裝配式施工場景下智能吊裝作業全過程環境感知方法研究

別紅亮

(中鐵一局集團建筑安裝工程有限公司)

在裝配式施工環境中，智能吊裝作業的全過程環境感知顯得尤為重要。這不僅關乎施工的安全性，更直接影響到施工的質量和效率。裝配式建筑就是將預制好的預制件在工廠內加工，然后運輸到工地上進行組裝的一種建筑形式[1]。該方法能有效地提高工作效率，減少現場工作難度。而智能吊裝則是利用現代傳感器、通訊和自動化技術，實現吊裝作業的智能化、自主化。將兩者結合，可以進一步提高施工的自動化和智能化水平[2]。本文將重點探討在裝配式施工場景下，如何進行智能吊裝作業全過程的精準環境感知。

1.裝配式施工場景下智能吊裝作業基礎數據處理

在裝配式施工場景中，結合雙目立體視覺原理，構建坐標系。基于飛行時序的深度相機，在被測目標表面發出一道連續的激光脈沖，再將其反射回來，利用激光脈沖的來回運動時間，實現目標與目標之間的距離測量，但其精度較差，且易受到多次反射的影響，難以應用于復雜的工程環境[3]。雙眼立體視覺技術通過對多個或多個攝像頭同步獲取同一點的視差量進行解算，其精度依賴于待辨識對象的明顯特性和特征匹配算法的優劣。圖1 為雙目立體視覺原理。

圖1 雙目立體視覺原理

以雙目立體視覺為研究對象，利用近紅外激光激發偽散斑紅外光斑，通過改變被測對象表面形貌，獲取目標位置和深度等信息，但容易受到強烈光照的影響，不能很好地適用于室外施工作業環境。

因此，本項目以雙目立體視覺理論為基礎，以深度攝像機為主體，進行動態環境感知。

在完成對坐標系的建立后，針對復雜空間坐標系的變換，引入坐標系旋轉方法[4]。若繞X 軸旋轉，則當建筑坐標系繞X 軸逆時針旋轉α 度時，此時坐標旋轉變換后可寫作：

式中：（x，y，z）代表建筑坐標中的任意一點坐標，（x'，y'，z'）代表轉換后的坐標。若繞Y 軸旋轉，則當建筑坐標系繞Y 軸逆時針旋轉β 度時，此時坐標旋轉變換后可寫作：

若繞Z 旋轉，則當建筑坐標系繞Z 軸逆時針旋轉γ度時，此時坐標旋轉變換后可寫作：

對于獲取到的點云數據，需要對其進行修復處理。以下是一個基本的修復流程：第一步，數據預處理：點云數據的清洗與預處理，主要包括噪聲去除、無效數據過濾、數據光滑化等[5]。第二步，特征提取：通過提取點云中的幾何特征，如邊緣、角點、曲面等，為后續的匹配和修復提供依據。第三步，配準與拼接：對于多視角或分段獲取的點云數據，需要進行配準和拼接，將不同視角或不同段落的點云數據對齊到同一坐標系中。第四步，缺失數據修復：對于點云中缺失的部分數據，可以通過插值、擬合、重建等方式進行修復。根據缺失程度和修復要求，選擇合適的修復方法[6]。第五步，優化與平滑：對點云數據進行優化和平滑處理，以提高數據質量，降低數據冗余和誤差。第六步，紋理映射：如果需要，可以將紋理映射到點云數據上，增強點云的可視化效果。

2.待吊裝構件空間智能定位

在吊裝過程中，機器依據吊裝計劃，在吊裝區域自主辨識待吊部件的位置，為吊裝過程中部件的自動拼接、軌跡規劃等提供依據。項目綜合運用計算機視覺、幾何學、建筑信息模型和數據庫等理論，研究吊裝前待吊部件的智能辨識方法，主要研究內容為吊裝過程中待吊部件的智能定位與判定[7]。圖2 為待吊裝構件空間智能定位流程。

圖2 待吊裝構件空間智能定位流程圖

在待吊裝構件空間智能定位算法中，首先，通過傳感器或定位系統，獲取待吊裝構件在空間中的位置信息，包括構件的坐標、姿態等。根據施工要求和現場實際情況，確定待吊裝構件的目標位置，包括目標坐標、姿態等。在計算點云中任意兩點之間的距離d（i，j）時，可結合下述歐式距離公式：

式中：（x1，y1，z1）和（x2，y2，z2）代表點云中兩個點的坐標。根據待吊裝構件的位置信息和目標位置，規劃出構件的移動路徑。路徑規劃需要考慮多種因素，如構件的形狀、尺寸、重量、吊裝設備的性能等。采用智能控制算法對吊裝設備的運動進行控制，使吊裝設備能夠按照規劃的路徑進行移動，并準確地將待吊裝構件放置在目標位置。在吊裝過程中，實時監測待吊裝構件的位置、姿態等信息，并與目標位置進行比較，根據比較結果對吊裝設備的運動進行實時調整，以保證吊裝的精度和穩定性。

3.吊裝運輸過程中障礙物智能識別

在吊裝運輸過程中，障礙物的智能識別是確保安全的關鍵環節。通過智能識別技術，可以有效地識別出吊裝作業區域內的障礙物，避免因碰撞導致的安全事故。選用適當的傳感器，用于采集吊裝作業區域內的環境數據[8]。根據實際需求，合理配置傳感器的數量和位置，確保全面覆蓋作業區域。通過傳感器實時采集吊裝作業區域內的環境數據，包括障礙物的位置、形狀、大小等信息。利用計算機視覺和圖像處理技術對采集的數據進行預處理，如降噪、濾波、去背景等，以提高數據質量。在此基礎上，利用機器學習和深度學習等方法，從圖像中提取出障礙物的特征。利用分類器對特征進行分類，識別出不同類型的障礙物。例如，可以訓練卷積神經網絡（CNN）模型，對圖像中的障礙物進行分類和定位。不同障礙物特征差異較大，以工人的相關特征為例，按照表1 中的內容，明確組合特征與具體特征指標。

表1 組合特征與對應特征指標

表1 中動作姿態特征具體包含：I：左側膝蓋關節夾角，II：右側膝蓋關節夾角，III：左側肘關節夾角，IV：右側肘關節夾角，V：左側下肢與上身軀干夾角，VI：右側下肢與上身軀干夾角。u，v 代表骨骼點的像素坐標。在此基礎上，提出了一種新的基于屬性的降維方法。針對以上構造的障礙組合特征矩陣Fm×n，先對其進行降維，然后再對其進行綜合分析。在此基礎上，提出一種新的方法，即：首先，從多個特征中抽取具有代表意義的特征，剔除多余的特征，從而提升分類精度。其次，減小特征維數，減少多余的計算機存儲空間。最后，將復合特征維數降低到最小，為后續對位參照物智能識別感知提供條件。

4.對位參照物智能識別感知

在吊裝過程中，機器依據吊裝計劃，通過智能辨識出吊裝過程中的定位狀態及吊裝部件的安裝位置，是提升設備智能化運行的又一前提。針對裝配式混凝土柱構件裝配過程較為復雜和典型，本項目擬以裝配式裝配式混凝土柱結構為研究對象，融合計算機視覺、幾何學、數據庫等多學科理論，構建裝配過程中裝配式構件位置參考體智能辨識方法，主要研究裝配式裝配式鋼筋垂向智能檢測、吊裝控制面智能構建以及裝配式鋼筋-鋼筋對接元素智能抽取與匹配等關鍵技術。圖3 顯示了安裝時對位參照物智能識別的邏輯框架。

圖3 安裝時對位參照物智能識別的邏輯框架

確定裝配區內被連接鋼筋的垂直度是否符合規范要求，是實現裝配式裝配對齊的前提，也就是為裝配式構件與構件之間的連接提供了依據。本項目以圖像處理技術為基礎，建立一種新型的被連接鋼筋垂向檢測方法，在此基礎上，以已分割的被連接鋼筋為基礎，提取被連接鋼筋的棱線，并利用直線空間映射技術，實現被連接鋼筋的垂向檢測。同時，利用分析幾何學的基本原理，對被連接的鋼筋進行傾斜度的計算，以判定其垂直度是否符合規范規定，并在安裝之前對被連接的鋼筋進行垂直度檢查。

為確保施工現場鋼筋的使用和順利驗收，對被連接鋼筋的規格、數量、位置和長度進行嚴格檢查。如果連接的鋼筋是斜的，則要校正：連接的鋼筋與套管或孔的中線偏差不能超過3mm。如果被連接的鋼筋斜向彎曲，則會使對接失敗。所以，在安裝安裝之前，必須檢查安裝好的預制板所安裝的鋼筋的垂直度是否符合規范。圖4 為連接鋼筋發生彎折且處于能夠插入套筒極限情況示意圖。

圖4 連接鋼筋發生彎折且處于能夠插入套筒極限情況示意圖

圖4 中，u 代表橫坐標，v 代表縱坐標。在圖4 所示的情況下，被連接鋼筋處于彎折極限情況，應當滿足下述約束關系：

吊裝控制面（即吊裝部件在裝配面上的豎直投影）是裝配過程中的參考表面，它的自動生成對裝配部件智能化裝配至關重要。本項目擬基于已分割的鋼筋數據，融合圖像處理與組件模型庫，構建起吊控制面的智能生成方法，一方面，將鋼筋等高線擴展與最小外接多邊形相結合，實現鋼筋最小包絡線的自動生成；另一方面，將鋼筋最小包絡線與構件模型庫進行比對，選取最小包絡線，形成吊裝控制面。

在實際吊裝時，先將構件吊起，然后再慢慢抬到安裝點上面進行對位作業，然后按照工人事先安排好的控制線與點，從遠處向近處接近定位基準點，循序漸進地提高對位精度。所以，在保證吊裝定位精度的前提下，最大限度地發揮起吊控制的作用。鑒于吊裝控制線的產生取決于桿件斷面的特點，本項目以吊裝控制點、線為依據，提出吊裝控制面的新概念，即吊裝過程中，吊裝控制面在安裝面上的豎直投影，既包含了原來的控制點、線，又包含了控制面上的布局信息。基于此，利用 Canny 檢測技術，從已分割的鋼筋圖像中提取出鋼筋的形狀，并在此基礎上，提出一種基于輪廓擴展的鋼筋最小包絡線算法。在此基礎上，提出了一種新的方法，即以鋼筋輪廓根為圓心，求出最小外接多邊形。

5.結論

隨著科技的不斷發展，智能吊裝將會在裝配式施工中發揮越來越重要的作用。而環境感知作為智能吊裝的核心技術之一，其研究具有重要的實際意義。通過全過程的環境感知，可以有效提高吊裝作業的安全性、穩定性和效率，進一步推動裝配式施工的智能化發展。因此，對裝配式施工場景下智能吊裝作業全過程環境感知方法的研究，是未來建筑業發展的重要方向之一。