CN113390358A - 一种基于机器视觉识别技术的钢结构变形监测方法 - Google Patents
一种基于机器视觉识别技术的钢结构变形监测方法 Download PDFInfo
- Publication number
- CN113390358A CN113390358A CN202110623340.XA CN202110623340A CN113390358A CN 113390358 A CN113390358 A CN 113390358A CN 202110623340 A CN202110623340 A CN 202110623340A CN 113390358 A CN113390358 A CN 113390358A
- Authority
- CN
- China
- Prior art keywords
- steel structure
- monitoring
- stress
- machine vision
- coordinate
- 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
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 52
- 239000010959 steel Substances 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012544 monitoring process Methods 0.000 title claims abstract description 46
- 238000005516 engineering process Methods 0.000 title claims abstract description 18
- 230000008569 process Effects 0.000 claims abstract description 25
- 238000010276 construction Methods 0.000 claims abstract description 9
- 230000008859 change Effects 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 238000012795 verification Methods 0.000 abstract description 3
- 230000009471 action Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 1
- 235000017491 Bambusa tulda Nutrition 0.000 description 1
- 241001330002 Bambuseae Species 0.000 description 1
- 206010066054 Dysmorphism Diseases 0.000 description 1
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 239000011425 bamboo Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于机器视觉识别技术的钢结构变形监测方法，涉及钢结构施工技术领域。该基于机器视觉识别技术的钢结构变形监测方法采用机器视觉识别技术对钢结构提升全过程变形进行安全监测，实时获取相应的动态数据，并与理论数据进行对比验证，及时掌握结构变形趋势，准确性和自动化程度高，有效的起到了监控作用，保障了钢结构施工的安全。
Description
技术领域
本发明涉及钢结构施工技术领域，具体为一种基于机器视觉识别技术的钢结构变形监测方法。
背景技术
随着社会的不断进步，绿色建筑的不断发展，钢结构建筑作为绿色建筑中的一种以期得天独道的优势发展壮大，越来越多的大跨度、超高层钢结构建筑如雨后春笋般出现，更是不乏各种造型的空间异形钢结构建筑，带给人们新颖的视觉冲击的同时也给施工过程带来了更多的安全风险，长久以来对钢结构施工过程的安全监测缺少十分可靠的手段，如何能够保证此类钢结构建筑施工过程的安全，可靠的监测方法是必要的。
于是，本申请人秉持多年该相关行业丰富的设计开发及实际制作的经验，针对现有的结构及缺失予以研究改良，提供一种基于机器视觉识别技术的钢结构变形监测方法，以期达到具有更加实用价值性的目的。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种基于机器视觉识别技术的钢结构变形监测方法，解决了空间异形钢结构施工过程，特别是吊装过程中缺乏安全监测的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种基于机器视觉识别技术的钢结构变形监测方法，包括如下步骤：
步骤1、钢结构提升施工前，根据图纸设计内容，采用ANSYS有限元建模计算分析软件对钢结构进行受力性能分析和整个提升过程的模拟分析，得出钢结构提升过程的各节点和杆件相关应力、应变变化的理论数据；
步骤2、对拟提升的钢结构构件四周各设置固定同一参数配置的相机一台，并分别通过采用将黑白相间的二维标定板放置在结构构件处拍摄后的图片导入到matlab软件工具箱内进行相机内、外坐标参数转换求解，来实现对相机的现实系统坐标的统一标定，作为后续其他坐标转换的依据；
步骤3、坐标标定完成后，对待提升的钢结构各节点和步骤1分析中的变形较大的杆件分别粘贴黑白相间的方格纸，作为监测区域；
步骤4、按照提升方案对钢结构的分步提升，提升全过程每隔30s拍摄一张监测区域变化情况图片，将图片依次导入matlab软件工具箱内进行图像像素坐标与现实物理坐标的转换，得到每个监测区域一系列的坐标；
步骤5、借助计算机辅助软件，将步骤4中所有监测区域坐标信息进行统计，生成各监测区域任意时间位移变动信息表；
步骤6、分别将步骤5中各监测区域任意时间位移变动信息表中的信息作为相应监测点有限元分析的边界约束条件再次利用ANSYS有限元分析软件进行受力分析，得到钢结构各节点和杆件实际提升过程中任意时刻的应力、应变变化数据；
步骤7、将步骤6得到的各节点和杆件任意时刻应力、应变变化数据与步骤1中相应的理论数据进行对比，实时掌握钢结构提升全过程的应力、应变变化安全情况。
优选的，所述步骤2中二维标定板的放置拍设图片过程分为竖直放置于构件上拍摄与沿板边垂直方向切斜5°-8°夹角放置拍摄；所述系统标定采用平面二维矩阵坐标转化标定方法，包括相机像素坐标与现实坐标的转化。
(三)有益效果
本发明提供了一种基于机器视觉识别技术的钢结构变形监测方法。具备以下有益效果：
该基于机器视觉识别技术的钢结构变形监测方法采用机器视觉识别技术对钢结构提升全过程变形进行安全监测，实时获取相应的动态数据，并与理论数据进行对比验证，及时掌握结构变形趋势，准确性和自动化程度高，有效的起到了监控作用，保障了钢结构施工的安全。
附图说明
图1为本发明方法步骤图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例：请参阅图1，本发明提供一种技术方案：一种基于机器视觉识别技术的钢结构变形监测方法，监测方法采用一种新型监测技术，具有精度高，速度快，监测面广得优点，方法包括如下步骤：
步骤1、钢结构提升施工前，根据图纸设计内容，采用ANSYS有限元建模计算分析软件对钢结构进行受力性能分析和整个提升过程的模拟分析，得出钢结构提升过程的各节点和杆件相关应力、应变变化的理论数据；
步骤2、对拟提升的钢结构构件四周各设置固定同一参数配置的相机一台，并分别通过采用将黑白相间的二维标定板放置在结构构件处拍摄后的图片导入到matlab软件工具箱内进行相机内、外坐标参数转换求解，来实现对相机的现实系统坐标的统一标定；作为后续其他坐标转换的依据；
步骤3、坐标标定完成后，对待提升的钢结构各节点和步骤1分析中的变形较大的杆件分别粘贴黑白相间的方格纸，作为监测区域；
步骤4、按照提升方案对钢结构的分步提升，提升全过程每隔30s拍摄一张监测区域变化情况图片，将图片依次导入matlab软件工具箱内进行图像像素坐标与现实物理坐标的转换，得到每个监测区域一系列的坐标；
步骤5、借助计算机辅助软件，将步骤4中所有监测区域坐标信息进行统计，生成各监测区域任意时间位移变动信息表；
步骤6、分别将步骤5中各监测区域任意时间位移变动信息表中的信息作为相应监测点有限元分析的边界约束条件再次利用ANSYS有限元分析软件进行受力分析，得到钢结构各节点和杆件实际提升过程中任意时刻的应力、应变变化数据；
步骤7、将步骤6得到的各节点和杆件任意时刻应力、应变变化数据与步骤1中相应的理论数据进行对比，实时掌握钢结构提升全过程的应力、应变变化安全情况。
更进一步的，步骤2中二维标定板的放置拍设图片过程分为竖直放置于构件上拍摄与沿板边垂直方向切斜5°-8°夹角放置拍摄；系统标定采用平面二维矩阵坐标转化标定方法，包括相机像素坐标与现实坐标的转化。
综上所述，该基于机器视觉识别技术的钢结构变形监测方法采用机器视觉识别技术对钢结构提升全过程变形进行安全监测，实时获取相应的动态数据，并与理论数据进行对比验证，及时掌握结构变形趋势，准确性和自动化程度高，有效的起到了监控作用，保障了钢结构施工的安全。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (2)
1.一种基于机器视觉识别技术的钢结构变形监测方法，其特征在于：包括如下步骤：
步骤1、钢结构提升施工前，根据图纸设计内容，采用ANSYS有限元建模计算分析软件对钢结构进行受力性能分析和整个提升过程的模拟分析，得出钢结构提升过程的各节点和杆件相关应力、应变变化的理论数据；
步骤2、对拟提升的钢结构构件四周各设置固定同一参数配置的相机一台，并分别通过采用将黑白相间的二维标定板放置在结构构件处拍摄后的图片导入到matlab软件工具箱内进行相机内、外坐标参数转换求解，来实现对相机的现实系统坐标的统一标定，作为后续其他坐标转换的依据；
步骤3、坐标标定完成后，对待提升的钢结构各节点和步骤1分析中的变形较大的杆件分别粘贴黑白相间的方格纸，作为监测区域；
步骤4、按照提升方案对钢结构的分步提升，提升全过程每隔30s拍摄一张监测区域变化情况图片，将图片依次导入matlab软件工具箱内进行图像像素坐标与现实物理坐标的转换，得到每个监测区域一系列的坐标；
步骤5、借助计算机辅助软件，将步骤4中所有监测区域坐标信息进行统计，生成各监测区域任意时间位移变动信息表；
步骤6、分别将步骤5中各监测区域任意时间位移变动信息表中的信息作为相应监测点有限元分析的边界约束条件再次利用ANSYS有限元分析软件进行受力分析，得到钢结构各节点和杆件实际提升过程中任意时刻的应力、应变变化数据；
步骤7、将步骤6得到的各节点和杆件任意时刻应力、应变变化数据与步骤1中相应的理论数据进行对比，实时掌握钢结构提升全过程的应力、应变变化安全情况。
2.根据权利要求书1所述的一种基于机器视觉识别技术的钢结构变形监测方法,其特征在于：所述步骤2中二维标定板的放置拍设图片过程分为竖直放置于构件上拍摄与沿板边垂直方向切斜5°-8°夹角放置拍摄；所述系统标定采用平面二维矩阵坐标转化标定方法，包括相机像素坐标与现实坐标的转化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110623340.XA CN113390358A (zh) | 2021-06-04 | 2021-06-04 | 一种基于机器视觉识别技术的钢结构变形监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110623340.XA CN113390358A (zh) | 2021-06-04 | 2021-06-04 | 一种基于机器视觉识别技术的钢结构变形监测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113390358A true CN113390358A (zh) | 2021-09-14 |
Family
ID=77618258
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110623340.XA Pending CN113390358A (zh) | 2021-06-04 | 2021-06-04 | 一种基于机器视觉识别技术的钢结构变形监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113390358A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114812403A (zh) * | 2022-06-21 | 2022-07-29 | 兰州理工大学 | 基于无人机及机器视觉的大跨度钢结构吊装变形监测方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108759699A (zh) * | 2018-03-27 | 2018-11-06 | 西安交通大学 | 一种大视场砌体结构材料三维全场变形的测量方法及系统 |
| CN111156919A (zh) * | 2020-03-10 | 2020-05-15 | 广州特种承压设备检测研究院 | 一种金属材料微观变形测量方法 |
| CN211291360U (zh) * | 2020-01-21 | 2020-08-18 | 大连恒合工程检测有限公司 | 一种钢结构变形检测装置 |
| CN112319845A (zh) * | 2020-08-04 | 2021-02-05 | 杨海成 | 用于飞机壁板精度自修正的变形监测方法及系统 |
| CN112344868A (zh) * | 2020-08-04 | 2021-02-09 | 杨海成 | 用于飞机壁板制造的精度自修正方法及系统 |
| CN112665515A (zh) * | 2020-12-02 | 2021-04-16 | 上海建工四建集团有限公司 | 基于bim的钢结构变形监测方法 |
-
2021
- 2021-06-04 CN CN202110623340.XA patent/CN113390358A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108759699A (zh) * | 2018-03-27 | 2018-11-06 | 西安交通大学 | 一种大视场砌体结构材料三维全场变形的测量方法及系统 |
| CN211291360U (zh) * | 2020-01-21 | 2020-08-18 | 大连恒合工程检测有限公司 | 一种钢结构变形检测装置 |
| CN111156919A (zh) * | 2020-03-10 | 2020-05-15 | 广州特种承压设备检测研究院 | 一种金属材料微观变形测量方法 |
| CN112319845A (zh) * | 2020-08-04 | 2021-02-05 | 杨海成 | 用于飞机壁板精度自修正的变形监测方法及系统 |
| CN112344868A (zh) * | 2020-08-04 | 2021-02-09 | 杨海成 | 用于飞机壁板制造的精度自修正方法及系统 |
| CN112665515A (zh) * | 2020-12-02 | 2021-04-16 | 上海建工四建集团有限公司 | 基于bim的钢结构变形监测方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114812403A (zh) * | 2022-06-21 | 2022-07-29 | 兰州理工大学 | 基于无人机及机器视觉的大跨度钢结构吊装变形监测方法 |
| CN114812403B (zh) * | 2022-06-21 | 2024-02-27 | 兰州理工大学 | 基于无人机及机器视觉的大跨度钢结构吊装变形监测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110992317B (zh) | 一种基于语义分割的pcb板缺陷检测方法 | |
| CN107392896B (zh) | 一种基于深度学习的木材缺陷检测方法和系统 | |
| CN107045526A (zh) | 一种电子建筑施工图的图形识别方法 | |
| CN105574161B (zh) | 一种商标图形要素识别方法、装置和系统 | |
| CN109214298B (zh) | 一种基于深度卷积网络的亚洲女性颜值评分模型方法 | |
| CN112347882A (zh) | 一种智能分拣控制方法和智能分拣控制系统 | |
| CN115597494B (zh) | 一种基于点云的预制构件预留孔的精度检测方法、系统 | |
| CN104537358A (zh) | 基于深度学习的唇语识别唇形训练数据库的生成方法 | |
| CN110766805B (zh) | 火力发电厂交互式三维及vr仿真交底系统 | |
| CN113390358A (zh) | 一种基于机器视觉识别技术的钢结构变形监测方法 | |
| CN116846162B (zh) | 潜油电机定子叠压控制方法、装置、电子设备及存储介质 | |
| CN112836278A (zh) | 一种基于bim的智能工厂多源数据融合方法及装置 | |
| CN106952346B (zh) | 一种基于画平面多边形生成吊顶3d模型的系统及方法 | |
| CN117367516B (zh) | 基于多维测试的铝塑复合板性能检测系统 | |
| CN114820470A (zh) | 一种基于多特征融合的板材缺陷检测系统及检测方法 | |
| CN114170377A (zh) | 一种基于bim的历史建筑特色构件族库构建方法及系统 | |
| CN112488135A (zh) | 一种变电站bim三维图像特征的分类方法 | |
| CN110853103B (zh) | 一种用于深度学习姿态估计的数据集制作方法 | |
| CN114492681B (zh) | 应用电子设备识别彩印包装图案方法及其计算机视觉系统 | |
| CN114612394B (zh) | 一种基于Yolo网络和DIC技术的混凝土内部损伤预测方法 | |
| CN108763767A (zh) | 面向vr引擎的大数据量igs工业模型polygon转换方法 | |
| CN103677474B (zh) | 一种制备单片集成电容触摸屏的高精度小片拼贴系统 | |
| CN114547761A (zh) | 一种基于高精度模型的预制构件钢筋优化方法及系统 | |
| CN110782527B (zh) | 建筑建模方法及装置 | |
| CN111590265A (zh) | 基于激光扫描技术的模具修复方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210914 |
|
| RJ01 | Rejection of invention patent application after publication |