CN116090838A - 一种基于摄像头的工地自动巡检系统 - Google Patents
一种基于摄像头的工地自动巡检系统 Download PDFInfo
- Publication number
- CN116090838A CN116090838A CN202310364091.6A CN202310364091A CN116090838A CN 116090838 A CN116090838 A CN 116090838A CN 202310364091 A CN202310364091 A CN 202310364091A CN 116090838 A CN116090838 A CN 116090838A
- Authority
- CN
- China
- Prior art keywords
- subarea
- detection
- building surface
- building
- damage
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- 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
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明涉及工地自动巡检技术领域,具体公开一种基于摄像头的工地自动巡检系统,该系统包括:无人机巡检模块、建筑物划分模块、防护网损坏分析模块、防护栏危险分析模块、人员调配模块、显示终端和云数据库,本发明弥补了现有技术中对防护网的损坏趋势和预计损坏时间点的分析力度不够深入的缺陷,提高了防护网在当前检测时间点时的损坏分析的价值性,为相关管理人员提供参考损坏时间点,提高了相关管理人员对防护网损坏的风险规避评估效率,从而为后续建筑物的相关建设工作提供强有力的数据支持,本发明保障了防护栏损坏分析的精准性,避免出现防护栏位置偏移的现象,从而保障整个防护栏结构的稳定性,有利于工人的持续作业。
Description
技术领域
本发明涉及工地自动巡检技术领域,具体而言,涉及一种基于摄像头的工地自动巡检系统。
背景技术
工地是进行建筑、开发、生产等的工作场地,随着社会的发展,城市化的进程在逐步加快,越来越多的工地呈现在人们眼前,在工地中,建筑物的建设往往需要搭设防护网和防护栏,以供工人完成建筑物的相关建设工作,故而防护网和防护栏的安全巡检格外重要,若是防护网和防护栏的安全得不到保障,一方面难以保障工人的生命安全,进而影响后续施工,另一方面影响建筑物的实际完成时间,降低建筑公司的相关收益,因此,需要对建筑物的防护网和防护栏进行分析。
现有对建筑物的防护网和防护栏的分析在一定程度上可以满足当前要求,但是还存在一定的缺陷,其具体体现在:(1)现有技术大多分析防护网在当前检测时间点时的损坏,对防护网的损坏趋势和预计损坏时间点的分析力度不够深入,进而导致防护网在当前检测时间点时的损坏分析的价值性不高,无法为相关管理人员提供参考损坏时间点,进而降低相关管理人员对防护网损坏的风险规避评估效率,从而在一定程度上无法为后续建筑物的相关建设工作提供强有力的数据支持。
(2)现有技术中在对防护栏的损坏分析时,大多从防护栏的外观损坏入手,对防护栏的位置偏移的关注度不高,导致防护栏损坏分析的精确性降低,从而导致防护栏可能出现位置偏移,进而影响整个防护栏结构的稳定性,容易出现防护栏松动的现象,不利于工人的持续作业。
发明内容
为了克服背景技术中的缺点,本发明实施例提供了一种基于摄像头的工地自动巡检系统,能够有效解决上述背景技术中涉及的问题。
本发明的目的可以通过以下技术方案来实现:一种基于摄像头的工地自动巡检系统,包括:无人机巡检模块,用于使用无人机对目标建筑物进行三维扫描,并将扫描数据上传到目标建筑物仿真平台。
建筑物划分模块,用于将目标建筑物所属各建筑面按照等面积划分为各检测子区域。
防护网损坏分析模块,用于基于目标建筑物仿真平台分析各建筑面所属各检测子区域对应的防护网损坏系数,并判断各建筑面所属各损坏子区域和各正常子区域,从而分析各建筑面所属各正常子区域对应的损坏趋势系数和预计损坏时间点。
防护栏危险分析模块,用于基于目标建筑物仿真平台分析各建筑面所属各检测子区域对应的位置危险系数和外观损坏系数,进而综合分析各建筑面所属各检测子区域对应的防护栏危险系数。
人员调配模块,用于分析各建筑面对应的各待检修子区域,并分析各建筑面所属各损坏子区域和各待检修子区域分别对应的维修人员数量,并进行维修人员调配。
显示终端,用于将各建筑面所属各损坏子区域和各待检修子区域分别对应的维修人员数量进行显示,并显示各建筑面所属各正常子区域对应的预计损坏时间点。
云数据库,用于存储各建筑面所属各检测子区域对应各初始布设点的RGB值,存储栏杆连接处对应裂缝的灰度值范围,存储损坏趋势系数与预计损坏时长的曲线图,并存储各防护栏危险等级对应的防护栏危险系数区间。
作为一种优选的方案,所述分析各建筑面所属各检测子区域对应的防护网损坏系数,其具体方法为:从目标建筑物仿真平台中提取各建筑面所属各检测子区域对应的当前检测图像,进而获取各建筑面所属各检测子区域对应防护网上各测试点的RGB值,将其分别标记为、、,其中表示为各建筑面的编号,,表示为建筑面的总数,表示为各检测子区域的编号,,表示为检测子区域的总数,表示为各测试点的编号,。
获取各建筑面所属各检测子区域对应防护网上各测试点的参考RGB值,将其分别标记为、、。
分析各建筑面所属各检测子区域对应各测试点的近期颜色符合系数,其中、、分别表示为预设的R值相似度、G值相似度、B值相似度对应的权重系数。
统计各建筑面所属各检测子区域对应测试点的数量,并依据各建筑面所属各检测子区域对应各测试点的近期颜色符合系数筛选符合测试点的数量。
从云数据库中提取各建筑面所属各检测子区域对应的RGB值,并将其标记为、、。
同理,分析各建筑面所属各检测子区域对应各测试点的初始颜色符合系数,其中、、分别表示为预设的R值相似占比因子、G值相似占比因子、B值相似占比因子。
筛选各建筑面所属各检测子区域对应异常检测点的数量。
分析各建筑面所属各检测子区域对应的防护网损坏系数,其中表示为测试点的数量,、分别表示为预设的近期颜色符合、初始颜色符合对应的占比因子。
作为一种优选的方案,所述分析各建筑面所属各正常子区域对应的损坏趋势系数,其具体方法为:依据当前时间点和目标建筑物对应的最近一次检测时间点,分析各建筑面所属各正常子区域对应的当前单位时长损坏增长率。
基于预设的允许损坏增长率分析各建筑面所属各正常子区域对应的损坏趋势系数,其中表示为第个建筑面所属第个正常子区域对应的单位时长损坏增长率。
作为一种优选的方案,所述分析各建筑面所属各正常子区域对应的预计损坏时间点,其具体分析方法为:将各建筑面所属各正常子区域对应的损坏趋势系数代入到云数据库中储存的损坏趋势系数与预计损坏时长的曲线图,进而得到各建筑面所属各正常子区域对应的预计损坏时长,并依据当前时间点获取各建筑面所属各正常子区域对应的预计损坏时间点。。
作为一种优选的方案,所述分析各建筑面所属各检测子区域对应的位置危险系数,其具体方法为:依据目标建筑物仿真平台获取各建筑面所属各检测子区域对应各栏杆连接处所属初始轮廓的中心点,并将其作为各建筑面所属各检测子区域对应各栏杆连接处的基准点,并基于目标建筑物仿真平台获取各建筑面所属各检测子区域对应各栏杆连接处所属基准点的坐标,其中表示为各栏杆连接处的编号,,表示为栏杆连接处的总数。
同理,获取各建筑面所属各检测子区域对应各栏杆连接处所属当前轮廓的中心点,并获取其对应的当前坐标。
分析各建筑面所属各检测子区域对应各栏杆连接处的位置偏移系数,其中、、分别表示为预设的x轴、y轴、z轴对应的允许偏移距离。
基于各建筑面所属各检测子区域对应各栏杆连接处的位置偏移系数筛选各建筑面所属各检测子区域对应的最大位置偏移系数和最小位置偏移系数。
分析各建筑面所属各检测子区域对应的位置波动系数,其中表示为预设的允许偏移系数差值。
分析各建筑面所属各检测子区域对应的位置危险系数,其中、分别表示为预设的位置偏移、位置波动对应的权重因子。
作为一种优选的方案,所述分析各建筑面所属各检测子区域对应的外观损坏系数,其具体方法为:从云数据库中提取栏杆连接处对应裂缝的灰度值范围,进而分析各建筑面所属各检测子区域对应的各裂缝区域,并获取各建筑面所属各检测子区域对应各裂缝区域内最长长度,将其标记为各建筑面所属各检测子区域对应各裂缝区域对应的长度,其中表示为各裂缝区域的编号,。
提取各建筑面所属各检测子区域对应的最长长度和最短长度,统计各建筑面所属各检测子区域对应裂缝区域的数量,并据此分析各建筑面所属各检测子区域对应的裂缝危险系数,其中表示为裂缝区域的数量,表示为预设的允许裂缝长度误差值,表示为预设的允许裂缝区域的数量,、、分别表示为预设的裂缝长度、裂缝长度误差、裂缝区域数量对应的比例因子。
同理,分析各建筑面所属各检测子区域对应的锈蚀危险系数。
综合分析各建筑面所属各检测子区域对应的外观损坏系数,其中、分别表示为预设的裂缝危险系数、锈蚀危险系数对应的修正因子,表示为自然常数。
作为一种优选的方案,所述各建筑面所属各检测子区域对应的防护栏危险系数,其计算公式为:。
作为一种优选的方案,所述分析各建筑面对应的各待检修子区域,其具体方法为:将各建筑面所属各检测子区域对应的防护栏危险系数与预设的防护栏危险系数阈值进行对比,若某建筑面所属某检测子区域对应的防护栏危险系数大于或等于防护栏危险系数阈值,则将该检测子区域标记为待检修子区域,进而得到各建筑面对应的各待检修子区域。
作为一种优选的方案,所述分析各建筑面所属各损坏子区域和各待检修子区域分别对应的维修人员数量,其具体分析方法为:基于各建筑面所属各检测子区域对应的防护栏危险系数获取各建筑面所属各待检修子区域的防护栏危险系数,进而从云数据库中提取各防护栏危险等级对应的防护栏危险系数区间,筛选各建筑面所属各待检修子区域对应的防护栏危险等级。
基于预设的各防护栏危险等级对应的维修人员数量,筛选各建筑面所属各待检修子区域对应的维修人员数量。
同理,分析各建筑面所属各损坏子区域对应的维修人员数量。
相对于现有技术,本发明的实施例至少具有如下优点或有益效果:(1)本发明在无人机巡检模块中通过使用无人机对目标建筑物进行扫描,进而构建目标建筑物仿真平台,进而为后续目标建筑物的分析奠定了基础。
(2)本发明在建筑物划分模块对目标建筑物所属各建筑面进行划分,使得分析结果更具有针对性,在一定程度上提高了工作人员的维修效率。
(3)本发明在防护网损坏分析模块中不仅分析防护网在当前检测时间点时的损坏,还对防护网的损坏趋势和预计损坏时间点进行分析,弥补了现有技术中对防护网的损坏趋势和预计损坏时间点的分析力度不够深入的缺陷,提高了防护网在当前检测时间点时的损坏分析的价值性,为相关管理人员提供参考损坏时间点,提高了相关管理人员对防护网损坏的风险规避评估效率,从而为后续建筑物的相关建设工作提供强有力的数据支持。
(4)本发明在防护栏危险分析模块中对防护栏的外观损坏和位置分析,保障了防护栏损坏分析的精准性,避免出现防护栏位置偏移的现象,从而保障整个防护栏结构的稳定性,有利于工人的持续作业。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明的模块连接示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参照图1所示,本发明提供一种基于摄像头的工地自动巡检系统,包括:无人机巡检模块、建筑物划分模块、防护网损坏分析模块、防护栏危险分析模块、人员调配模块、显示终端和云数据库。
所述无人机巡检模块与建筑物划分模块连接,建筑物划分模块分别与防护网损坏分析模块和防护栏危险分析模块连接,防护网损坏分析模块和防护栏危险分析模块均与人员调配模块连接,人员调配模块和防护网损坏分析模块均与显示终端连接,云数据库分别与防护网损坏分析模块、防护栏危险分析模块和人员调配模块连接。
所述无人机巡检模块,用于使用无人机对目标建筑物进行三维扫描,并将扫描数据上传到目标建筑物仿真平台。
本发明在无人机巡检模块中通过使用无人机对目标建筑物进行扫描,进而构建目标建筑物仿真平台,进而为后续目标建筑物的分析奠定了基础。
所述建筑物划分模块,用于将目标建筑物所属各建筑面按照等面积划分为各检测子区域。
本发明在建筑物划分模块对目标建筑物所属各建筑面进行划分,使得分析结果更具有针对性,在一定程度上提高了工作人员的维修效率。
所述防护网损坏分析模块,用于基于目标建筑物仿真平台分析各建筑面所属各检测子区域对应的防护网损坏系数,并判断各建筑面所属各损坏子区域和各正常子区域,从而分析各建筑面所属各正常子区域对应的损坏趋势系数和预计损坏时间点。
需要说明的是,判断各建筑面所属各损坏子区域和各正常子区域,其具体方法为:将各建筑面所属各检测子区域对应的防护网损坏系数与预设的防护网损坏系数阈值进行对比,若某建筑面所属某检测子区域对应的防护网损坏系数大于或等于防护网损坏系数阈值,则将该检测子区域标记为损坏子区域,反之,则将其标记为正常子区域,进而得到各建筑面所属各损坏子区域和各正常子区域。
在本发明的具体实施例中,所述分析各建筑面所属各检测子区域对应的防护网损坏系数,其具体方法为:从目标建筑物仿真平台中提取各建筑面所属各检测子区域对应的当前检测图像,进而获取各建筑面所属各检测子区域对应防护网上各测试点的RGB值,将其分别标记为、、,其中表示为各建筑面的编号,,表示为建筑面的总数,表示为各检测子区域的编号,,表示为检测子区域的总数,表示为各测试点的编号,。
获取各建筑面所属各检测子区域对应防护网上各测试点的参考RGB值,将其分别标记为、、。
需要说明的是,获取各关联面所属各检测子区域对应防护网上各测试点的参考RGB值,其具体方法为:基于各关联面所属各检测子区域对应最近一次的检测图像,进而从中获取各关联面所属各检测区域对应防护网上各测试点的RGB值,将其作为各关联面所属各检测子区域对应防护网上各测试点的参考RGB值。
分析各建筑面所属各检测子区域对应各测试点的近期颜色符合系数,其中、、分别表示为预设的R值相似度、G值相似度、B值相似度对应的权重系数。
统计各建筑面所属各检测子区域对应测试点的数量,并依据各建筑面所属各检测子区域对应各测试点的近期颜色符合系数筛选符合测试点的数量。
需要说明的是,统计各建筑面所属各检测子区域对应测试点的数量,并依据各建筑面所属各检测子区域对应各测试点的近期颜色符合系数筛选符合测试点的数量,其具体方法为:将各建筑面所属各检测子区域对应各测试点的近期颜色符合系数与预设的颜色符合系数阈值进行对比,若某建筑面所属各检测子区域对应某测试点的近期颜色符合系数大于或等于颜色符合系数阈值,则将该测试点标记为符合测试点,进而统计各建筑面所属各检测子区域对应测试点的数量,并依据各建筑面所属各检测子区域对应各测试点的近期颜色符合系数筛选符合测试点的数量。
从云数据库中提取各建筑面所属各检测子区域对应的RGB值,并将其标记为、、。
同理,分析各建筑面所属各检测子区域对应各测试点的初始颜色符合系数,其中、、分别表示为预设的R值相似占比因子、G值相似占比因子、B值相似占比因子。
筛选各建筑面所属各检测子区域对应异常检测点的数量。
需要说明的是,筛选各建筑面所属各检测子区域对应异常检测点的数量,其具体方法为:将各建筑面所属各检测子区域对应各测试点的初始颜色符合系数与预设的初始颜色符合系数阈值进行对比,若某建筑面所属某检测子区域对应某测试点的初始颜色符合系数小于初始颜色符合系数阈值,则将其标记为异常检测点,进而得到各建筑面所属各检测子区域对应各异常检测点,从而筛选各建筑面所属各检测子区域对应异常检测点的数量。
分析各建筑面所属各检测子区域对应的防护网损坏系数,其中表示为测试点的数量,、分别表示为预设的近期颜色符合、初始颜色符合对应的占比因子。
在本发明的具体实施例中,所述分析各建筑面所属各正常子区域对应的损坏趋势系数,其具体方法为:依据当前时间点和目标建筑物对应的最近一次检测时间点,分析各建筑面所属各正常子区域对应的当前单位时长损坏增长率。
需要说明的是,分析各建筑面所属各正常子区域对应的当前单位时长损坏增长率,其具体方法为:将当前时间点减去目标建筑物对应最近一次检测时间点,进而得到近期检测时长,并将各建筑面所属各正常子区域在当前时间点对应的防护网损坏系数减去各建筑面所属各正常子区域在最近一次检测时间点对应的防护网损坏系数,进而将其对应结果除以近期检测时长,进而得到各建筑面所属各正常子区域对应的当前单位时长损坏增长率。
基于预设的允许损坏增长率分析各建筑面所属各正常子区域对应的损坏趋势系数,其中表示为第个建筑面所属第个正常子区域对应的单位时长损坏增长率。
需要说明的是,表示为第个建筑面所属第个正常子区域对应的单位时长损坏增长率,其具体分析方法如各建筑面所属各正常子区域对应的当前单位时长损坏增长率的分析方法一致。
在本发明的具体实施例中,所述分析各建筑面所属各正常子区域对应的预计损坏时间点,其具体分析方法为:将各建筑面所属各正常子区域对应的损坏趋势系数代入到云数据库中储存的损坏趋势系数与预计损坏时长的曲线图,进而得到各建筑面所属各正常子区域对应的预计损坏时长,并依据当前时间点获取各建筑面所属各正常子区域对应的预计损坏时间点。
需要说明的是,损坏趋势系数与预计损坏时长的曲线图为xy函数图像,其中x轴为损坏趋势系数,y轴为预计损坏时长,预计损坏时长随着损坏趋势系数的增大而减小,且减小的幅度越来越大。
本发明在防护网损坏分析模块中不仅分析防护网在当前检测时间点时的损坏,还对防护网的损坏趋势和预计损坏时间点进行分析,弥补了现有技术中对防护网的损坏趋势和预计损坏时间点的分析力度不够深入的缺陷,提高了防护网在当前检测时间点时的损坏分析的价值性,为相关管理人员提供参考损坏时间点,提高了相关管理人员对防护网损坏的风险规避评估效率,从而为后续建筑物的相关建设工作提供强有力的数据支持。
所述防护栏危险分析模块,用于基于目标建筑物仿真平台分析各建筑面所属各检测子区域对应的位置危险系数和外观损坏系数,进而综合分析各建筑面所属各检测子区域对应的防护栏危险系数。
在本发明的具体实施例中,所述分析各建筑面所属各检测子区域对应的位置危险系数,其具体方法为:依据目标建筑物仿真平台获取各建筑面所属各检测子区域对应各栏杆连接处所属初始轮廓的中心点,并将其作为各建筑面所属各检测子区域对应各栏杆连接处的基准点,并基于目标建筑物仿真平台获取各建筑面所属各检测子区域对应各栏杆连接处所属基准点的坐标,其中表示为各栏杆连接处的编号,,表示为栏杆连接处的总数。
同理,获取各建筑面所属各检测子区域对应各栏杆连接处所属当前轮廓的中心点,并获取其对应的当前坐标。
分析各建筑面所属各检测子区域对应各栏杆连接处的位置偏移系数,其中、、分别表示为预设的x轴、y轴、z轴对应的允许偏移距离。
基于各建筑面所属各检测子区域对应各栏杆连接处的位置偏移系数筛选各建筑面所属各检测子区域对应的最大位置偏移系数和最小位置偏移系数。
分析各建筑面所属各检测子区域对应的位置波动系数,其中表示为预设的允许偏移系数差值。
分析各建筑面所属各检测子区域对应的位置危险系数,其中、分别表示为预设的位置偏移、位置波动对应的权重因子。
在本发明的具体实施例中,所述分析各建筑面所属各检测子区域对应的外观损坏系数,其具体方法为:从云数据库中提取栏杆连接处对应裂缝的灰度值范围,进而分析各建筑面所属各检测子区域对应的各裂缝区域,并获取各建筑面所属各检测子区域对应各裂缝区域内最长长度,将其标记为各建筑面所属各检测子区域对应各裂缝区域对应的长度,其中表示为各裂缝区域的编号,。
需要说明的是,分析各建筑面所属各检测子区域对应的各裂缝区域,其具体方法为:基于目标建筑物仿真平台获取各建筑面积所属各检测子区域对应栏杆连接处的图像,进而获取各建筑面所属各检测子区域对应的各栏杆连接处的各灰度值,并将其与裂缝的灰度值范围进行对比,若某建筑面所属某检测子区域对应某栏杆连接处的某灰度值处于裂缝灰度值范围之间,则将该灰度值标记为裂缝灰度值,筛选各建筑面所属各检测子区域对应各栏杆连接处的各裂缝灰度值,获取各建筑面所属各检测子区域对应各栏杆连接处的各裂缝灰度值所属的区域,将其标记为各建筑面所属各检测子区域对应各栏杆连接处的各裂缝区域,从而统计各建筑面所属各检测子区域对应的各裂缝区域。
提取各建筑面所属各检测子区域对应的最长长度和最短长度,统计各建筑面所属各检测子区域对应裂缝区域的数量,并据此分析各建筑面所属各检测子区域对应的裂缝危险系数,其中表示为裂缝区域的数量,表示为预设的允许裂缝长度误差值,表示为预设的允许裂缝区域的数量,、、分别表示为预设的裂缝长度、裂缝长度误差、裂缝区域数量对应的比例因子。
同理,分析各建筑面所属各检测子区域对应的锈蚀危险系数。
综合分析各建筑面所属各检测子区域对应的外观损坏系数,其中、分别表示为预设的裂缝危险系数、锈蚀危险系数对应的修正因子,表示为自然常数。
在本发明的具体实施例中,所述各建筑面所属各检测子区域对应的防护栏危险系数,其计算公式为:。
本发明在防护栏危险分析模块中对防护栏的外观损坏和位置分析,保障了防护栏损坏分析的精准性,避免出现防护栏位置偏移的现象,从而保障整个防护栏结构的稳定性,有利于工人的持续作业。
所述人员调配模块,用于分析各建筑面对应的各待检修子区域,并分析各建筑面所属各损坏子区域和各待检修子区域分别对应的维修人员数量,并进行维修人员调配。
在本发明的具体实施例中,所述分析各建筑面对应的各待检修子区域,其具体方法为:将各建筑面所属各检测子区域对应的防护栏危险系数与预设的防护栏危险系数阈值进行对比,若某建筑面所属某检测子区域对应的防护栏危险系数大于或等于防护栏危险系数阈值,则将该检测子区域标记为待检修子区域,进而得到各建筑面对应的各待检修子区域。
在本发明的具体实施例中,所述分析各建筑面所属各损坏子区域和各待检修子区域分别对应的维修人员数量,其具体分析方法为:基于各建筑面所属各检测子区域对应的防护栏危险系数获取各建筑面所属各待检修子区域的防护栏危险系数,进而从云数据库中提取各防护栏危险等级对应的防护栏危险系数区间,筛选各建筑面所属各待检修子区域对应的防护栏危险等级。
基于预设的各防护栏危险等级对应的维修人员数量,筛选各建筑面所属各待检修子区域对应的维修人员数量。
同理,分析各建筑面所属各损坏子区域对应的维修人员数量。
所述显示终端,用于将各建筑面所属各损坏子区域和各待检修子区域分别对应的维修人员数量进行显示,并显示各建筑面所属各正常子区域对应的预计损坏时间点。
所述云数据库,用于存储各建筑面所属各检测子区域对应各初始布设点的RGB值,存储栏杆连接处对应裂缝的灰度值范围,存储损坏趋势系数与预计损坏时长的曲线图,并存储各防护栏危险等级对应的防护栏危险系数区间。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本发明所定义的范围,均应属于本发明的保护范围。
Claims (9)
1.一种基于摄像头的工地自动巡检系统,其特征在于,包括:
无人机巡检模块,用于使用无人机对目标建筑物进行三维扫描,并将扫描数据上传到目标建筑物仿真平台;
建筑物划分模块,用于将目标建筑物所属各建筑面按照等面积划分为各检测子区域;
防护网损坏分析模块,用于基于目标建筑物仿真平台分析各建筑面所属各检测子区域对应的防护网损坏系数,并判断各建筑面所属各损坏子区域和各正常子区域,从而分析各建筑面所属各正常子区域对应的损坏趋势系数和预计损坏时间点;
防护栏危险分析模块,用于基于目标建筑物仿真平台分析各建筑面所属各检测子区域对应的位置危险系数和外观损坏系数,进而综合分析各建筑面所属各检测子区域对应的防护栏危险系数;
人员调配模块,用于分析各建筑面对应的各待检修子区域,并分析各建筑面所属各损坏子区域和各待检修子区域分别对应的维修人员数量,并进行维修人员调配;
显示终端,用于将各建筑面所属各损坏子区域和各待检修子区域分别对应的维修人员数量进行显示,并显示各建筑面所属各正常子区域对应的预计损坏时间点;
云数据库,用于存储各建筑面所属各检测子区域对应各初始布设点的RGB值,存储栏杆连接处对应裂缝的灰度值范围,存储损坏趋势系数与预计损坏时长的曲线图,并存储各防护栏危险等级对应的防护栏危险系数区间。
2.根据权利要求1所述的一种基于摄像头的工地自动巡检系统,其特征在于:所述分析各建筑面所属各检测子区域对应的防护网损坏系数,其具体方法为:
从目标建筑物仿真平台中提取各建筑面所属各检测子区域对应的当前检测图像,进而获取各建筑面所属各检测子区域对应防护网上各测试点的RGB值,将其分别标记为、、,其中表示为各建筑面的编号,,表示为建筑面的总数,表示为各检测子区域的编号,,表示为检测子区域的总数,表示为各测试点的编号,;获取各建筑面所属各检测子区域对应防护网上各测试点的参考RGB值,将其分别标记为、、;
分析各建筑面所属各检测子区域对应各测试点的近期颜色符合系数,其中、、分别表示为预设的R值相似度、G值相似度、B值相似度对应的权重系数;
统计各建筑面所属各检测子区域对应测试点的数量,并依据各建筑面所属各检测子区域对应各测试点的近期颜色符合系数筛选符合测试点的数量;
从云数据库中提取各建筑面所属各检测子区域对应的RGB值,并将其标记为、、;
同理,分析各建筑面所属各检测子区域对应各测试点的初始颜色符合系数,其中、、分别表示为预设的R值相似占比因子、G值相似占比因子、B值相似占比因子;
筛选各建筑面所属各检测子区域对应异常检测点的数量;
分析各建筑面所属各检测子区域对应的防护网损坏系数,其中表示为测试点的数量,、分别表示为预设的近期颜色符合、初始颜色符合对应的占比因子。
3.根据权利要求2所述的一种基于摄像头的工地自动巡检系统,其特征在于:所述分析各建筑面所属各正常子区域对应的损坏趋势系数,其具体方法为:
依据当前时间点和目标建筑物对应的最近一次检测时间点,分析各建筑面所属各正常子区域对应的当前单位时长损坏增长率;
基于预设的允许损坏增长率分析各建筑面所属各正常子区域对应的损坏趋势系数,其中表示为第个建筑面所属第个正常子区域对应的单位时长损坏增长率。
4.根据权利要求3所述的一种基于摄像头的工地自动巡检系统,其特征在于:所述分析各建筑面所属各正常子区域对应的预计损坏时间点,其具体分析方法为:将各建筑面所属各正常子区域对应的损坏趋势系数代入到云数据库中储存的损坏趋势系数与预计损坏时长的曲线图,进而得到各建筑面所属各正常子区域对应的预计损坏时长,并依据当前时间点获取各建筑面所属各正常子区域对应的预计损坏时间点。
5.根据权利要求1所述的一种基于摄像头的工地自动巡检系统,其特征在于:所述分析各建筑面所属各检测子区域对应的位置危险系数,其具体方法为:
依据目标建筑物仿真平台获取各建筑面所属各检测子区域对应各栏杆连接处所属初始轮廓的中心点,并将其作为各建筑面所属各检测子区域对应各栏杆连接处的基准点,并基于目标建筑物仿真平台获取各建筑面所属各检测子区域对应各栏杆连接处所属基准点的坐标,其中表示为各栏杆连接处的编号,,表示为栏杆连接处的总数;
同理,获取各建筑面所属各检测子区域对应各栏杆连接处所属当前轮廓的中心点,并获取其对应的当前坐标;
分析各建筑面所属各检测子区域对应各栏杆连接处的位置偏移系数,其中、、分别表示为预设的x轴、y轴、z轴对应的允许偏移距离;
基于各建筑面所属各检测子区域对应各栏杆连接处的位置偏移系数筛选各建筑面所属各检测子区域对应的最大位置偏移系数和最小位置偏移系数;
分析各建筑面所属各检测子区域对应的位置波动系数,其中表示为预设的允许偏移系数差值;
分析各建筑面所属各检测子区域对应的位置危险系数,其中、分别表示为预设的位置偏移、位置波动对应的权重因子。
6.根据权利要求5所述的一种基于摄像头的工地自动巡检系统,其特征在于:所述分析各建筑面所属各检测子区域对应的外观损坏系数,其具体方法为:
从云数据库中提取栏杆连接处对应裂缝的灰度值范围,进而分析各建筑面所属各检测子区域对应的各裂缝区域,并获取各建筑面所属各检测子区域对应各裂缝区域内最长长度,将其标记为各建筑面所属各检测子区域对应各裂缝区域对应的长度,其中表示为各裂缝区域的编号,;
提取各建筑面所属各检测子区域对应的最长长度和最短长度,统计各建筑面所属各检测子区域对应裂缝区域的数量,并据此分析各建筑面所属各检测子区域对应的裂缝危险系数,其中表示为裂缝区域的数量,表示为预设的允许裂缝长度误差值,表示为预设的允许裂缝区域的数量,、、分别表示为预设的裂缝长度、裂缝长度误差、裂缝区域数量对应的比例因子;
同理,分析各建筑面所属各检测子区域对应的锈蚀危险系数;
综合分析各建筑面所属各检测子区域对应的外观损坏系数,其中、分别表示为预设的裂缝危险系数、锈蚀危险系数对应的修正因子,表示为自然常数。
7.根据权利要求6所述的一种基于摄像头的工地自动巡检系统,其特征在于:所述各建筑面所属各检测子区域对应的防护栏危险系数,其计算公式为:
。
8.根据权利要求1所述的一种基于摄像头的工地自动巡检系统,其特征在于:所述分析各建筑面对应的各待检修子区域,其具体方法为:将各建筑面所属各检测子区域对应的防护栏危险系数与预设的防护栏危险系数阈值进行对比,若某建筑面所属某检测子区域对应的防护栏危险系数大于或等于防护栏危险系数阈值,则将该检测子区域标记为待检修子区域,进而得到各建筑面对应的各待检修子区域。
9.根据权利要求1所述的一种基于摄像头的工地自动巡检系统,其特征在于:所述分析各建筑面所属各损坏子区域和各待检修子区域分别对应的维修人员数量,其具体分析方法为:
基于各建筑面所属各检测子区域对应的防护栏危险系数获取各建筑面所属各待检修子区域的防护栏危险系数,进而从云数据库中提取各防护栏危险等级对应的防护栏危险系数区间,筛选各建筑面所属各待检修子区域对应的防护栏危险等级;
基于预设的各防护栏危险等级对应的维修人员数量,筛选各建筑面所属各待检修子区域对应的维修人员数量;
同理,分析各建筑面所属各损坏子区域对应的维修人员数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310364091.6A CN116090838B (zh) | 2023-04-07 | 2023-04-07 | 一种基于摄像头的工地自动巡检系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310364091.6A CN116090838B (zh) | 2023-04-07 | 2023-04-07 | 一种基于摄像头的工地自动巡检系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116090838A true CN116090838A (zh) | 2023-05-09 |
CN116090838B CN116090838B (zh) | 2023-06-09 |
Family
ID=86210477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310364091.6A Active CN116090838B (zh) | 2023-04-07 | 2023-04-07 | 一种基于摄像头的工地自动巡检系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116090838B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117202103A (zh) * | 2023-09-07 | 2023-12-08 | 西南水泥有限公司 | 一种基于无线传感器的矿山作业人员跟踪定位分析系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060069593A1 (en) * | 2004-08-31 | 2006-03-30 | Estefania Santiago S | Notification transmission over a network based on observed data |
CN107832564A (zh) * | 2017-12-05 | 2018-03-23 | 河海大学 | 一种基于pzt振测信号的泄流结构bim损伤识别信息系统 |
CN110672154A (zh) * | 2019-10-14 | 2020-01-10 | 陕西理工大学 | 土木工程建筑监测系统 |
CN111566696A (zh) * | 2017-12-25 | 2020-08-21 | 富士通株式会社 | 图像处理程序、图像处理方法以及图像处理装置 |
KR102268053B1 (ko) * | 2019-12-16 | 2021-06-22 | 주식회사 브이웨이 | 클라우드 서버 및 로보틱 프로세스 자동화 기술 기반의 차량용 지능형 안전분석 시스템 |
CN113553749A (zh) * | 2021-09-22 | 2021-10-26 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种桥梁健康监测方法、系统、计算机及存储介质 |
CN114092537A (zh) * | 2021-09-23 | 2022-02-25 | 国电南瑞科技股份有限公司 | 一种变电站电力无人机自动巡检方法及装置 |
CN115761014A (zh) * | 2022-11-11 | 2023-03-07 | 武汉泰佰腾建筑劳务有限公司 | 一种基于数字孪生的古建筑智能监测分析预警系统 |
-
2023
- 2023-04-07 CN CN202310364091.6A patent/CN116090838B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060069593A1 (en) * | 2004-08-31 | 2006-03-30 | Estefania Santiago S | Notification transmission over a network based on observed data |
CN107832564A (zh) * | 2017-12-05 | 2018-03-23 | 河海大学 | 一种基于pzt振测信号的泄流结构bim损伤识别信息系统 |
CN111566696A (zh) * | 2017-12-25 | 2020-08-21 | 富士通株式会社 | 图像处理程序、图像处理方法以及图像处理装置 |
CN110672154A (zh) * | 2019-10-14 | 2020-01-10 | 陕西理工大学 | 土木工程建筑监测系统 |
KR102268053B1 (ko) * | 2019-12-16 | 2021-06-22 | 주식회사 브이웨이 | 클라우드 서버 및 로보틱 프로세스 자동화 기술 기반의 차량용 지능형 안전분석 시스템 |
CN113553749A (zh) * | 2021-09-22 | 2021-10-26 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种桥梁健康监测方法、系统、计算机及存储介质 |
CN114092537A (zh) * | 2021-09-23 | 2022-02-25 | 国电南瑞科技股份有限公司 | 一种变电站电力无人机自动巡检方法及装置 |
CN115761014A (zh) * | 2022-11-11 | 2023-03-07 | 武汉泰佰腾建筑劳务有限公司 | 一种基于数字孪生的古建筑智能监测分析预警系统 |
Non-Patent Citations (1)
Title |
---|
崔希民;张兵;彭超;: "建筑物采动损害评价研究现状与进展", 煤炭学报, no. 08 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117202103A (zh) * | 2023-09-07 | 2023-12-08 | 西南水泥有限公司 | 一种基于无线传感器的矿山作业人员跟踪定位分析系统 |
CN117202103B (zh) * | 2023-09-07 | 2024-04-05 | 西南水泥有限公司 | 一种基于无线传感器的矿山作业人员跟踪定位分析系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116090838B (zh) | 2023-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116090838B (zh) | 一种基于摄像头的工地自动巡检系统 | |
CN111141225B (zh) | 一种基于激光阵列的钢筋尺寸测量方法及系统 | |
US11093877B2 (en) | Inspection plan drafting support system, method, and program | |
CN103266559A (zh) | Bp桥梁安全巡检车及获取桥梁表面面相的方法 | |
CN110110490B (zh) | 一种基于bim模型的幕墙动态安装监测和碰撞检测的方法 | |
CN113538660A (zh) | 一种基于bim和点云测量的输变电工程验收方法 | |
CN115077489B (zh) | 一种无人机倾斜摄影土方量计算的方法 | |
CN114140402A (zh) | 桥梁裂缝检测及可视化方法、装置、设备及可读存储介质 | |
JP7307691B2 (ja) | 損傷特定装置、損傷特定方法および損傷特定プログラム | |
CN112685807A (zh) | 一种基于bim技术的脚手架施工过程应用方法及系统 | |
CN115660924A (zh) | 一种基于ai视觉的配网作业实时高精度预警方法 | |
CN111461487A (zh) | 一种基于bim的室内装修工程智慧管理系统 | |
CN111443091B (zh) | 电缆线路隧道工程缺陷判断方法 | |
CN101276466B (zh) | 基于现场视觉差异的大型构件施工安全性监控方法 | |
CN113720283A (zh) | 建筑施工高度的识别方法、装置、电子设备及系统 | |
CN111895928A (zh) | 一种建筑物结构件的监测方法及系统 | |
CN113449689A (zh) | 一种基于物联网平台的通信铁塔远程监控方法 | |
CN112950504A (zh) | 一种输电线路巡检雾霾天气单目隐患物体测距方法及系统 | |
CN111380475A (zh) | 一种基于三维扫描仪技术的桁吊轨道检查方法 | |
CN117455206B (zh) | 一种基于摄像头图像识别的施工现场安全风险评估方法 | |
CN111102932A (zh) | 一种基坑安全自动巡查方法及系统 | |
CN116909196B (zh) | 基于物联网技术的电缆通道智能化监控系统及方法 | |
CN116704722B (zh) | 一种建筑工程安全预警系统 | |
CN112508824B (zh) | 一种堆场粉尘治理方法 | |
CN114358039A (zh) | 一种堆场粉尘治理系统 |
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 |