本发明专利技术提供一种基于全视觉技术的幕墙安全隐患识别方法及系统，包括：执行无人机航拍图像采集；进行图像预处理；采用多视图立体视觉技术进行三维建模；应用SAM模型进行图像分割，提取三维建模的幕墙区域，并通过滑动窗口技术进行缺陷识别和分类；缺陷定位，并通过网页端展示；安全评估，根据缺陷的性质和程度，将幕墙安全性分为四个等级，指导维护决策。本发明专利技术提供了一种利用无人机航拍结合计算机视觉技术的高效、低成本幕墙检测方案，整个流程自动化，减少了人力依赖，采用大模型技术，结合滑动窗口技术，能够准确分割幕墙区域并检测微小缺陷，结合多视图立体视觉法三维建模，使得缺陷的识别和定位更加精确，有助于及时发现和预防潜在安全隐患。
1、建筑幕墙作为一种现代化的外围护结构，因其优越的透光性、隔音效果、美观性及防水功能，在全球范围内被广泛应用。然而，随着时间的推移，幕墙的各种部件和材料会面临松动、连接刚度下降、性能退化等问题，这可能导致幕墙板块与其支撑结构之间的连接部位强度减弱，进而引发板块脱落，对下方人员和财产构成严重威胁。为避免这类事故发生，定期大规模检测幕墙状态至关重要，尤其是对于那些使用年限长、经受极端天气考验的幕墙。
2、当前的幕墙检测手段，如超声波和x射线检测，虽能发现结构胶的脱粘情况，但在处理大面积幕墙时效率低下，成本高昂，且易受主观因素干扰，无法满足幕墙健康监测常态化的“智慧楼宇”需求。传统计算机视觉方法依赖大量手动标注的数据集，训练周期长，成本高，而且检测结果的展示方式难以直观呈现给业主，影响信任度，限制了检测业务的发展。
>8、因此，现有技术存在不足，需要进一步改进。
技术实现思路
1、针对现有技术存在的问题，本专利技术提供一种基于全视觉技术的幕墙安全隐患识别方法及系统。
2、为实现上述目的，本专利技术的具体方案如下：
3、本专利技术提供一种基于全视觉技术的幕墙安全隐患识别系统，该系统包括：
4、无人机航拍设备，用于执行两个阶段图像采集任务，第一阶段在远距离以多角度进行大视野拍摄，获取具有重叠率的建筑外表图像；第二阶段采用机械变焦或近距离拍摄小视野图像，聚焦于幕墙细节；
5、图像预处理模块，用于对所述两个阶段获取的图像进行校准、畸变校正、去噪处理与图像增强，并采用自适应金字塔匹配算法实现小视野图像在大视野图像中的快速定位；
6、三维建模与缺陷识别模块，利用多视图立体视觉技术（mvs）基于第一阶段图像，进行特征提取、相机姿态估计、稠密点云生成、网格重建和纹理映射，创建建筑三维模型；
7、并结合语义分割模型（sam），对图像数据进行分割以提取幕墙区域，随后利用滑动窗口进行缺陷检测和分类，结合深度学习模型如resnet进行缺陷识别；
8、缺陷定位贴合模块，根据无人机飞行参数和图像分析结果，精确确定缺陷在三维模型中的位置，并通过网页端接口，便于用户输入缺陷坐标，将识别的缺陷位置贴合到三维模型中，以直观展示幕墙的安全隐患；
9、安全评估模块，根据缺陷的性质和严重程度，将幕墙安全隐患划分为安全、潜在风险、高风险、紧急风险四个等级，并提供相应评估报告。
10、本专利技术还提供一种基于全视觉技术的幕墙安全隐患识别方法，基于上述系统，该方法包括以下步骤：
11、s1，执行无人机航拍图像采集，分为大视野和小视野两个阶段，其中一阶段为大视野拍摄，用于获取具有一定重叠率的大范围建筑外表图像，二阶段为小视野拍摄，用于获取清晰的小范围建筑幕墙图像，确保全面覆盖幕墙；
12、s2，进行图像预处理，包括物理校准、畸变校正、去噪与增强，以及小视野图像在大视野图像中的定位；
13、s3，采用多视图立体视觉技术（mvs）进行三维建模，包括特征提取、姿态估计、点云生成、网格重建和纹理映射；
14、s4，应用sam模型进行图像分割，提取三维建模的幕墙区域，并通过滑动窗口技术进行缺陷识别和分类；
15、s5，缺陷定位，根据无人机数据和图像信息，精确定位大缺陷和小缺陷在三维模型中的实际位置，并通过网页端展示；
16、s6，安全评估，根据缺陷的性质和程度，将幕墙安全性分为四个等级，指导维护决策。
17、进一步地，在步骤s1中，无人机航拍图像采集的方法，包括：
18、确定起飞地点，调整无人机方向及相机角度；
19、大视野拍摄阶段无人机在距离建筑物较远处，通过正对视角，多角度拍摄获得图像，每幅图中可有较多幕墙板块；
20、小视野拍摄阶段通过机械变焦或近距离拍摄，获得每幅图中只包含少量板块且细节清晰可见的图像。
21、进一步地，在步骤s2中，图像预处理，具体包括：
22、图像校准、畸变校正、白平衡校准、曝光校准、色彩校准、镜头畸变校正、高斯滤波减少噪声、usm锐化算法和直方图均衡化增强图像锐度和对比度；
23、对二阶段的小视野航拍图像采用自适应金字塔匹配算法定位至大视野图像中。
24、进一步地，在步骤s3中，三维建模方法，具体包括：
25、特征提取和匹配，相机姿态估计，稠密点云生成，网格重建，纹理映射；
26、其中，特征提取和匹配使用sift、surf算法，相机姿态估计通过structure frommotion实现。
27、进一步地，在步骤s4中，缺陷识别的方法，具体包括：
28、使用sam模型对图像数据进行分割，提取幕墙区域；
29、使用滑动窗口对提取的幕墙区域进行缺陷检测和分类；
30、sam模型包括图像编码器、提示编码器和掩码解码器，用于分割出幕墙区域。
31、进一步地，在步骤s5中，缺陷定位方法，具体包括：
32、对于一阶段图像缺陷，对缺陷幕墙图像进行透视变换，校正透视失真的幕墙图像，计算校正后的幕墙图像中各个面板中心距离幕墙图像中心的图像距离，即像素点的个数；
33、依据校正后的幕墙面板图像与实际幕墙图像成比例的关系，通过测量实际幕墙面板的图像宽度和实际宽度，换算出各个面板距离图像中心点的实际垂直距离，也即各个面板中心与航拍镜头的垂直距离；
34、结合无人机采集图像时的飞行高度，确定幕墙各个面板的垂直高度，对于一张图像中同高度其他面板也是同理计算出真实位置；
35、根据每块面板的真实位置，贴合到三维模型中以展示缺陷，对于二阶段图像缺陷，结合其与阶段一图像的相对位置和阶段一图像的绝对位置，定位至三维模型中。
36、进一步地，在步骤s6中，安全评估方法，包括：
37、结合缺陷的种类及产生缺陷的程度来判定幕墙的安全性，具体包括密封胶开裂、幕墙变色、金属连接件表面锈蚀、板块有微小裂缝；
38、根据实际检测经验为幕墙缺陷对安全的影响程度设定四个安全等级，包括安全、潜在风险、高风险和紧急风险。
39、进一步地，四个安全等级的判断本文档来自技高网...
【技术保护点】
1.一种基于全视觉技术的幕墙安全隐患识别系统，其特征在于，该系统包括：
2.一种基于全视觉技术的幕墙安全隐患识别方法，基于权利要求1所述的系统，其特征在于，该方法包括以下步骤：
3.如权利要求2所述的基于全视觉技术的幕墙安全隐患识别方法，其特征在于，在步骤S1中，无人机航拍图像采集的方法，包括：
4.如权利要求2所述的基于全视觉技术的幕墙安全隐患识别方法，其特征在于，在步骤S2中，图像预处理，具体包括：
5.如权利要求2所述的基于全视觉技术的幕墙安全隐患识别方法，其特征在于，在步骤S3中，三维建模方法，具体包括：
6.如权利要求2所述的基于全视觉技术的幕墙安全隐患识别方法，其特征在于，在步骤S4中，缺陷识别的方法，具体包括：
7.如权利要求2所述的基于全视觉技术的幕墙安全隐患识别方法，其特征在于，在步骤S5中，缺陷定位方法，具体包括：
8.如权利要求2所述的基于全视觉技术的幕墙安全隐患识别方法，其特征在于，在步骤S6中，安全评估方法，包括：
9.如权利要求8所述的基于全视觉技术的幕墙安全隐患识别方法，其特征在于，四个安全等级的判断具体如下：
...
【技术特征摘要】
1.一种基于全视觉技术的幕墙安全隐患识别系统，其特征在于，该系统包括：
2.一种基于全视觉技术的幕墙安全隐患识别方法，基于权利要求1所述的系统，其特征在于，该方法包括以下步骤：
3.如权利要求2所述的基于全视觉技术的幕墙安全隐患识别方法，其特征在于，在步骤s1中，无人机航拍图像采集的方法，包括：
4.如权利要求2所述的基于全视觉技术的幕墙安全隐患识别方法，其特征在于，在步骤s2中，图像预处理，具体包括：
5.如权利要求2所述的基于全视觉技术的幕墙安全隐患识别方法，其特征在于...
【专利技术属性】
技术研发人员：程超，高崇亮，张维，许怀林，
申请(专利权)人：中建深圳装饰有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。