CN114326794A - 幕墙缺陷的识别方法、控制终端、服务器及可读存储介质 - Google Patents
幕墙缺陷的识别方法、控制终端、服务器及可读存储介质 Download PDFInfo
- Publication number
- CN114326794A CN114326794A CN202111518974.5A CN202111518974A CN114326794A CN 114326794 A CN114326794 A CN 114326794A CN 202111518974 A CN202111518974 A CN 202111518974A CN 114326794 A CN114326794 A CN 114326794A
- Authority
- CN
- China
- Prior art keywords
- curtain wall
- information
- determining
- aerial vehicle
- unmanned aerial
- 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
Images
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开一种幕墙缺陷的识别方法、控制终端、服务器及可读存储介质,其中所述方法包括:控制终端在接收到检测命令时,获取目标建筑周围的环境信息;根据环境信息确定目标建筑对应的目标检测路径和拍摄参数;根据目标检测路径和拍摄参数生成飞行命令,并将飞行命令发送至无人机;通过飞行命令控制无人机根据目标检测路径飞行,和控制无人机的拍摄装置根据所述拍摄参数执行拍摄动作,其中无人机拍摄到幕墙图像数据后,将幕墙图像数据发送至服务器,以使服务器根据幕墙图像数据确定幕墙缺陷。本发明达成了提升幕墙检测效率的效果。
Description
技术领域
本发明涉及幕墙检测技术领域,尤其涉及一种幕墙缺陷的识别方法、控制终端、服务器及可读存储介质。
背景技术
随着建筑幕墙在我国的迅速发展,我国已成为世界最大的幕墙生产国及使用国之一,国家对于建筑幕墙的安全问题越来越受到重视,目前我国多地已出台了多项建筑幕墙的安全检查规定。同时随着我国无人机技术在低空,超低空等领域得到广泛的发展,无人机在巡检、测绘领域得到广泛的应用,能够在一些高危领域代替人工作业,降低作业成本的同时提高了检测效率。
常见的无人机检查幕墙识别的方式通常为半机械化识别,例如操作人员控制无人机采集到建筑幕墙图像,将图像传输至用户端,再由相应的工作人员人为的根据图像来确定幕墙上的是否存在缺陷。
然而这种识别流程仍然离不开人为的参与,仅是将采集建筑幕墙的安全信息这一过程转移到相对安全的环境中进行,因此这种半机械化的识别方式仍然存在一些识别效率上的局限。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种幕墙缺陷的识别方法,旨在解决幕墙检测效率较低的问题。
为实现上述目的,本发明提供的一种幕墙缺陷的识别的方法,所述幕墙缺陷的识别的方法包括:
在接收到检测命令时,获取目标建筑周围的环境信息;
根据所述环境信息确定所述目标建筑对应的目标检测路径和拍摄参数;
根据所述目标检测路径和所述拍摄参数生成飞行命令,并将所述飞行命令发送至无人机;
通过所述飞行命令控制所述无人机根据所述目标检测路径飞行,和控制所述无人机的拍摄装置根据所述拍摄参数执行拍摄动作,其中所述无人机拍摄到幕墙图像数据后,将所述幕墙图像数据发送至服务器,以使所述服务器根据所述幕墙图像数据确定幕墙缺陷。
可选地,所述根据所述环境信息确定所述目标建筑对应的目标检测路径和拍摄参数的步骤包括:
根据所述环境信息确定所述无人机的起止位置,将所述起止位置代入蚁群算法,得到所述目标检测路径;以及
根据所述环境信息确定所述拍摄参数,其中所述拍摄参数包括图像重叠率、高度、飞行速度、航线角度和/或拍摄距离。
可选地,所述根据所述目标检测路径和所述拍摄参数生成飞行命令,并将所述飞行命令发送至无人机的步骤包括:
将所述目标检测路径进行三维模型重建,以确定所述无人机的目标飞行路径,其中,所述目标飞行路径为所述无人机飞行至所述目标建筑进行拍摄的飞行路径;
根据所述拍摄参数和所述目标飞行路径中所述无人机的飞行终点确定所述拍摄装置的目标拍摄位置,以使所述拍摄装置根据所述目标拍摄位置获取所述幕墙图像数据;
根据所述目标飞行路径和所述目标拍摄位置生成飞行命令;
将所述飞行命令发送至所述无人机。
此外,为实现上述目的,本发明还提供一种幕墙缺陷的识别方法,所述幕墙缺陷的识别方法包括:
接收无人机发送的幕墙图像数据,并确定所述幕墙图像数据的特征信息;
确定所述特征信息与预设参考信息之间的匹配度;
根据所述匹配度确定幕墙完整度、密封胶完整度、幕墙骨架锈蚀度和/或装饰条完整度;
根据所述幕墙完整度、密封胶完整度、幕墙骨架锈蚀度和/或装饰条完整度确定幕墙缺陷。
可选地,所述确定所述特征信息与预设参考信息之间的匹配度的步骤包括:
根据所述特征信息确定所述幕墙图像数据中的幕墙特征类型,所述特征类型包括幕墙材质、密封胶、幕墙骨架和/或装饰条;
根据所述特征类型确定预设数据库中对应的预设参考信息,所述预设参考信息包括参考幕墙材质信息、参考密封胶信息、参考幕墙骨架信息和/或参考装饰条信息;
获取所述特征类型与所述特征类型对应的预设参考信息的匹配度。
可选地,所述根据所述匹配度确定幕墙完整度、密封胶完整度、幕墙骨架锈蚀度和/或装饰条完整度的步骤包括:
当所述特征类型为所述幕墙材质时,获取所述幕墙材质与所述参考幕墙材质信息的匹配度,以根据所述匹配度大于预设阈值的参考幕墙材质信息确定所述幕墙完整度;
当所述特征类型为所述密封胶时,获取所述密封胶与所述参考密封胶信息的匹配度,以根据所述匹配度大于预设阈值的参考密封胶信息确定所述密封胶完整度;
当所述特征类型为所述幕墙骨架时,获取所述幕墙骨架与所述参考幕墙骨架信息的匹配度,以根据所述匹配度大于预设阈值的参考幕墙骨架信息确定所述幕墙骨架锈蚀度;
当所述特征类型为所述装饰条时,获取所述装饰条信息与所述参考装饰条信息的匹配度,以根据所述匹配度大于预设阈值的参考装饰条信息确定所述装饰条完整度。
此外,为实现上述目的,本发明还提供一种控制终端,所述控制终端包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的幕墙缺陷的识别程序,所述幕墙缺陷的识别程序被所述处理器执行时实现应用于控制终端的幕墙缺陷的识别方法的步骤。
此外,为实现上述目的,本发明还提供一种服务器,所述服务器包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的幕墙缺陷的识别程序,所述幕墙缺陷的识别程序被所述处理器执行时实现应用于服务器的幕墙缺陷的识别方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有幕墙缺陷的识别程序,所述幕墙缺陷的识别程序被处理器执行时实现如上所述的幕墙缺陷的识别方法的步骤。
本发明实施例提供一种幕墙缺陷的识别方法、控制终端、服务器以及计算机可读存储介质,控制终端在接收到检测命令时,获取目标建筑周围的环境信息;根据所述环境信息确定所述目标建筑对应的目标检测路径和拍摄参数;根据所述目标检测路径和所述拍摄参数生成飞行命令,并将所述飞行命令发送至无人机;通过所述飞行命令控制所述无人机根据所述目标检测路径飞行,和控制所述无人机的拍摄装置根据所述拍摄参数执行拍摄动作,其中所述无人机拍摄到幕墙图像数据后,将所述幕墙图像数据发送至服务器,以使所述服务器根据所述幕墙图像数据确定幕墙缺陷。相较于现有的幕墙缺陷识别方式,本发明中控制终端通过获取目标建筑周围的环境信息来自主规划无人机的飞行路线以及拍摄参数,使得无人机能够根据检测命令自动飞行至目的地并完成相应检查工作,再将拍摄到的幕墙图像数据发送至服务器,完成对幕墙图像是否存在缺陷的自动识别,实现了无人机的自动飞行、自动采集以及对无人机采集到的幕墙图像的自动识别,整个识别过程不需要人工参与,提高了幕墙检测的效率,解决了幕墙检测效率较低的问题。
附图说明
图1为本发明实施例涉及的幕墙缺陷的识别方法的控制终端的硬件架构示意图;
图2为本发明实施例涉及的幕墙缺陷的识别方法的服务器的硬件架构示意图;
图3为本发明幕墙缺陷的识别方法的第一实施例的流程示意图;
图4为本发明幕墙缺陷的识别方法的第二实施例中步骤S20的细化流程示意图;
图5为本发明幕墙缺陷的识别方法的第三实施例中步骤S30的细化流程示意图;
图6为本发明幕墙缺陷的识别方法的第四实施例的流程示意图;
图7为本发明幕墙缺陷的识别方法的第五实施例中步骤S50的细化的流程示意图;
图8为本发明幕墙缺陷的识别方法的第六实施例中步骤S60的细化流程示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,本发明的附图中显示了本发明的示例性实施例,可以通过各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
作为一种实现方案,控制终端的硬件架构可以如图1所示。
本发明实施例方案涉及的是幕墙缺陷的识别方法的控制终端,所述控制终端包括:处理器101,例如CPU,存储器102,通信总线103。其中,通信总线103用于实现这些组件之间的连接通信。
存储器102可以是高速RAM存储器,也可以是稳定的存储器(non-volatilememory),例如磁盘存储器。如图1所示,作为一种计算机可读存储介质的存储器102中可以包括幕墙缺陷的识别的程序;而处理器101可以用于调用存储器102中存储的幕墙缺陷的识别的程序,并执行以下操作:
在接收到检测命令时,获取目标建筑周围的环境信息;
根据所述环境信息确定所述目标建筑对应的目标检测路径和拍摄参数;
根据所述目标检测路径和所述拍摄参数生成飞行命令,并将所述飞行命令发送至无人机;
通过所述飞行命令控制所述无人机根据所述目标检测路径飞行,和控制所述无人机的拍摄装置根据所述拍摄参数执行拍摄动作,其中所述无人机拍摄到幕墙图像数据后,将所述幕墙图像数据发送至服务器,以使所述服务器根据所述幕墙图像数据确定幕墙缺陷。
在一实施例中,处理器101可以用于调用存储器102中存储的幕墙缺陷的识别程序,并执行以下操作:
根据所述环境信息确定所述无人机的起止位置,将所述起止位置代入蚁群算法,得到所述目标检测路径;以及
根据所述环境信息确定所述拍摄参数,其中所述拍摄参数包括图像重叠率、高度、飞行速度、航线角度和/或拍摄距离。
在一实施例中,处理器101可以用于调用存储器102中存储的幕墙缺陷的识别程序,并执行以下操作:
将所述目标检测路径进行三维模型重建,以确定所述无人机的目标飞行路径,其中,所述目标飞行路径为所述无人机飞行至所述目标建筑进行拍摄的飞行路径;
根据所述拍摄参数和所述目标飞行路径中所述无人机的飞行终点确定所述拍摄装置的目标拍摄位置,以使所述拍摄装置根据所述目标拍摄位置获取所述幕墙图像数据;
根据所述目标飞行路径和所述目标拍摄位置生成飞行命令;
将所述飞行命令发送至所述无人机。
此外,作为一种实现方案,服务器的硬件架构可以如图2所示。
本发明实施例方案涉及的是幕墙缺陷的识别方法的服务器,所述服务器包括:处理器201,例如CPU,存储器202,通信总线203。其中,通信总线203用于实现这些组件之间的连接通信。
存储器202可以是高速RAM存储器,也可以是稳定的存储器(non-volatilememory),例如磁盘存储器。如图2所示,作为一种计算机可读存储介质的存储器202中可以包括幕墙缺陷的识别的程序;而处理器201可以用于调用存储器202中存储的幕墙缺陷的识别的程序,并执行以下操作:
接收无人机发送的幕墙图像数据,并确定所述幕墙图像数据的特征信息;
确定所述特征信息与预设参考信息之间的匹配度;
根据所述匹配度确定幕墙完整度、密封胶完整度、幕墙骨架锈蚀度和/或装饰条完整度;
根据所述幕墙完整度、密封胶完整度、幕墙骨架锈蚀度和/或装饰条完整度确定幕墙缺陷。
在一实施例中,处理器201可以用于调用存储器202中存储的幕墙缺陷的识别程序,并执行以下操作:
根据所述特征信息确定所述幕墙图像数据中的幕墙特征类型,所述特征类型包括幕墙材质、密封胶、幕墙骨架和/或装饰条;
根据所述特征类型确定预设数据库中对应的预设参考信息,所述预设参考信息包括参考幕墙材质信息、参考密封胶信息、参考幕墙骨架信息和/或参考装饰条信息;
获取所述特征类型与所述特征类型对应的预设参考信息的匹配度。
在一实施例中,处理器201可以用于调用存储器202中存储的幕墙缺陷的识别程序,并执行以下操作:
当所述特征类型为所述幕墙材质时,获取所述幕墙材质与所述参考幕墙材质信息的匹配度,以根据所述匹配度大于预设阈值的参考幕墙材质信息确定所述幕墙完整度;
当所述特征类型为所述密封胶时,获取所述密封胶与所述参考密封胶信息的匹配度,以根据所述匹配度大于预设阈值的参考密封胶信息确定所述密封胶完整度;
当所述特征类型为所述幕墙骨架时,获取所述幕墙骨架与所述参考幕墙骨架信息的匹配度,以根据所述匹配度大于预设阈值的参考幕墙骨架信息确定所述幕墙骨架锈蚀度;
当所述特征类型为所述装饰条时,获取所述装饰条信息与所述参考装饰条信息的匹配度,以根据所述匹配度大于预设阈值的参考装饰条信息确定所述装饰条完整度。
基于上述基于计算机技术的控制终端的硬件架构,提出本发明应用于控制终端的幕墙缺陷的识别方法的实施例。
参照图3,在第一实施例中,所述幕墙缺陷的识别方法包括以下步骤:
步骤S10:在接收到检测命令时,获取目标建筑周围的环境信息;
在本实施例中,控制终端在接收到检测命令时,调用内部的预置地图来获取到检测命令所指定的目标建筑位置,再根据预置地图获取到包含目标建筑及其周边5-10米处的环境信息。用户在控制终端输入对应目标建筑的检测命令时,控制终端调用预置地图,并获取预置地图中包含目标建筑及其周边5-10米处的环境信息。目标建筑环境信息包含建筑的三维空间数据(可以是目标建筑的长、宽、高)、空间经纬度(由卫星定位系统确定生成目标建筑的经纬度坐标)与周边建筑空间遮挡信息(可以是树木、车辆、标志牌等)。
步骤S20:根据所述环境信息确定所述目标建筑对应的目标检测路径和拍摄参数;
在本实施例中,控制终端根据获取到的环境信息来确定无人机的拍摄装置的拍摄参数和生成目标检测路径,拍摄参数可以用于无人机上的拍摄装置的镜头调制,目标检测路径可以用于确定无人机的自动飞行路径。
步骤S30:根据所述目标检测路径和所述拍摄参数生成飞行命令,并将所述飞行命令发送至无人机;
在本实施例中,控制终端在确定出目标检测路径和拍摄参数之后,根据目标检测路径和拍摄参数生成相应的飞行命令,将飞行命令发送至无人机,无人机根据飞行命令的内容来执行相应动作。
步骤S40:通过所述飞行命令控制所述无人机根据所述目标检测路径飞行,和控制所述无人机的拍摄装置根据所述拍摄参数执行拍摄动作,其中所述无人机拍摄到幕墙图像数据后,将所述幕墙图像数据发送至服务器,以使所述服务器根据所述幕墙图像数据确定幕墙缺陷。
在本实施例中,无人机接收到飞行命令之后,根据飞行命令中的相应内容来完成对无人机的控制,控制包括飞行路径控制和拍摄控制,无人机的飞行路径控制由无人机根据飞行命令中的路径指令来按照控制终端生成的目标检测路径所规划的路线飞行,而拍摄控制则是根据飞行命令中的拍摄指令来按照控制终端生成的拍摄参数对无人机的拍摄装置(可以是带远距离变焦的高清摄像头)执行拍摄动作。在无人机通过拍摄装置获取到目标建筑中对应的幕墙图像之后,将幕墙图像数据发送至服务器,由服务器内置的自动识别程序来来识别幕墙图像是否存在缺陷。
在本实施例提供的技术方案中,通过在接收到检测命令时获取目标建筑周围的环境信息,并根据环境信息确定目标建筑对应的目标检测路径和拍摄参数,再生成根据目标建筑对应的目标检测路径和拍摄参数相应的飞行命令,并控制无人机根据飞行命令来自动飞行和自动拍摄图像,最后无人机将获取到的图像发送预设服务器中,预设服务器根据内置的识别程序对幕墙图像进行自动识别。实现了无人机的自动飞行、自动采集,以及对无人机采集到的幕墙图像的自动识别,提高了幕墙检测的效率,解决了幕墙检测效率较低的问题。
参照图4,在第二实施例中,基于第一实施例,所述步骤S20包括:
步骤S21:根据所述环境信息确定所述无人机的起止位置,将所述起止位置代入蚁群算法,得到所述目标检测路径;以及
步骤S22:根据所述环境信息确定所述拍摄参数,其中所述拍摄参数包括图像重叠率、高度、飞行速度、航线角度和/或拍摄距离。
可选地,本实施例提供一种根据环境信息确定目标检测路径和拍摄参数的方式。控制终端根据获取到的环境信息内容,通过内置文件的编译程序将环境信息中的三维空间数据、空间经纬度等参数中来确定无人机的出发点、终点的位置,并将无人机的出发点、终点的位置代入蚁群算法(一种模拟蚂蚁觅食行为的模拟优化算法,用于在已知路径的起止点的情况下根据起止点来生成最短路径),在控制终端通过路径决策模块得出的多条预测路径中根据蚁群算法确定出一条最短的目标预测路径,以实现对任务起点到任务终点的路径规划;控制终端通过通讯链路(指控制和无载荷链路)与无人机的摄像设备连接,通讯链路可以是C&C(Command&Control,指挥&控制)、S&A(Sense&Avoid)和ATC(Air TrafficControl)三种常见无人机控制链路,用于发送云台控制指令至所述云台和发送摄像指令至所述摄像设备,环境信息还可用于确定无人机的拍摄装置中的拍摄参数,环境信息包括图像重叠率、高度、飞行速度、航线角度和/或拍摄距离等作用于无人机上的拍摄装置的参数。
在本实施例提供的技术方案中,通过控制终端根据内置文件中的程序对环境信息确定目标检测路径以及拍摄参数,使得无人机能够根据环境信息来执行相应动作指令,而不需要人为的对无人机实行控制。
参照图5,在第三实施例中,基于上述实施例,所述步骤S30包括:
步骤S31:将所述目标检测路径进行三维模型重建,以确定所述无人机的目标飞行路径,其中,所述目标飞行路径为所述无人机飞行至所述目标建筑进行拍摄的飞行路径;
步骤S32:根据所述拍摄参数和所述目标飞行路径中所述无人机的飞行终点确定所述拍摄装置的目标拍摄位置,以使所述拍摄装置根据所述目标拍摄位置获取所述幕墙图像数据;
步骤S33:根据所述目标飞行路径和所述目标拍摄位置生成飞行命令;
步骤S34:将所述飞行命令发送至所述无人机。
可选地,本实施例提供一种根据目标检测路径和所述拍摄参数生成飞行命令的方式。在获取到目标检测路径和拍摄参数之后,将目标检测路径和目标建筑基于RTK(RealTime Kinematic实时动态测量)技术、倾斜摄影、GIS(Geographic Information Systems,地理信息系统)技术实现路径和目标建筑的模型重建生成三维模型,重建的三维模型还可以测量获得目标建筑的物理数据,比如幕墙面积、高度、宽度、楼层高度。根据DPI(Dots PerInch,每英寸所包含的像素)与比例尺来计算GSD(Geometric Standard Deviation,地面采样距离),DPI的默认数值通常为300,使GSD与重叠率、摄影模块数据、建筑物理数据相结合确定任务各点经纬数据,并基于三维模型的经纬度数据,在三维模型中标示出来,确定其最终拍摄任务路径后,形成飞行命令并发送至无人机,无人机按照重建后的三维地图所规划的路径飞行至目标建筑附近。
在本实施例提供的技术方案中,通过将目标检测路径进行三维模型重建以及将拍摄参数和路径终点结合在三维模型中标示出图像拍摄地点,以形成飞行命令发送至无人机的方式,使得无人机的拍摄装置执行所述飞行命令,自动飞行至对任务目标建筑的幕墙处进行拍摄。
基于上述基于计算机技术的服务器的硬件架构,提出本发明应用于服务器的幕墙缺陷的识别方法的实施例。
参照图6,在第四实施例中,所述幕墙缺陷的识别方法包括以下步骤:
步骤S50:接收无人机发送的幕墙图像数据,并确定所述幕墙图像数据的特征信息;
在本实施例中,服务器接收到无人发送的幕墙图像数据,并提取幕墙图像数据中的特征信息。示例性地,提取特征的方式可以是将采集的图像数据进行二值化处理得到二值化图,所得的二值化图经过修饰、提亮等操作后转化为细化图,最后再将细化图提取得到特征图,将该特征图存储至预设数据库中。提取特征的整个过程可以由服务器中预设的二值化模块、细化模块和提取特征模块完成。
步骤S60:确定所述特征信息与预设参考信息之间的匹配度;
在本实施例中,在提取完成之后,将特征信息与预设数据库中的参考信息进行比对,参考信息作为预先存储在服务器中的图像数据,其类型可以是幕墙的各个部分,如幕墙表面材质、幕墙密封胶、幕墙骨架、以及装饰条等,通过图形相似原理将提取到的特征信息的局部特征与对应的参考信息类型进行比对,得到二者的匹配度,以根据匹配度判断幕墙图像数据中的幕墙是否存在缺陷。
步骤S70:根据所述匹配度确定幕墙完整度、密封胶完整度、幕墙骨架锈蚀度和/或装饰条完整度;
在本实施例中,根据特征信息与预设参考信息的匹配度判断幕墙图像数据中幕墙各种部分的完整程度,通过服务器中的预置的图像识别软件,并基于大量信息和数据,通过计算机的深度学习算法进行大量训练深度学习完善图像数据,并基于图像数据信息利用计算机对所述无人机拍摄的图像数据自动完成对幕墙完整度、密封胶完整度、幕墙骨架锈蚀度和/或装饰条完整度的识别和评价。
步骤S80:根据所述幕墙完整度、密封胶完整度、幕墙骨架锈蚀度和/或装饰条完整度确定幕墙缺陷。
在本实施例中,幕墙完整度、密封胶完整度、幕墙骨架锈蚀度和/或装饰条完整度用于服务器识别出其获取到的幕墙图像数据对应的幕墙是否存在缺陷,由于机器无法像人一样通过直观的图像便能观察出幕墙是否存在缺陷,因此将这些幕墙属性通过建立数学模型并量化为机器能够判断的幕墙图像特征的参数,并设定相应的参数阈值来判断这些幕墙属性是否合格。
在本实施例提供的技术方案中,服务器通过接收无人机发送的幕墙图像数据,并确定幕墙图像数据的特征信息之后,根据特征信息与预设参考信息之间的匹配度来确定幕墙是否存在缺陷的方式,使得机器能够根据获取到的幕墙图像数据自动检测幕墙图像,并根据幕墙图像判断出该幕墙是否存在缺陷问题,从而将幕墙缺陷的检查工作由效率较低的人工比对转移到较为快速的机器自动识别上来,提高了幕墙的检测效率。
参照图7,在第五实施例中,基于第四实施例,所述步骤S50包括:
步骤S51:根据所述特征信息确定所述幕墙图像数据中的幕墙特征类型,所述特征类型包括幕墙材质、密封胶、幕墙骨架和/或装饰条;
步骤S52:根据所述特征类型确定预设数据库中对应的预设参考信息,所述预设参考信息包括参考幕墙材质信息、参考密封胶信息、参考幕墙骨架信息和/或参考装饰条信息;
步骤S53:获取所述特征类型与所述特征类型对应的预设参考信息的匹配度。
可选地,本实施例提供一种确定特征信息与预设参考信息之间的匹配度的方式。幕墙图像数据的特征信息可以为幕墙材质、密封胶、幕墙骨架和/或装饰条等四种具有较高识别度的幕墙特征参数类型,在预设数据库中预先根据四种幕墙特征参数类型建立相应的特征集,每个特征集中预设有大量的相应问题的参考幕墙图像,特征集可以包括但不限于参考幕墙材质特征集、参考密封胶特征集、参考幕墙骨架特征集和/或参考装饰条特征集等,特征集供服务器根据预设程序中的识别算法来训练学习,使得服务器能够在训练学习之后,自动识别接收到的幕墙图像数据的特征信息。
在本实施例提供的技术方案中,通过将幕墙图像数据的特征信息分类为幕墙材质、密封胶、幕墙骨架和装饰条四种类型,并根据四种类型分别建立特征数据集并进行大量的图片训练,使得服务器能够在训练后自动的识别出无人机发送的幕墙图像数据中的幕墙是否存在常见的问题缺陷,提高了幕墙的检测效率。
参照图8,在第六实施例中,基于上述实施例,所述步骤S60包括:
步骤S61:当所述特征类型为所述幕墙材质时,获取所述幕墙材质与所述参考幕墙材质信息的匹配度,以根据所述匹配度大于预设阈值的参考幕墙材质信息确定所述幕墙完整度;
步骤S62:当所述特征类型为所述密封胶时,获取所述密封胶与所述参考密封胶信息的匹配度,以根据所述匹配度大于预设阈值的参考密封胶信息确定所述密封胶完整度;
步骤S63:当所述特征类型为所述幕墙骨架时,获取所述幕墙骨架与所述参考幕墙骨架信息的匹配度,以根据所述匹配度大于预设阈值的参考幕墙骨架信息确定所述幕墙骨架锈蚀度;
步骤S64:当所述特征类型为所述装饰条时,获取所述装饰条信息与所述参考装饰条信息的匹配度,以根据所述匹配度大于预设阈值的参考装饰条信息确定所述装饰条完整度。
可选地,本实施例提供一种根据不同的幕墙特征类型的匹配度确定幕墙是否存在相应特征类型问题的方法。在每个特征集中都设定一个匹配度阈值,每个特征集内的图像都对应一种幕墙问题。示例性地,幕墙常见的问题可以包括玻璃幕墙碎裂、玻璃幕墙污染、玻璃幕墙夹层起泡、幕墙密封胶开裂、石材幕墙出现裂纹、石材幕墙缺角、幕墙钢骨架锈蚀和装饰条扣盖缺失变形等。根据幕墙图像数据的特征信息确定至少一种特征集,将特征信息同特征集中的每一参考图像数据进行比对,并生成幕墙图像数据的特征信息与特征集中的每一参考图像数据的匹配度,当该匹配度高于一个预设阈值时,则判断该幕墙图像数据存在该特征集对应的幕墙问题。
在本实施例提供的技术方案中,通过设定一个匹配度阈值,来根据匹配度是否超过该阈值来判断幕墙图像数据的特征信息是否存在该特征信息对应的幕墙问题,以此来判断幕墙是否存在缺陷。机器识别的特点在于能够在较短时间内同时识别较多的图像数据,因此通过机器自动识别幕墙图像缺陷的方式,相较于人工对幕墙图像的检测排查效率要高很多,本实施例通过将幕墙缺陷的检查工作由效率较低的人工比对转移到效率较高的机器自动识别上来,提高了幕墙的检测效率。
此外,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有幕墙缺陷的识别程序,所述幕墙缺陷的识别程序被处理器执行时实现如上实施例所述的幕墙缺陷的识别方法的各个步骤。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个计算机可读存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种幕墙缺陷的识别方法,其特征在于,应用于控制终端,所述幕墙缺陷的识别方法包括:
在接收到检测命令时,获取目标建筑周围的环境信息;
根据所述环境信息确定所述目标建筑对应的目标检测路径和拍摄参数;
根据所述目标检测路径和所述拍摄参数生成飞行命令,并将所述飞行命令发送至无人机;
通过所述飞行命令控制所述无人机根据所述目标检测路径飞行,和控制所述无人机的拍摄装置根据所述拍摄参数执行拍摄动作,其中所述无人机拍摄到幕墙图像数据后,将所述幕墙图像数据发送至服务器,以使所述服务器根据所述幕墙图像数据确定幕墙缺陷。
2.如权利要求1所述的幕墙缺陷的识别方法,其特征在于,所述检测命令由交互终端发送,所述环境信息包括三维空间数据、空间经纬度和空间遮挡信息。
3.如权利要求1所述的幕墙缺陷的识别方法,其特征在于,所述根据所述环境信息确定所述目标建筑对应的目标检测路径和拍摄参数的步骤包括:
根据所述环境信息确定所述无人机的起止位置,将所述起止位置代入蚁群算法,得到所述目标检测路径;以及
根据所述环境信息确定所述拍摄参数,其中所述拍摄参数包括图像重叠率、高度、飞行速度、航线角度和/或拍摄距离。
4.如权利要求1所述的幕墙缺陷的识别方法,其特征在于,所述根据所述目标检测路径和所述拍摄参数生成飞行命令,并将所述飞行命令发送至无人机的步骤包括:
基于所述目标检测路径进行三维模型重建,并根据重建结果确定目标飞行路径;
根据所述拍摄参数和所述目标飞行路径对应的飞行终点,确定目标拍摄位置;
根据所述目标飞行路径和所述目标拍摄位置生成飞行命令;
将所述飞行命令发送至所述无人机,以使无人机接收到所述飞行命令时,根据所述目标飞行路径飞行至所述目标建筑,并在所述目标拍摄位置上进行拍摄。
5.一种幕墙缺陷的识别方法,其特征在于,应用于服务器,所述幕墙缺陷的识别方法包括:
接收无人机发送的幕墙图像数据,并确定所述幕墙图像数据的特征信息;
确定所述特征信息与预设参考信息之间的匹配度;
根据所述匹配度确定幕墙完整度、密封胶完整度、幕墙骨架锈蚀度和/或装饰条完整度;
根据所述幕墙完整度、密封胶完整度、幕墙骨架锈蚀度和/或装饰条完整度确定幕墙缺陷。
6.如权利要求5所述的幕墙缺陷的识别方法,其特征在于,所述确定所述特征信息与预设参考信息之间的匹配度的步骤包括:
根据所述特征信息确定所述幕墙图像数据中的幕墙特征类型,所述特征类型包括幕墙材质、密封胶、幕墙骨架和/或装饰条;
根据所述特征类型确定预设数据库中对应的预设参考信息,所述预设参考信息包括参考幕墙材质信息、参考密封胶信息、参考幕墙骨架信息和/或参考装饰条信息;
获取所述特征类型与所述特征类型对应的预设参考信息的匹配度。
7.如权利要求6所述的幕墙缺陷的识别方法,其特征在于,所述根据所述匹配度确定幕墙完整度、密封胶完整度、幕墙骨架锈蚀度和/或装饰条完整度的步骤包括:
当所述特征类型为所述幕墙材质时,获取所述幕墙材质与所述参考幕墙材质信息的匹配度,以根据所述匹配度大于预设阈值的参考幕墙材质信息确定所述幕墙完整度;
当所述特征类型为所述密封胶时,获取所述密封胶与所述参考密封胶信息的匹配度,以根据所述匹配度大于预设阈值的参考密封胶信息确定所述密封胶完整度;
当所述特征类型为所述幕墙骨架时,获取所述幕墙骨架与所述参考幕墙骨架信息的匹配度,以根据所述匹配度大于预设阈值的参考幕墙骨架信息确定所述幕墙骨架锈蚀度;
当所述特征类型为所述装饰条时,获取所述装饰条信息与所述参考装饰条信息的匹配度,以根据所述匹配度大于预设阈值的参考装饰条信息确定所述装饰条完整度。
8.一种控制终端,其特征在于,所述控制终端包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的幕墙缺陷的识别程序,所述幕墙缺陷的识别程序被所述处理器执行时实现如权利要求1-4中任一项所述的幕墙缺陷的识别方法的步骤。
9.一种服务器,其特征在于,所述服务器包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的幕墙缺陷的识别程序,所述幕墙缺陷的识别程序被所述处理器执行时实现如权利要求5-7中任一项所述的幕墙缺陷的识别方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有幕墙缺陷的识别程序,所述幕墙缺陷的识别程序被处理器执行时实现如权利要求1-7中任一项所述的幕墙缺陷的识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111518974.5A CN114326794A (zh) | 2021-12-13 | 2021-12-13 | 幕墙缺陷的识别方法、控制终端、服务器及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111518974.5A CN114326794A (zh) | 2021-12-13 | 2021-12-13 | 幕墙缺陷的识别方法、控制终端、服务器及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114326794A true CN114326794A (zh) | 2022-04-12 |
Family
ID=81050335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111518974.5A Pending CN114326794A (zh) | 2021-12-13 | 2021-12-13 | 幕墙缺陷的识别方法、控制终端、服务器及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114326794A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117911907A (zh) * | 2024-03-19 | 2024-04-19 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 基于无人机的幕墙启闭状态检测方法、巡检系统及介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108496129A (zh) * | 2017-04-28 | 2018-09-04 | 深圳市大疆创新科技有限公司 | 一种基于飞行器的设施检测方法及控制设备 |
CN109490310A (zh) * | 2018-10-18 | 2019-03-19 | 广州建设工程质量安全检测中心有限公司 | 一种基于无人机的幕墙监测系统 |
CN109634304A (zh) * | 2018-12-13 | 2019-04-16 | 中国科学院自动化研究所南京人工智能芯片创新研究院 | 无人机飞行路径规划方法、装置和存储介质 |
CN111060073A (zh) * | 2019-03-26 | 2020-04-24 | 上海伯镭智能科技有限公司 | 一种建筑外墙检测系统及其使用方法 |
CN111721809A (zh) * | 2020-07-02 | 2020-09-29 | 中冶建筑研究总院(深圳)有限公司 | 一种玻璃幕墙结构胶检测方法、装置、无人机及存储介质 |
CN111796785A (zh) * | 2020-06-28 | 2020-10-20 | 广州励丰文化科技股份有限公司 | 一种多媒体幕墙的显示控制方法及服务器 |
CN111929329A (zh) * | 2020-07-30 | 2020-11-13 | 广东寰球智能科技有限公司 | 玻璃幕墙智能检测方法、系统及存储介质 |
CN112348346A (zh) * | 2020-11-02 | 2021-02-09 | 上海玻机智能幕墙股份有限公司 | 玻璃幕墙风险控制系统 |
CN113592869A (zh) * | 2021-09-29 | 2021-11-02 | 广东省有色工业建筑质量检测站有限公司 | 一种建筑幕墙玻璃破裂图像识别方法及报警系统 |
-
2021
- 2021-12-13 CN CN202111518974.5A patent/CN114326794A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108496129A (zh) * | 2017-04-28 | 2018-09-04 | 深圳市大疆创新科技有限公司 | 一种基于飞行器的设施检测方法及控制设备 |
CN109490310A (zh) * | 2018-10-18 | 2019-03-19 | 广州建设工程质量安全检测中心有限公司 | 一种基于无人机的幕墙监测系统 |
CN109634304A (zh) * | 2018-12-13 | 2019-04-16 | 中国科学院自动化研究所南京人工智能芯片创新研究院 | 无人机飞行路径规划方法、装置和存储介质 |
CN111060073A (zh) * | 2019-03-26 | 2020-04-24 | 上海伯镭智能科技有限公司 | 一种建筑外墙检测系统及其使用方法 |
CN111796785A (zh) * | 2020-06-28 | 2020-10-20 | 广州励丰文化科技股份有限公司 | 一种多媒体幕墙的显示控制方法及服务器 |
CN111721809A (zh) * | 2020-07-02 | 2020-09-29 | 中冶建筑研究总院(深圳)有限公司 | 一种玻璃幕墙结构胶检测方法、装置、无人机及存储介质 |
CN111929329A (zh) * | 2020-07-30 | 2020-11-13 | 广东寰球智能科技有限公司 | 玻璃幕墙智能检测方法、系统及存储介质 |
CN112348346A (zh) * | 2020-11-02 | 2021-02-09 | 上海玻机智能幕墙股份有限公司 | 玻璃幕墙风险控制系统 |
CN113592869A (zh) * | 2021-09-29 | 2021-11-02 | 广东省有色工业建筑质量检测站有限公司 | 一种建筑幕墙玻璃破裂图像识别方法及报警系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117911907A (zh) * | 2024-03-19 | 2024-04-19 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 基于无人机的幕墙启闭状态检测方法、巡检系统及介质 |
CN117911907B (zh) * | 2024-03-19 | 2024-05-17 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 基于无人机的幕墙启闭状态检测方法、巡检系统及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9734397B1 (en) | Systems and methods for autonomous imaging and structural analysis | |
CN112633535A (zh) | 一种基于无人机图像的光伏电站智能巡检方法及系统 | |
CN111784685A (zh) | 一种基于云边协同检测的输电线路缺陷图像识别方法 | |
CN108297115B (zh) | 一种机器人的自主重定位方法 | |
CN110825101A (zh) | 一种基于深度卷积神经网络的无人机自主降落方法 | |
CN112180955B (zh) | 自动巡检无人机的基于视觉反馈的二次复查方法和系统 | |
CN112101088A (zh) | 一种无人机电力自动巡检方法、装置及系统 | |
KR102346676B1 (ko) | 딥러닝 기반의 시설물 손상영상 분류를 활용한 손상도 생성방법 | |
CN114240868A (zh) | 一种基于无人机的巡检分析系统及方法 | |
US20180357778A1 (en) | Image processing device, image processing method, and image processing program | |
CN114964275A (zh) | 地空协同地图构建方法、装置、设备及存储介质 | |
CN112000124B (zh) | 一种应用于电网的无人机巡检方法 | |
CN113378754B (zh) | 一种工地裸土监测方法 | |
CN114326794A (zh) | 幕墙缺陷的识别方法、控制终端、服务器及可读存储介质 | |
CN112200456B (zh) | 企业环境影响评估方法、装置、设备及计算机存储介质 | |
CN117557931A (zh) | 一种基于三维场景的表计最优巡检点的规划方法 | |
CN113496163B (zh) | 障碍物识别方法和装置 | |
JP7097207B2 (ja) | 建造物管理システム、学習装置、位置判定装置、及び位置判定方法 | |
CN115373416B (zh) | 一种铁路电力贯通线智能巡检方法 | |
WO2016207749A1 (en) | A device and method of detecting potholes | |
CN113936209A (zh) | 巡逻机器人的协同作业方法及相关设备 | |
del Rey Castillo et al. | Rapid, automated, post-earthquake building assessment using a swarm of drones and machine learning techniques | |
CN117168467B (zh) | 机房巡检路线规划及导航方法、设备及系统 | |
CN117911907B (zh) | 基于无人机的幕墙启闭状态检测方法、巡检系统及介质 | |
CN117710844B (zh) | 基于无人机的建筑安全监视方法 |
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 |