CN113673485B - 基于机器视觉的静压桩施工远程监控方法 - Google Patents

Abstract

本发明公开了一种基于机器视觉的静压桩施工远程监控方法，方法包括：S10：通过摄像装置采集现场不同时刻下的静压桩施工图像并传输给边缘计算设备，将所有的静压桩施工图像按采集时间的先后顺序进行排列组成图像集Q；S20：边缘计算设备对图像集Q内的相邻两张图像Q_n‑1和Q_n进行计算，得到压桩深度ΔY、压桩速度v以及偏转角度θ；图像Q_n‑1记为初始图像，图像Q_n记为下一帧图像；S30：边缘计算设备将压桩深度ΔY、压桩速度v以及偏转角度θ传输给监控平台，监控平台对静压桩施工的过程和质量进行远程监控。利用本发明，能够实现远程监管静压桩的施工质量。

Description

基于机器视觉的静压桩施工远程监控方法

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于机器视觉的静压桩施工远程监控方法。

背景技术

静压桩是工程桩基施工的一种方法，静压桩法施工是通过静力压桩机的压桩机构以压桩机自重和机架上的配重提供反力而将预制桩压入土中的沉桩工艺。静压桩适用于高压缩性粘土层或砂性较轻的软粘土层等软土地基使用。静压桩完全避免了锤击打桩所产生的振动、噪音和污染，施工时具有对桩无破坏、施工无噪音、无振动、无冲击力、无污染等优点，可以24小时连续施工，缩短了建设工期，创造了时间效益，从而降低工程综合造价。同时场地整洁、施工文明程度高，具有很好的实用优势。但是，实际施工时，施工质量受施工队伍的素质的影响较大，施工时监管和质量控制比较困难。

发明内容

本发明要解决的技术问题是：为了解决现有技术中静压桩施工质量监管困难的技术问题。本发明提供一种基于机器视觉的静压桩施工远程监控方法，通过摄像装置实时采集静压桩施工图像，通过边缘计算设备对实时采集的静压桩施工图像进行计算，得出静压桩的压桩深度、压桩速度和偏转角度，监控平台通过对压桩深度、压桩速度和偏转角度进行分析判断，从而远程监控静压桩的施工质量。并且，摄像装置记录的施工影像，便于后续追溯，防止施工的质量纠纷。

本发明解决其技术问题所采用的技术方案是：一种基于机器视觉的静压桩施工远程监控方法，采用摄像装置、边缘计算设备及监控平台，所述摄像装置与所述边缘计算设备通信连接，所述边缘计算设备与所述监控平台通信连接；所述方法包括以下步骤：

S10：通过所述摄像装置采集现场不同时刻下的静压桩施工图像并传输给所述边缘计算设备，将所有的静压桩施工图像按采集时间的先后顺序进行排列组成图像集Q；

S20：所述边缘计算设备对所述图像集Q内的相邻两张图像Q_n-1和Q_n进行计算，得到压桩深度ΔY、压桩速度v以及偏转角度θ；图像Q_n-1记为初始图像，图像Q_n记为下一帧图像；

S30：所述边缘计算设备将所述压桩深度ΔY、压桩速度v以及偏转角度θ传输给所述监控平台，所述监控平台对静压桩施工的过程和质量进行远程监控。

进一步地，步骤S20中计算出压桩深度ΔY的具体步骤为：

S21：将所述初始图像Q_n-1转换成初始灰度图像q_n-1，在所述初始灰度图像q_n-1中随机标注出i个目标区域A，每个所述目标区域A的尺寸为n×n，每个目标区域A之间不重叠，设定每个所述目标区域A的中心点坐标为(x_i,y_i)；

S22：将所述下一帧图像Q_n转换成下一帧灰度图像q_n，利用n×n的方框在所述下一帧灰度图像q_n上从左往右，从上往下依次进行逐像素搜索，得到m个搜索区域B，相邻的两个搜索区域B之间有部分区域重叠；

S23：将第一个搜索区域B₁与i个目标区域A分别进行图像匹配，并计算第一个搜索区域B₁与i个目标区域A之间的i个相关系数，将第二个搜索区域B₂与i个目标区域A分别进行图像匹配，并计算第二个搜索区域B₂与i个目标区域A之间的i个相关系数，以此类推，计算第m个搜索区域B_m与i个目标区域A之间的i个相关系数，共得到i×m个相关系数；在所述i×m个相关系数中分别挑选出与每个目标区域A的最大相关系数C_cor，每个最大相关系数C_cor对应的搜索区域B即为与该目标区域A匹配的匹配区域D；共获得i个匹配区域D，设所述匹配区域D的中心点坐标为(x_i',y_i')；

S24：对所述i个匹配区域D进行筛选，剩余参与计算的匹配区域D的数量为j个，所述j个匹配区域D分别对应一个目标区域A；

S25：计算每个匹配区域D的中心点坐标(x_i',y_i')与其对应的目标区域A的中心点 坐标(x_i,y_i)的变化量

,得到j个变化量

；再根据j个变化量

计算出变化量

的均值

以及标准差

和

；

S26：根据公式

和

来筛选异常的变化量

； 若变化量

的参数

和

中的至少一个满足上述公式，则判定该变化量

为异常值，将该异常的变化量

对应的匹配区域D进行剔除；经过筛选 后符合要求的匹配区域D的数量为k个，设所述k个匹配区域D的中心点坐标的变化量为

；

S27：从下一帧灰度图像q_n中提取出桩身图像的边界线，选取一个匹配区域D的中心点O_n，在所述下一帧灰度图像q_n上绘制一条垂线E，所述垂线E经过所述中心点O_n并垂直于桩身图像的边界线，设所述垂线E的长度为l_k，桩身实际的直径为d_k，计算转换系数为r_k=d_k/l_k；

S28：根据转换系数r_k，计算压桩深度ΔY为：

。

进一步地，步骤S20中计算压桩速度v具体包括：

设所述初始图像Q_n-1与下一帧图像Q_n之间的时间差为t，则在该时间差t内的压桩速度v为：v=ΔY/t。

进一步地，步骤S20中计算偏转角度θ具体包括：

所述初始图像Q_n-1与下一帧图像Q_n之间的水平方向的变化量为：

；则 所述初始图像Q_n-1与下一帧图像Q_n之间的偏转角度θ为：

。

进一步地，步骤S23中，将搜索区域B和目标区域A进行图像匹配并计算相关系数的具体步骤为：

S23-1：设每个所述目标区域A的灰度分布函数为

,所述目标区域A的中心 点坐标为

，每个目标区域A的灰度均值为

，其中，a=1，2，...，n； b=1，2，...，n；

S23-2：截取下一帧灰度图像q_n中纵坐标位于

以下的区域图像q_n'，利用n× n的方框对所述区域图像q_n'从左往右从上往下进行逐像素搜索，依次框出m个搜索区域B， 设每个搜索区域B的灰度分布函数为

，每个搜索区域B的灰度均值为

，其中，a=1，2，...，n；b=1，2，...，n；

S23-3：一个搜索区域B与一个目标区域A的之间的相关系数为：

，

先计算第一个搜索区域B₁与i个目标区域A之间的i个相关系数C，再计算第二个搜索区域B₂与i个目标区域A之间的i个相关系数C，以此类推，最后计算第m个搜索区域B_m与i个目标区域A之间的i个相关系数C，共得到i×m个相关系数C；在所述i×m个相关系数C中选取与每个目标区域A的最大相关系数，记为C_cor，共选出i个最大相关系数C_cor，每个最大相关系数C_cor对应的搜索区域B即为该目标区域A的匹配区域D；共获得i个匹配区域D。

进一步地，所述步骤S24中对所述i个匹配区域D进行筛选具体包括：

如果最大相关系数C_cor小于阈值C_min，则该最大相关系数C_cor对应的匹配区域D为不可信，进行剔除；如果匹配区域D的四个角落中有任一个角落的坐标位于下一帧灰度图像q₁的下边界线的下方，则认为该匹配区域D已经移动至图像视野外，进行剔除。

进一步地，步骤S30还包括：所述监控平台获取压桩深度ΔY、压桩速度v以及偏转角度θ后，将所述压桩深度ΔY、压桩速度v以及偏转角度θ与施工标准进行比较，如果发现压桩深度ΔY、压桩速度v或偏转角度θ不符合施工标准，监控平台及时采取措施，暂停施工或者指示施工人员进行校正。

本发明的有益效果如下：

本发明的基于机器视觉的静压桩施工远程监控方法，通过摄像装置实时采集静压桩施工的图像，并将采集到的图像发送给边缘计算设备，边缘计算设备根据采集到的图像计算出静压桩施工的压桩深度ΔY、压桩速度v和偏转角度θ，并将这三个参数发送给监控平台，监控平台可以将压桩深度ΔY、压桩速度v和偏转角度θ与施工标准进行比较，判断出现场施工的质量以及是否规范。本发明可以远程实时监控静压桩的施工进度及施工质量，提高施工的效率，并且，摄像装置记录的影像可以用于追溯，避免产生施工质量纠纷；通过边缘计算设备可以自动计算出施工的压桩深度ΔY、压桩速度v和偏转角度θ，方便快捷；本发明在计算过程中对异常的数据进行了多次筛选，能够保证参与计算的数据的准确性，提高计算的精度和效率。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1是本发明的基于机器视觉的静压桩施工远程监控采用的装置的结构示意图。

图2是本发明的基于机器视觉的静压桩施工远程监控方法的流程图。

图3是本发明的计算压桩深度ΔY、压桩速度v以及偏转角度θ的流程图。

图4是本发明的标注目标区域的示意图。

图5是本发明的匹配区域与目标区域中心点坐标的变化量

示意图。

图6是本发明的搜索区域B与目标区域A进行图像匹配的流程图。

具体实施方式

现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

如图1所示，一种基于机器视觉的静压桩施工远程监控方法，采用摄像装置1、边缘计算设备2及监控平台3，摄像装置1与边缘计算设备2通信连接，边缘计算设备2与监控平台3通信连接。在本实施例中，摄像装置1是安装在静压桩机上的，摄像范围正对着进行施工的预制桩，预制桩一般为圆柱形，在施工过程中预制桩是向下运动的，此时，摄像装置1是不动的，摄像装置1可以连续采集不同时刻的预制桩的图像。摄像装置1可以将实施采集到的图像发送给边缘计算设备2，边缘计算设备2可以及时地对采集到的图像进行计算分析。边缘计算设备2可以认为是和摄像装置1在同一现场。边缘计算设备2将计算得到的参数可以上传至云端，监控平台3再从云端获取施工现场实施的施工状态，从而对施工质量进行远程监控。

如图2所示，基于机器视觉的静压桩施工远程监控方法包括以下步骤：

S10：通过摄像装置1采集现场不同时刻下的静压桩施工图像并传输给边缘计算设备2，将所有的静压桩施工图像按采集时间的先后顺序进行排列组成图像集Q。

需要说明的是，摄像装置1采集到的图像可以是图片的形式保存，不同时刻采集到的图像按照采集时间的先后顺序进行排列例如，Q₁、Q₂、...Q_n，组成图像集Q。图像集Q内相邻的两张图像分别表示预制桩的一个运动过程，例如，图像Q₁和Q₂，图像Q₂为图像Q₁的下一帧图像，图像Q₂中的部分桩身的位置应该会位于图像Q₂中的桩身位置的下方。

S20：边缘计算设备2对图像集Q内的相邻两张图像Q_n-1和Q_n进行计算，得到压桩深度ΔY、压桩速度v以及偏转角度θ；图像Q_n-1记为初始图像，图像Q_n记为下一帧图像。

需要说明的是，如图3所示，计算压桩深度ΔY、压桩速度v以及偏转角度θ的具体过程为：

S21：将初始图像Q_n-1转换成初始灰度图像q_n-1，在初始灰度图像q_n-1中随机标注出i个目标区域A，每个目标区域A的尺寸为n×n，每个目标区域A之间不重叠，设定每个目标区域A的中心点坐标为(x_i,y_i)。

可以理解的是，如图4所示，首先给初始灰度图像q_n-1建立一个二维坐标系，在初始灰度图像q_n-1中随机标注出i个目标区域A，每个目标区域A的大小为n×n的方框，n表示像素的个数，n越大，目标区域A的面积越大。生成的i个目标区域分别有响应的编号，例如，第一个目标区域为A₁，第二目标区域为A₂，以此类推，将这i个目标区域A及其对应的中心点坐标(x_i,y_i)整理成一张目标区域列表进行储存。

S22：将下一帧图像Q_n转换成下一帧灰度图像q_n，利用n×n的方框在下一帧灰度图像q_n上从左往右，从上往下依次进行逐像素搜索，得到m个搜索区域B，相邻的两个搜索区域B之间有部分区域重叠。也就是说，用n×n的方框进行搜索时，每次只跳一行或一列像素，例如n=2时，n×n为2×2的方框，第一个搜索区域B₁里面有4个像素，2×2的方框向右移动一列像素后，第二个搜索区域B₂里面也有4个像素，但是搜索区域B₁和搜索区域B₂之间有2个像素是重叠的。因此，搜索区域B的数量是大于目标区域A的数量的。

S23：将第一个搜索区域B₁与i个目标区域A分别进行图像匹配，并计算第一个搜索区域B₁与i个目标区域A之间的i个相关系数，将第二个搜索区域B₂与i个目标区域A分别进行图像匹配，并计算第二个搜索区域B₂与i个目标区域A之间的i个相关系数，以此类推，计算第m个搜索区域B_m与i个目标区域A之间的i个相关系数，共得到i×m个相关系数；在所述i×m个相关系数中分别挑选出与每个目标区域A的最大相关系数C_cor，每个最大相关系数C_cor对应的搜索区域B即为与该目标区域A匹配的匹配区域D；共获得i个匹配区域D，设所述匹配区域D的中心点坐标为(x_i',y_i')。

需要说明的是，如图5所示，在下一帧灰度图像q_n也建立一个二维坐标系，在下一帧灰度图像q_n中采用n×n的方框在下一帧灰度图像q_n上从左往右从上往下逐像素搜索，依次框出m个搜索区域B。也就是说，搜索区域B的大小和目标区域A的大小是相同的，便于后续比较。m个搜索区域B及其对应的中心点坐标为(x_i',y_i')也按顺序整理成一张搜索区域列表进行储存。然后从第一个搜索区域B₁开始，将第一个搜索区域B₁与i个目标区域A分别进行图像匹配，且第一个搜索区域B₁每次只与一个目标区域A进行图像匹配，匹配i次，然后将第二个搜索区域B₂继续和i目标区域A分别进行图像匹配，再匹配i次，以此类推，直到第m个搜索区域B_m与i个目标区域A匹配完，这样共匹配了i×m次，每一次匹配均可以计算出一个相关系数，共得到i×m个相关系数。

具体的，如图6所示，将搜索区域B和目标区域A进行图像匹配并计算相关系数的具体步骤为：

S23-1：设每个目标区域A的灰度分布函数为

,目标区域A的中心点坐标为 (x_i,y_i)，每个目标区域A的灰度均值为

，其中，a=1，2，...，n；b=1， 2，...，n。

S23-2：截取下一帧灰度图像q_n中纵坐标位于

以下的区域图像q_n'，利用n ×n的方框对区域图像q_n'从左往右从上往下进行逐像素搜索，依次框出m个搜索区域B，设 每个搜索区域B的灰度分布函数为

，每个搜索区域B的灰度均值为

，其中，a=1，2，...，n；b=1，2，...，n。需要说明的是，静压桩施工时，桩身 是向下运动的，因此，上一时刻图像中的目标区域A在下一时刻图像中的位置，应该是位于 上一时刻图像中位置的下方，本实施例为了防止因施工导致相机抖动、细微位移等因素引 起图像产生误差，因此将搜索的基准线向上加了一个区域宽度n。

S23-3：一个搜索区域B与一个目标区域A的之间的相关系数为：

，

先计算第一个搜索区域B₁与i个目标区域A之间的i个相关系数C，再计算第二个搜索区域B₂与i个目标区域A之间的i个相关系数C，以此类推，最后计算第m个搜索区域B_m与i个目标区域A之间的i个相关系数C，共得到i×m个相关系数C；在所述i×m个相关系数C中选取与每个目标区域A的最大相关系数，记为C_cor，共选出i个最大相关系数C_cor，每个最大相关系数C_cor对应的搜索区域B即为该目标区域A的匹配区域D；共获得i个匹配区域D。

S24：对i个匹配区域D进行筛选，剩余参与计算的匹配区域D的数量为j个，j个匹配区域D分别对应一个目标区域A。

需要说明的是，如果最大相关系数C_cor小于阈值C_min阈值C_min可以设为0.8，阈值C_min的取值一般为0-1之间，越接近1，表明相关性越大，则该最大相关系数C_cor对应的匹配区域D为不可信，进行剔除。也就是说，所有的最大相关系数C_cor中的取值是不一样的，有些最大相关系数C_cor的值可能会小于0.8，那么认为这些小于0.8的最大相关系数C_cor对应的匹配区域D为不可信的，需要将其剔除，不参与后续的计算，有利于提高计算的精度。如果某个匹配区域D的四个角落中有任一个角落的坐标位于下一帧灰度图像q₁的下边界线的下方，则认为该匹配区域D已经移动至图像视野外，也要进行剔除。并且，在本次下一帧灰度图像q₁的上半部分中重新生成该匹配区域D的搜索区域B'，并将该搜索区域B'更新至搜索区域的列表中。

S25：计算每个匹配区域D的中心点坐标(x_i',y_i')与其对应的目标区域A的中心点 坐标(x_i,y_i)的变化量

,得到j个变化量

；再根据j个变化量

计算出变化量

的均值

以及标准差

和

。

S26：根据公式

和

来筛选异常的变化量

；若变化量

的参数

和

中的至少一个满足上述公式，则判定 该变化量

为异常值，将该异常的变化量

对应的匹配区域D进行剔除； 经过筛选后符合要求的匹配区域D的数量为k个，设k个匹配区域D的中心点坐标的变化量为

。

需要说明的是，公式

和

是用于剔除因环境、光线 等因素导致变化量

出现明显的偏离，将这些异常的变化量

剔除，不参 与后续的计算，可以进一步提高计算的精度。

S27：从下一帧灰度图像q_n中提取出桩身图像的边界线，选取一个匹配区域D的中心点O_n，在下一帧灰度图像q_n上绘制一条垂线E，垂线E经过中心点O_n并垂直于桩身图像的边界线，设垂线E的长度为l_k，桩身实际的直径为d_k，计算转换系数为r_k=d_k/l_k。也就是说，垂线E的长度l_k是桩身在图像中的直径，桩身实际的直径为d_k，转换系数为r_k=d_k/l_k表示实际值和测量值之间的一个转换比例。

S28：根据转换系数r_k，计算压桩深度ΔY为：

。

设初始图像Q_n-1与下一帧图像Q_n之间的时间差为t，则在该时间差t内的压桩速度v为：v=ΔY/t。

初始图像Q_n-1与下一帧图像Q_n之间的水平方向的变化量为：

；则初始 图像Q_n-1与下一帧图像Q_n之间的偏转角度θ为：

。

S30：边缘计算设备2将压桩深度ΔY、压桩速度v以及偏转角度θ传输给监控平台3，监控平台3对静压桩施工的过程和质量进行远程监控。

需要说明的是，压桩深度ΔY不足会导致地基承载能力不足，压桩速度v异常则可能是地质地层条件有差异，偏转角度θ过大则容易引起断桩和桩位偏差，这些将会导致建筑物异常沉降，严重时会导致偏斜和倾覆，危及人员生命财产安全。监控平台3获取压桩深度ΔY、压桩速度v以及偏转角度θ后，将压桩深度ΔY、压桩速度v以及偏转角度θ与施工标准进行比较，如果发现压桩深度ΔY、压桩速度v或偏转角度θ不符合施工标准或者有异常，监控平台3及时采取措施，暂停施工或者指示施工人员进行校正。

本发明的基于机器视觉的静压桩施工远程监控方法，通过摄像装置实时采集静压桩施工的图像，并将采集到的图像发送给边缘计算设备，边缘计算设备根据采集到的图像计算出静压桩施工的压桩深度ΔY、压桩速度v和偏转角度θ，并将这三个参数发送给监控平台，监控平台可以将压桩深度ΔY、压桩速度v和偏转角度θ与施工标准进行比较，判断出现场施工的质量以及是否规范。本发明可以远程实时监控静压桩的施工进度及施工质量，提高施工的效率；通过边缘计算设备可以自动计算出施工的压桩深度ΔY、压桩速度v和偏转角度θ，方便快捷；本发明在计算过程中对异常的数据进行了多次筛选，能够保证参与计算的数据的准确性，提高计算的精度和效率。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要如权利要求范围来确定其技术性范围。

Claims (6)

1.一种基于机器视觉的静压桩施工远程监控方法，其特征在于，采用摄像装置（1）、边缘计算设备（2）及监控平台（3），所述摄像装置（1）与所述边缘计算设备（2）通信连接，所述边缘计算设备（2）与所述监控平台（3）通信连接；所述方法包括以下步骤：

S10：通过所述摄像装置（1）采集现场不同时刻下的静压桩施工图像并传输给所述边缘计算设备（2），将所有的静压桩施工图像按采集时间的先后顺序进行排列组成图像集Q；

S20：所述边缘计算设备（2）对所述图像集Q内的相邻两张图像Q_n-1和Q_n进行计算，得到压桩深度ΔY、压桩速度v以及偏转角度θ；图像Q_n-1记为初始图像，图像Q_n记为下一帧图像；

S30：所述边缘计算设备（2）将所述压桩深度ΔY、压桩速度v以及偏转角度θ传输给所述监控平台（3），所述监控平台（3）对静压桩施工的过程和质量进行远程监控；

步骤S20中计算出压桩深度ΔY的具体步骤为：

S21：将所述初始图像Q_n-1转换成初始灰度图像q_n-1，在所述初始灰度图像q_n-1中随机标注出i个目标区域A，每个所述目标区域A的尺寸为n×n，每个目标区域A之间不重叠，设定每个所述目标区域A的中心点坐标为(x_i,y_i)；

S22：将所述下一帧图像Q_n转换成下一帧灰度图像q_n，利用n×n的方框在所述下一帧灰度图像q_n上从左往右，从上往下依次进行逐像素搜索，得到m个搜索区域B，相邻的两个搜索区域B之间有部分区域重叠；

S23：将第一个搜索区域B₁与i个目标区域A分别进行图像匹配，并计算第一个搜索区域B₁与i个目标区域A之间的i个相关系数，将第二个搜索区域B₂与i个目标区域A分别进行图像匹配，并计算第二个搜索区域B₂与i个目标区域A之间的i个相关系数，以此类推，计算第m个搜索区域B_m与i个目标区域A之间的i个相关系数，共得到i×m个相关系数；在所述i×m个相关系数中分别挑选出与每个目标区域A的最大相关系数C_cor，每个最大相关系数C_cor对应的搜索区域B即为与该目标区域A匹配的匹配区域D；共获得i个匹配区域D，设所述匹配区域D的中心点坐标为(x_i',y_i')；

S24：对所述i个匹配区域D进行筛选，剩余参与计算的匹配区域D的数量为j个，所述j个匹配区域D分别对应一个目标区域A；

S25：计算每个匹配区域D的中心点坐标(x_i',y_i')与其对应的目标区域A的中心点坐标(x_i,y_i)的变化量

，得到j个变化量

；再根据j个变化量

计算出变化量

的均值

以及标准差

和

；

S26：根据公式

和

来筛选异常的变化量

；若变化量

的参数

和

中的至少一个满足上述公式，则判定该变化量

为异常值，将该异常的变化量

对应的匹配区域D进行剔除；经过筛选后符合要求的匹配区域D的数量为k个，设所述k个匹配区域D的中心点坐标的变化量为

；

S27：从下一帧灰度图像q_n中提取出桩身图像的边界线，选取一个匹配区域D的中心点O_n，在所述下一帧灰度图像q_n上绘制一条垂线E，所述垂线E经过所述中心点O_n并垂直于桩身图像的边界线，设所述垂线E的长度为l_k，桩实际的直径为d_k，计算转换系数为r_k=d_k/l_k；

S28：根据转换系数r_k，计算压桩深度ΔY为：

。

2.如权利要求1所述的基于机器视觉的静压桩施工远程监控方法，其特征在于，步骤S20中计算压桩速度v具体包括：

设所述初始图像Q_n-1与下一帧图像Q_n之间的时间差为t，则在该时间差t内的压桩速度v为：v=ΔY/t。

3.如权利要求2所述的基于机器视觉的静压桩施工远程监控方法，其特征在于，步骤S20中计算偏转角度θ具体包括：

所述初始图像Q_n-1与下一帧图像Q_n之间的水平方向的变化量为：

；则所述初始图像Q_n-1与下一帧图像Q_n之间的偏转角度θ为：

。

4.如权利要求1所述的基于机器视觉的静压桩施工远程监控方法，其特征在于，步骤S23中，将搜索区域B和目标区域A进行图像匹配并计算相关系数的具体步骤为：

S23-1：设每个所述目标区域A的灰度分布函数为

，所述目标区域A的中心点坐标为(x_i,y_i)，每个目标区域A的灰度均值为

，其中，a=1，2，...，n；b=1，2，...，n；

S23-2：截取下一帧灰度图像q_n中纵坐标位于

以下的区域图像q_n'，利用n×n的方框对所述区域图像q_n'从左往右从上往下进行逐像素搜索，依次框出m个搜索区域B，设每个搜索区域B的灰度分布函数为

，每个搜索区域B的灰度均值为

，其中，a=1，2，...，n；b=1，2，...，n；

S23-3：一个搜索区域B与一个目标区域A的之间的相关系数为：

，

先计算第一个搜索区域B₁与i个目标区域A之间的i个相关系数C，再计算第二个搜索区域B₂与i个目标区域A之间的i个相关系数C，以此类推，最后计算第m个搜索区域B_m与i个目标区域A之间的i个相关系数C，共得到i×m个相关系数C；在所述i×m个相关系数C中选取与每个目标区域A的最大相关系数，记为C_cor，共选出i个最大相关系数C_cor，每个最大相关系数C_cor对应的搜索区域B即为该目标区域A的匹配区域D；共获得i个匹配区域D。

5.如权利要求1所述的基于机器视觉的静压桩施工远程监控方法，其特征在于，所述步骤S24中对所述i个匹配区域D进行筛选具体包括：

如果最大相关系数C_cor小于阈值C_min，则该最大相关系数C_cor对应的匹配区域D为不可信，进行剔除；

如果匹配区域D的四个角落中有任一个角落的坐标位于下一帧灰度图像q₁的下边界线的下方，则认为该匹配区域D已经移动至图像视野外，进行剔除。

6.如权利要求3所述的基于机器视觉的静压桩施工远程监控方法，其特征在于，步骤S30还包括：

所述监控平台（3）获取压桩深度ΔY、压桩速度v以及偏转角度θ后，将所述压桩深度ΔY、压桩速度v以及偏转角度θ与施工标准进行比较，如果发现压桩深度ΔY、压桩速度v或偏转角度θ不符合施工标准，监控平台（3）及时采取措施，暂停施工或者指示施工人员进行校正。

Images