不同直径二衬钢筋网纵横定向分离、间距检测方法及系统
文献发布时间:2024-04-18 19:59:31
技术领域
本发明属于建筑技术领域,尤其涉及一种不同直径二衬钢筋网纵横定向分离、间距检测方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
隧道二衬是隧道安全的最后一道防线,其中钢筋绑扎间距直接决定了二衬的施工质量。隧道工程具有建设工程量大、循环施工周期短、二衬施工场景复杂且狭小等特点,因此,在隧道工程质量检测方面存在着机械化、自动化水平低,人力成本高,抽样检测可靠度较低及后期检校困难等不足。
针对上述不足,提出基于三维激光点云技术的特点,其对隧道场景适应性强,可实现大面积、高精度、全视角及无接触获取隧道表面点的坐标信息的特点进而实现隧道数据的实景复刻。但是,三维点云数据中准确、自动化提取目标钢筋间距存在以下不足:二衬钢筋网的连续性好,且可以分为主筋和分布筋,在较大的数据量条件下二者自动化区分困难;隧道二衬钢筋点云数据为弧形钢筋,计算过程不同于简单长直钢筋,现有点云距离算法不适用;点云数据较粗糙存在噪点影响数据精度,无法确定其钢筋中轴线,距离计算存在误差。
发明内容
为了解决上述背景技术中存在的技术问题,本发明提供一种不同直径二衬钢筋网纵横定向分离、间距检测方法及系统,其通采用一种不同直径二衬钢筋网纵横筋定向分离算法将二衬钢筋网自动分类为主筋及分布筋并根据坐标方位编码实现单根钢筋编码,然后基于二衬钢筋的形体特征采用一种针对不同直径组合钢筋网的最近邻均值算法,可以较为准确的提取不同直径钢筋网对应钢筋之间的距离。
为了实现上述目的,本发明采用如下技术方案:
本发明的第一个方面提供一种不同直径二衬钢筋网纵横定向分离方法。
不同直径二衬钢筋网纵横定向分离方法,包括:
获取二衬钢筋网点云数据;
基于二衬钢筋网点云数据,通过钢筋和节点的形态特征定向滤除钢筋节点数据;
确定主筋和分布筋的线性临界阈值,以此分类得到主筋点云数据和分布筋点云数据,并对主筋点云数据和分布筋点云数据进行分段细化;
对分段细化后的数据,进行噪点滤除和编码,得到分离后的主筋点云数据和分布筋点云数据。
进一步地,所述通过钢筋和节点的形态特征定向滤除钢筋节点数据的过程包括:根据主筋最大直径,确定领域半径;基于领域半径,确定任意点的领域特征;基于任意点的领域特征,确定选取主筋的线性阈值;基于主筋的线性阈值遍历点云数据,滤除所有节点数据。
进一步地,得到所述线性临界阈值的过程包括:对主筋的分布区间和分布筋的分布区间进行线性拟合,则拟合曲线取极点对应的线性值即为所述线性临界阈值。
进一步地,所述编码包括,构建隧道的三维坐标系,将各组主筋点云数据文件按照中心坐标的X-Z-Y的命名方式编码,各组分布筋点云数据文件按照中心坐标的Z-X-Y的命名方式编码。
本发明的第二个方面提供一种不同直径二衬钢筋网纵横定向分离系统。
不同直径二衬钢筋网纵横定向系统,包括:
数据获取模块,其被配置为:获取二衬钢筋网点云数据;
滤除模块,其被配置为:基于二衬钢筋网点云数据,通过钢筋和节点的形态特征定向滤除钢筋节点数据;
分类模块,其被配置为:确定主筋和分布筋的线性临界阈值,以此分类得到主筋点云数据和分布筋点云数据,并对主筋点云数据和分布筋点云数据进行分段细化;
去噪模块,其被配置为:对分段细化后的数据,进行噪点滤除和编码,得到分离后的主筋点云数据和分布筋点云数据。
本发明的第三个方面提供一种不同直径二衬钢筋网间距检测方法。
不同直径二衬钢筋网间距检测方法,包括:
基于分离后的主筋点云数据和分布筋点云数据,采用相同或不同的最近邻均值算法计算分布筋间距和/或主筋间距;
其中,所述分离后的主筋点云数据和分布筋点云数据采用第一个方面所述的不同直径二衬钢筋网纵横定向分离方法得到。
进一步地,计算所述分布筋间距采用以下公式:
其中A
进一步地,计算所述主筋间距采用以下公式:
其中A
本发明的第四个方面提供一种不同直径二衬钢筋网间距检测系统。
不同直径二衬钢筋网间距检测系统,包括:
间距计算模块,其被配置为:基于分离后的主筋点云数据和分布筋点云数据,采用相同或不同的最近邻均值算法计算分布筋间距和/或主筋间距;
其中,所述分离后的主筋点云数据和分布筋点云数据采用第一个方面所述的不同直径二衬钢筋网纵横定向分离方法得到。
本发明的第五个方面提供一种计算机可读存储介质。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一个方面所述的不同直径二衬钢筋网纵横定向分离方法中的步骤,或,实现如第三个方面所述的不同直径二衬钢筋网间距检测方法中的步骤。
本发明的第六个方面提供一种计算机设备。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一个方面所述的不同直径二衬钢筋网纵横定向分离方法中的步骤,或,实现如第三个方面所述的不同直径二衬钢筋网间距检测方法中的步骤。
与现有技术相比,本发明的有益效果是:
本发明采用不同直径二衬钢筋网纵横定向分离方法,实现了二衬钢筋网内部主筋分布筋的自动化分类。
本发明采用最近邻均值方法,可以根据不同钢筋直径的形态特征关系对不同钢筋间距的提取精度进行优化,减少不同直径钢筋因点云形态特征而产生的误差,提高检测精度,从而准确的提取不同直径钢筋网对应钢筋之间的距离。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1为不同直径二衬钢筋网间距检测方法的整体流程示意图;
图2为不同直径二衬钢筋网纵横定向分离方法的工作流程示意图;
图3(a)为线状点云理论依据示意图;
图3(b)为面状点云理论依据示意图;
图3(c)为球状点云理论依据示意图;
图4为不同直径钢筋网线性参数统计分布状况示意图;
图5为不同直径钢筋网线性参数统计拟合曲线图;
图6为钢筋网节点滤除结果示意图;
图7为最近邻算法两组点云计算结果示意图;
图8为不同直径钢筋半截面类型示意图;
图9为钢筋半圆柱截面最近邻算法平均距离的计算误差示意图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
需要注意的是,附图中的流程图和框图示出了根据本公开的各种实施例的方法和系统的可能实现的体系架构、功能和操作。应当注意,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,所述模块、程序段、或代码的一部分可以包括一个或多个用于实现各个实施例中所规定的逻辑功能的可执行指令。也应当注意,在有些作为备选的实现中,方框中所标注的功能也可以按照不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,或者它们有时也可以按照相反的顺序执行,这取决于所涉及的功能。同样应当注意的是,流程图和/或框图中的每个方框、以及流程图和/或框图中的方框的组合,可以使用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以使用专用硬件与计算机指令的组合来实现。
实施例一
如图2所示,本实施例提供了一种不同直径二衬钢筋网纵横定向分离方法,本实施例以该方法应用于服务器进行举例说明,可以理解的是,该方法也可以应用于终端,还可以应用于包括终端和服务器和系统,并通过终端和服务器的交互实现。服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务器、云通信、中间件服务、域名服务、安全服务CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等,但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请在此不做限制。本实施例中,该方法包括:钢筋节点滤除、主筋分布筋整体点云分类、钢筋数据分段细化以及噪点滤除及编码等步骤。
钢筋节点滤除:通过钢筋和节点的形态特征定向滤除钢筋节点,破坏点云数据之间的连续性关系,排除节点等干扰信息。基于钢筋网中最大主筋的直径,将其作为邻域半径r并计算任意点P的邻域特征,通过计算邻域的三维空间特征值λ1、λ2、λ3,根据点云邻域的特征可以分为三类:线状点云、面状点云及球状点云(如图3(a)、图3(b)、图3(c)所示)。基于根据选定的邻域半径根据下式计算该点P的线性Li,L越大该点的线性越强。
将上述L的数值按照[0,1]从小到大进行排序。因为获取到的钢筋网数据是对称且仅有两种钢筋直径,因此按照Li数据作为纵坐标,点数量m作为横坐标产生的统计图中会呈现两个正态分布的波形(如图4)。钢筋直径越小、线性越强且主筋点数量大于分布筋,故在点数量多,平均线性小的正态分布区间中取概率值为0.9973对应的较小的线性值作为主筋的线性阈值L’。将选取主筋的线性阈值L’作为分离钢筋数据和节点数据的线性阈值,若P点根据邻域内点计算出的Li小于L’,该点属于节点数据,删除该点,遍历点云,滤除所有节点数据。
主筋分布筋整体点云分类:是基于计算出来的分布筋的线性阈值,对主筋、分布筋线性的分布区间进行线性拟合,特别是两个正态分布值之间的交叉区域,通过对该区域拟合曲线取极点对应的线性值L
分类数据分段细化:基于钢筋绑扎连续性特征并将滤除节点的尺寸作为参数,将钢筋网点云细化为多个主筋段、分布筋段点云,实现单根钢筋的自动化分离。在分离出来的整体主筋数据中任意取一点P,对其按照分布筋的直径进行邻域半径搜索,若该点能搜索到近邻点且近邻点的数量M1不低于该近邻点P1搜索到数量的1/4,则该点P属于钢筋点云;否则点P属于噪点(整体分布筋数据处理方法如上,邻域搜索半径为主筋直径)。根据图6的原理,可以将两组整体点云分离成为单独的钢筋段点云。
噪点滤除及编码:基于密度特征,滤除算法运行过程中产生的散乱噪点和线性交叉噪点,提高数据精度。计算分布筋/主筋单根钢筋段的平均点数量m1,然后将同类钢筋段的点数量m与m1比较,如果m
实施例二
本实施例提供了一种不同直径二衬钢筋网纵横定向系统。
不同直径二衬钢筋网纵横定向系统,包括:
数据获取模块,其被配置为:获取二衬钢筋网点云数据;
滤除模块,其被配置为:基于二衬钢筋网点云数据,通过钢筋和节点的形态特征定向滤除钢筋节点数据;
分类模块,其被配置为:确定主筋和分布筋的线性临界阈值,以此分类得到主筋点云数据和分布筋点云数据,并对主筋点云数据和分布筋点云数据进行分段细化;
去噪模块,其被配置为:对分段细化后的数据,进行噪点滤除和编码,得到分离后的主筋点云数据和分布筋点云数据。
此处需要说明的是,上述数据获取模块、滤除模块、分类模块和去噪模块与实施例一中的步骤所实现的示例和应用场景相同,但不限于上述实施例一所公开的内容。需要说明的是,上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
实施例三
如图1所示,本实施例提供了一种不同直径二衬钢筋网间距检测方法。
现有的点云间距提取方法大多采用最近邻算法,但是根据钢筋点云特征及算法原理,该算法计算结果是一组钢筋点云到另一组钢筋点云相邻侧面的距离,计算结果示意图如图7所示。
对于分布筋,其直径较小,钢筋数据的曲面特征不明显,两钢筋实际间距需要在此基础上增加钢筋半径r且得到的间距是一个数据范围,后续需要进行数据处理。因钢筋点云数据分布较为均匀,可通过下列公式计算其真实钢筋点云间距的平均值,作为钢筋间距。
其中A
对于主筋,其点云形态为半圆柱面,其纵筋截面形态为半圆且对称(图8),对应数据在半圆曲面计算的时候会在竖向产生r的距离误差,原理如图9所示,故主筋间距计算公式应同下列公式。
其中A
可以基于钢筋的形态特征对现有的钢筋间距提取方法进行优化,提高钢筋间距提取的精度,结合钢筋自动分离算法最终实现钢筋网间距的自动化高精度提取。
为验证本发明算法的准确性,故采集标准数据200*300mm的标准钢筋网数据并对比前后算法的精度如下表1所示。
表1基于最近邻算法平均值的钢筋间距提取
上表说明本文提出算法间距提取的纵筋误差约为2mm,准确率约为99%;分布筋误差约为8mm,准确率约为97%。《公路隧道施工技术规范》(JTGT 3660-2020)要求主筋间距误差为±10mm;《混凝土结构工程施工质量验收规范》(GB 50204-2015)要求钢筋间距误差为±20mm,未改进误差大于规范的容许误差,改进后该方法实际应用可满足规范要求。
实施例四
本实施例提供了一种不同直径二衬钢筋网间距检测系统。
不同直径二衬钢筋网间距检测系统,包括:
间距计算模块,其被配置为:基于分离后的主筋点云数据和分布筋点云数据,采用相同或不同的最近邻均值算法计算分布筋间距和/或主筋间距;
其中,所述分离后的主筋点云数据和分布筋点云数据采用权利要求1-3任一项所述的不同直径二衬钢筋网纵横定向分离方法得到。
此处需要说明的是,上述间距计算模块与实施例三中的步骤所实现的示例和应用场景相同,但不限于上述实施例三所公开的内容。需要说明的是,上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
实施例三
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如实施例一所述的不同直径二衬钢筋网纵横定向分离方法中的步骤,或,实现如实施例三所述的不同直径二衬钢筋网间距检测方法中的步骤。
实施例四
本实施例提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如实施例一所述的不同直径二衬钢筋网纵横定向分离方法中的步骤,或,实现如实施例三所述的不同直径二衬钢筋网间距检测方法中的步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
- 一种基于多源领域融合迁移学习的目标分类识别方法
- 一种基于多源信息融合的手语识别方法
- 一种基于多源数据融合分析的生物入侵识别方法
- 一种基于多元数据融合的网源协调源侧性能边缘计算与分析平台