CN116993735B - 基于雷达遥感的道路病害检测方法、装置及电子设备 - Google Patents
基于雷达遥感的道路病害检测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN116993735B CN116993735B CN202311255242.0A CN202311255242A CN116993735B CN 116993735 B CN116993735 B CN 116993735B CN 202311255242 A CN202311255242 A CN 202311255242A CN 116993735 B CN116993735 B CN 116993735B
- Authority
- CN
- China
- Prior art keywords
- data
- road
- disease
- dimensional
- ground penetrating
- 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
- 201000010099 disease Diseases 0.000 title claims abstract description 227
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 227
- 238000001514 detection method Methods 0.000 title claims abstract description 58
- 230000000149 penetrating effect Effects 0.000 claims abstract description 96
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000005259 measurement Methods 0.000 claims description 15
- 230000004927 fusion Effects 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000007499 fusion processing Methods 0.000 claims description 3
- 239000002689 soil Substances 0.000 abstract description 8
- 239000010410 layer Substances 0.000 description 9
- 238000012423 maintenance Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 239000002344 surface layer Substances 0.000 description 5
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01C—CONSTRUCTION OF, OR SURFACES FOR, ROADS, SPORTS GROUNDS, OR THE LIKE; MACHINES OR AUXILIARY TOOLS FOR CONSTRUCTION OR REPAIR
- E01C23/00—Auxiliary devices or arrangements for constructing, repairing, reconditioning, or taking-up road or like surfaces
- E01C23/01—Devices or auxiliary means for setting-out or checking the configuration of new surfacing, e.g. templates, screed or reference line supports; Applications of apparatus for measuring, indicating, or recording the surface configuration of existing surfacing, e.g. profilographs
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/865—Combination of radar systems with lidar systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- 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
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
- G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/182—Network patterns, e.g. roads or rivers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- 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
-
- 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
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Networks & Wireless Communication (AREA)
- Geometry (AREA)
- Civil Engineering (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Electromagnetism (AREA)
- Computer Graphics (AREA)
- Structural Engineering (AREA)
- Probability & Statistics with Applications (AREA)
- Architecture (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明提供一种基于雷达遥感的道路病害检测方法、装置及电子设备，该方法包括：获取激光雷达和三维探地雷达同步对道路进行由表及里采集的道路多源数据；将道路多源数据配准融合，得到时间与空间基准统一的表观深层数据；将路面结构光三维数据对应的坐标值和反射强度作为特征值进行聚类，提取道路三维结构光数据，并对道路三维结构光数据进行病害范围检测，得到疑似病害区域；确定疑似病害区域内的三维探地雷达数据的图像熵，得到地下病害点云数据；将疑似病害区域对应的路面结构光三维数据和地下病害点云数据进行拼接，得到道路病害检测结果。本发明可以解决现有技术中无法精确监测道路病害，无法分析出路面下方土层病害的技术问题。
Description
技术领域
本发明涉及道路检测技术领域，具体涉及一种基于雷达遥感的道路病害检测方法、装置及电子设备。
背景技术
在城市快速发展的过程中，交通网络是至关重要的部分，而道路质量极大地影响着城市交通网络的运输效率。由于温度、水分、风化以及荷载摩擦等等多方面的因素，道路可能存在一定的病害，因此需要对其进行定期的质量检测与维护。目前常规的道路病害检测以路面表观病害观测为主，对于因道路使用年限较长而造成的道路表面损坏，采用该方法可以及时地进行监测并维护；然而对于渗透破坏造成的土体破坏变形，当病害体现在路面表观时，往往道路下方土体状态已经较为恶劣，错过了对土体破坏变形初期的及时干涉，此时存在严重的安全隐患，维护工作更为复杂，严重阻碍着城市交通网络的运输效率。因此，及时监测道路病害并采取相应措施，对城市交通至关重要。因此，目前的道路检测方法，无法及时精确监测道路病害，无法分析出路面下方土层可能存在的空洞等病害情况。
发明内容
有鉴于此，有必要提供一种基于雷达遥感的道路病害检测方法、装置及电子设备，用以解决现有技术中无法及时精确监测道路病害，无法分析出路面下方土层病害情况的技术问题。
为了实现上述目的，本发明提供了一种基于雷达遥感的道路病害检测方法，包括：
获取激光雷达和三维探地雷达同步对道路进行由表及里采集的道路多源数据；
将所述道路多源数据配准融合，得到时间与空间基准统一的表观深层数据；所述表观深层数据包括路面结构光三维数据和三维探地雷达数据；
将所述路面结构光三维数据对应的坐标值和反射强度作为特征值进行聚类，提取道路三维结构光数据，并对所述道路三维结构光数据进行病害范围检测，得到疑似病害区域；
确定所述疑似病害区域内的三维探地雷达数据的图像熵，基于所述图像熵以及第一预设阈值，得到地下病害点云数据；
将所述疑似病害区域对应的路面结构光三维数据和所述地下病害点云数据进行拼接，得到表观深层一体化的三维点云数据，并基于所述三维点云数据，得到道路病害检测结果。
进一步地，所述将所述道路多源数据配准融合，得到时间与空间基准统一的表观深层数据，包括：
将所述道路多源数据中的无效数据剔除及进行多通道拼接融合操作后，进行配准融合处理，得到时间与空间基准统一的表观深层数据。
进一步地，所述获取激光雷达和三维探地雷达同步对道路进行由表及里采集的道路多源数据，包括：
对所述激光雷达、所述三维探地雷达以及惯性测量单元进行统一授时后，对GNSS接收机和所述惯性测量单元进行位姿标定，获取修正后的稳定坐标，以及修正所述惯性测量单元的陀螺仪的自动变化，确定所述惯性单元的零偏误差；
基于所述稳定坐标及所述零偏误差，获取激光雷达和三维探地雷达同步对道路进行由表及里采集的道路多源数据。
进一步地，所述对所述道路三维结构光数据进行病害范围检测，得到疑似病害区域，包括：
基于所述道路三维结构光数据的坐标值，通过局部分段拟合的方式，模拟道路局部区域的坡度情况，得到道路局部区域的模拟值；
确定道路局部区域的模拟值与真实值之间的差值，将所述差值大于第二预设阈值所对应的道路三维结构光数据进行聚类，得到多个病害点聚类；
从所述多个病害点聚类中筛选出聚类面积在预设阈值范围内的病害点聚类作为所述疑似病害区域。
进一步地，所述确定所述疑似病害区域内的三维探地雷达数据的图像熵，包括：
对所述疑似病害区域内的三维探地雷达数据进行预处理后，进行对比度增强，得到增强三维探地雷达数据；
基于所述增强三维探地雷达数据，确定所述疑似病害区域内的三维探地雷达数据的图像熵。
进一步地，所述基于所述图像熵以及第一预设阈值，得到地下病害点云数据，包括：
基于灰度值提取所述疑似病害区域内的三维探地雷达数据的强反射与弱反射的像素坐标；
基于所述像素坐标对所述疑似病害区域内的三维探地雷达数据完成病害结构三维重建，以将所述像素坐标转换为所述地下病害点云数据。
进一步地，所述基于所述三维点云数据，得到道路病害检测结果，包括：
将所述三维点云数据与预设的道路病害目标进行比对，得到道路病害检测结果。
本发明还提供一种基于雷达遥感的道路病害检测装置，包括：
获取模块，用于获取激光雷达和三维探地雷达同步对道路进行由表及里采集的道路多源数据；
融合模块，用于将所述道路多源数据配准融合，得到时间与空间基准统一的表观深层数据；所述表观深层数据包括路面结构光三维数据和三维探地雷达数据；
检测模块，用于将所述路面结构光三维数据对应的坐标值和反射强度作为特征值进行聚类，提取道路三维结构光数据，并对所述道路三维结构光数据进行病害范围检测，得到疑似病害区域；
确定模块，用于确定所述疑似病害区域内的三维探地雷达数据的图像熵，基于所述图像熵以及第一预设阈值，得到地下病害点云数据；
结果生成模块，用于将所述疑似病害区域对应的路面结构光三维数据和所述地下病害点云数据进行拼接，得到表观深层一体化的三维点云数据，并基于所述三维点云数据，得到道路病害检测结果。
本发明还提供一种电子设备，包括存储器和处理器，其中，
所述存储器，用于存储程序；
所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以实现如上述中任意一项所述的基于雷达遥感的道路病害检测方法中的步骤。
本发明还提供一种非暂态计算机可读存储介质，其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上述任一项所述的基于雷达遥感的道路病害检测方法。
采用上述实现方式的有益效果是：本发明提供的基于雷达遥感的道路病害检测方法、装置及电子设备，通过获取激光雷达和三维探地雷达同步对道路进行由表及里采集的道路多源数据，将道路多源数据配准融合，得到时间与空间基准统一的路面结构光三维数据和三维探地雷达数据；将路面结构光三维数据对应的坐标值和反射强度作为特征值进行聚类，再进行病害范围检测，得到疑似病害区域，并确定疑似病害区域内的三维探地雷达数据的图像熵，得到地下病害点云数据；最后将疑似病害区域对应的路面结构光三维数据和地下病害点云数据进行拼接，得到表观深层一体化的三维点云数据，并基于三维点云数据，得到道路病害检测结果。
本发明通过综合利用激光雷达和三维探地雷达，可以对城市道路进行由表及里的三维探测，从而实现高效的道路病害精准检测，为城市道路的维护工作提供了可靠的信息支撑，在完成病害定位的同时，还能在一定程度上实现表层深层的病害情况三维可视化，有助于后续的维护工作，解决现有技术中无法及时精确监测道路病害、无法分析出路面下方土层可能存在的空洞等病害情况的技术问题，本发明提供的方案成本低、可操作性强，可以有效提高城市市政道路管理水平，应用前景广泛。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍，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为本发明提供的基于雷达遥感的道路病害检测方法的一实施例的流程示意图；
图2为本发明提供的基于雷达遥感的道路病害检测方法的另一实施例的流程示意图；
图3为本发明提供的基于雷达遥感的道路病害检测装置的一实施例的结构示意图；
图4为本发明提供的电子设备的一个实施例结构示意图。
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。
在本申请实施例的描述中，除非另有说明， “多个”的含义是两个或两个以上。
本发明实施例中术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
在本发明实施例中出现的对步骤进行的命名或者编号，并不意味着必须按照命名或者编号所指示的时间/逻辑先后顺序执行方法流程中的步骤，已经命名或者编号的流程步骤可以根据要实现的技术目的变更执行次序，只要能达到相同或者相似的技术效果即可。
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，也不是与其他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他实施例相结合。
本发明提供了一种基于雷达遥感的道路病害检测方法、装置及电子设备，以下分别进行说明。
如图1所示，本发明提供的一种基于雷达遥感的道路病害检测方法，包括：
步骤110、获取激光雷达和三维探地雷达同步对道路进行由表及里采集的道路多源数据；
步骤120、将所述道路多源数据配准融合，得到时间与空间基准统一的表观深层数据；所述表观深层数据包括路面结构光三维数据和三维探地雷达数据；
步骤130、将所述路面结构光三维数据对应的坐标值和反射强度作为特征值进行聚类，提取道路三维结构光数据，并对所述道路三维结构光数据进行病害范围检测，得到疑似病害区域；
步骤140、确定所述疑似病害区域内的三维探地雷达数据的图像熵，基于所述图像熵以及第一预设阈值，得到地下病害点云数据；
步骤150、将所述疑似病害区域对应的路面结构光三维数据和所述地下病害点云数据进行拼接，得到表观深层一体化的三维点云数据，并基于所述三维点云数据，得到道路病害检测结果。
可以理解的是，本发明主要使用了激光雷达和三维探地雷达，对采集到的数据进行协同分析。通过多源数据同步获取、多源数据配准融合、地表地下三维病害定位分析等步骤，对道路病害进行精准定位与问题分析。
步骤110也即是道路表层和深层结构多源数据同步获取，该步骤使用激光雷达系统和三维探地雷达系统同步对道路进行由表及里的采集。
步骤120也即是道路多源数据配准融合，该步骤基于设备采集过程中存储的时间和空间信息，同步转换至绝对时间与绝对坐标。
步骤130也即是基于路面结构光三维数据的病害定位，该步骤首先对路面结构光数据进行处理，提取保留道路的相关数据，再对道路三维结构光数据进行病害范围检测，同时对病害进行计数划分。其中，路面结构光三维数据包含有道路结构光三维数据和非道路结构光三维数据。
步骤140也即是表观病害范围内的三维探地雷达数据处理分析，该步骤主要参考从地面结构光数据中提取出的疑似病害区域，对相应区域内的三维探地雷达数据进行病害判断，进而完成地下区域的病害三维重建。
步骤150也即是联合路面表观与结构特征的病害判别，具体为基于疑似病害区域的坐标，综合分析表观深层采集到的结构光数据和探地雷达数据，从而完成病害区域的三维重建，进而确定病害类型。
在一些实施例中，所述将所述道路多源数据配准融合，得到时间与空间基准统一的表观深层数据，包括：
将所述道路多源数据中的无效数据剔除及进行多通道拼接融合操作后，进行配准融合处理，得到时间与空间基准统一的表观深层数据。
可以理解的是，首先需要对多源数据进行基础的预处理操作，包括剔除无效数据，完成三维探地雷达的多通道拼接融合操作。其次是为激光雷达数据和探地雷达数据匹配绝对时间（UTC）与绝对坐标（WGS 84）。原始的探地雷达数据仅含有时间，未包含位置坐标，原始的激光雷达数据仅包含相对位置。通过同一套GNSS（Global Navigation SatelliteSystem，全球导航卫星系统）接收系统，在经过解算后得到设备测量过程中的精准坐标，将该坐标依据时间，为三维探地雷达数据及三维激光雷达数据进行坐标匹配，即可得到时间与空间基准统一的表观深层数据。
在一些实施例中，所述获取激光雷达和三维探地雷达同步对道路进行由表及里采集的道路多源数据，包括：
对所述激光雷达、所述三维探地雷达以及惯性测量单元进行统一授时后，对GNSS接收机和所述惯性测量单元进行位姿标定，获取修正后的稳定坐标，以及修正所述惯性测量单元的陀螺仪的自动变化，确定所述惯性单元的零偏误差；
基于所述稳定坐标及所述零偏误差，获取激光雷达和三维探地雷达同步对道路进行由表及里采集的道路多源数据。
可以理解的是，首先是系统时间同步与位姿标定。测量开始前，在GNSS信号质量良好的地方开启设备的电源系统，检查GNSS接收机与GPS时钟卫星信号接收情况，保证GNSS信号质量良好。此时系统自动对激光雷达（即：三维激光雷达扫描仪）、惯性测量单元、三维探地雷达天线进行统一授时。然后在控制电脑开启三维激光雷达扫描系统控制软件，新建工程后保持整个系统静止一段时间。系统会在静止过程中对GNSS接收机和惯性单元进行位姿标定，获取修正后的稳定坐标，修正惯性单元陀螺仪的自动变化，计算惯性单元的零偏误差。
随后是进行数据采集。在控制电脑上设置各部分测量的参数，沿着规划好的探测路线在探测区域内推动系统推车，开始地面表观深层的同步测量。
最后是系统静置收敛并结束测量。数据采集完成后，将测量设备推至GNSS信号良好的区域静置收敛，收敛结束后关闭所有传感器，完成数据采集工作。
在一些实施例中，所述对所述道路三维结构光数据进行病害范围检测，得到疑似病害区域，包括：
基于所述道路三维结构光数据的坐标值，通过局部分段拟合的方式，模拟道路局部区域的坡度情况，得到道路局部区域的模拟值；
确定道路局部区域的模拟值与真实值之间的差值，将所述差值大于第二预设阈值所对应的道路三维结构光数据进行聚类，得到多个病害点聚类；
从所述多个病害点聚类中筛选出聚类面积在预设阈值范围内的病害点聚类作为所述疑似病害区域。
可以理解的是，由于路面点在空间分布上连续，且道路数据反射强度较为一致且明显区别于其他区域，因此，将结构光数据的坐标值和反射强度作为特征值，采用高斯混合模型聚类分析，即可提取保留道路相关的三维结构光数据。依据道路数据的坐标值，采用局部分段拟合的方式，模拟局部区域的坡度情况，将模拟值与真实值进行对比，依据阈值提取出差异较大的数据点，即可视为初筛出的病害点。对初筛出的病害点，采用高斯混合模型聚类分析，得到多个病害点聚类，对每个聚类进行面积计算，高于最低阈值且低于最高阈值的聚类，即可视作疑似病害区域。
在一些实施例中，所述确定所述疑似病害区域内的三维探地雷达数据的图像熵，包括：
对所述疑似病害区域内的三维探地雷达数据进行预处理后，进行对比度增强，得到增强三维探地雷达数据；
基于所述增强三维探地雷达数据，确定所述疑似病害区域内的三维探地雷达数据的图像熵。
在一些实施例中，所述基于所述图像熵以及第一预设阈值，得到地下病害点云数据，包括：
基于灰度值提取所述疑似病害区域内的三维探地雷达数据的强反射与弱反射的像素坐标；
基于所述像素坐标对所述疑似病害区域内的三维探地雷达数据完成病害结构三维重建，以将所述像素坐标转换为所述地下病害点云数据。
可以理解的是，由于三维探地雷达数据解译判读较为复杂，因此需要进行振幅矫正、时间增益、带通滤波等增强等传统的探地雷达数据预处理方法，对探地雷达数据进行对比度增强，提高目标与背景的区分度。其次参考从地面结构光数据中提取出的疑似病害区域，依据经纬度坐标筛选分割相应区域的探地雷达影像数据。通过计算探地雷达影像的图像熵，依据设定的阈值，当图像熵大于阈值时，可视为存在病害。由于在探地雷达影像中，目标体会表现为强弱反射交替，与背景的居中值差异明显，因此可以通过灰度值提取出强反射与弱反射的像素坐标，确定病害区域并完成病害结构三维重建，同时将病害区域的像素点转换为含有坐标值的点云数据。
在一些实施例中，所述基于所述三维点云数据，得到道路病害检测结果，包括：
将所述三维点云数据与预设的道路病害目标进行比对，得到道路病害检测结果。
可以理解的是，首先对疑似病害区域内的表观结构光数据和地下病害点云数据，依据坐标进行拼接，生成表观深层一体化的三维点云数据，再使用模板匹配的方式对病害类型进行进一步确定，包括表观裂缝但深层无损，深层空洞且影响至表观，深层空洞但未显著体现在表观等多种病害结构。确定病害后将相应的病害类型、病害坐标、病害三维点云数据整理，即可获得最终的道路病害检测结果。
在另一些实施例中，基于雷达遥感的道路病害检测方法，如图2所示，该方法包括：道路表层和深层结构多源数据同步获取；道路多源数据配准融合；基于路面结构光三维数据的病害定位；表观病害范围内的三维探地雷达数据处理分析；联合路面表观与结构特征的病害判别。
道路表层和深层结构多源数据同步获取，具体为：
激光雷达与探地雷达系统同步授时；
激光雷达与探地雷达系统位姿标定；
激光雷达与探地雷达系统同步数据采集；
系统静置收敛并结束测量。
道路多源数据配准融合，具体为：
多源数据基础预处理；
多源数据时间对齐；
多源数据坐标统一。
基于路面结构光三维数据的病害定位，具体为：
基于聚类的路面提取与分割；
道路坡度局部拟合；
变形类道路病害范围检测；
基于聚类的病害个体划分。
表观病害范围内的三维探地雷达数据处理分析，具体为：
三维探地雷达影像增强；
地表病害范围匹配三维探地雷达影像；
基于图像熵的三维探地雷达影像病害判断；
基于灰度值的病害区域三维重建。
联合路面表观与结构特征的病害判别，具体为：
基于坐标的预测病害区表观地下精准匹配；
预测病害区表观深层三维模型构建；
基于模板匹配的病害类型判断。
综上所述，本发明提供的基于雷达遥感的道路病害检测方法，通过获取激光雷达和三维探地雷达同步对道路进行由表及里采集的道路多源数据，将道路多源数据配准融合，得到时间与空间基准统一的路面结构光三维数据和三维探地雷达数据；将路面结构光三维数据对应的坐标值和反射强度作为特征值进行聚类，再进行病害范围检测，得到疑似病害区域，并确定疑似病害区域内的三维探地雷达数据的图像熵，得到地下病害点云数据；最后将疑似病害区域对应的路面结构光三维数据和地下病害点云数据进行拼接，得到表观深层一体化的三维点云数据，并基于三维点云数据，得到道路病害检测结果。
本发明通过综合利用激光雷达和三维探地雷达，可以对城市道路进行由表及里的三维探测，从而实现高效的道路病害精准检测，为城市道路的维护工作提供了可靠的信息支撑，在完成病害定位的同时，还能在一定程度上实现表层深层的病害情况三维可视化，有助于后续的维护工作，解决现有技术中无法及时精确监测道路病害、无法分析出路面下方土层可能存在的空洞等病害情况的技术问题，本发明提供的方案成本低、可操作性强，可以有效提高城市市政道路管理水平，应用前景广泛。
本发明考虑到城市道路病害不仅仅体现在表观，道路深层土层同时可能存在病害的特点，发明提出了一种由表及里的道路病害精准检测方法，为城市道路的维护工作提供了高效的数据采集和可靠的三维信息方案，在城市市政管理、道路建设与维护领域具有广阔的应用前景。
如图3所示，本发明还提供的基于雷达遥感的道路病害检测装置300，包括：
获取模块310，用于获取激光雷达和三维探地雷达同步对道路进行由表及里采集的道路多源数据；
融合模块320，用于将所述道路多源数据配准融合，得到时间与空间基准统一的表观深层数据；所述表观深层数据包括路面结构光三维数据和三维探地雷达数据；
检测模块330，用于将所述路面结构光三维数据对应的坐标值和反射强度作为特征值进行聚类，提取道路三维结构光数据，并对所述道路三维结构光数据进行病害范围检测，得到疑似病害区域；
确定模块340，用于确定所述疑似病害区域内的三维探地雷达数据的图像熵，基于所述图像熵以及第一预设阈值，得到地下病害点云数据；
结果生成模块，用于将所述疑似病害区域对应的路面结构光三维数据和所述地下病害点云数据进行拼接，得到表观深层一体化的三维点云数据，并基于所述三维点云数据，得到道路病害检测结果。
上述实施例提供的基于雷达遥感的道路病害检测装置可实现上述基于雷达遥感的道路病害检测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基于雷达遥感的道路病害检测方法实施例中的相应内容，此处不再赘述。
如图4所示，本发明还相应提供了一种电子设备400。该电子设备400包括处理器401、存储器402及显示器403。图4仅示出了电子设备400的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代地实施更多或者更少的组件。
存储器402在一些实施例中可以是电子设备400的内部存储单元，例如电子设备400的硬盘或内存。存储器402在另一些实施例中也可以是电子设备400的外部存储设备，例如电子设备400上配备的插接式硬盘，智能存储卡（Smart Media Card，SMC），安全数字（Secure Digital，SD）卡，闪存卡（Flash Card）等。
进一步地，存储器402还可既包括电子设备400的内部储存单元也包括外部存储设备。存储器402用于存储安装电子设备400的应用软件及各类数据。
处理器401在一些实施例中可以是一个中央处理器（Central Processing Unit，CPU），微处理器或其他数据处理芯片，用于运行存储器402中存储的程序代码或处理数据，例如本发明中的基于雷达遥感的道路病害检测方法。
显示器403在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。显示器403用于显示在电子设备400的信息以及用于显示可视化的用户界面。电子设备400的部件401-403通过系统总线相互通信。
在本发明的一些实施例中，当处理器401执行存储器402中的基于雷达遥感的道路病害检测程序时，可实现以下步骤：
获取激光雷达和三维探地雷达同步对道路进行由表及里采集的道路多源数据；
将所述道路多源数据配准融合，得到时间与空间基准统一的表观深层数据；所述表观深层数据包括路面结构光三维数据和三维探地雷达数据；
将所述路面结构光三维数据对应的坐标值和反射强度作为特征值进行聚类，提取道路三维结构光数据，并对所述道路三维结构光数据进行病害范围检测，得到疑似病害区域；
确定所述疑似病害区域内的三维探地雷达数据的图像熵，基于所述图像熵以及第一预设阈值，得到地下病害点云数据；
将所述疑似病害区域对应的路面结构光三维数据和所述地下病害点云数据进行拼接，得到表观深层一体化的三维点云数据，并基于所述三维点云数据，得到道路病害检测结果。
应当理解的是：处理器401在执行存储器402中的基于雷达遥感的道路病害检测程序时，除了上面的功能之外，还可实现其他功能，具体可参见前面相应方法实施例的描述。
进一步地，本发明实施例对提及的电子设备400的类型不作具体限定，电子设备400可以为手机、平板电脑、个人数字助理（personaldigitalassistant，PDA）、可穿戴设备、膝上型计算机（laptop）等便携式电子设备。便携式电子设备的示例性实施例包括但不限于搭载IOS、android、microsoft或者其他操作系统的便携式电子设备。上述便携式电子设备也可以是其他便携式电子设备，诸如具有触敏表面（例如触控面板）的膝上型计算机（laptop）等。还应当理解的是，在本发明其他一些实施例中，电子设备400也可以不是便携式电子设备，而是具有触敏表面（例如触控面板）的台式计算机。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的基于雷达遥感的道路病害检测方法，该方法包括：
获取激光雷达和三维探地雷达同步对道路进行由表及里采集的道路多源数据；
将所述道路多源数据配准融合，得到时间与空间基准统一的表观深层数据；所述表观深层数据包括路面结构光三维数据和三维探地雷达数据；
将所述路面结构光三维数据对应的坐标值和反射强度作为特征值进行聚类，提取道路三维结构光数据，并对所述道路三维结构光数据进行病害范围检测，得到疑似病害区域；
确定所述疑似病害区域内的三维探地雷达数据的图像熵，基于所述图像熵以及第一预设阈值，得到地下病害点云数据；
将所述疑似病害区域对应的路面结构光三维数据和所述地下病害点云数据进行拼接，得到表观深层一体化的三维点云数据，并基于所述三维点云数据，得到道路病害检测结果。
本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，程序可存储于计算机可读存储介质中。其中，计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上对本发明所提供的基于雷达遥感的道路病害检测方法、装置及电子设备进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于雷达遥感的道路病害检测方法，其特征在于，包括：
获取激光雷达和三维探地雷达同步对道路进行由表及里采集的道路多源数据；所述道路多源数据包括原始激光雷达数据和原始探地雷达数据；
将所述原始激光雷达数据与所述原始探地雷达数据进行配准融合，得到时间与空间基准统一的表观深层数据；所述表观深层数据包括所述原始激光雷达数据配准融合后对应的路面结构光三维数据和所述原始探地雷达数据配准融合后对应的三维探地雷达数据；
将所述路面结构光三维数据对应的坐标值和反射强度作为特征值进行聚类，提取道路三维结构光数据，并对所述道路三维结构光数据进行病害范围检测，得到疑似病害区域；
确定所述疑似病害区域内的三维探地雷达数据的图像熵，基于所述图像熵以及第一预设阈值，得到地下病害点云数据；
将所述疑似病害区域对应的路面结构光三维数据和所述地下病害点云数据进行拼接，得到表观深层一体化的三维点云数据，并基于所述三维点云数据，得到道路病害检测结果。
2.根据权利要求1所述的基于雷达遥感的道路病害检测方法，其特征在于，所述将所述原始激光雷达数据与所述原始探地雷达数据进行配准融合，得到时间与空间基准统一的表观深层数据，包括：
将所述原始激光雷达数据与所述原始探地雷达数据中的无效数据剔除及进行多通道拼接融合操作后，进行配准融合处理，得到时间与空间基准统一的表观深层数据。
3.根据权利要求1所述的基于雷达遥感的道路病害检测方法，其特征在于，所述获取激光雷达和三维探地雷达同步对道路进行由表及里采集的道路多源数据，包括：
对所述激光雷达、所述三维探地雷达以及惯性测量单元进行统一授时后，对GNSS接收机和所述惯性测量单元进行位姿标定，获取修正后的稳定坐标，以及修正所述惯性测量单元的陀螺仪的自动变化，确定所述惯性测量单元的零偏误差；
基于所述稳定坐标及所述零偏误差，获取激光雷达和三维探地雷达同步对道路进行由表及里采集的道路多源数据。
4.根据权利要求1所述的基于雷达遥感的道路病害检测方法，其特征在于，所述对所述道路三维结构光数据进行病害范围检测，得到疑似病害区域，包括：
基于所述道路三维结构光数据的坐标值，通过局部分段拟合的方式，模拟道路局部区域的坡度情况，得到道路局部区域的模拟值；
确定道路局部区域的模拟值与真实值之间的差值，将所述差值大于第二预设阈值所对应的道路三维结构光数据进行聚类，得到多个病害点聚类；
从所述多个病害点聚类中筛选出聚类面积在预设阈值范围内的病害点聚类作为所述疑似病害区域。
5.根据权利要求1所述的基于雷达遥感的道路病害检测方法，其特征在于，所述确定所述疑似病害区域内的三维探地雷达数据的图像熵，包括：
对所述疑似病害区域内的三维探地雷达数据进行预处理后，进行对比度增强，得到增强三维探地雷达数据；
基于所述增强三维探地雷达数据，确定所述疑似病害区域内的三维探地雷达数据的图像熵。
6.根据权利要求1所述的基于雷达遥感的道路病害检测方法，其特征在于，所述基于所述图像熵以及第一预设阈值，得到地下病害点云数据，包括：
基于灰度值提取所述疑似病害区域内的三维探地雷达数据的强反射与弱反射的像素坐标；
基于所述像素坐标对所述疑似病害区域内的三维探地雷达数据完成病害结构三维重建，以将所述像素坐标转换为所述地下病害点云数据。
7.根据权利要求1-6任一项所述的基于雷达遥感的道路病害检测方法，其特征在于，所述基于所述三维点云数据，得到道路病害检测结果，包括：
将所述三维点云数据与预设的道路病害目标进行比对，得到道路病害检测结果。
8.一种基于雷达遥感的道路病害检测装置，其特征在于，包括：
获取模块，用于获取激光雷达和三维探地雷达同步对道路进行由表及里采集的道路多源数据；所述道路多源数据包括原始激光雷达数据和原始探地雷达数据；
融合模块，用于将所述原始激光雷达数据与所述原始探地雷达数据进行配准融合，得到时间与空间基准统一的表观深层数据；所述表观深层数据包括所述原始激光雷达数据配准融合后对应的路面结构光三维数据和所述原始探地雷达数据配准融合后对应的三维探地雷达数据；
检测模块，用于将所述路面结构光三维数据对应的坐标值和反射强度作为特征值进行聚类，提取道路三维结构光数据，并对所述道路三维结构光数据进行病害范围检测，得到疑似病害区域；
确定模块，用于确定所述疑似病害区域内的三维探地雷达数据的图像熵，基于所述图像熵以及第一预设阈值，得到地下病害点云数据；
结果生成模块，用于将所述疑似病害区域对应的路面结构光三维数据和所述地下病害点云数据进行拼接，得到表观深层一体化的三维点云数据，并基于所述三维点云数据，得到道路病害检测结果。
9.一种电子设备，其特征在于，包括存储器和处理器，其中，
所述存储器，用于存储程序；
所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以实现如权利要求1至7中任意一项所述的基于雷达遥感的道路病害检测方法中的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的基于雷达遥感的道路病害检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311255242.0A CN116993735B (zh) | 2023-09-27 | 2023-09-27 | 基于雷达遥感的道路病害检测方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311255242.0A CN116993735B (zh) | 2023-09-27 | 2023-09-27 | 基于雷达遥感的道路病害检测方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116993735A CN116993735A (zh) | 2023-11-03 |
| CN116993735B true CN116993735B (zh) | 2024-01-23 |
Family
ID=88534166
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311255242.0A Active CN116993735B (zh) | 2023-09-27 | 2023-09-27 | 基于雷达遥感的道路病害检测方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116993735B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117233752B (zh) * | 2023-11-08 | 2024-01-30 | 江苏筑升土木工程科技有限公司 | 基于雷达无损检测的道路地下病害体含水率计算分析方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017120796A1 (zh) * | 2016-01-13 | 2017-07-20 | 富士通株式会社 | 路面病害的检测方法及其装置、电子设备 |
| CN107544095A (zh) * | 2017-07-28 | 2018-01-05 | 河南工程学院 | 一种地面三维激光点云与探地雷达图像融合的方法 |
| WO2018205119A1 (zh) * | 2017-05-09 | 2018-11-15 | 深圳市速腾聚创科技有限公司 | 基于激光雷达扫描的路沿检测方法和系统 |
| CN113009910A (zh) * | 2021-02-09 | 2021-06-22 | 上海同陆云交通科技有限公司 | 一种人行道检测机器人系统及人行道检测方法 |
| CN115236658A (zh) * | 2022-07-13 | 2022-10-25 | 中交第二公路勘察设计研究院有限公司 | 基于主动式雷达遥感协同的路面裂缝三维形态监测方法 |
| CN115755193A (zh) * | 2022-10-26 | 2023-03-07 | 广西北投交通养护科技集团有限公司 | 路面结构内部病害识别方法 |
| WO2023123568A1 (zh) * | 2021-12-29 | 2023-07-06 | 中路交科科技股份有限公司 | 一种探地雷达图像人工智能识别方法及装置 |
-
2023
- 2023-09-27 CN CN202311255242.0A patent/CN116993735B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017120796A1 (zh) * | 2016-01-13 | 2017-07-20 | 富士通株式会社 | 路面病害的检测方法及其装置、电子设备 |
| WO2018205119A1 (zh) * | 2017-05-09 | 2018-11-15 | 深圳市速腾聚创科技有限公司 | 基于激光雷达扫描的路沿检测方法和系统 |
| CN107544095A (zh) * | 2017-07-28 | 2018-01-05 | 河南工程学院 | 一种地面三维激光点云与探地雷达图像融合的方法 |
| CN113009910A (zh) * | 2021-02-09 | 2021-06-22 | 上海同陆云交通科技有限公司 | 一种人行道检测机器人系统及人行道检测方法 |
| WO2023123568A1 (zh) * | 2021-12-29 | 2023-07-06 | 中路交科科技股份有限公司 | 一种探地雷达图像人工智能识别方法及装置 |
| CN115236658A (zh) * | 2022-07-13 | 2022-10-25 | 中交第二公路勘察设计研究院有限公司 | 基于主动式雷达遥感协同的路面裂缝三维形态监测方法 |
| CN115755193A (zh) * | 2022-10-26 | 2023-03-07 | 广西北投交通养护科技集团有限公司 | 路面结构内部病害识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116993735A (zh) | 2023-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109459439B (zh) | 一种基于移动式三维激光扫描技术的隧道衬砌裂缝检测方法 | |
| CN111931565B (zh) | 一种基于光伏电站uav的自主巡检与热斑识别方法及系统 | |
| CN104005325B (zh) | 基于深度和灰度图像的路面裂缝检测装置和方法 | |
| CN108733053A (zh) | 一种基于机器人的智能道路检测方法 | |
| CN116993735B (zh) | 基于雷达遥感的道路病害检测方法、装置及电子设备 | |
| CN106500674B (zh) | 一种基于市政工程的测绘方法 | |
| CN105045950A (zh) | 一种基于三维激光扫描的桥梁安全评估系统 | |
| CN106296814B (zh) | 公路养护检测与可视化交互方法和系统 | |
| CN113885025A (zh) | 一种滑坡形变监测方法与可视化服务平台 | |
| CN103778681A (zh) | 一种车载高速公路巡检系统及数据获取和处理方法 | |
| CN106370435A (zh) | 道路谱采集系统、车辆和道路谱采集方法 | |
| CN105550428A (zh) | 一种基于tls技术的桥梁安全评估方法 | |
| CN112927565B (zh) | 提升机坪综合航迹监视数据精度的方法、装置及系统 | |
| CN110837839B (zh) | 一种高精度无人机正射影像制作及数据采集方法 | |
| CN108153979A (zh) | 基于InSAR的形变信息提取方法、终端及存储介质 | |
| CN114252884A (zh) | 路侧雷达定位监测方法、装置、计算机设备和存储介质 | |
| Sun et al. | Building displacement measurement and analysis based on UAV images | |
| CN108957507A (zh) | 基于增强现实技术的燃气管道泄漏处置方法 | |
| CN111650668A (zh) | 一种隧道三维超前地质预报方法及系统 | |
| Guo et al. | Urban Geospatial Information Acquisition Mobile Mapping System based on close-range photogrammetry and IGS site calibration | |
| WO2021036780A1 (zh) | 一种大地电磁数据的三维采集方法、装置及终端设备 | |
| CN116778329A (zh) | 城市道路地下浅层病害检测方法、装置、设备及介质 | |
| CN117272191B (zh) | 一种城市地下空间智能测绘方法及系统 | |
| CN111881566B (zh) | 基于实景仿真的滑坡位移检测方法及装置 | |
| CN114036866A (zh) | 一种城市风况仿真模型的训练方法及装置 |
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 |