CN110207592B - 建筑裂缝测量方法、装置、计算机设备和存储介质 - Google Patents

建筑裂缝测量方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN110207592B
CN110207592B CN201910298639.5A CN201910298639A CN110207592B CN 110207592 B CN110207592 B CN 110207592B CN 201910298639 A CN201910298639 A CN 201910298639A CN 110207592 B CN110207592 B CN 110207592B
Authority
CN
China
Prior art keywords
image
crack
pixel
skeleton
pixels
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
CN201910298639.5A
Other languages
English (en)
Other versions
CN110207592A (zh
Inventor
朱建斌
杨进
赵健康
刘传奇
吴向东
董星煜
李全林
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.)
Shenzhen Highway Engineering Detection Co ltd
Original Assignee
Shenzhen Highway Engineering Detection Co ltd
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 Shenzhen Highway Engineering Detection Co ltd filed Critical Shenzhen Highway Engineering Detection Co ltd
Priority to CN201910298639.5A priority Critical patent/CN110207592B/zh
Publication of CN110207592A publication Critical patent/CN110207592A/zh
Application granted granted Critical
Publication of CN110207592B publication Critical patent/CN110207592B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/022—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by means of tv-camera scanning
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/14—Measuring arrangements characterised by the use of optical techniques for measuring distance or clearance between spaced objects or spaced apertures

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Analysis (AREA)

Abstract

本申请涉及一种建筑裂缝测量方法、装置、计算机设备和存储介质。所述方法包括：获取目标建筑物的裂缝图像；对所述裂缝图像进行图像处理，获得二值化裂缝图像；从所述二值化裂缝图像中提取裂缝骨架图像；计算所述裂缝骨架图像中裂缝骨架的像素宽度；确定所述目标建筑物的裂缝图像的深度信息；根据所述像素宽度、所述深度信息以及与所述深度信息对应的图像尺度因子计算所述目标建筑物的裂缝宽度。本方法通过图像处理实现对建筑裂缝的自动测量，提高了测量的准确性。

Description

建筑裂缝测量方法、装置、计算机设备和存储介质
技术领域
本申请涉及测量技术领域，特别是涉及一种建筑裂缝测量方法、装置、计算机设备和存储介质。
背景技术
随着测量技术的发展，越来越多的工业生产领域开始引入更加严格的测量标准。桥梁、堤坝、房屋等建筑在使用年限过长或者施工质量不佳时，可能会逐渐劣化甚至出现建筑裂缝，留下巨大的公共安全隐患。在对建筑进行安全鉴定或者裂缝修复时，都需要对建筑裂缝进行准确的测量。
传统的建筑裂缝测量方案，通常是依靠人工进行检测。比如在对桥梁表面裂缝进行测量时，由人工操控桥检车测量桥梁裂缝宽度。然而，人工测量建筑裂缝时会引入较大误差，降低了测量的准确性。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高测量准确性的建筑裂缝测量方法、装置、计算机设备和存储介质。
一种建筑裂缝测量方法，所述方法包括：
获取目标建筑物的裂缝图像；
对所述裂缝图像进行图像处理，获得二值化裂缝图像；
从所述二值化裂缝图像中提取裂缝骨架图像；
计算所述裂缝骨架图像中裂缝骨架的像素宽度；
确定所述目标建筑物的裂缝图像的深度信息；
根据所述像素宽度、所述深度信息以及与所述深度信息对应的图像尺度因子计算所述目标建筑物的裂缝宽度。
一种建筑裂缝测量装置，所述装置包括：
图像获取模块，用于获取目标建筑物的裂缝图像；
图像处理模块，用于对所述裂缝图像进行图像处理，获得二值化裂缝图像；
骨架提取模块，用于从所述二值化裂缝图像中提取裂缝骨架图像；
像素宽度计算模块，用于计算所述裂缝骨架图像中裂缝骨架的像素宽度；
信息确定模块，用于确定所述目标建筑物的裂缝图像的深度信息；
裂缝宽度计算模块，用于根据所述像素宽度、所述深度信息以及与所述深度信息对应的图像尺度因子计算所述目标建筑物的裂缝宽度。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取目标建筑物的裂缝图像；
对所述裂缝图像进行图像处理，获得二值化裂缝图像；
从所述二值化裂缝图像中提取裂缝骨架图像；
计算所述裂缝骨架图像中裂缝骨架的像素宽度；
确定所述目标建筑物的裂缝图像的深度信息；
根据所述像素宽度、所述深度信息以及与所述深度信息对应的图像尺度因子计算所述目标建筑物的裂缝宽度。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取目标建筑物的裂缝图像；
对所述裂缝图像进行图像处理，获得二值化裂缝图像；
从所述二值化裂缝图像中提取裂缝骨架图像；
计算所述裂缝骨架图像中裂缝骨架的像素宽度；
确定所述目标建筑物的裂缝图像的深度信息；
根据所述像素宽度、所述深度信息以及与所述深度信息对应的图像尺度因子计算所述目标建筑物的裂缝宽度。
上述建筑裂缝测量方法、装置、计算机设备和存储介质，对目标建筑物的裂缝图像进行图像处理获得二值化裂缝图像，从二值化裂缝图像中提取裂缝骨架图像后，计算裂缝骨架图像中裂缝骨架的像素宽度，即裂缝骨架在裂缝骨架图像中以像素为单位的宽度值；再确定目标建筑物的裂缝图像的深度信息，深度信息表征了目标建筑物与摄像头之间的距离；深度信息对应的图像尺度因子表征了像素点所对应的实际物理距离在离摄像头指定距离时的物理尺寸；根据像素宽度、深度信息和图像尺度因子，可以还原得到像素宽度所对应的实际物理长度，即目标建筑物的裂缝宽度，通过图像处理实现对建筑裂缝的自动测量，提高了测量的准确性。
附图说明
图1为一个实施例中建筑裂缝测量方法的应用环境图；
图2为一个实施例中建筑裂缝测量方法的流程示意图；
图3为一个实施例中获得二值化裂缝图像的步骤的流程示意图；
图4为一个实施例中提取裂缝骨架图像的步骤的流程示意图；
图5为一个实施例中细化处理的示意图；
图6为一个实施例中计算像素宽度的步骤的流程示意图；
图7为一个实施例中计算像素宽度的示意图；
图8为一个实施例中确定切线方向的步骤的流程示意图；
图9为一个实施例中确定深度信息的步骤的流程示意图；
图10为一个实施例中深度信息计算的示意图；
图11为一个实施例中确定裂缝位置的步骤的流程示意图；
图12为一个实施例中确定拍摄位置的示意图；
图13为一个实施例中建筑裂缝测量的示意图；
图14为一个实施例中建筑裂缝测量装置的结构框图；
图15为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的建筑裂缝测量方法，可以应用于如图1所示的应用环境中。其中，终端102可以通过网络与服务器104进行通信，也可以通过串口与服务器104进行通信。其中，终端102具有双目摄像头、图像采集装置和定位装置，终端102可以是无人机，也可以是各种工业计算机、个人计算机、笔记本电脑、智能手机、平板电脑，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种建筑裂缝测量方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
步骤202，获取目标建筑物的裂缝图像。
其中，目标建筑物可以是需要进行裂缝测量的建筑物；裂缝图像可以是目标建筑物中的裂缝的图像。
具体地，终端对目标建筑物进行拍照，获得建筑图像。终端可以通过网络或串口将采集到的建筑图像发送至服务器。服务器对建筑图像进行处理，检测建筑图像中是否存在裂缝特征。服务器将检测到的存在裂缝特征的建筑图像作为裂缝图像。
在一个实施例中，还可以由人工筛选存在裂缝特征的建筑图像，并将筛选到的建筑图像作为裂缝图像输入服务器。
在一个实施例中，目标建筑物可以是各种类型的建筑物，比如桥梁、堤坝和房屋。检测人员通过人工或操纵无人机采集目标建筑物表面(包括外表面和内表面)的图像得到建筑图像。服务器从建筑图像中筛选裂缝图像。
在一个实施例中，检测人员直接操纵终端对目标建筑物中已知的裂缝进行拍照，得到裂缝图像。
步骤204，对裂缝图像进行图像处理，获得二值化裂缝图像。
其中，二值化裂缝图像可以是对裂缝图像进行二值化处理得到的图像。
具体地，裂缝图像可以是RGB(Red Green Blue，红绿蓝)色彩模式的图像，包含大量冗余信息。为了便于后续的图像处理，服务器可以先将裂缝图像转换为灰度图，再对灰度图进行二值化，得到二值化裂缝图像。
步骤206，从二值化裂缝图像中提取裂缝骨架图像。
其中，裂缝骨架图像可以是对二值化裂缝图像骨架化(Image Skeletonization)之后得到的图像，骨架化又名图像细化。
具体地，服务器从二值化裂缝图像提取裂缝特征的主干，得到裂缝骨架图像。服务器进行骨架提取时，查找二值化裂缝图像中可以进行图像细化的像素，并对查找的像素进行像素值调整。
步骤208，计算裂缝骨架图像中裂缝骨架的像素宽度。
其中，裂缝骨架可以提取到的裂缝特征的主干，是裂缝骨架图像中表征裂缝特征的图像区域。像素宽度可以是裂缝骨架以像素为单位时的宽度。
具体地，服务器在裂缝骨架图像中确定裂缝中心线，裂缝中心线可以是沿着裂缝方向，位于裂缝骨架中心的像素组成的线条。服务器选取位于裂缝中心线上的像素，根据选取的像素计算与裂缝骨架相垂直的直线，根据直线与裂缝骨架边缘相交的像素的坐标，计算裂缝骨架的像素宽度。
在一个实施例中，服务器可以给裂缝图像建立坐标系，坐标系的原点可以位于裂缝图像的左上角，坐标系建立后，服务器确定裂缝图像中每个像素的坐标。在后续处理得到的图像中的坐标系，均与裂缝图像中建立的坐标系保持一致。
步骤210，确定目标建筑物的裂缝图像的深度信息。
其中，深度信息可以是终端采集裂缝图像时，裂缝到终端的距离信息。
具体地，终端在采集目标建筑物的裂缝图像时，还需要采集用于深度信息计算的深度参数。服务器从终端获取深度参数后，按照预设的深度信息计算方式对深度参数进行计算，得到裂缝图像的深度信息。
在一个实施例中，终端对采集到的深度参数进行计算得到深度信息，并将深度信息发送至服务器。
步骤212，根据像素宽度、深度信息以及与深度信息对应的图像尺度因子计算目标建筑物的裂缝宽度。
其中，图像尺度因子可以是像素点所对应的实际物理距离在离摄像头指定距离时的物理尺寸。
具体地，图像采集装置的摄像头采集到的裂缝图像是将裂缝缩小化后的图像，且裂缝与摄像头之间的距离越远，裂缝图像中的裂缝特征越小。当某个物体距离摄像头指定距离(比如1米)时，若该物体的成像为1个像素，则该物体的物理尺寸即为图像尺度因子。图像尺度因子是图像采集装置的标定数据。
服务器得到裂缝骨架的像素宽度后，需要计算裂缝的实际宽度。服务器根据像素宽度、深度信息以及与深度信息对应的图像尺度因子进行计算，得到目标建筑物的裂缝宽度。
在一个实施例中，像素宽度为w_xiangsu，深度信息为Z，图像尺度因子为k，服务器可以对像素宽度、深度信息和图像尺度因子进行相乘运算得到裂缝宽度w，计算公式如下：
w＝w_xiangsu*Z*k (1)
本实施例中，对目标建筑物的裂缝图像进行图像处理获得二值化裂缝图像，从二值化裂缝图像中提取裂缝骨架图像后，计算裂缝骨架图像中裂缝骨架的像素宽度，即裂缝骨架在裂缝骨架图像中以像素为单位的宽度值；再确定目标建筑物的裂缝图像的深度信息，深度信息表征了目标建筑物与摄像头之间的距离；深度信息对应的图像尺度因子表征了像素点所对应的实际物理距离在离摄像头指定距离时的物理尺寸；根据像素宽度、深度信息和图像尺度因子，可以还原得到像素宽度所对应的实际物理长度，即目标建筑物的裂缝宽度，通过图像处理实现对建筑裂缝的自动测量，提高了测量的准确性。
如图3所示，在一个实施例中，步骤204具体还包括获得二值化裂缝图像的步骤，该步骤具体包括如下步骤：
步骤302，对裂缝图像进行灰度处理，得到灰度裂缝图像。
具体地，服务器先对彩色的裂缝图像进行灰度处理，将灰度处理后得到的灰度图作为灰度裂缝图像。灰度裂缝图像将黑色与白色之间分为256个等级，采用0-255表示各像素的亮度，其中像素值为0时表示黑色，像素值为255时表示白色。
服务器可以通过以下公式将RGB色彩模式的裂缝图像转换为灰度裂缝图像：
I(i,j)＝0.3*R(i,j)+0.59*G(i,j)+0.11*B(i,j) (2)
其中，I(i,j)是灰度裂缝图像中第i行第j列的像素值，R(i,j)、G(i,j)和B(i,j)是裂缝图像中第i行第j列红、绿、蓝三种颜色的像素值。
步骤304，对灰度裂缝图像进行滤波处理，得到滤波后的灰度裂缝图像。
具体地，拍摄裂缝图像时，由于周围环境或拍摄条件的影响，裂缝图像中可能存在较多噪声，噪声会对后续的图像处理产生干扰。服务器需要对灰度裂缝图像进行滤波处理，并得到滤波后的灰度裂缝图像。
在一个实施例中，服务器可以采用高斯滤波来抑制高斯噪声，高斯滤波是采用高斯模板对灰度裂缝图像进行卷积。高斯模板的窗口大小为(2k+1)×(2k+1)，其中k为正整数，高斯模板中每个元素的计算公式如下：
Figure BDA0002027473790000071
其中，Hi,j是高斯模板中第i行第j列的元素，σ是高斯分布的标准差。服务器对某个像素进行高斯滤波时，将高斯模板中的各元素Hi,j分别与该像素及其邻域内各像素的像素值加权求和，得到滤波后该像素的像素值，其中Hi,j是加权求和时的权重。
步骤306，对滤波后的灰度裂缝图像进行锐化处理，得到锐化后的灰度裂缝图像。
具体地，高斯滤波是低通滤波，灰度裂缝图像中的裂缝特征属于高频特征，因此高斯滤波会对裂缝特征产生模糊作用。服务器需要对滤波后的灰度裂缝图像进行锐化处理，得到锐化后的灰度裂缝图像，以补偿滤波后的灰度裂缝图像中的轮廓，增强图像边缘以及灰度跳变的部分，使图像更清晰。
在一个实施例中，服务器可以通过空域微分法对滤波后的灰度裂缝图像进行锐化处理。当本方案中的图像均为数字图像时，微分可以通过差分来实现：
G[f(i,j)]＝|f(i,j)-f(i+1,j+1)|+|f(i+1,j)-f(i,j+1)| (4)
其中，f(i,j)是滤波后的灰度裂缝图像中第i行第j列像素的像素值，G[f(i,j)]是第i行第j列像素值的梯度。
本方案针对裂缝特征进行处理，将裂缝特征作为前景，则其余部分为背景。滤波后的灰度裂缝图像中，表征相似特征的像素具有相似的像素值，因此表征前景的像素的像素值之间梯度变化较小，表征背景的像素的像素值之间梯度变化较小。前景与背景的交界处是图像中的边缘部分，像素值的梯度变化较大。服务器中预设有梯度阈值T，当G[f(i,j)]大于梯度阈值T时，服务器确定该像素位于图像中的边缘部分，将该像素的像素值增加常数C以增强边缘；当G[f(i,j)]小于或等于梯度阈值T时，将该像素点作为前景内部或背景内部的像素点，而不进行处理；常数C由滤波后的灰度裂缝图像的特点确定。本方案在增强图像边缘的同时又保持背景原本的状态，相较于传统的梯度锐化方式，图像增强的效果更好。本方案进行锐化处理时使用的公式如下：
Figure BDA0002027473790000081
步骤308，对锐化后的灰度裂缝图像进行二值化处理，得到二值化裂缝图像。
具体地，服务器完成锐化处理后，再对锐化后得到的灰度裂缝图像进行二值化处理，得到二值化裂缝图像。二值化裂缝图像呈现只有黑色和白色的效果。
在一个实施例中，锐化后的灰度裂缝图像中，背景部分灰度分布比较单一，大部分呈灰色，而前景(裂缝特征)呈黑色，前景和背景之间灰度对比度较大，因此可以采用阈值分割的方式将前景与背景进行分割。
服务器进行阈值分割时，先选定像素阈值。在锐化后的灰度裂缝图像中，当某像素的像素值小于像素阈值时，则将该像素的像素值置为1；当某像素的像素值大于或等于像素阈值时，则将该像素的像素值置为0。阈值分割完成后，服务器得到二值化裂缝图像，其中前景(裂缝特征)呈现白色，背景呈现黑色。
在一个实施例中，像素阈值可以由检测人员进行设置。服务器还可以基于双峰平均值确定像素阈值。首先，服务器生成锐化后的灰度裂缝图像的灰度直方图，灰度直方图中横轴为灰度级数(0-255)，纵轴为各个灰度值(即像素值I(i,j))对应的像素的个数；服务器查找灰度直方图中纵轴上的各个极大值点，选取极大值点对应的像素个数最多的两个点作为灰度直方图的双峰，以双峰横坐标的平均值作为像素阈值。
本实施例中，先根据裂缝图像得到灰度裂缝图像，对灰度裂缝图像进行滤波以去除噪声的影响；对滤波后的灰度裂缝图像进行锐化处理以抵消滤波带来的模糊；最后根据锐化后的灰度裂缝图像得到二值化裂缝图像，二值化裂缝图像中裂缝特征和背景呈现不同的颜色，有利于后续的建筑裂缝测量。
如图4所示，在一个实施例中，步骤206具体还包括提取裂缝骨架图像的步骤，该步骤具体包括如下步骤：
步骤402，对二值化裂缝图像进行闭操作处理。
具体地，由于二值化裂缝图像中的裂缝特征具有不平滑的特征，因此服务器先对二值化裂缝图像进行形态学处理中的闭操作处理。具体可以是服务器先对二值化裂缝图像进行膨胀处理，再进行腐蚀处理，以消除裂缝特征中的细小孔洞、连接狭小的断裂，并平滑裂缝特征的边缘。
步骤404，通过细化算法对闭操作处理后的二值化裂缝图像进行细化处理，得到初始裂缝骨架图像。
其中，细化算法可以是对图像进行细化的算法。初始裂缝骨架图像可以是经过细化算法处理后得到的图像。
具体地，服务器可以通过细化算法，对闭操作处理后的二值化裂缝图像进行细化处理，提取裂缝特征的主干。服务器遍历闭操作处理后的二值化裂缝图像，根据细化算法确定二值化裂缝图像中可以进行细化的像素，将可以细化的像素调整为背景，得到初始裂缝骨架图像。
在一个实施例中，服务器可以通过Zhang并行细化算法进行细化处理。图5为一个实施例中服务器进行细化处理的示意图。具体地，参照图5，p1是遍历到的像素，当p1为前景中的像素即p1像素值为1时，服务器取p1的3×3邻域，并根据Zhang并行细化算法确定p1是否可以进行细化，p2、p3、p4、p5、p6、p7、p8和p9是p1像素3×3邻域内的像素。
服务器通过Zhang并行细化算法进行细化处理时，先对闭操作处理后的二值化裂缝图像进行复制得到临时图像。服务器对临时图像进行第一次遍历，当遍历到前景中的像素p1时，取p1的3×3邻域。
当p1满足如下条件时：
①2≤p2+p3+p4+p5+p6+p7+p8+p9≤6(像素值相加)
②p2→p9的排列顺序中，01模式的数量为1(01模式为像素值从0向1的变化方式)
③p2*p4*p6＝0(像素值相乘)
④p4*p6*p8＝0(像素值相乘)
则将闭操作处理后的二值化裂缝图像中，与p1对应的像素标记为可细化像素，在完成对临时图像的一次遍历后，将闭操作处理后的二值化裂缝图像中的全部可细化像素调整为背景，即将可细化像素的像素值置为0。
服务器对临时图像进行第二次遍历，当遍历到前景中的像素p1时，取p1的3×3邻域(本方案对遍历到的前景像素均用p1表示，p1的3×3邻域内的像素均用p2、p3、p4、p5、p6、p7、p8和p9表示)。当p1满足如下条件时：
①2≤p2+p3+p4+p5+p6+p7+p8+p9≤6(像素值相加)
②p2→p9的排列顺序中，01模式的数量为1(01模式为像素值从0向1的变化方式)
③p2*p4*p8＝0(像素值相乘)
④p2*p6*p8＝0(像素值相乘)
将闭操作处理后的二值化裂缝图像中，与p1对应的像素标记为可细化像素，在完成第二次遍历后，将标记的全部可细化像素调整为背景。
服务器完成以上第一次遍历、第二次遍历后，完成一次细化。服务器循环以上细化步骤，直至没有可以细化的像素，停止细化处理，得到初始裂缝骨架图像。
步骤406，对初始裂缝骨架图像进行抗锯齿处理，得到裂缝骨架图像。
其中，抗锯齿处理可以是对图像中的锯齿进行消除的处理。
具体地，服务器通过细化算法得到的初始裂缝骨架图像中可能存在较多锯齿，即毛刺特征。在初始裂缝骨架图像中，主干上附属有细小分支，定义长度阈值N，当分支长度小于长度阈值N时，该分支即为锯齿。
初始裂缝骨架图像中的锯齿会对后续的测量产生干扰，服务器获取预设的长度阈值N，对初始裂缝骨架图像进行抗锯齿处理，即将初始裂缝骨架图像中长度小于长度阈值N的锯齿调整为背景，得到裂缝骨架图像。
在一个实施例中，服务器进行抗锯齿处理时，先建立与初始裂缝骨架图像尺寸相同的背景图像，背景图像中像素的像素值与初始裂缝骨架图像中表征背景的像素的像素值相同，均为0。
服务器遍历初始裂缝骨架图像中的像素，若遍历到的像素的像素值为1，且该像素的八邻域中仅有一个像素值为1的像素，则该像素为第一端点像素。服务器根据第一端点像素的坐标，在背景图像中确定与第一端点像素对应的像素，将确定的像素的像素值调整为1，得到第二端点像素。服务器从初始裂缝骨架图像中删除第一端点像素，即将第一端点像素的像素值调整为0。服务器对初始裂缝骨架图像进行预设次数的遍历，每次遍历中均执行上述操作。
服务器完成预设次数的遍历后，将背景图像中第二端点像素所确定的图像区域作为连通域。统计连通域中像素的数量值，并将数量值与预设数量值相比，当某个连通域中像素的数量值小于预设数量值时，删除此连通域，即将连通域中像素的像素值调整为0。服务器完成删除处理后，获取遍历后的初始裂缝骨架图像；在历次遍历中，初始裂缝骨架图像中的第一端点像素被删除。服务器将删除处理后的背景图像与删除第一端点像素后的初始裂缝骨架图像进行相加(或运算)，得到抗锯齿处理后的裂缝骨架图像。
在一个实施例中，判断分支是否为锯齿时采用的长度阈值、判断是否删除连通域时采用的预设数量值可以相同，可以均取N(N为正整数)；且对初始裂缝骨架图像进行遍历的预设次数可以取为N+1。
本实施例中，对二值化裂缝图像进行闭操作处理以使图像平滑；通过细化算法从闭操作处理后的二值化裂缝图像提取裂缝特征的主干，得到初始裂缝骨架图像，再对初始裂缝骨架图像进行抗锯齿处理以去除初始裂缝骨架图像中会产生干扰的分支，最后得到裂缝骨架图像，保证了可以根据裂缝骨架图像准确地测量建筑裂缝。
如图6所示，在一个实施例中，步骤208具体还包括计算像素宽度的步骤，该步骤具体包括如下步骤：
步骤602，遍历裂缝骨架图像中表征裂缝骨架的像素。
具体地，服务器计算裂缝骨架的像素宽度时，需要先从裂缝骨架图像中选取像素。服务器选取像素时，先遍历裂缝骨架图像中表征裂缝骨架的像素。
步骤604，当遍历到的像素符合非端点条件时，确定在符合非端点条件的像素处的切线方向。
其中，非端点条件可以是像素不是端点时，该像素需要满足的条件。
具体地，服务器需要判断遍历到的表征裂缝骨架的像素是否为端点。当服务器遍历到的表征裂缝骨架的像素的八邻域中，表征前景(即裂缝骨架)的像素的数量值不为1时，服务器确定该像素符合非端点条件。服务器在该像素处作裂缝骨架的切线，并可以根据切线上的像素的坐标确定切线的切向方向。
步骤606，根据切线方向确定在符合非端点条件的像素处的法线。
具体地，在符合非端点条件的像素处，法线与切线向垂直，服务器获取符合非端点条件的像素的坐标，并根据确定的切线方向，确定在符合非端点条件的像素处的法线。
步骤608，计算法线与裂缝骨架相交的像素之间的像素宽度。
具体地，法线从符合非端点条件的像素处向两端延伸，并与裂缝骨架中的多个像素相交。服务器从符合非端点条件的像素处，沿着法线向两端查找裂缝骨架边缘像素。
法线穿过裂缝骨架边缘像素后，与法线相交的像素将表征背景。服务器沿着法线分别向两端查询最后与法线相交且表征裂缝骨架的像素，在两个方向各自得到一个裂缝骨架边缘像素。
服务器获取两个裂缝骨架边缘像素的坐标，分别为(x1,y1)和(x2,y2)，则根据两个裂缝骨架边缘像素之间的像素距离可以得到像素宽度w_xiangsu为：
Figure BDA0002027473790000121
图7为一个实施例中计算像素宽度的示意图，具体地，参照图7，裂缝特征包括裂缝上边缘线和裂缝下边缘线，服务器遍历到的符合非端点条件的像素A可以是裂缝中心线上的像素，直线l为在符合非端点条件的像素A处的法线，像素B和像素C分别是服务器沿着法线查找到的边缘像素。服务器将像素B和像素C之间的像素距离作为裂缝骨架的像素宽度。
在一个实施例中，服务器求得多个裂缝宽度，服务器可以对多个裂缝宽度求平均值，输出平均值作为裂缝特征的裂缝宽度；也可以输出最大的裂缝宽度，作为裂缝特征的裂缝宽度。
本实施例中，查找符合非端点条件的像素时，确定在符合非端点条件的像素处的切线方向，根据切线方向确定在符合非端点条件的像素处的法线；法线在符合非端点像素处与裂缝骨架垂直，根据法线与裂缝骨架相交的像素，可以计算得到裂缝骨架的像素宽度，提高了计算像素宽度的准确性。
如图8所示，在一个实施例中，步骤604具体还包括确定切线方向的步骤，该步骤具体包括如下步骤：
步骤802，在裂缝骨架图像中，根据链码查找与符合非端点条件的像素相邻的、且表征裂缝骨架的像素。
其中，链码可以是用曲线起始点的坐标和边界点方向代码来描述曲线的方法。
具体地，当服务器遍历到符合非端点条件的像素时，根据链码查找与该像素相邻且同样符合非端点条件的像素。服务器可以按照八连通链码进行查找，即从遍历到的符合非端点条件的像素右端相邻的像素开始查找，按照逆时针的顺序，依次验证遍历到的符合非端点条件的像素的八邻域中的像素是否符合非端点条件且表征裂缝骨架。服务器可以选取前两个验证通过的像素。
步骤804，对查找的像素以及符合非端点条件的像素进行拟合，得到拟合曲线。
其中，拟合曲线可以是裂缝骨架在符合非端点条件的像素处的走势曲线。
具体地，服务器获取查找到的两个像素以及符合非端点条件的像素的坐标，获取预设的曲线表达式y＝ax2+bx+c，将获取到的三个像素的坐标代入曲线表达式，计算a、b和c。服务器将计算得到的a、b和c代入曲线表达式，得到拟合曲线。
步骤806，计算拟合曲线在符合非端点条件的像素处的导数，得到在符合非端点条件的像素处的切线方向。
具体地，服务器得到拟合曲线后，对拟合曲线进行求导得到导数表达式，再将符合非端点条件的像素的坐标代入导数表达式，得到拟合曲线在符合非端点条件的像素处的导数；拟合曲线在符合非端点条件的像素处的导数，即为在符合非端点条件的像素处的切线方向。
本实施例中，在裂缝骨架图像中，根据链码查找与符合非端点条件的像素相邻且表征裂缝骨架的像素，三个像素不在同一条直线上，可以进行拟合从而得到拟合曲线。拟合曲线表征了裂缝骨架的走势，先求拟合曲线在符合非端点条件的像素处的导数，从而得到在符合非端点条件的像素处的切线方向，保证了切线方向的准确性。
如图9所示，在一个实施例中，步骤210具体还包括确定深度信息的步骤，该步骤具体包括如下步骤：
步骤902，通过双目摄像头获取目标建筑物的双目图像。
其中，双目摄像头可以是采集双目图像的摄像头，由两个摄像头组成。双目图像可以是由双目摄像头中两个位于不同位置的摄像头采集到的两张图像；可以通过双目图像中对应点间的位置偏差，获取物体的三维几何信息。
具体地，终端在采集目标建筑物的裂缝图像时，还通过双目摄像头采集目标建筑物的双目图像。终端还需将双目图像发送至服务器，服务器接收终端发送的双目图像。
步骤904，确定目标建筑物中的目标点在双目图像中的成像位置。
其中，目标点可以是从目标建筑物中选取的点。成像位置可以是目标点在双目图像中的坐标。
具体地，双目摄像头可以由平行的第一双目摄像头和第二双目摄像头组成。第一双目摄像头采集到第一双目图像，第二双目摄像头采集到第二双目图像。第一双目图像和第二双目图像处于同一空间平面中，服务器在该空间平面中建立坐标系。服务器获取目标建筑物中选定的目标点，查找目标点在第一双目图像中的第一成像点，目标点在第二双目图像中的第二成像点，将第一成像点和第二成像点在坐标系中的坐标，作为目标点在双目图像中的成像位置。
步骤906，根据成像位置、双目摄像头的基线长度和焦距，确定目标建筑物的裂缝图像的深度信息。
其中，基线长度可以是双目摄像头的两个摄像头之间的距离。
具体地，服务器获取双目摄像头的基线长度和焦距，根据预设的深度信息计算方式对成像位置、基线长度和焦距进行计算，得到目标建筑物的裂缝图像的深度信息。
图10为一个实施例中深度信息计算的示意图，具体地，参照图10，Ol和Or分别是第一双目摄像头和第二双目摄像头的成像中心，T是Ol和Or之间的距离即基线长度，第一双目摄像头和第二双目摄像头的焦距均为f；α和β分别是第一双目图像和第二双目图像，α和β平行；P点是目标建筑物中的目标点，在α和β所在的平面中建立坐标系，则可以测量到P点在第一双目图像和第二双目图像中的成像位置分别为xl和xr，d＝xl-xr为视差，则服务器可以根据三角形相似计算深度信息Z为：
Figure BDA0002027473790000151
即：
Figure BDA0002027473790000152
本实施例中，获取目标建筑物的双目图像并确定目标建筑物中的目标点在双目图像中的成像位置，根据几何关系利用成像位置、双目摄像头的基线长度和焦距计算目标建筑物的裂缝图像的深度信息，确保了计算深度信息的准确性。
如图11所示，在一个实施例中，建筑裂缝测量方法还包括确定裂缝位置的步骤，该步骤具体包括如下步骤：
步骤1102，获取与裂缝图像对应的基站位置信息和基站距离信息。
其中，基站位置信息可以是定位基站的位置信息；基站距离信息可以是采集裂缝图像时，定位基站与终端之间的距离信息。
具体地，终端在采集裂缝图像时可以进行定位。当目标建筑物的环境较为复杂，比如位于桥底时，常常无法接受到全球导航卫星系统的信号，故定位可以采用UWB(UltraWideband，一种无载波通信技术)定位。
在通过终端采集裂缝图像之前，检测人员在目标建筑物周围较为空旷的区域安置一定数量的定位基站，定位基站可以是用于定位的装置。
终端对目标建筑物进行拍摄的同时，记录系统时间，与定位基站进行通信获取定位基站的基站位置信息，并测量到定位基站的基站距离信息；其中基站位置信息可以通过全球导航卫星系统获取。
终端完成一次拍摄后，将裂缝图像、双目图像、系统时间、基站位置信息和基站距离信息一起存储，并一起发送至服务器。
步骤1104，根据基站距离信息和基站位置信息，计算裂缝图像的拍摄位置信息。
其中，拍摄位置信息可以是终端拍摄裂缝图像时的位置信息。
具体地，服务器将裂缝图像的拍摄位置信息设为待求未知数，根据拍摄位置信息和基站距离信息，利用距离公式联立方程组。服务器对方程组求解后得到裂缝图像的拍摄位置信息。
图12为一个实施例中确定拍摄位置的示意图，具体地，参照12，点O为终端拍摄裂缝图像时的位置，服务器选取原点，建立空间直角坐标系，根据基站位置信息确定m个定位基站的坐标依次为
Figure BDA0002027473790000161
Figure BDA0002027473790000162
终端到定位基站的基站距离信息依次为r1、r2……rm，设终端的坐标为(xN,xE,xD)，服务器可以根据距离公式得到方程组：
Figure BDA0002027473790000163
服务器可以通过迭代法求解上述方程组，在第k次迭代时(k＝1表示第一次迭代)，方程组的各个非线性方程可以在pk-1＝[xN,k-1,xE,k-1,xD,k-1]T处线性化，并满足关系：
GΔp＝Δr (10)
其中，
Figure BDA0002027473790000164
Figure BDA0002027473790000165
Figure BDA0002027473790000171
Figure BDA0002027473790000172
最小二乘法解为：
Δp＝(GTG)-1GTΔr (15)
得到拍摄位置信息：
Figure BDA0002027473790000173
重复公式(15)和公式(16)，直至求解精度满足要求，将最终的xN,k、xE,k和xD,k作为裂缝图像的拍摄位置信息。
步骤1106，根据拍摄位置信息和深度信息，确定目标建筑物的裂缝位置。
具体地，服务器计算得到拍摄位置信息后，还需要得到目标建筑物中的裂缝位置，以便于检测人员根据裂缝的位置进行实地考察与修复。服务器可以根据拍摄位置信息、深度信息和拍摄时的角度信息进行计算，确定目标建筑物的裂缝位置。
本实施例中，根据基站位置信息和基站距离信息可以计算得到裂缝图像的拍摄位置信息，根据拍摄位置信息和深度信息，可以确定目标建筑物的裂缝位置，以便于检测人员进行实地考察或修复，简化了实地查找裂缝的操作。
应该理解的是，虽然图2-4、6、8-9和11的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-4、6、8-9和11中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
图13为一个实施例中建筑裂缝测量的示意图。具体地，参照图13，建筑裂缝测量可以分为终端拍摄阶段和服务器计算阶段。终端包括双目摄像头、图像采集装置和定位装置；双目摄像头用于采集双目图像以获取深度信息；图像采集装置用于采集裂缝图像；定位装置用于获取基站位置信息和基站距离信息以得到拍摄位置信息。在服务器计算阶段，服务器获取裂缝图像，对裂缝图像进行灰度处理，得到灰度裂缝图像，接着对灰度裂缝图像进行滤波处理，得到滤波后的灰度裂缝图像，再对滤波后的灰度裂缝图像进行阈值分割即锐化处理，得到阈值分割后的灰度裂缝图像；服务器对阈值分割后的灰度裂缝图像进行细化处理以提取裂缝骨架图像；根据裂缝骨架图像进行计算最终得到裂缝宽度，还可以再结合深度信息以及拍摄位置信息，确定裂缝位置。
在一个实施例中，如图15所示，提供了一种建筑裂缝测量装置1400，包括：图像获取模块1402、图像处理模块1404、骨架提取模块1406、像素宽度计算模块1408、信息确定模块1410和裂缝宽度计算模块1412，其中：
图像获取模块1402，用于获取目标建筑物的裂缝图像。
图像处理模块1404，用于对裂缝图像进行图像处理，获得二值化裂缝图像。
骨架提取模块1406，用于从二值化裂缝图像中提取裂缝骨架图像。
像素宽度计算模块1408，用于计算裂缝骨架图像中裂缝骨架的像素宽度。
信息确定模块1410，用于确定目标建筑物的裂缝图像的深度信息。
裂缝宽度计算模块1412，用于根据像素宽度、深度信息以及与深度信息对应的图像尺度因子计算目标建筑物的裂缝宽度。
本实施例中，对目标建筑物的裂缝图像进行图像处理获得二值化裂缝图像，从二值化裂缝图像中提取裂缝骨架图像后，计算裂缝骨架图像中裂缝骨架的像素宽度，即裂缝骨架在裂缝骨架图像中以像素为单位的宽度值；再确定目标建筑物的裂缝图像的深度信息，深度信息表征了目标建筑物与摄像头之间的距离；深度信息对应的图像尺度因子表征了像素点所对应的实际物理距离在离摄像头指定距离时的物理尺寸；根据像素宽度、深度信息和图像尺度因子，可以还原得到像素宽度所对应的实际物理长度，即目标建筑物的裂缝宽度，通过图像处理实现对建筑裂缝的自动测量，提高了测量的准确性。
在一个实施例中，图像处理模块1404还用于对裂缝图像进行灰度处理，得到灰度裂缝图像；对灰度裂缝图像进行滤波处理，得到滤波后的灰度裂缝图像；对滤波后的灰度裂缝图像进行锐化处理，得到锐化后的灰度裂缝图像；对锐化后的灰度裂缝图像进行二值化处理，得到二值化裂缝图像。
本实施例中，先根据裂缝图像得到灰度裂缝图像，对灰度裂缝图像进行滤波以去除噪声的影响；对滤波后的灰度裂缝图像进行锐化处理以抵消滤波带来的模糊；最后根据锐化后的灰度裂缝图像得到二值化裂缝图像，二值化裂缝图像中裂缝特征和背景呈现不同的颜色，有利于后续的建筑裂缝测量。
在一个实施例中，骨架提取模块1406还用于对二值化裂缝图像进行闭操作处理；通过细化算法对闭操作处理后的二值化裂缝图像进行细化处理，得到初始裂缝骨架图像；对初始裂缝骨架图像进行抗锯齿处理，得到裂缝骨架图像。
本实施例中，对二值化裂缝图像进行闭操作处理以使图像平滑；通过细化算法从闭操作处理后的二值化裂缝图像提取裂缝特征的主干，得到初始裂缝骨架图像，再对初始裂缝骨架图像进行抗锯齿处理以去除初始裂缝骨架图像中会产生干扰的分支，最后得到裂缝骨架图像，保证了可以根据裂缝骨架图像准确地测量建筑裂缝。
在一个实施例中，像素宽度计算模块1408还用于遍历裂缝骨架图像中表征裂缝骨架的像素；当遍历到的像素符合非端点条件时，确定在符合非端点条件的像素处的切线方向；根据切线方向确定在符合非端点条件的像素处的法线；计算法线与裂缝骨架相交的像素之间的像素宽度。
本实施例中，查找符合非端点条件的像素时，确定在符合非端点条件的像素处的切线方向，根据切线方向确定在符合非端点条件的像素处的法线；法线在符合非端点像素处与裂缝骨架垂直，根据法线与裂缝骨架相交的像素，可以计算得到裂缝骨架的像素宽度，提高了计算像素宽度的准确性。
在一个实施例中，像素宽度计算模块1408还用于在裂缝骨架图像中，根据链码查找与符合非端点条件的像素相邻的、且表征裂缝骨架的像素；对查找的像素以及符合非端点条件的像素进行拟合，得到拟合曲线；计算拟合曲线在符合非端点条件的像素处的导数，得到在符合非端点条件的像素处的切线方向。
本实施例中，在裂缝骨架图像中，根据链码查找与符合非端点条件的像素相邻且表征裂缝骨架的像素，三个像素不在同一条直线上，可以进行拟合从而得到拟合曲线。拟合曲线表征了裂缝骨架的走势，先求拟合曲线在符合非端点条件的像素处的导数，从而得到在符合非端点条件的像素处的切线方向，保证了切线方向的准确性。
在一个实施例中，信息确定模块1410还用于通过双目摄像头获取目标建筑物的双目图像；确定目标建筑物中的目标点在双目图像中的成像位置；根据成像位置、双目摄像头的基线长度和焦距，确定目标建筑物的裂缝图像的深度信息。
本实施例中，获取目标建筑物的双目图像并确定目标建筑物中的目标点在双目图像中的成像位置，根据几何关系利用成像位置、双目摄像头的基线长度和焦距计算目标建筑物的裂缝图像的深度信息，确保了计算深度信息的准确性。
在一个实施例中，建筑裂缝测量装置1400还包括：信息获取模块、信息计算模块和位置确定模块，其中：
信息获取模块，用于获取与裂缝图像对应的基站位置信息和基站距离信息。
信息计算模块，用于根据基站距离信息和基站位置信息，计算裂缝图像的拍摄位置信息。
位置确定模块，用于根据拍摄位置信息和深度信息，确定目标建筑物的裂缝位置。
本实施例中，根据基站位置信息和基站距离信息可以计算得到裂缝图像的拍摄位置信息，根据拍摄位置信息和深度信息，可以确定目标建筑物的裂缝位置，以便于检测人员进行实地考察或修复，简化了实地查找裂缝的操作。
关于建筑裂缝测量装置的具体限定可以参见上文中对于建筑裂缝测量方法的限定，在此不再赘述。上述建筑裂缝测量装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图15所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储用于建筑裂缝测量的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种建筑裂缝测量方法。
本领域技术人员可以理解，图15中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述建筑裂缝测量方法的步骤。此处建筑裂缝测量方法的步骤可以是上述各个实施例的建筑裂缝测量方法中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述建筑裂缝测量方法的步骤。此处建筑裂缝测量方法的步骤可以是上述各个实施例的建筑裂缝测量方法中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种建筑裂缝测量方法，其特征在于，所述方法包括：
获取目标建筑物的裂缝图像；所述裂缝图像通过无人机采集得到；
对所述裂缝图像进行图像处理，获得二值化裂缝图像；
从所述二值化裂缝图像中提取裂缝骨架图像；
遍历所述裂缝骨架图像中表征裂缝骨架的像素；
当遍历到的表征裂缝骨架的像素的八邻域中，表征裂缝骨架的像素的数量值不为1时，确定该像素符合非端点条件；所述非端点条件是像素不是端点时，该像素需要满足的条件；
确定在符合所述非端点条件的像素处的切线方向；所述切线方向是根据所述非端点条件的像素对应的切线上的像素的坐标确定得到；
根据所述切线方向确定在符合所述非端点条件的像素处的法线；
计算所述法线与所述裂缝骨架相交的像素之间的像素宽度；
通过所述无人机上的双目摄像头获取所述目标建筑物的双目图像；确定所述目标建筑物中的目标点在所述双目图像中的成像位置；根据所述成像位置、双目摄像头的基线长度和焦距，确定所述目标建筑物的裂缝图像的深度信息；
根据所述像素宽度、所述深度信息以及与所述深度信息对应的图像尺度因子计算所述目标建筑物的裂缝宽度。
2.根据权利要求1所述的方法，其特征在于，所述对所述裂缝图像进行图像处理，获得二值化裂缝图像包括：
对所述裂缝图像进行灰度处理，得到灰度裂缝图像；
对所述灰度裂缝图像进行滤波处理，得到滤波后的灰度裂缝图像；
对滤波后的所述灰度裂缝图像进行锐化处理，得到锐化后的灰度裂缝图像；
对锐化后的所述灰度裂缝图像进行二值化处理，得到二值化裂缝图像。
3.根据权利要求1所述的方法，其特征在于，所述从所述二值化裂缝图像中提取裂缝骨架图像包括：
对所述二值化裂缝图像进行闭操作处理；
通过细化算法对闭操作处理后的所述二值化裂缝图像进行细化处理，得到初始裂缝骨架图像；
对所述初始裂缝骨架图像进行抗锯齿处理，得到裂缝骨架图像。
4.根据权利要求1所述的方法，其特征在于，所述确定在符合所述非端点条件的像素处的切线方向包括：
在所述裂缝骨架图像中，根据链码查找与符合所述非端点条件的像素相邻的、且表征裂缝骨架的像素；
对查找的像素以及符合所述非端点条件的像素进行拟合，得到拟合曲线；
计算所述拟合曲线在符合所述非端点条件的像素处的导数，得到在符合所述非端点条件的像素处的切线方向。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取与所述裂缝图像对应的基站位置信息和基站距离信息；
根据所述基站距离信息和所述基站位置信息，计算所述裂缝图像的拍摄位置信息；
根据所述拍摄位置信息和所述深度信息，确定所述目标建筑物的裂缝位置。
6.一种建筑裂缝测量装置，其特征在于，所述装置包括：
图像获取模块，用于获取目标建筑物的裂缝图像；所述裂缝图像通过无人机采集得到；
图像处理模块，用于对所述裂缝图像进行图像处理，获得二值化裂缝图像；
骨架提取模块，用于从所述二值化裂缝图像中提取裂缝骨架图像；
像素宽度计算模块，用于遍历所述裂缝骨架图像中表征裂缝骨架的像素；当遍历到的表征裂缝骨架的像素的八邻域中，表征裂缝骨架的像素的数量值不为1时，确定该像素符合非端点条件；所述非端点条件是像素不是端点时，该像素需要满足的条件；确定在符合所述非端点条件的像素处的切线方向；所述切线方向是根据所述非端点条件的像素对应的切线上的像素的坐标确定得到；根据所述切线方向确定在符合所述非端点条件的像素处的法线；计算所述法线与所述裂缝骨架相交的像素之间的像素宽度；
信息确定模块，用于通过所述无人机上的双目摄像头获取所述目标建筑物的双目图像；确定所述目标建筑物中的目标点在所述双目图像中的成像位置；根据所述成像位置、双目摄像头的基线长度和焦距，确定所述目标建筑物的裂缝图像的深度信息；
裂缝宽度计算模块，用于根据所述像素宽度、所述深度信息以及与所述深度信息对应的图像尺度因子计算所述目标建筑物的裂缝宽度。
7.根据权利要求6所述的装置，其特征在于，所述图像处理模块还用于对所述裂缝图像进行灰度处理，得到灰度裂缝图像；对所述灰度裂缝图像进行滤波处理，得到滤波后的灰度裂缝图像；对滤波后的所述灰度裂缝图像进行锐化处理，得到锐化后的灰度裂缝图像；对锐化后的所述灰度裂缝图像进行二值化处理，得到二值化裂缝图像。
8.根据权利要求6所述的装置，其特征在于，所述骨架提取模块还用于对所述二值化裂缝图像进行闭操作处理；通过细化算法对闭操作处理后的所述二值化裂缝图像进行细化处理，得到初始裂缝骨架图像；对所述初始裂缝骨架图像进行抗锯齿处理，得到裂缝骨架图像。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
CN201910298639.5A 2019-04-15 2019-04-15 建筑裂缝测量方法、装置、计算机设备和存储介质 Active CN110207592B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910298639.5A CN110207592B (zh) 2019-04-15 2019-04-15 建筑裂缝测量方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910298639.5A CN110207592B (zh) 2019-04-15 2019-04-15 建筑裂缝测量方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN110207592A CN110207592A (zh) 2019-09-06
CN110207592B true CN110207592B (zh) 2021-11-09

Family

ID=67785303

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910298639.5A Active CN110207592B (zh) 2019-04-15 2019-04-15 建筑裂缝测量方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN110207592B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110992359B (zh) * 2019-12-20 2020-12-08 泗县智来机械科技有限公司 一种基于深度图的混凝土裂缝检测方法、装置及电子设备
CN113096121B (zh) * 2021-05-06 2024-03-08 绍兴文理学院 基于交叉断裂力学和图像处理的路面裂缝检测方法和系统
CN114111602B (zh) * 2021-11-22 2023-07-25 招商局重庆交通科研设计院有限公司 一种基于图像技术的桥梁表面裂缝宽度计算方法
CN114187368B (zh) * 2022-02-17 2022-05-06 深圳艾灵网络有限公司 建筑板材的暗纹检测方法、装置、电子设备及存储介质
CN114332079A (zh) * 2022-03-04 2022-04-12 宁波昌亚新材料科技股份有限公司 基于图像处理的塑料餐盒裂缝检测方法、装置及介质
CN114782845B (zh) * 2022-06-20 2022-09-02 青岛理工大学 爆破后建筑物新生裂缝识别方法、装置、设备及介质
CN115578725B (zh) * 2022-09-08 2023-08-01 中国地质环境监测院(自然资源部地质灾害技术指导中心) 一种基于人机协同的滑坡边界与裂缝的标注方法及系统
CN115619741B (zh) * 2022-10-19 2024-08-23 中国石油大学(北京) 一种裂缝宽度确定方法、装置、计算机设备及存储介质
CN117739817B (zh) * 2023-12-28 2024-08-09 北京智博联科技股份有限公司 一种针对建筑构件表面裂缝的激光定位方法和装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002022419A (ja) * 2000-07-10 2002-01-23 Sankyo Eng Kk クラック幅測定装置
KR100826153B1 (ko) * 2006-11-29 2008-04-30 한국표준과학연구원 영상의 농도치 히스토그램을 이용한 크랙의 폭 측정방법
CN102346013A (zh) * 2010-07-29 2012-02-08 同济大学 一种隧道衬砌裂缝宽度的测量方法及装置
CN102736092A (zh) * 2012-07-05 2012-10-17 北京建筑工程学院 基于单测距基站与gps的电子标签协同定位方法
JP2013117409A (ja) * 2011-12-02 2013-06-13 Taisei Corp ひび割れ検出方法
CN104949986A (zh) * 2015-05-11 2015-09-30 湖南桥康智能科技有限公司 视觉智能采集系统
CN105389793A (zh) * 2015-10-14 2016-03-09 北京智博联科技股份有限公司 一种自动识别物体表面裂缝走向及宽度的方法
CN105784710A (zh) * 2014-12-23 2016-07-20 桂林电子科技大学 一种基于数字图像处理的混凝土桥梁裂缝检测装置
CN108364280A (zh) * 2018-01-03 2018-08-03 东南大学 结构裂缝自动化描绘及宽度精准测量方法与设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002022419A (ja) * 2000-07-10 2002-01-23 Sankyo Eng Kk クラック幅測定装置
KR100826153B1 (ko) * 2006-11-29 2008-04-30 한국표준과학연구원 영상의 농도치 히스토그램을 이용한 크랙의 폭 측정방법
CN102346013A (zh) * 2010-07-29 2012-02-08 同济大学 一种隧道衬砌裂缝宽度的测量方法及装置
JP2013117409A (ja) * 2011-12-02 2013-06-13 Taisei Corp ひび割れ検出方法
CN102736092A (zh) * 2012-07-05 2012-10-17 北京建筑工程学院 基于单测距基站与gps的电子标签协同定位方法
CN105784710A (zh) * 2014-12-23 2016-07-20 桂林电子科技大学 一种基于数字图像处理的混凝土桥梁裂缝检测装置
CN104949986A (zh) * 2015-05-11 2015-09-30 湖南桥康智能科技有限公司 视觉智能采集系统
CN105389793A (zh) * 2015-10-14 2016-03-09 北京智博联科技股份有限公司 一种自动识别物体表面裂缝走向及宽度的方法
CN108364280A (zh) * 2018-01-03 2018-08-03 东南大学 结构裂缝自动化描绘及宽度精准测量方法与设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Image analysis method for crack distribution and width estimation for reinforced concrete structures;Yuan-Sen Yang等;《Automation in Construction》;20180731;第120-132页 *
基于裂缝中心线方向的土遗址裂缝宽度计算方法;龙雨等;《传感器与微系统》;20161231;第35卷(第9期);第15-16页第1-2节 *
隧道衬砌裂缝图像特征提取及识别方法研究;万宇;《中国优秀硕士学位论文全文数据库（工程科技Ⅱ辑）》;20181015(第10期);第C034-134页 *

Also Published As

Publication number Publication date
CN110207592A (zh) 2019-09-06

Similar Documents

Publication Publication Date Title
CN110207592B (zh) 建筑裂缝测量方法、装置、计算机设备和存储介质
CN112419250B (zh) 路面裂缝数字图像提取、裂缝修补及裂缝参数计算方法
CN108921176B (zh) 一种基于机器视觉的指针式仪表定位与识别方法
CN107154040B (zh) 一种隧道衬砌表面图像裂缝检测方法
WO2019134252A1 (zh) 结构裂缝自动化描绘及宽度精准测量方法与设备
CN109886939B (zh) 基于张量投票的桥梁裂缝检测方法
CN114418957A (zh) 基于机器人视觉的全局和局部二值模式图像裂缝分割方法
CN110136196B (zh) 一种桥梁裂缝宽度自动测量方法
JP6823486B2 (ja) ひび割れ検出方法
CN109829856B (zh) 一种桥梁裂缝信息融合方法
CN108241859B (zh) 车牌的校正方法及装置
CN111310771B (zh) 遥感影像的道路图像提取方法、装置、设备及存储介质
CN112179294A (zh) 一种土地校对方法、装置以及系统
CN110852207A (zh) 基于面向对象影像分类技术的蓝色屋顶建筑物提取方法
JP5705711B2 (ja) ひび割れ検出方法
Adu-Gyamfi et al. Functional evaluation of pavement condition using a complete vision system
CN109063564B (zh) 一种目标变化检测方法
CN114792327A (zh) 图像处理方法及系统
CN104966283A (zh) 图像分层配准方法
CN114565653B (zh) 一种存在旋转变化和尺度差异的异源遥感图像匹配方法
CN115731390A (zh) 一种灰岩隧道岩体结构面识别方法及设备
CN110349173B (zh) 基于高分辨率遥感影像的地物变化监测方法
JP6909090B2 (ja) コンクリート表面上の損傷部の定量評価方法、定量評価装置、定量評価システム及びプログラム
Tian et al. Automatic rooftop extraction in stereo imagery using distance and building shape regularized level set evolution
Pyka Comparison of quality of metric photos relative orientation in Micmac and PhotoScan

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