CN113744182B - 一种基于二维码定位技术的监测复杂裂缝变化状态的方法 - Google Patents
一种基于二维码定位技术的监测复杂裂缝变化状态的方法 Download PDFInfo
- Publication number
- CN113744182B CN113744182B CN202110847239.2A CN202110847239A CN113744182B CN 113744182 B CN113744182 B CN 113744182B CN 202110847239 A CN202110847239 A CN 202110847239A CN 113744182 B CN113744182 B CN 113744182B
- Authority
- CN
- China
- Prior art keywords
- crack
- dimensional code
- images
- monitoring
- initial
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000013135 deep learning Methods 0.000 claims abstract description 8
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
- G06K7/1417—2D bar codes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
- G06K7/1443—Methods for optical code recognition including a method step for retrieval of the optical code locating of the code in an image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Toxicology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Electromagnetism (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于二维码定位技术的监测复杂裂缝变化状态的方法,特点是先将二维码标识张贴在复杂裂缝的两侧,利用相机拍摄包含该二维码标识的复杂裂缝图像,再通过图像处理及深度学习方法,得到各个裂缝监测区域内裂缝图像所占的像素点,并通过将前后两次拍摄的图像进行对照比较,得到发生变化的裂缝监测区域,最后合起来监测复杂裂缝的一个整体变化情况;优点是监测过程较为方便及时且监测结果较为准确,可以对监测出发生变化的区域进行颜色或记号标记从而更直观的显示,从而迅速分析出裂缝的发展情况,及时的做出预警;该方法既能监测简单的裂缝也能监测复杂裂缝,应用场景也很广阔,同样适用于大坝、水库和墙体裂缝的监测。
Description
技术领域
本发明涉及一种监测建筑结构裂缝变化状态的方法,尤其是一种基于二维码定位技术的监测复杂裂缝变化状态的方法。
背景技术
裂缝能够反应一个建筑结构的安全状况,所以当一个建筑结构上出现裂缝,及时了解裂缝的发展情况能够避免一些安全事故的发生,目前在非接触式测量裂缝时,利用相机拍摄裂缝图片结合计算机相关的算法能够较为精确的测量出裂缝的参数,但是目前已有的方法涉及的都是较为单一的裂缝,现有的方法没有考虑到复杂情况下的裂缝,如一条裂缝出现多条分支或一条裂缝贯穿整个墙体都给测量造成了困难,因此,需要一种新的测量方法能够同时满足单条裂缝和复杂裂缝的监测;目前现有的方法只能监测一些较短的裂缝或者单条裂缝,这些方法在裂缝复杂的情况下识别效果不佳。
发明内容
本发明所要解决的技术问题是提供一种能够有效监测复杂裂缝的基于二维码定位技术的监测复杂裂缝变化状态的方法,监测过程较为方便且监测结果较为准确。
本发明解决上述技术问题所采用的技术方案为:一种基于二维码定位技术的监测复杂裂缝变化状态的方法,包括以下步骤:
步骤1):选定具有多条分支的裂缝线的裂缝作为待监测裂缝,制作多张尺寸相同的带有定位标记点的二维码标识;
步骤2):从待监测裂缝的一端顶部开始,在待监测裂缝的两侧分别以设定的中心点间距和设定的中心点连线角度张贴一张二维码标识并作为一组标识单元,随后沿着裂缝走向向后并以设定的排列距离依次张贴多组标识单元,在同一条裂缝线上且相邻的任意两组标识单元中四个二维码标识的中心点的连线形成平行四边形区域,该平行四边形区域完整覆盖内部的裂缝;
步骤3):通过相机拍摄所有仅完整包含在同一个裂缝线上相邻的两个标识单元的初始图像,所有拍摄的初始图像中的平行四边形区域合起来覆盖完整的待监测裂缝;
步骤4):利用二维码定位技术对相机拍摄的每张初始图像中完整包含的四个二维码标识各自对应的中心点坐标,将每张拍摄的初始图像中由四个二维码标识的中心点围成的区域作为该张初始图像对应的初始裂缝监测区域;
步骤5):通过深度学习模块对所有拍摄的初始图像中的初始裂缝监测区域进行识别并输出仅包含裂缝的初始图像,获取仅包含裂缝的初始图像中的裂缝图像所占的像素点个数;
步骤6):设定监测间隔时间,在监测间隔时间后通过相机再拍摄拍摄所有仅完整包含在同一个裂缝线上相邻的两个标识单元的对比图像,所有拍摄的对比图像中的平行四边形区域合起来覆盖完整的待监测裂缝;
步骤7):利用二维码定位技术对相机拍摄的每张对比图像中完整包含的四个二维码标识各自对应的中心点坐标,将初始图像与对比图像中包含四个相同的二维码标识的图像作为一个比较图像组,在每个比较图像组中任意选取初始图像中的三个二维码标识和对比图像中相同的三个二维码标识,根据每个二维码标识的中心点坐标利用仿射变换对初始图像与对比图像图片进行图片的配准,得到与初始图像拍摄视角及拍摄距离相同的矫正后的对比图像;
步骤8):通过深度学习模块对所有矫正后的对比图像中的裂缝监测区域进行识别并输出仅包含裂缝的对比图像,获取仅包含裂缝的对比图像中的裂缝图像所占的像素点个数;
步骤9):通过比较包含相同的四个二维码标识的初始图像对应的仅包含裂缝的初始图像中的裂缝图像所占的像素点个数和对比图像对应的仅包含裂缝的对比图像中的裂缝图像所占的像素点个数,监测出发生变化的裂缝区域。
与现有技术相比,本发明的优点在于将二维码标识张贴在复杂裂缝的两侧,利用相机拍摄包含该二维码标识的复杂裂缝图像,再通过图像处理及深度学习方法,得到各个裂缝监测区域内裂缝图像所占的像素点,并通过将前后两次拍摄的图像进行对照比较,得到发生变化的裂缝监测区域,最后合起来监测复杂裂缝的一个整体变化情况,监测过程较为方便及时且监测结果较为准确,可以对监测出发生变化的区域进行颜色或记号标记从而更直观的显示,从而迅速分析出裂缝的发展情况,及时的做出预警;该方法既能监测简单的裂缝也能监测复杂裂缝,应用场景也很广阔,同样适用于大坝、水库和墙体裂缝的监测。
附图说明
图1是本发明的二维码标识张贴结构示意图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
一种基于二维码定位技术的监测复杂裂缝变化状态的方法,包括以下步骤:
步骤1):选定具有多条分支的裂缝线的裂缝作为待监测裂缝,制作多张尺寸相同的带有定位标记点的二维码标识1;
步骤2):从待监测裂缝的一端顶部开始,在待监测裂缝的两侧分别以设定的中心点间距和设定的中心点连线角度张贴一张二维码标识1并作为一组标识单元,随后沿着裂缝走向向后并以设定的排列距离依次张贴多组标识单元,在同一条裂缝线上且相邻的任意两组标识单元中四个二维码标识1的中心点的连线形成平行四边形区域,该平行四边形区域完整覆盖内部的裂缝;
步骤3):通过相机拍摄所有仅完整包含在同一个裂缝线上相邻的两个标识单元的初始图像,所有拍摄的初始图像中的平行四边形区域合起来覆盖完整的待监测裂缝;
步骤4):利用二维码定位技术对相机拍摄的每张初始图像中完整包含的四个二维码标识1各自对应的中心点坐标,将每张拍摄的初始图像中由四个二维码标识1的中心点围成的区域作为该张初始图像对应的初始裂缝监测区域;
步骤5):通过深度学习模块对所有拍摄的初始图像中的初始裂缝监测区域进行识别并输出仅包含裂缝的初始图像,获取仅包含裂缝的初始图像中的裂缝图像所占的像素点个数;
步骤6):设定监测间隔时间,在监测间隔时间后通过相机再拍摄拍摄所有仅完整包含在同一个裂缝线上相邻的两个标识单元的对比图像,所有拍摄的对比图像中的平行四边形区域合起来覆盖完整的待监测裂缝;
步骤7):利用二维码定位技术对相机拍摄的每张对比图像中完整包含的四个二维码标识1各自对应的中心点坐标,将初始图像与对比图像中包含四个相同的二维码标识1的图像作为一个比较图像组,在每个比较图像组中任意选取初始图像中的三个二维码标识1和对比图像中相同的三个二维码标识1,根据每个二维码标识1的中心点坐标利用仿射变换对初始图像与对比图像图片进行图片的配准,得到与初始图像拍摄视角及拍摄距离相同的矫正后的对比图像;
步骤8):通过深度学习模块对所有矫正后的对比图像中的裂缝监测区域进行识别并输出仅包含裂缝的对比图像,获取仅包含裂缝的对比图像中的裂缝图像所占的像素点个数;
步骤9):通过比较包含相同的四个二维码标识1的初始图像对应的仅包含裂缝的初始图像中的裂缝图像所占的像素点个数和对比图像对应的仅包含裂缝的对比图像中的裂缝图像所占的像素点个数,监测出发生变化的裂缝区域。
Claims (1)
1.一种基于二维码定位技术的监测复杂裂缝变化状态的方法,其特征在于包括以下步骤:
步骤1):选定具有多条分支的裂缝线的裂缝作为待监测裂缝,制作多张尺寸相同的带有定位标记点的二维码标识;
步骤2):从待监测裂缝的一端顶部开始,在待监测裂缝的两侧分别以设定的中心点间距和设定的中心点连线角度张贴一张二维码标识并作为一组标识单元,随后沿着裂缝走向向后并以设定的排列距离依次张贴多组标识单元,在同一条裂缝线上且相邻的任意两组标识单元中四个二维码标识的中心点的连线形成平行四边形区域,该平行四边形区域完整覆盖内部的裂缝;
步骤3):通过相机拍摄所有仅完整包含在同一个裂缝线上相邻的两个标识单元的初始图像,所有拍摄的初始图像中的平行四边形区域合起来覆盖完整的待监测裂缝;
步骤4):利用二维码定位技术对相机拍摄的每张初始图像中完整包含的四个二维码标识各自对应的中心点坐标,将每张拍摄的初始图像中由四个二维码标识的中心点围成的区域作为该张初始图像对应的初始裂缝监测区域;
步骤5):通过深度学习模块对所有拍摄的初始图像中的初始裂缝监测区域进行识别并输出仅包含裂缝的初始图像,获取仅包含裂缝的初始图像中的裂缝图像所占的像素点个数;
步骤6):设定监测间隔时间,在监测间隔时间后通过相机再拍摄拍摄所有仅完整包含在同一个裂缝线上相邻的两个标识单元的对比图像,所有拍摄的对比图像中的平行四边形区域合起来覆盖完整的待监测裂缝;
步骤7):利用二维码定位技术对相机拍摄的每张对比图像中完整包含的四个二维码标识各自对应的中心点坐标,将初始图像与对比图像中包含四个相同的二维码标识的图像作为一个比较图像组,在每个比较图像组中任意选取初始图像中的三个二维码标识和对比图像中相同的三个二维码标识,根据每个二维码标识的中心点坐标利用仿射变换对初始图像与对比图像图片进行图片的配准,得到与初始图像拍摄视角及拍摄距离相同的矫正后的对比图像;
步骤8):通过深度学习模块对所有矫正后的对比图像中的裂缝监测区域进行识别并输出仅包含裂缝的对比图像,获取仅包含裂缝的对比图像中的裂缝图像所占的像素点个数;
步骤9):通过比较包含相同的四个二维码标识的初始图像对应的仅包含裂缝的初始图像中的裂缝图像所占的像素点个数和对比图像对应的仅包含裂缝的对比图像中的裂缝图像所占的像素点个数,监测出发生变化的裂缝区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110847239.2A CN113744182B (zh) | 2021-07-27 | 2021-07-27 | 一种基于二维码定位技术的监测复杂裂缝变化状态的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110847239.2A CN113744182B (zh) | 2021-07-27 | 2021-07-27 | 一种基于二维码定位技术的监测复杂裂缝变化状态的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113744182A CN113744182A (zh) | 2021-12-03 |
CN113744182B true CN113744182B (zh) | 2023-11-03 |
Family
ID=78729228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110847239.2A Active CN113744182B (zh) | 2021-07-27 | 2021-07-27 | 一种基于二维码定位技术的监测复杂裂缝变化状态的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113744182B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190087179A (ko) * | 2018-01-16 | 2019-07-24 | 주식회사 지오멕스소프트 | 표적을 이용한 구조물 표면 균열 측정 방법 및 이를 기록한 기록매체 |
CN110675367A (zh) * | 2019-08-30 | 2020-01-10 | 南京理工大学 | 基于机器视觉标定二维码识别裂缝宽度的方法 |
CN110906878A (zh) * | 2019-12-11 | 2020-03-24 | 苏州市建筑科学研究院集团股份有限公司 | 一种裂缝或变形监测系统及其监测方法 |
CN111652923A (zh) * | 2020-04-29 | 2020-09-11 | 南京理工大学 | 一种用于裂缝宽度测量的标志和使用方法 |
CN111754562A (zh) * | 2020-05-13 | 2020-10-09 | 南京理工大学 | 一种利用二维码和特征点匹配技术监测裂缝变化的方法 |
CN112434541A (zh) * | 2020-12-09 | 2021-03-02 | 南京宥安传感科技有限公司 | 一种用于测量裂缝宽度的二维码布置方法和装置 |
CN112525160A (zh) * | 2020-12-09 | 2021-03-19 | 南京宥安传感科技有限公司 | 一种基于机器视觉的裂缝变化监测系统 |
CN213120409U (zh) * | 2020-10-29 | 2021-05-04 | 宁波市水库管理中心 | 一种水库大坝坝体接缝变形情况的监测装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2017014288A1 (ja) * | 2015-07-21 | 2017-07-20 | 株式会社東芝 | ひび割れ解析装置、ひび割れ解析方法及びひび割れ解析プログラム |
CN108364280B (zh) * | 2018-01-03 | 2022-04-15 | 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 |
-
2021
- 2021-07-27 CN CN202110847239.2A patent/CN113744182B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190087179A (ko) * | 2018-01-16 | 2019-07-24 | 주식회사 지오멕스소프트 | 표적을 이용한 구조물 표면 균열 측정 방법 및 이를 기록한 기록매체 |
CN110675367A (zh) * | 2019-08-30 | 2020-01-10 | 南京理工大学 | 基于机器视觉标定二维码识别裂缝宽度的方法 |
CN110906878A (zh) * | 2019-12-11 | 2020-03-24 | 苏州市建筑科学研究院集团股份有限公司 | 一种裂缝或变形监测系统及其监测方法 |
CN111652923A (zh) * | 2020-04-29 | 2020-09-11 | 南京理工大学 | 一种用于裂缝宽度测量的标志和使用方法 |
CN111754562A (zh) * | 2020-05-13 | 2020-10-09 | 南京理工大学 | 一种利用二维码和特征点匹配技术监测裂缝变化的方法 |
CN213120409U (zh) * | 2020-10-29 | 2021-05-04 | 宁波市水库管理中心 | 一种水库大坝坝体接缝变形情况的监测装置 |
CN112434541A (zh) * | 2020-12-09 | 2021-03-02 | 南京宥安传感科技有限公司 | 一种用于测量裂缝宽度的二维码布置方法和装置 |
CN112525160A (zh) * | 2020-12-09 | 2021-03-19 | 南京宥安传感科技有限公司 | 一种基于机器视觉的裂缝变化监测系统 |
Non-Patent Citations (4)
Title |
---|
"基于手机的裂缝监测系统"危房检测现场实验研究;丁勇;吴玉龙;岳大森;张汉钰;王鹏;李登华;工程质量;第38卷(第011期);全文 * |
基于图像处理技术的房屋裂缝宽度变化实时监测研究;杨钢;吴建超;乔岳强;胡庆;汤勇;四川建筑科学研究(第004期);全文 * |
基于特征点集距离描述的裂缝图像匹配算法研究;朱力强;王春薇;王耀东;余祖俊;郭保青;仪器仪表学报(第012期);全文 * |
高寒区长距离输水渠道光纤渗漏监测新技术研究;李登华;张桂荣;丁勇;孔洋;何宁;岩土工程学报;第42卷(第0z2期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113744182A (zh) | 2021-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108535321B (zh) | 一种基于三维红外热成像技术的建筑热工性能检测方法 | |
CN110246124B (zh) | 基于深度学习的目标尺寸测量方法及系统 | |
CN109900711A (zh) | 基于机器视觉的工件缺陷检测方法 | |
CN103903260B (zh) | 一种摄像机内参数快速标定的靶标方法 | |
CN103345755A (zh) | 一种基于Harris算子的棋盘格角点亚像素提取方法 | |
CN110826549A (zh) | 基于计算机视觉的巡检机器人仪表图像识别方法及系统 | |
CN104764440A (zh) | 基于彩色图像的滚转物单目位姿测量方法 | |
CN106845514B (zh) | 一种基于深度学习的指针式表盘的读数判断方法和装置 | |
CN107044821A (zh) | 一种非接触式管类物体的测量方法及系统 | |
CN103234475B (zh) | 一种基于激光三角测量法的亚像素表面形态检测方法 | |
CN108986721B (zh) | 一种用于显示面板检测的检测图形生成方法 | |
CN105223208B (zh) | 一种电路板检测模板及其制作方法、电路板检测方法 | |
CN110617772A (zh) | 一种非接触式线径测量装置及方法 | |
CN110930382A (zh) | 基于标定板特征点提取的点云拼接精度评估方法及系统 | |
CN102727194A (zh) | 一种脑电电极空间定位系统和定位方法 | |
CN105423975B (zh) | 一种大型工件的标定系统及方法 | |
CN106204560A (zh) | 菌落挑选仪自动标定方法 | |
CN113688817A (zh) | 一种自动巡检的仪表识别方法及识别系统 | |
CN112927233A (zh) | 一种船用激光雷达与视频联合目标捕捉方法 | |
CN113744182B (zh) | 一种基于二维码定位技术的监测复杂裂缝变化状态的方法 | |
CN109636856A (zh) | 基于hog特征融合算子的物体六维度位姿信息联合测量方法 | |
CN111811482B (zh) | 一种基于无人机影像的架空输电线路档距、转角测量方法 | |
CN110619365B (zh) | 一种落水检测方法 | |
CN116630267A (zh) | 基于无人机与激光雷达数据融合的路基沉降监测方法 | |
CN112053331B (zh) | 一种图像叠加和裂缝信息融合的桥梁裂缝检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |