一种基于三维激光扫描方法的混凝土构件自动化检测方法技术

本发明专利技术公开了一种基于三维激光扫描方法的混凝土构件自动化检测方法，该方法基于三维激光扫描仪获取到的点云数据，使用本发明专利技术开发的机器学习算法对混凝土构件以及其伸出端钢筋或预埋置的灌浆套筒进行自动化检测。通过该发明专利技术，可以探测出构件的主要边界，确定钢筋与灌浆套筒的尺寸，并对它们进行定位。人工检测混凝土构件方法的误差大、效率低、人力成本高，本发明专利技术与目前常用的人工检测方式相比拥有更高的鲁棒性和精度，可以有效检测出混凝土构件的质量问题。的质量问题。的质量问题。

【技术实现步骤摘要】
一种基于三维激光扫描方法的混凝土构件自动化检测方法
[0001]方法领域
[0002]本专利技术涉及混凝土构件的检测领域，更具体地说，它涉及一种基于三维激光扫描方法的混凝土构件自动化检测方法。
[0003]背景方法
[0004]混凝土构件的质量问题主要有制造尺寸与设计不符、钢筋和灌浆套筒等关键连接部件的位置错位、连接质量差等。在混凝土构件的生产和施工过程中，对其质量的检测关乎施工质量和房屋的整体性。特别是在装配式结构中，预制混凝土构件的制造和安装质量直接关系到结构的安全性。常用的预制混凝土构件有带有钢筋伸出端和预埋置灌浆套筒两类。在对这两类混凝土构件进行连接时，需要保证它们的质量符合施工要求和结构性能要求。
[0005]在对混凝土构件进行质量检测时，目前常用的方法是检测人员通过目测或依靠卷尺等方式确定大致的尺寸和位置。这种传统的检测方式不仅出错概率高，误差大，还需要大量人工成本和时间成本，不利于施工和结构质量的保证。虽然现在出现了一些基于视觉的方法被尝试用于混凝土结构的质量检测，但是它们往往需要人工干预，并不能真正解放人力，对质量检测的效率提升十分有限。

技术实现思路

[0006]针对现有方法存在的问题，本专利技术提供了一种基于三维激光扫描方法的混凝土构件自动化检测方法。本专利技术解决了现有人工检测混凝土构件方式获取信息慢、检测结果不够可靠、效率低下等问题，能够同时检测混凝土构件上具有多种不同特征的关键连接部件。另外，本专利技术在检测精度和效率上相比传统检测方法也有很大提高。
[0007]本专利技术的目的是通过以下方法方案来实现的：一种基于三维激光扫描方法的混凝土构件自动化检测方法，具体包括如下步骤：
[0008](1)获取混凝土构件的点云数据：使用三维激光扫描仪对混凝土构件进行扫描，获取其点云数据并构建三维点云模型；所述的混凝土构件是按照设计规格在工厂或现场预先制成的，混凝土构件端部有伸出钢筋或在混凝土内部预埋置有灌浆套筒；
[0009](2)点云前处理：a.降噪：对获取到的三维点云模型，采用k
‑
最近邻算法去除背景部分和由于扫描角度和环境影响造成的噪点，在点云数据中，如果一个点到它的k个最近点的平均距离大于设定值，则该点被判定为噪点(在去除噪点过程中，kd
‑
tree算法被用于加速搜索一个点的近邻点的过程)；b.降采样：首先，对三维点云模型进行网格划分(同一个网格内的点具有相同的索引值，不同方向上网格的数量可自定义)，然后，对于点云密度值大于设定阈值的每个网格，计算其降采样参数s，最后，根据降采样参数s值对每个网格进行降采样，以实现根据点云数据中各个部分的密度不同，采取不同比例的降采样操作；c.坐标转换：首先，对经去噪和降采样之后的点云中每个点p
i
，基于p
i
的近邻点，计算p
i
法向量(n1，n2，n3)，然后，将p
i
通过其法向量映射到高斯球空间中，预制构件的点云数据中，同一组平行平面上的点在高斯球空间中形成一对对称的点云簇，接着，使用DBSCAN算法寻找高斯球空间
中的点云簇，计算每个点云簇的法向量均值，并将其中平行的法向量合并，得到三个互相垂直的法向量并建立新坐标系，将新坐标系的原点设为三维点云模型的重心，最后，计算新旧坐标系之间的夹角，将点云中每个点p
i
转换到新坐标系中；
[0010](3)点云分割：a.钢筋分割：对于带钢筋伸出端的混凝土构件，为分割点云数据中与伸出钢筋相关的点，采用OC
‑
SVM算法训练钢筋的几何特征和颜色特征，并将训练结果用来识别点云数据中与钢筋伸出端相关联的所有点；b.混凝土平面分割：基于坐标转换后的点云数据，随机选取三个点，并基于这三个点得到一个平面，该平面需平行于经坐标转换后坐标系中的任意一个坐标面，基于这三个点使用RANSAC平面拟合算法对混凝土平面进行拟合，迭代拟合过程，直到所有的混凝土平面都被成功拟合，得到点云数据中所有与混凝土相关的点；
[0011](4)边缘点探测：对钢筋横截面的外边缘点、灌浆套筒端口的内边缘点、连接件所在混凝土顶面的边缘点进行探测；
[0012](5)边界拟合：采用圆拟合算法对步骤(4)得到的钢筋横截面的外边缘点、灌浆套筒端口的内边缘点进行拟合，得到钢筋横截面的外边界和灌浆套筒端口的内边界；采用角点估计算法对连接件所在混凝土顶面的角点进行探测，并基于混凝土角点对连接件所在混凝土顶面的四条边上所在的边缘点进行分割，然后采用直线拟合算法对各条边上所在边缘点进行拟合得到连接件所在混凝土顶面的边界；
[0013](6)尺寸和位置计算：计算混凝土边界尺寸、钢筋与灌浆套筒的尺寸及它们的横截面中心点位置。
[0014]上述技术方案中，进一步地，步骤(4)具体为：对于端部有伸出钢筋的混凝土构件，分别对分离出来的钢筋的横截面外边缘点和其所在混凝土顶面的点云数据进行Delaunay三角剖分，采用α
‑
shape算法对钢筋横截面的外边缘点及钢筋伸出端所在混凝土顶面的边缘点进行探测，并对结果进行合并；对于带灌浆套筒的混凝土构件，选取灌浆套筒所在的混凝土顶面，基于混凝土顶面点云数据的Delaunay三角剖分结果，采用α
‑
shape算法对灌浆套筒端口的内边缘点及灌浆套筒端口所在混凝土顶面的边缘点进行探测。
[0015]进一步地，步骤(5)中，所述的采用角点估计算法对连接件所在混凝土顶面的角点进行探测，具体为：对于获取到的混凝土顶面边缘点，计算每个点的曲率变化值，因混凝土角部边缘点的曲率会发生突增，即角部边缘点的曲率变化值相比其他部分更大，故可通过设定阈值提取出混凝土边界的初始角点，混凝土角部的边缘点的曲率变化值相比其他部分更大，故可依据初始角点对混凝土边缘点进行识别，并使用基于最小二乘法的线拟合算法对混凝土边界线进行拟合，根据拟合结果计算出真实角点的位置即可得到混凝土角点。
[0016]与现有方法相比，本专利技术具有如下有益效果：
[0017]本专利技术提高了点云前处理方法的自动化程度，采用一种基于点云数据密度的降采样算法，可根据点云密度的不同采取不同比例的采样操作，在加快计算速度的同时保留了三维点云模型上伸出钢筋的数据完整性；本专利技术采用基于点云法向量的坐标转换算法对三维点云模型自动进行坐标变换，增强了可视化效果，且有利于后续算法处理；本专利技术采用OC
‑
SVM算法实现了对混凝土构件上伸出钢筋的自动化识别；本专利技术基于点云数据的Delaunay三角剖分结果，使用α
‑
shape算法快速探测混凝土构件上伸出钢筋横截面、灌浆套筒端口内径以及混凝土顶面外轮廓的边缘点，实现了对多种形状边界的自动化边缘点探
测；本专利技术采用基于几何特征的角点估计算法实现了对混凝土平面角点的精准提取；本专利技术基于边缘点探测结果，使用拟合算法实现了对钢筋横截面、灌浆套筒内径和混凝土的边界线的精确拟合；本专利技术基于最小二乘法的拟合方法进行边界拟合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于三维激光扫描方法的混凝土构件自动化检测方法，其特征在于，具体包括如下步骤：(1)获取混凝土构件的点云数据：使用三维激光扫描仪对混凝土构件进行扫描，获取其点云数据并构建三维点云模型；所述的混凝土构件是按照设计规格在工厂或现场预先制成的，混凝土构件端部有伸出钢筋或在混凝土内部预埋置有灌浆套筒；(2)点云前处理：a.降噪：对获取到的三维点云模型，采用k
‑
最近邻算法去除背景部分和由于扫描角度和环境影响造成的噪点，在点云数据中，如果一个点到它的k个最近点的平均距离大于设定值，则该点被判定为噪点，在去除噪点过程中，kd
‑
tree算法被用于加速搜索一个点的近邻点的过程；b.降采样：首先，对三维点云模型进行网格划分，同一个网格内的点具有相同的索引值，不同方向上网格的数量可自定义；然后，对于点云密度值大于设定阈值的每个网格，计算其降采样参数s，最后，根据降采样参数s值对每个网格进行降采样；c.坐标转换：首先，对经去噪和降采样之后的点云中每个点p
i
，基于p
i
的近邻点，计算p
i
法向量(n1，n2，n3)，然后，将p
i
通过其法向量映射到高斯球空间中，预制构件的点云数据中，同一组平行平面上的点在高斯球空间中形成一对对称的点云簇，接着，使用DBSCAN算法寻找高斯球空间中的点云簇，计算每个点云簇的法向量均值，并将其中平行的法向量合并，得到三个互相垂直的法向量并建立新坐标系，将新坐标系的原点设为三维点云模型的重心，最后，计算新旧坐标系之间的夹角，将点云中每个点p
i
转换到新坐标系中；(3)点云分割：a.钢筋分割：对于带钢筋伸出端的混凝土构件，为分割点云数据中与伸出钢筋相关的点，采用OC
‑
SVM算法训练钢筋的几何特征和颜色特征，并将训练结果用来识别点云数据中与钢筋伸出端相关联的所有点，所述钢筋的几何特征为线性度L
λ
和平面度P
λ
，颜色特征为RGB值；b.混凝土平面分...

【专利技术属性】
技术研发人员：赵唯坚，江宇，舒江鹏，
申请(专利权)人：浙江大学，
类型：发明
国别省市：