CN115393342B - 一种基于图像处理技术的混凝土振捣点定位方法 - Google Patents
一种基于图像处理技术的混凝土振捣点定位方法 Download PDFInfo
- Publication number
- CN115393342B CN115393342B CN202211116282.2A CN202211116282A CN115393342B CN 115393342 B CN115393342 B CN 115393342B CN 202211116282 A CN202211116282 A CN 202211116282A CN 115393342 B CN115393342 B CN 115393342B
- Authority
- CN
- China
- Prior art keywords
- vibrating
- points
- point
- worker
- coordinates
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000005516 engineering process Methods 0.000 title claims abstract description 20
- 238000001914 filtration Methods 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000005260 corrosion Methods 0.000 claims description 3
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 239000004035 construction material Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000007493 shaping process 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
- G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于图像处理技术的混凝土振捣点定位方法,具体包括如下步骤:步骤1,处理图片中的工人中心及其振捣点;步骤2,将振捣点进行聚类,合并同一类振捣点;步骤3,检验振捣点是否合格;这种方法解决了工人在振捣过程中对振捣时间和距离把控不准确的问题,通过对振捣点标注颜色信息形成振捣不合格区域,来协助工地监管人员的工作,降低安全隐患事故的发生。
Description
技术领域
本发明属于建筑工程及人工智能技术领域,涉及一种基于图像处理技术的混凝土振捣点定位方法。
背景技术
混凝土是当前最主要的土木建筑材料之一,它不仅原料丰富、价格低廉、生产工艺简单,而且还具有抗压强度高、耐久性好、强度等级范围宽等诸多优点,这就使得其应用范围十分广泛,不仅出现在在各种土木工程中,还与造船业、机械工业、地热工程等密切相关。谈到混凝土,就少不了混凝土的振捣。作为工程项目中必不可少的一环,混凝土的振捣具有重大意义。混凝土在浇筑过程中会出现气泡,通过振捣混凝土可以排除其中的气泡,使混凝土变得密实结合,避免出现混凝土蜂窝麻面等现象,起到提高混凝土强度,保证混凝土构件质量的作用。通常使用振捣棒进行混凝土振捣时需要的时长为20s~30s左右,但是工人往往很容易忽略时间这一重要因素,振捣时间过短,混凝土里面的气泡不能完全排出;振捣时间过长,砂会与水泥浆分离,影响混凝土质量。还有振捣距离也是工人容易忽略的一个重要因素,通常混凝土振捣点的间距为30cm~50cm,工人在振捣时对距离的把控也具有一定的随意性。
发明内容
本发明的目的是提供一种基于图像处理技术的混凝土振捣点定位方法,解决了现有混凝土振捣施工时振捣时间不均匀,振捣距离把控不到位的问题,大幅度提高混凝土振捣施工质量。
本发明所采用的技术方案是,一种基于图像处理技术的混凝土振捣点定位方法,具体按以下步骤实施:
步骤1,输入原图,处理图片中的工人中心及其振捣点;
步骤2,将振捣点进行聚类,合并同一类振捣点;
步骤3,检验振捣点是否合格。
本发明的特点还在于:
其中步骤1中处理图片中的工人中心及其振捣点具体按以下步骤实施:
步骤1.1,输入原图,使用伪装物体分割模型对所有振捣棒进行识别,输出伪装物体识别结果二值图P1;
步骤1.2,输入原图,使用人体姿态估计模型对人体关键点进行识别,输出人体各个关键点坐标;
步骤1.3,输入工人身体框的位置信息,将经步骤1.2获取的人体关键点进行过滤,若检测到人体手部关键点,则输出人手关键点坐标;若未检测到人体手部关键点,则输出工人身体框左右两侧中间点位置坐标,代替人手关键点坐标;
步骤1.4,计算步骤1.1中识别到的所有振捣棒的端点坐标,过滤工人身体框内的振捣点;
步骤1.5,将步骤1.4获取到的振捣点与工人中心坐标进行绑定形成字典形式;
步骤1.6,根据视频前后帧合并工人振捣点;
其中步骤1.4中识别所有振捣棒的端点坐标,过滤工人身体框内的振捣点具体按以下步骤实施:
步骤1.4.1,将步骤1.1中伪装物体识别的结果二值图P1进行开运算,即先对二值图进行腐蚀操作,再进行膨胀操作,去除伪装物体识别结果中的噪点,得到伪装物体识别的结果二值图P2;
步骤1.4.2,输入步骤1.4.1中伪装物体识别结果二值图P2,遍历所有振捣棒轮廓,计算两两轮廓之间最小距离是否大于20像素,若大于20像素,则保留原来轮廓;若小于20像素,则在两轮廓之间填充一个15像素半径的白色实心圆,即将两个轮廓间的间隙像素值改为255,然后输出伪装物体识别结果二值图P3;
步骤1.4.3,输入工人手部关键点以及工人身体框的平均宽度L,遍历有左右方向的人手关键点,以关键点为中心,纵向画一条长为2*L的黑色线段,将经过伪装物体识别的振捣棒分为靠近左手边部分和靠近右手边部分,输出分割后的伪装物体识别结果二值图P4;
步骤1.4.4,输入伪装物体识别结果二值图P4中所有的振捣棒外形轮廓,计算轮廓最小外接矩形,若①外接矩形宽≤15像素或≥120像素,返回False;②外接矩形长≤50像素或≥400像素,返回False;③外接矩形长宽比例大于0.5,返回False;④外接矩形与横轴的倾斜角度小于15度,返回False;否则返回True,然后将返回值为True的振捣棒外形轮廓保留,输出伪装物体识别结果二值图P5;
步骤1.4.5,输入伪装物体识别结果二值图P5以及工人身体框位置坐标V1,V2,V3,V4,获取每个振捣棒的外形轮廓边界点坐标,通过计算每个边界点坐标和与振捣棒对应的左右手坐标的距离S来判断振捣点,S最大的判定为振捣点,如果振捣点在工人身体框内,则滤除掉该振捣点;
其中步骤1.5中把振捣点与工人中心坐标进行绑定形成字典形式具体按以下步骤实施:
将步骤1.4.5中的振捣点和人手坐标绑定为字典形式并把振捣点映射到原图上,得到图片W;输入工人身体框位置坐标V1,V2,V3,V4,人手关键点位置坐标和振捣点位置坐标,遍历人手关键点,初始化字典增加键为工人中心坐标、值为空列表的元素,生成与人手关键点列表等长的工人中心坐标列表,即将人手关键点与工人中心坐标建立对应关系;遍历振捣点,通过振捣点所带的人手关键点索引找到工人中心坐标,将该振捣点坐标添加到键为对应工人中心坐标的字典值中,其中工人中心坐标为(V1+V3)/2;
其中步骤1.6中根据视频前后帧合并工人振捣点具体按以下步骤实施:
将步骤1.5中得到的具有振捣点的当前帧图片W与上一帧图片W0进行合并,合并步骤如下:①若当前帧工人振捣点为空,则返回上一帧工人振捣点,②给当前帧工人振捣点加上帧号,③若上一帧工人振捣点为空,则返回当前帧工人振捣点,④合并当前帧与上一帧工人振捣点字典,⑤遍历工人中心坐标,将两点距离小于50像素的工人中心点坐标合并,合并后的工人中心点对应的振捣点坐标为原来未合并工人中心点对应的振捣点坐标;
其中步骤2中将振捣点进行聚类,合并同一类振捣点具体按以下步骤实施:
步骤2.1,将数量前二的工人中心点对应的振捣点坐标合并;
步骤2.2,若步骤2.1中的振捣点数量<10,则返回空,然后使用DBSCAN算法对振捣点进行聚类,核心点最小距离为1/4网格距离,最少核心点数量为3,再将振捣点根据聚类结果分类存储,并丢弃离群点,其中网格距离表示用边长为50像素的正方形网格划分图像,边长即为网格距离;
步骤2.3,输入步骤2.2中得到的聚类后的振捣点,获得该类振捣点的起始帧号和结束帧号,计算帧差除帧率得振捣时间,然后计算该类振捣点的外形轮廓中心坐标,若点数小于5则取第一个点为中心坐标;
其中步骤2.2中DBSCAN算法具体按以下步骤实施:
输入振捣点位置信息、扫描半径R为1/4网格距离、最小包含点数为3,任选一个未被访问的振捣点,找出与其距离在R之内的所有振捣点,若附近振捣点数量num≥3,则当前振捣点与其附近振捣点形成一个簇,并且出发点标记为已访问,然后用相同的方式处理簇内其他未被标记的振捣点,实现对簇进行扩展,若附近振捣点数量<3,则将该点标记为噪点,若簇内的所有振捣点均已访问,然后用相同的算法处理其余未被访问的振捣点;
其中步骤3中检验振捣点是否合格具体按以下步骤实施:
将邻近距离<30像素的振捣点合并,然后把最终得到的振捣点绘制到原图上,距离不合格的振捣点为红色,时间小于20秒的为黄色,其余为绿色,并统计红色振捣点数量,最后将红色振捣点连接起来,形成振捣不合格区域;其中距离不合格判定条件为:以每个振捣点为中心作半径为3*distance圆的外接正方形,正方形内存在其他振捣点该点合格,否则不合格。
本发明的有益效果是
本发明的一种基于图像处理技术的混凝土振捣点定位方法,首先使用伪装物体分割模型和人体姿态估计模型识别出振捣棒和人体关键点,然后通过每个关键点的识别序号保留手部关键点,并且给未识别到的手部关键点添加上替代的关键点,再通过开运算对伪装物体识别结果二值图进行降噪处理,连接相邻的轮廓,以左右手分隔该轮廓,然后根据振捣棒外接轮廓最小矩形判断是否存在弯曲轮廓,如果存在则滤除该弯曲轮廓。其次将振捣点与工人中心形成字典形式,并通过前后帧合并工人振捣点,然后根据聚类算法过滤掉离群关键点。最后计算最终振捣点的时间和距离,判断是否合格。这种方法解决了工人在振捣过程中对振捣时间和距离把控不准确的问题,通过对振捣点标注颜色信息形成振捣不合格区域,来协助工地监管人员的工作,降低安全隐患事故的发生。
附图说明
图1为本发明的一种基于图像处理技术的混凝土振捣点定位方法中合格振捣点提取流程图;
图2为本发明的一种基于图像处理技术的混凝土振捣点定位方法中伪装物体分割结果示意图;
图3为本发明的一种基于图像处理技术的混凝土振捣点定位方法中DBSCAN聚类方法的三类关键点示意图;
图4为本发明的一种基于图像处理技术的混凝土振捣点定位方法中人体姿态估计结果示意图;
图5为本发明的一种基于图像处理技术的混凝土振捣点定位方法中网格划分示意图;
图6为本发明的一种基于图像处理技术的混凝土振捣点定位方法中振捣点过滤示意图;
图7为本发明的一种基于图像处理技术的混凝土振捣点定位方法中振捣时间和间距以及不合格区域示意图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明提供了一种基于图像处理技术的混凝土振捣点定位方法,如图1所示,具体按以下步骤实施:
步骤1,处理图片中的工人中心及其振捣点:
步骤1.1,输入原图,如图2(a)所示,使用伪装物体分割模型对所有振捣棒进行识别,输出伪装物体识别结果二值图P1,如图2(b)所示;
步骤1.2,输入原图,如图4(a)所示,使用人体姿态估计模型对人体关键点进行识别,输出人体各个关键点坐标,如图4(b)所示;
步骤1.3,输入工人身体框的位置信息,将步骤1.2获取的人体关键点进行过滤,如果检测到人体手部关键点,则输出人手关键点坐标;如果未检测到人体手部关键点,则输出工人身体框左右两侧中间点位置坐标,代替人手关键点坐标;
步骤1.4,计算步骤1.1中识别到的所有振捣棒的端点坐标,过滤工人身体框内的振捣点:
步骤1.4.1:将步骤1.1中伪装物体识别的结果二值图P1进行开运算,即先对二值图进行腐蚀操作,再进行膨胀操作,去除伪装物体识别结果中的噪点,得到伪装物体识别的结果二值图P2;
步骤1.4.2:输入步骤1.4.1中伪装物体识别结果二值图P2,遍历所有振捣棒轮廓,计算两两轮廓之间最小距离是否大于20像素,若大于20像素,则保留原来轮廓;若小于20像素,则在两轮廓之间填充一个15像素半径的白色实心圆,即将两个轮廓间的间隙像素值改为255,然后输出伪装物体识别结果二值图P3;
步骤1.4.3:输入工人手部关键点以及工人身体框的平均宽度L,遍历有左右方向的人手关键点,以关键点为中心,纵向画一条长为2*L的黑色线段,将经过伪装物体识别的振捣棒分为靠近左手边部分和靠近右手边部分,输出分割后的伪装物体识别结果二值图P4;
步骤1.4.4:输入伪装物体识别结果二值图P4中所有的振捣棒外形轮廓,计算轮廓最小外接矩形,若①外接矩形宽≤15像素或≥120像素,返回False②外接矩形长≤50像素或≥400像素,返回False③外接矩形长宽比例大于0.5,返回False④外接矩形与横轴的倾斜角度小于15度,返回False;否则返回True,然后将返回值为True的振捣棒外形轮廓保留,输出伪装物体识别结果二值图P5;
步骤1.4.5:输入伪装物体识别结果二值图P5以及工人身体框位置坐标V1,V2,V3,V4,获取每个振捣棒的外形轮廓边界点坐标,通过计算每个边界点坐标和与振捣棒对应的左右手坐标的距离S来判断振捣点,S最大的判定为振捣点,如果振捣点在工人身体框内,则滤除掉该振捣点;
步骤1.5,将步骤1.4获取到的振捣点与工人中心坐标进行绑定形成字典形式:
将步骤1.4.5中的振捣点和人手坐标绑定为字典形式并把振捣点映射到原图上,得到图片W;输入工人身体框位置坐标V1,V2,V3,V4,人手关键点位置坐标和振捣点位置坐标,遍历人手关键点,初始化字典增加键为工人中心坐标、值为空列表的元素,生成与人手关键点列表等长的工人中心坐标列表,即将人手关键点与工人中心坐标建立对应关系。遍历振捣点,通过振捣点所带的人手关键点索引找到工人中心坐标,将该振捣点坐标添加到键为对应工人中心坐标的字典值中,其中工人中心坐标为(V1+V3)/2;
步骤1.6,根据视频前后帧合并工人振捣点:
将步骤1.5中得到的具有振捣点的当前帧图片W与上一帧图片W0进行合并,合并步骤如下:①若当前帧工人振捣点为空,则返回上一帧工人振捣点②给当前帧工人振捣点加上帧号③若上一帧工人振捣点为空,则返回当前帧工人振捣点④合并当前帧与上一帧工人振捣点字典⑤遍历工人中心坐标,将两点距离小于50像素的工人中心点坐标合并,合并后的工人中心点对应的振捣点坐标为原来未合并工人中心点对应的振捣点坐标;
步骤2,将振捣点进行聚类,合并同一类振捣点:
步骤2.1,输入合并前后帧振捣点的图6(a),将数量前二的工人中心点对应的振捣点坐标合并,合并结果如图6(b)所示;
步骤2.2,若步骤2.1中的振捣点数量<10,则返回空,然后使用DBSCAN算法对振捣点进行聚类,核心点最小距离为1/4网格距离,最少核心点数量为3,再将振捣点根据聚类结果分类存储,并丢弃离群点,其中网格距离表示用边长为50像素的正方形网格划分图像,边长即为网格距离,如图5所示;
步骤2.3,输入步骤2.2中得到的聚类后的振捣点,获得该类振捣点的起始帧号和结束帧号,计算帧差除帧率得振捣时间,然后计算该类振捣点的外形轮廓中心坐标,若点数小于5则取第一个点为中心坐标;
其中DBSCAN算法具体按以下步骤实施:
输入振捣点位置信息、扫描半径R(1/4网格距离)、最小包含点数为3,任选一个未被访问的振捣点,找出与其距离在R之内的所有振捣点,如果附近振捣点数量num≥3,则当前振捣点与其附近振捣点形成一个簇,并且出发点标记为已访问,然后用相同的方式处理簇内其他未被标记的振捣点,实现对簇进行扩展,如果附近振捣点数量<3,则将该点标记为噪点,如果簇内的所有振捣点均已访问,然后用相同的算法处理其余未被访问的振捣点,其中定义的三类点的含义如图3所示;
其中步骤3中检验振捣点是否合格具体包括:
将邻近距离<30像素的振捣点合并,然后把最终得到的振捣点绘制到原图上,距离不合格的振捣点为红色,时间小于20秒的为黄色,其余为绿色,如图7(a)所示,并统计红色振捣点数量,最后将红色振捣点连接起来,形成振捣不合格区域,如图7(b)所示。其中距离不合格判定条件为:以每个振捣点为中心作半径为3*distance圆的外接正方形,只要正方形内存在其他振捣点该点合格,否则不合格。
Claims (5)
1.一种基于图像处理技术的混凝土振捣点定位方法,其特征在于,具体按以下步骤实施:
步骤1,输入原图,处理图片中的工人中心及其振捣点,具体按以下步骤实施:
步骤1.1,输入原图,使用伪装物体分割模型对所有振捣棒进行识别,输出伪装物体识别结果二值图P1;
步骤1.2,输入原图,使用人体姿态估计模型对人体关键点进行识别,输出人体各个关键点坐标;
步骤1.3,输入工人身体框的位置信息,将经步骤1.2获取的人体关键点进行过滤,若检测到人体手部关键点,则输出人手关键点坐标;若未检测到人体手部关键点,则输出工人身体框左右两侧中间点位置坐标,代替人手关键点坐标;
步骤1.4,计算步骤1.1中识别到的所有振捣棒的端点坐标,过滤工人身体框内的振捣点;
步骤1.5,将步骤1.4获取到的振捣点与工人中心坐标进行绑定形成字典形式;
步骤1.6,根据视频前后帧合并工人振捣点;
步骤2,将振捣点进行聚类,合并同一类振捣点,具体按以下步骤实施:
步骤2.1,将数量前二的工人中心点对应的振捣点坐标合并;
步骤2.2,若步骤2.1中的振捣点数量<10,则返回空,然后使用DBSCAN算法对振捣点进行聚类,核心点最小距离为1/4网格距离,最少核心点数量为3,再将振捣点根据聚类结果分类存储,并丢弃离群点,其中网格距离表示用边长为50像素的正方形网格划分图像,边长即为网格距离;
步骤2.3,输入步骤2.2中得到的聚类后的振捣点,获得该类振捣点的起始帧号和结束帧号,计算帧差除帧率得振捣时间,然后计算该类振捣点的外形轮廓中心坐标,若点数小于5则取第一个点为中心坐标;
步骤3,检验振捣点是否合格,检验振捣点是否合格具体按以下步骤实施:
将邻近距离<30像素的振捣点合并,然后把最终得到的振捣点绘制到原图上,距离不合格的振捣点为红色,时间小于20秒的为黄色,其余为绿色,并统计红色振捣点数量,最后将红色振捣点连接起来,形成振捣不合格区域;其中距离不合格判定条件为:以每个振捣点为中心作半径为3*distance圆的外接正方形,正方形内存在其他振捣点该点合格,否则不合格。
2.根据权利要求1所述的一种基于图像处理技术的混凝土振捣点定位方法,其特征在于,所述步骤1.4中识别所有振捣棒的端点坐标,过滤工人身体框内的振捣点具体按以下步骤实施:
步骤1.4.1,将步骤1.1中伪装物体识别的结果二值图P1进行开运算,即先对二值图进行腐蚀操作,再进行膨胀操作,去除伪装物体识别结果中的噪点,得到伪装物体识别的结果二值图P2;
步骤1.4.2,输入步骤1.4.1中伪装物体识别结果二值图P2,遍历所有振捣棒轮廓,计算两两轮廓之间最小距离是否大于20像素,若大于20像素,则保留原来轮廓;若小于20像素,则在两轮廓之间填充一个15像素半径的白色实心圆,即将两个轮廓间的间隙像素值改为255,然后输出伪装物体识别结果二值图P3;
步骤1.4.3,输入工人手部关键点以及工人身体框的平均宽度L,遍历有左右方向的人手关键点,以关键点为中心,纵向画一条长为2*L的黑色线段,将经过伪装物体识别的振捣棒分为靠近左手边部分和靠近右手边部分,输出分割后的伪装物体识别结果二值图P4;
步骤1.4.4,输入伪装物体识别结果二值图P4中所有的振捣棒外形轮廓,计算轮廓最小外接矩形,若①外接矩形宽≤15像素或≥120像素,返回False;②外接矩形长≤50像素或≥400像素,返回False;③外接矩形长宽比例大于0.5,返回False;④外接矩形与横轴的倾斜角度小于15度,返回False;否则返回True,然后将返回值为True的振捣棒外形轮廓保留,输出伪装物体识别结果二值图P5;
步骤1.4.5,输入伪装物体识别结果二值图P5以及工人身体框位置坐标V1,V2,V3,V4,获取每个振捣棒的外形轮廓边界点坐标,通过计算每个边界点坐标和与振捣棒对应的左右手坐标的距离S来判断振捣点,S最大的判定为振捣点,如果振捣点在工人身体框内,则滤除掉该振捣点。
3.根据权利要求2所述的一种基于图像处理技术的混凝土振捣点定位方法,其特征在于,所述步骤1.5中把振捣点与工人中心坐标进行绑定形成字典形式具体按以下步骤实施:
将步骤1.4.5中的振捣点和人手坐标绑定为字典形式并把振捣点映射到原图上,得到图片W;输入工人身体框位置坐标V1,V2,V3,V4,人手关键点位置坐标和振捣点位置坐标,遍历人手关键点,初始化字典增加键为工人中心坐标、值为空列表的元素,生成与人手关键点列表等长的工人中心坐标列表,即将人手关键点与工人中心坐标建立对应关系;遍历振捣点,通过振捣点所带的人手关键点索引找到工人中心坐标,将该振捣点坐标添加到键为对应工人中心坐标的字典值中,其中工人中心坐标为(V1+V3)/2。
4.根据权利要求1所述的一种基于图像处理技术的混凝土振捣点定位方法,其特征在于,所述步骤1.6中根据视频前后帧合并工人振捣点具体按以下步骤实施:
将步骤1.5中得到的具有振捣点的当前帧图片W与上一帧图片W0进行合并,合并步骤如下:①若当前帧工人振捣点为空,则返回上一帧工人振捣点,②给当前帧工人振捣点加上帧号,③若上一帧工人振捣点为空,则返回当前帧工人振捣点,④合并当前帧与上一帧工人振捣点字典,⑤遍历工人中心坐标,将两点距离小于50像素的工人中心点坐标合并,合并后的工人中心点对应的振捣点坐标为原来未合并工人中心点对应的振捣点坐标。
5.根据权利要求1所述的一种基于图像处理技术的混凝土振捣点定位方法,其特征在于,所述步骤2.2中DBSCAN算法具体按以下步骤实施:
输入振捣点位置信息、扫描半径R为1/4网格距离、最小包含点数为3,任选一个未被访问的振捣点,找出与其距离在R之内的所有振捣点,若附近振捣点数量num≥3,则当前振捣点与其附近振捣点形成一个簇,并且出发点标记为已访问,然后用相同的方式处理簇内其他未被标记的振捣点,实现对簇进行扩展,若附近振捣点数量<3,则将该点标记为噪点,若簇内的所有振捣点均已访问,然后用相同的算法处理其余未被访问的振捣点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211116282.2A CN115393342B (zh) | 2022-09-14 | 2022-09-14 | 一种基于图像处理技术的混凝土振捣点定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211116282.2A CN115393342B (zh) | 2022-09-14 | 2022-09-14 | 一种基于图像处理技术的混凝土振捣点定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115393342A CN115393342A (zh) | 2022-11-25 |
CN115393342B true CN115393342B (zh) | 2023-08-22 |
Family
ID=84127051
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211116282.2A Active CN115393342B (zh) | 2022-09-14 | 2022-09-14 | 一种基于图像处理技术的混凝土振捣点定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115393342B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013060017A1 (zh) * | 2011-10-28 | 2013-05-02 | 中联重科股份有限公司 | 臂架振动位移测量方法、系统及包含其的混凝土泵车 |
CN105044753A (zh) * | 2015-06-25 | 2015-11-11 | 河海大学 | 基于双gps和姿态校正的振捣棒工作位置模糊定位方法 |
CN106707932A (zh) * | 2016-12-29 | 2017-05-24 | 天津大学 | 一种常态混凝土振捣质量可视化实时监控系统及方法 |
CN110349209A (zh) * | 2019-04-28 | 2019-10-18 | 西安交通大学 | 基于双目视觉的振捣棒定位方法 |
CN110555373A (zh) * | 2019-07-24 | 2019-12-10 | 浙江工业大学 | 一种基于图像识别的混凝土振捣质量实时检测方法 |
CN213774541U (zh) * | 2020-11-27 | 2021-07-23 | 云南辰达建设工程有限公司 | 一种建筑工程用混凝土振捣装置 |
CN114648637A (zh) * | 2022-03-28 | 2022-06-21 | 江苏禹润智能科技有限公司 | 一种基于机器视觉的混凝土自动振捣方法及系统 |
-
2022
- 2022-09-14 CN CN202211116282.2A patent/CN115393342B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013060017A1 (zh) * | 2011-10-28 | 2013-05-02 | 中联重科股份有限公司 | 臂架振动位移测量方法、系统及包含其的混凝土泵车 |
CN105044753A (zh) * | 2015-06-25 | 2015-11-11 | 河海大学 | 基于双gps和姿态校正的振捣棒工作位置模糊定位方法 |
CN106707932A (zh) * | 2016-12-29 | 2017-05-24 | 天津大学 | 一种常态混凝土振捣质量可视化实时监控系统及方法 |
CN110349209A (zh) * | 2019-04-28 | 2019-10-18 | 西安交通大学 | 基于双目视觉的振捣棒定位方法 |
CN110555373A (zh) * | 2019-07-24 | 2019-12-10 | 浙江工业大学 | 一种基于图像识别的混凝土振捣质量实时检测方法 |
CN213774541U (zh) * | 2020-11-27 | 2021-07-23 | 云南辰达建设工程有限公司 | 一种建筑工程用混凝土振捣装置 |
CN114648637A (zh) * | 2022-03-28 | 2022-06-21 | 江苏禹润智能科技有限公司 | 一种基于机器视觉的混凝土自动振捣方法及系统 |
Non-Patent Citations (1)
Title |
---|
"An efficient three-dimensional damage-based nonlocal model for dynamic tensile failure in concrete";Junjie Tang et al.;International JournalofImpactEngineering;1-15 * |
Also Published As
Publication number | Publication date |
---|---|
CN115393342A (zh) | 2022-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104268600B (zh) | 一种基于Minkowski距离的矿物浮选泡沫图像纹理分析及工况识别方法 | |
CN101588445A (zh) | 一种基于深度的视频感兴趣区域提取方法 | |
CN106530317B (zh) | 一种简笔画计算机评分与辅助上色方法 | |
CN112613097A (zh) | 一种基于计算机视觉的bim快速化建模方法 | |
CN103955945B (zh) | 基于双目视差和活动轮廓的自适应彩色图像分割方法 | |
CN102682428A (zh) | 一种基于方向场的指纹图像计算机自动化修补方法 | |
CN107730587B (zh) | 一种基于图片快速三维化交互式建模方法 | |
CN110544300B (zh) | 一种基于二维手绘图像特征自动生成三维模型的方法 | |
CN110757804A (zh) | 一种基于纹理贴图三维模型的全彩色分层切片算法 | |
CN115393342B (zh) | 一种基于图像处理技术的混凝土振捣点定位方法 | |
CN113763273B (zh) | 人脸补全方法、电子设备和计算机可读存储介质 | |
CN111260706B (zh) | 一种基于单目相机的稠密深度图计算方法 | |
CN110598708A (zh) | 一种街景文本目标识别检测方法 | |
CN111524204B (zh) | 一种人像发丝动漫化纹理生成方法 | |
CN105828061B (zh) | 一种基于视觉掩蔽效应的虚拟视点质量评价方法 | |
CN112749741A (zh) | 一种基于深度学习的手闸紧固故障识别方法 | |
CN110766117B (zh) | 一种二维码的生成方法及系统 | |
CN102426708B (zh) | 基于基元重组的纹理设计与合成方法 | |
CN110717875B (zh) | 一种高清图像处理方法 | |
CN111882495B (zh) | 一种基于自定义模糊逻辑与gan的图像高光处理方法 | |
CN105740864B (zh) | 一种基于lbp的图像特征提取方法 | |
CN114723601A (zh) | 一种虚拟场景下的模型结构化建模及快速渲染方法 | |
CN114119874A (zh) | 基于gan的单图重建高清3d面部纹理的方法 | |
CN110705568B (zh) | 一种图像特征点提取的优化方法 | |
CN111291763A (zh) | 大理石板图像分割方法、装置设备及存储介质 |
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 |