空间定位技术

2024-08-18

空间定位技术（共7篇）

空间定位技术篇1

1 引言

随着社会科技的不断进步和人类生活水平的提高, 车辆数量和交通流量剧增, 高速公路管理和城市汽车交通管理亟待加强管理水平, 智能交通系统一直是研究的热点。在智能交通管理系统中, 对车辆的识别唯一ID即对车牌的识别是核心技术。车牌识别系统中最核心的先验环节是车牌定位, 车牌定位的准确性直接影响后续环节--字符分割、字符识别。因此对车牌定位的研究极有意义和价值, 本文就车牌定位技术进行研究。

当前具有代表性的车牌定位算法有基于边缘检测、纹理分割算、数学形态学、颜色空间、小波变换、神经网络的算法等, 以往的这些算法虽然在一定程度上能进行车牌定位但也存在一些不足。基于边缘检测的定位算法[1,2]实时性和去噪效果好, 但对车牌倾斜或有的车牌无边框的情况下导致车牌定位不准确;基于纹理特征的定位算法[3]抗噪效果不理想, 因此常与垂直投影结合进行定位[4], 但容易将把相似的纹理特征的非车牌区域误作为车牌的候选区域;基于数学形态学的定位算法[5,6], 车牌定位效果依赖所选取的结构元素的形状和大小, 因此在识别过程中, 对不同的车牌定位需要设置不同形状和大小的结构元素, 不具备定位的通用性;基于Lab彩色空间可识别定位蓝色车牌区[7], 也有采用HSV空间根据不同牌照的底色特征提取各种分量的取值范围[8], 但仅依赖某一空间的颜色分量的阀值定位是不可靠不合理的, 因此依据单一颜色空间的定位效果不理想, 基于多颜色空间的车牌定位方法[9]可通过多个颜色分量确定车牌位置, 但多个分量涉及到的计算偏大;基于小波变换的定位算法, 充分利用小波具有“数学显微镜”的特点, 结合行扫描可快速定位, 但不适用于车牌褪色或光线不好的情况[10];基于神经网络的定位算法[11,12,13]学习能力、自适应能力、并行计算能力强, 弊端是计算量大、训练过程中对样本的依赖性较强, 因此要求对样本的采集全面反映车牌特征和非车牌特征, 而对此样本的采集工作不易实现。本文首先通过HSI和YUV空间对车牌区域初定位, 然后中值滤波处理, 通过投影技术精确定位, 最后倾斜校正, 达到了较好的定位效果。

2 基于HSI和YUV的车牌初定位

车牌图像采集到的照片是RGB彩色图像。笔者采集到的图像像素是1936×2592×3的数组, 可等效为由R分量灰度图像、G分量灰度图像、B分量灰度图像形成的“堆”。三个颜色分量的相关性很强, 即使是相同的颜色接受不同的光照在人视觉中感知的颜色却未必相同, 故一般不用R G B颜色分量作为提取颜色的特征向量。

一般由艺术家所推崇使用的HSI空间, 该彩色空间具有两大特点: (1) 亮度I分量与图像的彩色信息独立; (2) 色调H分量、饱和度S分量与人感受颜色的信息紧密相关。这些特点是H I S空间便于彩色特性检测与分析的重要依据。在HSI空间中, 如果饱和度S很小, 所有的颜色最终表现出来的的是由亮度分量I代表的灰色, 只有S比较大时, 才表现出与色调分量H一致的颜色。

Y U V彩色空间最显著的特点是亮度信号Y与色度信号U、V分离, 适用于对光照比较敏感的情况下的图像处理。我们在采集车牌图像时, 往往会遭受晴天、阴天和雨天等不同光照影响, 需要依靠Y U V颜色空间定位实现对复杂天气情况的车牌定位。比较式 (4) 和式 (5) , Y U V空间的Y分量比H S I空间的I分量更能准确的表达红、绿、蓝三个颜色分量对亮度的贡献程度。

依据《中华人民共和国机动车号牌》的规定, 我国车牌的颜色分为白字蓝底、白字黑底、黑字黄底、黑字白底四种。通过对这四种车牌底色的实验可知, 当S较大时, H分量用于提取白字蓝底和黑色黄底的车牌, 蓝底车牌的H大致在235°-245°分布, 黄底车牌的H大致在55°-65°分布;当S较小时, Y分量用于提取白字黑底和黑字白底的车牌, 白底车牌的Y大致在250-255分布, 黑底车牌Y大致在0-5分布。

利用H S I颜色空间三个分量彼此独立不相关、Y U V空间的亮度和色度独立不相关的特点, 笔者基于H S I空间和Y U V空间进行初定位。所以我们在界定S较大或者S较小时, 采用HSI颜色空间的饱和度分量S与阀值F做比较最终确定像素到底由色调信号H或亮度Y信号。其中阀值F由式1求取[14]。

当S小于F时, 认为S很小, 把Y U V空间的Y分量作为提取的特征向量, 根据Y的取值范围即可分离白底、黑底车牌区域和非车牌区域;当S大于F时, 即视为S较大, 此时HSI颜色空间的H分量作为提取的特征向量, 对照H的取值范围即可分离蓝底、黄底车牌区域和非车牌区域。

其算法步骤是, 首先将RGB空间转换成HSI空间和YUV空间, 在具体的转换过程中, 无需转换计算HSI空间和Y U V空间的所有分量, 只需转换H S I空间的H分量、I分量、S分量及YUV空间的Y分量即可。其中H分量、S分量、I分量和Y分量分别由式2、式3、式4、式5进行转换。式 (2) 把H分量的单位从弧度化成角度, 此时H分量的取值范围为0°-360°, S分量归一化至0-1, I分量和Y分量在0-255上分布, 阀值F的取值范围为0.2-1。

利用以下逻辑对R G B车牌图像进行二值化处理:

以上算法完成了车牌的初定位, 实验结果见图2。

3 基于投影技术的车牌精定位

对初定位的图2滤波处理, 用3×3的中值滤波去噪。对去噪后的二值图像进行水平方向和垂直方向投影, 设二值图的大小为m×n, 投影的映射函数:

fy (x) 表示每行白色像素值的个数累积和, fx (y) 表示每列白色像素值的个数累积和。图2-a对应的行方向和列方向的像素点累积和如图3-a和图3-b所示。分别从图像的顶端和底端行扫描, 选取30为阀值, 若行累计像素值fy (x) >30, 说明这是车牌的上边框和下边框, 将上、下边框的行值作为行索引值可确定车牌的行区域;分别从图像的左端和右端列扫描, 若列累计像素值fx (y) >30, 说明这是车牌的左边框和右边框, 将左、右边框的列值作为列索引值即可确定车牌的列区域。得到的精确定位结果如图4所示。图1-b为雨天时所拍的车牌照片, 从图4-b可看出, 该算法也可实现对雨天的车牌准确有效的定位, 即克服了在图像采集时受到的天气、光线等因素的影响, 有效的抑制了噪声。

4 倾斜校正

由于拍照角度不同、行驶路面存在坡度等原因, 可导致车牌有一定的倾斜, 因此在车牌精确定位后进行倾斜校正, 为后续的字符分割环节提供保障。本文采取Radon变换求取倾斜角。如图5所示, 原坐标 (x, y) 旋转θ角度后的新坐标为 (x1, y1) , 函数f (x, y) 可沿任意角度θ计算其在各方向的线积分[15]。

Radon变换公式:

其中,

首先把倾斜的车牌图像灰度化, 对灰度图在一定角度范围内Radon变换, 计算各角度投影后投影值为0的数目, 数目最多所在的角度作为车牌的倾斜角度。由此算法校正后的车牌彩色图如图6-b所示。

5 结束语

本文就车牌定位环节进行研究, 并在M A T L A B R2010b上实现, 首先基于HSI颜色空间和YUV颜色空间初定位, 然后利用投影技术精确定位, 对于倾斜的车牌采用Radon变换做倾斜校正。本算法不再采用单一的颜色空间的颜色分量作为提取的特征向量, 而是从四种车牌底色入手, 在不同情况下提取HSI空间的H分量和YUV空间的Y分量, 不再只定位蓝底车牌, 可定位四种底色的车牌, 具有定位的通用性;在定位过程中, 虽然是基于两种颜色空间的定位, 但是无需对所有分量进行计算, 使算法简化;YUV颜色空间适用于对光照比较敏感的情况下的图像处理, 可克服光照等因素的影响, 因此本文的算法能在阴天、雨天等复杂环境下有效车牌定位, 提高了定位的准确性。

摘要：车牌定位是车牌识别系统的核心技术之一。本文采用基于色调H、饱和度S、强度I空间 (HSI颜色空间) 和亮度Y、色彩U、饱和度V空间 (YUV颜色空间) 的车牌初定位方法, 去噪处理后通过水平投影和垂直投影精定位, 并用Radon变换校正倾斜的车牌。该算法可有效定位四种不同底色的车牌并倾斜校正, 算法简单易实现, 并能克服光照等因素影响, 在阴天、雨天等复杂环境下具有较好的定位效果。

关键词：车牌定位,HSI颜色空间,YUV颜色空间,投影技术,Radon变换

空间定位技术篇2

1 空间定位技术的介绍

空间定位技术是在美国最先研制的, 并且主要应用于海、陆、空导航与定位的新一代系统。空间定位技术是根据高速运动的卫星作为起算数据, 采用空间距离后方交会的方法, 确定待测点的位置。空间定位技术的特点: (1) 全天候和全球化的为用户提供实时有效的三维位置; (2) 定位精度高, 采用的差分定位极大提高了精确度; (3) 位置定位更加灵活, 操作更加简便。

2 空间定位技术在消防救援行动中的应用

空间定位技术方式多样, 应用范围也颇为广泛。其移动终端定位主要包括室内定位技术 (包括光跟踪技术、蓝牙定位、UWB定位和ZigBee定位等) 和移动定位技术 (包括Cell-Id技术和GPS定位技术) 。室内定位技术和移动定位技术这两种技术, 根据其优缺点的不同在消防救援行动中发挥着不同程度的作用[1]。

2.1 消防救援行动中室内定位技术分析

室内定位技术主要用于实现精确的空间三维, 如在处理突发性、恶性事故中确定消防队员在室内的精确位置。目前空间定位技术所具有的模式主要有:光跟踪技术、蓝牙技术、UWB技术和ZigBee技术等。

2.1.1 光跟踪定位系统

光跟踪定位技术要求利用探测器 (视频类等设备) 对目标进行跟踪, 通过特定算法和人工观察来定位可预测目标。当前的光定位技术主要利用红外线摄像机和红外线发光二极管的系列协调配合, 使用机器人系统的配合最终达到定位的目的。但可惜的是, 这种定位系统因对消防救援意义不大, 所以没有得到很大的应用。

2.1.2 蓝牙定位技术

蓝牙定位是一种在短距离能够实现的语音数据传输和接收、耗能极低的无线传输技术。“一对一”和“一对多”的特性可实现蓝牙局域网与移动终端的链接, 并最终获得终端的定位信息。虽然蓝牙设备价格高昂, 可进行定位的距离很短, 但其主要优势是能够快速搜索到终端设备, 并且信号传输基本受距离影响不大。在消防救援行动中, 有积极的辅助作用。

2.1.3 U WB定位技术

UWB (Ultra Wideband) 技术是目前世界上最先进、定位精确度最高的一种系统。这种新兴无线通信技术, 也称之为无线载波通信超宽带。其主要特性表现为传输速度快、成本低、功耗消耗低和信号抗干扰性强。

此系统还能确定受灾区域的人数, 对区域内人数进行全程动态监控, 大大降低了消防人员的工作强度。此外, UWB技术在受灾区域内设置多个危险边界, 为靠近危险区域救援人员发出报警信号, 保证救援人员的人身安全。同时, 该系统在发生突发事件时, 能够迅速定位受困人员的位置, 大大加快了救援人员的救援时间, 从而提高了工作效率。

该系统能够配备到手机、Ipad或者PDA终端设备中去, 这种先进、高效与便捷的消防救援技术是未来消防领域内单兵定位的一个重要发展趋势。

2.1.4 ZigB ee定位技术

ZigBee定位技术的名称与蜂群使用的通信方式有关。它主要应用于各种电子设备间的双向无线通信方式。其主要优点表现为传输范围短、成本极低、数据传输速率低、能源消耗低、操作更为简便。ZigBee定位技术, 类似于通用的移动通信技术 (包括CDMA网或GSM技术) , 是一个由无线数传模块 (约65000个) 构建的双向无线数据传输网络技术。Zig Bee技术是基于IEEE802.15.4标准开发的无线协议, 并且每一个ZigBee网络数传模块都单独拥有一个身份识别标志。

在一个可确定的网络范围内, 各ZigBee网络点之间可以随时通信;每个网络节点间的距离由最初的75 m, 发展到后来几百米, 甚至是几千米。作为一种新型的无线网络技术, 为消防救援中的空间定位提供了很大的技术支持, 极大节省了救援时间。

国内ZigBee技术的发展正处于初级阶段, 其主要尝试也主要应用于定位矿难中地下受困的矿井人员, 并未在消防救援中得到很大的普及, 尤其是在突发性重大灾难面前。而这种以ZigBee定位技术为核心的空间定位技术最早是在美国开展并加以推广的。伴随国际国内技术的不断更新和进一步发展, 相信在未来, ZigBee技术在消防救援领域会得到更大的利用。

2.2 消防救援行动中移动定位技术分析

移动定位技术是一种可以为消防队员实时提供极为精确的定位信息、实时监控及跟踪的无线通信技术。它主要包括移动终端和移动网络的定位技术。其主要利用无线移动通信网络, 接收并分析无线信号参数, 最后对移动终端和设施所处位置准确测定。其主要优点表现在监测范围广、接受信号速度快、抗干扰性强等。

2.2.1 移动终端的定位技术

移动终端定位技术是首先确定多个网络基站的位置, 在发生险情时该基站发射已确定的该基站精确位置的求救信号。最后, 移动终端通过处理既得信号, 确定其与各基站间的位置关系, 再根据既有算法从而确定自己的位置。此技术定位精确度极高, 误差小。然而, 此类技术在安装到用户手机的过程中, 对用户手机的设备和网络配置要求极高, 从而加大了手机本身的能源消耗, 也限制了其在大众中的普及和应用。

2.2.2 移动网络的定位技术

移动网络定位技术是以Cell-Id技术为主, 把自己的标志号安装到各个小区的信号收发器上, 通过精确的坐标来确认精确位置。网络覆盖率是移动网络定位技术能够得以运行的首要前提。故而, 这种技术无法应用于没有网络覆盖的偏远山区及落后地区。

3 结论

综上所述, 虽然空间定位技术在消防救援行动中得到很大程度上的应用, 但还存在很多局限性。目前, 随着相关科技的进步和推广, 高精度、无误差和三维化的定位技术也得到很好推广和利用。未来, 在空间定位技术的支持下, 消防救援部队在救援活动中肯定能够发挥更加积极的作用。

参考文献

空间定位技术篇3

1 矿井瞬变电磁法基本原理

矿井瞬变电磁法勘探属于全空间效应的勘探方法, 它利用不接地回线在井下巷道内设置通以一定电流的发射线圈, 并在其周围空间产生稳定的一次电磁场。当电流突然断开时, 由该电流产生的磁场也立即消失。为维持发射电流断开之前存在的磁场, 岩层中被激发出感应电流, 使磁场不会即刻消失。发射电流断开的瞬间, 最初激发的感应电流集中于巷道附近岩层中, 随着时间的推移, 巷道周围的感应电流逐渐向外扩散, 其强度逐渐减弱。在断开发射电流后的任一时刻, 感应涡流在巷道内产生的磁场可以等效为一个水平环状的电流磁场。这些等效电流环像从发射回线中“吹”出来的一系列烟圈, 因此将巷道顶、底板导电岩层中涡旋电流向外扩散的过程形象地称为“烟圈效应” (图1) [5,6,7,8,9,10]。

2 物理模拟实验方法

实验仪器为澳大利亚生产的Terra TEM型瞬变电磁仪。依据物理模拟相似性准则[7], 用铜棒模拟低阻陷落柱, 采用多匝小线圈重叠回线装置进行模拟实验。铜棒直径为6.5 cm、高度为20 cm、电导率为1.56×107S/m。实验模型为全空间均匀介质 (空气) 模型。

实验时, 将铜棒分别竖直放置在模拟工作面底板不同垂直距离h位置处, 每个高度分别按线圈架设方位角α (线圈平面与水平面间的夹角) 为75°、60°、45°、30°、15°五个方向探测 (图2) 。通过对比分析不同高度位置、不同角度探测的低阻异常体响应特征, 探讨改变探测线圈与异常体之间的距离h以及线圈架设方位角α对工作面底板低阻异常体空间定位的影响规律, 进行工作面底板低阻异常体的定位技术研究。

3 实验结果及分析

图3为铜棒距工作面底板5 cm (h=5 cm) 时的视电阻率断面图。从图3中可以看出, 在铜棒垂直深度不变的情况下, 当线圈与水平面的夹角α分别为75°、60°、45°、30°、15°时, 低阻响应先是依次增强, 低阻异常区域范围增大, 在α=30°时低阻响应达到最强, 而后在α=15°时又开始减弱。

图4、图5分别为铜棒距工作面底板10 cm (h=10 cm) 和15 cm (h=15 cm) 时的视电阻率断面图。分析图4、图5可知, 铜棒距工作面底板10 cm (h=10 cm) 和铜棒距工作面底板15 cm (h=15 cm) 时的低阻响应特征类似:铜棒垂直深度不变的情况下, 当线圈与水平面的夹角α分别为75°、60°、45°、30°、15°时, 由于线圈与铜棒的耦合变化及线圈探测距离的影响, 低阻响应特征均为先依次增强, 低阻异常区域范围增大, 在α=30°时低阻响应达到最强, 而后在α=15°时稍微减弱, 与α=30°时总体变化不大。

图6为铜棒距工作面底板20 cm (h=20 cm) 时的视电阻率断面图。分析图6可知, 铜棒垂直深度不变的情况下, 当线圈与水平面的夹角分别为75°、60°、45°、30°、15°五个角度时, 由于线圈与铜棒的耦合变化及线圈探测距离的影响, 在α=75°时几乎没有出现低阻异常;随后, 低阻响应依次增强, 低阻异常区域范围增大。值得注意的是, 铜棒在该垂直深度下并未出现如h=5 cm、h=10 cm和h=15 cm中先增强再减弱的情况。

综合对比分析图3—图6可知, 同一角度探测时, 不同垂直深度的铜棒所引起的低阻异常具有以下规律。

(1) 随着深度的加大, 低阻异常响应减弱, 相对低阻区域的视电阻率值相对增大。

线圈与异常体的垂直距离h=5 cm时, 从α=15°到α=75°, 均有低阻异常响应。其中, α=45°、30°、15°方向响应都很强烈, 而α=60°、75°方向的响应与h=10 cm时α=30°、45°方向的响应相差不大。

线圈与异常体的垂直距离h=10 cm时, 仅有α=30°探测方向有较强的低阻响应, 但依然比h=5cm时的要低很多;α=75°方向低阻响应很弱;其他方向有低阻响应, 但响应不强。

线圈与异常体的垂直距离h=15 cm时, 仅有α=15°、30°方向有低阻响应, 但响应不强;其他方向低阻响应很弱。

线圈与异常体的垂直距离h=20 cm时, 仅有α=15°、30°方向有微弱的低阻响应, 其他角度几乎都没有低阻响应, 尤其是α=75°方向。

之所以产生上述现象, 这是因为感应涡流环 (“烟圈”) 形成的锥体与铜棒切割的磁力线越多, 感应的二次场越强, 感应涡流场衰减速度越小。

(2) 当α不变时, 随着深度的加大, 铜棒与探测线圈的距离越来越远, 铜棒切割的磁力线减少, 一次场的传播受铜棒的影响程度减弱, 感应二次场也逐渐减弱, 所以低阻异常响应减弱。

(3) 当h不变时, 随着α的变化, 感应涡流环 (“烟圈”) 形成的锥体与铜棒切割的磁力线会发生变化, 因而接收到的感应电动势大小也会发生变化。

h=5 cm、h=10 cm和h=15 cm三种深度下, 低阻异常响应均是先随着α的减小而逐渐增强, 在α=30°时达到最大。这是因为随着α的减小, 铜棒切割的磁力线增加, 一次场的传播受铜棒的影响程度增强, 感应二次场也逐渐增强, 所以低阻异常响应逐渐增强;随后又在α=15°时低阻异常响应减弱, 这是由于铜棒长度的限制, 在α=15°时, 线圈探测角度 (线圈法线与水平面间的夹角) 过大, 导致铜棒切割的磁力线减少, 感应二次场减弱, 低阻异常响应减弱。

在h=20 cm时, 铜棒引起的低阻异常响应并没有出现先增强后减弱的情况。这是因为在小角度 (α较大) 探测时, 铜棒与探测线圈的距离过大, 铜棒切割的磁力线较少甚至没有切割, 感应二次场较弱, 低阻异常响应较弱甚至没有响应;而在线圈探测角度较大 (α较小) 时, 随着α的减小, 铜棒切割的磁力线增加, 一次场的传播受铜棒的影响程度增强, 感应二次场也逐渐增强, 所以低阻异常响应逐渐增强。

4 结论

采用物理模拟实验的方法, 对矿井瞬变电磁法探测工作面底板异常体空间定位技术进行了研究, 实验结果表明:向工作面底板进行多角度探测时, 随着异常体与底板之间距离的增加, 大角度探测时低阻响应会越来越弱, 直至消失;当异常体与底板之间的距离增加到一定程度时, 所有向底板方向的探测都将无法探测到低阻异常体。在井下实际施工过程中, 可以选择多个角度向底板探测, 使地质异常体与探测回线达到最佳耦合状态, 从而进一步精确地对工作面底板异常体进行空间定位。

参考文献

[1]邵爱军, 刘唐生, 邵太升, 等.煤矿地下水与底板突水[M].北京:地震出版社, 2001.

[2]施龙青, 韩进.底板突水机理及预测预报[M].徐州:中国矿业大学出版社, 2004.

[3]刘树才, 岳建华, 刘志新.煤矿水文物探技术与应用[M].徐州:中国矿业大学出版社, 2006.

[4]岳建华, 甘会春.矿井瞬变电磁法及其应用[C]//中国地球物理学会年会论文.南京:南京师范大学出版社, 2003.

[5]于景邨.矿井瞬变电磁法勘探[M].徐州:中国矿业大学出版社, 2007.

[6]牛之琏.时间域电磁法原理[M].长沙:中南大学出版社, 2007.

[7]蒋邦远.实用近区磁源瞬变电磁法勘探[M].北京:地质出版社, 1998.

[8]于景邨.矿井瞬变电磁法勘探[M].徐州:中国矿业大学出版社, 2007.

[9]LEE T.Estimation of depth to conductors by the use of electromagnetic transients[J].Geophysics, 1977 (65) :61-75.

空间定位技术篇4

济南省会文化艺术中心位于济南市西部新城核心区域,由图书馆、美术馆、群众艺术馆及配套工程组成,项目建成后将作为全国第十届艺术节的主要活动场馆。项目规划用地面积为16.14公顷,总建筑面积18.0万平方米。其中,美术馆:20182m2;地下建筑面积:5926m2;地上建筑面积:14256m2。图书馆:44606m2;地下建筑面积:17290m2;地上建筑面积:27316m2。配套工程:39237m2。美术馆地下部分为框架剪力墙结构,部分柱采用型钢组合混凝土,地上部分外围边柱为钢管混凝土斜柱,内部结构为框架剪力墙结构,钢管柱与内部混凝土结构、钢管柱之间通过加劲牛腿连接。钢管斜柱大部分向内倾斜,倾斜角度为50~77°,钢管柱的单层高度为7.5、5.4、10.8米,柱径600,壁厚30mm。

2 施工难点分析

(1)钢管斜柱的倾斜角度、平面投影位置、加劲牛腿的位置的偏差直接影响结构受力和观感质量,也影响与之相交的钢筋混凝土梁的位移和标高。(2)单根钢管柱重量较大且只能靠现有塔吊就位,其安装效率直接影响工程的施工进度。(3)传统的平面投影定位方式因受混凝土现浇楼面标高偏差、天气等因素影响,定位精度不能满足设计及规范要求。

3 常见问题

(1)钢管柱上已焊接完成的加劲牛腿标高或位置与设计要求不符,导致与之连接的钢筋混凝土梁纵筋无法焊接连接或保护层偏大或偏小;(2)钢柱长度不准确,导致需现场切割或焊缝过大或偏小,焊接质量无法保证;(3)焊接安装时定位不准确,导致钢管柱平面投影位置或斜度与设计不符,影响钢柱受力及幕墙骨架施工;(4)上下钢管柱的临时连接板位置不符,不能起到焊接前的临时固定作用,甚至用连接板刚性焊接临时固定,容易产生安装应力。

4 施工方案确定

施工前从钢管柱场内加工、定位并临时固定、焊接、复测等环节入手,制定各工序的施工方法,场内加工采用纵横向控制线控制加劲牛腿在钢管柱上的长向位置和径向位置。钢管柱采用空间定位法进行定位。具体方法如下:

4.1 钢管柱厂内加工

钢管柱在厂内前应将钢材进行抗拉、抗弯检验,检验合格后方可焊接成型,焊缝质量要进行检验,检验合格后进行切割、坡角、牛腿焊接。

牛腿焊接时采用控制线准确定位牛腿位置,校核无误后进行焊接固定,定位方法如下:确定长向控制线。在钢管柱选择任一与其外圆相切的面与外圆相交的切线作为长向控制线,用墨线标示。确定控制基点。在控制线上选定一点作为该柱牛腿定位和安装定位的控制点,该控制点的位置选择既要便于定位牛腿位置,又要方便在安装时进行观测,本工程选择钢管柱与内部混凝土结构相连的牛腿的设计位置下500mm的点作为控制基点。确定径向控制线。在钢管柱控制基点沿柱表面标示一环线作为径向控制线,用来确定其余牛腿位置及安装时控制钢管斜柱间的相对长度。牛腿定位。按照CAD设计文件标示的牛腿与控制基点的距离在长向控制线上定位与内部混凝土结构连接的牛腿,临时点焊固定。其余方向上的牛腿根据其与长向控制线的角度关系和径向控制线的距离准确定位并点焊固定。检查人员复核无误后按设计要求焊接完成。临时连接板定位。依据长向控制线在钢柱底端设计位置定位临时连接板,校核无误后焊接固定。焊缝检测、防腐处理。按焊缝的级别进行探伤检测,合格后除锈并喷涂防锈漆,喷涂前要将控制线用透明胶带、纸类粘贴、覆盖,便于安装时使用。

4.2 钢管混凝土斜柱安装

4.2.1 施工准备

楼层混凝土浇筑完成并达到上人强度后,放线测量人员利用J2经纬仪将内部混凝土结构墙柱轴线或控制线、钢管混凝土斜柱投影中心线在混凝土楼面上用墨线弹出,充分利用设计单位的电子版三维精细模型,与现场施工测量控制网坐标转换后计算出上述定位基点和各钢管混凝土斜柱上的控制基点的三维坐标值。

将进场的钢管焊缝进行四方见证检测和验收,焊口除锈处理,准备测量仪器(徕卡全站仪一台)、焊机(CO2气体保护焊直流焊机)、倒链等设备。

4.2.2 钢管柱就位安装

(1)利用塔吊将钢管柱吊运至安装部位,起吊时要保证长向控制线向下,施工人员扶助钢柱缓缓送入下层已安装完成的钢柱临时连接板内,将待安装钢柱长向控制线与下层钢柱的控制线对准,用螺栓将上下两柱的连接片连接牢固。当斜柱高度较大或倾角较大时需作临时支撑架,以便于钢柱位置调整和避免产生过大次应力。(2)运用全站仪三维坐标法,在斜柱的控制点粘贴反光贴片并画十字线。全站仪在便于观测的已知坐标的控制点上设站,输入测站数据(三维坐标、仪器高、目标高和后视方位角)和钢柱上的控制点的三维坐标,全站仪会自动计算出目标点的放样数据(方位角、斜距和天顶距),全站仪观测员指挥斜柱上下左右移动,让反光贴片十字线中心逐渐接近全站仪目镜中心,直至观测数据与放样数据差值为0,即可确定斜柱定位点的实际空间位置,同时将连接板螺栓拧紧。(3)安装校验。预先用全站仪或经纬仪放出钢管斜柱控制点的水平投影点位,用十字墨线标识,在该点假设激光铅垂仪,向上投射激光,测量人员测量控制点与激光垂线之间的水平距离,误差控制在允许范围之内。用水准仪将本施工层的结构500mm线抄测至钢管斜柱上,用钢尺测量500线至斜柱径向控制线的距离,误差控制在允许范围内。

5 空间测量定位技术的注意事项

5.1 层高较大或倾角较大时斜柱自重影响

层高较大部位或倾角较大部位钢管柱受自身重量影响,常会造成钢管柱挠度超出规范允许范围且容易在钢管柱根部产生次应力,要求在安装就位时设置的临时支撑具有足够的刚度,临时支撑应在上部梁板混凝土结构浇筑完成,且具备一定强度后方可移除。

5.2 温度、日照影响

山东地区夏季10:00-12:00和14:00-15:00时,受日光照射在钢管柱一侧,钢柱将会向背光的一侧发生附加的倾斜位移,这时可考虑对钢柱按如下理论公式进行预偏,预偏方向与太阳光照方向相反。Δ=a×Δt×L2/(2h)。式中:Δ—柱顶因温差影响产生的位移值;a—钢材的线膨胀系数;Δt—柱两面的温差;L—钢柱长度;h—温差方向柱截面厚度。

6 结语

省会艺术中心主体结构工程及幕墙工程已全部完成,通过采用以上技术,钢管柱空间定位坐标偏差在5mm以内,确保了工程创优。同时,通过钢管柱空间定位技术,加快了整个工程的施工进度,节约了成本,保证了工程质量和施工安全,取得了良好的经济效益和社会效益。

参考文献

[1]杨文军,黄波,姜滨厚,等.东莞台商大厦鱼腹曲面外框钢柱测量技术[J].施工技术,2012,1:31-33.

[2]陈坚,陈晓明,严玉龙.特殊钢结构空间测量定位技术[J]特种结构,2008(2):69-71.

[3]中冶集团建筑研究总院.JGJ-2002,建筑钢结构焊接技术规程[S].北京:中国建筑工业出版社,2002.

区域物流空间发展定位的理论基础篇5

一、尺度空间理论

1、单一尺度空间理论。

单一尺度空间理论最早发展于热力学, 它是把一个聚类系统工程近似于一个热力系统中分子运动随温度变化的融合过程。对于这种理论, Leung Y等人首先将每一空间单元视作空间的一个光点, 于是一组空间数据构成一幅空间图象。当模糊化这一图象时, 每一小光点首先变为一个小光斑。进一步地模糊使得小光斑逐渐溶为大光斑。当尺度充分低时, 整个图象融合为一个光斑。这一概念也随之逐渐被引用与其他学科当中, 物流管理也不例外。

2、多尺度空间融合理论。

由于影响空间发展的因素的差异, 研究进行当中, 会发现存在多尺度效应。以空间单元作为重要层次, 对不同尺度空间内的产业发展进行研究, 然后将不同的尺度加以融合, 可以帮助我们更准确地从多方位把握物流产业的发展方向。

在单一尺度空间融合理论的基础上, 很多人提出了通过对空间单元的多尺度融合来实现空间单元的区域划分, 简称多尺度空间单元区域划分方法。理论上, 该方法是将每一类空间区域看成空间图象的一个小光斑, 它由所有落在该光斑内的空间单元集构成并由相应的光斑中心来表示。

二、发展定位理论

所谓定位, 就是根据所选定目标的条件, 确定该产业在目标空间上的竞争地位。具体地说, 就是要在目标空间的环境中为产业创造一定的特色以适应发展的要求。

1、产业定位理论。

现有产业定位研究在理论上主要为比较优势理论 (绝对优势论、比较优势论、机会成本说) 或优势理论的延伸 (区域分工理论) , 产业定位的比较优势理论可以分为相对比较优势理论和绝对比较优势理论。绝对优势论认为, 各国相同产业生产成本存在差异贸易可使各国按生产成本最低原则安排生产, 从而使参与贸易的各国均获利。此理论在产业定位上的应用通常表现为地方政府对“人无我有”产业的培育。而事实上随着全球化和国际化的推进, 区域和物流联系的增加, 生产要素流动性增强, 跨国公司可以在全球范围内组织资源和物资流通, 原有的基于特殊生产要素的比较优势逐渐衰退而包含了要素条件、需求条件、相关与支持产业、公司战略、市场结构与竞争对手情况在内的竞争优势越来越成为决定一个区域或物流发展成功与否的关键。

2、市场定位理论。

市场营销理论已经发展了近百年, 其丰富的理论内涵和经验总结为产业市场定位提供了大量参考依据, 但市场的变化犹如战争局势的瞬息万变, 很难预测, 重要的是要求政府和产业管理人员积极思考, 用心智战胜对手。一定意义上, 广告本身就是营销战争的序曲和营销战争的一部分, 其中, 关键在于运用心智对产业给以准确定位, 这对于中国产业来说有着重要的指导作用。产业为了在短暂的时间内极大地占有市场, 盲目地推出广告, 有的产业中了央视的标王却落得个破产的结局, 又有的产业展开大量的广告攻势, 消费者并没有深刻的印象, 甚至不知所云, 这些都是因为市场人员没有用心给准确的市场定位。

3、空间定位理论。

现代空间定位理论在西方区域经济学中占有重要地位。到了上个世纪的中后期, 科技进步使西方发达国家和许多发展中国家进入了一个持续高速发展阶段, 世界经济共同繁荣使影响国家和区域经济社会发展的因素增多并加强, 相互间作用的形式和后果更为复杂多样, 由此推动并生成了现代空间定位理论。这个指导现代区域物流发展实践的基础理论主要有三个方面:首先, 空间定位是由点、线 (轴) 、面三个基本要素组成, 或称节点、网络、域面三要素相互依存、相互制约。节点是指城市, 线 (轴) 和网络是指城市或都市圈之间的联系, 域面是指在节点和网络基础上形成的经济区域。其次, 空间定位是动态的、发展的。

三、经济空间结构理论

经济空间结构是指在一定区域范围内经济要素的相对区位关系和分布形式, 它是在长期经济发展过程中人类经济活动和区位选择的累积结果。经济空间结构受经济发展水平制约, 必须与经济发展的要求相适应。

1、经济空间结构理论的最初形态——区位论。

杜能以城市为中心, 按照土地有效利用和运输成本的经济原则, 对农业土地进行集约化经营规划, 论证了以城市为中心的同心圆圈层扩散布局模式。韦伯在运输费用和劳动力费用相互作用的分析中, 推导出工业区位分布的基础网, 在此基础上, 他又把集聚因素考虑进去, 对基础网进行了进一步的位置变换, 从而揭示空间经济活动的基本规律和空间结构形成与发展的重要机制。克里斯塔勒则首创了以城市聚落为中心的市场区分析模型。

2、展现区域关系的经济空间结构理论。

新古典区域均衡发展模型认为, 只要能够使劳动力和资本提高流动性, 去除诸如行政障碍或市场进入壁垒等方面形成的流动限制, 区域之间的经济增长与发展将会自动趋向均衡。弗里德曼将普雷维什等人的结构主义依附论用来分析区域经济结构, 论证了作为完整空间系统的两个组成部分——核心区与外围区之间的相互依存关系。增长极理论和不平衡增长论认为, 经济增长通常是首先出现在一些增长部门或地区, 然后通过不同渠道从一个或数个“增长中心”逐渐向其他部门或地区传导, 因此不平衡增长是经济发展的常态, 应选择特定的地理空间或产业作为“增长极”, 以推动空间经济极化发展, 通过对生产要素的集中使用促进集聚经济效益出现。在总结国内外大量布局经验的基础上, 我国经济地理学家陆大道先生提出了作为解决经济空间布局集中与分散关系的重要原则——点轴系统空间结构理论。

参考文献

[1]陆玉麒.中国区域空间结构研究的回顾与展望[J].地理科学进展, 2002年7月4期[1]陆玉麒.中国区域空间结构研究的回顾与展望[J].地理科学进展, 2002年7月4期

[2]骆剑承等.多尺度空间单元区域划分方法[J].地理学报, 2002第2期[2]骆剑承等.多尺度空间单元区域划分方法[J].地理学报, 2002第2期

大空间建筑火源的精确定位方法篇6

在城市化发展进程中,大空间建筑的出现给我们的生活带来便利,但是大空间建筑中严峻的火灾形势也给人们带来了严重的危害。火源定位是火灾探测和火灾扑救的重要中间环节,火源定位的精度和实时性直接影响到火灾及时有效的扑救。因此在火灾发生初期及时有效地确定火源位置并灭火具有很强的实用性和研究价值。

火源定位可分为四个步骤,如图1 所示。

摄像机标定是其关键环节。标定结果的精度和算法的鲁棒性直接影响到后面获得火源三维空间位置的准确性。通过对标定技术进行研究、仿真、分析确定自标定方法[1]适用于大空间建筑火源定位摄像机标定情况。

文献[2]中用SIFT算法对火焰图像进行特征点提取和匹配,虽然SIFT算法对火焰图像的尺度变换和抗噪声性较好,但SIFT算法的时间复杂度较高会影响到后面定位灭火的实时性,并且局部匹配可能会丢失火焰图像中的一些重要信息。文献[3]中使用基于双目视觉的摄像机标定方法,该方法可对畸变因子进行校正,但在大空间火源定位中运动参数未知,高温危险环境下无法使用标定快,不具有适用性。文献[4]中用遗传算法对摄像机标定结果进行优化。该方法可以提高摄像机自标定结果的精度,并排除噪声点造成的极点不稳定情况。但未对局部最优解作相关。未能对选择、交叉、变异算子做合理设计。使得标定结果的鲁棒性欠佳。文献[5]综述了遗传算法的改进方法及适用性。

本文在文献[2 - 5]的基础上,用多幅不同燃料的火焰图像作为研究对象,从提高火源定位精度的角度出发,提出一种基于SURF的改进遗传算法求解框架。根据火焰图像亮度信息用SURF算法进行特征点提取和匹配,得到较好的匹配点对,摄像机标定用自标定方法,用遗传算法对标定结果进行优化解决其精度不高问题,设计适用于大空间火源摄像机参数优化问题的选择、交叉、变异算子。实验结果表明,该算法能有效提高大空间建筑火源定位的精度,满足大空间建筑火源定位要求,能更好地应用在大空间建筑火源定位中。

1 图像配准与摄像机自标定

1. 1 图像配准

特征点提取和匹配是后面摄像机标定以及三维信息恢复的保证。针对火源摄像机标定实时性差的问题,SURF[6,7]算法在准确性、重复性和鲁棒性上均优于其他同类算法,在计算速度上有明显优势,因此采用文献[8]中所提的SURF算法进行火源特征点提取和匹配。

1. 2 摄像机自标定

基础矩阵表示相同场景不同视角图像间的一种摄影几何关系。表示为:

式中m和m'分别为两幅图像上的匹配点对,F为基础矩阵。

kruppa方程为:

通过多对匹配点求出F解出式( 2) 中的C( K中的元素) 即为所要求的值。

在完成特征点提取匹配以及得到标定结果后利用三角形定位原理[9]来计算火焰三维深度信息。

2 大空间建筑火源定位

2. 1 火源图像特征识别与匹配

在大空间建筑火灾发生时,视频帧中的火焰边界不断变化,因此主要利用火源的高亮度特征来进行特征识别,保证及时有效性,对于火源图像的灰度值求取二阶导,得到亮度变化率的变化率,利用改进的SURF算法进行特征点提取。实验研究发现,在火源特征点提取中,由于许多特征点所含信息量较少,导致匹配计算量增加,为了解决这个问题,本文在火源图像配准中引入火源特征点的熵值,通过计算火源特征点熵值来检测其信息量,去掉信息量过低的特征点,提高算法效率,同时设定特征点距离阈值,删除排列密集的特征点,提高算法的准确度。

改进算法具体步骤如下:

Step1设两幅图像上离散像素点分别为I1( x1,y1) 、I2( x2,y2) ,构造Hessian矩阵行列式近似值图像,找出图像上亮度变化像素点;

Step2 用不同尺度的高斯模板构造尺度空间,处理hessian矩阵找其最大值或最小值做初步特征点。选取特征点主方向,构造surf描述算子;

Step3 设提取的特征点集合为M,计算M集合中所有元素的熵值H,计算所有熵值的均值作为阈值Hm,设距离阈值为L,选取所有大于Hm和L的特征点;

Step4 匹配得到匹配点对m和m' 。

2. 2 大空间火源定位中摄像机标定及深度信息计算

为了获取大空间火源位置,利用匹配点对m和m' ,以及式( 1)和式( 2) 求出标定结果,进而求出三维深度信息。针对标定结果精度不高问题,遗传算法[10,11]提供了一种效率高且鲁棒性强的方法。因此设计一种适用于大空间建筑火源摄像机标定的遗传算法。

改进算法具体步骤如下:

Step1 生成初始种群N。编码方式选择实数编码。

参数设置: NP = 100,pc = 0. 7,pm = 0. 01,length = 5,NG = 100。X = ( x1,x2,…,xm) ,xi∈R,i =1,2,…,m( m为个体数目) ,xi为摄像机内参数的五个值fn、fv、u0、v0、s。

Step2适应度函数。令式( 2) 中三个等式依次为f1,f2,f3转化为优化代价函数并作为适应度函数:

通过使优化代价函数最小( 或接近于0) 来求得各参数其中m个个体的适应度值为fm。

Step3改进选择算子。选用精英保留策略和轮盘赌选择相结合。先精英保留,适应度值fm按从大到小排序,选择种群中fmax直接复制到下一代,再轮盘赌选择,下一代的( N - 1) 个个体根据上一代N个个体的适应度以概率选择方法进行选择。

Step4 改进交叉算子。选择启发式交叉算子。设两个父体为: f1= ( f11,f21,…fn1) = ( f12,f22,…fn2) ,以0. 5 概率交换交换f1,f2中适应度大的部分形成后代F1= ( f11,f21,…fi1,f2i+ 1,…,fn2) ,F2= ( f12,f22,…f12,f1i+ 1,…,fn1) ,Fk= ( F1k,…,Fik,…,Fnk) ,k = 1,2,其中,Fik是从集合{ Fi1,Fi2} 中随机选取的一个数值。该算子可以增加更优摄像机参数的多样性。

Step5 改进变异算子设计。选择自适应变异算子。缩小适应度较大的个体的变异范围。避免收敛至局部最优,增大适应度较小的个体的变异范围和变异概率,保证群体中个体的多样性。

Step6 设当前运行代数为R,最大运行代数为Rmax。当R满足Rmax时遗传算法结束,输出最优标定结果。

Step7 获得匹配和标定结果,利用大空间三角形定位原理计算出三维深度信息。

3 思想流程和核心代码实现

具体思想及流程如图2 所示。

( 1) 监控系统发现火灾后,摄像机拍摄火灾视频,截取视频中两幅火焰图像; ( 2) 用SURF算法提取火焰特征点引入火焰熵值减少劣特征点并匹配; ( 3) 完成摄像机标定; ( 4) 用改进遗传算法优化得到最优的标定结果; ( 5) 利用三维重构理论中的三角形定位原理完成火源定位计算出火源的三维深度信息。

火焰匹配中核心代码实现

用Hessian矩阵检测特征点部分加入熵值计算,提高匹配率,减少匹配时间。

标定中核心代码实现

用自标定方法得到标定结果,改进遗传算法中选择、变异、交叉算子,得到精度高的标定结果。

4 实验结果及分析

为了验证算法的有效性,在Windows XP( 内存为4 GB,CPU为3. 10 GHz,显存为256 MB) 的平台下使用Visual C + + 6. 0 及Opencv及Matlab等开发工具进行实验。用三组火源图片做实验,用20 组匹配点对运行本算法100 次,图像大小均为640 ×480 像素。

在应用实例中,选取三幅测试图片进行实验,图片是在长30 m,宽30 m,高7 m的空间中拍摄选取。

匹配结果如图3 - 图5 所示。

图3 - 图5 的X轴和Y轴分别表示计算特征描述符时将X轴和Y轴特征点邻域进行投影的方向数,从图3 - 图5 可以看出基于火源熵值的SURF算法对拍摄的火焰图片匹配结果较好。

在本测试中( 如表1 所示) ,可以看出改进SURF算法匹配率均达到80% 以上,提高了匹配精度同时减小了匹配时间。为后面标定做好了充分准备,延时问题得以解决。

fn、fv、u0、v0、s的边界范围为[0,1000]、[0,1000]、[0,500]、[0,500]、[- 1,1]从表2 和表3 可以看出,通过对比可以看出本文算法标定结果精度高于其他标定方法,且误差最小,更接近摄像机参数。实验结果表明大空间建筑火源中摄像机标定的改进遗传算法有效提高了摄像机标定的精度。

为了验证算法在大空间建筑火源三维深度信息获取应用中的有效性,与文献[12]在基本条件相同、算法不同条件下实验对比。基线长度为100 mm焦距为388 mm图像像素大小为640 × 480。

从表4 可以看出,本文提出的新标定方法应用在大空间建筑火源定位中提高了大空间火源三维信息恢复的准确度,提高了建筑火源定位中的精度。

5 结语

本文提出一种基于SURF的改进遗传算法框架应用在大空间建筑火源定位中,设计了基于火焰特征点熵值的SURF算法获得好的匹配点对,并完成标定。利用改进遗传算法对摄像机标定结果进行优化,得到最优参数,计算出火源三维深度信息,解决了定位中实时性差和精度不高的问题。仿真结果证明,本文提出的方法对大空间建筑火源三维信息恢复有很好的效果,有一定的实际应用价值。

参考文献

[1]Robbins S,Murawski B,Schroeder B.Photogrammetric calibration and colorization of the SwissRanger SR-3100 3-D range imaging sensor[J].Optical Engineering,2009,48(5):053603-053603-8.

[2]赵丹阳,王慧琴,胡燕.火灾视频图像定位中特征点提取和匹配[J].计算机工程与应用,2013,49(11):161-165.

[3]苏立颖,李小鹏,么立双.双目摄像机快速标定新算法[J].中南大学学报,2013,44(2):364-367.

[4]任贝,韩飞,吴坚.基于遗传算法的摄像机标定[J].吉林大学学报:信息科学版,2013,31(4):432-436.

[5]Lu K D,Zeng G Q,Chen J,et al.Comparison of binary coded genetic algorithms with different selection strategies for continuous optimization problems[C]//Chinese Automation Congress(CAC),2013.IEEE,2013:364-368.

[6]Panchal P M,Panchal S R,Shah S K.A Comparison of SIFT and SURF[J].International Journal of Innovative Research in Computer and Communication Engineering,2013,1(2):323-327.

[7]Saleem S,Bais A,Sablatnig R.A performance evaluation of SIFT and SURF for multispectral image matching[M]//Image Analysis and Recognition.Springer Berlin Heidelberg,2012:166-173.

[8]张锐娟,张建奇,杨翠.基于SURF的图像配准方案研究[J].红外与激光工程,2009,38(1):160-165.

[9]朱剑,赵海,徐久强,等.三角形定位算法的误差分析[J].东北大学学报:自然科学版,2009,30(5):648-651.

[10]玄光男,程润伟.遗传算法与工程优化[M].北京:清华大学出版社,2003:76-106.

[11]雷秀娟.群智能优化算法及其应用[M].北京:科学出版社,2012:46-52.