CN108775872A - 基于自动变焦实时图像处理的桥梁挠度检测方法 - Google Patents
基于自动变焦实时图像处理的桥梁挠度检测方法 Download PDFInfo
- Publication number
- CN108775872A CN108775872A CN201810666859.4A CN201810666859A CN108775872A CN 108775872 A CN108775872 A CN 108775872A CN 201810666859 A CN201810666859 A CN 201810666859A CN 108775872 A CN108775872 A CN 108775872A
- Authority
- CN
- China
- Prior art keywords
- target
- image
- deflection
- bridge span
- bridge
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 22
- 238000006073 displacement reaction Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 13
- 101100328884 Caenorhabditis elegans sqt-3 gene Proteins 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 101100328886 Caenorhabditis elegans col-2 gene Proteins 0.000 claims description 2
- 239000003550 marker Substances 0.000 claims description 2
- 230000003321 amplification Effects 0.000 claims 1
- 238000003199 nucleic acid amplification method Methods 0.000 claims 1
- 238000000926 separation method Methods 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract description 16
- 230000003287 optical effect Effects 0.000 abstract 1
- 238000001914 filtration Methods 0.000 description 12
- 238000000691 measurement method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002706 hydrostatic effect Effects 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于自动变焦实时图像处理的桥梁挠度检测方法。首先将矩形靶标固定在桥梁上某一固定位置，调整摄像头位置使靶标成像在图像中央。摄像头接入嵌入式处理器，靶标的图像信息并处理得靶标中心点的位置，将此位置坐标作为基准值。随着桥梁挠度和靶标距离摄像头距离的变化，出现在光屏上的靶标大小和中心位置随之变化，通过自动变焦技术使靶标在图像中占据大部分位置，然后求取其中心点相对基准位移计算出挠度变化量。本发明操作方便简单，硬件轻且小，测量精确且能实现实时测量。
Description
技术领域
本发明属于远距离非接触测量技术领域，具体地说，是一种基于自动变焦的实时图像处理桥梁挠度检测方法。
背景技术
在机械化设备高度集中的现代社会中，测量技术无疑占据着举足轻重的地位。然而现在对测量设备的要求，不仅需要较高的测量精度、效率，更需要测量设备操作方便，携带轻巧，自动化程度高等。在一些特殊场合，例如高温、微小尺寸、高速、长时间检测等，传统的测量方法已经很难胜任日常需求。因此，对自动远距离非接触的新型测量方法进行探索和研究具有重大意义。
非接触测量方法一般包括声波测量、光电测量、图像测量等，其中现阶段使用比较多的有声波测量技术和光电测量技术，但这两种测量技术存在一些弊端，他们对测量对象要求比较高，其中声波测量技术需要被测物表面反射能力强，否则测量结果不理想。随着计算机技术的发展，图像处理技术的日益完善，基于图像处理的测量技术在工程应用中得到了高度重视，并获得了迅速的发展。图像处理技术将数字图像处理技术、电子技术、控制技术、计算机技术和光电检测技术结合在一起，构成了一个完整的测量***。基于图像处理测量***，一般具有精度高、测量速度快、自动化程度高、操作简单、可长时间检测等优点。
传统桥梁挠度检测方法存在一些难以避免的缺陷，倾角仪法，这种方法对仪器设备本身和安装的精度要求高；静力水准仪法，精度高、抗干扰性强，但量程有限；精密水准仪法，只能靠人工测量，人为和环境的影响较大，效率较低；GPS卫星定位***，测量精度不高，且成本较高等。
发明内容
本发明的目的在于提供一种基于自动变焦实时图像处理的桥梁挠度检测方法，该方法操作简单、硬件设施轻便，测量精度高。
实现本发明目的的技术解决方案为：一种
自动变焦实时图像处理的桥梁挠度检测方法，通过嵌入式***实时采集包含矩形靶标的图像，并将获取的图像进行高斯滤波去噪、感兴趣区域的提取和感兴趣区域中心位置坐标的求取。将之后获取到的中心位置与初始标定位置比较，从而进行桥梁挠度检测，具体包括以下步骤：
步骤1，将已知尺寸的靶标安装在桥梁上，将摄像头和嵌入式处理器安装在桥梁外某一固定点，使得靶标大致在图像中央。
步骤2,嵌入式处理器接收到含有靶标的图像之后，首先对该图像进行滤波，灰度化等图像预处理，然后分割出矩形靶标，计算出矩形靶标在图像中所占的像素个数。如果靶标所占的像素点个数少于图像总像素个数的1/2，则通过自动变焦拉大焦距，提高放大倍数，使得靶标所占图像面积增加。通过已知的靶标的尺寸，计算出在相机坐标系中的每个像素大小对应在世界坐标中的实际距离。
步骤3，以图像的左上顶点为原点，向右为X轴，向下为Y轴，计算出矩形靶标中心的坐标，即在图像矩阵中的位置。
步骤4，标定初始中心点的坐标，当桥梁挠度发生变化时，中心点随之变化，记录变化后的位置。通过位移后的坐标位置与初始位置之差乘以相机坐标系每个像素对应世界坐标系中实际距离，则可以求出桥梁在该点实际的位移量。
本发明与现有技术相比，具有以下优点：
（1）通过图像处理技术计算图像中靶标中心点位置坐标的变化来确定桥梁实际的位移量，具有较高的精度且受外界因素影响小；
（2）通过自动变焦技术，动态实时的调整靶标在图像中所占得大小，相比固定焦距的测量能够极大的提高测量精度。
（3）整个检测过程都是通过嵌入式***内计算完成，无需后序的人为计算，具有自动化程度高，计算速率快的特点；
（4）和常规的如倾角仪法测量方法相比，所需硬件资源较少，安装简易方便，并且可以实现长期实时的检测桥梁，测量成本低。
（5）该***能够放置在桥梁上长期工作，可长时间检测桥梁挠度变化曲线。
附图说明
图1是本发明基于自动变焦实时图像处理的桥梁挠度检测方法的原理图。
图2是本发明基于自动变焦实时图像处理的桥梁挠度检测方法的图像处理流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
本发明方法首先通过USB摄像头获取含有矩形靶标的图像，嵌入式***获取到图像流之后对该图像高斯滤波和中值滤波、阈值分割处理，得到靶标图像，通过提取靶标的轮廓得到四个顶点的坐标，然后计算出中心点坐标。嵌入式***实时处理摄像机得到的图像，计算靶标的中心位置坐标，该点中心位置移动的距离乘以像素对应实际距离系数则为实际移动距离。本发明方法操作简单、所需硬件资源少、测量精度高，测量速率快等优点。
结合图1，本发明基于图像处理的桥梁挠度检测方法，通过采集图像获取含有矩形靶标图像，经嵌入式***对获取图像进行高斯滤波，中值滤波、灰度化等预处理，然后在进行图像的分割找出矩形靶标的中心点位置。通过检测矩形靶标中心点位置的变化，可以确定桥梁实际挠度变化量。
具体包括以下步骤：
步骤一：设备安装与图像获取
首先将该***的靶标安装在桥梁待测部分，然后调整USB摄像机和嵌入式处理***的位置，使靶标在大概处于图像中央并占据图像的大部分面积。 检测时，嵌入式***通过USB摄像头采集含有靶标的图像。
步骤二：图像预处理
对获取图像的预处理主要是对图像高斯滤波，中值滤波和图像灰度化。嵌入式处理器接收到含有靶标的图像之后，首先对该图像进行高斯滤波通过高斯滤波，消除图像的高斯噪声。高斯滤波的步骤为，第一步移动相关核的中心元素，使它位于输入图像待处理像素的正上方；第二步将输入图像的像素值作为权重，乘以相关核；第三步将上面各步得到的结果相加作为输出。然后对高斯滤波后的图像进行中值滤波。主要方法是将模板内的像素值进行大小排序，因此无论是暗点噪声还是亮点噪声都会出现在排序数列的前后两端，而最终选择的中值一般不会是噪声点，因此达到抑制噪点的效果。最后对滤波后图像使用opencv函数cvtColor函数对图像进行灰度化。以上为所有图像与处理的步骤。
步骤三：图像处理
对预处理的图像进行漫水填充将矩形靶标和其余背景分割开，最后对检测的矩形靶标求取其中心点的位置坐标。
漫水填充的基本思想是自动选中和种子点相连的区域，接着将该区域替换成指定的颜色。本发明这里调用opencv2.0中的函数floodFill将矩形靶标区域标记为一组特殊的RGB(255,255,0)值。
步骤四：判断矩形靶标在图像中所占像素个数
对每幅图像的Mat矩阵通过函数Mat.at()从左到右从上到下遍历每个像素点获取其RGB值，记录图像Mat矩阵第一次出现RGB值为(255,255,0)的位置x1=(col1,row1),和最后一次出现的位置x2=(col2,row2)。然后计算靶标像素点个数为s=(col2-col1)*(row2-row1)，判读s是否大于图像总像素个数的1/2，如果是执行步骤五中的程序。如果图像总像素个数小于1/2,执行自动变焦然后回到步骤一重新执行。
步骤五：求取世界坐标和相机坐标的比例关系和中心点位置
得到中心点的位置坐标为xO=((col2-col1)/2 ,(row2-row1)/2)。对于第一帧图像计算出高为H的矩形靶标在图像中所对应的像素个数为x=row2-row1，所以每个像素代表的实际距离为k=x/H，其中x为矩形靶标像素点的个数，H为矩形靶标的实际物理尺寸。
步骤六：桥梁挠度检测。
通过上述方法将第一帧图像的中心位置作为基准位置，检测时得到的后序帧图像的中心位置和基准位置作差，并乘以像素点与实际距离的比例系数，则为桥梁在该点的实际移动距离。然后嵌入式***将该距离实时打印在显示屏上。
Claims (5)
1.一种基于自动变焦实时图像处理的桥梁挠度检测方法，其特征在于：通过嵌入式图像采集获取靶标图像，嵌入式处理器对获取的图像进行滤波、灰度化，最终通过区域分割遍历像素点获靶标中心的位置，求出靶标中心位置偏移量便能确定桥梁挠度变化值，具体包括以下步骤：
步骤1，将已知尺寸的靶标安装在桥梁上，将摄像头和嵌入式处理器安装在桥梁外的某一固定点，通过摄像头获取靶标图像，使得靶标在图像上；
步骤2,嵌入式处理器接收到含有靶标的图像之后，首先对该图像进行滤波、灰度化图像预处理，然后分割出矩形靶标，计算出矩形靶标在图像中所占的像素个数；如果靶标所占的像素点个数少于图像总像素个数的1/2，执行步骤3，否则，执行步骤4；
步骤 3，通过自动变焦拉大焦距，提高放大倍数，使得靶标所占图像面积增加；
步骤4，通过已知的靶标的尺寸，计算出在相机坐标系中的每个像素大小对应在世界坐标中的实际距离；
步骤5，以图像的左上顶点为原点，向右为X轴，向下为Y轴，计算出矩形靶标中心的坐标，即在图像矩阵中的位置；
步骤6，标定初始标靶图像中心点的坐标，当桥梁挠度发生变化时，中心点随之变化，记录变化后的位置；位移后的坐标位置与初始位置作差，然后乘以相机坐标系每个像素对应世界坐标系中的实际距离，最终得出桥梁在该点实际的位移量。
2.根据权利要求1所述的桥梁挠度检测方法，其特征在于：嵌入式处理器采用NanoPiFire3，通过摄像头实时获取图像并处理。
3.根据权利要求1所述的桥梁挠度检测方法，其特征在于：处理器获取靶标图像的频率为每秒25-30次，即每秒可以测量出25-30组桥梁挠度的变化值。
4.根据权利要求1所述的桥梁挠度检测方法，起特征在于：步骤2中所述的将矩形靶标和背景分割的方法具体为：利用OpenCV开源库，对处理器获取的每一帧图像进行漫水填充，将矩形靶标和背景分离；自动选中和种子点相连的区域，接着将该区域换成指定的颜色，将矩形靶标区域标记为一组特殊的RGB(255,255,0)值，将矩形靶标和背景分割开。
5.根据权利要求1所述的桥梁挠度检测方法，其特征在于：步骤5中计算矩形靶标中心坐标的方法为：对每幅图像的Mat矩阵，通过函数Mat.at()从左到右从上到下遍历每个像素点获取其RGB值，记录图像Mat矩阵第一次出现RGB值为(255,255,0)的位置x1=(col1,row1),和最后一次出现的位置x2=(col2,row2)，得到中心点的位置坐标为xO=((col2-col1)/2 ,(row2-row1)/2)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810666859.4A CN108775872A (zh) | 2018-06-26 | 2018-06-26 | 基于自动变焦实时图像处理的桥梁挠度检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810666859.4A CN108775872A (zh) | 2018-06-26 | 2018-06-26 | 基于自动变焦实时图像处理的桥梁挠度检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108775872A true CN108775872A (zh) | 2018-11-09 |
Family
ID=64026356
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810666859.4A Pending CN108775872A (zh) | 2018-06-26 | 2018-06-26 | 基于自动变焦实时图像处理的桥梁挠度检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108775872A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109879170A (zh) * | 2019-03-29 | 2019-06-14 | 哈尔滨理工大学 | 一种起重机吊臂旁弯位移实时检测*** |
| CN110260813A (zh) * | 2019-05-22 | 2019-09-20 | 西安理工大学 | 基于ccd图像处理的弯管挠度激光检测方法 |
| CN110319992A (zh) * | 2019-07-08 | 2019-10-11 | 西安桥邦智能科技有限公司 | 桥梁挠度检测方法、装置、***、终端及介质 |
| CN110634138A (zh) * | 2019-09-26 | 2019-12-31 | 杭州鲁尔物联科技有限公司 | 一种基于视觉感知的桥梁变形的监测方法、装置及设备 |
| CN112229586A (zh) * | 2020-09-30 | 2021-01-15 | 石家庄铁道大学 | 桥梁支座健康状态检测方法及终端设备 |
| CN112284260A (zh) * | 2020-09-30 | 2021-01-29 | 深圳市北斗云信息技术有限公司 | 一种视觉位移监测方法、设备和*** |
| CN112461147A (zh) * | 2020-10-16 | 2021-03-09 | 深圳大学 | 一种基于视觉测量技术的桥梁动态形变监测方法及*** |
| CN112487642A (zh) * | 2020-11-27 | 2021-03-12 | 成都大学 | 一种基于漫水填充算法的疲劳断口形貌特征提取方法 |
| CN114663504A (zh) * | 2022-02-18 | 2022-06-24 | 深圳大学 | 一种多相机连续视觉大型桥梁线形实时测量方法及*** |
| CN116309672A (zh) * | 2023-05-23 | 2023-06-23 | 武汉地震工程研究院有限公司 | 一种基于led标靶的夜间桥梁动挠度测量方法与装置 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1912561A (zh) * | 2006-08-31 | 2007-02-14 | 蓝章礼 | 望远式全天候自标定挠度/位移测量装置及方法 |
| CN102519383A (zh) * | 2011-12-27 | 2012-06-27 | 中铁大桥局集团武汉桥梁科学研究院有限公司 | 桥梁动态挠度光斑成像测量装置和方法 |
| CN103940344A (zh) * | 2014-04-11 | 2014-07-23 | 西安敏文电子科技有限公司 | 一种高精度远程位移传感器 |
| CN105067208A (zh) * | 2015-08-14 | 2015-11-18 | 哈尔滨工业大学 | 一种基于ccd的多通道桥梁挠度监测***及方法 |
| CN105486243A (zh) * | 2015-12-24 | 2016-04-13 | 成都上甲光电科技有限公司 | 基于可见光成像技术的桥梁挠度监测*** |
| CN106197288A (zh) * | 2016-08-03 | 2016-12-07 | 西安敏文测控科技有限公司 | 用于大型结构物垂直位移或变形的自校准式测量装置及方法 |
| CN106225708A (zh) * | 2016-08-30 | 2016-12-14 | 北京航空航天大学 | 一种对环境光不敏感的通用视频挠度测量*** |
| CN107588913A (zh) * | 2017-08-03 | 2018-01-16 | 长安大学 | 一种桥梁挠度检测***及检测方法 |
-
2018
- 2018-06-26 CN CN201810666859.4A patent/CN108775872A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1912561A (zh) * | 2006-08-31 | 2007-02-14 | 蓝章礼 | 望远式全天候自标定挠度/位移测量装置及方法 |
| CN102519383A (zh) * | 2011-12-27 | 2012-06-27 | 中铁大桥局集团武汉桥梁科学研究院有限公司 | 桥梁动态挠度光斑成像测量装置和方法 |
| CN103940344A (zh) * | 2014-04-11 | 2014-07-23 | 西安敏文电子科技有限公司 | 一种高精度远程位移传感器 |
| CN105067208A (zh) * | 2015-08-14 | 2015-11-18 | 哈尔滨工业大学 | 一种基于ccd的多通道桥梁挠度监测***及方法 |
| CN105486243A (zh) * | 2015-12-24 | 2016-04-13 | 成都上甲光电科技有限公司 | 基于可见光成像技术的桥梁挠度监测*** |
| CN106197288A (zh) * | 2016-08-03 | 2016-12-07 | 西安敏文测控科技有限公司 | 用于大型结构物垂直位移或变形的自校准式测量装置及方法 |
| CN106225708A (zh) * | 2016-08-30 | 2016-12-14 | 北京航空航天大学 | 一种对环境光不敏感的通用视频挠度测量*** |
| CN107588913A (zh) * | 2017-08-03 | 2018-01-16 | 长安大学 | 一种桥梁挠度检测***及检测方法 |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109879170A (zh) * | 2019-03-29 | 2019-06-14 | 哈尔滨理工大学 | 一种起重机吊臂旁弯位移实时检测*** |
| CN109879170B (zh) * | 2019-03-29 | 2020-08-04 | 哈尔滨理工大学 | 一种起重机吊臂旁弯位移实时检测*** |
| CN110260813A (zh) * | 2019-05-22 | 2019-09-20 | 西安理工大学 | 基于ccd图像处理的弯管挠度激光检测方法 |
| CN110319992A (zh) * | 2019-07-08 | 2019-10-11 | 西安桥邦智能科技有限公司 | 桥梁挠度检测方法、装置、***、终端及介质 |
| CN110634138A (zh) * | 2019-09-26 | 2019-12-31 | 杭州鲁尔物联科技有限公司 | 一种基于视觉感知的桥梁变形的监测方法、装置及设备 |
| CN112284260A (zh) * | 2020-09-30 | 2021-01-29 | 深圳市北斗云信息技术有限公司 | 一种视觉位移监测方法、设备和*** |
| CN112229586A (zh) * | 2020-09-30 | 2021-01-15 | 石家庄铁道大学 | 桥梁支座健康状态检测方法及终端设备 |
| CN112229586B (zh) * | 2020-09-30 | 2022-10-14 | 石家庄铁道大学 | 桥梁支座健康状态检测方法及终端设备 |
| CN112461147A (zh) * | 2020-10-16 | 2021-03-09 | 深圳大学 | 一种基于视觉测量技术的桥梁动态形变监测方法及*** |
| CN112487642A (zh) * | 2020-11-27 | 2021-03-12 | 成都大学 | 一种基于漫水填充算法的疲劳断口形貌特征提取方法 |
| CN112487642B (zh) * | 2020-11-27 | 2024-02-13 | 成都大学 | 一种基于漫水填充算法的疲劳断口形貌特征提取方法 |
| CN114663504A (zh) * | 2022-02-18 | 2022-06-24 | 深圳大学 | 一种多相机连续视觉大型桥梁线形实时测量方法及*** |
| CN116309672A (zh) * | 2023-05-23 | 2023-06-23 | 武汉地震工程研究院有限公司 | 一种基于led标靶的夜间桥梁动挠度测量方法与装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108775872A (zh) | 基于自动变焦实时图像处理的桥梁挠度检测方法 | |
| CN107588823B (zh) | 基于双波段成像的水尺水位测量方法 | |
| CN109883533B (zh) | 基于机器视觉的低频振动测量方法 | |
| CN111476159B (zh) | 一种基于双角回归的检测模型训练、检测方法及装置 | |
| US10444255B2 (en) | Method and system for determining the velocity of a moving fluid surface | |
| CN112257676B (zh) | 一种指针式仪表读数方法、***以及巡检机器人 | |
| CN109544628B (zh) | 一种指针式仪表的准确读数识别***及方法 | |
| CN112818988A (zh) | 一种指针式仪表自动识别读数方法及*** | |
| CN102737370B (zh) | 检测图像前景的方法及设备 | |
| CN108007388A (zh) | 一种基于机器视觉的转盘角度高精度在线测量方法 | |
| CN104657711B (zh) | 一种鲁棒的指针式仪表读数自动识别方法 | |
| CN111368906B (zh) | 一种基于深度学习的指针式油位计读数识别方法 | |
| CN110223355B (zh) | 一种基于双重极线约束的特征标志点匹配方法 | |
| CN103487033B (zh) | 一种基于变高单应的河流水面摄影测量方法 | |
| CN108286948A (zh) | 一种基于图像处理的桥梁挠度检测方法 | |
| CN106023153B (zh) | 一种测量水体中气泡的方法 | |
| CN109341668A (zh) | 基于折射投影模型和光束追踪法的多相机测量方法 | |
| CN101218602A (zh) | 图像处理装置及环境信息观测装置 | |
| CN108053416A (zh) | 一种基于单幅卫星图像的最大储油量提取*** | |
| CN109003312A (zh) | 一种基于非线性优化的相机标定方法 | |
| CN109060290A (zh) | 基于视频和亚像素技术对风洞密度场进行测量的方法 | |
| CN108362205A (zh) | 基于条纹投影的空间测距方法 | |
| CN111144350B (zh) | 一种基于参考底图的遥感影像定位精度评价方法 | |
| CN115717867A (zh) | 一种基于机载双相机和目标追踪的桥梁变形测量方法 | |
| CN113850868B (zh) | 一种波浪爬高图像识别方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181109 |