CN102915561B - 一种管道结构三维重建方法 - Google Patents

Abstract

本发明提供三维点云建模领域中的一种管道结构三维重建方法。本发明获取管道的点云数据和地面的单位法向量；将点云数据变换到以地面的法向量为Z轴的坐标系；计算坐标变换后的点云数据的法向量；从中分离出法向量平行于地面的点云数据，并投影到平行于地面的平面上；法向量不平行于地面的点云数据，并投影到高斯球上，沿纬度方向投影到赤道上，在赤道上检测峰值点；将峰值点所在区域内的点云数据投影到峰值的方向和Z轴构成的平面上；得到点云数据构成的点云圆；通过点云圆得到管道的三维图。本发明方法最大程度地避免了噪声干扰，在没有完全获得点云数据的条件下，依然能够对点云数据进行清晰分类，且计算量小，适用于各类管道的三维重建。

Description

一种管道结构三维重建方法

技术领域

本发明涉及三维点云建模领域，特别是涉及一种管道结构三维重建方法。

背景技术

管道工厂广泛存在于石油、化工和冶金等行业领域中，涉及大量纵横交错、十分密集的管道。一个较为完整、系统和理想化的管道工厂协同设计与管理系统中，管道工厂的三维几何模型占据相当关键的地位，它是各种工程数据的载体，管道工厂的三维建模技术已成为管道工厂设计与管理系统的关键问题。

很多管道工厂施工年代较早，经过多次改扩建后其二维图纸也变得不完整，由于没有相应的三维几何模型，致使无法使用现代化的管道工厂管理方式对其进行管理。目前，可以通过激光扫描得到管道工厂点云数据，但由于工厂规模庞大、结构复杂，获取的点云数据通常不完整，且含有大量噪音，使得从点云数据恢复三维几何模型存在很大的困难。

因此，目前需要本领域技术人员迫切解决的一个问题就是：如何能够创新地提出一种管道工厂激光扫描点云的几何建模方法，从而实现高效地对管道工厂点云数据进行管道的三维重建。

发明内容

（一）要解决的技术问题

本发明要解决的技术问题是：如何通过管道工厂点云数据高效地对管道进行三维重建。

（二）技术方案

为解决上述技术问题，本发明提供了一种管道结构三维重建方法，其特征是该方法包括以下步骤：

S1：获取管道的点云数据和地面的单位法向量，将所述点云数据变换到以地面的法向量为Z轴的坐标系，计算坐标变换后的点云数据的法向量；

S2：根据所述坐标变换后的点云数据的法向量找到法向量平行于地面的点云数据，并投影到平行于地面的平面上；

S3：根据所述坐标变换后的点云数据的法向量找到法向量不平行于地面的点云数据，并投影到高斯球上，沿纬度方向投影到赤道上，在赤道上检测峰值点；将峰值点所在区域内的点云数据投影到峰值的方向和Z轴构成的平面上；

S4：分别检测步骤S2得到的平面和步骤S3得到的平面中点云数据构成的点云圆；通过点云圆得到管道的三维图。

所述坐标变换的公式为：

x’=Mx

其中：

x’为变换后的点云数据的坐标；

M为坐标变换方阵；

x为变换前的点云数据的坐标。

所述计算坐标变换后的点云数据的法向量具体为：

对每个点云数据取设定个近邻点，将所述近邻点拟合成一个平面，则这个平面的法向量为该点云数据的法向量。

所述法向量平行于地面的点云数据是指该点云数据的法向量和地面平面的夹角小于设定角度的点云数据。

所述在赤道上检测峰值点具体为：

将法向量不平行于地面的点云数据投影到高斯球上，并求得该点云数据法向量和高斯球的赤道平面的夹角；将赤道平面上共π的方向角分成设定数量的均匀区间，统计落在各个区间内的点云数据的数量；若点云数据的数量大于设定阈值，则认为该区域有一个峰值点，该峰值点的角度为该区域角度的中间值；否则，认为该区域没有峰值。

所述分别检测步骤S2得到的平面和步骤S3得到的平面中点云数据构成的点云圆具体为：

S41：统计步骤S2得到的平面和步骤S3得到的平面的点云数据在各自平面中的分布，进而设定初始圆的参数空间；根据初始圆的参数空间确定点云圆。

所述根据初始圆的参数空间确定点云圆具体为：

S411：若初始圆的参数空间内的点云数据少于设定阈值，则舍弃该初始圆的参数空间，否则，进入步骤S412；

S412：若初始圆的参数空间小于设定范围，则检测该初始圆的参数空间中的点云圆，否则，将该初始圆的参数空间等分为设定个初始圆的参数空间，返回步骤S411。

所述检测该初始圆的参数空间中的圆的方法为随机样本一致性算法。

所述通过点云圆得到管道的三维图具体为：

S42：根据所述点云圆绘制该点云圆的圆柱轴线，经拟合后得到管道的三维图。

（三）有益效果

本发明通过对点云数据的处理，将点云数据划分到平行于水平面和垂直于水平面上，进而通过RANSAC算法将这两类平面内的点云数据拟合成圆，最终得到管道的三维图。本发明方法最大程度避免了噪声干扰，在没有完全获得点云数据的条件下，依然能够对点云数据进行清晰分类，且计算量远小于现有三维重建方法，广泛适用于各类管道的三维重建。

附图说明：

图1是本发明的基本步骤；

图2是本发明的整体流程图；

图3是法向量垂直于地面的点云投影到地面平面的结果；

图4是高斯球赤道上的点云分布峰值检测。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1是本发明的基本步骤。参考图2，示出了本发明的一种基于参数域裁剪的结构化管道点云几何重建方法与系统的流程图，所述具体方法包括：

S1，获取管道的点云数据和地面的单位法向量t；将点云数据变换到以地面的法向量为Z轴的坐标系，计算坐标变换后的点云数据的法向量；

在大多数点云数据中，地面方向都已经在采集数据时进行了标定。在数据中，常常将三维坐标系的Z轴方向作为地面的法方向，既地面的单位法向量为(0,0,1)。即使点云数据的地面法向量未知，而可以通过很多已有的技术快速准确的检测得到。

假设地面的单位法向量为t，任意选择向量t₁,t₂，使得t,t₁,t₂成为一组正交向量，并作为新的坐标系。那么对于点云中的一个点x，变换到新坐标系中的坐标为x’：

x’=Mx

其中：

x’为变换后的点云数据的坐标；

M为坐标变换方阵；

x为变换前的点云数据的坐标。

其中变换方阵M为：

M=[t₁ t₂ t]^T

而新坐标系中的点x’对应的原坐标系中的点为：

x＝M^-1x’

为了计算方便，以后都在新坐标系中进行运算，必要时可以使用上述公式在两个坐标系中变换。

在新坐标系中，地面法方向为Z轴方向，其单位法向量为(0,0,1)。

对于点云中的某个点，取其k（k=10）近邻，将这k个点拟合成一个平面，将该平面的法向量作为该点的法向量。对点云中的每个点都进行上述操作，得到点云中每个点的法向量。

S2，根据坐标变换后的点云数据的法向量找到法向量平行于地面的点云数据，并投影到平行于地面的平面上；

由于在新坐标系中，地面的单位法向量为(0,0,1)，对于点云中的某个点x，如果其法方向n和地面平面的夹角小于一个阈值Δα，Δα＝(0，1]°，即，(0,0,1)·n<sin(Δα)。将符合这些条件的点投影到地面平面，既新坐标系的XOY平面上，即：

$x^{\&prime;}=\left[\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\end{array}\right]x$

这样就得到了一组平面上的点云数据，我们将这个集合作为Set0。

S3，根据坐标变换后的点云数据的法向量找到法向量不平行于地面的点云数据，并投影到高斯球上，沿纬度方向投影到赤道上，在赤道上检测峰值点；将峰值点所在区域内的点云数据投影到峰值的方向和Z轴构成的平面上；

将法向量不平行于地面的点云数据投影到高斯球上，并求得该点云数据法向量和高斯球的赤道平面的夹角；将赤道平面上共π的方向角分成设定数量的均匀区间，统计落在各个区间内的点云数据的数量；若点云数据的数量大于设定阈值，则认为该区域有一个峰值点，该峰值点的角度为该区域角度的中间值；否则，认为该区域没有峰值。

假设点云的法向量为n，那么将法向量在高斯球上沿维度方向投影到赤道平面，既XOY平面上。那么投影方向和X轴的夹角即为：

$\mathrm{\&theta;}=\arctan \left(\frac{\left(\mathrm{0,1,0}\right)n}{(1,0,0)m}\right),$ θ∈[-π/2,π/2]

将赤道上共π的方向角（过赤道圆心对称的角度视为相同）分为m（m=100）个均匀区间，计算落在每个区间内的样本数，当某个区间的样本数量为局部最大而且大于某个阈值T（T=0.01M，其中，M为剩余点云的总规模）时，我们认为它是一个峰值点。峰值点的角度近似为该区间的中间值。图4的例子中可以看出，有两个明显的峰值点存在。

假设某个峰值方向为θ_max，那么其对应的向量为(cosθ_max,sinθ_max,0)。然后将对应的区间内的点投影到Z轴方向和峰值方向构成的平面上，那么变换后的坐标为:

$x^{\&prime;}=\left[\begin{array}{ccc}\cos {\mathrm{\&theta;}}_{\max }& {\sin \mathrm{\&theta;}}_{\max }& 0\\ 0& 0& 1\end{array}\right]x$

将一个区间内投影得到的二维点云数据作为Set1,Set2…。

S4，分别检测步骤S2得到的平面和步骤S3得到的平面中点云数据构成的点云圆；通过点云圆得到管道的三维图。

S41：统计步骤S2得到的平面和步骤S3得到的平面的点云数据在各自平面中的分布，进而设定初始圆的参数空间；根据初始圆的参数空间确定点云圆。

假设变换到二维数据后点云的取值范围为[w₁,w₂]×[h₁,h₂]，即所有点云的宽度范围为[w₁,w₂]，高度范围为[h₁,h₂]，那么取初始圆参数空间（圆心坐标和半径）为(x₀,y₀,r)∈[w₁,w₂]×[h₁,h₂]×[0,(h₂-h₁)/2]（假设h₂-h₁<w₂-w₁）。

S411：若初始圆的参数空间内的点云数据少于设定阈值，则舍弃该初始圆的参数空间，否则，进入步骤S412；

S412：若初始圆的参数空间小于设定范围，则检测该初始圆的参数空间中的点云圆，否则，将该初始圆的参数空间等分为设定个初始圆的参数空间，返回步骤S411。

首先，对于一个参数空间（圆心坐标和半径）[x₁,x₂]×[y₁,y₂]×[r₁,r₂]，定义其对应点云空间为：

1）当r₁<x₂-x₁或r₁<y₂-y₁时，为矩形[x₁-r₂,x₂+r₂]×[y₁-r₂,y₂+r₂]；

2）否则，为两个同心圆构成的环形，其圆心为半径分别为r₁-max(x₂-x₁,y₂-y₁)，r₂+max(x₂-x₁,y₂-y₁)。

参数空间的裁剪以及参数空间对应的点云空间可以参考图4。

对于一个参数空间[x₁,x₂]×[y₁,y₂]×[r₁,r₂]，分情况进行如下处理：

1、若对应参数空间中的点数量少于阈值ε（ε=0.001N，N为点云总量），这时舍弃这个参数空间，不再继续处理。

2、若满足x₂-x₁<x_zone,y₂-y₁<y_zone,r₂-r₁<r_zone，则不再继续处理，并使用一种受限的随机样本一致性RANSAC（Random SampleConsensus）算法在参数空间的对应点云空间中检测圆。

3、否则，就将参数空间按(x₀,y₀,r)三个维度均分产生8个子参数空间，对每个子空间从1开始进行处理。

其中，使用受限的随机样本一致性RANSAC算法检测圆为：

对于一个参数空间[x₁,x₂]×[y₁,y₂]×[r₁,r₂]，得到其对应点云空间中的所有点，在这个集合上使用随机样本一致性（RANSAC）算法来检测圆。不同的是如果得到的候选圆的参数不在参数空间内，那么该候选圆柱要被舍弃。

S42：根据点云圆绘制该点云圆的圆柱轴线，经拟合后得到管道的三维图。

对于Set0中检测到的圆(x₀,y₀,r)，其对应的圆柱的轴线即为(x₀,y₀,0)+(0,0,1)t，半径为r。

对SetX(X>0)中检测到的圆(x_X,y_X,r_X)，如果集合的峰值方向为θ_max，那么其对应的轴线为：

(x_Xcosθ_max,x_Xsinθ_max,y_X)+(-sinθ_max,cosθ_max,0)t，半径为r_X。

这些圆柱构成了三维工厂中的管道。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (8)

1.一种管道结构三维重建方法，其特征是该方法包括以下步骤：

S1：获取管道的点云数据和地面的单位法向量，将所述点云数据变换到以地面的法向量为Z轴的坐标系，计算坐标变换后的点云数据的法向量；

S2：根据所述坐标变换后的点云数据的法向量找到法向量平行于地面的点云数据，并投影到平行于地面的平面上；

S3：根据所述坐标变换后的点云数据的法向量找到法向量不平行于地面的点云数据，并投影到高斯球上，沿纬度方向投影到赤道上，在赤道上检测峰值点；将峰值点所在区域内的点云数据投影到峰值的方向和Z轴构成的平面上；

S4：分别检测步骤S2得到的平面和步骤S3得到的平面中点云数据构成的点云圆；通过点云圆得到管道的三维图；

所述在赤道上检测峰值点具体为：

将法向量不平行于地面的点云数据投影到高斯球上，并求得该点云数据法向量和高斯球的赤道平面的夹角；将赤道平面上共π的方向角分成设定数量的均匀区间，统计落在各个区间内的点云数据的数量；若点云数据的数量大于设定阈值，则认为该区域有一个峰值点，该峰值点的角度为该区域角度的中间值；否则，认为该区域没有峰值。

2.根据权利要求1所述的方法，其特征在于，所述坐标变换的公式为：

x′＝Mx

其中：

x′为变换后的点云数据的坐标；

M为坐标变换方阵；

x为变换前的点云数据的坐标。

3.根据权利要求1所述的方法，其特征在于，所述计算坐标变换后的点云数据的法向量具体为：

对每个点云数据取设定个近邻点，将所述近邻点拟合成一个平面，则这个平面的法向量为该点云数据的法向量。

4.根据权利要求1所述的方法，其特征在于，所述法向量平行于地面的点云数据是指该点云数据的法向量和地面平面的夹角小于设定角度的点云数据。

5.根据权利要求1所述的方法，其特征在于，所述分别检测步骤S2得到的平面和步骤S3得到的平面中点云数据构成的点云圆具体为：

S41：统计步骤S2得到的平面和步骤S3得到的平面的点云数据在各自平面中的分布，进而设定初始圆的参数空间；根据初始圆的参数空间确定点云圆。

6.根据权利要求5所述的方法，其特征在于，所述根据初始圆的参数空间确定点云圆具体为：

S411：若初始圆的参数空间内的点云数据少于设定阈值，则舍弃该初始圆的参数空间，否则，进入步骤S412；

S412：若初始圆的参数空间小于设定范围，则检测该初始圆的参数空间中的圆，否则，将该初始圆的参数空间等分为设定个初始圆的参数空间，返回步骤S411。

7.根据权利要求6所述的方法，其特征在于，所述检测该初始圆的参数空间中的圆的方法为随机样本一致性算法。

8.根据权利要求1所述的方法，其特征在于，所述通过点云圆得到管道的三维图具体为：

S42：根据所述点云圆绘制该点云圆的圆柱轴线，经拟合后得到管道的三维图。