CN110514133A - 一种基于摄影测量的无人机隧道变形检测方法 - Google Patents
一种基于摄影测量的无人机隧道变形检测方法 Download PDFInfo
- Publication number
- CN110514133A CN110514133A CN201910938761.4A CN201910938761A CN110514133A CN 110514133 A CN110514133 A CN 110514133A CN 201910938761 A CN201910938761 A CN 201910938761A CN 110514133 A CN110514133 A CN 110514133A
- Authority
- CN
- China
- Prior art keywords
- tunnel
- unmanned plane
- uav
- laser
- detection
- 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 54
- 238000000034 method Methods 0.000 title claims description 15
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000013461 design Methods 0.000 claims abstract description 5
- 238000012360 testing method Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 7
- 238000012423 maintenance Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
- E21F17/18—Special adaptations of signalling or alarm devices
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及无人机自动检测领域的一种基于摄影测量的无人机隧道变形检测方法，由数据采集系统、数据处理及分析系统和结果展示系统组成，其包括如下具体步骤：1)根据隧道检测区域设定无人机飞行的GPS起止坐标；2)无人机按照步骤1)设定的航线自动巡航，并通过搭载在无人机的激光发射装置发出垂直于隧道轴线的均匀明亮的激光，同时通过搭载在无人机上的图像获取装置对隧道激光轮廓进行快速记录；3)将采集的隧道激光轮廓进行拟合，结合空间定位装置，将拟合断面与前一次检测结果或者设计轮廓进行对比，计算出变形情况。本发明可通过无人机实现隧道变形的自动化检测，对隧道变形进行安全评估，并对后续可能的变化做出相应的判断。
Description
技术领域
本发明涉及一种无人机隧道变形检测方法，特别是公开了一种基于摄影测量的无人机隧道变形检测方法，属于无人机自动检测技术领域。
背景技术
目前，我国已建成并交付运营的隧道无论从数量还是总里程上来说都已达到了较大规模，而其中很大一部分已进入养护维修阶段。随着我国隧道数量的持续增加，隧道结构运营状态的检测变得尤为重要。隧道变形检测是当前检查维护工作中最耗时的工作，公路隧道检测一般情况下会封闭交通，影响行车速度；地铁隧道只能在停止运营后的有限时间内进行检查，时间匆忙，容易出错。提高隧道运营检测速度已经成为隧道检测发展的必然趋势。
针对隧道变形检测已经有许多不同的方法和工具。全站仪是一种被广泛采用的传统技术，精度高，但需要花费大量的时间进行现场调整和手动控制。近年来，3D激光扫描技术在地下工程中得到蓬勃发展，能够自动扫描隧道的三维模型，自动化程度高，但扫描速度慢，成本高。现如今，传统的近景摄影测量技术因为其成本低，精度高而发展迅速，但标志点必须事先安装，前期工作非常耗时。最近，车载式激光扫描仪的出现提高了隧道检查和维护的效率，但检查速度依然受到扫描速度的限制，最大为1km/h，其造价不菲。
现有的隧道变形检测方式因为其仪器或技术的限制，要么成本高昂，要么检测速度较慢，已经不能完全满足隧道运营的现状。必须设计一种先进的检测方法，降低检测成本，缩短养护作业时间，降低对交通的影响，满足隧道运营快速检测的需要。
随着无人机技术和图像处理技术的发展，针对隧道运营维护中的变形情况，有条件开发一种基于摄影测量的无人机隧道变形检测方法，使得未来的检测更加便捷和高效。
发明内容
为了克服上述现有技术的不足，本发明提出了一种基于摄影测量的无人机隧道变形检测方法，采用搭载CCD相机和激光发射器的无人机获取隧道截面图像，再通过基于摄影测量的算法对采集到的图像进行处理，得到地铁隧道截面形状的几何特征，从而分析得出隧道变形情况，及时释放预警信号，保证隧道运营安全。
本发明是这样实现的：一种基于摄影测量的无人机隧道变形检测方法，主要由数据采集系统、数据处理及分析系统和结果展示系统组成，其特征在于，所述的无人机检测方法为：
1)根据隧道检测区域设定无人机飞行的GPS起止坐标；
2)无人机按照步骤1)设定的航线自动巡航，自动启用视觉系统和激光雷达辅助巡航，并通过搭载在无人机的激光发射装置发出垂直于隧道轴线的均匀明亮的激光；
3)当无人机按照步骤2)发出激光的同时，通过搭载在无人机上的图像获取装置对隧道激光轮廓进行快速记录；
4)当无人机完成步骤3)的数据采集，将采集的隧道激光轮廓进行拟合；
5)当完成步骤4)的数据处理，结合空间定位装置，将拟合断面与前一次检测结果或者设计轮廓进行对比，展示出变形情况。
所述的GPS起止坐标，包括设定初始坐标P1、结束坐标P2、无人机的高度、速度、姿态、航向，引导无人机按规定轴线飞行。
所述的激光发射装置，发出垂直于隧道轴线均匀明亮的激光，在无人机飞行过程中始终形成明显的隧道轮廓激光面。
所述的图像获取装置，包括四台CCD相机，并调整相机间夹角，获取最好的图像重叠率，在无人机飞行过程中，按设定频率对激光断面进行连续拍照。
所述的断面拟合方法为通过最小二乘法拟合椭圆断面。
所述的空间定位装置记录无人机在隧道中的空间位置，可与图像获取装置得到的图像位置信息相对应，快速找到隧道变形的具体位置。
本发明基于摄影测量的无人机隧道变形检测方法，当检测无人机在隧道中飞行时，通过搭载的检测设备定期对隧道轮廓进行变形检测，实现对公路隧道，铁路隧道，地铁隧道的健康检测。
本发明的有益效果是：与传统的检测方式相比，本发明优势明显。由于采用无人机搭载激光发射器、CCD相机和摄影测量技术结合的方式获取隧道几何特征，这种全新的非接触式测量方式。能够大大提高检测速度，保证检测精度，降低检测成本，检测操作也更加便捷和高效，能满足不同类型隧道的检测需求。
附图说明
图1是本发明基于摄影测量的无人机隧道变形检测方法结构组成图
图2本发明工作流程图
图3本发明机体示意图
图中：1.图像获取装置，2.激光发射装置，3.飞行器，4.起降架。
具体实施方式
如图1，图2，图3所示，本发明为一种基于摄影测量的无人机隧道变形检测方法，包括数据采集系统、数据处理及分析系统和结果展示系统。
数据采集系统通过无人机搭载的检测设备进行数据采集，包括飞行器3、供电系统、控制系统、图像采集系统。
供电系统采用油电混合供电，为所有搭载的设备供电，以保证设备正常工作。
控制系统采用GPS和远程控制混合系统，该系统可以设定无人机的初始坐标P1、结束坐标P2、飞行高度、速度、姿态及航向，引导无人机按规定计划飞行，达到自动检测的目的，并安装起降架4，方便起降。
如图3所示，图像采集系统包括图像获取装置1、激光发射装置2、空间定位装置。激光发射装置发出垂直于隧道纵轴均匀明亮的激光，在无人机飞行过程中始终形成明显的隧道轮廓激光面。图像获取装置在无人机飞行过程中，通过四台CCD相机对激光轮廓进行快速记录，为后面的摄影测量算法提供原始数据，从而拟合出隧道几何断面。空间定位装置记录无人机在隧道中的空间位置，可与图像获取装置得到的图像位置信息相对应，建立隧道变形位置图，快速找到隧道变形的具体位置。
数据处理及分析系统将数据采集系统采集回来的数据进行数据处理、分析，并传给计算机。首先对接收的图像进行预处理，转换为灰度图像或二进制，对图像失真进行校正，并进行坐标转换，把不同的图像坐标转换到同一坐标系中，进行几何特征匹配，通过最小二乘法进行椭圆拟合，获得隧道断面。把获得的结果数据，与设计轮廓和上一次检测结果对比分析。最后用户可以在结果展示系统中查看隧道轮廓的几何特征，了解隧道的变形情况，并可以获得隧道变形的具体位置。
本发明具体工作流程，以下的具体工作流程仅用于说明本发明而不用于限制本发明的范围：
1)根据隧道检测区域设定无人机飞行的GPS起止坐标P1和P2；
2)按照1)所规划的航线进行飞行，并通过搭载在无人机上的数据采集系统实时采集隧道截面轮廓信息，获取激光面图像；
3)按照2)进行数据采集时，把获取的图像信息传给计算机进行数据处理和分析，用最小二乘法拟合出隧道断面的几何特征；
4)按照3)完成数据处理分析后，把结果输出到结果展示系统，与设计轮廓和上一次检测结果对比，可以直观的了解到隧道变形情况。
为了获得覆盖整个截面轮廓的图像，搭载了4个CCD摄像机。由于每台摄像机都有独立的摄像机协调系统，需要进行坐标系转换，以便将结果呈现在统一的坐标系中。
把存储为彩色图像的原始数据，利用一系列图像处理算法提取出地铁隧道的截面轮廓。在这种方法中，为了便于计算，彩色图像首先被转换成灰度图像。经过灰度处理后，将处理后的图像转换为二值图像，提取地铁隧道的几何信息。因为激光线是明亮的和绿色的，所以显然像素的灰度级和绿色分量是提取激光轮廓的重要信息。使用阈值分割方法，彩色图像可以被分割为二值图像，只包括白色(1)和黑色(0)
以前的许多研究中，变形的地铁隧道的截面形状通常被认为是椭圆形的。通过将截面轮廓拟合成椭圆，可以直接通过椭圆的几何特征来评估变形的严重程度。
变形的公路或者铁路隧道截面形状通常为上部半椭圆形加下部矩形。通过将截面轮廓拟合成椭圆加矩形，可以直接通过叠加的几何特征来评估变形的严重程度。
分段变形的严重程度可以通过隧道的拟合图形断面和不通周期检测的结果，或者与设计形状的差异来评估。
空间定位系统，获取无人机飞行的空间位置，在计算坐标时，可以进行姿态修正，得到更精确的隧道几何特征图形，提高检测精度。
采用上述技术方案的基于摄影测量的无人机隧道变形检测方法，其可通过无人机实现对整个隧道变形进行自动检测，并可以建立隧道变形库，结合检测数据对隧道变形进行安全评估，并对后续可能的变化做出相应的判断；上述方法代替人工检测的方法，提高了检测速度，降低了检测成本，实现了智能化，且不影响隧道的正常运营。本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段，还包括由以上技术特征任意组合所组成的技术方案。
Claims (6)
1.一种基于摄影测量的无人机隧道变形检测方法，主要由数据采集系统、数据处理及分析系统和结果展示系统组成，其特征在于，所述的无人机系统检测步骤为：
1)根据隧道检测区域设定无人机飞行的GPS起止坐标；
2)无人机按照步骤1)设定的航线自动巡航，在GPS信号微弱的地方，自动启用视觉系统和激光雷达辅助巡航，并通过搭载在无人机的激光发射装置发出垂直于隧道轴线的均匀明亮的激光；
3)当无人机按照步骤2)发出激光的同时，通过搭载在无人机上的图像获取装置对隧道激光轮廓进行快速记录；
4)当无人机完成步骤3)的数据采集，将采集的隧道激光轮廓进行拟合；
5)当完成步骤4)的数据处理，结合空间定位装置，将拟合断面与前一次检测结果或者设计轮廓进行对比，展示出变形情况。
2.根据权利要求1所述的基于摄影测量的无人机隧道变形检测方法，其特征在于：所述的GPS起止坐标，包括设定初始坐标P1、结束坐标P2、无人机的高度、速度、姿态、航向，引导无人机按规定轴线飞行。
3.根据权利要求1所述的基于摄影测量的无人机隧道变形检测方法，其特征在于：所述的激光发射装置，发出垂直于隧道轴线均匀明亮的激光，在无人机飞行过程中始终形成明显的隧道轮廓激光面。
4.根据权利要求1所述的基于摄影测量的无人机隧道变形检测方法，其特征在于：所述的图像获取装置，包括四台CCD相机，并调整相机间夹角，获取最好的图像重叠率，在无人机飞行过程中，按设定频率对激光断面进行连续拍照。
5.根据权利要求1所述的基于摄影测量的无人机隧道变形检测方法，其特征在于：所述的断面拟合算法为通过最小二乘法拟合椭圆断面。
6.根据权利要求1所述的基于摄影测量的无人机隧道变形检测方法，其特征在于：所述的空间定位装置记录无人机在隧道中的空间位置，可与图像获取装置得到的图像位置信息相对应，快速找到隧道变形的具体位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910938761.4A CN110514133A (zh) | 2019-09-30 | 2019-09-30 | 一种基于摄影测量的无人机隧道变形检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910938761.4A CN110514133A (zh) | 2019-09-30 | 2019-09-30 | 一种基于摄影测量的无人机隧道变形检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110514133A true CN110514133A (zh) | 2019-11-29 |
Family
ID=68634105
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910938761.4A Pending CN110514133A (zh) | 2019-09-30 | 2019-09-30 | 一种基于摄影测量的无人机隧道变形检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110514133A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111412851A (zh) * | 2020-04-13 | 2020-07-14 | 成都大亦科技有限公司 | 一种基于激光测量形变的方法 |
| CN112697064A (zh) * | 2021-03-24 | 2021-04-23 | 北京大成国测科技有限公司 | 基于视觉和激光雷达的轨道变形智能识别系统 |
| CN112904878A (zh) * | 2021-01-15 | 2021-06-04 | 西南石油大学 | 一种用于管道高后果区识别的无人机系统和方法 |
| CN113156456A (zh) * | 2021-04-21 | 2021-07-23 | 中国公路工程咨询集团有限公司 | 一种路面、隧道一体化检测方法及检测设备、车辆 |
| CN113566784A (zh) * | 2021-07-06 | 2021-10-29 | 四川正达检测技术有限责任公司 | 一种隧道净空断面测量的无人机 |
| CN113701820A (zh) * | 2021-08-31 | 2021-11-26 | 石家庄铁道大学 | 一种适用于对运营中隧道结构进行图像勘察以及红外探水探火的装置 |
| CN115035060A (zh) * | 2022-06-07 | 2022-09-09 | 贵州聚原数技术开发有限公司 | 基于计算机图像识别的隧道壁面变形检测方法 |
| CN117073570A (zh) * | 2023-10-12 | 2023-11-17 | 四川高速公路建设开发集团有限公司 | 一种基于无人机的隧道变形程度检测系统及方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101865690A (zh) * | 2010-04-12 | 2010-10-20 | 大连理工大学 | 三维地貌观测方法 |
| CN107063179A (zh) * | 2017-04-27 | 2017-08-18 | 上海同岩土木工程科技股份有限公司 | 一种可移动式隧道断面变形检测装置 |
| CN107154040A (zh) * | 2017-05-08 | 2017-09-12 | 重庆邮电大学 | 一种隧道衬砌表面图像裂缝检测方法 |
| CN107246848A (zh) * | 2017-04-21 | 2017-10-13 | 江西省高速公路投资集团有限责任公司 | 一种隧道施工断面形态快速检测系统及其检测方法 |
| KR20180083616A (ko) * | 2017-01-13 | 2018-07-23 | (주)에프비지코리아 | 광섬유 격자센서를 이용한 변형률 센서 |
| CN108896014A (zh) * | 2018-05-11 | 2018-11-27 | 同济大学 | 一种隧道断面测量装置及其测量方法 |
| CN108917638A (zh) * | 2018-09-25 | 2018-11-30 | 浙江科技学院 | 基于基准传递的地铁隧道三维变形监测的车载测量装置 |
| CN109238162A (zh) * | 2018-09-25 | 2019-01-18 | 浙江科技学院 | 一种隧道三维变形监测与预警方法 |
| CN110262546A (zh) * | 2019-06-18 | 2019-09-20 | 武汉大学 | 一种隧道智能无人机巡检系统及方法 |
-
2019
- 2019-09-30 CN CN201910938761.4A patent/CN110514133A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101865690A (zh) * | 2010-04-12 | 2010-10-20 | 大连理工大学 | 三维地貌观测方法 |
| KR20180083616A (ko) * | 2017-01-13 | 2018-07-23 | (주)에프비지코리아 | 광섬유 격자센서를 이용한 변형률 센서 |
| CN107246848A (zh) * | 2017-04-21 | 2017-10-13 | 江西省高速公路投资集团有限责任公司 | 一种隧道施工断面形态快速检测系统及其检测方法 |
| CN107063179A (zh) * | 2017-04-27 | 2017-08-18 | 上海同岩土木工程科技股份有限公司 | 一种可移动式隧道断面变形检测装置 |
| CN107154040A (zh) * | 2017-05-08 | 2017-09-12 | 重庆邮电大学 | 一种隧道衬砌表面图像裂缝检测方法 |
| CN108896014A (zh) * | 2018-05-11 | 2018-11-27 | 同济大学 | 一种隧道断面测量装置及其测量方法 |
| CN108917638A (zh) * | 2018-09-25 | 2018-11-30 | 浙江科技学院 | 基于基准传递的地铁隧道三维变形监测的车载测量装置 |
| CN109238162A (zh) * | 2018-09-25 | 2019-01-18 | 浙江科技学院 | 一种隧道三维变形监测与预警方法 |
| CN110262546A (zh) * | 2019-06-18 | 2019-09-20 | 武汉大学 | 一种隧道智能无人机巡检系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 黄宏伟等编著: "《城市地铁盾构隧道病害快速检测与工程实践》", vol. 4, 31 January 2019, 北京航空航天大学出版社, pages: 223 - 224 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111412851A (zh) * | 2020-04-13 | 2020-07-14 | 成都大亦科技有限公司 | 一种基于激光测量形变的方法 |
| CN112904878A (zh) * | 2021-01-15 | 2021-06-04 | 西南石油大学 | 一种用于管道高后果区识别的无人机系统和方法 |
| CN112697064A (zh) * | 2021-03-24 | 2021-04-23 | 北京大成国测科技有限公司 | 基于视觉和激光雷达的轨道变形智能识别系统 |
| CN112697064B (zh) * | 2021-03-24 | 2021-06-18 | 北京大成国测科技有限公司 | 基于视觉和激光雷达的轨道变形智能识别系统 |
| CN113156456A (zh) * | 2021-04-21 | 2021-07-23 | 中国公路工程咨询集团有限公司 | 一种路面、隧道一体化检测方法及检测设备、车辆 |
| CN113566784A (zh) * | 2021-07-06 | 2021-10-29 | 四川正达检测技术有限责任公司 | 一种隧道净空断面测量的无人机 |
| CN113701820A (zh) * | 2021-08-31 | 2021-11-26 | 石家庄铁道大学 | 一种适用于对运营中隧道结构进行图像勘察以及红外探水探火的装置 |
| CN113701820B (zh) * | 2021-08-31 | 2024-04-09 | 石家庄铁道大学 | 一种适用于对运营中隧道结构进行图像勘察以及红外探水探火的装置 |
| CN115035060A (zh) * | 2022-06-07 | 2022-09-09 | 贵州聚原数技术开发有限公司 | 基于计算机图像识别的隧道壁面变形检测方法 |
| CN117073570A (zh) * | 2023-10-12 | 2023-11-17 | 四川高速公路建设开发集团有限公司 | 一种基于无人机的隧道变形程度检测系统及方法 |
| CN117073570B (zh) * | 2023-10-12 | 2023-12-19 | 四川高速公路建设开发集团有限公司 | 一种基于无人机的隧道变形程度检测系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110514133A (zh) | 一种基于摄影测量的无人机隧道变形检测方法 | |
| CN109270534B (zh) | 一种智能车激光传感器与相机在线标定方法 | |
| CN108256413B (zh) | 可通行区域检测方法及装置、存储介质、电子设备 | |
| CN110598637B (zh) | 一种基于视觉及深度学习的无人驾驶系统及方法 | |
| CN113791621B (zh) | 一种自动驾驶牵引车与飞机对接方法及系统 | |
| CN110766979A (zh) | 一种用于自动驾驶车辆的泊车车位检测方法 | |
| CN105302151A (zh) | 一种飞机入坞引导和机型识别的系统及方法 | |
| CN103985131B (zh) | 一种用于高速公路车道偏离预警系统的相机快速标定方法 | |
| CN106595630A (zh) | 一种基于激光导航变电站巡检机器人的建图系统与方法 | |
| CN112991433B (zh) | 基于双目深度感知和车辆位置的货车外廓尺寸测量方法 | |
| CN112232139B (zh) | 一种基于Yolo v4与Tof算法相结合的避障方法 | |
| CN115187964A (zh) | 基于多传感器数据融合的自动驾驶决策方法及SoC芯片 | |
| CN117073664B (zh) | 一种露天矿山道路地形建图方法 | |
| CN115857040A (zh) | 一种机车车顶异物动态视觉检测装置及方法 | |
| CN110806411A (zh) | 基于线结构光的无人机铁轨检测系统 | |
| CN112947526A (zh) | 一种无人机自主降落方法和系统 | |
| CN115562284A (zh) | 一种高铁箱梁巡检机器人实现自动巡检的方法 | |
| CN109829923B (zh) | 一种基于深度神经网络的基站天线下倾角测量系统及方法 | |
| CN118348015B (zh) | 一种自移动式地铁隧道结构表观病害检测装备及方法 | |
| CN117789066B (zh) | 基于深度学习的无人机多视角影像钢轨线自动提取方法 | |
| CN113885504A (zh) | 一种列检机器人自主巡检方法、系统及存储介质 | |
| CN117471463A (zh) | 一种基于4d雷达和图像识别融合的障碍物检测方法 | |
| CN117541943A (zh) | 基于LiDAR传感器的无人机检测道路病害技术方法 | |
| CN114972512B (zh) | 一种机场场面目标物定位方法及系统 | |
| CN115063771B (zh) | 对障碍物的距离检测的纠错方法、系统、存储介质及设备 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191129 |