基于机器视觉的钢筋单元件检测方法技术

本发明专利技术提供一种基于机器视觉的钢筋单元件检测方法，检测流程为图像获取、画面校正、特征识别、数据处理、结果呈现。采用的技术为畸变校正、透视校正、Zhang

【技术实现步骤摘要】
基于机器视觉的钢筋单元件检测方法


[0001]本专利技术涉及钢筋单元件尺寸检测领域，尤其是涉及一种基于机器视觉的钢筋单元件检测方法。

技术介绍

[0002]钢筋加工成型后，检测钢筋长度、弯折角度的传统方法为简易尺子+肉眼观测，钢筋投影划线后，采用量角器测量弯折角度；采用卷尺测量两端投影交点得到长度；用角钢制作辅助工装，大致判断单元件是否有显著制造误差。人工测量方法工作量大、效率低、检测精度差，且只能进行抽样小批量检测，难以满足工程中大批量、高精度钢筋检测的需求。
[0003]为降低钢筋检测人员用量、提升检测效率和精度，自动化检测工艺逐步应用于钢筋工程。一种基于机器视觉的电力管廊钢筋网质量检测方法及检测装置(CN 105956942A)被提出，检测装置包括可伸缩三角支架、双管导轨、步进电机、水平仪及装载超高清摄像机的云台。采用图像拼接、哈夫变换直线检测等技术来统计米标内的钢筋数量，采用边缘提取技术，利用最小二乘法拟合出每根钢筋，计算相邻钢筋之间的间距，利用最小二乘法拟合出每根钢筋的双边界以得到钢筋的直径。此装置及技术无法得到单根钢筋的长度及弯折角度。
[0004]为检查钢筋的安装尺寸和位置是否符合图纸要求，一种基于三维激光扫描的钢筋安装检测方法被提出(CN 115014198A)，首先基于BIM设计模型，借助视线检测算法规划测站；然后利用地面三维激光扫描仪进行扫描；将各测站获取的数据进行坐标转换拼接成完整钢筋网，根据有效数据范围将完整钢筋网分为多个测区；再单独分析各测区钢筋点云数据，根据直径、位置、间距、保护层厚度重建各测区钢筋模型，再将各测区钢筋模型拼接整合成完整的钢筋网模型；最后将真实的钢筋模型与钢筋BIM设计模型对比。该专利主要用于检测钢筋网的安装精度，无法精确测量单根钢筋的长度和弯折角度。

技术实现思路

[0005]本专利技术的主要目的在于提供一种基于机器视觉的钢筋单元件检测方法，解决人工测量方法工作量大、效率低、检测精度差，且只能进行抽样小批量检测，难以满足工程中大批量、高精度钢筋检测的需求的问题。
[0006]为解决上述技术问题，本专利技术所采用的技术方案是：一种基于机器视觉的钢筋单元件检测方法，其特征是：机器视觉对钢筋单元的钢筋长度检测以及钢筋弯折角度检测，先对待测钢筋的图像进行获取，然后对获取的图像进行画面校正，得到精确测量的数字图像；
[0007]对数字图像进一步特征识别，识别出钢筋的始末点，对识别图像再进行数据处理，并将数据标注尺寸信息映射至钢筋轮廓上。
[0008]优选方案中，检测方法具体步骤为：
[0009]S1、图像获取：将钢筋单元件放置于与钢筋颜色反差较大的纯色背景上，使用灯光进行补光，采用工业相机获取钢筋主体及轮廓清晰的图像；
[0010]S2、画面校正：对数字图像进行前处理：先畸变校正、再透视校正，将原始数字图像转化为可用于精确测量的数字图像；
[0011]S3、特征识别：先筛选出钢筋轮廓，再提取骨骼，以突出单元件的主要形状信息，基于Zhang
‑
Suen并行快速骨骼化算法：对符合特定条件的目标像素，进行腐蚀，不断迭代，直到上一次腐蚀后的目标在本轮操作中，没有新的像素点被腐蚀，算法结束；
[0012]基于骨骼图，提取始末点坐标；
[0013]真实钢筋端点在三叉点外延D/2处，知道三叉点坐标和直线参数后即可求得钢筋始末点，遍历全部像素点，按特征即可筛选出全部三叉点；
[0014]基于骨骼图，提取拐点坐标；
[0015]S5、数据处理：关键点依次连线，计算角度及各段长度，修正始末点位置；
[0016]S6、结果呈现：根据关键点信息，重绘钢筋形状，标注尺寸信息，映射至钢筋轮廓上。
[0017]优选方案中，基于骨骼图，提取拐点坐标的步骤为：
[0018]A1、采用HoughLinesP算法进行直线检测；
[0019]A2、指定任意一个始末点作为起始点；
[0020]A3、计算钢筋骨骼重心点O坐标；
[0021]A4、连接O与各段检测出直线中点，计算OS逆时针旋转至与该直线同向的角度；
[0022]A5、以该角度值升序规则对全部检出直线重新编号；
[0023]A6、计算重编后直线i与i+1夹角，设定阈值，夹角若大于该值，认为钢筋发生弯折；
[0024]A7、对于认定发生弯折的两相邻直线，计算交点坐标；
[0025]A8、判断重编后1#直线是否经过起始点，若否，始末点交换；
[0026]优选方案中，Zhang
‑
Suen并行快速骨骼化算法的具体步骤为：
[0027]B1、像素点的8邻域中间为P1,P1上面为P2,按顺时针排列其余个点；
[0028]B2、循环所有前景像素,并按照以下条件标记要删除的像素，其中灰度值为0；
[0029]A.2≤N(pl)≤6,中心像素P1周围的目标像素，灰度值为1的个数在2～6之间；
[0030]B.S(P1)＝1,8邻域像素中,按顺时针方向，相邻两个像素出现0
→
1的次数为1；
[0031]C.P2
×
P4
×
P6＝0；P4
×
P6
×
P8＝0；
[0032]B3、条件A、B与B2一致,条件C不同,满足以下条件的像素P1标记为删除:
[0033]P2
×
P4
×
P8＝0，P2
×
P6
×
P8＝0
[0034]B3、循环B2、B3,直到图像中没有可“删除”的像素,输出的结果即为钢筋目标细化后的图像。
[0035]优选方案中，三叉点坐标和直线参数后即可求得钢筋始末点的具体方法为：
[0036]像素点的8邻域中间为d0,按顺时针排列其余个点d1‑
d8；
[0037]二值化后的图像前景点像素值为1,背景点像素值为0,则图像中各前景像素所对应的T值为：
[0038][0039]其中：其中,d
i
(i＝1,2.,8)表示第i个像素点处的值,8邻域中d0外圈有三个值为1
的像素时为三叉点特征；
[0040]8邻域中d0外圈有二个值为1的像素时为直线上的点特征；
[0041]8邻域中d0外圈有一个值为1的像素时为端点特征。
[0042]本专利技术提供了一种基于机器视觉的钢筋单元件检测方法，具有如下优点：
[0043]1、测量精度高，长度≤0.5mm，角度≤0.1
°
；
[0044]2、测量方式简洁、易操作，测量时间短，单根单元件测量时间不超过1秒；
[0045]3、可通过界面显示出测量出的实际长度和角度，并可以与理论参数进行对比分析，显示出长度偏差和角度偏差；
[0046]4、当偏差超过预定范围，系统可进行报警，从而在加工现场实时调整，可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的钢筋单元件检测方法，其特征是：机器视觉对钢筋单元的钢筋长度检测以及钢筋弯折角度检测，先对待测钢筋(3)的图像进行获取，然后对获取的图像进行画面校正，得到精确测量的数字图像；对数字图像进一步特征识别，识别出钢筋的始末点，对识别图像再进行数据处理，并将数据标注尺寸信息映射至钢筋轮廓上。2.根据权利要求1所述一种基于机器视觉的钢筋单元件检测方法，其特征是：检测方法具体步骤为：S1、图像获取：将钢筋单元件放置于与钢筋颜色反差较大的纯色背景上，使用灯光进行补光，采用工业相机(2)获取钢筋主体及轮廓清晰的图像；S2、画面校正：对数字图像进行前处理：先畸变校正、再透视校正，将原始数字图像转化为可用于精确测量的数字图像；S3、特征识别：先筛选出钢筋轮廓，再提取骨骼，以突出单元件的主要形状信息，基于Zhang
‑
Suen并行快速骨骼化算法：对符合特定条件的目标像素，进行腐蚀，不断迭代，直到上一次腐蚀后的目标在本轮操作中，没有新的像素点被腐蚀，算法结束；基于骨骼图，提取始末点坐标；真实钢筋端点在三叉点外延D/2处，知道三叉点坐标和直线参数后即可求得钢筋始末点，遍历全部像素点，按特征即可筛选出全部三叉点；基于骨骼图，提取拐点坐标；S5、数据处理：关键点依次连线，计算角度及各段长度，修正始末点位置；S6、结果呈现：根据关键点信息，重绘钢筋形状，标注尺寸信息，映射至钢筋轮廓上。3.根据权利要求2所述一种基于机器视觉的钢筋单元件检测方法，其特征是：基于骨骼图，提取拐点坐标的步骤为：A1、采用HoughLinesP算法进行直线检测；A2、指定任意一个始末点作为起始点；A3、计算钢筋骨骼重心点O坐标；A4、连接O与各段检测出直线中点，计算OS逆时针旋转至与该直线同向的角度；A5、以该角度值升序规则对全部检出直线重新编号；A6、计算重编后直线i与i+1夹角，设定阈值，夹角若大于该值，认为钢...

【专利技术属性】
技术研发人员：王敏，郑和晖，游新鹏，肖林，丁子贤，沈惠军，李刚，陈林松，张峰，马弟，代浩，高世洪，易辉，袁超，曹利景，黄涛，李锋，李自强，王江成，
申请(专利权)人：中交第二航务工程局有限公司，
类型：发明
国别省市：