[go: up one dir, main page]

CN116577337B - 一种管道病害检测方法及系统 - Google Patents

一种管道病害检测方法及系统 Download PDF

Info

Publication number
CN116577337B
CN116577337B CN202310524101.8A CN202310524101A CN116577337B CN 116577337 B CN116577337 B CN 116577337B CN 202310524101 A CN202310524101 A CN 202310524101A CN 116577337 B CN116577337 B CN 116577337B
Authority
CN
China
Prior art keywords
pipeline
shooting
disease
camera
auxiliary
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
Application number
CN202310524101.8A
Other languages
English (en)
Other versions
CN116577337A (zh
Inventor
谢颖娜
何冬平
李宇
陈少华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongguantong Underground Pipeline Technology Guangdong Co ltd
Original Assignee
Guangdong Yinhao Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Yinhao Intelligent Technology Co ltd filed Critical Guangdong Yinhao Intelligent Technology Co ltd
Priority to CN202310524101.8A priority Critical patent/CN116577337B/zh
Publication of CN116577337A publication Critical patent/CN116577337A/zh
Application granted granted Critical
Publication of CN116577337B publication Critical patent/CN116577337B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16L—PIPES; JOINTS OR FITTINGS FOR PIPES; SUPPORTS FOR PIPES, CABLES OR PROTECTIVE TUBING; MEANS FOR THERMAL INSULATION IN GENERAL
    • F16L55/00—Devices or appurtenances for use in, or in connection with, pipes or pipe systems
    • F16L55/26—Pigs or moles, i.e. devices movable in a pipe or conduit with or without self-contained propulsion means
    • F16L55/28—Constructional aspects
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16L—PIPES; JOINTS OR FITTINGS FOR PIPES; SUPPORTS FOR PIPES, CABLES OR PROTECTIVE TUBING; MEANS FOR THERMAL INSULATION IN GENERAL
    • F16L55/00—Devices or appurtenances for use in, or in connection with, pipes or pipe systems
    • F16L55/26—Pigs or moles, i.e. devices movable in a pipe or conduit with or without self-contained propulsion means
    • F16L55/28—Constructional aspects
    • F16L55/40—Constructional aspects of the body
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16L—PIPES; JOINTS OR FITTINGS FOR PIPES; SUPPORTS FOR PIPES, CABLES OR PROTECTIVE TUBING; MEANS FOR THERMAL INSULATION IN GENERAL
    • F16L2101/00—Uses or applications of pigs or moles
    • F16L2101/30—Inspecting, measuring or testing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Combustion & Propulsion (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本申请涉及一种管道病害检测方法及系统，属于管道检测技术领域，病害检测方法包括实时获取管道机器人主摄像头拍摄的管道内壁的基础图像；获取基础图像中的病害区域；根据病害区域，确定执行拍摄任务的辅助摄像头，并向执行拍摄任务的辅助摄像头发送开机请求；判断管道机器人是否移动至管道的病害区域处，若是，则生成静态拍摄指令；所述静态拍摄指令用于控制管道机器人的行进器停止行进，并控制对应的执行拍摄任务的辅助摄像头拍摄病害照片；接收执行拍摄任务的辅助摄像头返回的病害照片；根据所有管道病害照片，分析生成管道检测结果。本申请具有提高管道检测的准确性的效果。

Description

一种管道病害检测方法及系统
技术领域
本发明涉及管道检测技术领域，尤其是涉及一种管道病害检测方法及系统。
背景技术
随着管道检测的发展，在管道检测中经常使用管道机器人，管道机器人包括行进器、一种或多种传感器以及摄像头；在工作人员的遥控操作或计算机自动控制下，管道机器人的行进器携带传感器、摄像头等装置在管道内沿管道的管径方向移动，在移动过程中摄像头实时采集管道内的图像，以便技术人员根据返回的图像对管道病害进行进一步的分析处理。管道病害的类型包括破损、变形、错口、脱节、渗漏、腐蚀等。
目前，管道机器人上通常携带一个摄像头，当管道机器人在管道中启动拍摄作业时，按照管道机器人的作业要求，管道机器人的摄像镜头应对准所检测管道的管口，且摄像头移动轨迹应在管道中轴线上，偏离度不应大于管径的10％。然而，由于摄像头仅沿着管道中轴线对管道内壁进行拍摄，拍摄角度单一，并且无法直接正对于管道的管壁拍摄，使得拍摄到的管道内壁的图像不够清晰，从而导致在通过拍摄图像生成管道检测结果时准确性较低的情况。
发明内容
为了提高管道检测的准确性，本申请提供了一种管道病害检测方法及系统。
第一方面，本申请提供的一种管道病害检测方法，采用如下的技术方案：
一种管道病害检测方法，包括：
实时获取管道机器人主摄像头拍摄的管道内壁的基础图像；
获取基础图像中的病害区域；
根据病害区域，确定执行拍摄任务的辅助摄像头，并向执行拍摄任务的辅助摄像头发送开机请求；所述辅助摄像头的拍摄方向均垂直于主摄像头的拍摄方向，且以主摄像头的拍摄方向为轴线呈周向设置在管道机器人的行进器上；所述开机请求用于控制辅助摄像头开启；
判断管道机器人是否移动至管道的病害区域处，若是，则生成静态拍摄指令；所述静态拍摄指令用于控制管道机器人的行进器停止行进，并控制对应的执行拍摄任务的辅助摄像头拍摄病害照片；
接收执行拍摄任务的辅助摄像头返回的病害照片；
根据所有管道病害照片，分析生成管道检测结果。
通过采用上述技术方案，先获取管道机器人主摄像头拍摄的基础图像中的病害区域，并根据病害区域位置的不同，确定执行拍摄任务的辅助摄像头，并在管道机器人移动至病害区域处时，停止管道机器人的行进器继续行进，并且控制对应的执行拍摄任务的辅助摄像头拍摄病害照片，由于辅助摄像头是朝向管道的内壁进行拍摄的，所以拍摄的到病害照片更加清晰，从而便于对病害照片进行分析得到更加准确的管道检测结果。
可选的，所述根据病害区域，确定执行拍摄任务的辅助摄像头，具体包括：
获取基础图像中的管道中心点，并基于管道中心点，建立极坐标系；
基于极坐标系，预先设置每个辅助摄像头在极坐标系中的拍摄极坐标范围；
基于极坐标系，获取病害区域的病害范围极坐标；
将病害范围极坐标和每个辅助摄像头的拍摄极坐标范围进行比对，得到执行拍摄任务的辅助摄像头。
通过采用上述技术方案，采用建立极坐标系的方式，便于对基础图像的位置进行表示，以得到每个辅助摄像头在极坐标系中的拍摄极坐标范围和病害区域的病害范围极坐标，并通过病害范围极坐标和每个辅助摄像头的拍摄极坐标范围进行比对，从而得到能够拍摄到病害区域的辅助摄像头以作为执行拍摄任务的辅助摄像头。
可选的，所述判断管道机器人是否移动至管道的病害区域处，具体包括：
获取管道机器人主摄像头的当前焦距；
获取管道的实际直径；
获取病害区域的中心点的中心极坐标，并根据中心极坐标，得到病害区域中心点处基础图像中管道的成像直径；
基于预设计算公式，根据成像直径、当前焦距以及实际直径，得到管道机器人和病害区域之间的预测距离；
判断管道机器人在生成病害区域之后的移动距离是否达到预测距离，若是，则判定管道机器人已经移动至管道的病害区域处；若否，则判定管道机器人未移动至管道的病害区域处。
通过采用上述技术方案，利用相机成像原理，根据成像直径、当前焦距以及实际直径，即能够计算出管道机器人和病害区域之间的预测距离，若管道机器人在生成病害区域之后的移动距离达到预测距离，此时说明管道机器人已经移动至管道的病害区域处，从而便于得知管道机器人是否移动至病害区域处。
可选的，所述预设计算公式为：d＝(H*f)/h；
其中，d是预测距离；H是管道的实际直径；f是主摄像头的当前焦距；h是管道的成像直径。
通过采用上述技术方案，利用预设计算公式便于对预测距离进行计算。
可选的，所述判定管道机器人已经移动至管道的病害区域处之后，还包括：
记录管道机器人在管道中的位置坐标，并将位置坐标的预设范围内的管道作为管道的重点检测管段。
通过采用上述技术方案，通过记录管道机器人的位置对病害区域的位置坐标进行记录，以便后续对病害区域处进行重点检测。
可选的，还包括：
获取管道的重点检测管段；
实时获取管道机器人在管道中的检测坐标；
响应于检测坐标和重点检测管段重合，控制所有的辅助摄像头开启。
通过采用上述技术方案，当管道机器人检测坐标和重点检测管段重合，说明管道机器人此时已到达之前记录过的病害区域处，此时控制所有辅助摄像头开启，以便对重点检测管段进行更加全面的检测。
第二方面，本申请提供一种管道病害检测方法，采用如下技术方案：
一种管道病害检测方法，应用于管道机器人，所述管道机器人包括用于拍摄管道内壁的主摄像头以及多个辅助摄像头，所述辅助摄像头的拍摄方向均垂直于主摄像头的拍摄方向，且以主摄像头的拍摄方向为轴线呈周向设置在管道机器人的行进器上，所述方法包括：
执行拍摄任务的辅助摄像头接收开机请求，并响应于开机请求进行开机；
执行拍摄任务的辅助摄像头接收静态拍摄指令，并响应于静态拍摄指令以拍摄病害照片，将病害照片发送至如上述的服务器。
通过采用上述技术方案，在接收到开机请求时，开启执行拍摄任务的辅助摄像头，在接收到静态拍摄指令时，执行拍摄任务的辅助摄像头拍摄病害照片，从未使得在不需要拍摄时辅助摄像头关闭，一方面减少了能耗以及需要处理的图像，另一方面在接收到开机请求以及静态拍摄指令时再开机拍摄，以满足采集管道内壁图像的需求。
第三方面，本申请提供一种管道病害检测系统，采用如下技术方案
一种管道病害检测系统，应用于服务器，包括：
图像获取模块，用于实时获取管道机器人主摄像头拍摄的管道内壁的基础图像；
病害识别模块，用于将所述基础图像输入至预设的图像识别模型，生成基础图像的病害区域；
拍摄确定模块，用于根据病害区域，确定执行拍摄任务的辅助摄像头，并向执行拍摄任务的辅助摄像头发送开机请求；所述辅助摄像头的拍摄方向均垂直于主摄像头的拍摄方向，且以主摄像头的拍摄方向为轴线呈周向设置在管道机器人的行进器上；所述开机请求控制辅助摄像头开启；
拍摄执行模块，用于判断管道机器人是否移动至管道的病害区域处，若是，则生成静态拍摄指令；所述静态拍摄指令用于控制管道机器人停止行进，并控制对应的执行拍摄任务的辅助摄像头拍摄病害照片；
照片接收模块，用于接收执行拍摄任务的辅助摄像头返回的病害图像；
分析模块，用于根据管道病害照片，分析生成管道检测结果。
第四方面，本申请提供一种管道病害检测系统，采用如下技术方案
一种管道病害检测系统，应用于管道机器人，包括：用于拍摄管道内壁的主摄像头以及多个辅助摄像头，所述辅助摄像头的拍摄方向均垂直于主摄像头的拍摄方向，且以主摄像头的拍摄方向为轴线呈周向设置在管道机器人的行进器上；
启动模块，用于接收开机请求，并根据开机请求开启执行拍摄任务的辅助摄像头；
拍摄模块，用于接收静态拍摄指令，执行拍摄任务的辅助摄像头根据静态拍摄指令拍摄病害照片，并将病害照片发送至如权上述的服务器。
第五方面，本申请提供一种计算机可读存储介质，采用如下技术方案：
一种计算机可读存储介质，包括存储有能够被处理器加载并执行如上述任一方法中的计算机程序。
附图说明
图1是本申请其中一实施例管道病害检测方法的流程图。
图2是本申请其中一实施例确定辅助摄像头的方法流程图。
图3是本申请其中一实施例基础图像中极坐标系的示意图。
图4是本申请其中一实施例判断管道机器人移动位置的方法流程图。
图5是本申请其中一实施例对重点检测管段检测方法流程图。
图6是本申请其中一实施例管道病害检测系统的框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图1-6及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
本申请实施例公开一种管道病害检测方法。参照图1，一种管道病害检测方法，包括：
步骤S101：实时获取管道机器人主摄像头拍摄的管道内壁的基础图像；
其中，主摄像头是指拍摄方向与管道机器人行进方向一致的摄像头。当管道机器人进入管道时，主摄像头沿管道的径向拍摄。
步骤S102：获取基础图像中的病害区域；
具体地，将基础图像输入至预设的图像识别模型中，以生成基础图像中病害区域的预测框。
步骤S103：根据病害区域，确定执行拍摄任务的辅助摄像头，并向执行拍摄任务的辅助摄像头发送开机请求；
其中，辅助摄像头设置有多个，辅助摄像头的拍摄方向均垂直于主摄像头的拍摄方向，且辅助摄像头以主摄像头的拍摄方向为轴线呈周向设置在管道机器人的行进器上，多个辅助摄像头的拍摄方向向四周发散，当管道机器人在管道中时，每个辅助摄像头均正对管道的内壁拍摄。辅助摄像头的数量可以是3个，也可以是4个甚至更多。
其中，开机请求用于控制辅助摄像头开启。
步骤S104：判断管道机器人是否移动至管道的病害区域处，若是，则执行步骤S105。
应当理解，当管道奇迹人移动至管道的病害区域则认为此时安装在管道机器人行进器上的相应辅助摄像头已经能拍摄到病害区域。
步骤S105：生成静态拍摄指令；
其中，静态拍摄指令用于控制管道机器人的行进器停止行进，并控制对应的执行拍摄任务的辅助摄像头拍摄病害照片；
应当理解，在辅助摄像头拍摄病害照片时，控制管道机器人的行进器停止，使得辅助摄像头的拍摄更加稳定，提高了拍摄的病害照片的质量。
步骤S106：接收执行拍摄任务的辅助摄像头返回的病害照片；
步骤S107：根据所有管道病害照片，分析生成管道检测结果。
其中，可采用图像识别的方式对所有管道病害照片进行分析，也可以采用图像识别和人工相结合的方式对管道病害照片进行分析，以分析生成管道检测结果。
上述实施方式中，先获取管道机器人主摄像头拍摄的基础图像中的病害区域，并根据病害区域位置的不同，确定执行拍摄任务的辅助摄像头，并在管道机器人移动至病害区域处时，停止管道机器人的行进器继续行进，并且控制对应的执行拍摄任务的辅助摄像头拍摄病害照片，由于辅助摄像头是朝向管道的内壁进行拍摄的，所以拍摄的到病害照片更加清晰，从而便于对病害照片进行分析得到更加准确的管道检测结果。
参照图2，作为步骤S103的一种实施方式，步骤S103具体包括：
步骤S1031：获取基础图像中的管道中心点，并基于管道中心点，建立极坐标系；
其中，管道的中心点即管道管口的圆心。
参照图3，具体地，以管道中心点为极坐标原点O，以过极坐标原点水平向右的方向为极坐标轴(x轴)，极坐标轴的极角为0°，基于极坐标原点和极坐标轴即完成了基础图像中极坐标系的建立。
步骤S1032：基于极坐标系，预先设置每个辅助摄像头在极坐标系中的拍摄极坐标范围；
具体的，拍摄极坐标范围根据每个辅助摄像头在管道机器人行进器上的安装位置以及辅助摄像头的数量进行预设。
例如，辅助摄像头设置有4个，分别拍摄管道内壁的右上、左上、左下以及右下四个方向，则4个辅助摄像头在极坐标系中的拍摄极坐标范围对应依次是(0°，90°)、(90°，180°)、(180°，270°)以及(270°，0°)；即辅助摄像头与拍摄极坐标范围一一对应，(0°，90°)、(90°，180°)、(180°，270°)以及(270°，0°)均为极坐标中的极角区间。
步骤S1033：基于极坐标系，获取病害区域的病害范围极坐标；
具体的，病害范围极坐标包括病害区域的预测框四个顶角的顶角极坐标。例如其中一个顶角极坐标为(20°，15)，其中，20°为极角，15为极径。
步骤S1034：将病害范围极坐标和每个辅助摄像头的拍摄极坐标范围进行比对，得到执行拍摄任务的辅助摄像头。
具体的，确定出每一个顶角极坐标中的极角所属的拍摄极坐标范围，从而确定出每个预测框的每个顶角对应的执行拍摄的辅助摄像头。若四个顶角坐标所属同一个拍摄极坐标范围，则仅开启对应的一个辅助摄像头。若四个顶角坐标所属多个不同的拍摄极坐标范围，则开启多个辅助摄像头。例如，顶角极坐标为(20°，15)，则顶角极坐标为中的极角为20°，所属的拍摄极坐标范围为(0°，90°)，即开启拍摄方向为右上的辅助摄像头。
上述实施方式中，采用建立极坐标系的方式，便于对基础图像的位置进行表示，以得到每个辅助摄像头在极坐标系中的拍摄极坐标范围和病害区域的病害范围极坐标，并通过病害范围极坐标和每个辅助摄像头的拍摄极坐标范围进行比对，从而得到能够拍摄到病害区域的辅助摄像头以作为执行拍摄任务的辅助摄像头。
参照图4，作为步骤S104的一种实施方式，步骤S104具体包括：
步骤S1041：获取管道机器人主摄像头的当前焦距；
步骤S1042：获取管道的实际直径；
应当理解，由于同一管道的直径通常是相同的，所以管道的实际直径可由工作人员现场测量得出。
步骤S1043：获取病害区域的中心点的中心极坐标，并根据中心极坐标，得到病害区域中心点处基础图像中管道的成像直径；
其中，病害区域中心点即病害区域的预测框的中心点，参照图3，病害区域中心点为A点。
其中，若病害区域中心点A点的极坐标为以极坐标原点为圆形，以/>为半径做圆，得到的圆的直径即为基础图像中病害区域中心点处的成像直径，则成像直径/>
步骤S1044：基于预设计算公式，根据成像直径、当前焦距以及实际直径，得到管道机器人和病害区域之间的预测距离；
具体地，预设计算公式为：d＝(H*f)/h；其中，d是预测距离；H是管道的实际直径；f是主摄像头的当前焦距；h是管道的成像直径。
步骤S1045：判断管道机器人在生成病害区域之后的移动距离是否达到预测距离，若是，则执行步骤S1046；若否，则执行步骤S1047。
步骤S1046：判定管道机器人已经移动至管道的病害区域处；
更进一步地，在步骤S1046之后还包括：
记录管道机器人在管道中的位置坐标，并将位置坐标的预设范围内的管道作为管道的重点检测管段。
步骤S1047：判定管道机器人未移动至管道的病害区域处。
上述实施方式中，利用相机成像原理，根据成像直径、当前焦距以及实际直径，即能够计算出管道机器人和病害区域之间的预测距离，若管道机器人在生成病害区域之后的移动距离达到预测距离，此时说明管道机器人已经移动至管道的病害区域处，从而便于得知管道机器人是否移动至病害区域处。
参照图5，作为检测方法的进一步实施方式，检测方法还包括：
步骤S201：获取管道的重点检测管段；
其中，重点检测管段还包括管道连接处，管道连接处的坐标可提前进行预设。
步骤S202：实时获取管道机器人在管道中的检测坐标；
其中，检测坐标可以由定位装置进行获取。
步骤S203：响应于检测坐标和重点检测管段重合，控制所有的辅助摄像头开启。
上述实施方式中，当管道机器人检测坐标和重点检测管段重合，说明管道机器人此时已到达之前记录过的病害区域处，此时控制所有辅助摄像头开启，以便对重点检测管段进行更加全面的检测。
本申请还公开一种管道病害检测方法，一种管道病害检测方法，应用于管道机器人，包括：
执行拍摄任务的辅助摄像头接收开机请求，并响应于开机请求进行开机；
执行拍摄任务的辅助摄像头接收静态拍摄指令，并响应于静态拍摄指令以拍摄病害照片，将病害照片发送至如上述任一的服务器。
上述实施方式中，在接收到开机请求时，开启执行拍摄任务的辅助摄像头，在接收到静态拍摄指令时，执行拍摄任务的辅助摄像头拍摄病害照片，从未使得在不需要拍摄时辅助摄像头关闭，一方面减少了能耗以及需要处理的图像，另一方面在接收到开机请求以及静态拍摄指令时再开机拍摄，以满足采集管道内壁图像的需求。
本申请还公开一种管道病害检测系统，参照图6，一种管道病害检测系统，应用于服务器，包括：
图像获取模块，用于实时获取管道机器人主摄像头拍摄的管道内壁的基础图像；
病害识别模块，用于将基础图像输入至预设的图像识别模型，生成基础图像的病害区域；
拍摄确定模块，用于根据病害区域，确定执行拍摄任务的辅助摄像头，并向执行拍摄任务的辅助摄像头发送开机请求；辅助摄像头的拍摄方向均垂直于主摄像头的拍摄方向，且以主摄像头的拍摄方向为轴线呈周向设置在管道机器人的行进器上；开机请求控制辅助摄像头开启；拍摄执行模块，用于判断管道机器人是否移动至管道的病害区域处，若是，则生成静态拍摄指令；静态拍摄指令用于控制管道机器人停止行进，并控制对应的执行拍摄任务的辅助摄像头拍摄病害照片；
照片接收模块，用于接收执行拍摄任务的辅助摄像头返回的病害图像；
分析模块，用于根据管道病害照片，分析生成管道检测结果。
本申请还公开一种管道病害检测系统，一种管道病害检测系统，应用于管道机器人，包括：用于拍摄管道内壁的主摄像头以及多个辅助摄像头，辅助摄像头的拍摄方向均垂直于主摄像头的拍摄方向，且以主摄像头的拍摄方向为轴线呈周向设置在管道机器人的行进器上；
启动模块，用于接收开机请求，并根据开机请求开启执行拍摄任务的辅助摄像头；
拍摄模块，用于接收静态拍摄指令，执行拍摄任务的辅助摄像头根据静态拍摄指令拍摄病害照片，并将病害照片发送至如上述的服务器。
本申请提供的一种管道病害检测系统能够实现上述一种管道病害检测方法，且一种管道病害检测系统的具体工作过程可参考上述方法实施例中的对应过程。
需要说明的是，在上述实施例中，对各个实施例的描述各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
本发明还公开一种计算机可读储存介质，一种计算机可读存储介质，包括存储有能够被处理器加载并执行如上述任一方法中的计算机程序。
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，本说明书(包括摘要和附图)中公开的任一特征，除非特别叙述，均可被其他等效或者具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。

Claims (9)

1.一种管道病害检测方法，其特征在于，应用于服务器，所述方法包括：
实时获取管道机器人主摄像头拍摄的管道内壁的基础图像；
获取基础图像中的病害区域；
根据病害区域，确定执行拍摄任务的辅助摄像头，并向执行拍摄任务的辅助摄像头发送开机请求；所述辅助摄像头的拍摄方向均垂直于主摄像头的拍摄方向，且以主摄像头的拍摄方向为轴线呈周向设置在管道机器人的行进器上；所述开机请求用于控制辅助摄像头开启，以使得在不需要拍摄时保持辅助摄像头关闭，以减少能耗以及需要处理的图像量；
其中，所述根据病害区域，确定执行拍摄任务的辅助摄像头，具体包括：
获取基础图像中的管道中心点，并基于管道中心点，建立极坐标系；基于极坐标系，预先设置每个辅助摄像头在极坐标系中的拍摄极坐标范围；
基于极坐标系，获取病害区域的病害范围极坐标；其中，病害范围极坐标包括病害区域的预测框四个顶角的顶角极坐标；
将病害范围极坐标和每个辅助摄像头的拍摄极坐标范围进行比对，得到执行拍摄任务的辅助摄像头；具体为：若四个顶角坐标所属同一个拍摄极坐标范围，则仅开启对应的一个辅助摄像头；若四个顶角坐标所属多个不同的拍摄极坐标范围，则开启多个辅助摄像头；
判断管道机器人是否移动至管道的病害区域处，若是，则生成静态拍摄指令；所述静态拍摄指令用于控制管道机器人的行进器停止行进，并控制对应的执行拍摄任务的辅助摄像头拍摄病害照片；
接收执行拍摄任务的辅助摄像头返回的病害照片；
根据所有管道病害照片，分析生成管道检测结果。
2.根据权利要求1所述的检测方法，其特征在于，所述判断管道机器人是否移动至管道的病害区域处，具体包括：
获取管道机器人主摄像头的当前焦距；
获取管道的实际直径；
获取病害区域的中心点的中心极坐标，并根据中心极坐标，得到病害区域中心点处基础图像中管道的成像直径；
基于预设计算公式，根据成像直径、当前焦距以及实际直径，得到管道机器人和病害区域之间的预测距离；
判断管道机器人在生成病害区域之后的移动距离是否达到预测距离，若是，则判定管道机器人已经移动至管道的病害区域处；若否，则判定管道机器人未移动至管道的病害区域处。
3.根据权利要求2所述的检测方法，其特征在于，所述预设计算公式为：d=(H*f)/h；
其中，d是预测距离；H是管道的实际直径；f是主摄像头的当前焦距；h是管道的成像直径。
4.根据权利要求2所述的检测方法，其特征在于，所述判定管道机器人已经移动至管道的病害区域处之后，还包括：
记录管道机器人在管道中的位置坐标，并将位置坐标的预设范围内的管道作为管道的重点检测管段。
5.根据权利要求4所述的检测方法，其特征在于，还包括：
获取管道的重点检测管段；
实时获取管道机器人在管道中的检测坐标；
响应于检测坐标和重点检测管段重合，控制所有的辅助摄像头开启。
6.一种管道病害检测方法，基于权利要求1-5任一所述的一种管道病害检测方法，其特征在于，应用于管道机器人，所述管道机器人包括用于拍摄管道内壁的主摄像头以及多个辅助摄像头，所述辅助摄像头的拍摄方向均垂直于主摄像头的拍摄方向，且以主摄像头的拍摄方向为轴线呈周向设置在管道机器人的行进器上，所述方法包括：
执行拍摄任务的辅助摄像头接收开机请求，并响应于开机请求进行开机；
执行拍摄任务的辅助摄像头接收静态拍摄指令，并响应于静态拍摄指令以拍摄病害照片，将病害照片发送至所述服务器。
7.一种管道病害检测系统，其特征在于，基于权利要求1-5任一所述方法，应用于服务器，包括：
图像获取模块，用于实时获取管道机器人主摄像头拍摄的管道内壁的基础图像；
病害识别模块，用于将所述基础图像输入至预设的图像识别模型，生成基础图像的病害区域；
拍摄确定模块，用于根据病害区域，确定执行拍摄任务的辅助摄像头，并向执行拍摄任务的辅助摄像头发送开机请求；所述辅助摄像头的拍摄方向均垂直于主摄像头的拍摄方向，且以主摄像头的拍摄方向为轴线呈周向设置在管道机器人的行进器上；所述开机请求控制辅助摄像头开启；
拍摄执行模块，用于判断管道机器人是否移动至管道的病害区域处，若是，则生成静态拍摄指令；所述静态拍摄指令用于控制管道机器人停止行进，并控制对应的执行拍摄任务的辅助摄像头拍摄病害照片；
照片接收模块，用于接收执行拍摄任务的辅助摄像头返回的病害图像；
分析模块，用于根据管道病害照片，分析生成管道检测结果。
8.一种管道病害检测系统，其特征在于，基于如权利要求6所述的方法，应用于管道机器人，包括：用于拍摄管道内壁的主摄像头以及多个辅助摄像头，所述辅助摄像头的拍摄方向均垂直于主摄像头的拍摄方向，且以主摄像头的拍摄方向为轴线呈周向设置在管道机器人的行进器上；
启动模块，用于接收开机请求，并根据开机请求开启执行拍摄任务的辅助摄像头；
拍摄模块，用于接收静态拍摄指令，执行拍摄任务的辅助摄像头根据静态拍摄指令拍摄病害照片，并将病害照片发送至所述服务器。
9.一种计算机可读存储介质，其特征在于，存储有能够被处理器加载并执行如权利要求1-5任一所述方法的计算机程序。
CN202310524101.8A 2023-05-10 2023-05-10 一种管道病害检测方法及系统 Active CN116577337B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310524101.8A CN116577337B (zh) 2023-05-10 2023-05-10 一种管道病害检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310524101.8A CN116577337B (zh) 2023-05-10 2023-05-10 一种管道病害检测方法及系统

Publications (2)

Publication Number Publication Date
CN116577337A CN116577337A (zh) 2023-08-11
CN116577337B true CN116577337B (zh) 2024-04-19

Family

ID=87537095

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310524101.8A Active CN116577337B (zh) 2023-05-10 2023-05-10 一种管道病害检测方法及系统

Country Status (1)

Country Link
CN (1) CN116577337B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107153068A (zh) * 2017-06-09 2017-09-12 南京市测绘勘察研究院股份有限公司 一种管道缺陷检测装置及测量方法
CN110320211A (zh) * 2019-06-24 2019-10-11 南京理工大学 基于数字图像的小口径管道内壁缺陷识别装置
CN112728293A (zh) * 2020-12-21 2021-04-30 广东爱科环境科技有限公司 一种智能管道检测机器人及其控制方法
KR20210076883A (ko) * 2019-12-16 2021-06-24 네이버시스템(주) 하수관로 결함 및 리스크 분석과 모델링 방법
CN114413105A (zh) * 2022-01-25 2022-04-29 广东银浩智能技术有限公司 管道破损检测机器人的控制方法及系统
CN114910484A (zh) * 2022-07-19 2022-08-16 山西省信息产业技术研究院有限公司 一种隧道病害检点标记方法、系统、工控单元及介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7164476B2 (en) * 2000-05-30 2007-01-16 Oyo Corporation U.S.A. Apparatus and method for detecting pipeline defects

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107153068A (zh) * 2017-06-09 2017-09-12 南京市测绘勘察研究院股份有限公司 一种管道缺陷检测装置及测量方法
CN110320211A (zh) * 2019-06-24 2019-10-11 南京理工大学 基于数字图像的小口径管道内壁缺陷识别装置
KR20210076883A (ko) * 2019-12-16 2021-06-24 네이버시스템(주) 하수관로 결함 및 리스크 분석과 모델링 방법
CN112728293A (zh) * 2020-12-21 2021-04-30 广东爱科环境科技有限公司 一种智能管道检测机器人及其控制方法
CN114413105A (zh) * 2022-01-25 2022-04-29 广东银浩智能技术有限公司 管道破损检测机器人的控制方法及系统
CN114910484A (zh) * 2022-07-19 2022-08-16 山西省信息产业技术研究院有限公司 一种隧道病害检点标记方法、系统、工控单元及介质

Also Published As

Publication number Publication date
CN116577337A (zh) 2023-08-11

Similar Documents

Publication Publication Date Title
CN106705847B (zh) 一种自由曲面内缝隙几何尺寸测量方法及装置
CN113409285A (zh) 一种沉管隧道接头三维变形的监测方法、系统
CN104836960B (zh) 一种图像采集系统和图像采集方法
CN114838668B (zh) 一种隧道位移监测方法及系统
CN102135236A (zh) 双目视觉管道内壁自动无损检测方法
CN109940603A (zh) 一种巡检机器人的到点误差补偿控制方法
CN107527397A (zh) 移动式机房自动巡检系统及方法
CN105865372A (zh) 一种管道圆度值自动检测系统及检测方法
WO2017215351A1 (zh) 摄像装置识别范围的调整方法及装置
CN108269322A (zh) 一种巡检方法
WO2025148194A1 (zh) 焊缝检测方法、装置、电子设备以及存储介质
CN110602376B (zh) 抓拍方法及装置、摄像机
JP5078296B2 (ja) 写真測量装置及び写真測量システム
CN112102395A (zh) 一种基于机器视觉的自主巡检的方法
CN115770989A (zh) 3d相机点云配准的焊接工件初定位系统和方法
CN116577337B (zh) 一种管道病害检测方法及系统
CN111898474B (zh) 基于光学传感感知的目标表面特征变化识别系统与方法
TWI696390B (zh) 用於投影機投影畫面測試與對位的方法及系統
JP2012103072A5 (zh)
JP4415285B1 (ja) ワイヤ検査装置、ワイヤ検査方法及びワイヤ検査用プログラム
CN110634136B (zh) 一种管道壁破损检测方法、装置及系统
CN118032810A (zh) 一种带量测刻度的管道光学内检测病害几何特征识别方法
WO2021189429A1 (zh) 图像拍摄方法、装置、可移动平台和存储介质
CN117830230A (zh) 基于ai特征识别的管道环焊缝缺陷检测方法和系统
JP6822919B2 (ja) 管路施設内検査システム

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
CP03 Change of name, title or address

Address after: No. 26 Daguan South Road, Huangcun, Tianhe District, Guangzhou City, Guangdong Province (Location: C305) (Not suitable for use as a factory building)

Patentee after: Zhongguantong Underground Pipeline Technology (Guangdong) Co.,Ltd.

Country or region after: China

Address before: 510665 No. 26, Daguan South Road, Huangcun, Tianhe District, Guangzhou City, Guangdong Province (part: C305) (not for plant use)

Patentee before: Guangdong Yinhao Intelligent Technology Co.,Ltd.

Country or region before: China

CP03 Change of name, title or address