基于机器视觉的裂缝测量技术现场研究

本文基于机器视觉技术和计算机图像学理论构建了一个高精度裂缝参数测量算法,该算法由裂缝标识定位、灭点检测和裂缝参数计算三个主要部分构成,通过从智能手机、摄像头等设备采集的图像,利用投影变换交比不变的特性,基于图像空间和实际物理空间坐标系的投影关系,计算得到裂缝参数的测量数据。经过室内试验验证,该算法在30mm量程内对于平面坐标上的裂缝测量精度达到0.1mm以内。通过现场试验证明,该算法在长期监测时能够保持较高的精度,能有效测量到施工缝随温度的周期性变化趋势,可以满足实际工程的测量要求。

基于双目立体视觉技术的桥梁裂缝测量系统

针对国内外桥梁裂缝测量效率低、成本高、精度低等现状,提出了一种基于双目立体视觉技术的桥梁裂缝测量系统。采用相机标定、图像匹配、三维坐标计算等双目立体视觉技术对桥梁裂缝的宽度和长度进行计算,实现了桥梁裂缝测量系统。实验通过与单目摄像机用图像处理方法计算的桥梁尺寸结果作对比,表明:对于同一条裂缝的宽度与长度,用所提方法在不同拍摄角度下计算结果差别不大,并且与真实值的相对误差分别保持在10%和1%以内,而同一条件下单目测量系统的计算结果则随着拍摄角度的变化相差很大,宽度测量误差最大达到了19.41%,长度测量误差最大达到了54.35%。说明基于双目立体视觉技术的桥梁裂缝测量系统可以应用于实际中,并且鲁棒性更强,测量结果更精确。

基于平行激光的便携式视觉裂缝测量系统

裂缝测量技术在公路桥梁、文物保护、工业生产等方面有重要应用需求。然而很多情况下,目标难以直接接触,这对测量造成极大困难。此外,现有测量工具大多体积较大,不利于随时随地进行测量。针对测量的便携性和非接触特点,提出了一种基于平行激光的裂缝宽度测量视觉系统。设计了平行激光器,利用手机计算平台对裂缝宽度进行测量,并对激光的平行度、拍摄倾角、拍摄距离等对测量误差的影响做了分析。该测量系统无需激光测距仪和专用的计算设备,使得设备成本和体积大幅降低。研究表明所设计的便携式视觉系统能够实现裂缝宽度的高精度非接触测量,所用手机和平行激光器在30 cm处测量精度为0.1 mm。

基于深度学习的桥梁裂缝检测与裂缝测量分析技术研究

目的为解决在混凝土桥梁人工巡检中耗时费力、安全性不高的问题,提出基于Resnet网络的桥梁裂缝检测技术,并对裂缝进行定量测量。方法创建裂缝数据集与背景数据集,并提出双边滤波-灰度化-对比度增强法(Bilateral-Graying-Contrast enhancement,BGC)对图像进行预处理,用预处理前后的数据分别对Resnet网络和传统VGG网络进行训练和测试,建立四组试验并对比试验结果;开发桥梁裂缝测量系统,逐步提取裂缝轮廓,对裂缝进行无接触测量,并用实例验证系统在不同拍摄高度及其30°偏角下的测量精度。结果在Resnet网络和VGG网络中,BGC预处理后使识别准确率分别提高2.29%和4.99%;Resnet网络对比VGG网络,裂缝识别的准确率大幅提高31.3%,准确率提升至97.44%;在裂缝测量系统中,测量的平均精度在90.14%以上,最高可达96.9%。结论图像进行BGC预处理后,网络识别准确率更高;Resnet网络独有的残差单元可以减少冗余特征的学习,大幅提高识别准确率;裂缝测量系统在设置的不同试验拍摄条件下,测量精度均较高,可满足实际工程需求。

C30级自密实混凝土梁受力各阶段的裂缝测量试验

自密实混凝土是近20年来发明和得到广泛应用的混凝土,由于其优越的工作性能和良好的耐久性而在土木工程各个领域受到越来越多的重视,用自密实混凝土浇筑圈梁和芯柱,不仅可以节省振捣所需的劳动力和能源,还可以改善施工环境。同时又可以从根本上解决由于振捣造成的圈梁下砌块及芯柱周围砌块沿灰缝开裂的难题。裂缝的产生和发展是钢筋混凝土结构反应的重要特征,对确定结构的开裂荷载,研究结构的破坏过程与结构的抗裂和变形性能均有一定参考价值。本文对自密实混凝土梁受力各阶段的裂缝做了一些分析,并与普通混凝土梁进行了对比试验。

基于数字图像处理技术的建筑裂缝测量研究

提出一种建筑裂缝测量方法,即利用普通数码相机采集裂缝数字图像,经过图像预处理、图像分割、像素标定、宽度测量,完成建筑裂缝测量。本文利用Matlab实现该种建筑裂缝测量方法,并通过在理想状态下进行的模拟试验结果,证明该测量方法能达到实际建筑裂缝监测工程中的精度要求。

自密实混凝土受弯梁受力各阶段的裂缝测量试验研究

自密实混凝土是混凝土的一个重要组成部分和未来发展方向,因其良好的工作性能和优越的耐久性而在土木工程各个领域得到越来越多的广泛应用。钢筋混凝土结构受力反应的主要特征是裂缝的产生和发展,受弯梁的裂缝测量对确定结构的开裂荷载,研究结构的抗裂和变形性能及破坏过程都有十分重要的意义。对自密实混凝土受弯梁的裂缝做了一定研究。

基于数字图像处理的桥梁裂缝测量技术

针对人工视觉测量桥梁裂缝方法存在的种种弊端,提出基于数字图像处理的桥梁裂缝测量的新算法。首先对采集到的裂缝图像进行数学形态学腐蚀处理,接着进行区域生长,将腐蚀后的图像二值化、细化,得到裂缝中心线,以中心线上的点为种子点向原图裂缝的两边缘逼近,进一步处理就可以得到裂缝的长度和宽度等参数。

运动式单摄像机BSV及其结构表面裂缝测量应用

为进一步提高结构表面裂缝测量的灵活性与便捷性,提出了一种基于运动式单摄像机双目立体视觉(binocular stereo vision,BSV)的测量方法。首先,在已知摄像机精确内参的情况下,分别从两个视角采集裂缝的图像;然后,根据所采集到的图像对摄像机进行运动估计,从而求解摄像机前后两个位置的运动参数;进一步地,基于Canny算法进行裂缝的边缘检测;最后,根据摄像机内参数、运动参数以及裂缝图像边缘信息,构建裂缝测量的立体视觉模型。测量试验结果表明:在2 m的测量距以内,对裂缝的相对测量误差不超过5%,可有效验证所提出的测量方法的测量精度。

水力阻抗测试法及其在裂缝测量中的应用

水力阻抗测试（ＨＩＴ）是探知和测量与井筒相交的岩层裂缝的一项技术。如果给一口井施加－压力脉冲，分析其产生的压力曲线，我们就可得到裂缝的大小。本文第一部分描述为什么ＨＩＴ可用于估测裂缝的大小并且提供实验室的实验数据来说明ＨＩＴ可以精确地测定裂缝的大小，其余部分描述ＨＩＴ在现场运用中的实例。文中还展示了压力减小时ＨＩＴ压力曲线如何变化，从而提供了一种确定裂缝闭合压力的方法。

水力压裂裂缝测量技术—技术种类、测量原因及如何测量

对各种裂缝测量技术作了介绍，说明了每种测量技术的优点与缺点，对5种现场压裂过程、裂缝测量过程进行了详细讨论，由此说明了根据裂缝测量技术进行压裂方式（水力压裂或其它压裂方法）、压裂参数优选工作的重要性。

基于计算机视觉的混凝土表观裂缝识别和宽度测量

对钢筋混凝土(reinforcement concrete, RC)结构表观裂缝的高效识别可以为结构震损快速评估提供佐证。无论在地震现场还是实验室环境,此类工作均表现出量大、重复的特征,适合利用计算机视觉技术完成,以弥补人工方式低效、不确定性强的劣势。以消费级相机输出图像作为数据源,融合U-Net和VGG-16构造适用于混凝土表观裂缝识别的卷积神经网络(convolutional neuralnetwork, CNN)模型,依托多类型RC构件裂缝图像数据库完成模型训练和测试。利用形态学运算、Otsu阈值分割等技术进一步优化裂缝识别结果作为宽度测量的输入数据。为降低相机光轴与裂缝平面不垂直带来的裂缝宽度测量误差,通过特定靶标对原始图像进行透视误差校正,经检验,透视误差校正后的裂缝宽度测量的平均偏差最大可降低约25%。

基于YOLOv5和U-Net3+的桥梁裂缝智能识别与测量

为了克服传统数字图像处理方法进行桥梁裂缝识别时面临的效率低、效果不佳等问题,提出了集成深度学习YOLOv5和U-Net3+算法的一体化桥梁裂缝智能检测方法.通过调整算法宽度和深度参数,优化边界框损失函数,构建基于YOLOv5目标检测算法的裂缝识别定位模型,实现桥梁裂缝快速识别与定位;引入结合深度监督策略及预测输出模块的U-Net3+图像分割算法,训练并构建桥梁裂缝高效分割模型,实现像素级裂缝智能化提取;建立结合连通域去噪、边缘检测、形态学处理的八方向裂缝宽度测量法,基于U-Net3+裂缝分割结果实现裂缝形态及宽度高精度测量;利用LabelImg图像标注软件制作包含4414张图像的裂缝识别定位模型训练数据集;利用LabelImg图像标注软件及CFD数据集制作包含908张图像的裂缝分割模型训练数据集;利用无人机航拍的485张5280×2970 pixels桥梁索塔裂缝图像,来制作裂缝智能检测模型的测试对象.将所提出的裂缝检测方法应用于上述裂缝测试对象,其裂缝识别定位准确率91.55%、召回率95.15%、F1分数93.32%,裂缝分割准确率93.02%、召回率92.22%、F1分数92.22%.结果表明,基于YOLOv5与U-Net3+的桥梁裂缝智能检测方法,可实现桥梁裂缝高效率、高精度、智能化检测,具有较强的研究价值和广泛的应用前景.

基于无人机的桥梁裂缝检测与测量系统

道路桥梁裂缝是危害桥梁安全的一种重要病害,为减少桥梁裂缝对桥梁工程的不利影响,延长国内桥梁使用寿命。文章拟针对目前存在桥梁裂缝检测与测量的难点,依据近景摄影测量技术基本原理与计算机视觉中的相关技术,设计出一种通过无人机搭载相机与雷达的桥梁裂缝检测与测量系统,并利用光学相机标定与几何校正以及桥梁裂缝的鲁棒性提取实现桥梁裂缝高精度的检测与测量。提高国内桥梁静态测量工程的术水平,解决传统人工接触式检测与测量所存在的缺陷。

基于改进Faster R-CNN和正交投影的无砟轨道板裂缝精细化测量

裂缝的检测和宽度识别是无砟轨道板养护维修作业的重要依据。为此,提出一种基于改进Faster R-CNN和正交投影的裂缝宽度测量方法,并基于虚拟模型合成数据,充分训练深度网络,实现对复杂背景下无砟轨道板表面裂缝的精准检测,以提高裂缝几何特征量化的可靠性。首先,基于二维CAD图纸建立参数化的无砟轨道结构三维BIM模型,并通过UE5物理引擎实现真实裂缝特征与虚拟轨道模型的随机融合和真实巡检场景渲染;然后,通过配置虚拟摄像机输出,模拟真实巡检场景下的虚拟裂缝图像,充分训练改进后的Faster R-CNN网络,并在轨道巡检车采集到的原始图像上进行测试;最后,采用正交投影法逐像素地计算检测结果中裂缝的宽度,并与人工取点测量结果进行对比分析。结果表明:改进后的Faster R-CNN网络对于裂缝检测的平均精度提高约10%;网络性能随训练数据的虚实图像比例而变化,于4∶1时达到饱和,平均精度达95.12%;使用融合裂缝数据集训练出的网络模型能够在保持高精准率的同时,达到更高的召回率,有效减少了裂缝的错检、漏检;与人工测量相比,正交投影法测得的裂缝最小宽度与最大宽度分别增大了3.64%和22.40%,测量结果更加稳定且接近真实值,具有更高的可靠性。

一种测量无规则裂缝宽度的量化模型与实现

建立了一种测量无规则裂缝宽度的量化模型,提出了一种真伪裂缝区域分割新方法.该方法通过边缘检测并利用形态学膨胀运算,在待测裂缝的两侧边缘区域选取近似等量的目标像素和背景像素后,设置门限以自适应选取最佳分割阈值,提取出裂缝区域,进而提取裂缝的走势及边缘像素,用建立的量化模型,即可实现宽度测量.该测量方法能有效克服裂缝图像的噪音较大、裂缝不规则等弊端,去除裂缝图像的伪裂缝区域,测量结果的重复准确度在0.1mm以内.实验结果表明,该方法有效地实现了裂缝宽度的准确测量,具有较强的适应性.

基于Mask R-CNN的钢筋混凝土裂缝识别及测量算法的研究

运用Mask R-CNN在语义分割、目标定位、分类、掩模生成方面的特点,对钢筋混凝土结构的裂缝进行检测与定位,结合八个方向的Sobel边缘滤波算子和Laplacian滤波算子对裂缝目标掩膜的优化,以及Gaussian平滑滤波器对噪声的消除,提高了对裂缝目标掩膜的边缘定位精度。采用ResNet-101、ResNet-152和MobileNet作为基础主干网络与八个方向边缘滤波算子相结合,生成最优的裂缝目标掩模,通过掩模的极点坐标,计算裂缝的宽度、高度、面积等,从而实现裂缝的识别及测量。

基于MATLAB GUI的裂缝宽度测量系统设计

设计了一个基于MATLAB的以数字图像处理技术为指导的GUI图形用户界面软件,能实现裂缝图像的灰度变化、噪声滤波、二值计算和腐蚀处理,从而计算出裂缝图像的实际平均宽度、最大宽度及最小宽度.经调试,该系统工作稳定、可靠、实用性强.

一种基于机器视觉的便携式可定位裂缝测宽仪的探究

裂缝宽度是评估混凝土耐久性、安全性的一项重要指标,裂缝宽度检测是房屋、建筑、桥梁等众多建筑物评估和检修的重要依据,对于保障建筑物安全、延长建筑物使用寿命具有重要意义。传统的测量方式精确度低、误差较大,市面上现有的裂缝测宽仪大都无定点拍照功能,且具有体积较大、携带不便、数据不便存储等缺点。基于现有裂缝测宽仪的局限之处,对其进行创新改造,减少人力物力资源的耗费,在实际工程中拥有广阔的应用前景。

面向对象方法的路面线性裂缝识别与测量方法研究

研究面向对象图像处理技术的路面线性裂缝自动识别方法。分析传统方法的缺陷,提出采用面向对象技术分析对象的几何特征(极限误差理论、扁率、方向、面积)约束条件,实施串行滤波筛选候选对象,实现路面线性裂缝的自动识别,并自动计算裂缝的长度与宽度。试验结果表明,该方法具有较高的稳定性和有效性。