CN110515884B - 基于图像分析的施工现场钢筋测距装置 - Google Patents
基于图像分析的施工现场钢筋测距装置 Download PDFInfo
- Publication number
- CN110515884B CN110515884B CN201910832919.XA CN201910832919A CN110515884B CN 110515884 B CN110515884 B CN 110515884B CN 201910832919 A CN201910832919 A CN 201910832919A CN 110515884 B CN110515884 B CN 110515884B
- Authority
- CN
- China
- Prior art keywords
- pixel
- distance
- image
- module
- steel bar
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F15/00—Digital computers in general; Data processing equipment in general
- G06F15/02—Digital computers in general; Data processing equipment in general manually operated with input through keyboard and computation using a built-in program, e.g. pocket calculators
- G06F15/025—Digital computers in general; Data processing equipment in general manually operated with input through keyboard and computation using a built-in program, e.g. pocket calculators adapted to a specific application
- G06F15/0275—Digital computers in general; Data processing equipment in general manually operated with input through keyboard and computation using a built-in program, e.g. pocket calculators adapted to a specific application for measuring
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于图像分析的施工现场钢筋测距装置,包括上位机和下位机,所述上位机由个人终端及内载于个人终端的数据同步处理系统组成,采用windows10/安卓操作系统,用于实现对下位机数据采集的控制和数据导出导入;所述下位机采用嵌入式数据采集系统,包括CPU、激光测距仪模块、摄像头组模、物理按键、扬声器、液晶面板、蓝牙模块、电源模块,激光测距仪模块用以测量设备到待测钢筋墙面的距离,用以辅助定标钢筋间距;摄像头组模用以采集钢筋结构的高清数字图像;液晶面板用于显示当前采集图片;SD卡用以存储图片及其对应采集参数;CPU用于根据采集到的图像计算出钢筋间距;蓝牙模块用于上位机与下位机之间的通信。
Description
技术领域
本发明涉及钢筋测距装置领域,具体涉及一种基于图像分析的施工现场钢筋测距装置。
背景技术
现有的钢筋混凝土结构施工过程中,钢筋绑扎定位很大程度上仍取决于操作工人的经验及施工方法,钢筋定位的精确度很难得到保证,以至于后期建筑质量存在很大隐患。特别是在建筑产业化装配式建筑施工过程中,预留连接钢筋的定位直接影响了施工的进度以及施工质量,钢筋定位不精确,保护层厚度无法得到保证,上下层连接筋无法连接,灌浆套筒失去连接作用,以至于结构的整体强度达不到设计要求,存在安全隐患,维护费用高,直接影响后期使用。
发明内容
为解决上述问题,本发明提供了一种基于图像分析的施工现场钢筋测距装置。
为实现上述目的,本发明采取的技术方案为:
基于图像分析的施工现场钢筋测距装置,包括上位机和下位机,所述上位机由个人终端及内载于个人终端的数据同步处理系统组成,采用windows10/安卓操作系统,用于实现对下位机数据采集的控制和数据导出导入;
所述下位机采用嵌入式数据采集系统,包括CPU、激光测距仪模块、摄像头组模、物理按键、扬声器、液晶面板、蓝牙模块、电源模块,激光测距仪模块用以测量设备到待测钢筋墙面的距离,用以辅助定标钢筋间距;摄像头组模用以采集钢筋结构的高清数字图像;液晶面板用于显示当前采集图片;SD卡用以存储图片及其对应采集参数;CPU用于根据采集到的图像计算出钢筋间距;蓝牙模块用于上位机与下位机之间的通信。
进一步地,所述CPU通过以下步骤计算钢筋间距:
S1、图像预处理
用于将拍摄到的彩色图像转换成灰度图像后,完成图像的去噪、增强处理;
S2、畸变校正
根据目标物最靠近相机的2条直线进行逐步扩展,可以最小包围目标物的外接矩形,以这个外接矩形尺寸为准完成图像的校正拉伸;
S3、边缘检测
基于二次曲线拟合的亚像素边缘检测:
(1)在任一整像素级边缘点的邻域内确定边缘灰度梯度方向;
(2)在边缘灰度梯度方向上,对灰度差值进行曲线拟合,对曲线函数求导进而求得极值位置,即是整像素点对应的亚像素边缘;
(3)对所有整像素点重复(1)、(2)操作,直至所有整像素点都找到相应的亚像素边缘点;
(4)完成所有亚像素位置的坐标转换;
S4、目标识别
使用Harris角点检测算子:
(1)用微分的思想考虑各个方向的灰度方差:
(2)采用了一个较为平滑的窗口(高斯函数)代替方形的windows:
(3)对E进行变形来解决Moravec算子对边缘响应过于灵敏;
变成了二次型,其中,
Harris的角点响应函数(CRF)表达式由此而得到:
其中:det(M)表示矩阵M的行列式,trace(M)表示矩阵的迹,当目标像素点的CRF值大于给定的阈值时,该像素点即为角点;
S5、长度检测
通过激光测距仪测量的距离和钢筋间距的像素值得出的函数关系,从而确定钢筋间距的实际距离,激光仪测量的实际距离与钢筋间距所包含的像素点个数之间的函数关系是测量钢筋间距实际距离的重点内容,需要进行多组实验,得拟合后的函数关系,然后通过拟合,得出相对较准确的函数关系,当我们测量得出距离待测目标的距离d后,参照上图的函数关系可以得到单位像素所占的实际长度a/p的具体数值,然后依据图像处理后得到钢筋交叉点之间所占的像素值p,就可以得到钢筋间的实际距离a。
进一步地,所述上位机通过串口通讯协议外接现场施工同步管理APP,通过该APP可查看已检测内容。
对比原有算法的不足,本发明在边缘检测与角点检测上进行了改进,从而提高检测时的效率与正确率。
(1)边缘检测是角点检测之前重要的一步,改进后的亚像素边缘检测在算法定位精度性能和抗噪性上有所提高。
(2)改进后的Harris角点检测,通过与原算法检测角点数、正确角点个数、正确率方面进行对比,提高角点检测准确率。
附图说明
图1为本发明实施例一种基于图像分析的施工现场钢筋测距装置的结构框图。
图2为本发明实施例一种基于图像分析的施工现场钢筋测距装置的使用方法流程图。
图3为本发明实施例中 d(距离)与p(像素)的线性关系。
图4 为本发明实施例中 d(距离)与a/p(单位像素的距离)的线性关系。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进。这些都属于本发明的保护范围。
如图1所示,本发明实施例提供了一种基于图像分析的施工现场钢筋测距装置,包括上位机和下位机,所述上位机由个人终端(可采用笔记本电脑、手机、pad等)及内载于个人终端的数据同步处理系统组成,采用windows10/安卓操作系统,用于实现对下位机数据采集的控制和数据导出导入;
所述下位机采用嵌入式数据采集系统,包括CPU、激光测距仪模块、摄像头组模、物理按键、扬声器、液晶面板、蓝牙模块、电源模块,激光测距仪模块用以测量设备到待测钢筋墙面的距离,用以辅助定标钢筋间距;摄像头组模用以采集钢筋结构的高清数字图像;液晶面板用于显示当前采集图片;SD卡用以存储图片及其对应采集参数;CPU用于根据采集到的图像计算出钢筋间距;蓝牙模块用于上位机与下位机之间的通信;
所述上位机通过串口通讯协议外接现场施工同步管理APP,通过该APP可查看已检测内容。
本实施例中,所述CPU通过以下步骤计算钢筋间距:
S1、图像预处理
用于将拍摄到的彩色图像转换成灰度图像后,完成图像的去噪、增强处理;
S2、畸变校正
根据目标物最靠近相机的2条直线进行逐步扩展,可以最小包围目标物的外接矩形,以这个外接矩形尺寸为准完成图像的校正拉伸;。
S3、边缘检测
基于二次曲线拟合的亚像素边缘检测:
(1)在任一整像素级边缘点的邻域内确定边缘灰度梯度方向(即边缘法线方向);
(2)在边缘灰度梯度方向上,对灰度差值进行曲线拟合,对曲线函数求导进而求得极值位置,即是整像素点对应的亚像素边缘;
(3)对所有整像素点重复(1)、(2)操作,直至所有整像素点都找到相应的亚像素边缘点;
(4)完成所有亚像素位置的坐标转换;
S4、目标识别
使用Harris角点检测算子:
(1)用微分的思想考虑各个方向的灰度方差:
(2)采用了一个较为平滑的窗口(高斯函数)代替方形的windows:
(3)对E进行变形来解决Moravec算子对边缘响应过于灵敏;
变成了二次型,其中,
Harris的角点响应函数(CRF)表达式由此而得到:
其中:det(M)表示矩阵M的行列式,trace(M)表示矩阵的迹,当目标像素点的CRF值大于给定的阈值时,该像素点即为角点;
就本课题研究的实际工程而言,Harris算法是角点检测算法中最有效的方法之一,针对它不具备尺度不变性,固定高斯函数参数值两个缺陷,本课题提出一种结合SIFI算法的具有自适应值的Harris算法,把m×n图像成分a×b小块区域,在每个特定区设置多个值,对每个值所对应的角点响应函数的值R采用约束准则进行筛选,在结合SIFT算法,使得Harris角点具有尺度不变性,进而改善检测角点的准确性。
S5、长度检测
通过激光测距仪测量的距离和钢筋间距的像素值得出的函数关系,从而确定钢筋间距的实际距离,激光仪测量的实际距离与钢筋间距所包含的像素点个数之间的函数关系是测量钢筋间距实际距离的重点内容,需要进行多组实验,得拟合后的函数关系,然后通过拟合,得出相对较准确的函数关系,下面对实验进行说明。
为了减小测量中的误差,选用光线充足、湿度适宜、粉尘较少、无复杂背景干扰的实验环境,标记出已知长度为a的待测物体,用激光仪控制在不同的距离d对待测物体进行图像采集,对采集到的图像进行处理,记录物体所占的像素值p,通过多组实验,可以得到d与p的函数关系大致如图3所示,从而得到d与a/p(单位像素所占的实际长度)之间的函数关系大致如图4所示。最后过曲线拟合,得到近似的函数关系。
当我们测量得出距离待测目标的距离d后,参照上图的函数关系可以得到a/p的具体数值,然后依据图像处理后得到钢筋交叉点之间所占的像素值p,就可以得到钢筋间的实际距离a。
如图2所示,使用时,将检测设备放平整后,激光测距仪测量设备到墙面的距离;摄像头实时采集图像,CPU根据图像计算出钢筋间距;CPU将图像及对应钢筋间距数据保存到SD卡中。当采集结束后,用户可以将设备中的图像及数据通过蓝牙模块传输到上位机软件中进行进一步分析。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (2)
1.基于图像分析的施工现场钢筋测距装置,包括上位机和下位机,其特征在于:所述上位机由个人终端及内载于个人终端的数据同步处理系统组成,采用windows10/安卓操作系统,用于实现对下位机数据采集的控制和数据导出导入;
所述下位机采用嵌入式数据采集系统,包括CPU、激光测距仪模块、摄像头组模、物理按键、扬声器、液晶面板、蓝牙模块、电源模块,激光测距仪模块用以测量设备到待测钢筋墙面的距离,用以辅助定标钢筋间距;摄像头组模用以采集钢筋结构的高清数字图像;液晶面板用于显示当前采集图片;SD卡用以存储图片及其对应采集参数;CPU用于根据采集到的图像计算出钢筋间距;蓝牙模块用于上位机与下位机之间的通信;所述CPU通过以下步骤计算钢筋间距:
S1、图像预处理
用于将拍摄到的彩色图像转换成灰度图像后,完成图像的去噪、增强处理;
S2、畸变校正
根据目标物最靠近相机的2条直线进行逐步扩展,可以最小包围目标物的外接矩形,以这个外接矩形尺寸为准完成图像的校正拉伸;
S3、边缘检测
基于二次曲线拟合的亚像素边缘检测:
(1)在任一整像素级边缘点的邻域内确定边缘灰度梯度方向;
(2)在边缘灰度梯度方向上,对灰度差值进行曲线拟合,对曲线函数求导进而求得极值位置,即是整像素点对应的亚像素边缘;
(3)对所有整像素点重复(1)、(2)操作,直至所有整像素点都找到相应的亚像素边缘点;
(4)完成所有亚像素位置的坐标转换;
S4、目标识别
使用Harris角点检测算子:
(1)用微分的思想考虑各个方向的灰度方差:
(3)对E进行变形来解决Moravec算子对边缘响应过于灵敏;
Harris的角点响应函数CRF表达式由此而得到:
其中:det(M)表示矩阵M的行列式,trace(M)表示矩阵的迹,当目标像素点的CRF值大于给定的阈值时,该像素点即为角点;
S5、长度检测
通过激光测距仪测量的实际距离和钢筋间距的像素值得出两者之间的函数关系,从而确定钢筋间距的实际距离,具体地,首先获取多组激光仪测量的实际距离与钢筋间距所包含的像素点个数之间的函数关系,然后拟合,得到两者之间的函数关系;测量获取距离待测目标的距离d后,参照所述函数关系可以得到单位像素所占的实际长度a/p的具体数值,然后依据图像处理后得到钢筋交叉点之间所占的像素值p,就可以得到钢筋间的实际距离a。
2.如权利要求1所述的基于图像分析的施工现场钢筋测距装置,其特征在于:所述上位机通过串口通讯协议外接现场施工同步管理APP,通过该APP可查看已检测内容。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910832919.XA CN110515884B (zh) | 2019-09-04 | 2019-09-04 | 基于图像分析的施工现场钢筋测距装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910832919.XA CN110515884B (zh) | 2019-09-04 | 2019-09-04 | 基于图像分析的施工现场钢筋测距装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110515884A CN110515884A (zh) | 2019-11-29 |
CN110515884B true CN110515884B (zh) | 2023-02-03 |
Family
ID=68630934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910832919.XA Active CN110515884B (zh) | 2019-09-04 | 2019-09-04 | 基于图像分析的施工现场钢筋测距装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110515884B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111780665B (zh) * | 2020-07-17 | 2021-09-21 | 江苏远荣智能装备有限公司 | 一种定位钢筋网位置的方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102706883A (zh) * | 2012-05-06 | 2012-10-03 | 山西省交通科学研究院 | 识别隧道已铺设段防水板孔洞的系统和方法 |
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 |
CN108614032A (zh) * | 2018-01-31 | 2018-10-02 | 江苏大学 | 一种基于改进神经网络的混凝土内部钢筋无损检测系统及控制方法 |
CN109146980A (zh) * | 2018-08-12 | 2019-01-04 | 浙江农林大学 | 基于单目视觉的优化的深度提取和被动测距方法 |
CN109448044A (zh) * | 2018-11-30 | 2019-03-08 | 重庆大学 | 一种用于钢筋笼中钢筋间距的辅助检测方法及系统 |
CN110119670A (zh) * | 2019-03-20 | 2019-08-13 | 杭州电子科技大学 | 一种基于Harris角点检测的视觉导航方法 |
CN110146030A (zh) * | 2019-06-21 | 2019-08-20 | 招商局重庆交通科研设计院有限公司 | 基于棋盘格标志法的边坡表面变形监测系统和方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2677464B1 (en) * | 2012-05-16 | 2018-05-02 | IMEC vzw | Feature detection in numeric data |
-
2019
- 2019-09-04 CN CN201910832919.XA patent/CN110515884B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102706883A (zh) * | 2012-05-06 | 2012-10-03 | 山西省交通科学研究院 | 识别隧道已铺设段防水板孔洞的系统和方法 |
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 |
CN108614032A (zh) * | 2018-01-31 | 2018-10-02 | 江苏大学 | 一种基于改进神经网络的混凝土内部钢筋无损检测系统及控制方法 |
CN109146980A (zh) * | 2018-08-12 | 2019-01-04 | 浙江农林大学 | 基于单目视觉的优化的深度提取和被动测距方法 |
CN109448044A (zh) * | 2018-11-30 | 2019-03-08 | 重庆大学 | 一种用于钢筋笼中钢筋间距的辅助检测方法及系统 |
CN110119670A (zh) * | 2019-03-20 | 2019-08-13 | 杭州电子科技大学 | 一种基于Harris角点检测的视觉导航方法 |
CN110146030A (zh) * | 2019-06-21 | 2019-08-20 | 招商局重庆交通科研设计院有限公司 | 基于棋盘格标志法的边坡表面变形监测系统和方法 |
Non-Patent Citations (3)
Title |
---|
Absolute distance measurement system using a femtosecond laser as a modulator;Nicolae R Doloca;《Measurement Science and Technology》;20100924;第21卷(第11期);全文 * |
一种改进的Harris角点提取算法;王崴等;《光学精密工程》;20081015(第10期);全文 * |
基于Harris角点的视频图像检测算法的研究;滕书娟等;《辽宁大学学报(自然科学版)》;20110815(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110515884A (zh) | 2019-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9270891B2 (en) | Estimation of panoramic camera orientation relative to a vehicle coordinate frame | |
US8654193B2 (en) | Method for registering model data for optical recognition processing and optical sensor | |
CN110866497B (zh) | 基于点线特征融合的机器人定位与建图方法和装置 | |
CN110580723A (zh) | 一种利用深度学习和计算机视觉进行精准定位的方法 | |
CN112825190B (zh) | 一种精度评估方法、系统、电子设备和存储介质 | |
CN110388919B (zh) | 增强现实中基于特征图和惯性测量的三维模型定位方法 | |
CN102184544B (zh) | 校畸和识别围棋棋谱图像的方法 | |
CN111754536B (zh) | 图像标注方法、装置、电子设备及存储介质 | |
CN111443337A (zh) | 一种基于手眼标定的雷达-imu标定方法 | |
CN110515884B (zh) | 基于图像分析的施工现场钢筋测距装置 | |
CN107071281A (zh) | 全景拍摄方法及装置 | |
US10733470B2 (en) | Systems and methods for rapid alignment of digital imagery datasets to models of structures | |
CN112419402B (zh) | 一种基于多光谱影像和激光点云的定位方法及系统 | |
CN113554712B (zh) | 自动驾驶车辆的配准方法、装置、电子设备和车辆 | |
CN114049401A (zh) | 双目相机标定方法、装置、设备及介质 | |
CN111079523B (zh) | 物体检测方法、装置、计算机设备和存储介质 | |
CN111985266B (zh) | 尺度图确定方法、装置、设备及存储介质 | |
CN111199191A (zh) | 基于刻度搜索的指针式仪表自动读取方法 | |
CN113628284B (zh) | 位姿标定数据集生成方法、装置、系统、电子设备及介质 | |
CN107451992B (zh) | 一种sar图像变化检测的方法与装置 | |
CN115375774A (zh) | 确定相机外参的方法、装置、设备及存储介质 | |
CN112146834B (zh) | 结构振动位移测量方法及装置 | |
CN115239700A (zh) | 一种脊椎Cobb角测量方法、装置、设备及存储介质 | |
CN106223620B (zh) | 一种臂架控制系统 | |
CN113847970B (zh) | 一种水位检测方法、装置及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |