CN116148143B - 粗集料级配、针片状含量和不规则颗粒含量检测方法 - Google Patents

粗集料级配、针片状含量和不规则颗粒含量检测方法 Download PDF

Info

Publication number
CN116148143B
CN116148143B CN202310211543.7A CN202310211543A CN116148143B CN 116148143 B CN116148143 B CN 116148143B CN 202310211543 A CN202310211543 A CN 202310211543A CN 116148143 B CN116148143 B CN 116148143B
Authority
CN
China
Prior art keywords
target object
coarse aggregate
needle
model
point cloud
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202310211543.7A
Other languages
English (en)
Other versions
CN116148143A (zh
Inventor
刘力
李开林
吕小虎
冯永成
安正军
陶娅
罗晖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Maoqiao Technology Co ltd
Original Assignee
Chongqing Maoqiao Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing Maoqiao Technology Co ltd filed Critical Chongqing Maoqiao Technology Co ltd
Priority to CN202310211543.7A priority Critical patent/CN116148143B/zh
Publication of CN116148143A publication Critical patent/CN116148143A/zh
Application granted granted Critical
Publication of CN116148143B publication Critical patent/CN116148143B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N1/00—Sampling; Preparing specimens for investigation
    • G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
    • G01N1/38—Diluting, dispersing or mixing samples
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/02—Investigating particle size or size distribution
    • G01N15/0205—Investigating particle size or size distribution by optical means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/02—Investigating particle size or size distribution
    • G01N15/0255—Investigating particle size or size distribution with mechanical, e.g. inertial, classification, and investigation of sorted collections
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W30/00—Technologies for solid waste management
    • Y02W30/50—Reuse, recycling or recovery technologies
    • Y02W30/91—Use of waste materials as fillers for mortars or concrete

Landscapes

  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Dispersion Chemistry (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • Image Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种粗集料级配、针片状含量和不规则颗粒含量检测方法，1）将待测粗集料分散；2）采集分散后粗集料3D点云图像；3）对3D点云图像进行分割，得到每个目标对象3D模型；基于3D模型计算每个目标对象的体积和待测粗集料的总体积；4）根据目标对象3D模型确定粗集料中每颗颗粒的粒级；5）根据目标对象3D模型确定目标对象的长宽高，再确定是否属于针片状，进而得到针片状颗粒含量；6）根据目标对象3D模型确定目标对象的宽和高，再确定是否属于不规则颗粒，进而得到不规则颗粒含量。本发明能够快速、准确、方便地测量出粗集料级配、针片状含量和不规则颗粒含量，从而更好地为混凝土的生产提供数据参考。

Description

粗集料级配、针片状含量和不规则颗粒含量检测方法
技术领域
本发明涉及粗集料相关性能参数的检测，具体涉及一种粗集料级配、针片状含量和不规则颗粒含量检测方法，属于混凝土技术领域。
背景技术
为了把控混凝土生产前粗集料的质量，检测出使用的粗集料级配分布情况，以及针片状和不规则颗粒的占比。参考GB/T 14685《建设用卵石、碎石》国家标准评估原材料的达标情况，从而为混凝土的生产提供数据参考。因此需要检测粗集料级配、针片状含量及不规则颗粒含量。
粗集料中各组成颗粒的分级和搭配称为级配，它是影响集料空隙率的重要指标。良好的级配要求空隙最小，总表面积也不大，从而使骨料本身嵌挤紧密，且用料节约。针片状含量即针片状颗粒质量占总质量的比例，不规则颗粒含量即筛选得到的所有不规则颗粒质量占总质量的比例。
根据相关标准，卵石、碎石颗粒的最大一维尺寸大于该颗粒所属相应粒级的平均粒径2.4倍者为针状颗粒；最小一维尺寸小于平均粒径0.4倍者为片状颗粒，用相关的标准仪器测量能通过的就属于针状或者片状。卵石、碎石颗粒的最小一维尺寸小于该颗粒所属粒级的平均粒径0.5倍者为不规则颗粒。粗集料是混凝土的重要组成材料，在建筑、道路、桥梁等工程中，级配不好的集料会影响混凝土的性能，危害建筑质量。目前工程中，通常采用人工筛分法或者摇筛机对集料进行级配筛分检测，先计算集料总质量，筛分后计算每一级的质量，每级质量除以总质量得到单级级配数据，再通过对每级用针片状规准仪、条形筛或游标卡尺进行检测对比，找出所有符合条件的集料并称重，结合总质量得到针片状含量和不规则颗粒含量。该方法在筛分过程中容易堵塞筛孔，影响筛分结果，降低筛分效率，人工耗费大且检测非常耗时。
发明内容
针对现有技术存在的上述不足，本发明的目的就在于提供一种粗集料级配、针片状含量和不规则颗粒含量检测方法，本发明能够快速、准确、方便地测量出粗集料级配、针片状含量和不规则颗粒含量，无需人工参与，从而更好地为混凝土的生产提供数据参考。
本发明的技术方案是这样实现的：
粗集料级配、针片状含量和不规则颗粒含量检测方法，步骤如下，
1）将待测粗集料分散，使粗集料铺开为一层且彼此不接触，以便于下一步图像采集；
2）通过图像采集得到步骤1）铺开的粗集料的3D点云图像，并对3D点云图像进行预处理；
3）对预处理后的粗集料3D点云图像进行分割，得到每个目标对象即粗集料中每颗颗粒的3D模型；基于3D模型计算每个目标对象的体积，累加所有目标对象的体积得到待测粗集料的总体积；
4）根据目标对象3D模型确定粗集料中每颗颗粒的粒级；
5）根据目标对象3D模型确定目标对象的长宽高，基于该目标对象所在粒级确定该目标对象在该粒级中是否属于针片状，找出每级中的所有针片状颗粒，将每个针片状颗粒的体积累加得到针片状颗粒的总体积；再结合步骤3）得到的待测粗集料的总体积和各自密度，即可得到针片状颗粒含量；
6）根据目标对象3D模型确定目标对象的宽和高，基于该目标对象所在粒级确定该目标对象在该粒级中是否属于不规则颗粒，找出每级中的所有不规则颗粒，将每个不规则颗粒的体积累加得到不规则颗粒的总体积；再结合步骤3）得到的待测粗集料的总体积和各自密度，即可得到不规则颗粒含量。
其中，步骤6）中，根据目标对象3D模型确定目标对象的宽和高的具体操作是，根据根据目标对象3D模型确定目标对象的最小外接长方体，最小外接长方体的宽和高即为目标对象的宽和高；将目标对象的宽和高与对应粒级用于判断不规整颗粒的条形筛孔进行比对，能够通过的则为不规则颗粒。
其中，步骤5）中，根据目标对象3D模型确定目标对象的长宽高的具体操作是，根据目标对象3D模型确定目标对象的最小外接长方体，最小外接长方体的长宽高即为目标对象的长宽高；根据针片状的定义，对每个目标对象进行计算，从而找出属于针片状颗粒的所有目标对象。
其中步骤4）中，根据目标对象3D模型确定粗集料中每颗颗粒的粒级的具体方法为，将目标对象3D模型沿长轴方向竖起来，垂直于长轴方向按积分固定步长切片，每次切片后做投影到垂直于长轴的平面，得到切片的2D图像，确定每个切片2D图像的最小外接正方形，以所有切片最小外接正方形中边长的最大值和分级用每级筛孔的边长比较，从而确定粗集料中每颗颗粒的粒级。
切片时，对于目标对象3D模型有明显凹凸度的，长轴定义为沿凹凸走向的曲线，沿曲线的法线方向作为垂直于长轴方向。
具体地，步骤1）中，采用自动分散设备将待测粗集料分散；自动分散设备包括漏斗、线性震动装置和传送带，漏斗位于线性震动装置上方，漏斗用于装料并将装入的待测粗集料缓冲后进入线性震动装置上；线性震动装置的震动电机与控制器连接，由控制器控制震动电机的启停；线性震动装置与传送带衔接连接，以将震动分散的粗集料转移至传送带上；控制器同时与传送带驱动电机连接，以控制传送带驱动电机的启停；漏斗为相互衔接的上下两级，以更好地实现送料缓冲。
进一步地，在下一级漏斗内位于出口处设有滚筒刷，滚筒刷的转轴两端安装在漏斗出口相对的两侧壁上；滚筒刷转轴接滚筒刷驱动电机，由滚筒刷驱动电机控制滚筒刷转动以可控地带动粗集料落入下方的线性震动装置，滚筒刷能够控制粗集料下落量从而减少粗集料在线性震动装置上的堆积以避免影响粗集料的分散。
优选地，通过控制器控制线性震动装置和传送带的启停节奏，使线性震动装置出料呈批次输送到传送带上，使传送带上的粗集料也为对应的批次，批次之间设置需要的间隔距离。
步骤2）中，通过图像采集得到步骤1）铺开的粗集料的3D点云图像，并对3D点云图像进行预处理的具体操作为，首先通过计算点云的质心点和特征向量，计算得到点云变换的变换矩阵，通过变换矩阵将点云进行旋转平移与坐标系对齐，然后通过对Z轴方向上的滤波将传送带平面点云数据与集料点云数据分割开，最后再通过半径搜索算法和邻近点计算算法，去除离散点，只保留集料颗粒的点云数据。
步骤3）中，对预处理后的粗集料3D点云图像进行分割，得到每个目标对象即粗集料中每颗颗粒的3D模型；基于3D模型计算每个目标对象的体积的具体方法为，通过凸包计算和Delaunay三角化将预处理后的粗集料3D点云图像中的每颗集料点云个体重建成真实的3D模型，并建立每个集料的内存对象索引；最后遍历每个3D模型索引，计算每个3D模型的最小外接长方体和点云体积，从而得到每颗集料的长宽高和体积。
与现有技术相比，本发明具有以下有益效果：
1、本发明通过图像整体采集、再分割处理的方式，得到每颗集料的3D模型，由3D模型得到每颗集料的尺寸，从而能够快速、准确、方便地测量出粗集料级配、针片状含量和不规则颗粒含量，从而更好地为混凝土的生产提供数据参考。
2、本方法能够避免直接过筛对检测项目准确性的影响，也节省了人力成本。
3、本发明操作简单，只需要将待测粗集料加入加料口，启动检测系统，即可快速一次性得到需要检测的参数。
4、本发明可以大大缩短检测时间，降低测试工作量。
附图说明
图1-本发明检测流程图。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果，下面结合附图和具体实施方式对本发明作进一步详细说明。
参见图1，本发明粗集料级配、针片状含量和不规则颗粒含量检测方法，主要涉及6大过程：粗集料的分散控制；粗集料3D点云图像的采集、处理计算、模型分割；粗集料的3D体积计算；模拟级配塞孔通过性的几何模型计算；针片状模拟国标标准的几何计算；不规则颗粒含量计算。
、粗集料的分散控制
粗集料的分散控制实现过程：通过漏斗将集料输送到线性震动装置上，通过线性震动装置将集料分散（将集料铺开为一层且尽量隔开不接触）后再由震动装置输送到传送带上。考虑到加料位置和传送带之间的高差，本发明设有两级相互衔接的漏斗以实现下料冲击力的缓冲。上一级漏斗上方敞口为入料口，从入料口倒入粗集料，粗集料在通过上一级漏斗后进入二级漏斗，在二级漏斗内位于出口处设有滚筒刷以限流，滚筒刷转轴接电机，由电机控制滚筒刷慢慢转动带动集料落入下方的震动装置，滚筒刷能够控制集料下落量从而减少集料在震动装置上的堆积以避免影响集料的分散。震动装置出料口与传送带衔接设置且位于同一高度，以将震动装置分散开的出料无缝地、无落差地传递到运行的传送带上。通过PLC控制器控制震动装置和传送带的启停节奏，使震动装置出料呈批次输送到传送带上，这样传送带上的料也为对应的批次，批次之间设置需要的间隔，便于后续图像采集。传送带的启停由伺服电机驱动实现，伺服电机可以按预先设置的启停节奏运行。当传送带停下时，即表明集料运行到位，即集料到达图像采集装置正下方，同时由PLC控制器控制线性震动装置停止向传送带送料。传送带停止后，图形采集装置即采集检测位置上的集料的图像数据。待图像采集完成后，传送带再继续运行，集料在传送带的端部倒入回收箱。本发明将待检测粗集料分批输送到传送带上，实现分批图像采集，一批集料采集一次，每次采集的图像单独处理，一方面可以降低图像处理难度，另一方面分批采集，每批的图像采集质量更高，能够避免所有的待测粗集料作为一批采集时对图像质量的影响，也有助于后续图像处理。
、粗集料3D点云图像的采集、处理计算、模型分割
3D点云图像的采集采用了高精度高效率的结构光3D重建方案实现，3D重建系统包含：高精度单目标定算法系统、高精度双目相机立体标定系统、高效的双目立体匹配算法、改进的相移法高效编解码+消除像素奇异性的多频外差法结合算法。3D点云处理计算采用了深度方向感兴趣区域，以及消除边界干扰的3D算法。集料模型分割采用了2D神经网络结合3D点云聚类的分割算法。以下对此分别进行详细介绍。
3D点云图像采集就是采集集料的3维点云数据，以此计算集料的粒径、体积等信息，采集的点云数据好坏影响最后的计算准确度，此方案采用高精度3D结构光扫描，采用主动式条纹光技术，投射一系列含有特定空间相对编码的复合条纹光到物体表面，同时通过相移法多次移动条纹光波的相位；面阵cmos传感器同时拍摄这时条纹光的变化，然后对得到的照片进行解码；基于三角测量法，将解码信息根据标定数据进行计算，重构成为3D点云数据，来实现高精度的三维点云输出。
处理计算即对原始3D点云数据进行处理，排除干扰因素，采用PCL算法库对原始点云进行姿态的变换，通过计算点云的质心和特征向量确定点云变换的变换矩阵，仿射变换将点云与世界坐标系对齐，通过此方法将非完全水平的3D点云模型矫正到正的坐标系下，从而降低了设备对地面平整度的依赖。再通过对Z轴方向的滤波去除平面点云信息，再通过对点云的半径搜索滤波，保留半径内包含一定数量点的点云信息，从而实现飞点噪音的去除，只保留集料颗粒的点云数据。
模型分割即把所有的集料颗粒点云分割成每一颗的状态，将属于同一颗集料的点保存在一起方便后续的操作。使用欧式距离聚类算法，同类概率超过95%的视为同一个体，通过搜索所有相邻点的距离进行聚类，外加2D图像信息，将靠得很近的集料颗粒也能分开成为一个个独立操作的集料点云个体。
、粗集料的3D体积计算
计算体积的对象必须是三角化或者包含多边形的集合。通过凸包计算和Delaunay三角化将前面模型分割得到的集料点云个体重建成真实的三维曲面模型（3D模型），并建立每个集料的内存对象索引。最后遍历每个3D模型索引，计算每个3D模型的最小外接长方体和点云体积，从而得到每颗集料的长宽高和体积用于计算级配、针片状含量和不规则颗粒含量。
、模拟级配塞孔通过性的几何模型计算
通过研究集料实际过筛的状态，本发明提出了一种模拟真实的级配通过性的判断方法，即采用切片后的最小外接正方形来判断。也就是将集料模型沿长轴方向竖起来，垂直于长轴方向按积分固定步长切片，每次切片后做投影到垂直于长轴的平面，这样将复杂的3D处理转化到2D处理，每个切片的2D图像遍历计算出它的最小外接正方形，最后统计每个集料切片外接正方形边长的最大值和每级筛孔的边长比较，即可判断该集料属于哪一级。特别地，有的集料凹凸度比较明显，即集料弯曲很大弯曲弧度明显典型的呈月牙型，长轴定义为沿凹凸走向的曲线，以上垂直于长轴方向应该为沿曲线的法线方向。
、针片状模拟国标标准的几何计算
从标准GB/T 14685《建设用卵石、碎石》3.3节可知针片状的定义，由最小外接长方体得到集料的长宽高，从而通过查表判定是否属于针片状，将每个针片状的体积累加就得到针片状颗粒的总体积即质量（G2），检测的试样总质量为3kg（G1）。在设定同批次集料密度相同的前提下，由上述标准7.6.3.1节可知，所有针状、片状颗粒的体积之和与总体积之比乘以100%即为针片状颗粒含量，精确至1%。
、不规则颗粒含量计算
从标准GB/T 14685《建设用卵石、碎石》3.4节可知不规则颗粒的定义，通过计算得出集料最小外接长方体的宽和高，与用于确定不规则颗粒对应的条形筛筛孔尺寸进行比较，每种粒级对应的条形筛孔尺寸见下表。
不规则颗粒对应的筛孔尺寸表（单位为毫米）
在设定同批次集料密度相同的前提下，由标准7.7.3.1节可知，所有不规则颗粒的体积之和与总体积之比乘以100%即为不规则颗粒含量，精确至0.1%。
最后需要说明的是，本发明的上述实施例仅是为说明本发明所作的举例，而并非是对本发明实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其他不同形式的变化和变动。这里无法对所有的实施方式予以穷举。凡是属于本发明的技术方案所引申出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (9)

1.粗集料级配、针片状含量和不规则颗粒含量检测方法，其特征在于：步骤如下，
1）将待测粗集料分散，使粗集料铺开为一层且彼此不接触，以便于下一步图像采集；
2）通过图像采集得到步骤1）铺开的粗集料的3D点云图像，并对3D点云图像进行预处理；
3）对预处理后的粗集料3D点云图像进行分割，得到每个目标对象即粗集料中每颗颗粒的3D模型；基于3D模型计算每个目标对象的体积，累加所有目标对象的体积得到待测粗集料的总体积；
4）根据目标对象3D模型确定粗集料中每颗颗粒的粒级；
5）根据目标对象3D模型确定目标对象的长宽高，基于该目标对象所在粒级确定该目标对象在该粒级中是否属于针片状，找出每级中的所有针片状颗粒，将每个针片状颗粒的体积累加得到针片状颗粒的总体积；再结合步骤3）得到的待测粗集料的总体积和各自密度，即可得到针片状颗粒含量；
6）根据目标对象3D模型确定目标对象的宽和高，基于该目标对象所在粒级确定该目标对象在该粒级中是否属于不规则颗粒，找出每级中的所有不规则颗粒，将每个不规则颗粒的体积累加得到不规则颗粒的总体积；再结合步骤3）得到的待测粗集料的总体积和各自密度，即可得到不规则颗粒含量；
步骤3）中，对预处理后的粗集料3D点云图像进行分割，得到每个目标对象即粗集料中每颗颗粒的3D模型；基于3D模型计算每个目标对象的体积的具体方法为，
通过凸包计算和Delaunay三角化将预处理后的粗集料3D点云图像中的每颗集料点云个体重建成真实的3D模型，并建立每个集料的内存对象索引；最后遍历每个3D模型索引，计算每个3D模型的最小外接长方体和点云体积，从而得到每颗集料的长宽高和体积。
2.根据权利要求1所述的粗集料级配、针片状含量和不规则颗粒含量检测方法，其特征在于：步骤6）中，根据目标对象3D模型确定目标对象的宽和高的具体操作是，根据目标对象3D模型确定目标对象的最小外接长方体，最小外接长方体的宽和高即为目标对象的宽和高；将目标对象的宽和高与对应粒级用于判断不规则颗粒的条形筛孔进行比对，能够通过的则为不规则颗粒。
3.根据权利要求1所述的粗集料级配、针片状含量和不规则颗粒含量检测方法，其特征在于：步骤5）中，根据目标对象3D模型确定目标对象的长宽高的具体操作是，根据目标对象3D模型确定目标对象的最小外接长方体，最小外接长方体的长宽高即为目标对象的长宽高；根据针片状的定义，对每个目标对象进行计算，从而找出属于针片状颗粒的所有目标对象。
4.根据权利要求1所述的粗集料级配、针片状含量和不规则颗粒含量检测方法，其特征在于：步骤4）中，根据目标对象3D模型确定粗集料中每颗颗粒的粒级的具体方法为，
将目标对象3D模型沿长轴方向竖起来，垂直于长轴方向按积分固定步长切片，每次切片后做投影到垂直于长轴的平面，得到切片的2D图像，确定每个切片2D图像的最小外接正方形，以所有切片最小外接正方形中边长的最大值和分级用每级筛孔的边长比较，从而确定粗集料中每颗颗粒的粒级。
5.根据权利要求4所述的粗集料级配、针片状含量和不规则颗粒含量检测方法，其特征在于：切片时，对于目标对象3D模型有明显凹凸度的，长轴定义为沿凹凸走向的曲线，沿曲线的法线方向作为垂直于长轴方向。
6.根据权利要求1所述的粗集料级配、针片状含量和不规则颗粒含量检测方法，其特征在于：步骤1）中，采用自动分散设备将待测粗集料分散；自动分散设备包括漏斗、线性震动装置和传送带，漏斗位于线性震动装置上方，漏斗用于装料并将装入的待测粗集料缓冲后进入线性震动装置上；线性震动装置的震动电机与控制器连接，由控制器控制震动电机的启停；线性震动装置与传送带衔接连接，以将震动分散的粗集料转移至传送带上；控制器同时与传送带驱动电机连接，以控制传送带驱动电机的启停；漏斗为相互衔接的上下两级，以更好地实现送料缓冲。
7.根据权利要求6所述的粗集料级配、针片状含量和不规则颗粒含量检测方法，其特征在于：在下一级漏斗内位于出口处设有滚筒刷，滚筒刷的转轴两端安装在漏斗出口相对的两侧壁上；滚筒刷转轴接滚筒刷驱动电机，由滚筒刷驱动电机控制滚筒刷转动以可控地带动粗集料落入下方的线性震动装置，滚筒刷能够控制粗集料下落量从而减少粗集料在线性震动装置上的堆积以避免影响粗集料的分散。
8.根据权利要求6所述的粗集料级配、针片状含量和不规则颗粒含量检测方法，其特征在于：通过控制器控制线性震动装置和传送带的启停节奏，使线性震动装置出料呈批次输送到传送带上，使传送带上的粗集料也为对应的批次，批次之间设置需要的间隔距离。
9.根据权利要求6所述的粗集料级配、针片状含量和不规则颗粒含量检测方法，其特征在于：步骤2）中，通过图像采集得到步骤1）铺开的粗集料的3D点云图像，并对3D点云图像进行预处理的具体操作为，首先通过计算点云的质心点和特征向量，计算得到点云变换的变换矩阵，通过变换矩阵将点云进行旋转平移与坐标系对齐，然后通过对Z轴方向上的滤波将传送带平面点云数据与集料点云数据分割开，最后再通过半径搜索算法和邻近点计算算法，去除离散点，只保留集料颗粒的点云数据。
CN202310211543.7A 2023-03-07 2023-03-07 粗集料级配、针片状含量和不规则颗粒含量检测方法 Active CN116148143B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310211543.7A CN116148143B (zh) 2023-03-07 2023-03-07 粗集料级配、针片状含量和不规则颗粒含量检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310211543.7A CN116148143B (zh) 2023-03-07 2023-03-07 粗集料级配、针片状含量和不规则颗粒含量检测方法

Publications (2)

Publication Number Publication Date
CN116148143A CN116148143A (zh) 2023-05-23
CN116148143B true CN116148143B (zh) 2024-01-12

Family

ID=86352496

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310211543.7A Active CN116148143B (zh) 2023-03-07 2023-03-07 粗集料级配、针片状含量和不规则颗粒含量检测方法

Country Status (1)

Country Link
CN (1) CN116148143B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020181594A1 (zh) * 2019-03-14 2020-09-17 山东省农业科学院畜牧兽医研究所 一种定量测定土壤颗粒态有机质空间结构的方法
CN114387345A (zh) * 2021-01-12 2022-04-22 重庆交通大学 基于matlab的集料针状颗粒自动判别方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1273901A1 (fr) * 2001-07-02 2003-01-08 Université de Liège Méthode et appareillage pour mesure automatique de granulométrie et de morphométrie de particules

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020181594A1 (zh) * 2019-03-14 2020-09-17 山东省农业科学院畜牧兽医研究所 一种定量测定土壤颗粒态有机质空间结构的方法
CN114387345A (zh) * 2021-01-12 2022-04-22 重庆交通大学 基于matlab的集料针状颗粒自动判别方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于三维扫描与数值技术的粗集料形状特征与级配研究;李良等;《铁道科学与工程学报》;714-721页 *
集料粒径三维检测方法研究;刘晓鹏;《CNKI中国优秀硕士学位论文全文数据库》;第6-7，14，28，45页 *

Also Published As

Publication number Publication date
CN116148143A (zh) 2023-05-23

Similar Documents

Publication Publication Date Title
CN110174334B (zh) 一种粗骨料形态质量检测系统及方法
CN107679441B (zh) 基于多时相遥感影像阴影提取城市建筑物高度的方法
CN110118775B (zh) 厂拌水泥稳定碎石骨料组成快速检测方法
CN104463872B (zh) 基于车载LiDAR点云数据的分类方法
Ouyang et al. Pavement cracking measurements using 3D laser-scan images
CN107621435A (zh) 一种骨料在线监测装置
CN107844802A (zh) 基于无人机低空遥感和面向对象分类的水土保持监测方法
CN106969706A (zh) 基于双目立体视觉的工件检测与三维测量系统及检测方法
CN105510195A (zh) 一种堆叠骨料的粒度粒形在线检测方法
CN110033516A (zh) 基于双目相机图像采集识别的针片状颗粒含量检测方法
Rao et al. Determination of volume of aggregates: New image-analysis approach
Rao et al. Coarse aggregate shape and size properties using a new image analyzer
An et al. A fast and practical method for determining particle size and shape by using smartphone photogrammetry
Liu et al. Evaluating angularity of coarse aggregates using the virtual cutting method based on 3D point cloud images
CN116148143B (zh) 粗集料级配、针片状含量和不规则颗粒含量检测方法
CN114812450A (zh) 一种基于机器视觉的沥青路面施工均匀性检测及评价方法
Anusree et al. Characterization of sand particle morphology: state-of-the-art
CN105092452A (zh) 一种机制砂球体类似度的检测方法
Tian et al. Pavement macrotexture determination using multi-view smartphone images
Paixão et al. Evaluation of ballast particle degradation under micro-deval testing using photogrammetry
US20230287750A1 (en) Method and system for measuring volume of a drill core sample
CN115420753A (zh) 基于路面纹理测量的污染物分布状况测量方法
Martin et al. Comparison of terrestrial-based, high resolution, LiDAR and digital photogrammetry surveys of a rock slope
CN115239907A (zh) 基于改进最大类间方差法的骨料形貌表征方法和系统
CN114283133A (zh) 一种基于最邻近分析的沥青混合料均匀性评价方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant