CN119417787A 一种结构表面多病害三维测量方法、装置、设备及介质 （广州大学）

一种结构表面多病害三维测量方法、装置、本申请提供了一种结构表面多病害三维测GPS坐标信息的图像序列；使用三维重建技术对提取法和边界点提取算法提取裂缝点云对应骨2初始三维模型构建：使用三维重建技术对图像序列深度计算病害确定及点云处理：通过语义分割网络识别图像序列获得各病害语害语义图中病害像素值转换为指定RGB属性值的颜色；通过深度图融合算法将深度图与处裂缝宽度计算：使用骨架提取法分别提取各平面裂缝点云的骨架点剥落点体积计算：根据各剥落点背景平面方程扁平化锈蚀面积计算：计算锈蚀云实例各点的法线方向，并利用泊松将各图像进行尺度缩放，并使用三维重建技术对缩放尺度的图像多病害数据集制作：使用标注软件对尺度缩放后的二维图像病害语义分割：使用数据集训练语义分割网络直至收敛，生成语义模型和定位多类型病害：各病害语义图像替换尺度3病害点云的提取：根据各病害点云对应的色彩属性值，提取背景平面检测：对各病害点云手动裁剪出病害周围缝长度方向在裂缝宽度中心位置生成中心点并作确定计算骨架点对：使用Kruskal最小生成树算法处理裂缝骨架点，生成骨架点对集剥落平面点生成：根据各剥落点背景平面方程扁平化剥落点云法线方向对齐：将剥落点云实例的所生成封闭曲面网格剥落模型：合并法线方向调整后的剥落体积测量：利用PyMeshLab开源库中的get_geometri4初始模型生成模块，用于使用三维重建技术对图像序列病害确定及点云处理模块，用于通过语义分割网络识别图像序列获得各病害语义图，并将各病害语义图中病害像素值转换为指定RGB属性值的颜色；通过深度图融合算法将深裂缝宽度计算模块，使用骨架提取法分别提取裂缝点云的骨架点集取算法提取裂缝点云对应骨架点集的边界点集，根据获取的各骨架点集及对应的边界点剥落点体积计算模块，用于根据各剥落点背景锈蚀面积计算模块，用于计算锈蚀云实例各点的法线方向5[0009]为克服相关技术中存在的问题，本公开提供一种结构表面多病害三维测量方法、6各病害语义图中病害像素值转换为指定RGB属性值的颜色；通过深度图融合算法将深度图7所述计算机程序时实现如上述所述的结构表面多病害三[0028]图1为本说明书一个或多个实施例提供的一种结构表面多病害三维测量方法流程[0034]图7为本说明书一个或多个实施例提供的生成的复杂网状裂缝骨架点和边界点示[0035]图8为本说明书一个或多个实施例提供的基于骨架点引导的三维裂缝宽度自动计[0040]为了使本技术领域的人员更好地理解本说明书一个或多8素值转换为指定RGB属性值的颜色；通过深度图融合算法将深度图与处理后的各病害语义9[0058]图像数据采集是通过使用相机以从上至下或从下至上环绕拍摄的方式对目标结数替换初始相机参数并生成绝对尺度的三维模型。abs=R。[0072]将步骤S23的3D相似性矩阵与步骤S21稀疏场景模型进行点乘，即Preal-size=Msimilarity[0074]基于步骤S24的稀疏模型，结合步骤S22计算的深度图和步骤S21尺度缩放后的图[0075]本实施例使用无人机以环绕飞行的方式采集携带GPS经纬度坐标的图像，提取每张图像中心对应的GPS坐标信息尺度恢复。使用三维重建技术对缩放尺度的无人机图像深将各病害语义图与初始三维模型进行融合获得生成具有病害语义的三维点[0085]将步骤S311中的各病害语义图像替换步骤S21中的对应的尺度缩放后的原始图[0086]在一具体实施例中，将步骤S311中的各病害语义图像替换步骤S21中的对应的尺[0089]具体的，可通过判断各点的颜色是否落在指定的RGB颜色区间内来确定点云中的[0094]对步骤S322中降噪后的各病害点云手动裁剪出病害周围的结构表面点作为背景[0097]使用点云聚类算法分别处理步骤S322滤波后的病害点云[0098]在一具体实施例中，使用OPTICS点云聚类算法分别处理步骤S11滤波后锈蚀和剥提取算法提取裂缝点云对应骨架点集的边界点集具体包括以[0101]利用OPEN3D开源点云处理库中的边界点检测函数处理步骤S14中得到的三维裂缝[0103]使用拉普拉斯收缩算法或L1_中值骨架提取法处理步骤S410中裂缝边界点，沿裂[0105]使用Kruskal最小生成树算法处理步骤S411生成的裂缝骨架点，生成骨架点对集[0108]基于步骤S412骨架点对集合和预设的初始半径r0，每一骨定球域内的边界点数量是否落在预设范围内，最终得到各骨架点对应球域内候选点集合[0117]具体的边界候选点对确定过程为，基于位于第二平面P2不同侧的候选点pL,i,j和[0126]根据各剥落点背景平面方程扁平化步骤S4获得的剥落点云实例得到剥落平面具体的可使用RANSAC算法分别为步骤S4输出的剥落点云实例投影到拟合的背景平面P0上，[0128]将剥落点云实例的所有点和步骤S510输出的剥落平面点对应的所有点估计法线normals()函数分别为步骤S13中的立体剥落实例和步骤S510输出的剥落平面点的每个点这里采用的方法是将来自不同部分的点的法线为0.0001；使用pymeshfix开源库中的fill_small_boundaries()函数填补重建后网格模[0133]利用PyMeshLab开源库中的get_geometric_m[0137]OPEN3D开源库中的estimate_normals()函数为步骤S4获得的锈蚀点云实例估计[0139]利用PyMeshLab开源库中的get_geometric_measure[0140]本实施例方法，该方法充分利用无人机的定位信息自动恢复三维模型的绝对尺别并提取单独病害实例，只需要使用普通消费级无人机拍摄的图像即可实现表面病害测器执行时实现上述实施例中结构表面多病害包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM