中国工程论文网
代写工程论文
当前位置:工程论文网 > 控制工程论文 > 基于数字图像处理控制技术建筑工地钢筋计数的方法

基于数字图像处理控制技术建筑工地钢筋计数的方法

时间:2017-09-24 17:50来源:www.e-lunwen.com 作者:lgg 点击:
本文是控制工程论文,本文包涵了众多图像处理的技术,是基于 VS 和 OPENCV 的一套完整的钢筋计数系统。通过采集的图像样本测试,结果准确率高。
第 1 章   绪  论 
 
1.1   课题研究背景及意义 
近年来,城市发展迅速高楼大厦平地而起,钢筋作为建筑行业的必需品也伴随着城市的发展需求量迅猛的增加。随着科技的发展,建筑行业也想打破传统行业的束缚,并不是一味的依靠低价的劳动力赚取利润。想通过利用一些科技的产物来代替一些重复性、乏味性的工作来节约人力成本,提高工作效率从而创造更大的效益。 在各种建筑工地,钢筋是不可或缺的原材料,每天都需要使用大量的钢筋。由于每座楼房甚至不同房屋所需要的钢筋长度与规格(直径)是大不相同的,购买回来的钢筋都是按照所需要求裁剪成一根一根成捆运输到建筑工地的。单纯的过磅,按照钢筋重量交易是不太可信的。因此,在钢筋进入建筑工地时,对钢筋数量进行快速,准确的统计数量是不可或缺的环节。 目前,建筑企业对成捆钢筋的计数依然采用人工清点的方式进行。虽然出厂的时候会把数量以及规格用一个铁牌挂在每捆钢筋上,但是建筑工地也会让一个工人进行复查点数,然后才能入库。计数员通常都是用粉笔边在钢筋横截面打点做标记边数数,这样的方式不能被中断、不能分神不然很容易造成最后结果不准确。当钢筋捆数过多时,人的眼睛长期面对很对圆的截面会出现视觉疲劳,也会导致错数、漏数。甚至有些工人为了应付工作乱数一个数值作为最后的结果。这样会对建筑企业造成较严重的损失。面临这种问题,采用什么方式来代替人工点数,成为建筑工地迫切的需求。 随着图像处理技术的深入发展,国内外学者们早已开始探索如何使用计算机系统来解释图像,即计算机视觉,也称为图像理解[1]。随着科技的迅速发展,计算机的运算速度愈来愈快,采集图像的设备价格愈来愈低,而且图像的质量愈来愈高,再加上图像处理的高效率算法不断涌现,越来越多的研究人员把数字图像识别技术应用到棒材计数中[2]。通过采集钢筋横截面的图像,经过一系列的图像处理从而识别出钢筋的数量,最后统计结果。
..........
 
1.2   国内外棒材计数研究现状 
计算机视觉的起源可以追溯到二十世纪50年代,起源的目的是识别和分析2D图像,然后随着社会的发展,科技的发达,视觉领域涌现了许多新方法,针对的面更加广泛。国外对棒材计数研究可以追溯到二十世纪 70 年代[4],但是那个时候并没有引入图像处理而是应用一个机械手进行分拣计数的设备。然后有人应用图像处理技术来识别处理棒材图片,以便达到自动技术目的[5],在生物领域,Ganias 研究了用过一些特征参数数字图像处理方法和对周围形态特征检测计数进行鱼卵的计数[6]。 国外起步早,技术相对成熟,但是覆盖的范围不全。引进该设备耗资也大,不适合我国国情。在钢铁行业急速前进的时期,特别是建国建设时期,对钢材的需求量是极大的。我国学子也很重视这类问题,各大高校也均有投入资源研究。 罗三定、沙莎等在《棒材生产在线视觉计数系统研究》一文中,针对轧钢厂棒材生产工艺的状况,为实现标准化打捆包装的要求:设计了一个在线计数控制装置,研究了实时视觉图像处理,在线棒材识别算法和  k 级容错计数技术,并应用于含有各种干扰的实际生产过程[7],实现了棒材在线快速计数和分钢自动化操作[7]。 张琳提出基于 VC 的棒材自动计数方法的研究与应用[8],提出了一种分割算法,对图像进行分割,得到二值化图像,通过 8-邻域距离识别从而计数。
........
 
第 2 章  钢筋图像的分析与预处理 
 
2.1   钢筋图像的初步分析 
一般情况下建筑工地的环境较为复杂,往往无法采集到容易处理的具有标准化的图像。钢筋之间有的紧密贴合,容易被误判为一根钢筋;光照情况随场地或时间变化而不同,拍出的图像光照情况各不相同;图像中钢筋表面并不总是在一个水平面上,有的钢筋会突出,有的钢筋会陷在里面,给图像识别带来困难。解决这些棘手的问题往往是钢筋横截面识别课题的关键。 在对样本图像中的钢筋进行识别之前,首先要对图像进行一定的前期预处理。图像的预处理旨在对图像做一系列简单的处理后,使后期的图像便于分析和操作,其中也包括:突出图像中关键部分的一些特征,一般图像预处理包含平滑滤波,颜色空间转换,灰度变换等等。这些预处理虽然有时会丢失一部分图像中的信息,但也能突出图像中对本课题有用的信息。所以如何进行有效的预处理,从而丢弃无用的信息而突出有用的信息便是图像预处理的重中之重。本文对钢筋横截面图像的预处理包含了对图像的灰度变换以及平滑滤波,以便之后的钢筋识别更加准确。   
.......
 
2.2   颜色的空间以及图像的灰度化 
颜色空间指的是颜色的具体组成方式,也被称作彩色模型,这些模型对不同的颜色有着不同的描述方法,按照这些描述方法可以标准的在计算机上存储图像的颜色信息。颜色空间非常多的种类,较为常见的包括有 RGB,CMY,HSV,HSI 等。RGB 颜色模型是最常见的颜色模型之一,在这个模型下所有可能的颜色都可以通过不同深浅的红,绿,蓝三种颜色合成。对于 24 位深度的图像来说,红绿蓝中每一个颜色成分都由 0 到 255 之间的数值来表达。 在 RGB 彩色模型下,每幅图都可以分为红,绿,蓝 3 副分量图像。当送入 RGB 显示器之后,3 副图像便会在显示器上合成一幅彩色的图像。若一副 RGB 图像中,每一副红,绿,蓝图像都是深度为 8bits 的原色图像,那么可以说合成出的彩色图像是具有24bits 的深度的彩色图像,一般这也被称为全彩色图像。在 24bits 的全彩色图像中,颜色的总数可以达到(28)3之多,完全可以满足对彩色图像的描述。人们设计了许多算法把RGB 数值映射到颜色的感知特性,通常把这些映射得到的颜色空间称为感知的颜色空间,包括 HIS,HSV,LHS,GLHS 等[13]。 
........
 
第 3 章  钢筋横截面图像的分割 ....... 18 
3.1    钢筋横截面图像分割 ........ 18 
3.2   阈值分割 .......... 18 
3.2.1   双峰法 ........... 19 
3.2.2   迭代法 ........... 21
3.3   改进的最大类间方差法 .... 22 
3.4   形态学处理 ...... 26
3.5  本章小结 .......... 30 
第 4 章  钢筋横截面二值图连通区域标记 ......... 31 
4.1    图像像素之间的关系 ........ 31
4.2   像素的邻接、连接和连通 ......... 32 
4.3   轮廓跟踪标定连通区域 .... 33
4.4   本章小结 .......... 37 
第 5 章  钢筋横截面图像的目标计数 ........ 38 
5.1   目标识别计数概述 ............ 38
5.2    基于连通区域面积的计数法 ..... 40 
5.3   计数系统构成与实验结果分析 ........... 42
5.4   安卓系统软件 ........... 45 
5.5   本章小结 .......... 48 
 
第 5 章  钢筋横截面图像的目标计数 
 
对于钢筋目标的计数是整个课题中最后的一步。在经过了预处理、图像二值化、形态学处理、连通区域标定之后,所得图像中的已经非常利于计数处理。本章首先介绍了几个常用的目标计数方法,然后利用面积法对图像进行计数计算,最后对本系统方法进行结果分析。
 
5.1   目标识别计数概述 
匹配法主要是利用已知的图像模板或是特征在图像中进行寻找匹配,找出与给定图像模板或特征相似的部分。其中匹配法又分为了模板匹配和特征匹配。 模板匹配是利用给定的模板,在整幅图像中进行滑动匹配,对每一个区域中的像素值与给定模板的像素值进行相似性计算,判断此区域是不是给定的模板图像。一般情况下,只有当模板与图像中的目标几乎一样时才会得到较好的相似度,例如亮度,角度,或是面积等因素都会影响模板匹配的效果。对于钢筋横截面各种形状不规则,表面层次不齐的目标来说,模板匹配要准确识别出钢筋难度较大。 特征匹配主要是通过提取图像中目标区域的一些特征,然后利用这些特征来进行匹配,计算出相应的相似度。特征匹配中利用的特征往往具有旋转不变性,尺度不变性等特征,例如 SIFT 特征。利用这样的特征可以在目标物体旋转,或者缩放的情况下定位到目标物体的位置。对于目标物体的形状匹配也是一种常用的方法,一般先要对图像进行边缘检测,然后利用检测出的边缘点求取相应的特征,例如 Hu 不变矩,这样就可以利用物体的形状情况来进行匹配,在工业领域的应用非常广泛。虽然特征匹配往往能在复杂的环境下取得较好的效果,但是运算往往较为复杂,对于已经被分割的二值化钢筋横截面图像来说并不需要用如此复杂的算法,而且由于每一根钢筋的端面形状不一,用匹配的方法往往也不能取得较好的效果。最后选取了一个良好的钢筋图像模板对识别图像进行匹配,最终结果比钢筋本身数量偏少,且偏大比较大,所以本课题不采用匹配法对钢筋目标进行计数。 
........
 
总结 
 
近年来计算机视觉领域发展迅猛,随着计算机运算能力不断加强,计算机视觉技术开始被运用于各行各业之中,且均取得了良好的效果。目前在国内,钢筋的计数主要还是由人工来进行计数,不但效率低,准确度不高,而且还花费了大量的劳动力。因此为了满足建筑工地的需求,本文将计算机视觉技术引入了其中,开发设计了基于图像的钢筋识别计数系统。 回观本文的研究工作,主要包括以下内容: 
1)  分析了钢筋横截面图像的基本情况:钢筋图像主要由钢筋目标与背景区域组成,一般往往处在背景复杂的环境之中,且钢筋之间大多存在粘连的情况。根据这些情况,对钢筋进行了一定的预处理:对图像进行灰度化,简化运算,提高效率;对图像进行直方图均衡化,挖掘出图像中关键的细节,突出钢筋表面;对图像进行平滑滤波,介绍了 3 典型的滤波方法,并进行分析比较,最终采用中值滤波和高斯滤波的组合滤波来完成去噪并突出钢筋横截面的工作; 
2)  研究了图像阈值分割领域的 3 种基本算法,进行分析各种方法的优缺点后决定采用最大类间方差法,并对最大类间方差法进行改进,将类内方差纳入判定准则之中,更加有利于满足图像目标区域的一致性,并对比了经典和改进后的最大类间方差法,证明改进后算法的更加适合钢筋识别计数系统。研究了形态学操作的 4 种基本算法,根据钢筋二值化图像的实际情况选择了腐蚀后开运算的组合形态学操作来分割粘连的钢筋横截面,取得了较好的效果; 
3)  研究了像素点的邻域,连接和连通概念,用以解释了连通区域。之后详细分析了轮廓跟踪算法,利用轮廓跟踪法完成了对分割后图像的连通区域标定,得出良好的结果,对钢筋计数做了很大的帮助;
4)  研究了计算机视觉识别领域的 3 中经典算法,分析了其不适用于识别钢筋横截面图像的原因,并提出利用连通邻域的面积进行计数的方法。在阐述了计数准则之后,对钢筋图像进行计数测试,效果良好.
.........
参考文献(略)
(责任编辑:gufeng)
顶一下
(0)
0%
踩一下
(0)
0%
------分隔线----------------------------
发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
栏目列表
点击提交代写需求
点击提交代写需求
点击提交代写需求
推荐内容