CN114359757A - 基于无人机的桥梁外观检测方法及系统 - Google Patents
基于无人机的桥梁外观检测方法及系统 Download PDFInfo
- Publication number
- CN114359757A CN114359757A CN202210053125.5A CN202210053125A CN114359757A CN 114359757 A CN114359757 A CN 114359757A CN 202210053125 A CN202210053125 A CN 202210053125A CN 114359757 A CN114359757 A CN 114359757A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- average distance
- bridge
- attitude information
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域，公开一种基于无人机的桥梁外观检测方法及系统，以提高检测的效率并提高前后对比评估和跟踪修复效果的可靠性。将现有双目视觉的无人驾驶技术引入到基于无人机的桥梁监测作业中，并通过在大体相同的同一拍照点位、同一航行姿态确保所采集图像大体符合预期，然后通过当前图像矩形窗内像素点与无人机之间的平均距离相比于修复前所记录的平均距离来二次确认当前所采集的图像是否符合预期，本质即实现基于机器视觉的自动校验。进一步地，当自动校验不符合设定的要求时，可以通过人工干预的方式予以补充；提高了系统的智能性和灵活性。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种基于无人机的桥梁外观检测方法及系统。
背景技术
桥梁检测是指为保证运输安全，对桥梁所进行的调查研究、系统掌握其使用状态、制定运用条件、并提出养护或加固措施的工作。桥梁检测也为积累技术资料，完善桥梁计算理论，加强科学的技术管理及提高桥梁技术水平创造条件。
通常，桥梁检测的主要内容有:
一、常规定期检测：包括桥面系检测、上部结构检测、下部结构检测。
二、结构定期检测：包括混凝土强度检测、混凝土碳化深度检测、钢筋位置及混凝土保护层厚度检测。
三、水下构件检测：对水下桩基混凝土脱落、裂纹、露筋、空洞、机械损伤等病害进行探查，并录像。
四、承载能力鉴定：通过承载能力鉴定判定现阶段桥梁的承载能力能否满足设计要求。
五、长期监控点布设及首次观测：为了长期观测桥梁墩台、主梁在车辆作用下的变位情况，从而对桥梁的安全性进行分析，在桥梁关键位置布置监测点，并对监测点进行首次观测。
六、提交各桥的最终桥梁检测报告，内容符合中华人民共和国行业标准《城市桥梁养护技术规范》CJJ99-2003要求，除上述内容外，报告还应包含各桥桥梁限载、限高等标志设置意见。
在现有的桥梁外观检测过程中，可采用专用车通过机械臂的控制以工作台载人进行人工作业。但存在效率低、配套设施成本投入大等缺陷。当前，无人机航测技术逐渐被应用于交通基础设施的病害检测过程中，它可以基于人工远程控制快速地完成对物体现有表面信息的图像采集；从而对桥梁的日常养护和检测提供了极大的便利。
另一方面，在现有的桥梁修复前后，通过对桥梁修复前后图片进行配对比对，有利于客观地评估和跟踪修复效果，而现有的检测报告及数据采集和存储大多基于人工方式，且部分采集图像还存在不同区域之间的近似度高及同一区域修复前后视场角不一致等问题，从而使得人工在对人工所采集图像数据进行配对的过程中，容易配对出错并影响评估和跟踪修复效果的可靠性。
发明内容
本发明目的在于公开一种基于无人机的桥梁外观检测方法及系统，以提高检测的效率并提高前后对比评估和跟踪修复效果的可靠性。
为达上述目的，本发明公开一种基于无人机的桥梁外观检测方法，包括：
以配备双目相机的无人机对桥梁待修复的各个局部区域进行拍照；并在对任一局部区域进行拍照的过程中，将左视图中央矩形窗内像素与右视图进行匹配，根据匹配后的视差数据计算该矩形窗内各像素点与所述无人机之间的平均距离，然后保存所述平均距离与相对应左视图之间、以及与所述无人机所处拍照点位的地球坐标位置信息和航行姿态信息之间的对应关系；其中，所述矩形框内像素数量规格为统一设置的默认值；
在桥梁修复后，根据所述桥梁各个在先待修复区域所对应地球坐标的分布信息规划所述无人机的航行路线；并在所述无人机按规划的所述航行路线到达任一拍照点位后，从所述对应关系中查找相对应的航行姿态信息以根据相对应的航行姿态信息进行左右视图拍照；然后将当前左视图中央矩形窗内像素与右视图进行匹配，根据匹配后的视差数据计算该矩形窗内各像素点与所述无人机之间的平均距离；并计算当前所得的该平均距离与所述对应关系中修复前相对应的平均距离之间的误差是否在设定的阈值范围内，如果是，判定当前拍照的图像符合要求，并将该局部区域本次拍照的左视图与修复前的左视图配对存储在同一数据块中，如果超出设定的阈值范围，则通知人工对所述无人机所处拍照点位的地球坐标位置和/或航行姿态信息进行调整以得到符合操控用户要求的照片图像，并在将本次人工干预拍照的左视图与修复前的左视图配对存储在同一数据块的同时，将所述对应关系中在先保存的所述无人机所处拍照点位的地球坐标位置信息和航行姿态信息替换为本次人工调整后的无人机所处拍照点位的地球坐标位置和/或航行姿态信息以供后续巡查。
作为一种等同替换，本发明还公开一种基于无人机的桥梁外观检测方法，包括：
以配备双目相机的无人机对桥梁待修复的各个局部区域进行拍照；并在对任一局部区域进行拍照的过程中，将右视图中央矩形窗内像素与左视图进行匹配，根据匹配后的视差数据计算该矩形窗内各像素点与所述无人机之间的平均距离，然后保存所述平均距离与相对应右视图之间、以及与所述无人机所处拍照点位的地球坐标位置信息和航行姿态信息之间的对应关系；其中，所述矩形框内像素数量规格为统一设置的默认值；
在桥梁修复后，根据所述桥梁各个在先待修复区域所对应地球坐标的分布信息规划所述无人机的航行路线；并在所述无人机按规划的所述航行路线到达任一拍照点位后，从所述对应关系中查找相对应的航行姿态信息以根据相对应的航行姿态信息进行左右视图拍照；然后将当前右视图中央矩形窗内像素与左视图进行匹配，根据匹配后的视差数据计算该矩形窗内各像素点与所述无人机之间的平均距离；并计算当前所得的该平均距离与所述对应关系中修复前相对应的平均距离之间的误差是否在设定的阈值范围内，如果是，判定当前拍照的图像符合要求，并将该局部区域本次拍照的右视图与修复前的右视图配对存储在同一数据块中，如果超出设定的阈值范围，则通知人工对所述无人机所处拍照点位的地球坐标位置和/或航行姿态信息进行调整以得到符合操控用户要求的照片图像，并在将本次人工干预拍照的右视图与修复前的右视图配对存储在同一数据块的同时，将所述对应关系中在先保存的所述无人机所处拍照点位的地球坐标位置信息和航行姿态信息替换为本次人工调整后的无人机所处拍照点位的地球坐标位置和/或航行姿态信息以供后续巡查。
进一步地，本发明还公开一种基于无人机的桥梁外观检测系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现上述方法相对应的步骤。
本发明具有以下有益效果：
将现有双目视觉的无人驾驶技术引入到基于无人机的桥梁监测作业中，并通过在大体相同的同一拍照点位、同一航行姿态确保所采集图像大体符合预期，然后通过当前图像矩形窗内像素点与无人机之间的平均距离相比于修复前所记录的平均距离来二次确认当前所采集的图像是否符合预期，本质即实现基于机器视觉的自动校验。作为对比：在修复前后，同一区域在修复前后图像中的部分像素值通常会存在突变，从而无法通过修复前后图像的近似度来确定当前所采集的图像是否符合预期。与此同时，若省略二次校验，即使是以GPS定位加上基站定位、WIFI等辅助定位也会客观存在前后拍照点位的位置定位之间的细小偏差，而无人机位置点位的细小偏差容易造成所采集图像与预期的采集区域存在巨大的偏差。因此，在自动检验下，只有通过基于距离的二次校验才能确保了所采集图像的符合预期。进一步地，当自动校验不符合设定的要求时，可以通过人工干预的方式予以补充；提高了系统的智能性和灵活性。
而且，本实施例采用矩形窗进行局部的图像匹配，相比于现有基于双目视觉的无人驾驶等技术需对图像的整体进行匹配而言，极大提高了数据处理的精准度和实时性。与此同时，在数据保存过程中，仅对左视图或右视图择一存储，节约了存储空间。
藉此，本实施例通过多举措并举的方式提高了检测的效率并提高了前后对比评估和跟踪修复效果的可靠性、智能性和灵活性。
下面将参照附图，对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明实施例公开的一种基于无人机的桥梁外观检测方法流程图。
图2是本发明实施例公开的又一种基于无人机的桥梁外观检测方法流程图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
实施例1
本实施例公开一种基于无人机的桥梁外观检测方法，如图1所示，包括以下步骤：
步骤S1、以配备双目相机的无人机对桥梁待修复的各个局部区域进行拍照；并在对任一局部区域进行拍照的过程中，将左视图中央矩形窗内像素与右视图进行匹配，根据匹配后的视差数据计算该矩形窗内各像素点与所述无人机之间的平均距离，然后保存所述平均距离与相对应左视图之间、以及与所述无人机所处拍照点位的地球坐标位置信息和航行姿态信息之间的对应关系；其中，所述矩形框内像素数量规格为统一设置的默认值。
在该步骤中，无人机所处拍照点位的地球坐标位置信息可在使用GPS进行导航和定位时，再联合基站定位、wifi定位等进行辅助以提高定位的精度。所谓“地球坐标位置信息”，即在地理坐标系中能反映各点位位置关系且便于其他设备直接调用的通用的信息，该地理坐标系通常是指用经纬度表示地面点位的球面坐标系。
可选地，在该步骤中，所述航行姿态信息包括LBS位置信息、航行方位和俯仰角信息。其中，矩形框内像素数量规格可根据分辨率和经验值进行合理设置，例如，可具体设置为25*25。通常，矩形框内的像素信息记录有具体的病害特征，在计算矩形框内像素与无人机之间平均距离的作用下，通过合理的设置矩形框内像素数量，可确保在裂缝和露筋等修复处理过程中，修复前后局部一定范围内的深度信息变化不会影响步骤S2中对后续所采集图像是否符合要求的准确判断。
步骤S2、在桥梁修复后，根据所述桥梁各个在先待修复区域所对应地球坐标的分布信息规划所述无人机的航行路线；并在所述无人机按规划的所述航行路线到达任一拍照点位后，从所述对应关系中查找相对应的航行姿态信息以根据相对应的航行姿态信息进行左右视图拍照；然后将当前左视图中央矩形窗内像素与右视图进行匹配，根据匹配后的视差数据计算该矩形窗内各像素点与所述无人机之间的平均距离；并计算当前所得的该平均距离与所述对应关系中修复前相对应的平均距离之间的误差是否在设定的阈值范围内，如果是，判定当前拍照的图像符合要求，并将该局部区域本次拍照的左视图与修复前的左视图配对存储在同一数据块中，如果超出设定的阈值范围，则通知人工对所述无人机所处拍照点位的地球坐标位置和/或航行姿态信息进行调整以得到符合操控用户要求的照片图像，并在将本次人工干预拍照的左视图与修复前的左视图配对存储在同一数据块的同时，将所述对应关系中在先保存的所述无人机所处拍照点位的地球坐标位置信息和航行姿态信息替换为本次人工调整后的无人机所处拍照点位的地球坐标位置和/或航行姿态信息以供后续巡查。
在该步骤中，判断当前图像是否符合预期的阈值范围可以根据日常应用中的统计经验值进行合理设置以确保自动校验的可靠性。
实施例2
作为对上述实施例1的一种等同替换，本实施例公开一种基于无人机的桥梁外观检测方法，如图2所示，包括：
步骤S3、以配备双目相机的无人机对桥梁待修复的各个局部区域进行拍照；并在对任一局部区域进行拍照的过程中，将右视图中央矩形窗内像素与左视图进行匹配，根据匹配后的视差数据计算该矩形窗内各像素点与所述无人机之间的平均距离，然后保存所述平均距离与相对应右视图之间、以及与所述无人机所处拍照点位的地球坐标位置信息和航行姿态信息之间的对应关系；其中，所述矩形框内像素数量规格为统一设置的默认值。
同理，该步骤的航行姿态信息包括LBS位置信息、航行方位和俯仰角信息。
步骤S4、在桥梁修复后，根据所述桥梁各个在先待修复区域所对应地球坐标的分布信息规划所述无人机的航行路线；并在所述无人机按规划的所述航行路线到达任一拍照点位后，从所述对应关系中查找相对应的航行姿态信息以根据相对应的航行姿态信息进行左右视图拍照；然后将当前右视图中央矩形窗内像素与左视图进行匹配，根据匹配后的视差数据计算该矩形窗内各像素点与所述无人机之间的平均距离；并计算当前所得的该平均距离与所述对应关系中修复前相对应的平均距离之间的误差是否在设定的阈值范围内，如果是，判定当前拍照的图像符合要求，并将该局部区域本次拍照的右视图与修复前的右视图配对存储在同一数据块中，如果超出设定的阈值范围，则通知人工对所述无人机所处拍照点位的地球坐标位置和/或航行姿态信息进行调整以得到符合操控用户要求的照片图像，并在将本次人工干预拍照的右视图与修复前的右视图配对存储在同一数据块的同时，将所述对应关系中在先保存的所述无人机所处拍照点位的地球坐标位置信息和航行姿态信息替换为本次人工调整后的无人机所处拍照点位的地球坐标位置和/或航行姿态信息以供后续巡查。
实施例3
本实施例公开一种基于无人机的桥梁外观检测系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现上述实施例1或实施例2所述方法相对应的步骤。
综上，本发明上述实施例所分别公开的基于无人机的桥梁外观检测方法及系统，至少具有以下有益效果：
将现有双目视觉的无人驾驶技术引入到基于无人机的桥梁监测作业中，并通过在大体相同的同一拍照点位、同一航行姿态确保所采集图像大体符合预期，然后通过当前图像矩形窗内像素点与无人机之间的平均距离相比于修复前所记录的平均距离来二次确认当前所采集的图像是否符合预期，本质即实现基于机器视觉的自动校验。作为对比：在修复前后，同一区域在修复前后图像中的部分像素值通常会存在突变，从而无法通过修复前后图像的近似度来确定当前所采集的图像是否符合预期。与此同时，若省略二次校验，即使是以GPS定位加上基站定位、WIFI等辅助定位也会客观存在前后拍照点位的位置定位之间的细小偏差，而无人机位置点位的细小偏差容易造成所采集图像与预期的采集区域存在巨大的偏差。因此，在自动检验下，只有通过基于距离的二次校验才能确保了所采集图像的符合预期。进一步地，当自动校验不符合设定的要求时，可以通过人工干预的方式予以补充；提高了系统的智能性和灵活性。
而且，本实施例采用矩形窗进行局部的图像匹配，相比于现有基于双目视觉的无人驾驶等技术需对图像的整体进行匹配而言，极大提高了数据处理的精准度和实时性。与此同时，在数据保存过程中，仅对左视图或右视图择一存储，节约了存储空间。
综上，本发明通过多举措并举的方式提高了检测的效率并提高了前后对比评估和跟踪修复效果的可靠性、智能性和灵活性。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于无人机的桥梁外观检测方法，其特征在于，包括：
以配备双目相机的无人机对桥梁待修复的各个局部区域进行拍照；并在对任一局部区域进行拍照的过程中，将左视图中央矩形窗内像素与右视图进行匹配，根据匹配后的视差数据计算该矩形窗内各像素点与所述无人机之间的平均距离，然后保存所述平均距离与相对应左视图之间、以及与所述无人机所处拍照点位的地球坐标位置信息和航行姿态信息之间的对应关系；其中，所述矩形框内像素数量规格为统一设置的默认值；
在桥梁修复后，根据所述桥梁各个在先待修复区域所对应地球坐标的分布信息规划所述无人机的航行路线；并在所述无人机按规划的所述航行路线到达任一拍照点位后，从所述对应关系中查找相对应的航行姿态信息以根据相对应的航行姿态信息进行左右视图拍照；然后将当前左视图中央矩形窗内像素与右视图进行匹配，根据匹配后的视差数据计算该矩形窗内各像素点与所述无人机之间的平均距离；并计算当前所得的该平均距离与所述对应关系中修复前相对应的平均距离之间的误差是否在设定的阈值范围内，如果是，判定当前拍照的图像符合要求，并将该局部区域本次拍照的左视图与修复前的左视图配对存储在同一数据块中，如果超出设定的阈值范围，则通知人工对所述无人机所处拍照点位的地球坐标位置和/或航行姿态信息进行调整以得到符合操控用户要求的照片图像，并在将本次人工干预拍照的左视图与修复前的左视图配对存储在同一数据块的同时，将所述对应关系中在先保存的所述无人机所处拍照点位的地球坐标位置信息和航行姿态信息替换为本次人工调整后的无人机所处拍照点位的地球坐标位置和/或航行姿态信息以供后续巡查。
2.根据权利要求1所述的方法，其特征在于，所述航行姿态信息包括LBS位置信息、航行方位和俯仰角信息。
3.一种基于无人机的桥梁外观检测系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1或2所述方法的步骤。
4.一种基于无人机的桥梁外观检测方法，其特征在于，包括：
以配备双目相机的无人机对桥梁待修复的各个局部区域进行拍照；并在对任一局部区域进行拍照的过程中，将右视图中央矩形窗内像素与左视图进行匹配，根据匹配后的视差数据计算该矩形窗内各像素点与所述无人机之间的平均距离，然后保存所述平均距离与相对应右视图之间、以及与所述无人机所处拍照点位的地球坐标位置信息和航行姿态信息之间的对应关系；其中，所述矩形框内像素数量规格为统一设置的默认值；
在桥梁修复后，根据所述桥梁各个在先待修复区域所对应地球坐标的分布信息规划所述无人机的航行路线；并在所述无人机按规划的所述航行路线到达任一拍照点位后，从所述对应关系中查找相对应的航行姿态信息以根据相对应的航行姿态信息进行左右视图拍照；然后将当前右视图中央矩形窗内像素与左视图进行匹配，根据匹配后的视差数据计算该矩形窗内各像素点与所述无人机之间的平均距离；并计算当前所得的该平均距离与所述对应关系中修复前相对应的平均距离之间的误差是否在设定的阈值范围内，如果是，判定当前拍照的图像符合要求，并将该局部区域本次拍照的右视图与修复前的右视图配对存储在同一数据块中，如果超出设定的阈值范围，则通知人工对所述无人机所处拍照点位的地球坐标位置和/或航行姿态信息进行调整以得到符合操控用户要求的照片图像，并在将本次人工干预拍照的右视图与修复前的右视图配对存储在同一数据块的同时，将所述对应关系中在先保存的所述无人机所处拍照点位的地球坐标位置信息和航行姿态信息替换为本次人工调整后的无人机所处拍照点位的地球坐标位置和/或航行姿态信息以供后续巡查。
5.根据权利要求4所述的方法，其特征在于，所述航行姿态信息包括LBS位置信息、航行方位和俯仰角信息。
6.一种基于无人机的桥梁外观检测系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求4或5所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210053125.5A CN114359757A (zh) | 2022-01-18 | 2022-01-18 | 基于无人机的桥梁外观检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210053125.5A CN114359757A (zh) | 2022-01-18 | 2022-01-18 | 基于无人机的桥梁外观检测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114359757A true CN114359757A (zh) | 2022-04-15 |
Family
ID=81090788
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210053125.5A Pending CN114359757A (zh) | 2022-01-18 | 2022-01-18 | 基于无人机的桥梁外观检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114359757A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115102881A (zh) * | 2022-05-16 | 2022-09-23 | 祝海东 | 一种基于船舶报港大数据的船舶报港信息异常判断方法 |
| CN116824518A (zh) * | 2023-08-31 | 2023-09-29 | 四川嘉乐地质勘察有限公司 | 基于图像识别的桩基静载检测方法、装置、处理器 |
-
2022
- 2022-01-18 CN CN202210053125.5A patent/CN114359757A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115102881A (zh) * | 2022-05-16 | 2022-09-23 | 祝海东 | 一种基于船舶报港大数据的船舶报港信息异常判断方法 |
| CN116824518A (zh) * | 2023-08-31 | 2023-09-29 | 四川嘉乐地质勘察有限公司 | 基于图像识别的桩基静载检测方法、装置、处理器 |
| CN116824518B (zh) * | 2023-08-31 | 2023-11-10 | 四川嘉乐地质勘察有限公司 | 基于图像识别的桩基静载检测方法、装置、处理器 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114359757A (zh) | 基于无人机的桥梁外观检测方法及系统 | |
| US20230026281A1 (en) | Road abnormality detection apparatus, road abnormality detection method and road abnormality detection program | |
| CN112800911B (zh) | 一种路面损伤快速检测及自然数据集构建方法 | |
| CN110132291B (zh) | 用于港口的栅格地图生成方法、系统、设备及存储介质 | |
| CN113470374B (zh) | 车辆超速监测方法、装置、计算机设备及存储介质 | |
| CN210090988U (zh) | 一种无人机巡检系统 | |
| CN210005927U (zh) | 一种桥梁巡检无人机系统 | |
| CN109901623B (zh) | 桥梁墩身巡检航线规划方法 | |
| CN112739983B (zh) | 校正点云数据的方法和相关装置 | |
| CN114396871B (zh) | 一种基于三维激光扫描的预制墩柱安装位置姿态监测方法 | |
| CN116989679A (zh) | 一种基于图像处理的高速公路高边坡位移集成监测方法 | |
| CN112833897A (zh) | 基于车路协同与高精度定位融合的车辆定位方法与装置 | |
| Ogawa et al. | Deep Learning Approach for Classifying the Built Year and Structure of Individual Buildings by Automatically Linking Street View Images and GIS Building Data | |
| CN111723643B (zh) | 一种基于固定区域周期性图像采集的目标检测方法 | |
| CN113673288A (zh) | 空闲车位检测方法、装置、计算机设备及存储介质 | |
| CN108520500B (zh) | 基于禁忌搜索的图像中天空区域的识别方法 | |
| CN115345945A (zh) | 利用无人机多目视觉重建高速公路的自动巡检方法及系统 | |
| CN115496399A (zh) | 基于无人机的基坑勘测任务即时更新分配方法及系统 | |
| CN112422917A (zh) | 基于监控视频与高精度dem结合的道路积水监测方法及系统 | |
| CN113643374A (zh) | 基于道路特征的多目相机标定方法、装置、设备和介质 | |
| JP2021070993A (ja) | インフラ検査システム、及び、インフラ検査方法 | |
| Li et al. | High‐resolution model reconstruction and bridge damage detection based on data fusion of unmanned aerial vehicles light detection and ranging data imagery | |
| CN117170501B (zh) | 基于点线融合特征的视觉跟踪方法 | |
| CN116597125B (zh) | 一种基于图像识别的桥梁拼接遥感控制系统及方法 | |
| US20230196601A1 (en) | Apparatuses and methods for determining the volume of a stockpile |
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 |