CN116824518B - 基于图像识别的桩基静载检测方法、装置、处理器 - Google Patents
基于图像识别的桩基静载检测方法、装置、处理器 Download PDFInfo
- Publication number
- CN116824518B CN116824518B CN202311109469.4A CN202311109469A CN116824518B CN 116824518 B CN116824518 B CN 116824518B CN 202311109469 A CN202311109469 A CN 202311109469A CN 116824518 B CN116824518 B CN 116824518B
- Authority
- CN
- China
- Prior art keywords
- image
- initial
- pile
- information
- monitoring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 77
- 230000003068 static effect Effects 0.000 title claims abstract description 40
- 238000012544 monitoring process Methods 0.000 claims abstract description 89
- 230000008859 change Effects 0.000 claims abstract description 57
- 238000010276 construction Methods 0.000 claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000006243 chemical reaction Methods 0.000 claims description 22
- 230000007613 environmental effect Effects 0.000 claims description 22
- 230000011218 segmentation Effects 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000012805 post-processing Methods 0.000 claims description 9
- 238000003709 image segmentation Methods 0.000 claims description 7
- 238000010223 real-time analysis Methods 0.000 claims description 7
- 238000007499 fusion processing Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 230000001960 triggered effect Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 description 14
- 239000002689 soil Substances 0.000 description 6
- 238000011068 loading method Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30132—Masonry; Concrete
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及建筑检测技术领域,公开了一种基于图像识别的桩基静载检测方法、装置、处理器,方法包括:确定图像采集点,所述图像采集点位于锚桩压重联合反力装置外部的前后左右方向上;从所述图像采集点采集对应的监控图像,所述监控图像的图像内容至少包括所述锚桩压重联合反力装置、桩基和施工环境;对所述监控图像进行处理,获得处理后图像;基于所述处理后图像和所述施工环境创建坐标系;基于所述坐标系对所述处理后图像进行实时分析,获得所述锚桩压重联合反力装置和所述桩基的位置变化信息;基于所述位置变化信息生成针对所述桩基的静载检测结果。通过图像识别的方式对桩基进行静载检测,以更低成本实现了更高检测精确性和检测可靠性。
Description
技术领域
本发明涉及建筑检测技术领域,尤其是一种基于图像识别的桩基静载检测方法、一种基于图像识别的桩基静载检测装置、一种处理器以及一种计算机可读存储介质。
背景技术
随着建筑行业的飞速发展,大型建筑物越来越多,建筑项目工程对地基基础的要求也越来越高。桩基是广泛应用于建筑物中的重要基础建筑结构,桩基的质量直接决定了建筑物整体的建筑质量。
为了对建筑物的桩基进行准确检测,技术人员提出了多种检测方法,包括堆载法、锚桩法以及堆载锚桩联合法等,而针对大吨位试桩检测时,往往采用堆载锚桩联合法。然而在应用过程中,技术人员发现现有技术至少存在以下技术问题:第一,若堆载平台出现偏心状况,则容易出现施压不准确甚至压重物倒塌的情况;第二,若基准桩检测不准确,将对检测结果造成极大的偏差;第三,在一些软土地基工程中,由于地基土的情况不佳,可能存在主梁压实千斤顶的情况,将导致在试验检测前就对桩基施压而造成一定的沉降,此时将对检测结果造成极大的偏差。
为了解决上述技术问题,往往采用人工观察或施加传感器的方式进行监控和预防,然而人工观察存在极大的人力成本且无法及时观察出微小的变化,导致问题的严重化;采用传感器的方式需要在大量位置布设大量传感器,增大了检测成本,加大了检测复杂度。
发明内容
为解决上述现有技术问题,本发明提供一种基于图像识别的桩基静载检测方法、装置、处理器,通过采用图像识别的方式对桩基进行静载检测,从而以更低成本实现了更高的检测精确性和检测可靠性。
为了实现上述目的,本发明实施例提供一种基于图像识别的桩基静载检测方法,所述方法包括:确定图像采集点,所述图像采集点位于锚桩压重联合反力装置外部的前后左右方向上;从所述图像采集点采集对应的监控图像,所述监控图像的图像内容至少包括所述锚桩压重联合反力装置、桩基和施工环境;对所述监控图像进行处理,获得处理后图像;基于所述处理后图像和所述施工环境创建坐标系;基于所述坐标系对所述处理后图像进行实时分析,获得所述锚桩压重联合反力装置和所述桩基的位置变化信息;基于所述位置变化信息生成针对所述桩基的静载检测结果。
优选地,所述监控图像包括第一曝光图像和第二曝光图像,所述对所述监控图像进行处理,获得处理后图像,包括:分别对所述第一曝光图像和所述第二曝光图像进行预处理,获得预处理后第一图像和预处理后第二图像;对所述预处理后第一图像和所述预处理后第二图像进行图像融合处理,获得融合后图像;对所述融合后图像进行图像分割,获得分割后图像,所述分割后图像包括多个分割目标,所述多个分割目标至少包含所述锚桩压重联合反力装置、所述桩基和所述施工环境;将所述分割后图像作为处理后图像。
优选地,所述处理后图像包括初始处理后图像,所述初始处理后图像包括前初始图像、后初始图像、左初始图像和右初始图像,所述施工环境包括基准桩,所述基于所述处理后图像和所述施工环境创建坐标系,包括:分别从所述前初始图像、所述后初始图像、所述左初始图像和所述右初始图像中提取与所述基准桩对应的前基准桩信息、后基准桩信息、左基准桩信息和右基准桩信息;基于所述前基准桩信息、所述后基准桩信息、所述左基准桩信息和所述右基准桩信息确定基准桩空间位置信息;基于所述基准桩空间位置信息创建相对坐标系。
优选地,所述施工环境不受施工场景影响,所述处理后图像包括初始处理后图像,所述初始处理后图像包括前初始图像、后初始图像、左初始图像和右初始图像,所述基于所述处理后图像和所述施工环境创建坐标系,包括:分别从所述前初始图像、所述后初始图像、所述左初始图像和所述右初始图像中提取对应的前环境信息、后环境信息、左环境信息和右环境信息;确定绝对基准点;分别确定所述前环境信息、所述后环境信息、所述左环境信息和所述右环境信息与所述绝对基准点之间的第一空间位置关系;基于所述前初始图像、所述后初始图像、所述左初始图像和所述右初始图像确定每个采集点与所述绝对基准点之间的第二空间位置关系;基于所述绝对基准点、所述第一空间位置关系和所述第二空间位置关系生成绝对坐标系。
优选地,所述处理后图像包括监控中图像,所述基于所述坐标系对所述处理后图像进行实时分析,获得所述锚桩压重联合反力装置和所述桩基的位置变化信息,包括:基于所述坐标系对所述初始处理后图像进行分析,确定每个分割目标的初始位置;基于所述坐标系对所述监控中图像进行分析,确定每个分割目标的监控中位置;基于所述初始位置和所述监控中位置生成每个分割目标的位置变化信息。
优选地,所述坐标系包括相对坐标系和绝对坐标系,所述监控中图像包括前监控中图像、后监控中图像、左监控中图像和右监控中图像,所述方法还包括:在所述坐标系为相对坐标系的情况下:基于所述前初始图像、所述后初始图像、所述左初始图像和所述右初始图像确定所述基准桩的前初始位置、后初始位置、左初始位置和右初始位置;基于所述前监控中图像、所述后监控中图像、所述左监控中图像和所述右监控中图像确定所述基准桩的前监控中位置、后监控中位置、左监控中位置和右监控中位置;基于所述前初始位置和所述前监控中位置、所述后初始位置和所述后监控中位置、所述左初始位置和左监控中位置、所述右初始位置和右监控中位置判断所述基准桩是否发生偏移;若是,基于绝对坐标系对所述处理后图像进行实时分析。
优选地,所述位置变化信息包括分割目标的前位置变化信息、后位置变化信息、左位置变化信息和右位置变化信息,所述方法还包括:基于所述前位置变化信息、所述后位置变化信息、所述左位置变化信息和所述右位置变化信息确定当前分割目标的形变值和偏移值;判断所述形变值是否触发预设形变阈值,以及判断所述偏移值是否触发预设偏移阈值;若所述预设形变阈值和所述预设偏移阈值中的至少一者被触发,生成对应的报警信息。
相应的,本发明还提供一种基于图像识别的桩基静载检测装置,所述装置包括:采集点确定单元,用于确定图像采集点,所述图像采集点位于锚桩压重联合反力装置外部的前后左右方向上;图像采集单元,用于从所述图像采集点采集对应的监控图像,所述监控图像的图像内容至少包括所述锚桩压重联合反力装置、桩基和施工环境;处理单元,用于对所述监控图像进行处理,获得处理后图像;坐标系建立单元,用于基于所述处理后图像和所述施工环境创建坐标系;位置分析单元,用于基于所述坐标系对所述处理后图像进行实时分析,获得所述锚桩压重联合反力装置和所述桩基的位置变化信息;检测单元,用于基于所述位置变化信息生成针对所述桩基的静载检测结果。
另一方面,本发明还提供一种处理器,被配置成执行本发明提供的方法。
另一方面,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明提供的方法。
通过本发明提供的技术方案,本发明至少具有如下技术效果:
通过在桩基静载检测的施工场景设置多个图像采集装置,并根据所采集的图像以图像识别的方式实时监控每个检测结构和检测目标(即桩基)的位置变动情况,从而实现了精确、可靠的桩基静载检测,大大降低了检测所需的成本,提高了检测安全性。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施例,但并不构成对本发明实施例的限制。在附图中:
图1为本发明所提供的基于图像识别的桩基静载检测方法的具体实现流程图;
图2为本发明所提供的基于图像识别的桩基静载检测方法的实施场景示意图;
图3为本发明所提供的对所述监控图像进行处理的具体实现流程图;
图4为本发明第一实施例提供的创建坐标系的具体实现流程图;
图5为本发明第二实施例提供的创建坐标系的具体实现流程图;
图6为本发明所提供的基于图像识别的桩基静载检测装置的结构示意图。
附图标记:
100 重物 200 锚桩横梁反力装置
300 图像采集装置 400 桩基
500 平台支墩
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做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。
请参见图1,本发明实施例提供一种基于图像识别的桩基静载检测方法,所述方法包括:
S10)确定图像采集点,所述图像采集点位于锚桩压重联合反力装置外部的前后左右方向上;
S20)从所述图像采集点采集对应的监控图像,所述监控图像的图像内容至少包括所述锚桩压重联合反力装置、桩基和施工环境;
S30)对所述监控图像进行处理,获得处理后图像;
S40)基于所述处理后图像和所述施工环境创建坐标系;
S50)基于所述坐标系对所述处理后图像进行实时分析,获得所述锚桩压重联合反力装置和所述桩基的位置变化信息;
S60)基于所述位置变化信息生成针对所述桩基的静载检测结果。
在一种可能的实施方式中,技术人员通过构建锚桩压重联合反力装置来对桩基进行静载检测,为了对检测过程进行更精确、低成本的检测,采用在锚桩压重联合反力装置的周围布设图像采集装置300的方式,具体的,该图像采集装置300为高清摄像头,采集锚桩压重联合反力装置以及基桩等结构的图像信息并进行实时分析,从而以更低的成本、更高的精确性实现对基桩的检测,进一步具体的,该高清摄像头为具有深度信息采集功能的双目高清摄像头,通过所采集的深度信息能够分析确定图像中各个元素的位置信息以及距离信息。
在本实施例中,首先确定图像采集点,该图像采集点为位于锚桩压重联合反力装置前后左右方向上且位于其外部的图像采集点,请参见图2,示出了本发明实施例提供的基于图像识别的桩基静载检测方法的实施场景示意图,在该示意图中,由重物100和锚桩横梁反力装置200共同构成锚桩压重联合反力装置,并对桩基400进行检测,在检测过程中,通过在锚桩压重联合反力装置的周围设置图像采集装置300,具体的为高清摄像头,从而采集锚桩压重联合反力装置和桩基400的图像信息,并根据所采集的图像信息进行实时分析,从而得出桩基检测结果。
具体的,首先确定图像采集点,一方面,由于锚桩压重联合反力装置属于三维结构,其前后左右任意一个方向上受力不同,均可能该方向上存在形变或偏移,从而对检测结果造成影响,另一方面,锚桩压重联合反力装置的底部空腔中为桩基400所在位置,而要想完整的采集桩基400的图像信息,则需要在图像采集装置300和桩基400之间没有障碍物,因此,基于上述考虑,在锚桩压重联合反力装置外部的前后左右四个方向上设置图像采集点,优选的,在锚桩压重联合反力装置的前后左右的中间位置分别设置图像采集点,并在图像采集点上设置图像采集装置300,该图像采集装置300的高度低于平台支墩500的高度,当然,也可以根据实际情况选用前后左右方向上的其他位置设置图像采集点。
在设置上述图像采集点后,从上述图像采集点采集对应的监控图像,上述监控图像的图像内容至少应包括锚桩压重联合反力装置、桩基400和施工环境,即上述图像采集点的选择需要受到上述图像内容的限定,以满足基本的图像监控需求。
在获得上述监控图像后,由于其仅为初始的图像,因为环境干扰、曝光影响等原因无法直接使用,因此需要对监控图像进行处理,从而获得能够使用的处理后图像。具体的,请参见图3,在本发明实施例中,所述监控图像包括第一曝光图像和第二曝光图像,所述对所述监控图像进行处理,获得处理后图像,包括:
S31)分别对所述第一曝光图像和所述第二曝光图像进行预处理,获得预处理后第一图像和预处理后第二图像;
S32)对所述预处理后第一图像和所述预处理后第二图像进行图像融合处理,获得融合后图像;
S33)对所述融合后图像进行图像分割,获得分割后图像,所述分割后图像包括多个分割目标,所述多个分割目标至少包含所述锚桩压重联合反力装置、所述桩基和所述施工环境;
S34)将所述分割后图像作为处理后图像。
在一种可能的实施方式中,由于锚桩压重联合反力装置的各个结构位于日照环境下,因此可以采用正常曝光对其图像进行采集,而桩基400位于锚桩压重联合反力装置的内部空腔,在正常曝光下其图像较暗,若直接拍摄将无法获取到桩基400的清晰图像,因此在监控时,可以分别以不同的曝光度采集锚桩压重联合反力装置和桩基400的图像,即该监控图像包括第一曝光图像和第二曝光图像,从而完整采集锚桩压重联合反力装置和桩基400等目标的图像细节。
在对监控图像进行处理时,首先分别对第一曝光图像和第二曝光图像进行预处理,具体的,该预处理可以包括但不限于图像降噪、图像增强、灰度化等处理,从而减弱不需要的图像元素,增强需要的图像元素,并获得预处理后第一图像和预处理后第二图像,此时对上述预处理后第一图像和预处理后第二图像进行图像融合处理,获得融合后图像,具体的,可以将过度曝光所在图像区域进行替换,将正常曝光的图像区域对过度曝光的图像区域进行替换或覆盖,从而获得整张具有合理曝光的融合后图像,该融合后图像中即至少包含了锚桩压重联合反力装置、桩基400以及施工环境的图像特征。
此时对上述融合后图像进行图像分割,并获得分割后图像,具体的,可以基于预设的轮廓提取算法对融合后图像中不同目标的轮廓进行提取,并根据所提取出的轮廓进行图像分割,分割后图像中包括多个分割目标,其中至少包括锚桩压重联合反力装置、桩基400和施工环境,即将锚桩压重联合反力装置、桩基400和施工环境有效区分了出来,该施工环境包括但不限于施工区域周围的围墙、土坡、施工区域外围的树木、塔吊、建筑物、基准桩等,此时将该分割后图像作为处理后图像,以进行进一步的监控分析使用。
在本发明实施例中,通过采用基于不同曝光度的图像采集方法,能够在不增加额外图像采集装置300的情况下,实现对复杂施工环境下所有监控目标图像的清晰采集,同时基于图像分割的方式实现了对每个监控目标的独立、精确监控,为后续对桩基400的精确检测提供了可靠的数据支撑。
在获得精确的监控图像并对每个监控目标进行监控的基础上,要实现对每个监控目标的量化分析,需要对每个监控目标的位置信息进行精确监控和分析,因此需要首先建立坐标系,以确定每个监控目标的位置信息。
请参见图4,在本发明实施例中,所述处理后图像包括初始处理后图像,所述初始处理后图像包括前初始图像、后初始图像、左初始图像和右初始图像,所述施工环境包括基准桩(未示出),所述基于所述处理后图像和所述施工环境创建坐标系,包括:
S411)分别从所述前初始图像、所述后初始图像、所述左初始图像和所述右初始图像中提取与所述基准桩对应的前基准桩信息、后基准桩信息、左基准桩信息和右基准桩信息;
S412)基于所述前基准桩信息、所述后基准桩信息、所述左基准桩信息和所述右基准桩信息确定基准桩空间位置信息;
S413)基于所述基准桩空间位置信息创建相对坐标系。
在一种可能的实施方式中,在每个图像采集点上设置图像采集装置300,并在进行桩基静载检测之前,首先获取初始监控图像,并对初始监控图像进行处理后获得初始处理后图像,该初始处理后图像包括前初始图像、后初始图像、左初始图像和右初始图像,由于每个基桩静载检测场景均会设置基准桩,在本实施例中,该基准桩垂直于地面设置,而基准桩一般不会受到影响,因此可以根据该基准桩创建整个检测环境的相对坐标系。
具体的,首先分别从前初始图像、后初始图像、左初始图像和右初始图像中提取与基准桩对应的前基准桩信息、后基准桩信息、左基准桩信息和右基准桩信息,然后根据前基准桩信息、后基准桩信息、左基准桩信息和右基准桩信息确定基准桩空间位置信息,具体的,通过图像识别计算出基准桩与每个图像采集装置300之间的距离,根据该距离生成基准桩相对应每个图像采集装置300的空间位置信息,然后以基准桩在地面的中心为坐标原点,以平行于水平面的射线为X轴,以基准桩的中垂线为Z轴,以垂直于XZ平面的射线为Y轴创建相对坐标系,在该相对坐标系中,每个图像采集装置300的位置信息均可以表征为其相对于坐标原点的位置信息。
然而在实际应用过程中,由于基桩静载检测过程中,地基受力较大,在土质较软的地方,往往存在地基沉陷、变形等问题,从而导致基准桩或图像采集装置300的倾斜或位移,对最终的检测结果造成了极大的影响。
为了解决该技术问题,请参见图5,在本发明实施例中,所述施工环境不受施工场景影响,所述处理后图像包括初始处理后图像,所述初始处理后图像包括前初始图像、后初始图像、左初始图像和右初始图像,所述基于所述处理后图像和所述施工环境创建坐标系,包括:
S421)分别从所述前初始图像、所述后初始图像、所述左初始图像和所述右初始图像中提取对应的前环境信息、后环境信息、左环境信息和右环境信息;
S422)确定绝对基准点;
S423)分别确定所述前环境信息、所述后环境信息、所述左环境信息和所述右环境信息与所述绝对基准点之间的第一空间位置关系;
S424)基于所述前初始图像、所述后初始图像、所述左初始图像和所述右初始图像确定每个采集点与所述绝对基准点之间的第二空间位置关系;
S425)基于所述绝对基准点、所述第一空间位置关系和所述第二空间位置关系生成绝对坐标系。
在一种可能的实施方式中,在获得处理后图像后,分别从前初始图像、后初始图像、左初始图像和右初始图像中提取对应的前环境信息、后环境信息、左环境信息和右环境信息,例如分别提取在前初始图像中第一建筑物的前环境信息、提取后初始图像中第二建筑物的后环境信息、提取左初始图像中第三建筑物的左环境信息以及右初始图像中第四建筑物的右环境信息,然后确定绝对基准点,该绝对基准点可以由人工确定,该绝对基准点位于施工场景外且不受到施工场景的影响,即其位置是绝对的。
此时分别确定前环境信息、后环境信息、左环境信息和右环境信息与绝对基准点之间的第一空间位置关系,然后根据前初始图像、后初始图像、左初始图像和右初始图像确定每个采集点与绝对基准点之间的第二空间位置关系,最后根据上述绝对基准点、第一空间位置关系和第二空间位置关系生成绝对坐标系,例如通过该绝对基准点,以前环境信息、后环境信息、左环境信息和右环境信息中的某一环境信息为坐标中心,结合上述第二空间位置关系生成便于计算的绝对坐标系,例如在该绝对坐标系中,每个采集点以及分割目标的位置均不为负,从而便于后续计算。
在本发明实施例中,通过基于基准桩生成针对桩基静载检测的监控相对坐标系,从而能够精确、实时采集每个分割目标的位置变动信息,能够精确计算桩基400的性能;进一步的,通过基于施工场景周围的环境信息,创建绝对坐标系,能够进一步保证所采集的分割目标的位置变动信息为绝对精确的数据,从而保证了数据的可靠性和准确性,为后续的数据分析提供了可靠的数据支持。此时,开始对监控数据进行实时分析,以计算出桩基400的静载检测结果。
在本发明实施例中,所述处理后图像包括监控中图像,所述基于所述坐标系对所述处理后图像进行实时分析,获得所述锚桩压重联合反力装置和所述桩基的位置变化信息,包括:基于所述坐标系对所述初始处理后图像进行分析,确定每个分割目标的初始位置;基于所述坐标系对所述监控中图像进行分析,确定每个分割目标的监控中位置;基于所述初始位置和所述监控中位置生成每个分割目标的位置变化信息。
具体的,首先通过所构建的坐标系对初始处理后图像进行分析,确定每个分割目标的初始位置,然后根据实时采集的监控中图像,通过坐标系分析确定每个分割目标的监控中位置,最后根据上述初始位置和实时的监控中位置生成每个分割目标的位置变化信息。需要说明的是,由于每个分割目标均不是点目标,因此其初始位置可能为分割目标上点云的初始位置,以及其监控中位置为分割目标上与每个点云的初始位置对应的实时监控位置,根据初始点云位置和实时点云位置,可以确定每个分割目标点云中每个点的位置变化信息。此时根据上述位置变化信息进行桩基400的静载检测分析,并生成对应的静载检测结果。
在本发明实施例中,通过采用图像采集和分析的方式,替换现有布设大量传感器以及专用数据分析设备的方式,能够大大降低检测过程中的成本,同时能够有效解决传感器因地基沉陷等所导致的误差,提高了检测精确性。
在实际应用过程中,虽然可以创建相对坐标系进行使用,但正如上述分析,其可靠性可能受到影响;而若采用绝对坐标系,则必须参考周围的绝对参考物,然而在实际应用过程中,很多施工场地位于较为平坦且荒凉的位置,施工场景周围可能没有较好的绝对参考物,或绝对参考物较远(其成像分辨率大于图像采集装置300的最佳分辨率),此时采用绝对坐标系则必须由人工布置额外且可靠的绝对参考物,从而对技术人员造成了一定的困扰。
为了解决上述技术问题,在本发明实施例中,所述坐标系包括相对坐标系和绝对坐标系,所述监控中图像包括前监控中图像、后监控中图像、左监控中图像和右监控中图像,所述方法还包括:在所述坐标系为相对坐标系的情况下:基于所述前初始图像、所述后初始图像、所述左初始图像和所述右初始图像确定所述基准桩的前初始位置、后初始位置、左初始位置和右初始位置;基于所述前监控中图像、所述后监控中图像、所述左监控中图像和所述右监控中图像确定所述基准桩的前监控中位置、后监控中位置、左监控中位置和右监控中位置;基于所述前初始位置和所述前监控中位置、所述后初始位置和所述后监控中位置、所述左初始位置和左监控中位置、所述右初始位置和右监控中位置判断所述基准桩是否发生偏移;若是,基于绝对坐标系对所述处理后图像进行实时分析。
在一种可能的实施方式中,为了便于坐标系的构建和降低检测复杂度,默认采用相对坐标系进行桩基静载检测的分析。在此情况下,检测过程中分别根据基准桩的初始处理后图像和监控中图像确定基准桩的前初始位置、后初始位置、左初始位置、右初始位置以及前监控中位置、后监控中位置、左监控中位置、右监控中位置,此时实时将上述位置进行对应的比较,以判断基准桩的空间位置是否发生偏移,若监控到基准桩的空间位置在任意方向上存在任意偏移,则确定该相对坐标系存在偏差,则立即切换至绝对坐标系对处理后图像进行实时分析,该绝对坐标系可以在初始创建坐标系时直接根据周围环境生成,也可以在初始创建坐标系时由技术人员设置简易绝对参考物以进行绝对坐标系的建立,在建立完成后,该简易的绝对参考物可暂时撤去,若需要切换至绝对坐标系,则由技术人员搭建与该简易绝对参考物对应的可靠绝对参考物。
在本发明实施例中,通过根据实际情况对坐标系的选择进行优化配置,从而能够实现在保证监控数据精确性和可靠性的基础上,尽量减少桩基静载检测过程对技术人员造成的额外工作量,提高技术人员的工作效率。
而在实际应用过程中,在对桩基400进行静载检测时,不同土质所构成的地基对平台支墩500的支撑能力不同,在土质较软的地方,若采用一次性将所有重物100均加载在锚桩压重联合反力装置的平台上,则可能由于地基的沉陷而导致平台支墩500的沉陷,并进一步导致平台的形变,若形变达到一定程度,则会导致锚桩压重联合反力装置的坍塌,从而造成安全事故,而现有技术尚不存在针对锚桩压重联合反力装置的平台、桩基400等的监控方案,因此安全性不足,无法满足实际的安全施工需求。
在本发明实施例中,所述位置变化信息包括分割目标的前位置变化信息、后位置变化信息、左位置变化信息和右位置变化信息,所述方法还包括:基于所述前位置变化信息、所述后位置变化信息、所述左位置变化信息和所述右位置变化信息确定当前分割目标的形变值和偏移值;判断所述形变值是否触发预设形变阈值,以及判断所述偏移值是否触发预设偏移阈值;若所述预设形变阈值和所述预设偏移阈值中的至少一者被触发,生成对应的报警信息。
在一种可能的实施方式中,在对分割目标进行位置检测的过程中,还同时基于前位置变化信息、后位置变化信息、左位置变化信息和右位置变化信息分析每个分割目标分别在前后左右方向上的形变或偏移,并分别判断每个分割目标在任意方向上的形变值是否触发预设形变阈值,以及判断偏移值是否触发预设偏移阈值,该分割目标包括但不限于桩基400、平台支墩500、平台等,若存在任意一个预设形变阈值和预设偏移阈值被触发,即任意一个分割目标在任意一个方向上发生了过大的形变或偏移,则确定该分割目标可能存在异常,存在潜在的安全事故威胁,因此立即生成对应的报警信息,以提示技术人员立即暂停桩基静载检测,并检查或排除相关异常,以保证检测安全性。
在本发明实施例中,通过图像识别的方式,能够在不增加额外成本的基础上,实现安全、精确、可靠的桩基静载检测,从而大大提高了检测过程中的安全性,满足了更高的安全检测需求。
请参见图6,基于同一发明构思,本发明实施例提供一种基于图像识别的桩基静载检测装置,所述装置包括:采集点确定单元,用于确定图像采集点,所述图像采集点位于锚桩压重联合反力装置外部的前后左右方向上;图像采集单元,用于从所述图像采集点采集对应的监控图像,所述监控图像的图像内容至少包括所述锚桩压重联合反力装置、桩基和施工环境;处理单元,用于对所述监控图像进行处理,获得处理后图像;坐标系建立单元,用于基于所述处理后图像和所述施工环境创建坐标系;位置分析单元,用于基于所述坐标系对所述处理后图像进行实时分析,获得所述锚桩压重联合反力装置和所述桩基的位置变化信息;检测单元,用于基于所述位置变化信息生成针对所述桩基的静载检测结果。
进一步地,本发明实施例还提供一种处理器,所述处理器被配置成执行本发明实施例所述的方法。
进一步地,本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明所述的方法。
在本发明的实施例的描述中,需要理解的是,术语“上”、“下”、“前”、“后”、“左”、“右”、“坚直”、“水平”、“中心”、“顶”、“底”、“顶部”、“底部”、“内”、“外”、“内侧”、“外侧”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。其中,“里侧”是指内部或围起来的区域或空间。“外围”是指某特定部件或特定区域的周围的区域。
在本发明的实施例的描述中,术语“第一”、“第二”、“第三”、“第四”仅用以描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”、“第三”、“第四”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在本发明的实施例的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“组装”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
在本发明的实施例的描述中,具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
在本发明的实施例的描述中,需要理解的是,“-”和“~”表示的是两个数值之同的范围,并且该范围包括端点。例如:“A-B”表示大于或等于A,且小于或等于B的范围。“A~B”表示大于或等于A,且小于或等于B的范围。
在本发明的实施例的描述中,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种基于图像识别的桩基静载检测方法,其特征在于,所述方法包括:
确定图像采集点,所述图像采集点位于锚桩压重联合反力装置外部的前后左右方向上;
从所述图像采集点采集对应的监控图像,所述监控图像的图像内容至少包括所述锚桩压重联合反力装置、桩基和施工环境;
对所述监控图像进行处理,获得处理后图像;
基于所述处理后图像和所述施工环境创建坐标系;
基于所述坐标系对所述处理后图像进行实时分析,获得所述锚桩压重联合反力装置和所述桩基的位置变化信息;
基于所述位置变化信息生成针对所述桩基的静载检测结果;
所述监控图像包括第一曝光图像和第二曝光图像,所述对所述监控图像进行处理,获得处理后图像,包括:
分别对所述第一曝光图像和所述第二曝光图像进行预处理,获得预处理后第一图像和预处理后第二图像;
对所述预处理后第一图像和所述预处理后第二图像进行图像融合处理,获得融合后图像;
对所述融合后图像进行图像分割,获得分割后图像,所述分割后图像包括多个分割目标,所述多个分割目标至少包含所述锚桩压重联合反力装置、所述桩基和所述施工环境;
将所述分割后图像作为处理后图像。
2.根据权利要求1所述的方法,其特征在于,所述处理后图像包括初始处理后图像,所述初始处理后图像包括前初始图像、后初始图像、左初始图像和右初始图像,所述施工环境包括基准桩,所述基于所述处理后图像和所述施工环境创建坐标系,包括:
分别从所述前初始图像、所述后初始图像、所述左初始图像和所述右初始图像中提取与所述基准桩对应的前基准桩信息、后基准桩信息、左基准桩信息和右基准桩信息;
基于所述前基准桩信息、所述后基准桩信息、所述左基准桩信息和所述右基准桩信息确定基准桩空间位置信息;
基于所述基准桩空间位置信息创建相对坐标系。
3.根据权利要求1所述的方法,其特征在于,所述施工环境不受施工场景影响,所述处理后图像包括初始处理后图像,所述初始处理后图像包括前初始图像、后初始图像、左初始图像和右初始图像,所述基于所述处理后图像和所述施工环境创建坐标系,包括:
分别从所述前初始图像、所述后初始图像、所述左初始图像和所述右初始图像中提取对应的前环境信息、后环境信息、左环境信息和右环境信息;
确定绝对基准点;
分别确定所述前环境信息、所述后环境信息、所述左环境信息和所述右环境信息与所述绝对基准点之间的第一空间位置关系;
基于所述前初始图像、所述后初始图像、所述左初始图像和所述右初始图像确定每个采集点与所述绝对基准点之间的第二空间位置关系;
基于所述绝对基准点、所述第一空间位置关系和所述第二空间位置关系生成绝对坐标系。
4.根据权利要求2所述的方法,其特征在于,所述处理后图像包括监控中图像,所述基于所述坐标系对所述处理后图像进行实时分析,获得所述锚桩压重联合反力装置和所述桩基的位置变化信息,包括:
基于所述坐标系对所述初始处理后图像进行分析,确定每个分割目标的初始位置;
基于所述坐标系对所述监控中图像进行分析,确定每个分割目标的监控中位置;
基于所述初始位置和所述监控中位置生成每个分割目标的位置变化信息。
5.根据权利要求4所述的方法,其特征在于,所述坐标系包括相对坐标系和绝对坐标系,所述监控中图像包括前监控中图像、后监控中图像、左监控中图像和右监控中图像,所述方法还包括:
在所述坐标系为相对坐标系的情况下:
基于所述前初始图像、所述后初始图像、所述左初始图像和所述右初始图像确定所述基准桩的前初始位置、后初始位置、左初始位置和右初始位置;
基于所述前监控中图像、所述后监控中图像、所述左监控中图像和所述右监控中图像确定所述基准桩的前监控中位置、后监控中位置、左监控中位置和右监控中位置;
基于所述前初始位置和所述前监控中位置、所述后初始位置和所述后监控中位置、所述左初始位置和左监控中位置、所述右初始位置和右监控中位置判断所述基准桩是否发生偏移;
若是,基于绝对坐标系对所述处理后图像进行实时分析。
6.根据权利要求1所述的方法,其特征在于,所述位置变化信息包括分割目标的前位置变化信息、后位置变化信息、左位置变化信息和右位置变化信息,所述方法还包括:
基于所述前位置变化信息、所述后位置变化信息、所述左位置变化信息和所述右位置变化信息确定当前分割目标的形变值和偏移值;
判断所述形变值是否触发预设形变阈值,以及判断所述偏移值是否触发预设偏移阈值;
若所述预设形变阈值和所述预设偏移阈值中的至少一者被触发,生成对应的报警信息。
7.一种基于图像识别的桩基静载检测装置,其特征在于,所述装置包括:
采集点确定单元,用于确定图像采集点,所述图像采集点位于锚桩压重联合反力装置外部的前后左右方向上;
图像采集单元,用于从所述图像采集点采集对应的监控图像,所述监控图像的图像内容至少包括所述锚桩压重联合反力装置、桩基和施工环境;
处理单元,用于对所述监控图像进行处理,获得处理后图像;
坐标系建立单元,用于基于所述处理后图像和所述施工环境创建坐标系;
位置分析单元,用于基于所述坐标系对所述处理后图像进行实时分析,获得所述锚桩压重联合反力装置和所述桩基的位置变化信息;
检测单元,用于基于所述位置变化信息生成针对所述桩基的静载检测结果;
所述监控图像包括第一曝光图像和第二曝光图像,所述对所述监控图像进行处理,获得处理后图像,包括:
分别对所述第一曝光图像和所述第二曝光图像进行预处理,获得预处理后第一图像和预处理后第二图像;
对所述预处理后第一图像和所述预处理后第二图像进行图像融合处理,获得融合后图像;
对所述融合后图像进行图像分割,获得分割后图像,所述分割后图像包括多个分割目标,所述多个分割目标至少包含所述锚桩压重联合反力装置、所述桩基和所述施工环境;
将所述分割后图像作为处理后图像。
8.一种处理器,其特征在于,被配置成执行权利要求1-6中任意一项权利要求所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311109469.4A CN116824518B (zh) | 2023-08-31 | 2023-08-31 | 基于图像识别的桩基静载检测方法、装置、处理器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311109469.4A CN116824518B (zh) | 2023-08-31 | 2023-08-31 | 基于图像识别的桩基静载检测方法、装置、处理器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116824518A CN116824518A (zh) | 2023-09-29 |
CN116824518B true CN116824518B (zh) | 2023-11-10 |
Family
ID=88122561
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311109469.4A Active CN116824518B (zh) | 2023-08-31 | 2023-08-31 | 基于图像识别的桩基静载检测方法、装置、处理器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116824518B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001329558A (ja) * | 2000-05-25 | 2001-11-30 | Mitsubishi Kakoki Kaisha Ltd | 基礎杭の検査方法 |
CN107724442A (zh) * | 2017-10-16 | 2018-02-23 | 浙江煤炭测绘院 | 一种静载抗压荷试验装置 |
JP2019203724A (ja) * | 2018-05-22 | 2019-11-28 | 株式会社免制震ディバイス | 建物基礎の管理方法と建物基礎群の管理方法 |
CN112144585A (zh) * | 2020-07-09 | 2020-12-29 | 广东省建设工程质量安全检测总站有限公司 | 静载试验远程检测图像采集与监控系统 |
JP2021085767A (ja) * | 2019-11-28 | 2021-06-03 | 株式会社きんそく | 基礎杭の施工支援方法及び施工支援システム |
CN113237459A (zh) * | 2021-04-12 | 2021-08-10 | 机械工业第九设计研究院有限公司 | 一种建筑物沉降长期监测方法及监测系统 |
CN114359757A (zh) * | 2022-01-18 | 2022-04-15 | 中大检测(湖南)股份有限公司 | 基于无人机的桥梁外观检测方法及系统 |
WO2022199472A1 (zh) * | 2021-03-23 | 2022-09-29 | 长沙智能驾驶研究院有限公司 | 障碍物检测方法、车辆、设备及计算机存储介质 |
CN115755067A (zh) * | 2022-11-15 | 2023-03-07 | 广东粤电珠海海上风电有限公司 | 一种海上风电桩基海缆入泥角多源融合巡检方法 |
CN115909094A (zh) * | 2022-10-26 | 2023-04-04 | 华中科技大学 | 基于2d图像和视频融合的地下桩基施工进度识别方法 |
CN116193076A (zh) * | 2023-02-08 | 2023-05-30 | 福建汇川物联网技术科技股份有限公司 | 一种桩基施工过程的监测方法及监测装置 |
CN116607579A (zh) * | 2023-06-16 | 2023-08-18 | 郑州大学 | 一种基于弹性变形理论及静载试验的桩基垂直度检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9492984B2 (en) * | 2012-05-02 | 2016-11-15 | Highcon Systems Ltd. | Systems and methods for treating and handling cardboard sheets |
-
2023
- 2023-08-31 CN CN202311109469.4A patent/CN116824518B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001329558A (ja) * | 2000-05-25 | 2001-11-30 | Mitsubishi Kakoki Kaisha Ltd | 基礎杭の検査方法 |
CN107724442A (zh) * | 2017-10-16 | 2018-02-23 | 浙江煤炭测绘院 | 一种静载抗压荷试验装置 |
JP2019203724A (ja) * | 2018-05-22 | 2019-11-28 | 株式会社免制震ディバイス | 建物基礎の管理方法と建物基礎群の管理方法 |
JP2021085767A (ja) * | 2019-11-28 | 2021-06-03 | 株式会社きんそく | 基礎杭の施工支援方法及び施工支援システム |
CN112144585A (zh) * | 2020-07-09 | 2020-12-29 | 广东省建设工程质量安全检测总站有限公司 | 静载试验远程检测图像采集与监控系统 |
WO2022199472A1 (zh) * | 2021-03-23 | 2022-09-29 | 长沙智能驾驶研究院有限公司 | 障碍物检测方法、车辆、设备及计算机存储介质 |
CN113237459A (zh) * | 2021-04-12 | 2021-08-10 | 机械工业第九设计研究院有限公司 | 一种建筑物沉降长期监测方法及监测系统 |
CN114359757A (zh) * | 2022-01-18 | 2022-04-15 | 中大检测(湖南)股份有限公司 | 基于无人机的桥梁外观检测方法及系统 |
CN115909094A (zh) * | 2022-10-26 | 2023-04-04 | 华中科技大学 | 基于2d图像和视频融合的地下桩基施工进度识别方法 |
CN115755067A (zh) * | 2022-11-15 | 2023-03-07 | 广东粤电珠海海上风电有限公司 | 一种海上风电桩基海缆入泥角多源融合巡检方法 |
CN116193076A (zh) * | 2023-02-08 | 2023-05-30 | 福建汇川物联网技术科技股份有限公司 | 一种桩基施工过程的监测方法及监测装置 |
CN116607579A (zh) * | 2023-06-16 | 2023-08-18 | 郑州大学 | 一种基于弹性变形理论及静载试验的桩基垂直度检测方法 |
Non-Patent Citations (3)
Title |
---|
Application of Geodetic Measuring Methods for Reliable Evaluation of Static Load Test Results of Foundation Piles;Zbigniew Muszyński等;《remote sensing》;第13卷(第16期);1-20 * |
基于水平向受力的桩基础周边地基系数取值问题研究;关启集;《中国优秀硕士学位论文全文数据库_工程科技Ⅱ辑》;C038-2797 * |
黄土地区桩基双荷载箱自平衡静载试验研究;吕鹏飞;《中国优秀硕士学位论文全文数据库_工程科技Ⅱ辑》;C034-531 * |
Also Published As
Publication number | Publication date |
---|---|
CN116824518A (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3235773B1 (en) | Surrounding information-obtaining device for working vehicle | |
KR100726009B1 (ko) | 구조물의 변위 측정 시스템 및 방법 | |
White et al. | An image-based deformation measurement system for the geotechnical centrifuge | |
CN110954067B (zh) | 一种基于靶标的单目视觉挖掘机位姿测量系统及测量方法 | |
KR102200824B1 (ko) | 카메라 및 가속도센서를 이용한 실시간 파일항타 관입량 및 리바운드량 자동측정시스템 | |
CN102798456B (zh) | 一种工程机械臂架系统工作幅度的测量方法、装置及系统 | |
JP6966218B2 (ja) | 撮像装置の校正装置、作業機械および校正方法 | |
KR20110127517A (ko) | 대단면 기초 지질조사방법 | |
JPWO2020003497A1 (ja) | 撮像装置の校正装置、監視装置、作業機械および校正方法 | |
JP2020051029A (ja) | 座標変換システム及び作業機械 | |
CN108432227A (zh) | 摄影辅助装置及摄影辅助方法 | |
CN109823965B (zh) | 地下连续墙钢筋笼吊装变形监测系统及方法 | |
KR101944816B1 (ko) | 굴삭 작업 검측 자동화 시스템 | |
CN116824518B (zh) | 基于图像识别的桩基静载检测方法、装置、处理器 | |
CN111583244A (zh) | 一种桥梁变形检测方法和系统 | |
KR102180872B1 (ko) | 레이저와 광학 영상을 접목한 3차원 변위측정계 | |
CN112937444B (zh) | 作业机械的辅助影像生成方法、装置和作业机械 | |
CN107607397A (zh) | 缺陷检测方法及装置 | |
KR102445865B1 (ko) | 영상기반 토목 구조물 실시간 변위 계측 시스템, 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체 | |
Ji et al. | A novel image-based approach for structural displacement measurement | |
KR102357109B1 (ko) | 시공중 터널 막장면 상태평가 시스템 | |
JP2019049465A (ja) | 建物構造安全性能評価方法と建物構造安全性能評価システム | |
JP2000251059A (ja) | 地表面画像監視装置 | |
KR101915024B1 (ko) | 스캐닝 정보 제공 장치 및 방법 | |
KR102507543B1 (ko) | 파일 관입량 및 리바운드량 측정 시스템 |
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 |