System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及建筑工程,特别涉及一种建筑墙面平整度检测方法和系统
技术介绍
1、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。
技术实现思路
1、本专利技术其中一个专利技术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,其中本专利技术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。
2、本专利技术另一个专利技术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,本专利技术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。
3、本专利技术另一个专利技
4、为了实现至少一个上述专利技术目的,本专利技术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:
5、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;
6、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;
7、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;
8、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。
9、根据本专利技术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。
10、根据本专利技术另一个较佳实施例,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。
11、根据本专利技术另一个较佳实施例,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。
12、根据本专利技术另一个较佳实施例,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。
13、根据本专利技术另一个较佳实施例,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。
14、根据本专利技术另一个较佳实施例,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。
15、根据本专利技术另一个较佳实施例,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。
16、为了实现至少一个上述专利技术目的,本专利技术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。
17、本专利技术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。
本文档来自技高网...【技术保护点】
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:
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-
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。
...【技术特征摘要】
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:
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...
【专利技术属性】
技术研发人员:金睿,段玉洁,马锦涛,冯春生,陆瑶,周换涛,薛倩倩,
申请(专利权)人:浙江建投数字技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。