成果信息
| |
| |
| |
| 儲征偉、劉文伍、鞠建榮、范娟娟、周磊、田慶福、胡澤周、武小軍、施為兵、劉建偉、彩媛慈、侯宜軍、沈益清、俞宜慈、張磊 |
| |
| |
| |
成果摘要
本課題結合公司排水管道清疏檢測修復業務開展的現狀,針對井室三維建模以及管道缺陷自動化分析處理進行研究,課題從2016年6月開始至2019年12月結束,主要完成了以下成果:(1)研製出基於Kinect深度感測器的井室掃描裝置和管道缺陷檢測裝置,可以有效的完成半徑在1~4m的排水井室內壁的數據採集,實現對排水井室三維重建。(2)研製出管道缺陷檢測裝置,該裝置在獲取管道內部視頻的同時可進行管道內部的測量,在檢測長度15米內精度可保證在5cm左右。(3)課題組對基於深度學習的地下管道缺陷識別關鍵技術進行了深入研究,提出了一種基於分層深度卷積神經網路的方法,該方法對6類管道缺陷的分類準確率超過90%。(4)基於SOA技術,開發了排水管道精細化管控平台。(5)提出了基於多視頻立體匹配技術的地下管道檢測視頻的三維重建方法。(6)提出了基於光流的視頻處理方法,能夠自動從視頻中檢測出停頓區域後截圖分析。研究成果已經在南京市鼓樓區江東北路以西片區雨水管道清疏排查工程、鼓樓區江東北路以東片區雨水管道清疏排查工程、溧水城區排水管網清淤疏通CCTV 檢測修復及斷頭路管網打通工程等項目中進行推廣套用。,本課題結合公司排水管道清疏檢測修復業務開展的現狀,針對井室三維建模以及管道缺陷自動化分析處理進行研究,課題從2016年6月開始至2019年12月結束,主要完成了以下成果:(1)研製出基於Kinect深度感測器的井室掃描裝置和管道缺陷檢測裝置,可以有效的完成半徑在1~4m的排水井室內壁的數據採集,實現對排水井室三維重建。(2)研製出管道缺陷檢測裝置,該裝置在獲取管道內部視頻的同時可進行管道內部的測量,在檢測長度15米內精度可保證在5cm左右。(3)課題組對基於深度學習的地下管道缺陷識別關鍵技術進行了深入研究,提出了一種基於分層深度卷積神經網路的方法,該方法對6類管道缺陷的分類準確率超過90%。(4)基於SOA技術,開發了排水管道精細化管控平台。(5)提出了基於多視頻立體匹配技術的地下管道檢測視頻的三維重建方法。(6)提出了基於光流的視頻處理方法,能夠自動從視頻中檢測出停頓區域後截圖分析。研究成果已經在南京市鼓樓區江東北路以西片區雨水管道清疏排查工程、鼓樓區江東北路以東片區雨水管道清疏排查工程、溧水城區排水管網清淤疏通CCTV 檢測修復及斷頭路管網打通工程等項目中進行推廣套用。