钢筋骨架质量检查是预制钢筋混凝土构件质量检查的重要方面,其质量好坏对预制钢筋混凝土构件的质量具有决定性影响。当前,钢筋骨架质量检查方法主要依靠人工,即通过钢尺测量、人工计数等方式,对钢筋数量和钢筋间距等钢筋骨架质量检查项进行检查。且根据现行规范,需要对这些检查项进行全数检查。因此,当前钢筋骨架质量检查方法存在检查时间长、容易出错、耗费大量人工等问题。结构光相机等传感器和三维重建、点云处理、建筑信息模型等技术的出现,为解决这一问题提供可能。本研究聚焦于预制钢筋混凝土构件中钢筋骨架的质量检查,基于上述传感器和技术,提出了钢筋骨架质量检查核心算法,以解决现有钢筋骨架质量检查方法存在的问题。首先,基于文献调研,理清现有钢筋骨架质量检查方法、三维重建技术等的研究进展,并明确其与本研究需求间的差距。其次,在文献调研、网络调研和试用的基础上,选择结构光相机作为本研究的传感器,并据此设计、制作数据采集设备。同时通过实地调研,确定工程中钢筋骨架的具体形式、质量检查内容和方法,并结合规范要求,设计、制作了用于实验的钢筋骨架试件。接着,研究钢筋骨架质量检查核心算法,包括钢筋骨架点云高精度精配准算法,钢筋骨架整体点云获取算法,钢筋骨架语义设计点云自动生成算法以及钢筋骨架质量自动检查算法。这些算法分别对应实现以下功能:对两片钢筋骨架点云进行高精度的精配准;基于钢筋骨架点云高精度精配准算法以及三维重建、点云处理、图优化等技术,实现钢筋骨架整体点云的获取,并最大限度降低误差;基于钢筋骨架建筑信息模型,生成钢筋骨架语义设计点云,有利于降低后续钢筋骨架质量自动检查的复杂度;基于钢筋骨架整体点云和语义设计点云,实现对钢筋骨架中钢筋数量和钢筋间距的自动检查。同时,用钢筋骨架试件对上述各算法进行实验。实验结果表明,本研究提出的钢筋骨架质量检查核心算法能够实现复杂钢筋骨架质量的自动检查,有效提高钢筋骨架质量检查效率,避免人为错误,降低人工成本。