CN105737802B - 基于体感摄影技术的堆积剖面空间结构信息分析方法 - Google Patents
基于体感摄影技术的堆积剖面空间结构信息分析方法 Download PDFInfo
- Publication number
- CN105737802B CN105737802B CN201610052992.1A CN201610052992A CN105737802B CN 105737802 B CN105737802 B CN 105737802B CN 201610052992 A CN201610052992 A CN 201610052992A CN 105737802 B CN105737802 B CN 105737802B
- Authority
- CN
- China
- Prior art keywords
- section
- cloud
- accumulation
- point
- accumulation section
- 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 Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于体感摄影技术的堆积剖面空间结构信息分析方法,使用体感相机机扫描堆积剖面,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: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,反推出石块的粒径和空间结构信息。本发明利用体感摄影算法对高陡堆积剖面进行三维空间信息的重建,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,具体涉及一种基于体感摄影技术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。
发明内容
本发明的目的就是针对现有技术的不足,提供一种基于体感摄影技术的堆积剖面空间结构信息分析方法,能够简便地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,根据堆积结构特征信息划分堆积层位与期次,进而根据堆积空间地形估算堆积规模。
为实现上述目的,本发明提供的基于体感摄影技术的堆积剖面空间结构信息分析方法的步骤为:
步骤S1、使用体感相机机扫描堆积剖面,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S2、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S3、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S1重新 调整参数后点云剖面;
步骤S4、三维坐标变换,通过变换矩阵将把点云转化为S3新的三维坐标系中;
步骤S5、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S6、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S7、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S8、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S9、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S10、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;
步骤S11、根据分割结果结合所述堆积剖面的扫描图,获取对堆积层位、期次信息的提取及堆积规模的估算,得出所述堆积区域泥石流暴发的历史次数。
优化的,所述步骤S1利用体感相机平行扫描堆积剖面每个分区域,把每个区域的图拼接起来,获得整个堆积剖面的扫描图,数据融合后得到整个剖面的点云数据进行处理。
进一步优化的,所述步骤S1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保证在50万个点以上。
具体的,所述体感相机为kinect v2体感相机。所述步骤S1持Kinect v2体感摄像机从堆积剖面上放的任意角度对准剖面,锁定一块区域,然后手持kinect v2在选定区域上方四处移动变换视角进行细化重建点云,当点云细化效果满足时每平方米的点云在50万个点以上时生成点云文件。
更进一步的,所述步骤S5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。所述步骤S6把点云映射到二维图像,满足一个三维点对应一个二维点。
本发明提供了基于体感摄影技术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kinect v2体感相机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,本发明基于体感摄影技术的堆积剖面粒径和空间结构扫描测量方法,利用体感摄影算法对高陡堆积剖面进行三维空间信息的重建,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,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为本发明体感相机对所述堆积剖面扫描的扫描图像。
图2为本发明利用体感相机获得堆积剖面选定区域点云数据图。
图3为本发明利用PCL的CloudViewer软件读入图2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为利用所述体感相机得到整个堆积剖面的扫描图的堆积层位。
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
步骤S1、手持Kinect v2体感相机从堆积剖面上放的任意角度对准剖面,锁定一块2平米的区域,如图1所示;然后手持kinect v2在选定区域上方四处移动变换视角进行细化重建点云,当点云细化效果满足时每平方米的点云在50万个点以上时生成点云文件。如图2所示;然后用 PCL来读入点云,在PCL的CloudViewer软件中显示点云图像,如图3 所示,此步骤中若针对某个数据量太大的点云调试,软件可以进行用 pcl::VoxelGrid降采样减少数据量;接下去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,在PCL中用RANSAC 的pcl::SACSegmentation实现,针对堆积剖面不平整的程度,需要调整平面的误差参数,即参数设置中的剖面垂直阈值,注意参数在param.ini 中保存;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S2、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S3、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S1重新 调整参数后点云剖面;
步骤S4、三维坐标变换,通过变换矩阵将把点云转化为S3新的三维坐标系中;PCL用计算变换矩阵的API为 pcl::getTransformationFromTwoUnitVectorsAndOrigin,通过这个变换矩阵可以把点云在2个三维坐标系中转化;
步骤S5、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S6、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,可以最大程度建校误差;
步骤S7、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S8、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S9、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S10、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;然后可通过PCL自带的pcl::visualization::PCLPlotter()的 API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;
步骤S11、根据分割结果结合所述堆积剖面的扫描图,获取对堆积层位、期次信息的提取及堆积规模的估算,得出所述堆积区域泥石流暴发的历史次数。其中步骤S1中利用体感相机平行扫描堆积剖面每个分区域,把每个区域的图拼接起来,获得整个堆积剖面的扫描图数据融合后得到整个剖面的点云数据进行以上步骤处理,得到如图11所示,该地区暴发泥石流的次数为3次。
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 (7)
1.一种基于体感摄影技术的堆积剖面空间结构信息分析方法,其特征在于:所述方法的步骤为:
步骤S1、使用体感相机机扫描堆积剖面,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S2、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S3、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S1重新调整参数后点云剖面;
步骤S4、三维坐标变换,通过变换矩阵将把点云转化为S3新的三维坐标系中;
步骤S5、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S6、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S7、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S8、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S9、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S10、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;
步骤S11、根据分割结果结合所述堆积剖面的扫描图,获取对堆积层位、期次信息的提取及堆积规模的估算,得出所述堆积区域泥石流暴发的历史次数。
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利用体感相机平行扫描堆积剖面每个分区域,把每个区域的图拼接起来,获得整个堆积剖面的扫描图,数据融合后得到整个剖面的点云数据进行处理。
3.根据权利要求1、2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S1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保证在50万个点以上。
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:所述体感相机为kinect v2体感相机。
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S1持Kinect v2体感摄像机从堆积剖面上放的任意角度对准剖面,锁定一块区域,然后手持kinect v2在选定区域上方四处移动变换视角进行细化重建点云,当点云细化效果满足时每平方米的点云在50万个点以上时生成点云文件。
6.根据权利要求1、2、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S5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。
7.根据权利要求1、2、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S6把点云映射到二维图像,满足一个三维点对应一个二维点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610052992.1A CN105737802B (zh) | 2016-01-26 | 2016-01-26 | 基于体感摄影技术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 |
---|---|---|---|
CN201610052992.1A CN105737802B (zh) | 2016-01-26 | 2016-01-26 | 基于体感摄影技术的堆积剖面空间结构信息分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105737802A CN105737802A (zh) | 2016-07-06 |
CN105737802B true CN105737802B (zh) | 2017-11-17 |
Family
ID=56247697
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610052992.1A Expired - Fee Related CN105737802B (zh) | 2016-01-26 | 2016-01-26 | 基于体感摄影技术的堆积剖面空间结构信息分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105737802B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111238370A (zh) * | 2020-02-20 | 2020-06-05 | 中国科学院声学研究所东海研究站 | 一种kit板的智能检测方法及装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592284B (zh) * | 2012-02-27 | 2014-08-06 | 上海交通大学 | 零件表面形貌三维高密度点云数据转化为灰度图像的方法 |
CN103308925B (zh) * | 2013-05-31 | 2015-05-06 | 中国科学院合肥物质科学研究院 | 一种一体化三维彩色激光雷达数据点云产生方法 |
CN103606188B (zh) * | 2013-11-15 | 2016-05-04 | 南京师范大学 | 基于影像点云的地理信息按需采集方法 |
CN104240289B (zh) * | 2014-07-16 | 2017-05-03 | 崔岩 | 一种基于单个相机的三维数字化重建方法及系统 |
CN105241377B (zh) * | 2015-09-16 | 2018-04-13 | 中国农业大学 | 基于云镜摄系统参数和视频帧的植物三维测量方法和系统 |
-
2016
- 2016-01-26 CN CN201610052992.1A patent/CN105737802B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN105737802A (zh) | 2016-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gallay et al. | Large-scale and high-resolution 3-D cave mapping by terrestrial laser scanning: a case study of the Domica Cave, Slovakia | |
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) | |
Assali et al. | Surveying and modeling of rock discontinuities by terrestrial laser scanning and photogrammetry: Semi-automatic approaches for linear outcrop inspection | |
Barlow et al. | Kinematic analysis of sea cliff stability using UAV photogrammetry | |
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 | |
Barnes et al. | Geological analysis of Martian rover‐derived digital outcrop models using the 3‐D visualization tool, Planetary Robotics 3‐D Viewer—Pro3D | |
Grussenmeyer et al. | Recording approach of heritage sites based on merging point clouds from high resolution photogrammetry and terrestrial laser scanning | |
CN101950433A (zh) | 利用激光三维扫描技术建立变电站真三维模型的方法 | |
Spreafico et al. | Terrestrial Remote Sensing techniques to complement conventional geomechanical surveys for the assessment of landslide hazard: The San Leo case study (Italy) | |
CN103759713B (zh) | 一种基于全景影像的危岩落石调查方法 | |
CN105115560A (zh) | 一种船舱舱容的非接触测量方法 | |
CN112700545B (zh) | 一种遥感数据的模拟展示系统及方法 | |
Corradetti et al. | Quantitative analysis of folds by means of orthorectified photogrammetric 3D models: a case study from Mt. Catria, Northern Apennines, Italy | |
Kolecka | Photo-based 3D scanning vs. laser scanning–Competitive data acquisition methods for digital terrain modelling of steep mountain slopes | |
Cho et al. | A study on dem-based automatic calculation of earthwork volume for BIM application | |
Bistacchi et al. | Digital outcrop model reconstruction and interpretation | |
Ostrowski | Accuracy of measurements in oblique aerial images for urban environment | |
Saputra et al. | The application of structure from motion (SfM) to identify the geological structure and outcrop studies | |
Peterman et al. | Land survey from unmaned aerial veichle | |
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 | |
Hidayat et al. | Combined aerial and terrestrial images for complete 3D documentation of Singosari Temple based on Structure from Motion algorithm | |
Lindstaedt et al. | Virtual reconstruction of the almaqah temple of Yeha in Ethiopia by terrestrial laser scanning | |
Dursun et al. | 3D city modelling of Istanbul historic peninsula by combination of aerial images and terrestrial laser scanning data | |
Huang et al. | Integration of mobile laser scanning data with UAV imagery for very high resolution 3D city modeling | |
Yang et al. | Study on 3D printing based on UAV oblique photogrammetry |
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 |