本发明涉及工程结构数字图像法检测技术，尤其涉及一种基于图像处理与深度学习的网架结构三维重建方法和装置。
背景技术：
1、网架结构是大跨空间结构形式中的一种，它是由多根杆件按照某种有规律的几何图形通过节点连接起来的空间结构，具有空间三维传力、重量轻、刚度大、抗震性能好等优点。上个世纪60年代起至今，网架结构被广泛应用于我国的体育场馆、航站楼、火车站房、展览中心等大型公共建筑的建设。
2、我国既有网架结构建设数量之多、规模之大均居世界首位，而在役网架结构因环境侵蚀劣化、使用管理不当等问题导致的工程隐患也逐渐增多。为避免重大安全事故发生，对既有网架结构进行定期“体检”是必要的。其中，通过监测网格结构的静态几何参数并获取实际结构性状，对实现网格结构的健康监测具有实际意义，然而由于网格结构杆件数量多、跨度大等特性，基于全站仪、激光扫描仪等设备进行结构三维重建的传统技术势必带来巨大的工作量。而随着近年来图像处理、计算机技术的快速发展，机器视觉技术被逐渐应用于土木工程领域，这为通过图像快速获取网架结构球节点信息、节点间杆件连接信息从而实现对既有网架结构的快速三维重建带来了可能，由此利用重建模型与设计模型进行匹配对比可获得节点位移、杆件缺失等关键监测信息。
3、此前相关研究工作采取深度学习方法对网架结构球节点间杆件连接关系进行判定，使用卷积神经网络对杆件语义分割数据集进行训练，识别得到掩码区域，通过对比图像中任意两球节点的连线与杆件掩码信息，基于设定的阈值对连接关系进行判定。(宋燕飞,罗尧治,沈雁彬,蔡朋程,2020.基于双目视觉与图像识别的网架结构三维重建,空间结构,26(04):28-35,74.)上述方法的不足在于：①杆件语义分割数据集准确率低，目标检测比语义分割简单，而且球节点特征明确、任何视角上都是圆形，识别准确率极高，但杆件在不同视角下长宽、粗细、轴线方向各不相同，语义分割准确率较低；②当杆件存在遮挡时，单根杆件会被误识为多根，且需人工判断连续性问题，无法实现程序自动判断；③杆件语义分割数据集制作成本高，需要根据光照条件、背景条件及杆件表面状态等制作海量样本。
技术实现思路
1、本发明的目的在于针对现有技术的不足，提供一种基于图像处理与深度学习的网架结构三维重建方法和装置。
2、本发明的目的是通过以下技术方案来实现的：一种基于图像处理与深度学习的网架结构三维重建方法，包括：
3、通过网架结构图像制作网架结构球节点图像数据集，所述网架结构球节点图像数据集用于训练卷积神经网络模型；
4、将待测网架结构图像输入至预训练模型进行球节点目标检测，获得待测图像中所有球节点及球节点信息；并根据所述所有球节点及球节点信息划定潜在杆件分布的掩码区域，获得掩码图像；所述球节点信息包括球节点球心的像素坐标和球径大小；
5、对待测网架结构图像进行预处理并进行直线特征提取，得到所述掩码区域中的直线段；
6、通过斜率、长度阈值判定法则遍历所述掩码区域中的直线段并进行判定，输出网架杆件连接信息；
7、根据球节点及球节点信息与杆件连接信息，生成网架结构模型。
8、进一步地，所述通过网架结构图像制作网架结构球节点图像数据集具体为：对所述网架结构图像数据进行球节点标记，得到网架结构球节点图像数据集。
9、进一步地，所述根据所述所有球节点及球节点信息划定潜在杆件分布的掩码区域，获得掩码图像具体为：对所有球节点进行两两连线，并以每对球节点中最大球直径为线宽绘制潜在杆件分布的掩码区域，获得掩码图像。
10、进一步地，所述对待测网架结构图像进行预处理并进行直线特征提取，得到所述掩码区域中的直线段具体为：
11、对待测网架结构图像进行预处理；所述预处理包括均值化、对数变换/指数变换和降噪操作；
12、采用直线段检测器对经预处理后的待测网架结构图像进行直线特征提取；所述直线段检测器包括lsd直线段检测器、fld直线段检测器和霍夫直线检测器；
13、根据所获得的直线特征，使用cv2.bitwise_and函数保留所述掩码区域内的直线段，然后使用cv2.findcontours以及cv2.fillpoly函数去除所述掩码图像中的小区域。
14、进一步地，所述去除所述掩码图像中的小区域具体为：设定第一阈值，对cv2.findcontours得到的区域进行遍历，去除像素面积小于第一阈值的区域。
15、进一步地，所述预处理还包括采用canny等边缘检测算子、删除小连通域、腐蚀膨胀方法进行预处理，再进行均值化、对数变换/指数变换和降噪操作。
16、进一步地，所述直线特征提取器为lsd直线段检测器。
17、进一步地，所述通过斜率、长度阈值判定法则遍历所述掩码区域中的直线段并进行判定，输出网架杆件连接信息具体为：
18、对每一个所述掩码区域进行直线段判定：设其中一个掩码区域为λ，λ区域内的两个球节点的连线斜率为ki、距离为li，遍历λ区域内的所有直线段，设定当前直线段斜率为kj，若kj与ki在预设的角度偏差阈值范围内，则予以保留，否则删去；
19、对λ区域内的剩余直线段的长度求和，计算所得总长度与li的比值，若该比值超过预设的第二阈值，则判断为球节点之间有杆件相连，否则判断为无；
20、对球节点之间有杆件相连的进行二次判定，具体为：遍历每一个球节点到任意其他两个球节点连线的距离，若投影点在该连线的线段上且距离小于预设的第三阈值则判定为三点近似共线；当存在三点近似共线的情况，若其中间点与首尾点杆件连接关系判定为有，则首尾两点间杆件连接关系判定为无。
21、本发明还提供了一种基于图像处理与深度学习的网架结构三维重建装置，包括一个或多个处理器，用于实现上述的一种基于图像处理与深度学习的网架结构三维重建方法。
22、本发明还提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时，用于实现上述的一种基于图像处理与深度学习的网架结构三维重建方法。
23、本发明的有益效果是，通过输入一张网架图像与预建立的球节点目标检测数据集，可以有效获得网架结构杆件连接信息，基于基础几何与光学知识、图像自然特征等可以有效降低使用大批量网架样本制作数据集的成本，通过使用特征直线总长度阈值判别方法可以有效缓解网架杆件被遮挡情形下的识别问题。本发明的使用仅需球节点目标检测数据集，而无需制作杆件语义分割数据集，即可获得基于机器视觉的网架结构重建模信息，效率优于现有方法，且具有原理简单、操作简便等优点。
1.一种基于图像处理与深度学习的网架结构三维重建方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述通过网架结构图像制作网架结构球节点图像数据集具体为：对所述网架结构图像数据进行球节点标记，得到网架结构球节点图像数据集。
3.根据权利要求1所述的方法，其特征在于，所述根据所述所有球节点及球节点信息划定潜在杆件分布的掩码区域，获得掩码图像具体为：对所有球节点进行两两连线，并以每对球节点中最大球直径为线宽绘制潜在杆件分布的掩码区域，获得掩码图像。
4.根据权利要求1所述的方法，其特征在于，所述对待测网架结构图像进行预处理并进行直线特征提取，得到所述掩码区域中的直线段具体为：
5.根据权利要求4所述的方法，其特征在于，所述去除所述掩码图像中的小区域具体为：设定第一阈值，对cv2.findcontours得到的区域进行遍历，去除像素面积小于第一阈值的区域。
6.根据权利要求4所述的方法，其特征在于，所述预处理还包括采用canny等边缘检测算子、删除小连通域、腐蚀膨胀方法进行预处理，再进行均值化、对数变换/指数变换和降噪操作。
7.根据权利要求4所述的方法，其特征在于，所述直线特征提取器为lsd直线段检测器。
8.根据权利要求1所述的方法，其特征在于，所述通过斜率、长度阈值判定法则遍历所述掩码区域中的直线段并进行判定，输出网架杆件连接信息具体为：
9.一种基于图像处理与深度学习的网架结构三维重建装置，其特征在于，包括一个或多个处理器，用于实现权利要求1-8中任一项所述的一种基于图像处理与深度学习的网架结构三维重建方法。
10.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时，用于实现权利要求1-8中任一项所述的一种基于图像处理与深度学习的网架结构三维重建方法。
