一種噴射混凝土粗骨料顆粒的定量評價方法及相關產品與流程

本發明涉及粗骨料顆粒智能檢測，具體涉及一種噴射混凝土粗骨料顆粒的定量評價方法及相關產品。

背景技術：

1、在混凝土中，粗骨料不僅是填充材料，還能提供結構骨架，增強混凝土的力學性能和耐久性。粗骨料的形態特征，如粒徑、長寬比、圓度和表面粗糙度，直接影響混凝土的工作性、強度和耐久性。因此，對粗骨料進行三維形態特征的定量評價具有重要意義。

2、通過三維形態特征的定量評價，可以更準確地分析粗骨料的質量，從而優化混凝土配合比，提升混凝土的性能。同時，這種評價方法也有助于識別和篩選優質骨料，確保混凝土的穩定性和可靠性。

3、傳統的形態特征評價方法主要基于目視檢查或二維圖像分析，這些方法存在諸多弊端，難以全面準確地反映粗骨料的三維形態特征。

4、目視檢查依賴于人工判斷，容易受到主觀因素的影響，不僅耗時費力，而且精度不高。此外，目視檢查無法定量分析顆粒的具體形態特征，導致評價結果的可重復性差。

5、二維圖像分析雖然能夠在一定程度上提高評價精度，但其存在的局限性依然明顯。首先，二維圖像只能提供顆粒在特定平面上的投影信息，忽略了顆粒在其他維度上的形態特征。這導致對顆粒的實際形狀和大小無法進行全面準確的描述。其次，二維圖像分析容易受圖像質量、拍攝角度等因素的影響，導致評價結果的不穩定。

6、這些傳統方法的弊端限制了粗骨料形態特征評價的精度和可靠性，從而影響了混凝土性能的優化。因此，亟需一種基于三維掃描技術的粗骨料顆粒形態特征評價方法，通過采集和分析點云數據，全面準確地反映顆粒的三維形態特征，克服傳統方法的局限性。

技術實現思路

1、本發明所要解決的技術問題是對粗骨料的三維形態評價不準確，目的在于提供一種噴射混凝土粗骨料顆粒的定量評價方法及相關產品，實現了基于點云數據的粗骨料顆粒三維形態特征定量評價，提高了評價的精度和可靠性，優化了混凝土的配合比，提升了混凝土的整體性能。

2、本發明通過下述技術方案實現：

3、一種噴射混凝土粗骨料顆粒的定量評價方法，包括：

4、隨機取樣收集粗骨料顆粒樣本；

5、采集粗骨料顆粒表面數據，并生成包含三維坐標的原始點云數據；

6、通過雙邊濾波對原始點云數據進行去噪，獲得第一點云數據；通過總變差方法對原始點云數據進行去噪，獲得第二點云數據；

7、基于特征權重融合第一點云數據和第二點云數據，獲得融合點云數據；

8、使用密度聚類算法確定融合點云數據的核心點和鄰域，并基于能量函數構建圖模型；

9、利用最大流-最小割算法進行圖割，獲得前景和背景的分割結果；

10、根據分割結果進行三維表面重建和輪廓提取，獲得重建模型；

11、根據重建模型對粗骨料顆粒的三維形態特征進行定量評價。

12、具體地，第一點云數據的獲取方法包括：

13、計算點云局部曲率,其中，為計算曲率時鄰域內點的數量，為索引值,為當前正在處理的點原始點云數據；

14、確定曲率調整空間域的自適應權重，為基于優化算法或統計分析確定的調整參數；

15、確定曲率調整強度域的自適應權重，為基于優化算法或統計分析確定的調整參數；

16、計算歸一化因子，其中，、、為索引值，、、為當前正在處理的點的坐標值，為空間域的標準差，為強度域的標準差，為點的點云數據；

17、獲得當前正在處理的點對應的第一點云數據；

18、遍歷處理原始點云數據中所有點，獲得第一點云數據。

19、具體地，第二點云數據的獲得方法包括：

20、確定尺度數，并通過降采樣或卷積操作對原始點云數據進行多尺度分解生成不同尺度的點云數據；

21、計算第個尺度的點云局部曲率,其中，為計算曲率時鄰域內點的數量，為索引值,為當前正在處理的點在第個尺度的點云數據；

22、根據點云局部曲率確定總變差的自適應權重，為基于優化算法或統計分析確定的調整參數；

23、確定總變差，其中，為索引值，為第個點在第個尺度上點云數據的坐標，為第個點在第個尺度上點云數據的坐標；

24、獲得第二點云數據，其中，為原始點云數據，為平衡數據保真度和去噪的權重系數。

25、具體地，獲得融合點云數據的方法包括：

26、確定局部噪聲水平，其中，、、為索引值，為鄰域范圍，為鄰域內點的數量；

27、使用高斯濾波器平滑點云數據，獲得平滑后的點云數據，其中，為高斯濾波器的標準差，為當前正在處理點的鄰域點；

28、計算點云數據的梯度；

29、根據噪聲水平和梯度計算特征權重；

30、對第一點云數據和第二點云數據中的點進行融合，獲得點融合點云數據；

31、遍歷處理第一點云數據和第二點云數據中的所有點，獲得融合點云數據。

32、具體地，基于能量函數構建圖模型的方法包括：

33、定義能量函數，其中，為第個點的標簽，為第個點的標簽，為數據項表示第個點被分配到某個標簽的代價，為光滑項表示相鄰點和之間的代價；

34、若第個點為核心點，則；若第個點為鄰域內的非核心點，則；若第個點不在鄰域內，則；其中，為第個點與最近的核心點之間的距離，和為控制代價的調整參數；

35、，其中，為第個點，為第個點；為平衡系數，為點云密度的標準差，為kroneckerdelta?函數，若時，，否則；

36、通過融合點云數據構建圖模型，將每個點作為一個節點，每對相鄰點之間有一條邊；

37、根據能量函數確定每條邊的權重；邊包括：每個點到源點的邊、每個點到匯點的邊，每對相鄰的點之間的邊；

38、使用最大流-最小割算法來求解圖割問題，得到最優的標簽分配，獲得前景和背景的最優分割。

39、具體地，獲得前景和背景的分割結果的方法包括：

40、構建殘差網絡，殘差網絡中每條邊的容量對應于邊權重；

41、用增廣路徑算法在殘差網絡中尋找從源點到匯點的增廣路徑，并沿增廣路徑調整流量，更新殘差網絡的邊容量；迭代循環至無法找到增廣路徑；

42、根據當前流量找到最小割集，其中，為前景包含所有與源點連通的節點，為背景包含所有與匯點連通的節點。

43、可選地，進行三維表面重建的方法為：對前景中的點云數據進行法線估計；使用泊松表面重建方法從前景點云數據中重建三維表面；

44、進行輪廓提取的方法為：將重建的三維表面轉換為體素數據；使用?marchingcubes?算法在體素數據上提取等值面，生成三角形網格。

45、可選地，三維形態定量評價內容包括：

46、顆粒粒徑：使用三維重建模型的體素數據或三角網格數據計算顆粒體積，根據顆粒體積計算每個顆粒的等效直徑；

47、長寬比：對每個顆粒計算其三維最小包圍盒，獲取包圍盒的尺寸，從包圍盒中提取最大寬度和最小寬度，并計算長寬比；

48、圓度：對每個顆粒進行二維投影，計算投影面積和投影周長，根據投影面積和周長計算圓度；

49、表面粗糙度：從重建的三維表面中采樣一組表面點，獲取每個點的高度，根據表面點的高度計算平均粗糙度，其中，為表面點的數量，為表面點的平均高度；

50、表面積：利用三角形網絡，通過累加每個三角形的面積來計算總表面積；

51、球形度：通過等效直徑和最大寬度計算球形度。

52、一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如上所述的噴射混凝土粗骨料顆粒的定量評價方法。

53、一種計算機程序產品，包括計算機程序/指令，該計算機程序/指令被處理器執行時實現如上所述的噴射混凝土粗骨料顆粒的定量評價方法。

54、本發明與現有技術相比，具有如下的優點和有益效果：

55、本發明提供了一種基于點云數據的噴射混凝土粗骨料顆粒三維形態特征定量評價方法，包括以下關鍵步驟：首先，通過三維掃描儀采集粗骨料顆粒的點云數據；然后，分別使用雙邊濾波和總變差方法對點云數據進行去噪處理，并結合局部噪聲水平和梯度計算特征權重進行融合，獲得去噪后的點云數據；接著，使用密度聚類算法（dbscan）對去噪后的點云數據進行分割，確定前景和背景數據；隨后，通過泊松表面重建和marching?cubes算法對分割后的前景點云數據進行三維表面重建和輪廓提取，生成重建模型；最后，通過對重建模型的形態特征如粒徑、長寬比、圓度和表面粗糙度進行定量分析，實現對噴射混凝土粗骨料顆粒的精確評價。

56、本發明通過三維掃描儀采集高精度的點云數據，并結合雙邊濾波和總變差去噪方法，有效去除噪聲，保留顆粒的細節特征，提高了數據處理的精度；利用密度聚類算法對點云數據進行分割，能夠準確區分前景和背景，確保形態特征提取的準確性；采用泊松表面重建和marching?cubes算法進行三維重建和輪廓提取，可以生成高質量的三維模型；通過對重建模型的形態特征進行定量評價，能夠全面、準確地反映粗骨料的實際形態，有助于優化混凝土的配合比，提升混凝土的力學性能和耐久性。