[发明专利]一种基于探地雷达和深度学习的混凝土内钢筋智能定位方法

权利要求书

1.一种基于探地雷达和深度学习的混凝土内钢筋智能定位方法，其特征在于，包括以下步骤：

利用探地雷达在混凝土表面采集包含钢筋双曲线反射目标的雷达剖面，并对数据进行零时校正和格式转换预处理；

把预处理后的图像输入训练后的SSD模型识别雷达剖面中的钢筋双曲线反射，并用矩形框自动框选其所在区域；

对目标边框区域进行希尔伯特变换和偏移处理，把图像中双曲线目标重构成真实描述钢筋横截面形状的近似圆形目标；所述偏移处理采用偏移算法，所述偏移算法为绕射叠加偏移算法，其计算公式如下：

其中，E_in为偏移前的探地雷达灰度图幅值，E为偏移后图像的幅值，t_i是第i道反射信号的采样时间，z表示图像中像素的垂直位置，x_i为探地雷达发射天线的水平位置，x_o为收发天线的间距，x表示成像点对应的水平位置，v是电磁波在混凝土中的传播速度；

利用迭代阈值法确定图像二值化的最佳阈值，进而将目标区域图像处理成二值图像；

利用顶点定位法，在二值图像中确定目标区域块的顶点，该顶点位置即为钢筋真实的顶点位置；所述的顶点定位法是对二值图像中目标白色区域块的顶点进行定位，图像的原点位置在左上角，横坐标轴向右为正，纵坐标轴向下为正，首先确定目标区域块的质心，质心的坐标(X_c,Y_c)的计算如下：

式中，m为区域中像素的总数，x_j为像素j的横坐标，y_j为像素j的纵坐标；然后利用区域块的最小纵坐标y_min和最大纵坐标y_max计算区域块的高度H＝y_max-y_min；再通过对区域块质心向上平移可得到顶点位置，顶点坐标(X_apex,Y_apex)如下表示：

X_apex＝X_c，

根据钢筋顶点，计算钢筋的保护层厚度和钢筋水平间距；在确定钢筋的定点位置后，回归到探地雷达初始图像时，结合矩形框的坐标和目标的顶点进行位置计算，其中矩形框的左上角为最小坐标值点(X_min,Y_min)；在探地雷达图像中，目标双曲线i的水平位置X_i和垂直位置Y_i计算为：

X_i＝X_min+X_apex,Y_i＝Y_min+Y_apex

混凝土内钢筋的水平间距通过目标的水平位置X_i计算，即相邻两根钢筋A和B的水平间距S_AB为S_AB＝|X_A-X_B|×Δs

式中，Δs为探地雷达采集数据时每道信号间的水平距离，钢筋的保护层厚度通过目标的垂直位置Y_i计算：

Z＝Y_i×v×Δt

式中，Δt为探地雷达数据采集时所设置的相邻采样点时间间隔，v为电磁波在混凝土中的传播速度。

2.根据权利要求1所述一种基于探地雷达和深度学习的混凝土内钢筋智能定位方法，其特征在于，所述SSD模型为可准确识别钢筋双曲线目标的SSD模型，SSD模型的输出结果是把图像中的双曲线用矩形框自动框选出来。

3.根据权利要求1所述一种基于探地雷达和深度学习的混凝土内钢筋智能定位方法，其特征在于，所述希尔伯特变换是将雷达信号转换为分析信号，然后取包络来增强雷达图像的对比度，利于目标的识别。

4.根据权利要求1所述一种基于探地雷达和深度学习的混凝土内钢筋智能定位方法，其特征在于，所述利用迭代阈值法确定图像二值化的最佳阈值，具体为：

对于包含钢筋目标的某框选雷达图像E，首先利用E中像素最大幅值E_max和最小幅值E_min计算初始阈值T＝0.6×(E_max+E_min)并分割图像，将图像分为两个区域P和Q，其中P区域的像素值E_iT，Q区域的像素值E_iT；

计算两区域的平均灰度值和

更新阈值

计算Δ＝|T-T_h|，当Δ0.001时，则T_h为最优阈值；否则令T＝T_h，然后重新分割图像，进行迭代循环；

二值法处理完成后，图像中白色区域块表示目标，剩余黑色部分为背景。