CN110176003A - 基于交比图像量测技术检测建筑物表面损伤面积的方法 - Google Patents
基于交比图像量测技术检测建筑物表面损伤面积的方法 Download PDFInfo
- Publication number
- CN110176003A CN110176003A CN201910489402.5A CN201910489402A CN110176003A CN 110176003 A CN110176003 A CN 110176003A CN 201910489402 A CN201910489402 A CN 201910489402A CN 110176003 A CN110176003 A CN 110176003A
- Authority
- CN
- China
- Prior art keywords
- image
- distance
- clock
- indicate
- point
- 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
- 238000005259 measurement Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000005516 engineering process Methods 0.000 title claims abstract description 19
- 238000001514 detection method Methods 0.000 title claims abstract description 17
- 230000006378 damage Effects 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000012937 correction Methods 0.000 claims abstract description 8
- 238000001914 filtration Methods 0.000 claims abstract description 7
- 230000000877 morphologic effect Effects 0.000 claims abstract description 6
- 230000009467 reduction Effects 0.000 claims abstract description 6
- 238000012360 testing method Methods 0.000 claims description 20
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 3
- 239000004744 fabric Substances 0.000 abstract description 2
- 230000001788 irregular Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/30132—Masonry; Concrete
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了基于交比图像量测技术检测建筑物表面损伤面积的方法,针对建筑物外表面损伤部分检测困难,几何信息难以提取的问题,本发明将基于交比的单幅图像量测技术应用至含有丰富三维空间平行线的建筑物图像量测中。首先,对图像进行畸变的矫正;再利用建筑物结构中的垂直水平等几何关系,找到消失点,结合已知长度的参考线段以及消失点、消失线构建交比,框选出待测区域,多次嵌套后实现对框选区域边长的量测;再通过数字图像处理技术,对目标区域进行透视变换还原成矩形,并实现二值化、形态学滤波等处理;最后在计算出框选区域实际面积后,统计出框选区域总像素点个数以及损伤区域像素点个数,找到比例关系,计算得到损伤区域面积。
Description
技术领域
本发明涉及计算机技术应用领域,具体涉及基于交比图像量测技术检测建筑物表面损伤面积的方法。
背景技术
受施工技术及自然因素的影响,建筑物外表面出现裂缝、剥落等损伤的现象频频发生。就长期来看,建筑物损伤的出现除了会造成维护工期、材料、人工等成本的增加,还会影响建筑物整体运营效率并增加安全隐患。当前,对建筑物表面损伤的检测,主要有三维扫描、热红外像以及超声波检测技术。
其中,三维激光扫瞄技术因成本问题,工程上的应用并未普及。利用kinect传感器,通过对点云的预处理,在GIS环境下实现对不规则损伤几何特征属性量化提取的技术,由于kinect设备本身视场较小,而不能应用于大规模或者较远距离的损伤区域检测。
热红外像技术虽能对较大区域的损伤部位进行快速扫描,但其只能对损伤区域出现的位置做出判断,并不能量化提取其几何属性。
超声波检测技术侧重于对混凝土表面损伤层厚度的检测,且需将超声波发射和接收的换能器置于混凝土表面,对于人工难以到达的位置则无法测量。
发明内容
针对现有技术的不足,本发明提供了基于交比图像量测技术检测建筑物表面损伤面积的方法,包括如下步骤:
步骤1,输入一幅待测图像;
步骤2,对图像进行畸变矫正;
步骤3,选择待测图像中破损部分所在墙面为测量平面,并手动选取测量平面上水平和垂直方向上的两条平行线,计算平行线的交点坐标值;
步骤4,标记待测图像中测量平面上的矩形参考物体,记录下矩形参考物体四个顶点位置在图像坐标系中的坐标值;
步骤5,手动选择待测图像中测量平面中破损部分的最小外接矩形(在图片中为不规则的四边形,实际中为矩形)作为测量区域,选取最小外接矩形框的四个顶点,记录下四个顶点位置在图像坐标系中的坐标值。结合步骤3和4所获取的顶点坐标信息构建出交比,利用交比的几何关系实现对测量区域边长的量测;
步骤6,对步骤5中选取的测量区域进行透视变换还原成矩形,并进行二值化、形态学滤波处理;
步骤7,计算得到损伤区域面积。
步骤1中,所述待测图像包含损伤区域,并且含有整个墙面和明显的边缘线条。
步骤2中,采用Matlab图像处理函数库中的undistortImage函数,对图像进行畸变矫正。
步骤3包括:
选取待测图像中破损部分所在墙面为测量平面。在选取测量平面上的平行线时,必须选取测量平面所在墙面上的线条,墙面轮廓的边缘线以及墙面窗户的轮廓线均能够被视为待选取的线段。轮廓线上的任意两点能够确定一条直线,在待测图像上选取两条在现实场景中平行的线段,根据图像透视原理,这两条线在图像上会相交于一点,根据上述选取方法选取图像对应在现实场景中水平方向上的消失点v1和垂直方向上的消失点v2,两个消失点的连线为消失线vl。
步骤4包括:
人为选择测量平面上的部分区域作为参考矩形区域,参考矩形区域的长和宽分别与步骤3中所选取的图像中水平方向线段和垂直方向线段平行,且参考矩形区域的边长通过实际测量是已知的,参考矩形区域的长和宽分别为d1、d2,选取参考矩形区域的四个顶点,记录下顶点的坐标信息,设四个顶点的坐标分别为p1,p2,p3,p4;其中p1p2,p3p4与图像中水平方向线段平行,p1p3,p2p4与图像中垂直方向线段平行,p1p2=d1,p1p3=d2。
步骤5包括如下步骤:
步骤5-1,人为选择待测图像中测量平面中破损部分的最小外接矩形(在图片中为不规则的四边形,实际场景中为矩形)作为测量区域。测量区域的长和宽分别与与步骤3中所选取的图像中水平方向线段和垂直方向线段平行,选取最小外接矩形框的四个顶点,记录下四个顶点位置在图像坐标系中的坐标值,设四个顶点的坐标分别为a1,a2,a3,a4,其中a1a2,a3a4与图像中水平方向线段平行,a1a3,a2a4与图像中垂直方向线段平行;
步骤5-2,在待测图像上,连接p1a2并延长,与水平消失线vl相交于vt,连接p2vt,交a1a2的延长线于ax点;其中p1p2和a1a2均为平行于步骤3所述现实场景中水平方向线的线段,vt为步骤3中所述测量平面消失线上的一点,该平面所有经过vt的直线在现实空间中均平行,则p1a2和p2ax在空间中也互为平行线,由几何知识得到四边形p1p2a2ax在现实空间中为平行四边形,因此p1p2和a2ax在空间中的实际长度相等;
步骤5-3,构建交比,由步骤5-2中能够得到a2、ax、a1、v1为图像中一条直线上的四点,v1为这条直线在图像中的消失点,a2、ax、a1、v1在现实空间的对应的点分别为A2、Ax、A1、V1,A2Ax的实际长度为d1,根据线段交比几何关系有:
Cross(A2、Ax、A1、V1)=Cross(a2、ax、a1、v1) (1)
Cross(A2、Ax、A1、V1)代表现实场景中四个点A2、Ax、A1、V1的交比,Cross(a2、ax、a1、v1)代表现实场景中点在图像上的对应四个点a2、ax、a1、v1的交比,式(1)表明图像中一条直线上四点位置的交比,等于图像中这四点在空间位置的交比;
式(1)用距离的形式表示为:
其中,d(A2,Ax)表示现实空间上两点A2、Ax的距离,d(A1,V1)表示现实空间上两点A1,V1的距离,d(A2,A1)表示现实空间上两点A2,A1的距离,d(Ax,V1)表示现实空间上两点Ax,V1的距离,d(a2,ax)表示图像上两点a2,ax的距离,d(a1,v1)表示图像上两点a1,v1的距离,d(a2,a1)表示图像上两点a2,a1的距离,d(ax,v1)表示图像上两点ax,v1的距离;
由于现实空间中,V1为无穷远处的点,则式(2)化简为:
式(3)中等式的右边的值通过记录的坐标计算得到,设等式的右边的值为cr1,则通过d(A2,A1)=d1/cr1能够求A2A1直接的距离。
步骤5-4,采用步骤5-1~步骤5-3的方法得到a4、ax、a2、v2为图像中一条直线上的四点,v2为这条直线在图像中的消失点,a4、ax、a2、v2在现实空间的对应的点分别为A4、Ax、A2、V2,A4Ax的实际长度为d2。
此时,式(1)用距离的形式表示为:
其中,d(A4Ax)表示现实空间上两点A4、Ax的距离,d(A2V2)表示现实空间上两点A2、V2的距离,d(A4A2)表示现实空间上两点A4A2的距离,d(AxV2)表示现实空间上两点Ax、V2的距离,d(a4ax)表示图像上两点a4、ax的距离,d(a2V2)表示图像上两点a2、v2的距离,d(a4a2)表示图像上两点a4、a2的距离,d(axv2)表示图像上两点ax、v2的距离;
由于现实空间中,V2为无穷远处的点,则式(4)化简为:
式(5)中等式的右边的值通过记录的坐标计算得到,设等式的右边的值为cr2,则通过d(A2A4)=d2/cr2能够求A2A4直接的距离。
步骤6包括:
在实际工程检测时,将建筑物外表面出现损伤的区域依照测试平面内的几何关系用四边形框框选出,该框选出的区域为测量区域。接着通过OpenCV函数库中的函数getPerspectiveTransform()和warpPerspective()对四边形进行透视变换,将图像中的平行四边形转换成矩形,并依据步骤5中所述的方法计算出测量区域的边长,得到测量区域的实际面积S=d(A2,A1)d(A2,A4),再对测量区域进行二值化和形态学滤波,得到建筑物表面损伤区域的二值图像。其中,图像二值化就是将图像上的像素点的灰度值设置为0或255,整个图像呈现出明显的黑白效果。形态学滤波是通过膨胀(或扩张)、腐蚀(或侵蚀)、开运算和闭运算四个基本运算对二值化图像进行滤波处理。
步骤7包括:
统计图像中损伤部分的像素个数,经过二值化处理,损伤部分在图像中显示为白色,完整区域显示为黑色,对整个测量区域每一个像素点进行判断,如果像素值为255,该像素点即为白色像素点,统计测量区域中白色像素点的总个数,结合测量区域的面积经过比例运算得到损伤部分的实际面积W:
其中,M表示损伤部分像素个数,N表示测量区域像素个数。
针对建筑物外表面损伤部分检测困难,几何信息难以提取的问题,本发明将基于交比的单幅图像量测技术应用至含有丰富三维空间平行线的建筑物图像量测中。首先,对图像进行畸变的矫正;再利用建筑物结构中的垂直水平等几何关系,找到消失点,结合已知长度的参考线段以及消失点、消失线构建交比,框选出测量区域,多次嵌套后实现对测量区域边长的量测;再通过数字图像处理技术,对测量区域进行透视变换还原成矩形,并实现二值化、形态学滤波等处理;最后在计算出测量区域实际面积,统计出策略测量区域总像素点个数以及白色像素点个数,找到比例关系,得到损伤区域面积,对实验结果及可行性进行分析。
有益效果:本发明利用计算机视觉测量技术,实现了较大范围、远距离的建筑物外表面损伤区域检测,并量化不规则损伤区域的面积属性,且仅使用手机或相机拍摄单幅照片即可完成,不仅成本低,而且极大的方便了建筑运维管理人员对建筑表面损伤的分布以及损伤程度的判断,进而合理的安排损伤修复或结构加固的维修计划。
附图说明
图1是直线上的交比示意图;
图2是平面内平行直线的交比示意图;
图3是畸变校正后的图像;
图4a是图像中的一个消失点;
图4b是图像中另一个消失点;
图5是建筑物破损区域的灰度图与二值图的对比分析;
图6是本发明流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本发明公开了基于交比图像量测技术检测建筑物表面损伤面积的方法,具体流程如图6所示,本实施例中选取一幅建筑物外表面有明显损伤的图像,由尼康D7200数码相机拍摄,由于数码相机拍摄时出现畸变的现象无法避免,本实例采用Matlab的单目相机标定工具箱Camera Calibrator toolbox进行标定操作,并用undistortImage(image,cameraParams)函数进行畸变校正,校正后的图像大小为1383×913;
由图1,图2和本发明步骤5可得交比的构建与计算方法,在这里不在累述,下面实例中直接使用。
如图3所示,点和直线信息的提取以人机交互的形式获得,将窗1作为参考对象,测得其边长B1B3,B1B2分别为1.78m,1.16m,框选区A1A2A3A4为待测区域;
如图4a和图4b所示,本实例利用两组平行线,分别确定消失点V1V2,并由这两个消失点确定出该平面的消失线。所获取消失点坐标分别为(2056.3,1326.3)与(497.1,-725.2)。
基于B1B2与B1B3的实测距离,利用交比性质求得图3框选区域A1A2A3A4的边长A1A3、A3A4分别为2.5992m,9.2159m。通过OpenCV函数库中的函数getPerspectiveTransform函数和warpPerspective函数对四边形进行透视变换还原成矩形,其中getPerspectiveTransform函数的函数原型为:
retval=getPerspectiveTransform(src,dst)
参数解释:src:源图像中待测矩形的四点坐标;
sdt:目标图像中矩形的四点坐标。
Retval:变换矩阵
warpPerspective函数的函数原型为:
void warpPerspective(InputArray src,OutputArray dst,InputArray M,Sizedsize,int flags=INTER_LINEAR,int borderMode=BORDER_CONSTANT,const Scalar&borderValue=Scalar())
参数解释:InputArray src:输入的图像;
OutputArray dst:输出的图像
InputArray M:透视变换的矩阵;
Size dsize:输出图像的大小;
int flags=INTER_LINEAR:输出图像的插值方法.
将getPerspectiveTransform函数求得的变换矩阵带人warpPerspective函数中得到还原矩形,并计算出该矩形框选区域出实际面积为23.95392。
为准确提取损伤部分,本发明采用Otsu分割方法得到最优阈值T=156,并采用该阈值对图像分割得到二值图像。通过开运算、闭运算、膨胀和腐蚀相关常用形态学滤波步骤,可得如图5所示图像处理结果,图中,最上方的A区域表示灰度图,中间部分的B区域是二值图,最下方的C区域是灰度图与二值图叠加图。
统计图像中像素值为255(白色像素点)像素点的个数与测量区域像素点总个数,按式(3)计算出损伤区域面积为2.83966m2,如表1所示(表1建筑物选择区域内破损区域的测量结果)。破损区域二值图像与实际破损面基本吻合。因此,本发明测量方法在工程检测中的能有效检测建筑物表面损伤面积。
表1
本发明提供了基于交比图像量测技术检测建筑物表面损伤面积的方法,具体实现该技术方案的方法和途径很多,以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (8)
1.基于交比图像量测技术检测建筑物表面损伤面积的方法,其特征在于,包括如下步骤:
步骤1,输入一幅待测图像;
步骤2,对图像进行畸变矫正;
步骤3,选择待测图像中破损部分所在墙面为测量平面,并选取测量平面上水平和垂直方向上的两条平行线,计算平行线的交点坐标值;
步骤4,标记待测图像中测量平面上的矩形参考物体,记录下矩形参考物体四个顶点位置在图像坐标系中的坐标值;
步骤5,选择待测图像中测量平面中破损部分的最小外接矩形作为测量区域,选取最小外接矩形框的四个顶点,记录下四个顶点位置在图像坐标系中的坐标值,结合步骤3和4所获取的顶点坐标信息构建出交比,利用交比的几何关系实现对测量区域边长的量测;
步骤6,对步骤5中选取的测量区域进行透视变换还原成矩形,并进行二值化、形态学滤波处理;
步骤7,计算得到损伤区域面积。
2.如权利要求1所述的方法,其特征在于,步骤1中,所述待测图像包含损伤区域,并且含有整个墙面和明显的边缘线条。
3.如权利要求2所述的方法,其特征在于,步骤2中,采用Matlab图像处理函数库中的undistortImage函数,对图像进行畸变矫正。
4.如权利要求3所述的方法,其特征在于,步骤3包括:
选取待测图像中破损区域所在墙面为测量平面,在选取测量平面上的平行线时,必须选取测量平面所在墙面上的线条,墙面轮廓的边缘线以及墙面窗户的轮廓线均能够被视为待选取的线段,轮廓线上的任意两点能够确定一条直线,在待测图像上选取两条在现实场景中平行的线段,根据图像透视原理,这两条线在图像上会相交于一点,根据上述选取方法选取图像对应在现实场景中水平方向上的消失点v1和垂直方向上的消失点v2,两个消失点的连线为消失线vl。
5.如权利要求4所述的方法,其特征在于,步骤4包括:
选择测量平面上的部分区域作为参考矩形区域,参考矩形区域的长和宽分别与步骤3中所选取的图像中水平方向线段和垂直方向线段平行,且参考矩形区域的边长通过实际测量是已知的,参考矩形区域的长和宽分别为d1、d2,选取参考矩形区域的四个顶点,记录下顶点的坐标信息,设四个顶点的坐标分别为p1,p2,p3,p4;其中p1p2,p3p4与图像中水平方向线段平行,p1p3,p2p4与图像中垂直方向线段平行,p1p2=d1,p1p3=d2。
6.如权利要求5所述的方法,其特征在于,步骤5包括如下步骤:
步骤5-1,手动选择待测图像中测量平面中破损部分的最小外接矩形作为测量区域,测量区域的长和宽分别与与步骤3中所选取的图像中水平方向线段和垂直方向线段平行,选取最小外接矩形框的四个顶点,记录下四个顶点位置在图像坐标系中的坐标值,设四个顶点的坐标分别为a1,a2,a3,a4,其中a1a2,a3a4与图像中水平方向线段平行,a1a3,a2a4与图像中垂直方向线段平行;
步骤5-2,在待测图像上,连接p1a2并延长,与水平消失线vl相交于vt,连接p2vt,交a1a2的延长线于ax点;其中p1p2和a1a2均为平行于步骤3所述现实场景中水平方向线的线段,vt为步骤3中所述测量平面消失线上的一点,该平面所有经过vt的直线在现实空间中均平行,则p1a2和p2ax在空间中也互为平行线,由几何知识得到四边形p1p2a2ax在现实空间中为平行四边形,因此p1p2和a2ax在空间中的实际长度相等;
步骤5-3,构建交比,由步骤5-2中能够得到a2、ax、a1、v1为图像中一条直线上的四点,v1为这条直线在图像中的消失点,a2、ax、a1、v1在现实空间的对应的点分别为A2、Ax、A1、V1,A2Ax的实际长度为d1,根据线段交比几何关系有:
Cross(A2、Ax、A1、V1)=Cross(a2、ax、a1、v1) (1)
Cross(A2、Ax、A1、V1)代表现实场景中四个点A2、Ax、A1、V1的交比,Cross(a2、ax、a1、v1)代表现实场景中点在图像上的对应四个点a2、ax、a1、v1的交比,式(1)表明图像中一条直线上四点位置的交比,等于图像中这四点在空间位置的交比;
式(1)用距离的形式表示为:
其中,d(A2,Ax)表示现实空间上两点A2、Ax的距离,d(A1,V1)表示现实空间上两点A1,V1的距离,d(A2,A1)表示现实空间上两点A2,A1的距离,d(Ax,V1)表示现实空间上两点Ax,V1的距离,d(a2,ax)表示图像上两点a2,ax的距离,d(a1,v1)表示图像上两点a1,v1的距离,d(a2,a1)表示图像上两点a2,a1的距离,d(ax,v1)表示图像上两点ax,v1的距离;
由于现实空间中,V1为无穷远处的点,则式(2)化简为:
式(3)中等式的右边的值通过记录的坐标计算得到,设等式的右边的值为cr1,则通过d(A2,A1)=d1/cr1能够求A2A1直接的距离;
步骤5-4,采用步骤5-1~步骤5-3的方法得到a4、ax、a2、v2为图像中一条直线上的四点,v2为这条直线在图像中的消失点,a4、ax、a2、v2在现实空间的对应的点分别为A4、Ax、A2、V2,A4Ax的实际长度为d2;
此时,式(1)用距离的形式表示为:
其中,d(A4Ax)表示现实空间上两点A4、Ax的距离,d(A2V2)表示现实空间上两点A2、V2的距离,d(A4A2)表示现实空间上两点A4A2的距离,d(AxV2)表示现实空间上两点Ax、V2的距离,d(a4ax)表示图像上两点a4、ax的距离,d(a2V2)表示图像上两点a2、v2的距离,d(a4a2)表示图像上两点a4、a2的距离,d(axv2)表示图像上两点ax、v2的距离;
由于现实空间中,V2为无穷远处的点,则式(4)化简为:
式(5)中等式的右边的值通过记录的坐标计算得到,设等式的右边的值为cr2,则通过d(A2A4)=d2/cr2能够求A2A4直接的距离。
7.如权利要求6所述的方法,其特征在于,步骤6包括:
在实际工程检测时,将建筑物外表面出现损伤的区域依照测试平面内的几何关系用四边形框框选出,框选出的区域为测量区域,接着通过OpenCV函数库中的函数getPerspectiveTransform()和warpPerspective()对四边形进行透视变换,将图像中的平行四边形转换成矩形,并依据步骤5中所述的方法计算出测量区域的边长,得到测量区域的实际面积S=d(A2,A1)d(A2,A4),再对测量区域进行二值化和形态学滤波,得到建筑物表面损伤区域的二值图像。
8.如权利要求7所述的方法,其特征在于,步骤7包括:
统计图像中损伤部分的像素个数,经过二值化处理,损伤部分在图像中显示为白色,完整区域显示为黑色,对整个测量区域每一个像素点进行判断,如果像素值为255,该像素点即为白色像素点,统计测量区域中白色像素点的总个数,结合测量区域的面积经过比例运算得到损伤部分的实际面积W:
其中,M表示损伤部分像素个数,N表示测量区域像素个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910489402.5A CN110176003A (zh) | 2019-06-06 | 2019-06-06 | 基于交比图像量测技术检测建筑物表面损伤面积的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910489402.5A CN110176003A (zh) | 2019-06-06 | 2019-06-06 | 基于交比图像量测技术检测建筑物表面损伤面积的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110176003A true CN110176003A (zh) | 2019-08-27 |
Family
ID=67697013
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910489402.5A Pending CN110176003A (zh) | 2019-06-06 | 2019-06-06 | 基于交比图像量测技术检测建筑物表面损伤面积的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110176003A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114219845A (zh) * | 2021-11-30 | 2022-03-22 | 慧之安信息技术股份有限公司 | 一种基于深度学习的居住单元面积评判方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1453740A (zh) * | 2002-04-23 | 2003-11-05 | 中国科学院自动化研究所 | 由单幅图像测量场景及场景内物体几何信息的方法 |
CN104568981A (zh) * | 2015-01-06 | 2015-04-29 | 中科华核电技术研究院有限公司北京分公司 | 基于图像的建筑物墙壁缺陷测量方法及其系统 |
CN109448043A (zh) * | 2018-10-22 | 2019-03-08 | 浙江农林大学 | 平面约束下的立木高度提取方法 |
-
2019
- 2019-06-06 CN CN201910489402.5A patent/CN110176003A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1453740A (zh) * | 2002-04-23 | 2003-11-05 | 中国科学院自动化研究所 | 由单幅图像测量场景及场景内物体几何信息的方法 |
CN104568981A (zh) * | 2015-01-06 | 2015-04-29 | 中科华核电技术研究院有限公司北京分公司 | 基于图像的建筑物墙壁缺陷测量方法及其系统 |
CN109448043A (zh) * | 2018-10-22 | 2019-03-08 | 浙江农林大学 | 平面约束下的立木高度提取方法 |
Non-Patent Citations (1)
Title |
---|
王美珍: "单幅图像中地物目标几何量测研究", 《中国博士学位论文全文数据库信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114219845A (zh) * | 2021-11-30 | 2022-03-22 | 慧之安信息技术股份有限公司 | 一种基于深度学习的居住单元面积评判方法和装置 |
CN114219845B (zh) * | 2021-11-30 | 2022-08-19 | 慧之安信息技术股份有限公司 | 一种基于深度学习的居住单元面积评判方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106097348A (zh) | 一种三维激光点云与二维图像的融合方法 | |
CN104134200B (zh) | 一种基于改进加权融合的运动场景图像拼接方法 | |
CN107025687B (zh) | 一种基于视觉依赖曲率估算的文物线图绘制方法 | |
CN107451982A (zh) | 一种基于无人机影像的高郁闭度林分树冠面积获取方法 | |
CN103871039B (zh) | 一种sar图像变化检测差异图生成方法 | |
CN107240079A (zh) | 一种基于图像处理的路面裂缝检测方法 | |
TW201022708A (en) | Method of change detection for building models | |
CN107808386A (zh) | 一种基于图像语义分割的海天线检测方法 | |
CN105547602A (zh) | 一种地铁隧道管片渗漏水的远距离测量方法 | |
CN109631766B (zh) | 一种基于图像的木材板尺寸测量方法 | |
CN106156758B (zh) | 一种sar海岸图像中海岸线提取方法 | |
CN111723464A (zh) | 一种基于遥感影像特征的台风椭圆型风场参数化模拟方法 | |
CN106530271A (zh) | 一种红外图像显著性检测方法 | |
CN108765476A (zh) | 一种偏振图像配准方法 | |
CN109472802A (zh) | 一种基于边缘特征自约束的表面网格模型构建方法 | |
CN103743750B (zh) | 一种大口径光学元件表面损伤分布图的生成方法 | |
CN109064479A (zh) | 一种基于邻近视频帧灰度动态特征的海天线检测方法 | |
CN106709883A (zh) | 基于联合双边滤波和尖锐特征骨架提取的点云去噪方法 | |
CN103914829B (zh) | 一种含噪图像边缘检测方法 | |
Liu et al. | Image edge recognition of virtual reality scene based on multi-operator dynamic weight detection | |
CN111340882A (zh) | 基于图像的室内定位方法及装置 | |
CN103413319A (zh) | 一种工业摄像机参数现场标定方法 | |
CN110176003A (zh) | 基于交比图像量测技术检测建筑物表面损伤面积的方法 | |
CN110060199A (zh) | 一种基于彩色和深度信息的植株图像快速拼接方法 | |
CN104899592A (zh) | 一种基于圆形模板的道路半自动提取方法及系统 |
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: 20190827 |
|
RJ01 | Rejection of invention patent application after publication |