CN117848208A - 一种智慧监理便携式检测设备 - Google Patents

Abstract

本发明涉及一种智慧监理便携式检测设备，包括，壳体，所述壳体包括前壳和背壳，所述前壳和背壳通过螺栓连接，检测模块，所述检测模块包括主板、测距传感器、摄像头、定位单元和电源，所述主板嵌于所述前壳中，所述电源嵌于背壳中，所述背壳顶板上设置有第一孔和第二孔，测距传感器、摄像头端部分别嵌于所述第一孔和第二孔中；测缝模块，所述测缝模块用于获取测距传感器和摄像头的数据测量计算裂缝；本发明集成度高，功能多，且小型化可便携手持，其包含的测缝模块还可对裂缝面积进行测量，高效便捷，且准确度高。

Description

一种智慧监理便携式检测设备

技术领域

本发明属于检测设备技术领域，具体为一种智慧监理便携式检测设备。

背景技术

目前工程建设领域的智慧工地逐渐运用，以BIM、遥感测绘、智能加工机器人为代表的众多科技产品运用到工程建设上，为智慧工地带来许多“质”的改变；在工程现场质量控制中，平面位置测量、几何尺寸检测以支架模板规范性搭设都是管理人员日常必检内容。常规的平面位置测量设备为RTK、全站仪，高程距离测量为水准仪、经纬仪。高精度仪器测量，精度虽有保障，但仪器架设和移运困难，操作繁杂，现有测量手段，在效率、数据传递和共享方面的缺陷已日趋凸显。因此，研究一种具有长度、高度、定位等一体化检测功能的便携式手持移动设备，简化检测方法，对提高工程管理效率和质量具有很强的现实意义。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于现有技术中存在以下技术问题：现有的检测设备多为独立功能，体积大且全部携带占用大量空间的问题。

为解决上述技术问题，本发明提供如下技术方案：一种智慧监理便携式检测设备，包括，

壳体，所述壳体包括前壳和背壳，所述前壳和背壳通过螺栓连接，

检测模块，所述检测模块包括主板、测距传感器、摄像头、定位单元和电源，所述主板嵌于所述前壳中，所述电源嵌于背壳中，所述背壳顶板上设置有第一孔和第二孔，测距传感器、摄像头端部分别嵌于所述第一孔和第二孔中；

测缝模块，所述测缝模块用于获取测距传感器和摄像头的数据测量计算裂缝。

作为一种智慧监理便携式检测设备的优选技术方案，还包括角度传感器和电容屏，所述电容屏嵌于前壳中，所述角度传感器与所述主板连接。

作为一种智慧监理便携式检测设备的优选技术方案，所述测缝模块测量计算裂缝的过程包括：

将设备对准待测量单位；

获取图片和距离参数，计算图片的实际区域大小；

去除噪音并作形态学处理；

提取连通域；

计算裂缝面积。

作为一种智慧监理便携式检测设备的优选技术方案，所述去除噪音并作形态学处理包括：

对图片中存在的孤立点噪音使用中值滤波去除；

使用高斯滤波对图像进行平滑处理；

对处理完的图像做二值化处理，选用最大类间方差法求得图像的全局阈值；

对于二值化后的图像，再次做中值滤波操作；

对输出的图片做腐蚀和膨胀操作。

作为一种智慧监理便携式检测设备的优选技术方案，所述中值滤波包括：

对图像中的像素点确定一个固定的邻域；

将邻域中的所有像素点按照大小进行排序，

选取排序后的中间值作为该像素点的新值，

重复以上操作，对图像中的每个像素点进行中值替换。

作为一种智慧监理便携式检测设备的优选技术方案，所述使用高斯滤波对图像进行平滑处理包括：

使用一个卷积核扫描图像中的每一个像素，用卷积确定邻域内像素的加权平均灰度值去替代邻域中心像素点的值；其中，二维高斯函数为：

其中(x，y)为点坐标，σ为高斯分布的标准差。

作为一种智慧监理便携式检测设备的优选技术方案，

处理完的图像做二值化处理包括：

设定图像阈值为T，小于T的像素为目标，数量占总图像比例为w0，平均灰度值为u0，大于T的像素为背景，数量占图像比例为w1，平均灰度值为u1，类间方差的公式为：

g＝w₀w₁(u₀-u₁)

修改T值，使g最大，求得最优阈值，并使用最优阈值对图像进行二值化。

作为一种智慧监理便携式检测设备的优选技术方案，

所述提取连通域包括：

遍历图像的每个像素点，对于每个像素点，判断其是否为前景像素；

如果当前像素点是前景像素点，那么将其标记为一个新的连通域，并将其加入到一个待处理的队列中，从待处理队列中取出一个像素点，并以该点为种子点，进行连通域扩展。

作为一种智慧监理便携式检测设备的优选技术方案，

所述提取连通域还包括：

如果邻域内有前景像素点，且未被标记过，那么将其标记为当前连通域，并将其加入待处理队列中；

一直重复连通域扩展操作，直到待处理队列为空；

并重复以上提取连通域操作，直到遍历完所有的像素点。

作为一种智慧监理便携式检测设备的优选技术方案，所述计算裂缝面积包括：

根据图片实际大小和像素点个数计算每个像素点的额实际面积；

通过连通域提取算法得到裂缝对应连通域的像素点个数

计算连通域的面积。

本发明的有益效果：本发明集成度高，功能多，且小型化可便携手持，其包含的测缝模块还可对裂缝面积进行测量，高效便捷，且准确度高。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例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性的前提下，还可以根据这些附图获得其它的附图。其中：

图1为本发明的整体结构示意图；

图2为本发明电容屏的结构示意图；

图3为本发明中主板连接结构示意图；

图4为本发明监测设备系统连接结构示意图；

图5(1)～图5(4)为本发明实施例中的原始图示意图；

图6(1)～图6(4)为本发明中图6对应的灰度图像示意图；

图7(1)～图7(4)为本发明中图6对应的二值化图像示意图；

图8(1)～图8(4)为本发明中图7形态化处理后的图像示意图。

附图标记：壳体100，前壳101，背壳102，检测模块200，主板201，测距传感器202，摄像头203，定位单元204，电源205，第一孔102a，第二孔102b，测缝模块208，角度传感器206，电容屏207。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。

其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。

再其次，本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。

实施例1

参照图1～图8，本实施例提供了一种智慧监理便携式检测设备，包括，

壳体100，壳体100包括前壳101和背壳102，前壳101和背壳102通过螺栓连接，检测模块200，检测模块200包括主板201、测距传感器202、摄像头203、定位单元204和电源205，主板201嵌于前壳101中，电源205嵌于背壳102中，背壳102顶板上设置有第一孔102a和第二孔102b，测距传感器202、摄像头203端部分别嵌于第一孔102a和第二孔102b中；

具体的，第一孔102a为方孔，第二孔102b为圆孔。

测缝模块208，测缝模块208用于获取测距传感器202和摄像头203的数据测量计算裂缝。

还包括角度传感器206和电容屏207，电容屏207嵌于前壳101中，角度传感器206与主板201连接。

测缝模块208测量计算裂缝的过程包括：

1.将设备对准待测量单位；

2.获取图片和距离参数，计算图片的实际区域大小；

3.去除噪音并作形态学处理；

4.提取连通域；

5.计算裂缝面积。

具体的，本发明为便携式可手持设备，其小型化便捷携带以及使用，使用时手拿测试即可，为了进一步保证稳定性，可使用稳定器或稳定支架辅助使用。

将设备摄像头203和测距传感器202对准裂缝，摄像头203会获取裂缝图像，测距传感器202或获取设备到缝隙的距离，以结合相机焦距等计算拍摄照片的实际大小。

在获取到如图5所示的待测单位图片后，首先利用优选加权平均法对图片做灰度化操作。由于人眼对绿色敏感度程度最高，对蓝色敏感度最低，因此按照以下公式对RGB三分量进行加权平均后得到所需的灰度图像，灰度化后如图6所示：

F(i,j)＝0.30R(i,j)+0.59G(i,j)+0.11B(i,j)

进一步的，去除噪音并作形态学处理包括：

对图片中存在的噪音进行去除，对图片中存在的孤立点噪音使用中值滤波去除，中值滤波是将图像中每个像素点的值替换为该像素点周围邻域中的中值。首先对图像中的像素点确定一个固定的邻域(这里我们选择邻域大小为3x3矩形)，将邻域中的所有像素点按照大小进行排序，选取排序后的中间值作为该像素点的新值，重复以上操作，对图像中的每个像素点进行中值替换操作。

再使用高斯滤波对图像进行平滑处理，高斯滤波可以看作是对整幅图像进行加权平均的过程，每一个像素点的值都由其本身和邻域内的其他像素值经过加权平均后得到。我们使用一个卷积核扫描图像中的每一个像素，用卷积确定邻域内像素的加权平均灰度值去替代邻域中心像素点的值。其中，二维高斯函数如下：

其中(x，y)为点坐标，σ为高斯分布的标准差，高斯卷积核是对连续高斯函数的离散近似。这里，我们生成一个3x3的高斯卷积核，以卷积核的中心作为坐标原点进行取样。卷积核各个位置的坐标，如下所示：

(-1,1)	(0,1)	(1,1)
			(-1,0)	(0,0)	(1,0)
(-1,-1)	(0,-1)	(1,-1)

为了兼顾去噪和平滑图像，我们取σ＝1.5，将各个位置的坐标代入高斯函数中，就可以得到高斯滤波的卷积核，如下所示：

0.0453	0.0566	0.0453
			0.0566	0.0707	0.0566
0.0453	0.0566	0.0453

对上述卷积核进行归一化处理，即可得到：

0.0947	0.1183	0.0947
			0.1183	0.1478	0.1183
0.0947	0.1183	0.0947

我们将得到的高斯滤波卷积核对图像进行卷积，即可完成高斯滤波操作。

对处理完的图像做二值化处理，选用最大类间方差法求得图像的全局阈值，我们假设图像阈值为T，小于T的像素为目标，数量占总图像比例为w0，平均灰度值为u0，大于T的像素为背景，数量占图像比例为w1，平均灰度值为u1，那么，类间方差的公式如下：

g＝w₀w₁(u₀-u₁)

我们只需要修改T值，使得g最大，就可以求得最优阈值。

使用最优阈值对图像进行二值化，即可得到图7所示的二值化图像。

对于二值化后的图像，再次对其做中值滤波操作。然后对输出的图片做腐蚀和膨胀操作。被二值化后的图像的前景物体为1，背景为0，腐蚀就是我们使用一个结构元素，可以是矩形、十字交叉形结构(这里我们选用3x3的矩阵)，我们使用这个结构元素取遍历图像的每一个像素，然后用结构元素的中心对准当前正在遍历的这个像素，取当前结构元素所覆盖下的原图对应区域内的所有像素的最小值，用这个最小值替换当前像素值。同样，膨胀也是我们使用一个结构元素去遍历图像中的每一个像素，然后使用结构元素的中心对准当前正在遍历的这个像素，取当前结构元素所覆盖下的原图对应区域内的所有像素的最大值，用这个最大值替换当前像素值。腐蚀和膨胀的目的是为了平滑目标的轮廓，消除一些细小的噪声。形态学处理后的图片如图8所示。

提取连通域包括：

连通域是由具有相同像素值的相邻像素组成的像素集合，因此，我们就可以通过这两个条件在图像中寻找连通区域，对于找到的每个连通域，我们赋予其一个唯一的标识(Label)，以区别其他连通域。

首先，遍历图像的每个像素点，对于每个像素点，判断其是否为前景像素(即像素点值是否为1)。如果当前像素点是前景像素点，那么将其标记为一个新的连通域，并将其加入到一个待处理的队列中。从待处理队列中取出一个像素点，并以该点为种子点，进行连通域扩展；连通域扩展是将遍历种子点周围的八邻域范围，并判断邻域范围内的点是否为前景像素点。如果邻域内有前景像素点，且未被标记过，那么将其标记为当前连通域，并将其加入待处理队列中。一直重复连通域扩展操作，直到待处理队列为空。并重复以上提取连通域操作，直到遍历完所有的像素点。

计算裂缝面积包括：

根据图片实际大小和像素点个数计算每个像素点的额实际面积；

通过连通域提取算法得到裂缝对应连通域的像素点个数

计算连通域的面积。

具体的，连通域的面积采用统计像素点数量的方法，即统计连通域内像素点的总合，由于形态学处理后，图像中仍有一些较小的噪点无法去除，故我们在提取连通域之后，剔除掉一些像素点的较少的连通域除。

下面通过实验查看设备的测量准确性。

对于图5(1)，拍摄后获取的图片所对应的区域范围大小约为65mm*45mm，图像的像素为526*333，计算每一个像素点对应的真实尺寸大小；

ε1≈((65/526)+(45/333))/2≈0.1294mm/pixel

其中0.1294mm为图5(1)中每个像素点对应的边长，故每个像素点的实际面积为0.01674mm²，故整个连通域的真实面积就是连通域像素个数乘上每个像素所代表的实际面积大小，通过连通域提取算法得到裂缝对应连通域的像素点个数为3896个，其计算面积为：

S1＝3896×0.01674≈65mm²

对于图5(2)，拍摄后获取的图片所对应的区域范围大小约为125mm*125mm，图像的像素为1024*1024，计算每一个像素点所对应的真实尺寸大小；

ε2≈(125/1024)≈0.1221mm/pixel

其中0.1221mm为图5(2)中每个像素点对应的边长，故每个像素点的实际面积为0.01491mm2，故整个连通域的真实面积就是连通域像素个数乘上每个像素所代表的实际面积大小，通过连通域提取算法得到裂缝对应连通域的像素点个数为30261个，其计算面积为：

S2＝30261×0.01491≈451mm²

对于图5(3)，拍摄后获取的图片所对应的区域范围大小约为120mm*120mm，图像的像素为980*980，计算每一个像素点所对应的真实尺寸大小；

ε3≈(120/980)≈0.1224mm/pixel

其中0.1224mm为图5(3)中每个像素点对应的边长，故每个像素点的实际面积为0.01498mm²，故整个连通域的真实面积就是连通域像素个数乘上每个像素所代表的实际面积大小，通过连通域提取算法得到裂缝对应连通域的像素点个数为24034个，其计算面积为：

S3＝24034×0.01498≈360mm²

对于图5(4)，拍摄后获取的图片所对应的区域范围大小约为125mm*125mm，图像的像素为1024*1024，计算每一个像素点所对应的真实尺寸大小；

ε4≈(125/1024)≈0.1221mm/pixel

其中0.1221mm为图5(4)中每个像素点对应的边长，故每个像素点的实际面积为0.01491mm²，故整个连通域的真实面积就是连通域像素个数乘上每个像素所代表的实际面积大小，通过连通域提取算法得到裂缝对应连通域的像素点个数为30261个，其计算面积为：

S4＝54435×0.01491≈811mm²

对于裂缝真实面积，我们通过测量裂缝的长度和宽度来大致估算其实际面积。通过此种方法，最终我们获得裂缝的实际面积如下所示：

A1＝55mm²

A2＝520mm²

A3＝320mm²

A4＝950mm²

通过以上计算，裂缝计算所得的面积与实际面积如下表所示：

表1.裂缝检测结果

在对以上4张裂缝图片进行实验后，我们发现裂缝面积计算的准确里在84％到89％之间。实验结果表明，基于图像检测技术的裂缝面积计算在大多数情况下具有较高的准确性。

本实验证明了基于图像检测技术在裂缝面积计算中的有效性和准确性。

应理解的是，在任何实际实施方式的开发过程中，如在任何工程或设计项目中，可做出大量的具体实施方式决定。这样的开发努力可能是复杂的且耗时的，但对于那些得益于此公开内容的普通技术人员来说，不需要过多实验，所述开发努力将是一个设计、制造和生产的常规工作。

应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种智慧监理便携式检测设备，其特征在于：包括，

壳体(100)，所述壳体(100)包括前壳(101)和背壳(102)，所述前壳(101)和背壳(102)通过螺栓连接，

检测模块(200)，所述检测模块(200)包括主板(201)、测距传感器(202)、摄像头(203)、定位单元(204)和电源(205)，所述主板(201)嵌于所述前壳(101)中，所述电源(205)嵌于背壳(102)中，所述背壳(102)顶板上设置有第一孔(102a)和第二孔(102b)，测距传感器(202)、摄像头(203)端部分别嵌于所述第一孔(102a)和第二孔(102b)中；

测缝模块(208)，所述测缝模块(208)用于获取测距传感器(202)和摄像头(203)的数据测量计算裂缝。

2.根据权利要求1所述的智慧监理便携式检测设备，其特征在于：还包括角度传感器(206)和电容屏(207)，所述电容屏(207)嵌于前壳(101)中，所述角度传感器(206)与所述主板(201)连接。

3.根据权利要求2所述的智慧监理便携式检测设备，其特征在于：所述测缝模块(208)测量计算裂缝的过程包括：

将设备对准待测量单位；

获取图片和距离参数，计算图片的实际区域大小；

去除噪音并作形态学处理；

提取连通域；

计算裂缝面积。

4.根据权利要求3所述的智慧监理便携式检测设备，其特征在于：

所述去除噪音并作形态学处理包括：

对图片中存在的孤立点噪音使用中值滤波去除；

使用高斯滤波对图像进行平滑处理；

对处理完的图像做二值化处理，选用最大类间方差法求得图像的全局阈值；

对于二值化后的图像，再次做中值滤波操作；

对输出的图片做腐蚀和膨胀操作。

5.根据权利要求4所述的智慧监理便携式检测设备，其特征在于：所述中值滤波包括：

对图像中的像素点确定一个固定的邻域；

将邻域中的所有像素点按照大小进行排序，

选取排序后的中间值作为该像素点的新值，

重复以上操作，对图像中的每个像素点进行中值替换。

6.根据权利要求5所述的智慧监理便携式检测设备，其特征在于：所述使用高斯滤波对图像进行平滑处理包括：

使用一个卷积核扫描图像中的每一个像素，用卷积确定邻域内像素的加权平均灰度值去替代邻域中心像素点的值；其中，二维高斯函数为：

其中(x，y)为点坐标，σ为高斯分布的标准差。

7.根据权利要求6所述的智慧监理便携式检测设备，其特征在于：

处理完的图像做二值化处理包括：

设定图像阈值为T，小于T的像素为目标，数量占总图像比例为w0，平均灰度值为u0，大于T的像素为背景，数量占图像比例为w1，平均灰度值为u1，类间方差的公式为：

g＝w₀w₁(u₀-u₁)

修改T值，使g最大，求得最优阈值，并使用最优阈值对图像进行二值化。

8.根据权利要求7所述的智慧监理便携式检测设备，其特征在于：

所述提取连通域包括：

遍历图像的每个像素点，对于每个像素点，判断其是否为前景像素；

如果当前像素点是前景像素点，那么将其标记为一个新的连通域，并将其加入到一个待处理的队列中，从待处理队列中取出一个像素点，并以该点为种子点，进行连通域扩展。

9.根据权利要求8所述的智慧监理便携式检测设备，其特征在于：

所述提取连通域还包括：

如果邻域内有前景像素点，且未被标记过，那么将其标记为当前连通域，并将其加入待处理队列中；

一直重复连通域扩展操作，直到待处理队列为空；

并重复以上提取连通域操作，直到遍历完所有的像素点。

10.根据权利要求9所述的智慧监理便携式检测设备，其特征在于：所述计算裂缝面积包括：

根据图片实际大小和像素点个数计算每个像素点的额实际面积；

通过连通域提取算法得到裂缝对应连通域的像素点个数

计算连通域的面积。