一种高层建筑变形测量方法技术

本发明专利技术提出了一种高层建筑变形测量方法，利用机器视觉视觉设备采集结构变形和损伤的数据，利用无线传输进行数据传输，避免了大量的线路铺设工作，大大降低了监测系统建设成本；利用数据融合方法基于结构变形数据与损伤分析结果建立量化评估指标，进一步建立高层建筑结构安全评估体系；设置建筑安全预警阈值，实现自动化预警与报警，为高层建筑管理维护的提供辅助决策，保障城市高层建筑运营安全，助力智慧城市建设与发展。力智慧城市建设与发展。力智慧城市建设与发展。

【技术实现步骤摘要】
一种高层建筑变形测量方法


[0001]本专利技术属于建筑工程领域，更具体的说是一种高层建筑变形测量方法。

技术介绍

[0002]随着经济快速发展和城市化建设的加快，我国高层建筑数量也随之快速增加，根据最新建筑调研报告显示，中国拥有150米以上的高层建筑2581座，其中200米以上的有861座，300米以上的超高层建筑99座，三项指标均保持全球第一，中国已然成为世界高层建筑建设的领跑者。在现代化城市建设过程中，无论是住宅建筑还是办公建筑，高层建筑数量占比极大。然而，高层建筑物耗资多，占地面积大，服役时间长，对耐用性要求较高。随着高层建筑物的增高和荷载的增加，在地基基础和上部结构的共同作用下，建筑物更容易发生不均匀沉降，并出现楼体倾斜或裂缝等结构损伤。同时，高层建筑的拆除费用极其高昂，因此监则和诊断超高层结构的健康状况，对可能出现的结构损伤进行预测，提升高层建筑使用寿命具有非常重要的现实意义，高层建筑的智能化管养维护将会为节能减排做出重要贡献。
[0003]目前，针对建筑结构的监测系统仍然以传统的传感器设备为主，如应变计、加速度传感器、位移本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高层建筑变形测量方法，其特征在于：包括如下步骤：S01、根据建筑结构设计施工资料和现场实际情况确定建筑变形监测方案：根据待监测建筑的结构设计和现场实际情况，选择重点监测的关键节点作为位移监测的测点，根据建筑整体外形特征选择建筑外立面边缘作为倾斜监测点，建筑变形监测包括：建筑结构的变形监测和结构局部损伤破坏与结构整体性变形监测，根据测点和倾斜监测点的监测确定建筑变形监测方案，其中，建筑上已经出现破损的构件或区域作为优选测点和监测点；S02、利用视觉设备获取采集建筑结构图像数据：首先，根据已确定的监测方案设计布置视觉设备，覆盖待监测区域，并在关键节点位置粘贴或涂刷识别标记，或利用结构自有特征作为标记，采集建筑结构在运营状态下的视频；然后，利用无人机对建筑结构外立面图像进行全方位采集，利用机器学习方法自动化识别结构表面损伤，并建立建筑结构三维分析模型；S03、利用多种机器视觉测量算法对关键节点位移、结构倾斜变形、局部破坏损伤和整体形态变化进行测量与识别:首先，利用特征点识别方法对关键节点处的人工粘贴或涂刷的识别标记和建筑自有识别标记进行识别，通过坐标差值计算获取结构在该位置的位移；然后，利用边缘检测方法对建筑外轮廓线进行识别，基于霍夫直线检测方法提取边缘直线角度；其次，利用机器学习方法对采集的结构局部损伤图片进行学习，自动化识别判断损伤类型，并定量化分析损伤程度；最后，利用多角度的建筑图片建立建筑结构的三维点云模型，获取结构各个位置的三维空间坐标，通过定期拍摄获取结构在长期运营状态下的三维位移；特征点识别方法包括如下步骤：S031、进行感兴趣区域划分，即在整张图像中划分出需要监测的关键位置所在区域，通过不同区域划分可以实现多点同步测量，感兴趣区域尺寸大于标记尺寸，取标记尺寸的150％；S032、在完成图像的感兴趣区域划分后，进一步提取出感兴趣区域内的局部特征，局部特征提取的方法采用了具有加速性能的AKAZE特征提取方法，首先基于非线性扩散滤波和快速显式扩散方法构建非线性尺度空间，非线性扩散滤波可以通过非线性偏微分方程来描述：其中，c(x,y,t)为传导函数，L为图像亮度，t为不同尺度，采用快速显示扩散方法逼近微分方程获得近似解，通过对n个显示扩散方程采用改变步长τ的方式进行循环进行求解，扩散方程可以描述为：其中，τ表示时间步长，A(L
i
)为传导矩阵，L
i
为方程计算状态；S033、在非线性尺度空间构建后，利用改进的局部差分二值(M
‑
LDB)描述子对局部特征进行描述，首先把图像分为a
×
a个网格单元，计算每个网格单元的一阶梯度和灰度，获取网格单元内部如边缘大小和方向等信息；然后，把图像再划分为b
×
b个网格单元(b＝0.5a)，
计算每个网格单元的一阶梯度和灰度，获取网格单元内部如边缘大小和方向等信息；最终，利用二值化处理构建出二值描述向量；S034、在构造出代表图像特征的二值向量后，通过计算各个尺度下Hessian局部极大值点进行特征点的定位，最终生成特征描述子，为保证后续特征匹配及误匹配剔除方法应用时，特征点个数不少于7个，在计算出特征点后，对图像检测质量进行判断，当特征点数量小于7个时，图像判定为无效；S035、在检测出图像的特征点后，利用FLANN算法库对产生变形图像前后对应位置的特征点进行匹配，进一步利用优先搜索k
‑
means树算法对图像进行匹配，FLANN算法在使用时需要确定使用的方法和遍历次数，遍历次数根据感兴趣像素尺寸进行确定，图像尺寸越大，遍历次数相应减少，计算效率和计算精度描述为：其中，h和k分别代表感兴趣区域的水平和垂直尺寸，Num为遍历次数，在图像特征检测过程中，感兴趣区域尺寸不小于20*20pixels；S036、进一步利用MAGSAC算法对完成的匹配结果进行验证，在获得正确的匹配结果之后，进一步提取出匹配特征点的坐标信息，一是求解出不同特征点的变形位...

【专利技术属性】
技术研发人员：马颖忆，刘志峰，符越，李恩康，张启菊，
申请(专利权)人：金陵科技学院，
类型：发明
国别省市：