CN105571571B - 基于三维激光扫描的堆积剖面空间结构信息分析方法 - Google Patents
基于三维激光扫描的堆积剖面空间结构信息分析方法 Download PDFInfo
- Publication number
- CN105571571B CN105571571B CN201610051692.1A CN201610051692A CN105571571B CN 105571571 B CN105571571 B CN 105571571B CN 201610051692 A CN201610051692 A CN 201610051692A CN 105571571 B CN105571571 B CN 105571571B
- Authority
- CN
- China
- Prior art keywords
- image
- section
- dimensional
- point
- cloud
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于三维激光扫描的堆积剖面空间结构信息分析方法,对三维激光扫描的堆积剖面图像进行处理,图像二值化和分水岭算法对图像进行分割,获取块石边界轮廓图;进而利用边界圈定点云数量,校正获取块石空间信息:利用点云分割算法分割剖面,将三维曲面坐标系转化成二维平面坐标系X‑O‑Y,把点云中所有的点都投射到二维剖面,把高度值转化灰度值;最后分割二维图像,通过已有的参数反推出石块的粒径和空间结构信息。本发明基于三维激光扫描的堆积剖面空间信息无损提取,实现堆积剖面块石几何信息、空间结构与组构、堆积层位与期次信息的提取及堆积规模的估算,用于支撑古灾害重建、地貌演化分析、堆积体稳定性分析及工程选线与设计等。
Description
技术领域
本发明属于地质工程测量领域,具体涉及一种基于三维激光扫描的堆积剖面空间结构信息分析方法。
背景技术
目前地质、地貌、水利领域研究领域,堆积剖面的空间结构信息是工程地质、水利工程等最重要的基础数据之一,为获得地质、地貌等堆积剖面的空间结构信息时,主要采用水利学领域的皮尺摄影测量法:沿堆积剖面局部断面横向或纵向拉皮尺,用照相机拍摄照片,获取局部剖面的连续相片,然后在室内进行照片的拼接,通过参照物或皮尺刻度,估算颗粒粒径的大小、分布和不同粒径物质组成比例,进而通过局部带状信息反推整个剖面的空间信息。
该类测量方法的信息源为堆积剖面的局部二维信息,缺少对堆积剖面三维空间信息测量与研究,因此无法客观、全面的反映堆积剖面的空间信息,更难以实现多期次对复杂堆积剖面空间信息的甄别与提取,也不能支撑堆积剖面稳定性分析。并且采用该类传统测量方法,获取大量测量数据费时费力;尤其在高边坡或恶劣环境下,测量人员无法靠近堆积表面,危险性大。
三维激光扫描技术(Light Detection And Ranging,LiDAR)作为一种先进的全自动高精度立体扫描技术,可以高效地采集大量的三维坐标点,将各种大型的、复杂的、不规则的实景三维数据完整地采集到电脑中,快速重构出目标的三维点云模型,因此该技术能够面向高精度的地质工程的三维建模与重构。如专利申请号为201310746175.2的发明,介绍了一种基于三维激光扫描技术,获取地质对象海量的高精度坐标点云;但该发明并披露针对高精度坐标点云进行空间结构信息的分析方法,只属于工程地质测绘方法。
三维激光扫描技术可以短时间、远距离、高精度的获得目标堆积剖面的坐标点,因此进一步利用三维激光扫描技术的点云数据进行分析,拟和剖面,并实现堆积剖面空间信息的无损提取,对解决地质、地貌、水利、沉积等领域的高陡堆积剖面空间信息提取与反演的关键问题具有重要意义。
发明内容
本发明的目的就是针对现有技术的不足,提供一种基于三维激光扫描的堆积剖面空间结构信息分析方法,能够实现堆积剖面块石粒径及体积等几何信息、空间结构与组构、堆积层位与期次信息的提取及堆积规模的估算。
为实现上述目的,本发明基于三维激光扫描的堆积剖面空间结构信息分析方法的技术方案如下:使用三维激光扫描仪对所述堆积剖面进行扫描,得到扫描图像A1,所述分析方法的步骤为:
步骤S1、预处理扫描图像A1,提取图像数据,设定图像A1比例尺、块石最大粒径、块石最小粒径,通过图像二值化和分水岭算法对图像进行分割,获取块石边界轮廓图A6;
步骤S2、根据块石边界轮廓图A6,利用边界圈定点云数量,校正获取块石空间信息:利用点云分割算法分割剖面,得到曲面函数ax+by+cz+d=0,将三维曲面函数ax+by+cz+d=0转换至二维平面坐标系X-O-Y,曲面点云中任意点(x,y,z)的z值就是垂直于剖面的高度,把点云中所有的点都投射到二维剖面,把高度值转化灰度值;分割二维图像,通过已有的参数反推石块的粒径和空间结构信息。
步骤S1和S2的具体步骤如下:
步骤S11、读取三维激光扫描仪的扫描图像A1,选出需要统计块石的区域;
步骤S12、设置扫描图像A1上的比例尺、块石最小粒径、图像二值化门限threshold;
步骤S13、以石块普遍存在灰度较高部分的统计规律得到的高亮度区域为出发点分割石块;
步骤S14、通过S12设定的二值化门限threshold对三通道的RGB扫描图像A1进行三通道的二值化处理,得到二值化的图像A2;
步骤S15、根据RGB的三个通道中较亮的区域将二值化的图像A2转化成单通道前景灰度图像A3;
步骤S16、在threshold门限下统计前景灰度图像中前景块数N;返回步骤S13改变二值化门限threshold,循环步骤至S16,直到前景块数N得到最大值,执行S17;
步骤S17、单通道前景灰度图像A3进行膨胀的形态学处理后,进行二值化取反,得到确定的背景区域灰度图像A4,其中灰度值为0的区域为确定的背景,灰度值为128的区域为不确定区域;
步骤S18、单通道前景灰度图像A3和背景区域灰度图像A4相加得到图像A5,灰度值为0的区域为确定的背景,灰度值为128的区域为不确定区域,其他灰度值区域为确定的前景;
步骤S19、利用三通道的RGB扫描图像A1的信息采用分水岭对图像A5进行分割,得到灰度值为128区域的区域具体属于前景或背景,得到块石轮廓图像A6;
步骤S21、三维激光扫描仪扫描堆积剖面后,对剖面的扫描图像数据融合后得到点云数据;对点云参数设置后分割点云剖面,确定剖面平面的ax+by+cz+d=0的4个参数;
步骤S22、将倾斜的剖面ax+by+cz+d=0进行坐标转换,摆正成X-O-Y平面;
步骤S23、遍历误差最小点:在点云里选一个y轴上或接近y轴的点,y值越大且距离Y-O-Z平面越近,误差越小;如果未遍历到误差最小点,则返回S21重新调整参数后点云剖面;
步骤S24、三维坐标变换,通过变换矩阵将把点云转化至以步骤S23误差最小点而确定y轴方向的新三维坐标系中;
步骤S25、Z绝对值测试:对转化后的X-O-Y平面的所有剖面点(x,y,z)的z绝对值测试;
步骤S26、通过对点云的分辨率进行统计,计算出比例尺把点云映射到二维图像,也就是OpenCV的Mat结构上;
步骤S27、滤波处理:对于图像中为0的点复制到新的图像,用周围的点的灰度值来赋值,得到二维图像;
步骤S28、转换成二维的Mat图像
X-O-Y剖面平面的厚度d0,把-d0/2到最大石块高度的区间映射到[0,255]的灰度区间,得到将X-O-Y剖面转换成的二维的Mat图像;
步骤S29、伪彩色图像处理:选择出需要分割的点云区域,把0~255的灰度映射成伪彩色图像;
步骤S210、对二维Mat图像中区域进行分割,根据设置参数计算出实际的粒径大小,石块体积通过设置好的参数和点的灰度值计算出来;然后得出粒径积累曲线和体积积累曲线。
优化的,所述步骤S21所述的对扫描图像数据融合后得到点云数据,满足每平方米的点云应该保证在50万个点以上。所述步骤S25所述的z绝对值测试,保证z的绝对值在x或者y绝对值的0.1倍~0.3倍之间。
进一步的,所述步骤S17的单通道前景灰度图像A3进行膨胀的形态学处理后,以12为最大值进行二值化取反。
更进一步的,所述步骤S26把点云映射到二维图像,满足一个三维点对应一个二维点。
具体的,所述设定图像A1比例尺时,依据实际考察图像上两个点的实际距离来确定。
本发明的提供了基于三维激光扫描的堆积剖面空间结构信息分析方法,有益效果体现在:(1)本发明用三维激光扫描仪扫描测量能实现三维结构的真实重现,比单纯的平面摄影分析更具优势,能够获取堆积剖面的准确信息;(2)采用完全保留石块高度信息的三维点云数据来进行分割的思路,摒弃了单纯利用RGB图像来分割剖面的对石块分割不准确和不具备普适性的缺点;(3)并且本发明针对剖面分割的复杂性,采用了分割剖面、转化坐标系和二维转化的三步策略,实现了三维点云分割问题向二维图像分割问题的转化。总之,本发明基于三维激光扫描的堆积剖面空间信息无损提取,实现堆积剖面块石几何信息(粒径、体积)、空间结构与组构、堆积层位与期次信息的提取及堆积规模的估算,支撑块石运动力学参数与形成环境等信息的推算与反演,解决地质、地貌、水利、沉积等领域的高陡堆积剖面空间信息提取与反演的关键问题,可用于支撑古灾害重建、地貌演化分析、堆积体稳定性分析及重大工程选线与设计等,具有重要的实际意义。
附图说明
图1为本发明三维激光扫描仪对所述堆积剖面扫描的预处理扫描图像A1。
图2为本发明对预处理扫描图像A1进行分割后获取的块石边界轮廓图A6。
图3为本发明对剖面的扫描图像数据融合后得到整个堆积剖面区域的点云数据图。
图4为本发明分割点云剖面得到的剖面平面图。
图5为本发明对图4的剖面平面图坐标转换后的摆正X-O-Y平面图。
图6为本发明对图5的将X-O-Y平面图转换成的二维的Mat图像。
图7为本发明对图6进行伪彩色图像处理映射成伪彩色图像。
图8为本发明对图7进行二维分割的图像。
图9为利用本发明所述方法得到的剖面块石粒径积累曲线。
图10为利用本发明所述方法得到的剖面块石体积积累曲线。
图11为利用本发明所述方法得到堆积剖面的颗粒组构信息提取图。
具体实施方式
下面结合实施例,对本发明的实施作进一步的描述。
实施例一
利用三维激光扫面仪对某处堆积剖面进行扫描,得到预处理图像A1,利用本发明所述方法进行堆积剖面空间结构信息分析。
步骤S1、预处理扫描图像A1(如图1),提取图像数据,设定图像A1比例尺、块石最大粒径、块石最小粒径,通过图像二值化和分水岭算法对图像进行分割,获取块石边界轮廓图A6(如图2);具体步骤如下:
步骤S11、读取三维激光扫描仪的扫描图像A1,选出需要统计块石的区域;如果图像较大,可以给PC加内存;由于扫描图像上需要统计石块的区域只占一部分,通过鼠标选出需要统计的区域即可;
步骤S12、设置扫描图像A1上的比例尺、块石最小粒径、图像二值化门限threshold;对于扫描图像A1上已经标出比例尺的情况,通过选择比例尺的一段长度,然后将实际长度输入程序即可;如果扫描图像A1上没有标出比例尺,依据实际考察图像上两个点的实际距离来确定,在图像上选择这两个点,然后将实际长度输入程序;块石最小粒径为指定块石可能的最小粒径,图像上不可能有更小的石块,该粒径将作为最终统计输出结果横坐标的最小值;实际的分割可以自动确定最优化的二值化门限;
步骤S13、对选定区域图像分析,以石块普遍存在灰度较高部分的统计规律得到的高亮度区域为出发点分割石块;
步骤S14、通过S12设定的二值化门限threshold对三通道的RGB扫描图像A1进行三通道的二值化处理,得到二值化的图像A2;
步骤S15、根据RGB的三个通道中较亮的区域将二值化的图像A2转化成单通道前景灰度图像A3;
步骤S16、在threshold门限下统计前景灰度图像中前景块数N;返回步骤S13改变二值化门限threshold,循环步骤至S16,直到前景块数N得到最大值,执行S17;
步骤S17、单通道前景灰度图像A3进行膨胀的形态学处理后,以12为最大值进行二值化取反,得到确定的背景区域灰度图像A4,其中灰度值为0的区域为确定的背景,灰度值为128的区域为不确定区域;
步骤S18、单通道前景灰度图像A3和背景区域灰度图像A4相加得到图像A5,灰度值为0的区域为确定的背景,灰度值为128的区域为不确定区域,其他灰度值区域为确定的前景;
步骤S19、利用三通道的RGB扫描图像A1的信息采用分水岭对图像A5进行分割,得到灰度值为128区域的区域具体属于前景或背景,得到块石轮廓图像A6;
然后,步骤S21、三维激光扫描仪扫描堆积剖面后,对剖面的扫描图像数据融合后得到点云数据,如图3所示,融合后得到点云数据满足每平方米的点云应该保证在50万个点以上;对点云参数设置后分割点云剖面,确定剖面平面的ax+by+cz+d=0的4个参数;本实施例参数设置为:地面垂直阈值0.005m、点云长度0.05m、对应图像长度15Pix、最大石块高度0.3m;平面分割算法计算分割出的剖面是ax+by+cz+d=0的平面,距离平面的距离小于阈值的点即为剖面的点;得到平面为-0.13x+0.39y+0.9z+0.68=0,如图4所示;
步骤S22、将倾斜的剖面ax+by+cz+d=0进行坐标转换,摆正成X-O-Y平面;如图5所示,点云窗口里可以看到2块点云,较低的那一块是原始的点云,较高的那一块就是已经摆正了的点云;
步骤S23、遍历误差最小点:在点云里选一个y轴上或接近y轴的点,y值越大且距离Y-O-Z平面越近,误差越小;如果未遍历到误差最小点,则返回S21重新调整参数后点云剖面;
步骤S24、三维坐标变换,通过变换矩阵将把点云转化至以步骤S23误差最小点而确定y轴方向的新三维坐标系中;
步骤S25、Z绝对值测试:对转化后的X-O-Y平面的所有剖面点(x,y,z)的z绝对值测试;z的绝对值在x或者y绝对值的0.1倍~0.3倍之间,则说明转化效果理想;
步骤S26、通过对点云的分辨率进行统计,计算出比例尺把点云映射到二维图像,也就是OpenCV的Mat结构上;把点云映射到二维图像满足一个三维点对应一个二维点;
步骤S27、滤波处理:对于图像中为0的点复制到新的图像,用周围的点的灰度值来赋值,得到二维图像;
步骤S28、转换成二维的Mat图像:X-O-Y剖面平面的厚度d0,把-d0/2到最大石块高度的区间映射到[0,255]的灰度区间,得到将X-O-Y剖面转换成的二维的Mat图像;如图6,二维化后保留了高度信息的图像,该图像的灰度值代表了原点云的高度值;
步骤S29、伪彩色图像处理:选择出需要分割的点云区域,把0~255的灰度映射成伪彩色图像,如图7;
步骤S210、对二维Mat图像中区域进行分割,分割结果如图8;根据设置参数计算出实际的粒径大小,石块体积通过设置好的参数和点的灰度值计算出来;然后得出粒径积累曲线和体积积累曲线。其中,图9为粒径积累曲线、图10为体积积累曲线。最终利用本发明所述方法从图5-8的堆积剖面的颗粒组构信息得到堆积层位与期次信息的提取,如图11所示。
以上结合对本发明进行了示例性描述,显然本发明具体实现并不受上述方式的限制,只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进,或未经改进将本发明的构思和技术方案直接应用于其它场合的,均在本发明的保护范围之内。
Claims (8)
1.一种基于三维激光扫描的堆积剖面空间结构信息分析方法,使用三维激光扫描仪对所述堆积剖面进行扫描,得到扫描图像A1,其特征在于:所述分析方法的步骤为:
步骤S1、预处理扫描图像A1,提取图像数据,设定图像A1比例尺、块石最大粒径、块石最小粒径,通过图像二值化和分水岭算法对图像进行分割,获取块石边界轮廓图A6;
步骤S2、根据块石边界轮廓图A6,利用边界圈定点云数量,校正获取块石空间信息:利用点云分割算法分割剖面,得到曲面函数ax+by+cz+d=0,将三维曲面函数ax+by+cz+d=0转换至二维平面坐标系X-O-Y,曲面点云中任意点(x,y,z)的z值就是垂直于剖面的高度,把点云中所有的点都投射到二维剖面,把高度值转化灰度值;分割二维图像,通过已有的参数反推石块的粒径和空间结构信息。
2.根据权利要求1所述的堆积剖面空间结构信息分析方法,其特征在于:所述步骤S1的具体步骤为:
步骤S11、读取三维激光扫描仪的扫描图像A1,选出需要统计块石的区域;
步骤S12、设置扫描图像A1上的比例尺、块石最小粒径、图像二值化门限threshold;
步骤S13、以石块普遍存在灰度较高部分的统计规律得到的高亮度区域为出发点分割石块;
步骤S14、通过S12设定的二值化门限threshold对三通道的RGB扫描图像A1进行二值化处理,得到二值化的图像A2;
步骤S15、根据RGB的三个通道中较亮的区域将二值化的图像A2 转化成单通道前景灰度图像A3;
步骤S16、在threshold门限下统计前景灰度图像中前景块数N;返回步骤S13改变二值化门限threshold,循环步骤至S16,直到前景块数N得到最大值,执行S17;
步骤S17、单通道前景灰度图像A3进行膨胀的形态学处理后,进行二值化取反,得到确定的背景区域灰度图像A4,其中灰度值为0的区域为确定的背景,灰度值为128的区域为不确定区域;
步骤S18、单通道前景灰度图像A3和背景区域灰度图像A4相加得到图像A5,灰度值为0的区域为确定的背景,灰度值为128的区域为不确定区域,其他灰度值区域为确定的前景;
步骤S19、利用三通道的RGB扫描图像A1的信息采用分水岭对图像A5进行分割,得到灰度值为128区域的区域具体属于前景或背景,得到块石轮廓图像A6。
3.根据权利要求2所述的堆积剖面空间结构信息分析方法,其特征在于:所述步骤S2的具体步骤为:
步骤S21、三维激光扫描仪扫描堆积剖面后,对剖面的扫描图像数据融合后得到点云数据;对点云参数设置后分割点云剖面,确定剖面平面的ax+by+cz+d=0的4个参数;
步骤S22、将倾斜的剖面ax+by+cz+d=0进行坐标转换,摆正成X-O-Y平面;
步骤S23、遍历误差最小点:在点云里选一个y轴上或接近y轴的点,y值越大且距离Y-O-Z平面越近,误差越小;如果未遍历到误差最小点,则返回S21重新调整参数后点云剖面;
步骤S24、三维坐标变换,通过变换矩阵将把点云转化至以步骤S23误差最小点而确定y轴方向的新三维坐标系中;
步骤S25、Z绝对值测试:对转化后的X-O-Y平面的所有剖面点(x,y,z)的z绝对值测试;
步骤S26、通过对点云的分辨率进行统计,计算出比例尺把点云映射到二维图像,也就是OpenCV的Mat结构上;
步骤S27、滤波处理:对于图像中为0的点复制到新的图像,用周围的点的灰度值来赋值,得到二维图像;
步骤S28、转换成二维的Mat图像X-O-Y剖面平面的厚度d0,把-d0/2到最大石块高度的区间映射到[0,255]的灰度区间,得到将X-O-Y剖面转换成的二维的Mat图像;
步骤S29、伪彩色图像处理:选择出需要分割的点云区域,把0~255的灰度映射成伪彩色图像;
步骤S210、对二维Mat图像中区域进行分割,根据设置参数计算出实际的粒径大小,石块体积通过设置好的参数和点的灰度值计算出来;然后得出粒径积累曲线和体积积累曲线。
4.根据权利要求3所述的堆积剖面空间结构信息分析方法,其特征在于:所述步骤S21所述的对扫描图像数据融合后得到点云数据,满足每平方米的点云应该保证在50万个点以上。
5.根据权利要求3所述的堆积剖面空间结构信息分析方法,其特征在于:所述步骤S25所述的z绝对值测试,保证z的绝对值在x或者y绝对值的0.1倍~0.3倍之间。
6.根据权利要求2、3、4、5任一所述的堆积剖面空间结构信息分析方法,其特征在于:所述步骤S17的单通道前景灰度图像A3进行膨胀的形态学处理后,以12为最大值进行二值化取反。
7.根据权利要求3、4、5任一所述的堆积剖面空间结构信息分析方法,其特征在于:所述步骤S26把点云映射到二维图像,满足一个三维点对应一个二维点。
8.根据权利要求1、2、3、4、5任一所述的堆积剖面空间结构信息分析方法,其特征在于:所述设定图像A1比例尺时,依据实际考察图像上两个点的实际距离来确定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610051692.1A CN105571571B (zh) | 2016-01-26 | 2016-01-26 | 基于三维激光扫描的堆积剖面空间结构信息分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610051692.1A CN105571571B (zh) | 2016-01-26 | 2016-01-26 | 基于三维激光扫描的堆积剖面空间结构信息分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105571571A CN105571571A (zh) | 2016-05-11 |
CN105571571B true CN105571571B (zh) | 2017-11-17 |
Family
ID=55881978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610051692.1A Expired - Fee Related CN105571571B (zh) | 2016-01-26 | 2016-01-26 | 基于三维激光扫描的堆积剖面空间结构信息分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105571571B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107239794B (zh) * | 2017-05-18 | 2020-04-28 | 深圳市速腾聚创科技有限公司 | 点云数据分割方法和终端 |
CN109242952B (zh) * | 2018-08-14 | 2024-04-16 | 长江大学 | 一种基于双物源水槽沉积实验的沙体三维建模方法及系统 |
CN110163900B (zh) * | 2019-05-31 | 2021-04-20 | 北京百度网讯科技有限公司 | 用于调整点云数据方法和装置 |
CN110363855B (zh) * | 2019-07-22 | 2020-12-11 | 四川大学 | 堆石坝透明化建模方法 |
CN111442814B (zh) * | 2020-05-13 | 2022-01-18 | 武汉市异方体科技有限公司 | 一种非接触式测量异形物体排水体积的装置 |
CN113313746A (zh) * | 2020-12-01 | 2021-08-27 | 湖南长天自控工程有限公司 | 一种料堆盘库的方法及系统 |
CN112967245B (zh) * | 2021-03-01 | 2022-11-08 | 创新奇智(青岛)科技有限公司 | 电池检测方法、装置、电子设备及可读存储介质 |
CN114936396B (zh) * | 2022-04-28 | 2023-05-02 | 中铁长江交通设计集团有限公司 | 一种基于Civil 3D的疏浚工程量自动生成方法 |
CN115131344B (zh) * | 2022-08-25 | 2022-11-08 | 泉州华中科技大学智能制造研究院 | 一种通过光强数据实现制鞋成型胶线提取的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102136155A (zh) * | 2010-01-27 | 2011-07-27 | 首都师范大学 | 基于三维激光扫描数据的物体立面矢量化方法和系统 |
CN103644896A (zh) * | 2013-12-30 | 2014-03-19 | 中国水电顾问集团成都勘测设计研究院有限公司 | 一种基于三维激光扫描的工程地质测绘方法 |
CN104134002A (zh) * | 2014-07-30 | 2014-11-05 | 中国石油天然气集团公司 | 一种基于数字地质露头的碎屑岩储层建模方法及装置 |
CN104183017A (zh) * | 2014-07-29 | 2014-12-03 | 浙江大学 | 基于地面三维激光点云实现地质体产状自动提取的方法 |
CN104391340A (zh) * | 2014-11-26 | 2015-03-04 | 中国电建集团成都勘测设计研究院有限公司 | 水电环境边坡危岩体地质检测方法 |
CN104680579A (zh) * | 2015-03-02 | 2015-06-03 | 北京工业大学 | 基于三维扫描点云的隧道施工信息化监测系统 |
-
2016
- 2016-01-26 CN CN201610051692.1A patent/CN105571571B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102136155A (zh) * | 2010-01-27 | 2011-07-27 | 首都师范大学 | 基于三维激光扫描数据的物体立面矢量化方法和系统 |
CN103644896A (zh) * | 2013-12-30 | 2014-03-19 | 中国水电顾问集团成都勘测设计研究院有限公司 | 一种基于三维激光扫描的工程地质测绘方法 |
CN104183017A (zh) * | 2014-07-29 | 2014-12-03 | 浙江大学 | 基于地面三维激光点云实现地质体产状自动提取的方法 |
CN104134002A (zh) * | 2014-07-30 | 2014-11-05 | 中国石油天然气集团公司 | 一种基于数字地质露头的碎屑岩储层建模方法及装置 |
CN104391340A (zh) * | 2014-11-26 | 2015-03-04 | 中国电建集团成都勘测设计研究院有限公司 | 水电环境边坡危岩体地质检测方法 |
CN104680579A (zh) * | 2015-03-02 | 2015-06-03 | 北京工业大学 | 基于三维扫描点云的隧道施工信息化监测系统 |
Non-Patent Citations (1)
Title |
---|
基于三维激光扫描数据的岩体结构面产状识别方法研究;施星波;《中国地质大学(北京)硕士学位论文》;20101231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN105571571A (zh) | 2016-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105571571B (zh) | 基于三维激光扫描的堆积剖面空间结构信息分析方法 | |
CN111144388B (zh) | 一种基于单目影像的道路标志标线的更新方法 | |
Battulwar et al. | A state-of-the-art review of automated extraction of rock mass discontinuity characteristics using three-dimensional surface models | |
CN104376595B (zh) | 一种基于机载LiDAR和GIS协同的三维道路生成方法 | |
Dewez et al. | Facets: A cloudcompare plugin to extract geological planes from unstructured 3d point clouds | |
CN102506824B (zh) | 一种城市低空无人机系统生成数字正射影像图的方法 | |
Baltsavias et al. | Radiometric and geometric evaluation of Ikonos GEO images and their use for 3D building modelling | |
Bistacchi et al. | Photogrammetric digital outcrop reconstruction, visualization with textured surfaces, and three-dimensional structural analysis and modeling: Innovative methodologies applied to fault-related dolomitization (Vajont Limestone, Southern Alps, Italy) | |
Yoo et al. | Beach volume change using UAV photogrammetry Songjung beach, Korea | |
CN113916130B (zh) | 一种基于最小二乘法的建筑物位置测量方法 | |
CN105547244A (zh) | 一种结合立体像对的激光高度计高程控制点生成方法 | |
Corradetti et al. | Quantitative analysis of folds by means of orthorectified photogrammetric 3D models: a case study from Mt. Catria, Northern Apennines, Italy | |
Buckley et al. | Oblique helicopter-based laser scanning for digital terrain modelling and visualisation of geological outcrops | |
Li et al. | New methodologies for precise building boundary extraction from LiDAR data and high resolution image | |
Zhang | Spatiotemporal features of the three-dimensional architectural landscape in Qingdao, China | |
Bistacchi et al. | Digital outcrop model reconstruction and interpretation | |
CN114494385A (zh) | 一种输水隧洞病害可视化预警方法 | |
Zhang et al. | Extraction of three-dimensional architectural data from QuickBird images | |
Wysocki et al. | Plastic surgery for 3D city models: a pipeline for automatic geometry refinement and semantic enrichment | |
Scott et al. | Semiautomatic algorithm to map tectonic faults and measure scarp height from topography applied to the Volcanic Tablelands and the Hurricane fault, western US | |
Shan et al. | Feasibility of Accurate Point Cloud Model Reconstruction for Earthquake-Damaged Structures Using UAV-Based Photogrammetry | |
Rahmayudi et al. | Comparison of semi automatic DTM from image matching with DTM from Lidar | |
CN105737802B (zh) | 基于体感摄影技术的堆积剖面空间结构信息分析方法 | |
CN103745499A (zh) | 基于公共地理信息影像数据进行野外地质建模的方法 | |
Scaioni et al. | Monitoring of geological sites by laser scanning techniques |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171117 Termination date: 20190126 |
|
CF01 | Termination of patent right due to non-payment of annual fee |