CN115330726A - 一种钢筋保护层质量及墙体质量快速评定系统 - Google Patents

Abstract

本发明提供了一种钢筋保护层质量及墙体质量快速评定系统，包括检测终端、分析终端和评定终端，检测终端包括人工检测模块和自动检测模块，人工检测模块用于供检测员使用并对建筑工地内施工区的墙体及钢筋保护层进行检测，自动检测模块用于自动地定期对建筑工地内施工区的墙体及钢筋保护层进行检测，分析终端包括第一分析模块、第二分析模块和第三分析模块，第一分析模块用于对人工检测模块的检测信息进行分析，第二分析模块用于对自动检测模块的检测信息进行分析，第三分析模块用于对第一分析模块和第二分析模块分析后的信息进行整合分析，评定终端包括第一评定模块和第二评定模块。本发明具有提高评定系统整体的评定准确率的效果。

Description

一种钢筋保护层质量及墙体质量快速评定系统

技术领域

本发明涉及建筑验收设备的技术领域，具体涉及一种钢筋保护层质量及墙体质量快速评定系统。

背景技术

钢筋保护层是建筑混凝土结构中用于保护钢筋的。从混凝土碳化、脱钝和钢筋锈蚀的耐久性角度考虑，不再以纵向受力钢筋的外缘，而以最外层钢筋的外缘计算钢筋保护层的厚度。钢筋保护层的厚度作为质量评定指标。裂痕情况是钢筋保护层形成的墙面以及与钢筋保护层连接的墙体的质量评定指标。

现在已经开发出了很多，经过我们大量的检索与参考，发现现有技术的评定系统有如公开号为CN113552220A、CN114111515A、EP3789731A1、US20210067670A1、JP2016014624A所公开的，这些评定系统一般包括：检测终端和评定终端，检测终端包括钢筋保护层检测器和摄像机，评定终端包括分析模块和计算模块，分析模块要用于对来自摄像机的图像信息进行裂痕数量分析，计算模块根据厚度数据和裂痕数量数据计算质量评分。由于上述评定系统从检测、分析到计算的过程均较为简易，不利于准确地获取检测数据，且不利于全面检测建筑，其分析的方式不利于合理地利用数据，不利于准确地进行分析，计算评分时仅通过厚度数据和裂痕数量进行评定，评定结果不够完善，易于导致评定结果不准确的情况出现，造成了评定系统整体的评定准确率降低的缺陷。

发明内容

本发明的目的在于，针对上述评定系统存在的不足，提出一种钢筋保护层质量及墙体质量快速评定系统。

本发明采用如下技术方案：

一种钢筋保护层质量及墙体质量快速评定系统，包括检测终端、分析终端和评定终端，所述检测终端包括人工检测模块和自动检测模块，所述人工检测模块用于供检测员使用并对建筑工地内施工区的墙体及钢筋保护层进行检测，所述自动检测模块用于自动地定期对建筑工地内施工区的墙体及钢筋保护层进行检测，所述分析终端包括第一分析模块、第二分析模块和第三分析模块，所述第一分析模块用于对人工检测模块的检测信息进行分析，所述第二分析模块用于对自动检测模块的检测信息进行分析，所述第三分析模块用于对第一分析模块和第二分析模块分析后的信息进行整合分析，所述评定终端包括第一评定模块和第二评定模块，所述第一评定模块用于计算裂痕评定指数，所述第二评定模块用于计算厚度评定指数；

所述人工检测模块包括钢筋保护层检测仪和摄像机，所述钢筋保护层检测仪用于供检测员使用并对第一建筑检测点处的钢筋保护层厚度进行检测，所述摄像机用于供检测员使用并对第二建筑检测点处的墙体表面进行拍摄；

所述自动检测模块包括装配有摄像头的无人机和控制子模块，所述控制子模块用于与无人机无线连接并控制无人机的飞行动作，所述无人机用于对建筑内墙面的特殊检测点进行图像采集，所述特殊检测点由检查员预先设定并添加有标记；所述第一建筑检测点、第二建筑检测点和特殊检测点均位于所需验收的建筑内；

所述第一分析模块包括第一数据获取子模块、第一图像处理子模块和第一计算子模块，所述第一数据获取子模块用于获取钢筋保护层检测仪和摄像机的数据信息，所述第一图像处理子模块用于对摄像机的图像信息进行图像处理，所述第一计算子模块用于对保护层检测仪的数据信息进行计算或汇总；

所述第二分析模块包括第二数据获取子模块、第二图像处理子模块和第二计算子模块，所述第二数据获取子模块用于获取来自无人机摄像头的图像信息，所述第二图像处理子模块用于对来自无人机摄像头的图像信息进行图像处理，所述第二计算子模块用于根据经过图像处理后的无人机摄像头的图像信息和摄像机的图像信息分别计算出特殊检测点、第二建筑检测点的裂痕数量及大小；

所述第一评定模块包括第一指数评定子模块，所述第一指数评定子模块用于根据来自第一图像处理子模块、第二图像处理子模块和第二计算子模块的数据信息计算裂痕评定指数，所述第二评定模块包括第二指数评定子模块，所述第二指数评定子模块用于根据第一计算子模块的数据信息计算厚度评定指数。

可选的，所述摄像机通过固定架安装于第二建筑检测点，用于对第二建筑检测点进行周期性拍摄，所述摄像机采用双目相机，所述双目相机的标定过程定义如下：

其中，

表示像素坐标系、图像坐标系、相机坐标系和世界坐标系之间关系式的齐次方程式，u表示齐次方程式的横坐标，v表示齐次方程式的纵坐标，M₁表示相机内参矩阵；

M₁[r₁ r₂ t]表示单应性矩阵H，既：

令H＝[h₁ h₂ h₃]，h₁h₂ h₃均为单应性矩阵的参数，则H＝[h₁ h₂ h₃]＝λM₁[r₁ r₂ t]，其中λ表示尺度因子；

由上式可得：

由于r₁和r₂正交，可得：

其中，每个单应性矩阵提供两个方程，而相机内参矩阵M₁包含5个参数，至少需要3个单应性矩阵；为了得到三个不同的单应性矩阵，使用至少三幅棋盘格平面的图片进行标定；通过改变相机与标定板之间的相对位置来得到三个不同的图片，得到以下式子：

则相机内参矩阵M₁包含的5个参数为：

v₀＝(B₁₂ B₁₃-B₁₁B₂₃)/(B₁₁B₂₂-B₁₂ ²)

λ＝B₃₃-[B₁₃ ²+v₀(B₁₂B₁₃-B₁₁B₂₃)]/B₁₁

γ＝-B₁₂α²β²/λ

则相机外参为：

r₃＝r₁×r₂

t＝λM₁ ^-1h₃

可选的，所述双目相机的标定结果采用过滤优化算法对高斯噪声进行过滤，满足以下式子：

其中，

表示K_ij的估计像点，K_ij表示第i副图像上的第j个角点，上述式子表示采集n副包含棋盘格的图像进行定标，每个图像里有棋盘格角点k个，第i副图像上的角点K_ij在标定计算过程中得到的摄像机矩阵下图像上的投影点；R_i和t_i分别是第i副图像对应的旋转矩阵和平移向量，M₁是相机内参矩阵；则角点K_ij的概率密度函数为：

构造过滤优化函数为：

其中，L_l取得最大值时，使得以下式子最小并通过多参数非线性系统优化问题的LM算法进行迭代求出最优解：

可选的，所述双目相机包括畸变校对单元，所述畸变校对单元用于将图像的径向畸变进行估计和校对，所述畸变校对单元校对径向畸变时，需要计算出畸变系数，计算过程满足以下式子：

径向畸变表达式为：

其中，(u,v)表示理想无畸变的像素坐标，

表示实际畸变后的像素坐标；(u₀,v₀)表示主点，(x,y)表示理想无畸变的连续图像坐标，k₁和k₂表示畸变参数；

其中，

表示实际畸变后的连续图像坐标；

上述式子的矩阵形式为：

记作：

Dk＝d

则可得：

k＝[k₁ k₂]^T＝(D^TD)^-1D^Td

使得构造过滤优化函数更新为：

其中，L_l取得最大值时，使得以下式子最小并通过多参数非线性系统优化问题的LM算法进行迭代求出最优解；

可选的，所述第一图像处理子模块和第二图像处理子模块内均包括有裂痕检测单元，所述裂痕检测单元用于对图像中墙面的裂痕进行检测，检测过程包括以下步骤：

S1，读取图像并调整图像大小；

S2，建立机器学习模型，所述模型对图像进行分类并同时检测异常的位置；对图像进行分类时，将每个图像均分类出损坏部分和未损坏部分；

S3，根据图像的损坏部分和未损坏部分，绘制出裂痕热图；

S4，根据裂痕热图，生成裂痕信息。

可选的，所述无人机包括直线追踪单元，所述直线追踪单元用于根据目标点校对直线飞行路径，校对时满足以下公式：

其中，a表示横向加速度，V表示空速，L表示距离，θ表示跟无人机相距L的目标点与空速之间的夹角；

直线追踪时，满足以下式子：

sinθ＝θ₁+θ₂

更新a为：

其中，h_d表示无人机与地面的距离，

表示对h_d求一阶导。

本发明所取得的有益效果是：

1、人工检测模块和自动检测模块的设置有利于提高检测数据的准确性和时效性，为分析过程提供保障，分析终端分析时对不同的数据进行分别分析，一方面提高分析的效率，另一方面提高分析的准确性，为评定过程提供保障，评定终端评定时将裂痕评定指数和厚度评定指数分开进行计算，有利于细化评定结果，有利于提高评定结果的准确性和全面性；

2、带摄像头的无人机和控制子模块的设置有利于对建筑进行全面检测，代替工人对存在安全风险的检测点进行检测，也有利于保护工人；

3、用于拍摄墙体的固定的摄像机有利于对建筑墙面在验收期内进行多次拍摄，有利于提高图像数据的准确性，且便于监测墙面，所利用的双目相机及其标定方式有利于提高拍摄质量进一步提高数据的准确性；再配合过滤优化算法，对高斯噪声进行过滤，使得分析终端获得更为清晰更为准确的图像，最后对图像进行畸变校对，使得图像得到更进一步的优化，使得裂痕分析过程的准确度很大程度地提高，从而提高评定结果的准确度；

4、进行裂痕识别的时候，先将同一图像内的像素分类成损坏部分和未损坏部分，再绘制成裂痕热图的方式有利于提高对裂痕识别的准确度，使得裂痕的长度数据、裂痕数量数据以及裂痕的面积数据都更加准确；

5、在无人机的控制中加入直线追踪单元，使得无人机更好地按照指定直线路径飞行，有利于提高控制的准确性，以便于更准确地进行检测；

6、当利用无人机群同时对一个检测区域进行整体检测时，所利用的阵型编队方式和控制算法有利于通过虚拟支点对无人机群实现编队保持，通过引力函数和斥力函数实现无人机群飞行时解决飞行震荡，使得无人机群顺利到达目标状态，完成对建筑检测区域的检测。

为使能更进一步了解本发明的特征及技术内容，请参阅以下有关本发明的详细说明与附图，然而所提供的附图仅用于提供参考与说明，并非用来对本发明加以限制。

附图说明

图1为本发明的整体结构示意图；

图2为本发明中裂痕检测单元的检测方法流程图；

图3为本发明中无人机的应用效果示意图；

图4为本发明实施例二中对无人机群实施的控制效果示意图。

具体实施方式

以下是通过特定的具体实施例来说明本发明的实施方式，本领域技术人员可由本说明书所公开的内容了解本发明的优点与效果。本发明可通过其他不同的具体实施例加以施行或应用，本说明书中的各项细节也可基于不同观点与应用，在不背离本发明的精神下进行各种修饰与变更。另外，本发明的附图仅为简单示意说明，并非依实际尺寸描绘，事先声明。以下实施方式将进一步详细说明本发明的相关技术内容，但所公开的内容并非用以限制本发明的保护范围。

实施例一。

本实施例提供了一种钢筋保护层质量及墙体质量快速评定系统。结合图1所示，一种钢筋保护层质量及墙体质量快速评定系统，包括检测终端、分析终端和评定终端。本申请实施例的系统用于对钢筋保护层、由钢筋保护层形成的墙体结构以及与钢筋保护层连接的墙体进行质量评定，钢筋保护层的质量评定关键在于检测钢筋保护层的厚度指标，墙体的质量评定关键在于检测墙体墙面的裂痕情况。

所述检测终端包括人工检测模块和自动检测模块，所述人工检测模块用于供检测员使用并对建筑工地内施工区的墙体及钢筋保护层进行检测，所述自动检测模块用于自动地定期对建筑工地内施工区的墙体及钢筋保护层进行检测，所述分析终端包括第一分析模块、第二分析模块和第三分析模块，所述第一分析模块用于对人工检测模块的检测信息进行分析，所述第二分析模块用于对自动检测模块的检测信息进行分析，所述第三分析模块用于对第一分析模块和第二分析模块分析后的信息进行整合分析，所述评定终端包括第一评定模块和第二评定模块，所述第一评定模块用于计算裂痕评定指数，所述第二评定模块用于计算厚度评定指数；

所述人工检测模块包括钢筋保护层检测仪和摄像机，所述钢筋保护层检测仪用于供检测员使用并对第一建筑检测点处的钢筋保护层厚度进行检测，所述摄像机用于供检测员使用并对第二建筑检测点处的墙体表面进行拍摄；

所述自动检测模块包括装配有摄像头的无人机和控制子模块，所述控制子模块用于与无人机无线连接并控制无人机的飞行动作，所述无人机用于对建筑内墙面的特殊检测点进行图像采集，所述特殊检测点由检查员预先设定并添加有标记；所述第一建筑检测点、第二建筑检测点和特殊检测点均位于所需验收的建筑内；

所述第一分析模块包括第一数据获取子模块、第一图像处理子模块和第一计算子模块，所述第一数据获取子模块用于获取钢筋保护层检测仪和摄像机的数据信息，所述第一图像处理子模块用于对摄像机的图像信息进行图像处理，所述第一计算子模块用于对保护层检测仪的数据信息进行计算或汇总；

所述第二分析模块包括第二数据获取子模块、第二图像处理子模块和第二计算子模块，所述第二数据获取子模块用于获取来自无人机摄像头的图像信息，所述第二图像处理子模块用于对来自无人机摄像头的图像信息进行图像处理，所述第二计算子模块用于根据经过图像处理后的无人机摄像头的图像信息和摄像机的图像信息分别计算出特殊检测点、第二建筑检测点的裂痕数量及大小；

所述第一评定模块包括第一指数评定子模块，所述第一指数评定子模块用于根据来自第一图像处理子模块、第二图像处理子模块和第二计算子模块的数据信息进行评定裂痕评定指数，所述第二评定模块包括第二指数评定子模块，所述第二指数评定子模块用于根据第一计算子模块的数据信息进行评定厚度评定指数。

需要注意的是，第一建筑检测点、第二建筑检测点和特殊检测点可以是但不限于均位于建筑内的同一墙体上和均位于建筑内的同一处区域内。所述同一处区域内可以是但不限于包含2、3、4、5个墙体。进行裂痕评定指数评定时，裂痕评定指数的对象可以是但不限于同一墙体和同一处区域。

可选的，所述摄像机通过固定架安装于第二建筑检测点，用于对第二建筑检测点进行周期性拍摄，所述摄像机采用双目相机，所述双目相机的标定过程定义如下：

其中，

表示像素坐标系、图像坐标系、相机坐标系和世界坐标系之间关系式的齐次方程式，u表示齐次方程式的横坐标，v表示齐次方程式的纵坐标，M₁表示相机内参矩阵；

M₁[r₁ r₂ t]表示单应性矩阵H，既：

令H＝[h₁ h₂ h₃]，h₁h₂ h₃均为单应性矩阵的参数，则H＝[h₁ h₂ h₃]＝λM₁[r₁ r₂ t]，其中λ表示尺度因子；

由上式可得：

由于r₁和r₂正交，可得：

其中，每个单应性矩阵提供两个方程，而相机内参矩阵M₁包含5个参数，至少需要3个单应性矩阵；为了得到三个不同的单应性矩阵，使用至少三幅棋盘格平面的图片进行标定；通过改变相机与标定板之间的相对位置来得到三个不同的图片，得到以下式子：

则相机内参矩阵M₁包含的5个参数为：

v₀＝(B₁₂ B₁₃-B₁₁B₂₃)/(B₁₁B₂₂-B₁₂ ²)

λ＝B₃₃-[B₁₃ ²+v₀(B₁₂ B₁₃-B₁₁B₂₃)]/B₁₁

γ＝-B₁₂α²β²/λ

则相机外参为：

r₃＝r₁×r₂

t＝λM₁ ^-1h₃

可选的，所述双目相机的标定结果采用过滤优化算法对高斯噪声进行过滤，满足以下式子：

其中，

表示K_ij的估计像点，K_ij表示第i副图像上的第j个角点，上述式子表示采集n副包含棋盘格的图像进行定标，每个图像里有棋盘格角点k个，第i副图像上的角点K_ij在标定计算过程中得到的摄像机矩阵下图像上的投影点；R_i和t_i分别是第i副图像对应的旋转矩阵和平移向量，M₁是相机内参矩阵；则角点K_ij的概率密度函数为：

构造过滤优化函数为：

其中，L_l取得最大值时，使得以下式子最小并通过多参数非线性系统优化问题的LM算法进行迭代求出最优解：

可选的，所述双目相机包括畸变校对单元，所述畸变校对单元用于将图像的径向畸变进行估计和校对，所述畸变校对单元校对径向畸变时，需要计算出畸变系数，计算过程满足以下式子：

径向畸变表达式为：

其中，(u,v)表示理想无畸变的像素坐标，

表示实际畸变后的像素坐标；(u₀,v₀)表示主点，(x,y)表示理想无畸变的连续图像坐标，k₁和k₂表示畸变参数；

其中，

表示实际畸变后的连续图像坐标；

上述式子的矩阵形式为：

记作：

Dk＝d

则可得：

k＝[k₁ k₂]^T＝(D^TD)^-1D^Td

使得构造过滤优化函数更新为：

其中，L_l取得最大值时，使得以下式子最小并通过多参数非线性系统优化问题的LM算法进行迭代求出最优解：

可选的，结合图2所示，所述第一图像处理子模块和第二图像处理子模块内均包括有裂痕检测单元，所述裂痕检测单元用于对图像中墙面的裂痕进行检测，检测过程包括以下步骤：

S1，读取图像并调整图像大小；

S2，建立机器学习模型，所述模型对图像进行分类并同时检测异常的位置；对图像进行分类时，将每个图像均分类出损坏部分和未损坏部分；

S3，根据图像的损坏部分和未损坏部分，绘制出裂痕热图；

S4，根据裂痕热图生成裂痕信息。

第一指数评定子模块用于裂痕信息和第二计算子模块的数据信息进行评定裂痕评定指数，第二指数评定子模块用于根据第一计算子模块的数据信息进行评定厚度评定指数。

第一指数评定子模块进行评定时满足以下评分式子：

其中，S_i表示第i条裂痕的面积，S_W表示所属墙面的面积，L_i表示第i条裂痕的长度，N表示所属墙面的裂痕总数。

第二指数评定子模块进行评定时满足以下评分式子：

其中，C_i表示检测区内第i个检测点的钢筋保护层厚度，C_iZ表示检测区内第i个检测点的总厚度，C_iB表示第i个检测点钢筋保护层的参考厚度，C_i1、C_i2、C_i3表示对第i个检测点的钢筋保护层厚度连续三次测量值，K_Z2表示可调的评分系数，本领域技术人员根据经验或者实际情况设定。

可选的，结合图3所示，所述无人机包括直线追踪单元，所述直线追踪单元用于根据目标点校对直线飞行路径，校对时满足以下公式：

其中，a表示横向加速度，V表示空速，L表示长度，θ表示跟无人机相距L的目标点与空速之间的夹角；

直线追踪时，满足以下式子：

sinθ＝θ₁+θ₂

更新a为：

其中，h_d表示无人机与地面的距离，

表示对h_d求一阶导。

实施例二。

本实施例包含了实施例一的全部内容，提供了一种钢筋保护层质量及墙体质量快速评定系统，结合图4所示。对于大型建筑工地现场，一个检测区内存在多个检测点，且各个检测点的设置满足对应的阵型，有利于系统控制若干架无人机按照对应的阵型编队，进而有利于一次性控制一队无人机完成对一个检测区的检测。图4中无人机图案的机头方向是摄像头拍摄方向，但需要注意的是无人机上的摄像头为可360旋转的双目相机。

所述无人机还包括处理模块和数据模块，数据模块用于检测并提供无人机在t时刻的速度、t+1时刻的加速度和t时刻的坐标，处理模块用于通过迭代法并根据t时刻的速度以及t+1时刻的加速度生成无人机t+1时刻的运动模型：

其中，v_x和v_y分别表示无人机在t+1时刻坐标点处横向的速度以及纵向的速度。

根据上述无人机在t时刻的坐标以及计算到的t+1时刻的速度，再通过迭代法求得t+1时刻的坐标：

控制子模块与无人机无线连接并接收来自处理模块和数据模块的数据信息，控制子模块模拟出虚拟支点作为整个无人机编队的中心支点，虚拟支点的运动表达式为：

构建多架无人机的整体队形后，将虚拟支点设置于整体队形的中心位置。将抽象的虚拟支点和实体无人机相连，获得从虚拟支点指向实体无人机的向量。获得所有实体无人机对应的向量后，根据下式分别计算出向量与虚拟支点之间形成的夹角以及各架实体无人机与虚拟支点之间的距离。

控制子模块包括编队控制稳定单元，用于使得预先设计好队形的无人机群在彼此之间的引力场和斥力场的共同作用下以预设队形进行稳定飞行。

编队控制稳定单元通过建立编队无人机之间的人工势场，使得无人机群以预设队形进行稳定地飞行。其中，引力场所产生的作用力用于作为编队的吸引以及集群队形构建，使集群保持聚集状态；斥力场所产生的作用力用于无人机避障以及无人机集群中成员之间的避碰。引力场函数表示为：

其中，λ_a表示引力因子，为常量，本领域技术人员可以根据经验或具体情况来设置或调整，h_t表示目标点的坐标，h表示无人机当前的坐标。

对引力场函数求负梯度,得到引力函数为:

F_a＝-λ_a(h_t-h)

斥力场函数表示为：

其中，λ_b为常量，表示斥力因子，本领域技术人员可以根据经验或具体情况来设置或调整；h₀表示障碍物的坐标，h表示无人机当前坐标，h_a表示经过实验或测量之后得到的斥力常量，表示斥力场所能影响到的范围。

对斥力场函数求负梯度得到斥力函数：

结合比例控制的方式，加入速度变量和加速度变量，使得引力成为由距离、速度和加速度多重控制的量。引力场函数表达式更新为：

其中，λ₁、λ₂、λ₃分别表示与距离、速度和加速度相关的包含了无人机质量的常量，本领域技术人员可以根据经验或具体情况来设置或调整。h'_s、v'_s、a'_s分别表示由虚拟支点的相关参数计算得到的无人机的期望坐标、期望速度和期望加速度。

则引力函数更新为：

F_a＝-λ₁(h′_s-h_i)-λ₂(v′_s-v_i)-λ₃a′_s

斥力函数更新为：

其中，λ₄为常量，表示斥力因子，本领域技术人员可以根据经验或具体情况来设置或调整，h_i表示第i架无人机的坐标，h_j表示第j架无人机的坐标，d_min表示无人机之间不产生斥力的最小距离。

控制子模块通过上述方法以及算法实现对无人机群的编队以及队形稳定，有利于解决飞行震荡，使得无人机顺利到达目标状态，完成对建筑检测区域的检测。

以上所公开的内容仅为本发明的优选可行实施例，并非因此局限本发明的保护范围，所以凡是运用本发明说明书及附图内容所做的等效技术变化，均包含于本发明的保护范围内，此外，随着技术发展其中的元素是可以更新的。

Claims (6)

1.一种钢筋保护层质量及墙体质量快速评定系统，其特征在于，包括检测终端、分析终端和评定终端，所述检测终端包括人工检测模块和自动检测模块，所述人工检测模块用于供检测员使用并对建筑工地内施工区的墙体及钢筋保护层进行检测，所述自动检测模块用于自动地定期对建筑工地内施工区的墙体及钢筋保护层进行检测，所述分析终端包括第一分析模块、第二分析模块和第三分析模块，所述第一分析模块用于对人工检测模块的检测信息进行分析，所述第二分析模块用于对自动检测模块的检测信息进行分析，所述第三分析模块用于对第一分析模块和第二分析模块分析后的信息进行整合分析，所述评定终端包括第一评定模块和第二评定模块，所述第一评定模块用于计算裂痕评定指数，所述第二评定模块用于计算厚度评定指数；

所述人工检测模块包括钢筋保护层检测仪和摄像机，所述钢筋保护层检测仪用于供检测员使用并对第一建筑检测点处的钢筋保护层厚度进行检测，所述摄像机用于供检测员使用并对第二建筑检测点处的墙体表面进行拍摄；

所述自动检测模块包括装配有摄像头的无人机和控制子模块，所述控制子模块用于与无人机无线连接并控制无人机的飞行动作，所述无人机用于对建筑内墙面的特殊检测点进行图像采集，所述特殊检测点由检查员预先设定并添加有标记；

所述第一分析模块包括第一数据获取子模块、第一图像处理子模块和第一计算子模块，所述第一数据获取子模块用于获取钢筋保护层检测仪和摄像机的数据信息，所述第一图像处理子模块用于对摄像机的图像信息进行图像处理，所述第一计算子模块用于对保护层检测仪的数据信息进行计算或汇总；

所述第二分析模块包括第二数据获取子模块、第二图像处理子模块和第二计算子模块，所述第二数据获取子模块用于获取来自无人机摄像头的图像信息，所述第二图像处理子模块用于对来自无人机摄像头的图像信息进行图像处理，所述第二计算子模块用于根据经过图像处理后的无人机摄像头的图像信息和摄像机的图像信息分别计算出特殊检测点、第二建筑检测点的裂痕数量及大小；

所述第一评定模块包括第一指数评定子模块，所述第一指数评定子模块用于根据来自第一图像处理子模块、第二图像处理子模块和第二计算子模块的数据信息计算裂痕评定指数，所述第二评定模块包括第二指数评定子模块，所述第二指数评定子模块用于根据第一计算子模块的数据信息计算厚度评定指数。

2.如权利要求1所述的一种钢筋保护层质量及墙体质量快速评定系统，其特征在于，所述摄像机通过固定架安装于第二建筑检测点，用于对第二建筑检测点进行周期性拍摄，所述摄像机采用双目相机，所述双目相机的标定过程定义如下：

其中，

表示像素坐标系、图像坐标系、相机坐标系和世界坐标系之间关系式的齐次方程式，u表示齐次方程式的横坐标，v表示齐次方程式的纵坐标，M₁表示相机内参矩阵；

M₁[r₁ r₂ t]表示单应性矩阵H，既：

令H＝[h₁ h₂ h₃]，h₁ h₂h₃均为单应性矩阵的参数，则H＝[h₁ h₂ h₃]＝λM₁[r₁ r₂ t]，其中λ表示尺度因子；

由上式可得：

由于r₁和r₂正交，可得：

其中，每个单应性矩阵提供两个方程，而相机内参矩阵M₁包含5个参数，至少需要3个单应性矩阵；为了得到三个不同的单应性矩阵，使用至少三幅棋盘格平面的图片进行标定；通过改变相机与标定板之间的相对位置来得到三个不同的图片，得到以下式子：

则相机内参矩阵M₁包含的5个参数为：

v₀＝(B₁₂B₁₃-B₁₁B₂₃)/(B₁₁B₂₂-B₁₂ ²)

λ＝B₃₃-[B₁₃ ²+v₀(B₁₂B₁₃-B₁₁B₂₃)]/B₁₁

γ＝-B₁₂α²β²/λ

则相机外参为：

r₃＝r₁×r₂

t＝λM₁ ^-1h₃

3.如权利要求2所述的一种钢筋保护层质量及墙体质量快速评定系统，其特征在于，所述双目相机的标定结果采用过滤优化算法对高斯噪声进行过滤，满足以下式子：

其中，

表示K_ij的估计像点，K_ij表示第i副图像上的第j个角点，上述式子表示采集n副包含棋盘格的图像进行定标，每个图像里有棋盘格角点k个，第i副图像上的角点K_ij在标定计算过程中得到的摄像机矩阵下图像上的投影点；R_i和t_i分别是第i副图像对应的旋转矩阵和平移向量，M₁是相机内参矩阵；则角点K_ij的概率密度函数为：

构造过滤优化函数为：

其中，L_l取得最大值时，使得以下式子最小并通过多参数非线性系统优化问题的LM算法进行迭代求出最优解：

4.如权利要求3所述的一种钢筋保护层质量及墙体质量快速评定系统，其特征在于，所述双目相机包括畸变校对单元，所述畸变校对单元用于将图像的径向畸变进行估计和校对，所述畸变校对单元校对径向畸变时，需要计算出畸变系数，计算过程满足以下式子：

径向畸变表达式为：

其中，(u，v)表示理想无畸变的像素坐标，

表示实际畸变后的像素坐标；(u₀，v₀)表示主点，(x，y)表示理想无畸变的连续图像坐标，k₁和k₂表示畸变参数；

其中，

表示实际畸变后的连续图像坐标；

上述式子的矩阵形式为：

记作：

Dk＝d

则可得：

k＝[k₁ k₂]^T＝(D^TD)^-1D^Td

使得构造过滤优化函数更新为：

其中，L_l取得最大值时，使得以下式子最小并通过多参数非线性系统优化问题的LM算法进行迭代求出最优解；

5.如权利要求4所述的一种钢筋保护层质量及墙体质量快速评定系统，其特征在于，所述第一图像处理子模块和第二图像处理子模块内均包括有裂痕检测单元，所述裂痕检测单元用于对图像中墙面的裂痕进行检测，检测过程包括以下步骤：

S1，读取图像并调整图像大小；

S2，建立机器学习模型，所述模型对图像进行分类并同时检测异常的位置；对图像进行分类时，将每个图像均分类出损坏部分和未损坏部分；

S3，根据图像的损坏部分和未损坏部分，绘制出裂痕热图；

S4，根据裂痕热图，生成裂痕信息。

6.如权利要求5所述的一种钢筋保护层质量及墙体质量快速评定系统，其特征在于，所述无人机包括直线追踪单元，所述直线追踪单元用于根据目标点校对直线飞行路径，校对时满足以下公式：

其中，a表示横向加速度，V表示空速，L表示距离，θ表示跟无人机相距L的目标点与空速之间的夹角；

直线追踪时，满足以下式子：

sinθ＝θ₁+θ₂

更新a为：

其中，h_d表示无人机与地面的距离，

表示对h_d求一阶导。

Images