CN117745713A - 基于图像处理的护坡结构变形检测方法和系统 - Google Patents
基于图像处理的护坡结构变形检测方法和系统 Download PDFInfo
- Publication number
- CN117745713A CN117745713A CN202410097107.6A CN202410097107A CN117745713A CN 117745713 A CN117745713 A CN 117745713A CN 202410097107 A CN202410097107 A CN 202410097107A CN 117745713 A CN117745713 A CN 117745713A
- Authority
- CN
- China
- Prior art keywords
- slope protection
- image
- protection structure
- parameters
- correction
- 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 56
- 238000012545 processing Methods 0.000 title claims abstract description 46
- 238000012937 correction Methods 0.000 claims abstract description 114
- 239000011159 matrix material Substances 0.000 claims description 59
- 238000000034 method Methods 0.000 claims description 44
- 238000004422 calculation algorithm Methods 0.000 claims description 23
- 238000000605 extraction Methods 0.000 claims description 22
- 238000013507 mapping Methods 0.000 claims description 22
- 238000004088 simulation Methods 0.000 claims description 19
- 230000009466 transformation Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000011218 segmentation Effects 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 6
- 230000001131 transforming effect Effects 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 abstract description 5
- 230000007547 defect Effects 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 238000003708 edge detection Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000003702 image correction Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000004660 morphological change Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- 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
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/23—Dune restoration or creation; Cliff stabilisation
Landscapes
- Image Processing (AREA)
Abstract
本发明提供了一种基于图像处理的护坡结构变形检测方法和系统，包括：基于图像采集设备采集护坡结构的护坡图像，提取所述护坡图像中的关键特征曲线；获取所述图像采集设备的设备参数以及图像采集方式，并提取所述护坡图像的图像参数；基于图像采集方式，在数据库中确定对应的修正检测模型；将设备参数以及图像参数融合之后输入至修正检测模型中，得到修正参数；基于修正参数对预存的标准特征曲线进行实时修正，得到修正特征曲线；将关键特征曲线与所述修正特征曲线进行对比，根据对比结果检测所述护坡结构是否发生变形。本发明中，引入修正检测模型，结合设备参数和图像参数，对标准特征曲线进行实时修正，克服目前缺乏有效的修正机制的缺陷。
Description
技术领域
本发明涉及图像处理的技术领域，特别涉及一种基于图像处理的护坡结构变形检测方法和系统。
背景技术
护坡结构是一种用于边坡稳定和风化保护的结构，常常用于道路、水利工程、建筑工程等领域。对护坡结构的监测和预警可以及时发现结构变形和破坏，避免安全事故发生。在土木工程和地质灾害防治领域，护坡结构的稳定性监测是一个关键问题。传统的监测方法依赖于物理传感器，如应变计、倾斜计或地下雷达等，来评估护坡的健康状况。这些技术能够提供准确的测量数据，但安装和维护成本较高，且对于广阔区域或难以接近的护坡结构来说，监测效率较低。
目前还出现了基于图像识别和数字图像处理技术的护坡变形检测。该方案通过固定摄像机对护坡结构进行定期拍照，然后利用图像识别技术分析护坡的变形。这种方法主要依赖于对比不同时间点的图像，识别护坡表面的形态变化。尽管该技术在一定程度上提高了检测效率和减少了人为干预，但它仍受限于图像质量以及图像采集设备的影响，且难以对图像中的微小变化进行精确的量化分析。
上述方案中，不同设备参数和图像采集方式的差异会导致监测结果不同，目前缺乏有效的图像修正机制，现有技术难以准确量化微小的结构变化，特别是在复杂的实际应用环境中，会造成检测结果不准确。
发明内容
本发明的主要目的为提供一种基于图像处理的护坡结构变形检测方法和系统，旨在克服目前缺乏有效的修正机制所造成的检测不准确的缺陷。
为实现上述目的，本发明提供了一种基于图像处理的护坡结构变形检测方法，包括以下步骤：
基于图像采集设备采集护坡结构的护坡图像，提取所述护坡图像中的关键特征曲线；
获取所述图像采集设备的设备参数以及图像采集方式，并提取所述护坡图像的图像参数；
基于所述图像采集方式，在数据库中确定对应的修正检测模型；
将所述设备参数以及图像参数融合之后输入至修正检测模型中，得到修正参数；基于所述修正参数对预存的标准特征曲线进行实时修正，得到修正特征曲线；其中，所述修正参数包括对标准特征曲线的修正位置以及修正值；
将所述关键特征曲线与所述修正特征曲线进行对比，根据对比结果检测所述护坡结构是否发生变形。
进一步地，所述提取所述护坡图像中的关键特征曲线的步骤，包括：
通过计算机视觉算法对所述护坡图像进行图像识别，识别所述护坡图像中的多个关键特征点；
获取所述关键特征点的多个排布规则；其中，所述排布规则包括对应连接的关键特征点以及各个关键特征点连接顺序；
基于所述排布规则对所述关键特征点进行连接并进行曲线模拟，得到对应的关键特征曲线。
进一步地，所述基于所述排布规则对所述关键特征点进行连接并进行曲线模拟，得到对应的关键特征曲线的步骤，包括：
针对各个排布规则，获取所述排布规则涉及的各个关键特征点，作为目标特征点；
按照所述排布规则中关键特征点的连接顺序，依次将目标特征点进行连线，得到连接曲线；
采用曲线模拟算法，按照预设的曲线模拟参数对所述连接曲线进行曲线模拟，将所述连接曲线转换为平滑曲线，得到所述关键特征曲线。
进一步地，所述采集护坡结构的护坡图像的步骤，包括：
确定需要拍摄的护坡结构的区域，确保摄影范围覆盖所述护坡结构的全部区域；
根据所述护坡结构的特点和拍摄需求，配置摄影参数；所述护坡结构的特点包括所述护坡结构的面积，拍摄角度；
基于所述摄影参数进行全景拍摄，以获取护坡结构的全景图像，作为护坡图像。
进一步地，所述获取所述关键特征点的多个排布规则的步骤，包括：
获取所述护坡结构的坐标信息；
根据所述坐标信息在管理终端中匹配对应所述坐标信息的目标护坡结构数据库；其中，管理终端中存储有坐标信息与护坡结构数据库的映射关系；
基于所述管理终端以及所述目标护坡结构数据库，生成一个认证码；
获取所述护坡图像的拍摄参数，将所述拍摄参数输入至标准化函数中进行标准化处理，得到标准拍摄参数；
将所述标准拍摄参数与所述认证码共同发送至管理终端，通过所述管理终端基于所述标准拍摄参数与所述认证码生成一个提取码；
基于所述提取码，在所述目标护坡结构数据库检索各个规则文件的文件标识，提取出文件标识与所述提取码一致的规则文件；其中所述规则文件中包括各个关键特征点的多个排布规则。
进一步地，所述基于所述管理终端以及所述目标护坡结构数据库，生成一个认证码的步骤，包括：
获取所述管理终端的标识信息以及所述目标护坡结构数据库的标识信息；其中，所述管理终端的标识信息中包括多个字符；
获取所述管理终端中存储的第一数组；其中，所述第一数组中包括多个依次排列且互不相同的字符；
在所述第一数组中删除与所述标识信息中相同的字符，得到第二数组；
依序为所述第二数组中的字符分配一个对应的数字，得到数字-字符映射表；
获取所述目标护坡结构数据库的标识信息中包括的数字的数量，根据所述数字的数量确定所述目标护坡结构数据库的标识信息的分割规则，基于所述分割规则将所述目标护坡结构数据库的标识信息分割为多个互不相同的数字；
将所述多个互不相同的数字按照其在目标护坡结构数据库的标识信息中的顺序，构成第三数组；
基于所述数字-字符映射表对所述第三数组中的各个数字进行映射，映射得到对应的第四数组；所述第四数组中包括各个数字分别映射的字符；
将所述第四数组中的字符依序拼接，得到的字符串作为所述认证码。
进一步地，所述基于所述管理终端以及所述目标护坡结构数据库，生成一个认证码的步骤，包括：
获取所述管理终端的第一标识信息以及所述目标护坡结构数据库的第二标识信息；其中，所述第一标识信息为多个英文字符组合而成，所述第二标识信息为多个英文字符与多个数字间隔组合而成；
对所述第一标识信息以及所述第二标识信息中的英文字符进行求交计算，得到交集字符；
获取标准矩阵；其中，所述标准矩阵中包括由多个英文字符组成的矩阵；
基于所述交集字符对所述标准矩阵进行变换，得到变换矩阵；
获取所述第二标识信息中间隔的多个数字，并按照预设矩阵构成规则将所述第二标识信息中间隔的多个数字构成一个数字矩阵；
将所述数字矩阵与所述变换矩阵相乘，得到结果矩阵；将所述结果矩阵中各个位置处的字符进行组合，得到组合字符，作为所述认证码。
本发明还提供了一种基于图像处理的护坡结构变形检测系统，包括：
采集单元，用于基于图像采集设备采集护坡结构的护坡图像，提取所述护坡图像中的关键特征曲线；
获取单元，用于获取所述图像采集设备的设备参数以及图像采集方式，并提取所述护坡图像的图像参数；
确定单元，用于基于所述图像采集方式，在数据库中确定对应的修正检测模型；
修正单元，用于将所述设备参数以及图像参数融合之后输入至修正检测模型中，得到修正参数；基于所述修正参数对预存的标准特征曲线进行实时修正，得到修正特征曲线；其中，所述修正参数包括对标准特征曲线的修正位置以及修正值；
检测单元，用于将所述关键特征曲线与所述修正特征曲线进行对比，根据对比结果检测所述护坡结构是否发生变形。
本发明还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
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，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
本发明提供的基于图像处理的护坡结构变形检测方法和系统，包括：基于图像采集设备采集护坡结构的护坡图像，提取所述护坡图像中的关键特征曲线；获取所述图像采集设备的设备参数以及图像采集方式，并提取所述护坡图像的图像参数；基于所述图像采集方式，在数据库中确定对应的修正检测模型；将所述设备参数以及图像参数融合之后输入至修正检测模型中，得到修正参数；基于所述修正参数对预存的标准特征曲线进行实时修正，得到修正特征曲线；其中，所述修正参数包括对标准特征曲线的修正位置以及修正值；将所述关键特征曲线与所述修正特征曲线进行对比，根据对比结果检测所述护坡结构是否发生变形。本发明中，引入修正检测模型，结合设备参数和图像参数，对标准特征曲线进行实时修正，克服目前缺乏有效的修正机制所造成的检测不准确的缺陷。
附图说明
图1是本发明一实施例中基于图像处理的护坡结构变形检测方法步骤示意图；
图2是本发明一实施例中基于图像处理的护坡结构变形检测系统结构框图；
图3是本发明一实施例的计算机设备的结构示意框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明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发明，并不用于限定本发明。
参照图1，本发明一实施例中提供了一种基于图像处理的护坡结构变形检测方法，包括以下步骤：
步骤S1，基于图像采集设备采集护坡结构的护坡图像，提取所述护坡图像中的关键特征曲线；
步骤S2，获取所述图像采集设备的设备参数以及图像采集方式，并提取所述护坡图像的图像参数；
步骤S3，基于所述图像采集方式，在数据库中确定对应的修正检测模型；
步骤S4，将所述设备参数以及图像参数融合之后输入至修正检测模型中，得到修正参数；基于所述修正参数对预存的标准特征曲线进行实时修正，得到修正特征曲线；其中，所述修正参数包括对标准特征曲线的修正位置以及修正值；
步骤S5，将所述关键特征曲线与所述修正特征曲线进行对比，根据对比结果检测所述护坡结构是否发生变形。
在本实施例中，如上述步骤S1所述的，使用专门的图像采集设备（如摄像机或激光扫描仪）对护坡结构进行拍摄，以获取护坡的图像。在获取的图像中，护坡结构通常会显示出一些特定的特征，比如坡面的轮廓、裂缝、错位或其他形态特征。在这一步骤中，关键的是通过图像处理技术从护坡图像中提取出这些关键特征，并将它们表示为曲线或者其他适当的形式，以便后续的分析和处理。例如，可以利用边缘检测、特征识别等图像处理技术来识别和提取护坡图像中的关键特征曲线，上述曲线可以反映护坡的实际形变情况。这个步骤的目的是为了从图像数据中提取出对护坡结构变形具有代表性的信息，为后续的变形检测和分析提供数据基础。
如上述步骤S2所述的，获取用于采集护坡图像的图像采集设备的相关参数，上述参数包括摄像机的焦距、光圈大小、曝光时间、相机传感器类型和分辨率等信息。上述参数将对所采集图像的质量和特征提取过程产生影响。
同时，还需要考虑图像采集方式，包括拍摄角度、光照条件、拍摄距离等因素。这些参数会影响到所拍摄的图像内容的表现和质量。
一旦设备参数和采集方式都已经确定，则提取护坡图像的图像参数。图像参数包括图像的亮度、对比度、色彩信息、图像分辨率等。上述参数对于后续的图像处理和分析非常重要，因为它们可以提供关于图像质量和特征的重要信息。上述图像参数的提取将为后续的修正检测模型提供输入，帮助提高护坡结构变形检测的准确性和稳定性。
如上述步骤S3所述的，需要将图像采集方式与预先建立的数据库中的修正检测模型进行匹配。根据采集图像所使用的图像采集方式（拍摄角度、光照条件、拍摄距离），从数据库中选择适当的修正检测模型。可以理解的是，数据库中可以预先存储图像采集方式与修正检测模型的映射关系，修正检测模型是经过训练的深度学习网络模型，其主要用于检测需要修正的参数。上述深度学习网络模型的训练过程在此不作赘述。
修正检测模型是根据不同的拍摄角度、光照条件、拍摄距离进行建模和训练的。上述模型可以对图像进行校正和修正，以减少由于设备差异、光照变化等因素引起的图像畸变和噪音，提高护坡图像特征的稳定性和准确性。
因此，基于图像采集方式，在数据库中确定对应的修正检测模型即意味着根据具体的图像采集方式，选择适用于当前情况的修正检测模型，以便后续的修正参数计算和图像修正处理。这将有助于提高后续图像处理和护坡变形检测的准确性和可靠性。
如上述步骤S4所述的，将设备参数和图像参数结合起来，输入到预先确定的修正检测模型中，从而获得修正参数。上述修正参数表示了针对特定设备参数和图像参数所做的特征曲线的修正结果。修正参数涉及特征曲线的位置、形状等方面的调整，以确保所获得的修正特征曲线随着图像采集设备的不同以及图像参数的不同形成不同的标准特征曲线。可以理解的是，本实施例中是对标准特征曲线进行修正，而不是对关键特征曲线，这是因为需要将标准特征曲线根据图像采集设备的不同以及图像参数的不同进行适应性的修正，从而更加便于与关键特征曲线进行对比。当然，在其它实施例中，也可以是对关键特征曲线进行修正，在此不作赘述。
获得了修正参数之后，便可以将这些参数应用到预先存储的标准特征曲线上，进行实时的修正处理。修正过程涉及对特征曲线的位置、形状等方面的调整，以使其更精确地与实际护坡结构的状态进行对比。修正后的特征曲线具有更高的准确性和稳定性，可以减少由于设备参数、图像采集方式等因素引起的误差。
修正参数包括对标准特征曲线的修正位置和修正值，这些修正值可以根据图像参数和设备参数的实际情况进行调整，以确保修正后的特征曲线与实际护坡结构的变形情况更加吻合，从而提高变形检测的准确性和可靠性。通过这一步骤，能够有效地校正和修正护坡图像中的特征曲线，使其更符合实际情况。
如上述步骤S5所述的，关键特征曲线是从原始的护坡图像中提取出来的曲线，代表了护坡结构表面的形态特征。而修正特征曲线是对标准特征曲线经过修正处理后得到的曲线，通过校正和修正过程，使其更加准确地反映护坡结构在当前的图像采集设备以及图像参数下的标准状态。
接下来，将原始的关键特征曲线与修正的特征曲线进行对比。这个对比过程涉及曲线的形状、位置、斜率等方面的比较。通过对比分析，可以确定护坡结构是否发生了变形。
如果原始特征曲线与修正特征曲线高度吻合，那么可以得出护坡结构没有发生明显变形的结论。反之，如果对比结果显示两者相差较大，那么表明护坡结构发生了变形。这种变形可以是由于地质灾害、自然环境变化或结构本身的问题等原因所引起的。因此，通过对比分析原始特征曲线和修正特征曲线，可以及时发现护坡结构的变形情况，提早预警并采取必要的修复和加固措施，从而保障护坡结构的安全和稳定。
在一实施例中，所述提取所述护坡图像中的关键特征曲线的步骤，包括：
通过计算机视觉算法对所述护坡图像进行图像识别，识别所述护坡图像中的多个关键特征点；
获取所述关键特征点的多个排布规则；其中，所述排布规则包括对应连接的关键特征点以及各个关键特征点连接顺序；
基于所述排布规则对所述关键特征点进行连接并进行曲线模拟，得到对应的关键特征曲线。
在本实施例中，通过计算机视觉算法对所述护坡图像进行图像识别，识别所述护坡图像中的多个关键特征点；
计算机视觉算法是一种利用计算机进行图像处理和分析的技术，可以对图像进行特征提取、目标识别等操作。在这一步中，护坡图像被输入到计算机视觉算法进行处理。算法会识别图像中的护坡结构，并从中提取出多个重要的特征点，这些特征点可以代表护坡结构的关键形状和特征，如边缘、拐角等。这些特征点的识别和提取是后续步骤进行关键特征曲线建模和对比的基础。上述计算机视觉算法可以是角点检测或边缘检测算法。其工作原理是通过对图像进行数学分析和处理，找到图像中的特定形状、纹理或边缘，并将其提取出来作为关键特征点。上述算法通常使用数字信号处理和图像处理的技术，如滤波、边缘检测、灰度变换等。上述算法可以有效地识别护坡图像中的护坡结构，并提取出关键特征点。这些特征点的识别和提取可以为后续的分析和建模提供重要的数据支持。
获取所述关键特征点的多个排布规则；其中，所述排布规则包括对应连接的关键特征点以及各个关键特征点连接顺序；
在这一步中，对识别出的关键特征点进行规则化排布。这些规则包括关键特征点之间的连接方式和顺序。通过规则化排布，可以建立护坡结构的特征曲线，使得后续的关键特征曲线连接和对比更加有效和准确。这一步的目的是为了建立护坡结构特征的几何模型，以便后续进行变形的判断和预警生成。
基于所述排布规则对所述关键特征点进行连接并进行曲线模拟，得到对应的关键特征曲线；在这一步中，根据前面步骤得到的规则排布，对护坡结构的关键特征点进行连接，形成特征曲线。这些特征曲线可以是护坡结构的轮廓线、边缘线等，主要用来表征护坡结构的形状和特征。通过曲线模拟，可以更好地呈现护坡结构的整体形态，从而为后续的对比和判断提供可靠的数据基础。
在一实施例中，所述基于所述排布规则对所述关键特征点进行连接并进行曲线模拟，得到对应的关键特征曲线的步骤，包括：
针对各个排布规则，获取所述排布规则涉及的各个关键特征点，作为目标特征点；
按照所述排布规则中关键特征点的连接顺序，依次将目标特征点进行连线，得到连接曲线；
采用曲线模拟算法，按照预设的曲线模拟参数对所述连接曲线进行曲线模拟，将所述连接曲线转换为平滑曲线，得到所述关键特征曲线。
在本实施例中，具体包括：
针对各个排布规则，获取所述排布规则涉及的各个关键特征点，作为目标特征点；在这一步中，根据之前确定的排布规则，识别出涉及的各个关键特征点。这些关键特征点可能是护坡结构的边缘点、拐角点等，根据排布规则确定它们的位置和数量。
按照所述排布规则中关键特征点的连接顺序，依次将目标特征点进行连线，得到连接曲线；根据排布规则中规定的关键特征点的连接顺序，将目标特征点依次进行连接，形成连接曲线。这些连接曲线将体现护坡结构的形状和特征。
采用曲线模拟算法，按照预设的曲线模拟参数对所述连接曲线进行曲线模拟，将所述连接曲线转换为平滑曲线，得到所述关键特征曲线。对连接曲线采用曲线模拟算法，根据预设的曲线模拟参数，对连接曲线进行曲线模拟处理，将角点和直线段进行平滑处理，从而得到平滑的关键特征曲线。上述曲线能更好地呈现出护坡结构的形态，便于后续的对比和分析。
上述曲线模拟算法可以采用常规的模拟算法，曲线模拟算法包括多项式拟合、贝塞尔曲线、样条曲线等。
具体地，利用上述曲线模拟算法进行曲线模拟时，可以按照以下步骤进行：
多项式拟合：利用多项式函数对所述连接曲线进行拟合，通过调整多项式的阶数和系数，使得拟合曲线与原始曲线尽可能吻合，从而得到平滑的关键特征曲线。
贝塞尔曲线：利用贝塞尔曲线的控制点和权重，通过调整控制点的位置和权重值，来实现对连接曲线的模拟，得到平滑的关键特征曲线。
样条曲线：采用样条插值的方法，将连接曲线分段进行拟合，每段采用低阶多项式拟合，然后通过插值得到平滑的关键特征曲线。
不同的曲线模拟算法具有不同的特点和适用范围，具体选择哪种曲线模拟算法取决于实际需求。
通过上述步骤，可以将排布规则下的关键特征点连接成曲线，并通过曲线模拟算法处理得到平滑的特征曲线，完成了对护坡结构形状的描述和建模。
在一实施例中，所述采集护坡结构的护坡图像的步骤，包括：
确定需要拍摄的护坡结构的区域，确保摄影范围覆盖所述护坡结构的全部区域；
根据所述护坡结构的特点和拍摄需求，配置摄影参数；所述护坡结构的特点包括所述护坡结构的面积，拍摄角度；
基于所述摄影参数进行全景拍摄，以获取护坡结构的全景图像，作为护坡图像。
在本实施例中，具体包括：
确定需要拍摄的护坡结构的区域，确保摄影范围覆盖所述护坡结构的全部区域；在这一步中，需要确定需要拍摄的护坡结构的具体区域，以确保整个护坡结构的全部区域都能被摄入镜头。需要对整个区域进行测量和规划，确保摄影范围覆盖了整个护坡结构。
根据所述护坡结构的特点和拍摄需求，配置摄影参数；所述护坡结构的特点包括所述护坡结构的面积，拍摄角度；在这一步中，需要根据护坡结构的特点和拍摄需求配置摄影参数。例如，根据护坡结构的面积和拍摄角度，确定所需的摄影机型号、焦距、光圈、曝光时间等参数，以便能够准确捕捉护坡结构的细节和形状。
基于所述摄影参数进行全景拍摄，以获取护坡结构的全景图像，作为护坡图像；最后，根据配置好的摄影参数进行全景拍摄，以获得护坡结构的全景图像。
在一实施例中，所述获取所述关键特征点的多个排布规则的步骤，包括：
获取所述护坡结构的坐标信息；
根据所述坐标信息在管理终端中匹配对应所述坐标信息的目标护坡结构数据库；其中，管理终端中存储有坐标信息与护坡结构数据库的映射关系；
基于所述管理终端以及所述目标护坡结构数据库，生成一个认证码；
获取所述护坡图像的拍摄参数，将所述拍摄参数输入至标准化函数中进行标准化处理，得到标准拍摄参数；
将所述标准拍摄参数与所述认证码共同发送至管理终端，通过所述管理终端基于所述标准拍摄参数与所述认证码生成一个提取码；
基于所述提取码，在所述目标护坡结构数据库检索各个规则文件的文件标识，提取出文件标识与所述提取码一致的规则文件；其中所述规则文件中包括各个关键特征点的多个排布规则。
在本实施例中，具体包括：
获取所述护坡结构的坐标信息；在这一步中，需要获取护坡结构的坐标信息，包括各个关键特征点的坐标信息以及护坡结构的整体坐标信息，这些坐标信息可以通过测量或者其他方法获取。
根据所述坐标信息在管理终端中匹配对应所述坐标信息的目标护坡结构数据库；其中，管理终端中存储有坐标信息与护坡结构数据库的映射关系；
在这一步中，将获取到的坐标信息与管理终端中的目标护坡结构数据库进行匹配，以获取对应的护坡结构数据记录。管理终端中存储着各个护坡结构的坐标信息和相应的数据库映射关系。
基于所述管理终端以及所述目标护坡结构数据库，生成一个认证码；
在这一步中，在管理终端和目标护坡结构数据库的基础上，生成一个认证码用于后续的数据提取和规则文件匹配。
获取所述护坡图像的拍摄参数，将所述拍摄参数输入至标准化函数中进行标准化处理，得到标准拍摄参数；在这一步中，获取护坡图像的拍摄参数，并通过标准化函数进行标准化处理，得到标准的拍摄参数。可以确保后续的数据匹配和规则提取的准确性。
将所述标准拍摄参数与所述认证码共同发送至管理终端，通过所述管理终端基于所述标准拍摄参数与所述认证码生成一个提取码；在这一步中，将标准拍摄参数和认证码共同发送至管理终端，并基于这些信息生成一个提取码，以便用于后续的规则文件提取。
基于所述提取码，在所述目标护坡结构数据库检索各个规则文件的文件标识，提取出文件标识与所述提取码一致的规则文件；其中所述规则文件中包括各个关键特征点的多个排布规则。
最后，在管理终端中使用提取码检索目标护坡结构数据库，提取出与提取码一致的规则文件，上述规则文件中包含了各个关键特征点的多个排布规则。上述排布规则可以用于后续的护坡结构特征点的连接和分析。
在一实施例中，所述基于所述管理终端以及所述目标护坡结构数据库，生成一个认证码的步骤，包括：
获取所述管理终端的标识信息以及所述目标护坡结构数据库的标识信息；其中，所述管理终端的标识信息中包括多个字符；
获取所述管理终端中存储的第一数组；其中，所述第一数组中包括多个依次排列且互不相同的字符；
在所述第一数组中删除与所述标识信息中相同的字符，得到第二数组；
依序为所述第二数组中的字符分配一个对应的数字，得到数字-字符映射表；
获取所述目标护坡结构数据库的标识信息中包括的数字的数量，根据所述数字的数量确定所述目标护坡结构数据库的标识信息的分割规则，基于所述分割规则将所述目标护坡结构数据库的标识信息分割为多个互不相同的数字；
将所述多个互不相同的数字按照其在目标护坡结构数据库的标识信息中的顺序，构成第三数组；
基于所述数字-字符映射表对所述第三数组中的各个数字进行映射，映射得到对应的第四数组；所述第四数组中包括各个数字分别映射的字符；
将所述第四数组中的字符依序拼接，得到的字符串作为所述认证码。
在本实施例中，具体包括：
获取所述管理终端的标识信息以及所述目标护坡结构数据库的标识信息；其中，所述管理终端的标识信息中包括多个字符；在这一步中，需要获取管理终端的标识信息和目标护坡结构数据库的标识信息，这些信息可以是设备的序列号、ID号或其他唯一识别信息，用于识别管理终端和目标数据库。
获取所述管理终端中存储的第一数组；其中，所述第一数组中包括多个依次排列且互不相同的字符；管理终端中存储的第一数组包含一组字符，这些字符是依次排列且互不相同的。这组字符用于后续步骤中的数据处理和认证码生成。
在所述第一数组中删除与所述标识信息中相同的字符，得到第二数组；在这一步中，对所述第一数组进行操作，将其中与管理终端标识信息中相同的字符删除，得到第二数组。这个操作可以确保在生成认证码时有一定的随机性和唯一性。
依序为所述第二数组中的字符分配一个对应的数字，得到数字-字符映射表；然后，对第二数组中的字符依次分配一个对应的数字，得到数字-字符的映射表。这个数字-字符映射表将用于后续的认证码生成，并可以确保认证码的唯一性和可验证性。
获取所述目标护坡结构数据库的标识信息中包括的数字的数量，根据所述数字的数量确定所述目标护坡结构数据库的标识信息的分割规则，基于所述分割规则将所述目标护坡结构数据库的标识信息分割为多个互不相同的数字；在这一步中，首先需要获取目标护坡结构数据库的标识信息中包含的数字的数量，然后根据这个数量确定标识信息的分割规则。根据分割规则将标识信息分割为多个互不相同的数字，以便后续的处理。
将所述多个互不相同的数字按照其在目标护坡结构数据库的标识信息中的顺序，构成第三数组；在这一步中，将多个互不相同的数字按照它们在目标护坡结构数据库的标识信息中的顺序组成一个新的数组，即第三数组。
基于所述数字-字符映射表对所述第三数组中的各个数字进行映射，映射得到对应的第四数组；所述第四数组中包括各个数字分别映射的字符；在这一步中，利用之前生成的数字-字符映射表，对第三数组中的各个数字进行映射，得到对应的字符，形成第四数组。这个映射过程可以确保生成的认证码具有唯一性和可验证性。
将所述第四数组中的字符依序拼接，得到的字符串作为所述认证码。最后，将第四数组中的字符依序拼接起来，形成一个字符串作为最终的认证码。这个字符串可以用于后续的认证和验证过程，确保数据的安全性和完整性。
在一实施例中，所述基于所述管理终端以及所述目标护坡结构数据库，生成一个认证码的步骤，包括：
获取所述管理终端的第一标识信息以及所述目标护坡结构数据库的第二标识信息；其中，所述第一标识信息为多个英文字符组合而成，所述第二标识信息为多个英文字符与多个数字间隔组合而成；
对所述第一标识信息以及所述第二标识信息中的英文字符进行求交计算，得到交集字符；
获取标准矩阵；其中，所述标准矩阵中包括由多个英文字符组成的矩阵；
基于所述交集字符对所述标准矩阵进行变换，得到变换矩阵；
获取所述第二标识信息中间隔的多个数字，并按照预设矩阵构成规则将所述第二标识信息中间隔的多个数字构成一个数字矩阵；
将所述数字矩阵与所述变换矩阵相乘，得到结果矩阵；将所述结果矩阵中各个位置处的字符进行组合，得到组合字符，作为所述认证码。
在本实施例中，具体包括：
获取所述管理终端的第一标识信息以及所述目标护坡结构数据库的第二标识信息；其中，所述第一标识信息为多个英文字符组合而成，所述第二标识信息为多个英文字符与多个数字间隔组合而成；在这一步中，需要获取管理终端的第一标识信息和目标护坡结构数据库的第二标识信息。第一标识信息由多个英文字符组成，而第二标识信息由多个英文字符和多个数字间隔组合而成。
对所述第一标识信息以及所述第二标识信息中的英文字符进行求交计算，得到交集字符；在这一步中，对第一标识信息和第二标识信息中的英文字符进行交集计算，得到交集字符。这些交集字符将用于后续的计算。
获取标准矩阵；其中，所述标准矩阵中包括由多个英文字符组成的矩阵；
在这一步中，需要获取标准矩阵，这个矩阵中包括由多个英文字符组成。标准矩阵将作为后续计算的基础。
基于所述交集字符对所述标准矩阵进行变换，得到变换矩阵；利用之前得到的交集字符，对标准矩阵进行变换，得到变换矩阵。这个变换矩阵将用于后续的计算步骤。
获取所述第二标识信息中间隔的多个数字，并按照预设矩阵构成规则将所述第二标识信息中间隔的多个数字构成一个数字矩阵；在这一步中，从第二标识信息中间隔的多个数字中获取数字，并按照预设矩阵构成规则将这些数字构成一个数字矩阵。这个数字矩阵将用于后续的计算。
将所述数字矩阵与所述变换矩阵相乘，得到结果矩阵；将所述结果矩阵中各个位置处的字符进行组合，得到组合字符，作为所述认证码。最后，将数字矩阵与变换矩阵相乘，得到结果矩阵，然后将结果矩阵中各个位置处的字符进行组合，得到组合字符，作为最终的认证码。
在本实施例中，通过英文字符的求交计算，可以准确识别和提取两组标识信息之间的交集字符，确保了认证码的准确性和有效性。通过矩阵变换操作，提高了认证码的复杂度和安全性，增强了认证码的防伪和难以破解性。使用数字矩阵与变换矩阵相乘的方式，增加了数据处理的多样性和复杂性，提高了认证码的安全性和可靠性。
参照图2，本发明一实施例中还提供了一种基于图像处理的护坡结构变形检测系统，包括：
采集单元，用于基于图像采集设备采集护坡结构的护坡图像，提取所述护坡图像中的关键特征曲线；
获取单元，用于获取所述图像采集设备的设备参数以及图像采集方式，并提取所述护坡图像的图像参数；
确定单元，用于基于所述图像采集方式，在数据库中确定对应的修正检测模型；
修正单元，用于将所述设备参数以及图像参数融合之后输入至修正检测模型中，得到修正参数；基于所述修正参数对预存的标准特征曲线进行实时修正，得到修正特征曲线；其中，所述修正参数包括对标准特征曲线的修正位置以及修正值；
检测单元，用于将所述关键特征曲线与所述修正特征曲线进行对比，根据对比结果检测所述护坡结构是否发生变形。
在本实施例中，上述系统实施例中的各个单元的具体实现，请参照上述方法实施例中所述，在此不再进行赘述。
参照图3，本发明实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、显示屏、输入装置、网络接口和数据库。其中，该计算机设计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、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本实施例中对应的数据。该计算机设备的网络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上述方法。
本领域技术人员可以理解，图3中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备的限定。
本发明一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，计算机程序被处理器执行时实现上述方法。可以理解的是，本实施例中的计算机可读存储介质可以是易失性可读存储介质，也可以为非易失性可读存储介质。
综上所述，为本发明实施例中提供的基于图像处理的护坡结构变形检测方法和系统，包括：基于图像采集设备采集护坡结构的护坡图像，提取所述护坡图像中的关键特征曲线；获取所述图像采集设备的设备参数以及图像采集方式，并提取所述护坡图像的图像参数；基于所述图像采集方式，在数据库中确定对应的修正检测模型；将所述设备参数以及图像参数融合之后输入至修正检测模型中，得到修正参数；基于所述修正参数对预存的标准特征曲线进行实时修正，得到修正特征曲线；其中，所述修正参数包括对标准特征曲线的修正位置以及修正值；将所述关键特征曲线与所述修正特征曲线进行对比，根据对比结果检测所述护坡结构是否发生变形。本发明中，引入修正检测模型，结合设备参数和图像参数，对标准特征曲线进行实时修正，克服目前缺乏有效的修正机制所造成的检测不准确的缺陷。
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，本发明所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM通过多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双速据率SDRAM（SSRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink）DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于图像处理的护坡结构变形检测方法，其特征在于，包括以下步骤：
基于图像采集设备采集护坡结构的护坡图像，提取所述护坡图像中的关键特征曲线；
获取所述图像采集设备的设备参数以及图像采集方式，并提取所述护坡图像的图像参数；
基于所述图像采集方式，在数据库中确定对应的修正检测模型；
将所述设备参数以及图像参数融合之后输入至修正检测模型中，得到修正参数；基于所述修正参数对预存的标准特征曲线进行实时修正，得到修正特征曲线；其中，所述修正参数包括对标准特征曲线的修正位置以及修正值；
将所述关键特征曲线与所述修正特征曲线进行对比，根据对比结果检测所述护坡结构是否发生变形。
2.根据权利要求1所述的基于图像处理的护坡结构变形检测方法，其特征在于，所述提取所述护坡图像中的关键特征曲线的步骤，包括：
通过计算机视觉算法对所述护坡图像进行图像识别，识别所述护坡图像中的多个关键特征点；
获取所述关键特征点的多个排布规则；其中，所述排布规则包括对应连接的关键特征点以及各个关键特征点连接顺序；
基于所述排布规则对所述关键特征点进行连接并进行曲线模拟，得到对应的关键特征曲线。
3.根据权利要求2所述的基于图像处理的护坡结构变形检测方法，其特征在于，所述基于所述排布规则对所述关键特征点进行连接并进行曲线模拟，得到对应的关键特征曲线的步骤，包括：
针对各个排布规则，获取所述排布规则涉及的各个关键特征点，作为目标特征点；
按照所述排布规则中关键特征点的连接顺序，依次将目标特征点进行连线，得到连接曲线；
采用曲线模拟算法，按照预设的曲线模拟参数对所述连接曲线进行曲线模拟，将所述连接曲线转换为平滑曲线，得到所述关键特征曲线。
4.根据权利要求1所述的基于图像处理的护坡结构变形检测方法，其特征在于，所述采集护坡结构的护坡图像的步骤，包括：
确定需要拍摄的护坡结构的区域，确保摄影范围覆盖所述护坡结构的全部区域；
根据所述护坡结构的特点和拍摄需求，配置摄影参数；所述护坡结构的特点包括所述护坡结构的面积，拍摄角度；
基于所述摄影参数进行全景拍摄，以获取护坡结构的全景图像，作为护坡图像。
5.根据权利要求2所述的基于图像处理的护坡结构变形检测方法，其特征在于，所述获取所述关键特征点的多个排布规则的步骤，包括：
获取所述护坡结构的坐标信息；
根据所述坐标信息在管理终端中匹配对应所述坐标信息的目标护坡结构数据库；其中，管理终端中存储有坐标信息与护坡结构数据库的映射关系；
基于所述管理终端以及所述目标护坡结构数据库，生成一个认证码；
获取所述护坡图像的拍摄参数，将所述拍摄参数输入至标准化函数中进行标准化处理，得到标准拍摄参数；
将所述标准拍摄参数与所述认证码共同发送至管理终端，通过所述管理终端基于所述标准拍摄参数与所述认证码生成一个提取码；
基于所述提取码，在所述目标护坡结构数据库检索各个规则文件的文件标识，提取出文件标识与所述提取码一致的规则文件；其中所述规则文件中包括各个关键特征点的多个排布规则。
6.根据权利要求5所述的基于图像处理的护坡结构变形检测方法，其特征在于，所述基于所述管理终端以及所述目标护坡结构数据库，生成一个认证码的步骤，包括：
获取所述管理终端的标识信息以及所述目标护坡结构数据库的标识信息；其中，所述管理终端的标识信息中包括多个字符；
获取所述管理终端中存储的第一数组；其中，所述第一数组中包括多个依次排列且互不相同的字符；
在所述第一数组中删除与所述标识信息中相同的字符，得到第二数组；
依序为所述第二数组中的字符分配一个对应的数字，得到数字-字符映射表；
获取所述目标护坡结构数据库的标识信息中包括的数字的数量，根据所述数字的数量确定所述目标护坡结构数据库的标识信息的分割规则，基于所述分割规则将所述目标护坡结构数据库的标识信息分割为多个互不相同的数字；
将所述多个互不相同的数字按照其在目标护坡结构数据库的标识信息中的顺序，构成第三数组；
基于所述数字-字符映射表对所述第三数组中的各个数字进行映射，映射得到对应的第四数组；所述第四数组中包括各个数字分别映射的字符；
将所述第四数组中的字符依序拼接，得到的字符串作为所述认证码。
7.根据权利要求5所述的基于图像处理的护坡结构变形检测方法，其特征在于，所述基于所述管理终端以及所述目标护坡结构数据库，生成一个认证码的步骤，包括：
获取所述管理终端的第一标识信息以及所述目标护坡结构数据库的第二标识信息；其中，所述第一标识信息为多个英文字符组合而成，所述第二标识信息为多个英文字符与多个数字间隔组合而成；
对所述第一标识信息以及所述第二标识信息中的英文字符进行求交计算，得到交集字符；
获取标准矩阵；其中，所述标准矩阵中包括由多个英文字符组成的矩阵；
基于所述交集字符对所述标准矩阵进行变换，得到变换矩阵；
获取所述第二标识信息中间隔的多个数字，并按照预设矩阵构成规则将所述第二标识信息中间隔的多个数字构成一个数字矩阵；
将所述数字矩阵与所述变换矩阵相乘，得到结果矩阵；将所述结果矩阵中各个位置处的字符进行组合，得到组合字符，作为所述认证码。
8.一种基于图像处理的护坡结构变形检测系统，其特征在于，包括：
采集单元，用于基于图像采集设备采集护坡结构的护坡图像，提取所述护坡图像中的关键特征曲线；
获取单元，用于获取所述图像采集设备的设备参数以及图像采集方式，并提取所述护坡图像的图像参数；
确定单元，用于基于所述图像采集方式，在数据库中确定对应的修正检测模型；
修正单元，用于将所述设备参数以及图像参数融合之后输入至修正检测模型中，得到修正参数；基于所述修正参数对预存的标准特征曲线进行实时修正，得到修正特征曲线；其中，所述修正参数包括对标准特征曲线的修正位置以及修正值；
检测单元，用于将所述关键特征曲线与所述修正特征曲线进行对比，根据对比结果检测所述护坡结构是否发生变形。
9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，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7中任一项所述方法的步骤。
10.一种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权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410097107.6A CN117745713B (zh) | 2024-01-24 | 2024-01-24 | 基于图像处理的护坡结构变形检测方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410097107.6A CN117745713B (zh) | 2024-01-24 | 2024-01-24 | 基于图像处理的护坡结构变形检测方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117745713A true CN117745713A (zh) | 2024-03-22 |
| CN117745713B CN117745713B (zh) | 2024-07-23 |
Family
ID=90257677
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410097107.6A Active CN117745713B (zh) | 2024-01-24 | 2024-01-24 | 基于图像处理的护坡结构变形检测方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117745713B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118230255A (zh) * | 2024-05-23 | 2024-06-21 | 广东省建筑工程监理有限公司 | 基于倾斜摄影和inSAR的基坑周边建筑物变形预警方法 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003283849A (ja) * | 2002-01-17 | 2003-10-03 | Fuji Photo Film Co Ltd | 赤目検出および修正方法 |
| CN1674637A (zh) * | 2001-01-17 | 2005-09-28 | 精工爱普生株式会社 | 图像处理装置和方法 |
| US20110187904A1 (en) * | 2010-02-01 | 2011-08-04 | Digital Imaging Systems Gmbh | Aperture shading correction |
| KR101959831B1 (ko) * | 2017-09-26 | 2019-03-19 | 아주대학교산학협력단 | 이미지 인식 처리 장치 및 방법 |
| CN110009610A (zh) * | 2019-03-27 | 2019-07-12 | 仲恺农业工程学院 | 一种水库大坝护坡表面损伤视觉检测方法及仿生装置 |
| CN113240644A (zh) * | 2021-05-17 | 2021-08-10 | 青岛信芯微电子科技股份有限公司 | 高动态范围图像的显示处理方法及相关装置 |
| CN115147401A (zh) * | 2022-08-02 | 2022-10-04 | 中国水利水电科学研究院 | 一种基于数字图像处理的土石坝坝料合格性智能检测方法 |
| CN116258829A (zh) * | 2023-05-15 | 2023-06-13 | 深圳市中科云科技开发有限公司 | 构建地图的方法、装置和视觉机器人 |
| CN116468729A (zh) * | 2023-06-20 | 2023-07-21 | 南昌江铃华翔汽车零部件有限公司 | 一种汽车底盘异物检测方法、系统及计算机 |
| CN116541228A (zh) * | 2023-07-06 | 2023-08-04 | 深圳市彤兴电子有限公司 | 显示器的触控响应检测方法、装置以及计算机设备 |
| CN116774904A (zh) * | 2023-06-21 | 2023-09-19 | 浙江中控技术股份有限公司 | 修正数据曲线的方法及装置、非易失性存储介质 |
| CN116977190A (zh) * | 2022-04-15 | 2023-10-31 | 腾讯科技（深圳）有限公司 | 图像处理方法、装置、设备、存储介质及程序产品 |
| CN117423299A (zh) * | 2023-12-19 | 2024-01-19 | 深圳市康凌源科技有限公司 | 液晶显示屏的性能检测方法、装置、设备及存储介质 |
-
2024
- 2024-01-24 CN CN202410097107.6A patent/CN117745713B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1674637A (zh) * | 2001-01-17 | 2005-09-28 | 精工爱普生株式会社 | 图像处理装置和方法 |
| JP2003283849A (ja) * | 2002-01-17 | 2003-10-03 | Fuji Photo Film Co Ltd | 赤目検出および修正方法 |
| US20110187904A1 (en) * | 2010-02-01 | 2011-08-04 | Digital Imaging Systems Gmbh | Aperture shading correction |
| KR101959831B1 (ko) * | 2017-09-26 | 2019-03-19 | 아주대학교산학협력단 | 이미지 인식 처리 장치 및 방법 |
| CN110009610A (zh) * | 2019-03-27 | 2019-07-12 | 仲恺农业工程学院 | 一种水库大坝护坡表面损伤视觉检测方法及仿生装置 |
| CN113240644A (zh) * | 2021-05-17 | 2021-08-10 | 青岛信芯微电子科技股份有限公司 | 高动态范围图像的显示处理方法及相关装置 |
| CN116977190A (zh) * | 2022-04-15 | 2023-10-31 | 腾讯科技（深圳）有限公司 | 图像处理方法、装置、设备、存储介质及程序产品 |
| CN115147401A (zh) * | 2022-08-02 | 2022-10-04 | 中国水利水电科学研究院 | 一种基于数字图像处理的土石坝坝料合格性智能检测方法 |
| CN116258829A (zh) * | 2023-05-15 | 2023-06-13 | 深圳市中科云科技开发有限公司 | 构建地图的方法、装置和视觉机器人 |
| CN116468729A (zh) * | 2023-06-20 | 2023-07-21 | 南昌江铃华翔汽车零部件有限公司 | 一种汽车底盘异物检测方法、系统及计算机 |
| CN116774904A (zh) * | 2023-06-21 | 2023-09-19 | 浙江中控技术股份有限公司 | 修正数据曲线的方法及装置、非易失性存储介质 |
| CN116541228A (zh) * | 2023-07-06 | 2023-08-04 | 深圳市彤兴电子有限公司 | 显示器的触控响应检测方法、装置以及计算机设备 |
| CN117423299A (zh) * | 2023-12-19 | 2024-01-19 | 深圳市康凌源科技有限公司 | 液晶显示屏的性能检测方法、装置、设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 麦青群: "基于已加工表面修正模型和图...技术的刀头磨损刃形在线监测", 《中国博士学位论文全文数据库 工程科技Ⅰ辑》，2018年第6期, 30 June 2018 (2018-06-30), pages 022 - 96 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118230255A (zh) * | 2024-05-23 | 2024-06-21 | 广东省建筑工程监理有限公司 | 基于倾斜摄影和inSAR的基坑周边建筑物变形预警方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117745713B (zh) | 2024-07-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6452186B2 (ja) | 複数の写真の一致性に基づく保険賠償詐欺防止方法、システム、装置及び読み取り可能な記録媒体 | |
| US11551341B2 (en) | Method and device for automatically drawing structural cracks and precisely measuring widths thereof | |
| KR102037893B1 (ko) | 디지털 외관조사망도 구축 시스템 및 방법 | |
| CN117745713B (zh) | 基于图像处理的护坡结构变形检测方法和系统 | |
| CN111814740B (zh) | 指针仪表读数的识别方法、装置、计算机设备和存储介质 | |
| CN113628261B (zh) | 一种电力巡检场景下的红外与可见光图像配准方法 | |
| CN112966665A (zh) | 路面病害检测模型训练方法、装置和计算机设备 | |
| CN114596290B (zh) | 缺陷检测方法及其装置、存储介质、程序产品 | |
| CN112818821B (zh) | 基于可见光和红外光的人脸采集源检测方法和装置 | |
| CN107341824B (zh) | 一种图像配准的综合评价指标生成方法 | |
| CN112179294A (zh) | 一种土地校对方法、装置以及系统 | |
| Wang | Automatic extraction of building outline from high resolution aerial imagery | |
| CN116152219A (zh) | 混凝土构件损伤检测与评估方法及其系统 | |
| CN118224978A (zh) | 建筑预制构件三维图像测量系统、方法及相关组件 | |
| CN109190489A (zh) | 一种基于修复自动编码器残差的异常人脸检测方法 | |
| CN116309418A (zh) | 桥梁悬臂施工主梁变形的智能监测方法及装置 | |
| CN115272952A (zh) | 新能源基建的安全监控方法、装置、系统和存储介质 | |
| JP6175904B2 (ja) | 照合対象抽出システム、照合対象抽出方法、照合対象抽出プログラム | |
| CN112964192A (zh) | 一种基于图像视频的工程测量在线标定方法及系统 | |
| CN113077513B (zh) | 视觉定位方法、装置和计算机设备 | |
| KR102713557B1 (ko) | 스캐너를 이용한 건축구조물 외관조사망도의 입력 자동화 시스템 및 그 방법 | |
| KR102541678B1 (ko) | 무인 비행체를 이용한 깊이 맵 기반의 디지털 외관 조사망도 구축 및 구조물 물량 산출 장치 및 방법 | |
| CN117726239B (zh) | 工程质量验收实测实量方法及系统 | |
| KR102664936B1 (ko) | 이미지 기반의 구조물 건전성 평가 방법 및 구조물 건전성 평가 프로그램 | |
| CN117935097B (zh) | 一种基于无人机壁面爬行的建筑物表面分析方法及系统 |
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 |