CN117740186A - 隧道设备温度检测方法、装置和计算机设备 - Google Patents
隧道设备温度检测方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN117740186A CN117740186A CN202410191391.3A CN202410191391A CN117740186A CN 117740186 A CN117740186 A CN 117740186A CN 202410191391 A CN202410191391 A CN 202410191391A CN 117740186 A CN117740186 A CN 117740186A
- Authority
- CN
- China
- Prior art keywords
- class
- tunnel
- point cloud
- temperature
- areas
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 98
- 230000004927 fusion Effects 0.000 claims abstract description 119
- 238000013507 mapping Methods 0.000 claims abstract description 94
- 238000010438 heat treatment Methods 0.000 claims abstract description 59
- 238000000034 method Methods 0.000 claims abstract description 52
- 238000010586 diagram Methods 0.000 claims abstract description 48
- 238000009826 distribution Methods 0.000 claims abstract description 46
- 238000002156 mixing Methods 0.000 claims abstract description 38
- 238000007499 fusion processing Methods 0.000 claims abstract description 22
- 230000008859 change Effects 0.000 claims description 25
- 238000001931 thermography Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 19
- 239000002245 particle Substances 0.000 claims description 7
- 230000035772 mutation Effects 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 230000009466 transformation Effects 0.000 description 25
- 239000011159 matrix material Substances 0.000 description 23
- 238000004422 calculation algorithm Methods 0.000 description 22
- 238000005516 engineering process Methods 0.000 description 18
- 238000012216 screening Methods 0.000 description 10
- 238000003860 storage Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000007689 inspection Methods 0.000 description 5
- 238000003708 edge detection Methods 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 238000009827 uniform distribution Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- ZFAKTZXUUNBLEB-UHFFFAOYSA-N dicyclohexylazanium;nitrite Chemical compound [O-]N=O.C1CCCCC1[NH2+]C1CCCCC1 ZFAKTZXUUNBLEB-UHFFFAOYSA-N 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005429 filling process Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000001788 irregular Effects 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
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Radiation Pyrometers (AREA)
Abstract
本申请涉及隧道设备监控技术领域,提供一种隧道设备温度检测方法、装置和计算机设备。该方法包括:对同帧隧道点云图和隧道热力图进行融合处理,得到多帧隧道融合图;基于多帧隧道融合图,对隧道内的设备进行温度检测;其中,在进行融合处理时,基于各组内一类区域的一类热力点的温度值,得到一类区域的一类真实点云的温度值;基于各组内二类区域的二类热力点的温度值分布情况,对二类区域进行点云填充得到二类混合点云,基于二类混合点云和同组内的一类真实点云,得到待映射点云;对待映射点云和二类热力点进行多尺度映射,得到二类热力点的温度校准值,根据温度校准值,得到二类混合点云的温度值。采用本方法能够提升温度检测结果的精度。
Description
技术领域
本申请涉及隧道设备监控技术领域,特别是涉及一种隧道设备温度检测方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
隧道设备温度检测可以帮助保障隧道设备的安全运行,确保隧道内部环境的舒适度,以及提前发现和预防潜在的安全隐患,因此有必要对隧道设备进行温度检测。
在对隧道设备进行温度检测时,可以借助雷达扫描技术和热成像技术。然而,雷达扫描间隔区域属于雷达盲区,这一盲区影响温度检测结果的精度。
发明内容
基于此,有必要针对上述技术问题,提供一种隧道设备温度检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种隧道设备温度检测方法,包括:
获取雷达采集到的多帧隧道点云图和热成像仪采集到的多帧隧道热力图;
基于对同帧隧道点云图和隧道热力图进行的融合处理,得到多帧隧道融合图;
基于所述多帧隧道融合图,得到隧道设备的温度检测结果;
其中,在对同帧隧道点云图和隧道热力图进行融合处理时,针对各组内的一类区域,基于所述一类区域的一类热力点的温度值,得到所述一类区域的一类真实点云的温度值;针对各组内的二类区域,基于所述二类区域的二类热力点的温度值分布情况,对所述二类区域进行点云填充,得到二类混合点云,基于所述二类混合点云和同组内的所述一类区域的一类真实点云,得到待映射点云;对所述待映射点云和所述二类热力点进行多尺度映射,得到所述二类热力点的温度校准值,根据所述二类热力点的温度校准值,得到所述二类混合点云的温度值;同组内的一类区域和二类区域具有共同的雷达波;所述一类区域是雷达波和热成像波重合的区域,所述二类区域是指一类区域之间存在热成像波的相邻雷达波构成的区域。
在其中一个实施例中,所述基于所述一类区域的一类热力点的温度值,得到所述一类区域的一类真实点云的温度值,包括:
对所述同帧隧道点云图和隧道热力图进行空间坐标配准操作,以基于所述一类区域的一类热力点的温度值,确定所述一类区域的一类真实点云的初始温度值;
根据所述一类热力点对应的距离值和所述一类真实点云对应的距离值之间的差异,对所述一类真实点云的初始温度值进行校准,得到所述一类真实点云的温度值。
在其中一个实施例中,所述基于所述二类区域的二类热力点的温度值分布情况,对所述二类区域进行点云填充,得到二类混合点云,包括:
基于所述二类区域的二类热力点的温度值分布情况,将所述二类区域划分为多个子区域;
根据二类真实点云对应的距离值,确定各子区域的填充密度;
根据所述各子区域的填充密度,分别对所述各子区域进行点云填充,得到二类虚拟点云;
根据二类真实点云和所述二类虚拟点云,得到所述二类混合点云。
在其中一个实施例中,所述基于所述二类区域的二类热力点的温度值分布情况,将所述二类区域划分为多个子区域,包括:
将任意矩形范围内温度值变化不大且分布均匀的所述二类热力点所在的二类区域划分为待填充的平缓区域;
将温度值分布符合同方向突变情况的所述二类热力点所在的二类区域划分为待填充的坡度区域;
将温度值分布符合多方向突变情况的所述二类热力点所在的凸起或凹陷的二类区域划分为待填充的凸凹区域。
在其中一个实施例中,所述对所述待映射点云和所述二类热力点进行多尺度映射,得到所述二类热力点的温度校准值,包括:
针对每一二类热力点,获取所述二类热力点的初始映射区域;所述二类热力点的初始映射区域为对二类区域进行点云填充时基于每一所述二类热力点确定相应的二类虚拟点云所处的区域;
按不同的尺度,对所述初始映射区域进行区域划分,得到每一二类热力点在各尺度下的映射区域;
将每一二类热力点与所述待映射点云在相应各不同尺度下的映射区域内的点云进行映射;
针对每一二类热力点,基于与所述二类热力点存在映射的点云对应的距离和温度值,对所述二类热力点的温度值进行校准,得到所述二类热力点的温度校准值。
在其中一个实施例中,所述按不同的尺度,对所述初始映射区域进行区域划分,得到每一二类热力点在各尺度下的映射区域,包括:
基于不同尺度的窗口,沿着所述初始映射区域的四边进行滑动,得到各尺度下的所述映射区域;所述映射区域包含所述初始映射区域的部分二类虚拟点云和所述初始映射区域周围的真实点云。
在其中一个实施例中,所述基于所述多帧隧道融合图,得到隧道设备的温度检测结果,包括:
获取每帧隧道融合图的设备温度检测结果;
对所述每帧隧道融合图进行拼接,得到所述隧道线路图;
在所述隧道线路图里确定相邻帧隧道融合图;
对所述相邻帧隧道融合图的设备温度检测结果进行融合,得到所述隧道设备的温度检测结果。
在其中一个实施例中,所述获取每帧隧道融合图的设备温度检测结果,包括:
根据每帧隧道融合图内点云的回波强度以及温度值的变化情况,对每帧隧道融合图进行区域划分,得到各个区域;
确定所述各区域对应的设备;
对所述设备进行标志面定位,得到所述设备不同面的点集和质点;
根据所述设备不同面的点集和质点,得到所述设备的极点,并进行温度标记操作,得到每帧隧道融合图的设备温度检测结果。
第二方面,本申请还提供了一种隧道设备温度检测装置,包括:
图像获取模块,用于获取雷达采集到的多帧隧道点云图和热成像仪采集到的多帧隧道热力图;
图像融合模块,用于基于对同帧隧道点云图和隧道热力图进行的融合处理,得到多帧隧道融合图;
温度检测模块,用于基于所述多帧隧道融合图,得到隧道设备的温度检测结果;
所述图像融合模块,还用于在对同帧隧道点云图和隧道热力图进行融合处理时,针对各组内的一类区域,基于所述一类区域的一类热力点的温度值,得到所述一类区域的一类真实点云的温度值;针对各组内的二类区域,基于所述二类区域的二类热力点的温度值分布情况,对所述二类区域进行点云填充,得到二类混合点云,基于所述二类混合点云和同组内的所述一类区域的一类真实点云,得到待映射点云;对所述待映射点云和所述二类热力点进行多尺度映射,得到所述二类热力点的温度校准值,根据所述二类热力点的温度校准值,得到所述二类混合点云的温度值;同组内的一类区域和二类区域具有共同的雷达波;所述一类区域是雷达波和热成像波重合的区域,所述二类区域是指一类区域之间存在热成像波的相邻雷达波构成的区域。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行上述方法。
第四方面,本申请还提供了一种计算机可读存储介质。所述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上述方法。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行上述方法。
上述隧道设备温度检测方法、装置、计算机设备、存储介质和计算机程序产品,获取雷达采集到的多帧隧道点云图和热成像仪采集到的多帧隧道热力图;基于对同帧隧道点云图和隧道热力图进行的融合处理,得到多帧隧道融合图;基于多帧隧道融合图,对隧道内的设备进行温度检测;其中,在对同帧隧道点云图和隧道热力图进行融合处理时,针对各组内的一类区域,基于一类区域的一类热力点的温度值,得到一类区域的一类真实点云的温度值;针对各组内的二类区域,基于二类区域的二类热力点的温度值分布情况,对二类区域进行点云填充,得到二类混合点云,基于二类混合点云和同组内的一类区域的一类真实点云,得到待映射点云;对待映射点云和二类热力点进行多尺度映射,得到二类热力点的温度校准值,根据二类热力点的温度校准值,得到二类混合点云的温度值;同组内的一类区域和二类区域具有共同的雷达波;一类区域是雷达波和热成像波重合的区域,二类区域是指一类区域之间存在热成像波的相邻雷达波构成的区域。本案在对同帧隧道点云图和隧道热力图进行融合处理时,针对各组内的二类区域,基于二类区域的二类热力点的温度值分布情况,对二类区域进行点云填充,得到二类混合点云,基于二类混合点云和同组内的一类区域的一类真实点云,得到待映射点云;对待映射点云和二类热力点进行多尺度映射,得到二类热力点的温度校准值,根据二类热力点的温度校准值,得到二类混合点云的温度值,丰富了隧道融合图的点云数据,降低雷达盲区对温度检测结果精度的影响,提升温度检测结果的精度。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案,下面将对实施例或相关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申请的一些实施例,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为一个实施例中隧道设备温度检测方法的应用环境图;
图2为一个实施例中隧道设备温度检测方法的流程示意图;
图3为一个实施例中雷达和热成像仪安装结构示意图;
图4为一个实施例中区域示意图;
图5为另一个实施例中隧道设备温度检测方法的流程示意图;
图6为一个实施例中隧道设备温度检测装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在本申请中提及“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申请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,也不是与其它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,本申请所描述的实施例可以与其它实施例相结合。
本申请实施例提供一种隧道设备温度检测方法,本实施例可以由计算机设备执行,如图1所示,计算机设备可以获取雷达采集到的多帧隧道点云图和热成像仪采集到的多帧隧道热力图;基于对同帧隧道点云图和隧道热力图进行的融合处理,得到多帧隧道融合图;基于多帧隧道融合图,对隧道内的设备进行温度检测;其中,在对同帧隧道点云图和隧道热力图进行融合处理时,针对各组内的一类区域,基于一类区域的一类热力点的温度值,得到一类区域的一类真实点云的温度值;针对各组内的二类区域,基于二类区域的二类热力点的温度值分布情况,对二类区域进行点云填充,得到二类混合点云,基于二类混合点云和同组内的一类区域的一类真实点云,得到待映射点云;对待映射点云和二类热力点进行多尺度映射,得到二类热力点的温度校准值,根据二类热力点的温度校准值,得到二类混合点云的温度值;同组内的一类区域和二类区域具有共同的雷达波;一类区域是雷达波和热成像波重合的区域,二类区域是指一类区域之间存在热成像波的相邻雷达波构成的区域。可以理解的是,该计算机设备可以通过服务器实现,也可以通过终端实现,还可以通过终端和服务器的交互系统实现。本实施例中,该方法包括图2示出的步骤:
步骤S201,获取雷达采集到的多帧隧道点云图和热成像仪采集到的多帧隧道热力图。
本申请中,雷达和热成像仪可以上下间隔5cm放置,视角的主视线垂直对齐放置,可以让雷达和热成像仪的检测关键点重合度达到最高,非重叠区域更小,无效区域降低到最小,加速了后期的融合速度和精确度,具体安装结构如图3所示。其中雷达可以是3D激光雷达,热成像仪可以是非制冷型阵列热成像仪。
通过上述安装方式的雷达和热成像仪,可以获取到多帧隧道点云图和多帧隧道热力图。
步骤S202,基于对同帧隧道点云图和隧道热力图进行的融合处理,得到多帧隧道融合图。其中,在对同帧隧道点云图和隧道热力图进行融合处理时,针对各组内的一类区域,基于一类区域的一类热力点的温度值,得到一类区域的一类真实点云的温度值;针对各组内的二类区域,基于二类区域的二类热力点的温度值分布情况,对二类区域进行点云填充,得到二类混合点云,基于二类混合点云和同组内的一类区域的一类真实点云,得到待映射点云;对待映射点云和二类热力点进行多尺度映射,得到二类热力点的温度校准值,根据二类热力点的温度校准值,得到二类混合点云的温度值;同组内的一类区域和二类区域具有共同的雷达波;一类区域是雷达波和热成像波重合的区域,二类区域是指一类区域之间存在热成像波的相邻雷达波构成的区域。
如图4所示,将雷达波和热成像波重合的区域称为一类区域,将相邻雷达波之间存在热成像波的区域称为二类区域,将具有共同的雷达波的一类区域和二类区域视为一组。
为了进行区分,将一类区域内的真实点云称为一类真实点云,将一类区域的热力点称为一类热力点;将二类区域内的真实点云称为二类真实点云,将二类区域的热力点称为二类热力点。
对雷达和热成像仪进行外参标定,根据雷达和热成像仪的视角主视线和基准点的重合特征,进行空间坐标配准操作,使一类区域的一类真实点云基本对应上一类区域的一类热力点,针对各组内的一类区域,在一类真实点云的四维坐标的参数值上增加一类热力点的温度值和辐射值,从而得到一类区域的一类真实点云的温度值,其中一类真实点云的四维坐标分别为空间横坐标、空间纵坐标、空间竖坐标和回波强度。
针对各组内的二类区域,基于二类区域的二类热力点的温度值分布情况,将二类区域划分为平缓区域、坡度区域和凸凹区域,根据二类真实点云对应的距离值,确定各区域的填充密度,根据各区域的填充密度,对二类区域进行点云填充,得到二类混合点云,基于二类混合点云和同组内的一类区域的一类真实点云,得到待映射点云;对待映射点云和二类热力点进行多尺度映射,得到二类热力点的温度校准值,对二类热力点和二类混合点云进行映射,从而根据二类热力点的温度校准值,得到二类混合点云的温度值。
步骤S203,基于多帧隧道融合图,得到隧道设备的温度检测结果。
根据每帧隧道融合图内点云的回波强度以及温度值的变化情况,对每帧隧道融合图进行区域划分,得到各个区域;确定各区域对应的设备;对设备进行标志面定位,得到设备不同面的点集和质点;根据设备不同面的点集和质点,得到设备的极点,并进行温度标记操作,得到每帧隧道融合图的设备温度检测结果。对每帧隧道融合图进行拼接,得到隧道线路图;在隧道线路图里确定相邻帧隧道融合图;对相邻帧隧道融合图的设备温度检测结果进行融合,得到隧道设备的温度检测结果。
上述隧道设备温度检测方法中,在对同帧隧道点云图和隧道热力图进行融合处理时,针对各组内的二类区域,基于二类区域的二类热力点的温度值分布情况,对二类区域进行点云填充,得到二类混合点云,基于二类混合点云和同组内的一类区域的一类真实点云,得到待映射点云;对待映射点云和二类热力点进行多尺度映射,得到二类热力点的温度校准值,根据二类热力点的温度校准值,得到二类混合点云的温度值,丰富了隧道融合图的点云数据,降低雷达盲区对温度检测结果精度的影响,提升温度检测结果的精度。本申请提供的方法通过雷达和热成仪的融合识别技术,使隧道设备在传感器的单一特征被放大,且多种传感器的叠加会产生第三模态的特征,具备了多角度的识别可能性,突破了温度检测的壁垒和雷达扫描间隔的局限性,在实际使用中取得了良好的效果。其中隧道点云图识别属于一个模态,隧道热力图属于一个模态,二者融合后会产生第三模态,即原始复合模态,而三者融合后的隧道融合图是具备三个模态的特征的结果,其目标的特征更加明显,互相弥补了传感器的缺陷,减少了单一传感器的计算复杂度,提升温度检测结果的精度。
在其中一个实施例中,基于一类区域的一类热力点的温度值,得到一类区域的一类真实点云的温度值,具体步骤如下:对同帧隧道点云图和隧道热力图进行空间坐标配准操作,以基于一类区域的一类热力点的温度值,确定一类区域的一类真实点云的初始温度值;根据一类热力点对应的距离值和一类真实点云对应的距离值之间的差异,对一类真实点云的初始温度值进行校准,得到一类真实点云的温度值。
对雷达和热成像仪进行外参标定,根据雷达和热成像仪的视角主视线和基准点的重合特征,进行空间坐标配准操作,使一类区域的一类真实点云基本对应上一类区域的一类热力点,在一类真实点云的四维坐标的参数值上增加一类热力点的温度值和辐射值,从而得到一类区域的一类真实点云的初始温度值。根据一类热力点对应的距离值和一类真实点云对应的距离值之间的差异,得到距离差值,将距离差值代入到温度校正的算法中,得出一个修正的偏移值,根据偏移值对一类真实点云的初始温度值进行校准,得到一类真实点云更准确的温度值。
本实施例中,基于一类区域的一类热力点的温度值,得到一类区域的一类真实点云的初始温度值,根据一类热力点对应的距离值和一类真实点云对应的距离值之间的差异,对一类真实点云的初始温度值进行校准,得到一类真实点云更准确的温度值。
在其中一个实施例中,基于二类区域的二类热力点的温度值分布情况,对二类区域进行点云填充,得到二类混合点云,具体步骤如下:基于二类区域的二类热力点的温度值分布情况,将二类区域划分为多个子区域;根据二类真实点云对应的距离值,确定各子区域的填充密度;根据各子区域的填充密度,分别对各子区域进行点云填充,得到二类虚拟点云;根据二类真实点云和二类虚拟点云,得到二类混合点云。
通过边缘检测图像算法对二类区域进行梯度识别,得到二类区域的二类热力点的温度值分布情况。基于二类区域的二类热力点的温度值分布情况,把二类区域划分为平缓区域、凸凹区域、坡度区域三个子区域;根据二类真实点云对应的距离值,确定各子区域的填充密度,距离值大小不同填充密度不同;根据各子区域的填充密度,选择对应的填充算法分别对各子区域进行点云填充,其中填充方法可以为基于水桶模型的奇偶扫描转换算法,主要是根据温度值分布的局部特征进行不同方式的填充。可以根据二类虚拟点云数量和二类热力点进行连续非重复的区域映射后进行比例填充,得到二类虚拟点云;根据二类真实点云和二类虚拟点云,得到二类混合点云。
示例性地,若照射目标是一个电视机,电视机中间的屏幕发热均匀,在二类区域下用边缘检测图像算法识别出电视机中间区域属于平缓区域,电视机的边缘和背景区域属于温度突变的坡度区域,电视剧的电源指示灯区域属于中央区域温度凹陷的凸凹区域。在填充过程中,首先根据二类区域的热力图特征进行界限划定(平缓区的界限是指矩形,坡度区域的界限是线段,凸凹区域的界限是闭合曲线),根据二类真实点云对应的距离值,确定各子区域的填充密度,再根据算法确定填充位置。
其中平缓区域是根据总体温度值划定,使用算法进行平面均匀填充;坡度区域是根据边界划定,使用极点线性填充算法,使填充的二类虚拟点云更贴合边界线,使二类虚拟点云的填充的位置更能代表物体的锐度;凸凹区域是根据闭合曲线的界限划定,使用多级梯度地势填充算法,使非规则界限的边缘形成一副类似地势图的等高线,等高线之间的间距不同,填充密度不同。
平缓区域填充主要用于处理二类区域中温度值变化较小的区域,此处填充是在矩形区域内均匀间距的填充。实现步骤如下:①根据热成像仪的数据识别出连续且温度值(或灰度值)变化较小的区域,这些区域可视为平缓区域。②在雷达扫描线之间的空白区域,根据相邻雷达扫描线上的真实点云数据以及热成像仪的热力点数据插值生成二类虚拟点云。③可采用线性插值、双线性插值或其他适合的插值方法来估计空白区域的二类虚拟点云数据。
假设有一个二维图像I(x,y),其中x和y是像素坐标,I(x,y)是对应的温度值。可以使用双线性插值来估计雷达扫描线之间的空白区域的二类虚拟点云位置。双线性插值公式如下:
Code I(x',y')=(1-α)(1-β)I(x,y)+α(1-β)I(x+1,y)+(1-α)βI(x,y+1)+αβI(x+1,y+1)
其中,(x',y')是需要插值的点,(x,y)、(x+1,y)、(x,y+1)和(x+1,y+1)是其周围的四个已知像素点,α=(x'-x)和β=(y'-y)是插值参数。
凸凹区域填充用于处理二类区域的闭环区域中温度值具有显著起伏变化的区域,简单理解为在内外环变化区域的填充,属于边界线处紧密型填充。实现步骤如下:①根据热成像仪的数据识别出温度值(或灰度值)变化较大的边缘或特征点,这些可能是凸起或凹陷的边界。②使用更复杂的插值方法,如样条插值、径向基函数插值,以更好地捕捉和模拟凸凹区域的形状。③在雷达扫描线之间的空白区域,根据这些插值方法生成二类虚拟点云,确保二类虚拟点云能准确反映地形的起伏变化。对于凸凹区域,可以使用样条插值或者径向基函数插值来更好地捕捉和模拟地形的形状。对于样条插值,可以选择合适的样条函数(如立方样条、B样条),并最小化以下目标函数:
E(s)=∑(wi*(s(xi)-I(xi))2)
其中,s(x)是样条函数,I(x)是输入的温度值,xi是数据点的坐标,wi是权重。
坡度区域填充是基于非闭环的线性区域坡度信息的填充方法,简单理解在左右变化区域的填充。实现步骤如下:①计算热成像仪数据中各点的坡度信息,可以通过比较相邻像素的温度值(或灰度值)差异来实现。②在雷达扫描线之间的空白区域,根据已知的雷达真实点云数据和热成像仪的坡度信息,推断出空白区域的坡度分布。③根据坡度分布和可能的地表模型(如平面、圆锥、椭球等),生成符合坡度特性的二类虚拟点云。④可能需要迭代优化过程,以确保生成的二类虚拟点云与实际地形的坡度特性相吻合。
假设已经计算出热成像仪数据中各点的坡度信息G(x,y),可以通过索贝尔(Sobel)算子、普雷维特(Prewitt)算子或其他边缘检测算子来实现。
可以根据已知的雷达真实点云数据和热成像仪的坡度信息,推断出空白区域的坡度分布。可以通过构建一个优化问题来实现,例如:
mins∑(wi*(Gs(xi,yi)-G(xi,yi))2)+λ*∥∥2s.t.zradar(xj,yj)=s(xj,yj),/>(xj,yj)∈radarpoints
其中,s(x,y)是需要估计的地表高度函数,zradar(x,y)是雷达真实点云的高度数据,Gs(x,y)是根据s(x,y)计算的坡度,G(x,y)是热成像仪的坡度数据,wi是权重(可选,用于强调某些点的重要性),λ是正则化参数,是s(x,y)的梯度,radarpoints是雷达真实点云的坐标集。
本实施例中,基于二类区域的二类热力点的温度值分布情况,对二类区域进行点云填充,得到二类混合点云。
在其中一个实施例中,基于二类区域的二类热力点的温度值分布情况,将二类区域划分为多个子区域,具体步骤如下:将任意矩形范围内温度值变化不大且分布均匀的二类热力点所在的二类区域划分为待填充的平缓区域;将温度值分布符合同方向突变情况的二类热力点所在的二类区域划分为待填充的坡度区域;将温度值分布符合多方向突变情况的二类热力点所在的凸起或凹陷的二类区域划分为待填充的凸凹区域。
通过边缘检测图像算法对二类区域进行梯度识别,得到二类区域的二类热力点的温度值分布情况,将任意矩形范围内温度值变化不大且分布均匀的二类热力点所在的二类区域划分为待填充的平缓区域;将温度值分布符合同方向突变情况的二类热力点所在的二类区域划分为待填充的坡度区域;将温度值分布符合多方向突变情况的二类热力点所在的凸起或凹陷的二类区域划分为待填充的凸凹区域。
本实施例中,根据基于二类区域的二类热力点的温度值分布情况,将二类区域划分为多个子区域。
在其中一个实施例中,对待映射点云和二类热力点进行多尺度映射,得到二类热力点的温度校准值,具体步骤如下:针对每一二类热力点,获取二类热力点的初始映射区域;二类热力点的初始映射区域为对二类区域进行点云填充时基于每一二类热力点确定相应的二类虚拟点云所处的区域;按不同的尺度,对初始映射区域进行区域划分,得到每一二类热力点在各尺度下的映射区域;将每一二类热力点与待映射点云在相应各不同尺度下的映射区域内的点云进行映射;针对每一二类热力点,基于与二类热力点存在映射的点云对应的距离和温度值,对二类热力点的温度值进行校准,得到二类热力点的温度校准值。
针对每一二类热力点,获取二类热力点的初始映射区域;二类热力点的初始映射区域为对二类区域进行点云填充时基于每一二类热力点确定相应的二类虚拟点云所处的区域。针对每一尺度,得到与每一尺度对应的窗口,可以根据随机抽样一致性(RANdomSAmple Consensus,RANSAC)算法设计不同的窗口大小,并且限定窗口的滑动范围必须沿着窗口边界,中心区域滑动舍弃;基于八叉树(Octree)的多尺度算法划分点云,将点云组织成不同层级的细节区域,基于窗口在待映射点云的滑动,得到每一尺度下的映射区域。将每一二类热力点与不同尺度下的映射区域内的点云进行映射,求取均值;针对每一二类热力点,基于与二类热力点存在映射的点云对应的距离和温度值,通过八叉树的层级信息进行逆向投影或者反向映射,对二类热力点的温度值进行校准,得到二类热力点的温度校准值。
示例性地在16个二类虚拟点云中进行部分区域筛选出9个二类虚拟点云,再增加外围二类真实点云7个,重新组成16个待映射点云的范围,然后基于与4个二类热力点存在映射关系的16个待映射点云对应的距离和温度值,再映射出4个二类热力点的温度值。此时得出的4个二类热力点的温度值相比原始温度值更加精准。
假如一张隧道热力图和一张隧道点云图的热力点和真实点云比例是500:300,其中一类真实点云和一类热力点一一对应的点总数量是100个,这一百个一类真实点云和温度值是不需要填充和多尺度映射的。因此二类热力点和二类真实点云比例是400:200,经过填充1400个二类虚拟点云后,二类热力点和二类混合点云比例是400:1600,这时候的温度校正,依赖于真实点云数量300(其中100是一一对应的一类真实点云数量),把300个真实点云数据融合进1300个二类虚拟点云中,进行区域划分,多尺度映射,得到更为精准的400个温度值,最后得到一个1700点云和温度数据的隧道融合图,该隧道融合图是6D数据图。
本实施例中,对待映射点云和二类热力点进行多尺度映射,从而得到二类热力点的温度校准值。
在其中一个实施例中,按不同的尺度,对初始映射区域进行区域划分,得到每一二类热力点在各尺度下的映射区域,具体步骤如下:基于不同尺度的窗口,沿着初始映射区域的四边进行滑动,得到各尺度下的映射区域;映射区域包含初始映射区域的部分二类虚拟点云和初始映射区域周围的真实点云。
针对每一初始映射区域,可以根据随机抽样一致性算法设计不同尺度的矩形窗口,基于不同尺度的矩形窗口,沿着初始映射区域的四边进行滑动,并且限定窗口的滑动范围必须沿着窗口边界,中心区域滑动舍弃,滑动过程中窗口会覆盖部分真实点云信息,根据八叉树的多尺度算法划分点云,得到每一尺度下的映射区域。映射区域包含初始映射区域的部分二类虚拟点云和初始映射区域周围的真实点云。
本实施例中,按不同的尺度,对待映射点云进行区域划分,得到各尺度下的映射区域。
在其中一个实施例中,基于多帧隧道融合图,得到隧道设备的温度检测结果,具体步骤如下:获取每帧隧道融合图的设备温度检测结果;对每帧隧道融合图进行拼接,得到隧道线路图;在隧道线路图里确定相邻帧隧道融合图;对相邻帧隧道融合图的设备温度检测结果进行融合,得到隧道设备的温度检测结果。
获取每帧隧道融合图的设备温度检测结果;依靠惯导定位和信标定位技术,结合网检车的车速获取每一帧隧道融合图的定位信息,进行数据源的矫正和校准,使隧道融合图的三维坐标在同一坐标系下,空间一致性后进行数据配准,对每帧隧道融合图进行拼接,得到隧道线路图;根据时间序列和最大似然估计匹配算法进行数据合并,去除隧道线路图噪声和重叠区域,拟合并减少失真,达到数据拼接的准确性,根据隧道线路图拼接的结果,分别匹配“前”“中”“后”连续的三帧隧道融合图的温度数据,对点云重叠区域的点云进行均值化,一致化。非重叠部分根据原有的隧道融合图数据进行直接匹配,得到隧道设备的温度检测结果。
本实施例中,根据多帧隧道融合图,得到隧道设备的温度检测结果。
在其中一个实施例中,获取每帧隧道融合图的设备温度检测结果,具体步骤如下:根据每帧隧道融合图内点云的回波强度以及温度值的变化情况,对每帧隧道融合图进行区域划分,得到各个区域;确定各区域对应的设备;对设备进行标志面定位,得到设备不同面的点集和质点;根据设备不同面的点集和质点,得到设备的极点,并进行温度标记操作,得到每帧隧道融合图的设备温度检测结果。
根据每帧隧道融合图内点云的回波强度以及温度值的变化情况,可以结合温度场的轮廓检测、点云数据的突变检测、点云的滤波和聚类算法处理后,最后再根据边界敏感网络(Boundary Sensitive Network,BSN)算法对每帧隧道融合图进行区域划分,得到各个区域。分割后的区域存在类别重叠区域的情况。确定各区域对应的设备,对各个区域内的隧道设备进行针对性检测和温度测量,例如对线缆的检测,采取圆柱体检测算法,过滤后进行归一化,输入到体素网络(VoxelNet)模型中进行检测识别,最后根据结果为线缆匹配相应的温度值。对线缆进行标志面定位得到线缆不同面的点集和质点,然后根据线缆不同面的点集和质点求取线缆(可以视为矩体)的极点,并对线缆进行温度和特征标记操作,得到每帧隧道融合图的线缆温度检测结果。本实施例中,根据每帧隧道融合图内点云的回波强度以及温度值的变化情况,对每帧隧道融合图进行区域划分,得到各个区域;通过对设备进行标志面定位,得到设备的极点,并进行温度标记操作,得到每帧隧道融合图的设备温度检测结果。标记操作记录了目标设备的点集和质点信息,可以很方便的在使用中,获取目标设备的大小、体积、反射率、温度信息,减少重复检测和重复识别的算力浪费。
在其中一个实施例中,基于隧道融合图对应的设备采集位置,在多帧隧道融合图里筛选出若干待拼接图;隧道融合图是对同帧的隧道点云图和隧道热力图进行融合处理得到的。对隧道面状目标在各待拼接图的特征点进行匹配以及对隧道线状目标在各待拼接图的特征点进行匹配,得到待拼接图间的变换矩阵。基于变换矩阵,对若干待拼接图进行拼接,得到拼接图。对拼接图里的点云重叠区域进行融合,得到隧道线路图。基于隧道线路图,得到隧道设备温度检测结果。
根据惯导定位技术和信标定位技术并结合网检车的车速,得到隧道融合图对应的设备采集位置。根据实际情况确定筛选间距,基于隧道融合图对应的设备采集位置和筛选间距,在多帧隧道融合图里筛选出若干待拼接图。
隧道面状目标可以是隧道墙面目标,隧道线状目标可以是无砟轨道的板面、人防便道、双线铁轨目标。将不同待拼接图中的相同隧道面状目标特征点和隧道线状目标特征点进行匹配,例如两张待拼接图中共有的大地平面和双线铁轨,找到对应关系,通过检测和匹配大地平面与双线铁轨的方向和位置,计算变换矩阵,实现帧数据之间的初步对齐。应用变换矩阵,将每帧待拼接图映射到全局坐标系中,确保待拼接图间的正确对齐。示例性地,根据拼接图,分别匹配“前”“中”“后”连续的三帧拼接图的温度数据,对点云重叠区域的点云进行均值化,一致化,得到隧道线路图。
上述隧道设备温度检测方法中,对隧道面状目标在各待拼接图的特征点进行匹配以及对隧道线状目标在各待拼接图的特征点进行匹配,得到待拼接图间的变换矩阵;基于变换矩阵,对若干待拼接图进行拼接,得到拼接图,对拼接图里的点云重叠区域进行融合,得到隧道线路图,拼接准确率较高且延时较低。
在其中一个实施例中,在基于隧道融合图对应的设备采集位置,在多帧隧道融合图里筛选出若干待拼接图之前,本申请提供的方法还包括:根据惯导定位技术,确定隧道融合图对应的初步设备采集位置;根据信标定位技术并结合网检车的车速,对隧道融合图对应的初步设备采集位置进行校正和优化,得到隧道融合图对应的设备采集位置。
惯导定位技术通过惯性导航系统(Inertial Navigation System,INS)实现,是一种自主导航技术,通过测量设备的加速度和角速度来计算其位置、速度和姿态。惯性导航系统包括三个陀螺仪和三个加速度计,分别用于测量设备在三个轴向上的角速度和线加速度。利用牛顿运动定律和欧拉角(或四元数)表示的姿态变换,可以连续更新设备的位置、速度和姿态信息。然而,由于传感器噪声和漂移的影响,惯性导航系统的测量误差会随着时间的推移逐渐积累。因此,需要使用信标定位技术,进行校正和优化。
信标定位技术通常依赖于预设的地标来确定设备的位置,目前在地铁隧道线路中,均安装有预埋的定位信标装置。当列车定位感应设备接近信标时,可以接收并解析信标的信号,从而获取精确的位置信息。
根据惯导定位技术,确定隧道融合图对应的初步设备采集位置;根据信标定位技术并结合网检车的车速,对隧道融合图对应的初步设备采集位置进行校正和优化,得到隧道融合图对应的设备采集位置。
本实施例中,根据惯导定位技术和信标定位技术并结合网检车的车速,得到隧道融合图对应的较为准确的设备采集位置。
在其中一个实施例中,基于隧道融合图对应的设备采集位置,在多帧隧道融合图里筛选出若干待拼接图,具体步骤如下:获取筛选间距;基于隧道融合图对应的设备采集位置和筛选间距,在多帧隧道融合图里筛选出若干待拼接图。
示例性地,获取筛选间距5米,基于隧道融合图对应的设备采集位置和筛选间距,在500帧隧道融合图里每隔5米筛选出200张待拼接图。
本实施例中,基于隧道融合图对应的设备采集位置和筛选间距,在多帧隧道融合图里筛选出若干待拼接图,筛选出具有代表性地待拼接图,减少计算量。
在其中一个实施例中,对隧道面状目标在各待拼接图的特征点进行匹配以及对隧道线状目标在各待拼接图的特征点进行匹配,得到待拼接图间的变换矩阵,具体步骤如下:从各待拼接图中提取隧道面状目标特征点以及隧道线状目标特征点;对隧道面状目标在各待拼接图的特征点进行匹配以及对隧道线状目标在各待拼接图的特征点进行匹配,得到待拼接图间的初步变换矩阵;根据初步变换矩阵,得到待拼接图间的变换矩阵。
借鉴点云(Point Cloud Library,PCL)库中的算法,根据目标聚类、轨道拟合、平面分割技术进行目标特征点识别,从各待拼接图中提取隧道面状目标特征点以及隧道线状目标特征点。使用维尺度不变特征变换(Scale-Invariant Feature Transform in 3D,SIFT3D)技术找出各待拼接图中每个点云中相同目标的特征点,对隧道面状目标在各待拼接图的特征点进行匹配以及对隧道线状目标在各待拼接图的特征点进行匹配,检测隧道面状目标与隧道线状目标的方向和位置,得到待拼接图间的初步变换矩阵。应用初步变换矩阵,将各待拼接图映射到全局坐标系中,确保待拼接图间的正确对齐。通过简化传统的最近点匹配算法(Iterative Closest Point algorithm,ICP)技术原有的计算复杂度,使用改进型的最近点匹配算法进行各待拼接图中点云的精确配准,精确计算出将各待拼接图从其本地坐标系转换到全局坐标系所需的几何变换,得到待拼接图间的变换矩阵。
本实施例中,根据对隧道面状目标在各待拼接图的特征点进行匹配以及对隧道线状目标在各待拼接图的特征点进行匹配,得到待拼接图间的初步变换矩阵;根据初步变换矩阵,得到待拼接图间的变换矩阵。
在其中一个实施例中,对隧道面状目标在各待拼接图的特征点进行匹配以及对隧道线状目标在各待拼接图的特征点进行匹配,得到待拼接图间的初步变换矩阵,具体步骤如下:对隧道面状目标在各待拼接图的特征点进行匹配,得到待优化变换矩阵;根据隧道线状目标在各待拼接图的特征点对待优化变换矩阵进行优化,得到待拼接图间的初步变换矩阵。
对隧道面状目标在各待拼接图的特征点进行匹配,检测隧道面状目标的方向和位置,得到待优化变换矩阵;根据隧道线状目标在各待拼接图的特征点对待优化变换矩阵进行优化,检测隧道线状目标的方向和位置,得到待拼接图间的初步变换矩阵。
本实施例中,根据对隧道面状目标在各待拼接图的特征点进行匹配以及对隧道线状目标在各待拼接图的特征点进行匹配,得到待拼接图间的较为准确的初步变换矩阵。
在其中一个实施例中,对拼接图里的点云重叠区域进行融合,得到隧道线路图,具体步骤如下:确定连续多帧拼接图的点云重叠区域;获取点云重叠区域在连续多帧拼接图的温度数据;对点云重叠区域在连续多帧拼接图的温度数据进行均值化,得到隧道线路图。
示例性地,确定“前”“中”“后”连续的三帧拼接图的点云重叠区域,获取点云重叠区域在“前”“中”“后”连续的三帧拼接图的温度数据,对点云重叠区域在“前”“中”“后”连续的三帧拼接图的温度数据进行均值化,一致化,得到隧道线路图。
本实施例中,通过对拼接图里的点云重叠区域进行融合,得到较为精准的隧道线路图。
在其中一个实施例中,在基于隧道线路图,得到隧道设备的温度检测结果之后,本申请提供的方法还包括:基于用户输入的检测信息,确定感兴趣设备;基于隧道线路图,向用户反馈感兴趣设备的温度检测结果。
基于用户输入的检测信息,检测信息可以包括检测区域、检测类别、识别级别、报警温度信息,确定感兴趣设备。基于隧道线路图,向用户反馈感兴趣设备的温度检测结果,温度检测结果可以包括超温报警、温度对比折线图和全景地图信息。本申请还可以向用户反馈详细的报表,包括对某一设备、在何时何地产生报警,以及对比历史数据变化的功能。
本实施例中,根据用户输入的检测信息,确定感兴趣设备;基于隧道线路图,向用户反馈感兴趣设备的温度检测结果。
为了更好地理解上述方法,以下详细阐述一个本申请隧道设备温度检测方法的应用实施例,如图5所示。
获取雷达采集到的多帧隧道点云图和热成像仪采集到的多帧隧道热力图。对雷达和热成像仪进行外参标定,根据雷达和热成像仪的视角主视线和基准点的重合特征,进行空间坐标配准操作,使一类区域的一类真实点云基本对应上一类区域的一类热力点,针对各组内的一类区域,在一类真实点云的四维坐标的参数值上增加一类热力点的温度值,从而得到一类区域的一类真实点云的温度值。针对各组内的二类区域,也可以称为填充雷达扫描间隔区域,基于二类区域的二类热力点的温度值分布情况,将二类区域划分为平缓区域、坡度区域和凸凹区域,根据二类真实点云对应的距离值,确定各区域的填充密度,根据各区域的填充密度,对二类区域进行点云填充,得到二类混合点云。基于二类混合点云和同组内的一类区域的一类真实点云,得到待映射点云;对待映射点云和二类热力点进行多尺度映射,得到二类热力点的温度校准值,对二类热力点和二类混合点云进行映射,从而根据二类热力点的温度校准值,得到二类混合点云的温度值。根据每帧隧道融合图内点云的回波强度以及温度值的变化情况,对每帧隧道融合图进行区域划分,得到各个区域。确定各区域对应的设备;对设备进行标志面定位,得到设备不同面的点集和质点;根据设备不同面的点集和质点,得到设备的极点,并进行温度标记操作,得到每帧隧道融合图的设备温度检测结果。对每帧隧道融合图进行拼接,得到隧道线路图;在隧道线路图里确定相邻帧隧道融合图;对相邻帧隧道融合图的设备温度检测结果进行融合,得到隧道设备的温度检测结果。基于用户输入的检测信息,确定感兴趣设备;基于隧道线路图,向用户反馈感兴趣设备的温度检测结果。
上述隧道设备温度检测方法中,在对同帧隧道点云图和隧道热力图进行融合处理时,针对各组内的二类区域,基于二类区域的二类热力点的温度值分布情况,对二类区域进行点云填充,得到二类混合点云,基于二类混合点云和同组内的一类区域的一类真实点云,得到待映射点云;对待映射点云和二类热力点进行多尺度映射,得到二类热力点的温度校准值,根据二类热力点的温度校准值,得到二类混合点云的温度值,丰富了隧道融合图的点云数据,降低雷达盲区对温度检测结果精度的影响,提升温度检测结果的精度。
应该理解的是,虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的隧道设备温度检测方法的隧道设备温度检测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个隧道设备温度检测装置实施例中的具体限定可以参见上文中对于隧道设备温度检测方法的限定,在此不再赘述。
在一个示例性的实施例中,如图6所示,提供了一种隧道设备温度检测装置,其中:
图像获取模块601,用于获取雷达采集到的多帧隧道点云图和热成像仪采集到的多帧隧道热力图;
图像融合模块602,用于基于对同帧隧道点云图和隧道热力图进行的融合处理,得到多帧隧道融合图;
温度检测模块603,用于基于所述多帧隧道融合图,得到隧道设备的温度检测结果;
所述图像融合模块602,还用于在对同帧隧道点云图和隧道热力图进行融合处理时,针对各组内的一类区域,基于所述一类区域的一类热力点的温度值,得到所述一类区域的一类真实点云的温度值;针对各组内的二类区域,基于所述二类区域的二类热力点的温度值分布情况,对所述二类区域进行点云填充,得到二类混合点云,基于所述二类混合点云和同组内的所述一类区域的一类真实点云,得到待映射点云;对所述待映射点云和所述二类热力点进行多尺度映射,得到所述二类热力点的温度校准值,根据所述二类热力点的温度校准值,得到所述二类混合点云的温度值;同组内的一类区域和二类区域具有共同的雷达波;所述一类区域是雷达波和热成像波重合的区域,所述二类区域是指一类区域之间存在热成像波的相邻雷达波构成的区域。
在其中一个实施例中,所述图像融合模块602,还用于:对所述同帧隧道点云图和隧道热力图进行空间坐标配准操作,以基于所述一类区域的一类热力点的温度值,确定所述一类区域的一类真实点云的初始温度值;根据所述一类热力点对应的距离值和所述一类真实点云对应的距离值之间的差异,对所述一类真实点云的初始温度值进行校准,得到所述一类真实点云的温度值。
在其中一个实施例中,所述图像融合模块602,还用于:基于所述二类区域的二类热力点的温度值分布情况,将所述二类区域划分为多个子区域;根据二类真实点云对应的距离值,确定各子区域的填充密度;根据所述各子区域的填充密度,分别对所述各子区域进行点云填充,得到二类虚拟点云;根据二类真实点云和所述二类虚拟点云,得到所述二类混合点云。
在其中一个实施例中,所述图像融合模块602,还用于:将任意矩形范围内温度值变化不大且分布均匀的所述二类热力点所在的二类区域划分为待填充的平缓区域;将温度值分布符合同方向突变情况的所述二类热力点所在的二类区域划分为待填充的坡度区域;将温度值分布符合多方向突变情况的所述二类热力点所在的凸起或凹陷的二类区域划分为待填充的凸凹区域。
在其中一个实施例中,所述图像融合模块602,还用于:针对每一二类热力点,获取所述二类热力点的初始映射区域;所述二类热力点的初始映射区域为对二类区域进行点云填充时基于每一所述二类热力点确定相应的二类虚拟点云所处的区域;按不同的尺度,对所述初始映射区域进行区域划分,得到每一二类热力点在各尺度下的映射区域;将每一二类热力点与所述待映射点云在相应各不同尺度下的映射区域内的点云进行映射;针对每一二类热力点,基于与所述二类热力点存在映射的点云对应的距离和温度值,对所述二类热力点的温度值进行校准,得到所述二类热力点的温度校准值。
在其中一个实施例中,所述图像融合模块602,还用于:基于不同尺度的窗口,沿着所述初始映射区域的四边进行滑动,得到各尺度下的所述映射区域;所述映射区域包含所述初始映射区域的部分二类虚拟点云和所述初始映射区域周围的真实点云。
在其中一个实施例中,所述温度检测模块603,还用于:获取每帧隧道融合图的设备温度检测结果;对所述每帧隧道融合图进行拼接,得到所述隧道线路图;在所述隧道线路图里确定相邻帧隧道融合图;对所述相邻帧隧道融合图的设备温度检测结果进行融合,得到所述隧道设备的温度检测结果。
在其中一个实施例中,所述温度检测模块603,还用于:根据每帧隧道融合图内点云的回波强度以及温度值的变化情况,对每帧隧道融合图进行区域划分,得到各个区域;确定所述各区域对应的设备;对所述设备进行标志面定位,得到所述设备不同面的点集和质点;根据所述设备不同面的点集和质点,得到所述设备的极点,并进行温度标记操作,得到每帧隧道融合图的设备温度检测结果。
上述隧道设备温度检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个示例性的实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储隧道设备温度检测方法的数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种隧道设备温度检测方法。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种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上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要符合相关规定。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种隧道设备温度检测方法,其特征在于,所述方法包括:
获取雷达采集到的多帧隧道点云图和热成像仪采集到的多帧隧道热力图;
基于对同帧隧道点云图和隧道热力图进行的融合处理,得到多帧隧道融合图;
基于所述多帧隧道融合图,得到隧道设备的温度检测结果;
其中,在对同帧隧道点云图和隧道热力图进行融合处理时,针对各组内的一类区域,基于所述一类区域的一类热力点的温度值,得到所述一类区域的一类真实点云的温度值;针对各组内的二类区域,基于所述二类区域的二类热力点的温度值分布情况,对所述二类区域进行点云填充,得到二类混合点云,基于所述二类混合点云和同组内的所述一类区域的一类真实点云,得到待映射点云;对所述待映射点云和所述二类热力点进行多尺度映射,得到所述二类热力点的温度校准值,根据所述二类热力点的温度校准值,得到所述二类混合点云的温度值;同组内的一类区域和二类区域具有共同的雷达波;所述一类区域是雷达波和热成像波重合的区域,所述二类区域是指一类区域之间存在热成像波的相邻雷达波构成的区域。
2.根据权利要求1所述的方法,其特征在于,所述基于所述一类区域的一类热力点的温度值,得到所述一类区域的一类真实点云的温度值,包括:
对所述同帧隧道点云图和隧道热力图进行空间坐标配准操作,以基于所述一类区域的一类热力点的温度值,确定所述一类区域的一类真实点云的初始温度值;
根据所述一类热力点对应的距离值和所述一类真实点云对应的距离值之间的差异,对所述一类真实点云的初始温度值进行校准,得到所述一类真实点云的温度值。
3.根据权利要求1所述的方法,其特征在于,所述基于所述二类区域的二类热力点的温度值分布情况,对所述二类区域进行点云填充,得到二类混合点云,包括:
基于所述二类区域的二类热力点的温度值分布情况,将所述二类区域划分为多个子区域;
根据二类真实点云对应的距离值,确定各子区域的填充密度;
根据所述各子区域的填充密度,分别对所述各子区域进行点云填充,得到二类虚拟点云;
根据二类真实点云和所述二类虚拟点云,得到所述二类混合点云。
4.根据权利要求3所述的方法,其特征在于,所述基于所述二类区域的二类热力点的温度值分布情况,将所述二类区域划分为多个子区域,包括:
将任意矩形范围内温度值变化不大且分布均匀的所述二类热力点所在的二类区域划分为待填充的平缓区域;
将温度值分布符合同方向突变情况的所述二类热力点所在的二类区域划分为待填充的坡度区域;
将温度值分布符合多方向突变情况的所述二类热力点所在的凸起或凹陷的二类区域划分为待填充的凸凹区域。
5.根据权利要求1所述的方法,其特征在于,所述对所述待映射点云和所述二类热力点进行多尺度映射,得到所述二类热力点的温度校准值,包括:
针对每一二类热力点,获取所述二类热力点的初始映射区域;所述二类热力点的初始映射区域为对二类区域进行点云填充时基于每一所述二类热力点确定相应的二类虚拟点云所处的区域;
按不同的尺度,对所述初始映射区域进行区域划分,得到每一二类热力点在各尺度下的映射区域;
将每一二类热力点与所述待映射点云在相应各不同尺度下的映射区域内的点云进行映射;
针对每一二类热力点,基于与所述二类热力点存在映射的点云对应的距离和温度值,对所述二类热力点的温度值进行校准,得到所述二类热力点的温度校准值。
6.根据权利要求5所述的方法,其特征在于,所述按不同的尺度,对所述初始映射区域进行区域划分,得到每一二类热力点在各尺度下的映射区域,包括:
基于不同尺度的窗口,沿着所述初始映射区域的四边进行滑动,得到各尺度下的所述映射区域;所述映射区域包含所述初始映射区域的部分二类虚拟点云和所述初始映射区域周围的真实点云。
7.根据权利要求1所述的方法,其特征在于,所述基于所述多帧隧道融合图,得到隧道设备的温度检测结果,包括:
获取每帧隧道融合图的设备温度检测结果;
对所述每帧隧道融合图进行拼接,得到隧道线路图;
在所述隧道线路图里确定相邻帧隧道融合图;
对所述相邻帧隧道融合图的设备温度检测结果进行融合,得到所述隧道设备的温度检测结果。
8.根据权利要求7所述的方法,其特征在于,所述获取每帧隧道融合图的设备温度检测结果,包括:
根据每帧隧道融合图内点云的回波强度以及温度值的变化情况,对每帧隧道融合图进行区域划分,得到各个区域;
确定所述各区域对应的设备;
对所述设备进行标志面定位,得到所述设备不同面的点集和质点;
根据所述设备不同面的点集和质点,得到所述设备的极点,并进行温度标记操作,得到每帧隧道融合图的设备温度检测结果。
9.一种隧道设备温度检测装置,其特征在于,所述装置包括:
图像获取模块,用于获取雷达采集到的多帧隧道点云图和热成像仪采集到的多帧隧道热力图;
图像融合模块,用于基于对同帧隧道点云图和隧道热力图进行的融合处理,得到多帧隧道融合图;
温度检测模块,用于基于所述多帧隧道融合图,得到隧道设备的温度检测结果;
所述图像融合模块,还用于在对同帧隧道点云图和隧道热力图进行融合处理时,针对各组内的一类区域,基于所述一类区域的一类热力点的温度值,得到所述一类区域的一类真实点云的温度值;针对各组内的二类区域,基于所述二类区域的二类热力点的温度值分布情况,对所述二类区域进行点云填充,得到二类混合点云,基于所述二类混合点云和同组内的所述一类区域的一类真实点云,得到待映射点云;对所述待映射点云和所述二类热力点进行多尺度映射,得到所述二类热力点的温度校准值,根据所述二类热力点的温度校准值,得到所述二类混合点云的温度值;同组内的一类区域和二类区域具有共同的雷达波;所述一类区域是雷达波和热成像波重合的区域,所述二类区域是指一类区域之间存在热成像波的相邻雷达波构成的区域。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410191391.3A CN117740186B (zh) | 2024-02-21 | 2024-02-21 | 隧道设备温度检测方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410191391.3A CN117740186B (zh) | 2024-02-21 | 2024-02-21 | 隧道设备温度检测方法、装置和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117740186A true CN117740186A (zh) | 2024-03-22 |
CN117740186B CN117740186B (zh) | 2024-05-10 |
Family
ID=90283476
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410191391.3A Active CN117740186B (zh) | 2024-02-21 | 2024-02-21 | 隧道设备温度检测方法、装置和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117740186B (zh) |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190080431A1 (en) * | 2017-09-14 | 2019-03-14 | The Regents Of The University Of Colorado, A Body Corporate | Thermal-Depth Fusion Imaging |
US20210012165A1 (en) * | 2018-03-29 | 2021-01-14 | Shanghai Zttvision Technologies Co.Ltd | Data processing method and device based on multi-sensor fusion, and multi-sensor fusion method |
WO2021102795A1 (zh) * | 2019-11-27 | 2021-06-03 | 大连港森立达木材交易中心有限公司 | 用于原木灭活仓的温度测绘系统和方法 |
CN113343745A (zh) * | 2021-02-26 | 2021-09-03 | 北京中科慧眼科技有限公司 | 基于双目相机的远距离目标检测方法、系统和智能终端 |
US20220044023A1 (en) * | 2020-08-05 | 2022-02-10 | Ambarella International Lp | Object-aware temperature anomalies monitoring and early warning by combining visual and thermal sensing sensing |
CN114263501A (zh) * | 2021-12-28 | 2022-04-01 | 江苏亚冠轨道交通科技有限公司 | 基于图像识别与热红外联合的隧道渗水涌水监测系统 |
US20220285009A1 (en) * | 2019-08-16 | 2022-09-08 | Z Imaging | Systems and methods for real-time multiple modality image alignment |
CN115359021A (zh) * | 2022-08-29 | 2022-11-18 | 上海大学 | 一种基于激光雷达和相机信息融合的目标定位检测方法 |
CN115731545A (zh) * | 2022-12-06 | 2023-03-03 | 国网江苏省电力有限公司 | 一种基于融合感知的电缆隧道巡检方法及装置 |
WO2023040247A1 (zh) * | 2021-09-18 | 2023-03-23 | 浙江大学 | 一种基于图像和点云融合网络的道路区域图像识别方法 |
CN115876198A (zh) * | 2022-11-28 | 2023-03-31 | 烟台艾睿光电科技有限公司 | 基于数据融合的目标检测及预警方法、设备、系统和介质 |
CN116702264A (zh) * | 2023-04-18 | 2023-09-05 | 中铁四局集团有限公司 | 隧道变形分析方法、系统、计算机设备及可读存储介质 |
WO2023185069A1 (zh) * | 2022-04-01 | 2023-10-05 | 北京京东乾石科技有限公司 | 物体检测方法及装置、计算机可读存储介质及无人车 |
CN117011830A (zh) * | 2023-08-16 | 2023-11-07 | 微牌科技(浙江)有限公司 | 图像识别方法、装置、计算机设备、存储介质 |
CN117146733A (zh) * | 2023-06-07 | 2023-12-01 | 中国空气动力研究与发展中心超高速空气动力研究所 | 一种高温目标三维形貌与温度场综合测量方法 |
CN117197586A (zh) * | 2023-10-18 | 2023-12-08 | 中南大学 | 基于神经网络和点云处理的隧道喷浆智能检测方法及系统 |
CN117309856A (zh) * | 2023-08-30 | 2023-12-29 | 中国科学院空天信息创新研究院 | 烟幕效果监测方法、装置、电子设备和存储介质 |
CN117557731A (zh) * | 2023-12-07 | 2024-02-13 | 中南大学 | 一种锻件温度场分布和三维尺寸一体化重构方法 |
CN117553919A (zh) * | 2023-10-09 | 2024-02-13 | 河北工业大学 | 一种基于三维点云与热像图的继电器温度场测量方法 |
CN117745537A (zh) * | 2024-02-21 | 2024-03-22 | 微牌科技(浙江)有限公司 | 隧道设备温度检测方法、装置、计算机设备和存储介质 |
-
2024
- 2024-02-21 CN CN202410191391.3A patent/CN117740186B/zh active Active
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190080431A1 (en) * | 2017-09-14 | 2019-03-14 | The Regents Of The University Of Colorado, A Body Corporate | Thermal-Depth Fusion Imaging |
US20210012165A1 (en) * | 2018-03-29 | 2021-01-14 | Shanghai Zttvision Technologies Co.Ltd | Data processing method and device based on multi-sensor fusion, and multi-sensor fusion method |
US20220285009A1 (en) * | 2019-08-16 | 2022-09-08 | Z Imaging | Systems and methods for real-time multiple modality image alignment |
WO2021102795A1 (zh) * | 2019-11-27 | 2021-06-03 | 大连港森立达木材交易中心有限公司 | 用于原木灭活仓的温度测绘系统和方法 |
US20220044023A1 (en) * | 2020-08-05 | 2022-02-10 | Ambarella International Lp | Object-aware temperature anomalies monitoring and early warning by combining visual and thermal sensing sensing |
CN113343745A (zh) * | 2021-02-26 | 2021-09-03 | 北京中科慧眼科技有限公司 | 基于双目相机的远距离目标检测方法、系统和智能终端 |
WO2023040247A1 (zh) * | 2021-09-18 | 2023-03-23 | 浙江大学 | 一种基于图像和点云融合网络的道路区域图像识别方法 |
CN114263501A (zh) * | 2021-12-28 | 2022-04-01 | 江苏亚冠轨道交通科技有限公司 | 基于图像识别与热红外联合的隧道渗水涌水监测系统 |
WO2023185069A1 (zh) * | 2022-04-01 | 2023-10-05 | 北京京东乾石科技有限公司 | 物体检测方法及装置、计算机可读存储介质及无人车 |
CN115359021A (zh) * | 2022-08-29 | 2022-11-18 | 上海大学 | 一种基于激光雷达和相机信息融合的目标定位检测方法 |
CN115876198A (zh) * | 2022-11-28 | 2023-03-31 | 烟台艾睿光电科技有限公司 | 基于数据融合的目标检测及预警方法、设备、系统和介质 |
CN115731545A (zh) * | 2022-12-06 | 2023-03-03 | 国网江苏省电力有限公司 | 一种基于融合感知的电缆隧道巡检方法及装置 |
CN116702264A (zh) * | 2023-04-18 | 2023-09-05 | 中铁四局集团有限公司 | 隧道变形分析方法、系统、计算机设备及可读存储介质 |
CN117146733A (zh) * | 2023-06-07 | 2023-12-01 | 中国空气动力研究与发展中心超高速空气动力研究所 | 一种高温目标三维形貌与温度场综合测量方法 |
CN117011830A (zh) * | 2023-08-16 | 2023-11-07 | 微牌科技(浙江)有限公司 | 图像识别方法、装置、计算机设备、存储介质 |
CN117309856A (zh) * | 2023-08-30 | 2023-12-29 | 中国科学院空天信息创新研究院 | 烟幕效果监测方法、装置、电子设备和存储介质 |
CN117553919A (zh) * | 2023-10-09 | 2024-02-13 | 河北工业大学 | 一种基于三维点云与热像图的继电器温度场测量方法 |
CN117197586A (zh) * | 2023-10-18 | 2023-12-08 | 中南大学 | 基于神经网络和点云处理的隧道喷浆智能检测方法及系统 |
CN117557731A (zh) * | 2023-12-07 | 2024-02-13 | 中南大学 | 一种锻件温度场分布和三维尺寸一体化重构方法 |
CN117745537A (zh) * | 2024-02-21 | 2024-03-22 | 微牌科技(浙江)有限公司 | 隧道设备温度检测方法、装置、计算机设备和存储介质 |
Non-Patent Citations (4)
Title |
---|
冯登超;: "面向低空安全的三维空中走廊可视化研究综述", 电子测量技术, no. 09, 27 April 2018 (2018-04-27) * |
宗民;杨毅;朱昊;付梦印;汪顺亭;: "采用温控镂空发热网的热像仪与3D激光雷达配准", 红外与激光工程, no. 12, 25 December 2014 (2014-12-25) * |
张瀚;高飞;: "一种点云配准新方法在隧道变形监测中的应用研究", 信息通信, no. 05, 15 May 2016 (2016-05-15) * |
袁辉;: "基于三维激光扫描技术的地铁隧道椭圆度快速检测方法", 城市轨道交通研究, no. 07, 10 July 2020 (2020-07-10) * |
Also Published As
Publication number | Publication date |
---|---|
CN117740186B (zh) | 2024-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rupnik et al. | MicMac–a free, open-source solution for photogrammetry | |
Wu et al. | Integration of aerial oblique imagery and terrestrial imagery for optimized 3D modeling in urban areas | |
US10134152B2 (en) | Method and system for determining cells traversed by a measuring or visualization axis | |
US9483703B2 (en) | Online coupled camera pose estimation and dense reconstruction from video | |
JP6057298B2 (ja) | 迅速な3dモデリング | |
US8325979B2 (en) | Method and apparatus for detecting objects from terrestrial based mobile mapping data | |
CN117745537B (zh) | 隧道设备温度检测方法、装置、计算机设备和存储介质 | |
Zhang et al. | Leveraging vision reconstruction pipelines for satellite imagery | |
KR102249769B1 (ko) | 2차원 영상의 픽셀별 3차원 좌표값 추정 방법 및 이를 이용한 자율주행정보 추정 방법 | |
US8817093B2 (en) | Photogrammetric networks for positional accuracy | |
KR20210119417A (ko) | 깊이 추정법 | |
WO2001048683A1 (en) | Any aspect passive volumetric image processing method | |
CN112862890B (zh) | 道路坡度预测方法、装置和存储介质 | |
US20190035148A1 (en) | Resolution adaptive mesh that is generated using an intermediate implicit representation of a point cloud | |
CN112233246B (zh) | 基于srtm约束的卫星影像密集匹配方法和系统 | |
Kim et al. | Interactive 3D building modeling method using panoramic image sequences and digital map | |
CN118314300B (zh) | 工程测量精准定位与三维建模方法及系统 | |
Liu et al. | Displacement field reconstruction in landslide physical modeling by using a terrain laser scanner–Part 1: Methodology, error analysis and validation | |
Ren et al. | Automated SAR reference image preparation for navigation | |
CN117740186B (zh) | 隧道设备温度检测方法、装置和计算机设备 | |
CN114913500B (zh) | 位姿确定方法、装置、计算机设备和存储介质 | |
Ma et al. | Low‐Altitude Photogrammetry and Remote Sensing in UAV for Improving Mapping Accuracy | |
CN117115434A (zh) | 数据分割装置和方法 | |
CN113593026A (zh) | 车道线标注辅助地图生成方法、装置和计算机设备 | |
CN112183378A (zh) | 一种基于颜色和深度图像的道路坡度估计方法及装置 |
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 |