Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 浙江华东测绘与工程安全技术有限公司;中国电建集团华东勘测设计研究院有限公司李天述获国家专利权

浙江华东测绘与工程安全技术有限公司;中国电建集团华东勘测设计研究院有限公司李天述获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉浙江华东测绘与工程安全技术有限公司;中国电建集团华东勘测设计研究院有限公司申请的专利基于机器视觉的结构性设施形变监测方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN120070418B

龙图腾网通过国家知识产权局官网在2025-08-29发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510525430.3,技术领域涉及:G06T7/00;该发明授权基于机器视觉的结构性设施形变监测方法及系统是由李天述;吴忠明;张波;尹礼亮;石中凯;康钦明设计研发完成,并于2025-04-25向国家知识产权局提交的专利申请。

基于机器视觉的结构性设施形变监测方法及系统在说明书摘要公布了:本发明涉及机器视觉技术领域,具体涉及基于机器视觉的结构性设施形变监测方法及系统。方法包括:将图像数据划分为子块独立处理灰度直方图,增强了局部区域的对比度细节;计算累积分布函数以及目标累积分布函数并构建灰度映射函数,实现图像数据的全局亮度和对比度调整,再对图像进行高频增强处理,实现监测图像的全局对比度以及局部细节的同步优化,为后续的图像分析提供可靠的数据基础;计算连通分量的多维几何特性,构建全面的感兴趣区域筛选规则;对特征点进行亚像素级定位并聚焦感兴趣区域,显著提升特征点的可靠性和区域针对性;对提取出的亚像素级特征点进行异常判断,提高对于微小变化区域的捕捉灵敏度以及对结构性设施的形变监测精度。

本发明授权基于机器视觉的结构性设施形变监测方法及系统在权利要求书中公布了:1.基于机器视觉的结构性设施形变监测方法,其特征在于,包括以下步骤: 采集图像数据并转换为灰度图像,将灰度图像划分为若干个子块,得到各子块的图像数据; 基于各子块的图像数据计算各子块对应的累积分布函数以及目标累积分布函数; 基于累积分布函数以及目标累积分布函数构建灰度映射函数,并基于灰度映射函数对各子块的图像数据进行灰度分布映射,得到各子块调整后的灰度图像; 对调整后的灰度图像进行高频增强处理,得到各子块的高频增强图像; 对各子块的高频增强图像进行二值化处理,得到各子块的二值图像数据,定义二值图像数据的连通分量,计算各连通分量的多维几何参数,所述多维几何参数包括周长参数、面积参数、方向角参数; 基于各连通分量的多维几何参数,筛选得到感兴趣区域; 基于感兴趣区域的像素坐标,在高频增强图像中确定对应像素坐标的灰度值; 采用Harris算法,基于高频增强图像中的每个像素点周围的灰度梯度变化的二阶统计特性计算各像素点的特征点响应值; 当像素点的特征点响应值大于预设最小响应阈值时,判断该像素点为特征点; 采用二次插值法对每个特征点进行亚像素级定位,筛选出位于感兴趣区域内的亚像素级特征点集合; 获取采集到的图像数据的实际物理尺寸; 基于图像数据的实际物理尺寸与亚像素级特征点坐标的比值,确定各亚像素级特征点的动态比例修正系数; 基于动态比例修正系数对各亚像素级特征点的坐标进行校正,得到校正后的亚像素级特征点坐标,全部校正后的亚像素级特征点坐标的集合作为校正特征点集合; 基于校正特征点集合,确定校正特征点集合中每个特征点的局部窗口坐标; 当校正特征点集合中的特征点位于局部窗口坐标外时,判断该特征点为异常并进行标记,生成异常预警数据; 其中,基于各连通分量的多维几何参数,筛选得到感兴趣区域,包括: 当连通分量的面积参数大于面积阈值时,判断该连通分量为面积筛选区域; 将周长参数的平方与面积参数的比值作为形状参数,当连通分量的形状参数大于形状阈值时,判断该连通分量为形状筛选区域; 当连通分量的方向角参数位于方向角阈值范围内时,判断该连通分量为方向角筛选区域。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人浙江华东测绘与工程安全技术有限公司;中国电建集团华东勘测设计研究院有限公司,其通讯地址为:310014 浙江省杭州市拱墅区潮王路22号华东院北楼609、610室;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。