CN116297495A - 一种基于结构光图像的管壁检测方法及管壁检测装置 - Google Patents
一种基于结构光图像的管壁检测方法及管壁检测装置 Download PDFInfo
- Publication number
- CN116297495A CN116297495A CN202310512331.2A CN202310512331A CN116297495A CN 116297495 A CN116297495 A CN 116297495A CN 202310512331 A CN202310512331 A CN 202310512331A CN 116297495 A CN116297495 A CN 116297495A
- Authority
- CN
- China
- Prior art keywords
- image
- structured light
- phase
- pipe wall
- obtaining
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 96
- 238000000034 method Methods 0.000 claims abstract description 55
- 230000010363 phase shift Effects 0.000 claims description 42
- 230000005540 biological transmission Effects 0.000 claims description 26
- 230000003287 optical effect Effects 0.000 claims description 14
- 238000002955 isolation Methods 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 9
- 230000007547 defect Effects 0.000 claims description 8
- 239000013598 vector Substances 0.000 claims description 8
- 230000008878 coupling Effects 0.000 claims description 7
- 238000010168 coupling process Methods 0.000 claims description 7
- 238000005859 coupling reaction Methods 0.000 claims description 7
- 230000033001 locomotion Effects 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 230000002093 peripheral effect Effects 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 17
- 238000010586 diagram Methods 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- NIXOWILDQLNWCW-UHFFFAOYSA-N acrylic acid group Chemical group C(C=C)(=O)O NIXOWILDQLNWCW-UHFFFAOYSA-N 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 2
- 229910052782 aluminium Inorganic materials 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000009194 climbing Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007849 functional defect Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- 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
- G01N21/8806—Specially adapted optical and illumination features
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E30/00—Energy generation of nuclear origin
- Y02E30/30—Nuclear fission reactors
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Signal Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种基于结构光图像的管壁检测方法及管壁检测装置,先向目标管道的管壁的多个拍摄位置分别投射多种不同结构光频率、不同结构光相位的条纹结构光,并获取每个拍摄位置的结构光投影图像和实际拍摄图像,然后得到每个拍摄位置对应的点云数据,再根据实际拍摄图像和点云数据,拼接多个实际拍摄图像并建立管壁三维模型,得到检测结果。相比于现有技术,本发明通过投影出不同频率、相位的结构光以得到管壁表面的点云数据进而建立管壁三维模型,再通过预设的自动检测模型得到检测结果,使得检测结果精确、可靠,上述过程均可以通过计算机代替人工自动进行,使得对管道的检查更加全面、检测效率更高,更加适应大范围检测的场合。
Description
技术领域
本发明涉及管道检测技术领域,尤其涉及一种基于结构光图像的管壁检测方法及管壁检测装置。
背景技术
地下城市管线是保障城市运行的重要基础设施和“生命线”,与人们的日常生活息息相关,城市范围内的供水排水,热力燃气,电力通讯等各个方面都依靠各种的管道来完成。
现有的一种管道检测方法,为获取管道表面或内壁的图像,然后通过人工检阅,以检查出管道存在的缺陷或隐患,然而与家用管道不同的是,这些管道往往都直径较大,覆盖范围广,人工检查图像往往会存在疏漏,并且费时费力,效率低下。
因此,人们亟需一种能够基于管道图像自动对管道进行检测的解决方案。
发明内容
有鉴于此,有必要提供一种基于结构光图像的管壁检测方法及管壁检测装置,用以解决现有技术中人工检查管道拍摄的图像往往会存在疏漏,并且费时费力,效率低下的问题。
为达到上述技术目的,本发明采取了以下技术方案:
第一方面,本发明提供了一种基于结构光图像的管壁检测方法,包括:
向目标管道的管壁的多个拍摄位置分别投射多种不同结构光频率、不同结构光相位的条纹结构光,并获取每个所述拍摄位置的结构光投影图像和实际拍摄图像;
根据多个所述结构光投影图像,得到每个拍摄位置对应的点云数据;
根据所述实际拍摄图像和所述点云数据,拼接多个所述实际拍摄图像并建立管壁三维模型;
基于预设自动检测模型检测所述管壁三维模型,得到检测结果。
进一步的,所述每个所述拍摄位置对应一个拍摄范围,相邻的两个所述拍摄位置对应的拍摄范围部分重叠;所述结构光投影图像包括多组相位移光栅图像,同一组中的多个相位移光栅图像分别基于相同的结构光频率、不同的结构光相位的条纹结构光拍摄,每一组相位移光栅图像对应的结构光频率不同;所述根据多个所述结构光投影图像,得到每个拍摄位置对应的点云数据,包括:
确定多个信息点在目标拍摄位置所对应的所述位移光栅图像中的位置,其中多个所述信息点构成所述目标拍摄位置对应的点云;
根据同一组中的多个相位移光栅图像,得到每个所述结构光频率对应的包裹相位模型,所述包裹相位模型用于表征每个所述信息点对应的相位值;
根据多个所述包裹相位模型,得到每个所述信息点的相位展开值;
根据所述相位展开值,得到每个所述信息点对应的深度信息,并根据所述深度信息,得到每个所述拍摄位置对应的所述点云数据。
进一步的,所述根据同一组中的多个相位移光栅图像,得到每个所述结构光频率对应的包裹相位模型,包括:
根据目标结构光频率对应的多个目标相位移光栅图像,得到每个所述目标相位移光栅图像对应的光强分布模型;
获取每个所述目标相位移光栅图像对应的相位移值;
根据所述光强分布模型和所述相位移值,得到所述目标结构光频率对应的包裹相位模型。
进一步的,所述根据多个所述包裹相位模型,得到每个所述信息点的相位展开值,包括:
获取每个所述结构光频率对应的结构光周期及包裹相位模型;
根据多个所述结构光周期和多个所述包裹相位模型,得到等效周期相位模型,所述等效周期相位模型用于表征多个不同结构光频率之间的等效周期和包裹相位差;
根据所述等效周期相位模型,得到每个所述信息点的相位展开值。
进一步的,所述根据多个所述结构光投影图像,得到每个拍摄位置对应的点云数据,还包括:
根据每个信息点的位置特征,构造拟合曲面;
根据所述拟合曲面,得到每个所述信息点的曲率特征;
根据所述曲率特征,将多个所述信息点划分为多个子集;
基于预设特征阈值,对每个子集分别精简,得到精简后的点云数据。
进一步的,所述根据所述实际拍摄图像和所述点云数据,拼接多个所述实际拍摄图像并建立管壁三维模型,包括:
根据所述实际拍摄图像,得到多个图像特征描述子及每个所述图像特征描述子对应的特征向量;
根据所述点云信息中的信息点与所述实际拍摄图像中的特征描述子的位置对应关系,基于所述点云信息得到所述实际拍摄图像的位姿信息;
根据所述位姿信息、所述特征描述子和所述特征向量,拼接多个所述实际拍摄图像并建立管壁三维模型。
第二方面,本发明还提供一种基于结构光图像的管壁检测装置,应用于上述任一项所述的基于结构光图像的管壁检测方法,所述基于结构光的管壁装置,包括图像拍摄装置和运算控制装置,所述运算控制装置包括点云分析模块、模型建立模块和权限检测模块,其中:
所述图像拍摄装置用于向目标管道的管壁的多个拍摄位置分别投射多种不同结构光频率、不同结构光相位的条纹结构光,并获取每个所述拍摄位置的结构光投影图像和实际拍摄图像;
所述点云分析模块用于根据多个所述结构光投影图像,得到每个拍摄位置对应的点云数据;
所述模型建立模块用于根据所述实际拍摄图像和所述点云数据,拼接多个所述实际拍摄图像并建立管壁三维模型;
所述缺陷检测模块用于基于预设自动检测模型检测所述管壁三维模型,得到检测结果。
进一步的,所述图像拍摄装置,包括:
主体框架;
范围调节组件,所述范围调节组件包括调节驱动部和传动组件,所述调节驱动部包括固定端和输出端,所述调节驱动部的固定端连接于所述主体框架;所述传动组件包括输入端和输出端,所述传动组件的输入端连接于所述调节驱动部的输出端,所述传动组件的输出端的运动方向沿所述目标管道的径向延伸;
行进组件,包括行进驱动部和行进执行部,所述行进驱动部包括固定端和输出端,所述行进驱动部的固定端连接于所述传动组件的输出端,所述行进驱动部的输出端传动连接于所述行进执行部;
拍摄部,连接于所述主体框架。
进一步的,所述行进组件还包括连接部、联轴器和换向器,所述连接部连接于所述传动组件的输出端,所述行进驱动部为行星减速电机,所述行进驱动部的固定端连接于所述连接部,所述行进驱动部的输出端连接所述联轴器的输入端,所述联轴器的输出端连接所述换向器的输入端,所述行进执行部包括两个主动轮和从动轮,两个所述主动轮均连接于所述换向器的输出端,所述从动轮转动连接于所述连接部,所述主动轮和所述从动轮的转动轴线均垂直于所述目标管道的轴线,所述主动轮和所述从动轮的周面均抵接所述目标管道的管壁。
进一步的,还包括供电模块,所述供电模块包括降压电路和光耦隔离电路,所述降压电路包括电压输入端和多个电压输出端,所述电压输入端用于连接电源,所述电压输出端的电压低于所述电压输入端,多个所述电压输出端分别电连接所述光耦隔离电路、所述运算控制装置、所述调节驱动部、所述行进驱动部和所述拍摄部。
本发明提供一种基于结构光图像的管壁检测方法及基于结构光图像的管壁检测装置,其中方法具体为:先向目标管道的管壁的多个拍摄位置分别投射多种不同结构光频率、不同结构光相位的条纹结构光,并获取每个所述拍摄位置的结构光投影图像和实际拍摄图像,然后根据多个所述结构光投影图像,得到每个拍摄位置对应的点云数据,再根据所述实际拍摄图像和所述点云数据,拼接多个所述实际拍摄图像并建立管壁三维模型,最后基于预设自动检测模型检测所述管壁三维模型,得到检测结果。相比于现有技术,本发明通过投影出不同频率、相位的结构光的方式以得到管壁表面的点云数据,再基于点云数据拼接实际拍摄图像进而建立管壁三维模型,再通过预设的自动检测模型检测上述管壁三维模型以得到检测结果,使得检测结果精确、可靠,最重要的是,上述过程均可以通过计算机代替人工自动进行,使得对管道的检查更加全面、准确,检测效率更高,更加适应大范围检测的场合,更具实用性。
附图说明
图1为本发明提供的基于结构光图像的管壁检测方法一实施例的方法流程图;
图2为本发明提供的基于结构光图像的管壁检测方法一实施例中管道内采集顺序剖面示意图;
图3为本发明提供的基于结构光图像的管壁检测方法一实施例中管道内检测方式示意图;
图4为图1中步骤S102的方法流程图;
图5为本发明提供的基于结构光图像的管壁检测装置一实施例的结构示意图;
图6为本发明提供的基于结构光图像的管壁检测装置一实施例中图像拍摄装置的结构示意图;
图7为本发明提供的基于结构光图像的管壁检测装置一实施例中降压电路的电路示意图;
图8为本发明提供的基于结构光图像的管壁检测装置一实施例中的一个光耦隔离电路的电路示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
在产书具体的实施例之前,本文首先对一些名词进行解释:
结构光:结构光是一种特定规则的光源,用投影仪投射包含特定的光信息的结构光到物体表面后及背景后,由摄像头采集。根据物体造成的光信号的变化来计算物体的位置和深度等信息,进而复原整个三维空间。
SLAM:SLAM是SimultaneousLocalization and Mapping的缩写,意为“同时定位与建图”。它是指运动物体根据传感器的信息,一边计算自身位置,一边构建环境地图的过程。目前,SLAM的应用领域主要有机器人、虚拟现实和增强现实。其用途包括传感器自身的定位,以及后续的路径规划、场景理解。
需要说明的是,后文中所涉及的一些芯片型号均为现有型号,其具体的引脚定义、连接关系及一些使用方法均能够根据其对应的手册查阅得到,因此本文中不做过多说明。另一方面,本文中所提及的一些算法也均为本领域技术人员能够理解并应用的现有算法,受篇幅原因无法将每个算法进行完整的阐述,因此后文中仅对算法中做出改进的部分进行具体说明,而对于算法中的其他未做解释的部分均可以参阅其他的现有文献,本文中不做过多说明。
在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本发明通过投影结构光的方式以获取包含深度信息的点云信息,再结合该点云信息进行视觉SLAM以完成图像的拼接与建模,再通过预设自动检测模型完成缺陷的自动检测。
本发明提供了一种基于结构光图像的管壁检测方法及管壁检测装置,以下分别进行说明。
结合图1所示,本发明的一个具体实施例,公开了一种基于结构光图像的管壁检测方法,包括:
S101、向目标管道的管壁的多个拍摄位置分别投射多种不同结构光频率、不同结构光相位的条纹结构光,并获取每个所述拍摄位置的结构光投影图像和实际拍摄图像;
S102、根据多个所述结构光投影图像,得到每个拍摄位置对应的点云数据;
S103、根据所述实际拍摄图像和所述点云数据,拼接多个所述实际拍摄图像并建立管壁三维模型;
S104、基于预设自动检测模型检测所述管壁三维模型,得到检测结果。
相比于现有技术,本发明通过投影出不同频率、相位的结构光的方式以得到管壁表面的点云数据,再基于点云数据拼接实际拍摄图像进而建立管壁三维模型,再通过预设的自动检测模型检测上述管壁三维模型以得到检测结果,使得检测结果精确、可靠,最重要的是,上述过程均可以通过计算机代替人工自动进行,使得对管道的检查更加全面、准确,检测效率更高,更加适应大范围检测的场合,更具实用性。
结合图2及图3所示,在一个优选的实施例中上述步骤S101可以通过现有的机器人沿目标管道攀爬完成,本发明还提供一种该机器人的优选的实施例,将在后文进行说明,此处不予赘述。
本发明还提供一更加详细的实施例,用以更加清楚地说明上述步骤S101:
本实施例中有多组拍摄位置,多组拍摄位置沿目标管道的延伸方向排列,每组中的多个拍摄位置环绕目标管道,每个拍摄位置对应的有效成像视角为60°(即所述拍摄范围),选定15°的视角作为相邻两个拍摄范围的重叠面积,以便于在SLAM算法中进行特征匹配图以及点云的拼接。因此,在采集数据时,可控制拍摄部每旋转45°停下来,向管道内壁投射已编码的光栅图像,并对已被光栅覆盖的管道内壁拍照,依次采集图像。同一剖面(即同一组拍摄位置)采集顺序如图2所示(图中数字为每个拍摄位置的编号),依次为1、2、3、4、5、6、7、8、1然后回到原始位置,将采集所得图片传入计算机运用SLAM算法进行处理。
如图3所示,采集同一剖面360°旋转拍摄后生成环状点云图,上述机器人可沿管道继续向前移动,再下一个剖面再次进行360°旋转拍摄后生成环状点云图,与旋转采集图像时目的一样,相邻两组拍摄位置所覆盖的拍摄范围也应当有一定重叠的公共面积,依此类推直到将管道长度巡检完成。
进一步的,在一个优选的实施例中所述每个所述拍摄位置对应一个拍摄范围,相邻的两个所述拍摄位置对应的拍摄范围部分重叠;所述结构光投影图像包括多组相位移光栅图像,同一组中的多个相位移光栅图像分别基于相同的结构光频率、不同的结构光相位的条纹结构光拍摄,每一组相位移光栅图像对应的结构光频率不同。
结合图4所示,本实施例中,上述步骤S102、根据多个所述结构光投影图像,得到每个拍摄位置对应的点云数据,具体包括:
S401、确定多个信息点在目标拍摄位置所对应的所述位移光栅图像中的位置,其中多个所述信息点构成所述目标拍摄位置对应的点云;
S402、根据同一组中的多个相位移光栅图像,得到每个所述结构光频率对应的包裹相位模型,所述包裹相位模型用于表征每个所述信息点对应的相位值;
S403、根据多个所述包裹相位模型,得到每个所述信息点的相位展开值;
S404、根据所述相位展开值,得到每个所述信息点对应的深度信息,并根据所述深度信息,得到每个所述拍摄位置对应的所述点云数据。
上述过程即从结构光投影图像中提取出带有深度信息的点云数据的过程。在一个优选的实施例中,在上述步骤S401中的信息点即为位移光栅图像中的每个像素点,可以理解的是,实际中,信息点的位置可以由人为进行选取,例如若管道检测是针对外管壁进行,则可以去除拍摄的图像中的背景部分,仅将反应管道部分的像素作为信息点。
具体地,在一个优选的实施例中,上述步骤S402、根据同一组中的多个相位移光栅图像,得到每个所述结构光频率对应的包裹相位模型,所述包裹相位模型用于表征每个所述信息点对应的相位值,具体包括:
根据目标结构光频率对应的多个目标相位移光栅图像,得到每个所述目标相位移光栅图像对应的光强分布模型;
获取每个所述目标相位移光栅图像对应的相位移值;
根据所述光强分布模型和所述相位移值,得到所述目标结构光频率对应的包裹相位模型。
进一步的,在一个优选的实施例中,上述步骤S403、根据多个所述包裹相位模型,得到每个所述信息点的相位展开值,具体包括:
获取每个所述结构光频率对应的结构光周期及包裹相位模型;
根据多个所述结构光周期和多个所述包裹相位模型,得到等效周期相位模型,所述等效周期相位模型用于表征多个不同结构光频率之间的等效周期和包裹相位差;
根据所述等效周期相位模型,得到每个所述信息点的相位展开值。
上述步骤S402的具体实现方式可以参考现有的四步相移法,步骤S403的具体实现方式可以参考现有的多频外差法。本发明还提供一更加详细的实施例,用以更加清楚地说明上述步骤S402~S403:
本实施例基于极线约束理论,利用所述以四步相移三频外差为基础的相移光栅测量法,完成点云信息的构建。
所述以四步相移三频外差为基础的相移光栅测量法包括:基于四步相位移的相位展开和基于三频外差法的相位解包裹。
其中基于四步相位移的相位展开的具体方法是(即所述步骤S402):
由于通过基于四步相位移的相位展开的方法,对结果处理后的结构光条纹光强函数的周期特性被截断在/>区间中,并不是真实相位分布值,当一幅图中条纹超出一个周期时因为在求解过程中丢弃了/>倍的相位,无法求出/>处的准确相位,于是,在一个优选的实施例中,还进一步利用所述基于三频外差法的相位解包裹的方法算出了/>处的完整相位(即所述相位展开值)。
所述基于三频外差法的相位解包裹的具体方法为:
三频外差法将3种结构光频率的光栅投射至物体表面,通过解包裹算法将四步相移后得到的折叠相位展开为连续相位。存在着三组不周期的光栅图像,周期分别为(即三个所述结构光周期)对应的包裹相位分别为/>(即对应的包裹相位模型)。第一组和第二组光栅生成的等效周期相位如下式所示:
最终得到等效周期相位模型为:
进而可以求得每个信息点的相位展开值,然后根据相位展开之可以求得每个信息点的深度信息,其具体过程为现有技术,本实施例中不做过多说明。
将上述两种方法组合起来即为本实施例提出的相移光栅测量法。
本实施例中的步骤S404、根据所述相位展开值,得到每个所述信息点对应的深度信息,并根据所述深度信息,得到每个所述拍摄位置对应的所述点云数据,即基于深度信息建立点云数据,可以理解的是,实际中点云中的信息点也可以结合实际拍摄图像,包含颜色、明度等多种其他信息。
上述过程得到的点云可能数量过多,同时也可能存在一些误差点,因此,在一个优选的实施例中,上述步骤S102、根据多个所述结构光投影图像,得到每个拍摄位置对应的点云数据,具体还包括:
根据每个信息点的位置特征,构造拟合曲面;
根据所述拟合曲面,得到每个所述信息点的曲率特征;
根据所述曲率特征,将多个所述信息点划分为多个子集;
基于预设特征阈值,对每个子集分别精简,得到精简后的点云数据。
上述过程即精简点云的过程,由于采集的点云过于密集,必须采取简化,在此采用基于曲率的点云精简,首先将离散点参数化表述,然后利用最小二乘法,使得邻域内所有点到参数曲面的距离之和最小,从而构造出一个拟合曲面,并求解方程计算出曲率。计算点云中的平均曲率以及平均曲率均值(即所述曲率特征),比较中点的平均曲率与平均曲率均值,将点云中的信息点划分为两个子集,对两个子集基于预设特征阈值进行精简,这样既能有效地保证不会使数据变化太大,又很好地对数据进行了简化。
进一步的,在一个优选的实施例中,上述步骤S103、根据所述实际拍摄图像和所述点云数据,拼接多个所述实际拍摄图像并建立管壁三维模型,具体包括:
根据所述实际拍摄图像,得到多个图像特征描述子及每个所述图像特征描述子对应的特征向量;
根据所述点云信息中的信息点与所述实际拍摄图像中的特征描述子的位置对应关系,基于所述点云信息得到所述实际拍摄图像的位姿信息;
根据所述位姿信息、所述特征描述子和所述特征向量,拼接多个所述实际拍摄图像并建立管壁三维模型。
上述过程可以通过结合点云信息的视觉SLAM方法等任意现有的算法实现,本发明还提供一更加详细的实施例,用以更加清楚地说明步骤S103:
视觉SLAM由传感器信息读取、前端视觉里程计、后端非线性优化、回环检测、建图等部分组成。所述视觉SLAM实现步骤具体方法为:
1.从实际拍摄图像中提取ORB描述子(即所述特征描述子):将采集到的8张图片按网格划分,利用八叉树结构,将所有图像中的角点按网格区域划分,利用质心计算每个角点的角度,对角点patch的点进行旋转,计算ORB描述子。
2.计算当前每个描述子的BOW特征向量,对两帧间对应节点的所有特征点进行逐一匹配,利用最近邻比法筛选最佳匹配特征,保存匹配对之间特征点主方向最多的前三名,将其他角度的匹配点全部剔除,利用PNP优化匹配对,剔除不满足图优化的点。
3.利用预测的位姿,将信息点(所述点云信息中的点)投影到当前像素平面中,在预设的阈值半径里查找投影点(即所述信息点)附近存在的特征点为候选点,筛除已经匹配过的候选点,计算匹配分数,分数最高的候选点为最优匹配,统计特征点的主方向,保留三个匹配最多的主方向,利用上述匹配对姿态图进行优化,计算当前帧的位姿(即所述位姿信息)。
4.关键帧的检测:若算法执行过程中处于纯定位模式、全局闭环情况下或据上次重定位较近,则不插入关键帧(关键帧即为多个实际拍摄图像中信息量较大的一幅)。若距离上次插入关键帧过去许多帧、内点数大于阈值且重叠度不大,局部地图中的关键帧队列不超过3个,则插入关键帧。
5.插入关键帧:中断局部地图(即拼接过程中已经拼好的部分视图),更新当前帧位姿信息,将当前帧所有点按深度信息进行排序,若地图点未创建或者为观测状态,则插入关键帧。
6.将当前帧的所有共视图关键帧加入局部关键帧中,将与共视图关键帧相关联的关键帧也加入局部关键帧中,将上述所有关键帧中非当前帧的地图点去全部加入局部地图中,在局部地图中为当前帧找到更多匹配对,初始化优化器并设置求解算法,设置顶点与观测边,进行四次优化,逐渐剔除外点,更新地图点的统计数据。
7.利用相机内参(相机内参可以通过点云信息得到)将像素点反投影回三维空间,为关键帧之间特征点索引,从当前所有观测中得到平均法向量。
8.从共视图所有关键帧中与当前关键帧计算BOW最低的匹配分数MIN_S作为参考值,在数据库中查找与当前关键帧有重合词汇的关键帧并统计重合词汇数量,排除当前关键帧的共视图关键帧,取最相似关键帧重叠词汇数目80%作为最低标准筛选候选帧,取匹配分数高于最低匹配分数MIN_S关键帧作为候选帧集,积累每个候选帧共视图关键帧的匹配分数,去0.75最大累计匹配分数作为最忌匹配分数确定最后的候选帧集。获取每个候选帧的共视图关键帧,每个候选帧的共视图关键帧与上一回回环检测组的关键帧有重复性机满足一致性,更新一致性组,将关键帧添加到数据库中。
9.遍历满足一致性条件的候选帧,计算当前关键帧与候选帧的特征匹配关系,满足匹配对阈值条件的设为候选帧并设置求解器,否则剔除,对求解器进行5次迭代求解相对运动,根据相对运动关系进行重投影匹配以找到更好的匹配对,匹配内点数量超过阈值条件则进行下一步验证,利用重投影计算当前帧与候选帧及其视图关键帧的匹配关系,匹配数量满足阈值条件说明候选帧是回环帧。
10.检测到回环,终止全局集束修正,更新当前帧的共视图关键帧,利用回环帧估算的当前帧姿态,更新共视图所有关键帧的姿态,根据新的姿态信息矫正当前帧及其试图关键帧的所有地图点,融合地图重复点,更新当前帧共视图关键帧,确保当前帧的回环帧建立联系,优化EssentialGraph,启动新的线程执行全局集束修正,最终建立管壁三维模型。
再次强调的是,因视觉SLAM为现有技术,上述过程中所使用的一些未做出解释的技术词汇,本领域人员均可以理解并且实施,受限于篇幅限制,本文中不做过多说明。
进一步的,通过上述步骤S104、基于预设自动检测模型检测所述管壁三维模型,得到检测结果中,可采用任意的现有的预设自动检测模型对管壁三维模型进行检测,如神经网络等,同时根据实际情况的不同,所期望的检测的目标也多种多样,所需要的检测结果各不相同,但均为现有技术。
本发明还提供一更加详细的实施例,用以更加清楚地说明上述步骤S104:
本实施例采用Pointformer算法行管道缺陷的检测与分类。Pointformer是2021CVPR公开的一篇现有技术,通过利用Transformer模型在集合结构数据上的优势来更有效地学习特征。Pointformer是一个带有多尺度Pointformer块的U-Net结构。Pointformer块由基于Transformer的模块组成,这些模块既具有表现力,又适合3D目标检测任务。
结合本实施例的目的,可以根据有关标准的规定,在城市排水管道内部出现的问题可分为结构性问题和功能性缺陷两种。将管道缺陷分为破裂、变形、腐蚀、错口、起伏、脱节、接口材料脱落、支管暗接、异物穿入、渗漏等十个种类。然后通过查阅、实验的方式准备缺陷检测数据集,保证数据样本充足,种类繁多且具有清晰的图片质量,结合手动制作专用数据集并标记好标签,然后训练基于上述Pointformer算法的神经网络,便可以得到所述预设自动检测模型。
为了更好实施本发明实施例中的基于结构光图像的管壁检测方法,在基于结构光图像的管壁检测方法基础之上,对应的,请参阅图5,图5为本发明提供的基于结构光图像的管壁检测装置的一实施例的结构示意图,本发明实施例提供的一种基于结构光图像的管壁检测装置500,包括图像拍摄装置510和运算控制装置520,所述运算控制装置520则又包括点云分析模块521、模型建立模块522和权限检测模块523,其中:
所述图像拍摄装置510用于向目标管道的管壁的多个拍摄位置分别投射多种不同结构光频率、不同结构光相位的条纹结构光,并获取每个所述拍摄位置的结构光投影图像和实际拍摄图像;
所述点云分析模块521用于根据多个所述结构光投影图像,得到每个拍摄位置对应的点云数据;
所述模型建立模块522用于根据所述实际拍摄图像和所述点云数据,拼接多个所述实际拍摄图像并建立管壁三维模型;
所述缺陷检测模块用于基于预设自动检测模型检测所述管壁三维模型,得到检测结果。
其中,图像拍摄装置510和运算控制装置520可以集成至一个装备中,也可以通过无线连接的方式传输数据。
这里需要说明的是:上述实施例提供的对应的装置可实现上述各方法实施例中描述的技术方案,上述各模块或单元具体实现的原理可参见上述方法实施例中的相应内容,此处不再赘述。
进一步的,结合图6所示,在一个优选的实施例中,所述图像拍摄装置510,包括主体框架511、范围调节组件512、行进组件513和拍摄部514,其中主体框架511由框架结构构成,作为图像拍摄装置510的主体,范围调节组件512则又包括调节驱动部5121和传动组件5122,所述调节驱动部5121包括固定端和输出端,所述调节驱动部5121的固定端连接于所述主体框架511。所述传动组件5122包括输入端和输出端,所述传动组件5122的输入端连接于所述调节驱动部5121的输出端,所述传动组件5122的输出端的运动方向沿所述目标管道的径向延伸。
行进组件513则包括行进驱动部5131和行进执行部5132,所述行进驱动部包括固定端和输出端,所述行进驱动部的固定端连接于所述传动组件5122的输出端,所述行进驱动部的输出端传动连接于所述行进执行部5132。拍摄部514连接于所述主体框架511。
本实施例通过范围调节组件512使行进组件513沿目标管道径向移动以抵接管道内壁,通过行进组件513使图像拍摄装置510可以在管道中前进,前进的过程中通过拍摄图完成投影结构光并拍摄实际拍摄图片等动作,拍摄完后可将数据传输至运算控制模块进行分析处理。
在一个优选的实施例中,所述主体框架511由数根长度不同的铝型材通过数个90°连接角件和60°连接角件拼搭而成。
在一个优选的实施例中,范围调节组件512内的调节驱动部5121为推杆,传动组件5122包括光杆51221、亚克力板51222和连杆机构51223,光杆51221设置于主体框架511内,光杆51221的延伸方向和目标管道相同,亚克力板51222套设于光杆51221,并且和主体框架511铝型材的凹槽连接,亚克力板51222同时和推杆以及连杆机构51223连接,亚克力板51222和推杆连接的地方为传动组件5122的输入端,连杆机构51223与行进组件513连接的部位为传动组件5122的输出端,通过推杆推动,连杆机构51223的输出端可以沿目标管道的径向扩张或收缩以调整本图像拍摄装置510可以攀爬的管径。
可以理解的是,连杆机构51223可以采用任意现有的传功结构,本实施例中不做过多说明。
进一步的,在一个优选的实施例中,所述行进组件513还包括连接部5133、联轴器5134和换向器5135,所述连接部5133连接于所述传动组件5122的输出端,所述行进驱动部5131为行星减速电机,所述行进驱动部5131的固定端连接于所述连接部5133,所述行进驱动部5131的输出端连接所述联轴器5134的输入端,所述联轴器5134的输出端连接所述换向器5135的输入端,所述行进执行部5132包括两个主动轮51321和从动轮51322,两个所述主动轮51321均连接于所述换向器5135的输出端,所述从动轮51322转动连接于所述连接部5133,所述主动轮51321和所述从动轮51322的转动轴线均垂直于所述目标管道的轴线,所述主动轮51321和所述从动轮51322的周面均抵接所述目标管道的管壁。
连接部5133用于连接传动组件5122和行进组件513,其也由型材制成,行进驱动部5131通过联轴器5134和换向器5135,驱动两个主动轮51321转动,配合从动轮51322实现装置的前进。
在一个优选的实施例中,拍摄部514由双目结构光机实现,主体框架511内连接有电机,该电机的输出端的旋转方向平行与光杆51221,并连接拍摄部514,实现拍摄部514的旋转。
进一步的,上述图像拍摄装置510和运算控制装置520可以通过额外连接的电源进行供电,也可以通过同一个电源共同供电,因此结合图7和图8所示,在一个优选的实施例中,所述基于结构光图像的管壁检测装置还包括供电模块,所述供电模块包括降压电路和光耦隔离电路,所述降压电路包括电压输入端和多个电压输出端,所述电压输入端用于连接电源,所述电压输出端的电压低于所述电压输入端,多个所述电压输出端分别电连接所述光耦隔离电路、所述运算控制装置520、所述调节驱动部5121、所述行进驱动部5131和所述拍摄部514。
本发明还提供一更加详细的实施例,用以清楚地说明上述供电模块:
本实施例中的供电模块通过基于STM32F407VET6芯片的拓展板实现,设计中总的供电输入为220V,经由AC转DC模块后输出24V8A的电流为后级电路供电,设计中采用多级降压稳压的方式实现物理供电隔离。
本实施例中降压电路可将24V降低为12V、5V以进行供电,具体地220V AC转24V DC采用明纬LRS-200-24型号电源,该电源拥有24V8.8A输出能力,满足设计中的全部要求,纹波和噪声保证在150mvpp,电压精度1%,线性调整率0.5%,负载调整率0.5%,启动时间50ms,满足设计全部需求。
其中为STM32F407VET6芯片单独提供了一路供电(即图中的12V转5V内部这一电路),该路供电由24V输出给5V开光降压模块然后经过一级LDO降压稳压输出给STM32进行工作,防止电机冲击导致的系统芯片损坏。
各种外设模块则由另外一路独立供电完成,24V通过LM2596-5.0和LM2596-3.3分别输出一路5V3A和一路3.3V3A,基本满足全部外设模块的供电,并且有足够的预留量和接口,保证了后续的可持续拓展性。
此外该设计中预留了四个电机驱动接口,每个接口均有一颗TLP281-4芯片(即所述光耦隔离电路)实现四路信号隔离输出,保证了电机驱动与单片机之间的通信不会受到电机侧大电流的干扰,基本实现了大功率器件与小功率器件的稳定隔离通信。
本实施例中的三个行星电机和推杆则通过24V和12V直接供电驱动,推杆的电机驱动芯片使用BTS7960,该驱动模块采用大功率驱动芯片BTS7960组成的H桥驱动模块,具有过热过流保护功能。双BTS7960H桥驱动电路,具有强劲的驱动和刹车效果,采用74HC244芯片具有有效隔离单片机和驱动的能力。
双目结构光机由于其特殊要求,采用220V AC转5VDC直接进行供电,保证其供电独立性。
本发明提供一种基于结构光图像的管壁检测方法及基于结构光图像的管壁检测装置,其中方法具体为:先向目标管道的管壁的多个拍摄位置分别投射多种不同结构光频率、不同结构光相位的条纹结构光,并获取每个所述拍摄位置的结构光投影图像和实际拍摄图像,然后根据多个所述结构光投影图像,得到每个拍摄位置对应的点云数据,再根据所述实际拍摄图像和所述点云数据,拼接多个所述实际拍摄图像并建立管壁三维模型,最后基于预设自动检测模型检测所述管壁三维模型,得到检测结果。相比于现有技术,本发明通过投影出不同频率、相位的结构光的方式以得到管壁表面的点云数据,再基于点云数据拼接实际拍摄图像进而建立管壁三维模型,再通过预设的自动检测模型检测上述管壁三维模型以得到检测结果,使得检测结果精确、可靠,最重要的是,上述过程均可以通过计算机代替人工自动进行,使得对管道的检查更加全面、准确,检测效率更高,更加适应大范围检测的场合,更具实用性。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于结构光图像的管壁检测方法,其特征在于,包括:
向目标管道的管壁的多个拍摄位置分别投射多种不同结构光频率、不同结构光相位的条纹结构光,并获取每个所述拍摄位置的结构光投影图像和实际拍摄图像;
根据多个所述结构光投影图像,得到每个拍摄位置对应的点云数据;
根据所述实际拍摄图像和所述点云数据,拼接多个所述实际拍摄图像并建立管壁三维模型;
基于预设自动检测模型检测所述管壁三维模型,得到检测结果。
2.根据权利要求1所述的基于结构光图像的管壁检测方法,其特征在于,所述每个所述拍摄位置对应一个拍摄范围,相邻的两个所述拍摄位置对应的拍摄范围部分重叠;所述结构光投影图像包括多组相位移光栅图像,同一组中的多个相位移光栅图像分别基于相同的结构光频率、不同的结构光相位的条纹结构光拍摄,每一组相位移光栅图像对应的结构光频率不同;所述根据多个所述结构光投影图像,得到每个拍摄位置对应的点云数据,包括:
确定多个信息点在目标拍摄位置所对应的所述位移光栅图像中的位置,其中多个所述信息点构成所述目标拍摄位置对应的点云;
根据同一组中的多个相位移光栅图像,得到每个所述结构光频率对应的包裹相位模型,所述包裹相位模型用于表征每个所述信息点对应的相位值;
根据多个所述包裹相位模型,得到每个所述信息点的相位展开值;
根据所述相位展开值,得到每个所述信息点对应的深度信息,并根据所述深度信息,得到每个所述拍摄位置对应的所述点云数据。
3.根据权利要求2所述的基于结构光图像的管壁检测方法,其特征在于,所述根据同一组中的多个相位移光栅图像,得到每个所述结构光频率对应的包裹相位模型,包括:
根据目标结构光频率对应的多个目标相位移光栅图像,得到每个所述目标相位移光栅图像对应的光强分布模型;
获取每个所述目标相位移光栅图像对应的相位移值;
根据所述光强分布模型和所述相位移值,得到所述目标结构光频率对应的包裹相位模型。
4.根据权利要求2所述的基于结构光图像的管壁检测方法,其特征在于,所述根据多个所述包裹相位模型,得到每个所述信息点的相位展开值,包括:
获取每个所述结构光频率对应的结构光周期及包裹相位模型;
根据多个所述结构光周期和多个所述包裹相位模型,得到等效周期相位模型,所述等效周期相位模型用于表征多个不同结构光频率之间的等效周期和包裹相位差;
根据所述等效周期相位模型,得到每个所述信息点的相位展开值。
5.根据权利要求2所述的基于结构光图像的管壁检测方法,其特征在于,所述根据多个所述结构光投影图像,得到每个拍摄位置对应的点云数据,还包括:
根据每个信息点的位置特征,构造拟合曲面;
根据所述拟合曲面,得到每个所述信息点的曲率特征;
根据所述曲率特征,将多个所述信息点划分为多个子集;
基于预设特征阈值,对每个子集分别精简,得到精简后的点云数据。
6.根据权利要求1所述的基于结构光图像的管壁检测方法,其特征在于,所述根据所述实际拍摄图像和所述点云数据,拼接多个所述实际拍摄图像并建立管壁三维模型,包括:
根据所述实际拍摄图像,得到多个图像特征描述子及每个所述图像特征描述子对应的特征向量;
根据所述点云信息中的信息点与所述实际拍摄图像中的特征描述子的位置对应关系,基于所述点云信息得到所述实际拍摄图像的位姿信息;
根据所述位姿信息、所述特征描述子和所述特征向量,拼接多个所述实际拍摄图像并建立管壁三维模型。
7.一种基于结构光图像的管壁检测装置,应用于如权利要求1~6任一项所述的基于结构光图像的管壁检测方法,其特征在于,所述基于结构光的管壁装置,包括图像拍摄装置和运算控制装置,所述运算控制装置包括点云分析模块、模型建立模块和权限检测模块,其中:
所述图像拍摄装置用于向目标管道的管壁的多个拍摄位置分别投射多种不同结构光频率、不同结构光相位的条纹结构光,并获取每个所述拍摄位置的结构光投影图像和实际拍摄图像;
所述点云分析模块用于根据多个所述结构光投影图像,得到每个拍摄位置对应的点云数据;
所述模型建立模块用于根据所述实际拍摄图像和所述点云数据,拼接多个所述实际拍摄图像并建立管壁三维模型;
所述缺陷检测模块用于基于预设自动检测模型检测所述管壁三维模型,得到检测结果。
8.根据权利要求7所述的基于结构光图像的管壁检测装置,其特征在于,所述图像拍摄装置,包括:
主体框架;
范围调节组件,所述范围调节组件包括调节驱动部和传动组件,所述调节驱动部包括固定端和输出端,所述调节驱动部的固定端连接于所述主体框架;所述传动组件包括输入端和输出端,所述传动组件的输入端连接于所述调节驱动部的输出端,所述传动组件的输出端的运动方向沿所述目标管道的径向延伸;
行进组件,包括行进驱动部和行进执行部,所述行进驱动部包括固定端和输出端,所述行进驱动部的固定端连接于所述传动组件的输出端,所述行进驱动部的输出端传动连接于所述行进执行部;
拍摄部,连接于所述主体框架。
9.根据权利要求8所述的基于结构光图像的管壁检测装置,其特征在于,所述行进组件还包括连接部、联轴器和换向器,所述连接部连接于所述传动组件的输出端,所述行进驱动部为行星减速电机,所述行进驱动部的固定端连接于所述连接部,所述行进驱动部的输出端连接所述联轴器的输入端,所述联轴器的输出端连接所述换向器的输入端,所述行进执行部包括两个主动轮和从动轮,两个所述主动轮均连接于所述换向器的输出端,所述从动轮转动连接于所述连接部,所述主动轮和所述从动轮的转动轴线均垂直于所述目标管道的轴线,所述主动轮和所述从动轮的周面均抵接所述目标管道的管壁。
10.根据权利要求8所述的基于结构光图像的管壁检测装置,其特征在于,还包括供电模块,所述供电模块包括降压电路和光耦隔离电路,所述降压电路包括电压输入端和多个电压输出端,所述电压输入端用于连接电源,所述电压输出端的电压低于所述电压输入端,多个所述电压输出端分别电连接所述光耦隔离电路、所述运算控制装置、所述调节驱动部、所述行进驱动部和所述拍摄部。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310512331.2A CN116297495A (zh) | 2023-05-09 | 2023-05-09 | 一种基于结构光图像的管壁检测方法及管壁检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310512331.2A CN116297495A (zh) | 2023-05-09 | 2023-05-09 | 一种基于结构光图像的管壁检测方法及管壁检测装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116297495A true CN116297495A (zh) | 2023-06-23 |
Family
ID=86790832
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310512331.2A Pending CN116297495A (zh) | 2023-05-09 | 2023-05-09 | 一种基于结构光图像的管壁检测方法及管壁检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116297495A (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184566A (zh) * | 2011-04-28 | 2011-09-14 | 湘潭大学 | 基于微型投影仪手机平台的便携式三维扫描系统及方法 |
CN105046694A (zh) * | 2015-07-02 | 2015-11-11 | 哈尔滨工程大学 | 一种基于曲面拟合系数特征的点云快速配准方法 |
CN208595355U (zh) * | 2018-07-16 | 2019-03-12 | 香港中文大学(深圳) | 一种转向变径管道机器人 |
CN110501017A (zh) * | 2019-08-12 | 2019-11-26 | 华南理工大学 | 一种基于orb_slam2的移动机器人导航地图生成方法 |
CN111855664A (zh) * | 2020-06-12 | 2020-10-30 | 山西省交通科技研发有限公司 | 一种可调节隧道病害三维检测系统 |
CN112581457A (zh) * | 2020-12-23 | 2021-03-30 | 武汉理工大学 | 一种基于三维点云的管道内表面检测方法及装置 |
CN112614216A (zh) * | 2020-12-04 | 2021-04-06 | 大连理工大学 | 一种变曲率自适应点云数据下采样方法 |
CN113012277A (zh) * | 2021-02-03 | 2021-06-22 | 中国地质大学(武汉) | 一种基于dlp面结构光多相机重建方法 |
CN113160287A (zh) * | 2021-03-17 | 2021-07-23 | 华中科技大学 | 一种基于特征融合的复杂构件点云拼接方法及系统 |
CN113494655A (zh) * | 2021-07-16 | 2021-10-12 | 南京工业职业技术大学 | 一种管道内壁清洗机器人 |
CN113537208A (zh) * | 2021-05-18 | 2021-10-22 | 杭州电子科技大学 | 一种基于语义orb-slam技术的视觉定位方法及系统 |
CN114120095A (zh) * | 2020-08-31 | 2022-03-01 | 中国科学院宁波材料技术与工程研究所 | 一种基于空中三维模型的移动机器人自主定位系统及方法 |
CN216108934U (zh) * | 2021-10-31 | 2022-03-22 | 刘华 | 一种水利工程给排水管道内壁清淤装置 |
CN114359476A (zh) * | 2021-12-10 | 2022-04-15 | 浙江建德通用航空研究院 | 一种用于城市峡谷环境导航的动态3d城市模型构建方法 |
CN114636050A (zh) * | 2022-05-20 | 2022-06-17 | 武汉理工大学 | 结构光扫描型管道探伤机器人及方法 |
CN115205391A (zh) * | 2022-05-20 | 2022-10-18 | 武汉理工大学 | 一种三维激光雷达和视觉融合的目标预测方法 |
-
2023
- 2023-05-09 CN CN202310512331.2A patent/CN116297495A/zh active Pending
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184566A (zh) * | 2011-04-28 | 2011-09-14 | 湘潭大学 | 基于微型投影仪手机平台的便携式三维扫描系统及方法 |
CN105046694A (zh) * | 2015-07-02 | 2015-11-11 | 哈尔滨工程大学 | 一种基于曲面拟合系数特征的点云快速配准方法 |
CN208595355U (zh) * | 2018-07-16 | 2019-03-12 | 香港中文大学(深圳) | 一种转向变径管道机器人 |
CN110501017A (zh) * | 2019-08-12 | 2019-11-26 | 华南理工大学 | 一种基于orb_slam2的移动机器人导航地图生成方法 |
CN111855664A (zh) * | 2020-06-12 | 2020-10-30 | 山西省交通科技研发有限公司 | 一种可调节隧道病害三维检测系统 |
CN114120095A (zh) * | 2020-08-31 | 2022-03-01 | 中国科学院宁波材料技术与工程研究所 | 一种基于空中三维模型的移动机器人自主定位系统及方法 |
CN112614216A (zh) * | 2020-12-04 | 2021-04-06 | 大连理工大学 | 一种变曲率自适应点云数据下采样方法 |
CN112581457A (zh) * | 2020-12-23 | 2021-03-30 | 武汉理工大学 | 一种基于三维点云的管道内表面检测方法及装置 |
CN113012277A (zh) * | 2021-02-03 | 2021-06-22 | 中国地质大学(武汉) | 一种基于dlp面结构光多相机重建方法 |
CN113160287A (zh) * | 2021-03-17 | 2021-07-23 | 华中科技大学 | 一种基于特征融合的复杂构件点云拼接方法及系统 |
CN113537208A (zh) * | 2021-05-18 | 2021-10-22 | 杭州电子科技大学 | 一种基于语义orb-slam技术的视觉定位方法及系统 |
CN113494655A (zh) * | 2021-07-16 | 2021-10-12 | 南京工业职业技术大学 | 一种管道内壁清洗机器人 |
CN216108934U (zh) * | 2021-10-31 | 2022-03-22 | 刘华 | 一种水利工程给排水管道内壁清淤装置 |
CN114359476A (zh) * | 2021-12-10 | 2022-04-15 | 浙江建德通用航空研究院 | 一种用于城市峡谷环境导航的动态3d城市模型构建方法 |
CN114636050A (zh) * | 2022-05-20 | 2022-06-17 | 武汉理工大学 | 结构光扫描型管道探伤机器人及方法 |
CN115205391A (zh) * | 2022-05-20 | 2022-10-18 | 武汉理工大学 | 一种三维激光雷达和视觉融合的目标预测方法 |
Non-Patent Citations (2)
Title |
---|
周格: "基于结构光的隧道裂缝检测技术研究与实现", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑, no. 09, pages 9 - 48 * |
柴利 等: "基于视觉感知的表面缺陷智能检测理论及工业应用", 计算机集成制造系统, vol. 7, no. 28, pages 1996 - 2004 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111968129B (zh) | 具有语义感知的即时定位与地图构建系统及方法 | |
CN109544679B (zh) | 管道内壁的三维重建方法 | |
Borrmann et al. | A mobile robot based system for fully automated thermal 3D mapping | |
Lee et al. | Skeleton-based 3D reconstruction of as-built pipelines from laser-scan data | |
Zhang et al. | A 3D reconstruction method for pipeline inspection based on multi-vision | |
CN102410811B (zh) | 一种弯管参数的测量方法和系统 | |
CN110470238A (zh) | 一种手持激光三维扫描仪、扫描方法及装置 | |
CN104299261A (zh) | 人体三维成像方法及系统 | |
CN107218928B (zh) | 一种复杂多管路系统检测方法 | |
CN104501740A (zh) | 一种基于标记点轨迹跟踪的手持激光三维扫描方法及设备 | |
CN101329771B (zh) | 一种基于图像序列的城市街区的快速建模方法 | |
CN109815847B (zh) | 一种基于语义约束的视觉slam方法 | |
CN103729883A (zh) | 一种三维环境信息采集与重构系统及方法 | |
CN103196370A (zh) | 一种导管接头空间位姿参数的测量方法和装置 | |
KR102170235B1 (ko) | 상하수관로 상태 정보 분석 및 모델링 방법 | |
CN114638909A (zh) | 基于激光slam和视觉融合的变电站语义地图构建方法 | |
CN102829769A (zh) | 基于结构光视觉传感器的集装箱位置姿态测量方法 | |
CN104036541A (zh) | 一种视觉测量中的快速三维重建方法 | |
CN112197773B (zh) | 基于平面信息的视觉和激光定位建图方法 | |
Liu et al. | Tube measurement based on stereo-vision: a review | |
Zong et al. | A high-efficiency and high-precision automatic 3D scanning system for industrial parts based on a scanning path planning algorithm | |
Yamaguti et al. | A method of distance measurement by using monocular camera | |
CN111397521A (zh) | 一种基于webGL技术的氟化工厂管道模型的建立方法 | |
CN109751969A (zh) | 一种利用正反格雷码线移光栅的三维非接触扫描方法 | |
CN106952344A (zh) | 一种用于再制造修复的破损模型解算方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230623 |
|
RJ01 | Rejection of invention patent application after publication |