一种钢筋网面交叉点自动捆扎识别装置及方法制造方法及图纸

本发明专利技术公开了一种钢筋网面交叉点自动捆扎识别装置及方法，涉及建筑自动化施工技术领域，该装置包括：移动组件安装于固定平台或是移动平台上；识别模块安装在所述移动组件上，识别模块用于：获取目标钢筋网面图像以及对应的深度图像，然后深度图像对目标钢筋网面图像进行处理，得到目标上层钢筋网面图像；最后利用钢筋网面交叉点识别模型对目标上层钢筋网面图像进行处理，得到目标钢筋网面交叉点的像素坐标。本发明专利技术解决现有钢筋捆扎自动化施工过程中钢筋交叉点识别准确性、实时性、适应性较低的问题。低的问题。低的问题。

【技术实现步骤摘要】
一种钢筋网面交叉点自动捆扎识别装置及方法


[0001]本专利技术涉及建筑自动化施工
，特别是涉及一种钢筋网面交叉点自动捆扎识别装置及方法。

技术介绍

[0002]在当前的工程实践中，依靠人工依旧是钢筋捆扎作业的普遍方式。钢筋交叉点自动化捆扎技术是一项复杂的工程技术问题，通过自动化的方式能够节省大量施工过程中的人工成本，在特殊的作业环境中降低人员的安全风险，在捆扎作业过程中提高每一个交叉点的捆扎质量。
[0003]随着自动化技术的进步，计算机视觉技术的快速发展，已经出现了一些钢筋自动化捆扎方案，但是在实际作业过程中对于准确性、实时性、适应性等方面的性能依旧较低。

技术实现思路

[0004]本专利技术的目的是提供一种钢筋网面交叉点自动捆扎识别装置及方法，以解决现有钢筋捆扎自动化施工过程中钢筋交叉点识别准确性、实时性、适应性较低的问题。
[0005]为实现上述目的，本专利技术提供了如下方案：
[0006]第一方面，本专利技术提供了一种钢筋网面交叉点自动捆扎识别装置，包括：
[0007]移动组件，安装于固定平台或是移动平台上；
[0008]识别模块，安装在所述移动组件上，用于：
[0009]获取目标钢筋网面图像以及对应的深度图像；所述深度图像为带有深度信息的图像；所述目标钢筋网面至少包括两层钢筋网面，分别为上层钢筋网面和下层钢筋网面；
[0010]利用所述深度信息对所述目标钢筋网面图像进行处理，得到目标上层钢筋网面图像；所述目标上层钢筋网面图像为所述目标钢筋网面中的上层钢筋网面的图像；
[0011]利用钢筋网面交叉点识别模型对所述目标上层钢筋网面图像进行处理，得到目标钢筋网面交叉点的像素坐标；
[0012]其中，所述钢筋网面交叉点识别模型是根据深度学习算法和样本数据集确定的；所述样本数据集包括样本钢筋网面图像以及对应的标签数据；所述样本钢筋网面图像为不同钢筋网面类型不同光照条件下的钢筋网面图像；所述标签数据为样本钢筋网面交叉点的像素坐标。
[0013]可选地，所述移动组件，包括：
[0014]承台，安装于固定平台或是移动平台上；
[0015]机械臂，安装于所述承台上。
[0016]可选地，所述识别模块包括深度相机与所述深度相机连接的嵌入式计算机；
[0017]所述深度相机，安装于机械臂端部上方，用于获取目标钢筋网面图像以及对应的深度图像；所述嵌入式计算机安装于所述承台上。
[0018]可选地，所述嵌入式计算机包括：
[0019]数据处理模块，用于利用所述深度信息对所述目标钢筋网面图像进行处理，得到目标上层钢筋网面图像；
[0020]交叉点识别模块，用于利用钢筋网面交叉点识别模型对所述目标上层钢筋网面图像进行处理，得到目标钢筋网面交叉点的像素坐标。
[0021]可选地，所述钢筋网面交叉点识别模型的确定过程为：
[0022]构建原始数据集；所述原始数据集包括多张不同钢筋网面类型不同光照条件下的钢筋网面原始图像；
[0023]对所述钢筋网面原始图像进行图像处理操作，得到样本钢筋网面图像；所述图像处理操作至少包括旋转操作、裁剪操作、缩放操作、去模糊操作、去噪声操作和扩增操作；
[0024]利用标注工具Labelimg对所述样本钢筋网面图像进行标注，得到所述样本钢筋网面图像对应的标签数据；
[0025]基于所述样本钢筋网面图像以及所述样本钢筋网面图像对应的标签数据，构建样本数据集；
[0026]利用所述样本数据集对YOLOv5网络模型进行训练，得到钢筋网面交叉点识别模型。
[0027]可选地，还包括：补光模块，用于改善所述目标钢筋网面的亮度。
[0028]可选地，所述补光模块包括补光灯与所述补光灯连接的灯光控制器；所述补光灯安装于机械臂端部下方，所述灯光控制器安装于所述承台上。
[0029]可选地，所述钢筋网面包括多根互相平行且间距相等的下层钢筋和搁置于所述下层钢筋上的多根相互平行且间距相等的上层钢筋，且所述下层钢筋与所述上层钢筋相互垂直。
[0030]可选地，所述承台能够任务需要安装于移动平台或是固定平台上。
[0031]第二方面，本专利技术提供了一种钢筋网面交叉点自动捆扎识别方法应用于钢筋网面交叉点自动捆扎识别装置上；所述钢筋网面交叉点自动捆扎识别装置包括移动组件和识别模块；所述移动组件包括承台和机械臂；所述承台安装于固定平台或是移动平台上；所述机械臂安装于所述承台上；所述识别模块安装于所述机械臂上；所述钢筋网面交叉点自动捆扎识别方法包括：
[0032]控制机械臂移动到预设位置上方；
[0033]获取预设位置处的目标钢筋网面图像以及对应的深度图像；所述深度图像为带有深度信息的图像；所述目标钢筋网面至少包括两层钢筋网面，分别为上层钢筋网面和下层钢筋网面；
[0034]利用所述深度信息对所述目标钢筋网面图像进行处理，得到目标上层钢筋网面图像；所述目标上层钢筋网面图像为所述目标钢筋网面中的上层钢筋网面的图像；
[0035]利用钢筋网面交叉点识别模型对所述目标上层钢筋网面图像进行处理，得到目标钢筋网面交叉点的像素坐标；
[0036]其中，所述钢筋网面交叉点识别模型是根据深度学习算法和样本数据集确定的；所述样本数据集包括样本钢筋网面图像以及对应的标签数据；所述样本钢筋网面图像为不同钢筋网面类型不同光照条件下的钢筋网面图像；所述标签数据为样本钢筋网面交叉点的像素坐标。
[0037]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0038]本专利技术通过模块化设计，可以依据任务需要将移动组件安装于固定平台或是移动平台；本专利技术基于深度学习算法使得钢筋网面交叉点检测速度大幅提高；通过样本数据集训练数据模型使得训练后的模型(即钢筋网面交叉点识别模型)对于钢筋网面交叉点不同的颜色、纹理、材料、尺寸以及光照等条件有更好的识别效果，通过这三个方面的创新使得本专利技术再识别准确性、实时性以及适应性上相较于其他方法都有较大优势。
附图说明
[0039]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0040]图1为本专利技术实施例所公开的钢筋网面交叉点自动捆扎识别装置的结构示意图；
[0041]图2为本专利技术实施例所公开的目标钢筋网面的目标钢筋网面图像以及对应的深度图像；图2中(a)为目标钢筋网面图像，图2中(b)为深度图像；
[0042]图3为本专利技术实施例所公开的上层钢筋网面图像；
[0043]图4为本专利技术实施例所公开的钢筋网面交叉点自动捆扎识别图像；
[0044]图5为本专利技术实施例所公开的钢筋网面原始图像预处理示意图；
[0045]图6为本专利技术实施例所公开本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种钢筋网面交叉点自动捆扎识别装置，其特征在于，包括：移动组件，安装于固定平台或是移动平台上；识别模块，安装在所述移动组件上，用于：获取目标钢筋网面图像以及对应的深度图像；所述深度图像为带有深度信息的图像；所述目标钢筋网面至少包括两层钢筋网面，分别为上层钢筋网面和下层钢筋网面；利用所述深度信息对所述目标钢筋网面图像进行处理，得到目标上层钢筋网面图像；所述目标上层钢筋网面图像为所述目标钢筋网面中的上层钢筋网面的图像；利用钢筋网面交叉点识别模型对所述目标上层钢筋网面图像进行处理，得到目标钢筋网面交叉点的像素坐标；其中，所述钢筋网面交叉点识别模型是根据深度学习算法和样本数据集确定的；所述样本数据集包括样本钢筋网面图像以及对应的标签数据；所述样本钢筋网面图像为不同钢筋网面类型不同光照条件下的钢筋网面图像；所述标签数据为样本钢筋网面交叉点的像素坐标。2.根据权利要求1所述的一种钢筋网面交叉点自动捆扎识别装置，其特征在于，所述移动组件，包括：承台，安装于固定平台或是移动平台上；机械臂，安装于所述承台上。3.根据权利要求2所述的一种钢筋网面交叉点自动捆扎识别装置，其特征在于，所述识别模块包括深度相机与所述深度相机连接的嵌入式计算机；所述深度相机，安装于机械臂端部上方，用于获取目标钢筋网面图像以及对应的深度图像；所述嵌入式计算机安装于所述承台上。4.根据权利要求3所述的一种钢筋网面交叉点自动捆扎识别装置，其特征在于，所述嵌入式计算机包括：数据处理模块，用于利用所述深度信息对所述目标钢筋网面图像进行处理，得到目标上层钢筋网面图像；交叉点识别模块，用于利用钢筋网面交叉点识别模型对所述目标上层钢筋网面图像进行处理，得到目标钢筋网面交叉点的像素坐标。5.根据权利要求1或者4所述的一种钢筋网面交叉点自动捆扎识别装置，其特征在于，所述钢筋网面交叉点识别模型的确定过程为：构建原始数据集；所述原始数据集包括多张不同钢筋网面类型不同光照条件下的钢筋网面原始图像；对所述钢筋网面原始图像进行图像处理操作，得到样本钢筋网面图像；所述图像处理操作至少包括旋转操作、裁剪操作、缩放操作、去模糊操作、去噪声操作和扩增操作；利用标注工具Labelimg对所述样本钢筋网面图像进行标注，得到所述样本...

【专利技术属性】
技术研发人员：汪生浩，郭帅，宋韬，段浩，朱猛猛，
申请(专利权)人：上海大学，
类型：发明
国别省市：