本发明涉及智能测量，具体是一种截面式钢筋网片尺寸智能测量方法。
背景技术：
1、在铁路工程建设中，简支箱梁结构的广泛使用使得钢筋网片成为了关键的支撑骨架材料。这些钢筋网片通常由人工进行加工、排列和绑扎，这个过程不仅费时费力，而且高度依赖于工人的操作技能。因此，运用自动化的钢筋网片焊接设备进行生产成为了解决这一问题的必要手段。
2、然而，在生产过程中，由于调直、剪切、焊接和弯曲等工艺步骤的影响，钢筋网片的尺寸往往会与设计要求存在偏差。这些偏差可能会影响到简支箱梁的性能，甚至可能引起安全隐患。对于那些尺寸达到30米×15米的大型钢筋网片而言，传统的手工检测方式既耗时又无法保证足够的准确性，而传统的小型物体尺寸检测方法在这种情况下也显得力不从心。
3、此外，在工厂环境中，由于光照条件和图像采集的特殊要求，影响了图像质量和识别的准确度。虽然3d点云建模提供了一种可能的解决方案，但其耗时且精度有限。因此，开发一种针对类似于30米×15米大型钢筋网片的快速、精准尺寸检测技术显得尤为迫切，以确保结构的完整和安全。
技术实现思路
1、本发明的目的在于提供本发明的目的在于提供一种截面式钢筋网片尺寸智能测量方法，以解决上述背景技术中提出的问题。
2、为实现上述目的，本发明提供如下技术方案：
3、一种截面式钢筋网片尺寸智能测量方法，包括以下步骤：
4、步骤一、图像采集
5、将钢筋网片平放在带有白色背景的承台上，并且将搭载于龙门架上的三个水平工业相机按照固定间距以垂直的视角向下俯视拍摄，龙门架安置于两侧的轨道上滑动，以此保证大型的钢筋网片可以被相机拍摄到完整的截面图像；
6、步骤二、图像预处理
7、将由rgb颜色构成的钢筋网片图像采用加权平均法为每个颜色通道分配不同的权重，通过将三个分量的灰度值乘以相应的权重并求和来获取最终的灰度值为gray，gray=0.299×r+0.587×g+0.114×b；
8、采用多尺度双边滤波将钢筋网片图像分解到不同的尺度层级，然后在每个层级上独立地应用双边滤波，在不同的尺度上适应图像的局部特征，从而在去噪的同时保持了图像的重要结构信息；
9、步骤三、边缘检测
10、以优化的canny算法对钢筋网片图像进行边缘检测，传统的canny边缘检测算法包括，高斯滤波去噪，2方向sobel算子求梯度，其中的2方向指的是水平和垂直方向，非极大值抑制，双阈值检测，边缘跟踪，我们将其中2方向sobel算子求梯度改为8方向sobel算子求梯度，并且采用一种创新的方法梯度向量投票法与8方向的sobel算子相结合，进一步提高图像梯度准确度，用最大类间方差otsu算法计算得到阈值代替双阈值检测；
11、步骤四、极值法剔除钢筋横肋
12、上一步骤我们通过边缘检测确定了钢筋网片边缘的像素点，接着采用二次多项式拟合边缘像素点的局部领域，计算该多项式的曲率k，以曲率的正负值用以区分凸点筋肋和凹点，正曲率表示凸点，负曲率表示凹点，当识别出筋肋后，将这些点在图像中的值设置为背景色来去除它们，背景色为黑色或白色，设置起始阈值为0.07时可以捕捉到更多潜在的横肋；
13、步骤五、钢筋网片图像拼接
14、标定三个固定位置的工业相机，以确定它们的内部参数和外部参数；
15、根据每个工业相机的视场和相机间的固定间距，计算出图像的预期重叠区域，使用相机的标定数据来更精确地确定重叠区域的像素范围；
16、水平方向：使用每个相机的水平视场角hfov和到拍摄平面的距离d计算视场宽度w，公式为：，以解决上述背景技术中提出的问题。
17、为实现上述目的，本发明提供如下技术方案：
18、一种截面式钢筋网片尺寸智能测量方法，包括以下步骤：
19、步骤一、图像采集
20、将钢筋网片平放在带有白色背景的承台上，并且将搭载于龙门架上的三个水平工业相机按照固定间距以垂直的视角向下俯视拍摄，龙门架安置于两侧的轨道上滑动，以此保证大型的钢筋网片可以被相机拍摄到完整的截面图像；
21、步骤二、图像预处理
22、将由rgb颜色构成的钢筋网片图像采用加权平均法为每个颜色通道分配不同的权重，通过将三个分量的灰度值乘以相应的权重并求和来获取最终的灰度值为gray，gray=0.299×r+0.587×g+0.114×b；
23、采用多尺度双边滤波将钢筋网片图像分解到不同的尺度层级，然后在每个层级上独立地应用双边滤波，在不同的尺度上适应图像的局部特征，从而在去噪的同时保持了图像的重要结构信息；
24、步骤三、边缘检测
25、以优化的canny算法对钢筋网片图像进行边缘检测，传统的canny边缘检测算法包括，高斯滤波去噪，2方向sobel算子求梯度，其中的2方向指的是水平和垂直方向，非极大值抑制，双阈值检测，边缘跟踪，我们将其中2方向sobel算子求梯度改为8方向sobel算子求梯度，并且采用一种创新的方法梯度向量投票法与8方向的sobel算子相结合，进一步提高图像梯度准确度，用最大类间方差otsu算法计算得到阈值代替双阈值检测；
26、步骤四、极值法剔除钢筋横肋
27、上一步骤我们通过边缘检测确定了钢筋网片边缘的像素点，接着采用二次多项式拟合边缘像素点的局部领域，计算该多项式的曲率k，以曲率的正负值用以区分凸点筋肋和凹点，正曲率表示凸点，负曲率表示凹点，当识别出筋肋后，将这些点在图像中的值设置为背景色来去除它们，背景色为黑色或白色，设置起始阈值为0.07时可以捕捉到更多潜在的横肋；
28、步骤五、钢筋网片图像拼接
29、标定三个固定位置的工业相机，以确定它们的内部参数和外部参数；
30、根据每个工业相机的视场和相机间的固定间距，计算出图像的预期重叠区域，使用相机的标定数据来更精确地确定重叠区域的像素范围；
31、 水平方向：使用每个相机的水平视场角hfov和到拍摄平面的距离d计算视场宽度w，公式为：
32、对于两个相邻相机，视场重叠宽度o由公式 o=w-s 确定，其中s是相机间的固定间距，然后，根据相机分辨率和视场宽度计算每单位长度的像素数p，并用公式：
33、转换重叠宽度为像素；
34、垂直方向：使用编码器同步移动钢筋网片的位置和相机拍摄，以确定重叠区域，编码器安装在钢筋网片的履带上，用于准确跟踪移动距离，并确保其输出能被相机系统或控制系统读取和记录；
35、步骤六、横纵钢筋像素分类处理
36、基于同一横筋会有相近的纵坐标，同一纵筋会有相近的横坐标这一空间分布特性，将得到的像素点进行分析归类，在数组中选取点逐个比较判断，选出符合条件的元素组成新的归类数组并同时将其在原数组中剔除以缩短下一次检索时间，将新得到的归类数组元素个数进行统计判断，个数大于一定阈值才将其判定为一条横筋的像素边缘信息，用此方法可以依次得到每条横筋的像素边缘信息；
37、步骤七、霍夫直线变换
38、通过上述步骤已经得到了各条横纵钢筋的像素边缘信息，对每条钢筋即各组像素坐标集合做霍夫变换直线检测，可以更加直观的获得每条钢筋的空间位置信息，因为钢筋网片的结构特性，横筋的直线倾斜角度约为0°，而总纵筋的倾斜角度约为90°，可以对霍夫变换适当加一些斜率约束条件，使其检测更加精确且提高检测速度；
39、步骤八、计算钢筋网片整体尺寸
40、通过改进的霍夫变换得到钢筋网片的边缘直线转化成数学上的直线方程，每条直线都会在计算机内存中以参数形式存储，将直线方程转换为线性方程组，计算每条直线方程的交点坐标，通过交点横坐标的差值求出钢筋网片横筋之间的像素间距，通过交点纵坐标的差值求出钢筋网片纵筋之间的像素间距，随后采用真实尺寸转换法，按照实际距离=像素间距×转换因子，其中转换因子=长度/测量长度或像素得出真实距离。
41、作为本发明进一步的方案：在步骤三中，为进一步提高图像梯度的准确度，本算法引入了一种创新的梯度向量投票法，在这种方法中，每个像素的梯度向量不仅是通过sobel算子计算得到，还会根据其方向和大小对周围的像素进行投票，从而增强了边缘的连续性和清晰度，改进算法在双阈值检测步骤中采用最大类间方差otsu算法自动确定最优阈值，otsu算法通过最大化前景和背景像素之间的类间方差来选择阈值，这能够更准确地区分边缘和非边缘区域，相比传统的双阈值方法更加智能和高效。
42、作为本发明再进一步的方案：在步骤五中，内部参数包括：焦距、主点、畸变系数，外部参数相对于一个全局参考框架的位置和姿态。
43、与现有技术相比，本发明的有益效果是：
44、针对大型钢筋网片测量复杂，无法满足测量精确度，本发明通过多相机拍摄，采用截面式钢筋网片测量方法，避免了单个相机由于视野范围不足，分辨率不够等问题，保证了测量需求；
45、针对传统canny边缘检测无法全面分析钢筋网片图像边缘特征，本发明通过用8方向sobel算子配合投票法的结合，otus阈值计算，更好的实现钢筋网片轮廓的提取；
46、针对截面式钢筋网片尺寸测量方法较少的问题，本发明通过改进的canny边缘检测，极值法剔除钢筋横肋，图像拼接，尺寸转换等步骤，创造性的实现了钢筋网片的整体尺寸检测，速度和精度满足实际需求。
1.一种截面式钢筋网片尺寸智能测量方法，其特征在于，包括以下步骤：
2.对于两个相邻相机，视场重叠宽度o由公式 o=w-s 确定，其中s是相机间的固定间距，然后，根据相机分辨率和视场宽度计算每单位长度的像素数p，并用公式：
3.转换重叠宽度为像素；
4.根据权利要求1所述的截面式钢筋网片尺寸智能测量方法，其特征在于，在步骤三中，为进一步提高图像梯度的准确度，本算法引入了一种创新的梯度向量投票法，在这种方法中，每个像素的梯度向量不仅是通过sobel算子计算得到，还会根据其方向和大小对周围的像素进行投票，从而增强了边缘的连续性和清晰度，改进算法在双阈值检测步骤中采用最大类间方差otsu算法自动确定最优阈值，otsu算法通过最大化前景和背景像素之间的类间方差来选择阈值，这能够更准确地区分边缘和非边缘区域，相比传统的双阈值方法更加智能和高效。
5.根据权利要求1所述的截面式钢筋网片尺寸智能测量方法，其特征在于，在步骤五中，内部参数包括：焦距、主点、畸变系数，外部参数相对于一个全局参考框架的位置和姿态。
