CN115682970A - 一种基于双目视觉的钢筋间距的测量方法和系统 - Google Patents

Abstract

本发明公开了一种基于双目视觉的钢筋间距的测量方法和系统，包括获取绑扎钢筋的不同角度的多幅图像，提取每幅图像的边缘线；根据每幅图像的边缘线得到每幅图像中钢筋的交点；根据每幅图像中钢筋的交点进行三维重建，得到钢筋交点的三维坐标；遍历钢筋交点的三维坐标，得到钢筋的间距。利用本方法所述方法和系统，解决了图像技术无法区分绑扎钢筋交点空间异面，需要在待测钢筋表面放置标定物的问题，该技术使用简单、精确度高、速度快、适用性强；提高了绑扎钢筋测量的效率和准确率，降低了工人的劳动强度；有效降低了人工利用钢尺量测存在工作量大、效率低、易出现错检漏检的现象。

Description

一种基于双目视觉的钢筋间距的测量方法和系统

技术领域

本发明属于桥梁工程施工技术领域，具体涉及一种基于双目视觉的钢筋间距的测量方法和系统。

背景技术

在建筑工程项目中，钢筋的选用和绑扎直接关系到工程项目的建设质量以及工程寿命，因此需要对钢筋绑扎进行检测，确保钢筋绑扎符合工程设计规范与工程施工规范要求。钢筋间距和钢筋直径的测量是钢筋检测的主要任务，目前在工程施工过程中，钢筋的检测主要靠人工尺量，由于建筑结构钢筋数量巨大，因此检测效率较低、体力劳动强度较大，可能导致错检漏检现象。

发明内容

为了解决当前钢筋检测过程中检测效率较低、精度不够高的问题，本发明提出了一种于基于双目视觉的钢筋间距的测量方法和系统。通过多角度钢筋识别算法，解决钢筋布设纵横交错、图像旋转等问题；通过图像空间交点识别与空间三维坐标确定算法，解决钢筋之间空间异面相交问题，最后通过计算交点之间的间距确定钢筋间距。

实现本发明目的之一的一种基于双目视觉的钢筋间距的测量方法，包括如下步骤：

S1、获取绑扎钢筋的不同角度的多幅图像，提取每幅图像的边缘线；

S2、根据每幅图像的边缘线得到每幅图像中钢筋的交点；

S3、根据每幅图像中钢筋的交点进行三维重建，得到钢筋交点的三维坐标；

S4、遍历钢筋交点的三维坐标，得到钢筋的间距。

进一步地，所述步骤S2中，包括根据每幅图像的边缘线提取每幅图像中的边缘线的交点和每幅图像的角点，所述边缘线的交点和每幅图像的角点组成每幅图像的边缘交点集合，所述每幅图像的边缘交点集合用于得到每幅图像中钢筋的交点。

更进一步地，根据边缘交点集合得到每幅图像中钢筋的交点的方法包括：

遍历每幅图像的边缘交点集合的每个像素坐标点，获取所选择的像素坐标点所在的边缘交点集合中与其距离小于等于第一设定距离的近邻点N₁个，以及小于等于第二设定距离的近邻点N₂个；当N₁大于等于设定数量或者N₂大于等于设定数量时，则该点为该幅图像中钢筋的交点。

所述步骤S3中，还包括分别遍历每幅图像的边缘交点集合中的每个点，得到每幅图像中每个像素坐标点在其它图像中的匹配点，所述每个像素坐标点及其匹配点用于对每个钢筋交点进行三维重建。

更进一步地，还包括根据每幅图像中的边缘交点集合中的每个像素坐标点的特征描述符计算两个像素坐标点的相似性。

所述相似性的计算方法包括：

式中：

L_i，j表示一幅图像中的像素点i与另一幅图像中的像素点j的相似性；

i_L1，i_L2，i_L3分别表示从一幅图像中的钢筋交点的集合S_{image_L_cor}中选取的像素点i与该集合S_{image_L_cor}中其它选定的三个像素点L1、L2和L3的距离值；

j_R1，j一R2，j_R3为分别表示从另一幅图像中的钢筋交点的集合S_{image_R_cor}中选取的像素点j与该集合S_{image_R_cor}中其它选定的三个像素点R1、R2和R3的距离值；

θ_L1，θ_L2，θ_L3分别表示上述选取的三个像素点L1、L2和L3和像素点i的角度；

θ_R1，θ_R2，θ_R3分别表示上述选取的三个像素点R1、R2和R3和像素点j的角度；

i_Lpiexl为所选取的像素点i的像素值；

j_Rpiexl为所选取的像素点j的像素值。

更进一步地，选取与点i的特征描述符的相似性最大的点作为点i的匹配点。

实现本发明目的之二的基于双目视觉的钢筋间距的测量系统，包括边缘线提取模块、钢筋交点提取模块、钢筋交点三维坐标获取模块和钢筋间距计算模块；

所述边缘线提取模块用于获取绑扎钢筋的不同角度的多幅图像，提取每幅图像的边缘线；

所述钢筋交点提取模块用于根据每幅图像的边缘线得到每幅图像中钢筋的交点；

所述钢筋交点三维坐标获取模块用于根据每幅图像中钢筋的交点进行三维重建，得到钢筋交点的三维坐标；

所述钢筋间距计算模块用于遍历钢筋交点的三维坐标，得到钢筋的间距。

进一步地，所述钢筋交点三维坐标获取模块还包括相似性计算模块，用于根据每幅图像中的边缘交点集合中的每个像素坐标点的特征描述符计算两个像素坐标点的相似性。

进一步地，所述钢筋间距计算模块还包括钢筋直径计算模块，用于计算每根钢筋的直径，其计算方法包括：

S901、分别计算钢筋交点i_th与多个近邻点i_th1～i_thn构成的向量与Z轴的夹角θ_th 1～θ_th n；

S902、根据θ_th 1～θ_th n、第一设定角度～第n设定角度计算钢筋交点i_th所在的箍筋的直径d和/或钢筋交点i_th所在的带肋钢筋的直径D。

以双目相机为例，上述Z轴即以双目相机的左相机光心为原点0，以左相机的光轴为X轴，以双相机左右相机光心之间的连线为Y，以过原点0，并垂直于XOY平面的向量作为Z轴。

更进一步地，当近邻点的数量为2时，计算钢筋交点i_th所在的箍筋的直径d和/或钢筋交点i_th所在的带肋钢筋的直径D的方法包括：

步骤1、遍历钢筋交点的三维坐标，搜索每个钢筋交点i_th的最近的两个近邻点i_th1、i_th2；

步骤2、计算i_th与i_th1构成的向量与Z轴的夹角θ_th 1；计算i_th与i_th2构成的向量与Z轴的夹角θ_th 2；

步骤3、当θ_th 1大于θ₁且θ_th 2小于θ₁时，钢筋交点i_th所在的箍筋的直径d为i_th与i_th2的距离的设定倍数a，钢筋交点i_th所在的带肋钢筋的直径D为i_th与i_th1的距离；

当θ_th 1小于θ₁时且θ_th 2大于θ₁时，钢筋交点i_th所在的箍筋直径d为i_th与i_th1的距离的设定倍数a，钢筋交点i_th所在的带肋钢筋直径D为i_th与i_th2的距离。

更进一步地，所述钢筋间距计算模块中，计算钢筋间距的方法包括：

S1001、获取钢筋边缘线之间的间距；

S1002、根据钢筋边缘线之间的间距、钢筋的直径计算钢筋的间距。

更进一步地，所述步骤S1001中，获取钢筋边缘线之间的间距的方法包括：

步骤1.1、以双目相机的光轴V与Z轴共同构建平面VOZ，将钢筋交点三维坐标投影至平面VOZ，构建点集Q；其中Z轴即以双目相机的左相机光心为原点O，以左相机的光轴为X轴，以双相机左右相机光心之间的连线为Y，以过原点O，并垂直于XOY平面的向量作为Z轴；

步骤1.2、遍历点集Q，随机选取点集Q中的点i的多个最近邻点，点i与其多个最近邻点共同组成一个点云块cloud_Qi，记录cloud_i在点云集R中的索引，cloud_Qi中的点不再参与Q中的遍历；

步骤1.3、依据cloud_Qi在点云集R中的索引，建立cloud_i在点云集R中的对应点，构成cloud_i点云数据块；

步骤1.4、计算cloud_i中在Z轴上的坐标最大的两个点imax_Z1、imax_Z2，设定imax_Z1在V轴上较大，设定imax_Z2在V轴上较小；

步骤1.5、计算cloud_i在V轴上坐标最小的两个点imin_V1、imin_V2，判断点imin_V1、imin_V2在V轴的大小设定imin_V1在V轴上较大、imin_V2在V轴上较小；

步骤1.6、计算带肋钢筋边缘之间的间距S_car和箍筋边缘之间间距S_sti；

在点集Q中删除点云块cloud_i，沿着Z轴正向和Y轴正向搜索点集cloud_i中距离点imax_Z1的两个最近邻点，建立imax_Z1与两个近邻点的向量，计算两个向量与Z轴和Y轴的夹角；

当向量与Z轴的夹角小于45°且与Y轴大于45°时，则该向量的长度为点i所在的箍筋边缘之间间距S_sti；

当向量与Z轴的夹角大于45°且与V轴小于45°时，该向量长度为点i所在的带肋钢筋边缘之间的间距S_car。

在点集Q中删除点云块cloud_i所包含的点，沿着Z轴正向和Y轴负向搜索点集cloud_i中距离点imax_Z2的两个最近邻点，建立imax_Z1与两个近邻点的向量，计算两个向量与Z轴和Y轴的夹角；

当向量与Z轴的夹角小于45°且与Y轴大于45°时，则该向量的长度为点i所在的箍筋边缘之间间距S_sti；

当向量与Z轴的夹角大于45°且与Y轴小于45°时，该向量长度为点i所在的带肋钢筋边缘之间的间距S_car。

在点集Q中删除点云块cloud_i，沿着Z轴负向和Y轴正向搜索点集cloud_i中距离点imin_Y1的两个最近邻点，建立imin_Y1与两个近邻点的向量，计算两个向量与Z轴和Y轴的夹角；

当向量与Z轴的夹角小于45°且与Y轴大于45°时，则该向量的长度为点i所在的箍筋边缘之间间距S_sti；

当向量与Z轴的夹角大于45°且与Y轴小于45°时，该向量长度为点i所在的带肋钢筋边缘之间的间距S_car。

在点集Q中删除点云块cloud_i，沿着Z轴负向和Y轴负向搜索点集cloud_i中距离点imin_Y2的两个最近邻点，建立imin_Y2与两个近邻点的向量，计算两个向量与Z轴和Y轴的夹角；

当向量与Z轴的夹角小于45°且与Y轴大于45°时，则该向量的长度为点i所在的箍筋边缘之间间距S_sti；

当向量与Z轴的夹角大于45°且与Y轴小于45°时，该向量长度为点i所在的带肋钢筋边缘之间的间距S_car；

返回步骤1.2，继续从点集Q中选取一个点，计算该点所在的箍筋边缘之间间距S_sti和所在的带肋钢筋边缘之间的间距S_car，直至点集Q为空。

有益效果：

通过将数字图像处理与机器视觉测量技术应用于绑扎钢筋间距测量技术，有效降低了人工利用钢尺量测存在工作量大、效率低、易出现错检漏检的现象；

不同于单纯的基于图像技术的钢筋识别和提取，本发明通过对绑扎钢筋的交点进行提取，实现交点的空间三维坐标提取，解决了图像技术无法区分绑扎钢筋交点空间异面，需要在待测钢筋表面放置标尺的问题，该技术使用简单、精确度高、速度快、适用性强；

本发明实现绑扎钢筋间距和直径的自动化、高效测量，提高了绑扎钢筋测量的效率和准确率，降低了工人的劳动强度。

附图说明

图1是本发明所述方法的实施例；

图2是本发明所述方法的实施例的双目相机系统；

图3是本发明所述方法的实施例中的图像边缘线示意图；

图4是本发明述方法的实施例中获取钢筋直径的示意图。

具体实施方式

下列具体实施方式用于对本发明权利要求技术方案的解释，以便本领域的技术人员理解本权利要求书。本发明的保护范围不限于下列具体的实施结构。本领域的技术人员做出的包含有本发明权利要求书技术方案而不同于下列具体实施方式的也是本发明的保护范围。

本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

下面结合图1～3讲述本发明所述方法的一个实施例。

S1、获取绑扎钢筋的不同角度的多幅图像，提取每幅图像的边缘线；

本实施例中，获取绑扎钢筋的左右两个角度的两幅图像，其方法如下：

步骤1、如图2所示，组装双目相机系统，该系统包括一个双目相机支架、工业相机两台、电脑一台；工业相机安装在工业相机支架上，两台工业相机光轴平行安装；电脑和双目相机通过网络连接；本实施例中两台工业相机分别用于拍摄绑扎钢筋的左右角度的两幅图像；

步骤2、基于双目相机系统获取绑扎钢筋的左右两幅图像，其中两台工业相机中的双目左相机获取的图像记为image_L，两台工业相机中的双目相机右相机获取的图像记为image_R。

优选地，获得图像image_L、图像image_R后，还包括对图像image_L、图像image_R进行预处理；预处理的方法包括对图像进行灰度化处理、图像模糊还原处理和图像降噪处理。

预处理的具体实施方法如下：

步骤1、对图像image_L和image_R进行灰度化处理，分别得到经过灰度化处理后的图像image_L_gray，image_R_gray；

本实施例中灰度化处理的公式如下式(1)，但不限于此；

Gray＝R*0.3+G*0.59+B*0.11 式(1)

步骤2、对灰度化图像image_L_gray，image_R_gray进行图像模糊复原，分别得到经过了图像模糊复原后的图像image_L_re，image_R_re；本实施例中所采用的图像模糊复原的方法为维纳滤波复原技术，但不限于此；

步骤3、对经过了图像模糊复原后的图像image_L_re，image_R_re进行除噪处理，分别得到降噪后的图像image_L_dn，image_R_dn；本实施例中采用的除噪方法为在图像上任意像素p(u，v)处，计算其周边5*5区域像素值的平均值p’(u，v)，并令p(u，v)＝p’(u，v)，但不限于此。

接下来讲述提取每幅图像的边缘线的一个实施例，方法如下：

步骤1、对降噪后的图像image_L_dn，image_R_dn进行二值化处理，分别得到二值化处理后的图像image_L_bn，image_R_bn；

步骤2、对二值化处理后的图像image_L_bn，image_R_bn进行边缘提取，得到进行了边缘提取后的图像；本实施例中采用Sobel算子对图像image_L_bn，image_R_bn进行边缘提取；

步骤3、对进行了边缘提取后的图像进行直线检测，提取图像中的边缘为直线的边缘线，获取仅包含边缘为直线的图像image_L_ed，image_R_ed，所述边缘线如图3所示，本实施例中利用霍夫变换对进行了边缘提取后的图像进行直线检测。

S2、根据每幅图像的边缘线得到每幅图像中钢筋的交点；具体包括如下步骤：

步骤1、提取仅包含边缘为直线的图像image_L_ed，image_R_ed中的边缘交点集合，提取方法包括如下步骤：

步骤1.1、分别提取图像image_L_ed，image_R_ed中的所有边缘线的交点的像素坐标的集合S_L，交点、S_R，交点；

本实施例采用直线相交法得到边缘交点集合，其原理为：假定直线L₁、L₂的定义为：

式中：

(u₁ v₁)、(u₂ v₂)为直线L₁上选取的两个点；

(u₃ v₃)、(u₄ v₄)为直线L₂上选取的两个点；

t、s均为设定实数，计算方法分别为：

当0≤t≤1且当0≤s≤1时，得到交点p(u_k，v_k)的像素坐标为：

(u₁+t(u₂-u₁)，v₁+t(v₂-v₁))

根据上述原理得到所有边缘线的交点的像素坐标的集合S_L，交点、S_R,交点；

步骤1.2、获取图像image_L_ed，image_R_ed所有角点的像素坐标的集合S_L,交点、S_R,角点；本实施例采用harris角点检测算法获取图像的角点的像素坐标，但不限于此方法；

步骤1.3、集合S_L,交点和集合S_L,角点的交集则为所要获取的图像image_L_ed的边缘交点集合，记为S_{image_L_cor}；集合S_R,交点和集合S_R,角点的交集则为所要获取的图像image_R_ed的边缘交点集合，记为S_{image_R_cor}。

步骤2、提取钢筋的交点，提取方法包括如下步骤：

步骤2.1、遍历边缘交点集合S_{image_L_cor}中的每个像素坐标点，搜索边缘交点集合S_{image_L_cor}中与选取的像素坐标点i的距离分别小于等于第一设定距离的近邻个数N₁和小于等于第二设定距离的近邻个数N₂，所述第一设定距离在本实施例中为

所述第二设定距离在本实施例中为2*S_i,i’；其中S_i,i’为像素坐标点i与距离其最近的一个邻点i'之间的像素距离；

遍历边缘交点集合S_{image_R_cor}中的每个像素坐标点，搜索边缘交点集合S_{image_R_cor}中与选取的像素坐标点j的距离分别小于等于第一设定距离的近邻个数N₃和小于等于第二设定距离的近邻个数N₄，所述第一设定距离在本实施例中为

所述第二设定距离在本实施例中为2*S_j,j’；其中S_j,j’为像素坐标点j与距离其最近的一个邻点j'之间的像素距离；

步骤2.2、上述两个搜索距离N₁和N₂中，只要N₁和N₂中有任意一个大于设定数量时，则保存i点；上述两个搜索距离N₃和N₄中，只要N₃和N₄中有任意一个大于设定数量时，则保存j点，形成钢筋的交点集合S_{image_L_st_cor}、S_{image_R_st_cor}，本实施例中所述设定数量为6，但不限于此。

S3、对每幅图像中的钢筋交点进行三维重建，得到钢筋交点的三维坐标；

对每幅图像中的钢筋交点进行三维重建前，需要获取集合S_{image_L_st_cor}中每个像素点及其在集合S_{image_R_st_cor}中的匹配点，方法如下：

步骤1、遍历集合S_{image_R_st_cor}、S_{image_R_st_cor}中的每个像素点，得到集合S_{image_L_st_cor}、S_{image_R_st_cor}中每一个像素点的特征描述符F_{image_L i}和F_{image_R j}，表达如下：

F_{image_L i}＝[i_L1，i_L2，i_L3，θ_L1，θ_L2，θ_L3，i_Lpiexl]

F_{image_R j}＝[j_R1，j_R2，j_R3，θ_R1，θ_R2，θ_R3，j_Rpiexl]

式中：

F_{image_L i}表示从集合S_{image_L_st_cor}中所选取的像素点i的特征描述符；

F_{image_R j}表示从集合S_{image_R_st_cor}中所选取的像素点j的特征描述符；

i_L1，i_L2，i_L3为从集合S_{image_L_st_cor}中选取的三个像素点L1、L2和L3与所选像素点i的距离值；

j_R1，j_R2，j_R3为从集合S_{image_R_st_cor}中选取的三个像素点R1、R2和R3与所选像素点j的距离值；

θ_L1，θ_L2，θ_L3为上述选取的三个像素点L1、L2和L3和所选像素点i的角度；

θ_R1，θ_R2，θ_R3为上述选取的三个像素点R1、R2和R3和所选像素点j的角度；

i_Lpiexl为所选取的像素点i的像素值；

j_Rpiexl为所选取的像素点j的像素值；

优选地，本实施例中三个像素点L1、L2和L3的选取方法为：

获取集合S_{image_L_st_cor}中与所选取的像素点i最近邻的16个点，按照距离从小到大对16个近邻点进行排序，取排序第4、8、13的点为所述的三个像素点L1、L2和L3；

像素点R1、R2和R3的选取方法与像素点L1、L2和L3的选取方法一致，在此不再赘述。

步骤2、遍历集合S_{image_L_st_cor}中每一个像素点，根据每个点的特征描述符计算其与S_{image_R_st_cor}中所有点的特征描述符的相似性，其中两个点的相似性计算公式如下：

式中：

L_i，j表示集合S_{image_L_st_cor}中选取的点i与S_{image_R_st_cor}中选取的点j的特征描述符的相似性；

其它参数取自步骤1所述的特征描述符F_{image_L i}和F_{image_R j}；

步骤3、选取S_{image_R_st_cor}中特征描述符与集合S_{image_R_st_cor}中点i的特征描述符的相似性最大的点作为点i在集合S_{image_R_st_cor}中的匹配点，即取max(L_i，i′)所对应的i′点作为点i在集合S_{image_R_st_cor}中的匹配点，其中i′∈S_{image_R_st_cor}。

通过上述方法，得到集合S_{image_L_st_cor}中的每一个像素点及其在集合S_{image_R_st_cor}中的匹配点后，对双目相机进行标定，获取相机的内外参数，根据每一个像素点及其匹配点进行三维重建，得到每一个钢筋交点的三维坐标。

S4、遍历钢筋交点的三维坐标，得到钢筋的间距。

在得到钢筋的间距之前，需要得到钢筋的直径；本实施例中获取钢筋的直径的方法如图4所示，包括如下步骤：

步骤1、遍历钢筋交点的三维坐标，搜索每个钢筋交点i_th的最近的两个近邻点i_th1、i_th2；

步骤2、计算i_th与i_th1构成的向量与Z轴的夹角θ_th 1；计算i_th与i_th2构成的向量与Z轴的夹角θ_th 2；

步骤3、当θ_th 1大于45°且θ_th 2小于45°时，钢筋交点i_th所在的箍筋的直径d为0.5倍的i_th与i_th2的距离，钢筋交点i_th所在的带肋钢筋的直径D为i_th与i_th1的距离；上述0.5倍的倍数需要根据实际需求调整，本实施例中的0.5倍是缘于箍筋通常都是两根一起绑扎；45°是本实施例设定的角度，在XOZ平面上，一般小于45°则认为向量是在X方向，大于45°就认为向量是在Z方向。

当θ_th 1小于45°时且θ_th 2大于45°时，钢筋交点i_th所在的箍筋直径d为0.5倍的i_th与i_th1的距离，钢筋交点i_th所在的带肋钢筋直径D为i_th与i_th2的距离。

本实施例中获取钢筋之间的间距的方法如下：

步骤1、获取钢筋边缘线之间的间距

所述钢筋边缘线的间距包括带肋钢筋边缘之间的间距S_car和箍筋边缘之间间距S_sti；具体方法如下：

步骤1.1、如图2所示，以相机光轴Y与Z轴共同构建平面YOZ，将钢筋交点三维坐标投影至平面YOZ，构建点集Q；所述光轴Y即图2中的X轴；

步骤1.2、遍历点集Q，随机选取点集Q中的点i，并获取点i的5个最近邻点，点i与其5个最近邻点共同组成一个点云块cloud_Qi，记录cloud_i在点云集R中的索引，cloud_Qi中的点不再参与Q中的遍历；

步骤1.3、依据cloud_Qi在点云集R中的索引，建立cloud_i在点云集R中的对应点，构成cloud_i点云数据块；

步骤1.4、计算cloud_i中在Z轴上的坐标最大的两个点imax_Z1、imax_Z2，设定imax_Z1在Y轴上较大，设定imax_Z2在Y轴上较小；

步骤1.5、计算cloud_i在Y轴上坐标最小的两个点imin_Y1、imin_Y2，判断点imin_Y1、imin_Y2在Y轴的大小，设定imin_Y1在Y轴上较大、imin_Y2在Y轴上较小；

步骤1.6、计算带肋钢筋边缘之间的间距S_car和箍筋边缘之间间距S_sti；

在点集Q中删除点云块cloud_i，沿着Z轴正向和Y轴正向搜索点集cloud_i中距离点imax_Z1的两个最近邻点，建立imax_Z1与两个近邻点的向量，计算两个向量与Z轴和Y轴的夹角；

当向量与Z轴的夹角小于45°且与Y轴大于45°时，则该向量的长度为点i所在的箍筋边缘之间间距S_sti；

当向量与Z轴的夹角大于45°且与Y轴小于45°时，该向量长度为点i所在的带肋钢筋边缘之间的间距S_car。

在点集Q中删除点云块cloud_i，沿着Z轴正向和Y轴负向搜索点集cloud_i中距离点imax_Z2的两个最近邻点，建立imax_Z1与两个近邻点的向量，计算两个向量与Z轴和Y轴的夹角；

当向量与Z轴的夹角小于45°且与Y轴大于45°时，则该向量的长度为点i所在的箍筋边缘之间间距S_sti；

当向量与Z轴的夹角大于45°且与Y轴小于45°时，该向量长度为点i所在的带肋钢筋边缘之间的间距S_car。

在点集Q中删除点云块cloud_i，沿着Z轴负向和Y轴正向搜索点集cloud_i中距离点imin_Y1的两个最近邻点，建立imin_Y1与两个近邻点的向量，计算两个向量与Z轴和Y轴的夹角；

当向量与Z轴的夹角小于45°且与Y轴大于45°时，则该向量的长度为点i所在的箍筋边缘之间间距S_sti；

当向量与Z轴的夹角大于45°且与Y轴小于45°时，该向量长度为点i所在的带肋钢筋边缘之间的间距S_car。

在点集Q中删除点云块cloud_i，沿着Z轴负向和Y轴负向搜索点集cloud_i中距离点imin_Y2的两个最近邻点，建立imin_Y2与两个近邻点的向量，计算两个向量与Z轴和Y轴的夹角；

当向量与Z轴的夹角小于45°且与Y轴大于45°时，则该向量的长度为点i所在的箍筋边缘之间间距S_sti；

当向量与Z轴的夹角大于45°且与Y轴小于45°时，该向量长度为点i所在的带肋钢筋边缘之间的间距S_car。

步骤2、根据钢筋边缘线之间的间距计算点i所在的带肋钢筋之间的间距L_car和点i所在的箍筋之间的间距L_sti。计算公式如下：

L_car＝S_car

L_sti＝S_sti+d

式中：

S_car表示点i所在的带肋钢筋边缘之间的间距；

S_sti表示点i所在的箍筋边缘之间的间距；

d表示点i所在的箍筋直径。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

本申请实施例还提供一个基于双目视觉的钢筋间距的测量系统，包括边缘线提取模块、钢筋交点提取模块、钢筋交点三维坐标获取模块和钢筋间距计算模块；

边缘线提取模块用于获取绑扎钢筋的不同角度的多幅图像，提取每幅图像的边缘线；

钢筋交点提取模块用于根据每幅图像的边缘线得到每幅图像中钢筋的交点；

钢筋交点三维坐标获取模块用于根据每幅图像中钢筋的交点进行三维重建，得到钢筋交点的三维坐标；

钢筋间距计算模块用于遍历钢筋交点的三维坐标，得到钢筋的间距。

在另一个实施例中，钢筋交点三维坐标获取模块还包括相似性计算模块，用于根据每幅图像中的边缘交点集合中的每个像素坐标点的特征描述符计算两个像素坐标点的相似性。

在另一个实施例中，钢筋间距计算模块还包括钢筋直径计算模块，用于计算每根钢筋的直径，其计算方法包括：

S901、分别计算钢筋交点i_th与多个近邻点i_th1～i_thn构成的向量与Z轴的夹角θ_th 1～θ_th n；

S902、根据θ_th 1～θ_th n、第一设定角度～第n设定角度计算钢筋交点i_th所在的箍筋的直径d和钢筋交点i_th所在的带肋钢筋的直径D。

在另一个实施例中，钢筋间距计算模块中，计算钢筋间距的方法包括：

S1001、获取钢筋边缘线之间的间距；

S1002、根据钢筋边缘线之间的间距、钢筋的直径计算钢筋的间距。

本说明书未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (10)

1.一种基于双目视觉的钢筋间距的测量方法，其特征在于，包含如下步骤：

S1、获取绑扎钢筋的不同角度的多幅图像，提取每幅图像的边缘线；

S2、根据每幅图像的边缘线得到每幅图像中钢筋的交点；

S3、根据每幅图像中钢筋的交点进行三维重建，得到钢筋交点的三维坐标；

S4、遍历钢筋交点的三维坐标，得到钢筋的间距。

2.如权利要求1所述的基于双目视觉的钢筋间距的测量方法，其特征在于，所述步骤S2中，包括根据每幅图像的边缘线提取每幅图像中的边缘线的交点和每幅图像的角点，所述边缘线的交点和每幅图像的角点组成每幅图像的边缘交点集合，所述每幅图像的边缘交点集合用于得到每幅图像中钢筋的交点。

3.如权利要求2所述的基于双目视觉的钢筋间距的测量方法，其特征在于，根据边缘交点集合得到每幅图像中钢筋的交点的方法包括：

遍历每幅图像的边缘交点集合的每个像素坐标点，获取所选择的像素坐标点所在的边缘交点集合中与其距离小于等于第一设定距离的近邻点N₁个，以及小于等于第二设定距离的近邻点N₂个；当N₁大于等于设定数量或者N₂大于等于设定数量时，则该点为该幅图像中钢筋的交点。

4.如权利要求1所述的基于双目视觉的钢筋间距的测量方法，其特征在于，所述步骤S3中，还包括分别遍历每幅图像的边缘交点集合中的每个像素坐标点，得到每幅图像中每个像素坐标点在其它图像中的匹配点，所述每个像素坐标点及其匹配点用于对每个钢筋交点进行三维重建。

5.如权利要求4所述的基于双目视觉的钢筋间距的测量方法，其特征在于，还包括根据每幅图像中的边缘交点集合中的每个像素坐标点的特征描述符计算两个像素坐标点的相似性。

6.如权利要求5所述的基于双目视觉的钢筋间距的测量方法，其特征在于，两个像素坐标点的相似性的计算方法包括：

式中：

L_i,j表示一幅图像中的像素点i与另一幅图像中的像素点j的相似性；

i_L1，i_L2，i_L3分别表示从一幅图像中的钢筋交点的集合S_{image_L_cor}中选取的像素点i与该集合S_{image_L_cor}中其它选定的三个像素点L1、L2和L3的距离值；

j_R1，j_R2，j_R3为分别表示从另一幅图像中的钢筋交点的集合S_{image_R_cor}中选取的像素点j与该集合S_{image_R_cor}中其它选定的三个像素点R1、R2和R3的距离值；

θ_L1，θ_L2，θ_L3分别表示上述选取的三个像素点L1、L2和L3和像素点i的角度；

θ_R1，θ_R2，θ_R3分别表示上述选取的三个像素点R1、R2和R3和像素点j的角度；

i_Lpiexl为所选取的像素点i的像素值；

j_Rpiexl为所选取的像素点j的像素值。

7.一种如权利要求1所述方法的基于双目视觉的钢筋间距的测量系统，其特征在于，包括边缘线提取模块、钢筋交点提取模块、钢筋交点三维坐标获取模块和钢筋间距计算模块；

所述边缘线提取模块用于获取绑扎钢筋的不同角度的多幅图像，提取每幅图像的边缘线；

所述钢筋交点提取模块用于根据每幅图像的边缘线得到每幅图像中钢筋的交点；

所述钢筋交点三维坐标获取模块用于根据每幅图像中钢筋的交点进行三维重建，得到钢筋交点的三维坐标；

所述钢筋间距计算模块用于遍历钢筋交点的三维坐标，得到钢筋的间距。

8.如权利要求7所述的基于双目视觉的钢筋间距的测量系统，其特征在于，所述钢筋交点三维坐标获取模块还包括相似性计算模块，用于根据每幅图像中的边缘交点集合中的每个像素坐标点的特征描述符计算两个像素坐标点的相似性。

9.如权利要求7所述的基于双目视觉的钢筋间距和直径的测量方法，其特征在于，所述钢筋间距计算模块还包括钢筋直径计算模块，用于计算钢筋的直径，其计算方法包括：

S901、分别计算钢筋交点i_th与多个近邻点i_th1～i_thn构成的向量与Z轴的夹角θ_th 1～θ_th n；

S902、根据θ_th 1～θ_th n、第一设定角度～第n设定角度计算钢筋交点i_th所在的箍筋的直径d和/或钢筋交点i_th所在的带肋钢筋的直径D。

10.如权利要求9所述的基于双目视觉的钢筋间距和直径的测量方法，其特征在于，所述钢筋间距计算模块中，计算钢筋间距的方法包括：

S1001、获取钢筋边缘线之间的间距；

S1002、根据钢筋边缘线之间的间距、钢筋的直径计算钢筋的间距。

Images