CN116772729B - 基于激光雷达的桥梁预制构件外观尺寸检测方法 - Google Patents
基于激光雷达的桥梁预制构件外观尺寸检测方法 Download PDFInfo
- Publication number
- CN116772729B CN116772729B CN202311054468.4A CN202311054468A CN116772729B CN 116772729 B CN116772729 B CN 116772729B CN 202311054468 A CN202311054468 A CN 202311054468A CN 116772729 B CN116772729 B CN 116772729B
- Authority
- CN
- China
- Prior art keywords
- bridge
- prefabricated member
- guide rail
- bridge prefabricated
- fan gear
- 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
Links
- 238000000034 method Methods 0.000 title claims description 25
- 238000001514 detection method Methods 0.000 claims abstract description 74
- 230000007246 mechanism Effects 0.000 claims abstract description 50
- 238000013461 design Methods 0.000 claims abstract description 5
- 238000009499 grossing Methods 0.000 claims abstract description 4
- 238000003825 pressing Methods 0.000 claims description 42
- 230000005540 biological transmission Effects 0.000 claims description 23
- 238000005096 rolling process Methods 0.000 claims description 20
- 238000012549 training Methods 0.000 claims description 18
- 238000010801 machine learning Methods 0.000 claims description 15
- 238000013138 pruning Methods 0.000 claims description 12
- 238000003066 decision tree Methods 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 9
- 230000006978 adaptation Effects 0.000 claims description 5
- 230000007547 defect Effects 0.000 claims description 4
- 239000013598 vector Substances 0.000 claims description 4
- 241000264877 Hippospongia communis Species 0.000 claims description 3
- 230000000149 penetrating effect Effects 0.000 claims description 2
- 238000009417 prefabrication Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 claims 1
- 230000006835 compression Effects 0.000 description 4
- 238000007906 compression Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010030 laminating Methods 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请公开了基于激光雷达的桥梁预制构件外观尺寸检测方法,步骤为:将桥梁预制件放在支架上并在其外围组装搭建导轨,并以导轨上一点作为三维空间坐标原点,构建三维坐标系;安装好环绕机构和两个激光雷达,并使得两个激光雷达分别位于桥梁预制件侧部上下方;环绕机构沿导轨间歇移动,每次移动后,两个激光雷达分别上下扫描预制件的上下半部,得到环绕机构在此时导轨上的坐标位置,根据激光雷达的角度以及扫描距离在三维坐标上得到桥梁预制件扫描的激光云点坐标;沿桥梁预制件环绕一周后,将所有激光云点坐标进行平滑处理得到桥梁预制件的外形三维模型,将三维模型的尺寸与设计尺寸进行对比,进而得到桥梁预制件的公差,判断是否符合标准。
Description
技术领域
本申请涉及质量检测技术领域,更具体地说,涉及基于激光雷达的桥梁预制构件外观尺寸检测方法。
背景技术
随着交通建设的发展,越来越多的桥梁得到建造,大大提升了交通运输的流畅性。在桥梁建造过程中,常常采用预制构件的方式,然后将这些预制构件进行架设和连接,以提高桥梁的建造效率。
现有技术公开号为CN115616528A的文献提供基于激光雷达的桥梁预制构件外观尺寸检测设备及方法,通过激光雷达进行数据采集,对桥梁预制构件三维重建,分割、过滤和降噪后得到端面和侧面的点云数据,以凸包算法对点云数据包裹处理,关联数据与预制构件的预设尺寸设计值比对,计算误差数据,获得尺寸检测结果。在实际应用中,桥梁预制件不仅仅是简单的长方体结构,还包括各种异型结构,例如T型结构。然而,通过单个激光雷达进行扫描时,很难同时捕捉到桥梁的顶部和底部形状,容易出现扫描盲点。此外,如果采用单个激光雷达在一个面上直接对预制构件进行扫描,由于激光雷达的扫描角度较广,得到的图像点云距离会因角度关系产生偏差,与实际尺寸存在误差,这可能导致分析结果的偏差。
现有技术公开号为CN113102269A的文献提供了一种基于三维立体视觉的预制构件成品质量检测系统及其应用,通过自动化、智能化的质量检测与结构匹配,实时采集构件信息,与管理系统耦合,既提高了质检效率,又为企业提供了质量控制和决策依据,推进了装配式建筑发展。然而,该现有技术方案采用双目视觉相机拍摄图像时,需要进行相机校准,校验过程繁琐,而且图像受光线等环境因素影响,导致拍摄的图片不清晰,造成误差。此外,在进行图像识别时,可能会出现识别结果错误的情况。
鉴于此,我们提出基于激光雷达的桥梁预制构件外观尺寸检测方法。
发明内容
为了克服现有技术存在的一系列缺陷,本专利的目的在于针对上述问题,提供了基于激光雷达的桥梁预制构件外观尺寸检测方法,实现该检测方法的检测设备包括。
两个基激光雷达,用于对桥梁预制件的上半部和下半部进行扫描并将扫描数据输入表面检测模块。
表面检测模块,所述表面检测模块包括机器学习单元、调整单元以及检测单元;所述机器学习单元用于将训练集和测试集发送至机器学习模型进行机器训练,得到表面检测模型,所述表面检测模型输入为激光雷达检测数据,输出为表面质量问题分类结果。
所述调整单元用于对表面检测模型进行参数调优,以得到最优的表面检测模型。
所述检测单元用于将待检测的激光雷达检测数据输入至表面检测模型中,表面检测模型输出相对应的表面质量问题分类结果,从而实现表面质量问题的检测。
本申请技术方案提供了基于激光雷达的桥梁预制构件外观尺寸检测方法,包含以下步骤。
步骤S1,在水平面上架设支架,将桥梁预制件放在支架上,在桥梁预制件外围的水平面上组装搭建导轨,并以导轨上一点作为三维空间坐标原点,构建三维坐标系。
步骤S2,将环绕机构卡接在导轨上,将两个激光雷达安装于环绕机构上,并使得两个激光雷达分别位于桥梁预制件的侧部上方和侧部下方。
步骤S3,环绕机构沿导轨间歇移动,每次移动后,两个激光雷达分别上下扫描桥梁预制件的上半部和下半部,得到环绕机构在此时导轨上的坐标位置,根据激光雷达的角度以及扫描距离在三维坐标上得到桥梁预制件扫描的激光云点坐标。
步骤S4,沿桥梁预制件环绕一周后,将所有激光云点坐标进行平滑处理得到桥梁预制件的外形三维模型,将三维模型的尺寸与设计尺寸进行对比,进而得到桥梁预制件的公差,判断是否符合标准。
步骤S5,若判断结果为不符合标准,即存在平整度问题,则将激光雷达检测数据输入表面检测模块,以检测预制件表面存在何种表面质量问题。
进一步的,步骤S5包含以下步骤。
步骤S5.1,对存在露筋、蜂窝、孔洞、裂缝及缺陷问题的桥梁预制构件进行检测,将检测得到的检测数据作为特征,对应的表面质量问题作为标签,特征+标签构成数据集,并按一定比例分为训练集和测试集。
步骤S5.2,将训练集和测试集传入机器学习模型进行机器学习,得到表面检测模型,表面检测模型输入为激光雷达检测数据,输出为表面质量问题分类结果。
步骤S5.3,对表面检测模型进行参数调优,得到最优的表面检测模型。
步骤S5.4,将待检测的激光雷达检测数据输入至表面检测模型中,表面检测模型输出先对应的表面质量问题分类结果,从而实现表面质量问题的检测。
进一步的,支架设置有多个,支架为带底座的圆柱支撑杆,支撑杆顶部为半球结构,支架底部的底座通过底脚螺栓连接水平面。
进一步的,导轨包括直轨和弧形轨,多个直轨拼接构成四边形的四条边,弧形轨拼接设在四边形的四个顶角处,形成四边形的四个圆角,直轨和弧形轨的一端均开有插槽,直轨和弧形轨的另一端均固定安装有与插槽插接适配的插板,插槽的侧面处螺纹套接有插销,插板的一侧开设有与插销适配的插孔,弧形轨为四分之一圆形结构,直轨和弧形轨的外壁底部均固定安装有支撑板,支撑板通过地脚螺栓连接于水平面上,导轨上连接环绕机构。
进一步的,环绕机构包括移动箱,移动箱滑动配合于导轨上,移动箱的内腔底部固定安装有固定板,固定板上转动套接有主动轴,移动箱的一侧内壁固定安装有马达,马达的输出轴固定连接主动轴的一端,移动箱的底板与导轨间安装有行走机构,主动轴的另一端连接行走机构,主动轴与移动箱的顶板间安装有扫描机构,两个激光雷达安装在扫描机构上。
进一步的,行走机构包括传动轴,传动轴转动连接于移动箱的底板上,传动轴的顶部与主动轴的端面均套接有锥齿轮,两个锥齿轮啮合传动,传动轴上固定套接有主动扇齿轮,主动扇齿轮远离齿牙的一侧固定安装有止动轮,移动箱的底板上转动贯穿设有从动轴,从动轴的顶部固定套接有从动扇齿轮,从动扇齿轮远离齿牙的一侧开有止动槽,止动槽与止动轮活动卡接,从动扇齿轮靠近止动槽的一侧顶部固定安装有拨杆,止动轮的一侧顶部固定安装有推杆,从动轴的底部贯穿移动箱的底板并固定套接有滚动齿轮,直轨和弧形轨的外壁均固定设有与滚动齿轮啮合的第一齿条,主动扇齿轮和从动扇齿轮相适配,且主动扇齿轮和从动扇齿轮的齿数相同,止动槽为贴合止动轮圆周外壁的弧形结构,止动轮的直径大于主动扇齿轮的直径,马达带动主动轴连续转动,主动轴通过锥齿轮带动传动轴连续转动。
进一步的,所述扫描机构包括凸轮,所述移动箱的顶板上滑动贯穿设有压杆,所述压杆的底部固定安装有压板,所述压板活动贴合凸轮,所述压板的顶部与移动箱的顶板间安装有弹簧,所述移动箱的顶部固定安装有固定座,所述固定座上通过销轴转动安装有两个摆动齿轮,两个所述激光雷达分别固定安装在两个摆动齿轮上,所述压杆的外壁上固定安装有第二齿条,两个所述摆动齿轮均啮合第二齿条。
进一步的,直轨和弧形轨的顶部内外壁均开设有导槽,移动箱的底部转动安装有两个限位轮,两个限位轮分别滑动卡接在两个导槽内,直轨和弧形轨的顶面均转动卡接有多个滚珠,且滚珠紧密贴合移动箱的底面,两个限位轮的轴线与从动轴的轴线位于同一竖直平面上。
进一步的,步骤S3中,环绕机构带动激光雷达扫描桥梁预制件的过程包括如下步骤。
步骤S31,移动箱压在滚珠上,限位轮卡接在导槽内进行限位,从而使得移动箱只能沿着直轨和弧形轨移动,马达带动主动轴连续转动,主动轴通过锥齿轮带动传动轴连续转动,传动轴带动主动扇齿轮和止动轮一同转动;当止动轮与止动槽卡接时,从动扇齿轮不动,当止动轮末端逐渐移动超过止动槽中部时,推杆推动拨杆,从而推动从动扇齿轮转动,此时,从动扇齿轮转动啮合到主动扇齿轮,实现主动扇齿轮驱动从动扇齿轮转动的目的,当主动扇齿轮完全啮合从动扇齿轮后,止动槽会再次朝向传动轴,从而使得止动轮再次卡入止动槽内,使得从动扇齿轮再次静止,如此,实现了从动扇齿轮的间歇转动,从动扇齿轮通过从动轴带动滚动齿轮间歇转动,滚动齿轮沿第一齿条间歇滚动,从而推动移动箱的逐步移动,实现对预制件的逐步环绕。
步骤S32,主动轴同步带动凸轮转动,每当凸轮转动一圈时,凸轮的偏心端会逐渐接触压板并上推压板,弹簧受力压缩,当凸轮的偏心端脱离压板时,弹簧推动压板贴合凸轮的同心端,从而使得压板下移并保持不动,实现了压板的间歇上下移动,这个上下移动的过程会带动两个摆动齿轮往复摆动一次,则两个激光雷达分别对桥梁预制件的顶部和底部进行扫描,同时,在凸轮的同心端与压板接触时,滚动齿轮也在转动,即移动箱每次环绕移动停止后,激光雷达上下扫描一次,从而实现了桥梁预制件的逐步扫描,得到了桥梁预制件的各个激光点云的精确坐标。
与现有技术相比,本申请至少具有如下技术效果或优点。
本申请通过双激光雷达全方位扫描与机器学习表面检测相结合,实现了桥梁预制件外形尺寸高精度测量与表面质量智能分类,整体提升了桥梁预制件的质量控制水平。
附图说明
图1为本申请实施例公开的基于激光雷达的桥梁预制构件外观尺寸检测方法的流程示意图。
图2为本申请实施例公开的环绕扫描时示意图。
图3为本申请实施例中导轨和环绕机构的局部结构示意图。
图4为图3中A处放大结构示意图。
图5为图3中B处放大结构示意图。
图6为本申请实施例中限位轮处的局部结构示意图。
图中附图标记为。
1、导轨;2、支架;3、环绕机构;4、激光雷达;5、导槽;6、限位轮;7、滚珠。
11、直轨;12、支撑板;13、插槽;14、插板;15、弧形轨。
31、移动箱;32、固定板;33、行走机构;34、主动轴;35、马达;36、扫描机构。
331、传动轴;332、从动轴;333、主动扇齿轮;334、从动扇齿轮;335、止动槽;336、止动轮;337、拨杆;338、推杆;339、滚动齿轮;3310、第一齿条。
361、凸轮;362、压杆;363、压板;364、弹簧;365、固定座;366、摆动齿轮;367、第二齿条。
具体实施方式
下面结合附图,列举本发明的实施例,对本发明作进一步的详细说明。
参照图1和图2,本申请实施例提供了基于激光雷达的桥梁预制构件外观尺寸检测方法,包含以下步骤。
S1、在水平面上架设支架2,将桥梁预制件放在支架2上,在桥梁预制件外围的水平面上组装搭建导轨1,并以导轨1上一点作为三维空间坐标原点,构建三维坐标系。
S2、将环绕机构3卡接在导轨1上,将两个激光雷达4安装于环绕机构3上,并使得两个激光雷达4分别位于桥梁预制件侧部的上下方。
S3、环绕机构3沿导轨1间歇移动,每次移动后,两个激光雷达4分别上下扫描桥梁预制件的上半部和下半部,得到环绕机构3在此时导轨1上的坐标位置,根据激光雷达4的角度以及扫描距离在三维坐标上得到桥梁预制件扫描的激光云点坐标;S4、沿桥梁预制件环绕一周后,将所有激光云点坐标进行平滑处理得到桥梁预制件的外形三维模型,将三维模型的尺寸与设计尺寸进行对比,进而得到桥梁预制件的公差,判断是否符合标准。
S5、若判断结果为不符合标准,即存在平整度问题,则将激光雷达4检测数据输入表面检测模块,以检测预制件表面存在何种表面质量问题。
步骤S5包括。
S5.1、对存在露筋、蜂窝、孔洞、裂缝及缺陷问题的桥梁预制构件进行检测,将检测得到的检测数据作为特征,对应的表面质量问题作为标签,特征+标签构成数据集,并按一定比例分为训练集和测试集。
在本实施例中,将检测到的激光雷达数据进行分析处理,生成特征向量,每个预制件样本的特征向量包括有6个特征值,分别为XYZ坐标信息、回波次数、回波强度、RGB波段、扫描角度和扫描方向,每个预制件样本对应的表面质量问题作为标签,将特征值与标签对应组合,即得到所需的数据集,随后将数据集的80%作为训练集,20%作为测试集,为机器学习做准备。
S5.2、将训练集和测试集传入机器学习模型进行机器学习,得到表面检测模型,表面检测模型输入为激光雷达4检测数据,输出为表面质量问题分类结果。
需要说明的是,在本实施例中,机器学习模型包括但不限于决策树模型,这里不做具体限定。
决策树是一种树形结构,由根节点、内部节点和叶子节点组成。原始训练数据集作为根节点,然后选择一个最优特征,按这一特征将训练数据集分割成两个互斥的子集,使得各个子集有一个在当前条件下最好的分类。如果这一子集中的样本已经被正确分类,那么构建叶子节点,并将这些子集分到所对应的叶子节点中去,若子集不能够被正确分类,那么就构建内部节点,并将这些子集分到所对应的内部节点中去,重复上述过程,直至所有训练子集被基本正确分类为止。最优特征的选择与子集的划分通过贪心算法实现。
S5.3、对表面检测模型进行参数调优,得到最优的表面检测模型。
在本实施例中,对表面检测模型进行参数调优,具体为:对决策树进行剪枝,防止出现过拟合。决策树剪枝基本策略有预剪枝和后剪枝两种,预剪枝是指在决策树生成过程中,在每个节点分裂之前评估分裂是否能够提升模型的泛化性能,若某一节点的分裂不能使模型的泛化能力提升,则停止分裂并将当前节点作为叶子节点;而后剪枝是指先不见任何约束使用训练集训练一棵决策树,然后自底向上对叶子节点进行评估,若某一节点对应的子树替换为叶子节点可使模型的泛化性能提升,则将该节点作为叶子节点。
S5.4、将待检测的激光雷达4检测数据输入至表面检测模型中,表面检测模型输出先对应的表面质量问题分类结果,从而实现表面质量问题的检测。
参照图2,支架2设置有多个,支架2为带底座的圆柱支撑杆,支撑杆顶部为半球结构,支架2底部的底座通过底脚螺栓连接水平面,半球结构用于支撑桥梁预制件。
参照图2和图3,导轨1包括直轨11和弧形轨15,多个直轨11拼接构成四边形的四条边,弧形轨15拼接设在四边形的四个顶角处,形成四边形的四个圆角,直轨11和弧形轨15的一端均开有插槽13,直轨11和弧形轨15的另一端均固定安装有与插槽13插接适配的插板14,插槽13的侧面处螺纹套接有插销,插板14的一侧开设有与插销适配的插孔,弧形轨15为四分之一圆形结构,直轨11和弧形轨15的外壁底部均固定安装有支撑板12,支撑板12通过地脚螺栓连接于水平面上,导轨1上连接环绕机构3,环绕机构3沿导轨1进行间歇移动,从而逐步环绕预制件进行扫描。
参照图1和图2,环绕机构3包括移动箱31,移动箱31滑动配合于导轨1上,移动箱31的内腔底部固定安装有固定板32,固定板32上转动套接有主动轴34,移动箱31的一侧内壁固定安装有马达35,马达35的输出轴固定连接主动轴34的一端,移动箱31的底板与导轨1间安装有行走机构33,主动轴34的另一端连接行走机构33,主动轴34与移动箱31的顶板间安装有扫描机构36,两个激光雷达4安装在扫描机构36上,通过马达35驱动主动轴34,从而联动控制行走机构33和扫描机构36,使移动箱31沿导轨1逐步移动,通过两个激光雷达4逐点扫描预制件的顶部和底部,从而获取高精确的点云坐标数据。
参照图3和图4,行走机构33包括传动轴331,传动轴331转动连接于移动箱31的底板上,传动轴331的顶部与主动轴34的端面均套接有锥齿轮,两个锥齿轮啮合传动,传动轴331上固定套接有主动扇齿轮333,主动扇齿轮333远离齿牙的一侧固定安装有止动轮336,移动箱31的底板上转动贯穿设有从动轴332,从动轴332的顶部固定套接有从动扇齿轮334,从动扇齿轮334远离齿牙的一侧开有止动槽335,止动槽335与止动轮336活动卡接,从动扇齿轮334靠近止动槽335的一侧顶部固定安装有拨杆337,止动轮336的一侧顶部固定安装有推杆338,从动轴332的底部贯穿移动箱31的底板并固定套接有滚动齿轮339,直轨11和弧形轨15的外壁均固定设有与滚动齿轮339啮合的第一齿条3310,主动扇齿轮333和从动扇齿轮334相适配,且主动扇齿轮333和从动扇齿轮334的齿数相同,止动槽335为贴合止动轮336圆周外壁的弧形结构,止动轮336的直径大于主动扇齿轮333的直径,马达35带动主动轴34连续转动,主动轴34通过锥齿轮带动传动轴331连续转动,传动轴331带动主动扇齿轮333和止动轮336转动,当止动轮336与止动槽335卡接时,从动扇齿轮334不动,当止动轮336末端逐渐移动超过止动槽335中部时,此时推杆338推动拨杆337,从而推动从动扇齿轮334转动,此时从动扇齿轮334转动啮合到主动扇齿轮333,实现主动扇齿轮333驱动从动扇齿轮334转动的目的,当主动扇齿轮333啮合完从动扇齿轮334后,止动槽335再次朝向传动轴331,此时止动轮336再次卡入止动槽335内,使得从动扇齿轮334再次静止,如此,实现从动扇齿轮334的间歇转动,从动扇齿轮334通过从动轴332带动滚动齿轮339间歇转动,则滚动齿轮339沿第一齿条3310间歇滚动,从而推动移动箱31的逐步移动,实现对预制件的逐步环绕。
参照图3和图5,扫描机构36包括凸轮361,移动箱31的顶板上滑动贯穿设有压杆362,压杆362的底部固定安装有压板363,压板363活动贴合凸轮361,压板363的顶部与移动箱31的顶板间安装有弹簧364,移动箱31的顶部固定安装有固定座365,固定座365上通过销轴转动安装有两个摆动齿轮366,两个激光雷达4分别固定安装在两个摆动齿轮366上,压杆362的外壁上固定安装有第二齿条367,两个摆动齿轮366均啮合第二齿条367,主动轴34同步带动凸轮361转动,当凸轮361转动一圈时,凸轮361的偏心端逐渐接触压板363时会上推压板363上移,此时弹簧364被压缩,当凸轮361的偏心端脱离压板363时,弹簧364会推动压板363贴合凸轮361的同心端,从而使得压板363下移并保持不动,即压板363实现间歇上下移动,上下移动时会带动两个摆动齿轮366往复摆动一次,在这个过程中,两个激光雷达4分别对桥梁预制件的顶部和底部进行一次扫描,凸轮361的同心端与压板363接触时,滚动齿轮339也在转动,即移动箱31每次环绕移动停止后,激光雷达4上下扫描一次,从而逐步实现对桥梁预制件的扫描,这样,就可以获取桥梁预制件各个激光点云的精确坐标。参照图6,直轨11和弧形轨15的顶部内外壁均开设有导槽5,移动箱31的底部转动安装有两个限位轮6,两个限位轮6分别滑动卡接在两个导槽5内,直轨11和弧形轨15的顶面均转动卡接有多个滚珠7,且滚珠7紧密贴合移动箱31的底面,两个限位轮6的轴线与从动轴332的轴线位于同一竖直平面上,移动箱31压在滚珠7上,限位轮6卡接在导槽5内进行限位,使得移动箱31只能沿着直轨11和弧形轨15移动,达到对移动箱31导向的目的,保证激光雷达4始终朝向预制件。
可选的,环绕机构3逐步带动激光雷达4扫描桥梁预制件的过程包括如下步骤。
S31、移动箱31压在滚珠7上,限位轮6卡接在导槽5内进行限位,从而使得移动箱31只能沿着直轨11和弧形轨15移动,马达35带动主动轴34连续转动,主动轴34通过锥齿轮带动传动轴331连续转动,传动轴331带动主动扇齿轮333和止动轮336一同转动;当止动轮336与止动槽335卡接时,从动扇齿轮334不动,当止动轮336末端逐渐移动超过止动槽335中部时,推杆338推动拨杆337,从而推动从动扇齿轮334转动,此时,从动扇齿轮334转动啮合到主动扇齿轮333,实现主动扇齿轮333驱动从动扇齿轮334转动的目的,当主动扇齿轮333完全啮合从动扇齿轮334后,止动槽335会再次朝向传动轴331,从而使得止动轮336再次卡入止动槽335内,使得从动扇齿轮334再次静止,如此,实现了从动扇齿轮334的间歇转动,从动扇齿轮334通过从动轴332带动滚动齿轮339间歇转动,滚动齿轮339沿第一齿条3310间歇滚动,从而推动移动箱31的逐步移动,实现对预制件的逐步环绕。
S32、主动轴34同步带动凸轮361转动,每当凸轮361转动一圈时,凸轮361的偏心端会逐渐接触压板363并上推压板363,弹簧364受力压缩,当凸轮361的偏心端脱离压板363时,弹簧364推动压板363贴合凸轮361的同心端,从而使得压板363下移并保持不动,实现了压板363的间歇上下移动,这个上下移动的过程会带动两个摆动齿轮366往复摆动一次,则两个激光雷达4分别对桥梁预制件的顶部和底部进行扫描,同时,在凸轮361的同心端与压板363接触时,滚动齿轮339也在转动,即移动箱31每次环绕移动停止后,激光雷达4上下扫描一次,从而实现了桥梁预制件的逐步扫描,得到了桥梁预制件的各个激光点云的精确坐标。
当检测到外观尺寸出现问题,桥梁预制件的平整度不符合标准时,将激光雷达的检测数据传入表面检测模块,表面检测模块包含有基于机器学习的表面检测模型,根据激光雷达的检测数据对表面质量问题进行分类,确定表面质量问题的种类。
Claims (6)
1.基于激光雷达的桥梁预制构件外观尺寸检测设备,其特征在于,包括支架、导轨和两个激光雷达,其中,导轨包括直轨和弧形轨,多个直轨拼接构成四边形的四条边,弧形轨拼接设在四边形的四个顶角处,形成四边形的四个圆角,直轨和弧形轨的一端均开有插槽,直轨和弧形轨的另一端均固定安装有与插槽插接适配的插板,插槽的侧面处螺纹套接有插销,插板的一侧开设有与插销适配的插孔,弧形轨为四分之一圆形结构,直轨和弧形轨的外壁底部均固定安装有支撑板,支撑板通过地脚螺栓连接于水平面上,导轨上连接有环绕机构,环绕机构沿导轨进行间歇移动,从而逐步环绕预制件进行扫描;
环绕机构包括移动箱,移动箱滑动配合于导轨上,移动箱的内腔底部固定安装有固定板,固定板上转动套接有主动轴,移动箱的一侧内壁固定安装有马达,马达的输出轴固定连接主动轴的一端,移动箱的底板与导轨间安装有行走机构,主动轴的另一端连接行走机构,主动轴与移动箱的顶板间安装有扫描机构,两个激光雷达安装在扫描机构上,通过马达驱动主动轴,从而联动控制行走机构和扫描机构,使移动箱沿导轨逐步移动,通过两个激光雷达逐点扫描预制件的顶部和底部,从而获取高精确的点云坐标数据;
行走机构包括传动轴,传动轴转动连接于移动箱的底板上,传动轴的顶部与主动轴的端面均套接有锥齿轮,两个锥齿轮啮合传动,传动轴上固定套接有主动扇齿轮,主动扇齿轮远离齿牙的一侧固定安装有止动轮,移动箱的底板上转动贯穿设有从动轴,从动轴的顶部固定套接有从动扇齿轮,从动扇齿轮远离齿牙的一侧开有止动槽,止动槽与止动轮活动卡接,从动扇齿轮靠近止动槽的一侧顶部固定安装有拨杆,止动轮的一侧顶部固定安装有推杆,从动轴的底部贯穿移动箱的底板并固定套接有滚动齿轮,直轨和弧形轨的外壁均固定设有与滚动齿轮啮合的第一齿条,主动扇齿轮和从动扇齿轮相适配,且主动扇齿轮和从动扇齿轮的齿数相同,止动槽为贴合止动轮圆周外壁的弧形结构,止动轮的直径大于主动扇齿轮的直径,马达带动主动轴连续转动,主动轴通过锥齿轮带动传动轴连续转动,传动轴带动主动扇齿轮和止动轮转动,当止动轮与止动槽卡接时,从动扇齿轮不动,当止动轮末端逐渐移动超过止动槽中部时,此时推杆推动拨杆,从而推动从动扇齿轮转动,此时从动扇齿轮转动啮合到主动扇齿轮,实现主动扇齿轮驱动从动扇齿轮转动的目的,当主动扇齿轮啮合完从动扇齿轮后,止动槽再次朝向传动轴,此时止动轮再次卡入止动槽内,使得从动扇齿轮再次静止,如此,实现从动扇齿轮的间歇转动,从动扇齿轮通过从动轴带动滚动齿轮间歇转动,则滚动齿轮沿第一齿条间歇滚动,从而推动移动箱的逐步移动,实现对预制件的逐步环绕;
扫描机构包括凸轮,移动箱的顶板上滑动贯穿设有压杆,压杆的底部固定安装有压板,压板活动贴合凸轮,压板的顶部与移动箱的顶板间安装有弹簧,移动箱的顶部固定安装有固定座,固定座上通过销轴转动安装有两个摆动齿轮,两个激光雷达分别固定安装在两个摆动齿轮上,压杆的外壁上固定安装有第二齿条,两个摆动齿轮均啮合第二齿条,主动轴同步带动凸轮转动,当凸轮转动一圈时,凸轮的偏心端逐渐接触压板时会上推压板上移,此时弹簧被压缩,当凸轮的偏心端脱离压板时,弹簧会推动压板贴合凸轮的同心端,从而使得压板下移并保持不动,即压板实现间歇上下移动,上下移动时会带动两个摆动齿轮往复摆动一次,在这个过程中,两个激光雷达分别对桥梁预制件的顶部和底部进行一次扫描,凸轮的同心端与压板接触时,滚动齿轮也在转动,即移动箱每次环绕移动停止后,激光雷达上下扫描一次,从而逐步实现对桥梁预制件的扫描;
使用所述桥梁预制构件外观尺寸检测设备进行桥梁预制构件外观尺寸检测的方法包括以下步骤:
步骤S1,在水平面上架设支架,将桥梁预制件放在支架上,在桥梁预制件外围的水平面上组装搭建导轨,并以导轨上一点作为三维空间坐标原点,构建三维坐标系;
步骤S2,将环绕机构卡接在导轨上,将两个激光雷达安装于环绕机构上,并使得两个激光雷达分别位于桥梁预制件的侧部上方和侧部下方;
步骤S3,环绕机构沿导轨间歇移动,每次移动后,两个激光雷达分别上下扫描桥梁预制件的上半部和下半部,得到环绕机构在此时导轨上的坐标位置,根据激光雷达的角度以及扫描距离在三维坐标上得到桥梁预制件扫描的激光云点坐标;
步骤S4,沿桥梁预制件环绕一周后,将所有激光云点坐标进行平滑处理得到桥梁预制件的外形三维模型,将三维模型的尺寸与设计尺寸进行对比,进而得到桥梁预制件的公差,判断是否符合标准;
步骤S5,若判断结果为不符合标准,即存在平整度问题,则将激光雷达检测数据输入表面检测模块,以检测预制件表面存在何种表面质量问题。
2.根据权利要求1所述的基于激光雷达的桥梁预制构件外观尺寸检测设备,其特征在于,步骤S5包含以下步骤:
步骤S5.1,对存在露筋、蜂窝、孔洞、裂缝及缺陷问题的桥梁预制构件进行检测,将检测得到的检测数据作为特征,对应的表面质量问题作为标签,特征+标签构成数据集,并按比例分为训练集和测试集;
步骤S5.2,将训练集和测试集传入机器学习模型进行机器学习,得到表面检测模型,表面检测模型输入为激光雷达检测数据,输出为表面质量问题分类结果;
步骤S5.3,对表面检测模型进行参数调优,得到最优的表面检测模型;
步骤S5.4,将待检测的激光雷达检测数据输入至表面检测模型中,表面检测模型输出相对应的表面质量问题分类结果,从而实现表面质量问题的检测。
3.根据权利要求2所述的基于激光雷达的桥梁预制构件外观尺寸检测设备,其特征在于,步骤S5.1中,将检测到的激光雷达数据进行分析处理,生成特征向量,每个预制件样本的特征向量包括有6个特征值,分别为XYZ坐标信息、回波次数、回波强度、RGB波段、扫描角度和扫描方向,每个预制件样本对应的表面质量问题作为标签,将特征值与标签对应组合,即得到所需的数据集,随后将数据集的80%作为训练集,20%作为测试集,为机器学习做准备。
4.根据权利要求3所述的基于激光雷达的桥梁预制构件外观尺寸检测设备,其特征在于,步骤S5.2中,机器学习模型采用决策树模型,原始训练数据集作为根节点,然后选择一个最优特征,按这一特征将训练数据集分割成两个互斥的子集,使得各个子集有一个在当前条件下的分类,如果这一子集中的样本已经被正确分类,那么构建叶子节点,并将这些子集分到所对应的叶子节点中去,若子集不能够被正确分类,那么就构建内部节点,并将这些子集分到所对应的内部节点中去,重复上述过程,直至所有训练子集被正确分类为止。
5.根据权利要求4所述的基于激光雷达的桥梁预制构件外观尺寸检测设备,其特征在于,最优特征的选择与子集的划分通过贪心算法实现。
6.根据权利要求4所述的基于激光雷达的桥梁预制构件外观尺寸检测设备,其特征在于,步骤S5.3中,对表面检测模型进行参数调优的过程为:对决策树进行剪枝,防止出现过拟合,决策树剪枝策略有预剪枝和后剪枝两种,预剪枝是指在决策树生成过程中,在每个节点分裂之前评估分裂是否能够提升模型的泛化性能,若某一节点的分裂不能使模型的泛化能力提升,则停止分裂并将当前节点作为叶子节点;而后剪枝是指先不见任何约束使用训练集训练一棵决策树,然后自底向上对叶子节点进行评估,若某一节点对应的子树替换为叶子节点可使模型的泛化性能提升,则将该节点作为叶子节点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311054468.4A CN116772729B (zh) | 2023-08-22 | 2023-08-22 | 基于激光雷达的桥梁预制构件外观尺寸检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311054468.4A CN116772729B (zh) | 2023-08-22 | 2023-08-22 | 基于激光雷达的桥梁预制构件外观尺寸检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116772729A CN116772729A (zh) | 2023-09-19 |
CN116772729B true CN116772729B (zh) | 2024-01-09 |
Family
ID=88011978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311054468.4A Active CN116772729B (zh) | 2023-08-22 | 2023-08-22 | 基于激光雷达的桥梁预制构件外观尺寸检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116772729B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117571720B (zh) * | 2024-01-12 | 2024-03-22 | 贵州科筑创品建筑技术有限公司 | 一种混凝土外观气泡的检测方法、装置、系统及存储介质 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03260204A (ja) * | 1990-03-09 | 1991-11-20 | Shiyuto Kosoku Doro Gijutsu Center | 高架橋点検装置 |
CN202267743U (zh) * | 2011-08-23 | 2012-06-06 | 中国人民解放军军事交通学院 | 激光雷达呈三维扫描的摆动装置 |
WO2019233222A1 (zh) * | 2018-06-04 | 2019-12-12 | 山东大学 | 用于桥隧结构病害无损检测诊断的自动爬墙式雷达光电机器人系统 |
CN111191714A (zh) * | 2019-12-28 | 2020-05-22 | 浙江大学 | 桥梁外观损伤病害智能识别方法 |
CN112284289A (zh) * | 2020-10-19 | 2021-01-29 | 中建(天津)工业化建筑工程有限公司 | 一种用于检测预制构件质量的全自动3d扫描方法 |
CN113102269A (zh) * | 2021-04-07 | 2021-07-13 | 沈阳建筑大学 | 基于三维立体视觉的预制构件成品质量检测系统及其应用 |
CN114549751A (zh) * | 2022-02-21 | 2022-05-27 | 北京好运达智创科技有限公司 | 箱梁生产的模板监控系统及方法 |
CN115183668A (zh) * | 2022-04-28 | 2022-10-14 | 复旦大学 | 一种酒糟体积测量方法、计算设备及存储介质 |
CN115311229A (zh) * | 2022-08-05 | 2022-11-08 | 武汉中观自动化科技有限公司 | 基于激光雷达的路面病害检测分类方法、系统和存储介质 |
CN115616528A (zh) * | 2022-09-18 | 2023-01-17 | 绍兴市城投建筑工业化制造有限公司 | 基于激光雷达的桥梁预制构件外观尺寸检测设备及方法 |
CN115615344A (zh) * | 2022-12-06 | 2023-01-17 | 中国地质环境监测院(自然资源部地质灾害技术指导中心) | 一种地表形变监测方法、装置、电子设备及存储介质 |
CN115824040A (zh) * | 2022-09-21 | 2023-03-21 | 安徽建筑大学 | 一种基于三维激光扫描的钢板组合梁桥检测方法 |
CN115984486A (zh) * | 2023-03-03 | 2023-04-18 | 北京科技大学 | 一种融合激光雷达与深度相机的桥梁模型生成方法及装置 |
CN116222412A (zh) * | 2023-05-10 | 2023-06-06 | 北京中舆达信息科技有限公司 | 一种地表变形监测方法及系统 |
CN116380796A (zh) * | 2023-04-11 | 2023-07-04 | 江苏人人康工程技术服务有限公司 | 一种建筑桥梁质量用的裂缝检测装置及检测方法 |
WO2023142608A1 (zh) * | 2022-01-26 | 2023-08-03 | 上海飞机制造有限公司 | 获得飞机面型的系统和方法 |
-
2023
- 2023-08-22 CN CN202311054468.4A patent/CN116772729B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03260204A (ja) * | 1990-03-09 | 1991-11-20 | Shiyuto Kosoku Doro Gijutsu Center | 高架橋点検装置 |
CN202267743U (zh) * | 2011-08-23 | 2012-06-06 | 中国人民解放军军事交通学院 | 激光雷达呈三维扫描的摆动装置 |
WO2019233222A1 (zh) * | 2018-06-04 | 2019-12-12 | 山东大学 | 用于桥隧结构病害无损检测诊断的自动爬墙式雷达光电机器人系统 |
CN111191714A (zh) * | 2019-12-28 | 2020-05-22 | 浙江大学 | 桥梁外观损伤病害智能识别方法 |
CN112284289A (zh) * | 2020-10-19 | 2021-01-29 | 中建(天津)工业化建筑工程有限公司 | 一种用于检测预制构件质量的全自动3d扫描方法 |
CN113102269A (zh) * | 2021-04-07 | 2021-07-13 | 沈阳建筑大学 | 基于三维立体视觉的预制构件成品质量检测系统及其应用 |
WO2023142608A1 (zh) * | 2022-01-26 | 2023-08-03 | 上海飞机制造有限公司 | 获得飞机面型的系统和方法 |
CN114549751A (zh) * | 2022-02-21 | 2022-05-27 | 北京好运达智创科技有限公司 | 箱梁生产的模板监控系统及方法 |
CN115183668A (zh) * | 2022-04-28 | 2022-10-14 | 复旦大学 | 一种酒糟体积测量方法、计算设备及存储介质 |
CN115311229A (zh) * | 2022-08-05 | 2022-11-08 | 武汉中观自动化科技有限公司 | 基于激光雷达的路面病害检测分类方法、系统和存储介质 |
CN115616528A (zh) * | 2022-09-18 | 2023-01-17 | 绍兴市城投建筑工业化制造有限公司 | 基于激光雷达的桥梁预制构件外观尺寸检测设备及方法 |
CN115824040A (zh) * | 2022-09-21 | 2023-03-21 | 安徽建筑大学 | 一种基于三维激光扫描的钢板组合梁桥检测方法 |
CN115615344A (zh) * | 2022-12-06 | 2023-01-17 | 中国地质环境监测院(自然资源部地质灾害技术指导中心) | 一种地表形变监测方法、装置、电子设备及存储介质 |
CN115984486A (zh) * | 2023-03-03 | 2023-04-18 | 北京科技大学 | 一种融合激光雷达与深度相机的桥梁模型生成方法及装置 |
CN116380796A (zh) * | 2023-04-11 | 2023-07-04 | 江苏人人康工程技术服务有限公司 | 一种建筑桥梁质量用的裂缝检测装置及检测方法 |
CN116222412A (zh) * | 2023-05-10 | 2023-06-06 | 北京中舆达信息科技有限公司 | 一种地表变形监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116772729A (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116772729B (zh) | 基于激光雷达的桥梁预制构件外观尺寸检测方法 | |
CN102012217B (zh) | 一种基于双目视觉的大形貌物体三维几何外形测量方法 | |
CN100342207C (zh) | 一种微小构件通孔内表面三维形貌检测装置及其标定和使用方法 | |
CN109544679A (zh) | 管道内壁的三维重建方法 | |
CN109887020B (zh) | 一种植株器官分离方法及系统 | |
CN103438832A (zh) | 基于线结构光的三维影像测量方法 | |
CN106510099A (zh) | 全自动完整鞋楦三维数据测量装置及方法 | |
CN110966956A (zh) | 一种基于双目视觉的三维检测装置和方法 | |
CN111854642B (zh) | 基于随机点阵的多线激光三维成像方法及系统 | |
CN107341776A (zh) | 基于稀疏编码与组合映射的单帧超分辨率重建方法 | |
CN107314742B (zh) | 一种旋转式光学层析成像系统及成像方法 | |
CN102663340A (zh) | 一种对板材进行分类识别的装置和方法 | |
CN101738399B (zh) | 轮胎激光散斑检验机及其检验方法 | |
CN1786658A (zh) | 一种采用双波长结构光测量物体轮廓的方法及装置 | |
CN104168430A (zh) | 一种tdi ccd焦平面编码超分辨率成像装置及方法 | |
CN113655064A (zh) | 一种外观缺陷多模式视觉检测传感器 | |
CN206638598U (zh) | 一种基于单摄像机全方位主动视觉的电连接器壳体缺陷检测装置 | |
US20160086006A1 (en) | Vehicle information inspecting apparatus | |
CN103674970A (zh) | 一种批量生产条带的自动检测方法 | |
CN116894829A (zh) | 焊缝缺陷检测的方法、装置、计算机设备及存储介质 | |
CN110006921A (zh) | 一种大曲率半径球面光学元件自动化位姿调整方法与装置 | |
CH702255A1 (de) | Vorrichtung zur räumlichen Erfassung eines Objekts mittels optischer Abtastung. | |
CN112797956B (zh) | 一种基于计算机视觉的光路反射机构运动测量方法及装置 | |
CN209435356U (zh) | 基于激光线扫描的实时彩色三维成像系统 | |
CN208367707U (zh) | 一种全自动用于pcb自动高精密检测设备的扫描装置 |
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 |