基于立體視覺的混凝土振搗質(zhì)量監(jiān)測系統(tǒng)的開發(fā)
發(fā)布時間:2021-11-21 01:54
隨著基礎設施和城鎮(zhèn)建設量飛速增長,施工進度越來越快,對混凝土澆筑質(zhì)量的要求日益嚴格。振搗是混凝土澆筑過程中的關(guān)鍵工藝,振搗質(zhì)量的監(jiān)測與控制是施工質(zhì)量控制中的重要環(huán)節(jié)。因而對振搗質(zhì)量的智能監(jiān)測與評估有重要意義。目前,施工人員主要依據(jù)個人經(jīng)驗進行振搗質(zhì)量控制,隨意性強且振搗效果難以量化評價。一旦欠振、過振或漏振將造成質(zhì)量缺陷而無法及時得知,留下重大安全隱患。現(xiàn)有的振搗質(zhì)量監(jiān)測系統(tǒng)往往需對振搗棒進行大幅改進,且需在建筑工地建立GPS基站,工序繁瑣,操作復雜,成本較高,未能普遍應用。根據(jù)施工場景及振搗工藝要求進行振搗質(zhì)量監(jiān)測系統(tǒng)的硬件參數(shù)計算、選型及搭建,采用張正友標定法及立體標定算法進行雙目標定,得到圖像坐標與三維物理坐標的轉(zhuǎn)換關(guān)系;基于交并比和中心坐標像素偏差距離對比分析多尺度自適應型均值漂移算法(ASMS),引入核函數(shù)的相關(guān)濾波類算法(kcf),高效的卷積濾波算子(ECO),以及Siamese全卷積神經(jīng)網(wǎng)絡(Siam FC)四種運動跟蹤算法,選擇魯棒性最好、精度最高且效率最高的ECO算法進行振搗棒的運動跟蹤。結(jié)合最大響應值和平均峰值相關(guān)能量(APEC)設計一種新的跟蹤置信度指標評估算法跟...
【文章來源】:哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校
【文章頁數(shù)】:79 頁
【學位級別】:碩士
【部分圖文】:
混凝土振搗示意圖
圖 1-4 通訊網(wǎng)絡示意圖[8]9 月,河海大學的田正宏、李東新等提出一種振搗時搗棒插拔混凝土時,棒體工作電流和振搗音頻差異是否處于振搗狀態(tài),進而計算時長。如圖 1-5 為振實時采集振搗棒工作電流實時采集振搗棒工作音頻與電流閾值比較大小得到工作狀態(tài)A與音頻閾值比較大小得到工作狀態(tài)BA與B相同?保持工作狀態(tài)YNN
哈爾濱工業(yè)大學工學碩士學位論文狀態(tài)預測是根據(jù)狀態(tài)轉(zhuǎn)移模型遞推來實現(xiàn)的,利用當前觀測值和觀測似然模型,計算預測值的置信度,并進行修正。當模型服從線性分布、系統(tǒng)噪聲和觀測噪聲服從正態(tài)分布時,采用卡爾曼濾波算法,可得貝葉斯濾波最優(yōu)解;而對于非線性的情況,通過擴展卡爾曼濾波(Extended Kalman Filter)[18]可得其次優(yōu)解。如均值漂移算法(Mean-shift)[19]以及為實現(xiàn)尺度魯棒估計的自適應尺度均值漂移算法 ASMS(Adaptive Scaled Mean Shift)[20]是精度和魯棒性都較好的概率跟蹤方法。如圖 1-7 為采用不同的跟蹤算法對小狗的跟蹤結(jié)果。
【參考文獻】:
期刊論文
[1]基于視覺的移動機器人自主定位導航[J]. 方強,謝存禧. 機床與液壓. 2004(07)
[2]運動視覺在移動機器人導航與定位中的應用[J]. 朱常琳,郭光輝. 蘭州鐵道學院學報. 2000(06)
博士論文
[1]視覺目標識別與三維定位關(guān)鍵技術(shù)的研究[D]. 謝妤嬋.天津大學 2009
碩士論文
[1]基于SIFT算子的雙目視覺三維測量技術(shù)研究[D]. 陳愛鸞.廣東工業(yè)大學 2015
[2]目標跟蹤算法的研究與分析[D]. 苗青.上海交通大學 2015
本文編號:3508524
【文章來源】:哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校
【文章頁數(shù)】:79 頁
【學位級別】:碩士
【部分圖文】:
混凝土振搗示意圖
圖 1-4 通訊網(wǎng)絡示意圖[8]9 月,河海大學的田正宏、李東新等提出一種振搗時搗棒插拔混凝土時,棒體工作電流和振搗音頻差異是否處于振搗狀態(tài),進而計算時長。如圖 1-5 為振實時采集振搗棒工作電流實時采集振搗棒工作音頻與電流閾值比較大小得到工作狀態(tài)A與音頻閾值比較大小得到工作狀態(tài)BA與B相同?保持工作狀態(tài)YNN
哈爾濱工業(yè)大學工學碩士學位論文狀態(tài)預測是根據(jù)狀態(tài)轉(zhuǎn)移模型遞推來實現(xiàn)的,利用當前觀測值和觀測似然模型,計算預測值的置信度,并進行修正。當模型服從線性分布、系統(tǒng)噪聲和觀測噪聲服從正態(tài)分布時,采用卡爾曼濾波算法,可得貝葉斯濾波最優(yōu)解;而對于非線性的情況,通過擴展卡爾曼濾波(Extended Kalman Filter)[18]可得其次優(yōu)解。如均值漂移算法(Mean-shift)[19]以及為實現(xiàn)尺度魯棒估計的自適應尺度均值漂移算法 ASMS(Adaptive Scaled Mean Shift)[20]是精度和魯棒性都較好的概率跟蹤方法。如圖 1-7 為采用不同的跟蹤算法對小狗的跟蹤結(jié)果。
【參考文獻】:
期刊論文
[1]基于視覺的移動機器人自主定位導航[J]. 方強,謝存禧. 機床與液壓. 2004(07)
[2]運動視覺在移動機器人導航與定位中的應用[J]. 朱常琳,郭光輝. 蘭州鐵道學院學報. 2000(06)
博士論文
[1]視覺目標識別與三維定位關(guān)鍵技術(shù)的研究[D]. 謝妤嬋.天津大學 2009
碩士論文
[1]基于SIFT算子的雙目視覺三維測量技術(shù)研究[D]. 陳愛鸞.廣東工業(yè)大學 2015
[2]目標跟蹤算法的研究與分析[D]. 苗青.上海交通大學 2015
本文編號:3508524
本文鏈接:http://www.sikaile.net/guanlilunwen/chengjian/3508524.html
教材專著