(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210694220.3 (22)申请日 2022.06.20 (65)同一申请的已公布的文献号 申请公布号 CN 114782845 A (43)申请公布日 2022.07.22 (73)专利权人 青岛理工大 学 地址 266011 山东省青岛市 市北区抚顺路 11号 (72)发明人 管晓明　许华威　刘泉维　傅洪贤　 张稳军　宋克志　武科　张拥军　 张素磊　卢泽霖　张建国　王少民　 (74)专利代理 机构 北京集智东方知识产权代理 有限公司 1 1578 专利代理师 刘林　陈攀(51)Int.Cl. G06V 20/17(2022.01) G06V 10/24(2022.01) G06V 10/26(2022.01) G06V 10/30(2022.01) G06V 10/764(2022.01) G06F 30/13(2020.01) G06F 30/23(2020.01) G06F 119/14(2020.01) (56)对比文件 CN 110207592 A,2019.09.0 6 审查员 许明 (54)发明名称 爆破后建筑物新生裂缝识别方法、 装置、 设 备及介质 (57)摘要 本发明提供了一种爆破后建筑物新生裂缝 识别方法、 装置、 设备及介质， 涉及隧道爆 破技术 领域， 包括获取第一信息， 第一信息包括建筑物 的第一图像信息和建筑参数信息； 根据第一信息 建立建筑物 三维模型， 并对建筑物 三维模型进行 爆破影响模拟得到建筑物的易损伤部位； 获取第 二信息， 第二信息包括建筑物的第二图像信息， 第二图像信息为在一次爆破后采集到的图像信 息,第一图像信息和第二图像信息均由无人机拍 摄； 根据第一图像信息和第二图像信息对易损伤 部位进行裂缝区域重建提取得到新生裂缝。 在本 申请中通过运用无人机贴近建筑物摄影测量、 建 筑物固有频率探索及模型参数调整准确预测出 易损伤部位。 并基于易损伤部位识别出新生裂 缝。 权利要求书3页 说明书12页 附图4页 CN 114782845 B 2022.09.02 CN 114782845 B 1.一种爆破后建筑物新 生裂缝识别方法， 其特 征在于， 包括： 获取第一信息， 所述第一信息包括建筑物的第一图像信息和建筑参数信息； 根据所述第 一信息建立建筑物三维模型， 并对所述建筑物三维模型进行爆破影响模拟 得到所述建筑物的易损伤部位； 获取第二信息， 所述第二信息包括建筑物的第二图像信息， 所述第二图像信息为在一 次爆破后采集到的图像信息， 所述第二图像信息和所述第一图像信息均由无人机搭载摄像 头拍摄得到； 根据所述第一图像信息和所述第二图像信息对所述易损伤部位进行裂缝区域重建提 取得到新生裂缝； 其中， 其特征在于,根据所述第一图像信息和所述第二图像信息对所述易损伤部位进 行裂缝区域重建提取 得到新生裂缝， 包括： 对所述易损伤部位在所述第一图像信息和所述第二图像信息中分别提取得到第四信 息， 所述第四信息包括所述 易损伤部位对应爆破前图像和爆破后图像； 对所述第四信 息进行预处理得到预处理后的所述第四信 息， 所述第四信 息包括爆破前 灰度图和爆破后灰度图， 所述预 处理包括区域增强处理、 亮度均匀性处理、 灰度处理和高斯 去噪处理； 对预处理后的所述第四信 息进行双阈值重建图像分割方式， 得到爆破前裂缝图像和爆 破后裂缝图像； 根据所述爆破前裂缝图像对所述爆破后裂缝图像进行几何校正， 并更新所述爆破后裂 缝图像为几何校正后的图像； 根据所述爆破前裂缝图像对所述爆破后裂缝图像提取 得到新生裂缝； 其中， 其特征在于,对预处理后的所述第四信 息进行双阈值重建图像分割方式， 得到爆 破前裂缝图像和爆破后裂缝图像， 包括： 根据所述爆破前 灰度图中灰度极大值和灰度极小值计算得到递归阈值； 像素划分： 根据 所述递归阈值逐个将所述爆破前灰度图中每个像素点分为裂缝像素集 内的一个元 素或背景像素集内的一个元 素； 根据所有的所述裂缝像素和所述背景像素， 重新计算更新所述递归阈值并重新开始像 素划分， 直到所述 递归阈值 不变； 根据所述 递归阈值将所述爆破前 灰度图转 化为爆破前二 值图像； 对所述爆破前二 值图像进行图像分割得到所述爆破前裂缝图像。 2.根据权利要求1所述的爆破后建筑物新生裂缝识别方法， 其特征在于,根据 所述第一 信息建立建筑物三维模型， 包括： 调用预设的三维有限元 软件； 根据建筑参数信息在所述 三维有限元 软件中建立所述建筑物三维模型； 对所述建筑物三维模型进行模态优化， 并更新所述建筑物三维模型为模态优化后的模 型； 对所述建筑物三维模型进行参数优化， 并更新所述建筑物三维模型为参数优化后的模 型。 3.一种爆破后建筑物新 生裂缝识别装置， 其特 征在于， 包括：权　利　要　求　书 1/3 页 2 CN 114782845 B 2第一获取单元， 用于获取第一信息， 所述第一信息包括建筑物的第一图像信息和建筑 参数信息； 模型建立单元， 用于根据所述第一信息建立建筑物三维模型， 并对所述建筑物三维模 型进行爆破影响模拟得到所述建筑物的易损伤部位； 第二获取单元， 用于获取第 二信息， 所述第二信息包括建筑物的第二图像信息， 所述第 二图像信息为在一次爆破后采集到的图像信息， 所述第二图像信息和所述第一图像信息均 由无人机搭载摄像头拍摄得到； 裂缝识别单元， 用于根据所述第 一图像信 息和所述第 二图像信 息对所述易损伤部位进 行裂缝区域重建提取 得到新生裂缝； 其中， 其特 征在于， 所述裂缝识别单 元包括： 图像提取单元， 用于对所述易损伤部位在所述第 一图像信 息和所述第 二图像信 息中分 别提取得到第四信息， 所述第四信息包括所述 易损伤部位对应爆破前图像和爆破后图像； 预处理单元， 用于对所述第 四信息进行预处理得到预处理后的所述第 四信息， 所述第 四信息包括爆破前灰度图和爆破后灰度图， 所述预处理包括区域增强处理、 亮度均匀 性处 理、 灰度处 理和高斯去噪处 理； 图像重建单元， 用于对预处理后的所述第 四信息进行双阈值重建图像分割方式， 得到 爆破前裂缝图像和爆破后裂缝图像； 图像校正单元， 用于根据所述爆破前裂缝图像对所述爆破后裂缝图像进行几何校正， 并更新所述爆破后裂缝图像为几何校正后的图像； 裂缝提取单元， 用于根据所述爆破前裂缝图像对所述爆破后裂缝图像提取得到新生裂 缝； 其中， 所述图像重建单 元包括： 第一计算单元， 用于根据所述爆破前灰度图中灰度极大值和灰度极小值计算得到递归 阈值； 像素分类单元， 用于像素划分： 根据所述递归阈值逐个将所述爆破前灰度图中每个像 素点分为裂缝像素或背景像素； 第二计算单元， 用于根据所有的所述裂缝像素和所述背景像素， 重新计算更新所述递 归阈值并重新 开始像素划分， 直到所述 递归阈值 不变； 图像转化单元， 用于根据所述 递归阈值将所述爆破前 灰度图转 化为爆破前二 值图像； 分割单元， 用于对所述爆破前二 值图像进行图像分割得到所述爆破前裂缝图像。 4.根据权利要求3所述的爆破后建筑物新生裂缝识别装置， 其特征在于， 所述模型建立 单元包括： 调用单元， 用于调用预设的三维有限元 软件； 模型绘制单元， 用于根据建筑参数信 息在所述三维有限元软件中建立所述建筑物三维 模型； 模态优化单元， 用于对所述建筑物三维模型进行模态优化， 并更新所述建筑物三维模 型为模态优化后的模型； 参数优化单元， 用于对所述建筑物三维模型进行参数优化， 并更新所述建筑物三维模 型为参数优化后的模型。权　利　要　求　书 2/3 页 3 CN 114782845 B 3