CN116309552B - 既有线老旧挡墙的健康状态评估方法、装置、设备及介质 - Google Patents

既有线老旧挡墙的健康状态评估方法、装置、设备及介质 Download PDF

Info

Publication number
CN116309552B
CN116309552B CN202310531036.1A CN202310531036A CN116309552B CN 116309552 B CN116309552 B CN 116309552B CN 202310531036 A CN202310531036 A CN 202310531036A CN 116309552 B CN116309552 B CN 116309552B
Authority
CN
China
Prior art keywords
area
retaining wall
derivative
square
weed
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.)
Active
Application number
CN202310531036.1A
Other languages
English (en)
Other versions
CN116309552A (zh
Inventor
杨长卫
代明明
潘彝滔
王冠翰
于佳琪
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.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong 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 Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN202310531036.1A priority Critical patent/CN116309552B/zh
Publication of CN116309552A publication Critical patent/CN116309552A/zh
Application granted granted Critical
Publication of CN116309552B publication Critical patent/CN116309552B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/40Image enhancement or restoration using histogram techniques
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/136Segmentation; Edge detection involving thresholding
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种既有线老旧挡墙的健康状态评估方法、装置、设备及介质,涉及挡墙评估技术领域,包括采集挡墙的初始图像和机器人在挡墙上的运行轨迹;对运行轨迹进行函数分析,得到缺陷区域;利用二值化法从初始图像中分离出挡墙区域,将挡墙区域转化为HSV图像,从HSV图像与预设的空间阈值对照表进行对比,得到渗水区域;采用差分盒维数法得到挡墙区域的分形维数,根据分形维数判断出杂草区域;对缺陷区域、渗水缺陷和杂草区域进行雷达探测得到空洞的数量;基于缺陷区域、杂草区域、渗水区域和空洞的数量评估得到挡墙的健康状态;本发明用于解决现有技术采用人工测量的方式,消耗大量的时间、物力和财力的技术问题。

Description

既有线老旧挡墙的健康状态评估方法、装置、设备及介质
技术领域
本发明涉及挡墙评估技术领域,具体而言,涉及既有线老旧挡墙的健康状态评估方法、装置、设备及介质。
背景技术
目前,现有的评估既有线老旧挡墙健康状态的方法是铁路工作人员进行人工测量:首先针对既有线老旧挡墙进行图纸搜集,确定挡墙设计参数(坡度、尺寸、挡墙周围环境等);然后分别测出每一个挡墙的长、高以及坡度,接着用雷达对挡墙进行探测以及用无人机进行全景拍照,通过综合计算和分析,确定缺陷区域、杂草区域、渗水区域和空洞等情况;最后对挡墙进行综合评估,确定挡墙的质量状态。采用人工测量的方式,不仅消耗工作人员的时间和精力,还耗费较高的物力和财力。
发明内容
本发明的目的在于提供一种既有线老旧挡墙的健康状态评估方法、装置、设备及介质,以改善上述问题。为了实现上述目的,本发明采取的技术方案如下:
第一方面,本申请提供了一种既有线老旧挡墙的健康状态评估方法,包括:
采集挡墙的初始图像和机器人在挡墙上的运行轨迹,所述挡墙为既有线老旧挡墙;
对所述运行轨迹进行函数分析,得到缺陷区域;
利用二值化法从初始图像中分离出挡墙区域,将挡墙区域转化为HSV图像,从所述HSV图像与预设的空间阈值对照表进行对比,得到渗水区域;
采用差分盒维数法得到挡墙区域的分形维数,根据分形维数判断出杂草区域;
对缺陷区域、渗水缺陷和杂草区域进行雷达探测得到空洞的数量;
基于缺陷区域、杂草区域、渗水区域和空洞的数量评估得到挡墙的健康状态。
第二方面,本申请还提供了一种既有线老旧挡墙的健康状态评估装置,包括:
采集模块:用于采集挡墙的初始图像和机器人在挡墙上的运行轨迹,所述挡墙为既有线老旧挡墙;
分析模块:用于对所述运行轨迹进行函数分析,得到缺陷区域;
第一判断模块:用于利用二值化法从初始图像中分离出挡墙区域,将挡墙区域转化为HSV图像,从所述HSV图像与预设的空间阈值对照表进行对比,得到渗水区域;
第二判断模块:用于采用差分盒维数法得到挡墙区域的分形维数,根据分形维数判断出杂草区域;
探测模块:用于对缺陷区域、渗水缺陷和杂草区域进行雷达探测得到空洞的数量;
评估模块:用于基于缺陷区域、杂草区域、渗水区域和空洞的数量评估得到挡墙的健康状态。
第三方面,本申请还提供了一种既有线老旧挡墙的健康状态评估设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现所述既有线老旧挡墙的健康状态评估方法的步骤。
第四方面,本申请还提供了一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述基于既有线老旧挡墙的健康状态评估方法的步骤。
本发明的有益效果为:
本发明以智能爬坡机器人和无人机作为勘测载体,并将其勘测到的数据导入到挡墙健康状态评估装置,挡墙健康状态评估装置通过雷达、图像、颜色、以及维度算法对勘测的数据进行分析和评估,判断出挡墙的缺陷区域、杂草区域、渗水区域和空洞,从而分析得到挡墙的健康状态和健康等级,最后根据健康等级做出相对应的处理方式。本发明采用自动化勘测和自动化算法替代人工,节约了评估过程中的时间成本和人力成本,极大的推进了工作进度。
本发明的其他特征和优点将在随后的说明书阐述,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实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例中所述的既有线老旧挡墙的健康状态评估方法流程示意图;
图2为本发明实施例中所述的既有线老旧挡墙的健康状态评估装置结构示意图;
图3为本发明实施例中所述的既有线老旧挡墙的健康状态评估设备结构示意图。
图中标记:
800、既有线老旧挡墙的健康状态评估设备;801、处理器;802、存储器;803、多媒体组件;804、I/O接口;805、通信组件。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例1:
本实施例提供了一种既有线老旧挡墙的健康状态评估方法。
参见图1,图中示出了本方法包括:
S1.采集挡墙的初始图像和机器人在挡墙上的运行轨迹,所述挡墙为既有线老旧挡墙,所述初始图像可采用无人机拍摄,所述机器人为爬墙机器人;
首先,获取挡墙的设计图纸和设计参数;然后建立三维坐标系,将挡墙的设计图纸和设计参数输入至所述三维坐标系中;在挡墙上选择起点和测量点,在三维坐标系中确定机器人的起点坐标和测量点的坐标。
具体的,所述步骤S1包括:
S11.获取机器人行走轮的周长和行走轮转动一圈所对应的脉冲数个数,本实施例中,行走轮转动一圈所对应的脉冲数为256,机器人行走轮的周长为:
;(1)
式中,r表示行走轮的半径。
S12.根据行走轮的周长和行走轮转动一圈所对应的脉冲数个数计算得到单位脉冲的里程
;(2)
S13.获取机器人在爬墙过程中每个单位脉冲所对应的里程,得到测点序列;
;(3)
式中,表示初始位置里程,n表示脉冲计数个数,S表示实际里程值。
S14.对所述测点序列进行曲线拟合,得到机器人在挡墙上的运行轨迹;
由于测点序列为离散点,为了更好的对数据进行分析,需要对数据点的轨迹进行建模,即曲线拟合。
基于以上实施例,本方法还包括:
S2.对所述运行轨迹进行函数分析,得到缺陷区域;
具体的,所述步骤S2包括:
依次遍历运行轨迹,对遍历到的轨迹点进行一次求导和二次求导得到一阶导数和二阶导数;
;(4)
式中,表示轨迹点的y轴坐标,表示轨迹点的x轴坐标,表示轨迹点的一阶导数。
若轨迹点存在一阶导数、二阶导数为零,且轨迹点的左侧一阶导数不等于右侧一阶导数,则轨迹点所在区域存在裂缝;
若轨迹点存在一阶导数和二阶导数,且二阶导数大于零,则轨迹点所在区域存在下陷;
若轨迹点存在一阶导数和二阶导数,且二阶导数小于零,则轨迹点所在区域存在鼓胀;
将裂缝、下陷和鼓胀所在的区域作为缺陷区域。
基于以上实施例,本方法还包括:
S3.利用二值化法从初始图像中分离出挡墙区域,将挡墙区域转化为HSV图像,从所述HSV图像与预设的空间阈值对照表进行对比,得到渗水区域;
具体的,所述步骤S3包括:
S31.建立初始图像的灰度直方图;
优选的,可根据初始图像的大小将其切分为多个图片,划分标准为:
令挡墙的长度为L,当L≤5m时,为小挡墙类型,划分成4个图片;当5m<L≤10m时,为中挡墙类型,划分成9个图片;当15<L时,为大挡墙类型,划分成16个图片;
对每张图片建立灰度直方图,具体的,通过浮点算法将图片的色彩转为灰度,其中浮点算法为:
;(5)
式中,R为红色,G为绿色,B为蓝色,Gray为转化后的灰色;灰度图计算后得到不同的值分为256个等级,0为全黑,255为全白,并将计算得到的灰度Gray转化为x、y轴为图像长宽,z轴为灰度值的三维图;
S32.依次选取灰度直方图中的每一个灰度级作为分割阈值;
S33.利用所选取的分割阈值计算得到灰度直方图的平均灰度值;
;(6)
式中,i表示第i个灰度级,L表示图像共有L个灰度级,表示灰度级出现的概率,表示平均灰度值。
S34.由所述平均灰度值计算得到灰度直方图的类方差;
;(7)
式中,表示类方差,I代表前景,B表示背景,表示背景的平均灰度值,表示前景的平均灰度值,表示背景出现概率,表示前景出现概率。
具体的,的计算方式为:
;(8)
;(9)
;(10)
;(11)
式中,t表示分割阈值。
S35.比较每个灰度值作为阈值得到的类方差的大小,将类方差最大值所对应的灰度值作为最佳分割阈值;
;(12)
式中,表示类方差。
S36.由所述最佳分割阈值从灰度直方图中划分出的前景作为挡墙区域。
S37.通过以下方式将挡墙区域转化为HSV图像:首先计算最大通道值和最小通道值
S38.根据最大通道值和最小通道值计算得到HSV空间中的(H、S、V)值,得到HSV图像:
;(13)
;(14)
;(15)
表1
S39.将HSV图像中的每个像素点与空间阈值对照表进行比较,所述空间阈值对照表中包括黑、灰、白、红 、橙、黄、绿的阈值范围;若像素点的HSV值位于黄色的阈值范围内,则表示该像素点为渗水区域,空间阈值对照表如表1所示。
基于以上实施例,本方法还包括:
S4.采用差分盒维数法得到挡墙区域的分形维数,根据分形维数判断出杂草区域;
具体的,所述步骤S4包括:
S41.将挡墙区域划分为若干个方块,本实施例中,划分得到n个方块;
S42.将预设边长的正方体盒子覆盖每个方块,得到将每个方块覆盖完毕时所需的正方体盒子数量;
本实施例中,利用边长为的正方体盒子覆盖每个方块,第j个方块得到个正方体盒子;
S43.根据正方体盒子数量和正方体盒子的预设边长计算得到每个方块对应的分形维数;
;(16)
式中,表示第j个方块对应的分形维数,表示第j个方块的正方体盒子数量,正方体盒子的边长。
利用公式(16)依次计算n个方块对应的分形维数,得到
S44.比较每个方块的分形维数与第一预设值的大小:
若方块的分形维数大于第一预设值,则方块为杂草区域;
否则,方块为非杂草区域。
本实施例中,所述第一预设值为1,依次将n个方块对应的分形维数与第一预设值进行比较,若>1,则表示方块所在的区域为杂草区域。
基于以上实施例,本方法还包括:
S5.对缺陷区域、渗水缺陷和杂草区域进行雷达探测得到空洞的数量;
具体的,所述步骤S5包括:
S51.将缺陷区域、渗水缺陷和杂草区域划分为若干个探测区域;
S52.获取雷达探测每个探测区域所需的行程时间;
具体的,通过不断向探测区域发射探地雷达,其发射装置以宽频短脉冲形式向下介质发送高频电磁波,遇到不同界面时,部分电磁波发生反射返回,由天线中的另一接收装置接收探测信号;
雷达探测的行程时间为:
;(17)
式中:电磁波传播波速,X为天线距,为目的层深度;
其中:
;(18)
式中表示介电常数,c表示光的传播速度。
由于空气的介电常数比墙体的介电常数要小,所以电磁波在空气中的传播速度比墙体中的传播速度要快,即在雷达探测空气比探测固态物质所需的行程时间更短,因此,通过行程时间可判断出探测区域中是否有空洞。
S53.比较每个探测区域所需的行程时间与第二预设值的大小:
具体的,所述第二预设值可以为所有探测区域的探测时间的加权平均值;
S54.若探测区域所需的行程时间大于第二预设值,则探测区域存在空洞;
否则,探测区域没有空洞;
S55.统计所有探测区域中空洞的数量。
基于以上实施例,本方法还包括:
S6.基于缺陷区域、杂草区域、渗水区域和空洞的数量评估得到挡墙的健康状态。
具体的,所述步骤S6包括:
S61.分别统计缺陷区域、杂草区域和渗水区域出现的次数,分别记为,空洞的数量记为
S62.根据缺陷区域、杂草区域、渗水区域出现的次数和空洞的数量依次计算缺陷区域的权重、杂草区域的权重、渗水区域的权重和空洞的权重;
S63.由缺陷区域的权重、杂草区域的权重、渗水区域的权重和空洞的权重计算得到挡墙的评分F;
;(19)
S64.根据所述评分判断挡墙的健康状态为优良、合格或失格:
1)当85≤F≤100时,挡墙健康状态为优良;
2)当60≤F≤85时,挡墙健康状态为合格;
3)当F<60时,挡墙健康状态为失格。
实施例2:
如图2所示,本实施例提供了一种既有线老旧挡墙的健康状态评估装置,所述装置包括:
采集模块:用于采集挡墙的初始图像和机器人在挡墙上的运行轨迹,所述挡墙为既有线老旧挡墙;
分析模块:用于对所述运行轨迹进行函数分析,得到缺陷区域;
第一判断模块:用于利用二值化法从初始图像中分离出挡墙区域,将挡墙区域转化为HSV图像,从所述HSV图像与预设的空间阈值对照表进行对比,得到渗水区域;
第二判断模块:用于采用差分盒维数法得到挡墙区域的分形维数,根据分形维数判断出杂草区域;
探测模块:用于对缺陷区域、渗水缺陷和杂草区域进行雷达探测得到空洞的数量;
评估模块:用于基于缺陷区域、杂草区域、渗水区域和空洞的数量评估得到挡墙的健康状态。
基于以上实施例,所述采集模块包括:
第一获取单元:用于获取机器人行走轮的周长和行走轮转动一圈所对应的脉冲数个数;
第一计算单元:用于根据行走轮的周长和行走轮转动一圈所对应的脉冲数个数计算得到单位脉冲的里程;
第二获取单元:用于获取机器人在爬墙过程中每个单位脉冲所对应的里程,得到测点序列;
拟合单元:用于对所述测点序列进行曲线拟合,得到机器人在挡墙上的运行轨迹。
基于以上实施例,所述第一判断模块包括:
建立单元:用于建立初始图像的灰度直方图;
选取单元:用于依次选取灰度直方图中的每一个灰度级作为分割阈值;
第二计算单元:利用所选取的分割阈值计算得到灰度直方图的平均灰度值;
第三计算单元:用于由所述平均灰度值计算得到灰度直方图的类方差;
第一比较单元:用于比较每个灰度值作为阈值得到的类方差的大小,将类方差最大值所对应的灰度值作为最佳分割阈值;
第一划分单元:用于由所述最佳分割阈值从灰度直方图中划分出的前景作为挡墙区域。
基于以上实施例,所述第二判断模块包括:
第二划分单元:用于将挡墙区域划分为若干个方块;
覆盖单元:用于将预设边长的正方体盒子覆盖每个方块,得到将每个方块覆盖完毕时所需的正方体盒子数量;
第四计算单元:用于根据正方体盒子数量和正方体盒子的预设边长计算得到每个方块对应的分形维数;
第二比较单元:用于比较每个方块的分形维数与第一预设值的大小:
若方块的分形维数大于第一预设值,则方块为杂草区域;
否则,方块为非杂草区域。
基于以上实施例,所述探测模块包括:
第三划分单元:用于将缺陷区域、渗水缺陷和杂草区域划分为若干个探测区域;
第三获取单元:用于获取雷达探测每个探测区域所需的行程时间;
第三比较单元:用于比较每个探测区域所需的行程时间与第二预设值的大小:
若探测区域所需的行程时间大于第二预设值,则探测区域存在空洞;
否则,探测区域没有空洞;
统计所有探测区域中空洞的数量。
基于以上实施例,所述评估模块包括:
统计单元:用于分别统计缺陷区域、杂草区域和渗水区域出现的次数;
第五计算单元:用于根据缺陷区域、杂草区域、渗水区域出现的次数和空洞的数量依次计算缺陷区域的权重、杂草区域的权重、渗水区域的权重和空洞的权重;
第六计算单元:用于由缺陷区域的权重、杂草区域的权重、渗水区域的权重和空洞的权重计算得到挡墙的评分;
评估单元:用于根据所述评分判断挡墙的健康状态为优良、合格或失格。
需要说明的是,关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
实施例3:
相应于上面的方法实施例,本实施例中还提供了一种既有线老旧挡墙的健康状态评估设备,下文描述的一种既有线老旧挡墙的健康状态评估设备与上文描述的一种既有线老旧挡墙的健康状态评估方法可相互对应参照。
图3是根据示例性实施例示出的一种既有线老旧挡墙的健康状态评估设备800的框图。如图3所示,该既有线老旧挡墙的健康状态评估设备800可以包括:处理器801,存储器802。该既有线老旧挡墙的健康状态评估设备800还可以包括多媒体组件803, I/O接口804,以及通信组件805中的一者或多者。
其中,处理器801用于控制该既有线老旧挡墙的健康状态评估设备800的整体操作,以完成上述的既有线老旧挡墙的健康状态评估方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该既有线老旧挡墙的健康状态评估设备800的操作,这些数据例如可以包括用于在该既有线老旧挡墙的健康状态评估设备800上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该既有线老旧挡墙的健康状态评估设备800与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near FieldCommunication,简称NFC),2G、3G或4G,或它们中的一种或几种的组合,因此相应的该通信组件805可以包括:Wi-Fi模块,蓝牙模块,NFC模块。
在一示例性实施例中,既有线老旧挡墙的健康状态评估设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital SignalProcessing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的既有线老旧挡墙的健康状态评估方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的既有线老旧挡墙的健康状态评估方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器802,上述程序指令可由既有线老旧挡墙的健康状态评估设备800的处理器801执行以完成上述的既有线老旧挡墙的健康状态评估方法。
实施例4:
相应于上面的方法实施例,本实施例中还提供了一种可读存储介质,下文描述的一种可读存储介质与上文描述的一种既有线老旧挡墙的健康状态评估方法可相互对应参照。
一种可读存储介质,可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述方法实施例的既有线老旧挡墙的健康状态评估方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
以上所述,仅为本发明的具体实施方式,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,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。

Claims (8)

1.一种既有线老旧挡墙的健康状态评估方法,其特征在于,包括:
采集挡墙的初始图像和机器人在挡墙上的运行轨迹,所述挡墙为既有线老旧挡墙,包括:
获取机器人行走轮的周长和行走轮转动一圈所对应的脉冲数个数;
根据行走轮的周长和行走轮转动一圈所对应的脉冲数个数计算得到单位脉冲的里程;
获取机器人在爬墙过程中每个单位脉冲所对应的里程,得到测点序列;
对所述测点序列进行曲线拟合,得到机器人在挡墙上的运行轨迹;
对所述运行轨迹进行函数分析,得到缺陷区域,包括:
依次遍历运行轨迹,对遍历到的轨迹点进行一次求导和二次求导得到一阶导数和二阶导数;
若轨迹点存在一阶导数、二阶导数为零,且轨迹点的左侧一阶导数不等于右侧一阶导数,则轨迹点所在区域存在裂缝;
若轨迹点存在一阶导数和二阶导数,且二阶导数大于零,则轨迹点所在区域存在下陷;
若轨迹点存在一阶导数和二阶导数,且二阶导数小于零,则轨迹点所在区域存在鼓胀;
将裂缝、下陷和鼓胀所在的区域作为缺陷区域;
利用二值化法从初始图像中分离出挡墙区域,将挡墙区域转化为HSV图像,从所述HSV图像与预设的空间阈值对照表进行对比,得到渗水区域;
采用差分盒维数法得到挡墙区域的分形维数,根据分形维数判断出杂草区域;
对缺陷区域、渗水缺陷和杂草区域进行雷达探测得到空洞的数量;
基于缺陷区域、杂草区域、渗水区域和空洞的数量评估得到挡墙的健康状态,包括:
分别统计缺陷区域、杂草区域和渗水区域出现的次数;
根据缺陷区域、杂草区域、渗水区域出现的次数和空洞的数量依次计算缺陷区域的权重、杂草区域的权重、渗水区域的权重和空洞的权重;
由缺陷区域的权重、杂草区域的权重、渗水区域的权重和空洞的权重计算得到挡墙的评分;
根据所述评分判断挡墙的健康状态为优良、合格或失格。
2.根据权利要求1所述的既有线老旧挡墙的健康状态评估方法,其特征在于,利用二值化法从初始图像中分离出挡墙区域,包括:
建立初始图像的灰度直方图;
依次选取灰度直方图中的每一个灰度级作为分割阈值;
利用所选取的分割阈值计算得到灰度直方图的平均灰度值;
由所述平均灰度值计算得到灰度直方图的类方差;
比较每个灰度值作为阈值得到的类方差的大小,将类方差最大值所对应的灰度值作为最佳分割阈值;
由所述最佳分割阈值从灰度直方图中划分出的前景作为挡墙区域。
3.根据权利要求1所述的既有线老旧挡墙的健康状态评估方法,其特征在于,采用差分盒维数法得到挡墙区域的分形维数,根据分形维数判断出杂草区域,包括:
将挡墙区域划分为若干个方块;
将预设边长的正方体盒子覆盖每个方块,得到将每个方块覆盖完毕时所需的正方体盒子数量;
根据正方体盒子数量和正方体盒子的预设边长计算得到每个方块对应的分形维数;
比较每个方块的分形维数与第一预设值的大小:
若方块的分形维数大于第一预设值,则方块为杂草区域;
否则,方块为非杂草区域。
4.一种既有线老旧挡墙的健康状态评估装置,其特征在于,包括:
采集模块:用于采集挡墙的初始图像和机器人在挡墙上的运行轨迹,所述挡墙为既有线老旧挡墙,包括:
获取机器人行走轮的周长和行走轮转动一圈所对应的脉冲数个数;
根据行走轮的周长和行走轮转动一圈所对应的脉冲数个数计算得到单位脉冲的里程;
获取机器人在爬墙过程中每个单位脉冲所对应的里程,得到测点序列;
对所述测点序列进行曲线拟合,得到机器人在挡墙上的运行轨迹;
分析模块:用于对所述运行轨迹进行函数分析,得到缺陷区域,包括:
依次遍历运行轨迹,对遍历到的轨迹点进行一次求导和二次求导得到一阶导数和二阶导数;
若轨迹点存在一阶导数、二阶导数为零,且轨迹点的左侧一阶导数不等于右侧一阶导数,则轨迹点所在区域存在裂缝;
若轨迹点存在一阶导数和二阶导数,且二阶导数大于零,则轨迹点所在区域存在下陷;
若轨迹点存在一阶导数和二阶导数,且二阶导数小于零,则轨迹点所在区域存在鼓胀;
将裂缝、下陷和鼓胀所在的区域作为缺陷区域;
第一判断模块:用于利用二值化法从初始图像中分离出挡墙区域,将挡墙区域转化为HSV图像,从所述HSV图像与预设的空间阈值对照表进行对比,得到渗水区域;
第二判断模块:用于采用差分盒维数法得到挡墙区域的分形维数,根据分形维数判断出杂草区域;
探测模块:用于对缺陷区域、渗水缺陷和杂草区域进行雷达探测得到空洞的数量;
评估模块:用于基于缺陷区域、杂草区域、渗水区域和空洞的数量评估得到挡墙的健康状态,包括:
分别统计缺陷区域、杂草区域和渗水区域出现的次数;
根据缺陷区域、杂草区域、渗水区域出现的次数和空洞的数量依次计算缺陷区域的权重、杂草区域的权重、渗水区域的权重和空洞的权重;
由缺陷区域的权重、杂草区域的权重、渗水区域的权重和空洞的权重计算得到挡墙的评分;
根据所述评分判断挡墙的健康状态为优良、合格或失格。
5.根据权利要求4所述的既有线老旧挡墙的健康状态评估装置,其特征在于,所述第一判断模块包括:
建立单元:用于建立初始图像的灰度直方图;
选取单元:用于依次选取灰度直方图中的每一个灰度级作为分割阈值;
利用所选取的分割阈值计算得到灰度直方图的平均灰度值;
第二计算单元:用于由所述平均灰度值计算得到灰度直方图的类方差;
第一比较单元:用于比较每个灰度值作为阈值得到的类方差的大小,将类方差最大值所对应的灰度值作为最佳分割阈值;
第一划分单元:用于由所述最佳分割阈值从灰度直方图中划分出的前景作为挡墙区域。
6.根据权利要求4所述的既有线老旧挡墙的健康状态评估装置,其特征在于,所述第二判断模块包括:
第二划分单元:用于将挡墙区域划分为若干个方块;
覆盖单元:用于将预设边长的正方体盒子覆盖每个方块,得到将每个方块覆盖完毕时所需的正方体盒子数量;
第三计算单元:用于根据正方体盒子数量和正方体盒子的预设边长计算得到每个方块对应的分形维数;
第二比较单元:用于比较每个方块的分形维数与第一预设值的大小:
若方块的分形维数大于第一预设值,则方块为杂草区域;
否则,方块为非杂草区域。
7.一种既有线老旧挡墙的健康状态评估设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至3任一项所述既有线老旧挡墙的健康状态评估方法的步骤。
8.一种可读存储介质,其特征在于,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至3任一项所述既有线老旧挡墙的健康状态评估方法的步骤。
CN202310531036.1A 2023-05-12 2023-05-12 既有线老旧挡墙的健康状态评估方法、装置、设备及介质 Active CN116309552B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310531036.1A CN116309552B (zh) 2023-05-12 2023-05-12 既有线老旧挡墙的健康状态评估方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310531036.1A CN116309552B (zh) 2023-05-12 2023-05-12 既有线老旧挡墙的健康状态评估方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN116309552A CN116309552A (zh) 2023-06-23
CN116309552B true CN116309552B (zh) 2023-08-29

Family

ID=86830844

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310531036.1A Active CN116309552B (zh) 2023-05-12 2023-05-12 既有线老旧挡墙的健康状态评估方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN116309552B (zh)

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102411776A (zh) * 2011-11-17 2012-04-11 南京信息工程大学 基于统计学和分形维数的机器人视觉图像分割方法
JP2012197604A (ja) * 2011-03-22 2012-10-18 Asahi Kasei Homes Co 擁壁の安全性評価方法、擁壁の安全性評価プログラム及び擁壁の安全性評価システム
WO2015187952A1 (en) * 2014-06-06 2015-12-10 Allsteel Inc. Modular wall system with variable trim
CN106779326A (zh) * 2016-11-29 2017-05-31 武汉理工大学 桥梁健康状态评估系统
JP6210524B1 (ja) * 2017-01-31 2017-10-11 株式会社ミズキコンサルタント 擁壁の安全性評価方法、擁壁の安全性評価プログラムおよび擁壁の安全性評価システム
CN108140218A (zh) * 2015-09-10 2018-06-08 富士胶片株式会社 健全度判定装置、健全度判定方法及健全度判定程序
CN108829936A (zh) * 2018-05-23 2018-11-16 青岛理工大学 基于t-s模糊神经网络的既有重力式挡土墙技术状态评估方法
CN108974044A (zh) * 2018-08-09 2018-12-11 铁路愿景欧洲有限公司 铁路轨道资产勘测系统
CN109083162A (zh) * 2018-08-21 2018-12-25 中国十七冶集团有限公司 一种渗水高边坡加固引排系统及施工方法
CN111324146A (zh) * 2020-03-09 2020-06-23 河海大学常州校区 一种水下巡检机器人的轨迹跟踪控制方法
CN111829507A (zh) * 2020-07-20 2020-10-27 北京易控智驾科技有限公司 应用于露天矿山自动驾驶的排土场挡墙地图更新方法
WO2021000524A1 (zh) * 2019-07-03 2021-01-07 研祥智能科技股份有限公司 孔位保护门检测方法、装置、计算机设备和存储介质
CN112541887A (zh) * 2020-12-02 2021-03-23 中国华能集团有限公司南方分公司 一种火电厂多管道设备运行现场漏水缺陷检测方法
CN114841995A (zh) * 2022-06-02 2022-08-02 西南交通大学 一种基于深度学习的铁路路基挡护设备服役状态评估方法
CN114912181A (zh) * 2022-05-21 2022-08-16 武汉泰佰腾建筑劳务有限公司 一种基于人工智能的路面边坡安全监测分析系统
CN115114706A (zh) * 2022-06-07 2022-09-27 中铁第四勘察设计院集团有限公司 边坡的设计方法、装置、设备及计算机可读存储介质
CN115249263A (zh) * 2021-04-26 2022-10-28 广东博智林机器人有限公司 缝隙处理方法、装置、机器人和计算机存储介质
CN115310767A (zh) * 2022-07-11 2022-11-08 中国铁道科学研究院集团有限公司铁道建筑研究所 一种既有铁路陈旧挡护设施综合检测评估方法
CN115752400A (zh) * 2022-11-21 2023-03-07 成都清正公路工程试验检测有限公司 一种用于工程测量的多测站互联测量系统
CN115988445A (zh) * 2022-12-14 2023-04-18 沈阳建筑大学 基于无线传输的边坡分阶段组合监测的方法

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012197604A (ja) * 2011-03-22 2012-10-18 Asahi Kasei Homes Co 擁壁の安全性評価方法、擁壁の安全性評価プログラム及び擁壁の安全性評価システム
CN102411776A (zh) * 2011-11-17 2012-04-11 南京信息工程大学 基于统计学和分形维数的机器人视觉图像分割方法
WO2015187952A1 (en) * 2014-06-06 2015-12-10 Allsteel Inc. Modular wall system with variable trim
CN108140218A (zh) * 2015-09-10 2018-06-08 富士胶片株式会社 健全度判定装置、健全度判定方法及健全度判定程序
CN106779326A (zh) * 2016-11-29 2017-05-31 武汉理工大学 桥梁健康状态评估系统
JP6210524B1 (ja) * 2017-01-31 2017-10-11 株式会社ミズキコンサルタント 擁壁の安全性評価方法、擁壁の安全性評価プログラムおよび擁壁の安全性評価システム
CN108829936A (zh) * 2018-05-23 2018-11-16 青岛理工大学 基于t-s模糊神经网络的既有重力式挡土墙技术状态评估方法
CN108974044A (zh) * 2018-08-09 2018-12-11 铁路愿景欧洲有限公司 铁路轨道资产勘测系统
CN109083162A (zh) * 2018-08-21 2018-12-25 中国十七冶集团有限公司 一种渗水高边坡加固引排系统及施工方法
WO2021000524A1 (zh) * 2019-07-03 2021-01-07 研祥智能科技股份有限公司 孔位保护门检测方法、装置、计算机设备和存储介质
CN111324146A (zh) * 2020-03-09 2020-06-23 河海大学常州校区 一种水下巡检机器人的轨迹跟踪控制方法
CN111829507A (zh) * 2020-07-20 2020-10-27 北京易控智驾科技有限公司 应用于露天矿山自动驾驶的排土场挡墙地图更新方法
CN112541887A (zh) * 2020-12-02 2021-03-23 中国华能集团有限公司南方分公司 一种火电厂多管道设备运行现场漏水缺陷检测方法
CN115249263A (zh) * 2021-04-26 2022-10-28 广东博智林机器人有限公司 缝隙处理方法、装置、机器人和计算机存储介质
CN114912181A (zh) * 2022-05-21 2022-08-16 武汉泰佰腾建筑劳务有限公司 一种基于人工智能的路面边坡安全监测分析系统
CN114841995A (zh) * 2022-06-02 2022-08-02 西南交通大学 一种基于深度学习的铁路路基挡护设备服役状态评估方法
CN115114706A (zh) * 2022-06-07 2022-09-27 中铁第四勘察设计院集团有限公司 边坡的设计方法、装置、设备及计算机可读存储介质
CN115310767A (zh) * 2022-07-11 2022-11-08 中国铁道科学研究院集团有限公司铁道建筑研究所 一种既有铁路陈旧挡护设施综合检测评估方法
CN115752400A (zh) * 2022-11-21 2023-03-07 成都清正公路工程试验检测有限公司 一种用于工程测量的多测站互联测量系统
CN115988445A (zh) * 2022-12-14 2023-04-18 沈阳建筑大学 基于无线传输的边坡分阶段组合监测的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
隧道下穿既有线铁路施工对车站安全性影响及最优方案研究;赵晓勇 等;施工技术;第44卷(第24期);90-93 *

Also Published As

Publication number Publication date
CN116309552A (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
CN113256562B (zh) 基于雷达图像和人工智能的道路地下隐患检测方法和系统
RU2635066C2 (ru) Способ обнаружения человеческих объектов в видео (варианты)
CN111709988B (zh) 一种物体的特征信息的确定方法、装置、电子设备及存储介质
KR102074462B1 (ko) 적외선 영상분석을 이용한 싱크홀 탐지시스템 및 이를 이용한 싱크홀 탐지방법
CN109448326B (zh) 一种基于快速图像识别的地质灾害智能群防监测系统
CN114248819B (zh) 基于深度学习的铁路侵限异物无人机检测方法、装置及系统
CN115018903B (zh) 一种堆场料堆体积计算方法及系统
US11145089B2 (en) Method for measuring antenna downtilt based on multi-scale detection algorithm
CN105700525A (zh) 基于Kinect传感器深度图机器人工作环境不确定性地图构建法
CN113935096B (zh) 一种基坑变形实时监测方法及系统
CN114202631A (zh) 一种岩石二次破碎作业中岩石作业面与作业点的确定方法
CN116309552B (zh) 既有线老旧挡墙的健康状态评估方法、装置、设备及介质
CN119991098B (zh) 一种基于三维全景和gis地图的桥隧巡检养护管理系统及方法
CN120544045A (zh) 结合遥感技术的地质灾害识别方法及系统
CN120259281A (zh) 基于图像识别的水利工程施工质量监控方法及系统
CN114494415A (zh) 一种自动驾驶装载机对沙石堆检测识别和测量的方法
CN118548818B (zh) 一种用于监测隧道形变的方法及系统
CN119251473A (zh) 物体堆放异常检测方法、装置、设备和介质
CN115546784B (zh) 一种基于深度学习的3d目标检测办法
CN118072233A (zh) 一种基于计算机视觉及雷达融合的单机轨道异物检测方法
CN116664809A (zh) 三维信息获取方法、装置、计算机设备、存储介质和产品
CN117575083A (zh) 一种应用于鸟类入侵检测的雷达布局方法
Huang et al. Ground filtering algorithm for mobile LIDAR using order and neighborhood point information
CN115223137A (zh) 地面检测方法、装置及系统
CN114169404A (zh) 一种基于图像智能获取边坡病害量化信息方法

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
GR01 Patent grant
GR01 Patent grant