CN106127771A - 基于激光雷达lidar点云数据获取隧道正射影像系统及方法 - Google Patents

基于激光雷达lidar点云数据获取隧道正射影像系统及方法 Download PDF

Info

Publication number
CN106127771A
CN106127771A CN201610484983.XA CN201610484983A CN106127771A CN 106127771 A CN106127771 A CN 106127771A CN 201610484983 A CN201610484983 A CN 201610484983A CN 106127771 A CN106127771 A CN 106127771A
Authority
CN
China
Prior art keywords
tunnel
cloud
point
cloud data
mileage
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.)
Granted
Application number
CN201610484983.XA
Other languages
English (en)
Other versions
CN106127771B (zh
Inventor
尤相骏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Digital Space Surveying and Mapping Technology Co., Ltd.
Original Assignee
SHANGHAI ISPATIAL CO Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by SHANGHAI ISPATIAL CO Ltd filed Critical SHANGHAI ISPATIAL CO Ltd
Priority to CN201610484983.XA priority Critical patent/CN106127771B/zh
Publication of CN106127771A publication Critical patent/CN106127771A/zh
Application granted granted Critical
Publication of CN106127771B publication Critical patent/CN106127771B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G06T2207/10044—Radar image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20068—Projection on vertical or horizontal image axis

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明公开了一种基于激光雷达LIDAR点云数据获取隧道正射影像系统，采用骨架线里程投影法和断面轮廓线投影法将任意形状设计断面轮廓的隧道激光雷达点云数据展开成可量测激光雷达隧道正射影像图并以此为参照底图在其上以半透明方式叠加目标量彩色数值分析图。本发明还提供了对应的方法。本发明生成的激光雷达隧道正射影像是可以真实反映隧道内壁尺寸、位置的可量测影像，并可以生成包含“4D”信息的隧道正射影像图平面用户报告向隧道结构检测用户直观展示三维的隧道内壁各个部位的断面变形量、平整度。能够如实量测出裂缝、渗水等隧道病害的长度、宽度、面积，从而计算出病害的几何尺寸。为隧道病害的评估和修复提供科学数据，极大提高了隧道检测的生产效率。

Description

基于激光雷达LIDAR点云数据获取隧道正射影像系统及方法
技术领域
本发明属于隧道结构病害检测技术领域，特别涉及一种基于激光雷达LIDAR(俗称“三维激光扫描”)点云数据获取隧道正射影像系统及方法。
背景技术
地下空间的开发和利用是我国基础设施建设的一个重要方向和特点，如地铁隧道、铁路隧道、公路隧道等。尤其是近10年来城市地下铁路的快速发展，也带来了新的问题。随着投入运营里程的不断增长，现有的传统隧道测量和检测技术和设备越来越跟不上快速增长的运营隧道结构安全检测的需求。
目前，国内主要使用全站仪和二维断面仪进行隧道结构变形的几何检测，使用人工肉眼观察结合现场拍照、搭梯子用尺量的原始方法来进行渗水、裂缝等隧道病害的巡检和检测。不仅不方便，而且检测的结果不准确。也有些地方采用了地面激光雷达技术进行检测，地面激光雷达技术可以通过车、内燃或者电力机车载方式以每小时10～40公里速度实现高密度隧道点云数据。这些点云数据中已经包含高精度和高密度的激光打在隧道结构上反射点的三维空间坐标和激光反射强度信息，其定位精度在1～2mm之间，点间距小于5mm的点云格网。目前国内各应用单位和激光扫描仪厂家仅利用了点云中的三维坐标信息来做一些断面的几何尺寸检测，而没有充分利用点云中的高分辨率激光反射强度信息。如图1所示，地面激光雷达设备自带软件生成的普通隧道全景影像视图，横坐标是扫描点在该站扫描文件中所在行数，纵坐标是扫描点所在列数。普通隧道全景影像是扭曲畸变的，无法反映隧道的真实里程、内壁尺寸的真实大小。
发明内容
发明目的：为了克服现有技术的不足，本发明提供了一种能够生成真实反映隧道内壁尺寸、位置的可量测影像的基于激光雷达点云数据获取隧道正射影像用户检测成果的软件系统。
技术方案：本发明提供了一种基于激光雷达LIDAR点云数据获取隧道正射影像系统，包括，点云文件输入模块、点云数据管理模块、点云数据投影处理模块、激光雷达影像生成模块；
所述点云文件输入模块将地面激光雷达获取的带有与隧道骨架线坐标系一致的原始三维点云数据集RD(Nk,Ek,Hk,RLk)，通过隧道的骨架线里程投影法得到点k的隧道骨架线里程Mk；然后按照Mk分段的里程长度范围将原始三维点云数据集RD分成多个点云分段数据集NDj(Mi,Ni,Ei,Hi,RLi)，其中，Nk为隧道壁返回的第k个激光点对应的骨架线坐标系北坐标，Ek为隧道壁返回的第k个激光点对应的骨架线坐标系东坐标，Hk为隧道壁返回的第k个激光点对应的骨架线坐标系高程坐标，RLk为第k个激光点反射回来的激光反射强度；k表示原始三维点云数据集中点的编号，j表示分段后的点云数据集的编号，i表示每个分段后的点云数据集中点的编号，NDj表示第j个分段后的点云数据集，其中Mi表示第j个分段后的点云数据集中第i个点的隧道骨架线里程，Ni表示第j个分段后的点云数据集中隧道壁返回的第i个激光点对应的骨架线坐标系北坐标；Ei表示第j个分段后的点云数据集中隧道壁返回的第i个激光点对应的骨架线坐标系东坐标；Hi表示第j个分段后的点云数据集中隧道壁返回的第i个激光点对应的骨架线坐标系高程坐标；RLi表示第j个分段后的点云数据集中第i个激光点反射回来的激光反射强度；
所述点云数据管理模块按照原始文件名结合每个分段点云NDj所覆盖的隧道骨架线里程Mi来管理点云文件输入模块处理好的各个点云文件NDj；所述点云数据管理模块用于提供一个用户界面的入口；
所述点云数据投影处理模块根据断面轮廓线投影法将点云文件输入模块中获得的多个点云分段NDj数据集中的每个点按照其对应的骨架线里程Mi，分别投影到点i对应的隧道骨架线里程Mi处的隧道二维断面坐标系OXY中，投影后点i的断面坐标系坐标记为(Mi，Pxi，Pyi)；同时记录点i距离对应的Mi处断面坐标系原点的法线长度Pzi，点i对应的Mi处断面坐标系原点的法线与隧道设计轮廓线的交点DPi到该断面坐标系原点的法线长度DPzi和点i对应的Mi处断面坐标系原点的法线和设计断面轮廓线的交点DPi沿设计断面轮廓线到达DP0点的断面轮廓线最短长度Ppi，根据ΔPzi＝Pzi-DPzi计算实测断面上点i沿法线方向与设计断面轮廓线的差异值ΔPzi，其中，DP0点为设计断面轮廓线与断面坐标系Y轴正方向的交点；点云数据投影处理模块将最后获得的数据结果组成骨架线断面坐标系数据集Pj(Mi,Pxi,Pyi,Pzi,ΔPzi,Ppi,RLi)，更新到数据库中存储；
所述激光雷达影像生成模块将点云数据投影处理模块生成的每个点i的骨架线断面坐标系数据集Pj(Mi,Pxi,Pyi,Pzi,ΔPzi,Ppi,RLi)转换成影像坐标系坐标数据集Ij(IRi,ICi,IGi)从而获取隧道正射影像，其中IRi为点i对应的像素在影像中所在行数，ICi为点i对应的像素在影像中所在列数，IGi为点i对应的像素灰度；Pj和Ij之间的换算关系为ICi＝(Mi-Ma)/L/RS，IRi＝Ppi/RS，IGi＝GS×RLi；其中，Ma为起点里程，L为每幅影像覆盖的隧道长度，RS表示隧道正射影像的分辨率，分辨率用像素的宽度表示，单位为米，其中，像素的长宽相同。GS为激光反射强度值与影像灰度值之间的一个固定比例常数。
进一步，还包括激光雷达平整度模块；所述激光雷达平整度模块根据点云文件输入模块通过隧道的骨架线里程投影法分段成新的点云数据集NDj(Mi,Ni,Ei,Hi,RLi)计算隧道内壁点i的平整度数值Ui，并将计算出的平整度数值Ui添加到骨架线断面坐标系数据集Pj中，形成新的骨架线断面坐标系数据集Pj(Mi,Pxi,Pyi,Pzi,Ppi,RLi,Ui)。
进一步，还包括影像成果报告模块，所述影像成果报告模块根据激光雷达平整度模块生成的平整度数值Ui的数值结合不同的范围区间，将不同平整度数值范围内的点采用不同色彩或者不同形状表示，将点i的平整度数值Ui以半透明彩色分析图的方式叠加到激光雷达隧道正射影像中的对应位置上；进行隧道里程分段的断面变形量、平整度，是否有渗水或裂缝分析。这样能够更加方便的找出隧道中出现问题的地方，更加直观，使用更加方便。
进一步，所述骨架线里程投影法是将点云RD中的每个点的隧道骨架坐标系三维坐标(Nk,Ek,Hk)投影到隧道骨架线的垂足上，对应垂足点距离骨架线起点里程的距离为点k所对应的隧道骨架线里程Mk。
进一步，所述Mk分段的里程长度范围是根据分段后每个点云单元的数据量大小与计算机硬件的最优分布处理能力所对应的最大数据块粒度大小匹配的原则来选取的。分段的目的是为了减小最小数据块单元的粒度，充分发挥现代多核计算机并行处理能力这样能够将成百上千公里的海量隧道点云数据分割成普通电脑配置可以处理的数据集大小或者具有强大并行计算能力的多核计算机并行处理能力最优化的数据块处理粒度，减少数据处理时间。同时也方便电脑软件根据骨架线里程进行高效率数据检索，加快点云数据处理过程中的检索速度。
本发明还提供了一种采用上述基于激光雷达LIDAR点云数据获取隧道正射影像系统的隧道正射影像获取方法，包括以下步骤：
步骤1：点云文件输入模块采集每个原始点云文件数据RD(Nk,Ek,Hk,RLk)，其中(Nk,Ek,Hk)为点k在隧道骨架线控制坐标系下坐标，k表示点云中每个点的标号；
步骤2：读入骨架线三维设计数据中的各个几何线型，分段投影到平面中的几何线型要素分段YSg(Mg，Ng,Eg,Tg,Rg,Lg),Mg为几何线型要素起点的里程，Ng为在隧道骨架线控制坐标系下的北坐标，Eg为在隧道骨架线控制坐标系下的东坐标，Tg表示要素类型，Rg表示几何线型要素曲率半径值，Lg表示几何线型长度；其中，要素类型为直线、缓和曲线和圆；
步骤3：点云文件输入模块根据骨架线里程投影法计算出原始点云RD中的每个点k投影到隧道骨架线垂足的里程Mk；
步骤4：点云文件输入模块根据每个点的Mk数值和投影参数设置中骨架线里程投影分段的里程长度范围，将每个读入的原始三维点云数据集RD(Nk,Ek,Hk,RLk)进行分割，形成多个点云分段数据集NDj(Mi,Ni,Ei,Hi,RLi)，并在点云数据管理模块中显示拆分后的新点云数据集NDj(Mi,Ni,Ei,Hi,RLi)；
步骤5：点云数据投影处理模块按照点云数据管理模块界面中用户选择的待处理点云数据集序列，批量读入点云数据集NDj(Mi,Ni,Ei,Hi,RLi)；一个“点云数据投影处理模块”程序运行实例一次向计算机内存中读入一个NDj，剩余的NDj数据集信息在模块的待处理队列中等候。在用户计算机上同时运行多个“点云数据投影处理模块”程序运行实例进行“并行计算”时，每个运行实例负责处理一个NDj数据集队列。例如：一台8核CPU计算机可以运行8个“点云数据投影处理模块”实例，同时处理8个NDj数据集队列，8个队列中的NDj数据集个数总和就是从原始数据集RD中拆分出来的NDj数据集的总数。
步骤6：将步骤5中读取的每个点云NDj中的每个点i逐个按照骨架线里程投影法投影到相应里程对应的隧道断面二维坐标系，投影后点i的断面坐标系记为(Mi，Pxi，Pyi)，同时记录点i距离对应的Mi处断面坐标系原点的法线长度Pzi，点i对应的Mi处断面坐标系原点的法线与隧道设计轮廓线的交点DPi到该断面坐标系原点的法线长度DPzi和点i对应的Mi处断面坐标系原点的法线和设计断面轮廓线的交点DPi沿设计断面轮廓线到达DP0点的断面轮廓线最短长度Ppi，根据ΔPzi＝Pzi-DPzi计算实测断面上点i沿法线方向与设计断面轮廓线的差异值ΔPzi，其中，DP0点为设计断面轮廓线与断面坐标系Y轴正方向的交点；将最后获得的数据结果组成骨架线断面坐标系数据集Pj(Mi,Pxi,Pyi,Pzi,ΔPzi,Ppi,RLi)，更新到数据库中存储；
DPzi为i点的法线与隧道设计轮廓线的交点DPi到该断面坐标系原点的法线长度。ΔPzi＝Pzi-DPzi，即为实测断面上任意一点i沿法线方向与设计断面轮廓线的差异值。ΔPzi正值代表超挖状态，负值代表欠挖状态，零代表该处实测断面轮廓线和设计断面轮廓线完全吻合。当同一里程的两次实测断面数据的ΔPzi对比时，两次测量同一个隧道部位的ΔPzi之差就反映了两次测量之间断面发生的变化，即为两次测量所发现的断面变形量。
步骤7：点云数据投影处理模块根据点云数据集NDj(Mi,Ni,Ei,Hi,RLi)中点i的三维空间坐标(Ni,Ei,Hi)、激光反射强度RLi和骨架线断面坐标系数据集Pj(Mi,Pxi,Pyi,Pzi,Ppi,RLi)建立一个数据集对应关系，以Mi作为关联字段和检索关键字段，并更新存储到点云数据库中；
步骤8：对激光雷达影像生成模块进行影像分幅的隧道里程长度和影像分辨率参数设置，按照骨架线里程Mi为关键字读入需要生成影像的点云j数据集Aj(Mi,Pxi,Pyi,Pzi,Ppi,RLi,Ni,Ei,Hi)；
步骤9：激光雷达影像生成模块采用断面轮廓线投影法将点云数据投影处理模块生成的个分段后的点云数据集中点i的骨架线断面坐标系数据集Pj(Mi,Pxi,Pyi,Pzi,Ppi,RLi)转换成影像坐标系坐标数据集Ij(IRi,ICi,IGi)从而获取隧道正射影像，其中IRi为点i对应的像素在影像中所在行数，ICi为点i对应的像素在影像中所在列数，IGi为点i对应的像素灰度；Pj和Ij之间的换算关系为ICi＝(Mi-Ma)/L/RS，IRi＝Ppi/RS，IGi＝GS×RLi；其中，Ma为起点里程，L为每幅影像覆盖的隧道长度，RS表示隧道正射影像的分辨率，分辨率用像素的宽度表示，单位为米，GS为激光反射强度值与影像灰度值之间的一个固定比例常数。
进一步，以所述步骤9中获取的隧道正射影像图为底图，在隧道正射影像图上叠加半透明彩色目标数值分析图；或者叠加半透明不同图例目标数值分析图。通过这样一种新型用户报告，可用平面报告的方式实现“4D”可视化目标数值分析，直观显示出实际的三维隧道内壁上的目标分析值状态，如断面变形量和平整度，这样可以更加直观，快捷的找出隧道有问题的地段。
进一步，所述目标数值包括断面变形量和平整度。
工作原理：本发明充分利用三维激光点云中的各个点的三维空间坐标和从被反射物体反射回来的激光反射强度通过“骨架线里程投影法”和“断面轮廓线投影法”来生成一张仿佛是贴附在隧道壁内侧的与内壁位置和尺寸完全一致的一张隧道激光正射影像。利用这张二维的隧道激光正射影像作为索引和参照可以高效、直观地查询和显示每个像素的三维空间坐标、沿隧道骨架线方向的二维横断面坐标、断面任一点法线方向的变形量、反射强度等，从而方便巡检人员在不增配电脑硬件装备的前提下，可以快速直观的获取隧道变形量、平整度、渗水和裂缝长度、面积、位置等详细位置和几何信息。
有益效果：与现有技术相比，采用本发明采用断面轮廓线投影法生成的激光雷达隧道正射影像的核心是沿着隧道的设计断面轮廓线进行展开投影。不受隧道设计断面轮廓线的几何形状限制，是可以真实反映隧道内壁尺寸、位置的可量测影像，并适用于圆形、马蹄形、双圆形、矩形等各种断面轮廓类型隧道内壁的正射影像投影。该影像中任意两点之间的距离即为此两点在实际隧道内壁上的实际曲线距离，因此在CAD软件中如实量测出裂缝、渗水等隧道病害的长度、宽度、面积，从而计算出病害的几何尺寸，为隧道病害的评估和修复提供科学依据，有效提高了隧道检测效率。
本发明中的“点云数据投影处理模块”、“激光雷达平整度模块”和“激光雷达影像生成模块”具有对并行计算的有力支持，充分发挥现代多核计算机和分布式并行“云计算”系统硬件的强大计算能力，大大提高了隧道检测行业大规模激光雷达检测数据处理的生产效率，解决了激光雷达隧道检测应用的海量激光雷达点云数据处理中的一个关键难点技术。
本发明生成的激光雷达隧道正射影像，还和数据库中三维点云、断面变形量、平整度建立了一一对应的数据映射关系，可以随时根据每个像素调阅该点实际的隧道控制坐标系坐标、变形量、平整度、激光反射强度等相关数值，进行4D(隧道正射影像+断面+变形量)、5D(隧道正射影像+断面+变形量+平整度)、6D(隧道正射影像+断面+变形量+平整度+激光反射强度)等所谓的“三位一体”图形分析界面，即“影像+断面+数值表”。本发明方法获得的新型用户成果，既直观、高效，又对查看用户成果的计算机内存和显卡没有特别要求，普通没有独立显卡的计算机都可以进行查看和分析。
本发明生成的激光雷达正射影像变形量或者平整度彩色数值分析图比其他三维立体方式看隧道变形更加“一目了然”，没有常规三维点云或者三维模型浏览的死角和遮挡问题，同时也方便以二维图表形式打印输出和审阅。该图是在隧道内壁正射影像展开图上，将每个点的变形量数值对应的色彩通过半透明方式叠加在影像对应位置，这种方式查看整条隧道变形量大小时，用户可以同时看到在隧道壁具体哪一段、哪个部位有多大变形量，非常形象直观，而且整个隧道内壁完全展开，没有任何死角。
附图说明
图1为地面激光雷达设备自带软件生成的普通隧道全景影像视图；
图2为断面轮廓线投影法原理说明图；
图3为本发明的工作流程图；其中图3(a)生成的激光雷达隧道正射影像图的流程图，图3(b)激光雷达平整度模块和影像成果报告模块工作流程图；
图4为采用断面轮廓线投影法获取隧道正射影像的使用示意图；
图5为采用本发明提供的方法生成的隧道壁破损位置修补后的激光雷达隧道正射影像图；
图6为采用本发明提供方法生成的激光雷达隧道正射影像半透明断面变形量彩色数值分析图。
具体实施方式
下面结合附图对本发明做更进一步的解释。
本发明提供了一种基于激光雷达点云数据获取隧道正射影像的系统，包括点云文件输入模块、点云数据管理模块、点云数据投影处理模块、激光雷达影像生成模块、激光雷达平整度模块和影像成果报告模块。
其中，点云文件输入模块将地面激光雷达获取的带有与隧道骨架线坐标系一致的原始三维点云数据集RD(Nk,Ek,Hk,RLk)，通过隧道的骨架线里程投影法得到点k的隧道骨架线里程Mk；然后按照Mk分段的里程长度范围将原始三维点云数据集RD分成多个点云分段数据集NDj(Mi,Ni,Ei,Hi,RLi)，其中，Nk为隧道壁返回的第k个激光点对应的骨架线坐标系北坐标，Ek为隧道壁返回的第k个激光点对应的骨架线坐标系东坐标，Hk为隧道壁返回的第k个激光点对应的骨架线坐标系高程坐标，RLk为第k个激光点反射回来的激光反射强度；k表示原始三维点云数据集中点的编号，k＝1～点云中点的总数；j表示分段后的点云数据集的编号，j＝1～分段后的点云数据集的总数；比如一个包含1公里长隧道点云数据的原始数据RD，可以被分成100个10米长隧道的新点云文件NDj，此时j＝1～100；i表示每个分段后的点云数据集中点的编号，i＝1～分段后的每个点云数据集中点的总数，NDj表示第j个分段后的点云数据集，其中的Mi表示第j个分段后的点云数据集中第i个点的隧道骨架线里程，Ni表示第j个分段后的点云数据集中隧道壁返回的第i个激光点对应的骨架线坐标系北坐标；Ei表示第j个分段后的点云数据集中隧道壁返回的第i个激光点对应的骨架线坐标系东坐标；Hi表示第j个分段后的点云数据集中隧道壁返回的第i个激光点对应的骨架线坐标系高程坐标；RLi表示第j个分段后的点云数据集中第i个激光点反射回来的激光反射强度。
其中，骨架线里程投影法是将点云RD中的每个点的隧道骨架坐标系三维坐标(Nk,Ek,Hk)投影到隧道骨架线的垂足上，对应垂足点距离骨架线起点里程的距离为点k所对应的隧道骨架线里程Mk。为了便于隧道正射影像系统以多核处理器并行处理方式批量自动化处理，可将原始三维点云数据集RD划分成任意尺寸大小粒度的隧道点云数据段。所以可以根据分段后每个点云单元的数据量大小与计算机硬件的最优分布处理能力所对应的最大数据块粒度大小匹配的原则来选取Mk分段的里程长度范围，并以专用数据库形式存储，。这样减小最小数据块单元的粒度，充分发挥现代多核计算机并行处理能力，能够将成百上千公里的海量隧道点云数据分割成普通电脑配置可以处理的数据集大小或者具有强大并行计算能力的多核计算机并行处理能力最优化的数据块处理粒度，减少数据处理时间。同时也方便电脑软件根据骨架线里程进行高效率数据检索，加快点云数据处理过程中的检索速度。这样经过骨架线里程分段后的NDj点云数据集后续可以被运行在多核CPU计算机中的多个点云数据投影模块中进行同时处理，而且互不干扰。比如，一台8核CPU计算机可以同时运行8个点云数据投影模块来解算同一个隧道的不同分段点云数据，大大提高计算机硬件利用效率，缩短数据处理时间，为大规模隧道检测提供高效率的计算机并行计算算法支持。
点云数据管理模块按照原始文件名结合每个分段点云NDj所覆盖的隧道骨架线里程Mi来管理点云文件输入模块处理好的各个点云文件NDj，用于提供一个用户界面的入口；例如：“NBDT1_20160303_12780-12790”中，”NBDT1_20160303”是原始点云文件名，“12780-12790”是分段后的新点云所覆盖的实际隧道里程。点云数据管理模块是对每个分段点云NDj进行全景浏览、投影处理、影像生成和直接在点云中提取断面等功能的人机操作。即点云数据管理模块是一个用户界面入口模块，没有这个模块的协同，后续对点云的用户操作，就会失去操作对象。
如图2所示，点云数据投影处理模块根据断面轮廓线投影法将点云文件输入模块中获得的多个点云分段NDj数据集中的每个点按照其对应的骨架线里程Mi，分别投影到该点对应的隧道骨架线里程处的隧道二维断面坐标系OXY中，投影后点i的断面坐标系坐标记为(Mi，Pxi，Pyi)；同时记录点i距离对应的Mi处断面坐标系原点的法线长度Pzi，即向量Oi的长度；点i对应的Mi处断面坐标系原点的法线与隧道设计轮廓线的交点DPi到该断面坐标系原点的法线长度DPzi，即向量ODPi的长度；和点i对应的Mi处断面坐标系原点的法线和设计断面轮廓线的交点DPi沿设计断面轮廓线到达DP0点的断面轮廓线最短长度Ppi，即弧长向量DPoDPi的长度，面朝隧道大里程方向站立时，DPi在DP0左手为正值，DPi在DP右手为负值。激光雷达隧道正射影像中每个像素实际对应的是DPi点的位置，后续做隧道正射影像投影时，Ppi可以直接转换为影像坐标系中的行数IRi，即IRi＝Ppi/影像分辨率，而不再受设计断面轮廓线具体形状的影响。然后根据ΔPzi＝Pzi-DPzi计算实测断面上点i沿法线方向与设计断面轮廓线的差异值ΔPzi，ΔPzi正值代表超挖状态，负值代表欠挖状态，零代表该处实测断面轮廓线和设计断面轮廓线完全吻合。当同一里程的两次实测断面数据的ΔPzi对比时，两次测量同一个隧道部位的ΔPzi之差就反映了两次测量之间断面发生的变化，即为两次测量所发现的断面变形量。其中，DP0点为设计断面轮廓线与断面坐标系Y轴正方向的交点；设计断面轮廓线为预先设定的参照断面轮廓线。点云数据投影处理模块将最后获得的数据结果组成骨架线断面坐标系数据集Pj(Mi,Pxi,Pyi,Pzi,ΔPzi,Ppi,RLi)，更新到数据库中存储。
根据计算出的数据组成骨架线断面坐标系数据集Pj(Mi,Pxi,Pyi,Pzi,ΔPzi,Ppi,RLi)。同时记录点i在激光雷达设备获取的原始点云文件中的隧道骨架坐标系三维坐标(Ni，Ei，Hi)和激光反射强度RLi。根据原始点云文件中的三维空间坐标(Ni，Ei，Hi)和激光反射强度RLi和骨架线断面坐标系数据集Pj(Mi,Pxi,Pyi,Pzi,ΔPzi,Ppi,RLi)建立一个新的数据集对应关系，即点云三维空间坐标系数据集NDj(Mi,Ni,Ei,Hi,RLi)<->骨架线断面坐标系数据集Pj(Mi,Pxi,Pyi,Pzi,ΔPzi,Ppi,RLi)，以Mi作为关联字段和检索关键字段。
激光雷达影像生成模块将点云数据投影处理模块生成的每个点i的骨架线断面坐标系数据集Pj(Mi,Pxi,Pyi,Pzi,ΔPzi,Ppi,RLi)转换成影像坐标系坐标数据集Ij(IRi,ICi,IGi)从而获取隧道正射影像，其中IRi为点i对应的像素在影像中所在行数，ICi为点i对应的像素在影像中所在列数，IGi为点i对应的像素灰度；Pj和Ij之间的换算关系为ICi＝(Mi-Ma)/L/RS，IRi＝Ppi/RS，IGi＝GS×RLi；其中，Ma为起点里程，即被测量隧道的起点位置的里程，L为每幅影像覆盖的隧道长度，RS表示隧道正射影像的分辨率，分辨率用像素的宽度表示，单位为米，其中，像素的长宽相同，GS为激光反射强度值与影像灰度值之间的一个固定比例常数。不同厂商激光反射强度表示方式不一样，所以要用一个灰度比例尺系数来缩放转换。为简化公式说明问题起见，上述换算关系公式中ICi为没做影像分幅前，一个项目只有一个大影像中的列数，这个影像的长度就是隧道的实际长度。与后面分幅后的ICi含义不同。
比如，Ppi＝5.0米，影像分辨率设置为5mm，则IRi＝5000/5＝1000行，此时该点在隧道正射影像图中位于横轴上方1000行处。这个方法的最大技术益处是适用于各种复杂设计断面轮廓线类型隧道内壁的正射影像投影问题，避免了生成正射投影时通常使用的面投影算法，例如做圆形设计断面轮廓线隧道的正射投影时，一般使用圆柱面正射投影法。“断面轮廓线投影法”将复杂的曲面投影问题转换成了计算到达DP0点的断面轮廓线最短长度Ppi的简单数据问题。
一条隧道长3公里，该段隧道设计断面轮廓线周长为18米，一幅激光雷达隧道正射影像覆盖的隧道里程长度为30米，隧道起点里程为Ma，隧道终点里程为Mb，影像分辨率设置为每个像素5mm。则这条隧道可以输出100张正射影像，每幅影像有3600行，6000列，IRi＝(1，3600)，ICi＝(1，6000)。第一张影像起点里程为Ma(米)，第二站影像起点里程为Ma+30(米)；
激光雷达平整度模块则根据隧道内壁点云的三维空间坐标来计算隧道内壁每个点i的平整度数值Ui，并将计算出的平整度数值Ui，添加到骨架线断面坐标系数据集Pj中，形成新的骨架线断面坐标系数据集Pj(Mi,Pxi,Pyi,Pzi,Ppi,RLi,Ui)。
影像成果报告模块生成激光雷达隧道正射影像目标数值彩色分析叠加图用户成果报告。根据激光雷达平整度模块生成的平整度数值Ui的数值区间对应的不同色彩，将平整度数值Ui以半透明彩色分析图的方式叠加到激光雷达隧道正射影像上来分析。该用户报告可以帮助用户分析每个隧道里程分段的断面变形量、平整度，是否有渗水或裂缝等隧道病害。
如图3所示，上述基于激光雷达点云数据获取隧道正射影像的系统的方法，具体包括以下步骤：
步骤1：点云文件输入模块采集每个原始点云文件数据RD(Nk,Ek,Hk,RLk)，其中
(Nk,Ek,Hk)为点k在隧道骨架线控制坐标系下坐标，k表示点云中每个点的标号；
步骤2：读入骨架线三维设计数据中的各个几何线型，一般隧道骨架线几何线型分段成直线->缓和曲线->圆弧->缓和曲线-直线，将读入的几何线性分段投影到平面中的几何线型要素分段YSg(Mg，Ng,Eg,Tg,Rg,Lg)中，其中，线型要素包括直线、缓和曲线或圆，Mg为几何线型要素起点的里程，Ng为在隧道骨架线控制坐标系下的北坐标，Eg为在隧道骨架线控制坐标系下的东坐标，Tg表示要素类型，Rg表示几何线型要素曲率半径值，直线段的Rg为无穷大，圆弧段Rg为圆弧的半径，缓和曲线段要素Rg半径值从无穷大变化为与之相连接的圆弧半径，Lg表示几何线型长度。
步骤3：点云文件输入模块根据骨架线里程投影法计算出原始点云RD中的每个点k投影到隧道骨架线垂足的里程Mk；隧道骨架线设计数据是骨架线里程投影法的输入数据，采用骨架线里程投影法将三维空间坐标点投影到隧道骨架线垂足上，垂足点距离骨架线起点里程的距离即为点云k所对应的隧道骨架线里程Mk。
步骤4：点云文件输入模块根据每个点的Mk数值和投影参数设置中骨架线里程投影分段的里程长度范围，将每个读入的原始三维点云数据集RD(Nk,Ek,Hk,RLk)进行分割，形成多个点云分段数据集NDj(Mi,Ni,Ei,Hi,RLi)，并在点云数据管理模块中显示拆分后的新点云数据集NDj(Mi,Ni,Ei,Hi,RLi)；
步骤5：点云数据投影处理模块按照点云数据管理模块界面中用户选择的待处理点云数据集序列，批量读入点云数据集NDj(Mi,Ni,Ei,Hi,RLi)；一个点云数据投影处理模块程序运行实例一次向计算机内存中读入一个NDj，剩余的NDj数据集信息在模块的待处理队列中等候。在用户计算机上同时运行多个点云数据投影处理模块程序运行实例进行并行计算时，每个运行实例负责处理一个NDj数据集队列。例如：一台8核CPU计算机可以运行8个点云数据投影处理模块实例，同时处理8个NDj数据集队列，8个队列中的NDj数据集个数总和就是从原始数据集RD中拆分出来的NDj数据集的总数。
步骤6：将步骤5中读取的每个点云NDj中的每个点i逐个按照骨架线里程投影法投影到相应里程对应的隧道断面二维坐标系，投影后点i的断面坐标系记为(Mi，Pxi，Pyi)，同时记录点i距离对应的Mi处断面坐标系原点的法线长度Pzi，点i对应的Mi处断面坐标系原点的法线与隧道设计轮廓线的交点DPi到该断面坐标系原点的法线长度DPzi和点i对应的Mi处断面坐标系原点的法线和设计断面轮廓线的交点DPi沿设计断面轮廓线到达DP0点的断面轮廓线最短长度Ppi，根据ΔPzi＝Pzi-DPzi计算实测断面上点i沿法线方向与设计断面轮廓线的差异值ΔPzi，其中，DP0点为设计断面轮廓线与断面坐标系Y轴正方向的交点；将最后获得的数据结果组成骨架线断面坐标系数据集Pj(Mi,Pxi,Pyi,Pzi,ΔPzi,Ppi,RLi)，更新到数据库中存储。每条隧道都有设计断面，这是点云正射投影的输入数据，也是投影依据。
DPzi为i点的法线与隧道设计轮廓线的交点DPi到该断面坐标系原点的法线长度。ΔPzi＝Pzi-DPzi，即为实测断面上任意一点i沿法线方向与设计断面轮廓线的差异值。ΔPzi正值代表超挖状态，负值代表欠挖状态，零代表该处实测断面轮廓线和设计断面轮廓线完全吻合。当同一里程的两次实测断面数据的ΔPzi对比时，两次测量同一个隧道部位的ΔPzi之差就反映了两次测量之间断面发生的变化，即为两次测量所发现的断面变形量。
步骤7：点云数据投影处理模块根据点云数据集NDj(Mi,Ni,Ei,Hi,RLi)中点i的三维空间坐标(Ni,Ei,Hi)、激光反射强度RLi和骨架线断面坐标系数据集Pj(Mi,Pxi,Pyi,Pzi,Ppi,RLi)建立一个数据集对应关系，以Mi作为关联字段和检索关键字段，并更新存储到点云数据库中；
步骤8：对激光雷达影像生成模块进行影像分幅的隧道里程长度和影像分辨率参数设置，按照骨架线里程Mi为关键字读入需要生成影像的点云j数据集Aj(Mi,Pxi,Pyi,Pzi,Ppi,RLi,Ni,Ei,Hi)；Aj是对已有的NDj和Pj数据集进行联合查询后获得的新数据集。这样已经完成步骤5～7投影计算并存入数据库中的NDj点云可以在其他NDj数据集还在做投影计算的同时开始步骤8的影像生成计算。只要用户计算机有足够强大的计算能力，用户不必等所有NDj点云数据集投影完，就可以生成出前面已经投影好的NDj数据集对应的隧道正射影像，进一步充分发挥用户计算机硬件的并行计算能力。步骤8的影像生成用户操作界面也是在点云数据管理模块完成，操作后形成类似步骤5中待生成影像的NDj数据集队列，位于这个队列中的NDj数据集是已经完成步骤5～7投影计算并存入数据库中的NDj点云。
步骤9：激光雷达影像生成模块采用断面轮廓线投影法将点云数据投影处理模块生成的个分段后的点云数据集中点i的骨架线断面坐标系数据集Pj(Mi,Pxi,Pyi,Pzi,Ppi,RLi)转换成影像坐标系坐标数据集Ij(IRi,ICi,IGi)从而获取隧道正射影像，其中IRi为点i对应的像素在影像中所在行数，ICi为点i对应的像素在影像中所在列数，IGi为点i对应的像素灰度；Pj和Ij之间的换算关系为ICi＝(Mi-Ma)/L/RS，IRi＝Ppi/RS，IGi＝GS×RLi；其中，Ma为起点里程，L为每幅影像覆盖的隧道长度，RS表示隧道正射影像的分辨率，分辨率用像素的宽度表示，单位为米，GS为激光反射强度值与影像灰度值之间的一个固定比例常数。
将点云j的数据集Aj(Mi,Pxi,Pyi,Pzi,Ppi,RLi,Ni,Ei,Hi)中的Mi作为横坐标，Ppi作为纵坐标，如图4所示，按照用户面向隧道里程增大方向站立，Ppi正值表示该点位于断面零点的左手，负值代表该点位于断面零点的右手，相应点云的激光反射强度RLi转换成该点云的像素所对应的灰度值IGi构成一幅隧道断面的二维矩形展开影像图。影像的2号区域即最靠近横轴的区域为隧道的顶部，1号区域为隧道左手边腰部，3号是右手边隧道腰部区域。左右手是按照用户面朝向隧道里程增大方向站立，影像显示部位位于用户的左右手方向。从而形成一个新的数据集对应关系：Aj(Mi,Pxi,Pyi,Pzi,Ppi,RLi,Ni,Ei,Hi)<->Ij(IRi,ICi,IGi)。
步骤10：将新的数据集NAj(Mi,Ppi,Pxi,Pyi,Pzi,RLi,Ni,Ei,Hi,IRi,ICi,IGi)更新存储到数据库中，形成完整的激光雷达正射灰度影像数据库，检索关键字为Mi和Ppi；
步骤11：按照激光雷达影像生成模块中设置的需要输出用户报告的隧道起点里程为Ma、终点里程为Mb、每幅输出影像的长度和宽度(LI，WI)、纸张长宽尺寸(Lp，Wp)、影像缩放比例尺SC或选择自动适应纸张、影像分辨率RS等参数来对数据集NAj进行分幅确定具体影像的幅数IN、每张影像的像素数(IR×IC)和行列数(IR,IC)和每张影像需要打印的用户报告纸张页数Y，并生成每幅影像的灰度填充数组Gn(r,s)(r＝1～IR，c＝1～IC，n＝1～IN)。其中IN＝(Mb-Ma)/LI，Y＝(LI/(SC×Lp))×(WI/(SC×Wp))，Gn(r,c)这个像素对应点在NAj数据集中的Mi＝Ma+(n-1)×LI+c×RS；Ppi＝r×RS。根据Mi和Ppi即可在激光雷达隧道正射影像专用数据库NA中快速检索出NAj(Mi,Pxi,Pyi,Pzi,Ppi,RLi,Ni,Ei,Hi,IRi,ICi,IGi)中的影像灰度值IGi。为了用户报告的直观性，每幅影像上还要另外加上横坐标隧道里程刻度，纵坐标断面轮廓线长度刻度。用户报告中还要增加影像缩放比例尺等项目说明信息。
计算过程中不足一页的小数部分要凑整，如Y＝1.1×2.3时，实际每幅影像需要打印Y＝2×3＝6页。用户选择自动适应纸张打印时，算法默认将一幅影像打印在一张纸上来计算缩放比例尺。
比如，如果每幅激光雷达隧道正射影像报告的隧道里程长度设置为30米，隧道的设计断面轮廓线周长为18米，影像分辨率设置为每个像素5mm，用户实际纸张长60cm，宽36cm，影像缩放比例尺为1:200。则每幅影像有3600行，6000列，实际影像尺寸应为30米长，18米宽，IR＝3600，IC＝6000。打印到用户设置纸张上为15cm长，9cm宽，一张纸上可以打印16幅影像图，即实际长度为480米长隧道的全部正射影像图。如果用户选择自适应纸张大小，此时算法自动按照打印到1页纸上来计算出的影像自动缩放比例尺应为1:50，每个像素实际打印尺寸为0.1mm。如果缩放比例尺设置为1:10，则一幅30米的影像图要打印成Y＝5×5＝25页纸。
步骤12：按照步骤11确定好的影像栅格行列，将每个像素的具体灰度值填充到打印纸张中去，最终生成激光雷达隧道正射灰度影像，如图5所示。此时用户可以直接输出激光雷达隧道正射灰度影像来查看隧道内壁影像上的渗水和裂缝等病害。
步骤13：影像成果报告模块按照激光雷达影像生成模块中的参数设置，将骨架线里程作为关键字读入需要输出用户成果报告的点云j的数据集NAj(Mi,Pxi,Pyi,Pzi,Ppi,RLi,Ni,Ei,Hi,IRi,ICi,IGi)；
步骤14：用户在影像成果报告模块中设置需要分析的目标变量数值范围对应的色彩C和叠加到激光雷达隧道正射灰度影像做分析时的色块透明度T，T为百分比，值域为0～100％，0为不透明，即不显示底图，100％为完全透明，即只显示底图，不显示彩色。如图6所示，Pzi在(-0.05～0.05)范围为隧道的超欠挖在正常限差范围内，是绿色，Pzi>0.051为超挖超限状态，是蓝色，Pzi<-0.051为欠挖超限状态，是红色。在图6中，白色三角形填充物表示绿色，黑色圆形填充物表示红色，网格填充物表示蓝色。
步骤15：将点云j中的每个点i的Pzi换算成所需在影像用户报告图中染成的颜色值Ci。
步骤16：按照影像成果报告模块设置的每幅输出影像覆盖的隧道里程长度值、纸张长宽尺寸、影像缩放比例尺、影像分辨率等参数来对数据集NAj进行分幅确定具体每张输出影像报告的(IR*IC)、行列数(IR,IC)，并生成对应像素行列填充数组URI(IRi,ICi,IGi,Ci,T)。除增加染色和透明度的差别外，影像分幅输出方法与步骤11相同。
步骤17：按照步骤16确定好的影像栅格行列，将每个像素的具体灰度值、色彩值和透明度值填充到打印纸张中去，最终生成激光雷达隧道正射影像变形量彩色分析图用户报告。激光雷达隧道正射影像平整度彩色分析图处理步骤与变形量分析图相类似，唯一不同之处是，该图中彩色数值参考的目标量是由平整度计算模块存储在数据库中的平整度的数值。
本发明提供的方法与现有技术的对比如表1所示。
表1：

Claims (7)

1.一种基于激光雷达LIDAR点云数据获取隧道正射影像系统，其特征在于：包括，点云文件输入模块、点云数据管理模块、点云数据投影处理模块、激光雷达影像生成模块；
所述点云文件输入模块将地面激光雷达获取的带有与隧道骨架线坐标系一致的原始三维点云数据集RD(Nk,Ek,Hk,RLk)，通过隧道的骨架线里程投影法得到点k的隧道骨架线里程Mk；然后按照Mk分段的里程长度范围将原始三维点云数据集RD分成多个点云分段数据集NDj(Mi,Ni,Ei,Hi,RLi)；其中，Nk为隧道壁返回的第k个激光点对应的骨架线坐标系北坐标，Ek为隧道壁返回的第k个激光点对应的骨架线坐标系东坐标，Hk为隧道壁返回的第k个激光点对应的骨架线坐标系高程坐标，RLk为第k个激光点反射回来的激光反射强度；k表示原始三维点云数据集中点的编号，j表示分段后的点云数据集的编号，i表示每个分段后的点云数据集中点的编号，NDj表示第j个分段后的点云数据集，其中Mi表示第j个分段后的点云数据集中第i个点的隧道骨架线里程，Ni表示第j个分段后的点云数据集中隧道壁返回的第i个激光点对应的骨架线坐标系北坐标；Ei表示第j个分段后的点云数据集中隧道壁返回的第i个激光点对应的骨架线坐标系东坐标；Hi表示第j个分段后的点云数据集中隧道壁返回的第i个激光点对应的骨架线坐标系高程坐标；RLi表示第j个分段后的点云数据集中第i个激光点反射回来的激光反射强度；
所述点云数据管理模块按照原始文件名结合每个分段点云NDj所覆盖的隧道骨架线里程Mi来管理点云文件输入模块处理好的各个点云文件NDj；所述点云数据管理模块用于提供一个用户界面的入口；
所述点云数据投影处理模块根据断面轮廓线投影法将点云文件输入模块中获得的多个点云分段NDj数据集中的每个点按照其对应的骨架线里程Mi，分别投影到该点对应的隧道骨架线里程处的隧道二维断面坐标系OXY中，投影后点i的断面坐标系坐标记为(Mi，Pxi，Pyi)；同时记录点i距离对应的Mi处断面坐标系原点的法线长度Pzi，点i对应的Mi处断面坐标系原点的法线与隧道设计轮廓线的交点DPi到该断面坐标系原点的法线长度DPzi和点i对应的Mi处断面坐标系原点的法线和设计断面轮廓线的交点DPi沿设计断面轮廓线到达DP0点的断面轮廓线最短长度Ppi，根据ΔPzi＝Pzi-DPzi计算实测断面上点i沿法线方向与设计断面轮廓线的差异值ΔPzi，其中，DP0点为设计断面轮廓线与断面坐标系Y轴正方向的交点；点云数据投影处理模块将最后获得的数 据结果组成骨架线断面坐标系数据集Pj(Mi,Pxi,Pyi,Pzi,ΔPzi,Ppi,RLi)，更新到数据库中存储；
所述激光雷达影像生成模块将点云数据投影处理模块生成的每个点i的骨架线断面坐标系数据集Pj(Mi,Pxi,Pyi,Pzi,Ppi,RLi)转换成影像坐标系坐标数据集Ij(IRi,ICi,IGi)从而获取隧道正射影像，其中IRi为点i对应的像素在影像中所在行数，ICi为点i对应的像素在影像中所在列数，IGi为点i对应的像素灰度；Pj和Ij之间的换算关系为ICi＝(Mi-Ma)/L/RS，IRi＝Ppi/RS，IGi＝GS×RLi；其中，Ma为起点里程，L为每幅影像覆盖的隧道长度，RS表示隧道正射影像的分辨率，分辨率用像素的宽度表示，单位为米，GS为激光反射强度值与影像灰度值之间的一个固定比例常数。
2.根据权利要求1所述的基于激光雷达LIDAR点云数据获取隧道正射影像系统，其特征在于：还包括激光雷达平整度模块；所述激光雷达平整度模块根据点云文件输入模块通过隧道的骨架线里程投影法分段成新的点云数据集NDj(Mi,Ni,Ei,Hi,RLi)计算隧道内壁点i的平整度数值Ui，并将计算出的平整度数值Ui添加到骨架线断面坐标系数据集Pj中，形成新的骨架线断面坐标系数据集Pj(Mi,Pxi,Pyi,Pzi,Ppi,RLi,Ui)。
3.根据权利要求2所述的基于激光雷达LIDAR点云数据获取隧道正射影像系统，其特征在于：还包括影像成果报告模块，所述影像成果报告模块根据激光雷达平整度模块生成的平整度数值Ui的数值结合不同的范围区间，将不同平整度数值范围内的点采用不同色彩或者不同形状表示，将点i的平整度数值Ui以半透明彩色分析图的方式叠加到激光雷达隧道正射影像中对应位置上；进行隧道里程分段的断面变形量、平整度，是否有渗水或裂缝分析。
4.根据权利要求1所述的基于激光雷达LIDAR点云数据获取隧道正射影像系统，其特征在于：所述骨架线里程投影法是将点云RD中的每个点的隧道骨架坐标系三维坐标(Nk,Ek,Hk)投影到隧道骨架线的垂足上，对应垂足点距离骨架线起点里程的距离为点k所对应的隧道骨架线里程Mk。
5.根据权利要求1所述的基于激光雷达LIDAR点云数据获取隧道正射影像系统，其特征在于：所述Mk分段的里程长度范围是根据分段后每个点云单元的数据量大小与计算机硬件的最优分布处理能力所对应的最大数据块粒度大小匹配的原则来选取的。6、一种采用权利要求1所述的基于激光雷达LIDAR点云数据获取隧道正射影像系统的隧道正射影像获取方法，其特征在于：包括以下步骤：
步骤1：点云文件输入模块采集每个原始点云文件数据RD(Nk,Ek,Hk,RLk)，其中(Nk,Ek,Hk)为点k在隧道骨架线控制坐标系下坐标，k表示点云中每个点的标号；
步骤2：读入骨架线三维设计数据中的各个几何线型，分段投影到平面中的几何线型要素分段YSg(Mg，Ng,Eg,Tg,Rg,Lg),Mg为几何线型要素起点的里程，Ng为在隧道骨架线控制坐标系下的北坐标，Eg为在隧道骨架线控制坐标系下的东坐标，Tg表示要素类型，Rg表示几何线型要素曲率半径值，Lg表示几何线型长度；其中，要素类型为直线、缓和曲线和圆；
步骤3：点云文件输入模块根据骨架线里程投影法计算出原始点云RD中的每个点k投影到隧道骨架线垂足的里程Mk；
步骤4：点云文件输入模块根据每个点的Mk数值和投影参数设置中骨架线里程投影分段的里程长度范围，将每个读入的原始三维点云数据集RD(Nk,Ek,Hk,RLk)进行分割，形成多个点云分段数据集NDj(Mi,Ni,Ei,Hi,RLi)，并在点云数据管理模块中显示拆分后的新点云数据集NDj(Mi,Ni,Ei,Hi,RLi)；
步骤5：点云数据投影处理模块按照点云数据管理模块界面中用户选择的待处理点云数据集序列，批量读入点云数据集NDj(Mi,Ni,Ei,Hi,RLi)；
步骤6：将步骤5中读取的每个点云NDj中的每个点i逐个按照骨架线里程投影法投影到相应里程对应的隧道断面二维坐标系，投影后点i的断面坐标系记为(Mi，Pxi，Pyi)，同时记录点i距离对应的Mi处断面坐标系原点的法线长度Pzi，点i对应的Mi处断面坐标系原点的法线与隧道设计轮廓线的交点DPi到该断面坐标系原点的法线长度DPzi和点i对应的Mi处断面坐标系原点的法线和设计断面轮廓线的交点DPi沿设计断面轮廓线到达DP0点的断面轮廓线最短长度Ppi，根据ΔPzi＝Pzi-DPzi计算实测断面上点i沿法线方向与设计断面轮廓线的差异值ΔPzi，其中，DP0点为设计断面轮廓线与断面坐标系Y轴正方向的交点；将最后获得的数据结果组成骨架线断面坐标系数据集Pj(Mi,Pxi,Pyi,Pzi,ΔPzi,Ppi,RLi)，更新到数据库中存储；
步骤7：点云数据投影处理模块根据点云数据集NDj(Mi,Ni,Ei,Hi,RLi)中点i的三维空间坐标(Ni,Ei,Hi)、激光反射强度RLi和骨架线断面坐标系数据集Pj(Mi,Pxi,Pyi,Pzi,Ppi,RLi)建立一个数据集对应关系，以Mi作为关联字段和检索关键字段，并更新存储到点云数据库中；
步骤8：对激光雷达影像生成模块进行影像分幅的隧道里程长度和影像分辨率参数 设置，按照骨架线里程Mi为关键字读入需要生成影像的点云j数据集Aj(Mi,Pxi,Pyi,Pzi,Ppi,RLi,Ni,Ei,Hi)；Aj是对已有的NDj和Pj数据集进行联合查询后获得的新数据集；
步骤9：激光雷达影像生成模块采用断面轮廓线投影法将点云数据投影处理模块生成的个分段后的点云数据集中点i的骨架线断面坐标系数据集Pj(Mi,Pxi,Pyi,Pzi,Ppi,RLi)转换成影像坐标系坐标数据集Ij(IRi,ICi,IGi)从而获取隧道正射影像，其中IRi为点i对应的像素在影像中所在行数，ICi为点i对应的像素在影像中所在列数，IGi为点i对应的像素灰度；Pj和Ij之间的换算关系为ICi＝(Mi-Ma)/L/RS，IRi＝Ppi/RS，IGi＝GS×RLi；其中，Ma为起点里程，L为每幅影像覆盖的隧道长度，RS表示隧道正射影像的分辨率，分辨率用像素的宽度表示，单位为米，GS为激光反射强度值与影像灰度值之间的一个固定比例常数。
6.根据权利要求5所述的基于激光雷达LIDAR点云数据获取隧道正射影像方法，其特征在于：以所述步骤9中获取的隧道正射影像图为底图，在隧道正射影像图上叠加半透明彩色目标数值分析图；或者叠加半透明不同图例目标数值分析图。
7.根据权利要求5所述的基于激光雷达LIDAR点云数据获取隧道正射影像方法，其特征在于：所述目标数值包括断面变形量和平整度。
CN201610484983.XA 2016-06-28 2016-06-28 基于激光雷达lidar点云数据获取隧道正射影像系统及方法 Active CN106127771B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610484983.XA CN106127771B (zh) 2016-06-28 2016-06-28 基于激光雷达lidar点云数据获取隧道正射影像系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610484983.XA CN106127771B (zh) 2016-06-28 2016-06-28 基于激光雷达lidar点云数据获取隧道正射影像系统及方法

Publications (2)

Publication Number Publication Date
CN106127771A true CN106127771A (zh) 2016-11-16
CN106127771B CN106127771B (zh) 2018-11-02

Family

ID=57267066

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610484983.XA Active CN106127771B (zh) 2016-06-28 2016-06-28 基于激光雷达lidar点云数据获取隧道正射影像系统及方法

Country Status (1)

Country Link
CN (1) CN106127771B (zh)

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106600617A (zh) * 2016-12-29 2017-04-26 中科宇图科技股份有限公司 基于曲率从Lidar点云数据提取建筑物轮廓线的方法
CN107092020A (zh) * 2017-04-19 2017-08-25 北京大学 融合无人机LiDAR和高分影像的路面平整度监测方法
CN107180409A (zh) * 2017-03-31 2017-09-19 河海大学 一种针对弯曲骨架型对象三维点云的广义圆柱投影方法
CN108871268A (zh) * 2018-07-13 2018-11-23 湖南联智桥隧技术有限公司 一种基于激光点云的隧道超欠挖数值计算方法
CN109191553A (zh) * 2018-08-29 2019-01-11 百度在线网络技术（北京）有限公司 点云渲染方法、装置、终端及存储介质
CN109213763A (zh) * 2018-08-15 2019-01-15 武汉中海庭数据技术有限公司 车载激光扫描点云的组织管理方法及系统
CN109798830A (zh) * 2017-11-17 2019-05-24 上海岩土工程勘察设计研究院有限公司 隧道附属物几何特征测量方法
CN110084116A (zh) * 2019-03-22 2019-08-02 深圳市速腾聚创科技有限公司 路面检测方法、装置、计算机设备和存储介质
CN110221277A (zh) * 2019-06-21 2019-09-10 北京航空航天大学 一种基于激光雷达扫描的隧道表面渗水区域提取方法
CN110345968A (zh) * 2019-07-18 2019-10-18 南京市测绘勘察研究院股份有限公司 一种对移动三维激光扫描隧道成果里程配付的方法
CN110378830A (zh) * 2019-07-18 2019-10-25 南京市测绘勘察研究院股份有限公司 一种圆形地铁隧道横剖正射影像生成方法
CN110411361A (zh) * 2019-05-15 2019-11-05 首都师范大学 一种移动隧道激光检测数据处理方法
CN111415385A (zh) * 2020-03-02 2020-07-14 武汉大学 激光雷达和多线阵相机组合系统的相对位姿参数优化方法
CN111415344A (zh) * 2020-03-19 2020-07-14 北京城建勘测设计研究院有限责任公司 一种马蹄形隧道的病害检测方法及装置
CN112197743A (zh) * 2020-10-10 2021-01-08 北京工商大学 一种地铁隧道轮廓-包络线最短距离分析方法
CN112215958A (zh) * 2020-10-10 2021-01-12 北京工商大学 一种基于分布式计算的激光雷达点云数据投影方法
JPWO2021199264A1 (zh) * 2020-03-31 2021-10-07
WO2021199291A1 (ja) * 2020-03-31 2021-10-07 日本電気株式会社 検出装置、判定方法、及び非一時的なコンピュータ可読媒体
CN113706883A (zh) * 2021-08-12 2021-11-26 广州大学 一种隧道路段安全行车系统和方法
CN113837996A (zh) * 2021-08-17 2021-12-24 北京工商大学 一种支持人工校验的地铁隧道病害自动检测方法
CN114157808A (zh) * 2021-12-13 2022-03-08 北京国泰星云科技有限公司 一种高效的集装箱闸口图像采集系统及方法
US20220406014A1 (en) * 2021-06-21 2022-12-22 Cyngn, Inc. Granularity-flexible existence-based object detection
CN117372273A (zh) * 2023-10-26 2024-01-09 航天科工(北京)空间信息应用股份有限公司 无人机影像的正射影像生成方法、装置、设备和存储介质
CN117705067A (zh) * 2023-12-06 2024-03-15 中铁第四勘察设计院集团有限公司 一种基于多源测绘数据的通防管线勘测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1903303A2 (en) * 2006-09-25 2008-03-26 Kabushiki Kaisha Topcon Surveying method, surveying system and surveying data processing program
CN103226833A (zh) * 2013-05-08 2013-07-31 清华大学 一种基于三维激光雷达的点云数据分割方法
CN103699731A (zh) * 2013-12-19 2014-04-02 中铁第一勘察设计院集团有限公司 一种铁道工程真实场景模型协同设计平台的构建方法
CN104374780A (zh) * 2014-12-04 2015-02-25 上海岩土工程勘察设计研究院有限公司 隧道内三维激光扫描反射率的校正方法
CN104392476A (zh) * 2014-12-04 2015-03-04 上海岩土工程勘察设计研究院有限公司 基于最小包围盒算法提取隧道三维轴线的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1903303A2 (en) * 2006-09-25 2008-03-26 Kabushiki Kaisha Topcon Surveying method, surveying system and surveying data processing program
CN103226833A (zh) * 2013-05-08 2013-07-31 清华大学 一种基于三维激光雷达的点云数据分割方法
CN103699731A (zh) * 2013-12-19 2014-04-02 中铁第一勘察设计院集团有限公司 一种铁道工程真实场景模型协同设计平台的构建方法
CN104374780A (zh) * 2014-12-04 2015-02-25 上海岩土工程勘察设计研究院有限公司 隧道内三维激光扫描反射率的校正方法
CN104392476A (zh) * 2014-12-04 2015-03-04 上海岩土工程勘察设计研究院有限公司 基于最小包围盒算法提取隧道三维轴线的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李双: "基于三维激光扫描技术的隧道连续断面提取及变形分析", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
李英硕 等: "空间圆形拟合检测新方法", 《测绘科学》 *

Cited By (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106600617A (zh) * 2016-12-29 2017-04-26 中科宇图科技股份有限公司 基于曲率从Lidar点云数据提取建筑物轮廓线的方法
CN107180409A (zh) * 2017-03-31 2017-09-19 河海大学 一种针对弯曲骨架型对象三维点云的广义圆柱投影方法
CN107092020A (zh) * 2017-04-19 2017-08-25 北京大学 融合无人机LiDAR和高分影像的路面平整度监测方法
CN107092020B (zh) * 2017-04-19 2019-09-13 北京大学 融合无人机LiDAR和高分影像的路面平整度监测方法
CN109798830B (zh) * 2017-11-17 2020-09-08 上海勘察设计研究院(集团)有限公司 隧道附属物几何特征测量方法
CN109798830A (zh) * 2017-11-17 2019-05-24 上海岩土工程勘察设计研究院有限公司 隧道附属物几何特征测量方法
CN108871268A (zh) * 2018-07-13 2018-11-23 湖南联智桥隧技术有限公司 一种基于激光点云的隧道超欠挖数值计算方法
CN109213763A (zh) * 2018-08-15 2019-01-15 武汉中海庭数据技术有限公司 车载激光扫描点云的组织管理方法及系统
CN109191553A (zh) * 2018-08-29 2019-01-11 百度在线网络技术（北京）有限公司 点云渲染方法、装置、终端及存储介质
CN110084116A (zh) * 2019-03-22 2019-08-02 深圳市速腾聚创科技有限公司 路面检测方法、装置、计算机设备和存储介质
CN110084116B (zh) * 2019-03-22 2022-02-01 深圳市速腾聚创科技有限公司 路面检测方法、装置、计算机设备和存储介质
CN110411361B (zh) * 2019-05-15 2021-08-17 首都师范大学 一种移动隧道激光检测数据处理方法
CN110411361A (zh) * 2019-05-15 2019-11-05 首都师范大学 一种移动隧道激光检测数据处理方法
CN110221277A (zh) * 2019-06-21 2019-09-10 北京航空航天大学 一种基于激光雷达扫描的隧道表面渗水区域提取方法
CN110345968A (zh) * 2019-07-18 2019-10-18 南京市测绘勘察研究院股份有限公司 一种对移动三维激光扫描隧道成果里程配付的方法
CN110378830A (zh) * 2019-07-18 2019-10-25 南京市测绘勘察研究院股份有限公司 一种圆形地铁隧道横剖正射影像生成方法
CN111415385B (zh) * 2020-03-02 2022-03-11 武汉大学 激光雷达和多线阵相机组合系统的相对位姿参数优化方法
CN111415385A (zh) * 2020-03-02 2020-07-14 武汉大学 激光雷达和多线阵相机组合系统的相对位姿参数优化方法
CN111415344A (zh) * 2020-03-19 2020-07-14 北京城建勘测设计研究院有限责任公司 一种马蹄形隧道的病害检测方法及装置
JPWO2021199264A1 (zh) * 2020-03-31 2021-10-07
WO2021199291A1 (ja) * 2020-03-31 2021-10-07 日本電気株式会社 検出装置、判定方法、及び非一時的なコンピュータ可読媒体
JP7400950B2 (ja) 2020-03-31 2023-12-19 日本電気株式会社 検出装置、ラベル付与方法、及びプログラム
WO2021199264A1 (ja) * 2020-03-31 2021-10-07 日本電気株式会社 検出装置、ラベル付与方法、及び非一時的なコンピュータ可読媒体
CN112215958A (zh) * 2020-10-10 2021-01-12 北京工商大学 一种基于分布式计算的激光雷达点云数据投影方法
CN112197743B (zh) * 2020-10-10 2022-05-17 北京工商大学 一种地铁隧道轮廓-包络线最短距离分析方法
CN112215958B (zh) * 2020-10-10 2023-05-02 北京工商大学 一种基于分布式计算的激光雷达点云数据投影方法
CN112197743A (zh) * 2020-10-10 2021-01-08 北京工商大学 一种地铁隧道轮廓-包络线最短距离分析方法
US11747454B2 (en) * 2021-06-21 2023-09-05 Cyngn, Inc. Granularity-flexible existence-based object detection
US20220406014A1 (en) * 2021-06-21 2022-12-22 Cyngn, Inc. Granularity-flexible existence-based object detection
WO2022271742A1 (en) * 2021-06-21 2022-12-29 Cyngn, Inc. Granularity-flexible existence-based object detection
CN113706883B (zh) * 2021-08-12 2022-11-29 广州大学 一种隧道路段安全行车系统和方法
CN113706883A (zh) * 2021-08-12 2021-11-26 广州大学 一种隧道路段安全行车系统和方法
CN113837996A (zh) * 2021-08-17 2021-12-24 北京工商大学 一种支持人工校验的地铁隧道病害自动检测方法
CN113837996B (zh) * 2021-08-17 2023-09-29 北京工商大学 一种支持人工校验的地铁隧道病害自动检测方法
CN114157808A (zh) * 2021-12-13 2022-03-08 北京国泰星云科技有限公司 一种高效的集装箱闸口图像采集系统及方法
CN114157808B (zh) * 2021-12-13 2022-11-29 北京国泰星云科技有限公司 一种高效的集装箱闸口图像采集系统及方法
CN117372273A (zh) * 2023-10-26 2024-01-09 航天科工(北京)空间信息应用股份有限公司 无人机影像的正射影像生成方法、装置、设备和存储介质
CN117372273B (zh) * 2023-10-26 2024-04-19 航天科工(北京)空间信息应用股份有限公司 无人机影像的正射影像生成方法、装置、设备和存储介质
CN117705067A (zh) * 2023-12-06 2024-03-15 中铁第四勘察设计院集团有限公司 一种基于多源测绘数据的通防管线勘测方法及系统

Also Published As

Publication number Publication date
CN106127771B (zh) 2018-11-02

Similar Documents

Publication Publication Date Title
CN106127771B (zh) 基于激光雷达lidar点云数据获取隧道正射影像系统及方法
CN106600690B (zh) 基于点云数据的复杂建筑体三维建模方法
CN106097348B (zh) 一种三维激光点云与二维图像的融合方法
CN103884321B (zh) 一种遥感影像成图工艺
CN105931234A (zh) 一种地面三维激光扫描点云与影像融合及配准的方法
CN104330074B (zh) 一种智能测绘平台及其实现方法
CN106296814B (zh) 公路养护检测与可视化交互方法和系统
CN103604417B (zh) 物方信息约束的多视影像双向匹配策略
CN102003938A (zh) 大型高温锻件热态在位检测方法
Murphy et al. Developing historic building information modelling guidelines and procedures for architectural heritage in Ireland
NL2027073B1 (en) Automatic urban three-dimensional skyline contour generation and diagnosis method based on occlusion rate
CN110533768B (zh) 一种仿真交通场景生成方法及系统
CN105046743A (zh) 一种基于全局变分技术的超高分辨率三维重建方法
CN108692656B (zh) 一种激光扫描数据获取方法及装置
CN113916130B (zh) 一种基于最小二乘法的建筑物位置测量方法
CN112634132A (zh) 一种卫星影像的海图要素采集方法及装置
CN109682303A (zh) 基于bim技术的曲线pc轨道梁精密三维检测方法
CN104729529B (zh) 地形图测量系统误差判断的方法和系统
Abdul-Rahman et al. Innovations in 3D geo information systems
CN108230442A (zh) 一种盾构隧道三维仿真方法
CN104318566B (zh) 可返回多个高程值的新型多视影像铅垂线轨迹匹配方法
Zhang et al. Extraction of three-dimensional architectural data from QuickBird images
CN109472862A (zh) 一种变电站三维建模系统
CN110132233A (zh) 一种基于点云数据的cass环境下现状地形图绘图方法
Alba et al. Geometric modelling of a large dam by terrestrial laser scanning

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20180706

Address after: 210000 288 Qinhuai Road, Yung Yang Street, Lishui District, Nanjing, Jiangsu

Applicant after: Nanjing Digital Space Surveying and Mapping Technology Co., Ltd.

Address before: 201802 208, room 20, 1188 Shanghai Yi highway, Jiading District, Shanghai.

Applicant before: Shanghai iSpatial Co., Ltd.

GR01 Patent grant
GR01 Patent grant