РАЗРАБОТКА АЛГОРИТМА ОЦЕНКИ ГЕОМЕТРИЧЕСКИХ ХАРАКТЕРИСТИК СТЕН С ПОМОЩЬЮ СИСТЕМЫ ТЕХНИЧЕСКОГО ЗРЕНИЯ
DOI:
https://doi.org/10.22213/2413-1172-2019-4-57-63Ключевые слова:
техническое зрение, дефекты стен, структурированная подсветка, алгоритм оценкиАннотация
Рассматриваются проблемы оценки качества строительных работ. Выявлены основные дефекты стен: отклонение стены от вертикали, выпуклости и вогнутости, отклонения углов сопряжения стен от значения в 90 градусов, конусность дверных и оконных проемов.
Представлен алгоритм функционирования системы технического зрения, позволяющей восстановить трехмерные координаты стен за счет анализа деформации структурированной сетки, проецируемой на них. Ключевыми объектами, по которым производится восстановление геометрии, являются пересечения горизонтальных и вертикальных линий контрастной сетки. Полученные координаты ключевых точек сравниваются с координатами ключевых точек в идеальном случае, т. е. при проекции на абсолютно ровную вертикальную плоскость.
Представлена формула расчета отклонения от вертикали для каждой ключевой точки. Для точной классификации дефектов и определения их количественных характеристик, а также расчета объема материалов для их устранения предложен метод аппроксимации полученных дискретных значений аналитически заданной поверхностью. Рассмотрены наиболее применимые виды поверхностей второго порядка.
В рамках исследования на основе разработанного алгоритма планируется создание функционального программного обеспечения с удобным пользовательским интерфейсом и оценка разработанной системы на практике.Библиографические ссылки
Bakri N.N.O., Mydin M.A.O. General building defects: causes, symptoms and remedial work. European Journal of Technology and Design, 2014, no. 1, pp. 4-17.
Galieva А.B. Defects search during the inspection of civil and industrial buildings and structures on the basis of laser scanning technology and information modeling approach (BIM). MATEC Web of Conferences. EDP Sciences, 2018, vol. 146, p. 01007.
Karavaeva M.V. [Analysis of computer vision systems applied for evaluation of the geometric characteristics of building wall] // Технические университеты: интеграция с европейскими и мировыми системами образования : материалы VIII Междунар. конф. (Россия, Ижевск, 23–24 апреля 2019 г.) : в 2 т. Ижевск : Изд-во ИжГТУ имени М. Т. Калашникова, 2019. Т. 2. C. 437–440.
Pribanic T., Mrvos S., Salvi J. Efficient multiple phase shift patterns for dense 3D acquisition in structured light scanning. Proc. Image and Vision Computing, 2010, vol. 28, no. 8, pp. 1255-1266.
Караваева М. В. Определение количественных характеристик дефектов стен зданий по искажению проецируемой структурированной сетки // Интеллектуальные системы в производстве. 2018. № 4. C. 40–44.
Sagawa R. Calibration of lens distortion by structured-light scanning. Proc. IEEE/RSJ International Con-ference on Intelligent Robots and Systems. IEEE, 2005, pp. 832-837.
Chen C., Kak A. Modeling and calibration of a structured light scanner for 3-D robot vision. IEEE International Conference on Robotics and Automation. IEEE, 1987, vol. 4, pp. 807-815.
Гонзалес Р., Вудс Р. Цифровая обработка изображений. М. : Техносфера, 2006. 1072 с.
Яне Б. Цифровая обработка изображений. М. : Техносфера, 2007. 584 с.
Шапиро Л., Стокман Дж. Компьютерное зрение. М. : БИНОМ. Лаборатория знаний, 2006. 752 с.
Culjak I. A brief introduction to OpenCV. Proc. 35th international convention MIPRO. IEEE, 2012, p. 1725-1730.
Laganiere R. Open CV Computer Vision Application Programming Cook book Second Edition. Packt Publ. Ltd, 2014, 376 p.
Марчук Г. И. Методы вычислительной математики. М. : Наука, 1980. 608 с.
Dorninger P., Pfeifer N. A comprehensive automated 3D approach for building extraction, reconstruction and regularization from airborne laser scanning point clouds. Sensors, 2008, vol. 8, no. 11, p. 7323-7343.
Pu S., Vosselman G. Knowledge based reconstruction of building models from terrestrial laser scanning data. ISPRS Journal of Photogrammetry and Remote Sensing, 2009, vol. 64, no. 6, pp. 575-584.
Hidayatullah P., Zuhdi M. Colortexture based object tracking using HSV color space and local binary pattern. International Journal on Electrical Engineering and Informatics, 2015, vol. 7, no. 2, p. 161.
Караваев Ю. Л., Клековкин А. В., Лесин С. К. Мультисенсорная информационно-измерительная система мобильного робота для реализации движения в недетерминированной среде // Интеллектуальные системы в производстве. 2016. T. 4. С. 111–115.
