摘 要:隨著現(xiàn)代制造業(yè)的飛速發(fā)展,工業(yè)生產(chǎn)中對鋼結(jié)構(gòu)構(gòu)件的尺寸精度要求越來越高,傳統(tǒng)的質(zhì)量檢測方法一般都需要人工參與,工作效率低,成本高,測量精度不高,不符合高度自動化的要求。針對現(xiàn)有檢測手段存在的不足,提出一種基于機(jī)器視覺的非接觸式大尺寸構(gòu)件結(jié)構(gòu)幾何參數(shù)自動化檢測系統(tǒng),便于形成數(shù)字化檢測結(jié)果,進(jìn)行信息化管控。
關(guān)鍵詞:機(jī)器視覺;鋼結(jié)構(gòu)產(chǎn)線;雙目立體視覺;畸變矯正
中圖分類號:TP391" " 文獻(xiàn)標(biāo)志碼:A" " 文章編號:1671-0797(2025)04-0031-06
DOI:10.19514/j.cnki.cn32-1628/tm.2025.04.008
0" " 引言
建筑業(yè)作為我國的支柱產(chǎn)業(yè)之一,在國民經(jīng)濟(jì)組成中占據(jù)重要地位。然而,隨著城市化進(jìn)程的加速以及建筑工程的不斷發(fā)展,其逐漸暴露出資源消耗巨大、污染排放高、生產(chǎn)效率低、安全風(fēng)險大、質(zhì)量不達(dá)標(biāo)等問題,與新發(fā)展理念和雙碳戰(zhàn)略的要求形成了明顯的矛盾。傳統(tǒng)建筑方式往往粗放施工,缺乏綠色理念和可持續(xù)性,不僅社會形象較差,而且會導(dǎo)致嚴(yán)重的污染和浪費,對施工過程的管理也會造成許多困難。為改變建筑業(yè)現(xiàn)狀,推動行業(yè)向更加可持續(xù)、高效的方向發(fā)展,必須進(jìn)行生產(chǎn)方式上的革新。
近年來,國家和各省市相繼出臺了一系列相關(guān)政策推動預(yù)制裝配式建筑發(fā)展,如2020年住房和城鄉(xiāng)建設(shè)部等13部門聯(lián)合印發(fā)了《關(guān)于推動智能建造與建筑工業(yè)化協(xié)同發(fā)展的指導(dǎo)意見》。建筑工業(yè)化主要將建筑看作像汽車一樣的“工業(yè)產(chǎn)品”,其將建筑拆分為不同的“零件”(梁、板、柱等構(gòu)件),通過工廠化制作生產(chǎn),再在工廠內(nèi)或現(xiàn)場拼裝成整體[1],實現(xiàn)“像造汽車一樣建造房子”。
裝配式建筑主要包括預(yù)制裝配式混凝土結(jié)構(gòu)、鋼結(jié)構(gòu)、現(xiàn)代木結(jié)構(gòu)建筑等,相對來說,鋼結(jié)構(gòu)建筑具有自重輕、強度高、可回收、更穩(wěn)定等特點[2]。但是傳統(tǒng)鋼結(jié)構(gòu)存在材料選擇不當(dāng)、強度計算不足導(dǎo)致結(jié)構(gòu)的脆弱性和不穩(wěn)定性,焊接工藝和質(zhì)量控制不嚴(yán)導(dǎo)致焊縫質(zhì)量不佳,施工結(jié)果易受現(xiàn)場施工管理、工人操作水平、材料使用和質(zhì)量控制等方面影響,結(jié)構(gòu)設(shè)計不合理或缺乏綜合考慮,導(dǎo)致整體結(jié)構(gòu)受力不均、變形過大等問題。而提升鋼結(jié)構(gòu)產(chǎn)品集成化程度這一研究方向可極大地避免與解決上述弊端。
在鋼結(jié)構(gòu)模塊生產(chǎn)加工過程中,需要對鋼結(jié)構(gòu)構(gòu)件尺寸進(jìn)行檢測。若想提升鋼結(jié)構(gòu)產(chǎn)品集成化程度,則需對鋼結(jié)構(gòu)尺寸檢測方式進(jìn)行革新,以適配更高的檢測精度。傳統(tǒng)的檢測方式以人工檢測為主,不僅耗時耗力,并且無法產(chǎn)生數(shù)字化的檢測結(jié)果,無法對全流程生產(chǎn)進(jìn)行信息化管控[3]。鑒于此,本文提出了一種基于機(jī)器視覺的非接觸式大尺寸構(gòu)件結(jié)構(gòu)幾何參數(shù)自動化檢測系統(tǒng),通過模擬人眼視差的原理分析計算得知被測物體的三維信息(點云),經(jīng)過分析點云獲得被測構(gòu)件的尺寸信息。該檢測系統(tǒng)具有非接觸、高精度、高分辨率、數(shù)據(jù)獲取速度快、數(shù)字化程度高等優(yōu)勢,可以在現(xiàn)場環(huán)境惡劣、人力無法到達(dá)的情況下獲取大量的被測目標(biāo)數(shù)據(jù),在實際應(yīng)用中能夠彌補傳統(tǒng)測量方法的諸多不足。
1" " 機(jī)器視覺的原理
機(jī)器視覺是一種模仿人眼視覺系統(tǒng)的技術(shù),通過使用相機(jī)和圖像處理算法來實現(xiàn)對圖像和視頻數(shù)據(jù)的解析,其原理基于光學(xué)、數(shù)字圖像處理和模式識別等領(lǐng)域的知識。機(jī)器視覺技術(shù)一般可以分為以下幾個關(guān)鍵步驟:
1)圖像采集:機(jī)器視覺系統(tǒng)首先通過相機(jī)或其他圖像采集設(shè)備獲取待處理的圖像或視頻數(shù)據(jù)。這些圖像數(shù)據(jù)可以是由自然光源照射的真實場景,也可以是由激光或光柵等特殊設(shè)備產(chǎn)生的結(jié)構(gòu)化圖像。
2)圖像預(yù)處理:采集到的圖像往往包含了一定的噪聲、畸變和干擾。圖像預(yù)處理階段主要對圖像進(jìn)行去噪、增強和矯正等處理,以提高后續(xù)處理的準(zhǔn)確性和穩(wěn)定性。常用的圖像預(yù)處理技術(shù)包括濾波、直方圖均衡化、幾何矯正等。
3)特征提?。禾卣魈崛∈菣C(jī)器視覺技術(shù)的核心步驟,其目標(biāo)是從圖像或視頻數(shù)據(jù)中提取出具有代表性的特征信息。特征可以是邊緣、角點、紋理、顏色等圖像中的局部結(jié)構(gòu)或全局特征。常用的特征提取算法包括邊緣檢測、角點檢測、尺度不變特征變換(Scale-invariant feature transform,SIFT)等。
4)特征匹配:在特征提取后,機(jī)器視覺系統(tǒng)會對提取到的特征進(jìn)行匹配。特征匹配的目標(biāo)是將同一物體在不同圖像或視頻幀中的特征進(jìn)行關(guān)聯(lián),從而實現(xiàn)目標(biāo)物體的識別、跟蹤和測量等應(yīng)用。常見的特征匹配算法包括描述子匹配、基于模板匹配的相關(guān)濾波等。
5)物體識別與分類:根據(jù)特征匹配的結(jié)果,機(jī)器視覺系統(tǒng)可以進(jìn)行物體的識別和分類。這一步驟可以通過訓(xùn)練機(jī)器學(xué)習(xí)模型,如支持向量機(jī)(SVM)、卷積神經(jīng)網(wǎng)絡(luò)(CNN)等,來實現(xiàn)對不同類別物體的自動識別和分類。
6)目標(biāo)跟蹤和定位:在視頻處理中,機(jī)器視覺常常需要對目標(biāo)進(jìn)行跟蹤和定位。通過分析連續(xù)幀圖像中的物體變化,采用卡爾曼濾波等相關(guān)濾波跟蹤算法,可以實現(xiàn)對目標(biāo)物體在圖像序列中的軌跡跟蹤和位置估計。
7)決策與反饋:最后,機(jī)器視覺系統(tǒng)根據(jù)對圖像或視頻數(shù)據(jù)的分析結(jié)果進(jìn)行決策和反饋。根據(jù)具體的應(yīng)用場景,機(jī)器視覺可以輸出圖像報警、控制執(zhí)行器、完成自主導(dǎo)航等操作。
總體而言,機(jī)器視覺技術(shù)涉及圖像采集、圖像預(yù)處理、特征提取、特征匹配、物體識別與分類、目標(biāo)跟蹤和定位、決策與反饋等步驟。通過這些步驟的組合與優(yōu)化,機(jī)器視覺系統(tǒng)可以實現(xiàn)對圖像和視頻數(shù)據(jù)的全面解析與理解,從而實現(xiàn)各種應(yīng)用,如自動檢測、目標(biāo)跟蹤、人臉識別、無人駕駛等。
2" " 機(jī)器視覺幾何信息檢測系統(tǒng)概述
本文所述幾何信息檢測系統(tǒng)通過利用經(jīng)過標(biāo)定的工業(yè)相機(jī)采集鋼結(jié)構(gòu)預(yù)制件圖像信息,通過圖像處理模塊對圖像進(jìn)行畸變矯正及點云分割等獲取圖像特征,進(jìn)而獲取被測物體幾何參數(shù)信息,并呈現(xiàn)于人機(jī)交互界面,達(dá)到數(shù)字化信息管控的目的,如圖1所示。
系統(tǒng)的基本原理是光沿直線傳播。如圖2所示,地物與照片形成了相似三角形,由此可以建立起相框平面坐標(biāo)系與地物空間三維坐標(biāo)系的聯(lián)系,從而建立相應(yīng)的方程,通過獲取照片解算出物體的真實坐標(biāo)。
其中相機(jī)成像模型是一種數(shù)學(xué)模型,用于描述相機(jī)將三維空間中的物體映射到二維圖像上的過程,包括世界坐標(biāo)系、相機(jī)坐標(biāo)系、圖像坐標(biāo)系與像素坐標(biāo)系之間的轉(zhuǎn)換,如圖3所示,其中物理坐標(biāo)系(x,y)與像素坐標(biāo)系(u,v)位于同一平面。
可以通過旋轉(zhuǎn)矩陣R與平移矩陣T表示世界坐標(biāo)系與相機(jī)坐標(biāo)系的轉(zhuǎn)換關(guān)系:
式中:H1、H2分別為內(nèi)參與外參矩陣。
3" " 檢測系統(tǒng)硬件設(shè)計
工業(yè)相機(jī)在機(jī)器視覺系統(tǒng)中扮演著至關(guān)重要的角色,它的作用和重要性主要體現(xiàn)在以下幾個方面。
1)圖像獲取與轉(zhuǎn)換:工業(yè)相機(jī)作為機(jī)器視覺系統(tǒng)中的“眼睛”,負(fù)責(zé)捕捉目標(biāo)物體的圖像,將光信號轉(zhuǎn)化為電信號。這一過程至關(guān)重要,因為圖像的質(zhì)量直接影響到后續(xù)圖像處理和分析的準(zhǔn)確性。采用工業(yè)相機(jī)可以確保圖像的穩(wěn)定性和高分辨率,這對于進(jìn)行精確測量和識別必不可少。
2)適應(yīng)性與靈活性:工業(yè)相機(jī)具有多種分類標(biāo)準(zhǔn),如按照芯片類型(CCD或CMOS)、傳感器結(jié)構(gòu)特性(線陣或面陣)、掃描方式(隔行或逐行)、分辨率大小、輸出信號方式(模擬或數(shù)字)等進(jìn)行劃分。這種多樣性使得工業(yè)相機(jī)能夠適應(yīng)各種不同的應(yīng)用場景,無論是高速運動物體的檢測,還是對靜態(tài)物體的高精度測量,工業(yè)相機(jī)都能提供相應(yīng)解決方案。
3)圖像傳輸與信號處理:工業(yè)相機(jī)不僅采集圖像,還負(fù)責(zé)圖像的傳輸?,F(xiàn)代工業(yè)相機(jī)通常配備多種輸出接口,如USB、1394a/1394b、GigE、Camera Link等,這些接口確保了圖像數(shù)據(jù)能夠高效、穩(wěn)定地傳輸?shù)綀D像處理系統(tǒng)中。信號處理能力也是工業(yè)相機(jī)的重要特性,特別是對于數(shù)字相機(jī),內(nèi)置的A/D轉(zhuǎn)換器能夠?qū)D像信號數(shù)字化,減少傳輸過程中的噪聲和衰減。
4)性能優(yōu)勢:與傳統(tǒng)民用相機(jī)相比,工業(yè)相機(jī)具有更高的圖像穩(wěn)定性、更快的傳輸速度和更強的抗干擾能力。工業(yè)相機(jī)通常采用高質(zhì)量的圖像傳感器,如CCD或CMOS,它們具有高靈敏度、高信噪比等特點,能夠捕捉到微弱的信號。此外,工業(yè)相機(jī)還具有高幀率和高分辨率,能夠滿足高速和高精度的視覺檢測需求。
5)集成與兼容性:工業(yè)相機(jī)可以與多種圖像采集卡和采集系統(tǒng)兼容,使得整個機(jī)器視覺系統(tǒng)能夠高效集成。例如,工業(yè)相機(jī)與特定的采集卡接口匹配,可以確保圖像信號的正確傳輸和處理。此外,工業(yè)相機(jī)還可以與其他傳感器、執(zhí)行機(jī)構(gòu)等配合使用,共同構(gòu)建一個完整的機(jī)器視覺解決方案。
綜上所述,工業(yè)相機(jī)是機(jī)器視覺系統(tǒng)的核心組件之一,它不僅負(fù)責(zé)圖像的獲取,還影響到圖像處理與分析的精度和效率。因此,選擇合適的工業(yè)相機(jī)對于實現(xiàn)高質(zhì)量的視覺檢測至關(guān)重要。
本系統(tǒng)選用30臺大恒MER2-2000-6GMC型工業(yè)相機(jī)搭配8 mm定焦鏡頭組成圖像采集矩陣并計算生成高精度點云數(shù)據(jù)。大恒MER2-2000-6GMC型工業(yè)相機(jī)具有2 000萬像素的分辨率,具體為5 496(H)×
3 672(V),能夠捕捉到高清晰度的圖像,滿足在鋼結(jié)構(gòu)產(chǎn)線中對于鋼箱尺寸高精度檢測的需求,并且?guī)士蛇_(dá)5.8 fps,能夠?qū)崿F(xiàn)快速、連續(xù)的圖像采集,適用于高速檢測場景。其次,大恒工業(yè)相機(jī)內(nèi)部采取的特殊感光芯片能夠提供高質(zhì)量的圖像信號。
圖像采集矩陣分布示意圖如圖5所示,測量物體范圍可擴(kuò)展為12 m×4 m×5 m,滿足工廠對大尺寸鋼結(jié)構(gòu)構(gòu)件的自動化檢測需求。
構(gòu)件圖像采集多相機(jī)矩陣系統(tǒng)可以實現(xiàn)多視角覆蓋,提供更廣泛的視野覆蓋,多個攝像頭可以同時捕捉多個視角的信息,從而獲得更全面的場景信息;并且系統(tǒng)可以靈活配置重疊和非重疊的攝像頭組合,確保在各種復(fù)雜環(huán)境中都能提供準(zhǔn)確的視覺信息,提高檢測系統(tǒng)的精確度。
多個攝像頭可以保證互補信息,減少單個攝像頭的視線盲區(qū),提高系統(tǒng)魯棒性。通過多視點特征匹配,可以更準(zhǔn)確地估計三維點的位置,從而提高SLAM(Simultaneous Localization and Mapping,同時定位與地圖構(gòu)建)系統(tǒng)的精度。并且經(jīng)過多攝像頭系統(tǒng)的數(shù)據(jù)融合,可以更有效地最小化重投影誤差,提高鋼箱構(gòu)件幾何信息的準(zhǔn)確性。
多攝像頭系統(tǒng)可以利用捆綁調(diào)整技術(shù),優(yōu)化所有攝像頭的數(shù)據(jù),從而提高姿態(tài)和鋼箱構(gòu)件尺寸的估計精度,并通過跨多個攝像頭的特征匹配,減少冗余特征,降低計算復(fù)雜度,提高系統(tǒng)的實時處理能力。并且多攝像頭系統(tǒng)的構(gòu)建還可以適應(yīng)工廠的復(fù)雜生產(chǎn)環(huán)境,適應(yīng)不同的生產(chǎn)與檢測需求,滿足不同鋼箱尺寸的精確檢測。
4" " 檢測系統(tǒng)軟件設(shè)計
系統(tǒng)軟件計算流程如圖6所示。
系統(tǒng)軟件流程主要包括相機(jī)畸變矯正、目標(biāo)測量流程、模型支流程與測量支流程四個部分。工業(yè)相機(jī)獲取圖像后,經(jīng)過畸變矯正部分,將拍攝圖片轉(zhuǎn)變?yōu)闊o畸變圖像,并通過興趣點分析及匹配形成點云數(shù)據(jù),經(jīng)過點云分割處理后生成構(gòu)件三維mesh模型,并貼入紋理,完成測量工作。其中模型支流程主要內(nèi)容為在系統(tǒng)通過興趣點分析及匹配形成點云數(shù)據(jù),并經(jīng)過點云加密后生成三維mesh模型,并為三維模型貼入紋理,使其呈現(xiàn)出鋼箱原始圖像。
4.1" " 相機(jī)畸變矯正
由于在實際拍攝過程中存在裝配誤差和透視失真等原因,理想成像與實際成像會存在誤差,造成圖像畸變。所以需要通過拍攝標(biāo)定板照片解算出相機(jī)畸變參數(shù),再通過畸變參數(shù)將拍攝照片轉(zhuǎn)換為基本無畸變的圖像,提高檢測精度。
相機(jī)畸變矯正的意義在于確保圖像的準(zhǔn)確性和一致性,尤其是對于多相機(jī)系統(tǒng)來說,由于相機(jī)數(shù)量的增多,每臺相機(jī)都會出現(xiàn)圖像畸變的情況,導(dǎo)致誤差疊加,降低圖像的整體質(zhì)量,影響檢測精度?;兂C正可以確保各個相機(jī)捕獲的圖像具有相同的幾何特性,有助于減少不同視角之間的不一致,方便進(jìn)行數(shù)據(jù)融合和分析,提高檢測的精準(zhǔn)度。
在特征匹配和目標(biāo)檢測等應(yīng)用中,畸變矯正還可以提高特征點的檢測準(zhǔn)確性和匹配成功率。矯正后的圖像可以提供更準(zhǔn)確的邊緣和形狀信息,有助于提高圖像分割和目標(biāo)識別的性能。
同時,在鋼結(jié)構(gòu)自動化產(chǎn)線中,畸變矯正有助于確保檢測系統(tǒng)的準(zhǔn)確性,提高生產(chǎn)效率和產(chǎn)品質(zhì)量。并且由于減少了人工因素的干預(yù),其還可以提高工廠整體自動化生產(chǎn)水平,實現(xiàn)自動化標(biāo)定與校準(zhǔn)。計算公式如下:
式中:xdt、ydt為畸變后像素坐標(biāo);x、y為理想坐標(biāo);p1、p2為切向畸變參數(shù);r2=x2+y2。
4.2" " 目標(biāo)測量流程
系統(tǒng)采用尺度不變特征變換(SIFT)算法[4]進(jìn)行圖像特征提取,在不同的尺度空間上查找關(guān)鍵點。SIFT算法可分為以下四個步驟:
1)尺度空間極值檢測:搜索所有尺度上的圖像位置。通過高斯微分函數(shù)來識別潛在的對于尺度和旋轉(zhuǎn)不變的興趣點。
2)關(guān)鍵點定位:在每個候選的位置上,通過一個擬合精細(xì)的模型來確定位置和尺度。關(guān)鍵點的選擇依據(jù)為它們的穩(wěn)定程度。
3)方向確定:基于圖像局部的梯度方向,分配給每個關(guān)鍵點位置一個或多個方向。后面所有對圖像數(shù)據(jù)的操作都相對于關(guān)鍵點的方向、尺度和位置進(jìn)行變換,從而提供對于這些變換的不變性。
4)關(guān)鍵點描述:在每個關(guān)鍵點周圍的鄰域內(nèi),在選定的尺度上測量圖像局部的梯度。這些梯度被變換成一種表示,這種表示允許比較大的局部形狀的變形和光照變化。
特征提取會選取出局部特征點極大值以及它們的描述算子,之后通過最近鄰匹配(Nearest neighbor search,NNS)算法,對特征提取中生成的描述算子進(jìn)行搜索匹配,尋找篩選到最可能的匹配點對(即同名相對,真實空間中同一個點在不同照片上的點組成的集合)。
對于所有照片逐對進(jìn)行興趣點分析匹配,找出所有可信的同名相對,每一個同名相對都可以同相機(jī)的外方位元素共同組建一個共線方程組,可求解同名相對空間點的相對空間坐標(biāo),也就是空間前方交匯。示意圖如圖7所示。
在實際使用過程中,測量誤差且方程數(shù)過多會導(dǎo)致未知數(shù)個數(shù)冗余,分別求解會產(chǎn)生一定的矛盾,為了平衡解算矛盾、提高解算精度和整體模型穩(wěn)定性,對所有方程統(tǒng)一使用光束平差法(Bundle Adjustment,BA)優(yōu)化重投影誤差。光束平差法可以通過優(yōu)化相機(jī)位姿和三維點坐標(biāo)來減小重投影誤差,在每次迭代過程中,會根據(jù)當(dāng)前的誤差計算梯度,并沿著梯度的反方向更新相機(jī)的位姿和三維點的坐標(biāo),重復(fù)進(jìn)行直至重投影誤差達(dá)到一個可接受的水平或達(dá)到預(yù)設(shè)的迭代次數(shù)。由此可以計算出一部分空間點的三維坐標(biāo),這些空間點的集合稱之為空間稀疏點云。通過逐像素計算圖像中每一個像素點對應(yīng)的三維點,得到場景物體表面密集的三維點云,完成點云加密。
4.3" " 測量支流程
由于生成的三維點云數(shù)據(jù)過于繁雜冗余,需要采取點云分割技術(shù)將復(fù)雜的三維點云數(shù)據(jù)分解成更小、更易于處理的部分,從而提高測量的精度和效率。通過點云分割可以幫助將點云中的不同部分分類為具有特定語義標(biāo)簽的區(qū)域,更加容易地提取點云中的關(guān)鍵特征,如邊緣、平面和曲面等,簡化后續(xù)的處理流程,減少需要處理的數(shù)據(jù)量,從而降低計算復(fù)雜度,提高處理速度。并且,在工業(yè)產(chǎn)線中,分割和識別點云中的不同部分,有助于檢測制造過程中的缺陷,如表面裂紋、凹陷等,確保產(chǎn)品質(zhì)量。
點云分割部分采用隨機(jī)抽樣一致性算法(Random sample consensus,RANSAC)從一系列包含有離異值的數(shù)據(jù)中計算出數(shù)學(xué)模型參數(shù)。通過隨機(jī)抽樣一致算法可以有效地識別點云中的平面、圓柱體等幾何結(jié)構(gòu),提高分割的準(zhǔn)確性和魯棒性。在過濾掉細(xì)碎噪聲平面后,構(gòu)建三相交平面空間方程,計算出各交點坐標(biāo)與交點之間的距離,并通過實際測量與計算值之間的比例構(gòu)建比例參數(shù),將計算距離轉(zhuǎn)換為實際距離。
利用mesh建模技術(shù)創(chuàng)建和編輯多邊形組成的網(wǎng)格結(jié)構(gòu),用來準(zhǔn)確高效地描述物體的形狀、紋理和表面屬性。生成三維mesh模型后,通過格網(wǎng)的角點所對應(yīng)的照片坐標(biāo)獲取對應(yīng)的實際顏色,當(dāng)獲取到多個顏色時,依據(jù)最佳實現(xiàn)原則進(jìn)行選擇[5],完成對mesh模型的紋理貼入。
5" " 總結(jié)與展望
近年來,裝配式建筑因其施工速度快、綠色環(huán)保等優(yōu)勢,受到了越來越多客戶的青睞。因此,預(yù)制構(gòu)件是否合格成為關(guān)系人民生命財產(chǎn)安全的一件大事,其中預(yù)制構(gòu)件的尺寸就是重要的一項,其直接關(guān)系到拼裝進(jìn)度和安全,于是如何更快、精度更高地檢核預(yù)制構(gòu)件的尺寸,就成了業(yè)內(nèi)人士亟待解決的問題之一。
基于此,本文設(shè)計了基于機(jī)器視覺的非接觸式大尺寸構(gòu)件結(jié)構(gòu)幾何參數(shù)自動化檢測系統(tǒng),彌補了傳統(tǒng)測量方式的不足,可以實現(xiàn)對鋼結(jié)構(gòu)預(yù)制構(gòu)件的自動化檢測,并生成數(shù)字化結(jié)果,實現(xiàn)全流程生產(chǎn)的信息化管控。
構(gòu)建基于機(jī)器視覺的構(gòu)件幾何信息檢測系統(tǒng)在鋼結(jié)構(gòu)生產(chǎn)線中意義非常重大。機(jī)器視覺系統(tǒng)能夠提供高分辨率的圖像,從而實現(xiàn)對鋼結(jié)構(gòu)構(gòu)件的精確測量和檢測。這可以大大提高檢測的精度,確保構(gòu)件的幾何尺寸和形狀符合設(shè)計要求,并且可以實現(xiàn)實時采集和分析數(shù)據(jù),使得檢測過程更加高效,從而大大減少傳統(tǒng)人工檢測的時間和成本,有助于企業(yè)降本增效。
通過自動化檢測的技術(shù)手段,可以減少人為因素對于鋼箱尺寸檢測的影響,并且機(jī)器視覺系統(tǒng)可以自動記錄和分析數(shù)據(jù),減少人工重復(fù)檢查的工作量,提高工作效率。
就生產(chǎn)質(zhì)量與安全性來說,機(jī)器視覺系統(tǒng)可以檢測出構(gòu)件表面的裂紋、凹陷、氣孔等缺陷,確保構(gòu)件的完整性和安全性。并且未來結(jié)合BIM技術(shù),機(jī)器視覺系統(tǒng)可以指導(dǎo)智能焊接機(jī)器人進(jìn)行高效、精確的焊接操作。同時,雙機(jī)器人協(xié)調(diào)作業(yè)可以提高生產(chǎn)效率,提供生產(chǎn)冗余,確保生產(chǎn)過程的連續(xù)性和穩(wěn)定性。
總體來說,構(gòu)建基于機(jī)器視覺的構(gòu)件幾何信息檢測系統(tǒng)在鋼結(jié)構(gòu)生產(chǎn)線中具有重要意義。它不僅提高了檢測的精度和效率,減少了人為錯誤,保障了生產(chǎn)質(zhì)量和安全性,還提升了生產(chǎn)自動化水平,能夠支持遠(yuǎn)程監(jiān)控和維護(hù),促進(jìn)技術(shù)創(chuàng)新和應(yīng)用。這些優(yōu)勢將使機(jī)器視覺技術(shù)在鋼結(jié)構(gòu)生產(chǎn)和檢測中發(fā)揮越來越重要的作用。
[參考文獻(xiàn)]
[1] 費廣清.鋼結(jié)構(gòu)模塊化建筑創(chuàng)新實踐分析[J].安徽建筑,2024,31(6):60-61.
[2] 侯兆新,劉曉剛.鋼結(jié)構(gòu)建筑產(chǎn)業(yè)化關(guān)鍵技術(shù)與示范[J].建筑鋼結(jié)構(gòu)進(jìn)展,2021,23(10):1-11.
[3] 柴子怡.基于計算機(jī)視覺的鋼構(gòu)件尺寸測量應(yīng)用研究[J].建筑施工,2024,46(2):186-189.
[4] MISTRY D,BANERJEE A.Comparison of feature detec-
tion and matching approaches:SIFT and SURF[J].GRD Journals-Global Research and Development Journal for Engineering,2017,2(4):7-13.
[5] JANG G R,SHIN Y D,YOON J,et al.Real-time Polygon Generation and Texture Mapping for Tele-operation
using 3D Point Cloud Data[J].Journal of Institute of Control,Robotics and Systems,2013,19(10):928-935.
收稿日期:2024-10-29
作者簡介:譚華泰(1984—),男,廣東化州人,工程師,研究方向:機(jī)械機(jī)構(gòu)。