CN117646828B - 一种用于检测顶管接口相对位移和渗漏水的装置及方法 - Google Patents
一种用于检测顶管接口相对位移和渗漏水的装置及方法 Download PDFInfo
- Publication number
- CN117646828B CN117646828B CN202410116735.4A CN202410116735A CN117646828B CN 117646828 B CN117646828 B CN 117646828B CN 202410116735 A CN202410116735 A CN 202410116735A CN 117646828 B CN117646828 B CN 117646828B
- Authority
- CN
- China
- Prior art keywords
- image
- axis
- camera
- point
- measuring vehicle
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 34
- 238000006073 displacement reaction Methods 0.000 title claims abstract description 16
- 230000008859 change Effects 0.000 claims abstract description 20
- 238000003384 imaging method Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 41
- 239000013598 vector Substances 0.000 claims description 38
- 238000012937 correction Methods 0.000 claims description 22
- 230000009466 transformation Effects 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000013519 translation Methods 0.000 claims description 9
- 230000003287 optical effect Effects 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 229910052744 lithium Inorganic materials 0.000 claims description 4
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 3
- 238000009412 basement excavation Methods 0.000 claims description 3
- 238000001816 cooling Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000017525 heat dissipation Effects 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000010276 construction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种用于检测顶管接口相对位移和渗漏水的装置和方法，包括移动测量车，移动测量车上设置有双目成像模块、数据处理模块和PID控制模块，移动测量车前端设置有伸缩杆和多个激光测距仪，移动测量车设置有两个摄像机，移动测量车上设置有里程表。首先获取初始信息；其次通过激光测距仪测量与顶管内表面的距离，控制测量车运行轨迹位置；通过里程计，每行走两米，测量车停止前进，相机拍摄内表面图像；实现对点云的校正；将拍摄的图像转换为黑白色阶图；通过提取接口前后位置处的点云坐标，得到前后接口相对位移；通过图像中色阶变化，定位渗水区。本发明的有益效果：实现了自动化测量顶管管节接口处的相对位移及管内渗水区。
Description
技术领域
本发明涉及非开挖工程顶管技术领域，具体是一种用于检测顶管接口相对位移和渗漏水的装置及方法。
背景技术
顶管是地下工程中常用的管道结构，由于顶管施工不需要拼装隧道衬砌，无须进行地面开挖，能够穿越公路、铁道、河川、地面建筑物、地下构筑物以及各种地下管线等，因此不会阻碍交通，对周围环境影响也很小，因此顶管被广泛应用于城市市政领域，目前广泛应用于城市给水排水、煤气管道、电力隧道、通信电缆等基础设施建设以及公路、铁路、隧道等交通运输的施工中。
但是在顶管施工过程中，由于管节纠偏、为了避让既有的地下结构物而不得不采用复杂的空间曲线轴线、地基不均匀沉降以及管节外槽口比内槽口略大等因素存在，因此会使管节接口处产生相对位移、管节内产生裂缝，进而影响管内应力分布、管节接口处的应力传递、管身密封性能等关键特性。然而由于管节接口相对位移、管内渗水区较难长期测量，因此管节接口相对位移对管节应力传递的影响研究较少，影响机理不明确。同时，顶管施工过程中，难以提前发现管节内部开裂漏水、渗水等问题。若能提前监测管内裂缝发展情况，及时发现并采取相应的处理措施，可以减少对地下管道后期使用和维护造成的影响。
发明内容
本发明的目的在于克服现有技术的不足，提出一种用于检测顶管接口相对位移和渗漏水的装置及方法，以解决上述存在的问题。
本发明的目的是通过以下技术方案来实现的：一种用于检测顶管接口相对位移和渗漏水的装置，包括移动测量车，所述移动测量车下方设置有转向轮，所述移动测量车上设置有双目成像模块、数据处理模块和PID控制模块，所述移动测量车前端设置有伸缩杆，所述伸缩杆端头环形设置有多个激光测距仪，所述移动测量车上开设有滑槽，所述滑槽上设置有两个摄像机，所述移动测量车内至有主机、动力马达和锂电池组，所述移动测量车上设置有里程表。
所述移动测量车上设置有警示灯。
所述移动测量车上设置有散热板。
所述移动测量车上设置有主照明灯。
所述移动测量车上设置有应急按钮。
所述移动测量车上设置有散热风扇。
所述移动测量车内设置有操作显示屏。
一种基于用于检测顶管接口相对位移和渗漏水的装置的检测方法，包括以下步骤：
S1、使用棋盘格对双目成像模块进行标定；
S2、将移动测量车置入顶管内，将伸缩杆的中心点作为空间坐标系的原点，原点的右边为x轴正方向，前为y轴正方向，上为z轴正方向；根据移动测量车设计图纸，可以得到多个激光测距仪与伸缩杆中心点的相对位置，以及伸缩杆中心点与左右摄像机的相对位置，通过计算激光测距仪、左右摄像机与中心点的相对距离可以得到激光测距仪、左右摄像机在空间中的初始位置；
S3、通过计算左右侧距离差值，令其为，用于控制移动测量车左右转动，使移动测量车在顶管内中轴线行驶；通过计算上下左右侧距离总值的平均值，令其为偏差/>，用于控制检测移动测量车刹车与行走，使摄像机稳定拍摄；
S4、将两偏差分别带入 PID 控制模块的输出控制信号，输出控制信号，其中/>为当前的误差值，j=1，表示左右侧距离差值；j=2，表示上下左右侧距离总值的平均值，/>、/>、/>为比例、积分和微分参数，通过经验调节或自动调参获得；/>为误差的积分值，/>为tj时刻误差值/>变化率，dtj表示对时间tj的微分；
S5、左右侧距离差值所得的控制信号映射到适当的转向角度范围，再将映射后的转向角度应用于车辆的转向系统；其中，当左右侧距离差值为负时，表示车辆离左侧较近，此时测量车向右转；当差值为正时，测量车左转；激光测距仪在管节接口内的位置所测的大于接口外的/>，此时测量车停止前进，并控制伸缩杆前后伸缩，使激光测距仪位于两段管节接口处，此时激光测距仪所测的上下左右侧距离总值的平均值与接口外的平均值差值在一定阈值内，当左右摄像机拍摄完成后测量车继续行走；同时为拍摄管节内表面图像，通过里程计采集的距离信息，测量车每前进两米进行停车拍摄；
S6、通过输入图像采集的两幅棋盘格图像，输出两个摄像机的内参矩阵K、相对的R、T，R表示旋转矩阵，T表示平移矩阵，总的转换关系如下：
其中 U、V、W 表示物体在世界坐标系下的 U、V、W 轴坐标，u、v 表示对应的物体在摄像机坐标系下的 u、v 轴坐标，Zc为摄像机的Z轴坐标，u0、v0表示图像的中心像素坐标和图像原点像素坐标之间相差的横向和纵向像素数，dx和dy表示x方向和y方向的一个像素在相机感光板上的物理长度，γ为扭曲因子，一般为0；为摄像机的内参矩阵 K，f 为相机的焦距，/>称为相机的外参矩阵，取决于相机坐标系和世界坐标系的相对位置，其中 R 为 3×3 正交单位矩阵，T 为三维平移向量，/>；公式中/>表示世界坐标系转换到相机坐标系，/>表示相机坐标系转换到图像物理坐标系，图像在该过程中发生畸变，通过焦距对角矩阵和畸变系数进行校正，/>表示图像物理坐标系转换到图像像素坐标系；
S7、计算隐式校正因子：，具体步骤如下：
理想坐标（u'，v'）与实测坐标（u，v）关系如下：
式中、/>分别是图像的水平像素单位和垂直像素单位；𝑘1、𝑘2——径向畸变系数；p1、p2——切向畸变系数；u、v 表示对应的物体在摄像机坐标系下的u、v 轴实测坐标；u0、v0——图像的中心像素坐标和图像原点像素坐标之间相差的横向和纵向像素数；u'，v'为图像像素的理想坐标；
任意选取五组理想坐标（u'，v'）与实测坐标（u，v）代入上式公式，再根据最小二乘法即可求解径向畸变系数𝑘1、𝑘2和切向畸变系数p1、p2；
若摄像机标定中一共提取了N个标定点，标定点图像坐标的实测值为（1≤i≤N），理想值为/>（1≤i≤N）；
设 4 个隐式校正因子组成的向量，设向量、/>，其中/>，表示在u的径向和切向畸变进行校正，i=（1，2，······，N）；/>，表示在v的径向和切向畸变进行校正，i=（1，2，······，N）；，Ui、Vi为设定的向量，i=（1，2，······，N）；，i=（1，2，······，N）；
根据下面的显-隐式畸变校正模型，可得向量 e、T、G 的关系为：e=TG，其中，，用最小二乘法求出向量/>，求得向量G也就求得了4个隐式校正因子/>，将各参数带入下式显-隐式畸变校正模型即可完成立体校正：
；
S8、将左、右摄像机都校准旋转至理想位置，旋转前后的相应图像坐标有以下关系：，其中/>指旋转前的图像坐标；/>旋转后的图像坐标；A摄像机的内部参数，/>，R摄像机旋转前后的位置变化矩阵；
设为摄像机在真实位置的旋转矩阵，/>为摄像机在理想位置的旋转矩阵，则三者之间满足如下的关系：/>；/>经过摄像机标定可以得到；将/>分解为3向量的形式，即：/>，/>分别表示世界坐标系中的x、y、z轴的基向量，c 1为左摄像机光心，b为基线，/>通过以下步骤求出：
（1）在理想位置时，新的轴必定平行于基线b，可取，/>为摄像机光心至x、y轴原点的距离，/>表示从c1点到 O 点的向量，/>表示从c1点到 O 点的向量的模；
（2）在理想位置时，新的y垂直于新的x轴，且垂直于新的轴与原z轴组成的平面，因此，k是原z轴方向的单位矢量，/>表示矢量积；
（3）在理想位置时，新的z轴垂直于新的x轴和新的y轴组成的平面，故；
得到R n后，根据R=R o -1 R n求出R，根据完成极线的校准；
S9、对校正后的图像进行边缘检测，得到比较一致的边缘检测结果，将左图像与右图像轮廓重叠，根据下式对两图像重叠部分作相关运算当两轮廓最大程度重合时，相关性将达到最大，此时的移动距离 L 为左、右图像的平均视差；
其中，Cmn表示左窗口像素位置；Bmn表示右窗口像素位置；代表Cmn的平均值；/>代表Bmn的平均值，m 表示图像像素的行数；n 表示图像像素的列数；
得出图像的三维深度信息；
S10、计算所有三维点云在x轴、y轴和z轴上的坐标均值， x轴均值计算公式为：，其中n为点云总数；其次计算所有三维点云在x轴、y轴和z轴上的标准差，在x轴标准差计算公式为：/>；之后计算每个点云的标准差偏差，，y、z坐标点的计算公式相同；最后选择合适的阈值来判断异常点，若点在每个坐标轴上的标准差偏差均大于阈值，则被视为异常点；
S11、每次选取三个不共线的匹配点，作为一组数据建立一个空间坐标系，以及与上述的三个匹配点对应的标定点作为另一组数据建立一个空间坐标系，通过两个坐标系的相对位置关系计算得到坐标转换矩阵H，通过转换矩阵对所有点云进行校正，转换矩阵H具体为：
其中，分别表示一个空间坐标系相对另一个空间坐标系沿x、y、z轴的旋转角度，tx、ty、tz分别表示沿x、y、z轴的平移量；
S12、根据标定点的y轴坐标，筛选出位于管节接口位置的三维点云；
S13、对于彩色图像，每个像素的亮度由红色、绿色和蓝色组成，R、G 和 B 分别是红色、绿色和蓝色三个通道的亮度值，将图像从 BGR 颜色空间转换为灰度颜色空间，得到了一个只有一个亮度通道的图像，在灰度图像中，每个像素的值表示亮度，可以通过公式进行计算对图像进行灰度化处理；使用 Sobel算子来检测图像中色阶的梯度变化，用以确定目标区域的边缘；通过设定色阶阈值，将色阶变化大于阈值的像素点标记为渗水区域，色阶变化小于阈值的像素点设为管节内表面背景，并将标记的区域可视化显示在原始彩色图像上；
S14、输出目标信息：提取管节接口位置的三维点云：根据标定点的y轴坐标，筛选出位于管节接口位置的三维点云；通过里程计定位渗水导致颜色较深的区域；
S15、重复S3-S14，直至管节开挖面位置。
在步骤S4中，将计算所得的控制信号进行变化率控制，用以保证测量车控制的稳定性和平滑性；最后将限制后的控制信号用于车辆的执行系统。
在步骤S9中，对于纹理比较丰富的匹配对象，采取小的窗口匹配；对于纹理单一的待匹配对象，采取大窗口匹配；
当对纹理单一的待匹配对象进行匹配时，先对左、右图像进行不同分辨率的抽样变换，得到多分辨率的形如金字塔的图像系列，原图像具有最高的分辨率，位于金字塔的最底层，向上每层分辨率依次降低，匹配从分辨率最低的图像开始到分辨率最高的图像结束，即从最高层开始到最低层结束；
左图像窗口在右图像同极线上进行搜索，得到一系列待匹配点，将其称为正向搜索；使用以待匹配点为中心的同等大小的窗口在左图像同极线上搜索，将其称为反向搜索；当反向搜索和正向搜索得到的匹配点一致，即确定为待匹配点；如不一致，则该点没有匹配点；匹配结束后，采用全局松弛的方法进行优化，具体步骤如下:
（1）将待匹配点排列成三维数组格式，在点c处，点c与周围相邻点组成一个窗口，邻域的值保持不变，变换点c处不同的待匹配点，计算窗口的方差，方差最小的点即为合适的点；
（2）逐点计算，并进行迭代，可选择迭代次数，一般5~10次即可。
本发明的有益效果是：
（1）本发明采用PID控制器、激光测距仪、双目成像等工具，实现了自动化测量顶管管节接口处的相对位移及管内渗水区。
（2）通过设置动力马达及集成传感器实现小车的远程控制移动，通过设置里程计位于小车尾部辅助轮内部，用于记录车辆实时行进位置并将其赋予给拍摄的图像以定位渗漏水发生的位置。
（3）通过对三维点云的立体坐标及渗水区位置定位，可以得到整个顶管的三维立体模型，能够直观的看到管节在土层中的走向及管节变形情况。
附图说明
图1为本发明外部结构示意图；
图2为本发明内部结构示意图；
图3为本发明内部系统示意图；
图4为本发明检测方法流程图；
图中，1-警示灯，2-双目成像模块，3-摄像机，4-数据处理模块，5-主照明灯，6-操作显示屏，7-前置照明灯，8-转向轮，9-伸缩杆，10-散热板，11-激光测距仪，12-PID控制模块，13-动力马达，14-主机，15-锂电池组，16-应急按钮，17-里程表，18-滑槽，19-散热风扇，20-移动测量车，
具体实施方式
下面将结合实施例，对本发明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付出创造性劳动的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。
在此说明，以下方案中“左”、“右”、“上”、“下”、“前”、“后”、“内”、“外”的方位概念均为相对方向，在此就不一一列举。
一种用于检测顶管接口相对位移和渗漏水的装置，参考图1和图2，包括移动测量车20。移动测量车20上开设有滑槽18。滑槽18上设置有两个摄像机3。两个摄像机3之间设置有主照明灯5。移动测量车20前端设置有散热板10、前置照明灯7和伸缩杆9。伸缩杆9上设置有四个激光测距仪11。四个激光测距仪上、下、左、右分布。移动测量车20下侧设置有两个转向轮8。移动测量车20上侧还设置有应急按钮16、里程表17、警示灯1、双目成像模块2和数据处理模块4。
移动测量车20内设置有PID控制模块12、散热风扇19、主机14、锂电池组15、动力马达13和存储模块。
参考图3，当摄像机3需要拍照时，伸缩杆9伸长，保证摄像机3拍摄时前方无遮挡物，激光测距仪11用于获得移动测量车20前端中心距管节内表面的距离，并通过里程计与初始位置信息可以获得标定点的三维坐标PID控制模块12根据激光测距仪11所得的距离信息，控制移动测量车20行进，提供摄像机3稳定拍摄条件。
摄像机3通过旋转平台可以实现360°旋转，左右两摄像机3通过在滑槽18上左右滑动，实现相对位置调整；通过初始调整获得初始位置及最佳拍摄角度，在进洞后摄像机3位置无特殊情况不进行调整；主照明灯5和前置照明灯7采用直流稳压LED光源，主照明灯5和前置照明灯7由64个LED组成的环形发光单元构成，保证光线聚集以达到所需亮度，色温5000K保证色彩还原准确，最大照度为4200lx，平均照度为3400lx；存储硬盘用于存储摄像机3拍摄的图像以及三维点云数据；双目成像模块2根据立体匹配算法生成顶管内表面三维点云数据。
校正三维点云数据，用于从三维点云中提取标定点对应的特征点，标定点为激光测距仪11投射在管节接口处的激光点坐标；找到两者坐标系的对应关系，数据处理模块4通过坐标转换矩阵对三维点云进行纠偏；黑白色阶图，用于识别管内渗水区域，并通过里程表17定位渗水区域位置。通过彩色图像分离及设定色阶阈值来定位渗水区域。
目标信息输出模块，包括渗水区位置输出和管节前后接口相对位置输出，用于输出目标位置校正后的数据，以及黑白色阶图中因渗水导致颜色较深的区域。
参考图4，一种基于用于检测顶管接口相对位移和渗漏水装置的检测方法，其特征在于，包括以下步骤：
S1、使用棋盘格对双目成像模块2进行标定；
S2、将移动测量车20置入顶管内，将伸缩杆9的中心点作为空间坐标系的原点，原点的右边为x轴正方向，前为y轴正方向，上为z轴正方向；根据移动测量车20设计图纸，可以得到四个激光测距仪11与伸缩杆9中心点的相对位置，以及伸缩杆9中心点与左右摄像机3的相对位置，通过计算激光测距仪11、左右摄像机3与中心点的相对距离可以得到他们在空间中的初始位置；
S3、通过计算左右侧距离差值，令其为，用于控制移动测量车20左右转动，使移动测量车20在顶管内中轴线行驶；通过计算上下左右侧距离总值的平均值，令其为偏差，用于控制检测移动测量车20刹车与行走，使摄像机3稳定拍摄；
S4、将两偏差分别带入 PID 控制模块的输出控制信号，输出控制信号，其中/>为当前的误差值，j=1，表示左右侧距离差值；j=2，表示上下左右侧距离总值的平均值，/>、/>、/>为比例、积分和微分参数，通过经验调节或自动调参获得；/>为误差的积分值，/>为tj时刻误差值/>变化率，dtj表示对时间tj的微分；同时为保证移动测量车20控制的稳定性和平滑性，使用差分操作来对控制信号变化速率进行限制，具体过程包括：将当前控制信号与上一次的控制信号进行差分，计算得到控制信号的变化量；将得到的变化量与设定的最大斜率限制进行比较；如果变化量超过了最大斜率限制，通过截断或缩放等方法将其限制在最大斜率限制范围内；
S5、将左右侧距离差值所得的控制信号映射到适当的转向角度范围，再将映射后的转向角度应用于车辆的转向系统；其中，当左右侧距离差值为负时，表示车辆离左侧较近，此时移动测量车20向右转；当差值为正时，移动测量车20左转；激光测距仪11在管节接口内的位置所测的大于接口外的/>，此时移动测量车20停止前进，并控制伸缩杆9前后伸缩，使激光测距仪11在管节接口前后段面，此时激光测距仪11所测的上下左右侧距离总值的平均值与接口外的平均值差值在一定阈值内，当左右摄像机3拍摄完成后测量车继续行走；同时为拍摄管节内表面图像，通过里程表17采集的距离信息，移动测量车20每前进两米进行停车拍摄；
S6、通过输入图像采集的两幅棋盘格图像，输出两个摄像机3的内参矩阵K（内参包括焦距fx和fy，单位是像素）、相对的R、T，R表示旋转矩阵，T表示平移矩阵，总的转换关系如下：
其中 U、V、W 表示物体在世界坐标系下的 U、V、W 轴坐标，u、v 表示对应的物体在摄像机坐标系下的 u、v 轴坐标，Zc为摄像机的Z轴坐标，u0、v0表示图像的中心像素坐标和图像原点像素坐标之间相差的横向和纵向像素数，dx和dy表示x方向和y方向的一个像素在相机感光板上的物理长度，γ为扭曲因子，一般为 0；为摄像机的内参矩阵 K，f 为相机的焦距，/>称为相机的外参矩阵，取决于相机坐标系和世界坐标系的相对位置，其中 R 为 3×3 正交单位矩阵，T 为三维平移向量，/>；公式中/>表示世界坐标系转换到相机坐标系，/>表示相机坐标系转换到图像物理坐标系，图像在该过程中发生畸变，通过焦距对角矩阵和畸变系数进行校正，/>表示图像物理坐标系转换到图像像素坐标系；
S7、通过标定技术获得了带有径向畸变和切向畸变的图像像素坐标后，就可以通过显-隐式校正图像的畸变。计算隐式校正因子：，具体步骤如下：
理想坐标（u'，v'）与实测坐标（u，v）关系如下：
式中、/>分别是图像的水平像素单位和垂直像素单位；𝑘1、𝑘2——径向畸变系数；p1、p2——切向畸变系数；u、v 表示对应的物体在摄像机坐标系下的u、v 轴实测坐标；u0、v0——图像的中心像素坐标和图像原点像素坐标之间相差的横向和纵向像素数；u'，v'为图像像素的理想坐标；
任意选取五组理想坐标（u'，v'）与实测坐标（u，v）代入上式公式，再根据最小二乘法即可求解径向畸变系数𝑘1、𝑘2和切向畸变系数p1、p2；
若摄像机标定中一共提取了N个标定点，标定点图像坐标的实测值为（1≤i≤N），理想值为/>（1≤i≤N）；
设 4 个隐式校正因子组成的向量，设向量、/>，其中/>，表示在u的径向和切向畸变进行校正，i=（1，2，······，N）；/>，表示在v的径向和切向畸变进行校正，i=（1，2，······，N）；，Ui、Vi为设定的向量，i=（1，2，······，N）；/>，i=（1，2，······，N）；
根据下面的显-隐式畸变校正模型，可得向量 e、T、G 的关系为：e=TG，其中，，用最小二乘法求出向量/>，求得向量G也就求得了4个隐式校正因子/>，将各参数带入下式显-隐式畸变校正模型即可完成立体校正：
；
S8、立体极线对校准就是将左、右摄像机3都校准旋转到理想位置，此时它们的极线才能满足外极线约束条件。而一个摄像机3绕光心的旋转必然导致图像空间的旋转，因此旋转前后的相应图像坐标有以下关系：，其中/>指旋转前的图像坐标；/>旋转后的图像坐标；A摄像机的内部参数，/>，R摄像机旋转前后的位置变化矩阵；
设为摄像机在真实位置的旋转矩阵，/>为摄像机在理想位置的旋转矩阵，则三者之间满足如下的关系：/>；/>经过摄像机标定可以得到；将/>分解为3向量的形式，即：/>，/>分别表示世界坐标系中的x、y、z轴的基向量，c 1为左摄像机光心，b为基线，/>通过以下步骤求出：
（1）在理想位置时，新的轴必定平行于基线b，可取，/>为摄像机光心至x、y轴原点的距离，/>表示从c1点到 O 点的向量，/>表示从c1点到 O 点的向量的模；
（2）在理想位置时，新的y垂直直于新的x轴，且垂直于新的轴与原z轴组成的平面，因此，k是原z轴方向的单位矢量，/>表示矢量积；
（3）在理想位置时，新的z轴垂直于新的x轴和新的y轴组成的平面，故；/>
得到R n后，根据R=R o -1 R n求出R，根据完成极线的校准；
S9、估计平均视差及搜索范围：对校正后的图像进行边缘检测，得到比较一致的边缘检测结果，将左图像与右图像轮廓重叠，根据下式对两图像重叠部分作相关运算当两轮廓最大程度重合时，相关性将达到最大，此时的移动距离 L 为左、右图像的平均视差；
其中，Cmn表示左窗口像素位置；Bmn表示右窗口像素位置；代表Cmn的平均值；/>代表Bmn的平均值，m 表示图像像素的行数；n 表示图像像素的列数；
对于纹理比较丰富的匹配对象，采取较小的窗口如7×7像素、9×9像素即可包含足够的匹配信息;对于纹理单一的待匹配对象，采取较大的窗口如15×15像素、29×29像素才可以包含足够的匹配信息，因此窗口大小应根据现场实际情况选择。
单一纹理容易引起误匹配，由粗到精的匹配策略可以在一定程度上解决这个问题。首先对左、右图像进行不同分辨率的抽样变换，得到多分辨率的形如金字塔的图像系列。原图像具有最高的分辨率，位于金字塔的最底层，向上每层分辨率依次降低。匹配从分辨率最低的图像开始到分辨率最高的图像结束，即从最高层开始到最低层结束。
左图像窗口在右图像同极线上进行搜索，得到一系列待匹配点，称为“正向搜索”；使用以待匹配点为中心的同等大小的窗口在左图像同极线上搜索，称为“反向搜索”。如果反向搜索和正向搜索得到的匹配点一致，才正式确定为待匹配点。如果不一致，则该点没有匹配点。匹配结束后，左图像中的每一个点在右图像中有一个或多个待匹配点。此时，采用全局松弛的方法进行优化，具体步骤如下：
（1）将待匹配点排列成三维数组格式，假设在点c处，点c与周围相邻点组成一个窗口，邻域的值保持不变，变换点c处不同的待匹配点，计算窗口的方差，方差最小的点即为合适的点。
（2）逐点计算，并进行迭代，可选择迭代次数，一般5~10次即可。
根据立体匹配方法，可得出图像的三维深度信息。
S10、用于从三维点云中提取标定点对应的特征点，标定点为激光测距仪11投射在管节接口处的激光点坐标；对激光测距仪11采集的三维标定点坐标和摄像机3采集的图像特征点进行特征匹配，找到两者坐标系的对应关系；通过坐标转换矩阵，对三维点云进行纠偏；
其中，从图像生成的三维点云中提取每个标定点对应的特征点，具体过程包括：
首先计算所有三维点云在x轴、y轴和z轴上的坐标均值，x轴均值计算公式为：，其中n为点云总数；其次计算所有三维点云在x轴、y轴和z轴上的标准差，在x轴标准差计算公式为：/>；之后计算每个点云的标准差偏差，/>，y、z坐标点的计算公式类似；最后选择合适的阈值来判断异常点，若点在每个坐标轴上的标准差偏差均大于阈值，则被视为异常点；
S11、每次选取三个不共线的匹配点，作为一组数据建立一个空间坐标系，以及与上述的三个匹配点对应的标定点作为另一组数据建立一个空间坐标系，通过两个坐标系的相对位置关系计算得到坐标转换矩阵H，通过转换矩阵对所有点云进行校正，转换矩阵H具体为：
其中，分别表示一个空间坐标系相对另一个空间坐标系沿x、y、z轴的旋转角度，tx、ty、tz分别表示沿x、y、z轴的平移量；
S12、根据标定点的y轴坐标，筛选出位于管节接口位置的三维点云；
S13、黑白色阶图，用于因渗水导致管节内渗水区颜色变深，通过色阶变化来识别管内渗水区域，并通过里程计定位渗水区域位置。
对于彩色图像，每个像素的亮度由红色、绿色和蓝色组成，R、G 和 B 分别是红色、绿色和蓝色三个通道的亮度值，将图像从 BGR 颜色空间转换为灰度颜色空间，得到了一个只有一个亮度通道的图像，在灰度图像中，每个像素的值表示亮度，可以通过公式进行计算：对图像进行灰度化处理；使用 Sobel 算子来检测图像中色阶的梯度变化，用以确定目标区域的边缘；通过设定色阶阈值，将色阶变化大于阈值的像素点标记为渗水区域，色阶变化小于阈值的像素点设为管节内表面背景，并将标记的区域可视化显示在原始彩色图像上；
S14、输出目标信息：提取管节接口位置的三维点云：根据标定点的y轴坐标，筛选出位于管节接口位置的三维点云；通过里程计定位渗水导致颜色较深的区域；目标信息输出模块，包括管节内表面渗水区位置输出和管节前后接口相对位置输出，用于输出目标位置校正后的数据，以及黑白色阶图中因渗水导致颜色较深的区域。
S15、重复S3-S14，直至管节开挖面位置。
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述说明或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
Claims (9)
1.一种基于用于检测顶管接口相对位移和渗漏水的装置的检测方法，其特征在于，所述装置包括移动测量车，所述移动测量车下方设置有转向轮，所述移动测量车上设置有双目成像模块、数据处理模块和PID控制模块，所述移动测量车前端设置有伸缩杆，所述伸缩杆端头环形设置有多个激光测距仪，所述移动测量车上开设有滑槽，所述滑槽上设置有两个摄像机，所述移动测量车内至有主机、动力马达和锂电池组，所述移动测量车上设置有里程表；
所述方法包括以下步骤：
S1、使用棋盘格对双目成像模块进行标定；
S2、将移动测量车置入顶管内，将伸缩杆的中心点作为空间坐标系的原点，原点的右边为x轴正方向，前为y轴正方向，上为z轴正方向；根据移动测量车设计图纸，可以得到多个激光测距仪与伸缩杆中心点的相对位置，以及伸缩杆中心点与左右摄像机的相对位置，通过计算激光测距仪、左右摄像机与中心点的相对距离可以得到激光测距仪、左右摄像机在空间中的初始位置；
S3、通过计算左右侧距离差值，令其为，用于控制移动测量车左右转动，使移动测量车在顶管内中轴线行驶；通过计算上下左右侧距离总值的平均值，令其为偏差/>，用于控制检测移动测量车刹车与行走，使摄像机稳定拍摄；
S4、将两偏差分别带入 PID 控制模块的输出控制信号，输出控制信号，其中/>为当前的误差值，j=1，表示左右侧距离差值；j=2，表示上下左右侧距离总值的平均值，/>、/>、/>为比例、积分和微分参数，通过经验调节或自动调参获得；/>为误差的积分值，/>为tj时刻误差值/>变化率，dtj表示对时间tj的微分；
S5、左右侧距离差值所得的控制信号映射到适当的转向角度范围，再将映射后的转向角度应用于车辆的转向系统；其中，当左右侧距离差值为负时，表示车辆离左侧较近，此时测量车向右转；当差值为正时，测量车左转；激光测距仪在管节接口内的位置所测的大于接口外的/> ，此时测量车停止前进，并控制伸缩杆前后伸缩，使激光测距仪位于两段管节接口处，此时激光测距仪所测的上下左右侧距离总值的平均值与接口外的平均值差值在一定阈值内，当左右摄像机拍摄完成后测量车继续行走；同时为拍摄管节内表面图像，通过里程计采集的距离信息，测量车每前进两米进行停车拍摄；
S6、通过输入图像采集的两幅棋盘格图像，输出两个摄像机的内参矩阵K、相对的R、T，R表示旋转矩阵，T表示平移矩阵，总的转换关系如下：
其中 U、V、W 表示物体在世界坐标系下的 U、V、W 轴坐标，u、v 表示对应的物体在摄像机坐标系下的 u、v 轴坐标，Zc 为摄像机的Z轴坐标，u0、v0 表示图像的中心像素坐标和图像原点像素坐标之间相差的横向和纵向像素数，dx和dy表示x方向和y方向的一个像素在相机感光板上的物理长度，γ为扭曲因子，一般为 0；为摄像机的内参矩阵 K，f 为相机的焦距， />称为相机的外参矩阵，取决于相机坐标系和世界坐标系的相对位置，其中 R 为 3×3 正交单位矩阵，T 为三维平移向量，/>；公式中 />表示世界坐标系转换到相机坐标系，/>表示相机坐标系转换到图像物理坐标系，图像在该过程中发生畸变，通过焦距对角矩阵和畸变系数进行校正，/>表示图像物理坐标系转换到图像像素坐标系；
S7、计算隐式校正因子：，具体步骤如下：
理想坐标（u'，v'）与实测坐标（u，v）关系如下：
式中、/>分别是图像的水平像素单位和垂直像素单位；𝑘1、𝑘2——径向畸变系数；p1、p2——切向畸变系数；u、v 表示对应的物体在摄像机坐标系下的u、v 轴实测坐标；u0、v0——图像的中心像素坐标和图像原点像素坐标之间相差的横向和纵向像素数；u'，v'为图像像素的理想坐标；
任意选取五组理想坐标（u'，v'）与实测坐标（u，v）代入上式公式，再根据最小二乘法即可求解径向畸变系数𝑘1、𝑘2和切向畸变系数p1、p2；
若摄像机标定中一共提取了N个标定点，标定点图像坐标的实测值为（1≤i≤N），理想值为/>（1≤i≤N）；
设 4 个隐式校正因子组成的向量，设向量、/>，其中/>，表示在u的径向和切向畸变进行校正，i=（1，2，······，N）；/>，表示在v的径向和切向畸变进行校正，i=（1，2，······，N）；，Ui、Vi为设定的向量，i=（1，2，······，N）；，i=（1，2，······，N）；
根据下面的显-隐式畸变校正模型，可得向量 e、T、G 的关系为：e=TG，其中，，用最小二乘法求出向量/>，求得向量G也就求得了4个隐式校正因子/>，将各参数带入下式显-隐式畸变校正模型即可完成立体校正：
；
S8、将左、右摄像机都校准旋转至理想位置，旋转前后的相应图像坐标有以下关系：，其中/>指旋转前的图像坐标；/>旋转后的图像坐标；A摄像机的内部参数，，R摄像机旋转前后的位置变化矩阵；
设为摄像机在真实位置的旋转矩阵，/>为摄像机在理想位置的旋转矩阵，则三者之间满足如下的关系：/>；/>经过摄像机标定可以得到；将/>分解为3向量的形式，即：/>，/>分别表示世界坐标系中的x、y、z轴的基向量，c 1为左摄像机光心，b为基线，/>通过以下步骤求出：
（1）在理想位置时，新的轴必定平行于基线b，可取，/>为摄像机光心至x、y轴原点的距离，/>表示从c1点到 O 点的向量，/>表示从c1点到 O 点的向量的模；
（2）在理想位置时，新的y垂直于新的x轴，且垂直于新的轴与原z轴组成的平面，因此，k是原z轴方向的单位矢量，/>表示矢量积；
（3）在理想位置时，新的z轴垂直于新的x轴和新的y轴组成的平面，故；
得到R n后，根据R=R o -1 R n求出R，根据完成极线的校准；
S9、对校正后的图像进行边缘检测，得到比较一致的边缘检测结果，将左图像与右图像轮廓重叠，根据下式对两图像重叠部分作相关运算当两轮廓最大程度重合时，相关性将达到最大，此时的移动距离 L 为左、右图像的平均视差；
其中，Cmn表示左窗口像素位置；Bmn表示右窗口像素位置；代表Cmn的平均值；/>代表Bmn的平均值，m 表示图像像素的行数；n 表示图像像素的列数；
得出图像的三维深度信息；
S10、计算所有三维点云在x轴、y轴和z轴上的坐标均值， x轴均值计算公式为：，其中n为点云总数；其次计算所有三维点云在x轴、y轴和z轴上的标准差，在x轴标准差计算公式为：/>；之后计算每个点云的标准差偏差，，y、z坐标点的计算公式相同；最后选择合适的阈值来判断异常点，若点在每个坐标轴上的标准差偏差均大于阈值，则被视为异常点；
S11、每次选取三个不共线的匹配点，作为一组数据建立一个空间坐标系，以及与上述的三个匹配点对应的标定点作为另一组数据建立一个空间坐标系，通过两个坐标系的相对位置关系计算得到坐标转换矩阵H，通过转换矩阵对所有点云进行校正，转换矩阵H具体为：
其中，分别表示一个空间坐标系相对另一个空间坐标系沿x、y、z轴的旋转角度，tx、ty、tz分别表示沿x、y、z轴的平移量；
S12、根据标定点的y轴坐标，筛选出位于管节接口位置的三维点云；
S13、对于彩色图像，每个像素的亮度由红色、绿色和蓝色组成，R、G 和 B 分别是红色、绿色和蓝色三个通道的亮度值，将图像从 BGR 颜色空间转换为灰度颜色空间，得到了一个只有一个亮度通道的图像，在灰度图像中，每个像素的值表示亮度，可以通过公式进行计算对图像进行灰度化处理；使用 Sobel 算子来检测图像中色阶的梯度变化，用以确定目标区域的边缘；通过设定色阶阈值，将色阶变化大于阈值的像素点标记为渗水区域，色阶变化小于阈值的像素点设为管节内表面背景，并将标记的区域可视化显示在原始彩色图像上；
S14、输出目标信息：提取管节接口位置的三维点云：根据标定点的y轴坐标，筛选出位于管节接口位置的三维点云；通过里程计定位渗水导致颜色较深的区域；
S15、重复S3-S14，直至管节开挖面位置。
2.根据权利要求1所述的一种检测方法，其特征在于：在步骤S4中，将计算所得的控制信号进行变化率控制，用以保证测量车控制的稳定性和平滑性；最后将限制后的控制信号用于车辆的执行系统。
3.根据权利要求1所述的一种检测方法，其特征在于：在步骤S9中，对于纹理比较丰富的匹配对象，采取小的窗口匹配；对于纹理单一的待匹配对象，采取大窗口匹配；
当对纹理单一的待匹配对象进行匹配时，先对左、右图像进行不同分辨率的抽样变换，得到多分辨率的形如金字塔的图像系列，原图像具有最高的分辨率，位于金字塔的最底层，向上每层分辨率依次降低，匹配从分辨率最低的图像开始到分辨率最高的图像结束，即从最高层开始到最低层结束；
左图像窗口在右图像同极线上进行搜索，得到一系列待匹配点，将其称为正向搜索；使用以待匹配点为中心的同等大小的窗口在左图像同极线上搜索，将其称为反向搜索；当反向搜索和正向搜索得到的匹配点一致，即确定为待匹配点；如不一致，则该点没有匹配点；匹配结束后，采用全局松弛的方法进行优化，具体步骤如下:
（1）将待匹配点排列成三维数组格式，在点c处，点c与周围相邻点组成一个窗口，邻域的值保持不变，变换点c处不同的待匹配点，计算窗口的方差，方差最小的点即为合适的点；
（2）逐点计算，并进行迭代，可选择迭代次数，一般5~10次即可。
4.根据权利要求1所述的一种检测方法，其特征在于：所述移动测量车上设置有警示灯。
5.根据权利要求1所述的一种检测方法，其特征在于：所述移动测量车上设置有散热板。
6.根据权利要求1所述的一种检测方法，其特征在于：所述移动测量车上设置有主照明灯。
7.根据权利要求1所述的一种检测方法，其特征在于：所述移动测量车上设置有应急按钮。
8.根据权利要求1所述的一种检测方法，其特征在于：所述移动测量车上设置有散热风扇。
9.根据权利要求1所述的一种检测方法，其特征在于：所述移动测量车内设置有操作显示屏。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410116735.4A CN117646828B (zh) | 2024-01-29 | 2024-01-29 | 一种用于检测顶管接口相对位移和渗漏水的装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410116735.4A CN117646828B (zh) | 2024-01-29 | 2024-01-29 | 一种用于检测顶管接口相对位移和渗漏水的装置及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117646828A CN117646828A (zh) | 2024-03-05 |
| CN117646828B true CN117646828B (zh) | 2024-04-05 |
Family
ID=90043602
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410116735.4A Active CN117646828B (zh) | 2024-01-29 | 2024-01-29 | 一种用于检测顶管接口相对位移和渗漏水的装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117646828B (zh) |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1995003526A1 (en) * | 1993-07-20 | 1995-02-02 | Commonwealth Scientific And Industrial Research Organisation | An inspection system for a conduit |
| CN107796821A (zh) * | 2017-10-13 | 2018-03-13 | 湖北工业大学 | 一种采用激光测距的管道裂缝检测方法 |
| CN109615654A (zh) * | 2019-01-09 | 2019-04-12 | 中国矿业大学(北京) | 基于双目视觉的排水管道内表面腐蚀深度及面积测量方法 |
| CN111692456A (zh) * | 2020-06-23 | 2020-09-22 | 李柏松 | 一种用于管道检测的slam系统及方法 |
| CN112329531A (zh) * | 2020-09-30 | 2021-02-05 | 山东大学 | 用于管廊表观病害检测的线阵双目成像系统与工作方法 |
| WO2021068846A1 (zh) * | 2019-10-09 | 2021-04-15 | 山东大学 | 一种用于运营期隧道衬砌检测及病害诊断的多臂机器人 |
| CN112728293A (zh) * | 2020-12-21 | 2021-04-30 | 广东爱科环境科技有限公司 | 一种智能管道检测机器人及其控制方法 |
| CN112945121A (zh) * | 2021-02-05 | 2021-06-11 | 安徽理工大学 | 一种基于线结构光扫描的巷道多目视觉测量方法及装置 |
| CN113404975A (zh) * | 2021-06-17 | 2021-09-17 | 广东工业大学 | 一种输水管道内部状态的检测设备 |
| WO2021208231A1 (zh) * | 2020-04-15 | 2021-10-21 | 上海工程技术大学 | 缝隙测量系统及测量方法 |
| CN215410517U (zh) * | 2021-08-11 | 2022-01-04 | 中国市政工程西南设计研究总院有限公司 | 单井双线顶管井 |
| JP2022039906A (ja) * | 2020-08-28 | 2022-03-10 | 中国計量大学 | マルチセンサによる複合キャリブレーション装置及び方法 |
| CN114419147A (zh) * | 2021-11-16 | 2022-04-29 | 新兴际华集团有限公司 | 一种救援机器人智能化远程人机交互控制方法及系统 |
| CN114511014A (zh) * | 2022-01-21 | 2022-05-17 | 北京城建勘测设计研究院有限责任公司 | 基于图像深度学习算法的地铁隧道渗漏水检测系统及方法 |
| CN115855955A (zh) * | 2022-12-05 | 2023-03-28 | 安徽工业大学 | 一种基于多束线激光的模具表面结构缺陷检测装置和方法 |
| CN116009559A (zh) * | 2023-03-24 | 2023-04-25 | 齐鲁工业大学(山东省科学院) | 一种输水管道内壁巡检机器人及检测方法 |
| CN116026315A (zh) * | 2023-03-22 | 2023-04-28 | 南京信息工程大学 | 一种基于多传感器融合的通风管道场景建模与机器人定位方法 |
| WO2023162730A1 (ja) * | 2022-02-24 | 2023-08-31 | 京セラ株式会社 | 情報処理装置、情報処理方法及びプログラム |
| CN117030132A (zh) * | 2023-08-09 | 2023-11-10 | 广州瑞鑫智能制造有限公司 | 一种数字能源氧气站的泄漏监测装置和方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113487583A (zh) * | 2021-07-19 | 2021-10-08 | 安徽理工大学 | 一种基于3d点云切片的井下巷道表面变形检测系统 |
| CN113971669A (zh) * | 2021-12-01 | 2022-01-25 | 国网江苏省电力有限公司连云港供电分公司 | 应用于管道损伤识别的三维检测系统 |
| CN115900854A (zh) * | 2022-12-20 | 2023-04-04 | 徐州徐工矿业机械有限公司 | 一种皮带矿石运料称重与粒度估计智能检测系统及方法 |
-
2024
- 2024-01-29 CN CN202410116735.4A patent/CN117646828B/zh active Active
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1995003526A1 (en) * | 1993-07-20 | 1995-02-02 | Commonwealth Scientific And Industrial Research Organisation | An inspection system for a conduit |
| CN107796821A (zh) * | 2017-10-13 | 2018-03-13 | 湖北工业大学 | 一种采用激光测距的管道裂缝检测方法 |
| CN109615654A (zh) * | 2019-01-09 | 2019-04-12 | 中国矿业大学(北京) | 基于双目视觉的排水管道内表面腐蚀深度及面积测量方法 |
| WO2021068846A1 (zh) * | 2019-10-09 | 2021-04-15 | 山东大学 | 一种用于运营期隧道衬砌检测及病害诊断的多臂机器人 |
| WO2021208231A1 (zh) * | 2020-04-15 | 2021-10-21 | 上海工程技术大学 | 缝隙测量系统及测量方法 |
| CN111692456A (zh) * | 2020-06-23 | 2020-09-22 | 李柏松 | 一种用于管道检测的slam系统及方法 |
| JP2022039906A (ja) * | 2020-08-28 | 2022-03-10 | 中国計量大学 | マルチセンサによる複合キャリブレーション装置及び方法 |
| CN112329531A (zh) * | 2020-09-30 | 2021-02-05 | 山东大学 | 用于管廊表观病害检测的线阵双目成像系统与工作方法 |
| CN112728293A (zh) * | 2020-12-21 | 2021-04-30 | 广东爱科环境科技有限公司 | 一种智能管道检测机器人及其控制方法 |
| CN112945121A (zh) * | 2021-02-05 | 2021-06-11 | 安徽理工大学 | 一种基于线结构光扫描的巷道多目视觉测量方法及装置 |
| CN113404975A (zh) * | 2021-06-17 | 2021-09-17 | 广东工业大学 | 一种输水管道内部状态的检测设备 |
| CN215410517U (zh) * | 2021-08-11 | 2022-01-04 | 中国市政工程西南设计研究总院有限公司 | 单井双线顶管井 |
| CN114419147A (zh) * | 2021-11-16 | 2022-04-29 | 新兴际华集团有限公司 | 一种救援机器人智能化远程人机交互控制方法及系统 |
| CN114511014A (zh) * | 2022-01-21 | 2022-05-17 | 北京城建勘测设计研究院有限责任公司 | 基于图像深度学习算法的地铁隧道渗漏水检测系统及方法 |
| WO2023162730A1 (ja) * | 2022-02-24 | 2023-08-31 | 京セラ株式会社 | 情報処理装置、情報処理方法及びプログラム |
| CN115855955A (zh) * | 2022-12-05 | 2023-03-28 | 安徽工业大学 | 一种基于多束线激光的模具表面结构缺陷检测装置和方法 |
| CN116026315A (zh) * | 2023-03-22 | 2023-04-28 | 南京信息工程大学 | 一种基于多传感器融合的通风管道场景建模与机器人定位方法 |
| CN116009559A (zh) * | 2023-03-24 | 2023-04-25 | 齐鲁工业大学(山东省科学院) | 一种输水管道内壁巡检机器人及检测方法 |
| CN117030132A (zh) * | 2023-08-09 | 2023-11-10 | 广州瑞鑫智能制造有限公司 | 一种数字能源氧气站的泄漏监测装置和方法 |
Non-Patent Citations (1)
| Title |
|---|
| 3维激光扫描仪的全站化实现方法;原玉磊;蒋理兴;张珂殊;杨洪哲;;测绘科学技术学报;20090615(第03期);第79-81页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117646828A (zh) | 2024-03-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109509230B (zh) | 一种应用于多镜头组合式全景相机的slam方法 | |
| CN108986037B (zh) | 基于半直接法的单目视觉里程计定位方法及定位系统 | |
| CN106651953B (zh) | 一种基于交通指示牌的车辆位姿估计方法 | |
| CN109544679B (zh) | 管道内壁的三维重建方法 | |
| CN101908230B (zh) | 一种基于区域深度边缘检测和双目立体匹配的三维重建方法 | |
| CN110807809B (zh) | 基于点线特征和深度滤波器的轻量级单目视觉定位方法 | |
| ES2949030T3 (es) | Procedimiento y dispositivo para determinar la posición geográfica y orientación de un vehículo | |
| CN111260597A (zh) | 一种多波段立体相机的视差图像融合方法 | |
| CN105096386A (zh) | 大范围复杂城市环境几何地图自动生成方法 | |
| CN110111274B (zh) | 一种星载推扫式光学传感器外方位元素定标方法 | |
| CN103578109A (zh) | 一种监控摄像机测距方法及装置 | |
| CN101067557A (zh) | 适用于自主移动车辆的环境感知的单目视觉导航方法 | |
| CN111091076B (zh) | 基于立体视觉的隧道限界数据测量方法 | |
| CN113971768A (zh) | 一种基于无人机的输电线路违章建筑三维动态检测方法 | |
| CN103868504B (zh) | 自主测绘机 | |
| US11544857B1 (en) | Method and device for calculating river surface flow velocity based on variational principle | |
| CN115880344A (zh) | 一种双目立体匹配数据集视差真值获取方法 | |
| CN116129067A (zh) | 一种基于多源地理信息耦合的城市实景三维建模方法 | |
| CN117646828B (zh) | 一种用于检测顶管接口相对位移和渗漏水的装置及方法 | |
| CN114966789A (zh) | 一种融合gnss与多视角视觉的建图方法和系统 | |
| CN114972447A (zh) | 一种基于无人机拍照的水体表面流迹线测量方法 | |
| CN111429430B (zh) | 基于机器视觉的隧道检测车尺寸映射关系计算方法 | |
| CN111611525A (zh) | 基于物方匹配高程偏差迭代修正的遥感数据高程解算方法 | |
| CN115409965A (zh) | 一种面向非结构化道路的矿区地图自动生成方法 | |
| CN114964025A (zh) | 基于双目视觉隧道仰拱变形监测预警方法及其预警系统 |
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 |