一种碎石桩桩位偏差智能检测方法与流程

本发明属于碎石桩检测，具体涉及一种碎石桩桩位偏差智能检测方法。

背景技术：

1、碎石桩广泛应用于软土、杂填土等特殊性岩土的复合地基处理工程，桩体布设位置的准确性直接决定地基整体受力性能，因此桩位偏差是工程施工质量验收的核心管控项。

2、现阶段碎石桩桩位偏差检测技术主要包括如下三种应用形式：

3、1.人工仪器检测技术：依靠全站仪、rtk-gps 等测量设备逐桩采集坐标，人工比对设计数据完成判定。该方法检测精度依赖操作人员水平，人为误差不可避免；同时逐桩测量作业强度大、检测效率极低，面对大面积施工场地无法实现 100% 全检，抽样检测模式存在质量管控盲区。

4、2.传统航拍辅助检测技术：随着低空航测技术普及，无人机正射影像逐步应用于施工现场采集，可快速还原场地全貌。但该技术仅作为影像采集手段，桩体识别、桩心标注、偏差计算仍需人工逐一完成，自动化程度低，并未从根本上解决检测效率低下的问题。

5、3.现有影像识别技术：现有基于图像识别的方案多依赖单一轮廓特征进行桩体判定，在工地复杂光照、地表杂物、桩体遮挡等场景下抗干扰能力弱，识别误检、漏检问题突出，无法满足工程验收的精度要求。

6、综上所述，现有的碎石桩检测技术存在着效率低、人为误差大、自动化程度低、复杂场景下适应性差等缺陷。

技术实现思路

1、本发明为了解决或者至少部分解决上述技术问题，而提供一种碎石桩桩位偏差智能检测方法。

2、为解决技术问题，本发明所采用的技术方案是：

3、一种碎石桩桩位偏差智能检测方法，包括：

4、s1:碎石桩影像获取以及构建功能模块：获取碎石桩施工区域的正射影像；基于opencv 图像处理库和python语言构建功能模块，所述功能模块包括样本标注模块、智能识别模块、影像校正模块和桩位检测模块；

5、s2：样本标注与特征规则文件生成：利用样本标注模块测算出正射影像内碎石桩的平均直径与行列间距，以与测算的平均直径对应的圆形框为标注载体，对正射影像内的碎石桩进行随机人工标注，标注样本数量不少于60个，提取每个样本的六类特征参数：包括蓝色通道值b、绿色通道值g、红色通道值r、灰度值、轮廓面积和圆形度；并基于otsu算法自适应计算二值化阈值，生成碎石桩特征规则文件；

6、s3：智能识别与交互式校核：智能识别模块自动加载碎石桩的特征规则文件，并对导入的正射影像进行桩体识别，当识别正确率大于 95%，进入交互式校核环节，人工剔除误识别桩、补充漏识别桩，并对所有桩体进行行聚类与行列编号，生成碎石桩编号图及属性数据表；若识别正确率低于 95%，则返回上一环节增补标注样本数量；

7、s4：影像校正：影像校正模块于正射影像范围内选取3-6个地面控制点，对碎石桩编号图实施影像校正，在碎石桩属性数据表中新增桩体在场地实际坐标系下的x、y坐标；

8、s5：桩位检测：桩位检测模块导入包含碎石桩设计编号、设计x坐标、设计y坐标的属性数据表并对设计桩位坐标进行pca主成分分析，自动计算桩群排布主方向与水平坐标轴的偏转角，并依据该偏转角对设计坐标执行旋转变换，使桩群排布方向与水平坐标轴对齐，再对旋转后的y坐标展开聚类分析，自动划分设计桩体的行号和列号；

9、以行列号匹配和桩心距离双重校验为判别依据，完成实测桩与设计桩的配对，同步计算桩位偏差并识别漏桩。

10、在一些实施例中，所述以行列号匹配和桩心距离双重校验为判别依据，完成实测桩与设计桩的配对，同步计算桩位偏差并识别漏桩，包括：

11、匹配相同行号、列号的设计桩与实测桩，然后计算二者中心直线距离；当中心距小于0.3倍设计桩径时，判定为合格桩；当中心距离大于0.3倍设计桩径且小于1.0倍设计桩径时，判定为偏差超限桩；当中心距离大于1.0倍设计桩径且小于1.2倍设计桩径时，判断为偏差过大桩；

12、对于未成功匹配的设计桩，若在其周边1.2倍设计桩径范围内存在实测桩，则判定为偏差过大的桩；否则判定为漏桩。

13、在一些实施例中，所述功能模块还包括输出模块，所述输出模块自动输出桩位偏差统计报告、桩位偏差结果平面图和数据报表。

14、在具体实施过程中，所述桩位偏差统计报告包含总桩数、匹配成功数、漏桩数、平均偏差、最大偏差、最小偏差、偏差标准差和合格率等指标。

15、所述桩位偏差结果平面图采用绿色圆圈标识合格桩、橙色圆圈标注偏差超限桩、紫色圆圈标识偏差过大桩、红色圆圈标识漏桩，并在图面标注总桩数、漏桩数及桩位偏差合格率。在具体实施过程中，可以根据工程习惯采用不同颜色标注合格桩、偏差超限桩、偏差过大桩和漏桩，本领域的技术人员都能明白和理解，在此不再赘述。

16、在一些实施例中，所述数据报表逐条记录实测编号、实测 x/y 坐标、匹配设计编号、设计 x/y 坐标、行列号、桩位偏差、合格判定结果。

17、在一些实施例中，在步骤s2中进行样本标注时，选择的样本均匀覆盖正射影像内不同光照、灰度、影像边缘及影像中心区域的桩体。

18、在一些实施例集中，步骤s2提取每个样本的六类特征参数包括蓝色通道值b、绿色通道值g、红色通道值r、灰度值、轮廓面积和圆形度，具体包括：

19、分别计算局部影像红色、绿色和蓝色分量平均值，以获得蓝色通道值b、绿色通道值g、红色通道值r；

20、将彩色影像转为灰度图后计算平均亮度以获得灰度值；

21、调用cv2.contourarea计算碎石桩区域像素面积以获得轮廓面积；

22、调用cv2.arclength获取轮廓周长，按公式计算：圆形度 = 4π × 面积 ÷ 周长2；以获得圆形度；

23、根据标注样本的特征值，自动生成合法的取值范围，包括：

24、蓝色通道值b、绿色通道值g、红色通道值r、灰度值范围为：样本最小值-最大值；

25、轮廓面积范围：最小值 × 0.7 ～ 最大值 × 1.4；

26、圆形度范围：最小值 × 0.85 ～ 最大值×1.0。

27、在一些实施例中，所述步骤s3中的智能识别模块自动加载碎石桩的特征规则文件，并对导入的正射影像进行桩体识别，包括：

28、（1）对待识别正射影像进行预处理，包括：

29、灰度化：调用cv2.cvtcolor转为灰度图；

30、高斯滤波：调用cv2.gaussianblur去除噪声；

31、二值化：调用cv2.threshold使用otsu阈值将图像转为黑白；

32、（2）调用cv2.findcontours查找所有轮廓；

33、（3）计算每个轮廓的面积、圆形度进行初步筛选，不在设定范围内的轮廓直接剔除；

34、（4）对剩余候选区域，再次提取r、g、b、灰度、轮廓面积、圆形度六维特征；

35、（5）必须全部满足设定范围，才判定为碎石桩；任一特征超出范围，均判定为干扰并剔除；

36、（6）空间去重：遍历所有识别点，计算两点间欧氏距离平方 d2= (x1−x2)2+ (y1−y2)2。其中，若 d2＜ (自适应半径 × 2)2，视为同一根桩，仅保留一个点。

37、在一些实施例中，所述步骤s4中的所述影像校正模块于正射影像范围内选取3-6个地面控制点，对碎石桩编号图实施影像校正，在碎石桩属性数据表中新增桩体在场地实际坐标系下的x、y坐标，包括：

38、（1）在影像校正窗口中，用户依次单击控制点像素位置，并输入对应的场地真实坐标（x, y）；

39、（2）采用归一化最小二乘和仿射变换计算变换矩阵：

40、（2.1）将像素坐标和真实坐标分别归一化（减去均值后除以标准差）；

41、（2.2）求解仿射变换矩阵（6个自由度）；

42、（2.3）若控制点为3个则使用精确仿射变换，多于3点则使用最小二乘拟合；

43、（3）对所有识别出的碎石桩像素坐标应用变换，得到场地真实坐标系下的x、y坐标。

44、本发明还提供一种碎石桩桩位偏差智能检测系统，包括：

45、输入模块，用于导入获取到的碎石桩施工区域的正射影像；

46、样本标注模块，用于实现测算出正射影像内碎石桩的平均直径与行列间距，以与测算的平均直径对应的圆形框为标注载体，对正射影像内的碎石桩进行随机人工标注，标注样本数量不少于60个，提取每个样本的六类特征参数：包括蓝色通道值b、绿色通道值g、红色通道值r、灰度值、轮廓面积和圆形度；并基于otsu算法自适应计算二值化阈值，生成碎石桩特征规则文件；

47、智能识别模块，用于实现加载碎石桩的特征规则文件，并对导入的正射影像进行桩体识别，当识别正确率大于 95%，进入交互式校核环节，人工剔除误识别桩、补充漏识别桩，并对所有桩体进行行聚类与行列编号，生成碎石桩编号图及属性数据表；若识别正确率低于 95%，则返回上一环节增补标注样本数量；

48、影像校正模块，用于在正射影像范围内选取3-6个地面控制点，对碎石桩编号图实施影像校正，在碎石桩属性数据表中新增桩体在场地实际坐标系下的x、y坐标；

49、桩位检测模块，用于导入包含碎石桩设计编号、设计x坐标、设计y坐标的属性数据表并对设计桩位坐标进行pca主成分分析，自动计算桩群排布主方向与水平坐标轴的偏转角，并依据该偏转角对设计坐标执行旋转变换，使桩群排布方向与水平坐标轴对齐，再对旋转后的y坐标展开聚类分析，自动划分设计桩体的行号和列号；

50、输出模块，用于自动输出桩位偏差统计报告、桩位偏差结果平面图和数据报表。

51、与现有技术相比，本发明具有如下有益效果：

52、本发明基于六维特征联合判决机制，同时提取蓝色（b）、绿色（g）、红色（r）、灰度、轮廓面积、圆形度共六维特征，通过多维度联合阈值判决，在复杂光照、地表杂物、桩体遮挡等工地环境下大幅降低误检率和漏检率。

53、本发明采用交互式测量获取碎石桩平均半径与行间距，并基于otsu算法自动计算二值化阈值，相较于全局固定阈值，能动态适应不同光照条件下的影像，提升前景分割的鲁棒性，且无需人工反复调试参数，不同场地可直接复用流程，解决了传统方法依赖人工经验、泛化能力差的问题。

54、针对碎石桩群可能任意旋转的实际情况，本发明对设计坐标集进行主成分分析（pca），自动计算桩群整体排布主方向与水平坐标轴的偏转角，并据此对坐标进行旋转变换，无需人工输入角度或行列数，适用于任意朝向的矩形或正方形布桩场地。

55、本发明先通过聚类自动分配设计桩与实测桩的行列号，再在相同行列号内进行最近邻距离匹配，有效解决了大规模规则布桩（如满堂桩）中桩位一一对应的配对难题，避免了盲目全局搜索导致的错配。

56、本发明不仅区分合格与不合格，更将不合格细分为“偏差超限”、“偏差过大”、“漏桩”，全面覆盖施工验收中可能出现的各类质量问题，输出成果直接对接《建筑地基基础工程施工质量验收标准》（gb 50202-2018）的验收要求。