基于机器视觉深度学习的精密实时动态形变识别测量技术
概述
需求背景:现有全站仪测量机器人与物联网传感器形变监测技术无法满足长距离曲线地铁隧道全参数(位移、沉降、收敛)、亚毫米、实时变形自动化监测需要。亟需开发一款适合多级组网的机器视觉形变监测仪。 应用场景:周边有高风险施工影响或跨江河湖海的长距离不稳定地铁隧道。每6米布设一个监测断面,每个断面布设5个监测点。1公里监测目标数约900个。只有隧道两端的车站内可以设置位置稳定的基准点。 服役条件:待开发的视觉监测仪主机性能稳定、可靠,满足复杂光照、潮湿、多尘环境下长年布设要求;软件可实现智能化、远程维护与升级;满足低成本大范围布设要求。
需求详情
技术难点1.设计制造可实现0.1mm@50m测量精度(不是分辨率)的低成本工业摄影装置与标靶是本项研发的重要难点。2.研发复杂环境光照、小视场多目标、列车遮挡条件下机器视觉动态目标跟踪算法,提高目标跟踪的准确性和鲁棒性是实现长距离曲线隧道视觉位移监测的难点之一。口 隧道内水汽密度变化大,如何进行大气折光改正削弱光线折射对测点位移测量精度影响?口如何解决在长距离隧道的不稳定区域内布设机器视觉监测站,所有测点均能达到亚毫米监测精度的难题?当前技术状态测量机器人长距离隧道监测精度2~3mm,采集频率15分钟/批次,可监测全参数;口物联网沉降传感器监测精度0.1mm,采集频率15秒/批次,只能监测沉降一个参数;现有视觉位移监测仪没有在变形区域内多台设站组网监测长距离线状结构物的技术能力。单台视觉监测仪单站内有稳定基准点条件,精度最高可达到0.2mm@50m;委外技术需求的内容及指标单台视觉监测设备的水平与垂直位移监测精度≤+0.5mm@100m,≤t1mm@200m多台视觉监测设备组网监测距离>1公里,测量精度≤±1mm机器视觉精密(单台边缘服务器)边缘服务器算法的响应时间达到100测点/秒单台机器视觉监测边缘服务器监测点的实时监测频率达到>5Hz
已过期:截止至2025-03-01
金额:400万元-500万元