基于机器视觉的房屋倾斜测量方法

为了精确测量房屋的倾斜程度,提出基于机器视觉的倾斜测量方法。利用固定在建筑物上的激光器向靶标发射激光,通过计算激光光斑的位移,来确定建筑的倾斜位移。对此,使用透视投影变换对获得的光斑图像进行校正处理,以应对房屋倾斜后带来的误差,然后用最大类间方差法对图像进行分割,通过灰度重心法提取十字标记与激光斑点的中心,以获得激光光斑中心的位置,并实时监测得到光斑的位移,三角函数换算得到房屋的真实倾斜位移。实验结果表明,所提方法能将激光光斑中心定位的误差稳定在5%以内,能够满足现场测量要求。

先验信息强化的混凝土裂缝深度学习级联检测算法研究

为提高混凝土桥梁复杂表面的裂缝检测精度,提出一种基于深度学习的先验信息强化的裂缝级联检测算法。算法采用级联检测的方法将2个神经网络级联来检测裂缝;先验信息强化包括标准化和边缘强化,制作裂缝标准化切片时将裂缝旋转至水平走势并将质心放置在切片中心,同时根据灰度梯度相似性去除属于一般背景的切片;将切片进行裂缝边缘先验信息强化处理,以此人为地突出特征,降低网络训练难度。分别对比不采用先验信息强化和级联检测的网络结果,评价网络检测性能。实验结果表明,对混凝土桥梁表面裂缝检测的精确率和召回率达到89.64%和98.02%,能较好地避免背景中干扰物的影响。