CN115035141A - 基于图像处理的隧道裂缝远程监测与预警方法 - Google Patents

基于图像处理的隧道裂缝远程监测与预警方法 Download PDF

Info

Publication number
CN115035141A
CN115035141A CN202210661201.0A CN202210661201A CN115035141A CN 115035141 A CN115035141 A CN 115035141A CN 202210661201 A CN202210661201 A CN 202210661201A CN 115035141 A CN115035141 A CN 115035141A
Authority
CN
China
Prior art keywords
crack
image
tunnel
early warning
remote monitoring
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
CN202210661201.0A
Other languages
English (en)
Inventor
傅文静
李凯玲
刘佳亮
杨浪
刘旭
魏刘阳
蔡佳良
李瑶
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.)
Changan University
Original Assignee
Changan University
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 Changan University filed Critical Changan University
Priority to CN202210661201.0A priority Critical patent/CN115035141A/zh
Publication of CN115035141A publication Critical patent/CN115035141A/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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • 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
    • G06T7/0008—Industrial image inspection checking presence/absence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/17—Terrestrial scenes taken from planes or by drones
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • 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)
  • Geometry (AREA)
  • Remote Sensing (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及隧道裂缝监测领域，公开了一种基于图像处理的隧道裂缝远程监测与预警方法，包括以下步骤：S1.无人机图像采集及距离测量；S2.基于图像边缘处理的裂缝检测；S3.裂缝长期监测；S4.评价隧道裂缝的危险等级并根据评价结果对隧道进行安全预警。本发明从裂缝定位、图像处理和裂缝安全评估三个方面进行探索，通过远程监测、智能识别、特征提取和等级判定等步骤，建立了一套完整的隧道裂缝监测‑识别‑测量‑预警体系，是一种高效、安全、经济的隧道预警系统。本发明方法能够直接运用到隧道裂缝评估中，提升隧道稳定性预警能力。

Description

基于图像处理的隧道裂缝远程监测与预警方法
技术领域
本发明涉及隧道裂缝监测领域，具体涉及一种基于图像处理的隧道裂缝远程监测与预警方法。
背景技术
裂缝是结构现场安全性监测以及模型试验研究的重要指标。通过长期监测裂缝的发展情况可以较好的形成完整的隧道预警体系。但是现有主要检测方法依旧需要大量的人工参与，不仅效率低下，还会使成本大大增加。人工的参与会带有一定的主观性，监测检测的质量依赖于参与人的水平，导致结果的可信度不高。而且隧道周围环境有时处于非常复杂危险的状况，尤其是突发灾害过后，存在大量安全隐患，人工进入检测风险较大。所以靠高成本的人力去监测检测已经越来越难以达到维护的目的，也难以获得较高的监测检测质量，存在耗时长、强度高、覆盖范围窄、效率低等缺点。对于隧道的监测检测，增加智能化、自动化技术的投入势在必行。隧道的高效精确检测不仅仅需要技术，更需要相应的装备与之配合，来充分发挥技术的作用。通过将各种技术搭载在巡检装备上，进行综合的自动智能拟人化巡检，是未来发展的大趋势。
无人机是比较理想的移动检测载体装备，不论国内还是国外都在努力研究拓展其应用。无人机有着体积小、可摇感操控并且能在其上搭载多种传感器的优点，能到达人工不方便进行检测的地方，因此，无人机在进行数据收集方面可以发挥较大的作用。
发明内容
针对现有技术存在的上述不足，本发明的目的在于提供一种基于图像处理的隧道裂缝远程监测与预警方法。
为实现以上目的，本发明采用如下技术方案：
一种基于图像处理的隧道裂缝远程监测与预警方法，包括以下步骤：
S1.无人机图像采集及距离测量
S2.基于图像边缘处理的裂缝检测
利用无人机采集得到的衬砌表面照片，经过图像拼接、图像预处理、Hough直线检测、裂缝识别与提取和裂缝数据分析步骤，完成裂缝检测，并将识别结果进行输出；
S3.裂缝长期监测
将第一次采集到的裂缝信息特征整理成为信息库，后期进行监测时，将每次监测获取的信息与信息库进行匹配和对比，对于新产生的裂缝进行信息记录，对于已经产生的裂缝则进行信息比对；
S4.评价隧道裂缝的危险等级并根据评价结果对隧道进行安全预警。
进一步地，所述S2具体包括以下步骤：
1)图像拼接，将裂缝拍摄不完整的相邻图像进行融合；
2)图像预处理，包括采用灰度化、高斯滤波和图像增强处理；
3)Hough直线检测，对衬砌表面呈直线分布的干扰物进行识别，并排除；
4)裂缝识别与提取，采用阈值分割、边缘处理和小像素点处理技术对裂缝边缘进行筛选，去除弱边缘或虚假边缘；
5)裂缝数据分析，提取裂缝骨架，通过两边缘骨架连线的垂线方向确定裂缝走向，进而计算裂缝的长度和宽度；
6)输出裂缝具体信息。
进一步地，所述图像拼接，具体包括如下步骤:
11)图像匹配
首先将所有像素值看成位于一个坐标系，通过欧式距离公式最小化这两个坐标系的距离，以此来确定像素值最终在原始图像上匹配的位置；其次，通过比较特征点分别与最邻近点、次邻近点的比率进行筛选；根据实际图片设定某一阈值，当比率大于阈值时，则匹配失败，最后将多个图像坐标统一为参考坐标；
12)图像融合
采用图像融合算法对图片进行融合。
优选的，阈值分割处理时，根据直方图显示结果选取合适阈值，进行图像二值化。
优选的，采用Canny算子作为边缘处理工具，并通过阈值控制对生成边缘进行小像素点处理。
进一步地，裂缝数据分析包括计算实际拍摄面积、裂缝长度和裂缝宽度。
优选的，S1中，设置5条无人机纵向巡查路径，分别沿隧道的两腰处、两边墙脚以及拱顶处巡查。
优选的，S1中，根据无人机巡查结果布设控制点，对裂缝图像进行定点采集，拍摄时使无人机正对拍摄面。
优选的，无人机搭载激光测距仪，测距仪的主控模块通过控制云台的偏航和俯仰运动自动对准目标实施测距。
进一步优选的，所述图像融合中，采用中间的图像作为参考对象。
与现有技术相比，本发明具有以下有益效果：
(1)本发明提供了一种隧道裂缝远程监测及预警方法，采用无人机代替传统人工肉眼检出的方法，基于隧道裂缝分布情况，设计无人机自主监测路径，对隧道衬砌面图像进行收集和反馈，有利于获取裂缝的完整信息；
(2)图像采集后，采用图像拼接技术合成相邻图像保证裂缝完整性，运用图像识别技术对裂缝骨架进行识别和提取，借助Hough直线检测识别结构表面成像后边缘呈细长状的杂物噪声，排除其对病害裂缝识别的干扰，实现正确识别隧道裂缝的目标；并通过转换像素距离到空间距离直接获取裂缝长度、宽度，避免了人为误差和仪器误差，实现了短时间内对大量图像进行处理的可能性；
(3)本发明从裂缝定位、图像处理和裂缝安全评估三个方面进行探索，通过远程监测、智能识别、特征提取和等级判定等步骤，建立了一套完整的隧道裂缝监测-识别-测量-预警体系，是一种高效、安全、经济的隧道预警系统。本发明方法能够直接运用到隧道裂缝评估中，提升隧道稳定性预警能力。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明基于图像处理的隧道裂缝远程监测与预警方法流程图；
图2为裂缝识别流程图；
图3为彩色图像转换为灰度图像原理；
图4为滤波核计算过程图；
图5为图像直方图示例；
图6为图像的Hough变换图；
图7为拼接裂缝检测效果图，其中a为检测效果图，b为实际情况图；
图8为图像处理结果对比图，其中a、b、c、d分别为复合型裂缝、斜缝、纵缝、横缝的处理前图片，e、f、g、h分别为复合型裂缝、斜缝、纵缝、横缝的处理后图片；
图9为裂缝监测流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。
参见图1，一种基于图像处理的隧道裂缝远程监测与预警方法，包括以下步骤：
S1.无人机图像采集及距离测量
基于裂缝分布情况，设置5条无人机纵向巡查路径，分别沿两腰处、两边墙脚以及拱顶处巡查。根据巡查结果布设控制点，对裂缝图像进行定点采集，拍摄时要尽量使无人机正对拍摄面。
无人机搭载激光测距仪，测距仪的主控模块通过控制云台的偏航和俯仰运动自动对准目标实施测距。测距仪释放激光到达隧道裂缝表面并反射到接收器。接收器获得的激光往返时间乘以光速的二分之一，就是测距仪测得的距离，从而实现无人机自主测量。S2基于图像边缘处理的裂缝检测
裂缝检测利用拍摄得到的衬砌表面照片，经过图像拼接、图像预处理、Hough直线检测、裂缝识别与提取、裂缝数据分析等步骤，完成裂缝检测，并将识别结果进行输出。
裂缝识别详细步骤见图2所示：
1)图像拼接，将裂缝拍摄不完整的相邻图像进行融合；
隧道内部空间狭窄加之为了获取病害裂缝高分辨率图像，往往需要近距离采集图像，可能导致无人机拍摄的裂缝图像不完整。为了准确检测隧道裂缝情况，需要将具有重叠部分的多个图像融合在一起。其具体步骤如下:
11)图像匹配
图像匹配是将不同坐标系的多张图像转换为同一坐标系的过程。具体步骤是首先将所有像素值看成位于一个坐标系，通过欧式距离公式最小化这两个坐标系的距离，以此来确定像素值最终在原始图像上匹配的位置，距离计算式如公式(1)所示。其次，通过比较特征点分别与最邻近点、次邻近点的比率进行筛选。根据实际图片设定某一阈值，当比率大于阈值时，则匹配失败。最后将多个图像坐标统一为参考坐标。
Figure BDA0003690944600000041
12)图像融合
无人机同一次拍摄的相邻图像受光照等外界因素影响较小，故可采用直接图像融合算法对图片进行融合。为了减少累积误差，一般选取中间的图像作为参考对象。
2)图像预处理，采用灰度化、高斯滤波、图像增强处理增加裂缝与背景的区分度，减少噪声与不均匀光照的影响；
21)灰度化处理
受隧道表面混凝土衬砌以及灯光不匀的影响，采集的图像大都呈灰色，裂缝与背景区分度较小。为了使图像呈现更多级的颜色深度，需要对图片进行深度化处理，其原理如图3所示。
22)高斯滤波处理
拍摄图像背景噪声复杂，需要通过高斯滤波进行处理，去除裂缝噪声使其平滑。高斯滤波去噪就是对整幅图像像素值进行加权平均，每一个像素点的值都由其本身值和邻域内的其他像素值经过加权平均后得到。
其去噪步骤如下:①人为创建一个一维高斯掩模，设中心点坐标为(0，0)，则其周围8个点的坐标如图4(a)所示。②以3*3的滤波核为例，假设σ＝0.5，使用公式(2)卷积得到半径为1的权重矩阵，如图4(b)所示。③通过计算加权平均值，得到最终的权重矩阵也就是滤波核，如图4(c)所示。④将该滤波核与待处理图像进行卷积，便可得到处理图像。
Figure BDA0003690944600000051
23)图像增强处理
裂缝与背景对比度较低，需进行图像增强处理突出目标对象。直方图均衡化通常用来增加许多图像的全局对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。
图像增强步骤如下：首先获得经高斯滤波处理后图像的直方图，如图5所示，它可以表示每个灰度图像的像素数，展示出图像中各个灰度级分布。其次，进行自适应直方图均衡化增强，通过扩展裂缝照片的动态范围提升裂缝与背景的对比度。
3)Hough直线检测，对衬砌表面呈直线分布的干扰物进行识别，排除。
Hough直线检测借助点与线的对偶性，将图像坐标下的线型转换为参数坐标下的点，根据点的聚集情况判定曲线的性质，从而对直线进行识别。
隧道衬砌表面往往含有管道、装饰、支架、拼接缝等成像后呈直线分布的图像，为了防止后期将其误判为病害裂缝，需要提前进行识别，排除。
选取canny边缘检测对裂缝进行识别，通过Hough变换函数对拼接缝进行了直线检测，图像的Hough变换图以及拼接裂缝检测效果图如图6、7所示。
4)裂缝识别与提取，采用阈值分割，边缘处理，小像素点处理技术对裂缝边缘进行筛选，去除弱边缘或虚假边缘；
41)阈值分割处理
阈值分割的基本原理是：通过设定不同的特征阈值，把图像分为若干类。在进行边缘阈值筛选时，根据直方图显示结果选取合适阈值，进行图像二值化，此处阈值应当保守选取，适当保留灰度大的非裂缝点，可使最终裂缝测量值略偏大。本领域技术人员能够了解如何选取合适阈值，取值范围根据直方图显示结果确定，例如，对于单峰图，取直方图中灰度值最高的一点与最左边点的连线，直方图上离直线最远的点附近就是阈值取值范围；对于多峰图，阈值选择两峰之间的谷底。
42)边缘处理使用
Canny算子具有错误率低、定位精度高和抑制虚假边缘等特点。它通过两个阈值检测强和弱的边缘，当出现一些中庸边缘时，会根据是否与强边缘相关确定特征点是否被认定为边缘，能够更准确地识别出裂缝的实际边缘。因此，本发明图像检测选用Canny算子作为边缘处理工具。
43)小像素点处理
Canny算子标识裂缝边缘是一次性完成的，可能出现错误标识噪声的现象，因此最后需要通过阈值控制对生成边缘进行小像素点处理，去除干扰边缘。
经过一系列图像处理后，近似认为所剩像素点属于裂缝组成部分。
本发明运用上诉步骤对横缝、纵缝、斜缝以及复合型裂缝图像进行处理，结果如图8所示。结果显示，该图像处理过程对各种类型裂缝识别较为准确，具有普遍性。
5)裂缝数据分析，提取裂缝骨架，通过两边缘骨架连线的垂线方向确定裂缝走向，进而计算裂缝长度、宽度；
无人机在拍摄裂缝图片时使用测距仪对隧道墙壁与相机间的距离进行精确测量，设其距离为L。
51)计算实际拍摄面积S，如公式(3)、(4)、(5)所示。其中B为实际拍摄墙壁宽度，H为实际拍摄墙壁长度，b为无人机拍摄照片宽度，h为无人机拍摄照片长度，f为镜头焦距。
Figure BDA0003690944600000061
Figure BDA0003690944600000062
S＝H*B (5)
52)计算裂缝长度、宽度。将图片按照像素分成若干个小正方形。选择骨架上左右各两点，拟合出一条二次抛物线，如公式(6)、(7)、(8)所示：
设
y＝Ax2+Bx+C (6)
Figure BDA0003690944600000071
Figure BDA0003690944600000072
抛物线的法线方向，就是线状裂缝宽度的方向。在此方向上，求取两像素点的距离，如公式(9)、(10)、(11)所示。记每个像素的实际边长为δ，无人机拍摄图片像素个数为n，裂缝之间像素个数为n1，裂缝间距离为d。
Figure BDA0003690944600000073
Figure BDA0003690944600000074
d＝n1*δ (11)
6)输出裂缝具体信息。
S3.裂缝长期监测
裂缝某个时刻的信息并不能完全反应隧道的稳定情况，针对裂缝随机萌生状况需要建立长期监测机制。具体实施步骤如图9:将第一次采集到的裂缝信息特征整理成为信息库，一段时间后进行第二次监测，将每次监测获取的信息与信息库进行匹配和对比，对于新产生的裂缝进行信息记录，对于已经产生的裂缝则进行信息比对。
S4.隧道裂缝预警判据
根据《公路隧道养护技术规范》《铁路工务技术手册-隧道》要求以及李治国、王华牢、陈立潮、郑阳焱等人建立的隧道裂缝判定等级，确定将隧道裂缝状态根据长宽度分为4个等级，其判定标准如表1、2、3所示。
表1无发展性裂缝等级判定标准
Figure BDA0003690944600000075
Figure BDA0003690944600000081
表2有发展性裂缝等级判定标准
Figure BDA0003690944600000082
表3等级评价结果
Figure BDA0003690944600000083
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。

Claims (10)

1.一种基于图像处理的隧道裂缝远程监测与预警方法，其特征在于，包括以下步骤：
S1.无人机图像采集及距离测量
S2.基于图像边缘处理的裂缝检测
利用无人机采集得到的衬砌表面照片，经过图像拼接、图像预处理、Hough直线检测、裂缝识别与提取和裂缝数据分析步骤，完成裂缝检测，并将识别结果进行输出；
S3.裂缝长期监测
将第一次采集到的裂缝信息特征整理成为信息库，后期进行监测时，将每次监测获取的信息与信息库进行匹配和对比，对于新产生的裂缝进行信息记录，对于已经产生的裂缝则进行信息比对；
S4.评价隧道裂缝的危险等级并根据评价结果对隧道进行安全预警。
2.根据权利要求1所述基于图像处理的隧道裂缝远程监测与预警方法，其特征在于，所述S2具体包括以下步骤：
1)图像拼接，将裂缝拍摄不完整的相邻图像进行融合；
2)图像预处理，包括采用灰度化、高斯滤波和图像增强处理；
3)Hough直线检测，对衬砌表面呈直线分布的干扰物进行识别，并排除；
4)裂缝识别与提取，采用阈值分割、边缘处理和小像素点处理技术对裂缝边缘进行筛选，去除弱边缘或虚假边缘；
5)裂缝数据分析，提取裂缝骨架，通过两边缘骨架连线的垂线方向确定裂缝走向，进而计算裂缝的长度和宽度；
6)输出裂缝具体信息。
3.根据权利要求1或2任一项所述基于图像处理的隧道裂缝远程监测与预警方法，其特征在于，所述图像拼接，具体包括如下步骤:
11)图像匹配
首先将所有像素值看成位于一个坐标系，通过欧式距离公式最小化这两个坐标系的距离，以此来确定像素值最终在原始图像上匹配的位置；其次，通过比较特征点分别与最邻近点、次邻近点的比率进行筛选；根据实际图片设定某一阈值，当比率大于阈值时，则匹配失败，最后将多个图像坐标统一为参考坐标；
12)图像融合
采用图像融合算法对图片进行融合。
4.根据权利要求2所述基于图像处理的隧道裂缝远程监测与预警方法，其特征在于，阈值分割处理时，根据直方图显示结果选取合适阈值，进行图像二值化。
5.根据权利要求1或2任一项所述基于图像处理的隧道裂缝远程监测与预警方法，其特征在于，采用Canny算子作为边缘处理工具，并通过阈值控制对生成边缘进行小像素点处理。
6.根据权利要求1或2任一项所述基于图像处理的隧道裂缝远程监测与预警方法，其特征在于，裂缝数据分析包括计算实际拍摄面积、裂缝长度和裂缝宽度。
7.根据权利要求1所述基于图像处理的隧道裂缝远程监测与预警方法，其特征在于，S1中，设置5条无人机纵向巡查路径，分别沿隧道的两腰处、两边墙脚以及拱顶处巡查。
8.根据权利要求1所述基于图像处理的隧道裂缝远程监测与预警方法，其特征在于，S1中，根据无人机巡查结果布设控制点，对裂缝图像进行定点采集，拍摄时使无人机正对拍摄面。
9.根据权利要求1所述基于图像处理的隧道裂缝远程监测与预警方法，其特征在于，无人机搭载激光测距仪，测距仪的主控模块通过控制云台的偏航和俯仰运动自动对准目标实施测距。
10.根据权利要求3所述基于图像处理的隧道裂缝远程监测与预警方法，其特征在于，所述图像融合中，采用中间的图像作为参考对象。
CN202210661201.0A 2022-06-13 2022-06-13 基于图像处理的隧道裂缝远程监测与预警方法 Pending CN115035141A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210661201.0A CN115035141A (zh) 2022-06-13 2022-06-13 基于图像处理的隧道裂缝远程监测与预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210661201.0A CN115035141A (zh) 2022-06-13 2022-06-13 基于图像处理的隧道裂缝远程监测与预警方法

Publications (1)

Publication Number Publication Date
CN115035141A true CN115035141A (zh) 2022-09-09

Family

ID=83124398

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210661201.0A Pending CN115035141A (zh) 2022-06-13 2022-06-13 基于图像处理的隧道裂缝远程监测与预警方法

Country Status (1)

Country Link
CN (1) CN115035141A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116630899A (zh) * 2023-07-21 2023-08-22 四川公路工程咨询监理有限公司 一种高速公路边坡病害监测预警系统
CN116699723A (zh) * 2023-08-08 2023-09-05 四川省公路规划勘察设计研究院有限公司 一种基于隧道衬砌拱部掉块的数据处理系统及预警方法
CN117557971A (zh) * 2024-01-12 2024-02-13 湖北神龙工程测试技术有限公司 基于物联网的危房监测方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116630899A (zh) * 2023-07-21 2023-08-22 四川公路工程咨询监理有限公司 一种高速公路边坡病害监测预警系统
CN116630899B (zh) * 2023-07-21 2023-10-20 四川公路工程咨询监理有限公司 一种高速公路边坡病害监测预警系统
CN116699723A (zh) * 2023-08-08 2023-09-05 四川省公路规划勘察设计研究院有限公司 一种基于隧道衬砌拱部掉块的数据处理系统及预警方法
CN116699723B (zh) * 2023-08-08 2023-10-31 四川省公路规划勘察设计研究院有限公司 一种基于隧道衬砌拱部掉块的数据处理系统及预警方法
CN117557971A (zh) * 2024-01-12 2024-02-13 湖北神龙工程测试技术有限公司 基于物联网的危房监测方法
CN117557971B (zh) * 2024-01-12 2024-03-26 湖北神龙工程测试技术有限公司 基于物联网的危房监测方法

Similar Documents

Publication Publication Date Title
CN115035141A (zh) 基于图像处理的隧道裂缝远程监测与预警方法
CN105784710B (zh) 一种基于数字图像处理的混凝土桥梁裂缝检测装置
CN109655040B (zh) 一种基于无人机靶向技术的边坡位移监测方法
Turker et al. Detection of collapsed buildings caused by the 1999 Izmit, Turkey earthquake through digital analysis of post-event aerial photographs
CN108230344B (zh) 一种隧道渗漏水病害自动识别方法
CN110246130B (zh) 基于红外和可见光图像数据融合的机场道面裂缝检测方法
CN112528979B (zh) 变电站巡检机器人障碍物判别方法及系统
CN103051872B (zh) 基于图像边缘提取的输送带跑偏检测方法
EP3023913A1 (en) Crack data collection method and crack data collection program
CN102063718A (zh) 一种点激光测量系统的现场标定和精密测量方法
CN104574393A (zh) 一种三维路面裂缝图像生成系统和方法
CN111524091B (zh) 信息处理装置、信息处理方法和存储介质
CN107798293A (zh) 一种道路裂缝检测装置
CN111126183A (zh) 一种基于近地面影像数据的震后建筑物损毁检测方法
CN107092905B (zh) 一种电力巡检机器人的待识别仪器定位方法
CN114812403A (zh) 基于无人机及机器视觉的大跨度钢结构吊装变形监测方法
CN204405556U (zh) 一种基于数字图像处理的混凝土桥梁裂缝检测装置
CN109708648A (zh) 一种空间运动点目标的分类辨识方法
CN115993096A (zh) 一种高层建筑变形测量方法
CN115690081A (zh) 一种树木计数方法、系统、存储介质、计算机设备及终端
Vetrivel et al. Potential of multi-temporal oblique airborne imagery for structural damage assessment
CN115115595A (zh) 一种面向森林火灾监测的机载激光雷达和红外相机的实时标定方法
CN107967452B (zh) 一种基于视频的深海矿物分布识别方法及系统
CN116758006B (zh) 脚手架质量检测方法及装置
CN108520500B (zh) 基于禁忌搜索的图像中天空区域的识别方法

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