一种型钢混凝土柱梁节点的混凝土浇筑方法与流程

本技术涉及房建混凝土浇筑，具体涉及一种型钢混凝土柱梁节点的混凝土浇筑方法。

背景技术：

1、型钢混凝土组合结构又称劲性混凝土结构或劲钢混凝土结构，由混凝土、型钢、纵向钢筋和箍筋组成，是一种在型钢周围配置钢筋并浇筑混凝土，把型钢构件埋入钢筋混凝土中的一种结构，基本构件为梁和柱，具有承载力强、构件截面尺寸小、耐火、耐久性高等方面的优势，被广泛应用于房建领域中。

2、型钢柱混凝土浇筑过程中要求从型钢柱四周用混凝土泵管均匀下料，确保浇筑均匀和模板侧压力大致均等，但是型钢混凝土梁柱节点处有众多的纵筋交叉排列和箍筋加密排布，在模板合拢后，混凝土浇筑空间有限，传统机器视觉技术无法对混凝土浇筑均匀度进行精度判断。而双目3d成像技术能够精确测量柱梁节点混凝土的厚度，有助于确保混凝土在梁柱节点处的充分填充，避免浇筑不足或过量的问题。然而，双目3d成像技术对图像的质量要求高，混凝土浇筑却处于一种极其恶劣、复杂的施工环境，采集获取的图像质量差，传统图像增强算法，如单尺度ssr（single scale retinex）算法简单且易于实现，能够近实时的完成图像增强，但是也需要提前设置尺度参数的大小，可能会导致3d成像与实际误差大，无法对混凝土浇筑过程中的混凝土泵管下料速度进行精度调节，致使最后型钢混凝土柱梁节点的混凝土浇筑质量差。

技术实现思路

1、为了解决上述技术问题，本发明提供一种型钢混凝土柱梁节点的混凝土浇筑方法，以解决现有的问题。

2、本发明的一种型钢混凝土柱梁节点的混凝土浇筑方法采用如下技术方案：

3、本发明一个实施例提供了一种型钢混凝土柱梁节点的混凝土浇筑方法，该方法包括以下步骤：

4、采集混凝土浇筑图；

5、根据灰度值的分布获取混凝土浇筑图中各像素点的像素灰度突兀因子；使用canny边缘检测算法和harris角点检测算法获取混凝土浇筑图中的疑似钢筋轮廓线和边缘像素点，根据疑似钢筋轮廓线获取各边缘像素点的各边缘分割区域；根据像素灰度突兀因子获取各边缘像素点的各边缘分割区域的钢筋区域置信系数；根据钢筋区域置信系数获取各边缘像素点的最优生长斜率和生长路径长度；根据像素灰度突兀因子获取各边缘像素点的生长路径梯度，根据最优生长斜率、生长路径长度和生长路径梯度获取各边缘像素点的生长特征向量和边缘生长向量序列；根据生长特征向量和边缘生长向量序列获取各边缘像素点的钢筋边缘像素真实系数，根据钢筋边缘像素真实系数和像素灰度突兀因子获取各像素点的钢筋边缘真实显著指数；根据钢筋边缘真实显著系数获取钢筋边缘增强辐射区域和各钢筋边缘增强辐射区域的钢筋边缘增强强度，根据钢筋边缘增强强度获取各钢筋边缘增强辐射区域中各像素点的像素连带增强显著系数，根据像素连带增强显著指数和钢筋边缘真实显著指数获取混凝土浇筑图中各像素点的钢筋细节保留价值；

6、根据钢筋细节保留价值获取各像素点的纠正尺度，根据纠正尺度对混凝土浇筑图进行增强，使用bp神经网络获取混凝土泵管的下料速度。

7、进一步，所述获取混凝土浇筑图中各像素点的像素灰度突兀因子，包括：

8、对于混凝土浇筑图中的各像素点，将以像素点为中心、边长为5的方形窗口区域作为像素点的邻域窗口；

9、计算各像素点与各像素点的邻域窗口中其他各像素点的灰度值之间的差值绝对值，将所述邻域窗口内所有所述差值绝对值的均值作为各像素点的像素灰度突兀因子。

10、进一步，所述获取混凝土浇筑图中的疑似钢筋轮廓线和边缘像素点，根据疑似钢筋轮廓线获取各边缘像素点的各边缘分割区域，包括：

11、使用canny边缘检测算法对混凝土浇筑图进行处理获取混凝土浇筑图中各边缘线，使用harris角点检测算法对混凝土浇筑图进行处理获取各边缘线上的角点作为边缘线拐点；

12、在各边缘线上的边缘线拐点处对边缘线进行分割，将分割后的边缘线每部分作为各疑似钢筋轮廓线，将疑似钢筋轮廓线上的像素点作为边缘像素点；

13、对于各边缘像素点，将以边缘像素点为中心、边长为5的方形窗口作为边缘像素点的邻域窗口，根据边缘像素点所在疑似钢筋轮廓线将边缘像素点的邻域窗口划分为两个区域，作为各边缘像素点的各边缘分割区域。

14、进一步，所述获取各边缘像素点的各边缘分割区域的钢筋区域置信系数，包括：

15、对于各边缘像素点的各边缘分割区域，将边缘分割区域中的各像素点的像素灰度突兀因子按照在边缘分割区域中从左到右、从上到下的顺序排列组成各边缘分割区域的灰度突兀序列，使用最小二乘法获取灰度突兀序列的极值点；

16、计算灰度突兀序列中各极值点的像素灰度突兀因子与灰度突兀序列中所有元素的均值的差值绝对值作为第一差值绝对，计算灰度突兀序列中所有所述第一差值绝对值的和值作为第一和值；

17、计算灰度突兀序列中各极值点与前一极值点在灰度突兀序列中序号之间的差值，记为序号差值，计算灰度突兀序列中所有所述序号差值的和值作为第二和值，将所述第二和值与所述第一和值的比值作为各边缘像素点的各边缘分割区域的钢筋区域置信系数。

18、进一步，所述获取各边缘像素点的最优生长斜率和生长路径长度，包括：

19、对于各边缘像素点的各边缘分割区域，将钢筋区域置信系数最大的边缘分割区域作为边缘像素点的最优区域；

20、获取边缘像素点在其疑似钢筋轮廓线上的法线的两个方向，统计法线在两个方向上经过最优区域的像素点的个数，将经过最优区域的像素点的个数最多的方向作为最优生长方向，计算边缘像素点的最优生长方向与水平方向的夹角的正切值的作为各边缘像素点的最优生长斜率；

21、获取边缘像素点的法线在最优生长方向上与其它疑似钢筋轮廓线的交点，将最优生长方向上第一次出现的交点记为第一交点，将边缘像素点到所述第一交点连线作为生长路径，将生长路径上像素点的个数作为各边缘像素点的生长路径长度。

22、进一步，所述获取各边缘像素点的生长路径梯度，根据最优生长斜率、生长路径长度和生长路径梯度获取各边缘像素点的生长特征向量，包括：

23、对于各边缘像素点，计算边缘像素点的生长路径中两个相邻像素点的像素灰度突兀因子的差值绝对值，将所述生长路径中所有所述差值绝对值的均值作为各边缘像素点的生长路径梯度；

24、将各边缘像素点的最优生长斜率、生长路径长度和生长路径梯度按照所述顺序排列组成的向量作为各边缘像素点的生长特征向量；

25、获取边缘像素点在其疑似钢筋轮廓线上前后相邻的各五个边缘像素点的生长特征向量，将生长特征向量按照边缘像素点以及所述前后相邻的各五个边缘像素点的顺序排序组成各边缘像素点的边缘生长向量序列。

26、进一步，所述获取各边缘像素点的钢筋边缘像素真实系数，根据钢筋边缘像素真实系数和像素灰度突兀因子获取各像素点的钢筋边缘真实显著指数，包括：

27、对于各边缘像素点，计算边缘像素点的生长特征向量与边缘像素点的边缘生长向量序列中其他各生长特征向量的余弦相似度，将边缘像素点的所有所述余弦相似度的均值的归一化值作为各边缘像素点的钢筋边缘像素真实系数；

28、对于各像素点，若像素点为边缘像素点，计算像素点的钢筋边缘像素真实系数与数字1的和值，计算所述和值与像素点的像素灰度突兀因子的乘积作为各像素点的钢筋边缘真实显著系数；若像素点不是边缘像素点，将数字0作为各像素点的钢筋边缘真实显著系数。

29、进一步，所述获取钢筋边缘增强辐射区域和各钢筋边缘增强辐射区域的钢筋边缘增强强度，根据钢筋边缘增强强度获取各钢筋边缘增强辐射区域中各像素点的像素连带增强显著系数，包括：

30、将混凝土浇筑图中各个像素点的钢筋边缘真实显著指数作为大津法的输入，所述大津法的输出为分割阈值，将钢筋边缘真实显著指数大于等于分割阈值的像素点作为钢筋边缘显著点，将所有钢筋边缘显著点作为dbscan聚类算法的输入，输出各聚类簇，将各聚类簇所在区域作为各钢筋边缘增强辐射区域，将以各个钢筋边缘显著点为中心的边长为5的方形邻域内其它钢筋边缘显著点的个数作为各钢筋边缘显著点的显著局部密度；

31、计算各钢筋边缘增强辐射区域中钢筋边缘显著点的个数与所有钢筋边缘显著点的显著局部密度的均值的乘积，作为各钢筋边缘增强辐射区域的钢筋边缘增强强度；

32、对于钢筋边缘增强辐射区域中的各像素点，计算像素点与其所述方形邻域内各钢筋边缘显著点之间的欧式距离，计算所述欧式距离与预设调整因子的和值的倒数，计算像素点的所述方形邻域内所有所述倒数的和值，记为距离和值，计算所述距离和值、钢筋边缘增强强度与像素点的所述方形邻域内钢筋边缘显著点的个数三者的求和结果，作为各钢筋边缘增强辐射区域中各像素点的像素连带增强显著指数。

33、进一步，所述获取混凝土浇筑图中各像素点的钢筋细节保留价值，包括：

34、对于混凝土浇筑图中的各像素点，若像素点为钢筋边缘增强辐射区域中的像素点，计算像素点的像素连带增强显著指数与数字1的和值，计算所述和值与像素点的钢筋边缘针织显著指数的乘积作为像素点的钢筋细节保留价值；若像素点为钢筋边缘增强辐射区域以外的像素点，将像素点的钢筋边缘真实显著指数作为像素点的钢筋细节保留价值。

35、进一步，所述获取各像素点的纠正尺度，根据纠正尺度对混凝土浇筑图进行增强，包括：

36、对于各混凝土浇筑图中的各像素点，计算第二预设参数与第一预设参数的差值，计算第二预设参数与所述差值的求差结果与像素点的钢筋细节保留价值的乘积，作为各混凝土浇筑图中各像素点的纠正尺度，其中第二预设参数大于第一预设参数；

37、根据各混凝土浇筑图中所有像素点的纠正尺度，使用ssr图像增强算法对混凝土浇筑图进行增强。

38、本发明至少具有如下有益效果：

39、本发明实现一种型钢混凝土柱梁节点的混凝土浇筑方法：根据混凝土浇筑图的局部邻域灰度信息和柱梁节点钢筋的高直线度、高质量的特征，结合canny边缘检测算法和harris角点检测算法，获取混凝土浇筑图各个像素点的钢筋边缘真实显著指数，其有益效果在于综合考虑混凝土浇筑图的钢筋像素点特征，避免混凝土浇筑图中显著特征点与噪声点无法准确进行区分的问题；基于高钢筋边缘真实显著指数的像素点的邻域信息也具有高细节保留价值，结合dbscan聚类算法，获取混凝土浇筑图各个像素点的钢筋细节保留价值，改进单尺度ssr算法中的尺度参数，结合3d成像技术，将混凝土浇筑3d图像作为bp神经网络的输入，获取各个混凝土泵管的下料速度，其有益效果在于对高钢筋边缘真实显著指数像素点的邻域细节也进行增强，提高3d成像技术图像匹配的精度，自适应确定ssr算法中各个混凝土浇筑图中每个像素点的尺度参数，而且采用神经网络根据实际混凝土浇筑情况，实时获取各个混凝土泵管的下料速度，确保梁柱节点各处的混凝土高度相似，梁柱节点模板的侧压力大致均等，提高混凝土浇筑质量。