CN116758006B - 脚手架质量检测方法及装置 - Google Patents

Abstract

本申请实施例适用于脚手架技术领域，提供了一种脚手架质量检测方法及装置，该方法包括：获取图像采集设备拍摄的包含脚手架的第一图像点云集，以及激光雷达设备采集的包含脚手架的激光点云集；将第一图像点云集中的图像点云与激光点云集中的激光点云进行配准变换，生成与激光点云相配准的第二图像点云集；针对每个激光点云，将第二图像点云集中与激光点云相配准的图像点云对应的色彩信息，与激光点云融合，生成色彩激光点云集；对色彩激光点云集进行识别，生成脚手架的质量检测结果。采用上述方法可以提高对脚手架的质量进行检测的准确率。

Description

脚手架质量检测方法及装置

技术领域

本申请属于脚手架技术领域，尤其涉及一种脚手架质量检测方法及装置。

背景技术

在建筑工程中，脚手架是一种常见的工具，用于提供建筑工人在高处施工时的支撑和保护。因此脚手架的搭建的规范性和牢固性十分重要。

然而，随着建筑施工技术的不断进步，施工脚手架的形式也在不断的改变，使得脚手架组装、搭建和使用时的过程繁复杂。在搭建完成后，可能存在部分构件搭建不符合规范，存在安全隐患。

目前，是由专业人员对搭建的脚手架进行人工检查，不仅费时费力，而且容易出现漏检和误判的情况。

发明内容

本申请实施例提供了一种脚手架质量检测方法、装置、电子设备及存储介质，可以解决在对搭建的脚手架进行检查时，不仅费时费力，而且容易出现漏检和误判的问题。

第一方面，本申请实施例提供了一种脚手架质量检测方法，该方法包括：

获取图像采集设备拍摄的包含脚手架的第一图像点云集；第一图像点云集包括多个图像点云，每个图像点云分别包括脚手架对应位置的色彩信息；

获取激光雷达设备采集的包含脚手架的激光点云集；激光点云集中的激光点云精度高于第一图像点云集中的图像点云精度；

将第一图像点云集中的图像点云与激光点云集中的激光点云进行配准变换，生成与激光点云相配准的第二图像点云集；

针对每个激光点云，将第二图像点云集中与激光点云相配准的图像点云对应的色彩信息，与激光点云融合，生成色彩激光点云集；

对色彩激光点云集进行识别，生成脚手架的质量检测结果。

第二方面，本申请实施例提供了一种脚手架质量检测装置，该装置包括：

第一获取模块，用于获取图像采集设备拍摄的包含脚手架的第一图像点云集；第一图像点云集包括多个图像点云，每个图像点云分别包括脚手架对应位置的色彩信息；

第二获取模块，用于获取激光雷达设备采集的包含脚手架的激光点云集；激光点云集中的激光点云精度高于第一图像点云集中的图像点云精度；

配准模块，用于将第一图像点云集中的图像点云与激光点云集中的激光点云进行配准变换，生成与激光点云相配准的第二图像点云集；

融合模块，用于针对每个激光点云，将第二图像点云集中与激光点云相配准的图像点云对应的色彩信息，与激光点云融合，生成色彩激光点云集；

识别模块，用于对色彩激光点云集进行识别，生成脚手架的质量检测结果。

第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述第一方面的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上述第一方面的方法。

第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行上述第一方面的方法。

本申请实施例与现有技术相比存在的有益效果是：获取图像采集设备拍摄的包含脚手架的第一图像点云集，以及激光雷达设备采集的包含脚手架的激光点云集。之后，因激光点云集中的激光点云精度高于第一图像点云集中的图像点云精度，因此，可以在将第一图像点云集中的图像点云进行配准变换，生成与激光点云集中的激光点云相配准的第二图像点云集后，将第二图像点云集中与激光点云相配准的图像点云对应的色彩信息，与激光点云融合，生成色彩激光点云集。此时，不仅色彩激光点云集中包含有能够精确表征脚手架结构的激光点云，且激光点云中还包含有脚手架各个对应位置的色彩信息。以此，在根据色彩激光点云集对脚手架进行识别时，无需通过人工进行识别，提高检查效率，且可以得到精确度更高的脚手架的质量检测结果，提高对脚手架的质量进行检测的准确率。

附图说明

为了更清楚地说明本申请实施例中的技术方案，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申请的一些实施例，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是本申请一实施例提供的一种脚手架质量检测方法的实现流程图；

图2是本申请一实施例提供的一种脚手架质量检测方法中对目标点云集进行降噪处理的一种实现方式示意图；

图3是本申请一实施例提供的一种脚手架质量检测方法中激光点云集的应用场景示意图；

图4是本申请一实施例提供的一种脚手架质量检测方法中确定第二图像点云集的一种实现方式示意图；

图5是本申请一实施例提供的一种脚手架质量检测方法中当前第三图像点云集的应用场景示意图；

图6是本申请一实施例提供的一种脚手架质量检测方法中确定质量检测结果的一种实现方式示意图；

图7是本申请一实施例提供的一种脚手架质量检测装置的结构示意图；

图8是本申请一实施例提供的一种电子设备的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

在建筑工程中，脚手架是一种常见的工具，用于提供建筑工人在高处施工时的支撑和保护。因此脚手架的搭建的规范性和牢固性十分重要。

然而，随着建筑施工技术的不断进步，施工脚手架的形式也在不断的改变，使得脚手架组装、搭建和使用时的过程繁复杂。在搭建完成后，可能存在部分构件搭建不符合规范，存在安全隐患。

目前，是由专业人员对搭建的脚手架进行人工检查，不仅费时费力，而且容易出现漏检和误判的情况。

基于此，为了提高脚手架质量检测的准确率，避免出现漏检和误判的情况，本申请实施例提供了一种脚手架质量检测方法，该方法可以应用于平板电脑、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，UMPC)等电子设备上，本申请实施例对电子设备的具体类型不作任何限制。

具体的，电子设备可以连接或搭载有多种传感器的数据采集设备，以及基于计算机视觉和深度学习等智能技术，以在对脚手架进行数据采集后，可以对脚手架进行自动化智能分析、检查以及验收等工作。

其中，数据采集设备可以为图像采集设备和激光雷达采集设备，对此不作限定。

请参阅图1，图1示出了本申请实施例提供的一种脚手架质量检测方法的实现流程图，该方法包括如下步骤：

S101、获取图像采集设备拍摄的包含脚手架的第一图像点云集。

其中，第一图像点云集包括多个图像点云，每个图像点云分别包括脚手架对应位置的色彩信息。

在一实施例中，图像采集设备具体可以为全幅测绘云台相机，其可以搭载在可以移动的机器人上，以对脚手架进行拍摄，并生成第一图像点云集。而后，电子设备可以与图像采集设备建立数据连接，以获取第一图像点云集。

示例性的，图像采集设备在拍摄包含脚手架的图像后，可以自动识别图像内相应像素点以及对应的像素点坐标。之后，运用已有的解析摄影测量的方法对每个坐标下的像素点进行处理，确定脚手架各个部分在实际场景中的三维坐标，以及该三维坐标对应表征的脚手架在该位置处的结构、纹理以及色彩等多种信息。基于此，电子设备可以根据上述三维坐标，以及三维坐标对应的结构、纹理以及色彩等多种信息对脚手架进行建模。此时，每个三维坐标，以及对应的结构、纹理以及色彩等多种信息可以对应认为是一个图像点云。

其中，可移动的机器人可以为无人机或无人车。通常的，为了能够拍摄包含脚手架的全景图像，其可移动的机器人可以为无人机。

在一实施例中，第一图像点云集为对脚手架进行拍摄生成，因此，可以认为每个图像点云分别包括脚手架对应位置的色彩信息。所有图像点云可以用于表征脚手架的各个脚手架部件的搭建结构，以及脚手架各个位置的色彩信息。

其中，图像点云在表征脚手架对应位置的色彩信息时，可以采用RGB值进行表征。

S102、获取激光雷达设备采集的包含脚手架的激光点云集。

其中，激光点云集中的激光点云精度高于第一图像点云集中的图像点云精度。

其中，激光雷达设备也可以安装在可移动的机器人上，例如安装在无人机上。此时，在拍摄脚手架时，激光雷达设备和摄像设可以同时对脚手架进行采集，以生成激光点云集和第一图像点云集。

其中，激光雷达设备可以通过发射一束激光，然后测量光在物体表面反射而返回来的信号，以确定该物体中被激光照射的部分至激光雷达设备的距离和方向。通过不断发射激光扫描物体，即可得到物体各个点的激光点云，以此生成的三维立体图像的精度高。

需要说明的是，图像采集设备在拍摄脚手架时，容易受限于光照、遮挡以及操作误差等影响，使得表征脚手架的图像点云精度相对于激光点云精度而言较低。

S103、将第一图像点云集中的图像点云与激光点云集中的激光点云进行配准变换，生成与激光点云相配准的第二图像点云集。

在一实施例中，在进行配准变换时，可以以第一图像点云集中的各个图像点云为基准，对激光点云集中的激光点云进行变换；也可以以激光点云集中的各个激光点云为基准，对图像点云集中的图像点云进行变换，对此不作限定。

本实施例中，因激光点云精度较高，因此，在配准变换时，以激光点云集中的各个激光点云为基准，对图像点云集中的图像点云进行变换即可。

需要说明的是，因图像采集设备在拍摄时容易受到光照、遮挡以及操作误差等影响，使得第一图像点云集中包含有较多的噪声点云。同样的，激光雷达设备在采集时也容易受到遮挡以及操作误差等影响，同样容易存在或噪声点云。因此，在进行配准变换前可对第一图像点云集，和/或，激光点云集进行点云降噪处理，以删除噪声点云，也即，在步骤S103之前还包括：对用于配准变换的激光点云集和第一图像点云集中的至少一个进行点云降噪处理，步骤S103中进行配准变换所使用的点云集(激光点云集和/或第一图像点云集)为经过点云降噪处理后的点云集。

具体的，参照图2，可以通过如图2所示的S201-S202实现前述的点云降噪处理，详述如下：

S201、针对目标点云集中的每个点云，计算点云分别与目标点云集中的其他点云之间的第一平均距离。

其中，目标点云集为用于配准变换的激光点云集和第一图像点云集中的至少一个。

在一实施例中，在目标点云集为激光点云集时，点云即为激光点云。在目标点云集为第一图像点云集时，目标点云即为图像点云。

其中，对于目标点云集中的每个点云，均需计算上述第一平均距离。具体的，可以先计算该点云与其他每个点云之间的第一间距，之后，将该点云对应的所有第一间距的平均值确定为上述第一平均距离。而后，依次对每个点云执行上述过程，即可得到所有点云分别对应的第一平均距离。

S202、根据所有点云与其他点云之间的第一平均距离，对目标点云集中的点云进行降采样，保留未删除的点云。

示例性的，电子设备可以将未处于标准间距范围的第一平均距离确定为离群点云(也即噪声点云)，并对其删除。具体的，电子设备可以在确定第一平均距离位于标准间距范围内时，确定该点云为内点云，此时可以保留该第一平均距离对应的点云。以及，在确定第一平均距离未位于标准间距范围内，确定该点云为离群点云，此时可以删除该第一平均距离对应的点云。

其中，标准间距范围中的最大值和最小值可以根据实际情况进行设置，对此不作限定。

本实施例中，为了能够精确地对目标点云集中的噪声点云进行降采样，可以根据所有第一平均距离合理地确定上述最大值和最小值。

具体的，电子设备可以先根据所有第一平均距离，计算第二平均距离和标准差。之后，采用预设计算公式对第二平均距离和标准差进行计算，确定最大值和最小值，以根据最大值和最小值确定标准间距范围。其中，预设计算公式可以如下：

δ_d1＝μ+kσ

δ_d2＝μ-kσ；

其中，μ为第二平均距离，σ为标准差，k为常数，δ_d1，δ_d2分别为最大值和最小值；

在一实施例中，上述第二平均距离为所有第一平均距离的平均值，标准差也为基于所有第一平均距离进行标准差公式计算所得到的值。

需要说明的是，第二平均距离可以反映现象总体(各个点云所对应的第一平均距离)的一般水平，或分布的集中趋势(各个点云分布的集中趋势)。以及，标准差能够反映数据集(目标点云集)的离散程度。因此，根据第二平均值和标准差确定的最大值和最小值，能够精确地反映各个点云的离散程度。以此，能够提高确定离群点云的准确度。

具体的，参照图3，图3是本申请一实施例提供的一种脚手架质量检测方法中激光点云集的应用场景示意图。图3中的各个点表征激光点云集中的部分激光点云。从图3的右下角S区域可知，在基于第一平均距离确定标准间距范围时，该S区域内的各个激光点云可能为需删除的离群点云。

当然，除采用前述方式进行点云降噪处理外，也可以采用其它点云降噪方式进行点云降噪处理。示例性的，点云降噪方式还可以包括双边滤波算法、密度均值漂流聚类算法以及神经网络模型等方式，此处不做限定。

在本实施例中，在降采样后，可以根据激光点云集和第一图像点云集中未删除点云进行配准变换。具体的，电子设备可以参照图4所示的S401-S406步骤进行配准变换，详述如下：

S401、根据图像点云的坐标系与激光点云的坐标系之间的预设转换矩阵，将第一图像点云集转换为第三图像点云集。

其中，第三图像点云集中各个图像点云的坐标采用激光点云的坐标系进行表征。

在一实施例中，因上述图像采集设备和激光雷达设备均可以搭载在无人机对脚手架进行点云采集。此时，图像采集设备获取第一图像点云集的坐标系，和激光雷达设备获取激光点云集的坐标系之间的变换关系通常一定。因此，电子设备可以根据该变换关系确定上述转换矩阵。

基于此，在将第一图像点云集转换为第三图像点云集时，可以采用转换矩阵对第一图像点云集中的每个图像点云进行坐标转换，得到采用激光点云的坐标系进行表征的各个图像点云组成的第三图像点云集。

S402、针对每个激光点云，从当前第三图像点云集中选择满足预设条件的图像点云作为相应激光点云对应的第二目标点云。

其中，上述预设条件包括：与激光点云距离最近的图像点云，和/或，在依次确定各个图像点云与激光点云之间的间距的过程中，首个小于预设距离的间距所对应的图像点云。

在一实施例中，上述当前第三图像点云集为当前处理的第三图像点云集。可以理解的是，在迭代过程中，每次迭代后的第三图像点云集为下一次迭代过程中的当前第三图像点云集。

在一实施例中，上述第二目标点云可以为满足上述预设条件之一的图像点云。因每个激光点云和每个当前第三图像点云集中的图像点云均处于同一坐标系，因此，可以直接基于激光点云与每个图像点云之间的坐标，计算激光点云与每个图像点云之间的间距，而后基于间距选择满足预设条件的图像点云即可。

示例性的，参照图3和图5，图5是本申请一实施例提供的一种脚手架质量检测方法中当前第三图像点云集的应用场景示意图。其中，在确定图3中激光点云A对应的第二目标点云时，可以分别计算图5中n个图像点云分别与激光点云A之间的间距。而后，将距离最近的图像点云B1确定为第二目标点云。或者，在依次确定各个图像点云与激光点云之间的间距的过程中，将首个小于预设距离的间距所对应的图像点云B2确定为第二目标点云，对此不作限定。

可以理解的是，在预设条件为在依次确定各个图像点云与激光点云之间的间距的过程中，首个小于预设距离的间距所对应的图像点云时，可以认为在确定满足该预设条件的图像点云时，无需计算各个图像点云与激光点云之间的间距，减少电子设备的运算时间。

需要说明的是，在依次确定各个图像点云与激光点云之间的间距的过程中，可以以激光点云所在的坐标位置为圆心，预设距离为半径，确定位于该区域内的图像点云，而后，在该区域内的图像点云中，随机确定图像点云为第二目标点云。以此，有针对性的确定第二目标点云，可以进一步地减少电子设备的运算时间。

其中，上述预设距离可以根据实际情况进行设置，对此不作限定。

S403、根据每个激光点云与对应的第二目标点云，确定当前第三图像点云集与激光点云集中的目标转换矩阵。

S404、根据目标转换矩阵对当前第三图像点云集中的每个图像点云进行转换，生成目标图像点云集。

在一实施例中，在确定每个激光点云分别对应的第二目标点云后，可以根据激光点云与第二目标点云之间的坐标以及线性关系，确定上述目标转换矩阵。

其中，目标转换矩阵包括但不限于平移矩阵和旋转矩阵。也即，对图像点云进行转换包括对点云进行平移以及旋转。

具体的，可以根据已有的对离散点进行数据拟合的方法，以及各个第二目标点云的坐标，拟合出符合各个第二目标点云对应的第一离散方程。以及，根据各个激光点云的坐标，拟合出符合各个激光点云对应的第二离散方程。之后，根据第一离散方程和第二离散方程，确定将各个第二目标点云与激光点云进行匹配时对应的平移矩阵和旋转矩阵。而后，基于平移矩阵和旋转矩阵对各个第二目标点云进行转换，得到转换后的第二目标点云形成的目标图像点云集。

S405、若目标图像点云集与激光点云集满足预设迭代停止条件，则将目标图像点云集确定为第二图像点云集。

在一实施例中，上述预设迭代停止条件包括但不限于迭代次数满足预设次数，目标图像点云集与激光点云集之间各个激光点云与对应的图像点云之间的误差小于预设值。

其中，预设次数和预设值均可以根据实际情况进行设置，对此不作限定。

具体的，以预设迭代停止条件为误差小于预设值为例，针对每个激光点云，电子设备可以从目标图像点云集中确定与激光点云距离最近的第三目标点云，之后根据每个激光点云与对应第三目标点云之间的距离，计算迭代过程中的误差。若误差小于预设值，则确定目标图像点云集与激光点云集满足预设迭代停止条件。若误差大于或等于预设值，则确定目标图像点云集与激光点云集未满足预设迭代停止条件。

在一实施例中，电子设备可以计算激光点云与目标图像点云集中的每个图像点云之间的距离，之后，将距离最近的图像点云确定为第三目标点云。以此，可以得到所有激光点云分别对应的第三目标点云。

其中，在根据每个激光点云与对应第三目标点云之间的距离，计算迭代过程中的误差时，可以将每个激光点云与对应第三目标点云之间的距离的均方误差，作为上述迭代过程中的误差。

其中，计算均方误差的公式可以为：

其中，L为均方误差；n为激光点云的数量，A_i为第i个激光点云，B_m为目标图像点云集中与激光点云A_i距离最近的图像点云(即第三目标点云)。

需要说明的是，均方误差可以反映估计量与被估计量之间差异程度的一种度量。也即，通过计算各个激光点云与对应的图像点云之间的均方误差，可以反映此次目标图像点云集与激光点云集之间的拟合程度。若均方误差小于预设值，则可以认为目标图像点云集中的各个图像点云与激光点云集中的各个激光点云的拟合程度高(重合度高)。因此，可以认为目标图像点云集即为与激光点云集各个激光点云相配准的第二图像点云集。

在一实施例中，根据上述均方误差确定是否满足预设值仅为其中的一种示例，在其他实施例中，还可以通过平均值、标准差等参数进行判断，对此不做限定。

S406、若目标图像点云集与激光点云集未满足预设迭代停止条件，则将目标图像点云集确定为新的当前第三图像点云集。

其中，在目标图像点云集与激光点云集未满足预设迭代停止条件时，应当重新执行上述S402-S406步骤，直至目标图像点云集与激光点云集满足预设迭代停止条件。

在一实施例中，在目标图像点云集与激光点云集未满足预设迭代停止条件时，可以认为目标图像点云集中的各个图像点云与对应的激光点云之间的间距相差较大。因此，电子设备可以重复执行上述S402-S406步骤，直至满足预设迭代停止条件。

需要特别说明的是，在整个迭代过程中，在执行上述S402从当前第三图像点云集中选择满足预设条件的图像点云作为相应激光点云对应的第二目标点云时，若预设条件为与激光点云距离最近的图像点云，则在执行S403至S405后，基于目标转换矩阵生成的目标图像点云集与激光点云集之间的误差，可能相对于预设条件为在依次确定各个图像点云与激光点云之间的间距的过程中，首个小于预设距离的间距所对应的图像点云，在执行S403至S405后所得到的误差更小。进而，使得基于预设条件为与激光点云距离最近的图像点云所得到的第二图像点云集，与激光点云集之间的拟合程度更高。

然而，在选择预设条件为在依次确定各个图像点云与激光点云之间的间距的过程中，首个小于预设距离的间距所对应的图像点云时，其无需计算激光点云与每个图像点云之间的间距。只需在依次计算间距的过程中，确定该间距小于预设距离时，即确定该激光点云对应的第二目标点云。因此，可以认为在执行S402步骤所需的时间，小于将与激光点云距离最近的图像点云确定为第二目标点云的时间，提高迭代速率。可以理解的是，在激光点云和图像点云的数量较多时，选择预设条件为在依次确定各个图像点云与激光点云之间的间距的过程中，首个小于预设距离的间距所对应的图像点云执行S402步骤所需的时间，将远远小于预设条件为与激光点云距离最近的图像点云执行S402步骤所需的时间。

基于此，为了提高迭代速率，且尽可能地提高第二图像点云集与激光点云集之间的拟合程度，其预设条件还可以为在依次确定各个图像点云与激光点云之间的间距的过程中，首个小于预设距离的间距所对应的图像点云已被其他激光点云确定为第二目标点云时，则选择与激光点云距离最近的图像点云。否则，在依次确定各个图像点云与激光点云之间的间距的过程中，首个小于预设距离的间距所对应的图像点云未被其他激光点云确定为第二目标点云时，直接对下一个激光点云进行处理。以此，可以提高整体的迭代速率，且兼顾迭代过程中第二图像点云集与激光点云集之间的拟合程度。

具体的，在对激光点云进行处理时，先从当前第三图像点云集中选择满足第一预设条件(在依次确定各个图像点云与激光点云之间的间距的过程中，首个小于预设距离的间距所对应的图像点云)的图像点云；若满足第一预设条件的图像点云已被其他激光点云确定为第二目标点云，则从当前第三图像点云集中选择满足第二预设条件(选择与激光点云距离最近的图像点云)的图像点云作为该激光点云对应的第二目标点云。若满足第一预设条件的图像点云未被其他激光点云确定为第二目标点云，则对下一个激光点云进行处理。

当然，除采用前述方式进行点云配准变换外，也可以采用其他配准变换方式对图像点云和激光点云进行配准变换处理。示例性的，点云配准变换方式还可以包括非线性优化法、正态分布变换等方式，此处不做限定。

S104、针对每个激光点云，将第二图像点云集中与激光点云相配准的图像点云对应的色彩信息，与激光点云融合，生成色彩激光点云集。

在一实施例中，在进行融合时，电子设备可以从第二图像点云集中，确定与激光点云之间距离最近的第四目标点云。之后，将第四目标点云对应的色彩信息与激光点云进行融合，生成色彩激光点云，以根据所有色彩激光点云生成色彩激光点云集。

其中，确定与激光点云距离最近的第四目标点云的方式，与从目标图像点云集中确定与激光点云距离最近的第三目标点云的方式相似，对此不再进行说明。

可以理解的是，在目标图像点云集与激光点云集满足预设迭代停止条件时，目标图像点云集即为第二图像点云集。此时，从目标图像点云集中确定与激光点云距离最近的第三目标点云，等同于从第二图像点云集中确定与激光点云之间距离最近的第四目标点云。

需要说明的是，将距离最近的第四目标点云的色彩信息赋予对应的激光点云，可以使生成的色彩激光点云集不仅可以精确地表征脚手架的结构，还可以表征激光点云所对应的脚手架相应位置处的色彩信息。

可以理解的是，因激光点云集中的激光点云精度高于第一图像点云集中的图像点云精度。因此，在将第一图像点云集中的图像点云与激光点云集中的激光点云进行配准变换，生成与激光点云相配准的第二图像点云集后，基于色彩激光点云集进行检测所得到的质量检测结果准确率，将远高于根据配准后的第二图像点云集对脚手架进行检测所得到的质量检测结果准确率。

S105、对色彩激光点云集进行识别，生成脚手架的质量检测结果。

在一实施例中，在进行识别时，可以采用预设的识别模型对色彩激光点云集进行识别，得到质量检测结果。其中，质量检测结果包括脚手架未符合规范的检测结果，以及符合规范的检测结果。

具体的，电子设备可以通过如图6所示的S601-S604得到质量检测结果，像素如下：

S601、根据预设投影公式将色彩激光点云集中的每个激光点云投影为二维激光点云，生成由多个二维激光点云组成的点云投影图像。

在一实施例中，上述投影公式具体可以如下：

f＝f_up+f_dowm；

其中，(x,y,z)表征每个色激光点云集中激光点云的坐标；(u,v)表征对应的球面投影坐标为(u,v)，h、w分别为二维的点云投影图像中的高、宽；f为激光雷达设备的垂直视场角，f_up为垂直视场角中的上部分视场角，f_down为垂直视场角中的下部分视场角，均为预先确定的角度。

S602、采用预设的识别模型识别点云投影图像，确定脚手架对应的多个二维脚手架点云；其中，每个二维脚手架点云包括表征脚手架对应位置的脚手架部件的种类。

在一实施例中，上述识别模型的神经网络结构可以为YOLOv7、EVA、InternImage(基于卷积的基础模型，以可变形卷积作为核心算子)等，对此不作限定。

其中，在训练上述识别模型时，电子设备可以采用如下配置搭建训练环境，以对上述提及的多种识别模型的神经网络结构进行训练试验。具体的，如下表1所示：

表1：

需要说明的是，脚手架通常包括多种脚手架部件，在采用识别模型识别点云投影图像时，识别模型可以从点云投影图像中确定表征脚手架的二维脚手架点云，以及表征采集到的背景的点云。此时，为了提供后续对脚手架进行质量检测的精度，可以先采用识别模型删除背景点云，仅保留二维脚手架点云进行处理即可。进而，在保证质量检测精度的基础上，减少所需处理的点云数量。

需要说明的是，因需要对每种脚手架部件均进行检测，因此，在识别出多个二维脚手架点云后，识别模型还可以标注每个二维脚手架点云分别对应的脚手架部件的种类，以确定每个脚手架部件的搭建信息。

S603、根据预设投影公式分别对每个二维脚手架点云进行逆投影，得到多个三维脚手架点云。

可以理解的是，S601步骤中能够基于预设投影公式将三维的激光点云投影为二维脚手架点云，因此，基于该预设投影公式进行逆运算，即可得到每个二维脚手架点云对应的三维脚手架点云，对此不作详细说明。

S604、根据每个三维脚手架点云对应的脚手架部件的种类，以及三维脚手架点云对应的脚手架部件的位置，确定脚手架的质量检测结果。

具体的，电子设备可以根据每个三维脚手架点云对应的脚手架部件的种类，以及三维脚手架点云对应的脚手架部件的位置，确定每种脚手架部件分别对应的部件搭建信息。之后，在任一部件搭建信息未满足脚手架部件对应预设搭建条件时，确定质量检测结果为脚手架未符合规范；以及，在部件搭建信息均满足脚手架部件对应预设搭建条件时，确定质量检测结果为脚手架符合规范。

其中，脚手架部件的种类和预设搭建条件可以如下表2所示：

表2：

基于上述表1可知，识别模型在识别点云投影图像时，能够确定每个二维脚手架点云所表征的脚手架对应位置的脚手架部件的种类。之后，在将二维脚手架点云逆投影为三维脚手架点云时，每个三维脚手架点云对应表征的脚手架部件的种类即可直接进行确定。

基于此，在识别出上述各个脚手架部件后，即可直接基于三维脚手架点云对应的脚手架部件的对应位置，确定该脚手架部件的搭建信息。例如，在确定三维脚手架点云表征的脚手架部件为支架整体时，可以根据表征支架整体的各个三维脚手架点云的对应位置，确定支架整体的高度和宽度。进而，计算对应的架体高宽比。

其中，预设搭建条件可以根据实际情况进行设置，对此不作限定。

需要说明的是，在基于搭建信息进行定量分析时，若任一脚手架部件的部件搭建信息不满足预设搭建条件，则电子设备可以输出脚手架未符合规范的质量检测结果，并可以执行预设的报警操作，且输出不符合预设搭建条件的部件搭建信息，以供工作人员进行二次搭建，提高搭建的脚手架的安全性。

在一实施例中，在逆投影得到三维脚手架点云时，三维脚手架点云之间可能存在重影问题。基于此，在执行S604之前，还可以基于已有的优化方法对每个三维脚手架点云进行优化处理，以去除三维脚手架点云中的重影，提供质量检测的精度。

可以理解的是，采用上述方式对色彩激光点云依次进行投影、识别、逆投影、优化处理后所得到的三维脚手架点云，相比于色彩激光点云，得到的脚手架点云的精度更高，提高质量检测的准确率。

在本实施例中，获取图像采集设备拍摄的包含脚手架的第一图像点云集，以及激光雷达设备采集的包含脚手架的激光点云集。之后，因激光点云集中的激光点云精度高于第一图像点云集中的图像点云精度，因此，可以在将第一图像点云集中的图像点云进行配准变换，生成与激光点云集中的激光点云相配准的第二图像点云集后，将第二图像点云集中与激光点云相配准的图像点云对应的色彩信息，与激光点云融合，生成色彩激光点云集。此时，不仅色彩激光点云集中包含有能够精确表征脚手架结构的激光点云，且激光点云中还包含有脚手架各个对应位置的色彩信息。以此，在根据色彩激光点云集对脚手架进行识别时，无需通过人工进行识别，提高检查效率，而且可以得到精确度更高的脚手架的质量检测结果，提高对脚手架的质量进行检测的准确率。

请参阅图7，图7是本申请实施例提供的一种脚手架质量检测装置的结构框图。本实施例中脚手架质量检测装置包括的各模块用于执行图1、图2、图4和图6对应的实施例中的各步骤。具体请参阅图1、图2、图4和图6以及图1、图2、图4和图6所对应的实施例中的相关描述。为了便于说明，仅示出了与本实施例相关的部分。参见图7，脚手架质量检测装置700可以包括：第一获取模块710、第二获取模块720配准模块730、融合模块740以及识别模块750，其中：

第一获取模块710，用于获取图像采集设备拍摄的包含脚手架的第一图像点云集；第一图像点云集包括多个图像点云，每个图像点云分别包括脚手架对应位置的色彩信息。

第二获取模块720，用于获取激光雷达设备采集的包含脚手架的激光点云集；激光点云集中的激光点云精度高于第一图像点云集中的图像点云精度。

配准模块730，用于将第一图像点云集中的图像点云与激光点云集中的激光点云进行配准变换，生成与激光点云相配准的第二图像点云集。

融合模块740，用于针对每个激光点云，将第二图像点云集中与激光点云相配准的图像点云对应的色彩信息，与激光点云融合，生成色彩激光点云集。

识别模块750，用于对色彩激光点云集进行识别，生成脚手架的质量检测结果。

在一实施例中，脚手架质量检测装置700，还包括：

降噪模块，用于针对目标点云集中的每个点云，计算点云分别与目标点云集中的其他点云之间的第一平均距离；目标点云集为用于配准变换的激光点云集和第一图像点云集中的至少一个；根据所有点云与其他点云之间的第一平均距离，对目标点云集中的点云进行降采样，保留未删除的点云。

在一实施例中，降噪模块还用于：

根据所有第一平均距离，确定标准间距范围；若第一平均距离位于标准间距范围内，则保留第一平均距离对应的点云；若第一平均距离未位于标准间距范围内，则删除第一平均距离对应的点云。

在一实施例中，降噪模块还用于：

根据所有第一平均距离，计算第二平均距离和标准差；采用预设计算公式对第二平均距离和标准差进行计算，确定最大值和最小值；预设计算公式为：

δ_d1＝μ+kσ

δ_d2＝μ-kσ；

其中，μ为第二平均距离，σ为标准差，k为常数，δ_d1，δ_d2分别为最大值和最小值；

根据最大值和最小值确定标准间距范围。

在一实施例中，配准模块730还用于：

根据图像点云的坐标系与激光点云的坐标系之间的预设转换矩阵，将第一图像点云集转换为第三图像点云集；第三图像点云集中各个图像点云的坐标采用激光点云的坐标系进行表征；针对每个激光点云，从当前第三图像点云集中选择满足预设条件的图像点云作为相应激光点云对应的第二目标点云；预设条件包括与激光点云距离最近的图像点云，和/或，在依次确定各个图像点云与激光点云之间的间距的过程中，首个小于预设距离的间距所对应的图像点云；根据每个激光点云与对应的第二目标点云，确定当前第三图像点云集与激光点云集中的目标转换矩阵；根据目标转换矩阵对当前第三图像点云集中的每个图像点云进行转换，生成目标图像点云集；若目标图像点云集与激光点云集满足预设迭代停止条件，则将目标图像点云集确定为第二图像点云集；若目标图像点云集与激光点云集未满足预设迭代停止条件，则将目标图像点云集确定为新的当前第三图像点云集，并执行目标步骤以及目标步骤之后的步骤；目标步骤为从当前的第三图像点云集中选择满足预设条件的图像点云作为相应激光点云对应的第二目标点云。

在一实施例中，配准模块730还用于：

针对每个激光点云，从目标图像点云集中确定与激光点云距离最近的第三目标点云；根据每个激光点云与对应第三目标点云之间的距离，计算迭代过程中的误差；若误差小于预设值，则确定目标图像点云集与激光点云集满足预设迭代停止条件；若误差大于或等于预设值，则确定目标图像点云集与激光点云集未满足预设迭代停止条件。

在一实施例中，融合模块740还用于：

从第二图像点云集中，确定与激光点云之间距离最近的第四目标点云；将第四目标点云对应的色彩信息与激光点云进行融合，生成色彩激光点云；根据所有色彩激光点云生成色彩激光点云集。

在一实施例中，识别模块750还用于：

根据预设投影公式将色彩激光点云集中的每个激光点云投影为二维激光点云，生成由多个二维激光点云组成的点云投影图像；采用预设的识别模型识别点云投影图像，确定脚手架对应的多个二维脚手架点云；每个二维脚手架点云包括表征脚手架对应位置的脚手架部件的种类；根据预设投影公式分别对每个二维脚手架点云进行逆投影，得到多个三维脚手架点云；根据每个三维脚手架点云对应的脚手架部件的种类，以及三维脚手架点云对应的脚手架部件的位置，确定脚手架的质量检测结果。

在一实施例中，识别模块750还用于：

根据每个三维脚手架点云对应的脚手架部件的种类，以及三维脚手架点云对应的脚手架部件的位置，确定每种脚手架部件分别对应的部件搭建信息；若任一部件搭建信息未满足脚手架部件对应预设搭建条件，则确定质量检测结果为脚手架未符合规范；若部件搭建信息均满足脚手架部件对应预设搭建条件，则确定质量检测结果为脚手架符合规范。

当理解的是，图7示出的脚手架质量检测装置的结构框图中，各模块用于执行图1、图2、图4和图6对应的实施例中的各步骤，而对于图1、图2、图4和图6对应的实施例中的各步骤已在上述实施例中进行详细解释，具体请参阅图1、图2、图4和图6以及图1、图2、图4和图6所对应的实施例中的相关描述，此处不再赘述。

图8是本申请一实施例提供的一种电子设备的结构框图。如图8所示，该实施例的电子设备800包括：处理器810、存储器820以及存储在存储器820中并可在处理器810运行的计算机程序830，例如脚手架质量检测方法的程序。处理器810执行计算机程序830时实现上述各个脚手架质量检测方法各实施例中的步骤，例如图1所示的S101至S105。或者，处理器810执行计算机程序830时实现上述图7对应的实施例中各模块的功能，例如，图7所示的模块710至750的功能，具体请参阅图7对应的实施例中的相关描述。

示例性的，计算机程序830可以被分割成一个或多个模块，一个或者多个模块被存储在存储器820中，并由处理器810执行，以实现本申请实施例提供的脚手架质量检测方法。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序830在电子设备800中的执行过程。例如，计算机程序830可以实现本申请实施例提供的脚手架质量检测方法。

电子设备800可包括，但不仅限于，处理器810、存储器820。本领域技术人员可以理解，图8仅仅是电子设备800的示例，并不构成对电子设备800的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如电子设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器810可以是中央处理单元，还可以是其他通用处理器、数字信号处理器、专用集成电路、现成可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器820可以是电子设备800的内部存储单元，例如电子设备800的硬盘或内存。存储器820也可以是电子设备800的外部存储设备，例如电子设备800上配备的插接式硬盘，智能存储卡，闪存卡等。进一步地，存储器820还可以既包括电子设备800的内部存储单元也包括外部存储设备。

本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行上述各个实施例中的脚手架质量检测方法。

本申请实施例提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行上述各个实施例中的脚手架质量检测方法。

以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (9)

1.一种脚手架质量检测方法，其特征在于，包括：

获取图像采集设备拍摄的包含脚手架的第一图像点云集；所述第一图像点云集包括多个图像点云，每个所述图像点云分别包括所述脚手架对应位置的色彩信息；

获取激光雷达设备采集的包含脚手架的激光点云集；所述激光点云集中的激光点云精度高于所述第一图像点云集中的图像点云精度；

将所述第一图像点云集中的图像点云与所述激光点云集中的激光点云进行配准变换，生成与所述激光点云相配准的第二图像点云集；

针对每个所述激光点云，将所述第二图像点云集中与所述激光点云相配准的图像点云对应的色彩信息，与所述激光点云融合，生成色彩激光点云集；

对所述色彩激光点云集进行识别，生成所述脚手架的质量检测结果；

所述将所述第一图像点云集中的图像点云与所述激光点云集中的激光点云进行配准变换，生成与所述激光点云相配准的第二图像点云集，包括：

根据所述图像点云的坐标系与所述激光点云的坐标系之间的预设转换矩阵，将所述第一图像点云集转换为第三图像点云集；所述第三图像点云集中各个图像点云的坐标采用所述激光点云的坐标系进行表征；

针对每个所述激光点云，从当前第三图像点云集中选择满足预设条件的图像点云作为相应所述激光点云对应的第二目标点云；所述预设条件包括与所述激光点云距离最近的图像点云，和/或，在依次确定各个所述图像点云与所述激光点云之间的间距的过程中，首个小于预设距离的间距所对应的图像点云；

根据每个所述激光点云与对应的所述第二目标点云，确定所述当前第三图像点云集与所述激光点云集中的目标转换矩阵；

根据所述目标转换矩阵对所述当前第三图像点云集中的每个图像点云进行转换，生成目标图像点云集；

若所述目标图像点云集与所述激光点云集满足预设迭代停止条件，则将所述目标图像点云集确定为第二图像点云集；

若所述目标图像点云集与所述激光点云集未满足预设迭代停止条件，则将所述目标图像点云集确定为新的当前第三图像点云集，并执行目标步骤以及所述目标步骤之后的步骤；所述目标步骤为从当前的第三图像点云集中选择满足预设条件的图像点云作为相应激光点云对应的第二目标点云。

2.根据权利要求1所述的方法，其特征在于，在所述将所述第一图像点云集中的图像点云与所述激光点云集中的激光点云进行配准变换，生成与所述激光点云相配准的第二图像点云集之前，还包括：

针对目标点云集中的每个点云，计算所述点云分别与所述目标点云集中的其他点云之间的第一平均距离；所述目标点云集为用于配准变换的所述激光点云集和所述第一图像点云集中的至少一个；

根据所有所述点云与所述其他点云之间的第一平均距离，对所述目标点云集中的点云进行降采样，保留未删除的点云。

3.根据权利要求2所述的方法，其特征在于，所述根据所有所述点云与所述其他点云之间的第一平均距离，对所述目标点云集中的点云进行降采样，保留未删除的点云，包括：

根据所有所述第一平均距离，确定标准间距范围；

若所述第一平均距离位于所述标准间距范围内，则保留所述第一平均距离对应的点云；

若所述第一平均距离未位于所述标准间距范围内，则删除所述第一平均距离对应的点云。

4.根据权利要求3所述的方法，其特征在于，所述根据所有所述第一平均距离，确定标准间距范围，包括：

根据所有所述第一平均距离，计算第二平均距离和标准差；

采用预设计算公式对所述第二平均距离和所述标准差进行计算，确定最大值和最小值；所述预设计算公式为：

其中，μ为所述第二平均距离，σ为所述标准差，k为常数，δ_d1，δ_d2分别为所述最大值和所述最小值；

根据所述最大值和所述最小值确定所述标准间距范围。

5.根据权利要求1所述的方法，其特征在于，在所述根据所述目标转换矩阵对所述当前第三图像点云集中的每个图像点云进行转换，生成目标图像点云集之后，还包括：

针对每个所述激光点云，从所述目标图像点云集中确定与所述激光点云距离最近的第三目标点云；

根据每个所述激光点云与对应所述第三目标点云之间的距离，计算迭代过程中的误差；

若所述误差小于预设值，则确定所述目标图像点云集与所述激光点云集满足预设迭代停止条件；

若所述误差大于或等于预设值，则确定所述目标图像点云集与所述激光点云集未满足预设迭代停止条件。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述将所述第二图像点云集中与所述激光点云相配准的图像点云对应的色彩信息，与所述激光点云融合，生成色彩激光点云集，包括：

从所述第二图像点云集中，确定与所述激光点云之间距离最近的第四目标点云；

将所述第四目标点云对应的色彩信息与所述激光点云进行融合，生成色彩激光点云；

根据所有所述色彩激光点云生成所述色彩激光点云集。

7.根据权利要求1至5任一项所述的方法，其特征在于，所述对所述色彩激光点云集进行识别，生成所述脚手架的质量检测结果，包括：

根据预设投影公式将所述色彩激光点云集中的每个激光点云投影为二维激光点云，生成由多个所述二维激光点云组成的点云投影图像；

采用预设的识别模型识别所述点云投影图像，确定所述脚手架对应的多个二维脚手架点云；每个所述二维脚手架点云包括表征所述脚手架对应位置的脚手架部件的种类；

根据所述预设投影公式分别对每个所述二维脚手架点云进行逆投影，得到多个三维脚手架点云；

根据每个所述三维脚手架点云对应的脚手架部件的种类，以及所述三维脚手架点云对应的所述脚手架部件的位置，确定所述脚手架的质量检测结果。

8.根据权利要求7所述的方法，其特征在于，所述脚手架包括多种脚手架部件；所述根据每个所述三维脚手架点云对应的脚手架部件的种类，以及所述三维脚手架点云对应的所述脚手架部件的位置，确定所述脚手架的质量检测结果，包括：

根据每个所述三维脚手架点云对应的脚手架部件的种类，以及所述三维脚手架点云对应的所述脚手架部件的位置，确定每种所述脚手架部件分别对应的部件搭建信息；

若任一所述部件搭建信息未满足所述脚手架部件对应预设搭建条件，则确定所述质量检测结果为所述脚手架未符合规范；

若所述部件搭建信息均满足所述脚手架部件对应预设搭建条件，则确定所述质量检测结果为所述脚手架符合规范。

9.一种脚手架质量检测装置，其特征在于，所述装置包括：

第一获取模块，用于获取图像采集设备拍摄的包含脚手架的第一图像点云集；所述第一图像点云集包括多个图像点云，每个所述图像点云分别包括所述脚手架对应位置的色彩信息；

第二获取模块，用于获取激光雷达设备采集的包含脚手架的激光点云集；所述激光点云集中的激光点云精度高于所述第一图像点云集中的图像点云精度；

配准模块，用于将所述第一图像点云集中的图像点云与所述激光点云集中的激光点云进行配准变换，生成与所述激光点云相配准的第二图像点云集；

融合模块，用于针对每个所述激光点云，将所述第二图像点云集中与所述激光点云相配准的图像点云对应的色彩信息，与所述激光点云融合，生成色彩激光点云集；

识别模块，用于对所述色彩激光点云集进行识别，生成所述脚手架的质量检测结果；

所述配准模块还用于：

根据所述图像点云的坐标系与所述激光点云的坐标系之间的预设转换矩阵，将所述第一图像点云集转换为第三图像点云集；所述第三图像点云集中各个图像点云的坐标采用所述激光点云的坐标系进行表征；

针对每个所述激光点云，从当前第三图像点云集中选择满足预设条件的图像点云作为相应所述激光点云对应的第二目标点云；所述预设条件包括与所述激光点云距离最近的图像点云，和/或，在依次确定各个所述图像点云与所述激光点云之间的间距的过程中，首个小于预设距离的间距所对应的图像点云；

根据每个所述激光点云与对应的所述第二目标点云，确定所述当前第三图像点云集与所述激光点云集中的目标转换矩阵；

根据所述目标转换矩阵对所述当前第三图像点云集中的每个图像点云进行转换，生成目标图像点云集；

若所述目标图像点云集与所述激光点云集满足预设迭代停止条件，则将所述目标图像点云集确定为第二图像点云集；

若所述目标图像点云集与所述激光点云集未满足预设迭代停止条件，则将所述目标图像点云集确定为新的当前第三图像点云集，并执行目标步骤以及所述目标步骤之后的步骤；所述目标步骤为从当前的第三图像点云集中选择满足预设条件的图像点云作为相应激光点云对应的第二目标点云。