CN110163843B - 一种基于图像采集的楼板钢筋工程辅助验收方法 - Google Patents

一种基于图像采集的楼板钢筋工程辅助验收方法 Download PDF

Info

Publication number
CN110163843B
CN110163843B CN201910304638.7A CN201910304638A CN110163843B CN 110163843 B CN110163843 B CN 110163843B CN 201910304638 A CN201910304638 A CN 201910304638A CN 110163843 B CN110163843 B CN 110163843B
Authority
CN
China
Prior art keywords
steel bar
equal
floor slab
interval
less
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.)
Active
Application number
CN201910304638.7A
Other languages
English (en)
Other versions
CN110163843A (zh
Inventor
孙昊
韩豫
李宇宏
杨煜昕
尹贞贞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu University
Original Assignee
Jiangsu University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu University filed Critical Jiangsu University
Priority to CN201910304638.7A priority Critical patent/CN110163843B/zh
Publication of CN110163843A publication Critical patent/CN110163843A/zh
Application granted granted Critical
Publication of CN110163843B publication Critical patent/CN110163843B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于图像采集的楼板钢筋工程辅助验收方法，包括图像采集模块、标志板和图像处理模块；所述图像采集模块用于采集楼板钢筋图像，所述标志板为已知尺寸数据并与楼板钢筋处于同一平面内的尺寸参照物，本发明克服了传统人工方式楼板钢筋验收效率低下、验收范围有限的不足，旨在自动进行楼板钢筋工程施工质量的判断，快速找出楼板钢筋绑扎质量较差的区域，帮助检查人员减少工作量，最终提升工程项目的施工质量。

Description

一种基于图像采集的楼板钢筋工程辅助验收方法
技术领域
本发明涉及工程施工智能化管理领域，具体涉及一种基于图像识别的楼板钢筋工程辅助验收方法。
背景技术
钢筋是目前建设工程项目使用最多的建筑材料之一，每个钢筋混凝土结构的工程项目都需要数万根钢筋。钢筋工程的绑扎有明确的施工规范，需要根据规范绑扎整齐，否则会使建筑结构无法达到设计的受力要求，严重影响工程项目的质量以及使用寿命，同时造成严重的安全隐患。目前，绝大多数工地在钢筋工程验收时仍然使用人工目测的方式，精确度较低。同时，由于人工数量、精力有限，只能检查一小部分区域的钢筋，同时，对于钢筋绑扎是否整齐的验收标准，并无明确规范，只能通过检查人员主观判断。因此，亟需一种智能化、自动化的钢筋工程验收方法。
发明内容
本发明克服了传统人工方式楼板钢筋验收效率低下、验收范围有限的不足，提供了一种基于图像处理的楼板钢筋工程辅助验收方法，旨在自动进行楼板钢筋工程施工质量的判断，快速找出楼板钢筋工程施工质量较差的区域，帮助检查人员减少工作量，最终提升工程项目的施工质量。
为了实现上述技术目的，本发明采用的技术方案为：
一种基于图像采集的楼板钢筋工程辅助验收方法，包括图像采集模块、标志板和图像处理模块；所述图像采集模块用于采集楼板钢筋图像，所述标志板为已知尺寸数据并与楼板钢筋处于同一平面内的尺寸参照物，具体步骤如下：
步骤一：在楼板钢筋所在的平面上放置标志板，通过图像采集模块采集一系列的楼板钢筋和标志板的图像；
步骤二：图像处理模块对步骤一中采集到的楼板钢筋和标志板的图像进行处理：包括提取标志板的图上像素大小，根据标志板图上像素大小获取楼板钢筋图像尺寸和实际尺寸的比例关系；提取楼板钢筋图像中的钢筋交叉点的坐标数据及角度数据，依据需要检查的楼板钢筋验收项目，识别和计算钢筋交叉点数据分布特征，并对楼板钢筋工程绑扎的整齐度进行量化评价，最后生成楼板钢筋工程施工质量分布图与验收报告；
步骤三：参照步骤二中生成的楼板钢筋工程施工质量分布图，对钢筋工程施工质量不合格区域进行人工复核，并完善验收报告；最终生成楼板钢筋施工质量验收报告。
所述步骤二中，图像处理模块对楼板钢筋和标志板的图像的处理具体包括如下步骤：
步骤一：楼板钢筋检查区域图像处理
a.图像处理模块对图像采集模块采集的图像进行图像预处理与畸变校正，提取标志板的图上像素尺寸大小，通过标志板像素尺寸与实际尺寸关系，获取图片图像尺寸与实际尺寸的比例关系；
b.对a中预处理与畸变校正后的图像进行图像拼接，生成完整的楼板钢筋图像，并以楼板钢筋所在楼面边缘设为图像二维坐标轴方向，接着，将楼板钢筋区域划分为若干楼板钢筋子检查区域，分割方向与钢筋走向一致；
c.使用索贝尔边缘提取算法(Sobel operator)提取b中楼板钢筋子检查区域中钢筋的线性特征，通过模版匹配算法初步定位楼板钢筋子检查区域中钢筋交叉点位置；
d.对c中模版匹配算法识别定位到的钢筋交叉点，通过形态学变换进行先填充后细化，接着，通过霍夫变换(Hough Transform)提取每个钢筋交叉点位置的钢筋直线坐标方程；
e.基于d中霍夫变换(Hough Transform)提取到的钢筋直线坐标方程获取钢筋交叉点的坐标信息及角度信息，钢筋角度取较小值；
步骤二：楼板钢筋检查区域钢筋工程施工质量分析
a.根据钢筋交叉点角度信息的分布统计数据，初步判断楼板钢筋子检查区域的钢筋工程施工质量情况；
b.根据钢筋交叉点坐标信息直线拟合结果，进一步判断楼板钢筋子检查区域的钢筋工程施工质量情况；
c.根据钢筋交叉点坐标信息相关参数计算结果，最终判断楼板钢筋子检查区域的钢筋工程施工质量情况；
d.根据多次评价结果，输出楼板钢筋检查区域钢筋工程施工质量分析结果。
步骤二中的a具体包括如下步骤：
步骤3.1：统计钢筋交叉点角度数据，并按角度大小统计楼板钢筋子检查区域中交叉点角度分布，分布区间包括：
①标准区间a：88°＜A≤90°；
②灵活区间a：85°＜A≤88°；
③误差区间a：A≤85°；
其中，A为钢筋交叉点角度大小；
步骤3.2：根据交叉点角度数据分布情况判断该楼板钢筋子检查区域钢筋工程施工质量，评价方法具体如下：
若楼板钢筋子检查区域交叉点角度分布数据中：
①标准区间a≥95％，灵活区间a≤5％，误差区间a≤1％，则初步判定该楼板钢筋子检查区域钢筋工程施工质量为：优秀；
②标准区间a≥90％，灵活区间a≤10％，误差区间a≤1％，则初步判定该楼板钢筋子检查区域钢筋工程施工质量为：良好；
③标准区间a≥90％，灵活区间a≤10％，1％≤误差区间a≤5％，则初步判定该楼板钢筋子检查区域钢筋工程施工质量为：待定；
④其余交叉点角度分布情况，则判定该楼板钢筋子检查区域钢筋工程施工质量为：不合格。
步骤二中的b具体包括如下步骤：
步骤4.1：选取步骤3.2的结果：对结果优秀、良好及待定的区域进行进一步判断；
步骤4.2：对每个楼板钢筋子检查区域，沿横坐标轴方向依次选取每根钢筋距离区域边缘距离最小的钢筋交叉点，对该点纵坐标轴方向，横坐标±1cm范围内的所有钢筋交叉点进行直线拟合，并计算范围内钢筋交叉点与所拟合直线的距离；
步骤4.3：对每个楼板钢筋子检查区域，沿纵坐标轴方向依次选取每根钢筋距离区域边缘距离最小的钢筋交叉点，对该点横坐标轴方向，纵坐标±1cm范围内的所有钢筋交叉点进行直线拟合，并计算范围内钢筋交叉点与所拟合直线的距离；
步骤4.4：统计钢筋交叉点与所拟合直线的距离数据，并按距离大小统计该范围内钢筋交叉点的分布，分布区间包括：
①标准区间b：0cm≤B＜0.2cm；
②灵活区间b：0.2cm≤B＜0.5cm；
③误差区间b：0.5cm≤B；
其中，B为钢筋交叉点与所拟合直线的距离；
步骤4.5：根据交叉点与所拟合直线的距离数据分布情况进一步判断该楼板钢筋子检查区域钢筋工程施工质量，评价方法具体如下：
①标准区间b≥95％，灵活区间b≤5％，误差区间b≤1％，则进一步判定该楼板钢筋子检查区域钢筋工程施工质量为：优秀；
②标准区间b≥90％，灵活区间b≤10％，误差区间b≤1％，则进一步判定该楼板钢筋子检查区域钢筋工程施工质量为：良好；
③标准区间b≥90％，灵活区间b≤10％，1％≤误差区间b≤5％，则进一步判定该楼板钢筋子检查区域钢筋工程施工质量为：待定；
④其余交叉点角度分布情况，则判定该楼板钢筋子检查区域钢筋工程施工质量为：不合格。
步骤二中的c具体包括如下步骤：
步骤5.1：选取步骤4.5的结果：对结果优秀、良好及待定的区域进行进一步判断；
步骤5.2：对每个楼板钢筋子检查区域，沿横坐标轴方向依次选取每根钢筋距离区域边缘距离最小的钢筋交叉点，对该点纵坐标轴方向，横坐标±1cm范围内的所有钢筋交叉点的纵坐标依次取差值，对差值再依次取差值；
步骤5.3：对每个楼板钢筋子检查区域，沿纵坐标轴方向依次选取每根钢筋距离区域边缘距离最小的钢筋交叉点，对该点横坐标轴方向，纵坐标±1cm范围内的所有钢筋交叉点的横坐标依次取差值，对差值再依次取差值；
步骤5.4：统计钢筋交叉点坐标之间两次差值的数据，并按距离大小统计该范围内钢筋交叉点的分布，分布区间包括：
①标准区间c：0cm≤C＜0.5cm；
②灵活区间c：0.5cm≤C＜1cm；
③误差区间c：1cm≤C；
其中，C钢筋交叉点坐标之间二次差值大小；
步骤5.5：根据交叉点与所拟合直线的距离数据分布情况进一步判断该楼板钢筋子检查区域钢筋工程施工质量，评价方法具体如下：
①标准区间c≥95％，灵活区间c≤5％，误差区间c≤1％，则进一步判定该楼板钢筋子检查区域钢筋工程施工质量为：优秀；
②标准区间c≥90％，灵活区间c≤10％，误差区间c≤1％，则进一步判定该楼板钢筋子检查区域钢筋工程施工质量为：良好；
③标准区间c≥90％，灵活区间c≤10％，1％≤误差区间c≤5％，则进一步判定该楼板钢筋子检查区域钢筋工程施工质量为：待定；
④其余交叉点角度分布情况，则判定该楼板钢筋子检查区域钢筋工程施工质量为：不合格。
有益效果：
本发明克服了传统人工方式楼板钢筋验收效率低下、验收范围有限的不足，旨在自动进行楼板钢筋工程施工质量的判断，快速找出楼板钢筋绑扎质量较差的区域，帮助检查人员减少工作量，最终提升工程项目的施工质量。
附图说明
图1为本发明一种基于图像处理的楼板钢筋工程辅助验收方法示意图；
图2为本发明一种基于图像处理的楼板钢筋工程辅助验收方法的流程图；
图3为本发明实施例的楼板钢筋子检查区域划分示意图。
具体实施方式
下面结合附图对本发明提供的一种基于图像采集的楼板钢筋工程辅助验收方法进行进一步地详细描述。
如图1所示，一种基于图像采集的楼板钢筋工程辅助验收方法，包括图像采集模块、标志板以及图像处理模块，图像采集模块用于采集楼板钢筋图像，标志板为已知尺寸数据并与楼板钢筋处于同一平面内的尺寸参照物。
步骤1，在楼板钢筋平面内放置标志板，通过图像采集模块采集楼板钢筋平面图像以及标志板图像。楼板钢筋图像的采集可以通过无人机、塔吊搭载相机等高空拍摄手段，拍摄时保证钢筋清晰度与钢筋采集量平衡即可。标志板为印有高对比度图案且不易发生反光的材料，楼板钢筋图像采集时，将标志板放置于楼板钢筋平面内，标志板用于辅助校正，比例转换等。
步骤2，图像处理模块对楼板钢筋图像进行预处理后，提取楼板钢筋图像中的钢筋交叉点的坐标数据及角度数据，根据需要检查的楼板钢筋验收项目，识别和计算钢筋线性特征和点状分布特征，并对楼板钢筋绑扎的整齐度进行量化评价，最后生成楼板钢筋绑扎质量分布图与验收报告。楼板钢筋绑扎质量分布图为不同楼板钢筋子检查区域钢筋绑扎质量分布，可以帮助检查人员快速定位绑扎不合格区域作为重点检查目标，评价良好的区域可以减少时间分配，从而减少检查工作量。
步骤3，检查人员参照楼板钢筋绑扎质量分布图，对绑扎质量不合格区域进行人工复核，并完善验收报告。楼板钢筋绑扎质量验收报告包含文字报告与图像报告，文字报告为整体楼板钢筋检查区域的绑扎质量评价，帮助检查人员快速了解当前工程的钢筋绑扎质量，便于检查人员的提前分配，也便于在检查人员检查后对报告的更新与存档。
楼板钢筋工程图像辅助验收方法的处理过程如图2所示，下面详细说明其过程：
1)楼板钢筋检查区域图像处理
a.图像处理模块对图像采集模块采集的图像进行图像预处理与畸变校正，提取标志板的图上像素尺寸大小，通过标志板像素尺寸与实际尺寸关系，获取图片图像尺寸与实际尺寸的比例关系；
b.对a中预处理与畸变校正后的图像进行图像拼接，生成完整的楼板钢筋图像，并以楼板钢筋所在楼面边缘设为图像二维坐标轴方向，接着，将楼板钢筋区域划分为若干楼板钢筋子检查区域，分割方向与钢筋走向一致；
c.使用索贝尔边缘提取算法(Sobel operator)提取b中楼板钢筋子检查区域中钢筋的线性特征，通过模版匹配算法初步定位楼板钢筋子检查区域中钢筋交叉点位置；
d.对c中模版匹配算法识别定位到的钢筋交叉点，通过形态学变换进行先填充后细化，接着，通过霍夫变换(Hough Transform)提取每个钢筋交叉点位置的钢筋直线坐标方程；
e.基于d中霍夫变换(Hough Transform)提取到的钢筋直线坐标方程获取钢筋交叉点的坐标信息及角度信息，钢筋角度取较小值；
2)楼板钢筋检查区域绑扎质量分析
a.根据钢筋交叉点角度信息的分布统计数据，初步判断楼板钢筋子检查区域的钢筋工程施工质量情况；
b.根据钢筋交叉点坐标信息直线拟合结果，进一步判断楼板钢筋子检查区域的钢筋工程施工质量情况；
c.根据钢筋交叉点坐标信息相关参数计算结果，最终判断楼板钢筋子检查区域的钢筋工程施工质量情况；
d.根据多次评价结果，输出楼板钢筋检查区域绑扎质量分析结果。
根据钢筋交叉点角度信息的分布统计数据，初步判断楼板钢筋子检查区域的钢筋工程施工质量情况，具体为：
步骤3.1，统计钢筋交叉点角度数据，并按角度大小统计楼板钢筋子检查区域中交叉点角度分布，分布区间包括：
①标准区间a：88°＜A≤90°；
②灵活区间a：85°＜A≤88°；
③误差区间a：A≤85°；
其中，A为钢筋交叉点角度大小；
步骤3.2，根据交叉点角度数据分布情况判断该楼板钢筋子检查区域钢筋工程施工质量，评价方法具体如下：若楼板钢筋子检查区域交叉点角度分布数据中，
①标准区间a≥95％，灵活区间a≤5％，误差区间a≤1％，则初步判定该楼板钢筋子检查区域钢筋工程施工质量为：优秀；
②标准区间a≥90％，灵活区间a≤10％，误差区间a≤1％，则初步判定该楼板钢筋子检查区域钢筋工程施工质量为：良好；
③标准区间a≥90％，灵活区间a≤10％，1％≤误差区间a≤5％，则初步判定该楼板钢筋子检查区域钢筋工程施工质量为：待定；
④其余交叉点角度分布情况，则判定该楼板钢筋子检查区域钢筋工程施工质量为：不合格。
钢筋绑扎整齐的初步要求为钢筋绑扎尽可能横平竖直，其初步体现就是钢筋与钢筋之间的夹角应尽可能为90°。为此，该步骤统计钢筋交叉点夹角数据，绑扎质量合格的区域应符合①②两种情况，其中的允许误差是由于楼板钢筋下会铺设电线管、水管等管道，但这些管道并不会按钢筋走向铺设，且线性特征与钢筋相似，故在误提取的情况下，留出部分误差区间。
进一步的，根据钢筋交叉点坐标信息直线拟合结果，进一步判断楼板钢筋子检查区域的钢筋工程施工质量情况，具体为：
步骤4.1，选取楼板钢筋子检查区域钢筋工程施工质量判断为：优秀、良好及待定的区域进行进一步判断；
步骤4.2，对每个楼板钢筋子检查区域，沿横坐标轴方向依次选取每根钢筋距离区域边缘距离最小的钢筋交叉点，对该点纵坐标轴方向，横坐标±1cm范围内的所有钢筋交叉点进行直线拟合，并计算范围内钢筋交叉点与所拟合直线的距离；
步骤4.3，对每个楼板钢筋子检查区域，沿纵坐标轴方向依次选取每根钢筋距离区域边缘距离最小的钢筋交叉点，对该点横坐标轴方向，纵坐标±1cm范围内的所有钢筋交叉点进行直线拟合，并计算范围内钢筋交叉点与所拟合直线的距离；
步骤4.4，统计钢筋交叉点与所拟合直线的距离数据，并按距离大小统计该范围内钢筋交叉点的分布，分布区间包括：
①标准区间b：0cm≤B＜0.2cm；
②灵活区间b：0.2cm≤B＜0.5cm；
③误差区间b：0.5cm≤B；
其中，B为钢筋交叉点与所拟合直线的距离；
步骤4.5，根据交叉点与所拟合直线的距离数据分布情况进一步判断该楼板钢筋子检查区域钢筋工程施工质量，评价方法具体如下：
①标准区间b≥95％，灵活区间b≤5％，误差区间b≤1％，则进一步判定该楼板钢筋子检查区域钢筋工程施工质量为：优秀；
②标准区间b≥90％，灵活区间b≤10％，误差区间b≤1％，则进一步判定该楼板钢筋子检查区域钢筋工程施工质量为：良好；
③标准区间b≥90％，灵活区间b≤10％，1％≤误差区间b≤5％，则进一步判定该楼板钢筋子检查区域钢筋工程施工质量为：待定；
④其余交叉点角度分布情况，则判定该楼板钢筋子检查区域钢筋工程施工质量为：不合格。
由于楼板施工用的钢筋相对较细，刚性较低，容易弯曲，很容易出现钢筋整体上弯曲细节处相对垂直的情况，故上述根据钢筋交叉点与所拟合直线的距离数据分布情况进一步判断楼板钢筋工程施工质量。
进一步的，根据钢筋交叉点坐标信息相关参数计算结果，最终判断楼板钢筋子检查区域的钢筋工程施工质量情况，具体为：
步骤5.1，选取步骤4.5中楼板钢筋子检查区域钢筋工程施工质量判断为：优秀、良好及待定的区域进行进一步判断；
步骤5.2，对每个楼板钢筋子检查区域，沿横坐标轴方向依次选取每根钢筋距离区域边缘距离最小的钢筋交叉点，对该点纵坐标轴方向，横坐标±1cm范围内的所有钢筋交叉点的纵坐标依次取差值，对差值再依次取差值；
步骤5.3，对每个楼板钢筋子检查区域，沿纵坐标轴方向依次选取每根钢筋距离区域边缘距离最小的钢筋交叉点，对该点横坐标轴方向，纵坐标±1cm范围内的所有钢筋交叉点的横坐标依次取差值，对差值再依次取差值；
步骤5.4，统计钢筋交叉点坐标之间两次差值的数据，并按距离大小统计该范围内钢筋交叉点的分布，分布区间包括：
①标准区间b：0cm≤C＜0.5cm；
②灵活区间b：0.5cm≤C＜1cm；
③误差区间b：1cm≤C；
其中，C钢筋交叉点坐标之间二次差值大小；
步骤5.5，根据交叉点与所拟合直线的距离数据分布情况进一步判断该楼板钢筋子检查区域钢筋工程施工质量，评价方法具体如下：
①标准区间c≥95％，灵活区间c≤5％，误差区间c≤1％，则进一步判定该楼板钢筋子检查区域钢筋工程施工质量为：优秀；
②标准区间c≥90％，灵活区间c≤10％，误差区间c≤1％，则进一步判定该楼板钢筋子检查区域钢筋工程施工质量为：良好；
③标准区间c≥90％，灵活区间c≤10％，1％≤误差区间c≤5％，则进一步判定该楼板钢筋子检查区域钢筋工程施工质量为：待定；
④其余交叉点角度分布情况，则判定该楼板钢筋子检查区域钢筋工程施工质量为：不合格。在钢筋交叉点角度信息分布统计与钢筋交叉点与所拟合直线的距离数据分布对楼板钢筋施工质量评价中，能够进一步判定钢筋在相对位置上绑扎整齐，但无法评价其绝对间距保持整齐。上述统计钢筋交叉点坐标之间两次差值的数据判定楼板钢筋工程绑扎质量，能够最终判定钢筋在绑扎间距上也符合钢筋绑扎整齐度标准。留出5％误差区间是由于钢筋存在加密区与非加密区，两区域交界处的钢筋交叉点坐标之间两次差值的数据必然会存在跳跃，故误差区间是为防止该情况影响钢筋工程施工质量判断。
其中，Sobel operator为索贝尔边缘提取算法；Hough Transform为霍夫变换。
所述实施例为本发明的优选的实施方式，但本发明并不限于上述实施方式，在不背离本发明的实质内容的情况下，本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。

Claims (4)

1.一种基于图像采集的楼板钢筋工程辅助验收方法，包括图像采集模块、标志板和图像处理模块；所述图像采集模块用于采集楼板钢筋图像，所述标志板为已知尺寸数据并与楼板钢筋处于同一平面内的尺寸参照物，其特征在于，具体步骤如下：
步骤一：在楼板钢筋所在的平面上放置标志板，通过图像采集模块采集一系列的楼板钢筋和标志板的图像；
步骤二：图像处理模块对步骤一中采集到的楼板钢筋和标志板的图像进行处理：包括提取标志板的图上像素大小，根据标志板图上像素大小获取楼板钢筋图像尺寸和实际尺寸的比例关系；提取楼板钢筋图像中的钢筋交叉点的坐标数据及角度数据，依据需要检查的楼板钢筋验收项目，识别和计算钢筋交叉点数据分布特征，并对楼板钢筋工程绑扎的整齐度进行量化评价，最后生成楼板钢筋工程施工质量分布图与验收报告；
步骤三：参照步骤二中生成的楼板钢筋工程施工质量分布图，对钢筋工程施工质量不合格区域进行人工复核，并完善验收报告；最终生成楼板钢筋施工质量验收报告；
其中，所述步骤二中，图像处理模块对楼板钢筋和标志板的图像的处理具体包括如下步骤：
步骤一：楼板钢筋检查区域图像处理
a.图像处理模块对图像采集模块采集的图像进行图像预处理与畸变校正，提取标志板的图上像素尺寸大小，通过标志板像素尺寸与实际尺寸关系，获取图片图像尺寸与实际尺寸的比例关系；
b.对a中预处理与畸变校正后的图像进行图像拼接，生成完整的楼板钢筋图像，并以楼板钢筋所在楼面边缘设为图像二维坐标轴方向，接着，将楼板钢筋区域划分为若干楼板钢筋子检查区域，分割方向与钢筋走向一致；
c.使用索贝尔边缘提取算法提取b中楼板钢筋子检查区域中钢筋的线性特征，通过模版匹配算法初步定位楼板钢筋子检查区域中钢筋交叉点位置；
d.对c中模版匹配算法识别定位到的钢筋交叉点，通过形态学变换进行先填充后细化，接着，通过霍夫变换提取每个钢筋交叉点位置的钢筋直线坐标方程；
e.基于d中霍夫变换提取到的钢筋直线坐标方程获取钢筋交叉点的坐标信息及角度信息，钢筋角度取较小值；
步骤二：楼板钢筋检查区域钢筋工程施工质量分析
a.根据钢筋交叉点角度信息的分布统计数据，初步判断楼板钢筋子检查区域的钢筋工程施工质量情况；
b.根据钢筋交叉点坐标信息直线拟合结果，判断楼板钢筋子检查区域的钢筋工程施工质量情况；
c.根据钢筋交叉点坐标信息相关参数计算结果，最终判断楼板钢筋子检查区域的钢筋工程施工质量情况；
d.根据多次评价结果，输出楼板钢筋检查区域钢筋工程施工质量分析结果。
2.根据权利要求1所述的基于图像采集的楼板钢筋工程辅助验收方法，其特征在于，步骤二中的a具体包括如下步骤：
步骤3.1：统计钢筋交叉点角度数据，并按角度大小统计楼板钢筋子检查区域中交叉点角度分布，分布区间包括：
①标准区间a：88°＜A≤90°；
②灵活区间a：85°＜A≤88°；
③误差区间a：A≤85°；
其中，A为钢筋交叉点角度大小；
步骤3.2：根据交叉点角度数据分布情况判断该楼板钢筋子检查区域钢筋工程施工质量，评价方法具体如下：
若楼板钢筋子检查区域交叉点角度分布数据中：
①标准区间a≥95％，灵活区间a≤5％，误差区间a≤1％，则初步判定该楼板钢筋子检查区域钢筋工程施工质量为：优秀；
②标准区间a≥90％，灵活区间a≤10％，误差区间a≤1％，则初步判定该楼板钢筋子检查区域钢筋工程施工质量为：良好；
③标准区间a≥90％，灵活区间a≤10％，1％≤误差区间a≤5％，则初步判定该楼板钢筋子检查区域钢筋工程施工质量为：待定；
④其余交叉点角度分布情况，则判定该楼板钢筋子检查区域钢筋工程施工质量为：不合格。
3.根据权利要求2所述的基于图像采集的楼板钢筋工程辅助验收方法，其特征在于，步骤二中的b具体包括如下步骤：
步骤4.1：选取步骤3.2的结果：对结果优秀、良好及待定的区域进行判断；
步骤4.2：对每个楼板钢筋子检查区域，沿横坐标轴方向依次选取每根钢筋距离区域边缘距离最小的钢筋交叉点，对该点纵坐标轴方向，横坐标±1cm范围内的所有钢筋交叉点进行直线拟合，并计算范围内钢筋交叉点与所拟合直线的距离；
步骤4.3：对每个楼板钢筋子检查区域，沿纵坐标轴方向依次选取每根钢筋距离区域边缘距离最小的钢筋交叉点，对该点横坐标轴方向，纵坐标±1cm范围内的所有钢筋交叉点进行直线拟合，并计算范围内钢筋交叉点与所拟合直线的距离；
步骤4.4：统计钢筋交叉点与所拟合直线的距离数据，并按距离大小统计该范围内钢筋交叉点的分布，分布区间包括：
①标准区间b：0cm≤B＜0.2cm；
②灵活区间b：0.2cm≤B＜0.5cm；
③误差区间b：0.5cm≤B；
其中，B为钢筋交叉点与所拟合直线的距离；
步骤4.5：根据交叉点与所拟合直线的距离数据分布情况判断该楼板钢筋子检查区域钢筋工程施工质量，评价方法具体如下：
①标准区间b≥95％，灵活区间b≤5％，误差区间b≤1％，则判定该楼板钢筋子检查区域钢筋工程施工质量为：优秀；
②标准区间b≥90％，灵活区间b≤10％，误差区间b≤1％，则判定该楼板钢筋子检查区域钢筋工程施工质量为：良好；
③标准区间b≥90％，灵活区间b≤10％，1％≤误差区间b≤5％，则判定该楼板钢筋子检查区域钢筋工程施工质量为：待定；
④其余交叉点角度分布情况，则判定该楼板钢筋子检查区域钢筋工程施工质量为：不合格。
4.根据权利要求3所述的基于图像采集的楼板钢筋工程辅助验收方法，其特征在于，步骤二中的c具体包括如下步骤：
步骤5.1：选取步骤4.5的结果：对结果优秀、良好及待定的区域进行判断；
步骤5.2：对每个楼板钢筋子检查区域，沿横坐标轴方向依次选取每根钢筋距离区域边缘距离最小的钢筋交叉点，对该点纵坐标轴方向，横坐标±1cm范围内的所有钢筋交叉点的纵坐标依次取差值，对差值再依次取差值；
步骤5.3：对每个楼板钢筋子检查区域，沿纵坐标轴方向依次选取每根钢筋距离区域边缘距离最小的钢筋交叉点，对该点横坐标轴方向，纵坐标±1cm范围内的所有钢筋交叉点的横坐标依次取差值，对差值再依次取差值；
步骤5.4：统计钢筋交叉点坐标之间两次差值的数据，并按距离大小统计该范围内钢筋交叉点的分布，分布区间包括：
①标准区间c：0cm≤C＜0.5cm；
②灵活区间c：0.5cm≤C＜1cm；
③误差区间c：1cm≤C；
其中，C钢筋交叉点坐标之间二次差值大小；
步骤5.5：根据交叉点与所拟合直线的距离数据分布情况判断该楼板钢筋子检查区域钢筋工程施工质量，评价方法具体如下：
①标准区间c≥95％，灵活区间c≤5％，误差区间c≤1％，则判定该楼板钢筋子检查区域钢筋工程施工质量为：优秀；
②标准区间c≥90％，灵活区间c≤10％，误差区间c≤1％，则判定该楼板钢筋子检查区域钢筋工程施工质量为：良好；
③标准区间c≥90％，灵活区间c≤10％，1％≤误差区间c≤5％，则判定该楼板钢筋子检查区域钢筋工程施工质量为：待定；
④其余交叉点角度分布情况，则判定该楼板钢筋子检查区域钢筋工程施工质量为：不合格。
CN201910304638.7A 2019-04-16 2019-04-16 一种基于图像采集的楼板钢筋工程辅助验收方法 Active CN110163843B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910304638.7A CN110163843B (zh) 2019-04-16 2019-04-16 一种基于图像采集的楼板钢筋工程辅助验收方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910304638.7A CN110163843B (zh) 2019-04-16 2019-04-16 一种基于图像采集的楼板钢筋工程辅助验收方法

Publications (2)

Publication Number Publication Date
CN110163843A CN110163843A (zh) 2019-08-23
CN110163843B true CN110163843B (zh) 2023-05-05

Family

ID=67638610

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910304638.7A Active CN110163843B (zh) 2019-04-16 2019-04-16 一种基于图像采集的楼板钢筋工程辅助验收方法

Country Status (1)

Country Link
CN (1) CN110163843B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112836266B (zh) * 2019-11-22 2022-10-25 久瓴(上海)智能科技有限公司 楼面生成方法、装置、计算机设备和存储介质
CN111179232A (zh) * 2019-12-20 2020-05-19 山东大学 基于图像处理的钢筋尺寸检测系统及方法
CN111424988A (zh) * 2020-03-11 2020-07-17 广东工业大学 一种智能切割、焊接、绑扎钢筋的装置及其控制方法
CN111627020A (zh) * 2020-06-03 2020-09-04 山东贝特建筑项目管理咨询有限公司 一种保温板中锚栓的检测方法、系统及计算机存储介质
CN113029017A (zh) * 2021-01-22 2021-06-25 中铁大桥局集团有限公司 一种柱状钢筋笼的验收设备及验收方法
CN115168959B (zh) * 2022-07-19 2023-04-25 中国建筑西南设计研究院有限公司 一种跨楼层楼板钢筋位置传递方法
CN116170564B (zh) * 2022-12-26 2023-10-27 中建三局第一建设工程有限责任公司 顶模施工核心筒楼板钢筋图像采集方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105761271B (zh) * 2016-03-16 2019-03-19 武汉大学 核安全壳表面缺陷自动检测方法及系统
CN105956942B (zh) * 2016-05-12 2020-06-16 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
CN109580657B (zh) * 2019-01-23 2021-08-20 郑州工程技术学院 一种桥梁质量检测中的裂缝检测方法

Also Published As

Publication number Publication date
CN110163843A (zh) 2019-08-23

Similar Documents

Publication Publication Date Title
CN110163843B (zh) 一种基于图像采集的楼板钢筋工程辅助验收方法
Duque et al. Bridge deterioration quantification protocol using UAV
CN105956942B (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
CN109460947B (zh) 基于bim+gis技术的公路工程工序报验系统
CN110133639B (zh) 一种传力杆施工质量检测方法
CN102589443B (zh) 一种基于图像识别的管片拼装质量的智能检测系统及其检测方法
CN105335963A (zh) 一种边缘缺陷检测方法及装置
CN111141225B (zh) 一种基于激光阵列的钢筋尺寸测量方法及系统
CN104050446A (zh) 一种基于指针宽度特征的仪表指针图像识别方法
CN114037675B (zh) 一种飞机样板缺陷检测方法及装置
CN104990926A (zh) 一种基于视觉的tr元件定位和缺陷检测方法
CN103134546A (zh) 一种针对特种车辆指针式仪表的半自动校验方法
CN103149222A (zh) 射线实时成像中缺陷检测方法
JP2014006222A (ja) コンクリート表面の変状検出方法及び装置
EP2824525B1 (de) Verfahren und Einrichtung zur Bestimmung der Position von Betriebsmitteln einer industriellen Automatisierungsanordnung
CN103927748B (zh) 一种基于多矩形图像距离转换模型的坐标标定方法
CN105956619A (zh) 一种集装箱锁孔粗定位和跟踪方法
CN107705291A (zh) 一种基于图像识别的外脚手架安全性自动检查方法
Rivera et al. Automated detection and measurement of cracks in reinforced concrete components
CN112288716A (zh) 一种钢卷打捆状态检测方法、系统、终端及介质
CN108665468B (zh) 一种提取直线塔绝缘子串的装置及方法
CN103913121A (zh) 一种车辆轮廓尺寸自动测量装置及方法
CN111321902B (zh) 装配建筑施工现场构件吊装系统及方法
CN115641326A (zh) 用于陶瓷天线pin针图像的亚像素尺寸检测方法及系统
CN115713720A (zh) 一种基于视频图像的智能分析方法

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
GR01 Patent grant
GR01 Patent grant