具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种地铁车站钢管柱垂直度智能校准方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。

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发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种地铁车站钢管柱垂直度智能校准方法及系统的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种地铁车站钢管柱垂直度智能校准方法流程图，该方法包括：

步骤S1：以钢管为中心设置圆形滑轨；圆形滑轨上包括轨道相机和水平仪；通过轨道相机采集水平仪图像；根据水平仪图像判断圆形滑轨是否水平放置；当圆形滑轨水平放置时，通过轨道相机采集不同方位角下的第一钢管图像；根据第一钢管图像获得钢管边缘。

为了分析钢管的全方位信息，以钢管为中心设置圆形滑轨。圆形滑轨上包括轨道相机和水平仪，轨道相机可以拍摄钢管图像和水平仪图像。因为钢管垂直度需要在圆形滑轨水平放置时进行检测，因此需要通过水平仪图像判断圆形滑轨是否水平放置。具体包括：

请参阅图2，其示出了本发明一个实施例采用的水平仪示意图。水平仪图像包括气泡信息和圆形刻度线信息。获得水平仪图像中的气泡区域和圆形刻度线区域。。以气泡区域中心点和圆形刻度线区域中心点的距离作为偏移距离。当偏移距离小于预设标准距离时，判断圆形滑轨水平放置。

在本发明实施例中，通过预先训练好的气泡分割网络处理水平仪图像，获得气泡区域。气泡分割网络的具体训练方法包括：

(1)以不同姿态的水平仪图像作为训练数据。在水平仪图像中进行标注，气泡区域标注为1，圆形刻度线区域标注为2，背景区域标注为0，获得标注数据。

(2)气泡分割网络采用编码-解码结构的语义分割网络。将训练数据和标注数据送入气泡分割编码器中进行特征提取，输出特征图。气泡分割解码器将特征图进行采样变换，输出语义分割结果，即获得气泡区域和圆形刻度线区域。

(3)采用交叉熵损失函数进行训练。

在本发明实施例中，以气泡区域和圆形分割线区域横纵坐标的最大值和最小值获得区域中心点，具体包括：其中(x_中心,y_中心)为区域中心点坐标，x_min为区域横坐标最小值，x_max为区域横坐标最大值，y_min为区域纵坐标最小值，y_max为区域纵坐标最大值。为了自适应水平仪的型号和水平仪图像的大小，将标准距离设置为圆形刻度线区域的半径。

请参阅图3，其示出了本发明一个实施例所提供的一个圆形滑轨示意图。圆形滑轨C上的轨道相机A与钢管B有固定距离，且通过圆形滑轨的支架D与地面拥有一定高度。轨道相机A在采集图像的过程中，在圆形滑轨C上匀速运行一周，完成图像采集任务，通过轨道相机A在圆形滑轨C上的位置确定第一钢管图像对应的方位角。在本发明实施例中，以正东方为0度方位角。

因为轨道相机在采集图像的过程中是在圆形滑轨上进行顺时针运动或者逆时针运动，所以会存在运动模糊的情况。因为轨道相机是在水平方向上圆周运动，因此图像在全局中模糊的方向只存在于水平方向上。以轨道相机的移动速度和曝光时间的乘积作为模糊尺度；以模糊尺度的倒数作为点扩展函数，以点扩展函数通过逆滤波对第一钢管图像进行去模糊处理。

根据第一钢管图像获得钢管边缘。因为第一钢管图像为相机在不同方位角下的图像，因此每个第一钢管图像对应一个钢管边缘。获得钢管边缘具体包括：

将第一钢管图像送入预先训练好的钢管识别网络中，输出钢管分割图。对钢管分割图进行边缘检测获得钢管边缘。

在本发明实施例中，钢管识别网络的具体训练方法为：

1)以各个方位角拍摄的钢管图像作为训练数据。对钢管像素标注为1，其他标注为

0，获得标注数据。

2)钢管识别网络采用编码-解码结构，将训练数据和标注数据经过归一化处理后送

入钢管识别编码器中，提取特征图。钢管识别解码器将特征图进行采样变换输出钢管分割图。

3)采用交叉熵损失函数对网络进行训练。

在发明实施例中，利用Sober算子对钢管分割图进行边缘检测，获得钢管边缘。

步骤S2：获得钢管边缘的平行度；以大于预设平行度阈值的平行度对应的钢管图像作为第二钢管图像；根据第二钢管图像的钢管边缘获得钢管倾角；根据钢管倾角校准标砖钢管倾角对应的方位角，获得钢管倾斜方位角。

同一倾斜度的钢管在不同方位角拍摄的第一钢管图像中呈现不同的样式。因为钢管倾斜面与相机光轴会出现非垂直关系，使得第一钢管图像存在透视变换造成的误差，即近大远小，在图像上钢管边缘会呈现不同的梯形形状。透视变换造成的误差无法获得准确的钢管倾斜角，因此需要通过第一边缘图像中钢管边缘的平行度确定出相机光轴垂直于钢管倾斜面时的图像。

因为在图像中并不能呈现全部的钢管两侧边缘，为了表示钢管边缘的平行特征，需要对钢管边缘像素点进行拟合，获得钢管边缘直线。钢管边缘直线与图像边界直线围成参考四边形。因为在相机拍摄钢管过程的透视变换中，平行度不同的参考四边形上下两条边的差异明显，因此根据参考四边形的上边和下边的差异获得平行度。差异越小，则平行度越大。具体通过平行度计算公式获得平行度，平行度计算公式为：

其中，n为平行度，l_下为参考四边形的下边长度，l_上为参考四边形的上边长度。

钢管边缘的平行度越大，表示图像受到透视变换影响越小，因此设置平行度阈值，以大于预设平行度阈值的平行度对应的第一钢管图像作为第二钢管图像。第二钢管图像为相机光轴垂直于钢管倾斜斜面时拍摄的图像。在本发明实施例中平行度阈值设置为50。

根据第二钢管图像中的钢管边缘获得钢管倾角。通过钢管边缘直线的斜率可以获得初始钢管倾角。钢管倾角为钢管与水平面垂线的夹角，因此初始钢管倾角为： 其中，k为钢管边缘直线的斜率。第二钢管图像为多张图像，每张第二钢管图像中都有两条钢管边缘直线，以最大的初始钢管倾角作为钢管倾角。

为了对钢管倾角进行矫正，需要通过钢管倾角校准钢管倾角对应的方位角，获得钢管倾斜方位角。具体包括：

因为在第二图像中相机光轴与钢管倾斜斜面垂直，即所在位置与钢管的倾斜方位相差90°或-90°，因此需要根据钢管倾角判断钢管倾斜方向，通过钢管倾斜方向调整钢管倾角对应的方位角。当钢管倾斜方向为向右倾斜时，将方位角减小90°，获得钢管倾斜方位角；当钢管倾斜方向为向左倾斜时，将方位角增大90°获得钢管倾斜方位角。

在本发明实施例中，当钢管倾角对应的钢管边缘直线斜率小于0时，认为钢管向右倾斜，反之则认为钢管向左倾斜。

步骤S3：根据钢管倾斜方位角校准钢管。

以钢管倾斜方位角的反方向作为校准方向，控制吊装车根据校准方向校准钢管。校准过程中实时检测钢管倾角。当钢管倾角小于等与预设倾角阈值时，说明钢管垂直度达到标准，结束校准。在本发明实施例中，倾角阈值设置为5°。

优选的，请参阅图4，其示出了本发明一个实施例提供的一个钢管倾斜俯视图。根据钢管倾斜方位角α、圆形滑轨的直径和钢管的直径构建钢管倾斜俯视图。钢管倾斜俯视图中包括圆形滑轨的第一圆形边缘E和钢管的第二圆形边缘F。钢管倾斜俯视图可以使得校准过程可视化。通过钢管倾斜俯视图校准钢管，直至第二圆形边缘F的圆心与第一圆形边缘E的圆心重合，即图3中虚线处。根据钢管倾斜俯视图校准钢管使得使校准过程更加直观且准确。

综上所述，在本发明实施例中以钢管中心设置圆形滑轨，获取圆形滑轨上的水平仪图像，通过水平仪图像判断圆形滑轨是否水平放置。当圆形滑轨水平放置时，通过轨道相机采集不同方位角下的第一钢管图像及图像中的钢管边缘。获得钢管边缘的平行度。以大于预设平行度阈值的平行度对应的第一钢管图像作为第二钢管图像。根据第二钢管图像的钢管边缘获得钢管倾角。根据钢管倾角调整钢管倾角对应的方位角，获得钢管倾斜方位角。根据钢管倾斜方位角校准钢管。本发明实施例通过不同方位角的钢管边缘信息获得钢管倾斜方位角，消除了透视变换造成的误差，提高了检测精度，能够准确校准钢管的垂直度。

本发明还提出了一种地铁车站钢管柱垂直度智能校准系统，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，其特征在于，处理器执行计算机程序时实现任意一项一种地铁车站钢管柱垂直度智能校准方法的步骤。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。