针对管道内壁缺陷深度检测的问题,建立了一种基于电涡流主动热激励的红外热成像管道缺陷深度检测方法。阐述了红外热成像管道缺陷深度检测的机理,针对埋地管道检测对热激励的特殊要求,设计了参数可调控的电涡流热激励实验装置,按照管道内壁形状制作了检测试件,通过基于电涡流的主动热激励实验,分析了谐振频率、提离高度、输入电功率这3个重要参数对热激励效率的影响,并得出它们的优化值。在此基础上,对预先设计带有不同深度缺陷的检测试件进行主动热激励,并获取其红外热图像,通过分析热图像数据发现,缺陷与非缺陷区域间灰度均值的差值随缺陷深度的变化而变化,一在定条件下二者呈单值对应关系,且具有较好的线性度。利用这一规律,通过实验数据拟合建立了槽形缺陷和圆形缺陷的深度检测模型,实验测试显示所建立的模型具有一定的检测精度。研究结果表明:在优化的电涡流主动热激励条件下,可以通过红外热图像计算出缺陷深度,所提出的基于电涡流主动热激励的红外热成像管道缺陷深度检测方法具有可行性。

针对智能水下机器人(AUV)的海底管道自动识别与跟踪问题，从仿真环境构建、图像处理、管道识别及环境建模等数据层次进行了分析，搭建了一套完整的水下管道识别与跟踪系统。在管道识别过程中，针对传统的Hough直线拟合的缺点，提出了基于特征聚类的伪假区域的去除和峰值点邻域逆向处理的改进Hough变换。并利用所搭建的三维仿真环境，对直管和弯管在线进行了多次检测和跟踪试验。仿真实验结果表明通过管道识别和环境映射，本套系统能有效完成水下管道自主检测和跟踪。

提出一种改进的基于激光投射成像法的管道内壁障碍物检测算法。通过激光特征分析与比较法结合提取激光圆环轨迹，利用 Otsu算法滤波，最小二乘法确定圆环参数，最后通过离线计算，在线查表方式获得障碍物高度。算法对管道图像亮度无特殊要求，克服了原系统观察与检测不能实时同步的问题。 MATLAB运算结果表明：算法的准确性，实时性和鲁棒性相对原设计有了很大的提升。每帧平均运算时间小于 0.5 s；计算的障碍物高度误差范围± 2 mm；算法适用于绝大部分场景的管道图片。