CN112862879A - 一种基于tin模型的地铁隧道三维模型构建方法 - Google Patents
一种基于tin模型的地铁隧道三维模型构建方法 Download PDFInfo
- Publication number
- CN112862879A CN112862879A CN202110190539.8A CN202110190539A CN112862879A CN 112862879 A CN112862879 A CN 112862879A CN 202110190539 A CN202110190539 A CN 202110190539A CN 112862879 A CN112862879 A CN 112862879A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- image
- tunnel
- subway tunnel
- model
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- 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
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Optics & Photonics (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于TIN模型的地铁隧道三维模型构建方法,该方法主要包括:(1)同步获取隧道表面二维阵列图像数据和三维点云数据;(2)在隧道环向方向,依次提取相邻二维阵列图像数据的共同特征点并进行特征点匹配,从而得到环向拼接图像P1,以此类推,得到其他环向拼接图像P2、P3……Pn;(3)点云数据与环向拼接图像空间坐标配准;(4)基于点云数据构建地铁隧道三维TIN模型;(5)沿地铁隧道方向,从所述环向拼接图像P1开始,分别与地铁隧道三维TIN模型进行融合处理,最终得到地铁隧道精细三维模型。
Description
技术领域
本发明涉及三维模型构建领域,更具体的说,它涉及TIN模型的地铁隧道三维模型构建方法。
背景技术
随着国家城市化进程的不断推进,为了缓解城市交通压力,地铁交通运营线路正在不断增长。地铁隧道在建成以后,伴随着长期投入使用,在隧道表面不可避免的会出现衬砌开裂等病害,严重威胁地铁隧道的安全运营。在近几年,线扫描***与点云数据被广泛的应用于地铁隧道检测,但是常规检测方法是将线阵相机数据与点云数据相互独立参照,二者并不能形成有效结合,因此如何将线阵相机数据与点云数据有效结合,直观的展示地铁隧道衬砌表面病害信息是本领域技术人员亟待解决的问题。
发明内容
针对上述问题,本发明提供一种基于TIN模型的地铁隧道三维模型构建方法,目的是将线阵相机数据与点云数据相融合,构建地铁隧道精细三维模型,直观的展示地铁隧道衬砌表面病害信息。
本发明提供一种一种基于TIN模型的地铁隧道三维模型构建方法,该方法主要包括:(1)同步获取隧道表面二维阵列图像数据和三维点云数据;(2)在隧道环向方向,依次提取相邻二维阵列图像数据的共同特征点并进行特征点匹配,从而得到环向拼接图像P1,以此类推,得到其他环向拼接图像P2、P3……Pn;(3)点云数据与环向拼接图像空间坐标配准;(4)基于点云数据构建地铁隧道三维TIN模型;(5)沿地铁隧道方向,从所述环向拼接图像P1开始,分别与地铁隧道三维TIN模型进行融合处理,最终得到地铁隧道精细三维模型。
进一步地,所的同步获取隧道表面二维阵列图像数据和三维点云数据,其中隧道表面二维阵列图像与三维点云数据分别由线阵相机与三维激光扫描仪获取,线阵相机与三维激光扫描仪由测距编码器同步控制采集。
进一步地,所述通过图像拼接得到环向拼接图像P1、P2、P3……Pn方法为:选定一个基准图像单元A及其相邻的1个待拼接图像单元B,采用sift特征提取算法分别计算图像单元A、B重合区域特征点,采用RANSAC算法精匹配图像单元A、B,记录精匹配特征点像素坐标Q,选取基准图像单元A中纵坐标Q以下部分图像与选取待拼接图像单元B中纵坐标Q以上部分图像进行环向拼接成新的图像AB,将环向拼接图像AB作为新的基准图像单元,选取一个新的相邻的1个待拼接图像单元C,重复上述图像环向拼接步骤,直到隧道环向图像拼接完成,记为P1。在隧道行进方向,按照上述方法将线阵相机图像拼接成P2、P3……Pn。
进一步地,所述点云数据与环向拼接图像空间坐标配准方法为:在开始检测之前,在地铁隧道壁两侧分别设置一个标靶,以此标靶的坐标作为点云数据与线阵相机图像配准控制点,控制点的坐标记为(xa,ya)。在隧道行进方向,测距编码器控制线阵相机与三维激光扫描仪同步采集,其行进距离可由公式L=ΔF×d计算得出,其中ΔF是线阵相机与三维激光扫描仪采集总道数,d是测距轮编码器的脉冲间距,脉冲间距d可由公式计算得出,其中K是测距编码器每转一圈所发射的脉冲数,L是检测车轮子的周长。在隧道环向方向,线阵相机图像的空间位置可由安装在线阵相机上的测距仪与倾角仪获取,以点云数据的原点坐标作为配准零点,依据控制点的坐标记(xa,ya)将线阵相机图像转换到与点云数据同一坐标系下进行配准。
进一步地,所述在生成地铁隧道三维TIN模型之前,还要对三维激光扫描仪获取的地铁隧道空间点云数据进行去噪处理,去除掉畸变点和噪声点以提高TIN模型的准确度;特别地,为了提高运行速度,还要对处理后的点云进行抽稀处理。
进一步地,所述将环向拼接图像P1、P2、P3……Pn分别与地铁隧道三维TIN模型进行融合处理的方法是:将地铁隧道三维TIN模型在二维平面上展开,记为M,在隧道行进方向,分别按照计算的环向拼接图像P1、P2、P3……Pn宽度距离对二维展开图像M进行分割,其分割部分记为N1、N2、N3……Nn,根据配准后的坐标分别对P1与N1、P2与N2、P3与N3……Pn与Nn进行融合处理,并且将融合后的数据进行合并,最终得到地铁隧道精细三维模型。
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简单地介绍。显而易见地,下面描述中的附图仅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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明基于TIN模型的地铁隧道三维模型构建方法总体流程图。
图2为相邻线阵相机图像拼接示意图,其中A为基准图像单元,B为待拼接图像单元,Q为精匹配后的特征点,AB为环向拼接后的图像。
具体实施方式
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,所描述的实施例仅仅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之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。
本发明的目的是提供基于TIN模型的地铁隧道三维模型构建方法装置和方法,将线阵相机数据与点云数据相融合,构建地铁隧道精细三维模型,直观的展示地铁隧道衬砌表面病害信息。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明做进一步详细说明。
如图1所示的流程图,本发明方法主要包括:(1)同步获取隧道表面二维阵列图像数据和点云数据;(2)在隧道环向方向,依次提取相邻二维阵列图像数据的共同特征点并进行特征点匹配,从而得到环向拼接图像P1,以此类推,得到其他环向拼接图像P2、P3……Pn;(3)点云数据与环向拼接图像空间坐标配准;(4)基于点云数据构建地铁隧道三维TIN模型;(5)沿地铁隧道方向,从所述环向拼接图像P1开始,分别与地铁隧道三维TIN模型进行融合处理,最终得到地铁隧道精细三维模型。
所述同步获取隧道表面二维阵列图像数据和三维点云数据方法为:隧道表面二维阵列图像与三维点云数据分别由线阵相机与三维激光扫描仪获取,线阵相机与三维激光扫描仪由测距编码器同步控制采集。
所述通过图像拼接得到环向拼接图像P1、P2、P3……Pn方法为:如图2所示,选定一个基准图像单元A及其相邻的1个待拼接图像单元B,采用sift特征提取算法分别计算图像单元A、B重合区域特征点,采用RANSAC算法精匹配图像单元A、B,记录精匹配特征点像素坐标Q,选取基准图像单元A中纵坐标Q以下部分图像与选取的待拼接图像单元B中纵坐标Q以上部分图像进行环向拼接成新的图像AB,将环向拼接图像AB作为新的基准图像单元,选取一个新的相邻的1个待拼接图像单元C,重复上述图像环向拼接步骤,直到隧道环向图像拼接完成,记为P1。在隧道行进方向,同理按照上述方法将线阵相机图像拼接成P2、P3……Pn。
所述点云数据与环向拼接图像空间坐标配准方法为:点云数据与环向拼接图像空间坐标配准方法为:在开始检测之前,在地铁隧道壁两侧分别设置一个标靶,以此标靶的坐标作为点云数据与线阵相机图像配准控制点,控制点的坐标记为(xa,ya)。在隧道行进方向,测距编码器控制线阵相机与三维激光扫描仪同步采集,其行进距离可由公式L=ΔF×d计算得出,其中ΔF是线阵相机与三维激光扫描仪采集总道数,d是测距轮编码器的脉冲间距,脉冲间距d可由公式计算得出,其中K是测距编码器每转一圈所发射的脉冲数,L是检测车轮子的周长。在隧道环向方向,线阵相机图像的空间位置可由安装在线阵相机上的测距仪与倾角仪获取,以点云数据的原点坐标作为配准零点,依据控制点的坐标记(xa,ya)将线阵相机图像转换到与点云数据同一坐标系下进行配准。
所述在生成地铁隧道三维TIN模型之前,还要对三维激光扫描仪获取的地铁隧道空间点云数据进行去噪处理,去除掉畸变点和噪声点以提高TIN模型的准确度;特别地,为了提高运行速度,还要对处理后的点云进行抽稀处理。
所述将环向拼接图像P1、P2、P3……Pn分别与地铁隧道三维TIN模型进行融合处理的方法是:将地铁隧道三维TIN模型在二维平面上展开,记为M,在隧道行进方向,分别按照计算的环向拼接图像P1、P2、P3……Pn宽度距离对二维展开图像M进行分割,其分割部分记为N1、N2、N3……Nn,根据配准后的坐标分别对P1与N1、P2与N2、P3与N3……Pn与Nn进行融合处理,并且将融合后的数据进行合并,最终得到地铁隧道精细三维模型。
Claims (6)
1.一种基于TIN模型的地铁隧道三维模型构建方法,其特征在于,该方法主要包括:(1)同步获取隧道表面二维阵列图像数据和三维点云数据;(2)在隧道环向方向,依次提取相邻二维阵列图像数据的共同特征点并进行特征点匹配,从而得到环向拼接图像P1,以此类推,得到其他环向拼接图像P2、P3……Pn;(3)点云数据与环向拼接图像空间坐标配准;(4)基于点云数据构建地铁隧道三维TIN模型;(5)沿地铁隧道方向,从所述环向拼接图像P1开始,分别与地铁隧道三维TIN模型进行融合处理,最终得到地铁隧道精细三维模型。
2.根据权利要求1所述的基于TIN模型的地铁隧道三维模型构建方法,其特征在于,所述的同步获取隧道表面二维阵列图像数据和三维点云数据,其中隧道表面二维阵列图像与三维点云数据分别由线阵相机与三维激光扫描仪获取,线阵相机与三维激光扫描仪由测距编码器同步控制采集。
3.根据权利要求1所述的基于TIN模型的地铁隧道三维模型构建方法,其特征在于,所述的通过图像拼接得到环向拼接图像P1、P2、P3……Pn方法为:选定一个基准图像单元A及其相邻的1个待拼接图像单元B,采用sift特征提取算法分别计算图像单元A、B重合区域特征点,采用RANSAC算法精匹配图像单元A、B,记录精匹配特征点像素坐标Q,选取基准图像单元A中纵坐标Q以下部分图像与选取待拼接图像单元B中纵坐标Q以上部分图像进行环向拼接成新的图像AB,将环向拼接图像AB作为新的基准图像单元,选取一个新的相邻的1个待拼接图像单元C,重复上述图像环向拼接步骤,直到隧道环向图像拼接完成,记为P1。在隧道行进方向,按照上述方法将线阵相机图像拼接成P2、P3……Pn。
4.根据权利要求1所述的基于TIN模型的地铁隧道三维模型构建方法,其特征在于,所述的点云数据与环向拼接图像空间坐标配准方法为:在开始检测之前,在地铁隧道壁两侧分别设置一个标靶,以此标靶的坐标作为点云数据与线阵相机图像配准控制点,控制点的坐标记为(xa,ya)。在隧道行进方向,测距编码器控制线阵相机与三维激光扫描仪同步采集,其行进距离可由公式L=ΔF×d计算得出,其中ΔF是线阵相机与三维激光扫描仪采集总道数,d是测距轮编码器的脉冲间距,脉冲间距d可由公式计算得出,其中K是测距编码器每转一圈所发射的脉冲数,L是检测车轮子的周长。在隧道环向方向,线阵相机图像的空间位置可由安装在线阵相机上的测距仪与倾角仪获取,以点云数据的原点坐标作为配准零点,依据控制点的坐标记(xa,ya)将线阵相机图像转换到与点云数据同一坐标系下进行配准。
5.根据权利要求1所述的基于TIN模型的地铁隧道三维模型构建方法,其特征在于,所述的在生成地铁隧道三维TIN模型之前,还要对三维激光扫描仪获取的地铁隧道空间点云数据进行去噪处理,去除掉畸变点和噪声点以提高TIN模型的准确度;特别地,为了提高运行速度,还要对处理后的点云进行抽稀处理。
6.根据权利要求1所述的基于TIN模型的地铁隧道三维模型构建方法,其特征在于,所述的将环向拼接图像P1、P2、P3……Pn分别与地铁隧道三维TIN模型进行融合处理的方法是:将地铁隧道三维TIN模型在二维平面上展开,记为M,在隧道行进方向,分别按照计算的环向拼接图像P1、P2、P3……Pn宽度距离对二维展开图像M进行分割,其分割部分记为N1、N2、N3……Nn,根据配准后的坐标分别对P1与N1、P2与N2、P3与N3……Pn与Nn进行融合处理,并且将融合后的数据进行合并,最终得到地铁隧道精细三维模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110190539.8A CN112862879B (zh) | 2021-02-18 | 2021-02-18 | 一种基于tin模型的地铁隧道三维模型构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110190539.8A CN112862879B (zh) | 2021-02-18 | 2021-02-18 | 一种基于tin模型的地铁隧道三维模型构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112862879A true CN112862879A (zh) | 2021-05-28 |
CN112862879B CN112862879B (zh) | 2023-07-07 |
Family
ID=75988191
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110190539.8A Active CN112862879B (zh) | 2021-02-18 | 2021-02-18 | 一种基于tin模型的地铁隧道三维模型构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112862879B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113252728A (zh) * | 2021-06-07 | 2021-08-13 | 中国五冶集团有限公司 | 一种隧道病害检测装置及方法 |
CN114943940A (zh) * | 2022-07-26 | 2022-08-26 | 山东金宇信息科技集团有限公司 | 一种隧道内车辆可视化监测的方法、设备及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013072704A (ja) * | 2011-09-27 | 2013-04-22 | Kumagai Gumi Co Ltd | トンネル切羽の不連続面の抽出方法及びその装置 |
US20180038683A1 (en) * | 2015-12-25 | 2018-02-08 | Tongji University | System for quickly detecting tunnel deformation |
CN108415453A (zh) * | 2018-01-24 | 2018-08-17 | 上海大学 | 基于bim技术的无人机隧道巡检方法 |
CN207907834U (zh) * | 2018-02-11 | 2018-09-25 | 中铁八局集团第二工程有限公司 | 用于近景摄影进行隧道快速形变测量的立体摄影*** |
CN109781076A (zh) * | 2017-11-13 | 2019-05-21 | 上海华测导航技术股份有限公司 | 对隧道检测前数据的预处理和实地动态检测*** |
CN110827199A (zh) * | 2019-10-29 | 2020-02-21 | 武汉大学 | 基于激光测距仪引导的隧道图像拼接方法及装置 |
CN111208149A (zh) * | 2020-02-19 | 2020-05-29 | 中国矿业大学(北京) | 一种地铁隧道病害同步检测实验装置 |
EP3660453A1 (en) * | 2018-11-30 | 2020-06-03 | Sandvik Mining and Construction Oy | Positioning of mobile object in underground worksite |
CN111391585A (zh) * | 2020-03-26 | 2020-07-10 | 中国矿业大学(北京) | 一种地铁隧道安全隐患多功能检测车 |
CN111415385A (zh) * | 2020-03-02 | 2020-07-14 | 武汉大学 | 激光雷达和多线阵相机组合***的相对位姿参数优化方法 |
CN111473739A (zh) * | 2020-04-24 | 2020-07-31 | 中铁隧道集团二处有限公司 | 一种基于视频监控的隧道塌方区围岩变形实时监测方法 |
CN112348952A (zh) * | 2020-11-06 | 2021-02-09 | 中铁第一勘察设计院集团有限公司 | 艰险山区多源地理信息数据融合的三维场景构建方法 |
-
2021
- 2021-02-18 CN CN202110190539.8A patent/CN112862879B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013072704A (ja) * | 2011-09-27 | 2013-04-22 | Kumagai Gumi Co Ltd | トンネル切羽の不連続面の抽出方法及びその装置 |
US20180038683A1 (en) * | 2015-12-25 | 2018-02-08 | Tongji University | System for quickly detecting tunnel deformation |
CN109781076A (zh) * | 2017-11-13 | 2019-05-21 | 上海华测导航技术股份有限公司 | 对隧道检测前数据的预处理和实地动态检测*** |
CN108415453A (zh) * | 2018-01-24 | 2018-08-17 | 上海大学 | 基于bim技术的无人机隧道巡检方法 |
CN207907834U (zh) * | 2018-02-11 | 2018-09-25 | 中铁八局集团第二工程有限公司 | 用于近景摄影进行隧道快速形变测量的立体摄影*** |
EP3660453A1 (en) * | 2018-11-30 | 2020-06-03 | Sandvik Mining and Construction Oy | Positioning of mobile object in underground worksite |
CN110827199A (zh) * | 2019-10-29 | 2020-02-21 | 武汉大学 | 基于激光测距仪引导的隧道图像拼接方法及装置 |
CN111208149A (zh) * | 2020-02-19 | 2020-05-29 | 中国矿业大学(北京) | 一种地铁隧道病害同步检测实验装置 |
CN111415385A (zh) * | 2020-03-02 | 2020-07-14 | 武汉大学 | 激光雷达和多线阵相机组合***的相对位姿参数优化方法 |
CN111391585A (zh) * | 2020-03-26 | 2020-07-10 | 中国矿业大学(北京) | 一种地铁隧道安全隐患多功能检测车 |
CN111473739A (zh) * | 2020-04-24 | 2020-07-31 | 中铁隧道集团二处有限公司 | 一种基于视频监控的隧道塌方区围岩变形实时监测方法 |
CN112348952A (zh) * | 2020-11-06 | 2021-02-09 | 中铁第一勘察设计院集团有限公司 | 艰险山区多源地理信息数据融合的三维场景构建方法 |
Non-Patent Citations (4)
Title |
---|
MOHAMMAD AZARAFZA等: "Stochastic geometry model of rock mass fracture network in tunnels", 《QUARTERLY JOURNAL OF ENGINEERING GEOLOGY AND HYDROGEOLOGY》 * |
厉丹;肖理庆;田隽;孙金萍;: "基于改进相位相关与特征点配准的多图拼接算法", 计算机科学 * |
周世明;: "基于移动激光扫描三维点云的隧道限界检测方法", 四川建材 * |
许献磊;方桂;李俊鹏;梁铭烨;李泽华;: "探地雷达多频数据融合算法研究", 地球物理学进展 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113252728A (zh) * | 2021-06-07 | 2021-08-13 | 中国五冶集团有限公司 | 一种隧道病害检测装置及方法 |
CN114943940A (zh) * | 2022-07-26 | 2022-08-26 | 山东金宇信息科技集团有限公司 | 一种隧道内车辆可视化监测的方法、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112862879B (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bang et al. | UAV-based automatic generation of high-resolution panorama at a construction site with a focus on preprocessing for image stitching | |
Ma et al. | A review of 3D reconstruction techniques in civil engineering and their applications | |
Yi et al. | Hierarchical tunnel modeling from 3D raw LiDAR point cloud | |
Brilakis et al. | Progressive 3D reconstruction of infrastructure with videogrammetry | |
CN105550995B (zh) | 隧道影像拼接方法及*** | |
CN103971406B (zh) | 基于线结构光的水下目标三维重建方法 | |
CN107767456A (zh) | 一种基于rgb‑d相机的物体三维重建方法 | |
CN104751465A (zh) | 一种基于lk光流约束的orb图像特征配准方法 | |
Zhu et al. | Panoramic image stitching for arbitrarily shaped tunnel lining inspection | |
CN112862879A (zh) | 一种基于tin模型的地铁隧道三维模型构建方法 | |
JP2007026255A (ja) | 画像中の変状点の進展状況を抽出する方法 | |
CN112037318A (zh) | 三维岩体结构模型的构建方法、***及模型的应用 | |
CN109166125A (zh) | 一种基于多边缘融合机制的三维深度图像分割算法 | |
US11087486B2 (en) | Lane specification method and lane specification device | |
JP2009133085A (ja) | トンネル覆工のひび割れ検査装置 | |
CN103839286B (zh) | 一种对象语义约束的真正射影像优化采样方法 | |
CN105005964A (zh) | 基于视频序列影像的地理场景全景图快速生成方法 | |
CN109146791B (zh) | 一种基于面阵ccd成像的隧道展布图生成方法 | |
WO2011030771A1 (ja) | 変位計測方法、変位計測装置及び変位計測プログラム | |
CN109187548B (zh) | 一种岩体裂隙识别方法 | |
WO2019009214A1 (ja) | 画像から変状を検知する画像処理装置、画像処理方法及びプログラム | |
Deng et al. | Binocular video-based 3D reconstruction and length quantification of cracks in concrete structures | |
CN114463521B (zh) | 一种面向空地影像数据融合的建筑目标点云快速生成方法 | |
Zhao et al. | Alignment of continuous video onto 3D point clouds | |
Yang et al. | A real-time tunnel surface inspection system using edge-AI on drone |
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 |