CN117857925A - 基于igv的砼预制构件图像采集方法及相关设备 - Google Patents
基于igv的砼预制构件图像采集方法及相关设备 Download PDFInfo
- Publication number
- CN117857925A CN117857925A CN202410264671.2A CN202410264671A CN117857925A CN 117857925 A CN117857925 A CN 117857925A CN 202410264671 A CN202410264671 A CN 202410264671A CN 117857925 A CN117857925 A CN 117857925A
- Authority
- CN
- China
- Prior art keywords
- image acquisition
- concrete prefabricated
- image
- prefabricated part
- position information
- 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
- 239000004567 concrete Substances 0.000 title claims abstract description 358
- 238000000034 method Methods 0.000 title claims abstract description 73
- 230000008569 process Effects 0.000 claims description 25
- 238000005507 spraying Methods 0.000 claims description 25
- 238000012544 monitoring process Methods 0.000 claims description 15
- 238000013507 mapping Methods 0.000 claims description 14
- 239000007921 spray Substances 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 5
- 230000000875 corresponding effect Effects 0.000 description 82
- 238000007689 inspection Methods 0.000 description 49
- 230000000694 effects Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 16
- 238000004891 communication Methods 0.000 description 11
- 230000007613 environmental effect Effects 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 4
- XDDAORKBJWWYJS-UHFFFAOYSA-N glyphosate Chemical compound OC(=O)CNCP(O)(O)=O XDDAORKBJWWYJS-UHFFFAOYSA-N 0.000 description 4
- 238000012806 monitoring device Methods 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000005336 cracking Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 2
- 239000011178 precast concrete Substances 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000009736 wetting Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 229910001294 Reinforcing steel Inorganic materials 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000007605 air drying Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本申请公开了一种基于IGV的砼预制构件图像采集方法及相关设备。本申请通过在接收到图像采集任务指令后，确定图像采集指令对应的目标砼预制构件，并确定目标砼预制构件的位置信息，其中，位置信息包括目标砼预制构件在预设场地中的绝对位置信息和目标砼预制构件与相邻的砼预制构件之间的相对位置信息；根据绝对位置信息和相对位置信息，确定得到图像采集路线和图像采集点位；根据图像采集路线和图像采集点位，选择图像采集方式，并根据图像采集方式，生成图像采集任务集；将图像采集任务集发送至图像采集装置，以供图像采集装置采集多张图像，并将多张图像进行整合处理，得到目标砼预制构件的全景图像，从而保证监控到砼预制构件的全部表面。
Description
技术领域
本申请涉及图像采集技术领域，尤其涉及一种基于IGV的砼预制构件图像采集方法及相关设备。
背景技术
砼预制构件在交通、铁路、市政和建筑工程中广泛应用，砼预制构件的质量影响着各项建筑工程的安全性，其中，砼预制构件的喷淋养生是砼质量控制的重要环节，通过喷淋养生保证砼表面湿润，以保证其能够进行充分的水化作用，如果养生不到位会造成砼强度不足、开裂等质量缺陷。
为了保证及时对砼预制构件进行喷淋养生，会设置固定点位的监控装置和喷淋装置，并通过该监控装置对固定监控角度内的砼预制构件的表面进行湿度监控，在监控结果达到相应阈值后，控制喷淋装置进行喷淋养护。
但是此类方法的应用局限性较大，无法直接通过监控装置采集到复杂结构的砼预制构件的表面图像，同时，监控装置的拍摄角度存在限制，无法将体积较大的砼预制构件的全部待养生表面的图像采集到，因此，导致无法实时监控到砼预制构件的全部表面的表面湿度。
发明内容
本申请的主要目的在于提供一种基于IGV的砼预制构件图像采集方法及相关设备，旨在解决现有技术中无法实时监控到砼预制构件的全部表面的表面湿度的技术问题。
为实现上述目的，本申请提供一种基于IGV的砼预制构件图像采集方法，应用于喷淋养生系统中的控制端，所述喷淋养生系统包括所述控制端、图像采集装置和喷淋设备，所述控制端和所述图像采集装置之间通信交互，所述控制端和所述喷淋设备之间通信交互所述基于IGV的砼预制构件图像采集方法包括以下步骤：
在接收到图像采集任务指令后，确定所述图像采集指令对应的目标砼预制构件，并确定所述目标砼预制构件的位置信息，其中，所述位置信息包括所述目标砼预制构件在预设场地中的绝对位置信息和所述目标砼预制构件与相邻的砼预制构件之间的相对位置信息；
根据所述绝对位置信息和所述相对位置信息，确定得到图像采集路线和图像采集点位；
根据所述图像采集路线和所述图像采集点位，选择图像采集方式，并根据所述图像采集方式，生成图像采集任务集；
将所述图像采集任务集发送至图像采集装置，以供所述图像采集装置采集多张图像，并将所述多张图像进行整合处理，得到所述目标砼预制构件的全景图像。
可选地，所述根据所述图像采集方式，生成图像采集任务集的步骤，包括以下任一项：
若所述图像采集方式为顺序采集方式，则根据所述相对位置信息和预设图像采集参数，生成在不同图像采集点位上的子任务，并按照所述图像采集路线的图像采集先后顺序，排列所述子任务，得到图像采集任务集，其中，所述顺序采集方式为按照所述图像采集路线依次行驶至不同的图像采集点位采集一组图像的采集方式；
若所述图像采集方式为冗余采集方式，则根据所述相对位置信息、所述目标砼预制构件的结构特征和预设图像采集参数，生成在不同图像采集点位上的子任务，得到图像采集任务集，其中，所述冗余采集方式为在同一图像采集点位处冗余采集多组图像的采集方式。
可选地，所述若所述图像采集方式为顺序采集方式，则根据所述相对位置信息和预设图像采集参数，生成在不同图像采集点位上的子任务，并按照所述图像采集路线的图像采集先后顺序，排列所述子任务，得到图像采集任务集的步骤，包括：
若所述图像采集方式为顺序采集方式，则将所述目标砼预制构件的待采集图像表面划分为多个待采集图像子区域；
确定所述待采集图像子区域和所述图像采集点位之间的相对位置信息，并根据所述相对位置信息，自适应调整预设图像采集参数；
根据调整后的预设图像采集参数和所述相对位置信息，生成所述图像采集装置在不同图像采集点位处的多项图像采集内容的子任务，并按照所述图像采集路线的图像采集先后顺序，排列所述子任务，得到图像采集任务集。
可选地，所述若所述图像采集方式为冗余采集方式，则根据所述相对位置信息、所述目标砼预制构件的结构特征和预设图像采集参数，生成在不同图像采集点位上的子任务，得到图像采集任务集的步骤，包括：
若所述图像采集方式为冗余采集方式，则根据所述目标砼预制构件的结构特征，确定所述目标砼预制构件中所需多次重复采样的位置点；
若所述位置点和所述图像采集点位之间位置偏差大于预设偏差值，则根据所述位置点，反向更新所述图像采集路线和所述图像采集点位，直至所述位置点和所述图像采集点位之间位置偏差小于等于预设偏差值；
根据所述相对位置信息、所述目标砼预制构件的结构特征和预设图像采集参数，生成在不同图像采集点位上的子任务，得到图像采集任务集。
可选地，所述根据所述绝对位置信息和所述相对位置信息，确定得到图像采集路线和图像采集点位的步骤，包括：
获取图像采集装置在预设场地中的装置位置信息；
根据所述装置位置信息和所述绝对位置信息，确定所述图像采集装置所需行驶最短距离的行进路线；
根据所述行进路线和所述相对位置信息，确定所述图像采集装置行驶过程中的左侧边缘路线和右侧边缘路线；
根据所述装置位置信息，在所述左侧边缘路线和所述右侧边缘路线之间，实时更新所述图像采集路线和图像采集点位；
其中，所述图像采集路线为所述左侧边缘路线和所述右侧边缘路线之间的任一行驶路线，所述图像采集路线会根据所述图像采集装置行驶过程中产生的行驶变动而产生自适应变化，所述图像采集路线和所述图像采集点位存在映射关系。
可选地，所述根据所述全景图像，对所述目标砼预制构件的表面湿度进行监控的步骤，包括：
根据所述全景图像，通过预设的湿度预测模型，预测所述目标砼预制构件的湿度值，其中，所述预设的湿度预测模型是根据所述目标砼预制构件的图像灰度样本和所述图像灰度样本对应的样本湿度标签构建得到的；
若所述湿度值小于预设湿度阈值，则发送控制指令至喷淋设备，以控制所述喷淋设备对所述目标砼预制构件进行喷淋养护。
可选地，所述全景图像包括所述目标砼预制构件的结构特征信息和图像采集时间信息；
所述根据所述全景图像，通过预设的湿度预测模型，预测所述目标砼预制构件的湿度值的步骤，包括：
根据所述结构特征信息和所述图像采集时间信息，确定对所述目标砼预制构件进行表面湿度分析时所需的灰度补偿权重；
根据所述灰度补偿权重，通过预设的湿度预测模型，预测所述目标砼预制构件的表面湿度。
此外，为实现上述目的，本申请还提供一种基于IGV的砼预制构件图像采集装置，所述基于IGV的砼预制构件图像采集装置包括：
确定模块，用于在接收到图像采集任务指令后，确定所述图像采集指令对应的目标砼预制构件，并确定所述目标砼预制构件的位置信息；
生成模块，用于根据所述位置信息，选择图像采集方式，并根据所述图像采集方式，生成图像采集任务集；
处理模块，用于将所述图像采集任务集发送至图像采集装置，以供所述图像采集装置采集多张图像，并将所述多张图像进行整合处理，得到所述目标砼预制构件的全景图像。
此外，为实现上述目的，本申请还提供一种基于IGV的砼预制构件图像采集设备，所述基于IGV的砼预制构件图像采集设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于IGV的砼预制构件图像采集程序，所述基于IGV的砼预制构件图像采集程序配置为实现如上所述的基于IGV的砼预制构件图像采集方法的步骤。
此外，为实现上述目的，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有基于IGV的砼预制构件图像采集程序，所述基于IGV的砼预制构件图像采集程序被处理器执行时实现如上所述的基于IGV的砼预制构件图像采集方法的步骤。
本申请通过在接收到图像采集任务指令后，确定所述图像采集指令对应的目标砼预制构件，并确定所述目标砼预制构件的位置信息，其中，所述位置信息包括所述目标砼预制构件在预设场地中的绝对位置信息和所述目标砼预制构件与相邻的砼预制构件之间的相对位置信息；根据所述绝对位置信息和所述相对位置信息，确定得到图像采集路线和图像采集点位；根据所述图像采集路线和所述图像采集点位，选择图像采集方式，并根据所述图像采集方式，生成图像采集任务集；将所述图像采集任务集发送至图像采集装置，以供所述图像采集装置采集多张图像，并将所述多张图像进行整合处理，得到所述目标砼预制构件的全景图像，即通过根据目标砼预制构件的所在位置规划相应的图像采集路线和图像采集点位，从而实现采集目标砼预制构件的多张图像的效果，并最终整合得到全景图像，以实现对目标砼预制构件的全部表面图像进行监控的效果。
附图说明
图1为本申请基于IGV的砼预制构件图像采集方法第一实施例的流程示意图；
图2为本申请实施例中云台工业相机的视野范围示意图；
图3为本申请实施例中预制构件的图像采集效果的几何示意图；
图4为本申请基于IGV的砼预制构件图像采集方法第二实施例的流程示意图；
图5为本申请实施例中道路节点图的示例图；
图6为本申请基于IGV的砼预制构件图像采集方法第三实施例的流程示意图；
图7为本申请实施例中湿度预测模型的结构示意图；
图8为本申请基于IGV的砼预制构件图像采集装置一实施例的结构框图；
图9为本申请实施例方案涉及的硬件运行环境的设备结构示意图。
本申请目的的实现、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
应当理解，此处所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。
参照图1，图1为本申请基于IGV的砼预制构件图像采集方法第一实施例的流程示意图。
在第一实施例中，所述基于IGV的砼预制构件图像采集方法包括以下步骤：
S10，在接收到图像采集任务指令后，确定所述图像采集指令对应的目标砼预制构件，并确定所述目标砼预制构件的位置信息，其中，所述位置信息包括所述目标砼预制构件在预设场地中的绝对位置信息和所述目标砼预制构件与相邻的砼预制构件之间的相对位置信息；
需要先说明的是，目前土木工程普遍采用大型砼预制构件场（预设场地），一般来讲，场地内有30-50个台座，占地超过200米*300米，在台座上放置需要喷淋养生的砼预制构件，该砼预制构件可指的是混凝土和/或钢筋加工得到的构件，例如，拼装式房屋的建筑构件、分层浇筑得到的墙板或其他建筑用构件，此类构件需要持续多日的养生，以保证该砼预制构件的表面湿度和内部温度等参数，从而保证该砼预制构件的质量，避免其因为在凝结风干过程中产生表面开裂或内部应力过大等情况。
可理解的是，图像采集任务指令指的是用户发起的或者是主控端定时发起的指令内容，通过该指令会可由主控端先规划相应的图像采集路线，并在该图像采集路线中设置相应的任务集，并将该任务集发送至执行设备（在本实施例中，该执行设备指的是图像采集装置），以供该图像采集装置按照该任务采集相应的目标砼预制构件的图像信息。
其中，该图像采集任务指令包括采集目标、采集内容和相应的采集参数等，该采集参数包括采集角度、采集时间、采集次数、采集频率等。
因此，在本实施例中，接收到该图像采集任务指令后，需要根据该指令中所涉及的目标砼预制构件，并确定出该目标砼预制构件的位置信息，其中，该位置信息包括所述目标砼预制构件在预设场地中的绝对位置信息和所述目标砼预制构件与相邻的砼预制构件之间的相对位置信息，即一方面锁定该目标砼预制构件具体位置，另一方面确定出该目标砼预制构件和其他砼预制构件之间的相对位置信息，保证生成可执行采集任务的图像采集路线和图像采集点位。
其中，以预设场地建立相应的空间坐标系，划分出10*10的坐标系，该绝对位置信息可指的是的在该空间坐标系中所在点位的信息，例如，（1，5）等。
其中，该相对位置信息具体指的是多个砼预制构件和目标砼预制构件之间的相对距离，例如，构件A为目标砼预制构件，构件A和构件B之间相邻，且间距为1m，构件A还和构件C之间相邻，其间距为2m等。
S20，根据所述绝对位置信息和所述相对位置信息，确定得到图像采集路线和图像采集点位；
可理解的是，根据该绝对位置信息和相对位置信息即可规划出图像采集路线和图像采集点位，具体的，包括图像采集装置所需行驶到目标砼预制构件处的行驶路线，该行驶路线应仅为到达该目标砼预制构件所在位置处的路线规划，并进一步地规划在该目标砼预制构件处，图像采集装置所需围绕该目标砼预制构件的图像采集路线，该路线可为围绕该目标砼预制构件行驶一周。
可理解的是，在图像采集点位为用于采集目标砼预制构件全部图像信息的点位，该点位应和图像采集路线存在映射关系，该点位应落于该路线之上。
S30，根据所述图像采集路线和所述图像采集点位，选择图像采集方式，并根据所述图像采集方式，生成图像采集任务集；
可理解的是，图像采集路线和图像采集点位确定好后，需要对应选择图像采集方式，并根据该图像采集方式，配合图像采集路线和图像采集点位，生成图像采集任务集。
可理解的是，砼预制构件通常为较大体积或结构复杂的构件，图像采集装置配置的摄像机或云台相机等设备可能无法通过一次拍摄，将目标砼预制构件的表面图像采集完全，因此，需要多次采集图像，但是在该多次采集图像过程中，还应配置不同的图像采集方式，该图像采集方式具体对应结构特征不同的目标砼预制构件，具体的，目标砼预制构件的结构简单时，选择顺序采集方式，目标砼预制构件的结构复杂时，选择冗余采集方式。
其中，该顺序采集方式具体指的是按照图像采集路线依次行驶至不同的图像采集点位保持固定图像采集参数拍摄即可。
其中，该冗余采集方式具体指的是需要结合目标砼预制构件的复杂结构情况，在不同图像采集点位处，采用多套图像采集参数，在同一图像采集点位处冗余采集多套图像的采集方式。
具体的，所述根据所述图像采集方式，生成图像采集任务集的步骤，包括以下任一项：
方式一：若所述图像采集方式为顺序采集方式，则根据所述相对位置信息和预设图像采集参数，生成在不同图像采集点位上的子任务，并按照所述图像采集路线的图像采集先后顺序，排列所述子任务，得到图像采集任务集，其中，所述顺序采集方式为按照所述图像采集路线依次行驶至不同的图像采集点位采集一组图像的采集方式；
需要说明的是，在方式一中，主要根据图像采集路线和图像采集点位，在每一个点位处，对应生成一个子任务，并将各子任务，按照图像采集路线的行驶方向，将各子任务进行顺序排列，从而得到相应的图像采集任务集，其中，需要强调的是，该顺序采集方式仅适用于结构简单的砼预制构件，例如，长版型的砼预制构件，可将该砼预制构件表面划分出多个区域，每个区域对应一个图像采集点位，图像采集装置行驶至该点位后，可直接对砼预制构建采集图像即可。
方式二：若所述图像采集方式为冗余采集方式，则根据所述相对位置信息、所述目标砼预制构件的结构特征和预设图像采集参数，生成在不同图像采集点位上的子任务，得到图像采集任务集，其中，所述冗余采集方式为在同一图像采集点位处冗余采集多组图像的采集方式。
需要说明的是，在方式二中，主要根据目标砼预制构件的施加结构特征，选择相应的图像采集路线和图像采集点位，即针对复杂结构（例如，存在前后遮挡或弧面结构的构件，图像采集装置每次拍摄图像时，仅能采集到部分表面，而无法涉及到全部表面，此时，需要通过冗余采集方式），在同一个图像采集点位处采集多组图像，并在采集多组图像过程中，不断切换采集图像的参数，例如，调整云台相机的拍摄高度、调整云台相机和砼预制构件之间的相对角度等方式。
其中，方式一和方式二中的预设图像采集参数均包括相同参数，但是在方式一中，预设图像采集参数针对同一点位时，该参数为固定值，在方式二中，预设图像采集参数针对同一点位时，该参数为变化值。
其中，针对方式一，具体步骤包括，若所述图像采集方式为顺序采集方式，则将所述目标砼预制构件的待采集图像表面划分为多个待采集图像子区域；确定所述待采集图像子区域和所述图像采集点位之间的相对位置信息，并根据所述相对位置信息，自适应调整预设图像采集参数；根据调整后的预设图像采集参数和所述相对位置信息，生成所述图像采集装置在不同图像采集点位处的多项图像采集内容的子任务，并按照所述图像采集路线的图像采集先后顺序，排列所述子任务，得到图像采集任务集。
可理解的是，待采集图像子区域指的是图像采集装置每次采集到的画面的最大区域，即该图像采集装置所能拍摄到的最大画面。
可理解的是，在目标砼预制构件较大的情况下，待采集图像子区域需要保证足够大，方能降低采集任务的数量，但是，为了保证子区域足够大，需要控制图像采集装置和目标砼预制构件之间的距离足够远，但是实际应用场景中，存在相邻摆放的砼预制构件的数量多，相对位置信息对应的相邻距离较短，此时该相邻距离会限制图像采集装置的行驶路线，因此，可适应性地调整预设图像采集参数，控制相机降低拍摄画面的焦距，扩大拍摄画面的广度，并控制图像采集装置的拍摄角度，例如，以前可垂直拍摄，此时可适应性的侧边拍摄，增大拍摄画面中的所涉及的砼预制构件的表面大小。
需要说明的是，自适应调整图像采集参数的目的主要在于调整在每一个点位处能够拍摄到的画面的足够清晰，且画面涉及到的构件表面面积足够大。
其中，针对方式二，具体步骤包括，若所述图像采集方式为冗余采集方式，则根据所述目标砼预制构件的结构特征，确定所述目标砼预制构件中所需多次重复采样的位置点；若所述位置点和所述图像采集点位之间位置偏差大于预设偏差值，则根据所述位置点，反向更新所述图像采集路线和所述图像采集点位，直至所述位置点和所述图像采集点位之间位置偏差小于等于预设偏差值；根据所述相对位置信息、所述目标砼预制构件的结构特征和预设图像采集参数，生成在不同图像采集点位上的子任务，得到图像采集任务集。
可理解的是，由于目标砼预制构件的结构复杂度高时，其结构特征复杂，在部分图像采集点位处无法通过旋转云台相机，达到拍摄到完整画面的效果，因此，在本实施例中，针对结构复杂的砼预制构件制定出合适的图像采集路线和图像采集点位后，需要进一步实时验证其拍摄效果是否可行，可先根据相应的结构特征，预测最佳多次重复采样的位置点，若该位置点和图像采集点位重合或两者偏差小于预设偏差值，即可确定当前可通过调整图像采集装置的图像采集参数的方式，保证该装置采集到完整的图像信息，若大于预设偏差值，则需要重新选择合适的路线和点位。
即在方式二中，需要根据目标砼预制构件的结构特征，对图像采集路线和图像采集点位进一步优化更新，保证重复采样时能够将目标砼预制构件的全部表面的图像采集完整。
S40，将所述图像采集任务集发送至图像采集装置，以供所述图像采集装置采集多张图像，并将所述多张图像进行整合处理，得到所述目标砼预制构件的全景图像。
可理解的是，图像采集装置在采集得到多张图像，并整合处理得到全景图像时，需要根据不同的砼预制构件的形状，采取不同的采样方式，具体需要针对不同的砼预制构件的不同形状，采集不同数量砼预制构件表面的图像信息，其中，可先建立起不同形状砼预制构件和不同图像信息的采集方案之间的映射关系，并根据该映射关系，控制该图像采集装置执行采集动作，以保证图像采集装置能够采集完整的全景图像。
可理解的是，采集到多张图像还需要将多张图像进行整合，以此得到全景图像信息，整合过程包括将不同图像信息进行拼接，例如，在图像采集装置采集相应图像时，以顺序采样方式为例，会将砼预制构件表面按照网格划分，并划分出多个待采集图像的子区域，相邻的子区域之间均会重叠部分区域，因此，在采集到相应图像后，可将相邻子区域对应的图像按照重叠部分进行拼接，将重叠部分仅保留一份即可。
此外，还可在图像采集装置上设置相应的触发逻辑，将不同形状砼预制构件和不同图像信息的采集方案之间的映射关系存储至该图像采集装置上，并由图像采集装置在采集图像信息之前，先通过图像采集装置上搭载的云台工业相机，确定对砼预制构件在实际场景中所表现出来的结构特征，根据该结构特征，选择合适的采集方案，其中，在选择采集方案过程中，可能由于并未将全部的映射关系预存储，此时可将当前的结构特征与预存的映射关系中的砼预制构件的形状进行匹配，并选择匹配相似度最高的三种（还可为其他数量，至少为两种）形状砼预制构件所对应的三种采集方案，根据该三种采集方案，生成应对当前的采集方案，其中，在生成新的采集方案主要依据采集方案在当前结构特征上的适应性，将三种采集方案截取、变异或组合的方式，生成新的方案，并迭代几次后，生成最终可使用的采集方案（该采集方案需要存储至该图像采集装置中）。
具体的，根据砼预制台座间距、工业相机镜头规格，确定工业相机每次对砼预制构件采集图像的几何尺寸，据此对砼预制构件进行划分形成有限单元模型，确定每个图像采集任务对应的镜头位置和构件尺寸，形成了砼构件图像采集的任务集。
①根据工业相机镜头规格以及物距确定工业相机的视野范围h，如图2所示：
；
其中h为视野对角线长度，为物距（相机距离预制构件的直线距离）。
②根据工业相机视野范围大小，考虑像片重叠度d（以像片重叠部分的长度与像幅长度之比的百分数表示）为30~40%，进行取整后确定预制构件进行图像采集的单元划分，M=ROUNDUP（W/(h*(1-d)），N=ROUNDUP（/>H/(h*(1-d)）；
其中，W为预制构件宽度，H为预制构件高度，M为构件高度方向单元划分数量，N为构件宽度方向单元划分数量，ROUNDUP为是向上取整舍入函数；
其中，W为预制构件宽度，H为预制构件高度，M为构件高度方向单元划分数量，N为构件宽度方向单元划分数量，ROUNDUP为是向上取整舍入函数。
③采用FEM（Finite Element Method）网格建模方法将预制构件建立网格模型，如图3所示，构建图像采集任务；
其中，需要说明的是，图像采集任务指的是工业相机所需采集的砼预制构件的任务，在该任务中，工业相机的图像采集位置可根据砼预制构件的结构形状，自适应调整其所需采集图像的具体位置和图像采集时的拍摄角度，具体可参照图3中的相机位置，每一个相机位置均对应一个图像采集任务，采集砼预制构件的图像信息，每一个相机位置对应一个网格对象的图像信息。
其中，根据施工图纸对预制构件进行面模型建模，进行单元划分（M*N），形成mesh网格模型，每个网格单元为曲面凸多边形。
每个图像采集任务包括：工业相机位置D（x，y，z）和预制构件某个mesh网格的信息，包括该网格凸多边形的节点A1, A2, ..., An（其中n表示多边形的边数）、中心点d（xd，yd，zd），以及
xd = (A1x + A2x + ... + Anx)/n,yd = (A1y + A2y + ... + Any)/n,Zd=(A1z+ A2z + ... + Anz)/n；
其中，第i个顶点的坐标为（Aix，Aiy，Aiz）。
③自动控制云台姿态采集图像。
对于每个图像采集任务，图像采集装置的空间位置与设计位置存在一定偏差，需要利用高精度RTK（厘米级）确定工业相机的空间坐标位置，并根据每个图像采集任务的构件范围空间坐标，解算云台相加的空间姿态参数，控制云台相机采集目标图像。
以椭球中心O点为原点，起始子午面与赤道面交线为X轴赤道面上与X轴正交的方向为Y轴，旋转轴为Z轴，构成右手坐标系。根据工业相机和的中心点的空间位置解算云台姿态参数。
对于大型预制构件，采用扫描方式获取的图像数据集合以后，需要融合为一张整体的高清图像，以便进行图像灰度分析。由于扫描过程中相机的实际空间位置与设计空间位置会存在一定偏差，难以直接进行图像拼接，本发明专利采用NeRF（Neural RadianceFields）技术构建整体高清图像。在每个图像采集任务点，相机会对准预制构件图像采集对象网格单元的中心点d（xd，yd，zd）采集图像，然后再将相机镜头轴线分别向左和向右偏转30度采集图像，最终实现对预制构件的每个网格单元采集多个角度的图像。
本实施例通过在接收到图像采集任务指令后，确定所述图像采集指令对应的目标砼预制构件，并确定所述目标砼预制构件的位置信息，其中，所述位置信息包括所述目标砼预制构件在预设场地中的绝对位置信息和所述目标砼预制构件与相邻的砼预制构件之间的相对位置信息；根据所述绝对位置信息和所述相对位置信息，确定得到图像采集路线和图像采集点位；根据所述图像采集路线和所述图像采集点位，选择图像采集方式，并根据所述图像采集方式，生成图像采集任务集；将所述图像采集任务集发送至图像采集装置，以供所述图像采集装置采集多张图像，并将所述多张图像进行整合处理，得到所述目标砼预制构件的全景图像，即通过根据目标砼预制构件的所在位置规划相应的图像采集路线和图像采集点位，从而实现采集目标砼预制构件的多张图像的效果，并最终整合得到全景图像，以实现对目标砼预制构件的全部表面图像进行监控的效果。
如图4所示，基于第一实施例提出本申请监控异常排查方法第二实施例，本实施例中，步骤S20具体包括：
S21，获取图像采集装置在预设场地中的装置位置信息；
可理解的是，图像采集装置响应相应控制指令的自动化图像采集装置，其具体为搭载有图像采集模块，且可移动的用于执行图像采集任务集相关指令的装置，该图像采集装置上可根据需要选用图像采集模块，例如，搭载云台工业相机，通过该图像采集模块不断在预设场地中不断行进，可在不同位置上，采集到不同砼预制构件的实际图像信息。
具体的，在该图像采集装置接收到相应指令后，即会按照指令中所规划的图像采集路线，行驶至各点位，并执行图像采集任务，采集目标砼预制构件的各个图像。
其中，该预设场地即指的是砼预制构件场。
需要说明的是，在本实施例中，该图像采集装置主要指的是依托IGV（IntelligentGuided Vehicle，智慧型引导运输车）的相关技术构建得到的搭载有图像采集模块的可移动装置（该可移动装置包括智慧型引导运输车和其他可移动设备），实现自动行驶至目标砼预制构件，并通过其上搭载的图像采集模块采集目标砼预制构件相应图像的效果。
其中，该IGV（智慧型引导运输车）可根据接收到的指令，按照指令中所规划的预期路径行驶，达到指令对应的目的地，并根据该运输车上的执行机构，响应该指令并执行相应动作，例如，装卸货物、采集图像或其他功能等。
具体的，该IGV可集成各类传感器（如激光雷达、摄像头、接近传感器、压力传感器等）、控制器、执行器（如驱动电机、转向机构）等硬件设备，并通过激光雷达、二维码识别、磁条导航、视觉导航等方式，实现其自身的精准定位，并可结合起实际应用场景（例如本实施例中的预设场地）制定合理的路径规划算法，规划得到IGV的最优行驶路径，避开障碍物，到达目标位置，同时该IGV可与相应系统之间通信连接，保证接收到相关控制指令，并响应该指令内容，并提供相应数据回传功能。
其中，该图像采集装置为基于该IGV和图像采集模块构建得到的，即在IGV基础上增设相应的图像采集模块，并通过下发相应控制指令至该图像采集装置，以控制IGV携带图像采集模块行驶至目标砼预制构件附近，并控制该IGV上的图像采集模块采集该目标砼预制构件的图像。
可理解的是，在图像采集装置在预设场地中不断行进，对不同的砼预制构件进行监控和图像采集等工作，因此，为了能够精准控制图像采集装置行进路线，需要先锁定其对应的装置位置信息，该装置位置信息主要指的是该图像采集装置在预设场地中的位置情况。
S22，根据所述装置位置信息和所述绝对位置信息，确定所述图像采集装置所需行驶最短距离的行进路线；
可理解的是，绝对位置信息指的是目标砼预制构件在预设场地中的绝对位置，而该装置位置信息指的是图像采集装置在该预设场地中的绝对位置，即相应于将预设场地生成坐标系，上述两个位置信息在该坐标系中对应锁定相应的位置点，因此，可通过装置位置信息和绝对位置信息，规划出图像采集装置行驶到目标砼预制构件的行进路线。
需要说明的是，一般基于IGV的砼预制构件图像采集持续5天-7天，因此，可每天指定或预先指定多天巡查任务，以对特定的台座上的预制构件进行喷淋养生巡查，其中，该巡查任务可以是同时对多个台座进行巡查，也可以时对一个台座进行巡查。
其中，在指定相应的巡查任务时，由于预设场地的面积较大，还需要指定相应的巡查任务的行进路线，例如，以砼预制构件场为沿着正东方向至正西方向一百米，沿着正北方向至正南方向两百米的场地为例进行阐述，可控制该图像采集装置从砼预制构件场的东北角向南出发，到达最南端后，再向西移动一定距离，再向北出发，以此循环往复，直至将整个砼预制构件场中的全部砼预制构件或部分制定需要巡查的砼预制构件进行巡查完毕。
可理解的是，在规划行进路线时，还需要考虑预设场地中的环境信息，该环境信息指的是在该砼预制构件场中的道路情况、障碍物情况等具体环境信息，例如，以砼预制构件场为10*10（环境信息中的占地面积）大小的平面坐标系为例进行阐述，绝对位置信息可为（1，6）或（5，10）等，具体的行进路线可根据该绝对位置信息、装置位置信息和环境信息而定，假如在砼预制构件场中（5，5）为障碍物，需要绕过该障碍物，从（1，6）至（5，10）制定相应行进路线。
可理解的是，除了规划出相应的行进路线后，还可指定相应的巡查任务，例如，按照当前行进路线，每日巡查，或定时巡查等，以此，可根据该巡查任务的定时情况，按照获取到相应的图像信息。
其中，需要说明的是，在本实施例中，先根据装置位置信息和绝对位置信息，确定两点之间的连线，并根据该连线情况，结合环境信息，在预设场地中寻找最短的行进路线。
此外，在本实施例中，还可将目标砼预制构件作为节点，并将目标砼预制构件之间的连通道路作为边，生成道路节点图，并获取目标砼预制构件的历史湿度记录，并根据该历史湿度记录，分配权重至所述道路节点图中的各节点，从而可根据分配的权重和所述道路节点图中各节点之间的移动距离，确定所述图像采集装置对目标砼预制构件进行湿度监控的行进路线。
可理解的是，在生成相应的行进路线时，可先将相应的位置信息（绝对位置信息、装置位置信息）进行转化，得到简化结构的道路节点图，节点指的是所需达到的道路点位和所需巡查的任务数量（图像采集装置需要采集到的图像信息的数量），或直接将砼预制构件所在的位置作为节点，将砼预制构件之间的连通道路作为边，同时可以该边作为巡查任务所需采集的图像信息的数量进行标识，具体可参照图5。
需要说明的是，根据上述信息生成道路节点图主要为了降低为图像采集装置规划行进路线和巡查任务时的复杂程度，同时，可在该道路节点图的基础上，多次设置相应的巡查任务。
具体的，在生成该道路节点图之后，可执行多次巡查任务，图像采集装置在执行相应的巡查任务时，会保留相应的巡查记录，例如，在第一次巡查任务中，根据图像采集装置所采集到的图像信息判断砼预制构件A需要喷淋养生，并控制能够喷淋该砼预制构件A的喷淋设备进行喷淋，第二次巡查任务中，图像采集装置发现该砼预制构件A不需要再次喷淋，此时，可适应性降低对该砼预制构件A的巡查频次，反之，在第一巡查任务和第二次巡查任务中，发现砼预制构件A的表面湿度逐渐降低，且逼近需要喷淋养生的界限，此时可适应性提高对该砼预制构件A的巡查频次。
因此，可综合每次巡查任务中对应的砼预制构件的历史湿度记录，调整道路节点图中的各节点的权重，例如，根据上述巡查频次调整的情况，分配不同大小的权重至各节点。
此外，在分配权重之后，还可综合该权重和各节点之间的移动距离，进一步确定图像采集装置对砼预制构件进行湿度巡查的行进路线。
具体的，可先获取到当日的巡查任务的记录情况，以确定当前道路节点图中所涉及未巡查的节点和已巡查过的节点对应的砼预制构件表面的湿度情况，并可按照Dijkstra算法建立砼构件自动行进路线规划方法，抽取出当前道路节点图中的最短路径，从而实现行进路线的规划。
在本实施例中，图像采集装置还可采用激光雷达动态感知周边的动态信息，巡查道路（及通道）上是否有障碍物，及时制动，避免图像采集装置与障碍物发生碰撞，并动态更新该条道路通行状态为道路封闭，改变道路节点之间的联通关系，动态修改拓扑地图，以便于后续任务中优化行进路线。
在本实施例中，所述根据所述行进路线，生成定时巡查任务，以供所述图像采集装置根据所述定时巡查任务，定时获取所述砼预制构件的图像信息的步骤之后，所述方法还包括：若相邻预设次数的图像信息对应的湿度值大于预设湿度阈值，则确定所述定时巡查任务的巡查时间间隔，并根据所述湿度值，调整所述巡查时间间隔，并根据调整后的巡查时间间隔，优化所述定时巡查任务。
具体的，在巡查过程中，设定砼湿度进行喷淋的预设湿度阈值为Hum。每天首次巡查间隔（巡查时间间隔）赋值为10分钟，即dt=10分钟，后续将根据巡查得到的砼湿度数据（湿度值）动态优化巡查间隔时间。在Ti时刻根据图像解析得到砼湿度为Humi，在Ti+1=Ti+dti时刻进行下一次巡查，得到砼湿度为Humi+1，则动态调整下一次巡查间隔时间，具体调整公式如下：
。
需要说明的是，相邻预设次数指的是多次相连巡查任务时图像采集装置采集到图像信息时的任务次数，例如，以当日巡查任务为5次为例，分别为a、b、c、d、e五次任务，预设次数为至少2次，该相邻预设次数具体可为a和b两次巡查任务，c、d和e三次巡查任务等。
可理解的是，图像信息指的是图像采集装置采集到的砼预制构件的表面的图像，而混凝土的湿润程度会影响该采集到的图像的灰度深浅，因此，可根据图像信息，确定出砼预制构件对应的湿度值，若连续两次或两次以上巡查任务中，确定砼预制构件的湿度值均大于预设湿度阈值，则可确定当前砼预制构件无需频繁巡查，从而需要对巡查任务进行调整。
其中，需要说明的是，砼预制构件的表面的湿度值会受到当日砼预制构件场的环境情况影响，例如，当日环境温度高、环境的湿度低等情况，会加速砼预制构件的湿度值降低，此时，应降低巡查时间间隔，反之，则需要增大巡查时间间隔。
S23，根据所述行进路线和所述相对位置信息，确定所述图像采集装置行驶过程中的左侧边缘路线和右侧边缘路线；
可理解的是，在确定出行进路线之后，可根据相对位置信息，进一步确定出行进路线对应的左侧边缘路线和右侧边缘路线。
其中，左侧边缘路线和右侧边缘路线分别指的是在该行进路线中对应的图像采集装置所能行驶的最左侧路线和最右侧路线，具体的，在当前行进路线中，由于砼预制构件摆放位置较为紧密，预留给图像采集装置的空间较小，并需要考虑图像采集装置自身的装置结构所占的立体空间，可进一步确定出左侧边缘路线和右侧边缘路线，在左侧边缘路线和右侧边缘路线之间的任一路线，均可作为行进路线，即相当于将行进路线模糊化，降低控制图像采集装置行进路线的精度要求。
S24，根据所述装置位置信息，在所述左侧边缘路线和所述右侧边缘路线之间，实时更新所述图像采集路线和图像采集点位；其中，所述图像采集路线为所述左侧边缘路线和所述右侧边缘路线之间的任一行驶路线，所述图像采集路线会根据所述图像采集装置行驶过程中产生的行驶变动而产生自适应变化，所述图像采集路线和所述图像采集点位存在映射关系。
需要说明的是，根据装置位置信息，可确定出图像采集路线和图像采集点位，该图像采集路线具体指的是需要图像采集装置采集相应图像的路线，即在该路线上图像采集装置会对目标砼预制构件的表面进行图像采集和监控，其中，可在该图像采集路线上选择多个图像采集点位，并在该图像采集点位上定点拍摄。
其中，先确定图像采集点位，该图像采集点位与待采集图像的目标砼预制构件的结构特征有关，例如，该图像采集点位需要保证能够采集到目标砼预制构件的全部表面即可，具体的，计算该图像采集装置和目标砼预制构件之间的距离，图像采集装置对应的预设图像采集参数（图像采集次数和图像采集角度等），随后再选取相应的图像采集路线，保证该图像采集路线涵盖全部的图像采集点位即可。
需要说明的是，考虑到图像采集转置在行驶过程中可能出现的规避小型障碍物、或行驶路线存在一定偏航情况，该图像采集装置的行驶路线存在一定波动变化，可在图像采集装置产生位置偏航的情况下，实时更新最新的图像采集路线，并在该采集路线上重新选取合适的图像采集点位。
其中，该偏航情况通常可定义为较小的行驶方向偏差，因此可将其视作为对图像采集点位影响较小的波动变化，但是图像采集路线变更后可能存在影响无法精准到达图像采集点位的情况，因此，需要根据图像采集装置行驶过程中的波动变化，自适应调整图像采集路线，并在该图像采集路线上自适应调整与路线存在映射关系的图像采集点位。
本实施例通过获取图像采集装置在预设场地中的装置位置信息；根据所述装置位置信息和所述绝对位置信息，确定所述图像采集装置所需行驶最短距离的行进路线；根据所述行进路线和所述相对位置信息，确定所述图像采集装置行驶过程中的左侧边缘路线和右侧边缘路线；根据所述装置位置信息，在所述左侧边缘路线和所述右侧边缘路线之间，实时更新所述图像采集路线和图像采集点位；其中，所述图像采集路线为所述左侧边缘路线和所述右侧边缘路线之间的任一行驶路线，所述图像采集路线会根据所述图像采集装置行驶过程中产生的行驶变动而产生自适应变化，所述图像采集路线和所述图像采集点位存在映射关系。
如图6所示，基于第一实施例提出本申请监控异常排查方法第三实施例，本实施例中，该方法还包括：
S50，根据所述全景图像，通过预设的湿度预测模型，预测所述目标砼预制构件的湿度值，其中，所述预设的湿度预测模型是根据所述目标砼预制构件的图像灰度样本和所述图像灰度样本对应的样本湿度标签构建得到的；
可理解的是，全景图像指的是砼预制构件的全部表面图像信息（至少包括从不同角度观察到的砼预制构件表面的图像，以及复杂结构的砼预制构件的各表面，在该复杂结构的砼预制构件表面包括弧面、被遮挡面、不规则表面等），该图像信息可作为判断当前砼预制构件的表面湿度值的依据。
需要说明的是，为了保证对砼预制构件的表面湿度值的判断的精准性，需要将砼预制构件的需要喷淋养生的全面表面进行图像采集，例如，针对长方体结构墙板（薄板形状，其长、宽远大于其高）的砼预制构件，其两侧最大表面为需要喷淋养生的表面，针对长方体结构横梁（长条状，其长大于其宽和其高）的砼预制构件需要将全部的表面进行喷淋养生。
在本实施例中，对目标砼预制构件，采用表面湿度计测试砼湿度，并采集砼预制构件的图像，对该图像进行灰度分析，构建砼湿度与砼图像灰度之间关系的训练样本集，其中，灰度均值表示图像中所有像素的灰度平均值，灰度方差表示图像灰度值分布的离散程度，并采用神经网络方法建立砼图像灰度分析的量化结果与砼湿度的量化关系，具体步骤如下。
①对砼图像进行灰度处理，确定每个像素的灰度；
；
Gray (i,j)= Gray1 (i,j)*0.299 + Gray2 (i,j)*0.587 + Gray3 (i,j)*0.114；
②图像灰度量化分析；
图像灰度定量描述分析（grayscale quantify）指对整个图像或图像中某个区域内的像素灰度进行定量计算的过程。包括计算像素灰度均值（mean gray value）、最大值（maxmum gray value）、最小值（minimum gray value）、像素灰度的标准差（standarddeviation）等。若图像的大小为H×W，则该图像灰度的均值u和标准差可通过以下公式计算：
；/>
；
③采用BP神经网络（Back-Propagation Network）方法建立砼图像灰度分析的量化结果与砼湿度的量化关系。输入层为4个神经元（图像的灰度均值x1、最大值x2、最小值x3和标准差x4），第一层隐藏层为5个神经元、第二层隐藏层为3个神经元，输出层为1个神经元（砼的湿度值y），具体可参照图7。
需要说明的是，湿度预测模型是根据所述砼预制构件的图像灰度样本和所述图像灰度样本对应的样本湿度标签构建得到的，将相应的图像信息输入至该湿度预测模型后，即可通过该湿度预测模型中各神经网络层运算，得到湿度值的输出结果。
具体的，所述根据所述全景图像，通过预设的湿度预测模型，预测所述目标砼预制构件的湿度值的步骤之前，所述方法还包括：获取目标砼预制构件的图像灰度样本和所述图像灰度样本对应的样本湿度标签，其中，所述图像灰度样本的样本灰度值与所述样本湿度标签存在映射关系，所述样本灰度值为所述图像灰度样本中全部像素的灰度平均值，并根据所述图像灰度样本和所述样本湿度标签，对预设的待训练模型进行迭代训练，得到具有满足精度条件的湿度预测模型。
可理解的是，图像灰度样本即为目标砼预制构件对应的灰度图像，该样本对应的样本湿度标签，可根据在采集到该灰度图像时通过相应湿度计测量得到的，可对图像灰度样本进行处理，得到对应该图像灰度样本对应的样本灰度值，并将样本灰度值和样本湿度标签建立相应的映射关系，从而保证训练模型时，确保该模型能够输出所需的结果。
在本实施例中，所述全景图像包括所述目标砼预制构件的结构特征信息和图像采集时间信息；所述根据所述全景图像，通过预设的湿度预测模型，预测所述目标砼预制构件的湿度值的步骤，包括：根据所述结构特征信息和所述图像采集时间信息，确定对所述目标砼预制构件进行表面湿度分析时所需的灰度补偿权重；根据所述灰度补偿权重，通过预设的湿度预测模型，预测所述目标砼预制构件的表面湿度。
可理解的是，该目标砼预制构件包括形状复杂的构件，例如，多边形外表面（例如，凸台形状，包括上下表面和侧边弧形面）的目标砼预制构件，该结构特征信息为每个表面均需要采集相应图像，但由于多边形表面对应方向不同，每个表面暴露在阳光下的晾晒效果不同，因此，在同一目标砼预制构件中，不同表面的湿度应存在不同，该结构特征信息应表征了该目标砼预制构件的结构特性，以及该目标砼预制构件各表面湿度变化的差异性，例如，构件A的上表面和下表面为等大的两个表面，同时还包括一圈侧弧面，该构件A的上表面和侧弧面的湿度变化率高于下表面的湿度变化率，同时，不同表面面对自然光照射情况，明亮度不同，对应采集到的图像的灰度值存在一定差异。
可理解的是，图像采集时间信息指的是整合处理得到全景图像的具体时间，该时间不同对应着当前全景图像的拍摄时的环境明亮程度，例如，上午十二点拍摄的图像明显亮于夜间八点钟拍摄的图像。
在本实施例中，全景图像为表征目标砼预制构件表面湿度的图像，为了保证对目标砼预制构件的表面湿度的精准预测，应该考虑在不同时间拍摄图像的明亮程度、以及考虑在全景图像中，同一构件不同表面因结构特征所表现的明亮度差异，从而将上述特征添加至湿度预测模型的考虑范围内，以此保证该模型预测得到的湿度值的精准性。
具体的，可通过以下方式来提高模型预测精准度，一方面，考虑该图像采集到的时间，考虑不同时间内，自然光对采集到的图像的明暗度情况，例如，夜间采集到的图像，增加其亮度，对该全景图像进行灰度值调整，另一方面，考虑目标砼预制构件的结构特征信息，将部分自然光无法直接照射到的部分图像，补偿其亮度，保证该部分图像的亮度与自然光照射下的图像亮度一致，此外，还可以同时考虑图像的采集时间和目标砼预制构件的实际结构，确定不同时刻下自然光照射在目标砼预制构件中产生的阴影情况，并将该阴影情况作为特征判断，通过调整湿度预测模型中的灰度值补偿权重，告知该模型，当前全景图像中存在部分阴影，该阴影并不代表着湿度较高所带来的高灰度。
其中，该灰度值补偿权重主要用于调整湿度预测模型对不同明亮度的全景图像的识别效果。
S60，若所述湿度值小于预设湿度阈值，则发送控制指令至喷淋设备，以控制所述喷淋设备对所述目标砼预制构件进行喷淋养护。
可理解的是，若某次巡查得到湿度小于喷淋阈值，即Humi+1<Hum，则联动喷淋设备，自动启动喷淋，并将本次砼湿度重新赋值为Humi+1=100。
可理解的是，该喷淋设备指的是满足对砼预制构件进行喷淋养生的设备，其能实现控制出水量，向砼预制构件喷洒清水或精准控制开关等功能。
本实施例通过根据所述全景图像，通过预设的湿度预测模型，预测所述目标砼预制构件的湿度值，其中，所述预设的湿度预测模型是根据所述目标砼预制构件的图像灰度样本和所述图像灰度样本对应的样本湿度标签构建得到的；若所述湿度值小于预设湿度阈值，则发送控制指令至喷淋设备，以控制所述喷淋设备对所述目标砼预制构件进行喷淋养护，即在本实施例中通过湿度预测模型，可对该全景图像进行湿度分析，从而保证在砼预制构件的表面湿度低于预设湿度阈值时，可通过相应的喷淋设备，对砼预制构件进行喷淋养护，以保证该目标砼预制构件的表面湿度和质量。
此外，本申请实施例还提出一种基于IGV的砼预制构件图像采集装置，参照图8，所述基于IGV的砼预制构件图像采集装置包括：
确定模块10，用于在接收到图像采集任务指令后，确定所述图像采集指令对应的目标砼预制构件，并确定所述目标砼预制构件的位置信息；
生成模块20，用于根据所述位置信息，选择图像采集方式，并根据所述图像采集方式，生成图像采集任务集；
处理模块30，用于将所述图像采集任务集发送至图像采集装置，以供所述图像采集装置采集多张图像，并将所述多张图像进行整合处理，得到所述目标砼预制构件的全景图像。
本实施例通过在接收到图像采集任务指令后，确定所述图像采集指令对应的目标砼预制构件，并确定所述目标砼预制构件的位置信息，其中，所述位置信息包括所述目标砼预制构件在预设场地中的绝对位置信息和所述目标砼预制构件与相邻的砼预制构件之间的相对位置信息；根据所述绝对位置信息和所述相对位置信息，确定得到图像采集路线和图像采集点位；根据所述图像采集路线和所述图像采集点位，选择图像采集方式，并根据所述图像采集方式，生成图像采集任务集；将所述图像采集任务集发送至图像采集装置，以供所述图像采集装置采集多张图像，并将所述多张图像进行整合处理，得到所述目标砼预制构件的全景图像，即通过根据目标砼预制构件的所在位置规划相应的图像采集路线和图像采集点位，从而实现采集目标砼预制构件的多张图像的效果，并最终整合得到全景图像，以实现对目标砼预制构件的全部表面图像进行监控的效果。
需要说明的是，上述装置中的各模块可用于实现上述方法中的各个步骤，同时达到相应的技术效果，本实施例在此不再赘述。
参照图9，图9为本申请实施例方案涉及的硬件运行环境的设备的结构示意图。
如图9所示，该设备可以包括：处理器1001，例如CPU，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。存储器1005可以是高速RAM存储器，也可以是稳定的存储器（non-volatile memory），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图9中示出的结构并不构成对设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图9所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于IGV的砼预制构件图像采集程序。
在图9所示的设备中，网络接口1004主要用于与外部网络进行数据通信；用户接口1003主要用于接收用户的输入指令；所述设备通过处理器1001调用存储器1005中存储的基于IGV的砼预制构件图像采集程序，并执行以下操作：
在接收到图像采集任务指令后，确定所述图像采集指令对应的目标砼预制构件，并确定所述目标砼预制构件的位置信息，其中，所述位置信息包括所述目标砼预制构件在预设场地中的绝对位置信息和所述目标砼预制构件与相邻的砼预制构件之间的相对位置信息；
根据所述绝对位置信息和所述相对位置信息，确定得到图像采集路线和图像采集点位；
根据所述图像采集路线和所述图像采集点位，选择图像采集方式，并根据所述图像采集方式，生成图像采集任务集；
将所述图像采集任务集发送至图像采集装置，以供所述图像采集装置采集多张图像，并将所述多张图像进行整合处理，得到所述目标砼预制构件的全景图像。
进一步地，处理器1001可以调用存储器1005中存储的基于IGV的砼预制构件图像采集程序，还执行以下操作：
若所述图像采集方式为顺序采集方式，则根据所述相对位置信息和预设图像采集参数，生成在不同图像采集点位上的子任务，并按照所述图像采集路线的图像采集先后顺序，排列所述子任务，得到图像采集任务集，其中，所述顺序采集方式为按照所述图像采集路线依次行驶至不同的图像采集点位采集一组图像的采集方式；
若所述图像采集方式为冗余采集方式，则根据所述相对位置信息、所述目标砼预制构件的结构特征和预设图像采集参数，生成在不同图像采集点位上的子任务，得到图像采集任务集，其中，所述冗余采集方式为在同一图像采集点位处冗余采集多组图像的采集方式。
进一步地，处理器1001可以调用存储器1005中存储的基于IGV的砼预制构件图像采集程序，还执行以下操作：
若所述图像采集方式为顺序采集方式，则将所述目标砼预制构件的待采集图像表面划分为多个待采集图像子区域；
确定所述待采集图像子区域和所述图像采集点位之间的相对位置信息，并根据所述相对位置信息，自适应调整预设图像采集参数；
根据调整后的预设图像采集参数和所述相对位置信息，生成所述图像采集装置在不同图像采集点位处的多项图像采集内容的子任务，并按照所述图像采集路线的图像采集先后顺序，排列所述子任务，得到图像采集任务集。
进一步地，处理器1001可以调用存储器1005中存储的基于IGV的砼预制构件图像采集程序，还执行以下操作：
若所述图像采集方式为冗余采集方式，则根据所述目标砼预制构件的结构特征，确定所述目标砼预制构件中所需多次重复采样的位置点；
若所述位置点和所述图像采集点位之间位置偏差大于预设偏差值，则根据所述位置点，反向更新所述图像采集路线和所述图像采集点位，直至所述位置点和所述图像采集点位之间位置偏差小于等于预设偏差值；
根据所述相对位置信息、所述目标砼预制构件的结构特征和预设图像采集参数，生成在不同图像采集点位上的子任务，得到图像采集任务集。
进一步地，处理器1001可以调用存储器1005中存储的基于IGV的砼预制构件图像采集程序，还执行以下操作：
获取图像采集装置在预设场地中的装置位置信息；
根据所述装置位置信息和所述绝对位置信息，确定所述图像采集装置所需行驶最短距离的行进路线；
根据所述行进路线和所述相对位置信息，确定所述图像采集装置行驶过程中的左侧边缘路线和右侧边缘路线；
根据所述装置位置信息，在所述左侧边缘路线和所述右侧边缘路线之间，实时更新所述图像采集路线和图像采集点位；
其中，所述图像采集路线为所述左侧边缘路线和所述右侧边缘路线之间的任一行驶路线，所述图像采集路线会根据所述图像采集装置行驶过程中产生的行驶变动而产生自适应变化，所述图像采集路线和所述图像采集点位存在映射关系。
进一步地，处理器1001可以调用存储器1005中存储的基于IGV的砼预制构件图像采集程序，还执行以下操作：
根据所述全景图像，通过预设的湿度预测模型，预测所述目标砼预制构件的湿度值，其中，所述预设的湿度预测模型是根据所述目标砼预制构件的图像灰度样本和所述图像灰度样本对应的样本湿度标签构建得到的；
若所述湿度值小于预设湿度阈值，则发送控制指令至喷淋设备，以控制所述喷淋设备对所述目标砼预制构件进行喷淋养护。
进一步地，处理器1001可以调用存储器1005中存储的基于IGV的砼预制构件图像采集程序，还执行以下操作：
根据所述结构特征信息和所述图像采集时间信息，确定对所述目标砼预制构件进行表面湿度分析时所需的灰度补偿权重；
根据所述灰度补偿权重，通过预设的湿度预测模型，预测所述目标砼预制构件的表面湿度。
本实施例通过在接收到图像采集任务指令后，确定所述图像采集指令对应的目标砼预制构件，并确定所述目标砼预制构件的位置信息，其中，所述位置信息包括所述目标砼预制构件在预设场地中的绝对位置信息和所述目标砼预制构件与相邻的砼预制构件之间的相对位置信息；根据所述绝对位置信息和所述相对位置信息，确定得到图像采集路线和图像采集点位；根据所述图像采集路线和所述图像采集点位，选择图像采集方式，并根据所述图像采集方式，生成图像采集任务集；将所述图像采集任务集发送至图像采集装置，以供所述图像采集装置采集多张图像，并将所述多张图像进行整合处理，得到所述目标砼预制构件的全景图像，即通过根据目标砼预制构件的所在位置规划相应的图像采集路线和图像采集点位，从而实现采集目标砼预制构件的多张图像的效果，并最终整合得到全景图像，以实现对目标砼预制构件的全部表面图像进行监控的效果。
此外，本申请实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有基于IGV的砼预制构件图像采集程序，所述基于IGV的砼预制构件图像采集程序被处理器执行时实现如下操作：
在接收到图像采集任务指令后，确定所述图像采集指令对应的目标砼预制构件，并确定所述目标砼预制构件的位置信息，其中，所述位置信息包括所述目标砼预制构件在预设场地中的绝对位置信息和所述目标砼预制构件与相邻的砼预制构件之间的相对位置信息；
根据所述绝对位置信息和所述相对位置信息，确定得到图像采集路线和图像采集点位；
根据所述图像采集路线和所述图像采集点位，选择图像采集方式，并根据所述图像采集方式，生成图像采集任务集；
将所述图像采集任务集发送至图像采集装置，以供所述图像采集装置采集多张图像，并将所述多张图像进行整合处理，得到所述目标砼预制构件的全景图像。
本实施例通过在接收到图像采集任务指令后，确定所述图像采集指令对应的目标砼预制构件，并确定所述目标砼预制构件的位置信息，其中，所述位置信息包括所述目标砼预制构件在预设场地中的绝对位置信息和所述目标砼预制构件与相邻的砼预制构件之间的相对位置信息；根据所述绝对位置信息和所述相对位置信息，确定得到图像采集路线和图像采集点位；根据所述图像采集路线和所述图像采集点位，选择图像采集方式，并根据所述图像采集方式，生成图像采集任务集；将所述图像采集任务集发送至图像采集装置，以供所述图像采集装置采集多张图像，并将所述多张图像进行整合处理，得到所述目标砼预制构件的全景图像，即通过根据目标砼预制构件的所在位置规划相应的图像采集路线和图像采集点位，从而实现采集目标砼预制构件的多张图像的效果，并最终整合得到全景图像，以实现对目标砼预制构件的全部表面图像进行监控的效果。
需要说明的是，上述计算机可读存储介质被处理器执行时还可实现上述方法中的各个步骤，同时达到相应的技术效果，本实施例在此不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他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、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还 包括为这种过程、方法、物品或者系统所固有的要素。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、 方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述 实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通 过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体 现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请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他相关的技术领域，均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种基于IGV的砼预制构件图像采集方法，其特征在于，所述基于IGV的砼预制构件图像采集方法包括以下步骤：
在接收到图像采集任务指令后，确定所述图像采集指令对应的目标砼预制构件，并确定所述目标砼预制构件的位置信息，其中，所述位置信息包括所述目标砼预制构件在预设场地中的绝对位置信息和所述目标砼预制构件与相邻的砼预制构件之间的相对位置信息；
根据所述绝对位置信息和所述相对位置信息，确定得到图像采集路线和图像采集点位；
根据所述图像采集路线和所述图像采集点位，选择图像采集方式，并根据所述图像采集方式，生成图像采集任务集；
将所述图像采集任务集发送至图像采集装置，以供所述图像采集装置采集多张图像，并将所述多张图像进行整合处理，得到所述目标砼预制构件的全景图像，并根据所述全景图像，对所述目标砼预制构件的表面湿度进行监控。
2.如权利要求1所述的基于IGV的砼预制构件图像采集方法，其特征在于，所述根据所述图像采集方式，生成图像采集任务集的步骤，包括以下任一项：
若所述图像采集方式为顺序采集方式，则根据所述相对位置信息和预设图像采集参数，生成在不同图像采集点位上的子任务，并按照所述图像采集路线的图像采集先后顺序，排列所述子任务，得到图像采集任务集，其中，所述顺序采集方式为按照所述图像采集路线依次行驶至不同的图像采集点位采集一组图像的采集方式；
若所述图像采集方式为冗余采集方式，则根据所述相对位置信息、所述目标砼预制构件的结构特征和预设图像采集参数，生成在不同图像采集点位上的子任务，得到图像采集任务集，其中，所述冗余采集方式为在同一图像采集点位处冗余采集多组图像的采集方式。
3.如权利要求2所述的基于IGV的砼预制构件图像采集方法，其特征在于，所述若所述图像采集方式为顺序采集方式，则根据所述相对位置信息和预设图像采集参数，生成在不同图像采集点位上的子任务，并按照所述图像采集路线的图像采集先后顺序，排列所述子任务，得到图像采集任务集的步骤，包括：
若所述图像采集方式为顺序采集方式，则将所述目标砼预制构件的待采集图像表面划分为多个待采集图像子区域；
确定所述待采集图像子区域和所述图像采集点位之间的相对位置信息，并根据所述相对位置信息，自适应调整预设图像采集参数；
根据调整后的预设图像采集参数和所述相对位置信息，生成所述图像采集装置在不同图像采集点位处的多项图像采集内容的子任务，并按照所述图像采集路线的图像采集先后顺序，排列所述子任务，得到图像采集任务集。
4.如权利要求2所述的基于IGV的砼预制构件图像采集方法，其特征在于，所述若所述图像采集方式为冗余采集方式，则根据所述相对位置信息、所述目标砼预制构件的结构特征和预设图像采集参数，生成在不同图像采集点位上的子任务，得到图像采集任务集的步骤，包括：
若所述图像采集方式为冗余采集方式，则根据所述目标砼预制构件的结构特征，确定所述目标砼预制构件中所需多次重复采样的位置点；
若所述位置点和所述图像采集点位之间位置偏差大于预设偏差值，则根据所述位置点，反向更新所述图像采集路线和所述图像采集点位，直至所述位置点和所述图像采集点位之间位置偏差小于等于预设偏差值；
根据所述相对位置信息、所述目标砼预制构件的结构特征和预设图像采集参数，生成在不同图像采集点位上的子任务，得到图像采集任务集。
5.如权利要求1所述的基于IGV的砼预制构件图像采集方法，其特征在于，所述根据所述绝对位置信息和所述相对位置信息，确定得到图像采集路线和图像采集点位的步骤，包括：
获取图像采集装置在预设场地中的装置位置信息；
根据所述装置位置信息和所述绝对位置信息，确定所述图像采集装置所需行驶最短距离的行进路线；
根据所述行进路线和所述相对位置信息，确定所述图像采集装置行驶过程中的左侧边缘路线和右侧边缘路线；
根据所述装置位置信息，在所述左侧边缘路线和所述右侧边缘路线之间，实时更新所述图像采集路线和图像采集点位；
其中，所述图像采集路线为所述左侧边缘路线和所述右侧边缘路线之间的任一行驶路线，所述图像采集路线会根据所述图像采集装置行驶过程中产生的行驶变动而产生自适应变化，所述图像采集路线和所述图像采集点位存在映射关系。
6.如权利要求1所述的基于IGV的砼预制构件图像采集方法，其特征在于，所述根据所述全景图像，对所述目标砼预制构件的表面湿度进行监控的步骤，包括：
根据所述全景图像，通过预设的湿度预测模型，预测所述目标砼预制构件的湿度值，其中，所述预设的湿度预测模型是根据所述目标砼预制构件的图像灰度样本和所述图像灰度样本对应的样本湿度标签构建得到的；
若所述湿度值小于预设湿度阈值，则发送控制指令至喷淋设备，以控制所述喷淋设备对所述目标砼预制构件进行喷淋养护。
7.如权利要求6所述的基于IGV的砼预制构件图像采集方法，其特征在于，所述全景图像包括所述目标砼预制构件的结构特征信息和图像采集时间信息；
所述根据所述全景图像，通过预设的湿度预测模型，预测所述目标砼预制构件的湿度值的步骤，包括：
根据所述结构特征信息和所述图像采集时间信息，确定对所述目标砼预制构件进行表面湿度分析时所需的灰度补偿权重；
根据所述灰度补偿权重，通过预设的湿度预测模型，预测所述目标砼预制构件的表面湿度。
8.一种基于IGV的砼预制构件图像采集装置，其特征在于，所述基于IGV的砼预制构件图像采集装置包括：
确定模块，用于在接收到图像采集任务指令后，确定所述图像采集指令对应的目标砼预制构件，并确定所述目标砼预制构件的位置信息；
生成模块，用于根据所述位置信息，选择图像采集方式，并根据所述图像采集方式，生成图像采集任务集；
处理模块，用于将所述图像采集任务集发送至图像采集装置，以供所述图像采集装置采集多张图像，并将所述多张图像进行整合处理，得到所述目标砼预制构件的全景图像。
9.一种基于IGV的砼预制构件图像采集设备，其特征在于，所述基于IGV的砼预制构件图像采集设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于IGV的砼预制构件图像采集程序，所述基于IGV的砼预制构件图像采集程序配置为实现如权利要求1至7中任一项所述的基于IGV的砼预制构件图像采集方法的步骤。
10.一种存储介质，其特征在于，存储介质上存储有实现基于IGV的砼预制构件图像采集方法的程序，实现基于IGV的砼预制构件图像采集方法的程序被处理器执行以实现如权利要求1至7中任一项所述基于IGV的砼预制构件图像采集方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410264671.2A CN117857925B (zh) | 2024-03-08 | 2024-03-08 | 基于igv的砼预制构件图像采集方法及相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410264671.2A CN117857925B (zh) | 2024-03-08 | 2024-03-08 | 基于igv的砼预制构件图像采集方法及相关设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117857925A true CN117857925A (zh) | 2024-04-09 |
| CN117857925B CN117857925B (zh) | 2024-05-28 |
Family
ID=90546902
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410264671.2A Active CN117857925B (zh) | 2024-03-08 | 2024-03-08 | 基于igv的砼预制构件图像采集方法及相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117857925B (zh) |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000156813A (ja) * | 1998-11-20 | 2000-06-06 | Fuji Photo Film Co Ltd | ディジタルカメラの撮像データ伝送システム |
| CN102338639A (zh) * | 2010-07-26 | 2012-02-01 | 联想(北京)有限公司 | 信息处理设备和信息处理方法 |
| JP2012138759A (ja) * | 2010-12-27 | 2012-07-19 | Casio Comput Co Ltd | 撮像装置、撮像制御方法及びプログラム |
| US20150326784A1 (en) * | 2014-05-09 | 2015-11-12 | Canon Kabushiki Kaisha | Image capturing control method and image pickup apparatus |
| US20180131856A1 (en) * | 2016-11-07 | 2018-05-10 | Olympus Corporation | Mobile photographing apparatus, mobile photographing control apparatus, photographing device, photographing method, control method of mobile photographing apparatus, and recording medium for recording photographing program |
| CN109639967A (zh) * | 2018-12-12 | 2019-04-16 | 深圳市沃特沃德股份有限公司 | 监控方法、系统及计算机可读存储介质 |
| CN109741257A (zh) * | 2018-12-25 | 2019-05-10 | 鸿视线科技(北京)有限公司 | 全景图全自动拍摄、拼接系统及方法 |
| JP2019208197A (ja) * | 2017-11-30 | 2019-12-05 | 株式会社コンピュータシステム研究所 | 監視装置、監視プログラム、記憶媒体、および、監視方法 |
| CN112272288A (zh) * | 2020-10-23 | 2021-01-26 | 岭东核电有限公司 | 核电作业监控方法、装置、计算机设备和存储介质 |
| CN113437799A (zh) * | 2021-06-22 | 2021-09-24 | 国网北京市电力公司 | 变电站内设备的监控方法及装置 |
| JP2021182225A (ja) * | 2020-05-18 | 2021-11-25 | 株式会社コンピュータシステム研究所 | 監視装置、監視プログラム、記憶媒体、および、監視方法 |
| CN113888826A (zh) * | 2021-09-27 | 2022-01-04 | 深圳绿米联创科技有限公司 | 监控处理方法、装置及系统、计算机设备及存储介质 |
| CN113938647A (zh) * | 2021-09-13 | 2022-01-14 | 杭州大杰智能传动科技有限公司 | 用于智慧工地的智能塔吊作业全景监控还原方法和系统 |
| CN114025148A (zh) * | 2021-11-22 | 2022-02-08 | 神华国华寿光发电有限责任公司 | 一种监测方法和监测系统 |
| US20230144079A1 (en) * | 2020-10-06 | 2023-05-11 | Igor Sergeevich LERNER | Multi-functional self-service multimedia studio for producing photo/video materials |
| CN117030032A (zh) * | 2023-06-13 | 2023-11-10 | 广东电网有限责任公司 | 一种设备部件测温方法、装置、电子设备和存储介质 |
-
2024
- 2024-03-08 CN CN202410264671.2A patent/CN117857925B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000156813A (ja) * | 1998-11-20 | 2000-06-06 | Fuji Photo Film Co Ltd | ディジタルカメラの撮像データ伝送システム |
| CN102338639A (zh) * | 2010-07-26 | 2012-02-01 | 联想(北京)有限公司 | 信息处理设备和信息处理方法 |
| JP2012138759A (ja) * | 2010-12-27 | 2012-07-19 | Casio Comput Co Ltd | 撮像装置、撮像制御方法及びプログラム |
| US20150326784A1 (en) * | 2014-05-09 | 2015-11-12 | Canon Kabushiki Kaisha | Image capturing control method and image pickup apparatus |
| US20180131856A1 (en) * | 2016-11-07 | 2018-05-10 | Olympus Corporation | Mobile photographing apparatus, mobile photographing control apparatus, photographing device, photographing method, control method of mobile photographing apparatus, and recording medium for recording photographing program |
| JP2019208197A (ja) * | 2017-11-30 | 2019-12-05 | 株式会社コンピュータシステム研究所 | 監視装置、監視プログラム、記憶媒体、および、監視方法 |
| CN109639967A (zh) * | 2018-12-12 | 2019-04-16 | 深圳市沃特沃德股份有限公司 | 监控方法、系统及计算机可读存储介质 |
| CN109741257A (zh) * | 2018-12-25 | 2019-05-10 | 鸿视线科技(北京)有限公司 | 全景图全自动拍摄、拼接系统及方法 |
| JP2021182225A (ja) * | 2020-05-18 | 2021-11-25 | 株式会社コンピュータシステム研究所 | 監視装置、監視プログラム、記憶媒体、および、監視方法 |
| US20230144079A1 (en) * | 2020-10-06 | 2023-05-11 | Igor Sergeevich LERNER | Multi-functional self-service multimedia studio for producing photo/video materials |
| CN112272288A (zh) * | 2020-10-23 | 2021-01-26 | 岭东核电有限公司 | 核电作业监控方法、装置、计算机设备和存储介质 |
| CN113437799A (zh) * | 2021-06-22 | 2021-09-24 | 国网北京市电力公司 | 变电站内设备的监控方法及装置 |
| CN113938647A (zh) * | 2021-09-13 | 2022-01-14 | 杭州大杰智能传动科技有限公司 | 用于智慧工地的智能塔吊作业全景监控还原方法和系统 |
| CN113888826A (zh) * | 2021-09-27 | 2022-01-04 | 深圳绿米联创科技有限公司 | 监控处理方法、装置及系统、计算机设备及存储介质 |
| CN114025148A (zh) * | 2021-11-22 | 2022-02-08 | 神华国华寿光发电有限责任公司 | 一种监测方法和监测系统 |
| CN117030032A (zh) * | 2023-06-13 | 2023-11-10 | 广东电网有限责任公司 | 一种设备部件测温方法、装置、电子设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117857925B (zh) | 2024-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7129069B2 (ja) | ドローンを用いた作業を支援するシステムおよび方法 | |
| Kim et al. | SLAM-driven robotic mapping and registration of 3D point clouds | |
| RU2753165C2 (ru) | Способ и устройство для проектирования и/или управления, и/или имитации работы строительной машины | |
| US10762619B2 (en) | Imaging support device and imaging support method | |
| CN111486848B (zh) | Agv视觉导航方法、系统、计算机设备以及存储介质 | |
| JP2020038227A (ja) | 画像処理方法、画像処理装置、及び画像処理プログラム | |
| US20180299387A1 (en) | Imaging support device and imaging support method | |
| US10864638B2 (en) | Reinforcement bar joint recognition using artificial intelligence vision | |
| Kim et al. | UAV-UGV cooperative 3D environmental mapping | |
| CN115123307A (zh) | 基于障碍物意图的自动驾驶方法、装置及自动驾驶车辆 | |
| CN112894758A (zh) | 机器人清洗控制系统、方法、装置和计算机设备 | |
| CN117857925B (zh) | 基于igv的砼预制构件图像采集方法及相关设备 | |
| CN111673729B (zh) | 路径决定方法 | |
| CN112506187A (zh) | 移动机器人监控方法、装置及存储介质 | |
| CN114740849B (zh) | 基于行人步行决策规则的移动机器人自主导航方法及装置 | |
| CN115328157A (zh) | 一种基于四足电力巡检机器人的电力设备巡检方法及装置 | |
| CN115576324A (zh) | 机器人巡检方法、装置、存储介质及机器人 | |
| US10742874B2 (en) | Imaging plan generation device, imaging plan generation method, and program | |
| CN115855068B (zh) | 一种基于bim的机器人路径自主导航方法及系统 | |
| CN111673731B (zh) | 路径决定方法 | |
| JP7461737B2 (ja) | 移動体、および、そのナビゲーションシステム | |
| CN111673730B (zh) | 路径决定方法 | |
| Meng et al. | On-Site Automatic Construction of Partition Walls with Mobile Robot and Computer Vision | |
| CN114019977A (zh) | 移动机器人的路径控制方法、装置、存储介质及电子设备 | |
| CN116824735A (zh) | 巡检目标检测方法、装置、设备及存储介质 |
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 |