CN115290053B - 一种高层建筑施工建设异常快速检测方法 - Google Patents

Abstract

本发明涉及数据处理领域，具体涉及一种高层建筑施工建设异常快速检测方法，包括：对建筑天井的初始边缘图像进行直线检测得到目标边缘图像；对目标边缘图像进行频域分析得到所有频谱高亮点；对频谱高亮点进行投影得到频谱变化曲线以及频谱变化序列；根据频谱变化序列中得到极值点序列，根据极值点序列中极值点之间频谱值的差异得到曲线波动程度，根据极值点序列中极值点之间距离的变化情况得到曲线周期性，根据曲线波动程度与曲线周期性计算异常概率，根据异常概率判断建筑质量。避免使用传统检测方法导致检测精度较低的现象出现，提高了检测结果的准确性以及稳定性。

Description

一种高层建筑施工建设异常快速检测方法

技术领域

本发明涉及数据处理领域，具体涉及一种高层建筑施工建设异常快速检测方法。

背景技术

随着人口密度的不断增大，高层建筑的需求量也在与日俱增，高层建筑在建设过程中会产生竖向偏差，纵向偏差会导致建筑的受力情况发生变化，如果超过一定限度，极易产生裂纹，影响建筑物的正常使用，严重时会危及建筑物的安全，因此对高层建筑建设过程中的异常监测是十分必要的。

传统建筑垂直度的监测方法通常采用吊垂线法和激光铅直仪法，但吊垂线法极易受到外界环境因素的影响，当外界有风时，测量精度相对较低，同时对于高层建筑适应性低；虽然激光铅直仪法的精度较好，但投资成本大，通常用四台仪器同步投测，并且仪器不能通用，极易出现故障，在长距离投测时光斑离散，精度会降低。

发明内容

本发明提供一种高层建筑施工建设异常快速检测方法，以解决现有的问题。

本发明的一种高层建筑施工建设异常快速检测方法采用如下技术方案：

本发明一个实施例提供了一种高层建筑施工建设异常快速检测方法，该方法包括以下步骤：

获取建筑天井图像以及建筑天井的初始边缘图像，对初始边缘图像进行固定方向的直线检测得到目标边缘图像；

在目标边缘图像的频谱图像中，根据以各个像素点为中心的滑窗区域中所有像素点频谱值的差异得到所述频谱图像中的所有频谱高亮点；设置投影线，根据垂直于投影线上每一列中频谱高亮点个数以及每一列中各个频谱高亮点的频谱值得到频谱变化曲线，对频谱变化曲线进行性平滑处理，得到频谱变化序列；

根据频谱变化序列中相邻三个点的频谱值得到极值点序列，根据极值点序列中极值点之间频谱值的差异得到曲线波动程度，根据极值点序列中极值点之间距离的变化情况得到曲线周期性，根据曲线波动程度与曲线周期性计算异常概率；

根据异常概率判断建筑质量。

优选的，所述频谱图像中的所有频谱高亮点的方法为：

以各个滑窗区域中心点的频谱值为阈值，对所述各个滑窗区域中，且处于频谱图像上的所有像素点进行LBP编码，得到所述频谱图像中各个滑窗区域的八个二进制数；

当每个滑窗区域所对应的八个二进制数的平均值为0时，所述每个滑窗区域的中心点即为一个频谱高亮点；否则不为一个频谱高亮点。

优选的，所述设置投影线，根据垂直于投影线上每一列中频谱高亮点个数以及每一列中各个频谱高亮点的频谱值得到频谱变化曲线的方法为：

将频谱图像顺时针旋转预设角度，过频谱中心点的水平方向上的直线设置为投影线；

将垂直于投影线上每一列像素中所有频谱高亮点的横坐标记为该列投影点的横坐标，以每一列像素中所有频谱高亮点的频谱值的累加和作为该列频谱高亮点的投影点的纵坐标，以所有投影点为样本数据，使用描点法构建频谱变化曲线。

优选的，所述根据频谱变化序列中相邻三个点的频谱值得到极值点序列的方法为：

获取频谱变化序列中连续的三个点，其中第二个点为目标点；

以目标点的频谱值为阈值，当所述三个点中各个非目标点的频谱值大于阈值时，将所述各个非目标点的标记值记为1，否则记为0；

计算所述三个点中所有非目标点标记值的平均值，当所述标记值的平均值等于0时，目标点为极大值点；当所述标记值的平均值等于1时，目标点为极小值点；否则目标点不为极值点；

频谱变化序列中的所有极值点构成极值点序列。

优选的，所述根据极值点序列中极值点之间频谱值的差异得到曲线波动程度的方法如下：

获取极值点序列中每三个极值点划分为一组，得到多个极值组；

计算每一个极值组中所有相邻两个极值点频谱值差值的绝对值，其中所述每个极值组中第一个极值点与第二个极值点之间频谱值的差值绝对值记为第一差值，第二个极值点与第三个极值点之间频谱值的差值绝对值记为第二差值；

计算每个极值组中第一差值与第二差值之间的平均值，得到每个极值组的差异程度；

根据经验值设置第一超参数，计算所有极值组差异程度的平均值，建立所述差异程度的平均值与第一超参数乘积的正相关映射模型得到曲线波动程度；所述正相关映射模型为

，其中

为以自然常数为底的指数函数。

优选的，所述根据极值点序列中极值点之间距离的变化情况得到曲线周期性的方法为：

计算极值点序列中所有极大值点横坐标的平均值，得到第一均值；计算极值点序列中所有极小值点横坐标的平均值，得到第二均值；

计算极值点序列中所有极大值点横坐标与第一均值之间差值的平均值，得到第一周期指标；计算极值点序列中所有极小值点横坐标与第二均值之间差值的平均值，得到第二周期指标；

建立所述第一周期指标与第二周期指标之间差值绝对值与第二超参数乘积的负相关映射模型得到曲线周期性；所述负相关映射模型为

。

优选的，所述根据曲线波动程度与曲线周期性计算异常概率的方法为：

计算1.0与曲线波动程度和曲线周期的乘积之间的差值,将所述差值作为建筑建造异常概率。

优选的，所述根据异常概率判断建筑质量并进行相应处理的方法为：

根据经验值设置第一阈值与第二阈值；

当异常概率小于第一阈值时，认为建筑建造正常；当异常概率大于等于第一阈值小于第二阈值时，认为建筑建造存在异常，需要进行修复；当异常概率大于等于第二阈值时，认为建筑建造存在异常，需要停工整顿并实行拆除重建。

优选的，所述初始边缘图像是通过对建筑天井图像进行边缘检测得到的；所述目标边缘图像的频谱图像是通过对目标边缘图像进行快速傅里叶变换得到。

本发明的有益效果是：通过获取频谱图像中的高亮点，根据高亮点投影获得频谱变化曲线，频谱图像中的高亮点代表低频信息，即表示的是图像中的边缘直线信息，通过投影高亮点得到频谱变化曲线，通过分析频谱变化曲线即可判断建筑是否出现异常，通过分析频谱变化曲线有利于异常判断的准确性。通过频谱变化曲线获取曲线变化的波动程度与周期性，通过分析不同异常程度的频谱图像可知，异常程度越大，频谱变化曲线的波动程度越小，越不呈现周期性，异常程度越小，频谱变化曲线的波动程度越大，越呈现周期性。因此通过获取频谱变化曲线的周期性与波动程度进行建筑异常概率的计算，在减小计算量的同时增加了异常判断的准确性。此外，本发明避免使用传统检测方法导致检测精度较低的现象出现，提高了检测结果的稳定性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一个实施例所提供的步骤流程图。

图2为本发明一个实施例所提供的建筑天井的示例图。

图3为本发明一个实施例所提供的正常频谱变化曲线平滑效果图。

图4为本发明一个实施例所提供的异常频谱变化曲线平滑效果图。

图5为本发明一个实施例所提供的严重异常频谱变化曲线平滑效果图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种高层建筑施工建设异常快速检测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种高层建筑施工建设异常快速检测方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种高层建筑施工建设异常快速检测方法的步骤流程图，该方法包括以下步骤：

步骤S001：获取建筑天井图像以及建筑天井的初始边缘图像；对初始边缘图像进行固定方向的直线检测，得到目标边缘图像。

高层建筑每建造一层，在每一层的固定位置预留一个方形观察孔，在地面方孔处布置图像采集点，相机位于地面方孔正中心，通过调节平衡关系，使水平尺水平，保证采集到的图像是在方形观察孔的正中心垂直水平面向上采集，得到建筑天井图像，如图2所示。

由于建筑天井图像中存在很多低频噪声信息，导致根据建筑天井图像得到频谱图像混乱，无法获取需要的特征信息。对于建筑天井图像而言，每一层窗口的边缘信息才是本发明需要的信息，故需要先对建筑天井图像进行处理，获取较为理想的边缘图像，具体过程如下：

首先使用Canny算子对建筑天井图像进行边缘检测，得到初始边缘图像；

然后对初始边缘图像进行霍夫直线检测，以图2为例，由于每一层建筑中靠近方向观察孔的位置光照含量较多，使得图像中每一层建筑靠近方形观察孔的位置在图像中表现为回形结构，当建筑建造符合要求且没有出现纵向偏差时，采集到的图像中白色边缘是呈现周期性出现的，即同一层建筑的白色边缘中，相对于中心点的左右两侧白色边缘之间的距离应该是相等的，当出现纵向偏差时，由于相机采集的视角始终是垂直于水平面向上的，故出现纵向偏差时图像中左右白色边缘之间的距离会出现变化，对应频谱图像中，由于周期性遭到破坏，故频谱中的规律性也被破坏，因此通过对频谱图像中高亮点的投影值构建曲线，根据曲线的波动程度构建评价指标，获取建筑建造的异常程度。由于建筑物天井图像中会存在噪声以及部分建筑自带的线条干扰，本发明仅获取固定方向的直线即可，即：

式中P表示直线的保留概率，

表示直线与水平线的夹角，

表示夹角经验阈值，

经验值取

。当直线的保留概率为1时，对该直线进行保留，否则对该直线进行剔除，由此实现对初始边缘图像中的所有直线进行筛选，得到较为理想的目标边缘图像。

步骤S002：获取目标边缘图像的频谱图像以及频谱图像中的所有频谱高亮点。

由于频谱图像中的高亮点代表着原始图像中的低频信息，当建筑物建造时不存在纵向倾斜时，方孔边缘图像呈现周期性变化，在频谱图像中表现为较为规整的高亮点，当建筑建造时出现异常，即出现倾斜时，周期性的方孔边缘图像被破坏，此时的部分周期性被破坏，频谱图像中的高亮点的分布情况与频谱值发生相应的变化。由此获取频谱图像中的高亮点，通过高亮点构建变化曲线，通过分析曲线的变化情况进行异常判断。具体过程如下：

首先建立

大小的滑窗，n经验值取3，以频谱图像中的各个像素点为滑窗中心点，根据滑窗区域中所有像素点频谱值的差异获取频谱图像中的所有频谱高亮点，其中当滑窗中心点的频谱值均大于其邻域的频谱值时，该像素点为频谱高亮点，故本发明对各个滑窗中的所有像素点的频谱值进行LBP编码，即以各个滑窗中心点对应的频谱值为阈值，将其邻域点的频谱值与阈值比较，若滑窗中的一个邻域点的频谱值大于阈值时,则将该像素点标记为1,否则标记为0，将滑动窗口中左上角的点，即横纵坐标均为最小值的点为起始点,按照顺时针的顺序将各个邻域点的频谱值与阈值进行比较,此时一个滑窗中每个邻域点的标记值均为一个二进制数，由此得到各个滑窗的一串8位二进制数，计算各个滑窗所对应的8位二进制数的平均值，当所得均值结果为0时，也就是滑窗中心点的频谱值均大于其邻域点的频谱值，说明此时的滑窗中心点为一个频谱高亮点；否则说明此时的滑窗中心点不为一个频谱高亮点。

步骤S003：设置投影线，得到频谱变化序列；根据频谱变化序列计算曲线波动程度与曲线周期性，从而得到异常概率。

1.首先将频谱图像顺时针旋转预设角度，其中预设角度为

；

2.然后将过频谱中心点的水平方向上的直线设置为投影线；获取旋转后的频谱图像中每一列像素点的投影点，其中以每一列的频谱高亮点横坐标为投影点的横坐标，以垂直于投影线上每一列像素中所有频谱高亮点的频谱值的累加和作为该列投影点的纵坐标，由此得到每一列像素所对应的投影点；

3.以所有投影点为样本数据，使用描点法对所有样本数据拟合频谱变化曲线；

4.由于频谱图像是中心对称的，为降低计算量，本发明并不需要对频谱变化曲线上的所有点进行分析，需要对频谱变化曲线的一半进行分析，故本发明获取所有投影点的最大横坐标与最小横坐标，以最大横坐标与最小横坐标的均值为分界线，将频谱变化曲线划分为两部分，只对分界线单侧的频谱变化曲线进行分析，本发明中以横坐标均大于分界线的一侧频谱变化曲线进行分析，并对该部分的频谱变化曲线进行平滑处理，以去除局部极值点的干扰。

5.将平滑处理后的频谱变化曲线上每个点的频谱值构成的序列记为频谱变化序列，使用

大小的滑窗获取频谱变化序列中连续的三个点，以第二个点为目标点，根据非目标点的频谱值与目标点频谱值之间的相对大小判断目标点是否为极值点，即：当目标点的频谱值均大于或小于其邻域的频谱值时，则该点为频谱曲线极值点，故以目标点对应的频谱值为阈值，将其邻域点的频谱值与其比较，若邻域点的频谱值大于阈值,则标记为1,小于标记为0，相等时舍弃，从而判断目标点的极值性：

式中D表示目标点的极值性，

表示目标点的邻域点的标记情况。当

时，

，说明目标点的邻域点的频谱值均小于目标点，此时目标点为极大值点，当

时，

，说明目标点的邻域点的频谱值均大于目标点，此时目标点为极小值点。

6.根据所有极值点获取极值点序列，其中第

个极大值点的坐标记为

，第

个极小值点的坐标记为

，该序列中所包含的极大值点的个数为

，该序列中所包含的极小值点的个数为

，根据图3可知，建筑物天井图像的频谱变化曲线中极大值点与极小值点是交替出现的，则频谱波动曲线中交替出现的极大值点与极小值点的组数为

，则根据极值点序列中相邻极值点频谱值之间的差异计算曲线波动程度：

式中T表示频谱变化曲线波动程度，

表示第一超参数，经验值

，

分别表示极值点序列中第i个极大值点的频谱值与第i个极小值点频谱值，相邻极值点间的差异越大，即波动程度越大，说明该频谱曲线图也可能为正常的曲线，即建筑建造时没有出现纵向倾斜。

7.根据极大值点与极小值点之间的间隔差异情况获取曲线周期性，由于正常情况下，频谱变化曲线中，曲线极值点的周期性越强，故：

式中G表示曲线周期性，

表示第二超参数，经验值

，

分别表示极值点序列中第o个极大值点的横坐标与第o个极小值的横坐标,

表示所有极大值点横坐标的平均值以及所有极小值点横坐标的平均值，m表示极大值点、极小值点的成对出现的组数，由于极值点的横坐标的变化越符合周期性变化，G的值越趋近于1。

8.异常频谱变化曲线平滑效果图如图4所示，严重异常频谱变化曲线如图5所示，通过分析图3，图4以及图5可知，曲线的波动程度越大、极值点的横坐标变化所呈现的周期性越强，对应的建筑建造越正常，即建筑建造时没有出现纵向倾斜。故建造异常概率为：

式中Z表示建筑建造异常概率，G表示曲线周期性，T表示频谱变化曲线波动程度，Z的值越大说明建筑建造时出现异常概率越大，且异常程度越大。

步骤S004：根据异常概率判断建筑质量。

根据经验值设定第一阈值与第二阈值，其中第一阈值为0.3，第二阈值为0.6；

当异常概率小于第一阈值时，说明频谱变化曲线的周期性好且波动程度较大，对应的建筑建造正常；

当异常概率大于等于第一阈值小于第二阈值时，说明频谱变化曲线的周期性较差且波动程度较小，对应的建筑建造异常，此时需要进行相应的修复措施；

当异常概率大于等于第二阈值时，说明频谱变化曲线的曲线周期性差且波动程度小，对应的建筑建造异常程度大，此时建筑建造的多层均发生异常，此时需要停工整顿，实行拆除重建等措施。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种高层建筑施工建设异常快速检测方法，其特征在于，该方法包括以下步骤：

获取建筑天井图像以及建筑天井的初始边缘图像，对初始边缘图像进行固定方向的直线检测得到目标边缘图像；

在目标边缘图像的频谱图像中，根据以各个像素点为中心的滑窗区域中所有像素点频谱值的差异得到所述频谱图像中的所有频谱高亮点；设置投影线，根据垂直于投影线上每一列中频谱高亮点个数以及每一列中各个频谱高亮点的频谱值得到频谱变化曲线，对频谱变化曲线进行性平滑处理，得到频谱变化序列；

根据频谱变化序列中相邻三个点的频谱值得到极值点序列，根据极值点序列中极值点之间频谱值的差异得到曲线波动程度，根据极值点序列中极值点之间距离的变化情况得到曲线周期性，根据曲线波动程度与曲线周期性计算异常概率；

根据异常概率判断建筑质量。

2.根据权利要求1所述的一种高层建筑施工建设异常快速检测方法，其特征在于，所述频谱图像中的所有频谱高亮点的方法为：

以各个滑窗区域中心点的频谱值为阈值，对所述各个滑窗区域中，且处于频谱图像上的所有像素点进行LBP编码，得到所述频谱图像中各个滑窗区域的八个二进制数；

当每个滑窗区域所对应的八个二进制数的平均值为0时，所述每个滑窗区域的中心点即为一个频谱高亮点；否则不为一个频谱高亮点。

3.根据权利要求1所述的一种高层建筑施工建设异常快速检测方法，其特征在于，所述设置投影线，根据垂直于投影线上每一列中频谱高亮点个数以及每一列中各个频谱高亮点的频谱值得到频谱变化曲线的方法为：

将频谱图像顺时针旋转预设角度，过频谱中心点的水平方向上的直线设置为投影线；

将垂直于投影线上每一列像素中所有频谱高亮点的横坐标记为该列投影点的横坐标，以每一列像素中所有频谱高亮点的频谱值的累加和作为该列频谱高亮点的投影点的纵坐标，以所有投影点为样本数据，使用描点法构建频谱变化曲线。

4.根据权利要求1所述的一种高层建筑施工建设异常快速检测方法，其特征在于，所述根据频谱变化序列中相邻三个点的频谱值得到极值点序列的方法为：

获取频谱变化序列中连续的三个点，其中第二个点为目标点；

以目标点的频谱值为阈值，当所述三个点中各个非目标点的频谱值大于阈值时，将所述各个非目标点的标记值记为1，否则记为0；

计算所述三个点中所有非目标点标记值的平均值，当所述标记值的平均值等于0时，目标点为极大值点；当所述标记值的平均值等于1时，目标点为极小值点；否则目标点不为极值点；

频谱变化序列中的所有极值点构成极值点序列。

5.根据权利要求1所述的一种高层建筑施工建设异常快速检测方法，其特征在于，所述根据极值点序列中极值点之间频谱值的差异得到曲线波动程度的方法如下：

获取极值点序列中每三个极值点划分为一组，得到多个极值组；

计算每一个极值组中所有相邻两个极值点频谱值差值的绝对值，其中所述每个极值组中第一个极值点与第二个极值点之间频谱值的差值绝对值记为第一差值，第二个极值点与第三个极值点之间频谱值的差值绝对值记为第二差值；

计算每个极值组中第一差值与第二差值之间的平均值，得到每个极值组的差异程度；

根据经验值设置第一超参数，计算所有极值组差异程度的平均值，建立所述差异程度的平均值与第一超参数乘积的正相关映射模型得到曲线波动程度；所述正相关映射模型为

，其中

为以自然常数为底的指数函数。

6.根据权利要求1所述的一种高层建筑施工建设异常快速检测方法，其特征在于，所述根据极值点序列中极值点之间距离的变化情况得到曲线周期性的方法为：

计算极值点序列中所有极大值点横坐标的平均值，得到第一均值；计算极值点序列中所有极小值点横坐标的平均值，得到第二均值；

计算极值点序列中所有极大值点横坐标与第一均值之间差值的平均值，得到第一周期指标；计算极值点序列中所有极小值点横坐标与第二均值之间差值的平均值，得到第二周期指标；

建立所述第一周期指标与第二周期指标之间差值绝对值与第二超参数乘积的负相关映射模型得到曲线周期性；所述负相关映射模型为

。

7.根据权利要求1所述的一种高层建筑施工建设异常快速检测方法，其特征在于，所述根据曲线波动程度与曲线周期性计算异常概率的方法为：

计算1.0与曲线波动程度和曲线周期的乘积之间的差值,将所述差值作为建筑建造异常概率。

8.根据权利要求1所述的一种高层建筑施工建设异常快速检测方法，其特征在于，所述根据异常概率判断建筑质量并进行相应处理的方法为：

根据经验值设置第一阈值与第二阈值；

当异常概率小于第一阈值时，认为建筑建造正常；当异常概率大于等于第一阈值小于第二阈值时，认为建筑建造存在异常，需要进行修复；当异常概率大于等于第二阈值时，认为建筑建造存在异常，需要停工整顿并实行拆除重建。

9.根据权利要求1所述的一种高层建筑施工建设异常快速检测方法，其特征在于，所述初始边缘图像是通过对建筑天井图像进行边缘检测得到的；所述目标边缘图像的频谱图像是通过对目标边缘图像进行快速傅里叶变换得到的。

Images