Institutional Repository [SANDBOX]
Technical University of Crete
EN  |  EL

Search

Browse

My Space

Τεχνικές εξαγωγής σημείων ενδιαφέροντος σε τούνελ από σκυρόδεμα

Davaris Konstantinos

Simple record


URIhttp://purl.tuc.gr/dl/dias/90809E9B-7A42-434F-9E32-6CA556D47A6F-
Identifierhttps://doi.org/10.26233/heallink.tuc.28151-
Languageel-
Extent99 σελίδεςel
TitleΤεχνικές εξαγωγής σημείων ενδιαφέροντος σε τούνελ από σκυρόδεμαel
CreatorDavaris Konstantinosen
CreatorΔαβαρης Κωνσταντινοςel
Contributor [Thesis Supervisor]Doulamis Anastasiosen
Contributor [Thesis Supervisor]Δουλαμης Αναστασιοςel
Contributor [Thesis Supervisor]Stavroulakis Georgiosen
Contributor [Thesis Supervisor]Σταυρουλακης Γεωργιοςel
Contributor [Committee Member]Marinakis Ioannisen
Contributor [Committee Member]Μαρινακης Ιωαννηςel
Contributor [Committee Member]Stavroulakis Georgiosen
Contributor [Committee Member]Σταυρουλακης Γεωργιοςel
PublisherΠολυτεχνείο Κρήτηςel
PublisherTechnical University of Creteen
Academic UnitTechnical University of Crete::School of Production Engineering and Managementen
Academic UnitΠολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και Διοίκησηςel
Content SummaryΤον τελευταίο καιρό το ενδιαφέρον της ανίχνευσης ρωγμών και θρυμματισμών στα τούνελ έχει αυξηθεί. Αρκετά τούνελ βρίσκονται σε λειτουργία πολλά χρόνια, ενώ το κόστος κατασκευής ενός νέου τούνελ είναι πολύ υψηλό. Η ύπαρξη πολλών ατυχημάτων, κατά καιρούς, έχει καταστήσει την παρακολούθηση και ανίχνευση της δομικής τους κατάστασης επιτακτική. Στην παρούσα διπλωματική εργασία, δημιουργήθηκε ένας αλγόριθμος, στον οποίο χρησιμοποιήθηκαν και αξιολογήθηκαν πέντε διαφορετικοί ανιχνευτές που πάρθηκαν από την εργαλειοθήκη της Matlab, με απώτερο σκοπό την ανίχνευση ρωγμών και θρυμματισμών στην εσωτερική επένδυση ενός τούνελ από σκυρόδεμα. Τα δεδομένα που χρησιμοποιήθηκαν ήταν 37 πραγματικές φωτογραφίες από το τούνελ V-S-H της Ελβετίας. Κάθε μια από τις 37 φωτογραφίες, έχει την αντίστοιχή της σχολιαστική εικόνα (annotation image), η οποία εμπεριέχει τις ακριβείς συντεταγμένες των ελαττωματικών σημείων του σκυροδέματος. Οι πραγματικές φωτογραφίες, σε συνδυασμό με τις αντίστοιχες τους σχολιαστικές εικόνες, χρησιμοποιούνται προκειμένου να ανευρεθούν και να διαχωριστούν, τα ελαττωματικά σημεία θρυμματισμών και ρωγμών, από τα σημεία που δεν είναι ελαττωματικά σε δομικό επίπεδο. Τα σημεία αυτά χρησιμοποιούνται για την αξιολόγηση των ανιχνευτών και, κατ’ επέκταση, την εξαγωγή συμπερασμάτων. Συμπερασματικά, ο ανιχνευτής SURF δίνει τα πιο εύρωστα αποτελέσματα ως προς την συνολική αξιολόγηση των ελλατωμάτων των τούνελ σκυροδέματος. Εν αντιθέσει, ο Harris παρουσιάζει καλύτερη απόδοση στον εντοπισμό των θρυμματισμών ενώ ο BRISK για τις ρωγμές. el
Content SummaryRecently, the detection of structural defects (cracks and spallings) has been of great interest. Several tunnels have been in operation for many years, while the cost of a new tunnel construction is very high. Occasionally, there have been many accidents, which require the immediate inspection and detection of their structural state. In this diploma thesis, we developed an algorithm, which uses and assesses five different detectors from the Computer Vision Matlab toolbox. Our ultimate goal is to detect cracks and spallings in the inner concrete lining of a tunnel. The data used are 37 real-time images of the tunnel V-S-H in Switzerland. Each one of the 37 images, has its respective annotation image, which includes the exact coordinates of the defective points of the concrete lining. We use these real-time images combined with their respective annotation images, so as to find and separate the defective points (cracks and spallings), from the structurally non-defective points. These points are used to assess the detectors selected, thus to reach a useful conclusion. In conclusion, SURF descriptor yields the most robust results as regards the total defects of concrete tunnel. On the contrary, Harris presents the best performance in detecting spalling defects while BRISK as for the cracks. en
Type of ItemΔιπλωματική Εργασίαel
Type of ItemDiploma Worken
Licensehttp://creativecommons.org/licenses/by/4.0/en
Date of Item2015-08-25-
Date of Publication2015-
SubjectFeature detectionen
SubjectMachine visionen
SubjectVision, Computeren
Subjectcomputer visionen
Subjectmachine visionen
Subjectvision computeren
Bibliographic CitationΚωνσταντίνος Δάβαρης, "Τεχνικές εξαγωγής σημείων ενδιαφέροντος σε τούνελ από σκυρόδεμα", Διπλωματική Εργασία, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2015el

Available Files

Services

Statistics