CN107705291A - 一种基于图像识别的外脚手架安全性自动检查方法 - Google Patents
一种基于图像识别的外脚手架安全性自动检查方法 Download PDFInfo
- Publication number
- CN107705291A CN107705291A CN201710799023.7A CN201710799023A CN107705291A CN 107705291 A CN107705291 A CN 107705291A CN 201710799023 A CN201710799023 A CN 201710799023A CN 107705291 A CN107705291 A CN 107705291A
- Authority
- CN
- China
- Prior art keywords
- image
- external scaffolding
- inspection
- scaffolding
- straight line
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4038—Scaling the whole image or part thereof for image mosaicing, i.e. plane images composed of plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/168—Segmentation; Edge detection involving transform domain methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20061—Hough transform
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Abstract
本发明公开了一种基于图像识别的外脚手架安全性自动检查方法,检查系统包括标志板、垂直度标杆、外脚手架图像采集装置、外脚手架图像处理及分析系统以及用户端,使用外脚手架图像采集装置拍摄标志板,依据成像结果调整装置角度,使其与作业面垂直,进而使用该装置采集垂直度标杆和外脚手架图像;外脚手架图像处理及分析系统接收采集装置传输的图像,预处理并提取杆件特征后拼接效果图像,计算检查项目所需的杆件线性特征值,实现安全检查项目的自动检查,判定上述检查项目是否符合规范,人工复核后生成检查报告;用户端显示外脚手架处理效果图像及检查报告。本发明弥补了外脚手架低成本、非接触式安全性检查技术的空白,提高了检查的效率和效果。
Description
技术领域
本发明涉及外脚手架安全性自动检查领域,尤其是涉及一种基于图像识别的外脚手架安全性自动检查方法。
背景技术
由外脚手架引起或与之相关的生产事故是发生数量最多、危害最严重的施工安全事故,是施工安全管理领域关注的重点。据统计,2016年全国共发生房屋市政工程生产安全事故634起、死亡735人。长期以来,外脚手架的安全检查主要依靠检查人员的目视巡查、触感检测、经验总结等,效果有限,事故发生率仍高居不下。随着建筑物高度和复杂性的增加,仅仅依靠检查人员已经无法实现外脚手架安全状态的实时确定。因此,在外脚手架安全性检测领域,亟需一种智能化、自动化的检查系统及方法。
目前,外脚手架安全管理主要关注事故发生的原因及预防措施,同时,由使用传统受力计算方法向信息化管理发展的趋势日益显著。事故原因方面,调查和研究发现,事故的发生主要是由设计计算缺陷、整体稳定性差、关键杆件缺失、现场控制缺乏等引起的。预防方法方面,主要使用ANSYS、灰色关联、层次分析法等分析影响因素,并构建脚手架安全管理模型。在系统研究方面,基于BIM的脚手架安全识别系统已经建立,移动IT、RFID等已被用于脚手架特征的实时监测。
随着计算机及数学的快速发展,数字图像处理技术得到了长足的进步,数字图像处理技术具有处理精度高、灵活性高、再现性好等特点,在农林牧业、军事领域、工业和医学等领域得到了广泛应用。同时,以无人机、道路检测车等为载体的图像识别技术已应用于路、桥面裂缝检测、森林植被识别、大厦变形监测等。
发明内容
本发明为了克服传统外脚手架安全性检查效率低、范围有限的不足,提供了一种基于图像识别的外脚手架安全性自动检查方法,旨在自动检查建筑外脚手架施工搭设中的质量与安全,及早发现可能存在的安全隐患,并依据检查结果,生成检查报告,给技术人员和安全管理人员提供预警和参考。
为了实现上述技术目的,本发明采用的技术方案为:
一种基于图像识别的外脚手架安全性自动检查方法,外脚手架安全性自动检查系统包括标志板、垂直度标杆、外脚手架图像采集装置、外脚手架图像处理及分析系统以及用户端,标志板为与外脚手架在同一平面内的纸质图案,垂直度标杆为预先设置的垂直于地面的刻度直杆,外脚手架图像采集装置用于采集垂直度标杆和外脚手架图像,并将采集的图像传输给外脚手架图像处理及分析系统,实现对图像的处理分析,最终在用户端显示外脚手架处理效果的完整图像及安全检查报告;
其特征在于,包括以下步骤:
步骤(1),将标志板与外脚手架放在同一平面内,外脚手架图像采集装置拍摄标志板图像并根据成像结果调整采集装置的角度,使采集装置与外脚手架所在平面垂直;
步骤(2),根据建筑外立面特点和立面限制条件,外脚手架图像采集装置采集外脚手架及垂直度标杆图像,并将采集的图像传输给外脚手架图像处理及分析系统,外脚手架图像包括局部图像和整体图像;
步骤(3),外脚手架图像处理及分析系统接收采集到的图像之后,预处理后提取图像中外脚手架的线性特征并拼接提取效果图像,然后根据安全检查项目,识别和计算图像中检查项目所需的杆件线性特征值并判定上述检查项目是否符合规范要求,生成安全检查报告;安全检查项目包括外脚手架搭设高度、架体沉降、立杆垂直度偏差、立杆步距和跨距、纵向水平杆水平度偏差、剪刀撑斜杆倾角以及斜杆间距和跨度;
步骤(4),检查人员参照外脚手架图像,对检测出与外脚手架搭设规范不符的图片进行人工复核,并根据复核结果完善检查报告,传输至用户端;
步骤(5),用户端显示外脚手架处理效果的完整图像及相应检查项目的安全检查报告。
进一步,所述外脚手架图像处理及分析系统的处理过程为:
(1)外脚手架图像处理
a.外脚手架图像采集装置采集的外脚手架图像和垂直度标杆图像并传输给外脚手架图像处理及分析系统,图像处理及分析系统对采集的图像进行预处理:筛选质量合格的图像,并实现畸变校正、平滑和增强,二值化后使用Canny算子提取外脚手架和垂直度标杆边缘特征;
b.根据采集图像特点设定结构元素,经形态学变换后使用hough变换检测图像中的直线、直线角度及直线两端像素点坐标;
c.使用基于SIFT特征的图像拼接方法,生成外脚手架杆件提取效果的完整图像;
(2)外脚手架图像分析
a.根据hough变换检测图像中的直线及直线两端像素点坐标、角度,建立外脚手架图像坐标系,计算垂直度标杆的像素点数目和直线角度,确定垂直度标杆角度、坐标校正系数及尺寸换算系数;
b.将外脚手架图像中所有直线及相关参数按照校正后的直线角度分为0°±10°、90°±10°以及其他三大类,分别代表纵向水平杆、立杆及剪刀撑斜杆,并拟合直线方程;
c.根据0°±10°直线相关参数计算特征值,进行纵向水平杆安全性检查;
①计算每条直线两端像素点纵坐标的差值,换算后作为实际水平度偏差,系统判断纵向水平杆水平度偏差是否符合规范;
②计算并识别相邻两条直线上对应横坐标相同的像素点纵坐标差值的最大值,换算后与设计值作差,作为纵向水平杆间距偏差,系统判断偏差值是否符合规范;
③根据拟合的纵向水平杆直线方程,系统检查是否存在2条及以上相同的直线方程,则认为存在纵向水平杆存在缺失情况;
d.根据90°±10°直线相关参数计算特征值,进行立杆安全性检查;
①计算每条直线两端像素点纵坐标的差值,并将最大差值换算后作为架高代表值,人工测量并输入相关参数确定允许搭设高度,系统判断搭设高度是否符合要求;
②计算所有直线上预先设置的距地面同一高度的沉降标志图像中心像素点至直线底部像素点的纵坐标差值并取平均值,换算为标志实际高度;计算不同时期的标志高度差,判断架体沉降值是否符合规范;
③计算并识别相邻两根直线上对应纵坐标相同的像素点横坐标差值的最大值,换算后与设计值作差,作为立杆纵距偏差,系统判断偏差值是否符合规范;
④计算每条直线两端像素点横坐标的差值,换算后作为实际垂直度偏差,系统据此判断立杆垂直度偏差是否符合规范;
⑤根据拟合的立杆直线方程,系统检查是否存在2条及以上相同的直线方程,则认为存在立杆存在缺失情况;
e.根据其他角度直线相关参数计算特征值,进行剪刀撑斜杆安全性检查;
①系统根据校正后的直线角度判断剪刀撑斜杆与地面倾角是否符合规范;
②计算并识别两条相交直线上纵坐标相同时对应像素点横坐标差值的最大值并换算为实际宽度;计算并识别相邻斜杆纵坐标相同时对应所有横坐标差值的最小值并换算为实际间距,系统判断斜杆宽度和间距是否符合要求;
③根据拟合的剪刀撑斜杆直线方程,系统检查是否存在2条及以上相同的直线方程,则认为存在剪刀撑斜杆存在缺失情况。
本发明的有益效果:
1、本发明在使用外脚手架图像采集装置采集建筑外脚手架图像的基础上,运用图像处理技术提取外脚手架的杆件信息,并结合脚手架搭设规范智能分析外脚手架的安全性,克服了传统人工检查外脚手架效率低且范围有限的不足,提高了外脚手架安全性检查的效率和效果。
2、本发明创新性地从外脚手架立面可视图像的角度分析讨论外脚手架搭设的规范性,使用无人机为代表的外脚手架图像采集设备代替人工实地检查,减少了安全检查人员因登高作业而可能导致的人员伤亡,提高了脚手架检查作业的安全性和效率,具有一定的经济意义和社会价值。
3、本发明以图像识别技术作为外脚手架安全分析的核心,实现外脚手架安全性的智能判断,能够在提升外脚手架安全检查效率的同时减少人工投入,降低外脚手架检查的成本,具有一定的经济意义。
附图说明
图1为本发明一种基于图像识别的外脚手架安全性自动检查系统架构示意图;
图2为本发明一种基于图像识别的外脚手架安全性自动检查方法的流程图;
图3为本发明实施例的垂直度标杆线性特征提取效果图;
图4为本发明实施例的外脚手架图像预处理及边缘特征提取效果图,图4(a)为本发明实施例的外脚手架图像预处理效果图,图4(b)为本发明实施例的外脚手架图像边缘特征提取效果图;
图5本发明实施例外脚手架图像形态学变换和线性特征提取效果图,图5(a)为本发明实施例外脚手架图像形态学变换效果图,图5(b)为本发明实施例外脚手架图像线性特征提取效果图。
具体实施方式
下面以扣件式钢管脚手架为检查对象,结合附图对本发明提供的一种基于图像识别的外脚手架安全性自动检查系统及方法的实施方式进行进一步地详细描述。其中,各外脚手架安全检查项目的结果评价依据《建筑施工扣件式钢管脚手架安全技术规范》JGJ130-2011,以下简称《规范》。
如图1所示,一种基于图像识别的外脚手架安全性自动检查系统实施所需的基本单元包括标志板、垂直度标杆、外脚手架图像采集装置、外脚手架图像处理及分析系统以及用户端。
外脚手架图像采集装置选用四轴旋翼无人机,用于采集垂直度标杆和外脚手架图像,包括外脚手架局部图像和整体图像,使用时需保证无人机与外脚手架平面垂直。标志板采用黑白打印的纸质材料,使用时,将标志板竖直放置于外脚手架平面内,标志板用于辅助调整无人机角度,使无人机与外脚手架平面垂直。垂直度标杆为预先设置的垂直于地面的刻度直杆,用于无人机采集图像的标定及图像中的标杆杆件参数的偏差校正,主要包括图像中尺寸与实际尺寸的换算系数的计算,进行外脚手架安全特征提取后、安全分析前的坐标偏差的校验和校正,以减少因无人机自身原因导致的偏差,使用时保证垂直度标杆与外脚手架在同一平面内。外脚手架图像处理及分析系统(内置MATLAB的计算机)用于对接收到的外脚手架图像信息进行处理,首先提取预处理后图像中外脚手架的线性特征并拼接提取效果图像,然后根据安全检查项目,识别和计算图像中检查项目所需的脚手架杆件线性特征值,实现外脚手架搭设高度、架体沉降、立杆垂直度偏差、立杆步距和跨距、纵向水平杆水平度偏差、剪刀撑斜杆倾角、斜杆间距和跨度的自动检查,判定上述检查项目是否符合规范要求并生成检查报告。检查人员参照外脚手架图像,对检测出与外脚手架搭设规范不符的图片进行人工复核,并根据复核结果完善检查报告,传输至用户端;用户端由显示器构成,用于显示外脚手架处理效果的完整图像及安全检查报告,实现外脚手架安全性检查结果的可视化。
外脚手架安全性自动检查的实现流程如图2所示,下面详细说明其过程:
(1)外脚手架图像处理
a.无人机采集的外脚手架图像和垂直度标杆图像并传输给外脚手架图像处理及分析系统,图像处理及分析系统对采集的图像进行预处理:筛选质量合格的图像,并实现畸变校正、平滑和增强,二值化后使用Canny算子提取外脚手架和垂直度标杆边缘特征;
b.根据采集的图像特点设定结构元素,经形态学变换后使用hough变换检测图像中的直线、直线角度及直线两端像素点坐标;
c.使用基于SIFT特征的图像拼接方法,生成外脚手架杆件提取效果的完整图像。
(2)外脚手架图像分析
a.根据hough变换检测图像中的直线及直线两端像素点坐标、角度,建立外脚手架图像坐标系,计算垂直度标杆的像素点数目和直线角度,确定垂直度标杆角度、坐标校正系数及尺寸换算系数;
b.将外脚手架图像中所有直线及相关参数按照校正后的直线角度分为0°±10°、90°±10°以及其他三大类,分别代表纵向水平杆、立杆及剪刀撑斜杆,并拟合直线方程;
c.根据0°±10°直线相关参数计算特征值,进行纵向水平杆安全性检查:
①计算每条直线两端像素点纵坐标的差值,换算后作为实际水平度偏差,系统判断纵向水平杆水平度偏差是否符合规范;其中,《规范》规定纵向水平杆水平度允许偏差见表1;
表1纵向水平杆水平度偏差规范
②计算并识别相邻两条直线上对应横坐标相同的像素点纵坐标差值的最大值,换算后与设计值作差,作为纵向水平杆间距偏差,系统判断偏差值是否符合规范;其中,《规范》规定纵向水平杆杆间距偏差允许值为±20mm;
③根据拟合的纵向水平杆直线方程,系统检查是否存在2条及以上相同的直线方程,若存在,则认为存在纵向水平杆存在缺失情况。
d.根据90°±10°直线相关参数计算特征值,进行立杆安全性检查:
①计算每条直线两端像素点纵坐标的差值,并将最大差值换算后作为架高代表值,人工测量并输入表2中所需相关参数确定允许搭设高度,系统判断搭设高度是否符合《规范》规定;
表2脚手架允许搭设规范
②计算所有直线上预先设置的距地面同一高度的沉降标志图像中心像素点至直线底部像素点的纵坐标差值并取平均值,换算为标志实际高度;计算不同时期的标志高度差,判断架体沉降值是否符合规范;其中,《规范》规定立杆允许沉降参照脚手架基础沉降高度为-10mm;
③计算并识别相邻两根直线上对应纵坐标相同的像素点横坐标差值的最大值,换算后与设计值作差,作为立杆纵距偏差,系统判断偏差值是否符合规范;其中,《规范》规定立杆纵距允许偏差值为±20mm;
④计算每条直线两端像素点横坐标的差值,换算后作为实际垂直度偏差,系统据此判断立杆垂直度偏差是否符合规范;《规范》规定20-50m脚手架最后验收垂直度偏差允许见表3;
表3立杆垂直度偏差规范
⑤根据拟合的立杆直线方程,系统检查是否存在2条及以上相同的直线方程,若存在,则认为存在立杆存在缺失情况。
e.根据其他角度直线相关参数计算特征值,进行剪刀撑斜杆安全性检查:
①系统根据校正后的直线角度判断剪刀撑斜杆与地面倾角是否符合规范;其中,《规范》规定外脚手架剪刀撑斜杆与地面的倾斜角度宜在45-60°;
②计算并识别两条相交直线上纵坐标相同时对应像素点横坐标差值的最大值并换算为实际宽度;计算并识别相邻斜杆纵坐标相同时对应所有横坐标差值的最小值并换算为实际间距,系统判断斜杆宽度和间距是否符合要求;其中,《规范》规定每道剪刀撑宽度不应小于4跨并不小于6m,当脚手架高度在24m以下时,中间各道剪刀撑之间的距离不大于15m;
③根据拟合的剪刀撑斜杆直线方程,系统检查是否存在2条及以上相同的直线方程,若存在,则认为存在剪刀撑斜杆存在缺失情况。
实施例:
(1)无人机角度设定
标志板为黑白打印的1m*1m“田”字形纸质板,在标志板的四个角点、中心点画上圆点,无人机对准“田”字形中心点拍摄,依次调整无人机的水平方向角度和竖直角度,使其拍摄的照片中四个角点到中心点的直线距离相等。
(2)外脚手架及垂直度标杆图像采集及预处理
使用无人机采集外脚手架图像和垂直度标杆的图像,畸变校正后使用3*3模板的Guass滤波器平滑图像,Guass分布标准差σ取5,初步消除图像噪声,外脚手架图像预处理效果见图4(a)。
(3)外脚手架及垂直度标杆线性特征提取
先使用Canny算子提取外脚手架和垂直度标杆的图像边缘,再对图像进行闭运算和面积滤波去除噪声,继而,设定hough变换的峰值为8,使用hough变换提取外脚手架和垂直度标杆图像中的直线及对应坐标;垂直度标杆线性特征提取结果见图3,经线性特征提取后,图像结果表明垂直度标杆与地面夹角为90°,因此坐标修正值为(0,0);垂直度标杆实际长度为2m,骨骼化后直线像素点数目为121,即在图像大小一致情况下的尺寸换算系数为16.53mm/像素;外脚手架图像边缘特征提取效果见图4(b),外脚手架图像形态学变换效果见图5(a),外脚手架图像线性特征提取效果见图5(b),外脚手架线性特征提取的参数见表4。
表4外脚手架线性特征提取参数
(4)外脚手架安全性评价
根据表4求得每条直线与水平线的夹角,1-4号直线夹角为0°,5、6号直线夹角为90°,7、8号直线夹角分别为55.1°和50.4°;由于竖直放置的垂直度标杆提取结果为代表杆件的直线夹角为90°,所以角度修正值为0°;按照上述分类方法对以上进行分类:1-4号直线代表纵向水平杆,5、6号直线代表立杆,7、8号直线代表剪刀撑斜杆。根据表3中直线端点1、2拟合直线,见表5。
表5直线方程拟合
下面进行三类杆件的特征检查:
a.纵向水平杆安全性检查
由1-4号直线及表4中参数可知,代表纵向水平杆的4条直线的夹角为0°,直线两端像素点坐标分别为(256,151)、(1,151),(256,115)、(1,115),(256,72)、(1,72),(256,36)、(1,36),可得这4条直线都与垂直度标杆垂直,因此直线的水平度偏差为0,符合规范要求。
根据表4计算相邻直线横坐标x相同时对应纵坐标y差值的最大值,分别为L1,L2=36;L2,L3=43;L3,L4=56。将纵坐标y差值的最大值通过尺寸换算系数换算为纵向水平杆实际间距偏差,见表4,换算后纵向水平杆实际间距偏差在允许偏差范围内,因此,该局部图像中外脚手架纵向水平杆间距符合规范要求。另外,由于拟合的4条直线方程各不相同,因此,该外脚手架局部图像中不存在纵向水平杆杆件缺失情况。
表6杆件距离计算
b.立杆安全性检查
由5、6号直线及表4中参数可知,代表立杆的2条直线夹角为90°,直线两端像素点坐标分别为(84,179)、(84,1),(169,179)、(169,1),可得这2条直线与垂直度标杆平行,因此,立杆的垂直度偏差为0,符合规范要求。
根据表4计算相邻直线纵坐标y相同时对于横坐标x差值的最大值为85。将横坐标x差值的最大值通过尺寸换算系数换算为立杆实际间距偏差,见表6,换算后立杆实际间距偏差在允许偏差范围内,因此,该局部图像的立杆纵距符合规范。同时,直线L5、L6端点像素点纵坐标差值同为178,即杆件高度相等;所选示例图像为局部图像,由于杆件高度计算的可行性已得到验证,架体高度和沉降测试需在整体图像中进行,故不再另图赘述。另外,L5、L6直线方程互异,因此,该外脚手架局部图像中不存在立杆缺失情况。
c.剪刀撑斜杆安全性检查
由7、8号直线及上表中参数可知,代表斜杆的2条直线夹角为55.1°和50.4°,两条直线两端像素点坐标分别为(65,179)、(213,2),(203,179)、(79,1);由于规范允许的斜杆倾角为45°-60°,因此,剪刀撑斜杆的倾角符合规范要求。
由直线方程并结合局部图像可知,图像中两条直线相交,直线上对应纵坐标相同的像素点横坐标的最大差值为138,搜索下部图像并计算后得到斜杆底部两直线横坐标差值为340,将底部横坐标差值通过尺寸换算系数换算为实际距离,见表6,实际距离大于6m,且大于4跨,满足规范要求;同时,由于该脚手架高于24m,斜杆间距不予考虑。另外,L7、L8两直线相交且互异,因此,该外脚手架局部图像中不存在斜杆缺失情况。
(5)外脚手架检查结果人工复核
检查人员参照外脚手架局部图像和整体图像,对检测出与不符合外脚手架搭设规范的图像进行人工复核,并修正和完善检查结果。参照上述图像进行人工复核后,人工复核结果与检测结果一致,输出复核修正后的外脚手架安全检查项目检查结果。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明,它们并非用以限制本发明的保护范围,凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于图像识别的外脚手架安全性自动检查方法,外脚手架安全性自动检查系统包括标志板、垂直度标杆、外脚手架图像采集装置、外脚手架图像处理及分析系统以及用户端,标志板为与外脚手架在同一平面内的纸质图案,垂直度标杆为预先设置的垂直于地面的刻度直杆,外脚手架图像采集装置用于采集垂直度标杆和外脚手架图像,并将采集的图像传输给外脚手架图像处理及分析系统,实现对图像的处理分析,最终在用户端显示外脚手架处理效果的完整图像及安全检查报告;
其特征在于,包括以下步骤:
步骤(1),将标志板与外脚手架放在同一平面内,外脚手架图像采集装置拍摄标志板图像并根据成像结果调整采集装置的角度,使采集装置与外脚手架所在平面垂直;
步骤(2),根据建筑外立面特点和立面限制条件,外脚手架图像采集装置采集外脚手架及垂直度标杆图像,并将采集的图像传输给外脚手架图像处理及分析系统;
步骤(3),外脚手架图像处理及分析系统接收采集到的图像之后,预处理后提取图像中外脚手架的线性特征并拼接提取效果图像,然后根据安全检查项目,识别和计算图像中检查项目所需的杆件线性特征值并判定上述检查项目是否符合规范要求,生成安全检查报告;
步骤(4),检查人员参照外脚手架图像,对检测出与外脚手架搭设规范不符的图片进行人工复核,并根据复核结果完善检查报告,传输至用户端;
步骤(5),用户端显示外脚手架处理效果的完整图像及相应检查项目的安全检查报告。
2.根据权利要求1所述的一种基于图像识别的外脚手架安全性自动检查方法,其特征在于,所述外脚手架图像处理及分析系统的处理过程为:
(1)外脚手架图像处理
a.外脚手架图像采集装置采集的外脚手架图像和垂直度标杆图像并传输给外脚手架图像处理及分析系统,图像处理及分析系统对采集的图像进行预处理:筛选质量合格的图像,并实现畸变校正、平滑和增强,二值化后使用Canny算子提取外脚手架和垂直度标杆边缘特征;
b.根据采集图像特点设定形态学变换所需的结构元素,经形态学变换后使用hough变换检测图像中的直线、直线角度及直线两端像素点坐标
c.使用基于SIFT特征的图像拼接方法,生成外脚手架杆件提取效果的完整图像;
(2)外脚手架图像分析
a.根据hough变换检测图像中的直线及直线两端像素点坐标、角度,建立外脚手架图像坐标系,计算垂直度标杆的像素点数目和直线角度,确定垂直度标杆角度、坐标校正系数及尺寸换算系数;
b.将外脚手架图像中所有直线及相关参数按照校正后的直线角度分为0°±10°、90°±10°以及其他三大类,分别代表纵向水平杆、立杆及剪刀撑斜杆,并拟合直线方程;
c.根据0°±10°直线相关参数计算特征值,进行纵向水平杆安全性检查;
d.根据90°±10°直线相关参数计算特征值,进行架体立杆安全性检查;
e.根据其他角度直线相关参数计算特征值,进行剪刀撑斜杆安全性检查。
3.根据权利要求2所述的一种基于图像识别的外脚手架安全性自动检查方法,其特征在于,根据0°±10°直线相关参数计算特征值,进行纵向水平杆安全性检查,具体为:
①计算每条直线两端像素点纵坐标的差值,换算后作为实际水平度偏差,系统判断纵向水平杆水平度偏差是否符合规范;
②计算并识别相邻两条直线上对应横坐标相同的像素点纵坐标差值的最大值,换算后与设计值作差,作为纵向水平杆间距偏差,系统判断偏差值是否符合规范;
③根据拟合的纵向水平杆直线方程,系统检查是否存在2条及以上相同的直线方程,若存在,则认为存在纵向水平杆存在缺失情况。
4.根据权利要求2所述的一种基于图像识别的外脚手架安全性自动检查方法,其特征在于,根据90°±10°直线相关参数计算特征值,进行架体立杆安全性检查,具体为:
①计算每条直线两端像素点纵坐标的差值,并将最大差值换算后作为架高代表值,人工测量并输入相关参数确定允许搭设高度,系统判断搭设高度是否符合要求;
②计算所有直线上预先设置的距地面同一高度的沉降标志图像中心像素点至直线底部像素点的纵坐标差值并取平均值,换算为标志实际高度;计算不同时期的标志高度差,判断架体沉降值是否符合规范;
③计算并识别相邻两根直线上对应纵坐标相同的像素点横坐标差值的最大值,换算后与设计值作差,作为立杆纵距偏差,系统判断偏差值是否符合规范;
④计算每条直线两端像素点横坐标的差值,换算后作为实际垂直度偏差,系统据此判断立杆垂直度偏差是否符合规范;
⑤根据拟合的立杆直线方程,系统检查是否存在2条及以上相同的直线方程,若存在,则认为存在立杆存在缺失情况。
5.根据权利要求2所述的一种基于图像识别的外脚手架安全性自动检查方法,其特征在于,根据其他角度直线相关参数计算特征值,进行剪刀撑斜杆安全性检查,具体为:
①系统根据校正后的直线角度判断剪刀撑斜杆与地面倾角是否符合规范;
②计算并识别两条相交直线上纵坐标相同时对应像素点横坐标差值的最大值并换算为实际宽度;计算并识别相邻斜杆纵坐标相同时对应所有横坐标差值的最小值并换算为实际间距,系统判断斜杆宽度和间距是否符合要求;
③根据拟合的剪刀撑斜杆直线方程,系统检查是否存在2条及以上相同的直线方程,若存在,则认为存在剪刀撑斜杆存在缺失情况。
6.根据权利要求1所述的一种基于图像识别的外脚手架安全性自动检查方法,其特征在于,所述外脚手架图像包括局部图像和整体图像。
7.根据权利要求1所述的一种基于图像识别的外脚手架安全性自动检查方法,其特征在于,所述安全检查项目包括外脚手架搭设高度、架体沉降、立杆垂直度偏差、立杆步距和跨距、纵向水平杆水平度偏差、剪刀撑斜杆倾角以及斜杆间距和跨度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710799023.7A CN107705291A (zh) | 2017-09-07 | 2017-09-07 | 一种基于图像识别的外脚手架安全性自动检查方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710799023.7A CN107705291A (zh) | 2017-09-07 | 2017-09-07 | 一种基于图像识别的外脚手架安全性自动检查方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107705291A true CN107705291A (zh) | 2018-02-16 |
Family
ID=61172167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710799023.7A Pending CN107705291A (zh) | 2017-09-07 | 2017-09-07 | 一种基于图像识别的外脚手架安全性自动检查方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107705291A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109558807A (zh) * | 2018-11-08 | 2019-04-02 | 深圳市特辰科技股份有限公司 | 爬架图像识别安全防护系统以及方法 |
JP2019179492A (ja) * | 2018-03-30 | 2019-10-17 | 西日本電信電話株式会社 | 安定度推定装置、安定度推定方法及びコンピュータープログラム |
CN110580748A (zh) * | 2018-06-08 | 2019-12-17 | 苏交科集团股份有限公司 | 基于图像处理的承重支架日常巡查和评估系统及其方法 |
CN112258426A (zh) * | 2020-11-27 | 2021-01-22 | 福州大学 | 一种基于Mask RCNN的脚手架图像自动倾斜校正的方法 |
CN113096068A (zh) * | 2021-03-04 | 2021-07-09 | 国电常州发电有限公司 | 一种基于视觉识别的脚手架搭建缺陷识别系统 |
CN113343342A (zh) * | 2021-07-07 | 2021-09-03 | 贵州百胜工程建设咨询有限公司 | 一种基于bim技术的建筑工程量分析管理方法、系统及计算机存储介质 |
CN116704722A (zh) * | 2023-08-08 | 2023-09-05 | 成都信息工程大学 | 一种建筑工程安全预警系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104110124A (zh) * | 2014-07-25 | 2014-10-22 | 广东信海建筑有限公司 | 一种具有视频安全监控系统的附着式升降脚手架 |
US20150304650A1 (en) * | 2014-04-18 | 2015-10-22 | Fujitsu Limited | Determination method and determination apparatus |
CN105220870A (zh) * | 2015-10-16 | 2016-01-06 | 河北中建工程有限公司 | 一种悬挑式脚手架 |
CN105956942A (zh) * | 2016-05-12 | 2016-09-21 | 陕西瑞海电力工程有限公司 | 基于机器视觉的电力管廊钢筋网质量检测方法及检测装置 |
-
2017
- 2017-09-07 CN CN201710799023.7A patent/CN107705291A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150304650A1 (en) * | 2014-04-18 | 2015-10-22 | Fujitsu Limited | Determination method and determination apparatus |
CN104110124A (zh) * | 2014-07-25 | 2014-10-22 | 广东信海建筑有限公司 | 一种具有视频安全监控系统的附着式升降脚手架 |
CN105220870A (zh) * | 2015-10-16 | 2016-01-06 | 河北中建工程有限公司 | 一种悬挑式脚手架 |
CN105956942A (zh) * | 2016-05-12 | 2016-09-21 | 陕西瑞海电力工程有限公司 | 基于机器视觉的电力管廊钢筋网质量检测方法及检测装置 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019179492A (ja) * | 2018-03-30 | 2019-10-17 | 西日本電信電話株式会社 | 安定度推定装置、安定度推定方法及びコンピュータープログラム |
CN110580748A (zh) * | 2018-06-08 | 2019-12-17 | 苏交科集团股份有限公司 | 基于图像处理的承重支架日常巡查和评估系统及其方法 |
CN109558807A (zh) * | 2018-11-08 | 2019-04-02 | 深圳市特辰科技股份有限公司 | 爬架图像识别安全防护系统以及方法 |
CN109558807B (zh) * | 2018-11-08 | 2021-10-08 | 深圳市特辰科技股份有限公司 | 爬架图像识别安全防护系统以及方法 |
CN112258426A (zh) * | 2020-11-27 | 2021-01-22 | 福州大学 | 一种基于Mask RCNN的脚手架图像自动倾斜校正的方法 |
CN112258426B (zh) * | 2020-11-27 | 2022-05-24 | 福州大学 | 一种基于Mask RCNN的脚手架图像自动倾斜校正的方法 |
CN113096068A (zh) * | 2021-03-04 | 2021-07-09 | 国电常州发电有限公司 | 一种基于视觉识别的脚手架搭建缺陷识别系统 |
CN113343342A (zh) * | 2021-07-07 | 2021-09-03 | 贵州百胜工程建设咨询有限公司 | 一种基于bim技术的建筑工程量分析管理方法、系统及计算机存储介质 |
CN113343342B (zh) * | 2021-07-07 | 2022-02-15 | 贵州百胜数源工程技术管理有限公司 | 一种基于bim技术的建筑工程量分析管理方法、系统及计算机存储介质 |
CN116704722A (zh) * | 2023-08-08 | 2023-09-05 | 成都信息工程大学 | 一种建筑工程安全预警系统 |
CN116704722B (zh) * | 2023-08-08 | 2023-11-03 | 成都信息工程大学 | 一种建筑工程安全预警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107705291A (zh) | 一种基于图像识别的外脚手架安全性自动检查方法 | |
CN103559703B (zh) | 基于双目视觉的起重机障碍物监测及预警方法及系统 | |
CN107392247A (zh) | 一种电力线下方地物安全距离实时检测方法 | |
CN107967685A (zh) | 一种基于无人机遥感的桥梁墩塔裂缝无损定量检测方法 | |
CN108537215A (zh) | 一种基于图像目标检测的火焰检测方法 | |
CN109754368A (zh) | 一种桥梁质量检测中的裂缝拼接方法 | |
CN103745484B (zh) | 一种电力设施带电作业的人员目标安全预警方法 | |
CN105956942A (zh) | 基于机器视觉的电力管廊钢筋网质量检测方法及检测装置 | |
CN105373135A (zh) | 一种基于机器视觉的飞机入坞引导和机型识别的方法及系统 | |
CN113379712B (zh) | 一种基于计算机视觉的钢桥螺栓病害检测方法及系统 | |
CN106971182A (zh) | 嵌入式电力继电压板投退状态智能识别装置及实现方法 | |
CN109019335A (zh) | 一种基于深度学习的吊装安全距离检测方法 | |
CN110163843B (zh) | 一种基于图像采集的楼板钢筋工程辅助验收方法 | |
CN109506628A (zh) | 一种基于深度学习的卡车环境下目标物测距方法 | |
CN104240239A (zh) | 一种基于道路图像探测局域路段雾霾天气的检测方法 | |
CN110120155A (zh) | 一种化工厂区车辆超限超载智能监控报警系统 | |
CN105096305A (zh) | 绝缘子状态分析的方法及装置 | |
CN108537787A (zh) | 一种人脸图像的质量判定方法 | |
CN112685812A (zh) | 一种动态监管方法、装置、设备及存储介质 | |
CN115993096A (zh) | 一种高层建筑变形测量方法 | |
CN105335688B (zh) | 一种基于视觉图像的飞机机型识别方法 | |
CN116678337A (zh) | 基于图像识别的架桥机主梁前后支点处高差和主梁变形监测预警系统及方法 | |
CN101364257A (zh) | 能识别图像来源的人脸识别方法 | |
CN103699876A (zh) | 一种基于线阵ccd图像识别车号的方法及装置 | |
CN104331708B (zh) | 一种人行横道线自动检测分析方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180216 |
|
RJ01 | Rejection of invention patent application after publication |