基于轴向核心层分离与双先验约束圆柱拟合的铁路轨枕端面钢筋间距自动测量

《AUTOMATION IN CONSTRUCTION》：Automatic measurement of rebar spacing on end faces of railway sleepers based on axial core-layer isolation and dual-prior constrained cylinder fitting

　　

• 基于结构光点云对预应力混凝土轨枕（PCRS）端面钢筋间距进行测量。
• 轴向芯层隔离（ACLI）方法绕过水泥残留物和异形钢筋端头。
• 双先验约束圆柱拟合（DPC-CF）实现鲁棒的短弧段拟合。
• 在165组间距对上的平均绝对误差为0.25 mm，完全满足±2 mm的容差要求。
• 在15°–50°视角范围内实现亚毫米级精度，在标准CPU上的处理时间为831 ms。

**引言**

预应力混凝土轨枕（PCRS）是铁路轨道系统中的基本承重构件。其制造质量直接决定了铁路运输的安全性和运营可靠性[1]。在PCRS的各项质量指标中，端面钢筋间距尤为关键。钢筋间距不仅决定了结构完整性和抗裂性能，还影响上部结构扣件系统连接的可靠性[2,3]。根据中国国家标准[4]，允许的公差通常为±2 mm，这对检测精度提出了严格要求。在现行工艺中，端面间距检测仍主要依靠人工操作。检测人员使用游标卡尺或卷尺逐对测量相邻钢筋（图1(a)）。该方法通常耗时耗力，且依赖操作人员的技能[5,6]。钢丝上的螺旋肋纹还可能阻碍卡尺钳口完全贴合，从而给检测结果引入不确定性。每天需要检测数百根轨枕（图1(b)），人工检测无法满足生产进度，因此需要一套自动化系统。

除效率问题外，PCRS端面钢筋间距的自动化测量还面临两个与该应用场景密切相关的工程挑战。第一个挑战源于钢筋截面的不规则几何形状。PCRS中使用的钢筋直径较小，通常在7 mm左右。在制造、张拉和搬运过程中，外露的钢筋端头经常偏离理想圆形，出现焊接断裂痕迹、毛刺和局部凹口等不规则特征（图2）。这些几何不规则性使得传统圆柱拟合方法难以准确定位钢筋中心，从而导致后续间距估计出现误差。第二个挑战来自水泥残留物的附着。混凝土浇筑后，水泥碎片主要附着在端面钢筋与周围混凝土的界面上，同时少量水泥也会因浇筑时的飞溅而附着在裸露的钢筋表面。这些残留物不仅增加了人工测量的难度——通常需要额外的初步敲击步骤——还严重降低了光学传感器采集的点云数据中钢筋轮廓的清晰度。这两个因素共同构成了PCRS端面钢筋间距可靠自动化测量的主要障碍。

近年来，非接触式三维测量技术在基础设施构件质量检测领域得到了广泛探索。Ma等人[7]综述了预制混凝土构件的自动化质量检测方法，总结了包括尺寸检测和表面检测在内的主要研究方向。Ren等人[8]开发了一种点云辅助的几何检测方法，研究结果表明该方法在构件尺寸测量、内嵌部件识别、表面平整度评估和裂纹检测方面具有强大的潜力。Shi等人[9,10]开发了基于线激光的实时尺寸测量方法和低可辨识度轨枕序列号的自动化识别方法。Luo等人[11]进一步展示了无目标计算机视觉在结构测量中的应用，展现了非接触式光学传感在土木工程基础设施中的更广阔潜力。这些研究共同为自动化感知与检测奠定了更广阔的基础。在传感层面，可用于质量检测的方案从高成本激光扫描仪到低成本相机方案（如RGB-D[12]、立体视觉[13]和结构光相机[14,15]）不等，每种方案在精度、成本和环境敏感性方面各有取舍。深度学习方法也已被应用于钢筋检测任务，但通常需要大量标注数据集。尽管取得了上述进展，但仍很少有研究专门针对小直径钢筋的高精度间距测量展开，特别是在测量数据不完整或被污染的情况下。这些方法的详细综述见第2节。

从拟合算法的角度来看，现有的自动化钢筋间距测量研究大多采用标准最小二乘法[8]或随机样本一致性（RANSAC）[16]对钢筋点云进行圆形拟合，从而确定中心坐标。这些方法在点云干净、钢筋截面近似完整圆形的理想条件下表现良好。然而，实际使用的点云很少是干净的。水泥残留物会引入离群点，有限的扫描角度则导致截面不完整。标准最小二乘法对每个点赋予相同权重，一个离群点的权重与真实表面点相同。虽然RANSAC通过随机采样能更好地处理离群点，但当内点边界不清晰时，它可能会收敛到一个较差的拟合结果。此外，这些自动化方法主要针对可及表面上较大尺寸和较宽间距的钢筋开发，尚未在PCRS端面这一尺度上得到验证——在PCRS端面场景中，7 mm的直径、约40 mm的间距和±2 mm的公差要求使得误差余量极小。因此，可靠的钢筋间距检测不仅需要鲁棒的几何拟合，还需要有效利用不完整和受污染点云中的几何信息。由此引出以下研究问题：在自动预制制造环境中，如何通过几何感知和约束点云处理，在截面观测不完整、水泥残留物干扰和钢筋几何不规则的情况下，实现可靠且高精度的钢筋间距检测？

要回答这一问题，需要克服两个互补的挑战。工程需求是快速、一致且完整地检测每根轨枕的端面间距，这是人工抽样无法满足的。从科学角度看，挑战在于拟合仅部分可见且受残留物污染的小直径、密间距钢筋的轴线，这是现有基于点云的方法尚未解决的问题。为克服这些挑战，本文提出了一种基于结构光点云和多阶段分割的自动化高精度方法。如图3所示，所提出的系统将结构光相机集成到安装在移动平台上的机械臂上，实现在每个检测站的自主定位和PCRS端面的单视点云采集。采集的数据随后通过多阶段框架进行处理，包括基于DBSCAN的去噪、坐标对齐、基于SDF的钢筋-混凝土分离、单个钢筋聚类、ACLI和DPC-CF圆柱拟合，最终得到所有相邻钢筋对之间的间距。研究目标有三：构建一套在±2 mm范围内测量PCRS端面间距的机器人系统；开发对残留物、不规则截面和短弧段具有鲁棒性的拟合算法；并在真实试件上进行验证。本文的主要贡献总结如下：

(1) 提出了一种轴向芯层隔离（ACLI）方法，仅保留每根钢筋轴向点云中几何可靠的中间部分。通过在拟合前空间性地排除钢筋基部的水泥残留物和钢筋尖端的结构不规则性，ACLI显著提高了径向拟合质量，减少了间距测量误差。

(2) 提出了一种双先验约束圆柱拟合（DPC-CF）算法，在轴向方向和标称半径的软约束先验下，联合优化三维空间中的五个圆柱参数，采用Huber加权迭代精化和轴感知倾角补偿。与常规方法相比，DPC-CF提高了中心估计精度并消除了拟合失败的情况。

(3) 开发了一套集成式移动机器人检测系统，结合了全向移动平台、六自由度机械臂和结构光相机，支持灵活的多角度现场部署，并在宽角度范围内实现亚毫米级测量精度。

本文余下部分组织如下：第2节综述钢筋检测和间距测量方面的相关工作。第3节详细描述所提出的方法。第4节展示实验结果和分析。第5节讨论该系统的优势、局限性和未来方向。第6节总结全文。

**章节摘要**

**相关工作** 本节从两个角度综述相关研究。2.1节总结预制构件检测的非接触式传感方法，2.2节聚焦钢筋间距和端面检测方法。

**方法论** 所提出的方法由三个主要阶段组成，如图4所示：(1) 使用安装在移动平台上的六自由度机械臂进行自动化数据采集；(2) 使用所提算法进行点云处理；(3) 间距估计与分析。以下各小节将详细描述每个阶段。本节中展示了不同阶段和方法的部分输出示例，以说明所提出的方法。更详细的结果将在下一节讨论。

**实验与结果** 本节在测试的室内生产条件下对所提出的系统进行实验评估。评估涵盖角度鲁棒性、测量精度、各组件贡献、参数敏感性、与现有方法的比较以及计算效率。

**讨论** 基于实验结果，本节讨论所提出系统的工程意义和方法论启示，随后分析其当前局限性和未来工作方向。

**结论** 本文解决了PCRS端面钢筋间距自动化测量的两大主要工程挑战：钢筋截面不规则和水泥残留物附着。提出了一种基于结构光点云和多阶段分割的高精度测量方法。该系统集成了移动检测平台、六自由度机械臂和结构光相机，通过多阶段框架处理采集数据，实现了完全自动化。

**CRediT作者贡献声明**

Peng Shi：初稿撰写、可视化、验证、指导、软件、资源、项目管理、方法论、调查、经费获取、形式分析、数据整理、概念化。Lu Deng：审稿与编辑、指导、软件、资源、项目管理、经费获取。Jingjing Guo：验证、方法论、形式分析、数据整理、概念化。Mi Liu：可视化、调查、形式分析、数据整理。

**利益冲突声明**

作者声明不存在可能影响本文工作的已知竞争性经济利益或个人关系。

**致谢**

作者感谢国家重点研发计划（批准号：2023YFC3806800）和湖南省研究生创新基金（批准号：QL20220094）提供的资金支持。

Peng Shi | Lu Deng | Jingjing Guo | Mi Liu | Shuo Wang