一种玻璃幕墙安全检测方法、装置及计算机设备

1.本技术涉及安全检测技术领域，尤其涉及一种玻璃幕墙安全检测方法、装置及计算机设备。


背景技术：

2.目前，我国经济飞速发展，城市化进程不断加快，建筑幕墙在城市之中屡见不鲜，我国已成为世界最大的幕墙生产国及使用国之一。但是，随着时间的推移，早期建立的幕墙经常发生玻璃变形、自爆、脱落、热炸裂等安全性问题，这些问题时刻危及着人民的生命财产安全。在现有的技术中，为排除安全隐患需要工作人员依靠高空支架对玻璃幕墙的表面进行全面检查，由于幕墙高度较高且面积极大，这给工作人员的高空作业带来了更多的安全问题和不便，人工排查玻璃幕墙安全隐患过于危险且效率低下。


技术实现要素：

3.本技术所要解决的技术问题在于，针对现有技术的上述不足，提出一种玻璃幕墙安全检测方法、装置及计算机设备。
4.该玻璃幕墙安全检测方法包括：
5.步骤s101，获取无人机对玻璃幕墙拍摄的全局图像，以建立玻璃幕墙的全局模型；
6.步骤s102，基于所述全局模型规划所述无人机对玻璃幕墙进行局部拍摄的三维航线，以便所述无人机依据所述三维航线和设定的采集频率对玻璃幕墙以预定距离进行局部拍摄以获得玻璃幕墙的一组局部拍摄图像；
7.步骤s103，获取所述局部拍摄图像，并对所述局部拍摄图像进行拼接处理以获得包含单个幕墙玻璃块的完整图像；其中，每一个幕墙玻璃块的完整图像由多个局部拍摄图像拼接而成；
8.步骤s104，根据每个幕墙玻璃块的完整图像确定玻璃幕墙是否有损伤；
9.步骤s105，当判定玻璃幕墙有损伤时，确定玻璃幕墙的损伤位置。
10.在一些改进技术方案中，所述对所述局部拍摄图像进行拼接处理以获得包含单个幕墙玻璃块的完整图像具体为：
11.在玻璃幕墙的全局模型上对每一个幕墙玻璃块进行编号，记为第一编号；
12.根据无人机进行局部图像拍摄的采集频率、无人机与玻璃幕墙之间的距离以及无人机的飞行速度，确定无人机每张局部拍摄图像在全局模型中对应的测量区域，并对每张局部拍摄图像对应的测量区域进行编号，记为第二编号；第二编号记为x.y，其中，x为对应的局部拍摄图像在全局模型中对应的幕墙玻璃块的第一编号；y为局部拍摄图像在对应幕墙玻璃块中的第三编号；
13.根据全局模型上幕墙玻璃块的第一编号、以及局部拍摄图像对应测量区域的第二编号，确定每个幕墙玻璃块对应的所有局部拍摄图像；
14.使用每个幕墙玻璃块对应的所有局部拍摄图像，拼接每个幕墙玻璃块对应的完整
图像。
15.在一些改进技术方案中，所述确定玻璃幕墙的损伤位置具体为：
16.获取有损伤的幕墙玻璃块所对应的第一编号x；
17.在有损伤幕墙玻璃块上定位损伤位置，并确定损伤位置对应的局部拍摄图像在该幕墙玻璃块上的第三编号y；
18.根据第一编号x和第三编号y生成第二编号x.y；
19.根据第二编号x.y确定损伤位置在全局模型中的定位。
20.在一些改进技术方案中，所述根据每个幕墙玻璃块的完整图像确定玻璃幕墙是否有损伤包括：
21.对每个幕墙玻璃块的完整图像进行预处理；所述预处理包括：匀光处理、灰度化、滤波去噪；
22.对所述完整图像进行分割，并提取出幕墙玻璃块的边框；
23.对图像进行特征提取、特征识别、立体匹配得到深度图，获得幕墙玻璃块的边框角点的精确三维坐标；
24.在预设的坐标系中绘出所有幕墙玻璃块的边框角点的坐标点，并根据所述坐标点生成玻璃幕墙表面的整体三维图；
25.根据玻璃幕墙表面的整体三维图确定玻璃幕墙的挠度；
26.将玻璃幕墙的挠度与挠度阈值进行对比，确定玻璃幕墙是否产生了明显变形。
27.在一些改进技术方案中，所述根据每个幕墙玻璃块的完整图像确定玻璃幕墙是否有损伤还包括：
28.判断每个幕墙玻璃块的完整图像对应的灰度值分布是否均匀；
29.将断每个幕墙玻璃块的完整图像对应的灰度值与未损伤玻璃的灰度值进行对比；
30.当灰度值分布不均匀且所述完整图像对应的灰度值与未损伤玻璃的灰度值差距超过损伤灰度阈值，则确定对应的幕墙玻璃块上对应位置具有损伤。
31.在一些改进技术方案中，所述匀光处理采用mask匀光算法。
32.在一些改进技术方案中，所述对所述完整图像进行分割，并提取出幕墙玻璃块的边框具体包括：
33.采用otsu算法对图像进行分割，提取出幕墙玻璃块边框的区域；
34.采用hough直线检测，提取玻璃幕墙图像之中的边框。
35.在一些改进技术方案中，所述特征识别采用canny边缘检测算法；所述立体匹配采用harris算法。
36.另一方面，本技术还提出了一种玻璃幕墙安全检测装置，包括：
37.获取模块，用于获取无人机对玻璃幕墙拍摄的全局图像，以建立玻璃幕墙的全局模型；
38.规划模块，用于基于所述全局模型规划所述无人机对玻璃幕墙进行局部拍摄的三维航线，以便所述无人机依据所述三维航线和设定的采集频率对玻璃幕墙以预定距离进行局部拍摄以获得玻璃幕墙的一组局部拍摄图像；
39.拼接模块，用于获取所述局部拍摄图像，并对所述局部拍摄图像进行拼接处理以获得包含单个幕墙玻璃块的完整图像；其中，每一个幕墙玻璃块的完整图像由多个局部拍
摄图像拼接而成；
40.确定模块，用于根据每个幕墙玻璃块的完整图像确定玻璃幕墙是否有损伤；
41.判定模块，用于当判定玻璃幕墙有损伤时，确定玻璃幕墙的损伤位置。
42.另一方面，本技术还提出了一种计算机设备，包括：处理器；和存储器，其上存储有可执行代码，当所述可执行代码被执行时，使得所述处理器执行以上部分所提出的玻璃幕墙安全检测方法。
43.本技术提出了一种玻璃幕墙安全检测方法，可避免人工高空作业风险极高和效率低下的问题，同时提高了安全隐患检测的准确率。
附图说明
44.图1是本技术实施例中一种玻璃幕墙安全检测方法的流程图之一。
45.图2是本技术实施例中一种玻璃幕墙安全检测方法的流程图之二。
46.图3是本技术实施例中一种玻璃幕墙安全检测方法的流程图之三。
47.图4是本技术实施例中一种玻璃幕墙安全检测方法的流程图之四。
48.图5是本技术实施例中一种玻璃幕墙安全检测装置的示意框图。
49.图6是本技术实施例中玻璃幕墙安全检测方法应用场景的示意图。
50.图7是本技术实施例中全局模型上幕墙玻璃块编号的示意图。
51.图8是本技术实施例中无人机按三维航线采集局部拍摄图像的过程的示意图。
52.图9是本技术实施例中计算机设备对玻璃幕墙进行编号的示意图。
具体实施方式
53.以下是本技术的具体实施例并结合附图，对本技术的技术方案作进一步的描述，但本技术并不限于这些实施例。在下面的描述中，提供诸如具体的配置和组件的特定细节仅仅是为了帮助全面理解本技术的实施例。因此，本领域技术人员应该清楚，可以对这里描述的实施例进行各种改变和修改而不脱离本技术的范围和精神。另外，为了清楚和简洁，省略了对已知功能和构造的描述。
54.需要说明的是，在不冲突的情况下，本技术中的实施方式及实施方式中的特征可以相互组合。
55.参考图1，本技术实施例提出了一种玻璃幕墙安全检测方法，该玻璃幕墙安全检测方法采用无人机对幕墙表面缺陷进行检测，能够实现幕墙安全隐患快速高效准确的检测，具体包括步骤s101至步骤s105，下面结合附图这些步骤进行具体说明解释。
56.参考图6，在本技术实施例所提出的玻璃幕墙安全检测方法应用于计算机设备601，其与无人机602之间能够进行通信。无人机602将拍摄的图像数据上传至计算机设备601，计算机设备601通过图像数据的处理对玻璃幕墙进行损伤检测。
57.无人机具有飞行定位模块、数据采集模块、无线通讯模块。所述飞行定位模块包括定位装置和运动传感器，能够确保无人机以稳定合适的速度准确无误的依据规定的航线完成图像数据采集工作。所述定位装置包括移动基准站接收器、流动站接收器。所述移动基准站接收器对卫星进行连续观测，将其观测数据和测站坐标信息传输给流动站接收器，从而通过对比实时测量的坐标和控制点坐标削弱定位误差，使得多旋翼无人机动态定位精度达
到厘米级。所述流动站接收器安装在多旋翼无人机上。所述运动传感器包括加速度传感器、速度传感器；加速度传感器和速度传感器能够实时的观测无人机飞行的加速度和速度，为无人机在高空平稳飞行提供保障。所述数据采集模块是由四旋翼无人机和两台搭载于无人机之上的相机组成，四旋翼无人机起降灵活，可在空中自由悬停，实现系统数据准确稳定的采集，由两台工业摄像机组成的双目摄影测量系统能够按照设定的频率稳定的采集每块玻璃局部区域的图像信息，获取玻璃幕墙局部高分辨图像并将其发送至计算机设备。所述无线通讯模块为采用移动网络或wifi的通信模块。
58.计算机设备包括用于玻璃幕墙全局测量和局部损伤检测数据处理和分析，无人机将采集的图像数据传输给计算机，计算机设备可依据拍摄的图像，自动对玻璃幕墙进行建模，随后在建立的粗略模型之上进行航线的规划。无人机将采集的数据传输给计算机设备，计算机设备会使用图像识别算法对图像数据进行处理和分析，依据玻璃幕墙边框角点位移和图像灰度值的变化分析出玻璃幕墙的损伤类型及位置，同时根据任务需求完成对无人机飞行的控制。
59.在一些技术方案中，无人机上可安装有两台相机，以组成双目摄影测量系统，从而能够精确地还原玻璃幕墙的三维模型。
60.步骤s101，获取无人机对玻璃幕墙拍摄的全局图像，以建立玻璃幕墙的全局模型。
61.在一些技术方案中，无人机对建筑物的玻璃幕墙进行较远距离的大视野拍摄，随后将数据传输给计算机设备，计算机设备据此对玻璃幕墙进行整体外形的粗略建模，从而形成玻璃幕墙的全局模型。接着，计算机设备在全局模型上对无人机进行航线规划。此处，全局模型为玻璃外墙整体外形的粗略模型。
62.步骤s102，基于所述全局模型规划所述无人机对玻璃幕墙进行局部拍摄的三维航线，以便所述无人机依据所述三维航线和设定的采集频率对玻璃幕墙以预定距离进行局部拍摄以获得玻璃幕墙的一组局部拍摄图像。
63.计算机设备在全局模型上对无人机的三维航线进行规划，无人机根据计算机设备规划好的三维航线进行航行。无人机根据设定好飞行速度、与幕墙玻璃之间的距离以及图像数据的采集频率开始采集玻璃幕墙的局部拍摄图像。
64.无人机到达航线起始点的方式为：无人机通过图像识别算法识别幕墙玻璃左上角第一块玻璃的角点，记为玻璃幕墙坐标系的原点，坐标为m(0,0,0)；根据无人机与幕墙玻璃之间的距离和玻璃的大小，设定好飞行航线的起始坐标点，记为w0(x0,y0,z0)，无人机依据起始坐标点达到起始位置，后续无人机位于玻璃幕墙坐标系的坐标可表示为ws(xs,ys,zs)。航线起始点和终点为：起始点为x＝1、y＝1局部拍摄区域的中心点，终点为最后一块玻璃最后一块局部区域的中心点。
65.步骤s103，获取所述局部拍摄图像，并对所述局部拍摄图像进行拼接处理以获得包含单个幕墙玻璃块的完整图像；其中，每一个幕墙玻璃块的完整图像由多个局部拍摄图像拼接而成。
66.在步骤s103中，计算机设备接收自无人机上传的局部拍摄图像，并对局部拍摄图像进行拼接，从而获得包含单个幕墙玻璃块的完整图像。无人机拍摄时，视野相邻的局部拍摄图像拍摄的图像有重合，即两幅相邻的局部拍摄图像同时具有中间部分的玻璃幕墙图像，如此可包含整个玻璃幕墙的图像信息，不产生遗漏。
67.参考图2，在一些实施方式中，对所述局部拍摄图像进行拼接处理以获得包含单个幕墙玻璃块的完整图像具体为：
68.步骤s103a，在玻璃幕墙的全局模型上对每一个幕墙玻璃块进行编号，记为第一编号。
69.步骤s103b，根据无人机进行局部图像拍摄的采集频率、无人机与玻璃幕墙之间的距离以及无人机的飞行速度，确定无人机每张局部拍摄图像在全局模型中对应的测量区域，并对每张局部拍摄图像对应的测量区域进行编号，记为第二编号；第二编号记为x.y，其中，x为对应的局部拍摄图像在全局模型中对应的幕墙玻璃块的第一编号；y为局部拍摄图像在对应幕墙玻璃块中的第三编号。
70.步骤s103c，根据全局模型上幕墙玻璃块的第一编号、以及局部拍摄图像对应测量区域的第二编号，确定每个幕墙玻璃块对应的所有局部拍摄图像。
71.步骤s103d，使用每个幕墙玻璃块对应的所有局部拍摄图像，拼接每个幕墙玻璃块对应的完整图像。
72.参考图7，计算机设备在全局模型上对每一个幕墙玻璃块进行编号。具体参考图7，计算机设备在全局模型上沿着水平方向成蛇形线路对幕墙玻璃块进行编号形成第一编号序列，编号1-42。
73.参考图8，无人机按设定好的飞行速度、与幕墙玻璃之间的距离以及图像数据的采集频率，再通过图像识别算法识别幕墙玻璃左上角第一块玻璃的角点，为玻璃幕墙坐标系的原点，记为m(0，0，0)，根据无人机与幕墙玻璃之间的距离和玻璃的大小，设定好飞行航线的起始坐标点，记为w0(x0，y0，z0)。随后规划无人机航线，后续无人机位于玻璃幕墙坐标系的坐标可表示为ws(xs，ys,z0)。
74.参考图9，计算机设备根据数据的采集频率、无人机与幕墙玻璃之间的距离以及无人机的飞行速度，可确定无人机每张图片所测区域，并且一块玻璃的图片可以由多个部分组成。具体参考图9，一块幕墙玻璃块由九张图片组成，无人机第一张图片的拍摄范围为abcd，第二张图片为efgh，后续图片以此类推，其中第一张图片可记为1.1，第一个1表示玻璃幕墙的第一块玻璃，第二个1表示第一块玻璃的第一个区域，第二张图片记为1.2，1表示玻璃幕墙的第一块玻璃，2表示第一块玻璃之上的第二个区域，后续以此类推，以数字x开头的图片指的是第x块玻璃，第二个数字是y，则是此块玻璃的第y部分。图9中所示的幕墙玻璃块包括9个部分，具体为1.1、1.2、1.3、1.4、1.5、1.6、1.7、1.8、1.9。由于数据的采集频率、无人机与幕墙玻璃之间的距离不同，由众多局部图片组成的一块完整玻璃的图片的数目也会有所差别。此编号方法与玻璃幕墙的粗略模型结合，可形象立体快速的定位有安全隐患的幕墙玻璃位置。
75.步骤s104，根据每个幕墙玻璃块的完整图像确定玻璃幕墙是否有损伤。
76.参考图4，根据每个幕墙玻璃块的完整图像确定玻璃幕墙是否有损伤包括：
77.步骤s104a，对每个幕墙玻璃块的完整图像进行预处理；所述预处理包括：匀光处理、灰度化、滤波去噪。
78.步骤s104b，对所述完整图像进行分割，并提取出幕墙玻璃块的边框。
79.步骤s104c，对图像进行特征提取、特征识别、立体匹配得到深度图，获得幕墙玻璃块的边框角点的精确三维坐标。
80.步骤s104d，在预设的坐标系中绘出所有幕墙玻璃块的边框角点的坐标点，并根据所述坐标点生成玻璃幕墙表面的整体三维图。
81.步骤s104e，根据玻璃幕墙表面的整体三维图确定玻璃幕墙的挠度。
82.步骤s104f，将玻璃幕墙的挠度与挠度阈值进行对比，确定玻璃幕墙是否产生了明显变形。
83.进一步地，步骤s104，所述根据每个幕墙玻璃块的完整图像确定玻璃幕墙是否有损伤还包括：
84.判断每个幕墙玻璃块的完整图像对应的灰度值分布是否均匀。
85.将断每个幕墙玻璃块的完整图像对应的灰度值与未损伤玻璃的灰度值进行对比。
86.当灰度值分布不均匀且所述完整图像对应的灰度值与未损伤玻璃的灰度值差距超过损伤灰度阈值，则确定对应的幕墙玻璃块上对应位置具有损伤。
87.在一些实施方式中，所述匀光处理采用mask匀光算法。
88.在一些实施方式中，所述对所述完整图像进行分割，并提取出幕墙玻璃块的边框具体包括：
89.采用otsu算法对图像进行分割，提取出幕墙玻璃块边框的区域；
90.采用hough直线检测，提取玻璃幕墙图像之中的边框。
91.在一些实施方式中，所述特征识别采用canny边缘检测算法；所述立体匹配采用harris算法。
92.计算机设备对图像进行编号、归类，随后对幕墙玻璃局部图像进行拼接处理，获得每块幕墙玻璃的完整图像，然后计算机设备会对拼接好的完整图像进行预处理，预处理包括匀光处理、灰度化、滤波去噪等。随后对图像进行特征提取、特征识别、立体匹配得到深度图，恢复玻璃幕墙边框角点的精确三维坐标。匀光处理采用mask匀光法，能够消除光线、云雾等对图像的干扰。图像灰度化可以改善图像画质，使得图像细节清晰。滤波去噪消除图像中的噪音干扰。在进行特征提取前，首先采用otsu算法对图像进行分割，提取出边框的区域，减小其他区域对特征识别的干扰，随后采用hough直线检测，提取玻璃幕墙图像之中的边框，特征识别则是采用canny边缘检测算法分别对分割的边框区域和非边框区域进行检测识别，提取出边框的轮廓和玻璃幕墙面板损伤的轮廓。立体匹配采用的harris算法对拍摄的左右视图的玻璃边框角点进行立体匹配，还原幕墙玻璃边框角点的深度信息，并记录，例如第一个边框角点的坐标可以记为d1(0，0，zd1)，沿着无人机航行的方向，第二个角点坐标记为d2(0，0，zd2)，以此类推，第n个角点坐标可记为dn(0，0，zdn)。对所有图像数据处理完成后，在玻璃幕墙坐标系中绘出所有玻璃边框角点的坐标点，连接坐标点，形成一副玻璃幕墙表面整体三维图，将其在粗略模型上体现。再对比幕墙玻璃的挠度阈值，若是大于阈值，则说明幕墙玻璃发生了变形，存在安全隐患。玻璃是透明制品，质地均匀，其灰度也很均匀，而发生损伤部位的玻璃，灰度不均匀且与完好玻璃的灰度值差别巨大，故可对处理过后图像的灰度值进行检测，根据裂纹的阈值范围，辨识玻璃是否有裂纹，并且可以根据图像的编号快速在粗略模型上找到存在安全隐患的玻璃，以及定位玻璃上发生损伤的具体位置。
93.在得出结论后，计算机设备将存在有安全隐患的玻璃在玻璃幕墙模型上体现，并附上其具体位置的文字说明，用户可根据结论，尽快安排人工排查并更换存在有安全隐患的玻璃。
94.步骤s105，当判定玻璃幕墙有损伤时，确定玻璃幕墙的损伤位置。
95.参考图3，所述确定玻璃幕墙的损伤位置具体为：
96.步骤s105a，获取有损伤的幕墙玻璃块所对应的第一编号x。
97.步骤s105b，在有损伤幕墙玻璃块上定位损伤位置，并确定损伤位置对应的局部拍摄图像在该幕墙玻璃块上的第三编号y。
98.步骤s105c，根据第一编号x和第三编号y生成第二编号x.y。
99.步骤s105d，根据第二编号x.y确定损伤位置在全局模型中的定位。
100.当计算机设备检测到玻璃幕墙有损伤时，对损伤位置对应的第二编号进行搜索，首先确定对应幕墙玻璃块的第一编号x，然后定位损伤位置在幕墙玻璃块上的第三编号。接着，根据第一编号x和第三编号y生成第二编号x.y，进而通过第二编号x.y对损伤位置进行定位。
101.本技术提出了一种玻璃幕墙安全检测方法，可用于快速发现玻璃幕墙上玻璃变形、自爆、脱落、热炸裂等安全性问题。本技术的技术方案替代人工检测作业，可避免人工高空作业风险极高和效率低下的问题，同时提高了安全隐患检测的准确率。
102.参考图5，本技术提出了一种玻璃幕墙安全检测装置，该玻璃幕墙安全检测装置与以上部分所提出的玻璃幕墙安全检测方法相对应，包括：获取模块501、规划模块502、拼接模块503、确定模块504、判定模块505。
103.获取模块501，用于获取无人机对玻璃幕墙拍摄的全局图像，以建立玻璃幕墙的全局模型。
104.规划模块502，用于基于所述全局模型规划所述无人机对玻璃幕墙进行局部拍摄的三维航线，以便所述无人机依据所述三维航线和设定的采集频率对玻璃幕墙以预定距离进行局部拍摄以获得玻璃幕墙的一组局部拍摄图像。
105.拼接模块503，用于获取所述局部拍摄图像，并对所述局部拍摄图像进行拼接处理以获得包含单个幕墙玻璃块的完整图像；其中，每一个幕墙玻璃块的完整图像由多个局部拍摄图像拼接而成。
106.确定模块504，用于根据每个幕墙玻璃块的完整图像确定玻璃幕墙是否有损伤。
107.判定模块505，用于当判定玻璃幕墙有损伤时，确定玻璃幕墙的损伤位置。
108.在一些实施方式中，所述拼接模块503包括：
109.第一编号子模块，用于在玻璃幕墙的全局模型上对每一个幕墙玻璃块进行编号，记为第一编号；
110.第二编号子模块，用于根据无人机进行局部图像拍摄的采集频率、无人机与玻璃幕墙之间的距离以及无人机的飞行速度，确定无人机每张局部拍摄图像在全局模型中对应的测量区域，并对每张局部拍摄图像对应的测量区域进行编号，记为第二编号；第二编号记为x.y，其中，x为对应的局部拍摄图像在全局模型中对应的幕墙玻璃块的第一编号；y为局部拍摄图像在对应幕墙玻璃块中的第三编号；
111.图像确定子模块，用于根据全局模型上幕墙玻璃块的第一编号、以及局部拍摄图像对应测量区域的第二编号，确定每个幕墙玻璃块对应的所有局部拍摄图像；
112.拼接子模块，用于使用每个幕墙玻璃块对应的所有局部拍摄图像，拼接每个幕墙玻璃块对应的完整图像。
113.在一些实施方式中，判定模块505具体包括：
114.获取子模块，用于获取有损伤的幕墙玻璃块所对应的第一编号x；
115.第一定位子模块，用于在有损伤幕墙玻璃块上定位损伤位置，并确定损伤位置对应的局部拍摄图像在该幕墙玻璃块上的第三编号y；
116.编号生成子模块，用于根据第一编号x和第三编号y生成第二编号x.y；
117.第二定位子模块，用于根据第二编号x.y确定损伤位置在全局模型中的定位。
118.在一些实施方式中，确定模块504包括：
119.预处理子模块，用于对每个幕墙玻璃块的完整图像进行预处理；所述预处理包括：匀光处理、灰度化、滤波去噪；
120.提取子模块，用于对所述完整图像进行分割，并提取出幕墙玻璃块的边框；
121.特征提取子模块，用于对图像进行特征提取、特征识别、立体匹配得到深度图，获得幕墙玻璃块的边框角点的精确三维坐标；
122.三维图生成子模块，用于在预设的坐标系中绘出所有幕墙玻璃块的边框角点的坐标点，并根据所述坐标点生成玻璃幕墙表面的整体三维图；
123.挠度确定子模块，用于根据玻璃幕墙表面的整体三维图确定玻璃幕墙的挠度；
124.阈值对比子模块，用于将玻璃幕墙的挠度与挠度阈值进行对比，确定玻璃幕墙是否产生了明显变形。
125.在一些实施方式中，确定模块504还包括：
126.判断子模块，用于判断每个幕墙玻璃块的完整图像对应的灰度值分布是否均匀；
127.灰度对比子模块，用于将断每个幕墙玻璃块的完整图像对应的灰度值与未损伤玻璃的灰度值进行对比；
128.损伤确定子模块，用于当灰度值分布不均匀且所述完整图像对应的灰度值与未损伤玻璃的灰度值差距超过损伤灰度阈值，则确定对应的幕墙玻璃块上对应位置具有损伤。
129.在一些实施方式中，所述匀光处理采用mask匀光算法。
130.在一些实施方式中，提取子模块具体用于采用otsu算法对图像进行分割，提取出幕墙玻璃块边框的区域；采用hough直线检测，提取玻璃幕墙图像之中的边框。
131.在一些实施方式中，所述特征识别采用canny边缘检测算法；所述立体匹配采用harris算法。
132.玻璃幕墙安全检测装置可用于快速发现玻璃幕墙上玻璃变形、自爆、脱落、热炸裂等安全性问题。本技术的技术方案替代人工检测作业，可避免人工高空作业风险极高和效率低下的问题，同时提高了安全隐患检测的准确率。
133.本技术实施例还提出了一种计算机设备，包括：处理器；和存储器，其上存储有可执行代码，当所述可执行代码被执行时，使得所述处理器执行以上所提出的玻璃幕墙安全检测方法。
134.在本技术的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
135.需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包
括”时，其指明存在特征、步骤、工作、器件、组件和/或它们的组合。
136.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本技术的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
137.本文中所描述的具体实施例仅仅是对本技术精神作举例说明。本技术所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本技术的精神或者超越所附权利要求书所定义的范围。