基于机器视觉和深度学习的空间结构球节点位移测量方法

作者：王一江; 罗尧治^*

来源：空间结构, 2019, 25(04): 60-42.

DOI：10.13849/j.issn.1006-6578.2019.04.060

• 空间结构
• 球节点
• 机器视觉
• 深度学习
• 位移测量
• 自动识别

随着信号处理和计算机技术的发展,机器视觉在科学研究和工程实践中得到了广泛的应用,在土木工程领域也越来越多地用于结构的应变和位移测量.但由于空间结构形态复杂、尺度大、测量操作繁琐等原因,机器视觉在空间结构位移测量领域还存在标记点布设难度大、目标点匹配困难、图像处理过程复杂等问题.近年来,随着以深度学习为代表的人工智能技术的快速发展,图像自动分类识别问题已经取得了巨大的突破,这也为空间结构位移测量提供了新的思路.本文提出一种基于深度学习的球节点自动检测和定位方法,并利用机器视觉原理对空间结构球节点进行图像匹配和三维重建,实现节点位移的测量.此方法可以快速对图像中所有球节点自动识别和定位,在保证精度的前提下大大减少图像处理时的工作量.通过对空间网架的球节点进行位移测量试验,验证了本方法可以完成空间结构球节点的三维位移测量任务,提高了测量效率,在空间结构位移监测领域有良好的应用前景.

• 单位
  浙江大学