基于节点空间分析的钢筋网间距与绑扎率评价方法技术

本发明专利技术基于机器视觉方法能够识别钢筋网节点的像素坐标与绑扎状态信息。本发明专利技术提出了基于模式识别的“十字交叉”节点空间分析方法和钢筋网节点的生长聚类编号算法，建立了钢筋网间距均匀性与绑扎率计算数学模型。本发明专利技术能够识别钢筋网中绑扎不合格的节点，计算钢筋网绑扎率，并生成绑扎不合格节点的最优绑扎方案，可视化输出钢筋网间距均匀性的定量评价结果。本发明专利技术方法仅利用钢筋网节点信息，算法精简，运行速度快，识别效果准确，评价结果稳定。本发明专利技术方法的应用将大大提高钢筋混凝土备仓施工验收效率，规范验收工作流程，提高土木建设工程领域的信息化和智能化。设工程领域的信息化和智能化。设工程领域的信息化和智能化。

【技术实现步骤摘要】
基于节点空间分析的钢筋网间距与绑扎率评价方法


[0001]本专利技术属于是机器视觉识别技术在和土木建筑
，具体涉及一种通过节点空间分析方法对钢筋网绑扎质量进行综合评价的方法。

技术介绍

[0002]钢筋混凝土结构广泛应用与土建、水利、道路、桥梁等领域，在混凝土结构中，浇筑备仓质量验收评价是工程建设的重要环节，包括钢筋网绑扎率计算、钢筋网绑扎均匀性评价。传统的人工检查验收方式以人工目检为主，存在测量工作量大、费时费力、人为误差较大、效率慢、精度低的问题，且检验数据以纸质记录为主，不便于后续资料保存与查阅，信息化水平不足。
[0003]随着智能化、信息化高速发展，基于行业现状，利用计算机技术代替人工作业可以实现作业精度的提高和作业效率的飞速提升。计算机视觉识别技术，在工程
应用越来越多，也可以实现土木水利工程施工的质量检测。通过计算机视觉识别技术获取钢筋网节点空间信息，再利用计算几何设计空间关系分析识别数学模型，对钢筋网节点空间分析计算，就可以实现钢筋网绑扎质量的快速评价。
[0004]但是目前缺乏一种高效、快速的，准确率高的，并且可以给出相关的绑扎方案的评价方法。

技术实现思路

[0005]针对上述技术问题，本专利技术提出基于节点空间分析的钢筋网间距与绑扎率评价方法。该方法是利用现有的机器视觉训练成果对钢筋网图像中的节点及其绑扎状态进行识别；采用计算几何算法对钢筋网节点识别信息进行空间关系分析；根据节点空间分析结果建立数学模型，实现钢筋网绑扎率与间距均匀性综合评价，以期快速高效地完成水利建筑行业钢筋混凝土结构浇筑备仓验收问题，并可以针对绑扎的评价结果推荐最优绑扎方案。
[0006]本专利技术方法在实现对钢筋网绑扎质量综合评价中有三个关键技术创新点：
[0007]其一，提出了“十字交叉”的钢筋网节点周围空间关系模式识别，该模式识别可以识别某一钢筋网节点在空间上相邻的4个节点，并可以通过模式提取特征识别位于图像边缘的节点，“十字交叉”模式识别充分利用钢筋网中钢筋横纵正交交叉的特点，算法流程简单，识别结果稳定，识别效率高；
[0008]其二，提出了基于生长算法的钢筋网节点编号方法，本生长算法与“十字交叉”模式识别相结合，在生长过程中实现节点空间分析识别并建立节点行列编号，生长过程结束即完成钢筋网整体空间关系分析；
[0009]其三，提出了钢筋网绑扎率与钢筋网绑扎均匀性评价的数学模式，该模型根据节点行列编号成果，可以快速检索间隔绑扎下节点的绑扎状态，识别绑扎不合格节点，完成钢筋网绑扎率评价，并生成绑扎不合格节点的最优绑扎方案。钢筋网绑扎均匀性评价模型中，基于摄影测量学比例尺变化规律，建立变差系数C
v
优化目标函数方法，将平面钢筋网图像
还原至正摄投影状态，实现钢筋网绑扎均匀性评价。
[0010]本专利技术提出的基于节点空间分析的钢筋网绑扎质量综合评价方法，利用机器视觉识别结果，对钢筋网图像中的节点及其绑扎状态进行识别，识别结果为节点识别框的像素坐标与节点绑扎状态的布尔值，以此为本专利技术方法的输入数据，建立算法完成绑扎率综合评价。
[0011]本专利技术的具体实现步骤如下：
[0012]步骤S1：根据机器视觉技术识别出图像中钢筋网节点与节点绑扎信息，采用“十字交叉”的模式识别方法，分析钢筋网节点间的局部空间关系；
[0013]步骤S2：由步骤S1提出的模式识别方法，通过建立生长编号协同算法的执行流程，分析钢筋网节点整体的空间关系，并为全部钢筋网节点建立行列编号；
[0014]步骤S3：根据钢筋网节点空间分析结果与节点的绑扎情况，判断钢筋网绑扎方式为全部绑扎或间隔绑扎；当绑扎方式为间隔绑扎时，按节点空间关系检索节点绑扎合格情况，识别绑扎不合格的节点，并计算钢筋网节点绑扎率，成绑扎不合格节点的最优绑扎方案；当绑扎方式为全部绑扎时可以直接计算绑扎率；
[0015]步骤S4：根据钢筋网节点空间分析结果与摄影测量学中比例尺变化规律，建立偏差系数C
v
目标函数优化数学模型用于将平面钢筋网钢筋段长度还原至正摄投影状态，分析钢筋网中钢筋段长度的偏差程度，对钢筋网绑扎均匀性进行评价，并可视化输出均匀性评价结果。
[0016]进一步，上述步骤S1是实现钢筋网节点空间分析，识别某一钢筋网节点是否位于图像边缘，若节点不位于图像边缘则识别出该节点周围与之构成钢筋段的4个节点，其具体实现步骤如下：
[0017]对于进行周围空间关系分析的某一节点定义为中心节点，选取距离中心节点最近的8个节点作为备选节点，从备选节点中任意选取4个与中心节点构成一个“十字交叉”组合，共存在种组合方式。在70种组合中，其中一种组合为预期的识别结果，该组合中的4个周围节点即为中心节点空间相邻的“上下左右”四个位置的节点。
[0018]更进一步，所述“十字交叉”组合的模式识别的提取规则为：对每一组合中的周围4个节点按照逆时针排序为1～4号节点，将1号节点与3号节点，2号节点与4号节点分别接连为直线，两直线组成的交叉即为“十字交叉”，并求两直线交点坐标。计算交叉点与中心节点之间的距离，该距离小于十字交叉4个周围节点与中心节点平均距离的0.22倍为识别通过。
[0019]根据模式提取规则，如节点不位于图像边缘，则该节点经过模式提取后将剩余三类基本组合类型，如图3所示，可以进入下一步筛选，以获得预期目标“十字交叉”组合；如节点位于图像边缘，则该节点经过模式提取后剩余组合类型不足三类，可以判定其为边缘节点，不进入下一步筛选，但该节点的空间关系可由与之相邻的内部节点体现。
[0020]再进一步，所述步骤S1中，通过“十字交叉”的交叉角度和平均距离，筛选出预期识别结果的方法包括以下两种：
[0021](1)将三类基本组合按交叉角度由大到小排序，取排名前二的组合按照平均距离排序，平均距离小者为预期的识别组合，该方法的识别结果定义为参考“十字交叉”；
[0022](2)设所求节点的相邻且已完成空间关系分析的节点的“十字交叉”角度为a，提取任意“十字交叉”交叉角度为a
i
，平均距离为B
i
，令参数A
i
＝abs(a
‑
a
i
)，求出A
i
中的最小值为
A
min
；再将剩余的“十字交叉”组合按照B
i
值大小，由小到大排序，以此顺序逐个校对(A
‑
A
min
)<10若满足该条件，说明该组合同时满足A、B参数要求，该组合为预期识别结果，定义该方法的识别结果为正“十字交叉”。
[0023]实际上，参考“十字交叉”和正“十字交叉”的排列类型相同，均为以中心节点为中心，周围四个节点分别指向钢筋网横向与纵向延伸的四个方向。参考“十字交叉”之后用于生长其他正“十字交叉”。
[0024]进一步，所述步骤S1中，机器识别技术采用ZL2020本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于节点空间分析的钢筋网间距与绑扎率评价方法，其特征在于，包括以下步骤：步骤S1：根据机器视觉技术识别出图像中钢筋网节点与节点绑扎状态信息，采用“十字交叉”的模式识别方法，分析钢筋网节点间的局部空间关系；步骤S2：基于步骤S1提出的模式识别方法，通过生长编号协同算法的执行流程，分析钢筋网节点整体的空间关系，并为全部钢筋网节点建立行列编号；步骤S3：根据钢筋网节点空间分析结果与节点的绑扎情况，判断钢筋网绑扎方式为全部绑扎或间隔绑扎；当绑扎方式为间隔绑扎时，按节点空间关系检索节点绑扎合格情况，识别绑扎不合格的节点，计算钢筋网节点绑扎率，生成绑扎不合格节点的最优绑扎方案；当绑扎方式为全部绑扎时可以直接计算绑扎率；步骤S4：根据钢筋网节点空间分析结果与摄影测量学中比例尺变化规律，建立偏差系数C
v
目标函数优化数学模型，用于将平面钢筋网的钢筋段长度还原至正摄投影状态，分析钢筋网中钢筋段间距的偏差程度，对钢筋网间距均匀性进行评价，并可视化输出均匀性评价结果。2.根据权利要求1所述的基于节点空间分析的钢筋网间距与绑扎率评价方法，其特征在于：所述步骤S1包括以下子步骤：将进行局部空间关系分析的某一节点定义为中心节点，选取距离中心节点最近的8个节点作为备选节点，在备选节点中任意选取4个与中心节点共同构成一个“十字交叉”组合，在所有组合中，采用模式识别方法筛选预期识别结果，即识别出与中心节点相邻的四个节点；也即正“十字交叉”上的四个节点。3.根据权利要求2所述的基于节点空间分析的钢筋网间距与绑扎率评价方法，其特征在于，所述步骤S1中，预期识别结果的模式识别方法如下：对每一组合中的周围4个节点按照逆时针排序为1～4号节点，将1号节点与3号节点，2号节点与4号节点分别连接为直线，两直线组成的交叉即为“十字交叉”，并求两直线交点坐标；计算交叉点与中心节点之间的距离，该距离小于十字交叉4个周围节点与中心节点平均距离的0.22倍为识别通过；对于识别通过的组合，排除含有边缘节点的组合得到三类基本组合类型，根据“十字交叉”的交叉角度与平均距离，筛选出预期识别结果。4.根据权利要求3所述的基于节点空间分析的钢筋网间距与绑扎率评价方法，其特征在于，所述步骤S1中，根据“十字交叉”的交叉角度与平均距离，筛选出预期识别结果的方法包括以下两种：(1)将三类基本组合按交叉角度由大到小排序，取排名前二的组合按照平均距离排序，平均距离小者为预期的识别组合，定义该方法的识别结果为参考“十字交叉”；(2)设所求节点的相邻且已完成空间关系分析的节点的“十字交叉”角度为a，提取任意“十字交叉”交叉角度为a
i
，平均距离为B
i
，令参数A
i
＝abs(a
‑
a
i
)，求出A
i
中的最小值为A
min
；再将剩余的“十字交叉”组合按照B
i
值大小，由小到大排序，以此顺序逐个校对(A
‑
A
min
)<10；若满足该条件，说明该组合同时满足A、B参数要求，该组合为预期识别结果，定义该方法的识别结果为正“十字交叉”。5.根据权利要求4所述的基于节点空间分析的钢筋网间距与绑扎率评价方法，其特征在于：所述步骤S2包括以下子步骤：
P1：第一轮生长：根据筛选方法(1)建立参考“十字交叉”，将其中心点作为生长的基准点，设定任意一钢筋网节点的行列编号为(x,y)，则该基准点节点编号为(0,0)，生长基准点周围的4个节点行列编号依次为：(0,
‑
1)、(1,0)、(0,1)、(
‑
1,0)，其中1号节点为像素y坐标最小的节点；P2：第二轮生长：将(0,0)基准点的周围节点作为新的基准点，根据筛选方法(2)，按照点序并通过参考“十字交叉”筛选出周围节点，进行节点局部空间关系分析与行列编号，更新正“十字交叉”作为参考“十字交叉”；P3：重复执行P2操作步骤，更新生长基准点进入下一轮生长...

【专利技术属性】
技术研发人员：刘全，庞小荣，孟歆，张涛，张宏阳，王浩，宋双双，
申请(专利权)人：武汉大学，
类型：发明
国别省市：