【技术实现步骤摘要】
本专利技术涉及钢筋笼检测，具体涉及一种基于霍夫聚类的钢筋笼图像化参数快速提取方法。
技术介绍
1、在现代建筑工程中，钢筋笼作为关键的承重和结构构件，其质量和精度直接影响建筑的安全性和稳定性，特别是在工程监理过程中，对钢筋笼的参数进行实时、精确的监控至关重要。
2、传统的钢筋笼检测方法主要依赖人工测量，当前的钢筋笼参数提取工作通常包括对主筋间距、旋筋间距等关键参数的量测，然而，人工量测过程不仅耗时费力，且容易受到人为因素的影响，导致测量误差，难以满足工程监理对高效性和精确性的需求，这种情况导致工程监理无法实时、准确地掌握钢筋笼的施工质量，进而增加了建筑安全隐患，甚至可能引发严重的工程事故。
3、随着建筑工程技术的不断发展，自动化检测和参数提取方法逐渐成为钢筋笼检测领域的趋势。传统的三维点云扫描技术可以通过激光扫描仪或其他传感器获取钢筋笼的精确三维坐标数据，生成包含大量点的三维点云，用于几何分析和精细测量，然而，尽管这种方法具有高精度的优势，其数据处理和分析过程相对复杂，难以满足工程监理对快速响应和实时监控的要求。
技术实现思路
1、为了解决现有技术中存在的问题，本专利技术提供一种基于霍夫聚类的钢筋笼图像化参数快速提取方法。该方法包括：采集钢筋笼点云数据并进行预处理后转化为二维形式得到钢筋笼图像；对钢筋笼图像进行形态学处理，并利用霍夫聚类结合多维特征融合的方法对形态学处理后的钢筋笼图像进行分类，得到钢筋笼各个部件对应的像素体；利用预先构建的加速提取结构将钢筋笼各
2、本专利技术采用如下技术方案，一种基于霍夫聚类的钢筋笼图像化参数快速提取方法，包括：
3、采集钢筋笼点云数据并进行预处理；
4、将预处理后的钢筋笼点云数据转化为二维形式，得到钢筋笼图像；
5、对钢筋笼图像进行形态学处理，并利用霍夫聚类结合多维特征融合的方法对形态学处理后的钢筋笼图像进行分类，得到钢筋笼各个部件对应的像素体；
6、利用预先构建的加速提取结构将钢筋笼各个部件对应的像素体映射至三维点云，得到钢筋笼各个结构对应的三维点云；
7、根据钢筋笼各个结构对应的三维点云提取钢筋笼各个部件的参数。
8、进一步的，采集钢筋笼点云数据并进行预处理的方法为：
9、采用统计离群点滤波方法对所述钢筋笼点云数据进行离群点去除；
10、设定区域阈值选取所述钢筋笼点云数据中的地面点，采用基于随机采样一致算法将钢筋笼点云数据中的无关地面点去除。
11、进一步的，对钢筋笼点云数据进行预处理之后，还包括：
12、对预处理后的钢筋笼点云数据进行正则化处理，具体步骤为：
13、使用主成分分析算法计算点云数据的主要方向并对齐坐标轴；
14、对点云计算协方差矩阵，并进行特征值分解，得到特征值和特征向量；
15、使用特征向量构建的矩阵作为旋转矩阵，将点云旋转对齐到主要轴向，完成对预处理后钢筋笼点云数据的正则化处理。
16、进一步的，钢筋笼图像进行形态学处理的方法为：
17、设钢筋笼图像为i(x,y)，结构元素为b，腐蚀操作后的钢筋笼图像为ieroded(x,y)，腐蚀过程表示为：
18、
19、对腐蚀操作后的钢筋笼图像执行形态学膨胀操作，构建结构元素c，膨胀操作结果图像为idilated(x,y)，膨胀操作表示为：
20、
21、其中，u表示图像横坐标轴向像素索引值，v表示图像纵坐标轴向像素索引值。
22、进一步的，利用霍夫聚类结合多维特征融合的方法对形态学处理后的钢筋笼图像进行分类，包括：
23、采用canny算子对形态学处理后的钢筋笼图像进行边缘检测；
24、将边缘检测后的钢筋笼图像转换至霍夫空间中，得到钢筋笼图像在霍夫空间中的像素分布；
25、将所述像素分布组合为多维特征向量，并采用基于特征向量的聚类算法对所述多维特征向量进行聚类，得到钢筋笼图像的各个部件。
26、进一步的，将所述像素分布组合为多维特征向量，并采用基于特征向量的聚类算法对所述多维特征向量进行聚类，包括：
27、根据钢筋笼图像在霍夫空间中的像素分布，构建钢筋笼图像中的输出线段；
28、根据所述输出线段构建多维特征向量为：其中，ρi为第i条输出线段在霍夫空间下的极坐标，θi为第i条输出线段的方向角，li为第i条输出线段的长度，为第i条输出线段的中心点横坐标和纵坐标；
29、采用加权k-means聚类对所述多维特征向量中的各个分量进行加权聚类。
30、进一步的，利用预先构建的加速提取结构将钢筋笼各个部件对应的像素体映射至三维点云，具体为：
31、采用kd树构造方法将钢筋笼各个部件对应的像素体映射至三维点云。
32、进一步的，提取钢筋笼各个部件的参数之后，还包括：
33、将钢筋笼各个部件的参数与预先设定的json格式的标准参数进行容许误差内比对。
34、本专利技术的有益效果是：本专利技术通过将钢筋笼的点云数据转化为图像形式，并结合霍夫变换中的线段检测与聚类技术，该方法能够快速识别并提取钢筋笼中的主筋、旋筋和捆筋，特别地，利用霍夫变换过程中的散点分布特征，结合钢筋的特定角度等几何特征，可以精确分类和分析钢筋笼的结构特征，不仅充分发挥了图像处理的速度优势，还结合了点云数据的精度优势，从而显著提高了钢筋笼参数提取的效率。
本文档来自技高网...【技术保护点】
1.一种基于霍夫聚类的钢筋笼图像化参数快速提取方法，其特征在于，包括：
2.根据权利要求1所述的一种基于霍夫聚类的钢筋笼图像化参数快速提取方法，其特征在于：采集钢筋笼点云数据并进行预处理的方法为：
3.根据权利要求1所述的一种基于霍夫聚类的钢筋笼图像化参数快速提取方法，其特征在于：对钢筋笼点云数据进行预处理之后，还包括：
4.根据权利要求1所述的一种基于霍夫聚类的钢筋笼图像化参数快速提取方法，其特征在于：钢筋笼图像进行形态学处理的方法为：
5.根据权利要求1所述的一种基于霍夫聚类的钢筋笼图像化参数快速提取方法，其特征在于：利用霍夫聚类结合多维特征融合的方法对形态学处理后的钢筋笼图像进行分类，包括：
6.根据权利要求5所述的一种基于霍夫聚类的钢筋笼图像化参数快速提取方法，其特征在于：将所述像素分布组合为多维特征向量，并采用基于特征向量的聚类算法对所述多维特征向量进行聚类，包括：
7.根据权利要求1所述的一种基于霍夫聚类的钢筋笼图像化参数快速提取方法，其特征在于：利用预先构建的加速提取结构将钢筋笼各个部件对应的像
8.根据权利要求1所述的一种基于霍夫聚类的钢筋笼图像化参数快速提取方法，其特征在于：提取钢筋笼各个部件的参数之后，还包括：
...【技术特征摘要】
1.一种基于霍夫聚类的钢筋笼图像化参数快速提取方法，其特征在于，包括：
2.根据权利要求1所述的一种基于霍夫聚类的钢筋笼图像化参数快速提取方法，其特征在于：采集钢筋笼点云数据并进行预处理的方法为：
3.根据权利要求1所述的一种基于霍夫聚类的钢筋笼图像化参数快速提取方法，其特征在于：对钢筋笼点云数据进行预处理之后，还包括：
4.根据权利要求1所述的一种基于霍夫聚类的钢筋笼图像化参数快速提取方法，其特征在于：钢筋笼图像进行形态学处理的方法为：
5.根据权利要求1所述的一种基于霍夫聚类的钢筋笼图像化参数快速提取方法，其特征在于：利用...
【专利技术属性】
技术研发人员：陈杰，彭飞，黄发泽，周越，王浩钊，李宏，周佳雯，陈凯，
申请(专利权)人：海南电网有限责任公司建设分公司，
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。