CN117974635B - 电缆通道检测方法、装置、电子设备与计算机可读介质 - Google Patents
电缆通道检测方法、装置、电子设备与计算机可读介质 Download PDFInfo
- Publication number
- CN117974635B CN117974635B CN202410361739.9A CN202410361739A CN117974635B CN 117974635 B CN117974635 B CN 117974635B CN 202410361739 A CN202410361739 A CN 202410361739A CN 117974635 B CN117974635 B CN 117974635B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- data
- information
- view
- sub
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 130
- 238000013461 design Methods 0.000 claims abstract description 46
- 238000012545 processing Methods 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000000605 extraction Methods 0.000 claims description 30
- 230000011218 segmentation Effects 0.000 claims description 15
- 238000007781 pre-processing Methods 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000009877 rendering Methods 0.000 claims description 9
- 230000037361 pathway Effects 0.000 claims description 3
- 239000013598 vector Substances 0.000 description 34
- 238000012549 training Methods 0.000 description 30
- 230000002159 abnormal effect Effects 0.000 description 25
- 230000004927 fusion Effects 0.000 description 18
- 230000006870 function Effects 0.000 description 8
- 238000002372 labelling Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000009933 burial Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本公开的实施例公开了电缆通道检测方法、装置、电子设备与计算机可读介质。该方法的一具体实施方式包括:对点云特征子数据集进行合并处理,以生成合并后的点云特征子数据集,作为目标点云特征子数据集;获取点云数据中每个点的坐标信息与强度信息;对于目标点云特征子数据集中的每个目标点云特征子数据,执行如下处理步骤:确定目标点云特征子数据对应的每个点的坐标信息与强度信息,得到坐标信息子集与强度信息子集;根据坐标信息子集与强度信息子集,构建对应目标点云特征子数据的俯视图、侧视图与主视图;根据目标点云特征子数据对应的标准设计信息,对俯视图、侧视图与主视图进行检测处理。该实施方式缩短了检测时间,提升了检测精度。
Description
技术领域
本公开的实施例涉及电缆通道检测领域,具体涉及电缆通道检测方法、装置、电子设备与计算机可读介质。
背景技术
目前,在布置完地下电缆通道之后,通常需要对施工完成的电缆通道进行检测。当前,对于电缆通道的检测,通常采用的方式为:由技术施工人员手持检测仪器对电缆通道进行检测。
然而,采用上述方式通常会存在如下技术问题一:地下电缆通道在施工完成后被覆盖于地下,人工手动测量效率较低,且检测精度较低。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解,并因此,其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了电缆通道检测方法、装置、电子设备与计算机可读介质,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种电缆通道检测方法,该方法包括:控制相关联的架站式激光扫描仪采集目标电缆隧道的点云数据;对上述点云数据进行预处理,得到预处理点云数据;对上述预处理点云数据进行特征提取处理,以生成点云特征数据;对上述点云特征数据进行区域分割处理,以生成点云特征子数据集;对上述点云特征子数据集进行合并处理,以生成合并后的点云特征子数据集,作为目标点云特征子数据集;获取上述点云数据中每个点的坐标信息与强度信息;对于上述目标点云特征子数据集中的每个目标点云特征子数据,执行如下处理步骤:确定上述目标点云特征子数据对应的每个点的坐标信息与强度信息,得到坐标信息子集与强度信息子集;根据上述坐标信息子集与上述强度信息子集,构建对应上述目标点云特征子数据的俯视图、侧视图与主视图;根据上述目标点云特征子数据对应的标准设计信息,对上述俯视图、侧视图与主视图进行检测处理。
第二方面,本公开的一些实施例提供了一种电缆通道检测装置,该装置包括:控制单元,被配置成控制相关联的架站式激光扫描仪采集目标电缆隧道的点云数据;预处理单元,被配置成对上述点云数据进行预处理,得到预处理点云数据;提取单元,被配置成对上述预处理点云数据进行特征提取处理,以生成点云特征数据;分割单元,被配置成对上述点云特征数据进行区域分割处理,以生成点云特征子数据集;合并单元,被配置成对上述点云特征子数据集进行合并处理,以生成合并后的点云特征子数据集,作为目标点云特征子数据集;获取单元,被配置成获取上述点云数据中每个点的坐标信息与强度信息;检测单元,被配置成对于上述目标点云特征子数据集中的每个目标点云特征子数据,执行如下处理步骤:确定上述目标点云特征子数据对应的每个点的坐标信息与强度信息,得到坐标信息子集与强度信息子集;根据上述坐标信息子集与上述强度信息子集,构建对应上述目标点云特征子数据的俯视图、侧视图与主视图;根据上述目标点云特征子数据对应的标准设计信息,对上述俯视图、侧视图与主视图进行检测处理。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的电缆通道检测方法,提升了对于电缆通道的检测效率,缩短了检测时间,提升了检测精度。具体来说,人工手动测量效率较低,且检测精度较低的原因在于:地下电缆通道在施工完成后被覆盖于地下。基于此,本公开的一些实施例的电缆通道检测方法,首先,控制相关联的架站式激光扫描仪采集目标电缆隧道的点云数据。由此,为检测电缆通道提供了数据支持。其次,对上述点云数据进行预处理,得到预处理点云数据。由此,可以去除异常点云。接着,对上述预处理点云数据进行特征提取处理,以生成点云特征数据。再其次,对上述点云特征数据进行区域分割处理,以生成点云特征子数据集。由此,可以将整个电缆通道的点云分为不同的通道部件区域,便于对不同的区域进行检测。之后,对上述点云特征子数据集进行合并处理,以生成合并后的点云特征子数据集,作为目标点云特征子数据集。由此,可以将表示同一通道部件区域的点云数据进行合并,以便于更精准的进行检测。然后,获取上述点云数据中每个点的坐标信息与强度信息。最后,对于上述目标点云特征子数据集中的每个目标点云特征子数据,执行如下处理步骤:确定上述目标点云特征子数据对应的每个点的坐标信息与强度信息,得到坐标信息子集与强度信息子集;根据上述坐标信息子集与上述强度信息子集,构建对应上述目标点云特征子数据的俯视图、侧视图与主视图;根据上述目标点云特征子数据对应的标准设计信息,对上述俯视图、侧视图与主视图进行检测处理。由此,可以从三个不同的角度对电缆通道进行检测,提升了对于电缆通道的检测效率,缩短了检测时间,提升了检测精度。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的电缆通道检测方法的一些实施例的流程图;
图2是根据本公开的电缆通道检测装置的一些实施例的流程图;
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开的电缆通道检测方法的一些实施例的流程图。示出了根据本公开的电缆通道检测方法的一些实施例的流程100。该电缆通道检测方法,包括以下步骤:
步骤101,控制相关联的架站式激光扫描仪采集目标电缆隧道的点云数据。
在一些实施例中,电缆通道检测方法的执行主体(例如,计算设备)可以控制相关联的架站式激光扫描仪采集目标电缆隧道的点云数据。架站式激光扫描仪可以是用于采集三维点云数据的激光扫描仪。目标电缆隧道可以是当前待检测的地下电缆通道。
步骤102,对上述点云数据进行预处理,得到预处理点云数据。
在一些实施例中,上述执行主体可以对上述点云数据进行预处理,得到预处理点云数据。其中,预处理可以包括:去除离群点、滤波去噪等处理。
步骤103,对上述预处理点云数据进行特征提取处理,以生成点云特征数据。
在一些实施例中,上述执行主体可以对上述预处理点云数据进行特征提取处理,以生成点云特征数据。上述执行主体可以通过基于几何特征的法线估计、曲率计算等特征提取算法对上述预处理点云数据进行特征提取处理,以生成点云特征数据。
步骤104,对上述点云特征数据进行区域分割处理,以生成点云特征子数据集。
在一些实施例中,上述执行主体可以对上述点云特征数据进行区域分割处理,以生成点云特征子数据集。上述执行主体可以采用基于聚类的方法(如基于欧氏距离的K-means、DBSCAN等)、基于区域的方法(如基于曲率、法线一致性等)以及基于模型的方法(如平面拟合、圆柱体拟合等)对上述点云特征数据进行区域分割处理,以生成点云特征子数据集。
步骤105,对上述点云特征子数据集进行合并处理,以生成合并后的点云特征子数据集,作为目标点云特征子数据集。
在一些实施例中,上述执行主体可以对上述点云特征子数据集进行合并处理,以生成合并后的点云特征子数据集,作为目标点云特征子数据集。
实践中,上述执行主体可以对于上述点云特征子数据集中的每个点云特征子数据,执行如下处理步骤:
第一步,确定上述点云特征子数据与备选点云特征子数据集中每个备选点云特征子数据的相似度。其中,备选点云特征子数据集为去除上述点云特征子数据的点云特征子数据集。
第二步,将上述点云特征子数据与对应的相似度满足预设条件的备选点云特征子数据进行合并。预设条件可以是:相似度大于预设相似度、且在点云特征子数据对应的各个相似度中最大。
步骤106,获取上述点云数据中每个点的坐标信息与强度信息。
在一些实施例中,上述执行主体可以获取上述点云数据中每个点的坐标信息与强度信息。坐标信息可以是指点的三维坐标。强度信息可以是指在激光扫描过程中,激光束射出和被物体反射后返回的强度信息。即,可以从架站式激光扫描仪中获取点云数据中每个点的坐标信息与强度信息。
步骤107,对于上述目标点云特征子数据集中的每个目标点云特征子数据,执行如下处理步骤:
步骤1071,确定上述目标点云特征子数据对应的每个点的坐标信息与强度信息,得到坐标信息子集与强度信息子集。
在一些实施例中,上述执行主体可以确定上述目标点云特征子数据对应的每个点的坐标信息与强度信息,得到坐标信息子集与强度信息子集。即,确定目标点云特征子数据中每个点对应的坐标信息与强度信息,得到坐标信息子集与强度信息子集。
步骤1072,根据上述坐标信息子集与上述强度信息子集,构建对应上述目标点云特征子数据的俯视图、侧视图与主视图。
在一些实施例中,上述执行主体可以根据上述坐标信息子集与上述强度信息子集,构建对应上述目标点云特征子数据的俯视图、侧视图与主视图。
实践中,上述执行主体可以通过以下步骤构建对应上述目标点云特征子数据的俯视图、侧视图与主视图:
第一步,根据上述坐标信息子集,将上述目标点云特征子数据中的各个点投影至二维平面上,以及根据上述强度信息子集,对投影至上述二维平面上的各个点进行灰度值渲染,得到俯视图。
即,可以按照坐标信息包括的纵横坐标,将上述目标点云特征子数据中的各个点投影至二维平面上。此后,可以按照强度信息的强弱,对上述二维平面上的各个点进行灰度值渲染,得到俯视图。
第二步,根据上述坐标信息子集,将上述目标点云特征子数据中的各个点投影至侧视二维平面上,以及根据上述强度信息子集,对投影至上述侧视二维平面上的各个点进行灰度值渲染,得到侧视图。
即,可以按照坐标信息包括的纵坐标与竖坐标,将上述目标点云特征子数据中的各个点投影至侧视二维平面上。此后,可以按照强度信息的强弱,对上述侧视二维平面上的各个点进行灰度值渲染,得到侧视图。
第三步,根据上述坐标信息子集,将上述目标点云特征子数据中的各个点投影至主视二维平面上,以及根据上述强度信息子集,对投影至上述主视二维平面上的各个点进行灰度值渲染,得到主视图。
即,可以按照坐标信息包括的横坐标与竖坐标,将上述目标点云特征子数据中的各个点投影至主视二维平面上。此后,可以按照强度信息的强弱,对上述主视二维平面上的各个点进行灰度值渲染,得到主视图。
步骤1073,根据上述目标点云特征子数据对应的标准设计信息,对上述俯视图、侧视图与主视图进行检测处理。
在一些实施例中,上述执行主体可以根据上述目标点云特征子数据对应的标准设计信息,对上述俯视图、侧视图与主视图进行检测处理。其中,上述标准设计信息包括:标准设计俯视图尺寸信息、标准设计侧视图尺寸信息与标准设计主视图尺寸信息。标准设计俯视图尺寸信息可以是指预先设计的俯视图电缆部件对应的尺寸信息,可以包括:长度、宽度、埋深、交跨、地理位置等信息。标准设计侧视图尺寸信息可以是指预先设计的侧视图电缆部件对应的尺寸信息,可以包括:长度、宽度、埋深、交跨、地理位置等信息。标准设计主视图尺寸信息可以是指预先设计的主视图电缆部件对应的尺寸信息,可以包括:长度、宽度、埋深、交跨、地理位置等信息。一个目标点云特征子数据对应一个电缆部件。这里,电缆部件可以是排管、电缆沟、隧道、桥梁及桥架等部件。
实践中,上述执行主体可以通过以下步骤对上述俯视图、侧视图与主视图进行检测处理:
第一步,确定上述俯视图中显示的电缆通道的俯视图尺寸信息。即识别出俯视图中显示的电缆通道的尺寸信息。可以根据图像缩放比例,确定实际的尺寸信息。
第二步,确定上述俯视图尺寸信息与上述标准设计俯视图尺寸信息之间是否一致。即,确定俯视图尺寸信息与上述标准设计俯视图尺寸信息之间的差异值是否小于等于预设阈值。例如,预设阈值可以是1厘米。
第三步,响应于确定上述俯视图尺寸信息与上述标准设计俯视图尺寸信息不一致,生成俯视图尺寸差异信息。俯视图尺寸差异信息可以表示俯视图中显示的电缆部件的尺寸与实际设计尺寸直接存在差异。
第四步,确定上述侧视图中显示的电缆通道的侧视图尺寸信息。
第五步,确定上述侧视图尺寸信息与上述标准设计侧视图尺寸信息之间是否一致。
第六步,响应于确定上述侧视图尺寸信息与上述标准设计侧视图尺寸信息不一致,生成侧视图尺寸差异信息。
第七步,确定上述主视图中显示的电缆通道的主视图尺寸信息。
第八步,确定上述主视图尺寸信息与上述标准设计主视图尺寸信息之间是否一致。
第九步,响应于确定上述主视图尺寸信息与上述标准设计主视图尺寸信息不一致,生成主视图尺寸差异信息。
第十步,将所生成的俯视图尺寸差异信息、侧视图尺寸差异信息与主视图尺寸差异信息发送至相关联的电缆通道检修终端中。电缆通道检修终端可以是指对电缆通道进行检测的计算终端。
可选地,控制相关联的图像采集设备采集目标电缆隧道的电缆通道图像序列。
在一些实施例中,上述执行主体可以控制相关联的图像采集设备采集目标电缆隧道的电缆通道图像序列。其中,一个电缆通道图像表示上述目标电缆隧道中的一个电缆部件。图像采集设备可以是指摄像机。
继续的,在采用本申请的电缆通道检测方法进行电缆通道检测时,往往又会伴随着如下问题:通过电缆通道的点云数据,只能检测电缆通道的尺寸是否合格,无法检测电缆通道表面是否异常。针对这些问题,常规的解决方案是:通过技术人员对电缆通道进行巡视检测。
然而,上述解决方案通常存在如下技术问题二:人工检测效率较低,且容易遗漏对电缆通道的检测。
针对上述技术问题二,决定采用如下解决方案。
可选地,获取电缆部件训练样本集。
在一些实施例中,上述执行主体可以获取电缆部件训练样本集。其中,上述电缆部件训练样本集中的电缆部件训练样本包括电缆部件样本图像。
继续的,在采用本申请的电缆通道检测方法进行电缆通道表面检测时,往往又会伴随着如下问题:需要采集大量电缆通道表面图像,对检测模型进行训练。针对这些问题,常规的解决方案是:通过技术人员对各个历史电缆通道图像进行手动标记,之后,利用标记后的图像,进行模型训练。
然而,上述解决方案通常存在如下技术问题三:人工标注效率较低,且标注不准确,容易造成检测误差。
针对上述技术问题三,决定采用如下解决方案。
实践中,上述执行主体可以通过以下步骤获取电缆部件训练样本集:
第一步,获取标记电缆部件图像集和未标记电缆部件图像集。标记电缆部件图像标记了电缆部件中异常区域的图像。未标记电缆部件图像可以是指未标记电缆部件中异常区域的图像。即,标记电缆部件图像为存在标签的图像。未标记电缆部件图像可以是未标记标签的图像。
第二步,基于上述标记电缆部件图像集和上述未标记电缆部件图像集,执行以下标注步骤:
步骤1,提取上述标记电缆部件图像集中每个标记电缆部件图像的标记电缆部件图像特征向量,得到标记电缆部件图像特征向量集。可以通过特征提取网络提取上述标记电缆部件图像集中每个标记电缆部件图像的标记电缆部件图像特征向量,得到标记电缆部件图像特征向量集。特征提取网络可以是特征提取模型,例如,Bert模型,VGG模型等。
步骤2,提取上述未标记电缆部件图像集中每个未标记电缆部件图像的未标记电缆部件图像特征向量,得到未标记电缆部件图像特征向量集。可以通过特征提取网络提取上述未标记电缆部件图像集中每个未标记电缆部件图像的未标记电缆部件图像特征向量,得到未标记电缆部件图像特征向量集。
步骤3,根据上述标记电缆部件图像特征向量集和上述未标记电缆部件图像特征向量集,构建电缆部件图像特征结构树。其中,上述电缆部件图像特征结构树包括:各个标记电缆部件图像节点和各个未标记电缆部件图像节点。
其中,构建电缆部件图像特征结构树,包括:
首先,将上述标记电缆部件图像特征向量集和上述未标记电缆部件图像特征向量集确定为电缆部件图像特征向量集。
然后,对于上述电缆部件图像特征向量集中的每个电缆部件图像特征向量,执行以下处理步骤:
1、从上述电缆部件图像特征向量集中选择与上述电缆部件图像特征向量之间的相似度大于等于预设相似度的各个电缆部件图像特征向量。
2、将所选择的各个电缆部件图像特征向量确定为上述电缆部件图像特征向量的相似电缆部件图像特征向量组。
最后,根据上述电缆部件图像特征向量集中各个电缆部件图像特征向量的相似电缆部件图像特征向量组,构建电缆部件图像特征结构树。其中,上述电缆部件图像特征结构树中对应标记电缆部件图像的特征向量为标记电缆部件图像节点,对应未标记电缆部件图像的特征向量为未标记电缆部件图像节点。
步骤4,根据上述电缆部件图像特征结构树包括的各个标记电缆部件图像节点,从上述电缆部件图像特征结构树中选择出待标记电缆部件图像节点集。对于上述各个未标记电缆部件图像节点中的每个未标记电缆部件图像节点,上述执行主体可以执行以下步骤:第一步,确定上述未标记电缆部件图像节点对应的未标记电缆部件图像特征向量与各个标记电缆部件图像的距离,得到各个特征距离。第二步,将上述各个特征距离的最小值确定最小特征距离。然后,可以对所确定的各个最小特征距离进行降序排列,得到最小特征距离序列。其次,可以将上述最小特征距离序列中前目标数量的各个最小特征距离确定为各个目标最小特征距离。最后,可以将上述各个目标最小特征距离对应的各个未标记电缆部件图像节点确定为待标记电缆部件图像节点集。
步骤5,对上述待标记电缆部件图像节点集对应的各个未标记电缆部件图像进行标记处理,得到标记电缆部件图像组。上述执行主体可以对上述待标记电缆部件图像节点集对应的每个未标记电缆部件图像进行显示,以接收技术人员输入的对应上述未标记电缆部件图像的标记信息,以对上述未标记电缆部件图像进行标注处理。这里,标记信息可以包括用户输入的未标记电缆部件图像的标签。
第三步,将上述标记电缆部件图像集与上述标记电缆部件图像组进行合并,得到合并标记电缆部件图像集,作为电缆部件训练样本集。
上述相关内容作为本公开的一个发明点,解决了技术问题三“人工标注效率较低,且标注不准确,容易造成检测误差。”。人工标注效率较低,且标注不准确,容易造成检测误差的因素往往如下:人工标注效率较低,且标注不准确,容易造成检测误差。如果解决了上述因素,就能达到提升标注效率以及降低检测误差的效果。为了达到这一效果,首先,获取标记电缆部件图像集和未标记电缆部件图像集。其次,基于上述标记电缆部件图像集和上述未标记电缆部件图像集,执行以下标注步骤:提取上述标记电缆部件图像集中每个标记电缆部件图像的标记电缆部件图像特征向量,得到标记电缆部件图像特征向量集;提取上述未标记电缆部件图像集中每个未标记电缆部件图像的未标记电缆部件图像特征向量,得到未标记电缆部件图像特征向量集;根据上述标记电缆部件图像特征向量集和上述未标记电缆部件图像特征向量集,构建电缆部件图像特征结构树,其中,上述电缆部件图像特征结构树包括:各个标记电缆部件图像节点和各个未标记电缆部件图像节点;根据上述电缆部件图像特征结构树包括的各个标记电缆部件图像节点,从上述电缆部件图像特征结构树中选择出待标记电缆部件图像节点集;对上述待标记电缆部件图像节点集对应的各个未标记电缆部件图像进行标记处理,得到标记电缆部件图像组。将上述标记电缆部件图像集与上述标记电缆部件图像组进行合并,得到合并标记电缆部件图像集,作为电缆部件训练样本集。由此,可以利用少量标记的图像,对未标记的图像进行标记。从而,提升了标记效率,缩短了标注时长。也因为,通过图像特征进行的自动标记,极大地提升了标记的准确度,降低了后续模型的检测误差。
可选地,从上述电缆部件训练样本集中选择出目标电缆部件训练样本。
在一些实施例中,上述执行主体可以从上述电缆部件训练样本集中选择出目标电缆部件训练样本。可以随机从上述电缆部件训练样本集中选择出一个电缆部件训练样本作为目标电缆部件训练样本。
可选地,将上述目标电缆部件训练样本包括的电缆部件样本图像输入至初始电缆部件检测模型包括的特征提取网络中,以对上述电缆部件样本图像进行分层特征提取处理,得到各层电缆部件样本图像特征。
在一些实施例中,上述执行主体可以将上述目标电缆部件训练样本包括的电缆部件样本图像输入至初始电缆部件检测模型包括的特征提取网络中,以对上述电缆部件样本图像进行分层特征提取处理,得到各层电缆部件样本图像特征。特征提取网络可以是基于深度学习方法的卷积神经网络。作为示例,特征提取网络可以为在目标检测算法所使用的主干特征提取网络基础上,加入注意力机制进行改进的骨干网络。例如在骨干网络(CSPDarknet)的基础上,加入SE(Squeeze and Excitation)注意力机制得到改进的SE-CSPDarknet骨干网络。骨干特征提取网络可以包含多个卷积模块、多个注意力机制卷积模块、池化模块。可以用于提取各层电缆部件样本图像特征。
可选地,将上述各层电缆部件样本图像特征输入至上述初始电缆部件检测模型包括的特征融合网络中,得到各样本图像融合特征。
在一些实施例中,上述执行主体可以将上述各层电缆部件样本图像特征输入至上述初始电缆部件检测模型包括的特征融合网络中,得到各样本图像融合特征。特征融合网络可以根据实际需求进行设置,如可以采用自下而上的上采样特征融合结构,或者也可以采用自上而下的下采样特征融合结构。
可选地,将上述各样本图像融合特征输入至上述初始电缆部件检测模型包括的检测定位网络中,得到定位检测结果。
在一些实施例中,上述执行主体可以将上述样本图像融合特征输入至上述初始电缆部件检测模型包括的检测定位网络中,得到定位检测结果。其中,检测定位网络可以包括分类结构和定位结构两部分。执行主体可以将各样本图像融合特征输入初始电缆部件检测模型中的检测定位网络,从而得到各样本图像融合特征的分类数据和定位数据。接着,将各样本图像融合特征的分类数据进行维度叠加,得到样本图像的分类预测总数据。其中,分类预测维度可以包括预测的检测框个数,以及每个检测框属于各标注类别的预测值。另外,可以将各样本图像融合特征的定位数据进行维度叠加,从而得到样本图像的定位预测总数据。其中,定位预测维度可以包括预测的检测框个数,以及每个检测框在样本图像中的预测位置。
可选地,基于上述定位检测结果,生成上述初始电缆部件检测模型的输出结果。
在一些实施例中,上述执行主体可以基于上述定位检测结果,生成上述初始电缆部件检测模型的输出结果。对于同一样本图像的各样本图像融合特征的定位检测结果,执行主体可以计算平均值,以作为模型的输出结果。
可选地,确定上述目标电缆部件训练样本对应的样本标签与上述输出结果之间的损失值。
在一些实施例中,上述执行主体可以确定上述目标电缆部件训练样本对应的样本标签与上述输出结果之间的损失值。实践中,上述执行主体可以通过预设的损失函数确定上述目标电缆部件训练样本对应的样本标签与上述输出结果之间的损失值。样本标签可以是预先设置的表示目标电缆部件训练样本包括的电缆部件样本图像对应的缺陷标签。
可选地,响应于确定上述损失值小于等于预设损失值,将上述初始电缆部件检测模型确定为训练完成的电缆部件检测模型。
在一些实施例中,上述执行主体可以响应于确定上述损失值小于等于预设损失值,将上述初始电缆部件检测模型确定为训练完成的电缆部件检测模型。
上述相关内容作为本公开的一个发明点,解决了技术问题二“人工检测效率较低,且容易遗漏对电缆通道的检测。”。人工检测效率较低,且容易遗漏对电缆通道的检测的因素往往如下:人工检测效率较低,且容易遗漏对电缆通道的检测。如果解决了上述因素,就能达到提升检测效率以及全面检测的效果。为了达到这一效果,首先,获取电缆部件训练样本集。其中,上述电缆部件训练样本集中的电缆部件训练样本包括电缆部件样本图像。其次,从上述电缆部件训练样本集中选择出目标电缆部件训练样本。接着,将上述目标电缆部件训练样本包括的电缆部件样本图像输入至初始电缆部件检测模型包括的特征提取网络中,以对上述电缆部件样本图像进行分层特征提取处理,得到各层电缆部件样本图像特征。之后,将上述各层电缆部件样本图像特征输入至上述初始电缆部件检测模型包括的特征融合网络中,得到各样本图像融合特征。再之后,将上述各样本图像融合特征输入至上述初始电缆部件检测模型包括的检测定位网络中,得到定位检测结果。基于上述定位检测结果,生成上述初始电缆部件检测模型的输出结果。最后,确定上述目标电缆部件训练样本对应的样本标签与上述输出结果之间的损失值。响应于确定上述损失值小于等于预设损失值,将上述初始电缆部件检测模型确定为训练完成的电缆部件检测模型。可以利用采集的各个历史电缆通道的图像,作为训练样本。进而对构建的电缆部件检测模型进行训练。这里的电缆部件检测模型包括特征提取网络、特征融合网络和检测定位网络。进而利用该电缆部件检测模型,可以实现电缆通道部件表面缺陷的自动检测。这样有助于减少人工检测的疏漏问题,提升了检测效率。
可选地,将上述电缆通道图像序列输入至预先训练的电缆部件检测模型中,得到电缆通道图像检测结果序列。
在一些实施例中,上述执行主体可以将上述电缆通道图像序列输入至预先训练的电缆部件检测模型中,得到电缆通道图像检测结果序列。其中,上述电缆通道图像序列中的电缆通道图像对应上述电缆通道图像检测结果序列中的电缆通道图像检测结果。电缆部件检测模型可以是预先训练的以电缆通道图像为输入,以电缆通道图像检测结果为输出的神经网络模型。例如,电缆部件检测模型可以是卷积神经网络模型或深度神经网络模型。其中,电缆通道图像检测结果可以表示电缆通道图像中的电缆通道是否有缺陷。
可选地,将上述电缆通道图像检测结果序列中表征异常结果的电缆通道图像检测结果确定为异常电缆通道图像检测结果,得到异常电缆通道图像检测结果组。
在一些实施例中,上述执行主体可以将上述电缆通道图像检测结果序列中表征异常结果的电缆通道图像检测结果确定为异常电缆通道图像检测结果,得到异常电缆通道图像检测结果组。异常结果表示电缆通道图像中的电缆通道有缺陷。
可选地,将上述异常电缆通道图像检测结果组中每个异常电缆通道图像检测结果组对应的电缆部件确定为异常电缆部件,得到异常电缆部件组。
在一些实施例中,上述执行主体可以将上述异常电缆通道图像检测结果组中每个异常电缆通道图像检测结果组对应的电缆部件确定为异常电缆部件,得到异常电缆部件组。
可选地,将上述异常电缆部件组对应的各个部件信息确定为异常部件信息组,以及将上述异常部件信息组发送至相关联的电缆通道检修终端。
在一些实施例中,上述执行主体可以将上述异常电缆部件组对应的各个部件信息确定为异常部件信息组,以及将上述异常部件信息组发送至相关联的电缆通道检修终端。部件信息可以包括电缆通道部件的名称、位置信息。
进一步参考图2,作为对上述各图所示方法的实现,本公开提供了一种电缆通道检测装置的一些实施例,这些电缆通道检测装置实施例与图1所示的那些方法实施例相对应,该电缆通道检测装置具体可以应用于各种电子设备中。
如图2所示,一些实施例的电缆通道检测装置200包括:控制单元201、预处理单元202、提取单元203、分割单元204、合并单元205、获取单元206和检测单元207。其中,控制单元201,被配置成控制相关联的架站式激光扫描仪采集目标电缆隧道的点云数据;预处理单元202,被配置成对上述点云数据进行预处理,得到预处理点云数据;提取单元203,被配置成对上述预处理点云数据进行特征提取处理,以生成点云特征数据;分割单元204,被配置成对上述点云特征数据进行区域分割处理,以生成点云特征子数据集;合并单元205,被配置成对上述点云特征子数据集进行合并处理,以生成合并后的点云特征子数据集,作为目标点云特征子数据集;获取单元206,被配置成获取上述点云数据中每个点的坐标信息与强度信息;检测单元207,被配置成对于上述目标点云特征子数据集中的每个目标点云特征子数据,执行如下处理步骤:确定上述目标点云特征子数据对应的每个点的坐标信息与强度信息,得到坐标信息子集与强度信息子集;根据上述坐标信息子集与上述强度信息子集,构建对应上述目标点云特征子数据的俯视图、侧视图与主视图;根据上述目标点云特征子数据对应的标准设计信息,对上述俯视图、侧视图与主视图进行检测处理。
可以理解的是,该电缆通道检测装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于电缆通道检测装置200及其中包含的单元,在此不再赘述。
下面参考图3,其示出了适于用来实现本公开的一些实施例的电子设备(例如计算设备)300的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM302被安装。在该计算机程序被处理装置301执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:控制相关联的架站式激光扫描仪采集目标电缆隧道的点云数据;对上述点云数据进行预处理,得到预处理点云数据;对上述预处理点云数据进行特征提取处理,以生成点云特征数据;对上述点云特征数据进行区域分割处理,以生成点云特征子数据集;对上述点云特征子数据集进行合并处理,以生成合并后的点云特征子数据集,作为目标点云特征子数据集;获取上述点云数据中每个点的坐标信息与强度信息;对于上述目标点云特征子数据集中的每个目标点云特征子数据,执行如下处理步骤:确定上述目标点云特征子数据对应的每个点的坐标信息与强度信息,得到坐标信息子集与强度信息子集;根据上述坐标信息子集与上述强度信息子集,构建对应上述目标点云特征子数据的俯视图、侧视图与主视图;根据上述目标点云特征子数据对应的标准设计信息,对上述俯视图、侧视图与主视图进行检测处理。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括:控制单元、预处理单元、提取单元、分割单元、合并单元、获取单元和检测单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,预处理单元还可以被描述为“对上述点云数据进行预处理,得到预处理点云数据的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (6)
1.一种电缆通道检测方法,包括:
控制相关联的架站式激光扫描仪采集目标电缆隧道的点云数据;
对所述点云数据进行预处理,得到预处理点云数据;
对所述预处理点云数据进行特征提取处理,以生成点云特征数据;
对所述点云特征数据进行区域分割处理,以生成点云特征子数据集;
对所述点云特征子数据集进行合并处理,以生成合并后的点云特征子数据集,作为目标点云特征子数据集;
获取所述点云数据中每个点的坐标信息与强度信息;
对于所述目标点云特征子数据集中的每个目标点云特征子数据,执行如下处理步骤:
确定所述目标点云特征子数据对应的每个点的坐标信息与强度信息,得到坐标信息子集与强度信息子集;
根据所述坐标信息子集与所述强度信息子集,构建对应所述目标点云特征子数据的俯视图、侧视图与主视图;
根据所述目标点云特征子数据对应的标准设计信息,对所述俯视图、侧视图与主视图进行检测处理,其中,所述标准设计信息包括:标准设计俯视图尺寸信息、标准设计侧视图尺寸信息与标准设计主视图尺寸信息;
其中,所述根据所述目标点云特征子数据对应的标准设计信息,对所述俯视图、侧视图与主视图进行检测处理,包括:
确定所述俯视图中显示的电缆通道的俯视图尺寸信息;
确定所述俯视图尺寸信息与所述标准设计俯视图尺寸信息之间是否一致;
响应于确定所述俯视图尺寸信息与所述标准设计俯视图尺寸信息不一致,生成俯视图尺寸差异信息;
确定所述侧视图中显示的电缆通道的侧视图尺寸信息;
确定所述侧视图尺寸信息与所述标准设计侧视图尺寸信息之间是否一致;
响应于确定所述侧视图尺寸信息与所述标准设计侧视图尺寸信息不一致,生成侧视图尺寸差异信息;
确定所述主视图中显示的电缆通道的主视图尺寸信息;
确定所述主视图尺寸信息与所述标准设计主视图尺寸信息之间是否一致;
响应于确定所述主视图尺寸信息与所述标准设计主视图尺寸信息不一致,生成主视图尺寸差异信息;
将所生成的俯视图尺寸差异信息、侧视图尺寸差异信息与主视图尺寸差异信息发送至相关联的电缆通道检修终端中。
2.根据权利要求1所述的方法,其中,所述根据所述坐标信息子集与所述强度信息子集,构建对应所述目标点云特征子数据的俯视图、侧视图与主视图,包括:
根据所述坐标信息子集,将所述目标点云特征子数据中的各个点投影至二维平面上,以及根据所述强度信息子集,对投影至所述二维平面上的各个点进行灰度值渲染,得到俯视图;
根据所述坐标信息子集,将所述目标点云特征子数据中的各个点投影至侧视二维平面上,以及根据所述强度信息子集,对投影至所述侧视二维平面上的各个点进行灰度值渲染,得到侧视图;
根据所述坐标信息子集,将所述目标点云特征子数据中的各个点投影至主视二维平面上,以及根据所述强度信息子集,对投影至所述主视二维平面上的各个点进行灰度值渲染,得到主视图。
3.根据权利要求1所述的方法,其中,所述对所述点云特征子数据集进行合并处理,以生成合并后的点云特征子数据集,包括:
对于所述点云特征子数据集中的每个点云特征子数据,执行如下处理步骤:
确定所述点云特征子数据与备选点云特征子数据集中每个备选点云特征子数据的相似度,其中,备选点云特征子数据集为去除所述点云特征子数据的点云特征子数据集;
将所述点云特征子数据与对应的相似度满足预设条件的备选点云特征子数据进行合并。
4.一种电缆通道检测装置,包括:
控制单元,被配置成控制相关联的架站式激光扫描仪采集目标电缆隧道的点云数据;
预处理单元,被配置成对所述点云数据进行预处理,得到预处理点云数据;
提取单元,被配置成对所述预处理点云数据进行特征提取处理,以生成点云特征数据;
分割单元,被配置成对所述点云特征数据进行区域分割处理,以生成点云特征子数据集;
合并单元,被配置成对所述点云特征子数据集进行合并处理,以生成合并后的点云特征子数据集,作为目标点云特征子数据集;
获取单元,被配置成获取所述点云数据中每个点的坐标信息与强度信息;
检测单元,被配置成对于所述目标点云特征子数据集中的每个目标点云特征子数据,执行如下处理步骤:确定所述目标点云特征子数据对应的每个点的坐标信息与强度信息,得到坐标信息子集与强度信息子集;根据所述坐标信息子集与所述强度信息子集,构建对应所述目标点云特征子数据的俯视图、侧视图与主视图;根据所述目标点云特征子数据对应的标准设计信息,对所述俯视图、侧视图与主视图进行检测处理,其中,所述标准设计信息包括:标准设计俯视图尺寸信息、标准设计侧视图尺寸信息与标准设计主视图尺寸信息;检测单元,被进一步配置成:
确定所述俯视图中显示的电缆通道的俯视图尺寸信息;
确定所述俯视图尺寸信息与所述标准设计俯视图尺寸信息之间是否一致;
响应于确定所述俯视图尺寸信息与所述标准设计俯视图尺寸信息不一致,生成俯视图尺寸差异信息;
确定所述侧视图中显示的电缆通道的侧视图尺寸信息;
确定所述侧视图尺寸信息与所述标准设计侧视图尺寸信息之间是否一致;
响应于确定所述侧视图尺寸信息与所述标准设计侧视图尺寸信息不一致,生成侧视图尺寸差异信息;
确定所述主视图中显示的电缆通道的主视图尺寸信息;
确定所述主视图尺寸信息与所述标准设计主视图尺寸信息之间是否一致;
响应于确定所述主视图尺寸信息与所述标准设计主视图尺寸信息不一致,生成主视图尺寸差异信息;
将所生成的俯视图尺寸差异信息、侧视图尺寸差异信息与主视图尺寸差异信息发送至相关联的电缆通道检修终端中。
5.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-3中任一所述的方法。
6.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-3中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410361739.9A CN117974635B (zh) | 2024-03-28 | 2024-03-28 | 电缆通道检测方法、装置、电子设备与计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410361739.9A CN117974635B (zh) | 2024-03-28 | 2024-03-28 | 电缆通道检测方法、装置、电子设备与计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117974635A CN117974635A (zh) | 2024-05-03 |
CN117974635B true CN117974635B (zh) | 2024-07-09 |
Family
ID=90863286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410361739.9A Active CN117974635B (zh) | 2024-03-28 | 2024-03-28 | 电缆通道检测方法、装置、电子设备与计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117974635B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112232451A (zh) * | 2020-12-16 | 2021-01-15 | 禾多科技(北京)有限公司 | 多传感器数据融合方法、装置、电子设备和介质 |
CN115731545A (zh) * | 2022-12-06 | 2023-03-03 | 国网江苏省电力有限公司 | 一种基于融合感知的电缆隧道巡检方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117690063B (zh) * | 2024-02-04 | 2024-04-12 | 广东电网有限责任公司广州供电局 | 电缆线路检测方法、装置、电子设备与计算机可读介质 |
-
2024
- 2024-03-28 CN CN202410361739.9A patent/CN117974635B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112232451A (zh) * | 2020-12-16 | 2021-01-15 | 禾多科技(北京)有限公司 | 多传感器数据融合方法、装置、电子设备和介质 |
CN115731545A (zh) * | 2022-12-06 | 2023-03-03 | 国网江苏省电力有限公司 | 一种基于融合感知的电缆隧道巡检方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN117974635A (zh) | 2024-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112183627B (zh) | 生成预测密度图网络的方法和车辆年检标数量检测方法 | |
CN111784774A (zh) | 目标检测方法、装置、计算机可读介质及电子设备 | |
CN114993328B (zh) | 车辆定位评估方法、装置、设备和计算机可读介质 | |
US20210264198A1 (en) | Positioning method and apparatus | |
CN114648676A (zh) | 点云处理模型的训练和点云实例分割方法及装置 | |
CN111209856B (zh) | ***信息的识别方法、装置、电子设备及存储介质 | |
CN112712036A (zh) | 交通标志识别方法、装置、电子设备及计算机存储介质 | |
CN113781493A (zh) | 图像处理方法、装置、电子设备、介质及计算机程序产品 | |
CN111583417B (zh) | 一种图像语义和场景几何联合约束的室内vr场景构建的方法、装置、电子设备和介质 | |
CN117237681A (zh) | 图像处理方法、装置及相关设备 | |
CN117974635B (zh) | 电缆通道检测方法、装置、电子设备与计算机可读介质 | |
CN113610856B (zh) | 训练图像分割模型和图像分割的方法和装置 | |
CN115861255A (zh) | 用于图像处理的模型训练方法、装置、设备、介质及产品 | |
CN113361519B (zh) | 目标处理方法、目标处理模型的训练方法及其装置 | |
CN111383337B (zh) | 用于识别对象的方法和装置 | |
CN112651942B (zh) | 布局检测方法和装置 | |
CN110119721B (zh) | 用于处理信息的方法和装置 | |
CN114758342A (zh) | 文本识别方法、装置、介质及电子设备 | |
CN114463768A (zh) | 表格识别方法、装置、可读介质和电子设备 | |
CN114187557A (zh) | 确定关键帧的方法、装置、可读介质及电子设备 | |
CN113762234A (zh) | 一种确定文本行区域的方法和装置 | |
CN118015221B (zh) | 建筑模型构建方法、装置、电子设备与计算机可读介质 | |
CN118038193B (zh) | 地下电缆可视化展示方法、装置、电子设备与计算机介质 | |
CN118229171B (zh) | 电力设备存放区域信息展示方法、装置与电子设备 | |
CN113542800B (zh) | 视频画面定标方法、装置、终端设备 |
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 |