CN115420207A - 一种盾构机尾间隙测量方法、装置、设备及介质 - Google Patents
一种盾构机尾间隙测量方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115420207A CN115420207A CN202210886016.1A CN202210886016A CN115420207A CN 115420207 A CN115420207 A CN 115420207A CN 202210886016 A CN202210886016 A CN 202210886016A CN 115420207 A CN115420207 A CN 115420207A
- Authority
- CN
- China
- Prior art keywords
- image
- laser
- intersection point
- target
- distance value
- 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
Links
- 238000000691 measurement method Methods 0.000 title claims description 12
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000005259 measurement Methods 0.000 claims abstract description 15
- 230000000694 effects Effects 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 10
- 238000005286 illumination Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 4
- 230000001678 irradiating effect Effects 0.000 claims description 4
- 238000002310 reflectometry Methods 0.000 claims 6
- 230000008447 perception Effects 0.000 claims 5
- 230000002708 enhancing effect Effects 0.000 claims 3
- 239000000284 extract Substances 0.000 description 10
- 230000009286 beneficial effect Effects 0.000 description 8
- 230000001681 protective effect Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 230000005641 tunneling Effects 0.000 description 5
- 238000009412 basement excavation Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000000877 morphologic effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 241000282979 Alces alces Species 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 239000011888 foil Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229920003229 poly(methyl methacrylate) Polymers 0.000 description 1
- 239000004926 polymethyl methacrylate Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000010802 sludge Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/14—Measuring arrangements characterised by the use of optical techniques for measuring distance or clearance between spaced objects or spaced apertures
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种盾构机尾间隙测量方法、装置、设备及介质，包括：获取待检测图像，待检测图像为第一激光源和第二激光源照射到盾壳内壁上的图像；根据待检测图像，确定待检测图像中的第一目标区域，第一目标区域中包含第一激光交叉点、第二激光交叉点和盾壳内壁；根据第一目标区域，提取出第一激光交叉点、第二激光交叉点和盾壳内边缘，得到目标图像；根据目标图像，确定第一距离值、第二距离值和第三距离值；根据第一距离值、第二距离值和第三距离值，确定盾构机尾间隙。解决了采用人工测量盾构尾部间隙，效率低、安全隐患多的问题。
Description
技术领域
本发明涉及盾构机施工技术领域，尤其涉及一种盾构机尾间隙测量方法、装置、设备及介质。
背景技术
如今，随着经济的快速发展，城市轨道交通已成为汽车、火车等传统交通工具中最受欢迎的出行方式，近年来，为了满足大型城市轨道交通等地下工程建设的迫切需要，盾构机施工技术和设备得到了广泛的应用，盾构机尾缘间隙的实时测量与监测是盾构机施工中的一项关键技术，它对于控制盾构机的工作姿态，保证盾构机掘进的效率和安全起着至关重要的作用，具体来说，盾构机尾间隙是指盾构机的盾壳外缘与盾壳内缘之间的间隙距离，盾构机尾部间隙一旦超过预定的限值，就会造成盾构机尾部与管片之间的过度挤压，加速盾构机尾部密封刷的磨损，降低掘进速度，甚至使管片失调或损坏，从而导致隧道渗漏、地表沉降等严重后果，因此，为了保证盾构施工的效率和安全，有必要对盾构尾部间隙进行实时、连续、定期的测量。
现有技术通常采用人工测量的方法对盾构尾部间隙进行测量，但是人工测量的方法效率低，安全隐患多。
发明内容
为了克服现有采用人工测量盾构尾部间隙，效率低、安全隐患多的问题，本发明提供了一种盾构机尾间隙测量方法、装置及电子设备。
第一方面，为了解决上述技术问题，本发明提供了一种盾构机尾间隙测量方法，包括以下步骤：
获取待检测图像，待检测图像为第一激光源和第二激光源照射到盾壳内壁上的图像；
根据待检测图像，确定待检测图像中的第一目标区域，第一目标区域中包含第一激光交叉点、第二激光交叉点和盾壳内壁，第一激光交叉点表征了第一激光源发射的激光在盾壳内壁上形成的第一个交叉点，第二激光交叉点表征了第二激光源发射的激光在盾壳内壁上形成的第二个交叉点；
根据第一目标区域，提取出第一激光交叉点、第二激光交叉点和盾壳内边缘，得到目标图像，盾壳内边缘表征了盾壳内壁内径对应的边缘；
根据目标图像，确定第一距离值、第二距离值和第三距离值，第一距离值表征了在目标图像中，第一激光交叉点和第二激光交叉点之间的直线距离，第二距离值表征了在目标图像中，第一激光交叉点到盾壳内边缘的垂直距离，第三距离值表征了在目标图像中，第二激光交叉点到盾壳内边缘的垂直距离；
根据第一距离值、第二距离值和第三距离值，确定盾构机尾间隙。
本发明提供的一种盾构机尾间隙测量方法的有益效果是：获取待检测图像，然后从待检测图像中确定第一目标区域，根据第一目标区域，从第一目标区域中得到目标图像，最后从目标图像中获取确定盾构机尾间隙所需的第一距离值、第二距离值和第三距离值，本申请无需工人去现场测量，解决了人工测量盾构尾部间隙，效率低、安全隐患多的问题。
在上述技术方案的基础上，本发明的一种盾构机尾间隙测量方法还可以做如下改进。
进一步，上述根据待检测图像，确定待检测图像中的第一目标区域，包括：
根据待检测图像，通过目标检测模型，确定第一目标区域，其中，目标检测模型是通过SSD网络训练得到的。
采用上述进一步方案的有益效果是：通过训练得到的目标检测模型得到第一目标区域，效率更高。
进一步，上述方法还包括：
根据第一目标区域，对第一目标区域的图像效果增强，得到第二目标区域；
根据第一目标区域，提取出第一激光交叉点、第二激光交叉点和盾壳内边缘，得到目标图像，包括：
将第二目标区域转化为灰度图像，根据灰度图像，提取出第一激光交叉点、第二激光交叉点和盾壳内边缘，得到目标图像。
采用上述进一步方案的有益效果是：对第一目标区域的图像效果进行增强得到第二目标区域，便于后续从第二目标区域中得到更加清晰、准确的目标图像。
进一步，上述根据第一目标区域，对第一目标区域的图像效果增强，得到第二目标区域，包括：
S31，根据第一目标区域，通过第一公式，得到第一目标区域对应的反射率图像对比度，其中，第一公式为：
R(x，y)＝logI(x，y)-log(I(x，y)*G(x，y))；
其中，R(x，y)表示反射率图像对比度，I(x，y)表示第一目标区域，G(x，y)表示高斯平滑算子，σ表示第一预设值；
S32，根据反射率图像对比度，通过第二公式，对反射率图像对比度进行校正，得到感知反射率，其中，第二公式为：
Rp(x，y)＝max[0，R(x，y)+1]；
其中，Rp(x，y)表示感知反射率；
S33，根据感知反射率，通过第三公式，得到感知照明度，其中，第三公式为：
其中，Lp表示感知照明度；
S34，根据感知照明度，通过第四公式，对感知照明度进行校正，得到知觉照明度，其中，第四公式为：
其中，Lm表示知觉照明度，γ表示第二预设值；
S35，根据知觉照明度，通过第五公式，得到第一目标区域对应的曝光比例图，其中，第五公式为：
其中，K表示曝光比例图；
S36，根据曝光比例图，通过第六公式，对第一目标区域的图像效果进行增强，得到第二目标区域，其中，第六公式为：
其中，Ie(x,y)表示第二目标区域，a表示第三预设值，b表示第四预设值。
采用上述进一步方案的有益效果是：通过第一公式至第六公式，对第一目标区域进行效果增强，使得第一目标区域的整体亮度变得更加均匀，细节更加清晰，从而得到图像效果更佳的第二目标图像。
进一步，上述根据灰度图像，提取出第一激光交叉点和第二激光交叉点，包括：
S41，根据预设的第一阈值，将灰度图像中像素大于第一阈值的像素提取出来，得到多个目标像素；
S42，对各个目标像素进行聚集形成线段，得到各个目标线段；
S43，获取各个目标线段之间的目标交叉点，目标交叉点包含第一激光交叉点和第二激光交叉点。
采用上述进一步方案的有益效果是：通过第一阈值，将灰度图像中像素大于第一阈值的像素提取出来，得到多个目标像素，再将目标像素进行聚集形成线段，得到各个目标线段，最后各个目标线段之间交叉形成目标交叉点，通过上述方法，就能快速的从灰度图像中提取出第一激光交叉点和第二激光交叉点。
进一步，上述根据灰度图像，提取出盾壳内边缘，包括：
S51，将灰度图像与预设的梯度算子进行卷积，得到卷积图像；
S52，根据预设的第二阈值，将卷积图像中大于第二阈值的像素点提取出来，得到前景图像；
S53，从前景图像中提取出多个目标边缘线；
S54，获取每个目标边缘线在前景图像对应的坐标轴上的斜率和与Y轴的截距；
S55，从各个目标边缘线中选择斜率的绝对值最小，且截距最大的目标边缘线作为盾壳内边缘。
采用上述进一步方案的有益效果是：将灰度图像与梯度算子进行卷积，得到卷积图像，再根据第二阈值，将卷积图像中像素大于第二阈值的像素提取出来，得到前景图像，从前景图像中提取出目标边缘线，最后根据目标边缘线在前景图像对应的坐标轴上的斜率和与Y轴的截距，选择目标边缘线中选择斜率跟0比差值最小，且截距最大的目标边缘线作为盾壳内边缘，通过上述方法，能够快速的从灰度图像中提取出盾壳内边缘。
进一步，该方法还包括：
获取第一激光光源与第二激光源之间的第四距离值、盾壳内壁的厚度值、第一激光交叉点到盾壳内壁的第五距离值和第二激光交叉点到盾壳内壁的第六距离值，第四距离值表征了第一激光光源与第二激光源之间的直线距离，第五距离值表征了第一激光交叉点到盾壳内壁的直线距离，第六距离值表征了第二激光交叉点到盾壳内壁的直线距离；
根据第一距离值、第二距离值和第三距离值，确定盾构机尾间隙，包括：
根据第一距离值、第二距离值、第三距离值、第四距离值、第五距离值、第六距离值和厚度值，通过第七公式，确定盾构机尾间隙，其中，第七公式为：
g＝I1+d1-h；
g＝I2+d2-h；
其中，g表示盾构机尾间隙，PW表示第一距离值，
表示第二距离值，
表示第三距离值，w表示第四距离值，I1表示第五距离值，I2表示第六距离值，h表示厚度值，d1表示在现场中第一激光交叉点到盾壳内边缘的实际距离，d2表示在现场中第二激光交叉点到盾壳内边缘的实际距离。
采用上述进一步方案的有益效果是：通过第七公式，能够快速的得到确定盾构机尾间隙的第一距离值、第二距离值和第三距离值，最后通过第一距离值、第二距离值和第三距离值即可确定盾构机尾间隙。
第二方面，本发明提供了一种盾构机尾间隙测量系统装置，包括：
获取模块，用于获取待检测图像，待检测图像为第一激光源和第二激光源照射到盾壳内壁上的图像；
第一确定模块，用于根据待检测图像，确定待检测图像中的第一目标区域，第一目标区域中包含第一激光交叉点、第二激光交叉点和盾壳内壁，第一激光交叉点表征了第一激光源发射的激光与第二激光源发射的激光在盾壳内壁上的第一个交叉点，第二激光交叉点表征了第一激光源发射的激光与第二激光源发射的激光在盾壳内壁上的第二个交叉点；
第二确定模块，用于根据第一目标区域，提取出第一激光交叉点、第二激光交叉点和盾壳内边缘，得到目标图像，盾壳内边缘表征了盾壳内壁内径对应的边缘；
第三确定模块，用于根据目标图像，确定第一距离值、第二距离值和第三距离值，第一距离值表征了在目标图像中，第一激光交叉点和第二激光交叉点之间的直线距离，第二距离值表征了在目标图像中，第一激光交叉点到盾壳内边缘的垂直距离，第三距离值表征了在目标图像中，第二激光交叉点到盾壳内边缘的垂直距离；
第四确定模块，用于根据第一距离值、第二距离值和第三距离值，确定盾构机尾间隙。
本发明提供的图像自动标注装置的有益效果是：获取待检测图像，然后从待检测图像中确定第一目标区域，根据第一目标区域，从第一目标区域中得到目标图像，最后从目标图像中获取确定盾构机尾间隙所需的第一距离值、第二距离值和第三距离值，本申请无需工人去现场测量，解决了人工测量盾构尾部间隙，效率低、安全隐患多的问题。
第三方面，本发明还提供了一种电子设备，包括存储器、处理器及存储在存储器上并在处理器上运行的程序，处理器执行程序时实现一种盾构机尾间隙测量方法的步骤。
第四方面，本发明还提供了一种计算机可读存储介质，计算机可读存储介质中存储有指令，当指令在终端设备上运行时，使得终端设备执行一种盾构机尾间隙测量方法的步骤。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面结合附图和实施例对本发明作进一步说明。
图1为本发明实施例的一种盾构机尾间隙测量方法流程示意图；
图2为图像采集装置的结构示意图；
图3为CCD摄像机在像素利用率低时拍摄的图像；
图4为CCD摄像机在像素利用率高时拍摄的图像；
图5为对第一目标区域进行图像增强效果的流程图；
图6为根据灰度图像得到目标图像的流程图；
图7为盾构机尾间隙的几何模型图；
图8为盾构机姿态模拟图；
图9为本发明实施例的一种盾构机尾间隙测量装置结构示意图。
具体实施方式
下列实施例是对本发明的进一步解释和补充，对本发明不构成任何限制。
如图1所示，本发明实施例的一种盾构机尾间隙测量方法，包括如下步骤：
S1，获取待检测图像，待检测图像为第一激光源和第二激光源照射到盾壳内壁上的图像。
本实施例中，由图像采集装置获取待检测图像，由于盾构机正常掘进过程中，一般是在充满含油污泥、极端温湿度、剧烈振动和冲击等恶劣环境下，同时受到盾构机尾部受限空间的限制，因此，图像采集装置的安装空间极其狭小，考虑到各种外部因素的干扰，图像采集装置采用一体化设置，该监控装置采用新型机械结构，能适应恶劣的现场环境，并能方便地安装在狭小的空间内。如图2所示的图像采集装置，图像采集装置包括工业摄影机1、激光测距仪、第一激光源2、第二激光源3、光源、微型断路器和变压器，图像采集装置包含的所有设备通过固定板4和支架5固定在一个完全封闭的保护罩内(长度为180毫米，宽度为110毫米，高度为90毫米，由于保护罩为透明结构，因此，未将保护罩画出来)，保护罩前部采用高透光率、高强度的丙烯酸玻璃制成，电源和箔式双绞线通信电缆穿过两个不同直径的孔，在保护罩后端用防水连接器锁紧，保护罩通过四个减震螺丝固定在地基上。
另外，图像采集装置通过微型断路器充当开关，自动切断电路电流，保证图像采集装置中各设备不会过载，变压器可按照图像采集装置中各设备的电压要求，将220伏交流电转换为不同的电压，
另外，图像采集装置通过传输单元与控制单元连接，其中，传输单元包括以太网交换机和网络交换机，本实施例中，具体采用吉比特以太网。
另外，控制单元由工业个人计算机、显示器和其他必要的计算机设备组成，控制单元主要用于计算数据、运行各类软件和发送控制命令。
另外，工业摄像机是基于机器视觉的隧道缺陷监测中应用最广泛的CCD摄像机，CCD摄像机能更快更准确地捕捉图像，由于地下隧道施工的需要，CCD摄像机具有以下特点:能在恶劣的工作环境、极端温湿度、冲击和振动大的条件下进行摄像，在不同的测量距离下具有变焦功能，使用寿命长。在实际应用中，隧道照明不均匀会降低图像质量，进而影响测量结果。为了消除这方面的负面影响，当触发CCD摄像机时，将COB光作为光源，辅助照明(COB光安装在保护罩上，因此未画出)。
另外，激光测距仪(安装在保护罩上，因此未画出)，在盾构机掘进过程中，各环管片拼装完成后，盾构机必须继续向前掘进，在固定的焦距下，随着第一激光源、第二激光源分别与盾壳内壁之间距离的拉长，物距逐渐增大，CCD摄像机采集的图像的景深(自由度)也随之增大，此时会出现有用的信息只占整个图像的一小部分，像素利用率非常低的情况，例如图3为像素利用率低时的CCD摄像机采集的图像，如图4为像素利用率高时的CCD摄像机采集的图像，这增加了图像处理的难度，降低了测量结果的准确性。根据CCD摄像机成像原理，通过改变焦距，可以保持摄像机在不同物距下的景深不变，在该原理下，该激光测距仪可用于盾构机掘进过程中实时测量物体(即第一激光源、第二激光源与盾壳内壁)之间的距离，并可根据实时测量物体之间的距离调整CCD摄像机当前焦距，提高同一像素大小下的像素利用率。
S2，根据待检测图像，确定待检测图像中的第一目标区域，第一目标区域中包含第一激光交叉点、第二激光交叉点和盾壳内壁，第一激光交叉点表征了第一激光源发射的激光在盾壳内壁上形成的第一个交叉点，第二激光交叉点表征了第二激光源发射的激光在盾壳内壁上形成的第二个交叉点。
可选的，根据待检测图像，确定待检测图像中的第一目标区域，包括：
根据待检测图像，通过目标检测模型，确定第一目标区域，其中，目标检测模型是通过SSD网络训练得到的。
可选的，SSD网络训练过程如下：
步骤1：收集500幅原始图像，原始图像中包含了第一激光源和第二激光源照射到盾壳内壁上的图像；
步骤2：使用注释工具在原始图像上绘制标识框，标示框表征了原始图像上第一激光交叉点和第二激光交叉点所在范围；
步骤3：将带有物体包围框的原始图像作为训练集；
步骤4：使用训练集输入SSD网络进行训练，得到目标检测模型。
另外，为了提高新环境下目标检测模型的准确性和可靠性，还会获取包含从不同项目地点获取的新的原始图像，将新的原始图像作为训练集，对目标检测模型进行迭代更新。
可选的，还包括：
根据第一目标区域，对第一目标区域的图像效果增强，得到第二目标区域；
本实施例中，为减轻隧道内照明条件欠佳所带来的负面影响，图像采集装置会采用COB光作为光源，辅助照明，然而，并不能保证消除光照不均匀的影响。CCD摄像机采集的图像仍存在亮度不均匀、图像对比度低、细节不足等问题。因此，在进行后续操作之前，应该采用图像增强技术来增强图像细节，提高图像质量。
可选的，如图5所示，按照第一流程对第一目标区域的图像效果进行增强，得到第二目标区域，其中，第一流程包括：
S31，根据第一目标区域，通过第一公式，得到第一目标区域对应的反射率图像对比度，其中，第一公式为：
R(x，y)＝logI(x，y)-log(I(x，y)*G(x，y))；
其中，R(x，y)表示反射率图像对比度，I(x，y)表示第一目标区域，G(x，y)表示高斯平滑算子，σ表示第一预设值；
S32，根据反射率图像对比度，利用SSR algorithm算法，并通过第二公式，对反射率图像对比度进行校正，得到感知反射率，其中，第二公式为：
Rp(x，y)＝max[0，R(x，y)+1]；
其中，Rp(x，y)表示感知反射率；
S33，根据感知反射率，利用Retinex theory算法即第三公式，得到感知照明度，其中，第三公式为：
其中，Lp表示感知照明度；
S34，根据感知照明度，在Light adjustment模型对感知照明度进行校正即第四公式，得到知觉照明度，其中，第四公式为：
其中，Lm表示知觉照明度，γ表示第二预设值；
S35，根据知觉照明度，通过第五公式，得到第一目标区域对应的曝光比例图，其中，第五公式为：
其中，K表示曝光比例图；
S36，根据曝光比例图，利用Multi-exposure fusion framework多曝光融合算法即第六公式，对第一目标区域的图像效果进行增强，得到第二目标区域，其中，第六公式为：
其中，Ie(x,y)表示第二目标区域，a表示第三预设值，b表示第四预设值。
S3，根据第一目标区域，提取出第一激光交叉点、第二激光交叉点和盾壳内边缘，得到目标图像，盾壳内边缘表征了盾壳内壁内径对应的边缘。
可选的，根据第一目标区域，提取出第一激光交叉点、第二激光交叉点和盾壳内边缘，得到目标图像，包括：
将第二目标区域转化为灰度图像，根据灰度图像，提取出第一激光交叉点、第二激光交叉点和盾壳内边缘，得到目标图像。
可选的，如图6所示，图6中第一行第一张图表示了待检测图像(Orignal image)，第二张图表示了根据目标检测模型获得的第一目标区域(ROI)，第三张图表示了对第一目标区域进行图像增强(image enhancement)得到的第二目标区域(enhancement image)，除此之外，还包括对第二目标区域进行灰度处理，使用RGB to Gray算法对第二目标区域进行灰度处理，以及使用高斯滤波(Gaussian filter)对灰度处理后的第二目标区域去噪，得到灰度图像(Gray image)。
可选的，如图6所示，图6中第二行表示了根据灰度图像，提取出第一激光交叉点和第二激光交叉点的第二流程，其中，第二流程包括：
S41，根据预设的第一阈值，将灰度图像中像素大于第一阈值的像素提取出来，得到多个目标像素；
S42，对各个目标像素进行聚集形成线段，得到各个目标线段；S43，获取各个目标线段之间的目标交叉点(Recognize intersection)，目标交叉点包含第一激光交叉点和第二激光交叉点。
参见图6所示，将各个白色的目标像素形成多个白色的线段，图6中的两个交点即为第一激光交叉点和第二激光交叉点。
可选的，S41中，可以使用灰度直方图(Gray histogram)统计灰度图像中各个像素的灰度值出现的频率，然后根据频率，选取全局亮度的5.3％作为第一阈值。
可选的，S41中，使用阈值分割法(threshold segmentation)提取各个目标像素。可选的，S42中，使用概率霍夫变换(PPHT)对各个目标像素进行聚集形成线段。
可选的，S42中，在使用概率霍夫变换(PPHT)之前，还可以使用形态学开放操作(Morphological opening operation)减弱离散点，消除一些起干扰作用的目标像素，提高概率霍夫变换(PPHT)的效率。可选的，如图6所示，第三行表示了根据灰度图像，提取出盾壳内边缘的第三流程，其中，第三流程包括：
S51，将灰度图像与预设的梯度算子(Edge detection operator GY)进行卷积，得到卷积图像；
S52，根据预设的第二阈值，将卷积图像中大于第二阈值的像素点提取出来，得到前景图像；
S53，从前景图像中提取出多个目标边缘线(Select line)；
S54，获取每个目标边缘线在前景图像对应的坐标轴上的斜率和与Y轴的截距；
S55，从各个目标边缘线中选择斜率的绝对值最小，且截距最大的目标边缘线作为盾壳内边缘。
可选的，S51中，还可以使用形态腐蚀算法(Erode)对卷积图像进行腐蚀，进一步去除噪声干扰。
可选的，S52中，选取全局亮度的5.3％作为第二阈值，并利用OTSU算法对像素点进行提取，得到前景图像。
可选的，S53中，使用霍夫变换(PPHT)从前景图像中提取出多个目标边缘线。
可选的，S55中，例如各个目标边缘线的斜率为0.14、0.12、-0.11，则选择斜率为-0.11的目标边缘线。
可选的，当获得第一激光交叉点、第二激光交叉点和盾壳内边缘后，分别将第一激光交叉点、第二激光交叉点和盾壳内边缘提取出来(Extracted features)，得到目标图像，最后根据目标图像进行后续盾构机尾间隙的计算(Calculation model of shield tailclearance)以及获得盾构机尾间隙的结果(Measurement result of shield tailclearance)
S4，根据目标图像，确定第一距离值、第二距离值和第三距离值，第一距离值表征了在目标图像中，第一激光交叉点和第二激光交叉点之间的直线距离，第二距离值表征了在目标图像中，第一激光交叉点到盾壳内边缘的垂直距离，第三距离值表征了在目标图像中，第二激光交叉点到盾壳内边缘的垂直距离。
可选的，本实施例中盾构机尾间隙的计算原理如下：
如图7所示，为根据拍摄的盾构机尾间隙构建的几何模型图，其中，the innerwall of shield shall表示盾壳内壁，segment表示盾壳上弓形部分，Laser Intersection表示第一激光交叉点和第二激光交叉点，the inner edge of segment表示盾壳内边缘，根据几何模型图可知：
g＝I1+d1-h；
g＝I2+d2-h；
其中，g表示盾构机尾间隙，d1表示在现场中第一激光交叉点到盾壳内边缘的实际距离，d2表示在现场中第二激光交叉点到盾壳内边缘的实际距离，h表示厚度值，I1表示第一激光交叉点到盾壳内壁的第五距离值，I2表示第二激光交叉点到盾壳内壁的第六距离值。
由于h、I1、I2都是已知值，所以，只需要确定d1和d2的值，就可以得到盾构机尾间隙的值，借鉴物理距离与像素距离原理，从图像中获取像素距离，从而反推回物理距离，原理如下：
其中，
表征了在目标图像中，第一激光交叉点到盾壳内边缘的垂直距离，
表征了在目标图像中，第二激光交叉点到盾壳内边缘的垂直距离，PW表征了在目标图像中，第一激光交叉点和第二激光交叉点之间的直线距离，w表征了第一激光光源与第二激光源之间的第四距离值，由于W为已知值，因此，采用本申请S1-S4即可得到
和PW。
S5，根据第一距离值、第二距离值和第三距离值，确定盾构机尾间隙。
可选的，还包括：
获取第一激光光源与第二激光源之间的第四距离值、盾壳内壁的厚度值、第一激光交叉点到盾壳内壁的第五距离值和第二激光交叉点到盾壳内壁的第六距离值，第四距离值表征了第一激光光源与第二激光源之间的直线距离，第五距离值表征了第一激光交叉点到盾壳内壁的直线距离，第六距离值表征了第二激光交叉点到盾壳内壁的直线距离；
根据第一距离值、第二距离值和第三距离值，确定盾构机尾间隙，包括：
根据第一距离值、第二距离值、第三距离值、第四距离值、第五距离值、第六距离值和厚度值，通过第七公式，确定盾构机尾间隙，其中，第七公式为：
g＝I1+d1-h；
g＝I2+d2-h；
其中，g表示盾构机尾间隙，PW表示第一距离值，
表示第二距离值，
表示第三距离值，w表示第四距离值，I1表示第五距离值，I2表示第六距离值，h表示厚度值，d1表示在现场中第一激光交叉点到盾壳内边缘的实际距离，d2表示在现场中第二激光交叉点到盾壳内边缘的实际距离。
可选的，当获取到盾构机尾间隙后，还可以通过盾构机尾间隙对盾构机的姿态进行模拟，具体包括：
盾构机尾部间隙为盾构机的掘进方向和管片组合提供了重要的参考，然而，获得盾构机尾部间隙并不是隧道开挖的终极目标，相反，可以在盾构尾间隙测量的基础上进行进一步的详细研究，研究结果可以为地下工程风险预测提供依据，通过测量盾构机在不同位置的盾构机尾间隙，计算出管片环中心与盾壳之间的相对位置，进而模拟盾构机的姿态。
本实施例采用最小二乘法的近似拟合方法，用于管片环的拟合和中心点的确定，如图8所示，首先，以盾壳的中心为坐标原点o建立平面笛卡儿坐标系，绘制出盾壳在此坐标系中的位置，然后在盾壳内画一个半径小于盾壳半径的圆作为管片环的初始位置，其次，图像采集装置的坐标原点与安装位置之间的延伸线(图8中虚线表示多条延伸线，其中一条延伸线与X轴之间的夹角用Installation Angle表示)分别与盾壳和管片环在A1点和B1点相交，根据计算出的盾构机尾间隙(shield tail clearance)计算A1和B1的坐标；用同样的方法，可以依次得到线段环上不同交点的坐标，即B2，B3和B4，最后，在这些坐标的基础上，采用最小二乘法拟合最靠近管片环的圆，即新的管片环，新的管片环的中心在点N处。
通过比较壳体中心与管片环中心的相对位置，可以实时模拟盾构机当前的掘进姿态，为盾构机掘进过程提供更为关键和充分的信息。
如图9所示，本发明实施例的一种盾构机尾间隙测量系统装置，包括：
获取模块202，用于获取待检测图像，待检测图像为第一激光源和第二激光源照射到盾壳内壁上的图像；
第一确定模块203，用于根据待检测图像，确定待检测图像中的第一目标区域，第一目标区域中包含第一激光交叉点、第二激光交叉点和盾壳内壁，第一激光交叉点表征了第一激光源发射的激光与第二激光源发射的激光在盾壳内壁上的第一个交叉点，第二激光交叉点表征了第一激光源发射的激光与第二激光源发射的激光在盾壳内壁上的第二个交叉点；
第二确定模块204，用于根据第一目标区域，提取出第一激光交叉点、第二激光交叉点和盾壳内边缘，得到目标图像，盾壳内边缘表征了盾壳内壁内径对应的边缘；
第三确定模块205，用于根据目标图像，确定第一距离值、第二距离值和第三距离值，第一距离值表征了在目标图像中，第一激光交叉点和第二激光交叉点之间的直线距离，第二距离值表征了在目标图像中，第一激光交叉点到盾壳内边缘的垂直距离，第三距离值表征了在目标图像中，第二激光交叉点到盾壳内边缘的垂直距离；
第四确定模块206，用于根据第一距离值、第二距离值和第三距离值，确定盾构机尾间隙。
可选的，第一确定模块202是通过第一单元确定待检测图像中的第一目标区域，其中，第一单元，具体用于：
根据待检测图像，通过目标检测模型，确定第一目标区域，其中，目标检测模型是通过SSD网络训练得到的。
可选的，第一确定模块203还包括：
第二目标区域确定模块，用于根据第一目标区域，对第一目标区域的图像效果增强，得到第二目标区域。
可选的，第二目标区域通过第二单元确定第二目标区域，其中，第二单元，具体用于：
S31，根据第一目标区域，通过第一公式，得到第一目标区域对应的反射率图像对比度，其中，第一公式为：
R(x，y)＝logI(x，y)-log(I(x，y)*G(x，y))；
其中，R(x，y)表示反射率图像对比度，I(x，y)表示第一目标区域，G(x，y)表示高斯平滑算子，σ表示第一预设值；
S32，根据反射率图像对比度，通过第二公式，对反射率图像对比度进行校正，得到感知反射率，其中，第二公式为：
Rp(x，y)＝max[0，R(x，y)+1]；
其中，Rp(x，y)表示感知反射率；
S33，根据感知反射率，通过第三公式，得到感知照明度，其中，第三公式为：
其中，Lp表示感知照明度；
S34，根据感知照明度，通过第四公式，对感知照明度进行校正，得到知觉照明度，其中，第四公式为：
其中，Lm表示知觉照明度，γ表示第二预设值；
S35，根据知觉照明度，通过第五公式，得到第一目标区域对应的曝光比例图，其中，第五公式为：
其中，K表示曝光比例图；
S36，根据曝光比例图，通过第六公式，对第一目标区域的图像效果进行增强，得到第二目标区域，其中，第六公式为：
其中，Ie(x，y)表示第二目标区域，a表示第三预设值，b表示第四预设值。
可选的，第二确定模块204还包括：
灰度转换模块，用于将第二目标区域转化为灰度图像；
第一提取模块，用于根据灰度图像，提取出第一激光交叉点、第二激光交叉点；
第二提取模块，用于根据灰度图像，提取出盾壳内边缘。
可选的，第一提取模块通过第三单元提取出第一激光交叉点、第二激光交叉点，其中，第三单元，具体用于：
S41，根据预设的第一阈值，将灰度图像中像素大于第一阈值的像素提取出来，得到多个目标像素；
S42，对各个目标像素进行聚集形成线段，得到各个目标线段；
S43，获取各个目标线段之间的目标交叉点，目标交叉点包含第一激光交叉点和第二激光交叉点。
可选的，第二提取模块通过第四单元提取出盾壳内边缘，其中，第四单元，具体用于：
S51，将灰度图像与预设的梯度算子进行卷积，得到卷积图像；
S52，根据预设的第二阈值，将卷积图像中大于第二阈值的像素点提取出来，得到前景图像；
S53，从前景图像中提取出多个目标边缘线；
S54，获取每个目标边缘线在前景图像对应的坐标轴上的斜率和与Y轴的截距；
S55，从各个目标边缘线中选择斜率的绝对值最小，且截距最大的目标边缘线作为盾壳内边缘。
可选的，第四确定模块206还包括：
参数获取模块，用于获取第一激光光源与第二激光源之间的第四距离值、盾壳内壁的厚度值、第一激光交叉点到盾壳内壁的第五距离值和第二激光交叉点到盾壳内壁的第六距离值，第四距离值表征了第一激光光源与第二激光源之间的直线距离，第五距离值表征了第一激光交叉点到盾壳内壁的直线距离，第六距离值表征了第二激光交叉点到盾壳内壁的直线距离。
计算模块，用于根据第一距离值、第二距离值、第三距离值、第四距离值、第五距离值、第六距离值和厚度值，通过第七公式，确定盾构机尾间隙，其中，第七公式为：
g＝I1+d1-h；
g＝I2+d2-h；
其中，g表示盾构机尾间隙，PW表示第一距离值，
表示第二距离值，
表示第三距离值，w表示第四距离值，I1表示第五距离值，I2表示第六距离值，h表示厚度值，d1表示在现场中第一激光交叉点到盾壳内边缘的实际距离，d2表示在现场中第二激光交叉点到盾壳内边缘的实际距离。
本发明实施例的一种电子设备，包括存储器、处理器及存储在存储器上并在处理器上运行的程序，处理器执行程序时实现上述一种盾构机尾间隙测量方法的部分或全部步骤。
其中，电子设备可以选用电脑、手机等，相对应地，其程序为电脑软件或手机APP等，且上述关于本发明的一种电子设备中的各参数和步骤，可参考上文中一种盾构机尾间隙测量方法的实施例中的各参数和步骤，在此不做赘述。
所属技术领域的技术人员知道，本发明可以实现为装置、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：可以是完全的硬件、也可以是完全的软件(包括固件、驻留软件、微代码等)，还可以是硬件和软件结合的形式，本文一般称为“电路”、“模块”或“装置”。此外，在一些实施例中，本发明还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式，该计算机可读介质中包含计算机可读的程序代码。计算机可读存储介质例如可以是但不限于——电、磁、光、电磁、红外线、或半导体的装置、装置或器件，或者任意以上的组合。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种盾构机尾间隙测量方法，其特征在于，包括以下步骤：
获取待检测图像，所述待检测图像为第一激光源和第二激光源照射到盾壳内壁上的图像；
根据所述待检测图像，确定所述待检测图像中的第一目标区域，所述第一目标区域中包含第一激光交叉点、第二激光交叉点和盾壳内壁，所述第一激光交叉点表征了所述第一激光源发射的激光在盾壳内壁上形成的第一个交叉点，所述第二激光交叉点表征了所述第二激光源发射的激光在盾壳内壁上形成的第二个交叉点；
根据所述第一目标区域，提取出所述第一激光交叉点、所述第二激光交叉点和盾壳内边缘，得到目标图像，所述盾壳内边缘表征了盾壳内壁内径对应的边缘；
根据所述目标图像，确定第一距离值、第二距离值和第三距离值，所述第一距离值表征了在所述目标图像中，所述第一激光交叉点和所述第二激光交叉点之间的直线距离，所述第二距离值表征了在所述目标图像中，所述第一激光交叉点到所述盾壳内边缘的垂直距离，所述第三距离值表征了在所述目标图像中，所述第二激光交叉点到所述盾壳内边缘的垂直距离；
根据所述第一距离值、第二距离值和第三距离值，确定盾构机尾间隙。
2.根据权利要求1所述的方法，其特征在于，所述根据所述待检测图像，确定所述待检测图像中的第一目标区域，包括：
根据所述待检测图像，通过目标检测模型，确定所述第一目标区域，其中，所述目标检测模型是通过SSD网络训练得到的。
3.根据权利要求1所述方法，其特征在于，还包括：
根据所述第一目标区域，对所述第一目标区域的图像效果增强，得到第二目标区域；
所述根据所述第一目标区域，提取出所述第一激光交叉点、所述第二激光交叉点和盾壳内边缘，得到目标图像，包括：
将所述第二目标区域转化为灰度图像，根据所述灰度图像，提取出所述第一激光交叉点、所述第二激光交叉点和盾壳内边缘，得到目标图像。
4.根据权利要求3所述的方法，其特征在于，所述根据所述第一目标区域，对所述第一目标区域的图像效果增强，得到第二目标区域，包括：
S31，根据所述第一目标区域，通过第一公式，得到所述第一目标区域对应的反射率图像对比度，其中，所述第一公式为：
R(x,y)＝logI(x,y)-log(I(x,y)*G(x,y))；
其中，R(x,y)表示反射率图像对比度，I(x,y)表示第一目标区域，G(x,y)表示高斯平滑算子，σ表示第一预设值；
S32，根据所述反射率图像对比度，通过第二公式，对所述反射率图像对比度进行校正，得到感知反射率，其中，所述第二公式为：
Rp(x,y)＝max[0,R(x,y)+1]；
其中，Rp(x,y)表示感知反射率；
S33，根据所述感知反射率，通过第三公式，得到感知照明度，其中，所述第三公式为：
其中，Lp表示感知照明度；
S34，根据所述感知照明度，通过第四公式，对所述感知照明度进行校正，得到知觉照明度，其中，所述第四公式为：
其中，Lm表示知觉照明度，γ表示第二预设值；
S35，根据所述知觉照明度，通过第五公式，得到所述第一目标区域对应的曝光比例图，其中，所述第五公式为：
其中，K表示曝光比例图；
S36，根据所述曝光比例图，通过第六公式，对所述第一目标区域的图像效果进行增强，得到所述第二目标区域，其中，所述第六公式为：
其中，Ie(x,y)表示第二目标区域，a表示第三预设值，b表示第四预设值。
5.根据权利要求4所述方法，其特征在于，根据所述灰度图像，提取出所述第一激光交叉点和所述第二激光交叉点，包括：
S41，根据预设的第一阈值，将所述灰度图像中像素大于所述第一阈值的像素提取出来，得到多个目标像素；
S42，对各个所述目标像素进行聚集形成线段，得到各个目标线段；
S43，确定各个所述目标线段之间的目标交叉点，所述目标交叉点包含所述第一激光交叉点和所述第二激光交叉点。
6.根据权利要求4所述方法，其特征在于，根据所述灰度图像，提取出盾壳内边缘，包括：
S51，将所述灰度图像与预设的梯度算子进行卷积，得到卷积图像；
S52，根据预设的第二阈值，将所述卷积图像中大于所述第二阈值的像素点提取出来，得到前景图像；
S53，从所述前景图像中提取出多个目标边缘线；
S54，获取每个所述目标边缘线在所述前景图像对应的坐标轴上的斜率和与Y轴的截距；
S55，从各个所述目标边缘线中选择斜率的绝对值最小，且所述截距最大的目标边缘线作为盾壳内边缘。
7.根据权利要求1-6中任一项所述方法，其特征在于，还包括：
获取所述第一激光光源与所述第二激光源之间的第四距离值、盾壳内壁的厚度值、所述第一激光交叉点到所述盾壳内壁的第五距离值和所述第二激光交叉点到盾壳内壁的第六距离值，所述第四距离值表征了所述第一激光光源与所述第二激光源之间的直线距离，所述第五距离值表征了所述第一激光交叉点到所述盾壳内壁的直线距离，所述第六距离值表征了所述第二激光交叉点到所述盾壳内壁的直线距离；
所述根据所述第一距离值、第二距离值和第三距离值，确定盾构机尾间隙，包括：
根据所述第一距离值、第二距离值、第三距离值、第四距离值、第五距离值、第六距离值和厚度值，通过第七公式，确定盾构机尾间隙，其中，第七公式为：
g＝I1+d1-h；
g＝I2+d2-h；
其中，g表示盾构机尾间隙，PW表示第一距离值，
表示第二距离值，
表示第三距离值，w表示第四距离值，I1表示第五距离值，I1表示第六距离值，h表示厚度值，d1表示在现场中第一激光交叉点到盾壳内边缘的实际距离，d2表示在现场中第二激光交叉点到盾壳内边缘的实际距离。
8.一种盾构机尾间隙测量系统装置，其特征在于，包括：
获取模块，用于获取待检测图像，所述待检测图像为第一激光源和第二激光源照射到盾壳内壁上的图像；
第一确定模块，用于根据所述待检测图像，确定所述待检测图像中的第一目标区域，所述第一目标区域中包含第一激光交叉点、第二激光交叉点和盾壳内壁，所述第一激光交叉点表征了所述第一激光源发射的激光与所述第二激光源发射的激光在盾壳内壁上的第一个交叉点，所述第二激光交叉点表征了所述第一激光源发射的激光与所述第二激光源发射的激光在盾壳内壁上的第二个交叉点；
第二确定模块，用于根据所述第一目标区域，提取出所述第一激光交叉点、所述第二激光交叉点和盾壳内边缘，得到目标图像，所述盾壳内边缘表征了盾壳内壁内径对应的边缘；
第三确定模块，用于根据所述目标图像，确定第一距离值、第二距离值和第三距离值，所述第一距离值表征了在所述目标图像中，所述第一激光交叉点和所述第二激光交叉点之间的直线距离，所述第二距离值表征了在所述目标图像中，所述第一激光交叉点到所述盾壳内边缘的垂直距离，所述第三距离值表征了在所述目标图像中，所述第二激光交叉点到所述盾壳内边缘的垂直距离；
第四确定模块，用于根据所述第一距离值、第二距离值和第三距离值，确定盾构机尾间隙。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述的一种盾构机尾间隙测量方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行如权利要求1至7任一项所述的一种盾构机尾间隙测量方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210886016.1A CN115420207B (zh) | 2022-07-26 | 2022-07-26 | 一种盾构机尾间隙测量方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210886016.1A CN115420207B (zh) | 2022-07-26 | 2022-07-26 | 一种盾构机尾间隙测量方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115420207A true CN115420207A (zh) | 2022-12-02 |
| CN115420207B CN115420207B (zh) | 2024-08-27 |
Family
ID=84196369
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210886016.1A Active CN115420207B (zh) | 2022-07-26 | 2022-07-26 | 一种盾构机尾间隙测量方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115420207B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118640816A (zh) * | 2024-08-16 | 2024-09-13 | 华东交通大学 | 一种盾构机盾尾间隙测量方法、装置、设备及介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112945115A (zh) * | 2021-02-04 | 2021-06-11 | 中铁工程装备集团有限公司 | 一种基于双激光结构线的盾尾间隙视觉测量方法及装置 |
| JP6941899B1 (ja) * | 2020-11-20 | 2021-09-29 | 計測技研株式会社 | クリアランス計測システム及びクリアランス計測方法 |
| CN114413775A (zh) * | 2022-03-28 | 2022-04-29 | 天津恒度量子精密仪器技术有限公司 | 一种基于双线激光视觉的盾构机盾尾间隙测量方法及系统 |
| JP2022090363A (ja) * | 2020-12-07 | 2022-06-17 | 戸田建設株式会社 | シールド機のテールクリアランス測定システム及びシールド機のテールクリアランス測定方法 |
| CN115115820A (zh) * | 2022-06-16 | 2022-09-27 | 湖北工业大学 | 用于盾尾间隙智能监测的图像特征提取方法、系统及装置 |
-
2022
- 2022-07-26 CN CN202210886016.1A patent/CN115420207B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6941899B1 (ja) * | 2020-11-20 | 2021-09-29 | 計測技研株式会社 | クリアランス計測システム及びクリアランス計測方法 |
| JP2022090363A (ja) * | 2020-12-07 | 2022-06-17 | 戸田建設株式会社 | シールド機のテールクリアランス測定システム及びシールド機のテールクリアランス測定方法 |
| CN112945115A (zh) * | 2021-02-04 | 2021-06-11 | 中铁工程装备集团有限公司 | 一种基于双激光结构线的盾尾间隙视觉测量方法及装置 |
| CN114413775A (zh) * | 2022-03-28 | 2022-04-29 | 天津恒度量子精密仪器技术有限公司 | 一种基于双线激光视觉的盾构机盾尾间隙测量方法及系统 |
| CN115115820A (zh) * | 2022-06-16 | 2022-09-27 | 湖北工业大学 | 用于盾尾间隙智能监测的图像特征提取方法、系统及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 陈健;周兆钊;刘飞香;郑大桥;: "基于盾构机盾尾间隙空间结构的视觉测量研究", 机床与液压, no. 19, 15 October 2020 (2020-10-15) * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118640816A (zh) * | 2024-08-16 | 2024-09-13 | 华东交通大学 | 一种盾构机盾尾间隙测量方法、装置、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115420207B (zh) | 2024-08-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113486796B (zh) | 无人车位置检测方法、装置、设备、存储介质及车辆 | |
| Mu et al. | Lane detection based on object segmentation and piecewise fitting | |
| EP2085928B1 (en) | Detection of blobs in images | |
| CN110473221B (zh) | 一种目标物体自动扫描系统及方法 | |
| CN112991459B (zh) | 一种相机标定方法、装置、设备以及存储介质 | |
| CN112270745A (zh) | 一种图像生成方法、装置、设备以及存储介质 | |
| CN108286948A (zh) | 一种基于图像处理的桥梁挠度检测方法 | |
| CN115420207B (zh) | 一种盾构机尾间隙测量方法、装置、设备及介质 | |
| CN112509126B (zh) | 三维物体检测的方法、装置、设备及存储介质 | |
| CN109671084B (zh) | 一种工件形状的测量方法 | |
| CN114663433B (zh) | 滚轮罐耳运行状态检测方法、装置、计算机设备及介质 | |
| CN112669301A (zh) | 一种高铁底板脱漆故障检测方法 | |
| CN118898585A (zh) | 基于红外热成像的风机叶片监测方法及相关设备 | |
| CN210530832U (zh) | 一种针对盾构机进行盾尾间隙测量装置 | |
| CN115082504B (zh) | 一种太阳能光伏板光斑识别方法 | |
| JPWO2020095644A1 (ja) | 変状検出装置、変状検出方法、及びプログラム | |
| CN114581890B (zh) | 确定车道线的方法、装置、电子设备和存储介质 | |
| CN105138999A (zh) | 基于阴影的夜间物体单目定位装置及方法 | |
| CN112581472B (zh) | 一种面向人机交互的目标表面缺陷检测方法 | |
| CN115727851A (zh) | 一种煤矿井下掘进装备位姿检测系统及方法 | |
| CN115841632A (zh) | 输电线路提取方法、装置以及双目测距方法 | |
| KR20210134252A (ko) | 이미지 안정화 방법, 장치, 노변 기기 및 클라우드 제어 플랫폼 | |
| He et al. | Research on Weld Recognition Method Based on Mask R-CNN | |
| Chen | A PCB Image Self-adaption Threshold Segmentation Method Fusing Color Information and OTSU Theory | |
| CN116107394B (zh) | 调整方法、装置、电子设备及存储介质 |
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 |