建筑物缺陷定位方法、系统和存储介质

技术领域

本发明涉及建筑物墙面检测技术领域，特别是涉及一种建筑物缺陷定位方法、系统和存储介质。

背景技术

建筑物外墙层面脱落事故屡屡发生，伤人毁物给国计民生造成较大损失。工程应用中针对建筑物外墙层面防脱落检测提出了一定的要求和标准，然而市场上尚未有有效检测手段及设备。

发明内容

基于此，有必要提供一种建筑物缺陷定位方法、系统和存储介质。

一种建筑物缺陷定位方法，包括：

采集建筑物的多帧可见光图像和多帧红外图像，其中各所述可见光图像分别和各所述红外图像一一对应；

获取采集各所述可见光图像和各所述红外图像时的采集信息；

根据各所述可见光图像、各所述红外图像及各所述采集信息生成建筑物模型，所述建筑物模型用于定位所述建筑物的缺陷位置区域。

在其中一个实施例中，所述根据各所述可见光图像、各所述红外图像及各所述采集信息生成建筑物模型包括：

根据各所述采集信息对各所述可见光图像进行图像拼接，以生成初始模型；

筛选各所述红外图像中的缺陷红外图像，并获取所述缺陷红外图像的缺陷位置信息；

根据所述初始模型和所述缺陷位置信息生成所述建筑物模型。

在其中一个实施例中，所述方法还包括：

获取所述建筑物的点云数据，并根据所述点云数据建立所述建筑物的轮廓模型；

根据所述建筑物模型和所述轮廓模型生成实景模型。

在其中一个实施例中，所述根据各所述采集信息对各所述可见光图像进行图像拼接之前，所述方法还包括：

计算相邻两帧所述可见光图像的匹配率；

若所述匹配率超过第一阈值，则删除相邻两帧所述可见光图像中在后一帧所述可见光图像。

在其中一个实施例中，所述方法还包括：

若所述匹配率低于第二阈值，则输出匹配提示信息。

一种建筑物缺陷定位系统，包括：

图像采集模块，用于采集建筑物的多帧可见光图像和多帧红外图像，其中各所述可见光图像分别和各所述红外图像一一对应；

采集信息获取模块，用于获取所述图像采集模块采集各所述可见光图像和各所述红外图像时的采集信息；

处理模块，用于根据各所述可见光图像、各所述红外图像及各所述采集信息生成建筑物模型，所述建筑物模型用于定位所述建筑物区域的缺陷位置区域。

一种建筑物缺陷定位系统，包括：

图像采集装置，用于连续采集建筑物的可见光图像和红外图像，其中各所述可见光图像分别和各所述红外图像一一对应；

控制器，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取采集各所述可见光图像和各所述红外图像时的采集信息；

根据各所述可见光图像、各所述红外图像及各所述采集信息生成建筑物模型，所述建筑物模型用于定位所述建筑物的缺陷位置区域。

在其中一个实施例中，所述图像采集装置包括：

无人机；

多光谱摄像机，搭载在所述无人机上，用于跟随所述无人机的飞行轨迹以预设频率同步采集所述可见光图像和所述红外图像。

在其中一个实施例中，所述建筑物缺陷定位系统还包括：

3D雷达，用于获取所述建筑物的点云数据；

所述处理器还用于根据所述点云数据建立所述建筑物的轮廓模型，并根据所述建筑物模型和所述轮廓模型生成实景模型。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。

上述建筑物缺陷定位方法、系统和存储介质，通过采集多帧建筑物的可见光图像和多帧红外图像，然后获取采集各可见光图像和各红外图像时的采集信息，最后根据各可见光图像、各红外图像及各采集信息生成建筑物模型，从而通过建筑物模型定位建筑物的缺陷位置区域，直观地为工作人员提供外墙层面脱落发生情况。

附图说明

为了更清楚地说明本申请实施例或传统技术中的技术方案，下面将对实施例或传统技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为一实施例的建筑物缺陷定位方法的流程示意图；

图2为根据各可见光图像、各红外图像及各采集信息生成建筑物模型步骤的流程示意图；

图3为另一实施例的建筑物缺陷定位方法的流程示意图；

图4为另一实施例的建筑物缺陷定位方法的流程示意图；

图5为另一实施例的建筑物缺陷定位方法的流程示意图；

图6为一实施例的建筑物缺陷定位系统的结构框图。

具体实施方式

为了便于理解本申请，下面将参照相关附图对本申请进行更全面的描述。附图中给出了本申请的实施例。但是，本申请可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使本申请的公开内容更加透彻全面。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。

可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一阈值称为第二阈值，且类似地，可将第二阈值称为第一阈值。第一阈值和第二阈值两者都是阈值，但其不是同一阈值。

可以理解，以下实施例中的“连接”，如果被连接的电路、模块、单元等相互之间具有电信号或数据的传递，则应理解为“电连接”、“通信连接”等。

在此使用时，单数形式的“一”、“一个”和“所述/该”也可以包括复数形式，除非上下文清楚指出另外的方式。还应当理解的是，术语“包括/包含”或“具有”等指定所陈述的特征、整体、步骤、操作、组件、部分或它们的组合的存在，但是不排除存在或添加一个或更多个其他特征、整体、步骤、操作、组件、部分或它们的组合的可能性。同时，在本说明书中使用的术语“和/或”包括相关所列项目的任何及所有组合。

图1为一实施例的建筑物缺陷定位方法的流程示意图，如图1所示，该建筑物缺陷定位方法包括步骤S110至步骤S130。

步骤S110，采集建筑物的多帧可见光图像和多帧红外图像，其中各可见光图像分别和各红外图像一一对应。

具体的，多帧可见光图像和多帧红外图像分别为连续采集的，在采集可见光图像和红外图像时，可设置采集的时刻，使得连续采集到的相邻两帧可见光图像或红外图像具有重叠的部分。

可以理解，对应的一组可见光图像和红外图像拍摄的是建筑物的同一墙面区域，在一个实施例中，可分别采用两组拍摄装置分别拍摄可见光图像和红外图像，并通过调整两种拍摄装置的位置和视野区域使得在同一时间拍摄到的两种图像为建筑物的同一区域。在另一个实施例中，也可采用一组拍摄装置先拍摄可见光图像，然后根据拍摄的可见光图像处理得到红外图像。在又一实施例中，也可采用一组能够同时得到可见光图像和红外图像的拍摄装置来采集可见光图像和红外图像。

步骤S120，获取采集各可见光图像和各红外图像时的采集信息；

可以理解，采集信息可为采集可见光图像和红外图像的时间信息或图像顺序信息，对应的一组可见光图像和红外图像的采集信息相同。具体的，若采用两组拍摄装置分别拍摄可见光图像和红外图像，则采集信息为两组拍摄装置同时采集可见光图像或红外图像的时间信息或图像顺序信息；若采用一组拍摄装置先拍摄可见光图像，然后根据拍摄的可见光图像处理得到红外图像，则可见光图像和红外图像的采集信息可为采集可见光图像时的时间信息或图像顺序信息；若采用一组能够同时得到可见光图像和红外图像的拍摄装置来采集可见光图像和红外图像，则采集信息为同时采集可见光图像和红外图像时的时间信息或图像顺序信息。

步骤S130，根据各可见光图像、各红外图像及各采集信息生成建筑物模型，建筑物模型用于定位建筑物的缺陷位置区域。

可以理解，建筑物的面层直接暴露在环境中，在温度变化、湿度变化、碳化、风压的作用下，其化学性能和物理性能不断劣化，导致其与粘结的结构层分离，进而发生空鼓现象，而存在空鼓现象的墙面容易发生墙面脱落，严重时可能会造成人员安全问题。面层和结构层之间贴实处的温度变化速率与空鼓处的温度变化速率有差异，面层空鼓的区域在加热时空鼓表面升温快，降温时空鼓表面降温快，根据采集到的红外图像则可确认是否存在空鼓区域。具体的，面层空鼓的区域在加热时空鼓表面会形成“热斑”，降温时空鼓表面会形成“冷斑”，根据红外图像中存在温差变化的特征则可确定缺陷位置区域。

根据各可见光图像、各红外图像及各采集信息生成的建筑物模型可为三维模型，实现了建筑物各墙面的立体再现，且模型上标示有缺陷位置区域，便于工作人员更为直观和准确的了解建筑物墙面的具体情况。

本发明实施例通过连续采集建筑物的可见光图像和红外图像，然后获取采集各可见光图像和各红外图像时的采集信息，最后根据各可见光图像、各红外图像及各采集信息生成建筑物模型，从而通过建筑物模型定位建筑物的缺陷位置区域，直观地为工作人员提供外墙层面脱落发生情况。

在一个实施例中，根据各可见光图像、各红外图像及各采集信息生成建筑物模型步骤还包括步骤S131至步骤S133。

步骤S131，根据各采集信息对各可见光图像进行图像拼接，以生成初始模型。

可以理解，根据各可见光图像对应的采集信息可获知各可见光图像的拍摄顺序，进而可通过图像拼接技术依次对具有重叠部分的相邻两帧图像进行图像拼接，最终得到建筑物的初始模型。

步骤S132，筛选各红外图像中的缺陷红外图像，并获取缺陷红外图像的采集信息及缺陷位置信息。

具体的，由于具有空鼓缺陷的墙面在红外图像中会呈现出“冷斑”或“热斑”的现象，因此对各红外图像进行筛选，将具有“冷斑”或“热斑”的红外图像列为缺陷红外图像，同时获取各缺陷红外图像中的缺陷位置信息。

步骤S133，根据初始模型和缺陷位置信息生成建筑物模型。

具体的，根据缺陷红外图像与可见光图像的对应关系，可在初始模型中定位与缺陷红外图像对应的可见光图像，然后根据缺陷位置信息确定缺陷位置，进而映射到初始模型上的相应位置，最终得到建筑物模型。其中缺陷位置信息可为空鼓区域的位置信息。

可以理解，缺陷红外图像与对应的可见光图像具有相同的采集信息，因此根据采集信息即可确定与缺陷红外图像对应的可见光图像。

图3为另一实施例的建筑物缺陷定位方法的流程示意图，与图1实施例相比本实施例还包括步骤S140至步骤S150。

步骤S140，获取建筑物的点云数据，并根据点云数据建立建筑物的轮廓模型。

在一个实施例中，可采用3D雷达对建筑物进行扫描，从而得到建筑物详细的点云数据，进而建立建筑物的轮廓模型。

步骤S150，根据建筑物模型和轮廓模型生成实景模型。

可以理解，建筑物模型能够呈现出建筑物墙面的具体状态，而轮廓模型呈现的是建筑物的外形轮廓，可将得到的建筑物模型进行比例放大，以能够与轮廓模型重合，然后将建筑物模型与轮廓模型组合，最终得到三维的实景模型，通过该实景模型能够准确且直观地获知建筑物的尺寸以及墙面缺陷区域的具体尺寸，为检修人员提供了可靠的检修信息。

在一个实施例中，根据各采集信息对各可见光图像进行图像拼接之前，还包括步骤S210至步骤S220，如图4所示。

步骤S210，计算相邻两帧可见光图像的匹配率。

具体的，可以以采集的第一张可见光图像为起始图像，依次计算相邻两帧可见光图像的匹配率。

步骤S220，若匹配率超过第一阈值，则删除相邻两帧可见光图像中在后一帧可见光图像。

具体的，若计算的相邻两帧图像的匹配率超过第一阈值，则表明两帧图像的重叠部分过多，为减少计算量则可删除该两帧可见光图像中在后一帧可见光图像。

此外，在计算在前一帧可见光图像与在后一帧可见光图像的匹配率超过第一阈值并删除在后一帧可见光图像后，继续计算该在后一帧可见光图像的下一帧图像与该在前一帧可见光图像的匹配率，并与第一阈值进行判定，如此循环。

在一个实施例中，如图5所示，建筑物缺陷定位方法还包括步骤S230。

步骤S230，若匹配率低于第二阈值，则输出匹配提示信息。

可以理解，若匹配率低于第二阈值，则表明相邻两帧可见光图像没有重叠部分或重叠部分太少，此时为了提高模型的准确性，可输出匹配提示信息。具体的，匹配提示信息可包括相邻两帧可见光图像的采集信息。

在一个实施例中，在计算在前一帧可见光图像与在后一帧可见光图像的匹配率超过第一阈值并删除在后一帧可见光图像后，若在后一帧可见光图像的下一帧图像与该在前一帧可见光图像的匹配率又低于第二阈值，则可恢复该在后一帧可见光图像，并进而计算该在后一帧可见光图像与其下一帧可见光图像的匹配率，如此可避免删除中间一帧可见光图像后导致前后两帧可见光图像没有重叠部分或重叠部分过少，从而影响模型的准确性。

本发明实施例还提供一种建筑物缺陷定位系统，包括图像采集模块、采集信息获取模块和处理模块。其中，图像采集模块用于连续采集建筑物的可见光图像和红外图像，其中各可见光图像分别和各红外图像一一对应；采集信息获取模块用于获取图像采集模块采集各可见光图像和各红外图像时的采集信息；处理模块用于根据各可见光图像、各红外图像及各采集信息生成建筑物模型，建筑物模型用于定位建筑物区域的缺陷位置区域。

在一个实施例中，处理模块还用于根据各采集信息对各可见光图像进行图像拼接，以生成初始模型；筛选与各可见光图像对应的红外图像中的缺陷红外图像，并获取缺陷红外图像的缺陷位置信息；以及根据初始模型和缺陷位置信息生成建筑物模型。

在一个实施例中，缺陷定位系统还包括尺寸获取模块，用于获取建筑物的点云数据，并根据点云数据建立建筑物的轮廓模型；处理模块还用于根据建筑物模型和轮廓模型生成实景模型。

在一个实施例中，建筑物缺陷定位系统还可包括匹配率计算模块和管理模块，在根据各采集信息对各可见光图像进行图像拼接之前，匹配率计算模块用于计算相邻两帧可见光图像的匹配率；管理模块用于若匹配率超过第一阈值，则删除相邻两帧可见光图像中在后一帧可见光图像。

在一个实施例中，管理模块还用于若匹配率低于第二阈值，则输出匹配提示信息。

本发明实施例还提供一种建筑物缺陷定位系统，包括图像采集装置和控制器。其中，图像采集装置用于连续采集建筑物的可见光图像和红外图像，其中各可见光图像分别和各红外图像一一对应；控制器包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：连续采集建筑物的可见光图像和红外图像，其中各可见光图像和各红外图像一一对应；获取采集各可见光图像和各红外图像时的采集信息；根据各可见光图像、各红外图像及各采集信息生成建筑物模型，建筑物模型用于定位建筑物的缺陷位置区域。

在一个实施例中，图像采集装置包括：无人机和多光谱摄像机，其中多光谱摄像机搭载在无人机上，用于跟随无人机的飞行轨迹以预设频率同时采集可见光图像和红外图像。

在一个实施例中，建筑物缺陷定位系统还包括3D雷达，3D雷达用于获取建筑物的点云数据，处理器还用于根据点云数据建立建筑物的轮廓模型，并根据建筑物模型和轮廓模型生成实景模型。

在一个实施例中，建筑物缺陷定位系统还可包括遥控操纵器100和远程通信模块110，如图6所示，遥控操纵器100与远程通信模块110无线连接，用于向远程通信模块110发送飞行指令、拍摄指令和/或扫描指令，远程通信模块110分别与无人机、多光谱摄像机和3D雷达连接，用于向无人机发送飞行指令、向多光谱摄像机发送拍摄指令和向3D雷达发送扫描指令，以指示无人机按照预设飞行轨迹飞行、指示多光谱摄像机以预设频率同步采集可见光图像和红外图像以及指示3D雷达获取建筑物的点云数据，此外，无人机、多光谱摄像机和3D雷达在执行预设的动作时，遥控操纵器还可通过远程通信模块发送控制指令，以干涉无人机、多光谱摄像机和3D雷达的预设动作。

其中，无人机可包括无人机控制模块111和无人机执行模块112，无人机控制模块111分别与远程通信模块110和无人机执行模块112连接，用于根据远程通信模块110的飞行指令控制无人机执行模块112执行飞行动作；多光谱摄像机包括摄像机控制模块113和摄像机拍摄模块114，摄像机控制模块113分别与远程通信模块110和摄像机拍摄模块114连接，用于根据远程通信模块110的拍摄指令控制摄像机拍摄模块114进行拍摄，摄像机拍摄模块114还与处理器连接(未示出)，以将拍摄的多帧可见光图像和多帧红外图像发送至处理器；3D雷达还包括3D雷达控制模块115和3D雷达扫描模块116，3D雷达控制模块115分别与远程通信模块110和3D雷达扫描模块116，用于根据远程通信模块110的扫描指令控制3D雷达扫描模块116获取建筑物的点云数据，3D雷达扫描模块116还与处理器连接，用于将点云数据发送至处理器。

在一个实施例中，处理器还用于根据各采集信息对各可见光图像进行图像拼接，以生成初始模型；筛选与各可见光图像对应的红外图像中的缺陷红外图像，并获取缺陷红外图像的缺陷位置信息；根据初始模型和缺陷位置信息生成建筑物模型。

在一个实施例中，在根据各采集信息对各可见光图像进行图像拼接之前，处理器还用于计算相邻两帧可见光图像的匹配率；若匹配率超过第一阈值，则删除相邻两帧可见光图像中在后一帧可见光图像。

在一个实施例中，处理器还用于若匹配率低于第二阈值，则输出匹配提示信息。

本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，计算机程序被处理器执行时实现上述任一实施例的方法的步骤。

在本说明书的描述中，参考术语“有些实施例”、“其他实施例”、“理想实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特征包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性描述不一定指的是相同的实施例或示例。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。