CN114544668A - 一种cctv管道在线检测系统 - Google Patents

一种cctv管道在线检测系统 Download PDF

Info

Publication number
CN114544668A
CN114544668A CN202210159647.3A CN202210159647A CN114544668A CN 114544668 A CN114544668 A CN 114544668A CN 202210159647 A CN202210159647 A CN 202210159647A CN 114544668 A CN114544668 A CN 114544668A
Authority
CN
China
Prior art keywords
pipeline
image
subunit
result
unit
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.)
Granted
Application number
CN202210159647.3A
Other languages
English (en)
Other versions
CN114544668B (zh
Inventor
朱艳
韦玉祥
胡彩浩
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.)
Yancheng Ducheng Construction Co ltd
Original Assignee
Yancheng Ducheng Construction 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 Yancheng Ducheng Construction Co ltd filed Critical Yancheng Ducheng Construction Co ltd
Priority to CN202210159647.3A priority Critical patent/CN114544668B/zh
Publication of CN114544668A publication Critical patent/CN114544668A/zh
Priority to PCT/CN2022/140686 priority patent/WO2023160188A1/zh
Application granted granted Critical
Publication of CN114544668B publication Critical patent/CN114544668B/zh
Priority to US18/197,132 priority patent/US20230281782A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/50—Constructional details
    • H04N23/555—Constructional details for picking-up images in sites, inaccessible due to their dimensions or hazardous conditions, e.g. endoscopes or borescopes
    • 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
    • G01N21/954—Inspecting the inner surface of hollow bodies, e.g. bores
    • 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
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • 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
    • G01N2021/8887—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 based on image processing techniques
    • 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
    • G06T2207/30164—Workpiece; Machine component
    • 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
    • G06T2207/30181—Earth observation
    • G06T2207/30184—Infrastructure

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Analytical Chemistry (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Automation & Control Theory (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Databases & Information Systems (AREA)
  • Remote Sensing (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种CCTV管道在线检测系统，包括检测机器人、与所述检测机器人和控制终端，其中，所述检测机器人内部配有适配的CCTV管道检测设备，所述CCTV管道检测设备包括GTR8600监测装置、驱动装置和动力驱动装置；所述控制终端通过控制系统和GTR8600监测装置、驱动装置和动力驱动装置分别电连接，所述控制系统安装在预设的控制终端内部。

Description

一种CCTV管道在线检测系统
技术领域
本发明涉及CCTV管道、检测机器人、人工智能技术领域，特别涉及一种CCTV管道在线检测系统。
背景技术
目前城镇、社区等场所的管道处承担各种商业、工业和人民日常排放污水的排放，但管道难以监管，目前有一种专门针对管道排查的机器人，针对管道的检查进行定期采集图像进行维修排查，随着城市社会的结构越来越大，许多管道的淤泥破损等需要及时的清理，及时发现并减少人民的生活中的隐匿的安全隐患，避免导致城市经济造成巨大的损失。
在已经公开的专利CN 211738405U中，提供了一种用于城市地下管网的检测系统轮胎直径可调节，满足不同直径的污水管检测，降低了检测成本，通过摄像主体、数据传输线、调节车轮和控制箱，实现了满足不同直径的污水管检测，提高了调节车轮的通用性，降低了整体的制造成本和检测成本的目的，但是仅针对检测机器人的本身结构做修改。
发明内容
本发明提供一种CCTV管道在线检测系统，用以解决以上背景技术中出现的情况。
本发明提供一种CCTV管道在线检测系统，包括控制终端、检测机器人和与所述检测机器人适配的CCTV管道检测系统，所述CCTV管道检测系统安装在所述检测机器人内部；其中，
所述控制终端通过控制系统和检测机器人及适配的CCTV管道检测系统电连接，所述控制系统安装在预设的控制终端内部。
作为本技术方案的一种实施例，所述CCTV管道检测系统包括GTR8600监测模块、驱动模块和动力驱动模块；其中，
所述GTR8600监测模块安装在所述检测机器人上；
所述驱动控制模块通过控制终端驱使驱动控制装置进行移动；
所述动力驱动装置内部设有动力驱动系统，通过控制系统对动力驱动系统进行操控，控制动力驱动系统驱动装置进行常规移动。
作为本技术方案的一种实施例，所述GTR8600监测模块包括业级高分辨彩色摄像单元、运动姿态监测单元、摄像录制处理终端和传输单元；其中，
所述业级高分辨彩色摄像单元用于采集外界影像，通过所述外界影像，获取分辨图像；
所述运动姿态监测单元用于通过所述分辨图像，实时识别和监控管道内部状况，通过所述监控管道内部状况，对检测机器人的运动姿态进行推断，确定推断结果；
所述摄像录制处理终端用于记录并处理采集到的外界影像及对应的管道内部状况，确定记录结果；
所述传输单元用于将所述推断结果和记录结果传输至控制终端。
作为本技术方案的一种实施例，所述业级高分辨彩色摄像单元，包括：
影像采集子单元：用于通过预设的摄像设备，实时采集管道内的外界影像；
识别图像子单元：用于基于预设的彩色图像空间转换机制，对所述外界影像进行特征提取和特征识别，获取识别图像；
分辨图像子单元：用于基于预设的高分辨率重建机制，对所述识别图像进行高分辨，获取分辨图像。
作为本技术方案的一种实施例，所述运动姿态监测单元，包括：
偏移角度子单元：用于接收分辨图像，将所述分辨图像传输至预设的平衡检测机制，计算分辨图像的偏移角度；
检测机器人状况子单元：用于通过所述偏移角度，实时识别和监控检测机器人状况；
状况信息子单元：用于按照预设的周期，接收分辨图像，记录管道内部状况，通过所述机器人状况和管道内部状况，生成对应的状况信息；
推断子单元：用于基于所述状况信息，提取所述分辨图像的分辨特征点，将所述分辨特征点传输至预设的大数据中心进行分析，对检测机器人的运动姿态进行推断，确定推断结果。
作为本技术方案的一种实施例，所述摄像录制处理终端，包括：
采集结果单元：用于实时采集到的外界影像及对应的管道内部状况，确定采集结果；
判断单元：用于基于所述采集结果，实时判断所述管道内部状况是否有异常，确定判断结果；
无异常单元：用于当所述判断结果无异常，记录对应的外界影像，并将记录后的外界影像进行压缩，上传至预设的云端存储库进行存储，确定正常记录结果；
异常单元：用于当所述判断结果有异常，获取状态管道内部状况，基于预设时间范围内，从预设的云端存储库调取历史正常记录结果，将所述状态管道内部状况和状态管道内部状况传输至大数据中心进行分析和记录，确定异常记录结果；
预警单元：用于将异常记录结果实时传输至控制终端进行预警；
记录结果单元：用于通过所述正常记录结果和异常记录结果，确定记录结果。
作为本技术方案的一种实施例，所述状况信息子单元，包括：
处理图像子单元：用于按照预设的周期，接收分辨图像，将所述分辨图像的图像像素进行灰度处理和归一化处理，确定处理图像；
局部图像子单元：用于对所述处理图像进行拉伸和分割，确定局部图像；
识别结果子单元：用于通过所述局部图像，对管道损坏类型进行识别，确定识别结果；
统计子单元：用于通过所述识别结果，统计预设的检测区域内的管道损坏位置和对应的管道损坏类型；
管道内部状况子单元：用于基于所述管道损坏位置和对应的管道损坏类型，确定管道内部状况；
状况信息子单元：用于获取所述管道内部状况对应的接收时间，通过所述接收时间，追溯对应的机器人状况，并生成对应的状况信息；
作为本技术方案的一种实施例，所述推断子单元，包括：
状况信息类型子单元：用于将所述状况信息传输至预设的类型筛选器中进行分类，确定状况信息类型；
Figure BDA0003513903130000051
其中，Si代表第i种状况信息类型，i＝1,2,…,m，m代表接收到状况信息的总批数，fi代表第i批状况信息，j＝1,2,…,n，n代表类型筛选器的总个数，aj代表第j种类型筛选器，p(fi,aj)代表第i批状况信息在第j种类型筛选器的筛选概率，wi,j代表第i批状况信息进入第j种类型筛选器产生的权值，L代表筛选器的影响系数，Δt代表状况信息的接收时刻，
Figure BDA0003513903130000052
代表接收时刻Δt下关于第i批状况信息在第j种类型筛选器的筛选概率的分离函数，
Figure BDA0003513903130000053
代表接收时刻Δt下关于第i批状况信息在第j种类型筛选器的筛选概率的最大化分离函数，
Figure BDA0003513903130000054
代表接收时刻Δt下关于第i批状况信息在第j种类型筛选器的筛选概率的最小化分离函数；
分类子单元：用于通过所述状况信息类型，提取所述分辨图像的分辨特征点，同时，对分辨特征点进行分类，确定分类结果；
Figure BDA0003513903130000055
其中，D(S)代表对状况信息类型分类后的分类结果，gi代表第i种状况信息类型的分辨特征点，R(gi)代表关于第i种状况信息类型的分辨特征点的主特征分类函数，E(Si)代表第i种状况信息类型的特征点分类的权重值，E(Si*)代表第i*种状况信息类型的特征点分类的权重值，i*＝1,2,…,m，i≠i*，R(gi*)代表关于第i*种状况信息类型的分辨特征点的主特征分类函数，Te(gi→gi*)为判断第i种状况信息类型的分辨特征点和第j种状况信息类型的分辨特征点是否重合的函数；Te(gi→gi*)＝1代表在第i种状况信息类型的分辨特征点和第j种状况信息类型的分辨特征点的重合情况成立，R(Te(gi→gi*)＝1|(gi,gi*))代表在第i种状况信息类型的分辨特征点和第j种状况信息类型的分辨特征点有重合情况下的主特征分类函数，当第i种状况信息类型的分辨特征点和第j种状况信息类型的分辨特征点不重合时，将第i种状况信息类型的分辨特征点返回
Figure BDA0003513903130000061
进行分类计算，将第j种状况信息类型的分辨特征点返回
Figure BDA0003513903130000062
进行分类计算；
动作模型子单元：用于将所述分类结果和分辨特征点传输至预设的大数据中心进行分析，构建对应的动作模型；
推断结果子单元：用于基于所述动作模型，对检测机器人的运动姿态进行推断，确定推断结果。
作为本技术方案的一种实施例，所述驱动控制装置内部设有驱动系统和避障系统，所述驱动系统通过控制系统对驱动控制装置进行操控，使驱动控制装置启动产生动力，驱使驱动控制装置进行移动；
所述避障系统接受控制系统的控制信号，对驱动控制装置进避障。
作为本技术方案的一种实施例，所述动力驱动装置内部设有动力驱动系统，通过控制系统对动力驱动系统进行操控，控制动力驱动系统驱动装置进行常规移动。
本技术方案的有益效果为：
本发明实施例提供了一种CCTV管道在线检测系统，包括控制终端、检测机器人和与所述检测机器人适配的CCTV管道检测系统，CCTV管道检测系统安装在所述检测机器人内部；检测机器人在运行过程中，对管道进行检测和排查，通过外端的控制终端，对检测机器人进行控制，可以对管道的不同区域进行重点或者非重点排查，减少检测成本，同时，通过对检测机器人的控制，也可以尽可能避免检测机器人陷入淤泥等危险，控制终端通过控制系统和检测机器人及适配的CCTV管道检测系统电连接，所述控制系统安装在预设的控制终端内部，用于对机器人进行控制。本技术方案提供一种CCTV管道在线检测机器人的检测方法，通过检测机器人的控制，控制检测机器人对城市管道进行排查，由于检测机器人的成本较高，所以可以通过对管道中进行实时测量，从而减少检测机器人损坏，由于城市管道庞大复杂、结构多变，人工检查不仅耗时耗力，而且浪费时间成本，通过检测机器人的检测，减轻工作人员的时间成本，提高工作效率。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
在附图中：
图1为本发明实施例中一种CCTV管道在线检测系统模块图；
图2为本发明实施例中一种CCTV管道在线检测系统模块图；
图3为本发明实施例中一种CCTV管道在线检测系统模块图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例1：
根据图1所示，本发明实施例提供了一种CCTV管道在线检测系统，包括控制终端、检测机器人和与所述检测机器人适配的CCTV管道检测系统，所述CCTV管道检测系统安装在所述检测机器人内部；其中，
所述控制终端通过控制系统和检测机器人及适配的CCTV管道检测系统电连接，所述控制系统安装在预设的控制终端内部。
上述技术方案的工作原理为：
本发明实施例提供了一种CCTV管道在线检测系统，包括控制终端、检测机器人和与所述检测机器人适配的CCTV管道检测系统，CCTV管道检测系统安装在所述检测机器人内部；检测机器人在运行过程中，对管道进行检测和排查，通过外端的控制终端，对检测机器人进行控制，可以对管道的不同区域进行重点或者非重点排查，减少检测成本，同时，通过对检测机器人的控制，也可以尽可能避免检测机器人陷入淤泥等危险，控制终端通过控制系统和检测机器人及适配的CCTV管道检测系统电连接，所述控制系统安装在预设的控制终端内部，用于对机器人进行控制。
上述技术方案的有益效果为：
本技术方案提供一种CCTV管道在线检测机器人的检测方法，通过检测机器人的控制，控制检测机器人对城市管道进行排查，由于检测机器人的成本较高，所以可以通过对管道中进行实时测量，从而减少检测机器人损坏，由于城市管道庞大复杂、结构多变，人工检查不仅耗时耗力，而且浪费时间成本，通过检测机器人的检测，减轻工作人员的时间成本，提高工作效率。
实施例2：
在一个实施例中，所述CCTV管道检测系统包括GTR8600监测模块、驱动模块和动力驱动模块；其中，
所述GTR8600监测模块安装在所述检测机器人上；
所述驱动控制模块通过控制终端驱使驱动控制装置进行移动；
所述动力驱动装置内部设有动力驱动系统，通过控制系统对动力驱动系统进行操控，控制动力驱动系统驱动装置进行常规移动。
上述技术方案的工作原理为：
本技术方案的CCTV管道检测系统包括GTR8600监测模块、驱动模块和动力驱动模块；GTR8600监测模块安装在所述检测机器人上，GTR8600监测模块提供了一种彩色业级、高分辨率的摄像功能，通过对管道的监测，对城市、企业的管道隐患进行及时排查，驱动控制模块通过控制终端驱使驱动控制装置进行移动，通过控制终端，对检测机器人的动力驱动装置内部设有动力驱动系统，通过控制系统对动力驱动系统进行操控，控制动力驱动系统驱动装置进行常规移动。
上述技术方案的有益效果为：
本技术方案通过控制终端的控制，而非常规设置路线，不仅提高了机器人的避障能力，减少机器人的损坏，同时，可以给检测机器人装有简单的功效性，可以对管道进行简单的清理，例如，将管道中的横向阻拦的棍状物通过机器人的驱动轮碾压断，使管道更容易疏通。
实施例3：
在一个实施例中，所述GTR8600监测模块包括业级高分辨彩色摄像单元、运动姿态监测单元、摄像录制处理终端和传输单元；其中，
所述业级高分辨彩色摄像单元用于采集外界影像，通过所述外界影像，获取分辨图像；
所述运动姿态监测单元用于通过所述分辨图像，实时识别和监控管道内部状况，通过所述监控管道内部状况，对检测机器人的运动姿态进行推断，确定推断结果；
所述摄像录制处理终端用于记录并处理采集到的外界影像及对应的管道内部状况，确定记录结果；
所述传输单元用于将所述推断结果和记录结果传输至控制终端。
上述技术方案的工作原理和有益效果为：
本技术方案的GTR8600监测模块包括业级高分辨彩色摄像单元、运动姿态监测单元、摄像录制处理终端和传输单元；其中，所述业级高分辨彩色摄像单元用于采集外界影像，通过所述外界影像，获取分辨图像；所述运动姿态监测单元用于通过所述分辨图像，实时识别和监控管道内部状况，通过所述监控管道内部状况，对检测机器人的运动姿态进行推断，确定推断结果；所述摄像录制处理终端用于收集采集到的外界影像及对应的管道内部状况；所述传输单元用于将推断结果传输至控制终端，通过对机器人的状态分析和外界环境的状态分析，综合分析出管道内部的情况，是否需要维修，从而提供精确的状况信息。
实施例4：
在一个实施例中，所述业级高分辨彩色摄像单元，包括：
影像采集子单元：用于通过预设的摄像设备，实时采集管道内的外界影像；
识别图像子单元：用于基于预设的彩色图像空间转换机制，对所述外界影像进行特征提取和特征识别，获取识别图像；
分辨图像子单元：用于基于预设的高分辨率重建机制，对所述识别图像进行高分辨，获取分辨图像。
上述技术方案的工作原理和有益效果为：
本技术方案的业级高分辨彩色摄像单元，影像采集子单元用于通过预设的摄像设备，实时采集管道内的外界影像；对管道的影响进行实时采集，识别图像子单元用于基于预设的彩色图像空间转换机制，对所述外界影像进行特征提取和特征识别，获取识别图像，通过识别图像，为管道不同类型的问题分类提供原始数据，分辨图像子单元用于基于预设的高分辨率重建机制，对所述识别图像进行高分辨，获取分辨图像，高分辨图像可以对图像中的管道隐患大小、位置进行精细分辨。
实施例5：
在一个实施例中，所述运动姿态监测单元，包括：
偏移角度子单元：用于接收分辨图像，将所述分辨图像传输至预设的平衡检测机制，计算分辨图像的偏移角度；
检测机器人状况子单元：用于通过所述偏移角度，实时识别和监控检测机器人状况；
状况信息子单元：用于按照预设的周期，接收分辨图像，记录管道内部状况，通过所述机器人状况和管道内部状况，生成对应的状况信息；
推断子单元：用于基于所述状况信息，提取所述分辨图像的分辨特征点，将所述分辨特征点传输至预设的大数据中心进行分析，对检测机器人的运动姿态进行推断，确定推断结果。
上述技术方案的工作原理和有益效果为：
在一个实施例中，所述运动姿态监测单元，包括：偏移角度子单元：用于接收分辨图像，将所述分辨图像传输至预设的平衡检测机制，计算分辨图像的偏移角度；管道内部状况子单元：用于通过所述偏移角度，实时识别和监控管道内部状况；状况信息子单元：用于按照预设的周期，记录所述管道内部状况，生成对应的状况信息；推断子单元：用于基于所述状况信息，提取所述分辨图像的分辨特征点，将所述分辨特征点传输至预设的大数据中心进行分析，对检测机器人的运动姿态进行推断，确定推断结果，本技术方案通过对图像分辨，获取图像信息和机器人信息，综合对管道的损坏类型进行评判，从而避免管道经久不修，导致管道造成城市隐患。
实施例6：
在一个实施例中，所述摄像录制处理终端，包括：
采集结果单元：用于实时采集到的外界影像及对应的管道内部状况，确定采集结果；
判断单元：用于基于所述采集结果，实时判断所述管道内部状况是否有异常，确定判断结果；
无异常单元：用于当所述判断结果无异常，记录对应的外界影像，并将记录后的外界影像进行压缩，上传至预设的云端存储库进行存储，确定正常记录结果；
异常单元：用于当所述判断结果有异常，获取状态管道内部状况，基于预设时间范围内，从预设的云端存储库调取历史正常记录结果，将所述状态管道内部状况和状态管道内部状况传输至大数据中心进行分析和记录，确定异常记录结果；
预警单元：用于将异常记录结果实时传输至控制终端进行预警；
记录结果单元：用于通过所述正常记录结果和异常记录结果，确定记录结果。
上述技术方案的工作原理和有益效果为：
本技术方案的摄像录制处理终端，包括采集结果单元：用于实时采集到的外界影像及对应的管道内部状况，确定采集结果；判断单元：用于基于所述采集结果，实时判断所述管道内部状况是否有异常，确定判断结果；无异常单元：用于当所述判断结果无异常，记录对应的外界影像，并将记录后的外界影像进行压缩，上传至预设的云端存储库进行存储，确定正常记录结果；异常单元：用于当所述判断结果有异常，获取状态管道内部状况，基于预设时间范围内，从预设的云端存储库调取历史正常记录结果，将所述状态管道内部状况和状态管道内部状况传输至大数据中心进行分析和记录，确定异常记录结果；预警单元：用于将异常记录结果实时传输至控制终端进行预警；记录结果单元：用于通过所述正常记录结果和异常记录结果，确定记录结果，通过对管道的初始检测，粗略发现管道中的情况，通过对正常结果进行保存，可以用于维修时候，沿管道的长度进行检查，对管道什么原因导致损坏进行挖掘，从而不仅减轻工作人员的工作负担，同时，减少了检测排查的人力成本和时间成本。
实施例7：
在一个实施例中，所述状况信息子单元，包括：
处理图像子单元：用于按照预设的周期，接收分辨图像，将所述分辨图像的图像像素进行灰度处理和归一化处理，确定处理图像；
局部图像子单元：用于对所述处理图像进行拉伸和分割，确定局部图像；
识别结果子单元：用于通过所述局部图像，对管道损坏类型进行识别，确定识别结果；
统计子单元：用于通过所述识别结果，统计预设的检测区域内的管道损坏位置和对应的管道损坏类型；
管道内部状况子单元：用于基于所述管道损坏位置和对应的管道损坏类型，确定管道内部状况；
状况信息子单元：用于获取所述管道内部状况对应的接收时间，通过所述接收时间，追溯对应的机器人状况，并生成对应的状况信息。
上述技术方案的工作原理和有益效果为：
本技术方案的状况信息子单元，包括：处理图像子单元用于按照预设的周期，接收分辨图像，将所述分辨图像的图像像素进行灰度处理和归一化处理，确定处理图像，由于管道中光线较暗，噪声比较大，所以刚拿到图像需要进行噪声处理，避免图像不清晰，局部图像子单元用于对处理图像进行拉伸和分割，确定局部图像，对于图像识别而言，图像的背景区域容易识别，但是图像需要重点识别的地方，需要重点分辨，识别结果子单元用于通过局部图像，对管道损坏类型进行识别，确定识别结果，管道有淤泥堵塞、泄露、管道变形等不同损坏风险，不同风险有不同隐患；统计子单元用于通过识别结果，统计预设的检测区域内的管道损坏位置和对应的管道损坏类型，可以通过控制终端预设的定位系统对管道损坏的位置进行定位，管道内部状况子单元用于基于管道损坏位置和对应的管道损坏类型，确定管道内部状况，状况信息子单元用于获取管道内部状况对应的接收时间，通过接收时间，追溯对应的机器人状况，并生成对应的状况信息。
实施例8：
在一个实施例中，所述推断子单元，包括：
状况信息类型子单元：用于将所述状况信息传输至预设的类型筛选器中进行分类，确定状况信息类型；
Figure BDA0003513903130000161
其中，Si代表第i种状况信息类型，i＝1,2,…,m，m代表接收到状况信息的总批数，fi代表第i批状况信息，j＝1,2,…,n，n代表类型筛选器的总个数，aj代表第j种类型筛选器，p(fi,aj)代表第i批状况信息在第j种类型筛选器的筛选概率，wi,j代表第i批状况信息进入第j种类型筛选器产生的权值，L代表筛选器的影响系数，Δt代表状况信息的接收时刻，
Figure BDA0003513903130000162
代表接收时刻Δt下关于第i批状况信息在第j种类型筛选器的筛选概率的分离函数，
Figure BDA0003513903130000163
代表接收时刻Δt下关于第i批状况信息在第j种类型筛选器的筛选概率的最大化分离函数，
Figure BDA0003513903130000164
代表接收时刻Δt下关于第i批状况信息在第j种类型筛选器的筛选概率的最小化分离函数；
分类子单元：用于通过所述状况信息类型，提取所述分辨图像的分辨特征点，同时，对分辨特征点进行分类，确定分类结果；
Figure BDA0003513903130000171
其中，D(S)代表对状况信息类型分类后的分类结果，gi代表第i种状况信息类型的分辨特征点，R(gi)代表关于第i种状况信息类型的分辨特征点的主特征分类函数，E(Si)代表第i种状况信息类型的特征点分类的权重值，E(Si*)代表第i*种状况信息类型的特征点分类的权重值，i*＝1,2,…,m，i≠i*，R(gi*)代表关于第i*种状况信息类型的分辨特征点的主特征分类函数，Te(gi→gi*)为判断第i种状况信息类型的分辨特征点和第j种状况信息类型的分辨特征点是否重合的函数；Te(gi→gi*)＝1代表在第i种状况信息类型的分辨特征点和第j种状况信息类型的分辨特征点的重合情况成立，R(Te(gi→gi*)＝1|(gi,gi*))代表在第i种状况信息类型的分辨特征点和第j种状况信息类型的分辨特征点有重合情况下的主特征分类函数，当第i种状况信息类型的分辨特征点和第j种状况信息类型的分辨特征点不重合时，将第i种状况信息类型的分辨特征点返回
Figure BDA0003513903130000172
进行分类计算，将第j种状况信息类型的分辨特征点返回
Figure BDA0003513903130000173
进行分类计算；
动作模型子单元：用于将所述分类结果和分辨特征点传输至预设的大数据中心进行分析，构建对应的动作模型；
推断结果子单元：用于基于所述动作模型，对检测机器人的运动姿态进行推断，确定推断结果。
上述技术方案的工作原理和有益效果为：
本技术方案的推断子单元，包括：状况信息类型子单元：用于将所述状况信息传输至预设的类型筛选器中进行分类，确定状况信息类型Si，分类子单元用于通过所述状况信息类型，提取所述分辨图像的分辨特征点，同时，对分辨特征点进行分类，确定分类结果；动作模型子单元用于将所述分类结果和分辨特征点传输至预设的大数据中心进行分析，构建对应的动作模型；推断结果子单元用于基于所述动作模型，对检测机器人的运动姿态进行推断，确定推断结果。
实施例9：
在一个实施例中，所述驱动控制装置内部设有驱动系统和避障系统，所述驱动系统通过控制系统对驱动控制装置进行操控，使驱动控制装置启动产生动力，驱使驱动控制装置进行移动；
所述避障系统接受控制系统的控制信号，对驱动控制装置进避障。
实施例10：
在一个实施例中，所述动力驱动装置内部设有动力驱动系统，通过控制系统对动力驱动系统进行操控，控制动力驱动系统驱动装置进行常规移动。
上述技术方案的工作原理和有益效果为:
本技术方案的动力驱动装置内部设有动力驱动系统，通过控制系统对动力驱动系统进行操控，控制动力驱动系统驱动装置进行常规移动，动力驱动装置用于生成动力控制驱动控制装置进行移动，通过动力驱动可以控制方向和速度，从而对检测机器人进行控制。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种CCTV管道在线检测系统，包括控制终端、检测机器人和与所述检测机器人适配的CCTV管道检测系统，所述CCTV管道检测系统安装在所述检测机器人内部；其中，
所述控制终端通过控制系统和检测机器人及适配的CCTV管道检测系统电连接，所述控制系统安装在预设的控制终端内部。
2.如权利要求1所述的一种CCTV管道在线检测系统，其特征在于，所述CCTV管道检测系统包括GTR8600监测模块、驱动模块和动力驱动模块；其中，
所述GTR8600监测模块安装在所述检测机器人上；
所述驱动控制模块通过控制终端驱使驱动控制装置进行移动；
所述动力驱动装置内部设有动力驱动系统，通过控制系统对动力驱动系统进行操控，控制动力驱动系统驱动装置进行常规移动。
3.如权利要求2所述的一种CCTV管道在线检测系统，其特征在于，所述GTR8600监测模块包括业级高分辨彩色摄像单元、运动姿态监测单元、摄像录制处理终端和传输单元；其中，
所述业级高分辨彩色摄像单元用于采集外界影像，通过所述外界影像，获取分辨图像；
所述运动姿态监测单元用于通过所述分辨图像，实时识别和监控管道内部状况，通过所述监控管道内部状况，对检测机器人的运动姿态进行推断，确定推断结果；
所述摄像录制处理终端用于记录并处理采集到的外界影像及对应的管道内部状况，确定记录结果；
所述传输单元用于将所述推断结果和记录结果传输至控制终端。
4.如权利要求3所述的一种CCTV管道在线检测系统，其特征在于，所述业级高分辨彩色摄像单元，包括：
影像采集子单元：用于通过预设的摄像设备，实时采集管道内的外界影像；
识别图像子单元：用于基于预设的彩色图像空间转换机制，对所述外界影像进行特征提取和特征识别，获取识别图像；
分辨图像子单元：用于基于预设的高分辨率重建机制，对所述识别图像进行高分辨，获取分辨图像。
5.如权利要求3所述的一种CCTV管道在线检测系统，其特征在于，所述运动姿态监测单元，包括：
偏移角度子单元：用于接收分辨图像，将所述分辨图像传输至预设的平衡检测机制，计算分辨图像的偏移角度；
检测机器人状况子单元：用于通过所述偏移角度，实时识别和监控检测机器人状况；
状况信息子单元：用于按照预设的周期，接收分辨图像，记录管道内部状况，通过所述机器人状况和管道内部状况，生成对应的状况信息；
推断子单元：用于基于所述状况信息，提取所述分辨图像的分辨特征点，将所述分辨特征点传输至预设的大数据中心进行分析，对检测机器人的运动姿态进行推断，确定推断结果。
6.如权利要求3所述的一种CCTV管道在线检测系统，其特征在于，所述摄像录制处理终端，包括：
采集结果单元：用于实时采集到的外界影像及对应的管道内部状况，确定采集结果；
判断单元：用于基于所述采集结果，实时判断所述管道内部状况是否有异常，确定判断结果；
无异常单元：用于当所述判断结果无异常，记录对应的外界影像，并将记录后的外界影像进行压缩，上传至预设的云端存储库进行存储，确定正常记录结果；
异常单元：用于当所述判断结果有异常，获取状态管道内部状况，基于预设时间范围内，从预设的云端存储库调取历史正常记录结果，将所述状态管道内部状况和状态管道内部状况传输至大数据中心进行分析和记录，确定异常记录结果；
预警单元：用于将异常记录结果实时传输至控制终端进行预警；
记录结果单元：用于通过所述正常记录结果和异常记录结果，确定记录结果。
7.如权利要求5所述的一种CCTV管道在线检测系统，其特征在于，所述状况信息子单元，包括：
处理图像子单元：用于按照预设的周期，接收分辨图像，将所述分辨图像的图像像素进行灰度处理和归一化处理，确定处理图像；
局部图像子单元：用于对所述处理图像进行拉伸和分割，确定局部图像；
识别结果子单元：用于通过所述局部图像，对管道损坏类型进行识别，确定识别结果；
统计子单元：用于通过所述识别结果，统计预设的检测区域内的管道损坏位置和对应的管道损坏类型；
管道内部状况子单元：用于基于所述管道损坏位置和对应的管道损坏类型，确定管道内部状况；
状况信息子单元：用于获取所述管道内部状况对应的接收时间，通过所述接收时间，追溯对应的机器人状况，并生成对应的状况信息。
8.如权利要求5所述的一种CCTV管道在线检测系统，其特征在于，所述推断子单元，包括：
状况信息类型子单元：用于将所述状况信息传输至预设的类型筛选器中进行分类，确定状况信息类型；
分类子单元：用于通过所述状况信息类型，提取所述分辨图像的分辨特征点，同时，对分辨特征点进行分类，确定分类结果；
动作模型子单元：用于将所述分类结果和分辨特征点传输至预设的大数据中心进行分析，构建对应的动作模型；
推断结果子单元：用于基于所述动作模型，对检测机器人的运动姿态进行推断，确定推断结果。
9.如权利要求2所述的一种CCTV管道在线检测系统，其特征在于，所述驱动控制装置内部设有驱动系统和避障系统；其中，
所述驱动系统通过控制系统对驱动控制装置进行操控，使驱动控制装置启动产生动力，驱使驱动控制装置进行移动；
所述避障系统接受控制系统的控制信号，对驱动控制装置进避障。
10.如权利要求2所述的一种CCTV管道在线检测系统，其特征在于，所述动力驱动装置内部设有动力驱动系统，通过控制系统对动力驱动系统进行操控，控制动力驱动系统驱动装置进行常规移动。
CN202210159647.3A 2022-02-22 2022-02-22 一种cctv管道在线检测系统 Active CN114544668B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202210159647.3A CN114544668B (zh) 2022-02-22 2022-02-22 一种cctv管道在线检测系统
PCT/CN2022/140686 WO2023160188A1 (zh) 2022-02-22 2022-12-21 一种cctv管道在线检测系统
US18/197,132 US20230281782A1 (en) 2022-02-22 2023-05-15 Closed-circuit television (cctv) online pipeline detection system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210159647.3A CN114544668B (zh) 2022-02-22 2022-02-22 一种cctv管道在线检测系统

Publications (2)

Publication Number Publication Date
CN114544668A true CN114544668A (zh) 2022-05-27
CN114544668B CN114544668B (zh) 2023-04-07

Family

ID=81678301

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210159647.3A Active CN114544668B (zh) 2022-02-22 2022-02-22 一种cctv管道在线检测系统

Country Status (3)

Country Link
US (1) US20230281782A1 (zh)
CN (1) CN114544668B (zh)
WO (1) WO2023160188A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023160188A1 (zh) * 2022-02-22 2023-08-31 盐城笃诚建设有限公司 一种cctv管道在线检测系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060128593A (ko) * 2005-06-09 2006-12-14 정선구 관로 내부 비파괴 검사 장치
CN207316352U (zh) * 2017-09-22 2018-05-04 贵州省交通规划勘察设计研究院股份有限公司 一种用于探测清淤的管道爬行机器人
CN207867340U (zh) * 2018-02-08 2018-09-14 安徽机电职业技术学院 一种地下管道巡检机器人控制系统
CN109268621A (zh) * 2018-11-16 2019-01-25 合肥工业大学 基于电致动材料驱动的管道检测机器人、管道检测系统
CN109611641A (zh) * 2019-01-11 2019-04-12 广州市天驰测绘技术有限公司 一种管道检测无线机器人
CN111396754A (zh) * 2020-02-27 2020-07-10 吴盛 一种排水管cctv检测车及其检测系统
CN211649493U (zh) * 2019-11-19 2020-10-09 武汉海涵立科技有限公司 Cctv管道检测机器人机体结构
CN212251706U (zh) * 2019-12-10 2020-12-29 上海城建城市运营(集团)有限公司 一种管道机器人检测系统
CN112763499A (zh) * 2020-12-26 2021-05-07 上海浦东路桥绿化工程有限公司 一种管道cctv检测信息管理系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110145692B (zh) * 2019-05-23 2021-03-26 昆山华新建设工程有限公司 污水管道cctv检测系统及方法
CN114544668B (zh) * 2022-02-22 2023-04-07 盐城笃诚建设有限公司 一种cctv管道在线检测系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060128593A (ko) * 2005-06-09 2006-12-14 정선구 관로 내부 비파괴 검사 장치
CN207316352U (zh) * 2017-09-22 2018-05-04 贵州省交通规划勘察设计研究院股份有限公司 一种用于探测清淤的管道爬行机器人
CN207867340U (zh) * 2018-02-08 2018-09-14 安徽机电职业技术学院 一种地下管道巡检机器人控制系统
CN109268621A (zh) * 2018-11-16 2019-01-25 合肥工业大学 基于电致动材料驱动的管道检测机器人、管道检测系统
CN109611641A (zh) * 2019-01-11 2019-04-12 广州市天驰测绘技术有限公司 一种管道检测无线机器人
CN211649493U (zh) * 2019-11-19 2020-10-09 武汉海涵立科技有限公司 Cctv管道检测机器人机体结构
CN212251706U (zh) * 2019-12-10 2020-12-29 上海城建城市运营(集团)有限公司 一种管道机器人检测系统
CN111396754A (zh) * 2020-02-27 2020-07-10 吴盛 一种排水管cctv检测车及其检测系统
CN112763499A (zh) * 2020-12-26 2021-05-07 上海浦东路桥绿化工程有限公司 一种管道cctv检测信息管理系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023160188A1 (zh) * 2022-02-22 2023-08-31 盐城笃诚建设有限公司 一种cctv管道在线检测系统

Also Published As

Publication number Publication date
WO2023160188A1 (zh) 2023-08-31
US20230281782A1 (en) 2023-09-07
CN114544668B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
Aboah A vision-based system for traffic anomaly detection using deep learning and decision trees
CN112149522A (zh) 电缆通道智能可视化防外破监测系统及方法
CN112241574B (zh) 基于图像纹理信息的带式输送机托辊状态测控方法和装置
CN113548419A (zh) 基于机器视觉图像识别的皮带撕裂检测方法、装置及系统
CN112881412B (zh) 一种废钢产品中非金属异物检测方法
CN112419686B (zh) 一种桥梁撞击探测的多级判断报警与事件记录系统
CN115690561B (zh) 一种路面异常监测方法
CN110658209A (zh) 一种随车道路缺陷智能快速检测方法
CN114544668B (zh) 一种cctv管道在线检测系统
CN116818009A (zh) 一种货车超限检测系统及方法
Mehajabin et al. Real-time deep learning based road deterioration detection for smart cities
CN117610971B (zh) 一种高速公路机电系统健康指数评估方法
CN117422991B (zh) 基于大数据的智能矿山检测系统、方法和可读存储介质
CN113158725B (zh) 一种综合性工程车辆施工动作判断方法
CN113326779B (zh) 一种井下巷道积水检测识别方法
CN117523501B (zh) 一种管线巡检机器人控制方法及系统
CN115761884A (zh) 一种基于数据增强的人员违规行为判断方法
CN109214390B (zh) 基于机器视觉原理的栅栏状态检测方法及系统
CN117557145A (zh) 一种轻量化道路路面服务质量巡检系统
CN117372926A (zh) 皮带机ai异物识别系统
CN115165362A (zh) 一种基于巡检及振动信号的轴承故障智能检测系统和方法
Triyunanto et al. Vehicle Classification in Electronic Toll Collection System Using YOLOv8
CN116207658A (zh) 一种线路巡检方法、系统及巡检车
CN117592739A (zh) 一种智慧城市智能管理系统
CN116894822A (zh) 一种变电站设备缺陷视频图像预处理算法

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