基于图像三维建模技术的桥梁病害巡检定位技术

大量桥梁设施从建设进入运营期,桥梁结构损坏反复维修,桥梁设施损坏的跟踪记录、设施损坏状况的精准检查与定位越来越重要。以序列影像三维建模技术为基础,通过全景图像拼接技术,搭建基于真实场景的三维模型空间。通过损坏图像的位置匹配、表观损坏的识别分析,完成了桥梁裂缝、麻面等表观损坏巡检数据的记录及比对。以东吴大桥和道冠山大桥为例,通过实际建模及数据分析,确定了该技术路线的可行性、主要精度及具体的实施路径。     

解读铁路综合视频监控系统总体规划

<正>铁路综合视频监控系统是铁路各部门保障安全生产、提高生产效率、强化运营管理的重要技术辅助手段,但在建设过程中也面临着业务需求多、功能要求复杂、建设成本过高等问题。为解决上述难点问题,铁道部制定了统一     

厦门湾悬沙分布的多时相遥感分析

利用厦门湾地区多时相遥感图像反演出表层悬沙浓度分布图,进而定性分析不同径流和潮流下悬沙分布规律。研究表明,九龙江河口湾为该地区悬沙浓度最高的区域,分布上具有"西高东低"的特征。全湾悬沙来源主要为两部分:径流来沙以及波浪和潮流掀沙。潮流运动是泥沙输送的主要动力,由于弗劳德数分布不同而引起的潮流挟沙力空间差异,是影响厦门湾悬沙分布的主导因素。利用实测泥沙资料将不同时相下瞬时悬沙浓度转换为全潮平均悬沙浓度以进行定量分析,结果表明悬沙浓度具有大潮大于小潮,枯季大于洪季的特征。     

日本使用综合检测车采集图像确认轨道状态

JR西日本公司在综合检测车前方和地板下部安装摄像装置，结合定期的轨道检测数据，进行垂直和斜方向拍摄，采集扣件、夹板螺栓和钢轨图像，数据传送到维护工区的数据库，利用专用图像生成软件，检查轨道部件状态。检查的项目有：     

利用虚拟线圈技术对视频交通数据进行采集

针对于传统的地埋线圈检测器检测技术,本文给出了一种基于视频图像的虚拟线圈检测方法,并在实际应用中取得很好的效果。     

蛇形机器人狭窄空间显身手

一种像蛇一样的机器装置，外皮也是用类似塑料的东西包裹着，全身是软的，有头有尾，能在指令下完成游走动作。据介绍，这种机器可以完成以轮、腿、履带等作为行走工具的机器人难以做到的任务，可以通过无线操控，头部装有微型摄影机，可将图像实时传回监控台。这种机器人主要是用于比较狭小的空间或危险地带的探查任务。     

道床轮廓测量系统的研制

线路道床及边坡的整形作业,既要保证道床有足够的横向阻力,又要避免道砟的浪费,提高线路道砟资源的利用率,降低线路建设成本.由此可见对道床轮廓的准确测量是十分必要的.以激光测距扫描为基本原理,对激光束扫描道砟表面的回波进行信号转换和处理,将得到的激光发射点到道砟的距离和激光束的角度,形成所测道床的实际轮廓;通过图像比较可得到道床实测轮廓与标准轮廓的偏差:经过系统的积分计算,得到该断面道砟量的盈亏;在车行过程中对道床连续扫描,将全部断面的测量结果进行积分计算,可以得到该段线路道床道砟的总量盈亏,为线路补砟提供准确依据.     

三维视觉识别下推进器模糊故障图像清晰化仿真研究

现有推进器生成图像时采用的传统算法存在噪声辨识度低、图像噪声边缘计算精度差的问题。导致生成的故障图像模糊,无法精准对其分析。针对此种问题,提出三维视觉识别下推进器模糊故障图像清晰化仿真研究。首先,通过展开三维视觉高斯差算法对图像噪声粒子进行差分计算,明确有效图像轮廓;其次,引入噪声循环分解算法,对确定的噪声轮廓内噪声点进行弱化计算,提升有效图像锐度,视线清晰图像的效果。最后,通过仿真实验对提出的设计方法进行对比性数据验证,证明提出的三维视觉识别下推进器模糊故障图像清晰化仿真方法能够有效解决推进器故障图像模糊的问题。     

海洋卫星遥感图像对比度特征同步检测方法研究

传统的海洋卫星遥感图像对比度特征同步检测方法具有运算复杂、检测效率低的缺陷,为了解决上述问题,提出海洋卫星遥感图像对比度特征同步检测方法研究。以提取的海洋卫星遥感图像对比度特征为依据构建图像对比度特征图,以此为基础,采用最大熵估计算法对遥感图像对比度特征进行分割,得到遥感图像对比度特征熵,通过LBP方法对遥感图像对比度特征进行同步定位,实现了海洋卫星遥感图像对比度特征的同步检测。通过测试结果显示,与传统的海洋卫星遥感图像对比度特征同步检测方法相比较,提出的海洋卫星遥感图像对比度特征同步检测方法极大地降低了运算复杂度,提升了检测效率,充分说明提出的海洋卫星遥感图像对比度特征同步检测方法具备更好的检测性能。     

基于机器学习的大规模船舶图像检索机制

船舶图像具有大规模、多样性等变化特点,传统船舶图像检索机制难以获得高精度检索结果。为了获得理想的船舶图像检索结果,设计了基于机器学习的大规模船舶图像检索机制。首先分析当前船舶图像检索研究进展,阐述船舶图像检索基本流程,然后采集不同类型的船舶图像检索特征,选择最优的船舶图像检索特征作为机器学习算法的输入、船舶图像类别作为输出,最后通过机器学习算法的训练建立船舶图像检索的分类器,并与其它船舶图像检索机制进行了对照测试。测试结果表明,本文机制可以满足大规模船舶图像检索要求,船舶图像检索正确率要高于对比船舶图像检索机制,可以更快找到用户需要的船舶图像,获得了令人满意的船舶图像检索结果。