基于图像识别的桥梁满布式支架施工质量评价方法与流程

1.本发明涉及桥梁支架施工领域，具体涉及一种基于图像识别的桥梁满布式支架施工质量评价方法。


背景技术：

2.桥梁满布式支架也称为满堂支架，是由许多脚手架按照一定规范的间距以及每节的高度进行拼接，作用是为现浇混凝土梁体提供临时支撑，待到混凝土梁体达到符合使用强度后进行拆除。
3.满布式支架结构的稳定性对现浇混凝土梁体起着决定性的作用，下部支架的结构承载力的不足会导致其压弯失稳，进而直接影响着项目的施工成败，其中的原因可能是设计时支架根数的设计偏少，又甚者是由于满布置支架的本身数量非常庞大，施工时的根数可能会少于设计时的根数，使得施工结构与设计结构存在误差，导致满布式支架的承载力不足。同时，满布式支架中某些较长脚手架的变形过大，导致结构本身发生变化，使得支撑结构的刚度不再满足上部结构的重力，使得满布式结构压断或者直接坍塌。
4.为了对桥梁满布式支架施工进行安全监测，需要对桥梁满布式支架施工质量进行高效合理地评价。而现阶段，对于桥梁满布式支架施工质量的评价，往往是技术监测人员在现场通过人工巡查的方式进行的，这种评价方式不仅效率低，而且容易出现安全事故。


技术实现要素：

5.有鉴于此，本发明的目的是克服现有技术中的缺陷，提供基于图像识别的桥梁满布式支架施工质量评价方法，能够在保证安全的基础上，可快速判别满布式支架的结构形变是否满足刚度要求以及支架数量是否正确。
6.本发明的基于图像识别的桥梁满布式支架施工质量评价方法，包括如下步骤：
7.s1.采集满布式支架图像信息；
8.s2.对满布式支架图像进行修正，得到修正后的图像；
9.s3.对修正后的图像进行灰度化处理，得到灰度化的图像；
10.s4.获取灰度化图像的变形图，并根据变形图判别满布式支架的结构形变是否满足刚度要求；
11.s5.对修正后的图像进行目标匹配，得到满布式支架的数量；并判断满布式支架的数量是否等于施工要求数量。
12.进一步，对满布式支架图像进行修正，得到修正后的图像，具体包括：
13.s21.获取相机的内部参数、外部参数以及畸变参数；
14.s22.对满布式支架图像进行坐标转换处理，使得世界坐标系先转为相机坐标系，再由相机坐标系转为图像坐标系；
15.s23.将相机的内部参数代入图像坐标系中进行去畸变处理，使得图像坐标系转为相机坐标系；
16.s24.再将相机坐标系转为图像坐标系，通过在图像坐标系中进行插值处理，得到满布式支架图像的像素坐标。
17.进一步，根据如下公式确定满布式支架图像的像素坐标：
[0018][0019]
其中，k为相机内部参数矩阵，m为相机外部参数矩阵，p为世界坐标系下的坐标矩阵；(xw,yw,zw)为世界坐标系下的坐标值，r为旋转矩阵，t为相机的偏移矩阵，f
x
为f/dx，fy为f/dy，f为相机拍摄时的焦距，dx与dy分别为x、y方向上每毫米所拥有的像素个数；s为畸变参数；u0、v0为像主点坐标，像主点为图像坐标系中的原点；u、v为像素坐标。
[0020]
进一步，对修正后的图像进行灰度化处理，得到灰度化的图像，具体包括：
[0021]
s31.对修正后的图像进行去噪处理，得到去噪后的图像；
[0022]
s32.确定去噪后图像的梯度幅值与方位；
[0023]
s33.对去噪后图像中所有像素，按照如下步骤进行处理：
[0024]
s331.在给定的n
×
n范围内，将去噪后图像中像素p与沿着其梯度线的相邻像素进行相比，若像素p的梯度幅值比相邻的两个像素的梯度幅值都大，则保留像素p的梯度幅值，若比相邻的两个像素的梯度幅值都小，则令像素p的梯度幅值为0；
[0025]
s332.若像素p的梯度幅值大于设定的最大阈值，则像素p取值为1；若像素p的梯度幅值小于设定的最小阈值，则像素p取值为0；
[0026]
s34.将步骤s33处理后的图像作为灰度化的图像。
[0027]
进一步，获取灰度化图像的变形图，并根据变形图判别满布式支架的结构形变是否满足刚度要求，具体包括：
[0028]
s41.对灰度化图像按照实际尺寸进行缩放，得到灰度化图像的变形图；
[0029]
s42.从灰度化图像的变形图中，提取满布式支架中单根支架的实际变形图，计算单层支架单根之间的压弯实际挠度；
[0030]
s43.将所述压弯实际挠度与设定的挠度阈值进行比较，若所述压弯实际挠度大于挠度阈值，则满布式支架的结构无法满足施工质量要求；若所述压弯实际挠度不大于挠度阈值，则满布式支架的结构满足施工质量要求。
[0031]
进一步，对修正后的图像进行目标匹配，得到满布式支架的数量，具体包括：
[0032]
s51.将修正后的图像作为目标图像，并在目标图像中选取参照模板；
[0033]
s52.将参照模板在目标图像中进行移动，对目标图像的整个图像进行对比：
[0034]
若目标图像中位置(x,y)的相似系数大于设定值，则将位置(x,y)作为匹配位置，并记满布式支架的数量为1；
[0035]
s53.对步骤s52处理后的满布式支架数量进行统计，得到单一视角上的满布式支架数量；
[0036]
s54.结合双视角匹配图，按照步骤s52-s53类推，得到满布式支架的最终数量。
[0037]
进一步，根据如下公式确定目标图像中位置(x,y)的相似系数r(x,y)：
[0038][0039]
其中，所述t(x
′
,y
′
)为参照模板在位置(x
′
,y
′
)的像素值，为参照模板在面积为w
·
h的区域内像素值的平均值，t(x
″
,y
″
)为参照模块在位置(x
″
,y
″
)的像素值，(x
″
,y
″
)为面积为w
·
h的区域中的坐标，w为区域宽度，h为区域高度；
[0040]
所述i(x+x
′
,y+y
′
)为目标图像在位置(x+x
′
,y+y
′
)的像素值，为目标图像在面积为w
·
h的区域内像素值的平均值，i(x+x
″
,y+y
″
)为目标图像在位置(x+x
″
,y+y
″
)的像素值。
[0041]
本发明的有益效果是：本发明公开的一种基于图像识别的桥梁满布式支架施工质量评价方法，通过采用计算机视觉的图像匹配，无需与满布式支架进行接触，保证了人员的安全性以及可操作性，能够快速统计满布式支架数量以及快速监测满布式支架的变形情况，进而可以判别满布式支架的结构形变是否满足刚度要求以及支架数量是否正确，达到评价施工质量的目的。
附图说明
[0042]
下面结合附图和实施例对本发明作进一步描述：
[0043]
图1为本发明的施工质量评价方法流程图；
[0044]
图2为本发明的图像捕捉点布置示意图；
[0045]
图3为本发明的将世界坐标系转换为像素坐标系的示意图；
[0046]
图4为本发明的相机标定去畸变流程图。
具体实施方式
[0047]
以下结合说明书附图对本发明做出进一步的说明，如图所示：
[0048]
本发明的基于图像识别的桥梁满布式支架施工质量评价方法，包括如下步骤：
[0049]
s1.采集满布式支架图像信息；
[0050]
s2.对满布式支架图像进行修正，得到修正后的图像；
[0051]
s3.对修正后的图像进行灰度化处理，得到灰度化的图像；
[0052]
s4.获取灰度化图像的变形图，并根据变形图判别满布式支架的结构形变是否满足刚度要求；
[0053]
s5.对修正后的图像进行目标匹配，得到满布式支架的数量；并判断满布式支架的数量是否等于施工要求数量。
[0054]
通过识别满布式支架的结构变形情况，实现了对满布式支架的变形线性监测，能
够判断其结构的刚度是否处于安全范围内，进而达到评价施工质量的目的。通过得到满布式支架的数量，能够判别所述数量是否等于施工要求数量，若否，则满布式支架的数量不满足要求，进而达到实现评价施工质量的目的。
[0055]
本实施例中，步骤s1中，在满布式支架中选择与支架其他部分比较明显区别的构件作为控制点，通过设置控制点可以在后续中对盘扣支架数量统计时提供明显的图像特征模板，并将图象特征模板作为参照模板，比如将盘扣支架的盘扣作为控制点，盘扣与竖杆或者横杆具有明显的形态区别。按照如图2所示的方式，使用相机或摄像头采集满布式支架图像，尽量保证正视于支架，避免由于倾斜导致视角与原结构不符的情况。
[0056]
本实施例中，如图4所示，步骤s2中，对满布式支架图像进行修正，得到修正后的图像，具体包括：
[0057]
s21.获取相机的内部参数、外部参数以及畸变参数；其中，通过使用张正友相机标定法并运用棋盘格标定板来获取相机的内部参数、外部参数和畸变参数；在机器视觉的实现过程中，摄像机的标定对于追踪结果的准确性起着至关重要的作用，其标定的精度结果会直接影响着最终满布式支架数量统计的精度。
[0058]
s22.对满布式支架图像进行坐标转换处理，使得世界坐标系先转为相机坐标系，再由相机坐标系转为图像坐标系；
[0059]
s23.将相机的内部参数代入图像坐标系中进行去畸变处理，使得图像坐标系转为相机坐标系；其中，由于相机中的透镜制造精度以及工艺的偏差，会导致拍摄的图像与实际世界中的事物产生径向畸变和切向畸变消除。径向畸变主要的产生原因是由于光线在远离透镜中心时比光线在接近透镜中心时更加弯曲，从而导致了图像的畸变随着透镜的半径方向进行分布。而切向畸变大多是由于相机的透镜本身与相机的成像平面不平行而产生的。径向畸变与切向畸变这两者都是在进行图像处理时需要消除的；
[0060]
s24.再将相机坐标系转为图像坐标系，通过在图像坐标系中进行插值处理，得到满布式支架图像的像素坐标。
[0061]
其中，如图3所示，实现了将世界坐标系(xw,yw,zw)转换为像素坐标系(u，v)，根据如下公式确定满布式支架图像的像素坐标：
[0062][0063]
其中，k为相机内部参数矩阵(3
×
3矩阵)，m为相机外部参数矩阵(3
×
4矩阵)，p为世界坐标系下的坐标矩阵(4
×
1矩阵)；(xw,yw,zw)为世界坐标系下的坐标值，r为旋转矩阵(3
×
3矩阵)，t为相机的偏移矩阵(3
×
1矩阵)，f
x
为f/dx，fy为f/dy，f为相机拍摄时的焦距，比如f取值为35mm或40mm，dx与dy分别为x、y方向上每毫米所拥有的像素个数；s为畸变参数；u0、v0为像主点坐标，像主点为图像坐标系中的原点，经过平移坐标系得到像素坐标系中的坐标值，其值为图像坐标系两尺寸值的一半，也即为透镜光轴与传感器平面截取的坐标，其单位为像素；u、v为像素坐标。
[0064]
本实施例中，步骤s3中，对修正后的图像进行灰度化处理，得到灰度化的图像，具体包括：
[0065]
s31.对修正后的图像进行去噪处理，得到去噪后的图像；具体地，目前对于图片进行的光滑处理，通常采用的是高斯滤波器。此方法可以很好地在保留原始图片细节的前提下，降低了图像的噪声，使得最终的图片具有一种磨砂感。
[0066]
下式为高斯滤波器使用的公式，σ为所需计算点周围n
×
n数值的标准差。
[0067][0068]
上述公式采用现有技术，在此不再赘述。
[0069]
s32.确定去噪后图像的梯度幅值与方位；具体地，使用sobel算子核对步骤s31所得滤波图像进行水平和垂直方向上求偏导数，按照下列两个公式得出去噪后图像的梯度幅值与方位。
[0070]
求梯度幅值公式：求方位公式：
[0071]
其中：g(x,y)为(x,y)处的梯度幅值，gx、gy为卷积因子(3
×
3或5
×
5)在图像的卷积后得到的横向以及纵向边缘的图像灰度值。方位角θ的大小表明，随着θ的增大，梯度幅值方向越往y方向，反之则越往x方向。
[0072]
s33.对去噪后图像中所有像素，按照如下步骤进行处理：
[0073]
s331.在给定的n
×
n范围内，将去噪后图像中像素p与沿着其梯度线的相邻像素进行相比，若像素p的梯度幅值比相邻的两个像素的梯度幅值都大，则保留像素p的梯度幅值，若比相邻的两个像素的梯度幅值都小，则令像素p的梯度幅值为0；
[0074]
s332.若像素p的梯度幅值大于设定的最大阈值，则像素p取值为1；若像素p的梯度幅值小于设定的最小阈值，则像素p取值为0；也即是，像素p取值为1表明是边缘，像素p取值为0表明不是边缘；其中，最大阈值与最小阈值均根据实际工况进行设置，在此不再赘述。
[0075]
s34.将步骤s33处理后的图像作为灰度化的图像。其中，所述灰度化的图像包括满布式支架单根脚手架的外轮廓的黑白细轮廓图像。
[0076]
本实施例中，步骤s4中，获取灰度化图像的变形图，并根据变形图判别满布式支架的结构形变是否满足刚度要求，具体包括：
[0077]
s41.对灰度化图像按照实际尺寸进行缩放，得到灰度化图像的变形图；其中，灰度化图像的变形图包括满布式支架单根支架的实际变形图；
[0078]
s42.从灰度化图像的变形图中，提取满布式支架中单根支架的实际变形图，计算单层支架单根之间的压弯实际挠度；
[0079]
s43.将所述压弯实际挠度与设定的挠度阈值进行比较，若所述压弯实际挠度大于挠度阈值，则满布式支架的结构无法满足施工质量要求；若所述压弯实际挠度不大于挠度阈值，则满布式支架的结构满足施工质量要求。其中，所述挠度阈值可以根据规范《建筑施工临时支撑结构技术规范》(jgj 300-2013)的规定进行设置，比如将受弯构件的挠度阈值设置为跨度的1/150与10mm中的较小值。
[0080]
本实施例中，步骤s5中，采用单模板的多目标匹配，也即是按照一些特定的算法在两张图像及以上图像中识别相同或近似图像。
[0081]
对修正后的图像进行目标匹配，得到满布式支架的数量，具体包括：
[0082]
s51.将修正后的图像作为目标图像，并在目标图像中选取参照模板；其中，可以根
据在步骤s1中设置的控制点(如盘扣支架中的盘扣)来制作参照模板；
[0083]
s52.将参照模板在目标图像中进行移动，对目标图像的整个图像进行对比：
[0084]
若目标图像中位置(x,y)的相似系数大于设定值，则将位置(x,y)作为匹配位置，并记满布式支架的数量为1；其中，所述设定值可取值为0.95，当然了，根据不同工况需求，所述设定值还可以取其他的合适值；
[0085]
s53.对步骤s52处理后的满布式支架数量进行统计，得到单一视角上的满布式支架数量；
[0086]
s54.结合双视角匹配图，按照步骤s52-s53类推，得到满布式支架的最终数量。其中，所述满布式支架包括扣点式支架、盘扣式支架和碗扣式支架；所述双视角匹配图为三视图中的任意两个视角图像，如图2所示的图像采集视角图像。
[0087]
其中，所述目标图像中位置(x,y)的相似系数实际上为在目标匹配过程中，参照模板对应的模板图像与目标图像中位置(x,y)的相似程度。相似系数为1时，表明为完美匹配；相似系数为-1时，表明为最差的匹配。
[0088]
根据如下公式确定目标图像中位置(x,y)的相似系数r(x,y)：
[0089][0090]
其中，所述t(x
′
,y
′
)为参照模板在位置(x
′
,y
′
)的像素值，为参照模板在面积为w
·
h的区域内像素值的平均值，t(x
″
,y
″
)为参照模块在位置(x
″
,y
″
)的像素值，(x
″
,y
″
)为面积为w
·
h的区域中的坐标，w为区域宽度，h为区域高度；
[0091]
所述i(x+x
′
,y+y
′
)为目标图像在位置(x+x
′
,y+y
′
)的像素值，为目标图像在面积为w
·
h的区域内像素值的平均值，i(x+x
″
,y+y
″
)为目标图像在位置(x+x
″
,y+y
″
)的像素值。
[0092]
本发明的施工质量评价方法可以快速地对满布式支架的施工质量进行评价，并且其评价方法为非接触式的，减小了在进行质量评价时的危险性，保证了施工数量的准确性以及实现了满布式支架结构的安全性评价。
[0093]
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。