视频的灰霾扩散路径绘制与来源确定方法 | |
CN105336119B (zh) | 一种崩塌体裂缝识别报警装置及其识别方法 | |
Singh et al. | A robust approach to identify roof bolts in 3D point cloud data captured from a mobile laser scanner | |
Chen et al. | Towards semi-automatic discontinuity characterization in rock tunnel faces using 3D point clouds | |
CN103837087B (zh) | 基于主动形状模型的受电弓自动检测方法 | |
CN108733053A (zh) | 一种基于机器人的智能道路检测方法 | |
CN105045950A (zh) | 一种基于三维激光扫描的桥梁安全评估系统 | |
CN103778681A (zh) | 一种车载高速公路巡检系统及数据获取和处理方法 | |
CN104063873A (zh) | 一种基于压缩感知的轴套类零件表面缺陷在线检测方法 | |
CN103528523A (zh) | 一种基于三维立体建模的螺纹检测方法及系统 | |
CN105239608A (zh) | 一种基于wt-rs-svr相结合的滑坡位移预测方法 | |
CN110234811B (zh) | 道路坍塌风险度评价装置、评价方法及评价用计算机程序 | |
CN110837839B (zh) | 一种高精度无人机正射影像制作及数据采集方法 | |
CN108984755A (zh) | 一种地质地理信息系统处理方法 | |
KR102669058B1 (ko) | 스마트 휴대기기를 활용한 시설물 안전점검 시스템 및 그 방법 | |
Ge et al. | Estimation of the appropriate sampling interval for rock joints roughness using laser scanning | |
CN108827401A (zh) | 一种新型的水土保持监测装置及方法 | |
Chen et al. | A novel image-based approach for interactive characterization of rock fracture spacing in a tunnel face | |
CN109374631A (zh) | 一种隧道状态评测方法 | |
CN103322928B (zh) | 基于网格点阵的相似模型位移场测量系统及方法 |
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 |