CN117889789A - 一种建筑墙面平整度检测方法和系统 - Google Patents
一种建筑墙面平整度检测方法和系统 Download PDFInfo
- Publication number
- CN117889789A CN117889789A CN202410295306.8A CN202410295306A CN117889789A CN 117889789 A CN117889789 A CN 117889789A CN 202410295306 A CN202410295306 A CN 202410295306A CN 117889789 A CN117889789 A CN 117889789A
- Authority
- CN
- China
- Prior art keywords
- feature
- meta
- feature image
- image
- wall surface
- 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
- 238000001514 detection method Methods 0.000 title claims description 29
- 238000000034 method Methods 0.000 claims abstract description 40
- 239000013598 vector Substances 0.000 claims description 27
- 239000011159 matrix material Substances 0.000 claims description 22
- 238000000605 extraction Methods 0.000 claims description 21
- 230000009466 transformation Effects 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000013527 convolutional neural network Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 claims description 8
- 238000002372 labelling Methods 0.000 claims description 5
- 238000011426 transformation method Methods 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000003709 image segmentation Methods 0.000 description 4
- 238000003708 edge detection Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000004904 shortening Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
- G01B11/303—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces using photoelectric detection means
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种建筑墙面平整度检测方法和系统,所述方法包括如下步骤:在被检测墙面预先配置贴合于墙面的多个规则组合的元特征图像,多个规则组合的元特征图像构成组合特征图像;采用摄像头以垂直于墙面的正面视角采集所述墙面上的元特征图像,预先存储包括标准元特征图像数据;在所述摄像头的图像采集界面构建二维坐标系,并对二维坐标系中对每一个元特征图像进行特征提取,并对每一个元特征图像进行位置标注,将每一位置的元特征图像和所述标准元特征图像进行相似度计算;获取每一位置采集的元特征图像和标准元特征图像相似度差值后,计算墙面所有元特征图像的相似度差值平方,根据所述差值平方计算墙面局部位置或全部墙面的平整度。
Description
技术领域
本发明涉及建筑工程技术领域,特别涉及一种建筑墙面平整度检测方法和系统
背景技术
目前传统的建筑墙面平整度检测工具通常分为机械式检测尺和激光检测尺两种类型,其中机械式平整度检测尺需要手动式调整检测尺的长度,并且需要人工移动检测尺进行多次的检测,检测尺移动过程中受到人操作的影响较大,且针对墙面的平整度不仅需要横向多次检测,并且也需要纵向多次检测,每次检测均需要读取检测尺上的平整度数据,检测步骤繁琐且误差较大,容易受到检测人员检测水平的影响。同理激光检测尺也需要进行多次检测,且检测过程容易受到检测人员水平的影响。
发明内容
本发明其中一个发明目的在于提供一种建筑墙面平整度检测方法和系统,所述方法和系统采用图像检测的方式进行墙面平整度的检测,其中本发明采用单目摄像头采集预先布置贴合于墙面的元特征图像,并对所述元特征图像和数据库存储的标准元特征图像进行对比,计算两个元特征数据的相似度,并计算不同元特征数据相似度的差值的平方,用于判断墙面是否存在因为平整度差异的元特征图像在平面上特征扭曲。
本发明另一个发明目的在于提供一种建筑墙面平整度检测方法和系统,所述方法和系统在元特征图像基础上构建不同大小的组合特征图像,并对所述组合特征图像进行不同区域相同组合特征图像进行特征对比,以实现不同墙面尺寸上的平整度对比,本发明可以从面的角度进行建筑物墙面的平整度检测,无需重复的线性多次的线性检测,提高墙面平整度检测的效率。
本发明另一个发明目的在于提供一种建筑墙面平整度检测方法和系统,所述方法和系统对所述单目摄像头采集的元特征图像和组合特征图像进行单应性矩阵的投影变换,将不同视角的元特征图像和组合图像特征数据投影到相同视角后进行特征提取,并将相同视角的元特征图像和组合特征图像的特征数据输入到图像检测模型中进行相似度对,根据相似度值判断图像的平整度,因此本发明可以克服不同角度图像的特征差异带来的相似度检测问题,提高相似度判断的准确性。
为了实现至少一个上述发明目的,本发明进一步提供一种建筑墙面平整度检测方法,所述方法包括如下步骤:
在被检测墙面预先配置贴合于墙面的多个规则组合的元特征图像,多个规则组合的元特征图像构成组合特征图像;
采用摄像头以垂直于墙面的正面视角采集所述墙面上的元特征图像,预先存储包括标准元特征图像数据;
在所述摄像头的图像采集界面构建二维坐标系,并对二维坐标系中对每一个元特征图像进行特征提取,并对每一个元特征图像进行位置标注,将每一位置的元特征图像和所述标准元特征图像进行相似度计算;
获取每一位置采集的元特征图像和标准元特征图像相似度差值后,计算墙面所有元特征图像的相似度差值平方,根据所述差值平方计算墙面局部位置或全部墙面的平整度。
根据本发明其中一个较佳实施例,所述墙面平整度检测方法包括:采用卷积神经网络模型对所述每一个标注位置的元特征图像进行特征提取,并将所述元特征图像特征提取后转化第一特征向量,并将所述标准元特征图像经过所述神经网络模型进行特征提取后转化为第二特征向量,采用包括余弦相似度算法计算第一特征向量和第二特征向量的相似度值。
根据本发明另一个较佳实施例,当获取到所述每一个元特征图像和标准元特征图像的相似度值sn,计算每一个元特征图像和标准元特征图像的相似度差值平方Fn=(1-sn)2,将所述相似度差值平方Fn进行排序,n表示对应元特征图像序列数,设置元特征相似度差值阈值Fs,将大于所述元特征相似度差值阈值的元特征图像对应的位置标注提取并输出对应位置平整度检测不合格信息。
根据本发明另一个较佳实施例,自动选取墙面对应区域范围内m个对应元特征图像的相似度差值的均方差(Fn(m))/m=(/>(1-sn)2)/m,并设置局部特征相似度差值阈值Fm,当所述m个对应元特征图像的相似度差值的均方差(/>Fn(m))/m大于所述局部特征相似度差值阈值Fm,则将选取的m元特征图像范围墙面判定为平整度检测不合格。
根据本发明另一个较佳实施例,从所述墙面中选取k个相邻元特征图像作为第一组合特征图像,并从所述墙面其它区域同样选择k个相邻的元特征图像作为第二组合特征图像,且所述第一组合特征图像和第二组合特征图像相邻元特征图像的组合方式相同,利用卷积神经网络分别对所述第一组合特征图像和第二组合特征图像进行特征提取,得到第一组合特征图像特征向量和第二组合特征图像特征向量,并计算所述第一组合特征图像和第二组合特征图像的相似度值,并计算所述第一组合特征图像和所述第二组合特征图像的相似度差值平方,并将所述第一组合特征图像和所述第二组合特征图像的相似度差值平方和预设的局部特征相似度差值阈值Fm对比,若第一组合特征图像和所述第二组合特征图像的相似度差值平方大于所述局部特征相似度差值阈值Fm,则输出两个选定区域平整度检测不合格。
根据本发明另一个较佳实施例,所述卷积神经网络对每一元特征图像进行特征提取,获取每一元特征图像的中心点坐标(x,y),将所述中心点坐标(x,y)作为所述当前元特征图像进行位置标注,并将标注的位置(x,y)和提取的特征、元特征图像序列进行绑定。
根据本发明另一个较佳实施例,所述检测方法包括:获取摄像头对墙面拍摄的图像数据后,对所述图像数据按照边界切割方法得到不同位置的元特征图像,将切割得到的所有元特征图像进行单应性矩阵的投影变换,得到不同位置元特征图像在摄像头采集界面的投影变换图,将每一元特征图像的投影变换图采用卷积神经网络进行特征提取,并将特征提取后的数据进行相似度计算。
根据本发明另一个较佳实施例,所述单应性矩阵的投影变换方法包括:随机获取每一个被切割的元特征图像的非共线的至少4个参考点数据和摄像头拍摄界面对应的至少4个参考点数据,并根据两种所述至少4个参考点数据进行单应性矩阵计算,根据计算的所述单应性矩阵将所述被切割的图像转换为摄像头垂直拍摄界面的投影变换图。
为了实现至少一个上述发明目的,本发明进一步提供样子建筑墙面平整度检测系统,所述系统执行上述一种建筑墙面平整度检测方法。
本发明进一步提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行以实现上述一种建筑墙面平整度检测方法。
附图说明
图1显示的是本发明一种建筑墙面平整度检测方法的流程示意图。
图2显示的是本发明中元特征图像的一个实施例示意图。
图3显示的是本发明中组合特征图像的一个较佳实施例示意图。
图4显示的是本发明不同视角元特征图像的投影变换示意图。
图5显示的是本发明中不平整墙面的元特征图像对比示意图。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例,本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。
可以理解的是,术语“一”应理解为“至少一”或“一个或多个”,即在一个实施例中,一个元件的数量可以为一个,而在另外的实施例中,该元件的数量可以为多个,术语“一”不能理解为对数量的限制。
请结合图1-图5,本发明公开了一种建筑墙面平整度检测方法和系统,所述方法主要包括如下步骤:首先需要提供摄像头,所述摄像头用于采集图像信息,所述摄像头拍摄方向和墙面垂直,使得摄像头可以采集墙面的正视图图像。在待检测的墙面上贴附有标准大小和形态的元特征图像,其中在所述元特征图像相邻位置同样贴附有元特征图像,所述元特征图像尺寸可以选择为20cm-40cm边长的立方体结构,且多个元特征图像可以打印在同一贴附面上。当然在本发明另一些较佳实施例中,若墙面本身具有规则的花纹结构,比如单一花纹结构的瓷砖表面等,花纹本身也可以作为所述元特征图像,本发明对此不再做具体限制。利用所述摄像头采集所述墙面贴附的元特征图像,并在系统中存入标准元特征图像数据,将所述摄像头识别在墙面上的元特征图像和所述系统中存储的标准元特征图像进行对比,计算两个元特征图像的相似度,并根据识别的不同元特征图像和标准元特征图像的相识度计算相似度差值,根据所述相似度差值判断当前对应元特征图像所贴附的墙面区域的平整度。本发明进一步在所述元特征图像的基础上进行多个相同的组合特征图像的选择构建,计算多个组合特征图像的相似度差异,用于判断局部墙面的平整度。
具体而言,请参考图2,本发明中公开了以方框和对角直线连接的图像特征作为本发明举例说明的元特征图像,其中在所述摄像头的拍摄界面建立平面直角坐标系,在所述摄像头采集的图像上进行图像预处理操作,其中针对摄像头采集的正视图像采用图像分割算法进行元特征图像分割,并对每个分割的元特征图像配置序列。本发明中可以采用包括但不仅限于灰度阈值图像分割算法、Laplace算子、Sobel算子、Canny算子等边缘检测的分割算法对所述元特征图像进行分割,得到单一的元特征图像,并对所述单一的元特征图像按照其所在的二维直角坐标系的位置信息进行位置标注。具体举例而言:若本发明中采用的是灰度阈值图像分割算法,则需要采集到所述图像中元特征图像所在区域的像素数据,计算所述元特征图像所在区域所有像素点的灰度值,并在系统中预先配置灰度阈值,将所述元特征图像所在区域的灰度值小于所述灰度阈值的像素点筛选出来得到切割出来得到对应的分割图像。以图2中显示的元特征图像为例,在图2中黑色区域为方框和对角相连的叉形图案,因此根据所述灰度阈值可以筛选出黑色区域的图案作为分割的元特征图像。并且根据所述建立的二维直角坐标系获取每一个分割的元特征图像的中心点坐标值(x,y),将所述元特征图像的中心点坐标值(x,y)对所述元特征图像进行标注。在本发明其中一个较佳实施例中,为了更好的识别被检测的元特征图像所在的位置,本发明可以进一步对每一个识别的元特征图像按照一定的顺序配置序列号,比如按照所述元特征图像在所述图像界面中从左到右序列号依次增加,在图像截面的上方到下方的序列号增加。在本发明另一些较佳实施例中,所述元特征图像为固定大小、颜色和形态的花纹时,可以优选采用上述Laplace算子、Sobel算子、Canny算子对图像中的花纹进行边缘检测,并按照花纹边缘检测结果进行花纹边缘的切割,得到不同区域内固定大小、颜色和形态的花纹的元特征图像,由于Laplace算子、Sobel算子、Canny算子的边缘检测切割算法为现有技术,本发明并未对上述算子进行改进,因此本发明对上述算子的边缘检测切割不再详细赘述。
在得到上述元特征图像后,本发明进一步采用卷积神经网络模型对所述元特征图像进行特征提取,将所述元特征图像转化为特征向量,并进一步将标准元特征图像数据转换特征向量,将两种特征向量进行相似度计算得到相识度值。定义经过相关分割算法分割后得到元特征图像进行卷积神经网络模型进行特征提取后得到第一特征向量,定义所述系统中存储的标准元特征图数据经过所述卷积神经网络模型特征提取后得到的第二特征向量,采用包括但不仅限于余弦相似度算法计算所述第一特征向量和第二特征向量的相似度值sn,并进一步计算每一个元特征图像和标准元特征图像的相似度差值平方Fn=(1-sn)2,其中n为对应元特征图像序列号标识。在本发明其中一个较佳实施例中,针对所述每个元特征图像判断平整度方法包括:设置元特征相似度差值阈值Fs,计算所述相似度差值平方Fn和所述元特征相似度差值阈值Fs之间的大小,若所述对应元特征图像的相似度差值平方Fn小于所述元特征相似度差值阈值Fs,则将当前对应的元特征图像判定为平整度不合格区域。请参考图5显示的不平整区域的元特征图像的结构示意图,当对应区域不平整时,则对应区域的元特征图像在正视图垂直方向空间中存在扭曲,使得对应正视的元特征图像边界存在结构偏移或缩短,上述元特征图像边界的结构偏移或者缩短的程度可以通过图像相似度算法得到;一般而言,元特征图像边界的结构偏移或者缩短的程度越大,对应的和标准元特征图像相似度越低,则表示对应元特征图像覆盖区域不平整程度越高。
由于上述元特征图像相似度仅解释了自身覆盖区域内的平整度问题,而元特征图像覆盖区域较小,不平整区域可能是在更大覆盖区域内体现更加明显,比如某一墙面边缘不平整但墙面中间是平整的。因此本发明进一步基于所述元特征图像获取组合特征图像,其中所述组合图像为多个元特征图像边界连接的组合特征图像,针对所述多个边界连接的组合特征图像的平整度算法包括两种类型,其中一种的计算方法包括:从识别的n个元特征图像中选取m个元特征图像,计算所述m个元特征图像和所述标准元特征图像的相似度差值的均方差(Fn(m))/m=(/>(1-sn)2)/m,并设置局部特征相似度差值阈值Fm,其中sn为相似度值,当所述m个对应元特征图像的相似度差值的均方差(/>Fn(m))/m大于所述局部特征相似度差值阈值Fm,则将选取的m元特征图像范围墙面判定为平整度检测不合格。在上述计算方法中,从个体的元特征图像相似度差值得到的平整度数据统计到多个元特征组合的墙面局部区域内的平整度数据,可以减少整体的计算量。
在本发明另一个较佳实施例中,所述组合特征图像的平整度算法还可以包括:选定k个相邻元特征图像作为第一组合特征图像,其中所述相邻元特征图像为存在边边相连或者角点相连的元特征图像。并在墙面其它区域选定同样是k个相邻元特征图像作为第二组合特征图像,其中所述第一组合特征图像和第二组合特征图像的结构、形态和连接方式相同。进一步利用相同的卷积神经网络分别对所述第一组合特征图像和第二组合特征图像进行特征提取,得到第一组合特征图像特征向量和第二组合特征图像特征向量,并计算所述第一组合特征图像和第二组合特征图像的相似度值,并计算所述第一组合特征图像和所述第二组合特征图像的相似度差值平方,并将所述第一组合特征图像和所述第二组合特征图像的相似度差值平方和预设的局部特征相似度差值阈值Fm对比,若第一组合特征图像和所述第二组合特征图像的相似度差值平方大于所述局部特征相似度差值阈值Fm,则输出两个选定区域平整度检测不合格。在本发明另一个可行实施例中,可以针对所述第一组合特征图像预选配置规则的标准组合特征图像,进一步将所述第一组合特征图像通过所述卷积神经网络进行特征提取得到第一组合特征图像的特征向量,并且同时将所述标准组合特征图像经过卷积神经网络提取得到对应的特征向量,计算上述第一组合特征图像的特征向量和标准组合特征图像的特征向量的相似度值,并计算对应相似度差值平方,将对应相似度差值平方和所述预设局部特征相似度差值阈值Fm进行对比,若大于所述局部特征相似度差值阈值Fm,则判定当前局部区域的平整度不合格。
需要说明的是,由于本发明采用的是单目摄像头,因此当所述单目摄像头拍摄墙面时,不同的元特征图像所在的位置会存在视角图像不同,比如在单目摄像头所在拍摄界面的四个角上的元特征图像会存在一定的倾斜或扁平,其是由于视角较大倾斜导致的。因此为解决不同区域的元特征图像的视角差异带来的图像结构性不同的问题,本发明采用单应性矩阵对每个元特征图像进行投影转换,将投影转换后的元特征图像按照上述卷积神经网络模型进行特征提取,得到对应元特征图像的特征向量。进一步按照上述相似度计算方式执行对应相似度计算。
具体而言,本发明中根据所述单应性矩阵对所述元特征图像进行投影转换的方法包括:利用图像分割算法获取单一的元特征图像,获取所述单目相机内的用于投影变换的参数矩阵M,并获取所述摄像头相对于目标元特征图像的物理变换参数W,根据所述参数矩阵M和物理变换参数W计算单应性矩阵H=W·M,其中定义对应元特征图像的所述单应性矩阵Hn=,n为对应元特征数据,定义转换前的元特征图像数据的矩阵为Qn,转换后元特征图像数据矩阵为qn,此时qn=Qn·Hn。其中所述物理变换参数W包括摄像头拍摄界面所在平面的至少4个参考点,以及对应元特征图像上的至少4个参考点,上述对应至少4个参考点的不共线,利用所述至少4个参考点计算所述单应性矩阵。
需要说明的是,本发明中对应元特征图像的单应性矩阵可以根据open CV的相关函数指令获取,其中获取单应性矩阵的指令包括:findHomography,并根据open CV的如下函数指令计算转换矩阵qn:getPerspectiveTransform,其中所述单应性矩阵的计算方式可以采用包括但不仅限于随机抽样法和最小二乘法,上述方法可以根据open CV的相关函数指令调用实现,本发明对此不再详细赘述。本发明利用所述单应性矩阵得到转换矩阵可以使得不同视角的图像被投影化得到相对规则的元特征图像,从而避免视角变化引发图像特征对比的误差。
本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分从网络上被下载和安装,和/或从可拆卸介质被安装。在该计算机程序被中央处理单元(CPU)执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线段、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线段的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线段、电线段、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域的技术人员应理解,上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明,本发明的目的已经完整并有效地实现,本发明的功能及结构原理已在实施例中展示和说明,在没有背离所述原理下,本发明的实施方式可以有任何变形或修改。
Claims (10)
1.一种建筑墙面平整度检测方法,其特征在于,所述方法包括如下步骤:
在被检测墙面预先配置贴合于墙面的多个规则组合的元特征图像,多个规则组合的元特征图像构成组合特征图像;
采用摄像头以垂直于墙面的正面视角采集所述墙面上的元特征图像,预先存储包括标准元特征图像数据;
在所述摄像头的图像采集界面构建二维坐标系,并对二维坐标系中对每一个元特征图像进行特征提取,并对每一个元特征图像进行位置标注,将每一位置的元特征图像和所述标准元特征图像进行相似度计算;
获取每一位置采集的元特征图像和标准元特征图像相似度差值后,计算墙面所有元特征图像的相似度差值平方,根据所述差值平方计算墙面局部位置或全部墙面的平整度。
2.根据权利要求1所述的一种建筑墙面平整度检测方法,其特征在于,所述墙面平整度检测方法包括:采用卷积神经网络模型对所述每一个标注位置的元特征图像进行特征提取,并将所述元特征图像特征提取后转化第一特征向量,并将所述标准元特征图像经过所述神经网络模型进行特征提取后转化为第二特征向量,采用包括余弦相似度算法计算第一特征向量和第二特征向量的相似度值。
3.根据权利要求1所述的一种建筑墙面平整度检测方法,其特征在于,当获取到所述每一个元特征图像和标准元特征图像的相似度值sn,计算每一个元特征图像和标准元特征图像的相似度差值平方Fn=(1-sn)2,将所述相似度差值平方Fn进行排序,n表示对应元特征图像序列数,设置元特征相似度差值阈值Fs,将大于所述元特征相似度差值阈值的元特征图像对应的位置标注提取并输出对应位置平整度检测不合格信息。
4.根据权利要求3所述的一种建筑墙面平整度检测方法,其特征在于,自动选取墙面对应区域范围内m个对应元特征图像的相似度差值的均方差(Fn(m))/m=(/>(1-sn)2)/m,并设置局部特征相似度差值阈值Fm,当所述m个对应元特征图像的相似度差值的均方差(Fn(m))/m大于所述局部特征相似度差值阈值Fm,则将选取的m元特征图像范围墙面判定为平整度检测不合格。
5.根据权利要求1所述的一种建筑墙面平整度检测方法,其特征在于,从所述墙面中选取k个相邻元特征图像作为第一组合特征图像,并从所述墙面其它区域同样选择k个相邻的元特征图像作为第二组合特征图像,且所述第一组合特征图像和第二组合特征图像相邻元特征图像的组合方式相同,利用卷积神经网络分别对所述第一组合特征图像和第二组合特征图像进行特征提取,得到第一组合特征图像特征向量和第二组合特征图像特征向量,并计算所述第一组合特征图像和第二组合特征图像的相似度值,并计算所述第一组合特征图像和所述第二组合特征图像的相似度差值平方,并将所述第一组合特征图像和所述第二组合特征图像的相似度差值平方和预设的局部特征相似度差值阈值Fm对比,若第一组合特征图像和所述第二组合特征图像的相似度差值平方大于所述局部特征相似度差值阈值Fm,则输出两个选定区域平整度检测不合格。
6.根据权利要求2所述的一种建筑墙面平整度检测方法,其特征在于,所述卷积神经网络模型对每一元特征图像进行特征提取,获取每一元特征图像的中心点坐标(x,y),将所述中心点坐标(x,y)作为所述当前元特征图像进行位置标注,并将标注的位置(x,y)和提取的特征、元特征图像序列进行绑定。
7.根据权利要求1所述的一种建筑墙面平整度检测方法,其特征在于,所述检测方法包括:获取摄像头对墙面拍摄的图像数据后,对所述图像数据按照边界切割算法得到不同位置的元特征图像,将切割得到的所有元特征图像进行单应性矩阵的投影变换,得到不同位置元特征图像在摄像头采集界面的投影变换图,将每一元特征图像的投影变换图采用卷积神经网络进行特征提取,并将特征提取后的数据进行相似度计算。
8.根据权利要求7所述的一种建筑墙面平整度检测方法,其特征在于,所述单应性矩阵的投影变换方法包括:随机获取每一个被切割的元特征图像的非共线的至少4个参考点数据和摄像头拍摄界面对应的至少4个参考点数据,并根据两种所述至少4个参考点数据进行单应性矩阵计算,根据计算的所述单应性矩阵将所述被切割的图像转换为摄像头垂直拍摄界面的投影变换图。
9.一种建筑墙面平整度检测系统,其特征在于,所述系统执行上述权利要求1-8中任意一项所述的一种建筑墙面平整度检测方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行以实现上述权利要求1-8中任意一项所述的一种建筑墙面平整度检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410295306.8A CN117889789B (zh) | 2024-03-15 | 2024-03-15 | 一种建筑墙面平整度检测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410295306.8A CN117889789B (zh) | 2024-03-15 | 2024-03-15 | 一种建筑墙面平整度检测方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117889789A true CN117889789A (zh) | 2024-04-16 |
CN117889789B CN117889789B (zh) | 2024-06-04 |
Family
ID=90651027
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410295306.8A Active CN117889789B (zh) | 2024-03-15 | 2024-03-15 | 一种建筑墙面平整度检测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117889789B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016010398A1 (ko) * | 2014-07-18 | 2016-01-21 | 사회복지법인 삼성생명공익재단 | 방사선 치료기 및 방사선 치료기의 정도 관리 방법 |
WO2019120011A1 (zh) * | 2017-12-22 | 2019-06-27 | 杭州萤石软件有限公司 | 一种目标检测方法及装置 |
US20200167603A1 (en) * | 2018-11-27 | 2020-05-28 | Here Global B.V. | Method, apparatus, and system for providing image labeling for cross view alignment |
CN111256607A (zh) * | 2020-02-19 | 2020-06-09 | 北京林业大学 | 一种基于三通道标志点的变形测量方法 |
CN113340240A (zh) * | 2021-06-07 | 2021-09-03 | 高速铁路建造技术国家工程实验室 | 一种混凝土预制板平整度的检测系统及其检测方法 |
CN114049568A (zh) * | 2021-11-29 | 2022-02-15 | 中国平安财产保险股份有限公司 | 基于图像比对的标的物形变检测方法、装置、设备及介质 |
CN114485433A (zh) * | 2022-01-25 | 2022-05-13 | 深圳市鹰眼在线电子科技有限公司 | 基于伪随机散斑的三维测量系统、方法及装置 |
CN115482268A (zh) * | 2022-09-20 | 2022-12-16 | 上海交通大学 | 一种基于散斑匹配网络的高精度三维形貌测量方法与系统 |
CA3179102A1 (en) * | 2021-10-22 | 2023-04-22 | Zillow, Inc. | Automated analysis of visual data of images to determine the images' acquisition locations on building floor plans |
CN116152306A (zh) * | 2023-03-07 | 2023-05-23 | 北京百度网讯科技有限公司 | 确定砌筑质量的方法、装置、设备和介质 |
CN116189220A (zh) * | 2023-02-22 | 2023-05-30 | 上海帮图信息科技有限公司 | 建筑构件检测识别方法、装置、计算机设备及存储介质 |
CN116448019A (zh) * | 2023-06-14 | 2023-07-18 | 山西首科工程质量检测有限公司 | 建筑节能工程质量平面度智能检测装置及方法 |
-
2024
- 2024-03-15 CN CN202410295306.8A patent/CN117889789B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016010398A1 (ko) * | 2014-07-18 | 2016-01-21 | 사회복지법인 삼성생명공익재단 | 방사선 치료기 및 방사선 치료기의 정도 관리 방법 |
WO2019120011A1 (zh) * | 2017-12-22 | 2019-06-27 | 杭州萤石软件有限公司 | 一种目标检测方法及装置 |
US20200167603A1 (en) * | 2018-11-27 | 2020-05-28 | Here Global B.V. | Method, apparatus, and system for providing image labeling for cross view alignment |
CN111256607A (zh) * | 2020-02-19 | 2020-06-09 | 北京林业大学 | 一种基于三通道标志点的变形测量方法 |
CN113340240A (zh) * | 2021-06-07 | 2021-09-03 | 高速铁路建造技术国家工程实验室 | 一种混凝土预制板平整度的检测系统及其检测方法 |
CA3179102A1 (en) * | 2021-10-22 | 2023-04-22 | Zillow, Inc. | Automated analysis of visual data of images to determine the images' acquisition locations on building floor plans |
CN114049568A (zh) * | 2021-11-29 | 2022-02-15 | 中国平安财产保险股份有限公司 | 基于图像比对的标的物形变检测方法、装置、设备及介质 |
CN114485433A (zh) * | 2022-01-25 | 2022-05-13 | 深圳市鹰眼在线电子科技有限公司 | 基于伪随机散斑的三维测量系统、方法及装置 |
CN115482268A (zh) * | 2022-09-20 | 2022-12-16 | 上海交通大学 | 一种基于散斑匹配网络的高精度三维形貌测量方法与系统 |
CN116189220A (zh) * | 2023-02-22 | 2023-05-30 | 上海帮图信息科技有限公司 | 建筑构件检测识别方法、装置、计算机设备及存储介质 |
CN116152306A (zh) * | 2023-03-07 | 2023-05-23 | 北京百度网讯科技有限公司 | 确定砌筑质量的方法、装置、设备和介质 |
CN116448019A (zh) * | 2023-06-14 | 2023-07-18 | 山西首科工程质量检测有限公司 | 建筑节能工程质量平面度智能检测装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117889789B (zh) | 2024-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5699788B2 (ja) | スクリーン領域検知方法及びシステム | |
CN112132907B (zh) | 一种相机标定方法、装置、电子设备及存储介质 | |
CN109325381B (zh) | 一种qr码定位和校正方法 | |
JP2004334819A (ja) | ステレオキャリブレーション装置とそれを用いたステレオ画像監視装置 | |
CN113409382A (zh) | 车辆损伤区域的测量方法和装置 | |
WO2015019526A1 (ja) | 画像処理装置およびマーカ | |
CN110415304B (zh) | 一种视觉标定方法及系统 | |
CN104008542A (zh) | 一种针对特定平面图形的快速角点匹配方法 | |
US11170487B2 (en) | Adhered substance detection apparatus | |
JP4521568B2 (ja) | 対応点探索方法、相互標定方法、3次元画像計測方法、対応点探索装置、相互標定装置、3次元画像計測装置、対応点探索プログラム及び対応点探索プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
CN112556994B (zh) | 一种光学信息检测方法、装置及设备 | |
CN115861828A (zh) | 一种建筑横切面轮廓提取方法、装置、介质及设备 | |
CN113658279B (zh) | 相机内参和外参估算方法、装置、计算机设备及存储介质 | |
CN111260735B (zh) | 一种单次拍摄的lidar与全景相机的外参数标定方法 | |
CN117889789B (zh) | 一种建筑墙面平整度检测方法和系统 | |
JP2012248004A (ja) | 画像処理装置、画像認識装置及び方法 | |
CN112634377B (zh) | 扫地机器人的相机标定方法、终端和计算机可读存储介质 | |
KR101284252B1 (ko) | 영상 곡률 공간정보를 이용한 코너검출방법 | |
US11501511B2 (en) | Method for optical recognition of markers | |
CN112868049B (zh) | 使用基于贴片的投影相关性进行高效自运动估计 | |
CN112611344A (zh) | 一种自主移动式平面度检测方法、设备及存储介质 | |
David | Detection of building facades in urban environments | |
CN117115242B (zh) | 标志点的识别方法、计算机存储介质和终端设备 | |
CN117173237A (zh) | 一种定位标记及其识别方法、系统、控制装置及存储介质 | |
CN115760969A (zh) | 机器人定位方法、装置、存储介质及机器人 |
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 |