CN112529880A - 一种基于双目视觉的大坝图像裂纹检测装置及方法 - Google Patents
一种基于双目视觉的大坝图像裂纹检测装置及方法 Download PDFInfo
- Publication number
- CN112529880A CN112529880A CN202011485190.2A CN202011485190A CN112529880A CN 112529880 A CN112529880 A CN 112529880A CN 202011485190 A CN202011485190 A CN 202011485190A CN 112529880 A CN112529880 A CN 112529880A
- Authority
- CN
- China
- Prior art keywords
- crack
- image
- dam
- binocular vision
- camera
- 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 49
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000003708 edge detection Methods 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000005260 corrosion Methods 0.000 claims description 2
- 230000007797 corrosion Effects 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- 230000005693 optoelectronics Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 1
- 210000000476 body water Anatomy 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000009991 scouring Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge 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
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及大坝坝体裂纹检测技术领域,公开了一种基于双目视觉的大坝图像裂纹检测装置和方法,包括原始图像采集、图像处理、裂缝位置确定、裂缝长度和宽度计算等,本技术方案同时采取了基础的利用可见光摄像机采集到的头像计算裂纹的长度宽度,以及基于双目视觉技术来检测裂纹的长度和宽度的方法,准确性更高。
Description
技术领域
本发明涉及裂纹检测技术领域,尤其涉及一种基于双目视觉的大坝图像裂纹检测装置及方法。
背景技术
大坝在长时间使用后,由于水流冲刷、侵蚀等的作用下会产生裂缝而造成渗漏,对大坝安全造成严重的安全隐患,所以必须对大坝中的裂缝进行定期检测。大坝坝体裂纹检测的现状是以人工为主,依靠检测车等大型机械将桥梁检测专用设备送至坝体,用肉眼寻找裂纹并用专用裂纹观测仪或者标尺去测量裂纹尺寸。这种人工检测方法效率低下、成本高且存在安全隐患。
随着无人机技术的发展、高精度的各类传感器和高性能的电子器件的问世和应用,无人机在民用方面有着广泛的用途。无人机通过搭载各类传感器在警用、城市管理、农业、地质、气象、电力、抢险救灾等行业发挥着越来越重要的作用。因此,若能采用无人机对大坝裂纹进行巡检,通过挂载照相机和多种传感设备,辅以高精度的导航模块和避障模块,通过地面工作站裂纹检测和图像拼接***,可以为桥梁检修提供科学和精准的判别。相比传统的人工检测手段,无人机可以轻松到达人工难以到达的位置获取坝体的高清图像,无需检测专家近距离接触桥,极大提高了坝体检测的安全性;在日常巡检中,效率更高、速度更快,节省了大量人力成本,同时具备较高的检测精度和检测效率。
现在将无人机技术利用在大坝坝体裂纹检测领域的情况较少,技术方案不够成熟,检测的算法也不够完善,准确率较差,因此申请人将双目视觉技术和无人机技术引入到大坝裂纹检测技术领域,大大提高了大坝坝体裂纹检测的效率和准确性。
发明内容
(一)要解决的技术问题
本发明实施例提供一种基于双目视觉的大坝图像裂纹检测装置,并提供使用该装置来检测大坝坝体裂纹的长度和宽度的检测方法,相比于传统的运送专业检测人员携带检测设备去裂纹处实地检测的方法,使用无人机携带检测设备去检测的效率更高,安全性更好;相比于现有的机遇图像是被技术进行裂纹检测的方法,本技术方案同时采取了基础的利用可见光摄像机采集到的头像计算裂纹的长度宽度,以及基于双目视觉技术来检测裂纹的长度和宽度的方法,准确性更高。
(二)发明内容
本发明实施例提供一种基于双目视觉的大坝图像裂纹检测装置,包括无人机和搭载于所述无人机的光电吊舱,光电吊舱包括可见光摄像机、红外成像仪、双目相机、激光测距机,还包括用于处理所述光电吊舱所搭载的设备检测到的原始数据的地面工作站。
进一步的,无人机为六旋翼无人机,且其测控通讯链路有效距离大于1km。
进一步的,光电吊舱的对外接口包括DC12V的电源接口、千兆网口和RS232通讯接口。
进一步的,红外成像仪的为非制冷红外热成像仪,且其工作波段为8μm~12μm;所述可见光摄像机使用DC12V电源,通讯接口为RS485,视频输出口为HD-SDI接口;所述激光测距机使用波长为780nm的红外激光,DC5V电源和UART通讯接口;所述双目相机的分辨率为1280*720。
一种基于双目视觉的大坝图像裂纹检测方法,使用了上述的一种基于双目视觉的大坝图像裂纹检测装置,包括以下步骤:
步骤一:大坝坝体视频采集,并从中截取坝体裂纹图像;
步骤二:图像预处理,将截取到的坝体裂纹图像处理成便于便于边缘检测的目标图像;
步骤三:边缘检测,对目标图像进行边缘检测,获取裂缝边缘;
步骤四:对获取到的裂缝边缘进行优化处理;
步骤五:检测连通区域并过滤到不符合标准的连通区域;
步骤六:提取裂缝骨架并计算裂缝的长度和宽度;
步骤七:获取相机视场角和激光测距结果,修正步骤六中的到的结果,计算实际的裂纹长度和宽度。
步骤八:从光电吊舱的双目相机获取相机视场角,从激光测距机获取相机与坝体的距离,根据双目视觉算法结合步骤七中计算到裂缝的长度和宽度进行修正,得到裂缝的实际长度和宽度。
优选的,步骤二中图像预处理包括以下步骤:
a)将坝体裂纹图像转化成灰度图像;
b)对上述灰度图像进行高斯滤波。
优选的,步骤三中的边缘检测采用了canny算子算法。
优选的,步骤四中通过开运算对所述裂缝边缘进行优化处理,即先进行腐蚀操作,再进行膨胀操作。
优选的,步骤五中,先设定一个连通区域的面积阈值S0,如果检测到的连通区域的面积小于S0,则去掉该连通区域。
优选的,步骤七中,对裂缝的实际长度和宽度的计算过程包括以下步骤:
c)对双目相机进行标定,获取左右相机的校正矩阵;
d)使用该双目相机进行坝体图像采集;
e)对采集到的坝体图像进行二值化、高斯滤波和边缘检测处理;
f)使用校正矩阵对坝体图像进行校正;
g)裂缝匹配,通过多项式拟合计算裂缝坐标;
h)裂缝尺寸计算。
(三)有益效果
本发明实施例提供的一种基于双目视觉的大坝图像裂纹检测装置及方法,包装置括无人机和搭载于所述无人机的光电吊舱,通过两种方法来检测大坝坝体的裂纹长度和宽度,一种方法是通过光电吊舱所搭载的可见光摄像机和激光测距机,并结合相关算法进行图像预处理、边缘检测、裂缝边缘优化,最终获取裂缝的长度和宽度;同时还通过光电吊舱所搭载的双目相机,使用双目视觉算法计算大坝坝体裂纹的长度和宽度;最后将二者的计算结果结合进行对比,如果误差在一定范围内,则通过取二者的均值,或者根据人工经验去选取其中一组结果作为最终检测到的裂纹的长度和宽度,可以有效的消除***误差,相比于现有的各种检测方法,检测效率更高,检测精度也更高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例中的一种基于双目视觉的大坝图像裂纹检测方法的可见光摄像机测算方法的流程图;
图2是本发明实施例中的一种基于双目视觉的大坝图像裂纹检测方法的双目视觉测算方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明实施例的描述中,需要说明的是,除非另有明确的规定和限定,术语“第一”“第二”“第三”是为了清楚说明产品部件进行的编号,不代表任何实质性区别。“上”“下”“左”“右”的方向均以附图所示方向为准。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明实施例中的具体含义。
需要说明的是,除非另有明确的规定和限定,术语“连接”应做广义理解,例如,可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以具体情况理解上述术语在发明实施例中的具体含义。
图1是本发明实施例中的一种基于双目视觉的大坝图像裂纹检测装置,包括无人机和搭载于所述无人机的光电吊舱,光电吊舱包括可见光摄像机、红外成像仪、双目相机、激光测距机,还包括用于处理所述光电吊舱所搭载的设备检测到的原始数据的地面工作站。
无人机可以使用常见的民用无人机例如国产的大疆无人机,为了保证一定的承载能力,使用了六旋翼无人机,且其测控通讯链路有效距离大于1km,最大起飞重量:30kg,空载续航时间:95min,测控通讯链路距离:10km。
为了保证采集到的图像数据稳定无损的传递,光电吊舱的对外接口需要包括DC12V的电源接口、千兆网口和RS232通讯接口,红外成像仪的为非制冷红外热成像仪,且其工作波段为8μm~12μm;所述可见光摄像机使用DC12V电源,通讯接口为RS485,视频输出口为HD-SDI接口;所述激光测距机使用波长为780nm的红外激光,DC5V电源和UART通讯接口;所述双目相机的分辨率为1280*720。
无人机光电吊舱主要配备可见光摄像机、红外热像仪、双目相机、激光测距机等,主要应用于大坝裂纹检测,对距离10m外的坝体渗漏水情况进行实时监测、探伤等,方位角:N×360°,连续俯仰角:﹣90°~﹢60°(0°为水平正前方),横滚角:±30°。
非制冷红外热像仪,可见光摄像机、激光测距机、双目相机等设备均需要在保证能够有配套的通讯接口和不超过无人机承载能力的前提下,尽可能的提高其进度和准确性,以保证最终所测算出的坝体裂纹的长度和宽度的结果的准确性。
其中,检测方法具体包括以下步骤:
可见光摄像机算法流程如下:(如图1所示)
步骤一:大坝坝体视频采集,并从中截取坝体裂纹图像;
步骤二:图像预处理,将截取到的坝体裂纹图像处理成便于便于边缘检测的目标图像;步骤二还可以细分为以下步骤:a)将坝体裂纹图像转化成灰度图像;b)对上述灰度图像进行高斯滤波。
步骤三:边缘检测,对目标图像进行边缘检测,获取裂缝边缘;边缘检测采用了canny算子算法,也可以采用sobel算子,Prewitt算子等进行边缘检测。
步骤四:对获取到的裂缝边缘进行优化处理;通过开运算对裂缝边缘进行优化处理,即先进行腐蚀操作,再进行膨胀操作。开运算能够在不显著改变总面积的前提下实现去毛刺,孤立点和小桥,比闭运算更加适合本方案。
步骤五:检测连通区域并过滤到不符合标准的连通区域;
步骤六:提取裂缝骨架并计算裂缝的长度和宽度;
步骤七:获取相机视场角和激光测距结果,修正步骤六中的到的结果,计算实际的裂纹长度和宽度。
步骤八:从光电吊舱的双目相机获取相机视场角,从激光测距机获取相机与坝体的距离,根据双目视觉算法对步骤六中计算到裂缝的长度和宽度进行修正,得到裂缝的实际长度和宽度。
其中,步骤八还可以细分为以下步骤:(如图2所示)c)对双目相机进行标定,获取左右相机的校正矩阵;d)使用该双目相机进行坝体图像采集;e)对采集到的坝体图像进行二值化、高斯滤波、和边缘检测处理;f)使用校正矩阵对坝体图像进行校正;g)裂缝匹配,通过多项式拟合计算裂缝坐标;h)裂缝尺寸计算。
最后,通过两种方法独立计算出坝体的裂纹的长度和宽度后,将二者的计算结果结合进行对比,如果误差在一定范围内,则通过取二者的均值,或者根据人工经验去选取其中一组结果作为最终检测到的裂纹的长度和宽度,可以有效的消除***误差,相比于现有的各种检测方法,检测效率更高,检测精度也更高。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于双目视觉的大坝图像裂纹检测装置,包括无人机和搭载于所述无人机的光电吊舱,其特征在于,所述光电吊舱包括可见光摄像机、红外成像仪、双目相机、激光测距机,还包括用于处理所述光电吊舱所搭载的设备检测到的原始数据的地面工作站。
2.根据权利要求1所述的一种基于双目视觉的大坝图像裂纹检测装置,其特征在于,所述无人机为六旋翼无人机,且其测控通讯链路有效距离大于1km。
3.根据权利要求1所述的一种基于双目视觉的大坝图像裂纹检测装置,其特征在于,所述光电吊舱的对外接口包括DC12V的电源接口、千兆网口和RS232通讯接口。
4.根据权利要求3所述的一种基于双目视觉的大坝图像裂纹检测装置,其特征在于,所述红外成像仪为非制冷红外热成像仪,且其工作波段为8μm~12μm;所述可见光摄像机使用DC12V电源,通讯接口为RS485,视频输出口为HD-SDI接口;所述激光测距机使用波长为780nm的红外激光,DC5V电源和UART通讯接口;所述双目相机的分辨率为1280*720。
5.一种基于双目视觉的大坝图像裂纹检测方法,其特征在于,使用了如上述权利要求1~4中任意一项所述的一种基于双目视觉的大坝图像裂纹检测装置,包括以下步骤:
步骤一:大坝坝体视频采集,并从中截取坝体裂纹图像;
步骤二:图像预处理,将截取到的坝体裂纹图像处理成便于边缘检测的目标图像;
步骤三:边缘检测,对目标图像进行边缘检测,获取裂缝边缘;
步骤四:对获取到的裂缝边缘进行优化处理;
步骤五:检测连通区域并过滤掉不符合标准的连通区域;
步骤六:提取裂缝骨架并计算裂缝的长度和宽度;
步骤七:获取相机视场角和激光测距结果,修正步骤六中的到的结果,计算实际的裂纹长度和宽度。
步骤八:从光电吊舱的双目相机获取相机视场角,从激光测距机获取相机与坝体的距离,根据双目视觉算法结合步骤七中计算到裂缝的长度和宽度进行修正,得到裂缝的实际长度和宽度。
6.根据权利要求5所述的一种基于双目视觉的大坝图像裂纹检测方法,其特征在于,所述步骤二中图像预处理包括以下步骤:
a)将坝体裂纹图像转化成灰度图像;
b)对上述灰度图像进行高斯滤波。
7.根据权利要求5所述的一种基于双目视觉的大坝图像裂纹检测方法,其特征在于,所述步骤三中的边缘检测采用了canny算子算法。
8.根据权利要求5所述的一种基于双目视觉的大坝图像裂纹检测方法,其特征在于,所述步骤四中通过开运算对所述裂缝边缘进行优化处理,即先进行腐蚀操作,再进行膨胀操作。
9.根据权利要求5所述的一种基于双目视觉的大坝图像裂纹检测方法,其特征在于,所述步骤五中,先设定一个连通区域的面积阈值S0,如果检测到的连通区域的面积小于S0,则去掉该连通区域。
10.根据权利要求5所述的一种基于双目视觉的大坝图像裂纹检测方法,其特征在于,所述步骤七中,对裂缝的实际长度和宽度的计算过程包括以下步骤:
c)对双目相机进行标定,获取左右相机的校正矩阵;
d)使用该双目相机进行坝体图像采集;
e)对采集到的坝体图像进行二值化、高斯滤波和边缘检测处理;
f)使用校正矩阵对坝体图像进行校正;
g)裂缝匹配,通过多项式拟合计算裂缝坐标;
h)裂缝尺寸计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011485190.2A CN112529880A (zh) | 2020-12-16 | 2020-12-16 | 一种基于双目视觉的大坝图像裂纹检测装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011485190.2A CN112529880A (zh) | 2020-12-16 | 2020-12-16 | 一种基于双目视觉的大坝图像裂纹检测装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112529880A true CN112529880A (zh) | 2021-03-19 |
Family
ID=75000595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011485190.2A Pending CN112529880A (zh) | 2020-12-16 | 2020-12-16 | 一种基于双目视觉的大坝图像裂纹检测装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112529880A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115830118A (zh) * | 2022-12-08 | 2023-03-21 | 重庆市信息通信咨询设计院有限公司 | 一种基于双目相机的水泥电杆的裂纹检测方法和*** |
CN116091483A (zh) * | 2023-03-02 | 2023-05-09 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种基于openCV的水库大坝裂缝检测方法 |
CN116385434A (zh) * | 2023-06-02 | 2023-07-04 | 同济检测(济宁)有限公司 | 一种用于预制梁裂缝的智能检测方法 |
CN116758026A (zh) * | 2023-06-13 | 2023-09-15 | 河海大学 | 一种基于双目遥感图像显著性分析的大坝渗水区域测量方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104930976A (zh) * | 2015-07-01 | 2015-09-23 | 河海大学 | 便携式裂纹长度测量装置及方法 |
CN107179322A (zh) * | 2017-06-15 | 2017-09-19 | 长安大学 | 一种基于双目视觉的桥梁底面裂缝检测方法 |
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 |
-
2020
- 2020-12-16 CN CN202011485190.2A patent/CN112529880A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104930976A (zh) * | 2015-07-01 | 2015-09-23 | 河海大学 | 便携式裂纹长度测量装置及方法 |
CN107179322A (zh) * | 2017-06-15 | 2017-09-19 | 长安大学 | 一种基于双目视觉的桥梁底面裂缝检测方法 |
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 |
Non-Patent Citations (3)
Title |
---|
孙乐乐 等: "改进的桥梁三维重构及裂缝检测***", 《计算机***应用》, pages 64 - 71 * |
*** 等: "基于六旋翼无人机的智能防控***总体设计", 《HTTPS://WWW.ZQWDW.COM/ZHUANYEWENXIAN/2020/1024/870877.HTML》, pages 1 - 3 * |
陈从平 等: "基于视觉机器人的大坝水下表面裂缝检测***设计", 三峡大学学报(自然科学版), no. 05 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115830118A (zh) * | 2022-12-08 | 2023-03-21 | 重庆市信息通信咨询设计院有限公司 | 一种基于双目相机的水泥电杆的裂纹检测方法和*** |
CN115830118B (zh) * | 2022-12-08 | 2024-03-19 | 重庆市信息通信咨询设计院有限公司 | 一种基于双目相机的水泥电杆的裂纹检测方法和*** |
CN116091483A (zh) * | 2023-03-02 | 2023-05-09 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种基于openCV的水库大坝裂缝检测方法 |
CN116385434A (zh) * | 2023-06-02 | 2023-07-04 | 同济检测(济宁)有限公司 | 一种用于预制梁裂缝的智能检测方法 |
CN116385434B (zh) * | 2023-06-02 | 2023-08-08 | 同济检测(济宁)有限公司 | 一种用于预制梁裂缝的智能检测方法 |
CN116758026A (zh) * | 2023-06-13 | 2023-09-15 | 河海大学 | 一种基于双目遥感图像显著性分析的大坝渗水区域测量方法 |
CN116758026B (zh) * | 2023-06-13 | 2024-03-08 | 河海大学 | 一种基于双目遥感图像显著性分析的大坝渗水区域测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112529880A (zh) | 一种基于双目视觉的大坝图像裂纹检测装置及方法 | |
CN110580717B (zh) | 一种针对电力杆塔的无人机自主巡检航线生成方法 | |
CN107392247B (zh) | 一种电力线下方地物安全距离实时检测方法 | |
CN106356757B (zh) | 一种基于人眼视觉特性的电力线路无人机巡检方法 | |
CN109544679B (zh) | 管道内壁的三维重建方法 | |
CN103279949B (zh) | 基于自定位机器人的多相机参数自动标定***运行方法 | |
Larrauri et al. | Automatic system for overhead power line inspection using an Unmanned Aerial Vehicle—RELIFO project | |
CN112686938B (zh) | 基于双目图像测距的输电线路净距计算与安全告警方法 | |
CN109827554B (zh) | 一种基于视频所测河流表面流速结合水力模型的河流流量测验方法 | |
CN109739254B (zh) | 一种电力巡检中采用视觉图像定位的无人机及其定位方法 | |
CN106323243A (zh) | 一种基于无人机的大坝变形观测预警***及方法和装置 | |
CN111191625A (zh) | 一种激光-单目视觉融合的物体识别与定位方法 | |
CN108279677B (zh) | 基于双目视觉传感器的轨道机器人检测方法 | |
CN110879080A (zh) | 一种高温锻件高精度智能测量仪和测量方法 | |
CN110132226A (zh) | 一种无人机巡线的距离及方位角测量***和方法 | |
CN114638909A (zh) | 基于激光slam和视觉融合的变电站语义地图构建方法 | |
CN111244822B (zh) | 一种复杂地理环境的固定翼无人机巡线方法、***和装置 | |
CN114743021A (zh) | 一种输电线路图像与点云数据的融合方法及*** | |
CN113947555A (zh) | 基于深度神经网络的红外与可见光融合的视觉***及方法 | |
CN115620239B (zh) | 一种点云和视频结合的输电线路在线监测方法和*** | |
CN112927233A (zh) | 一种船用激光雷达与视频联合目标捕捉方法 | |
CN115078382A (zh) | 基于视频图像的桥梁裂缝监测*** | |
CN114663672B (zh) | 一种输电线路塔钢构件腐蚀检测方法及*** | |
CN114998245A (zh) | 基于双目测距和图像分割对输电线舞动的检测方法 | |
CN108180871B (zh) | 一种定量评价复合绝缘子表面粉化粗糙度的方法 |
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 |
Application publication date: 20210319 |
|
RJ01 | Rejection of invention patent application after publication |