JP2017062776A - 構造物に対する変化を検出するための方法、装置およびコンピュータ可読媒体 - Google Patents
構造物に対する変化を検出するための方法、装置およびコンピュータ可読媒体 Download PDFInfo
- Publication number
- JP2017062776A JP2017062776A JP2016165029A JP2016165029A JP2017062776A JP 2017062776 A JP2017062776 A JP 2017062776A JP 2016165029 A JP2016165029 A JP 2016165029A JP 2016165029 A JP2016165029 A JP 2016165029A JP 2017062776 A JP2017062776 A JP 2017062776A
- Authority
- JP
- Japan
- Prior art keywords
- image
- training image
- changes
- change
- cnn
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30132—Masonry; Concrete
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
【解決手段】2チャンネル畳み込みニューラルネットワークは、構造物における変化による構造物の画像のペア間の相違と構造物に対する変化によらない相違とを区別するようにトレーニングされる。そして、ニューラルネットワークは、構造物における変化を識別するために、当該構造物の画像に適用される。
【選択図】図3
Description
この出願は、2015年9月4日に提出された英国特許出願第1515742.3号に基づいていて、かつ、この優先権の利益を主張するものであって、その全内容が参照によってここに組み込まれる。
(実施例)
トンネル表面の多視点における変化の検出のためのシステムがここでは記述される。ロボット的な検査装置によって収集されたデータから、表面のパノラマを構築し、異なる時間インスタンスからの画像を位置合わせするために、SfMパイプラインが用いられる。位置合わせされた画像の間で、細いひび、水の進入および他の表面損傷などの変化を高い信頼度で検出することは、難しい問題(所与のデータセットに対するできる限り最高の性能を達成するには、以前は、サブピクセル精度およびノイズ源の注意深いモデル化を必要とした)である。不可避の位置決めエラーおよびイメージセンサ、キャプチャ設定および照明における変化などの要因により、タスクはさらに複雑となる。
移動カメラによって異なる時間に撮られた画像のペアの間での変化検出の問題が、ここでは取り組まれる。動機付けは、表面上の異常な視覚的変化を検出するために用いられることになる非接触検査システムの発展であり、特に、トンネル覆工およびアプローチが図4に要約される。この適用は、インフラストラクチャ時代のため社会的な重要性を増しており、既存の、労働集約的であることが多い方法が提供できるよりも効率的なメンテナンスを必要とする。問題は、いくつかの理由のために難しい。
多視点表面検査に関する変化検出の問題の定義が続く。時間trおよびtqに異なる位置および異なるイメージング条件でそれぞれ表面を撮った参照画像Irおよびクエリ画像Iqを仮定すると、関心のある変化を受けたIq内の全ての位置では1であって他の位置では0である2進の変化マスクCが求められる。実際には、2つの画像は、この場合にはStructure−from−Motion(SfM)から回復された形状上での表面フィッティングを介して取得されるシーンの表面モデルを用いて、共通の2D座標フレームへと位置合わせされたと仮定される。
変化検出ステージを伴い得る、アプローチのメインステップの概略が、これから図4を参照して記述されることになる。
(テスト) 2つの異なるテストデータセットを生み出すために現場からデータが収集および処理された。スケジュールは、タイムラインおよび評価のために収集されるデータセットを示す図6において詳述される。ひび、漏れ、さびおよびステッカーなどの人工的な変化が、ItiおよびIt2のキャプチャの前にトンネル表面に加えられた。いくつかの例が図5(c)に示される。変化は、専門の検査官によって加えられ、可能な限り現実的となるように設計された。90個の変化が、合計で(各インスタンスにおいて45個)加えられ、テストセットにおける全てのモザイク化画素の合計0.07%未満に及ぶ。
人手の検査結果と、高解像度のテストデータセット上で実行するために修正された既知のアプローチとの両方に対して我々の方法の結果が比較された。全ての方法において、トンネル表面の画像のセグメントに変化検出を制限するために、形状の事前確率が使用された。
上記において、2チャンネルCNNを用いた変化検出の新規なアプローチが提示され、競合の解決法に対して当該アプローチのフィールドデータへの良好な性能が実証された。
Claims (13)
- 構造物に対する変化を検出するための方法であって、
前記方法は、構造物の少なくとも一部を表す第1の画像および第2の画像を受け取ることを具備し、
前記第1の画像および前記第2の画像は、第1の期間および第2の期間にそれぞれ関連付けられ、
前記方法は、前記第1の期間と前記第2の期間との間の前記構造物に対する変化の存在/不存在を示す変化マスクを出力するようにトレーニングされた2チャンネルCNN(Convolutional Neural Network)への第1のチャンネル入力および第2のチャンネル入力として、前記第1の画像および前記第2の画像を提供することを具備する、
方法。 - 前記CNNは、前記変化の不存在を前記変化マスクにおいて示すために、第1のネガティブトレーニング画像および第2のネガティブトレーニング画像のペアを用いてトレーニングされており、
前記第1のネガティブトレーニング画像および前記第2のネガティブトレーニング画像の各ペアのうちの前記第1のネガティブトレーニング画像および前記第2のネガティブトレーニング画像は、それぞれ共通の期間に関連付けられる、
請求項1記載の方法。 - 前記第1のネガティブトレーニング画像および前記第2のネガティブトレーニング画像のペアのうちの前記第1のネガティブトレーニング画像および前記第2のネガティブトレーニング画像は、それぞれ異なる画像取得デバイスを用いて取得された画像を表す、請求項2に記載の方法。
- 前記CNNは、前記変化の存在を前記変化マスクにおいて示すために、第1のポジティブトレーニング画像および第2のポジティブトレーニング画像のペアを用いてトレーニングされており、
前記第1のポジティブトレーニング画像および前記第2のポジティブトレーニング画像の各ペアのうちの前記第1のポジティブトレーニング画像および前記第2のポジティブトレーニング画像の一方において1つ以上の変化がシミュレートされている、
請求項1乃至請求項3のいずれか1項記載の方法。 - 前記1つ以上の変化は、ひびの出現、ひびの広がり、ひびの伸長、変色の領域の出現、変色の領域の拡大、および/または、変色の領域の色変化のうち1つ以上である、請求項4に記載の方法。
- CNNは、4つの畳み込み層を持つ、請求項1乃至請求項5のいずれか1項に記載の方法。
- 第1の畳み込み層は、前記第1のチャンネル入力および前記第2のチャンネル入力の両方に作用するようにそれぞれ手配されている複数のフィルタを備える、請求項6に記載の方法。
- 前記CNNは、前記畳み込み層に続く2つの全結合層を持つ、請求項6または請求項7に記載の方法。
- 前記変化マスクは、前記第1の画像および前記第2の画像の一方に関して画素毎に構造物に対する変化の存在または不存在を示す、請求項1乃至請求項8のいずれか1項に記載の方法。
- 前記第2の期間は、前記第1の期間に続いて起こり、時間ギャップだけ前記第1の期間から離れている、請求項1乃至請求項9のいずれか1項に記載の方法。
- 前記構造物は、トンネルである、請求項1乃至請求項10のいずれか1項に記載の方法。
- プロセッサによる実行時に、当該プロセッサに請求項1乃至請求項11のいずれか1項に記載の方法を実行させるように手配された機械可読命令を保持する機械可読記憶媒体。
- 請求項1乃至請求項11のいずれか1項に記載の方法を実行するように手配された装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB1515742.3A GB2542118B (en) | 2015-09-04 | 2015-09-04 | A method, apparatus, system, and computer readable medium for detecting change to a structure |
GB1515742.3 | 2015-09-04 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017062776A true JP2017062776A (ja) | 2017-03-30 |
JP6289564B2 JP6289564B2 (ja) | 2018-03-07 |
Family
ID=54345813
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016165029A Expired - Fee Related JP6289564B2 (ja) | 2015-09-04 | 2016-08-25 | 構造物に対する変化を検出するための方法、装置およびコンピュータ可読媒体 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6289564B2 (ja) |
GB (1) | GB2542118B (ja) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107066995A (zh) * | 2017-05-25 | 2017-08-18 | 中国矿业大学 | 一种基于卷积神经网络的遥感图像桥梁检测方法 |
CN108846829A (zh) * | 2018-05-23 | 2018-11-20 | 平安科技(深圳)有限公司 | 病变部位识别方法及装置、计算机装置及可读存储介质 |
JP2019023392A (ja) * | 2017-07-24 | 2019-02-14 | 株式会社大林組 | 切羽評価支援システム、切羽評価支援方法及び切羽評価支援プログラム |
WO2019053842A1 (ja) * | 2017-09-14 | 2019-03-21 | 三菱電機株式会社 | 変状検出装置 |
KR20190086141A (ko) * | 2018-01-12 | 2019-07-22 | 인하대학교 산학협력단 | Cnn을 이용한 교량 구조물 손상추정기법의 개발을 위한 시뮬레이션 데이터 처리방법 |
CN110378254A (zh) * | 2019-07-03 | 2019-10-25 | 中科软科技股份有限公司 | 车损图像修改痕迹的识别方法、系统、电子设备及存储介质 |
WO2020071472A1 (ja) * | 2018-10-04 | 2020-04-09 | 日本電信電話株式会社 | 差異検出装置及び差異検出プログラム |
JP2020517015A (ja) * | 2017-04-11 | 2020-06-11 | アリババ・グループ・ホールディング・リミテッドAlibaba Group Holding Limited | ピクチャベースの車両損害査定の方法および装置、ならびに電子デバイス |
JP2020530167A (ja) * | 2017-08-07 | 2020-10-15 | スタンダード コグニション コーポレーション | 意味的差分抽出を使用した在庫イベントの予測 |
WO2021033239A1 (ja) * | 2019-08-19 | 2021-02-25 | 富士通株式会社 | 情報処理装置、情報処理プログラム、及び、情報処理方法 |
US11049334B2 (en) | 2017-04-11 | 2021-06-29 | Advanced New Technologies Co., Ltd. | Picture-based vehicle loss assessment |
CN113450357A (zh) * | 2021-09-01 | 2021-09-28 | 南昌市建筑科学研究所(南昌市建筑工程质量检测中心) | 管片图像在线分析子系统及地铁盾构检测系统 |
US11544914B2 (en) | 2021-02-18 | 2023-01-03 | Inait Sa | Annotation of 3D models with signs of use visible in 2D images |
US11551079B2 (en) | 2017-03-01 | 2023-01-10 | Standard Cognition, Corp. | Generating labeled training images for use in training a computational neural network for object or action recognition |
US11790682B2 (en) | 2017-03-10 | 2023-10-17 | Standard Cognition, Corp. | Image analysis using neural networks for pose and action identification |
WO2023204240A1 (ja) * | 2022-04-20 | 2023-10-26 | パナソニックIpマネジメント株式会社 | 処理方法およびそれを利用した処理装置 |
US11971953B2 (en) | 2021-02-02 | 2024-04-30 | Inait Sa | Machine annotation of photographic images |
US11983836B2 (en) | 2021-02-18 | 2024-05-14 | Inait Sa | Annotation of 3D models with signs of use visible in 2D images |
US12026665B2 (en) | 2022-03-03 | 2024-07-02 | Standard Cognition, Corp. | Identifying inventory items using multiple confidence levels |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019055465A1 (en) * | 2017-09-12 | 2019-03-21 | Bhavsar Parth | SYSTEMS AND METHODS FOR DATA COLLECTION AND PERFORMANCE MONITORING OF TRANSPORT INFRASTRUCTURE |
CN107945153A (zh) * | 2017-11-07 | 2018-04-20 | 广东广业开元科技有限公司 | 一种基于深度学习的路面裂缝检测方法 |
WO2019108905A1 (en) | 2017-11-30 | 2019-06-06 | University Of Kansas | Fatigue crack detection using feature tracking |
US11354814B2 (en) | 2018-03-23 | 2022-06-07 | University Of Kansas | Vision-based fastener loosening detection |
CN108765386A (zh) * | 2018-05-16 | 2018-11-06 | 中铁科学技术开发公司 | 一种隧道裂缝检测方法、装置、电子设备及存储介质 |
WO2020041319A1 (en) * | 2018-08-21 | 2020-02-27 | University Of Kansas | Fatigue crack detection in civil infrastructure |
CN109272039B (zh) * | 2018-09-19 | 2020-06-12 | 北京航空航天大学 | 一种基于无人机的水坝周边异常监测方法与装置 |
CN109767426B (zh) * | 2018-12-13 | 2021-11-09 | 同济大学 | 一种基于图像特征识别的盾构隧道渗漏水检测方法 |
CN110163842B (zh) * | 2019-04-15 | 2021-06-25 | 深圳高速工程检测有限公司 | 建筑裂缝检测方法、装置、计算机设备和存储介质 |
AU2020435457A1 (en) * | 2020-03-09 | 2022-10-27 | Vapar Pty Ltd | Technology configured to enable fault detection and condition assessment of underground stormwater and sewer pipes |
CN112036425A (zh) * | 2020-05-09 | 2020-12-04 | 中铁四局集团有限公司 | 一种隧道空洞状态雷达波谱图像识别模型构建方法及隧道空洞状态雷达波谱图像识别方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009133085A (ja) * | 2007-11-29 | 2009-06-18 | Central Japan Railway Co | トンネル覆工のひび割れ検査装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050197981A1 (en) * | 2004-01-20 | 2005-09-08 | Bingham Clifton W. | Method for identifying unanticipated changes in multi-dimensional data sets |
EP2596455A1 (en) * | 2010-07-20 | 2013-05-29 | Lockheed Martin Corporation | Image analysis systems using non-linear data processing techniques and methods using same |
-
2015
- 2015-09-04 GB GB1515742.3A patent/GB2542118B/en active Active
-
2016
- 2016-08-25 JP JP2016165029A patent/JP6289564B2/ja not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009133085A (ja) * | 2007-11-29 | 2009-06-18 | Central Japan Railway Co | トンネル覆工のひび割れ検査装置 |
Non-Patent Citations (2)
Title |
---|
リッカルド ゲラルディ,外3名: ""画像処理に基づくトンネル内壁の変化検出システム"", 東芝レビュー, vol. 第70巻,第9号, JPN6017036021, 1 September 2015 (2015-09-01), pages 12 - 15, ISSN: 0003644979 * |
利根川凛,外4名: ""被災がれき量推定に向けた画像解析を利用した倒壊建造物の自動抽出"", FIT2015 第14回情報科学技術フォーラム 講演論文集 第4分冊, JPN6017036020, 24 August 2015 (2015-08-24), pages 479 - 480, ISSN: 0003644978 * |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11551079B2 (en) | 2017-03-01 | 2023-01-10 | Standard Cognition, Corp. | Generating labeled training images for use in training a computational neural network for object or action recognition |
US11790682B2 (en) | 2017-03-10 | 2023-10-17 | Standard Cognition, Corp. | Image analysis using neural networks for pose and action identification |
JP2020517015A (ja) * | 2017-04-11 | 2020-06-11 | アリババ・グループ・ホールディング・リミテッドAlibaba Group Holding Limited | ピクチャベースの車両損害査定の方法および装置、ならびに電子デバイス |
US11049334B2 (en) | 2017-04-11 | 2021-06-29 | Advanced New Technologies Co., Ltd. | Picture-based vehicle loss assessment |
CN107066995A (zh) * | 2017-05-25 | 2017-08-18 | 中国矿业大学 | 一种基于卷积神经网络的遥感图像桥梁检测方法 |
JP2019023392A (ja) * | 2017-07-24 | 2019-02-14 | 株式会社大林組 | 切羽評価支援システム、切羽評価支援方法及び切羽評価支援プログラム |
JP2020530167A (ja) * | 2017-08-07 | 2020-10-15 | スタンダード コグニション コーポレーション | 意味的差分抽出を使用した在庫イベントの予測 |
WO2019053842A1 (ja) * | 2017-09-14 | 2019-03-21 | 三菱電機株式会社 | 変状検出装置 |
JPWO2019053842A1 (ja) * | 2017-09-14 | 2020-02-06 | 三菱電機株式会社 | 変状検出装置 |
CN111052177A (zh) * | 2017-09-14 | 2020-04-21 | 三菱电机株式会社 | 异常检测装置 |
KR20190086141A (ko) * | 2018-01-12 | 2019-07-22 | 인하대학교 산학협력단 | Cnn을 이용한 교량 구조물 손상추정기법의 개발을 위한 시뮬레이션 데이터 처리방법 |
KR102026449B1 (ko) | 2018-01-12 | 2019-09-27 | 인하대학교 산학협력단 | Cnn을 이용한 교량 구조물 손상추정기법의 개발을 위한 시뮬레이션 데이터 처리방법 |
CN108846829B (zh) * | 2018-05-23 | 2021-03-23 | 平安科技(深圳)有限公司 | 病变部位识别装置、计算机装置及可读存储介质 |
CN108846829A (zh) * | 2018-05-23 | 2018-11-20 | 平安科技(深圳)有限公司 | 病变部位识别方法及装置、计算机装置及可读存储介质 |
JP7244738B2 (ja) | 2018-10-04 | 2023-03-23 | 日本電信電話株式会社 | 差異検出装置及び差異検出プログラム |
US11967121B2 (en) | 2018-10-04 | 2024-04-23 | Nippon Telegraph And Telephone Corporation | Difference detection apparatus and difference detection program |
WO2020071472A1 (ja) * | 2018-10-04 | 2020-04-09 | 日本電信電話株式会社 | 差異検出装置及び差異検出プログラム |
JP2020061596A (ja) * | 2018-10-04 | 2020-04-16 | 日本電信電話株式会社 | 差異検出装置及び差異検出プログラム |
CN110378254A (zh) * | 2019-07-03 | 2019-10-25 | 中科软科技股份有限公司 | 车损图像修改痕迹的识别方法、系统、电子设备及存储介质 |
WO2021033239A1 (ja) * | 2019-08-19 | 2021-02-25 | 富士通株式会社 | 情報処理装置、情報処理プログラム、及び、情報処理方法 |
JPWO2021033239A1 (ja) * | 2019-08-19 | 2021-02-25 | ||
US11971953B2 (en) | 2021-02-02 | 2024-04-30 | Inait Sa | Machine annotation of photographic images |
US11544914B2 (en) | 2021-02-18 | 2023-01-03 | Inait Sa | Annotation of 3D models with signs of use visible in 2D images |
US11983836B2 (en) | 2021-02-18 | 2024-05-14 | Inait Sa | Annotation of 3D models with signs of use visible in 2D images |
CN113450357B (zh) * | 2021-09-01 | 2021-12-17 | 南昌市建筑科学研究所(南昌市建筑工程质量检测中心) | 管片图像在线分析子系统及地铁盾构检测系统 |
CN113450357A (zh) * | 2021-09-01 | 2021-09-28 | 南昌市建筑科学研究所(南昌市建筑工程质量检测中心) | 管片图像在线分析子系统及地铁盾构检测系统 |
US12026665B2 (en) | 2022-03-03 | 2024-07-02 | Standard Cognition, Corp. | Identifying inventory items using multiple confidence levels |
WO2023204240A1 (ja) * | 2022-04-20 | 2023-10-26 | パナソニックIpマネジメント株式会社 | 処理方法およびそれを利用した処理装置 |
Also Published As
Publication number | Publication date |
---|---|
JP6289564B2 (ja) | 2018-03-07 |
GB2542118B (en) | 2021-05-19 |
GB2542118A (en) | 2017-03-15 |
GB201515742D0 (en) | 2015-10-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6289564B2 (ja) | 構造物に対する変化を検出するための方法、装置およびコンピュータ可読媒体 | |
Stent et al. | Detecting change for multi-view, long-term surface inspection. | |
Attard et al. | Tunnel inspection using photogrammetric techniques and image processing: A review | |
Koch et al. | Evaluation of cnn-based single-image depth estimation methods | |
Prasanna et al. | Automated crack detection on concrete bridges | |
US10930013B2 (en) | Method and system for calibrating imaging system | |
JP7319432B2 (ja) | 学習用データ収集装置、学習用データ収集方法、及びプログラム | |
Moriondo et al. | Use of digital images to disclose canopy architecture in olive tree | |
Chen et al. | Registering georeferenced photos to a building information model to extract structures of interest | |
Alshawabkeh | Linear feature extraction from point cloud using color information | |
Panella et al. | Deep learning and image processing for automated crack detection and defect measurement in underground structures | |
JP2020038132A (ja) | コンクリート表面上のひび割れ特定方法、ひび割れ特定装置、ひび割れ特定システム及びプログラム | |
Kong et al. | Preserving our heritage: A photogrammetry-based digital twin framework for monitoring deteriorations of historic structures | |
Yamaguchi et al. | Crack inspection support system for concrete structures using head mounted display in mixed reality space | |
Ioli et al. | UAV photogrammetry for metric evaluation of concrete bridge cracks | |
CN115546113A (zh) | 掌子面裂隙图像与前方三维结构参数预测方法及系统 | |
Peteler et al. | Analyzing the evolution of deterioration patterns: A first step of an image-based approach for comparing multitemporal data sets | |
Zhao et al. | Detecting insulators in the image of overhead transmission lines | |
Guo et al. | Surface defect detection of civil structures using images: Review from data perspective | |
Hsu et al. | Defect inspection of indoor components in buildings using deep learning object detection and augmented reality | |
Stent et al. | An Image-Based System for Change Detection on Tunnel Linings. | |
Bush et al. | Image registration for bridge defect growth tracking | |
CN114120129B (zh) | 基于无人机图像和深度学习的滑坡滑移面的三维识别方法 | |
Gao et al. | A new method for repeated localization and matching of tunnel lining defects | |
Schmid et al. | Quantifying local spatial properties through lidar-based isovists for an evaluation of opinion-based vgi in a vr setup |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170828 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170926 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20171124 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180109 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180206 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6289564 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |