CN112036508B - 一种基于盾构隧道衬砌结构的环缝自动识别方法 - Google Patents
一种基于盾构隧道衬砌结构的环缝自动识别方法 Download PDFInfo
- Publication number
- CN112036508B CN112036508B CN202011028530.9A CN202011028530A CN112036508B CN 112036508 B CN112036508 B CN 112036508B CN 202011028530 A CN202011028530 A CN 202011028530A CN 112036508 B CN112036508 B CN 112036508B
- Authority
- CN
- China
- Prior art keywords
- tunnel
- point
- bolt hole
- ring
- shield tunnel
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000005070 sampling Methods 0.000 claims description 15
- 230000005484 gravity Effects 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/08—Projecting images onto non-planar surfaces, e.g. geodetic screens
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/457—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by analysing connectivity, e.g. edge linking, connected component analysis or slices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
-
- 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
- G06T2207/30181—Earth observation
- G06T2207/30184—Infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Lining And Supports For Tunnels (AREA)
Abstract
本发明为一种基于盾构隧道衬砌结构的接缝自动识别方法,其特征在于包括以下步骤:S1:使用移动扫描***进行盾构隧道三维点云采集;S2:隧道内壁正射投影图像生成;S3:螺栓孔特征识别;S4:盾构隧道纵接缝提取;S5:先验结构模板环生成;S6:盾构隧道横接缝提取。本发明具备以下优点:从盾构隧道衬砌结构的特点出发,选取具有较强结构特征的螺栓孔作为识别特征,间接提取接缝信息,可以在一定程度上排除隧道内壁扫描遮挡、附属设施干扰的影响,精度高、鲁棒性强。采用先验结构模板环的方式进行横接缝识别,对通缝、错缝隧道均具有较好的识别效果,操作简便、通用性强,适合于实际工程应用。
Description
技术领域
本发明涉及盾构隧道测量技术领域,具体涉及一种基于盾构隧道衬砌结构的环缝自动识别方法。
背景技术
近年来,随着我国城市轨道交通行业的迅猛发展,地铁隧道的数量和地铁运营长度急剧增加,地铁已成为城市中最主要的通勤工具,并随之产生大量的地铁隧道安全监测与维护工作。盾构隧道以其安全、环保、快速的优点在地铁工程建设过程中被大量应用,盾构法隧道最显著的特点是结构存在大量接缝,1km长的单圆盾构隧道其接缝总长度是隧道自身长度的20余倍,盾构隧道接缝位置往往是拼装隧道的薄弱环节,管片横、纵接缝是描述隧道环拼装的重要结构特征。
隧道里程定位与拼装环块分割取决于对接缝的准确识别提取,隧道接缝信息的提取是完成隧道错台计算、全断面收敛、BIM模型生成等后续成果的必备前提。
专利201410726695.1公开了基于三维扫描技术提取隧道错台的方法,通过激光扫描影像获取隧道接缝信息,接缝信息为人工采集,效率过低。
专利201811566725.1公开了一种基于盾构隧道影像的管片接缝位置自动识别方法,该方法需要实现构建训练集与测试集,图像数据处理量较大,操作较繁琐且易受隧道内线状附属结构干扰。
发明内容
本发明的目的是为了克服上述现有技术不足,提供一种基于盾构隧道衬砌结构的环缝自动识别方法,该方法采用移动扫描***采集盾构隧道三维点云,根据盾构隧道结构特征,自动识别盾构隧道衬砌结构中特征较明显的螺栓孔,间接提取盾构隧道中横、纵接缝的位置,可广泛用于通缝、错缝隧道环缝的自动提取。
为了实现上述目的,本发明提供一种基于盾构隧道衬砌结构特征的环缝自动识别方法,包括步骤如下。
S1:使用移动扫描***进行盾构隧道三维点云采集。
S2:隧道内壁正射投影图像生成。
S3:螺栓孔特征识别。
S4:盾构隧道纵接缝提取。
S5:先验结构模板环生成。
S6:盾构隧道横接缝提取。
进一步的,所述的S2步骤中,使用圆柱投影模型进行盾构隧道正射投影,生成隧道内壁正射影像图,此图像用于接缝的人工先验选取与接缝识别结果验证。
进一步的,所述的S3步骤中,包含以下步骤。
S31: 选取隧道图像上包含螺栓孔的区域范围,沿隧道里程方向进行采样,计算相应点到断面拟合椭圆中心的距离,同时为了剔除附属设施遮挡影响,在同一断面采样点集中选取距离最大值作为当前断面采样距离,构成采样点集合G。
S32:利用螺栓孔设计宽度t_w与深度t_d作为阈值,对采样点集合G中的点进行聚类分割算法,识别到全部t个聚类,构成聚类重心点集J。
S33:点集J中包含两类点,分别为螺栓孔聚类点J_1,隧道壁点J_2,对识别到的全部聚类重心使用宽度为6的滑动窗口计算窗口内聚类重心平均值k,将窗口内距离小于k的点作为隧道壁点J_2,将距离大于k的点作为螺栓孔点J_1,将全部J_1构成螺栓孔点集H。
进一步的,所述的S4步骤中,将全部理论接缝里程位置构成为
l,遍历选取螺栓孔点集H中点Hi,在
l中遍历查找距离Hi最近的点
l i ,如果Hi<
l i ,将Hi放入点集Hleft,如果Hi>
l i ,将Hi放入点集Hright,取Hleft与Hright中距离最近的一对点pl与pr,则盾构隧道当前纵接缝位置p_h为:。
进一步的,所述的S5步骤中,包含以下步骤。
S51:根据隧道实际情况,人工选择1-3环接缝位置作为先验位置信息,将第i环接缝位置构成点集Oi。
S52:使用S3步骤中的算法提取第i环中的螺栓孔点集Hi,遍历Hi中的螺栓孔,在点集Oi中寻找距离当前螺栓孔最近的接缝,储存当前接缝与螺栓孔的位置关系索引h-oi存入位置关系索引集合HOi。
S53:将全部环的HOi取并集,构成整体先验结构模板环集合HO。
进一步的,所述的S6步骤中,由于区间内某横接缝待识别环i与S5中的结构模板环具有相同的拼装方式,具有相同的“接缝-螺栓孔”对应关系,仅与“结构模板环”存在绕隧道轴线的旋转角θ,θ取值范围为0°-360°。待识别环i中识别到的螺栓孔集合Hi是结构模板环中螺栓孔集合HO的子集,当确定正确的旋转角θ后,就可以得到各螺栓孔的正确匹配。按照0°~360°的旋转角θ对待识别环i进行旋转,将待识别环i采用S3步骤算法提取螺栓孔点集Hi,之后遍历结构模板环HO中的螺栓孔集合,匹配查找Hi中各螺栓孔对应的结构模板环HO中方位角差最小的螺栓孔,计算当前旋转角θ下平均角差δ,将全部θ取值下的δ加入平均角差集合φ。选取集合φ中最小的平均角差,得到对应的旋转角取值θmin,将待识别环i旋转θmin,遍历查找Hi中各螺栓孔在先验结构模板环HO中距离最近的模板螺栓孔,直接找到对应的横接缝位置,如有重复的接缝位置则取平均值,作为最终的横接缝位置p_z。
本发明采用以上技术方案,具备以下优点。从盾构隧道衬砌结构的特点出发,选取具有较强结构特征的螺栓孔作为识别特征,间接提取接缝信息,可以在一定程度上排除隧道内壁扫描遮挡、附属设施干扰的影响,精度高、鲁棒性强。采用先验结构模板环的方式进行横接缝识别,对通缝、错缝隧道均具有较好的识别效果,操作简便、通用性强,适合于实际工程应用。
附图说明
图1为本发明的操作方法流程图。
图2为本发明实施例中结构特征示意图。
图3为本发明实施例中纵接缝识别示意图。
图4为本发明实施例中模板环生成示意图。
图5为本发明实施例中横接缝匹配曲线示意图。
具体实施方式
下面结合附图1-5,给出本发明的较佳实施例,对本发明做进一步说明。
附图1为本发明的操作方法流程图,包括步骤如下。
S1:使用移动扫描***进行盾构隧道三维点云采集。
S2:隧道内壁正射投影图像生成。
S3:螺栓孔特征识别。
S4:盾构隧道纵接缝提取。
S5:先验结构模板环生成。
S6:盾构隧道横接缝提取。
所述的S2步骤中,使用圆柱投影模型进行盾构隧道正射投影,生成隧道内壁正射影像图,此图像用于接缝的人工先验选取与接缝识别结果验证。
附图2中展示了本发明中需要识别的螺栓孔特征,需要提取的横纵接缝样式。
所述的S3步骤中,包含以下步骤,结合附图3中所示参数进行详细说明。
S31: 选取隧道图像上包含螺栓孔的区域范围,沿隧道里程方向进行采样,计算相应点到断面拟合椭圆中心的距离,同时为了剔除附属设施遮挡影响,在同一断面采样点集中选取距离最大值作为当前断面采样距离,构成采样点集合G,显示如图3所示原始点构成的曲线。
S32:利用螺栓孔设计宽度t_w与深度t_d作为阈值,对采样点集合G中的点进行聚类分割算法,识别到全部t个聚类,构成聚类重心点集J。
S33: 如附图3所示,点集J中包含两类点,分别为螺栓孔聚类点J_1,隧道壁点J_2,对识别到的全部聚类重心使用宽度为6的滑动窗口计算窗口内聚类重心平均值k,将窗口内距离小于k的点作为隧道壁点J_2,将距离大于k的点作为螺栓孔点J_1,将全部J_1构成螺栓孔点集H。
所述的S4步骤中,结合附图3中所示参数进行详细说明,将全部理论接缝里程位置构成为
l,遍历选取螺栓孔点集H中点Hi,在
l中遍历查找距离Hi最近的点
l i ,如果Hi<
l i ,将Hi放入点集Hleft,如果Hi>
l i ,将Hi放入点集Hright,如图3所示,取Hleft与Hright中距离最近的一对点pl与pr,则盾构隧道当前纵接缝位置p_h为: ,位于图3虚线框中。
所述的S5步骤,结合附图4中所示参数进行详细说明,附图4中1-6分别为:1螺栓孔,2横接缝,3先验接缝选取,4接缝—螺栓孔对应关系,5先验接缝合并,6先验结构模板环,具体包含以下步骤。
S51:在本实施例中,选取2环接缝位置作为先验位置信息,如图4中“3先验接缝选取”所示,并将第i环接缝位置构成点集Oi。
S52:使用S3步骤中的算法提取第i环中的螺栓孔(图4中“1螺栓孔”),构成点集Hi,遍历Hi中的螺栓孔,在点集Oi中寻找距离当前螺栓孔最近的接缝(图4中“2横接缝”),储存当前接缝与螺栓孔的位置关系索引h-oi(图4中“4接缝—螺栓孔对应关系”)存入位置关系索引集合HOi。
S53:将全部环的HOi取并集,如图4中“5先验接缝合并”所示,构成整体先验结构模板环集合HO(图4中“6先验结构模板环”)。
所述的S6步骤中,结合附图5进行说明,在本实施例中,按照0°~360°的旋转角θ对待识别环i进行旋转,将待识别环i采用S3步骤算法提取螺栓孔点集Hi,之后遍历结构模板环HO中的螺栓孔集合,匹配查找Hi中各螺栓孔对应的结构模板环HO中方位角差最小的螺栓孔,计算当前旋转角θ下平均角差δ,绘制如图5所示平均角度差随旋转角变化曲线,将全部θ取值下的δ加入平均角差集合φ。选取集合φ中最小的平均角差,得到对应的旋转角取值θmin,如图5所示最小值所指位置。最后,将待识别环i旋转θmin,遍历查找Hi中各螺栓孔在先验结构模板环HO中距离最近的模板螺栓孔,直接找到对应的横接缝位置,如有重复的接缝位置则取平均值,作为最终的横接缝位置p_z。
Claims (1)
1.一种基于盾构隧道衬砌结构的环缝自动识别方法,其特征在于包括如下步骤:S1:使用移动扫描***进行盾构隧道三维点云采集;S2:隧道内壁正射投影图像生成;S3:螺栓孔特征识别;S4:盾构隧道纵接缝提取;S5:先验结构模板环生成;S6:盾构隧道横接缝提取;
所述S1步骤中,盾构隧道点云由移动扫描***采集,点云包含三维坐标位置信息与强度信息;
所述S2步骤中,使用圆柱投影模型进行盾构隧道正射投影,生成隧道内壁正射影像图;
所述S3步骤中,包含以下步骤:S31: 选取隧道图像上包含螺栓孔的区域范围,沿隧道里程方向进行采样,计算相应点到断面拟合椭圆中心的距离,同时为了剔除附属设施遮挡影响,在同一断面采样点集中选取距离最大值作为当前断面采样距离,构成采样点集合G;S32:利用螺栓孔设计宽度t_w与深度t_d作为阈值,对采样点集合G中的点进行聚类分割算法,识别到全部t个聚类,构成聚类重心点集J;S33:点集J中包含两类点,分别为螺栓孔聚类点J_1,隧道壁点J_2,对识别到的全部聚类重心使用宽度为6的滑动窗口计算窗口内聚类重心平均值k,将窗口内距离小于k的点作为隧道壁点J_2,将距离大于k的点作为螺栓孔点J_1,将全部J_1构成螺栓孔点集H;
所述S4步骤中,将全部理论接缝里程位置构成为l,遍历选取螺栓孔点集H中点Hi,在l中遍历查找距离Hi最近的点li,如果Hi<li,将Hi放入点集Hleft,如果Hi>li,将Hi放入点集Hright,取Hleft与Hright中距离最近的一对点pl与pr,则盾构隧道当前纵接缝位置p_h为:
;
所述S5步骤中,包含以下步骤:S51:根据隧道实际情况,人工选择1-3环接缝位置作为先验位置信息,将第i环接缝位置构成点集Oi;S52:使用S3步骤中的算法提取第i环中的螺栓孔点集Hi,遍历Hi中的螺栓孔,在点集Oi中寻找距离当前螺栓孔最近的接缝,储存当前接缝与螺栓孔的位置关系索引h-oi存入位置关系索引集合HOi;S53:将全部环的HOi取并集,构成整体先验结构模板环集合HO;
所述S6步骤中,按照0°~360°的旋转角θ对待识别环i进行旋转,将待识别环i采用S3步骤算法提取螺栓孔点集Hi,之后遍历结构模板环HO中的螺栓孔集合,匹配查找Hi中各螺栓孔对应的结构模板环HO中方位角差最小的螺栓孔,计算当前旋转角θ下平均角差δ,将全部θ取值下的δ加入平均角差集合φ,选取集合φ中最小的平均角差,得到对应的旋转角取值θmin,将待识别环i旋转θmin,遍历查找Hi中各螺栓孔在先验结构模板环HO中距离最近的模板螺栓孔,直接找到对应的横接缝位置,如有重复的接缝位置则取平均值,作为最终的横接缝位置p_z。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011028530.9A CN112036508B (zh) | 2020-09-27 | 2020-09-27 | 一种基于盾构隧道衬砌结构的环缝自动识别方法 |
US17/231,852 US20220101513A1 (en) | 2020-09-27 | 2021-04-15 | Method for Automatically Identifying Ring Joint of Shield Tunnel Based on Lining Structure |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011028530.9A CN112036508B (zh) | 2020-09-27 | 2020-09-27 | 一种基于盾构隧道衬砌结构的环缝自动识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112036508A CN112036508A (zh) | 2020-12-04 |
CN112036508B true CN112036508B (zh) | 2023-05-02 |
Family
ID=73575152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011028530.9A Active CN112036508B (zh) | 2020-09-27 | 2020-09-27 | 一种基于盾构隧道衬砌结构的环缝自动识别方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20220101513A1 (zh) |
CN (1) | CN112036508B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112819070A (zh) * | 2021-01-29 | 2021-05-18 | 中国电建集团华东勘测设计研究院有限公司 | 隧道管片环缝直线化识别及里程环号标记方法 |
CN114046747A (zh) * | 2021-06-03 | 2022-02-15 | 北京工业大学 | 一种基于移动点云数据的智能分析盾构隧道环间错台量方法 |
CN114136993B (zh) * | 2021-11-29 | 2023-05-23 | 北京工业大学 | 一种盾构隧道环缝检测方法与*** |
CN114267039B (zh) * | 2021-12-15 | 2024-06-11 | 上海勘察设计研究院(集团)股份有限公司 | 一种基于盾构隧道横缝先验规律的识别结果精处理方法 |
CN115294527B (zh) * | 2022-08-09 | 2023-05-16 | 中铁隧道局集团有限公司 | 一种基于计算机视觉的地铁隧道破损检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537162A (zh) * | 2014-12-16 | 2015-04-22 | 上海交通大学 | 确定盾构隧道衬砌环间接缝抵抗错台与张开变形能力方法 |
CN105403366A (zh) * | 2015-09-23 | 2016-03-16 | 同济大学 | 盾构隧道管片环缝抗渗性能试验*** |
CN110764106A (zh) * | 2019-10-09 | 2020-02-07 | 中交一公局集团有限公司 | 一种采用激光雷达辅助盾构区间调坡调线测量施工方法 |
CN111486797A (zh) * | 2019-01-29 | 2020-08-04 | 上海京海工程技术有限公司 | 一种地铁圆形盾构隧道横向直径的自动提取方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3800916B2 (ja) * | 2000-03-17 | 2006-07-26 | 株式会社日立製作所 | 解析モデル生成装置、解析モデル生成プログラムを記憶した記憶媒体及び記憶装置 |
CN104457572B (zh) * | 2014-12-04 | 2017-11-24 | 上海岩土工程勘察设计研究院有限公司 | 基于三维扫描技术提取盾构隧道错缝错台量的方法 |
US10362293B2 (en) * | 2015-02-20 | 2019-07-23 | Tetra Tech, Inc. | 3D track assessment system and method |
US10518791B2 (en) * | 2015-10-20 | 2019-12-31 | Sameer Singh | Integrated rail and track condition monitoring system with imaging and inertial sensors |
CN111710027B (zh) * | 2020-05-25 | 2021-05-04 | 南京林业大学 | 一种隧道三维几何重建方法 |
-
2020
- 2020-09-27 CN CN202011028530.9A patent/CN112036508B/zh active Active
-
2021
- 2021-04-15 US US17/231,852 patent/US20220101513A1/en not_active Abandoned
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537162A (zh) * | 2014-12-16 | 2015-04-22 | 上海交通大学 | 确定盾构隧道衬砌环间接缝抵抗错台与张开变形能力方法 |
CN105403366A (zh) * | 2015-09-23 | 2016-03-16 | 同济大学 | 盾构隧道管片环缝抗渗性能试验*** |
CN111486797A (zh) * | 2019-01-29 | 2020-08-04 | 上海京海工程技术有限公司 | 一种地铁圆形盾构隧道横向直径的自动提取方法 |
CN110764106A (zh) * | 2019-10-09 | 2020-02-07 | 中交一公局集团有限公司 | 一种采用激光雷达辅助盾构区间调坡调线测量施工方法 |
Non-Patent Citations (2)
Title |
---|
桑运龙,等..基于螺栓-凹凸榫连接的地铁盾构隧道管片环缝接头刚度分析及应用.《隧道建设(中英文)》.2020,第40卷(第1期),第19-27页. * |
毕俊,等..三维激光扫描技术在地铁隧道收敛变形监测中的应用研究.《测绘科学》.2008,第33卷第14-16页. * |
Also Published As
Publication number | Publication date |
---|---|
US20220101513A1 (en) | 2022-03-31 |
CN112036508A (zh) | 2020-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112036508B (zh) | 一种基于盾构隧道衬砌结构的环缝自动识别方法 | |
WO2023019709A1 (zh) | 基于车载移动激光点云的接触网导高与拉出值自动检测方法 | |
US20210302157A1 (en) | Method, device and system for analyzing tunnel clearance based on laser point cloud | |
CN111336990B (zh) | 一种隧道断面收敛快速分析方法和装置 | |
CN109214994B (zh) | 一种基于双控制点的隧道密集点云噪声剔除方法 | |
CN103279765B (zh) | 基于图像匹配的钢丝绳表面损伤检测方法 | |
CN110160463B (zh) | 一种基于静态激光扫描的地铁隧道不圆度检测方法 | |
CN111899288A (zh) | 基于红外和可见光图像融合的隧道渗漏水区域检测与识别方法 | |
CN113963051A (zh) | 基于视觉信息和特征提取的目标直径自动测量方法和*** | |
CN110490342B (zh) | 一种基于Faster R-CNN的接触网静态几何参数检测方法 | |
CN115620021A (zh) | 一种基于三维激光点云的地下建筑物特征提取方法 | |
CN115877400A (zh) | 基于雷达与视觉融合的巷道顶板支护钢带钻孔定位方法 | |
Ran et al. | An improved algorithm for wind turbine blade defect detection | |
CN113932821A (zh) | 基于连续窗口平均方向特征的轨迹地图匹配方法 | |
Du et al. | Dislocation detection of shield tunnel based on dense cross-sectional point clouds | |
Lu et al. | A lightweight real-time 3D LiDAR SLAM for autonomous vehicles in large-scale urban environment | |
CN111127582B (zh) | 一种轨迹重合段识别方法、装置、***及存储介质 | |
Stein et al. | Model-based rail detection in mobile laser scanning data | |
CN112507867A (zh) | 一种基于EDLines线特征的车道线检测方法 | |
CN114119355B (zh) | 一种盾构隧道掉块风险预警方法与*** | |
CN114445435A (zh) | 一种基于标记线移位偏差的车体螺栓松动判别方法 | |
CN112581521B (zh) | 一种磁浮轨道中心线提取方法 | |
CN114359515A (zh) | 一种基于三维点云的巷道超欠挖检测方法及*** | |
CN116620360B (zh) | 一种轨道车定位***及方法 | |
Huang et al. | FRVO-Mono: Feature-Based Railway Visual Odometry With Monocular Camera |
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 |