CN114234819B - 基于三维激光扫描的钢筋部品质量自动化检测方法 - Google Patents

Abstract

本发明公开了基于三维激光扫描的钢筋部品质量自动化检测方法，包括：将多个标靶安装在待测钢筋部品上；通过三维激光扫描仪对施工区域进行扫描，得到原始三维点云数据；对原始三维点云数据依次进行拼接和去噪处理，得到待测钢筋部品的三维点云数据；分别提取不同钢筋的圆心坐标并拟合得到对应钢筋的轴线；计算待测钢筋部品的关键尺寸；对钢筋部品节段的质量进行评价。本发明对由扫描仪获取的三维点云数据进行批量化拼接、去噪处理，并通过圆心、轴线提取的方法快速、自动计算得到待测钢筋部品的关键尺寸数据，再结合质量评价的方法清晰直观的判断钢筋部品的质量是否合格，极大提高了检测的精确度和工作效率。

Description

基于三维激光扫描的钢筋部品质量自动化检测方法

技术领域

本发明涉及钢筋部品测量技术领域。更具体地说，本发明涉及基于三维激光扫描的钢筋部品质量自动化检测方法。

背景技术

目前在桥塔施工中，钢筋部品绑扎完成后需要对关键尺寸进行测量验收。传统的方法是通过卷尺或全站仪抽样对钢筋间距、保护层厚度、角度等验收项目进行测量，存在测量误差大，工效低等缺点，尤其是对于3m以上节段的多边形大尺寸桥梁索塔钢筋网片进行验收时，采用人工测量的方法不仅劳动强度大，而且工效较低。另外，传统测量手段只能选取部分点位进行测量，不能完整反应整个钢筋部品的成型质量，测量结果的准确度无法得到保证。

为解决上述问题，需要设计一种基于三维激光扫描技术的钢筋部品质量自动化检测方法，在保证测量精确度的条件下提高测量效率。

发明内容

本发明的目的是提供基于三维激光扫描技术的钢筋部品质量自动化检测方法，对由扫描仪获取的三维点云数据进行批量化拼接、去噪处理，并通过圆心、轴线提取的方法快速、自动计算得到待测钢筋部品的关键尺寸数据，再结合质量评价的方法清晰直观的判断钢筋部品的质量是否合格，极大提高了检测的精确度和工作效率。

为了实现根据本发明的这些目的和其它优点，提供了基于三维激光扫描的钢筋部品质量自动化检测方法，包括：

S1、将多个标靶安装在待测钢筋部品上；

S2、通过三维激光扫描仪对待测钢筋部品所在的施工区域从多个不同的方位进行扫描，得到原始三维点云数据；

S3、对原始三维点云数据依次进行拼接和去噪处理，得到待测钢筋部品的三维点云数据；

S4、从待测钢筋部品的三维点云数据中分别提取不同钢筋的圆心坐标并拟合得到对应钢筋的轴线；

S5、根据不同钢筋的圆心坐标和轴线自动计算待测钢筋部品的关键尺寸；

S6、分别计算待测钢筋部品中不同的钢筋部品节段在对接时的横向、纵向、径向偏差值，并根据计算结果对钢筋部品节段的质量进行评价。

优选的是，所述基于三维激光扫描的钢筋部品质量自动化检测方法，S1中，所述多个标靶为至少三个标靶，任意三个标靶的中心不位于同一条直线上。

优选的是，所述基于三维激光扫描的钢筋部品质量自动化检测方法，S3中，对原始三维点云数据进行拼接处理的方法包括：删除原始三维点云数据中的外部点云数据后，利用标靶对从不同的方位扫描得到的三维点云数据进行拼接，得到完整的待测钢筋部品的三维点云数据。

优选的是，所述基于三维激光扫描的钢筋部品质量自动化检测方法，S3中，对待测钢筋部品的三维点云数据进行去噪处理的方法包括：采用高斯滤波的方法对拼接后的三维点云数据进行自动去噪。

优选的是，所述基于三维激光扫描的钢筋部品质量自动化检测方法，S4中，对任一钢筋的轴线进行拟合的方法包括：

S41、截取所述钢筋的三维点云数据，使用RANSAC算法从中提取得到圆心坐标；

S42、提取对应钢筋在每个截面的圆心坐标，然后基于最小二乘法拟合得到所述钢筋的轴线。

优选的是，所述基于三维激光扫描的钢筋部品质量自动化检测方法，S5中，待测钢筋部品的关键尺寸包括：主筋间距、主筋端头长度、网面平面度、网面夹角。

优选的是，所述基于三维激光扫描的钢筋部品质量自动化检测方法，S6中，所述横向偏差值为相邻的两个钢筋部品节段在对接时的横向错位距离，所述纵向偏差值为相邻的两个钢筋部品节段在对接时的纵向错位距离，所述径向偏差值为所述钢筋部品节段在对接时的径向错位距离；

对所述钢筋部品节段的质量进行评价的方法包括：

S61、以所述两个钢筋部品节段的第一根主筋对接的横向错位距离为基准错位值，计算其他主筋对接的横向错位距离，当其他主筋对接的横向错位距离中的最大值大于所述基准错位值时，所述两个钢筋部品节段的质量被评价为不合格；

S62、以所述两个钢筋部品节段的第一根主筋对接的纵向错位距离为基准错位值，计算其他主筋对接的纵向错位距离，当任意主筋对接的纵向错位距离大于所述基准错位值时，所述两个钢筋部品节段的质量被评价为不合格；

S63、以所述钢筋部品节段的第一根主筋的圆心到设定的理论安装线的径向距离为基准距离，计算其他主筋的圆心到所述理论安装线的径向距离，当其他主筋对应的径向距离中的最大值大于所述基准距离时，所述钢筋部品节段的质量被评价为不合格。

本发明至少包括以下有益效果：

1、本发明通过扫描仪获取包含待测钢筋部品的原始点云数据，经过拼接、去噪等操作从复杂场景出提取出待测钢筋部品的点云数据，再通过特定的算法拟合得到每根钢筋的中轴线，基于钢筋线条拟合得到多边形网片的每个平面，自动计算得到钢筋部品关键尺寸，再通过质量评价的方法直观、快速、准确的对钢筋部品各节段的质量进行判断，解决了对大尺度桥塔钢筋部品关键尺寸测量时存在的人工劳动强度大、测量误差大、测量效率低的问题；

2、本发明改变了传统的桥塔施工钢筋质量测量方式，通过对三维点云数据的批量化自动处理能够快速得到主筋间距、主筋端头长度、网面平面度、网片夹角等关键尺寸指标，相比传统钢筋部品测量中只能进行有限点数测量的方法，极大提高了测量的准确度和工作效率，对钢筋绑扎质量的验收有更科学的量化指导意义，且能够广泛应用于在桥塔施工领域中不同钢筋部品的质量检测中，具有广阔的应用前景。

本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。

附图说明

图1为本发明一个实施例的基于三维激光扫描的钢筋部品质量自动化检测方法的流程示意图；

图2为上述实施例中所述待测钢筋部品的整体结构示意图；

图3为上述实施例中所述待测钢筋部品的平面结构示意图；

图4为上述实施例中所述待测钢筋部品的三维点云数据在去噪前的示意图；

图5为上述实施例中所述待测钢筋部品的三维点云数据在去噪后的示意图；

图6为上述实施例中所述S4中提取钢筋的圆心坐标的示意图；

图7为上述实施例中所述S4中拟合钢筋的轴线的示意图；

图8为上述实施例中所述S6中计算钢筋部品节段的横向偏差值的示意图；

图9为上述实施例中所述S6中计算钢筋部品节段的纵向偏差值的示意图；

图10为上述实施例中所述S6中计算钢筋部品节段的径向偏差值的示意图。

附图标记说明：

1、主筋；2、箍筋；3、主筋端头；4、钢筋网片节段一；5、钢筋网片节段二；6、理论安装位置一；7、理论安装位置二；8、理论安装线。

具体实施方式

下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

需要说明的是，下述实施方案中所述实验方法，如无特殊说明，均为常规方法，所述试剂和材料，如无特殊说明，均可从商业途径获得；在本发明的描述中，术语“横向”、“纵向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，并不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

如图1-10所示，本发明提供一种基于三维激光扫描的钢筋部品质量自动化检测方法，其特征在于，包括：

S1、将多个标靶安装在待测钢筋部品上；

S2、通过三维激光扫描仪对待测钢筋部品所在的施工区域从多个不同的方位进行扫描，得到原始三维点云数据；

S3、对原始三维点云数据依次进行拼接和去噪处理，得到待测钢筋部品的三维点云数据；

S4、从待测钢筋部品的三维点云数据中分别提取不同钢筋的圆心坐标并拟合得到对应钢筋的轴线；

S5、根据不同钢筋的圆心坐标和轴线自动计算待测钢筋部品的关键尺寸；

S6、分别计算待测钢筋部品中不同的钢筋部品节段在对接时的横向、纵向、径向偏差值，并根据计算结果对钢筋部品节段的质量进行评价。

上述技术方案中，三维激光扫描仪从不同的方位对施工区域进行多次扫描，得到来自不同方向的三维点云数据，在本实施例中，所述待测钢筋部品为一钢筋网片，三维激光扫描仪与钢筋网片的距离应大于3m，获取的点云精度在1.5mm左右，点云密度为100点/平方厘米，所述钢筋网片为八边形结构，竖向主筋1直径40mm，横向箍筋2直径20mm，主筋设计间距15cm，箍筋2设计间距15cm。由于视角(基准坐标系)不同，来自不同方向的三维点云数据无法直接融合，需要采用点云处理软件(如Leica Cyclone等)对多次扫描获取的三维点云数据进行拼接，从而得到完整的待测钢筋部品的三维点云数据。拼接后的三维点云数据仍属于原始三维点云数据，受到扫描设备固有特性等因素的影响，本身不可避免的会引入噪声，因此，还需要对拼接后的三维点云数据进行去噪处理(滤波处理)，以删除对后续数据提取和计算存在干扰的噪点，保证S4中提取钢筋的圆心坐标和拟合轴线的精度和准确度，提高后续步骤中三维点云模型的质量。S4中，提取不同钢筋的圆心坐标及拟合对应钢筋的轴线的目的是使轴线按照钢筋直径生成圆柱体，实现钢筋的逆向建模。S5-S6中对待测钢筋部品的关键尺寸、对接时的各方向偏差值的计算均基于上述钢筋模型进行。对钢筋部品节段的质量进行评价时，需先根据设计参数预设对应方向的偏差值的阈值，在计算得到实际偏差值后与阈值进行对比，当实际偏差值超出设定的阈值时，对应钢筋部品节段的质量被评价为不合格，且需要对该钢筋部品节段进行整改。其中，对三维点云数据的拼接、去噪，钢筋的圆心坐标提取、轴线拟合、关键尺寸计算，钢筋部品节段的多方向偏差值计算和质量评价均可在相关软件中自动进行，从而，在使用三维激光扫描仪采集完成原始三维点云数据并导入数据处理软件后，可通过软件自动化批量生成待测钢筋部品中任意钢筋部品节段的关键尺寸和偏差值，结合关键尺寸和偏差值的数据能够共同方便、快速、直观的对待测钢筋部品的整体质量进行判断，并根据具体数据对存在不合格情况的钢筋部品节段进行整改。与传统的钢筋部品质量测量方法相比，大幅度减少了人工操作对测量过程的影响，且能够从全局(多点位)对整体钢筋部品的质量进行测量和评价，更好的反应了钢筋部品的实际质量情况，提高了测量精确度和测量效率。

在另一技术方案中，所述的基于三维激光扫描的钢筋部品质量自动化检测方法，S1中，所述多个标靶为至少三个标靶，任意三个标靶的中心不位于同一条直线上。其中，所述标靶选用具有激光反射功能的靶球，靶球安放的位置应保证至少在两次不同方位的扫描中均能扫描到三个同位置的靶球，方便在后续步骤中对采集到的原始三维点云数据进行拼接。

在另一技术方案中，所述的基于三维激光扫描的钢筋部品质量自动化检测方法，S3中，对原始三维点云数据进行拼接处理的方法包括：删除原始三维点云数据中的外部点云数据后，利用标靶对从不同的方位扫描得到的三维点云数据进行拼接，得到完整的待测钢筋部品的三维点云数据。具体的，对原始三维点云数据进行拼接处理的方法包括：

S31、保留原始三维点云数据中待测钢筋部品、多个标靶及标靶周围的点云数据，删除其它的无关点云数据；

S32、在保留的点云数据中，利用点云处理软件，采用标靶拼接的方法对多个不同方位的点云数据进行拼接，得到完整的钢筋网片三维点云数据。

在另一技术方案中，所述的基于三维激光扫描的钢筋部品质量自动化检测方法，S3中，对待测钢筋部品的三维点云数据进行去噪处理的方法包括：采用高斯滤波的方法对拼接后的三维点云数据进行自动去噪。上述技术方案中，对拼接后的三维点云数据进行自动去噪的方法包括：

S33、以拼接后的三维点云数据为基础定义三维坐标系，水平面方向为X、Y轴，高度方向为Z轴，其中基础面方向为X轴，坐标原点选在基础面中心；

S34、根据指定空间半径n范围内的点云数量来判定离散点并对其进行删除；具体的，以所述三维坐标系中的任意一点为球心绘制一个半径为0.01m的球，计算球内包含的点云数量；若球内包含的点云数量小于30个，则判定该点为孤立离散噪声点，并删除该点。

另外，为了减少对后期曲面生成的干扰，在去噪处理前，可以手动去掉待测钢筋部品(即本实施例中的钢筋网片)外明显的多余噪点，然后采用上述滤波方法(S33-S34)去除离散的孤立噪点。

在另一技术方案中，所述的基于三维激光扫描的钢筋部品质量自动化检测方法，S4中，对任一钢筋的轴线进行拟合的方法包括：

S41、截取所述钢筋的三维点云数据，使用RANSAC算法从中提取得到圆心坐标；

S42、提取对应钢筋在每个截面的圆心坐标，然后基于最小二乘法拟合得到所述钢筋的轴线。

上述技术方案中，提取圆心坐标和拟合的目的是得到钢筋轮廓曲线及中轴线。具体来说，在S3中经过拼接和去噪处理得到的待测钢筋部品的三维点云数据，提取其中单个钢筋的点云数据，能够形成完整的钢筋外包形状点云，通过对外包点云拟合形成曲面，来提取对应钢筋的圆心坐标，记为(Xv，Yv)；基于最小二乘法对不同截面的钢筋圆心坐标进行拟合即可直接得到对应钢筋的中轴线，将待测钢筋部品中的全部钢筋按照对应的直径以中轴线为中心生成圆柱体，即可生成以钢筋轴线为基础的钢筋部品模型，实现了钢筋的逆向建模。

在另一技术方案中，所述的基于三维激光扫描的钢筋部品质量自动化检测方法，S5中，待测钢筋部品的关键尺寸包括：主筋间距、主筋端头长度、网面平面度、网面夹角。

上述技术方案中，根据S4中得到的圆心坐标和钢筋轴线可以自动计算主筋、箍筋间距，主筋端头长度，网面平面度，网面夹角等关键尺寸。以本实施例中的钢筋网片为例，上述关键尺寸的具体计算方法如下：

S51、主筋间距计算

选择钢筋网片上的任意两根主筋，垂直Z方向等间距截取点云切面，得到Z_h平面下两个切面的圆心坐标为(X_h1,Y_h2,Z_t)和(X_h2,Y_h2,Z_t),计算该高度下的主筋间距为：

S52、主筋端头长度计算

任一钢筋的端头长度包括顶口长度和底口长度，以顶口为例，设定A为主筋端头3中心点在OXY平面上的投影，B为主筋轴线跟端部箍筋轴线在OXY平面投影的交点，则端头长度L_AB为A和B之间距离。

S53、网面平面度计算

手动选取钢筋网片中待测网面区域，对测得的点云数据(x_i,y_i,z_i)(i＝0,1,…,m)求其最小二乘拟合平面，得到拟合平面方程：ax+by+cz+1＝0，并计算各点到拟合平面的距离：

则该网面的平面度为：

其中，d为测量点到拟合平面的距离，m为测量点到拟合平面的点位中误差，可以视为所测网面的平面度，m越小说明网面越平，反之说明网面越不平整。

S54、网面夹角计算

选取两个相邻的待测网面，采用S53中的方法对其进行拟合得到的平面方程分别为A₁x+B₁y+C₁z+1＝0和A₂x+B₂y+C₂z+1＝0，则两个网面的法线矢量分别为{A₁，B₁，C₁}和{A₂，B₂，C₂}，设定这两个法线矢量的夹角为

有：

计算

的值，则两个网面的夹角等于所述两个法线矢量的夹角。

另外，所述关键尺寸还包括主筋端头平齐度，端头平齐度越好，越利于钢筋网片在塔上的快速对接。主筋端头平齐度的计算方法为：

提取主筋端面圆心坐标为(X_ti,Y_ti,Z_ti)(i＝1,2,…,m)，其中m为主筋的根数，主筋平均高度为：

则主筋端头3的平齐度为：

在另一技术方案中，所述的基于三维激光扫描的钢筋部品质量自动化检测方法，S6中，所述横向偏差值为相邻的两个钢筋部品节段在对接时的横向错位距离，所述纵向偏差值为相邻的两个钢筋部品节段在对接时的纵向错位距离，所述径向偏差值为所述钢筋部品节段在对接时的径向错位距离。

上述技术方案中，横向偏差值、纵向偏差值、径向偏差值均用于衡量相邻的钢筋部品节段在对接时的偏差度。在横向对接时，主筋的间距若控制的不好，会在网面的末端形成累计效应，严重的会导致两个相邻节段钢筋部品在上下对接的时候形成错位，无法正常对接；在纵向对接时，主筋端头对接偏差反应了相邻节段钢筋网片的主筋高低错位水平，若控制的不好，在相邻节段主筋上下对接的时候有可能因为距离相差太远而无法使用钢筋连接器进行正常连接；在径向对接时，网面平面度若控制的不好，可能导致两个相邻网面在径向偏差太大，无法完成正常对接。因此，需要对三个方向的偏差值进行计算，得到相邻的钢筋部品节段在对接时的匹配情况，当任意方向的偏差值过大时，能够快速、及时的对相应钢筋部品节段进行整改，进一步保证了钢筋部品质量。

对所述钢筋部品节段的质量进行评价的方法包括：

S61、以所述两个钢筋部品节段的第一根主筋对接的横向错位距离为基准错位值，计算其他主筋对接的横向错位距离，当其他主筋对接的横向错位距离中的最大值大于所述基准错位值时，所述两个钢筋部品节段的质量被评价为不合格；

S62、以所述两个钢筋部品节段的第一根主筋对接的纵向错位距离为基准错位值，计算其他主筋对接的纵向错位距离，当任意主筋对接的纵向错位距离大于所述基准错位值时，所述两个钢筋部品节段的质量被评价为不合格；

S63、以所述钢筋部品节段的第一根主筋的圆心到设定的理论安装线8的径向距离为基准距离，计算其他主筋的圆心到所述理论安装线8的径向距离，当其他主筋对应的径向距离中的最大值大于所述基准距离时，所述钢筋部品节段的质量被评价为不合格。

以本实施例中的钢筋网片为例，选取两个相邻的钢筋网片节段(钢筋网片节段一4、钢筋网片节段二5)，对其进行质量评价的方法包括：

横向偏差值计算：以两个钢筋网片节段的第一根主筋为基准(设定其在X方向的偏差距离为ΔX₀)，计算其他待对接的两根主筋之间在X方向的偏差距离ΔX，若ΔXmax＞ΔX₀，表明该钢筋网片节段不合格，需要进行整改；

纵向偏差值计算：计算两个钢筋网片节段的顶口对接偏差ΔL_i＝L_{AB_i}+L_{AB_i+1}-2L₀，其中L₀为设定的理论距离(即理论安装位置一6到理论安装位置二7的距离)，L_{AB_i}为第i个接头的实际长度。同样以第一根主筋为基准，设定其对接偏差为ΔL₀，当ΔL_i大于ΔL₀时，表明该钢筋网片节段不合格，需要整改；

径向偏差值计算：定义钢筋网片节段一4中主筋的钢筋圆心到理论安装线8的距离为ΔY，以该钢筋网片节段的第一根主筋为基准(设定其圆心到理论安装线8的距离为ΔY₀)，当ΔYmax≥ΔY₀时，表明该钢筋网片节段的质量不合格，无法完成对接，需要整改。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (6)

1.基于三维激光扫描的钢筋部品质量自动化检测方法，其特征在于，包括：

S1、将多个标靶安装在待测钢筋部品上；

S2、通过三维激光扫描仪对待测钢筋部品所在的施工区域从多个不同的方位进行扫描，得到原始三维点云数据；

S3、对原始三维点云数据依次进行拼接和去噪处理，得到待测钢筋部品的三维点云数据；

S4、从待测钢筋部品的三维点云数据中分别提取不同钢筋的圆心坐标并拟合得到对应钢筋的轴线；

S5、根据不同钢筋的圆心坐标和轴线自动计算待测钢筋部品的关键尺寸，待测钢筋部品的关键尺寸包括：主筋间距、主筋端头长度、网面平面度、网面夹角；

S6、分别计算待测钢筋部品中不同的钢筋部品节段在对接时的横向、纵向、径向偏差值，并根据计算结果对钢筋部品节段的质量进行评价。

2.如权利要求1所述的基于三维激光扫描的钢筋部品质量自动化检测方法，其特征在于，S1中，所述多个标靶为至少三个标靶，任意三个标靶的中心不位于同一条直线上。

3.如权利要求1所述的基于三维激光扫描的钢筋部品质量自动化检测方法，其特征在于，S3中，对原始三维点云数据进行拼接处理的方法包括：删除原始三维点云数据中的外部点云数据后，利用标靶对从不同的方位扫描得到的三维点云数据进行拼接，得到完整的待测钢筋部品的三维点云数据。

4.如权利要求3所述的基于三维激光扫描的钢筋部品质量自动化检测方法，其特征在于，S3中，对待测钢筋部品的三维点云数据进行去噪处理的方法包括：采用高斯滤波的方法对拼接后的三维点云数据进行自动去噪。

5.如权利要求1所述的基于三维激光扫描的钢筋部品质量自动化检测方法，其特征在于，S4中，对任一钢筋的轴线进行拟合的方法包括：

S41、截取所述钢筋的三维点云数据，使用RANSAC算法从中提取得到圆心坐标；

S42、提取对应钢筋在每个截面的圆心坐标，然后基于最小二乘法拟合得到所述钢筋的轴线。

6.如权利要求1所述的基于三维激光扫描的钢筋部品质量自动化检测方法，其特征在于，S6中，所述横向偏差值为相邻的两个钢筋部品节段在对接时的横向错位距离，所述纵向偏差值为相邻的两个钢筋部品节段在对接时的纵向错位距离，所述径向偏差值为所述钢筋部品节段在对接时的径向错位距离；

对所述钢筋部品节段的质量进行评价的方法包括：

S61、以所述两个钢筋部品节段的第一根主筋对接的横向错位距离为基准错位值，计算其他主筋对接的横向错位距离，当其他主筋对接的横向错位距离中的最大值大于所述基准错位值时，所述两个钢筋部品节段的质量被评价为不合格；

S62、以所述两个钢筋部品节段的第一根主筋对接的纵向错位距离为基准错位值，计算其他主筋对接的纵向错位距离，当任意主筋对接的纵向错位距离大于所述基准错位值时，所述两个钢筋部品节段的质量被评价为不合格；

S63、以所述钢筋部品节段的第一根主筋的圆心到设定的理论安装线的径向距离为基准距离，计算其他主筋的圆心到所述理论安装线的径向距离，当其他主筋对应的径向距离中的最大值大于所述基准距离时，所述钢筋部品节段的质量被评价为不合格。

Images