CN116228697A - 基于无人机图像点云数据的钢筋部品质量检测方法 - Google Patents

基于无人机图像点云数据的钢筋部品质量检测方法 Download PDF

Info

Publication number
CN116228697A
CN116228697A CN202310130139.7A CN202310130139A CN116228697A CN 116228697 A CN116228697 A CN 116228697A CN 202310130139 A CN202310130139 A CN 202310130139A CN 116228697 A CN116228697 A CN 116228697A
Authority
CN
China
Prior art keywords
steel bar
point cloud
point
cloud data
points
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.)
Pending
Application number
CN202310130139.7A
Other languages
English (en)
Inventor
张永涛
田唯
杨秀礼
黄灿
朱浩
王永威
薛现凯
朱明清
程茂林
严双桥
董剑
陈圆
杨华东
李焜耀
吕丹枫
刘志昂
肖垚
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.)
CCCC Second Harbor Engineering Co
Original Assignee
CCCC Second Harbor Engineering Co
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 CCCC Second Harbor Engineering Co filed Critical CCCC Second Harbor Engineering Co
Priority to CN202310130139.7A priority Critical patent/CN116228697A/zh
Priority to PCT/CN2023/088251 priority patent/WO2024169033A1/zh
Publication of CN116228697A publication Critical patent/CN116228697A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/17—Terrestrial scenes taken from planes or by drones
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/176—Urban or other man-made structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30136—Metal
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Remote Sensing (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明涉及桥梁工程质量检测技术领域，具体涉及一种基于无人机图像点云数据的钢筋部品质量检测方法，包括通过无人机搭载相机在距离钢筋部品一定高度获取钢筋部品的图像数据，对所述图像数据进行空中三角计算以及点云数据重建，构建钢筋部品的三维点云模型；定位提取钢筋部品顶面钢筋；对提取钢筋e进行滤波、除噪；对除噪后的钢筋部品进行单根钢筋聚类；对单根钢筋进行参数拟合，实现钢筋顶面圆心定位和直径计算；以顶面圆心为基础数据，进行钢筋部品质量检测。能实现钢筋部品高精度、自动化、快速检测，有效降低施工作业人员的劳动强度。

Description

基于无人机图像点云数据的钢筋部品质量检测方法
技术领域
本发明涉及桥梁工程质量检测技术领域，具体涉及一种基于无人机图像点云数据的钢筋部品质量检测方法。
背景技术
钢筋部品是针对传统钢筋原位绑扎提出的一种新的施工工艺，该工艺将桥塔钢筋绑扎施工转移动到工厂，在场内进行钢筋网片工业生产，采用装配化方式进行塔柱阶段拼装，提高了塔柱施工质量、降低了施工安全风险、提升了施工速度。经装配完成的钢筋部品包含体积大、单根钢筋数目大。
传统的钢筋质量检测方式是通过人工钢尺测量，该方式效率低、劳动强度大，一定程度上增加了工程施工工期，且具有一定的危险性。
发明内容
本发明的目的就是针对现有技术的缺陷，提供一种基于无人机图像点云数据的钢筋部品质量检测方法，能实现钢筋部品高精度、自动化、快速检测，有效降低施工作业人员的劳动强度。
本发明提供的一种基于无人机图像点云数据的钢筋部品质量检测方法，包括：
通过无人机搭载相机在距离钢筋部品一定高度获取钢筋部品的图像数据，对所述图像数据进行空中三角计算以及点云数据重建，构建钢筋部品的三维点云模型；
定位提取钢筋部品顶面钢筋；
对提取钢筋e进行滤波、除噪；
对除噪后的钢筋部品进行单根钢筋聚类；
对单根钢筋进行参数拟合，实现钢筋顶面圆心定位和直径计算；
以顶面圆心为基础数据，进行钢筋部品质量检测。
较为优选的，所述无人机的高度通过以下方法进行确定：
依据钢筋部品的高度、镜头焦距、像元尺寸以及地面分辨率确定无人机的飞行高度，无人机的飞行高度＝钢筋部品高度+镜头焦距×钢筋分辨率÷像元尺寸。
较为优选的，所述定位提取钢筋部品顶面钢筋包括：
沿钢筋部品高程方向按照一定间距对部品钢筋进行切片，将切片沿高程从上到下对点云切片数据依次进行编号，编号记为γi，其中，最高点对应编号γ1；
每完成一个点云切片，对该切片数据进行数量统计，数量记为σi，其中，编号γ1切片对应的点云的数量为σ1；
动态计算切片数据的增量比
Figure BDA0004083842940000022
当切片数量≥2时，计算过程如下：
Figure BDA0004083842940000021
进行点云检测钢筋顶面定位：
当
Figure BDA0004083842940000023
时，即在高程上相邻的两切片的点云数量产生数量级上的差异，则将γi+1定位为检测钢筋切片，对该钢筋进行提取，停止切片，否则继续沿高程方向对钢筋部品点云数据进行切片，动态分析点云数据增量；
当所有点云切片均不满足
Figure BDA0004083842940000024
时，则判定γ1定位为检测钢筋切片，对该切片数据进行提取，并记录提取钢筋切片数据为e。
较为优选的，所述对提取钢筋e进行滤波、除噪包括：
点云数据投影，即将提取钢筋e中的每个点ei投影到XOY平面，记投影后的点云数据为pe；
重合点剔除，即对点云数据执行有效数字提取，对有效数字提取后的点云数据执行重合点检测，对投影点云pe中坐标位置重合的点进行唯一点保留；
最近邻点搜索，即遍历投影点云pe中所有点，对任意一点pei执行重合点剔除，对剔除的点云数据进行最近邻点搜索，记每个点的最近邻点为Ni，记录每个点与其最近邻点的距离Di；
噪声点判断，即将Di的每个点与钢筋分辨率相比较，当Di大于钢筋分辨率时，判断pei为噪声点，pei对应的ei为噪声点，对pei、ei点进行剔除；当Di小于等于钢筋分辨率时，计算pei、Ni对应提取钢筋e的ei、ei*点，计算ei、ei*之间的间距Dei；当Dei大于钢筋分辨率时，判断pei为噪声点，pei对应的ei为噪声点，对pei、ei点进行剔除，记剔除噪声点的提取钢筋e点云数据为e_n。
较为优选的，所述对除噪后的钢筋部品进行单根钢筋聚类包括：
点云数据投影，将点云数据e_n中的每个点投影到XOY平面，形成投影后的点云数据为e_pe；
单根钢筋聚类，选取点云数据e_pe中的任意一点，按照欧式距离聚类法，以钢筋分辨率为阈值执行算法，形成多个点云聚类块，将每个点云聚类块对应的e_n中的点云数据进行提取，完成单根钢筋聚类。
较为优选的，所述对单根钢筋进行参数拟合，实现钢筋顶面圆心定位和直径计算包括：
确定拟合模型，包括以圆柱模型对点云数据进行拟合，获取钢筋的直径和钢筋顶面圆心数据，其公式如下；
Figure BDA0004083842940000031
公式中，(x y z)为钢筋表面点；r为钢筋的半径；(l m n)为钢筋轴线的方向向量；(x0 y0 z0)为钢筋轴线上的一点。
较为优选的，所述以顶面圆心为基础数据，进行钢筋部品质量检测包括：
确定钢筋的顶面圆心，包括获取点云数据e_n中的所有单根钢筋的顶面圆心，即获取单根钢筋在Z轴上的最大点，将该点投影到钢筋轴线方向向量作为单根钢筋的顶面圆心，将所有钢筋的顶面圆心的数据集记为O_top；
进行钢筋顶面圆心点分割，包括将顶面圆心的数据集O_top聚类分割为O_top内、O_top中、O_top外三类；
对O_top内、O_top中、O_top外点云数据中的点进行位置确定，计算O_top内、O_top中、O_top外三个点云类的中心点，记为O_top内-o、O_top中-o、O_top外-o，对O_top内、O_top中、O_top外的点云数据进行位置排序，获得重新排序后的数据集O_top′内-XY、O_top′内、O_top′中-XY、O_top′中、O_top′外-XY、O_top′外；
进行钢筋间距计算，包括对O_top′内-XY、O_top′中-XY、O_top′外-XY中相邻顺序点进行计算，获得相邻点之间的间距作为钢筋直接间距；
进行钢筋位置偏差计算，获得O_top′内-XY、O_top′中-XY、O_top′外-XY中所有钢筋的偏移量，完成钢筋质量检测。
较为优选的，所述进行钢筋位置偏差计算包括：
进行钢筋直线拟合，包括任意选取O_top′内-XY中的一点O_top′内_i，计算O_top′内_i指向
Figure BDA0004083842940000051
的向量
Figure BDA0004083842940000052
和O_top′内_i指向
Figure BDA0004083842940000053
的向量
Figure BDA0004083842940000054
计算向量
Figure BDA0004083842940000055
与
Figure BDA0004083842940000056
之间的夹角，当夹角为锐角时，将点O_top′内_i、
Figure BDA0004083842940000057
聚于一类，否则将点O_top′内_i、
Figure BDA0004083842940000058
归于一类；
遍历上述过程，直到O_top′内-XY中所有点完成聚类；
对每个类别点云数据进行拟合，获取所有类别的直线模型集合记为L′内-XY，其中L′内-XY内包含4条直线，分别记为L′内-XY_1、L′内-XY_2、L′内-XY_3、L′内-XY_4；
计算直线之间的夹角与交点，包括判断L′内-XY所有直线相交情况，并计算相交直线的夹角与交点，当L′内-XY_1、L′内-XY_2、L′内-XY_3、L′内-XY_4在XOY平面上按照逆时针排列时，计算出的L′内-XY_1、L′内-XY_2之间的夹角为
Figure BDA0004083842940000059
交点为
Figure BDA00040838429400000513
L′内-XY_2、L′内-XY_3之间的夹角为
Figure BDA00040838429400000510
交点为
Figure BDA00040838429400000514
L′内-XY_3、L′内-XY_4之间的夹角为
Figure BDA00040838429400000511
交点为
Figure BDA00040838429400000515
L′内-XY_4、L′内-XY_1之间的夹角为
Figure BDA00040838429400000512
交点为
Figure BDA00040838429400000516
进行直线方向调整，包括将计算得到的
Figure BDA0004083842940000061
与钢筋部品设计角度对比分析，计算角度差记为
Figure BDA0004083842940000062
以直线模型L′内-XY内的任意一条直线为基准线，假定该基准线为L′内-XY_1，分别以交点
Figure BDA0004083842940000069
对直线L′内-XY_2、L′内-XY_4进行调整，调整角度为
Figure BDA0004083842940000063
和
Figure BDA0004083842940000064
将调整后L′内-XY_2、L′内-XY_4记为L″内-XY_2、L″内-XY_4；再次以L″内-XY_4为基准线，再次计算L′内-XY_3与L″内-XY_4的角度
Figure BDA0004083842940000065
和交点
Figure BDA00040838429400000610
计算设计角度与
Figure BDA0004083842940000066
的差值
Figure BDA0004083842940000067
以
Figure BDA00040838429400000611
为基准点，以角度
Figure BDA0004083842940000068
对直线L′内-XY_3进行调整，记调整完成后的直线为L″内-XY_3；从而完成4条直线的调整；
计算钢筋偏移量，包括对直线L′内-XY_1、L″内-XY_2、L″内-XY_3、L″内-XY_4按照钢筋设计间距取点，并对所有点进行顺序排列，记排列后的点数据为O_L′内-XY_1，将O_top′内-XY中每个点按照顺序与O_L′内-XY_1中数据作差，得到O_top′内-XY中所有钢筋的偏移量；
对O_top′中-XY、O_top′外-XY分别执行与O_top′内-XY相同的前述所有步骤，获得O_top′中-XY、O_top′外-XY中所有钢筋的偏移量，完成钢筋质量检测。
本发明的有益效果为：
1、通过无人机搭载相机在距离钢筋部品一定高度获取钢筋部品的图像数据，对图像数据进行空中三角计算以及点云数据重建，构建钢筋部品的三维点云模型；定位提取钢筋部品顶面钢筋；对提取钢筋e进行滤波、除噪；对除噪后的钢筋部品进行单根钢筋聚类；对单根钢筋进行参数拟合，实现钢筋顶面圆心定位和直径计算；以顶面圆心为基础数据，进行钢筋部品质量检测。实现了钢筋部品高精度、自动化、快速检测，有效降低了施工作业人员的劳动强度。
2、本方法提出了一种基于无人机图像点云数据的钢筋部品质量检测方法，基于无人机图像重构点云数据的钢筋定位、提取、技术实现钢筋数据的自动化采集、钢筋参数的自动化识别，有效解决了传统人工钢尺测量时间长、效率低、劳动强度高等问题，提升了工程施工效率，降低了工人的劳动强度。
3、本方法提出了钢筋质量检测的基准参考构建方法。在钢筋部品质量检测过程中一大难点是如何确定钢筋部品质量检测的测量参考，传统的方法是基于全站仪随机选点，该方法缺乏理论上的可行性，仅能定性评估钢筋部品施工质量。本方法通过钢筋部品质量检测原创性技术，提出了以直线拟合、直线方向调整等方法为基础的钢筋部品检测基准参考构建方法，实现了钢筋部品中钢筋偏移量的计算，完成了钢筋部品的质量检测。
附图说明
图1为本发明一种基于无人机图像点云数据的钢筋部品质量检测方法的流程示意图；
图2为本发明提取的钢筋顶面示意图；
图3为本发明点云排序-角度计算示意图；
图4为本发明直线方向调整示意图。
具体实施方式
为了使本申请所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。“多个”表示“两个或两个以上”。
如图1所示为本方案提供的一种基于无人机图像点云数据的钢筋部品质量检测方法，其包括：
通过无人机搭载相机在距离钢筋部品一定高度获取钢筋部品的图像数据，对所述图像数据进行空中三角计算以及点云数据重建，构建钢筋部品的三维点云模型；
定位提取钢筋部品顶面钢筋；
对提取钢筋e进行滤波、除噪；
对除噪后的钢筋部品进行单根钢筋聚类；
对单根钢筋进行参数拟合，实现钢筋顶面圆心定位和直径计算；
以顶面圆心为基础数据，进行钢筋部品质量检测。
实施例一
本实施例提供了一种基于无人机图像点云数据的钢筋部品质量检测方法的较佳实施例，其执行步骤如下：
步骤S1：无人机飞行高度的确定。其包括步骤S11。
步骤S11：依据钢筋部品的高度、镜头焦距、像元尺寸以及地面分辨率确定无人机的飞行高度，无人机的飞行高度＝钢筋部品高度+镜头焦距×钢筋分辨率÷像元尺寸，以禅思P1无人机机载相机为例，相机的像元尺寸为4.4um，选用35mm的相机镜头，设置钢筋分辨率为1mm，则无人机飞行高度为7+(35×1÷4.4)≈14.95米，则可以设置飞行高度为15m。
步骤S2：利用无人机三维重建软件，对图像数据进行空中三角计算以及点云数据重建，获取三维点云模型。
步骤S3：检测钢筋的定位提取。其包括步骤S31～S34。
步骤S31：沿钢筋部品高程方向按照一定间距对部品钢筋进行切片，将切片沿高程从上到下对点云切片数据进行编号，编号记为γi，最高点对应编号γ1，以此类推。
步骤S32：步骤S31中每完成一个点云切片，对该切片数据进行数量统计，数量记为σi，如编号γ1切片对应的点云的数量为σ1。
步骤S33：动态计算切片数据的增量比
Figure BDA0004083842940000102
当切片数量≥2时，计算过程如下：
Figure BDA0004083842940000101
步骤S34：点云检测钢筋顶面定位，判断条件如下：
当
Figure BDA0004083842940000103
时，即在高程上相邻的两切片的点云数量产生数量级上的差异，则将γi+1定位为检测钢筋切片，对该钢筋进行提取，停止步骤S31中的切片；否则执行步骤S31，继续沿高程方向对钢筋部品点云数据进行切片，动态分析点云数据增量。当所有点云切片均不满足
Figure BDA0004083842940000104
时，则判定γ1定位为检测钢筋切片，对该切片数据进行提取。记录提取钢筋切片数据为e。如图2所示为提取的钢筋顶面示意图。
步骤S4：对提取钢筋e进行滤波除噪。其包括步骤S41～S44。
步骤S41：点云数据投影。将e中的每个点ei投影到XOY平面，记投影后的点云数据为pe；
步骤S42：重合点剔除。对点云数据执行有效数字提取，有效数据的精度保持到钢筋分辨率的下一个数量级。如钢筋分辨率为10-3m，则有效数字位数需要保持到10-4m，如某一点的坐标为(3.124568 3.124351 3.124248)，对其进行有效数字提取后，该点的坐标为(3.1245 3.1243 3.1242)。对有效数字提取后的点云数据执行重合点检测，对投影点云pe中坐标位置重合的点进行唯一点保留。
步骤S43：最近邻点搜索。遍历投影点云pe中所有点，对任意一点pei执行重合点剔除，对剔除的点云数据进行最近邻点搜索，记每个点的最近邻点为Ni，记录每个点与其最近邻点的距离Di。
步骤S44：噪声点判断。将步骤S42中Di的每个点与钢筋分辨率相比较，当Di大于钢筋分辨率时，判断pei为噪声点，pei对应的ei为噪声点，对pei、ei点进行剔除；当Di小于等于钢筋分辨率时，计算pei、Ni对应提取钢筋e的ei、ei*点，计算ei、ei*之间的间距Dei，当Dei大于钢筋分辨率时，判断pei为噪声点，pei对应的ei为噪声点，对pei、ei点进行剔除。记剔除噪声点的提取钢筋e点云数据为e_n。
步骤S5：对除噪后的钢筋部品进行单根钢筋聚类。其包括步骤S51～S52。
步骤S51：点云数据投影。对点云数据e_n执行步骤S41，将点投影到XOY平面，形成投影后的点云数据为e_pe。
步骤S52：单根钢筋聚类，选取点云数据e_pe中的任意一点，按照欧式距离聚类法，以钢筋分辨率为阈值执行算法，形成多个点云聚类块，即每个聚类块内的任一点与其最近邻点的距离小于等于钢筋分辨率，不同聚类块之间的任意两点均大于钢筋分辨率。将每个点云块对应的e_n中的点云数据进行提取，完成单根钢筋聚类。
步骤S6：对单根钢筋进行参数拟合，记任意单根钢筋数据集为S。其包括步骤S61、S62。
步骤S61：确定拟合模型。以圆柱模型对点云数据进行拟合，获取钢筋的直径和钢筋顶面圆心数据，其公式如下。
Figure BDA0004083842940000121
公式中，(x y z)为钢筋表面点；r为钢筋的半径；(l m n)为钢筋轴线的方向向量；(x0 y0 z0)为钢筋轴线上的一点。
步骤S62：采用随机一致性采样算法对步骤S61中涉及的模型参数进行拟合，获取钢筋的半径r；钢筋轴线的方向向量(l m n)，钢筋轴线上的一点(x0 y0 z0)。
步骤S7：钢筋部品质量检测。其包括步骤S71～S75。
步骤S71：确定钢筋的顶面圆心。获取步骤S44点云数据e_n中的所有单根钢筋的顶面圆心。单根钢筋在Z轴上的最大点，将该点投影到钢筋轴线方向向量作为单根钢筋的顶面圆心。将所有钢筋的顶面圆心的数据集记为O_top。
步骤S72：钢筋顶面圆心点分割。钢筋部品均由内、中、外三层钢筋组成，利用Spectral clustering算法，设置聚类参数为3，将顶面圆心的数据集O_top聚类分割为O_top内、O_top中、O_top外三类。
步骤S73：对O_top内、O_top中、O_top外点云数据中的点进行位置确定(有序化)。计算O_top内、O_top中、O_top外三个点云类的中心点，记为O_top内-o、O_top中-o、O_top外-o。
步骤S73-1：对O_top内的点云数据进行位置排序。将O_top内的点云数据以O_top内-o及投影到XOY平面内，分别记为O_topXY、O_topXY-O，计算O_topXY-O指向O_topXY中每个点的向量，计算每个向量与X轴正向的夹角ω，以夹角从大到小的顺序对O_topXY、O_top内的点进行重新排序，排序后的点云数据记为O_top′内-XY、O_top′内。如图3所示的点云排序-角度计算示意图。
步骤S73-2：依照步骤S73-1方法对O_top中、O_top外两个数据集进行处理，获得重新排序后的数据集O_top′中-XY、O_top′中、O_top′外-XY、O_top′外。
步骤S74：钢筋间距计算。对步骤S73-1、步骤S73-2中O_top′内-XY、O_top′中-XY、O_top′外-XY中相邻顺序点进行计算，获得相邻点之间的间距作为钢筋直接间距。
步骤S75：钢筋位置偏差计算。对步骤S73-1、步骤S73-2中O_top′内-XY、O_top′中-XY、O_top′外-XY的点云数据进行处理。其包括步骤S75-1～S75-5。
步骤S75-1：钢筋直线拟合。以O_top′内-XY为例，任意选取O_top′内-XY中的一点O_top′内_i，计算O_top′内_i指向
Figure BDA0004083842940000141
的向量
Figure BDA0004083842940000142
计算计算O_top′内_i指向
Figure BDA0004083842940000143
的向量
Figure BDA0004083842940000144
计算向量
Figure BDA0004083842940000145
与
Figure BDA0004083842940000146
之间的夹角，当夹角为锐角时，将点O_top′内_i、
Figure BDA0004083842940000147
聚于一类，否则将点点O_top′内_i、
Figure BDA0004083842940000148
归于一类。遍历上述过程，直到O_top′内-XY中所有点完成聚类。对每个类别点云数据进行最小二乘法拟合，获取所有类别的直线模型集合记为L′内-XY，其中L′内-XY内包含4条直线，分别记为L′内-XY_1、L′内-XY_2、L′内-XY_3、L′内-XY_4。
步骤S75-2：计算直线之间的夹角与交点。判断L′内-XY所有直线相交情况，并计算相交直线的夹角与交点。假定L′内-XY_1、L′内-XY_2、L′内-XY_3、L′内-XY_4在XOY平面上按照逆时针排列，计算L′内-XY_1、L′内-XY_2之间的夹角为
Figure BDA0004083842940000149
交点为
Figure BDA00040838429400001414
L′内-XY_2、L′内-XY_3之间的夹角为
Figure BDA00040838429400001410
交点为
Figure BDA00040838429400001415
L′内-XY_3、L′内-XY_4之间的夹角为
Figure BDA00040838429400001411
交点为
Figure BDA00040838429400001416
L′内-XY_4、L′内-XY_1之间的夹角为
Figure BDA00040838429400001412
交点为
Figure BDA00040838429400001417
步骤S75-3：直线方向调整。将步骤S75-2中计算得到
Figure BDA00040838429400001413
中的角度与钢筋部品设计角度对比分析，计算角度差记为
Figure BDA0004083842940000151
以步骤S75-1中得到的直线模型L′内-XY内的任意一条直线为基准线，假定该基准线为L′内-XY_1，分别以交点
Figure BDA0004083842940000158
对直线L′内-XY_2、L′内-XY_4进行调整，调整角度为
Figure BDA0004083842940000152
和
Figure BDA0004083842940000153
将调整后L′内-XY_2、L′内-XY_4记为L″内-XY_2、L″内-XY_4；再次以L″内-XY_4为基准线，再次计算L′内-XY_3与L″内-XY_1的角度
Figure BDA0004083842940000154
和交点
Figure BDA0004083842940000159
计算设计角度与
Figure BDA0004083842940000155
的差值
Figure BDA0004083842940000156
以
Figure BDA00040838429400001510
为基准点，以角度
Figure BDA0004083842940000157
对直线L′内-XY_3进行调整，记调整完成后的直线为L″内-XY_3；从而完成4条直线的调整。如图4所示为直线方向调整示意图。
步骤S75-4：计算钢筋偏移量。对直线L′内-XY_1、L″内-XY_2、L″内-XY_3、L″内-XY_4按照钢筋设计间距取点，并对所有点按照步骤S73进行顺序排列，记排列后的点数据为O_L′内-XY_1，将O_top′内-XY中每个点按照顺序与O_L′内-XY_1中数据作差，得到O_top′内-XY中所有钢筋的偏移量。
步骤S75-5：对O_top′中-XY、O_top′外-XY分别执行步骤S75-1到步骤S75-4，获得O_top′中-XY、O_top′外-XY中所有钢筋的偏移量，完成钢筋质量检测。
应该明白，公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好，应该理解，过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素，并且不是要限于所述的特定顺序或层次。
在上述的详细描述中，各种特征一起组合在单个的实施方案中，以简化本公开。不应该将这种公开方法解释为反映了这样的意图，即，所要求保护的主题的实施方案需要比清楚地在每个权利要求中所陈述的特征更多的特征。相反，如所附的权利要求书所反映的那样，本发明处于比所公开的单个实施方案的全部特征少的状态。因此，所附的权利要求书特此清楚地被并入详细描述中，其中每项权利要求独自作为本发明单独的优选实施方案。
为使本领域内的任何技术人员能够实现或者使用本发明，上面对所公开实施例进行了描述。对于本领域技术人员来说；这些实施例的各种修改方式都是显而易见的，并且本文定义的一般原理也可以在不脱离本公开的精神和保护范围的基础上适用于其它实施例。因此，本公开并不限于本文给出的实施例，而是与本申请公开的原理和新颖性特征的最广范围相一致。
上文的描述包括一个或多个实施例的举例。当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列。因此，本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语“包含”，该词的涵盖方式类似于术语“包括”，就如同“包括”，在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (8)

1.一种基于无人机图像点云数据的钢筋部品质量检测方法，其特征在于，包括：
通过无人机搭载相机在距离钢筋部品一定高度获取钢筋部品的图像数据，对所述图像数据进行空中三角计算以及点云数据重建，构建钢筋部品的三维点云模型；
定位提取钢筋部品顶面钢筋；
对提取钢筋e进行滤波、除噪；
对除噪后的钢筋部品进行单根钢筋聚类；
对单根钢筋进行参数拟合，实现钢筋顶面圆心定位和直径计算；
以顶面圆心为基础数据，进行钢筋部品质量检测。
2.根据权利要求1所述的基于无人机图像点云数据的钢筋部品质量检测方法，其特征在于，所述无人机的高度通过以下方法进行确定：
依据钢筋部品的高度、镜头焦距、像元尺寸以及地面分辨率确定无人机的飞行高度，无人机的飞行高度＝钢筋部品高度+镜头焦距×钢筋分辨率÷像元尺寸。
3.根据权利要求1所述的基于无人机图像点云数据的钢筋部品质量检测方法，其特征在于，所述定位提取钢筋部品顶面钢筋包括：
沿钢筋部品高程方向按照一定间距对部品钢筋进行切片，将切片沿高程从上到下对点云切片数据依次进行编号，编号记为γi，其中，最高点对应编号γ1；
每完成一个点云切片，对该切片数据进行数量统计，数量记为σi，其中，编号γ1切片对应的点云的数量为σ1；
动态计算切片数据的增量比
Figure FDA0004083842930000011
当切片数量≥2时，计算过程如下：
Figure FDA0004083842930000012
进行点云检测钢筋顶面定位：
当
Figure FDA0004083842930000021
时，即在高程上相邻的两切片的点云数量产生数量级上的差异，则将γi+1定位为检测钢筋切片，对该钢筋进行提取，停止切片，否则继续沿高程方向对钢筋部品点云数据进行切片，动态分析点云数据增量；
当所有点云切片均不满足
Figure FDA0004083842930000022
时，则判定γ1定位为检测钢筋切片，对该切片数据进行提取，并记录提取钢筋切片数据为e。
4.根据权利要求1所述的基于无人机图像点云数据的钢筋部品质量检测方法，其特征在于，所述对提取钢筋e进行滤波、除噪包括：
点云数据投影，即将提取钢筋e中的每个点ei投影到XOY平面，记投影后的点云数据为pe；
重合点剔除，即对点云数据执行有效数字提取，对有效数字提取后的点云数据执行重合点检测，对投影点云pe中坐标位置重合的点进行唯一点保留；
最近邻点搜索，即遍历投影点云pe中所有点，对任意一点pei执行重合点剔除，对剔除的点云数据进行最近邻点搜索，记每个点的最近邻点为Ni，记录每个点与其最近邻点的距离Di；
噪声点判断，即将Di的每个点与钢筋分辨率相比较，当Di大于钢筋分辨率时，判断pei为噪声点，pei对应的ei为噪声点，对pei、ei点进行剔除；当Di小于等于钢筋分辨率时，计算pei、Ni对应提取钢筋e的ei、ei*点，计算ei、ei*之间的间距Dei；当Dei大于钢筋分辨率时，判断pei为噪声点，pei对应的ei为噪声点，对pei、ei点进行剔除，记剔除噪声点的提取钢筋e点云数据为e_n。
5.根据权利要求4所述的基于无人机图像点云数据的钢筋部品质量检测方法，其特征在于，所述对除噪后的钢筋部品进行单根钢筋聚类包括：
点云数据投影，将点云数据e_n中的每个点投影到XOY平面，形成投影后的点云数据为e_pe；
单根钢筋聚类，选取点云数据e_pe中的任意一点，按照欧式距离聚类法，以钢筋分辨率为阈值执行算法，形成多个点云聚类块，将每个点云聚类块对应的e_n中的点云数据进行提取，完成单根钢筋聚类。
6.根据权利要求4所述的基于无人机图像点云数据的钢筋部品质量检测方法，其特征在于，所述对单根钢筋进行参数拟合，实现钢筋顶面圆心定位和直径计算包括：
确定拟合模型，包括以圆柱模型对点云数据进行拟合，获取钢筋的直径和钢筋顶面圆心数据，其公式如下；
Figure FDA0004083842930000031
公式中，(x y z)为钢筋表面点；r为钢筋的半径；(l m n)为钢筋轴线的方向向量；(x0y0 z0)为钢筋轴线上的一点。
7.根据权利要求1所述的基于无人机图像点云数据的钢筋部品质量检测方法，其特征在于，所述以顶面圆心为基础数据，进行钢筋部品质量检测包括：
确定钢筋的顶面圆心，包括获取点云数据e_n中的所有单根钢筋的顶面圆心，即获取单根钢筋在Z轴上的最大点，将该点投影到钢筋轴线方向向量作为单根钢筋的顶面圆心，将所有钢筋的顶面圆心的数据集记为O_top；
进行钢筋顶面圆心点分割，包括将顶面圆心的数据集O_top聚类分割为O_top内、O_top中、O_top外三类；
对O_top内、O_top中、O_top外点云数据中的点进行位置确定，计算O_top内、O_top中、O_top外三个点云类的中心点，记为O_top内_o、O_top中-o、O_top外-o，对O_top内、O_top中、O_top外的点云数据进行位置排序，获得重新排序后的数据集O_top′内-XY、O_top′内、O_top′中-XY、O_top′中、O_top′外-XY、O_top′外；
进行钢筋间距计算，包括对O_top′内_XY、O_top′中-XY、O_top′外-XY中相邻顺序点进行计算，获得相邻点之间的间距作为钢筋直接间距；
进行钢筋位置偏差计算，获得O_top′内-XY、O_top′中-XY、O_top′外-XY中所有钢筋的偏移量，完成钢筋质量检测。
8.根据权利要求7所述的基于无人机图像点云数据的钢筋部品质量检测方法，其特征在于，所述进行钢筋位置偏差计算包括：
进行钢筋直线拟合，包括任意选取O_top′内-XY中的一点O_top′内_i，计算O_top′内_i指向
Figure FDA0004083842930000041
的向量
Figure FDA0004083842930000042
和O_top′内_i指向
Figure FDA0004083842930000043
的向量
Figure FDA0004083842930000044
计算向量
Figure FDA0004083842930000049
与
Figure FDA0004083842930000046
之间的夹角，当夹角为锐角时，将点O_top′内_i、
Figure FDA0004083842930000047
聚于一类，否则将点O_top′内_i、
Figure FDA0004083842930000048
归于一类；
遍历上述过程，直到O_top′内-XY中所有点完成聚类；
对每个类别点云数据进行拟合，获取所有类别的直线模型集合记为L′内-XY，其中L′内-XY内包含4条直线，分别记为L′内-XY_1、L′内-XY_2、L′′内-XY_3、L′内-XY_4；
计算直线之间的夹角与交点，包括判断L′内-XY所有直线相交情况，并计算相交直线的夹角与交点，当L′内-XY_1、L′内-XY_2、L′内-XY_3、L′内-XY_4在XOY平面上按照逆时针排列时，计算出的L′内-XY_1、L′内-XY_2之间的夹角为
Figure FDA0004083842930000051
交点为
Figure FDA0004083842930000052
L′内-XY_2、L′内-XY_3之间的夹角为
Figure FDA0004083842930000053
交点为
Figure FDA0004083842930000054
L′内-XY_3、L′内-XY_4之间的夹角为
Figure FDA0004083842930000055
交点为
Figure FDA0004083842930000056
L′内-XY_4、L′内-XY_1之间的夹角为
Figure FDA0004083842930000057
交点为
Figure FDA0004083842930000058
进行直线方向调整，包括将计算得到的
Figure FDA0004083842930000059
与钢筋部品设计角度对比分析，计算角度差记为
Figure FDA00040838429300000510
以直线模型L′内-XY内的任意一条直线为基准线，假定该基准线为L′内-XY_1，分别以交点
Figure FDA00040838429300000511
对直线L′内-XY_2、L′内-XY_4进行调整，调整角度为
Figure FDA00040838429300000512
和
Figure FDA00040838429300000513
将调整后L′内-XY_2、L′内-XY_4记为L″内-XY_2、L″内-XY_4；再次以L″内-XY_4为基准线，再次计算L′内-XY_3与L″内-XY_4的角度
Figure FDA00040838429300000514
和交点
Figure FDA00040838429300000515
计算设计角度与
Figure FDA00040838429300000516
的差值
Figure FDA00040838429300000517
以
Figure FDA00040838429300000518
为基准点，以角度
Figure FDA00040838429300000519
对直线L′内-XY_3进行调整，记调整完成后的直线为L″内-XY_3；从而完成4条直线的调整；
计算钢筋偏移量，包括对直线L′内-XY_1、L″内-XY_2、L″内-XY_3、L″内-XY_4按照钢筋设计间距取点，并对所有点进行顺序排列，记排列后的点数据为O-L′内-XY_1，将O_top′内-XY中每个点按照顺序与O-L′内-XY_1中数据作差，得到O_top′内-XY中所有钢筋的偏移量；
对O_top′中-XY、O_top′外-XY分别执行与O_top′内-XY相同的前述所有步骤，获得O_top′中-XY、O_top′外-XY中所有钢筋的偏移量，完成钢筋质量检测。
CN202310130139.7A 2023-02-14 2023-02-14 基于无人机图像点云数据的钢筋部品质量检测方法 Pending CN116228697A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202310130139.7A CN116228697A (zh) 2023-02-14 2023-02-14 基于无人机图像点云数据的钢筋部品质量检测方法
PCT/CN2023/088251 WO2024169033A1 (zh) 2023-02-14 2023-04-14 基于无人机图像点云数据的钢筋部品质量检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310130139.7A CN116228697A (zh) 2023-02-14 2023-02-14 基于无人机图像点云数据的钢筋部品质量检测方法

Publications (1)

Publication Number Publication Date
CN116228697A true CN116228697A (zh) 2023-06-06

Family

ID=86590549

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310130139.7A Pending CN116228697A (zh) 2023-02-14 2023-02-14 基于无人机图像点云数据的钢筋部品质量检测方法

Country Status (1)

Country Link
CN (1) CN116228697A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117570911A (zh) * 2024-01-15 2024-02-20 张家口市际源路桥工程有限公司 一种桥梁用现浇箱梁钢筋施工间距偏差检测系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200005447A1 (en) * 2018-07-02 2020-01-02 Sri International Computer aided rebar measurement and inspection system
CN112308907A (zh) * 2020-05-18 2021-02-02 王峰 用飞行器对坡体进行近景摄影测量的航线规划方法
CN114234819A (zh) * 2021-12-23 2022-03-25 中交第二航务工程局有限公司 基于三维激光扫描的钢筋部品质量自动化检测方法
CN114646274A (zh) * 2022-02-24 2022-06-21 南京钢铁股份有限公司 一种基于圆度测试的螺纹钢表面质量定量分析方法
CN115682970A (zh) * 2022-09-28 2023-02-03 中交第二航务工程局有限公司 一种基于双目视觉的钢筋间距的测量方法和系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200005447A1 (en) * 2018-07-02 2020-01-02 Sri International Computer aided rebar measurement and inspection system
CN112308907A (zh) * 2020-05-18 2021-02-02 王峰 用飞行器对坡体进行近景摄影测量的航线规划方法
CN114234819A (zh) * 2021-12-23 2022-03-25 中交第二航务工程局有限公司 基于三维激光扫描的钢筋部品质量自动化检测方法
CN114646274A (zh) * 2022-02-24 2022-06-21 南京钢铁股份有限公司 一种基于圆度测试的螺纹钢表面质量定量分析方法
CN115682970A (zh) * 2022-09-28 2023-02-03 中交第二航务工程局有限公司 一种基于双目视觉的钢筋间距的测量方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张磊: "大型钢结构建筑安装质量检测与变形监测软件系统设计与实现", CNKI, 31 December 2015 (2015-12-31) *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117570911A (zh) * 2024-01-15 2024-02-20 张家口市际源路桥工程有限公司 一种桥梁用现浇箱梁钢筋施工间距偏差检测系统及方法
CN117570911B (zh) * 2024-01-15 2024-03-26 张家口市际源路桥工程有限公司 一种桥梁用现浇箱梁钢筋施工间距偏差检测系统及方法

Similar Documents

Publication Publication Date Title
CN110287519B (zh) 一种集成bim的建筑工程施工进度监测方法及系统
CN110033516B (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
CN105447868B (zh) 一种微小型无人机航拍数据的自动检查方法
CN104574303A (zh) 基于空间聚类的机载LiDAR点云地面滤波方法
CN107464223B (zh) 一种基于切片的点云孔洞修补方法
CN109934120B (zh) 一种基于空间密度和聚类的分步点云噪声去除方法
CN113865508B (zh) 一种蜂窝夹芯复合材料声衬的通孔率自动化检测装置与方法
JP2016090547A (ja) ひび割れ情報収集装置及びひび割れ情報を収集するためのサーバ装置
CN116740060B (zh) 基于点云几何特征提取的装配式预制构件尺寸检测方法
CN113487555B (zh) 一种基于点云网格化的输电线路隐患点快速检测方法
CN112233056A (zh) 一种多源数据的点云融合方法、装置和存储介质
CN112085708A (zh) 产品外轮廓中的直线边缘的缺陷检测方法及设备
CN116228697A (zh) 基于无人机图像点云数据的钢筋部品质量检测方法
CN108550166A (zh) 一种空间目标图像匹配方法
CN118500353B (zh) 一种双曲线型冷却塔倾斜状态识别方法
CN112734662A (zh) 一种针对锥齿轮磨损的机器视觉检测方法及系统
CN115035254A (zh) 一种基于重建点云的区域植被三维绿量估算方法
CN113538501A (zh) 低空图像dsm生成建筑物边缘精细化方法
CN112132853B (zh) 地面导向箭头的构建方法及其装置、电子设备及存储介质
CN115060725A (zh) 一种双圆盘外观检测方法及装置
CN116258857A (zh) 一种面向室外树木激光点云分割与提取方法
CN107037738B (zh) 数控加工几何仿真中基于stl模型的材料去除方法
CN113870326B (zh) 一种基于图像和三维点云配准的结构损伤映射、量化及可视化方法
JP6267307B2 (ja) 物品の設置空間の探索方法及びそのためのプログラムが記録されたコンピュータで読取り可能な記録媒体
WO2024169033A1 (zh) 基于无人机图像点云数据的钢筋部品质量检测方法

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