一种梁体外形外观照相检测系统及方法与流程

1.本发明涉及摄像机拍照检测技术领域，具体是指一种梁体外形外观照相检测系统及方法。


背景技术：

2.梁体外形外观检测是梁体浇筑成型后质量监控的一个重要环节，涉及检测项目众多，针对梁体外形外观检测项目，市场上多采用人工配合单一设备逐项检测，手动记录，并将检测结果与设计值或者规范值一一比对，用以判断检测数据是否符合规范或设计要求，检测结果受人为测量位置选择、测量点的布设及所用工具设备种类及参数影响较大，人工比对检测结果效率低，整个检测过程耗时长，投入人力、物力、财力大。鉴于此，一种梁体外形外观照相检测系统及方法，利用拍照技术得到空间场景的二维数字图像，运用图像处理技术对二维数字图像信息进行处理。结合计算机视觉理论基础，利用霍夫变换提取处理后的二维数字图像信息，然后运用3d测量系统搭建二维数字图像信息与物的三维模型映射关系，以构建的三维模型反映被测三维物体外观尺寸，并用编程手段集成相关技术，形成软件产品，通过软件系统对检测的三维物体外观尺寸进行智能分析与预警，达到梁体外形外观快速检测与数据自动化呈现的目的，本方法致力于实现梁体外形外观高效化、智能化检测，具有重要的工程与现实意义。


技术实现要素：

3.本发明的目的是解决背景技术中存在梁体人工检测效率低下、工具及人力投入大、检测结果可靠度低的问题，而提供一种梁体外形外观照相检测系统及方法，本方法相比传统测量方式，能减少检测时间、人员、设备的投入，操作简单，检测精度高，实现梁体智能化检测。
4.为实现上述目标，本发明实现的技术路线、原理如下：
5.一种梁体外形外观照相检测系统及方法，包括靶标设置模块、摄影取照模块、图像处理模块、图像特征位置提取模块、3d测量系统模块；
6.所述靶标设置模块包括多个靶标，所述靶标设置于被测梁体上；
7.所述摄影取照模块包括工业相机，通过工业相机对被测梁体进行拍照，获取彩色二维数字图像；
8.所述图像处理模块用于优化摄影取照模块获取的图像质量，降低环境中噪音对图像质量影响，凸显图像特征；
9.所述图像特征位置模块用于针对图像处理模块处理后的二维数字图像，通过霍夫变换提取二维数字图像中特征位置信息；
10.所述3d测量系统用于坐标转换，通过图像处理模块、图像特征位置模块处理后的二维数字图像中的像点位置表达三维空间物体表面特征点的位置，通过坐标系转换和信息提取获得箱梁的外部实际尺寸。
11.摄影取照模块：首先在被测梁体上设置靶标，然后利用工业相机对被测梁体拍照，采集到二维彩色图像。
12.图像处理模块：包含图像灰度化处理、图像增强技术，利用图像处理技术对采集到的二维彩色图像进行处理，方便后续操作更加精准的提取图像中的特征信息。
13.优选地，所述的通过工业相机对被测梁体进行拍照是对被测梁体图像中靶标进行识别，通过靶标的位置信息来更加精确的定位被测物在现实中的位置信息。
14.优选地，所述的靶标需要与被测梁体外表颜色形成强烈反差，不可与被测物颜色一致或相似，以提高对图像中靶标的识别度。
15.优选地，所述的图像处理模块包括图像灰度化处理单元、灰度修正单元、直方图修正单元、空域滤波增强单元；
16.所述灰度处理单元用于将彩色二维数字图像灰度化；
17.所述灰度修正单元用于增强已经灰度化的图像的清晰度与对比度，获取更佳的图像质量；
18.所述直方图修正单元用于对图像中低频、高频灰度级进行均衡优化，改变其灰度分布，进一步优化图像质量；
19.所述空域滤波增强单元用于对图像中低频、高频灰度级进行均衡优化，改变其灰度分布，进一步优化图像质量。
20.基上述基本原理、技术手段后，使用代码编程表达逻辑关系集成系统，形成软件产品，智能化检测被测三维物体外形外观基本数据，并判断其数值与设计或规范要求的偏离值。
21.优选地，所述3d测量系统包括图像像素坐标系、图像物理坐标系、摄像机坐标系、世界坐标系；
22.所述图像像素坐标系由图像中m*n个像素灰度值组成的矩阵；
23.所述图像物理坐标系在图像像素坐标系的基础上定义了毫米单位；
24.所述摄像机坐标系以摄像机模型为基础，来描述图像与物的投影变换关系，摄像机坐标系与图像物理坐标系存在矩阵转换关系；
25.所述世界坐标系与摄像机坐标系之间的变换关系可由旋转矩阵与平移矩阵来加以描述。
26.本发明还公开一种梁体外形外观照相检测系统的实现方法，包括以下步骤：
27.s1：拍照成图：首先在被测梁体上设置靶标，然后利用工业相机对被测梁体拍照，采集到梁体的二维彩色图像；
28.s2：对采集到的二维彩色图像进行灰度化处理：使用加权平均法实现图像的转化，图像灰度化后，后续图像特征能进行更好的提取、匹配等处理操作；
29.s3：对进行灰度化处理后的图像进行灰度修正处理：通过变换增强函数增强已经灰度化的图像的清晰度与对比度，获取更佳的图像质量；
30.s4：对进行灰度修正处理后的图像进行直方图修正处理：通过均衡变换函数实现对图像中低频、高频灰度级进行均衡优化，改变其灰度分布，进一步优化图像质量；
31.s5：对进行直方图修正处理后的图像进行空域滤波增强处理：通过sobel算子对图像进行锐化处理，处理后能降低噪声对图像的影响，优化图像质量；
32.s6：对进行空域滤波增强处理后的图像进行坐标转换：3d测量系统通过四个坐标系之间的矩阵转换，实现由二维图像信息来构建被测物的三维轮廓，进而获得箱梁的外部实际尺寸。
33.相比于已有技术，本发明具有优点：
34.(1)本发明测量时无需与梁体进行接触，利用拍照测量技术，具有操作简单、测量快速的特点；
35.(2)利用计算机视觉技术，结合图像灰度化处理、灰度修正、直方图修正、空域滤波增强技术对图像进行系统组合处理，既能突出图像特征、改善视觉效果，还能降低环境中噪音对结果的影响，增强图像质量，使得图像特征位置提取效果更佳；
36.(3)经过处理的二维数字图像采用利用霍夫提取特征位置，提取效果好，误差小，同时还能测量表面倾斜偏差、桥面外侧偏离设计线位置等人工难以测量、难以复核的项目。
37.(4)利用3d测量系统，构建二维数字图像中像点位置和三维物体表面特征点位置间的关系，精确的还原目标所在场景的三维信息，实现精准测量；
38.(5)本测量工具针对一个测量指标可实现多处测量，以期对测量结果更加合理、可靠。
附图说明
39.为了更清楚地描述本发明实施例，下面将对实施例的技术路线流程作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一种实施例，在不付出创造性劳动的前提下，还可以对所采用算法或技术手段做出若干变形与改进而获得其它的附图。
40.图1是本发明一种梁体外形外观照相检测系统及方法实现流程图；
41.图2为本发明梁体外形外观照相检测系统的实测效果图。
具体实施方式
42.在本发明的描述中，需要理解的是，本发明为实现图像处理、增强以及图像中特征位置提取所用的算法或技术手段，仅是为了更加清楚、系统的阐述本发明的实施例，而选用的一种较佳实施方式，并不是指示或暗示所指的功能实现必须使用该算法、该技术手段，因而不应当认为是限定性词语。
43.下面结合附图对本发明做进一步的详细说明。
44.本发明针对箱梁的一种测量指标实施例如下:
[0045][0046]
特别说明：本发明针对箱梁、t梁等建筑物、工业产品都可以实现测量，[0023]表格借助诸多位置性词语来描述，故应当将“起点”、“终点”、“左”、“右”、“1/4”、“跨中”、“3/4”等词语理解为本发明的一种测量实施例，“起点”、“终点”、“左”、“右”表示被测梁体两端或架设梁体里程号大小(方向)，目的是为方便用语，而不应当理解为对检测位置的限定，可根据项目测量特点或精度要求，自行增减测量指标与测量点的数量，优化测量位置。
[0047]
结合附图1，附图1是发明一种梁体外形外观照相检测系统及方法实现流程图，如图所示：对被测梁体设计靶标，使用工业相机拍摄图像，对获取的图像进行技术处理，然后利用霍夫变换提取二维数字图像中特征位置，然后利用3d测量系统坐标系转换建立二维数字图像中像点位置与空间物体表面特征的位置关系，用以反映被测物体三维空间尺寸，基于上序原理或技术进行系统集成，在软件上可视化呈现梁体的外部实际尺寸及测量结果。
[0048]
具体的，本实施例公开一种梁体外形外观照相检测系统及方法，包括以下步骤：
[0049]
步骤一：在测量物体(梁体)上设置目标点(靶标)，以箱梁为例：靶标设置在箱梁上缘左右角点处、支座处，达到精准定位、快速识别的目的。
[0050]
步骤二：采用工业相机对被测梁体进行拍照，获取彩色二维数字图像；
[0051]
二维的图像可用以下函数表示：
[0052]
f(xi,yj,tk,λ
l
)...(1)
[0053]
在(1)式中，i,j＝0,1,
…
,n-1；k＝0,1,
…
,n-1；l＝0,1,
…
,m
[0054]
在(1)式中，x、y即为空间坐标系，(xi,yi)为位置坐标，表示图像灰度值；tk为摄影时刻；λ
l
为波段，f函数表示图像。
[0055]
步骤三：为了优化图像质量，凸显图像特征，运用计算机编程技术结合图像处理技术对拍摄获取的图像进行处理，分为四步：图像灰度化处理、灰度修正、直方图修正、空域滤波增强：
[0056]
s301：图像灰度化处理技术：灰度化摄影机得到的彩色图像，这里使用加权平均值法对rgb彩色图像实行转换，如下所示：
[0057][0058]
在(2)式中：rgb为光学三原色，wr、wg、wb表示r、g、b分量的权值。
[0059]
研究表明：一般当r＝g＝b＝0.30r 0.59g 0.11b时，获得的灰度图像最佳。
[0060]
s302：灰度修正：灰度修正技术可增强已经灰度化处理后的图像的清晰度与对比度，获取更佳的图像质量，设原图像灰度值f(x,y)，灰度修正后的图像灰度值为g(x,y)，变换增强函数关系式如下：
[0061][0062]
s303：直方图修正技术：直方图修正通过累积分布函数重新定义灰度值分布，采用直方图均衡化算法处理图像，改变其灰度分布，进而达到增强图像对比度的目的。
[0063]
s304：直方图修正：一幅图其像素数大小用n来表示，灰度取值范围表示为[0，l-1]，第k个灰度级用rk表示，图像中像素的个数为nk，则rk的直方图p(rk)为：
[0064][0065]
灰度累积分布函数sk为：
[0066]
直方图均衡变换函数表示为：rk`＝round((l-1),sk),k＝0,1,2,
…
,l-1...(6)
[0067]
在(6)式中，灰度级rk到rk`的变换就是通过直方图均衡化函数实现的；round(
·
)为取整函数，由均衡变换函数实现对图像中低频、高频灰度级进行均衡优化。
[0068]
s305：空域滤波增强技术是改变qr码图像中的像素值的过程，处理后能降低噪声对图像的影响，改进人或机械对重要图像细节或目标的检测能力，优化图像质量，为图像后续更佳的识别奠定基础。
[0069]
空域滤波增强技术第一步采用中值滤波对图像进行处理,对于一维数据x1,x2…
xn，按照大小顺序进行排列，x'1＜x'2＜
…
x'n，则：
[0070][0071]
应用(7)式子得到中值滤波的结果值之后，通过图像的锐化处理使得其边界信息更佳明显显示出来，本发明选用sobel算法进行锐化处理。
[0072]
锐化滤波：设m(x)为测量模态，h(x)为滤波函数，则输出r(x)为输入m(x)与h(x)的卷积。
[0073]
r(x)＝m(x)*h(x)...(8)
[0074]
本发明采用sobel算子进行锐化处理，sobel算子能检测图像边界信息，其中，s
x
、sy分别表示x轴、y轴方向边缘信息。
[0075]
由sobel算子处理后，会增强其图像的幅值，表示为：
[0076][0077]
对(9)公式分别对x,y求偏导，可得出
[0078][0079]
以下为基于sobel算子的检测方法，检测原理如下：
[0080][0081]
水平检测模板：
[0082]
垂直检测模板：
[0083]
对图像进行技术处理以后，使用霍夫变换获取图像中的线性信息，即提取图像中特征位置坐标，霍夫变换实现步骤如下：
[0084]
(1)设x-y平面内一条直线方程为y＝ax b...(14)；
[0085]
(2)以a、b为变换空间，作如下变换：
[0086]
(3)b＝-ax y...(15)；
[0087]
(4)针对垂直线的斜率无穷大的问题，使用了极坐标变换：将x-y平面的图象变换到ρ-θ平面处理。直线方程为：
[0088]
(5)ρ＝xcosθ ysinθ＝asin(α θ)...(16)
[0089]
上式中，ρ为原点到直线的距离，a为振幅，θ表示直线的法线与x轴的夹角，该点的坐标值(ρ，θ)即直线的参数。
[0090]
(6)累加a，累加数组中最大的点即为对应直线的参数，进而完成检测任务。
[0091]
步骤四、提取二维数字图像中特征位置后，需要搭建二维平面图像中像点坐标与三维物体表面特征点坐标之间的数学关系，用以构建被测目标三维模型，通过构建的三维模型来反映梁体测量的几何尺寸；
[0092]
本发明所提3d测量系统包含图像像素坐标系、图像物理坐标系、摄像机坐标系、世界坐标系。
[0093]
s401：图像像素坐标系uo1v，理解为一幅图像有m*n个像素灰度值，由这些灰度值为基本元素组成的矩阵称为图像像素坐标系，设图像坐标系原点为o0，u、v分别代表图像矩阵的行号、列号，则图像坐标系中的一个坐标点(u,v)仅仅代表其中一个像素在矩阵中的位置，未使用物理单位对坐标点(u,v)进行量化度量，不具备物理单位与实际意义。
[0094]
s402：图像物理坐标系xo1y的定义能很好的解决[0074]中所提图像像素坐标系存在的问题。具体来讲：设图像坐标系原点为o1，x轴平行于u轴，y轴平行于v轴，(u,v)为图像像素坐标系，以像素为单位，而(x,y)为图像物理坐标系，以毫米为单位。
[0095]
s403：摄像机坐标系ocxcyczc，在坐标系xo1y中，设o1点在uo0v坐标系中坐标为(u0,v0)，每个像素在x、y方向上的物理尺寸为dx、dy，则两坐标系之间关系表示为：
[0096][0097]
s404：将(17)转化为矩阵形式，可表示为：
[0098][0099]
s405：矩阵逆关系可表示为：
[0100][0101]
s405：世界坐标系owx
wywzw
是来描述摄像机及系统中各设备的位置。ow代表坐标原点，xw、yw、zw为相互正交的轴，设空间点p在uo0v、uo1v坐标系的坐标分别为p
p
＝(u v 1)、p＝(x y 1)，在世界坐标系中pw＝(xw,yw,zw,1)
t
，则在摄像坐标系中pc＝(xc,yc,zc,1)
t
可表示为：
[0102][0103]
在(19)式中，t为平移向量，o＝(0,0,0)
t
，r为正交单位矩阵。
[0104]
图像物理坐标系与摄像机坐标系的变换关系：
[0105][0106]
在(21)公式中(x,y)为p点图像坐标系坐标，(xc,yc,zc)为p点摄像机坐标系下的坐标，
[0107]
同样用矩阵形式可表示为：
[0108][0109]
在矩阵(22)式中s是一个比例系数。
[0110]
图像物理坐标系与图像像素坐标系的转换
[0111][0112]
将(22)式转化为矩阵形式有：
[0113][0114]
矩阵(24)变换成逆关系可得：
[0115][0116]
联立(18)、(22)、(25)公式，可获得世界坐标系与图像像素坐标系间的关系为：
[0117][0118]
在(26)式中，α
x
＝f/dy,αy＝f/dy，m1为内部参数阵(与摄像机自身材质、构造、精度性能有关)，m2为外部参数阵(摄像坐标系与世界坐标系相对位置关系决定)，m为投影矩阵，它表示二维数字图像坐标与三维空间(世界)坐标间的相互关系。
[0119]
以上所述实施例仅为本发明的一种较佳的实施方式而已，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，凡不脱离本发明构思以及原则的前提下对上述具体实施例所记载的技术方案或部分技术特征做出若干变形和改进，均应属于本发明的保护范围。