CN116580032A - 一种用于道路施工的质量监控方法 - Google Patents
一种用于道路施工的质量监控方法 Download PDFInfo
- Publication number
- CN116580032A CN116580032A CN202310861435.4A CN202310861435A CN116580032A CN 116580032 A CN116580032 A CN 116580032A CN 202310861435 A CN202310861435 A CN 202310861435A CN 116580032 A CN116580032 A CN 116580032A
- Authority
- CN
- China
- Prior art keywords
- edge
- line segment
- road construction
- image
- road
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 108
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000012544 monitoring process Methods 0.000 title claims abstract description 24
- 230000002159 abnormal effect Effects 0.000 claims abstract description 29
- 238000013441 quality evaluation Methods 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 9
- 238000003708 edge detection Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 3
- 239000010426 asphalt Substances 0.000 abstract description 19
- 230000000694 effects Effects 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 3
- 238000000605 extraction Methods 0.000 abstract 1
- 239000000203 mixture Substances 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005056 compaction Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- 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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种用于道路施工的质量监控方法,包括:通过时间顺序采集道路施工区域的RGB图像,并对道路施工区域的RGB图像进行灰度化与边缘提取;根据变化前边缘线段和变化后边缘线段之间的对应关系,获取变化前边缘线段上边缘点的偏置方向和偏置量,获取道路施工图像边缘扩展程度;根据道路施工图像边缘扩展程度,结合道路施工图像的面积与当前施工道路的异常区域面积,计算图像的道路施工质量评价参数指标,实现实时道路施工质量检测与反馈。本发明能够消除沥青路面施工过程中粗糙表面噪声引起的负面影响,达到对异常区域进行及时处理,实现实时质量监控。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种用于道路施工的质量监控方法。
背景技术
在道路施工质量监控场景中,道路施工质量检测往往由施工人员进行人工识别,工作效率较低,且存在因为工作量大而出现漏检的情况,而采用机器识别方法进行道路质量检测的过程,往往忽略道路粗糙表面带来的噪声对边缘检测的影响,且缺乏对施工过程的动态反馈。
本发明采用图像处理技术,通过车载图像采集装置或施工道路沿途监控设备,采集施工道路具有时间先后顺序的图像序列,根据图像序列中图像之间的差异来获得图像纹理信息的偏移变化以及纹理扩展情况,进而判断道路质量是否合格,可以避免在监测道路细微变化时道路粗糙表面带来的噪声的干扰带来的影响。
发明内容
本发明提供一种用于道路施工的质量监控方法,以解决现有的问题。
本发明的一种用于道路施工的质量监控方法采用如下技术方案:
本发明一个实施例提供了一种用于道路施工的质量监控方法,该方法包括以下步骤:
采集道路施工图像序列,道路施工图像序列中每个图像进行边缘检测得到边缘的二值图像,根据相邻时刻的二值图像之间的差异得到变化前边缘线段和变化后边缘线段,根据变化前边缘线段和变化后边缘线段之间的对应关系,获取变化前边缘线段上边缘点的偏置方向和偏置量/>;
根据变化前边缘线段上所有边缘点的偏置方向,获取缩小的边缘线段;
根据缩小的边缘线段,获取异常区域以及异常区域的面积;
根据变化前的边缘点的偏置量,获取道路施工图像边缘扩展程度/>;
根据道路施工图像边缘扩展程度,结合道路施工图像的面积与异常区域的面积,计算图像的道路施工质量评价参数指标/>;
根据图像的道路施工质量评价参数指标,实现实时道路施工质量检测。
优选的,所述获取变化前边缘线段上边缘点的偏置方向和偏置量/>,包括的具体步骤如下:
通过最近邻算法,将变化前边缘线段上的所有边缘点作为已知训练样本集合,基于欧式距离对变化前边缘线段和变化后边缘线段进行度量,将变化后边缘线段归类于对应的变化前线段;
将变化前边缘线段记为已知边缘线段,已知边缘线段上的边缘点记为已知点;将对应的变化后边缘线段记为待测线段,待测线段上的边缘点记为待测点,以竖直向上作为正方向,将已知点与待测点进行不重复最邻近连线,从已知边缘线段的一个端点出发,找出待测线段的最临近端点,进行连线,再沿着线段进行一一对应的不重复连线,遍历到其中一条边缘不再具有未遍历的像素点为止,将已知点连线的方向与竖直方向的夹角作为线段上像素点的偏置方向,将已知点与待测点之间的距离作为偏置量/>。
优选的,所述获取缩小的边缘线段,包括的具体步骤如下:
变化前边缘线段上所有边缘点的偏置方向构成偏置方向序列,遍历偏置方向序列,计算相邻两偏置方向差值累加和,若累加和小于0,则变化前边缘线段在缩小,记为缩小的边缘线段。
优选的,所述获取异常区域以及异常区域的面积,包括的具体步骤如下:
将缩小的边缘线段的所有像素点构成的区域记为异常区域,统计缩小的边缘线段像素点的数量,作为异常区域的面积。
优选的,所述获取道路施工图像边缘扩展程度,包括的具体公式如下:
式中,表示边缘扩展程度,/>为第/>个变化前边缘线段的第/>个像素点对应的偏置量,/>是变化前边缘线段的数量,/>是第/>个变化前边缘线段上的像素点数量。
优选的,所述计算图像的道路施工质量评价参数指标,包括的具体公式如下:
式中,表示道路施工质量评价参数指标,/>表示道路施工图像的边缘扩展程度, />为施工道路的总面积,/>为施工道路的异常区域面积,/>为以自然数为底数的指数函数。
优选的,所述根据图像的道路施工质量评价参数指标,实现实时道路施工质量检测,包括的具体步骤如下:
预设一个可信阈值,当道路施工质量评价参数指标/>时,施工质量是达到标准的;当道路施工质量评价参数指标/>时,施工质量是达不到标准的。
本发明的技术方案的有益效果是:由于根据顺序图像组边缘线段集差值矩阵,动态的获取顺序边缘线段的偏置方向与偏置量,所以能够消除沥青路面施工过程中粗糙表面噪声引起的负面影响,展现道路施工过程中可能异常区域的动态扩展过程。
能够利用道路施工过程中可能异常区域的动态扩展过程计算出图像区域范围内道路异常区域的扩展程度参数,并由此构建路面平整度质量评价指标,实时动态反馈给施工单位,对异常区域进行及时处理,实现实时质量监控。
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,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。
图1为本发明一种用于道路施工的质量监控方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种用于道路施工的质量监控方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种用于道路施工的质量监控方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种用于道路施工的质量监控方法的步骤流程图,该方法包括以下步骤:
步骤S001:获取时间顺序的沥青道路施工图像的边缘图像。
本实施例的具体场景为:在常规沥青路铺设施工中,沥青混合料被散落堆放在道路地基上,由压路机与人工近路面平整处理,在施工过程中,沥青混合料呈现出凹凸不平的表面,主要存在沥青混合料过多区域的突起和沥青混合料过少区域的凹坑,以及未经压实处理区域的复杂痕迹。
需要说明的是,由于在沥青路铺设施工中,主要存在沥青混合料过多区域的突起和沥青混合料过少区域的凹坑这两类问题,而沥青混合料过多区域的突起和沥青混合料过少区域的边缘都会随着时间的流逝而变化,而为了监控这些变化需要获取道路施工边缘图像序列。
所以首先对道路施工图像序列中的每个图像进行灰度化处理,得到灰度图序列;
对道路施工灰度图序列中的每个灰度图像进行Canny边缘检测,获得边缘图像序列。
将边缘图像序列中每个图像中的边缘像素点转化为1,其余像素点转化为0,得边缘图像的二值图像,简称为二值图像。
步骤S002:通过滑窗遍历已获得的时间顺序边缘检测图像,获得边缘线段集序列和边缘线段坐标点集合序列。
需要说明的是,沥青混合料被散落堆放在道路地基上,由压路机与人工近路面平整处理,经过处理,总体路面上的边缘痕迹会呈现减少趋势,最终趋于稳定,处于稳定状态下时,表明此时道路已经基本平整,但刚铺设完成的沥青路面仍然比较粗糙,存在大量的边缘痕迹。在平整过程中,突起区域的边缘会向周围延伸,直至缓慢消失,而凹陷区域的边缘则会向四周扩张,所以获取图像边缘线段集序列,以表示道路施工图像中缺陷的特征。
对多个二值图像进行相同的操作,创建一个大小为3×3的滑窗,对二值图像进行遍历,在遍历过程中,若中心像素点的8邻域出现其他边缘像素点可认为同属于一条边缘线段,否则,认为属于不同的边缘线段,重复上述步骤,直到遍历完所有的边缘像素点,获得道路施工边缘图像的边缘线段集合:
其中,表示边缘图像中的第1个边缘线段,/>表示边缘图像中的第/>个边缘线段,同时也表示在边缘图像中共有/>个边缘线段。
记录边缘图像中边缘线段对应坐标点,获得边缘线段对应坐标点集合:
其中表示边缘图像中的第1个边缘线段的坐标点集合,/>表示边缘图像中的第/>个边缘线段的坐标点集合。
遍历完所有的边缘检测图像,获得多个边缘线段集合,按照采集时间先后顺序,获得边缘线段集合序列,记为,并获得边缘线段坐标点集合序列,记为/>。
步骤S003:根据获得的边缘线段集,通过计算临近顺序边缘线段集差值图像,获得边缘线段偏置方向与偏置量,根据边缘线段偏置方向确定区域缺陷类型,并计算边缘扩展程度。
由于在道路施工的场景中,沥青混合料被散落堆放在道路地基上,所以沥青混合堆料存在向四周扩展的一个过程,所以在道路施工图像中路面上的边缘痕迹会呈现减少趋势,最终趋于稳定,处于稳定状态下时,而这个是个动态变化的过程,故需要对两个在时序上相邻的图中边缘的变化而确定沥青堆料的在向四周扩展时的变化过程。
首先,将两个时序上相邻的二值图像中的时序靠前的二值图像称为第一图像,将时序靠后的图像称为第二图像,将第一图像减去第二图像得到一个差值图像,这个差值图像就表征了从第一图像的边缘像素点,到第二图像的边缘像素点的变化过程。
若边缘灰度差值图像中某个像素点的灰度值为-1,则表示相邻两个时刻中,前一时刻上该位置没有边缘像素点,在后一时刻该位置出现边缘点像素点;若边缘灰度差值图像元素值为0,则表示相邻两个时刻中,该位置的像素点在前一时刻到后一时刻间没有发生变化;边缘灰度差值图像元素值为1,则表示相邻两个时刻中,前一时刻该位置存在边缘像素点,记为变化前的边缘点,在后一时刻该位置不存在边缘像素点,记为变化后的边缘点,以此为依据计算变化前的边缘点向变化后的边缘点的偏置方向与偏置量/>。
采用最近邻算法,将变化前边缘线段点集作为已知训练样本集合,基于欧式距离对边缘线段变化前后关联情况的度量,即将变化后边缘线段归类于对应的变化前线段,最近邻算法为常规手段,具体过程不再赘述。由此获得不同边缘检测图像的边缘线段集合序列的对应关系。
将变化前边缘线段记为已知边缘线段,已知边缘线段上的边缘点记为已知点;将对应的变化后边缘线段记为待测线段,待测线段上的边缘点记为待测点。边缘线段的扩展过程是放大或者缩小的过程,存在像素点的消失与归并,在最近邻算法中表现为多个待测点与同一个已知点欧式距离相同,及多个已知点与一个待测点欧式距离相同。针对上述问题,通过偏置方向确定偏置量/>的计算方法。
根据边缘线段的对应关系,以竖直向上作为正方向,将已知点与待测点进行不重复最邻近连线,即从已知边缘线段的一个端点出发,找出待测线段的最临近端点,进行连线,再沿着线段进行一一对应的不重复连线,遍历到其中一条边缘不再具有未遍历的像素点为止,将已知点连线的方向与竖直方向的夹角作为线段上像素点的偏置方向,获得一个偏置方向序列,将已知点与待测点之间的距离作为偏置量,获得一个偏置量序列/>。
遍历偏置方向序列,计算顺序相邻两偏置方向差值累加和,若累加和大于0,表明边缘线段在扩展,若累加和小于0,则表明边缘线段在缩小,由此,确定边缘线段局部区域扩展的类型。
将缩小的边缘线段的所有像素点构成的区域记为异常区域,统计缩小的边缘线段像素点的数量,作为异常区域的面积。
在图像上所有边缘线段上的边缘点的偏置量累加和与边缘线段的边缘扩展程度呈正比,图像上所有边缘线段上的边缘点的偏置量累加和越大,边缘线段的边缘扩展程度越高,所以边缘扩展程度的具体计算公式为:
式中,表示当前实时采集到的图像的边缘扩展程度,/>为第/>个边缘线段的第/>个像素点对应的偏置量,/>是变化前边缘线段的数量,/>是第/>个变化前边缘线段上的像素点数量。
步骤S004:根据缺陷类型与边缘扩展程度变化量构建道路质量评价参数指标。
边缘扩展程度表征的是道路施工中不平整区域的边缘变化程度,当边缘扩展程度的值趋近于0时,表明此时道路质量较高,但也存在可能的特殊异常状况,即稳定形状的凹坑,因此需要进行进一步的判断,结合判断结果,构建质量评价参数指标。
道路施工质量评价参数指标为施工道路的总面积与缩小区域的异常面积呈负相关,即施工道路的总面积与缩小区域的异常面积的占比越小,质量评价参数指标越大,道路施工质量越高。
因此,质量评价参数指标的计算公式则有:
式中,表示采集到的图像的道路施工质量评价参数指标,质量评价参数指标越大,道路施工质量越高,/>为实时采集到的图像的边缘扩展程度,是与顺序的上一次采集的图像相关联的,/>为施工道路的总面积,即为图像的像素点总数,/>为施工道路的异常区域面积,/>为以自然数为底数的指数函数。
步骤S005:根据道路施工质量评价指标评价道路施工质量,实现实时道路施工质量检测与反馈。
根据获得的道路施工质量评价参数指标,参数指标的数值越大,表明当前施工质量越高,可根据实际的施工经验,获得大量的实验信息,设定一个可信阈值/>,阈值/>的具体取值可以根据具体场景进行设置,本实施了不做具体要求,在本实施例中取/>,当,认为此时的施工质量是达到标准的,应当进行其他区域的施工;当/>,认为此时的施工质量是达不到标准的,应当继续对此区域施工并采集下一张顺序图像,再进行道路施工质量评价,实现实时的动态监控与反馈。
如需要显示当前施工范围的路面异常信息,则可根据求取的边缘线段偏置方向与偏置量,对异常区域类型和范围进行标注,可视化显示到相应的显示器上,以便用户更加直观的查看路面的异常,实现实时的、动态的道路施工质量监控、示警与调整。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,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。
Claims (7)
1.一种用于道路施工的质量监控方法,其特征在于,该方法包括以下步骤:
采集道路施工图像序列,道路施工图像序列中每个图像进行边缘检测得到边缘的二值图像,根据相邻时刻的二值图像之间的差异得到变化前边缘线段和变化后边缘线段,根据变化前边缘线段和变化后边缘线段之间的对应关系,获取变化前边缘线段上边缘点的偏置方向和偏置量/>;
根据变化前边缘线段上所有边缘点的偏置方向,获取缩小的边缘线段;
根据缩小的边缘线段,获取异常区域以及异常区域的面积;
根据变化前的边缘点的偏置量,获取道路施工图像边缘扩展程度/>;
根据道路施工图像边缘扩展程度,结合道路施工图像的面积与异常区域的面积,计算图像的道路施工质量评价参数指标/>;
根据图像的道路施工质量评价参数指标,实现实时道路施工质量检测。
2.根据权利要求1所述一种用于道路施工的质量监控方法,其特征在于,所述获取变化前边缘线段上边缘点的偏置方向和偏置量/>,包括的具体步骤如下:
通过最近邻算法,将变化前边缘线段上的所有边缘点作为已知训练样本集合,基于欧式距离对变化前边缘线段和变化后边缘线段进行度量,将变化后边缘线段归类于对应的变化前线段;
将变化前边缘线段记为已知边缘线段,已知边缘线段上的边缘点记为已知点;将对应的变化后边缘线段记为待测线段,待测线段上的边缘点记为待测点,以竖直向上作为正方向,将已知点与待测点进行不重复最邻近连线,从已知边缘线段的一个端点出发,找出待测线段的最临近端点,进行连线,再沿着线段进行一一对应的不重复连线,遍历到其中一条边缘不再具有未遍历的像素点为止,将已知点连线的方向与竖直方向的夹角作为线段上像素点的偏置方向,将已知点与待测点之间的距离作为偏置量/>。
3.根据权利要求1所述一种用于道路施工的质量监控方法,其特征在于,所述获取缩小的边缘线段,包括的具体步骤如下:
变化前边缘线段上所有边缘点的偏置方向构成偏置方向序列,遍历偏置方向序列,计算相邻两偏置方向差值累加和,若累加和小于0,则变化前边缘线段在缩小,记为缩小的边缘线段。
4.根据权利要求1所述一种用于道路施工的质量监控方法,其特征在于,所述获取异常区域以及异常区域的面积,包括的具体步骤如下:
将缩小的边缘线段的所有像素点构成的区域记为异常区域,统计缩小的边缘线段像素点的数量,作为异常区域的面积。
5.根据权利要求1所述一种用于道路施工的质量监控方法,其特征在于,所述获取道路施工图像边缘扩展程度,包括的具体公式如下:
式中,表示边缘扩展程度,/>为第/>个变化前边缘线段的第/>个像素点对应的偏置量,是变化前边缘线段的数量,/>是第/>个变化前边缘线段上的像素点数量。
6.根据权利要求1所述一种用于道路施工的质量监控方法,其特征在于,所述计算图像的道路施工质量评价参数指标,包括的具体公式如下:
式中,表示道路施工质量评价参数指标,/>表示道路施工图像的边缘扩展程度, />为施工道路的总面积,/>为施工道路的异常区域面积,/>为以自然数为底数的指数函数。
7.根据权利要求1所述一种用于道路施工的质量监控方法,其特征在于,所述根据图像的道路施工质量评价参数指标,实现实时道路施工质量检测,包括的具体步骤如下:
预设一个可信阈值,当道路施工质量评价参数指标/>时,施工质量是达到标准的;当道路施工质量评价参数指标/>时,施工质量是达不到标准的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310861435.4A CN116580032B (zh) | 2023-07-14 | 2023-07-14 | 一种用于道路施工的质量监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310861435.4A CN116580032B (zh) | 2023-07-14 | 2023-07-14 | 一种用于道路施工的质量监控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116580032A true CN116580032A (zh) | 2023-08-11 |
CN116580032B CN116580032B (zh) | 2023-09-26 |
Family
ID=87541734
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310861435.4A Active CN116580032B (zh) | 2023-07-14 | 2023-07-14 | 一种用于道路施工的质量监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116580032B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116757556A (zh) * | 2023-08-14 | 2023-09-15 | 成都建工雅安建设有限责任公司 | 一种基于图像处理的防水施工管理方法及系统 |
CN116912273A (zh) * | 2023-09-13 | 2023-10-20 | 国网山东省电力公司莱芜供电公司 | 基于三维gis的输电线路跨越施工方案可视化方法 |
CN118396986A (zh) * | 2024-06-25 | 2024-07-26 | 湖南建工交建宏特科技有限公司 | 一种道路工程施工质量实时监控方法 |
CN118396986B (zh) * | 2024-06-25 | 2024-09-03 | 湖南建工交建宏特科技有限公司 | 一种道路工程施工质量实时监控方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1877709A (zh) * | 2005-06-10 | 2006-12-13 | 索尼株式会社 | 评价装置、评价方法和光盘制造方法 |
US20090041337A1 (en) * | 2007-08-07 | 2009-02-12 | Kabushiki Kaisha Toshiba | Image processing apparatus and method |
US20110199534A1 (en) * | 2010-01-12 | 2011-08-18 | Nikon Corporation | Image-capturing device |
US20130121592A1 (en) * | 2010-08-20 | 2013-05-16 | Canon Kabushiki Kaisha | Position and orientation measurement apparatus,position and orientation measurement method, and storage medium |
CN107977608A (zh) * | 2017-11-20 | 2018-05-01 | 陕西土豆数据科技有限公司 | 一种应用于公路视频图像道路区域提取的方法 |
CN108171695A (zh) * | 2017-12-29 | 2018-06-15 | 安徽农业大学 | 一种基于图像处理的高速公路路面检测方法 |
CN115254674A (zh) * | 2022-09-28 | 2022-11-01 | 南通思诺船舶科技有限公司 | 一种轴承缺陷分选方法 |
CN116092013A (zh) * | 2023-03-06 | 2023-05-09 | 广东汇通信息科技股份有限公司 | 一种用于智慧监控的危险路况识别方法 |
CN116092015A (zh) * | 2023-04-06 | 2023-05-09 | 安徽乾劲企业管理有限公司 | 一种道路施工状态监测方法 |
-
2023
- 2023-07-14 CN CN202310861435.4A patent/CN116580032B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1877709A (zh) * | 2005-06-10 | 2006-12-13 | 索尼株式会社 | 评价装置、评价方法和光盘制造方法 |
US20090041337A1 (en) * | 2007-08-07 | 2009-02-12 | Kabushiki Kaisha Toshiba | Image processing apparatus and method |
US20110199534A1 (en) * | 2010-01-12 | 2011-08-18 | Nikon Corporation | Image-capturing device |
US20130121592A1 (en) * | 2010-08-20 | 2013-05-16 | Canon Kabushiki Kaisha | Position and orientation measurement apparatus,position and orientation measurement method, and storage medium |
CN107977608A (zh) * | 2017-11-20 | 2018-05-01 | 陕西土豆数据科技有限公司 | 一种应用于公路视频图像道路区域提取的方法 |
CN108171695A (zh) * | 2017-12-29 | 2018-06-15 | 安徽农业大学 | 一种基于图像处理的高速公路路面检测方法 |
CN115254674A (zh) * | 2022-09-28 | 2022-11-01 | 南通思诺船舶科技有限公司 | 一种轴承缺陷分选方法 |
CN116092013A (zh) * | 2023-03-06 | 2023-05-09 | 广东汇通信息科技股份有限公司 | 一种用于智慧监控的危险路况识别方法 |
CN116092015A (zh) * | 2023-04-06 | 2023-05-09 | 安徽乾劲企业管理有限公司 | 一种道路施工状态监测方法 |
Non-Patent Citations (2)
Title |
---|
INICIUS M.A. SOUZA: "Asphalt pavement classification using smartphone accelerometer and Complexity Invariant Distance", 《ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE》, vol. 74, pages 198 - 211 * |
廖津和: "高速公路沥青路面施工质量监控方法与体系研究", 《工程科技Ⅱ辑》, vol. 2016, no. 04 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116757556A (zh) * | 2023-08-14 | 2023-09-15 | 成都建工雅安建设有限责任公司 | 一种基于图像处理的防水施工管理方法及系统 |
CN116757556B (zh) * | 2023-08-14 | 2023-10-31 | 成都建工雅安建设有限责任公司 | 一种基于图像处理的防水施工管理方法及系统 |
CN116912273A (zh) * | 2023-09-13 | 2023-10-20 | 国网山东省电力公司莱芜供电公司 | 基于三维gis的输电线路跨越施工方案可视化方法 |
CN116912273B (zh) * | 2023-09-13 | 2023-12-12 | 国网山东省电力公司莱芜供电公司 | 基于三维gis的输电线路跨越施工方案可视化方法 |
CN118396986A (zh) * | 2024-06-25 | 2024-07-26 | 湖南建工交建宏特科技有限公司 | 一种道路工程施工质量实时监控方法 |
CN118396986B (zh) * | 2024-06-25 | 2024-09-03 | 湖南建工交建宏特科技有限公司 | 一种道路工程施工质量实时监控方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116580032B (zh) | 2023-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116580032B (zh) | 一种用于道路施工的质量监控方法 | |
CN101539629B (zh) | 基于多特征证据融合与结构相似度的遥感图像变化检测方法 | |
CN105445607A (zh) | 一种基于等温线绘制的电力设备故障检测方法 | |
CN106023259B (zh) | 一种运动目标频率检测方法及装置 | |
TWI500904B (zh) | 立體攝影機及用來測量立體攝影機與基準面之距離的自動測距方法 | |
CN106373134B (zh) | 一种基于线结构光三维测量的公路标线检测方法 | |
KR101868483B1 (ko) | 영상 대조에 따른 두개의 에지 블러 파라미터 예측 방법 | |
CN107871133B (zh) | 边缘检测网络的优化方法、路面病害的识别方法及系统 | |
CN117274722B (zh) | 基于红外图像的配电箱智能检测方法 | |
CN104036485A (zh) | 一种关于图像重采样篡改检测的方法 | |
CN116542969B (zh) | 一种基于视觉技术的道路沥青粘连检测方法 | |
CN116758491A (zh) | 应用于3d打印的打印监控图像分析方法及系统 | |
CN104408741A (zh) | 一种时序一致性约束的视频全局运动估计方法 | |
JP4870016B2 (ja) | ひび割れ検出方法 | |
CN115290053B (zh) | 一种高层建筑施工建设异常快速检测方法 | |
CN108830871B (zh) | 基于高分辨率遥感影像和dem的黄土浅沟自动化提取方法 | |
CN104392203B (zh) | 一种基于视频分析的点状条纹噪声检测方法 | |
CN100492396C (zh) | 一种面向摄像整纬器的织物纹理图像识别方法 | |
WO2024152526A1 (zh) | 一种基于三维特征分布的路面纹理均匀性评价方法 | |
CN107464248A (zh) | 用于各向异性组织和夹杂物自动定量评价方法 | |
CN109685757B (zh) | 一种基于灰度差分统计的无参考图像质量评价方法及系统 | |
CN110969103B (zh) | 一种基于ptz相机的高速公路路面病害长度测量方法 | |
CN114494240A (zh) | 基于多尺度协作深度学习的无砟轨道板裂缝测量方法 | |
CN118196082B (zh) | 一种人防通道的封堵方法及系统 | |
CN113643352A (zh) | 一种自然覆冰在线监测运行导线图像覆冰程度评估方法 |
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 |