混凝土布料机布料厚度测量系统

陈章华 马月辉 石彦辉

摘  要： 针对混凝土布料机布料厚度测量中超声波法存在测量盲区、激光测距法只能单点间断测量等问题，提出一种基于双目视觉的混凝土布料机布料厚度测量方法。利用双目视觉，通过基于区域和ORB特征相结合的立体匹配算法实现了对布料后预制混凝土构件任意一点混凝土厚度的大范围、连续、高精度测量。实验结果表明，采用该系统进行混凝土布料机布料厚度测量绝对误差不超过0.83 mm，完全满足测量要求。

关键词： 测量系统; 厚度测量; 图像预处理; 系统原理; 特征检测; 特征匹配

中图分类号： TN98?34; TP273.2                   文献标识码： A                     文章编号： 1004?373X（2020）23?0076?03

Abstract： As the ultrasonic measuring method has measurement blind area and the laser ranging method can only make single?point discontinuity measurement for concrete distribution thickness made by concrete distributor， a new distribution thickness measuring method based on binocular vision is proposed in this paper. By binocular vision and stereo matching algorithm based on region and ORB features， the continuous， wide?range and high?precision measurement of concrete thickness is realized at any position of precast concrete units. The experimental results show that the absolute error of the system for distribution thickness measurement is less than 0.83 mm， which fully meets the measurement requirements.

Keywords： measuring system; thickness measurement; image pre?processing; system theory; feature detection; feature matching

0  引  言

21世纪以来，预制装配式建筑技术得到了飞速的发展，在世界范围内已经成为建筑工业化潮流的主流发展趋势。在装配式建筑建造过程中，预制混凝土构件是其中的核心组成部分，预制构件的质量直接影响着装配式建筑的施工质量及使用性能。预制混凝土构件的质量在很大程度上取决于布料过程的检测精度，尤其对于比较复杂的构件，若不能准确测量布料过程中不同位置的混凝土厚度，则不能准确指导布料机进行布料，从而导致生产的预制构件达不到施工要求，影响整个建筑工程的质量和工期。

《装配式混凝土建筑技术标准GB/T 51231?2016》中规定预制混凝土楼板厚度允许偏差为5 mm，预制混凝土墙板厚度允许偏差为3 mm。目前，国内外混凝土布料厚度检测大多采用人工测量、超声波测距、激光测距等方法。人工测量法一般采用尺量板，精度受人为影响大，费时费力。文献[1]采用频率为50 Hz的超声波传感器测量厚度为500 mm的混凝土构件，最大误差不超过19.5 mm。文献[2]采用相位式激光测距传感器测量预制构件的厚度信息，测量误差可达到±1 mm。激光测距虽然具有精度高、非接触的优点，但是只能单点测量，无法实现大范围测量（例如一般为4 m×2 m的预制混凝土板）。因此，本文提出了基于双目视觉[3]的混凝土布料机布料厚度测量系统，能够实现高精度、大范围、无盲点的厚度测量。

1  系统原理

1.1  系统组成

混凝土布料机布料厚度测量系统由千兆以太网工业相机（2个）、相机支架和预装相应软件的计算机组成，系统硬件示意图如图1所示。首先，将相机固定在混凝土预制板上方固定位置;然后通过数据线与计算机相连，通过相机采集被测物图像，并传到计算机上进行图像处理，从而实现混凝土布料机布料厚度测量。

1.2  系统原理

安装时将相机固定在相机支架上，采集棋盘格图像，采用张正友标定法[3]对相机进行双目标定，把标定参数读入程序中，对采集的被测物图像进行预处理;然后对图像进行特征点检测得到描述子信息;再通过立体匹配寻找匹配点，最后根据匹配结果通过左右图像的视差计算布料机布料后的距离信息，并根据未布料时的距离信息得到成像视场区域内的布料厚度信息。系统流程图如图2所示。

1.3  双目立体视觉测距模型

如图3所示，理想的双目立体视觉模型假定两相机光轴平行，在简单的测距应用中只要得到目标点[z]轴坐标即可，因此建立[x?z]平面模型。

2  相机标定与图像预处理

通过张正友棋盘格标定法对相机进行标定。读入一系列拍摄的棋盘格图像，标定相机内参数IntrinsicMatrix，徑向畸变参数[K1]，[K2]，[K3]，切向畸变参数[P1]，[P]，旋转矩阵[R]和平移向量[T]对图像进行校正，校正后左右相机图像已经共面并且行对准，并对图像进行双边滤波预处理保边去噪。拍摄图像如图4所示，校正后图像如图5所示。

3  特征检测与匹配

立体匹配作为双目立体视觉系统中最核心的步骤，其实质为根据双目相机对三维场景所获取的左右图像，获取真实视场中同一空间点在左右图像中的匹配投影点，并由此得到相应的视差图。立体匹配算法一般分为局部立体匹配算法[4]与全局立体匹配算法[5]，局部立体匹配算法由于其实时性好，计算复杂度低，在立体匹配领域得到了广泛的应用。

局部立体匹配算法根据不同的匹配代价可以分为区域匹配、特征匹配、相位匹配三大类[6]。目前常用的特征匹配算法有SIFT[7]，SURF[8]，ORB[9?10]等。ORB算法比SIFT算法效率高两个数量级，是SURF的10倍。因此本文拟采用ORB算法进行特征点检测与立体匹配，ORB匹配结果如图6所示。

由图6可知该算法只能对较明显的特征进行匹配，不能对混凝土预制板任意一点厚度进行匹配，不满足测量要求。基于此，本文提出了基于区域和ORB特征的立体匹配算法。

算法步骤如下：

Step1：利用OFAST算法强制对左右图像上的所有点进行特征检测，采用rBRIEF算法进行特征描述。

Step2：定义阈值[n]，匹配窗口长[w]，宽[v]，当在左图像上点击鼠标左键时获得像素坐标为[（x，y）]，以右图像上[（x-n，y）]为中心、长为2[w]宽为2[v]的矩形匹配窗口开始，到以[（x，y）]为中心、长为2[w]宽为2[v]的矩形匹配窗口结束，在右图像上寻找预匹配点。计算每个匹配窗口描述子汉明距离均值，找到最小值，此时对应的右图像像素点[（Rx，y）]即为左图像像素点预匹配点。寻找预匹配点示意图如图7所示。

Step3：以左图像上（[Rx，y）]为中心，长为[2w]宽为[2v]的矩形匹配窗口开始，到以[（x，y）]为中心，长为[2w]宽为[2v]的矩形匹配窗口结束，在左图像上寻找右图像上[（Rx，y）]最佳预匹配点。计算每个匹配窗口描述子汉明距离均值，找到最小值，此时对应的左图像像素点[（Lx，y）]即为右图像像素点最佳预匹配点。寻找最佳预匹配点示意图如图8所示。

Step4：判断左图像上最佳预匹配点[Lx]和[x]之差是否小于设定值，如果小于设定值，则右图像上[（Rx，y）]为左图像上[（Lx，y）]最佳匹配点;否则匹配错误。匹配结果如图9所示。

4  实验分析与讨论

本系统中采用2台维视MV?EM200M千兆以太网工业相机进行图像采集，MV?EM200M工业相机如图10所示。采用如图11所示6个错落有致的混凝土格来模拟测量混凝土布料机布料厚度实验。

实验中通过刻度尺测量模具厚度，即表1中实际厚度，通过该系统测量所得厚度为测量厚度，并计算测量的相对误差与绝对误差。测量结果及分析如表1所示。

由表1实验数据可以看出，该系统存在测量误差，且绝对误差不超过0.83 mm。可能的误差来源为：

1） 外界环境的干扰。采集图像时光照对图像造成影响。

2） 实际测量存在误差。当用刻度尺测量模具高度差时，由于人为因素的影响，不可避免地产生测量误差。

5  结  语

本文設计了基于双目视觉的厚度测量系统，提出了利用基于区域和ORB特征的匹配算法，结合极限约束进行立体匹配与厚度测量，实现了混凝土布料机布料厚度测量。实验结果证明了该测量系统的有效性。

参考文献

[1] 周凯.超声波混凝土构件检测系统的研究及试验分析[D].长沙：中南大学，2007.

[2] 丁凯悦.预制混凝土布料机数控技术研究[D].石家庄：石家庄铁道大学，2019.

[3] 周科杰.双目视觉三维测量技术研究与应用[D].北京：中国科学院大学，2019.

[4] ZHANG Zhenyou. A flexible new technique for camera calibration [J]. IEEE transactions on pattern analysis and machine intelligence， 2000， 22（11）： 1330?1334.

[5] 孙明珠.面向低纹理区域的局部立体匹配算法研究[D].秦皇岛：燕山大学，2018.

[6] 曹之乐，严中红，王洪.双目立体匹配技术综述[J].重庆理工大学学报（自然科学版），2015，29（2）：70?75.

[7] 王梓任，杨友良，马翠红.一种面向三维重建的改进SIFT图像匹配算法[J].网络安全技术与应用，2019（8）：35?38.

[8] 王锦坤，张秋菊.基于SURF算法的红外图像拼接方法的改进[J].轻工机械，2019，37（3）：66?71.

[9] 袁小平，张毅，张侠，等.基于改进FAST检测的ORB特征匹配算法[J].科学技术与工程，2019，19（21）：233?238.

[10] LUO Chuan， YANG Wei， HUANG Panling， et al. Overview of image matching based on ORB algorithm [EB/OL]. [2019?07?12]. https：//iopscience.iop.org/article/10.1088/1742?6596/1237/3/032020/pdf.