基于坐标的施工图像中对象识别研究.docx

    基于坐标的施工图像中对象识别研究    摘要：提出一种基于图像处理技术的施工进度信息提取方法，结合项目管理的工作分解结构原理，通过自动化应用现代摄影技术整合已建成的施工进度的过程，以更好地跟踪和控制施工进度最后在基础工程中静压桩的施工过程中，验证基于图像处理方法提取信息的准确性，指导工程项目施工关键词：图像处理；施工进度；自动化进度控制是工程项目管理工作的首要内容，其实质是依据实际进度与计划进度之间的偏差采取措施，使之回到计划所预定的轨道上来，在与质量、费用目标协调的基础上，实现工期目标[1]近年来，图像处理已经在土木工程中的多个子领域，如工程文件扫描，路面破损评估，卫星遥感影像现场评估，土壤结构的评价等，都得到了广泛和成功地应用[2]Memon等[3]通过图像来评估施工进展，他们使用商业软件来重建现场的3D模型，并结合计划的CAD模型进行比较分析由此可见，基于图像处理的施工进度控制的发展潜力和发展需求是很大的笔者基于图像处理的方法，在基础工程施工过程中监测现场活动及时跟踪，分析评估施工进度，探索项目控制的先进模式一、图像处理技术和算法1.图像采集施工现场图像采集是施工进度控制的第一步，所采集的图像数据的质量，将直接影响基于图像处理技术的进度信息的准确性。

首先，相机拍摄位置应该有较高的高度，其次，多拍摄点的设置将有效削弱视线阻挡带来的数据质量误差问题最后，相机必须能够实时有效的传输数据，将所获取的站点图像数据传输和保存到主服务器2.基于工程图的识别算法2.1坐标获取感兴趣对象的所有相关数据和参数可从具有通常绘制在不同层上或以不同颜色呈现的不同结构元件的CAD工程图获得因此，可以预先自由地获得感兴趣对象的3D等距视图，通过图像上特征像素的坐标数据与工程图相对应特征的坐标进行匹配，就能建立两幅图像间的对应关系2.2仿射变换在openCV中，采用warpAffine()函数，对图像进行仿射变换操作，通常使用2*3矩阵来表示仿射变换其中，src为原始图像，dst为变换后的图像2.3滤波处理在进度控制中，最具挑战性的步骤是识别感兴趣的对象，各种结构部件（例如工程桩和混凝土柱）以及现场设备因为图像中的这些感兴趣对象的大小，形状和位置随着项目进展而频繁地改变，并且存在严重的背景噪声，所以一般需要将对采集到的图像经过灰度转换、图像增强、图像平滑、阈值分割和去除噪声等预处理2.3ROI设置ROI（regionofinterest），感兴趣区域的设置，既是在经过坐标配准后的图像上，根据结构构件所处的实际坐标值来设置矩形或者圆形区域，对每一个感兴趣的结构构件进行识别。

在对变换后图像设置ROI，对图像的处理都将仅限于ROI区域根据每个结构构件的实际位置和结构特征，设置合适大小和位置的ROI，就能准确、快速的识别出感兴趣的信息2.4结构体搜索结构体搜索的过程，既是在ROI区域中搜索局部极大值区域的过程，也是对ROI区域进行逐个识别分析的过程它只对图像中结构构件所在区域进行搜索，在openCV中应用相关函数进行搜索：1）使用Threshold()检测边缘2）使用findContours()找出轮廓3）用approxPolyDP()指定精度逼近多边形曲线4）对给定的2D点集，使用minEnclosingCircle()寻找最小面积的包围圆形由此可以得到图像中所有感兴趣结构构件的施工状态，既构件所在坐标区域是否已经开展施工或者已经建造完成二、结果验证在某学院教学楼建设期间，由大疆无人机拍摄的原始图像,用于监测基础工程静压桩的施工进程.在每个阶段中，影响算法可靠性和准确性的因素有很多例如，在坐标获取阶段，特征点的个数和分布，以及原始图像上特征点坐标的获取，都会受到施工现场环境和图像噪声的影响为了获得最佳的效果，特征点选取不得少于三个并均匀分布在图像上这种对准过程是手动进行的，该过程的自动化，对准精度以及对图像拐角周围的失真效应的考虑留待以后研究。

当获得图像特征点坐标数据后，就能与施工图坐标进行仿射变换，以得到具有施工图上实际坐标的每一个像素点在图像滤波处理阶段，光照强度和现场噪声都会对原始数字图像产生强烈的影响在多云和有雾的天气条件下进行拍摄，有些静压桩未能成功检测到，这仍然是所提出算法的主要挑战静压桩识别的最关键步骤，就是依据施工图所提供的结构体实际坐标，选取合适的ROI区域来进行搜索当在感兴趣区域中搜索到符合机构体特征的多边形后，就对该多边形进行标记并与该坐标点进行关联，接着搜索下一个感兴趣区域，直到所有区域都被搜索完毕三、结论在这项研究中，一种新的对象提取方法被开发出来用于监测基础工程中静压桩的施工过程经过图像平滑，基于坐标的对象识别，使得图像处理在施工进度中的结构体识别发挥出重要作用进度信息也被正确的结构化并以文件格式保存，确保其无缝地转换到进度管理平台使用一系列的批处理以及预先定义的逻辑关系和规则，使得图像数据自动的转换成进度信息，图像处理在进度识别中能达到80%的精度，这种高精度的处理结果，正是基于图像像素以外的其他数据发挥着重要作用，以显著去除在施工图像中产生的不必要的噪声在进一步的研究中，对象识别精度的提高将是工作的主要方向。

例如选取天气状况较好时所拍摄图像，通过施工机具所具有的图像属性，识别施工机具所在进行的活动，从而辅助分析施工进度情况总的来说，本研究开发的图像处理方法在建筑行业进度控制系统中存在巨大的潜力Reference：[1]吴春诚，齐红卫，岳超源，等．大型工程项目进度评价研究［J］．华中科技大学学报(自然科学版)，2007，35(5):127－132．[2]Lee,H.andChou,E.,"SurveyofImageProcessingApplicationsinCivilEngineering",ProceedingsofDigitalImageProcessing:TechniquesandApplicationsinCivilEngineering;1st,p.203-210,1993.[3]Z.A.Memon,M.Z.A.Majid,andM.Mustaffar.Anautomaticprojectprogressmonitoringmodelbyintegratingautocadanddigitalphotos.InASCEInternationalConferenceonComputinginCivilEngineering,Cancun,Mexico,2005.常开龙（1992－），男，湖北荆州，五邑大学经济管理学院2014级硕士研究生，研究方向：施工进度控制  -全文完-。