CN106558096A - 三维点云数据的建模装置、程序和电梯导轨的建模方法 - Google Patents
三维点云数据的建模装置、程序和电梯导轨的建模方法 Download PDFInfo
- Publication number
- CN106558096A CN106558096A CN201610515826.0A CN201610515826A CN106558096A CN 106558096 A CN106558096 A CN 106558096A CN 201610515826 A CN201610515826 A CN 201610515826A CN 106558096 A CN106558096 A CN 106558096A
- Authority
- CN
- China
- Prior art keywords
- matching
- measuring instrument
- size
- point cloud
- information
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
- G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Lift-Guide Devices, And Elevator Ropes And Cables (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供三维点云数据的建模装置、程序和电梯导轨的建模方法,提高存在测量遮挡的测量对象物体的建模精度。从使用三维测量仪测量得到的物体点云数据中,提取三维测量仪可测量且用于与测量对象物体的规格信息进行匹配的匹配部位的匹配部位数据(S303),对匹配部位数据应用噪声的分布模型来推算匹配部位的真值,基于该真值计算匹配尺寸(S304),从多个规格信息中选择与匹配尺寸对应的部位的尺寸最与计算出的匹配尺寸类似的规格信息(S305),将该规格信息应用于匹配部位的真值,并在三维测量仪的死角部位应用规格信息的尺寸(S306),使用该应用了的尺寸和物体点云数据生成包括死角部位的测量对象物体的模型(S307)。
Description
技术领域
本发明涉及三维点云数据的建模装置。
背景技术
专利文献1中记载了一种点云分析处理装置,包括:柱状物体参数推算部,对作为装置处理对象的三维点云,通过基于RANSAC的圆柱拟合来推算柱状物体的柱状参数;和柱状物体识别部,基于柱状物体参数推算部推算出的柱状物体参数,识别在推算出的柱状物体的位置上存在的点云是否为柱状物体,输出有无柱状体的判定结果,并在存在柱状物体的情况下,输出由三维点云分割成的多个小区域各自的柱状物体的中心位置和半径。
现有技术文献
专利文献
专利文献1:日本特开2014-109555号公报
发明内容
发明要解决的技术问题
在以电梯的井道作为测量对象的情况下,在电梯的轿厢升降移动的轿厢通路内设置激光测量仪,对竖立设置在井道内的电梯导轨(以下记作“导轨”)和面向通路的壁面进行扫描而获取三维点云数据。因此,虽然能够获得导轨中与测量仪相对的面(称为正面)的三维点云数据,但导轨的背面和侧面的一部分因为激光测量仪的设置位置的制约而成为无法测量的部位,发生测量遮挡即测量仪的死角。
不过,专利文献1记载的技术没有对装置处理对象考虑测量遮挡即测量仪的死角,只是对三维点云通过圆柱拟合推算柱状物体的参数。因此,若对上述导轨那样发生测量遮挡的处理对象的三维点云数据应用专利文献1的技术,会在视为没有测量遮挡的前提下进行建模,存在导致建模精度恶化的问题。
于是,本发明目的在于提供一种即使对于因测量仪而产生死角的测量对象物,也可以提高使用测量仪输出的三维点云数据进行建模时的精度的技术。
解决问题的技术手段
本申请包括多种用于解决上述问题的技术手段,举其一例,包括:物体识别部,从由使用三维测量仪对测量对象物体及其周边区域的各测量点进行测量而得到的测量点数据的集合所构成的三维点云数据中,基于各测量点数据的特征信息提取表示所述测量对象物体的物体点云数据;规格信息存储部,存储多个规定了所述测量对象物体的形状和尺寸的规格信息;噪声分布模型存储部,存储包含在所述物体点云数据中的噪声的分布模型;匹配部位提取部,获取进行所述测量时的所述测量对象物体和所述三维测量仪的相对位置信息,并基于所述相对位置信息从所述物体点云数据中提取匹配部位数据,其中所述匹配部位数据由所述测量对象物体中所述三维测量仪可测量且用于与所述规格信息进行匹配的匹配部位的点云数据构成;匹配尺寸计算部,对所述匹配部位数据应用所述噪声的分布模型来推算所述匹配部位的真值,基于该推算出的真值计算匹配尺寸;匹配部,依次读取所述规格信息,在读取出的规格信息中选择与所述匹配尺寸对应的部位的尺寸最与所述计算出的匹配尺寸类似的规格信息;和建模部,将所述选择的规格信息应用于所述物体点云数据中的所述匹配部位的真值,并在所述三维测量仪的死角部位应用所述规格信息的尺寸,使用该应用了的尺寸和所述物体点云数据生成包括所述三维测量仪的死角部位的所述测量对象物体的模型。
发明效果
根据本发明,能够提供一种即使对于因测量仪而产生死角的测量对象物,也可以提高使用测量仪输出的三维点云数据进行建模时的精度的技术。上述以外的技术问题、技术特征和技术效果等将通过以下实施方式的说明来明确。
附图说明
图1是本实施方式的三维点云数据的建模装置100的结构图之一例。
图2是表示三维点云数据的建模装置100的硬件结构例的图。
图3是表示三维点云数据的建模装置100的动作例的流程图。
图4是表示三维点云之示例的图。
图5是表示表示测量对象的物体即导轨41、42的配置位置的测量区域信息之示例的图。
图6是表示测量仪设置位置信息之示例的图。
图7是表示物体提取部位之示例的图。
图8是表示点云中的噪声的分布模型之示例的图。
图9是表示S302中分类并选择为导轨41的测量点云的激光测量点云的截面的图。
图10是表示规格值信息之示例的图。
图11是表示测量仪的死角(测量遮挡部位)的图。
图12是表示电梯的概要结构的图。
图13是电梯的导轨的立体图。
具体实施方式
以下参考附图详细说明本发明的一个实施方式。并且,以下对于具有相同结构的部分附加相同的标记并省略说明。
以下,说明将本发明的三维点云的建模装置和方法应用于电梯导轨的建模的例子。首先,参考图12和图13说明电梯的概要结构和导轨的整体形状。图12是表示电梯的概要结构的图。图13是电梯的导轨的立体图。
如图12所示,电梯1以乘客搭乘的轿厢2在轿厢井道3内升降移动的方式构成。在轿厢井道3内,用于限制轿厢2的升降移动方向的两根导轨(图12中仅图示了一根导轨41)在左右方向上夹着轿厢2竖立设置。如图13所示,导轨41形成为沿轿厢井道3的升降方向的长形部件。
轿厢2与对重4经由绳索5连接。控制装置6控制曳引机7对绳索5进行曳引的动作。
在轿厢2变得老旧而要更换为新轿厢时,需要选择适合既有的导轨41的形状、尺寸的新轿厢。因此,需要高精度地测量既有的导轨41的形状、尺寸。于是,通过照射激光并接收反射光来求取各测量点的三维坐标(x、y、z坐标)。三维测量仪9在一次激光测量中求取大量(例如1亿个左右)的测量点的坐标。上述三维点云数据指的是这样的一次激光测量中得到的各测量点的数据集合。三维点云数据中包括作为测量对象物体的导轨和导轨的周边区域、例如轿厢井道3的内壁面的测量点数据。
轿厢井道3是四周被包围的封闭区域,能够设置三维测量仪9的位置存在制约。因此,本实施方式中,在轿厢井道3的底部31和轿厢井道3的高度方向的中间位置32这2处设置三维测量仪9进行测量。在底部31进行测量时,获取三维测量仪9在底面上的位置作为测量仪设置位置信息。另外,在中间位置32进行测量时,由于在轿厢2的顶面设置三维测量仪9进行测量,所以获取三维测量仪9在轿厢2的顶面上的位置作为测量仪设置位置信息。
从三维测量仪9照射的激光的照射角度,因三维测量仪9的设计而存在制约。另外,由于导轨41沿轿厢井道3的内壁竖立设置,所以不能够获得背面的测量点数据。这样,对于已设置在轿厢井道3内的导轨41,会发生三维测量仪9的死角即测量遮挡。为此,本实施方式中在考虑了导轨41的测量遮挡的前提下进行建模。
图1是本实施方式的三维点云数据的建模装置100的结构图之一例。建模装置100包括控制部110、存储部120、输入部130、输出部140和通信部150。
存储部120包括三维点云存储部121、规格信息存储部122、测量区域信息存储部123、测量仪设置位置信息存储部124、噪声分布模型存储部125。
三维点云存储部121存储由三维测量仪9得到的各测量点数据的集合构成的三维点云数据。如上所述,由于实际上在底部31和中间位置32这2处进行测量,所以三维点云存储部121中存储2个集合的三维点云数据,但以下为了便于说明,对1个集合的三维点云数据进行说明。
规格信息存储部122中存储至少一个以上的规定了导轨4的形状和尺寸的规格值的导轨规格信息。用于电梯的导轨41的形状和尺寸有不同的多个规格。为了判别作为测量对象的导轨41适合于哪个规格,优选在规格信息存储部122中存储可能成为候选的多个规格信息。
测量区域信息存储部123存储表示导轨41被设置在轿厢井道3内的哪个位置的测量区域信息。
测量仪设置位置信息存储部124存储三维点云数据测量时的三维测量仪9的设置位置信息。在测量仪设置位置信息表示三维测量仪9在轿厢或底部上的设置位置的情况下,通过将该信息与测量区域信息组合,能够求取导轨41、42与三维测量仪9的相对位置。不过,上述相对位置的求取方式不限于测量区域信息和测量仪设置位置信息的组合。在使用其他方法求取相对位置的情况下,测量区域信息存储部123和测量仪设置位置信息存储部124并不是必需的。
噪声分布模型存储部125保存三维点云数据(物体点云数据)中包括的噪声分布数据。本实施方式中,存储符合正态分布(参考图8)的噪声分布模型信息。
控制部110包括物体识别部111、匹配部位提取部112、匹配尺寸计算部113、匹配部114和建模部115。
物体识别部111从存储在三维点云存储部121中的对测量对象物体及其周边区域测量得到的三维点云数据中,基于物体的特征信息对三维点云数据按物体的每种结构物进行聚类(结构物的分类),提取表示作为测量对象物体的导轨的物体点云数据。物体识别部111对结构物分类的方法能够使用各种公知的方法,作为其一例,判断假定各测量点位于同一平面时通过各测量点的法线矢量的成分是否在可视为同一平面的规定范围内,基于此来判别测量点是位于同一平面上的测量点还是并非如此的测量点。然后,将位于同一平面上的测量点的组分类为表示同一物体的测量点。例如,分类为表示轿厢井道3内的壁面的点云的组和表示导轨41的点云的组。
匹配部位提取部112根据测量区域信息存储部123中存储的测量区域信息和测量仪设置位置信息存储部124中存储的测量仪设置位置信息,确定作为测量对象的导轨41中三维测量仪9可测量的部位,即激光照射到的范围,从物体点云数据中提取该确定的范围的点云作为匹配部位数据。激光照射到的范围相当于不会成为三维测量仪9的死角的部位。
进而,匹配部位提取部112也可以基于测量区域信息和测量仪设置位置信息,计算三维测量仪9的激光对导轨的入射角度,提取该入射角度在预先给定的上限值以下且下限值以上的部位作为匹配部位。上述上限值以下且下限值以上的范围,可以考虑噪声的发生量的多少而决定。
匹配尺寸计算部113对物体点云数据应用噪声的分布模型,推算匹配部位数据中的上述可测量的部位的真值,基于推算出的真值计算匹配尺寸。
匹配部114在存在多个规格信息的情况下依次读取规格信息,选择读取出的规格信息中的这样的规格信息,即,在该选择的规格信息中,与匹配尺寸对应的部位的尺寸最为与计算出的匹配尺寸类似。
建模部115将所选择的规格信息应用于物体点云数据中的匹配部位的真值中,对从三维测量仪看来成为死角的部位应用上述规格信息的尺寸,使用该应用了的尺寸和物体提取点云数据来生成包括从三维测量仪9的死角部位在内的导轨的三维模型。其详情在后文中叙述。
接着,说明用于实现三维点云数据的建模装置100的硬件结构例。
图2是表示三维点云数据的建模装置100的硬件结构例的图。如图2所示,建模装置100包括运算装置201、存储器202、外部存储装置203、输入装置204、输出装置205、通信装置206和存储介质驱动装置207。
运算装置201例如是CPU(Central Processing Unit)等。存储器202是易失性和/或非易失性的存储器。外部存储装置203例如是HDD(Hard Disk Drive)或SSD(Solid StateDrive)等。存储介质驱动装置207能够对例如CD(Compact Disk)或DVD(Digital VersatileDisk)、其他任意的具有可移动性的存储介质208读写信息。输入装置204是键盘或鼠标、麦克风等。输出装置205例如是显示装置、打印机、扬声器等。通信装置206例如是用于与未图示的通信网络连接的NIC(Network Interface Card)等。
控制部110的各部能够通过将规定的程序载入存储器202由运算装置201运行这些程序来实现。该规定的程序可以经由存储介质驱动装置207从存储介质208或者经由通信装置206从通信网络下载至外部存储装置203,接着载入存储器202由运算装置201运行。另外,也可以经由存储介质驱动装置207从存储介质208或者经由通信装置206从通信网络直接载入存储器202,由运算装置201运行。或者,也可以用电路等以硬件方式实现控制部110的各部中的一部分或全部。
另外,存储部120能够由存储器202、外部存储装置203、存储介质驱动装置207和存储介质208等的全部或一部分实现。或者,也可以通过运算装置201运行上述程序,控制存储器202、外部存储装置203、存储介质驱动装置207和存储介质208等的全部或一部分来实现。
另外,输入部130能够由输入装置204实现。或者,也可以通过运算装置201运行上述程序,控制输入装置204来实现。
另外,输出部140能够由输出装置205实现。或者,也可以通过运算装置201运行上述程序,控制输出装置205来实现。
另外,通信部150能够由通信装置206实现。或者,也可以通过运算装置201运行通信装置206的驱动程序来实现。
另外,三维点云数据的建模装置100的各部可以用1个装置实现,也可以用多个装置分散实现。
接着说明动作例。图3是表示三维点云数据的建模装置100的动作例的流程图。此处,说明进行以下处理的三维点云数据的建模装置100。
输入部130读取三维测量仪9计测得到的三维点云数据,将其保存在三维点云存储部121中(S301)。
此处,对于S301参考附图说明具体例。图4是表示三维点云之示例的图。如图4所示,三维测量点数据401中,记载了每个测量点云的X坐标、Y坐标、Z坐标。
物体识别部111根据三维点云数据的特征量识别属于测量对象物体的点云(S302)。本步骤中,物体识别部111从三维点云数据中选择对导轨41分别测量得到的点云数据(物体点云数据),基于该点云数据最终执行建模处理。
匹配部位提取部112使用测量区域信息存储部123中存储的测量区域信息和测量仪设置位置信息存储部124中存储的测量仪设置位置信息,从物体点云数据中提取在进行匹配时使用的来自匹配部位的测量点的集合即匹配部位数据(S303)。
此处,对于S303参考附图说明具体例。图5所示的是表示测量对象物体即导轨41、42的配置位置的测量区域信息之示例。图例中,示出了轿厢井道3的二维截面图,并示出了轿厢井道3和电梯的导轨41、42的二维坐标下的配置位置信息。
图6是表示测量仪设置位置信息之示例的图。图例中,示出了轿厢井道3的底部31上的三维测量仪9的配置位置的二维坐标下的测量仪设置位置信息601。图例中,示出了以底部31为基准的三维测量仪9的设置位置,但由于也包括导轨41、42,所以测量仪设置位置信息601也包括图5的测量区域信息501。因此,仅使用测量仪设置位置信息601就能够求出导轨41、42与三维测量仪9的相对位置。导轨41、42中,被激光照射的范围是在进行匹配时使用的部位的候选部位。
图7是表示物体提取部位之示例的图。图例中,对于导轨41、42分别提取与三维测量仪9相对的多个端面701~706作为匹配部位。使匹配部位为与三维测量仪9相对的面的理由在于,它是测量遮挡较少、激光的扫描噪声的影响较少的部位。另外,三维点云数据包括沿Z坐标的激光的整个照射范围的测量点数据,但也可以计算三维测量仪9的激光的入射角度信息,仅使用入射角度为预先给定的上限值、下限值以内的物体测量数据如图4所示地从该范围内的物体点云数据中提取匹配部位数据。一般而言,激光对测量对象物体的入射角度越陡越容易产生噪声。于是,通过考虑噪声的影响而对入射角度设置限制并在此基础上提取匹配部位,能够提高匹配尺寸的计算精度。
匹配尺寸计算部113使用噪声分布模型存储部中存储的噪声分布模型,根据匹配部位的点云计算匹配尺寸(S304)。匹配尺寸也可以使用提取出的多个端面之间的尺寸。
此处,对于S304参考附图说明具体例。图8是表示点云中的噪声的分布模型之示例的图。图8中横轴表示随机变量,纵轴表示概率密度函数的值,是正态分布的噪声分布模型的示例。图9是表示在S302中分类并选择为导轨41的测量点云的激光测量点云的截面的图。图9的点云901、902、903(各点云901、902、903相当于端面数据)是导轨41的各端面701、702、703的测量点云,但反射噪声也包括在各点云901、902、903中。因此,匹配尺寸计算部113应用图8的正态分布的噪声分布模型,对于点云901、902、903分别使用平均化的坐标值(平均坐标),推算各端面701、702、703的坐标值的真值。然后,计算从推算出的端面702的真值702a到推算出的端面701的真值701a(或端面703的真值)的进深D。该进深D相当于匹配尺寸。图9的例子中,求取作为匹配部位的端面701的点云901的x坐标方向的区域701T的平均坐标701a。同样地,求取端面702的点云902的x坐标方向的区域702T的平均坐标702a。然后,求取从各端面的真值701a到各端面的真值702a的间隔作为进深D(相当于各端面的真值之间的匹配尺寸)。
匹配部114从规格信息存储部122中保存的所有规格值中,选择具有与匹配尺寸最类似的尺寸值的规格信息(S305)。
此处对规格值进行说明。图10是表示规格值信息之示例的图。图例中示出了电梯的导轨的规格值信息。本例中图示了A型轨道(1001)、B型轨道(1002)的规格尺寸值。匹配部114对步骤S304中求出的进深D与A型轨道(1010)、B型轨道(1020)各自的进深(A型:55-6=49,B型:55-8=47)进行比较,选择一个规格值。本实施方式中选择了B型轨道。
匹配部114将S305中选择的规格信息(B型轨道)的规格值的尺寸和形状配置到步骤S304中推算出的端面701、702、703的坐标值处,进行对位(S306)。由此,能够根据规格值获得测量遮挡的部位的尺寸。图11是表示测量仪的死角(测量遮挡部位)的图。如图例所示,导轨41中的端面1101、1102、1103、1104和1105发生测量遮挡,但通过应用(代入)规格值(B型轨道)的各尺寸,能够获得正确的尺寸。
建模部115使用步骤S306中应用了的尺寸和物体点云数据生成三维模型(S307)。本实施方式中,建模部115使通过对位而配置的规格值的二维尺寸信息(图11的各端面的尺寸)在物体的点云的长轴方向上拉伸,来生成物体的三维模型。
根据本实施方式,基于测量对象物体与测量仪的相对位置决定测量对象物体的匹配部位,使用该匹配部位的点云数据计算匹配尺寸。然后,参照多个规格信息,对匹配尺寸选择最类似的规格信息,使该规格信息与物体点云数据中的匹配部位对位,从规格信息中提取死角部位的尺寸。由此,通过在进一步减小了测量遮挡处的尺寸误差之后进行建模,能够减少会导致建模的精度降低的影响。其结果可以进一步提高建模精度。
另外,在规格信息与匹配部位对位时,能够考虑噪声分布而确定物体的点云数据中的匹配部位的测量点(在导轨的例子中是端面701~704),能够提高匹配部位尺寸的测量精度。由此,能够提高从多个规格信息中选择最类似的规格信息时的精度。
根据以上所述,能够根据存在测量遮挡和噪声的三维点云数据基于规格信息自动地对测量对象的形状高精度地建模。特别是对于如电梯的井道内设置的导轨那样的、由于三维测量仪的设置位置和激光照射范围的制约而不可避免地发生测量遮挡的测量对象物体,根据本发明,也能够在考虑了测量遮挡的前提下进行高精度的建模。
以上基于实施方式具体说明了发明人实施的发明,但本发明不限定于上述实施方式,能够在不脱离其主旨的范围内进行各种变更。例如,上述实施例是为了易于理解地说明本发明而进行的详细说明,并不限定于必须具备所说明的全部结构。另外,能够将某个实施方式的结构的一部分置换为其他实施方式的结构,或者也能够在某个实施方式的结构上添加其他实施方式的结构。另外,对于各实施方式的结构的一部分,能够追加、删除、置换其他结构。另外,上文以电梯导轨的建模方法为例进行了说明,但测量对象物体不限于电梯导轨,只要是各种工业产品的部件等规格值(即使不是适合某个规格的值,只要是已知的值即可)已确定的对象就能够应用本发明进行建模。
附图标记说明
100:建模装置,110:控制部,120:存储部,130:输入部,140:输出部,150:通信部,111:物体识别部,112:匹配部位提取部,113:匹配尺寸计算部,114:匹配部,115:建模部,121:三维点云存储部,122:规格信息存储部,123:测量区域信息存储部,124:测量仪设置位置信息存储部,125:噪声分布模型存储部。
Claims (9)
1.一种三维点云数据的建模装置,其特征在于,包括:
物体识别部,从由使用三维测量仪对测量对象物体及其周边区域的各测量点进行测量而得到的测量点数据的集合所构成的三维点云数据中,基于各测量点数据的特征信息提取表示所述测量对象物体的物体点云数据;
规格信息存储部,存储多个规定了所述测量对象物体的形状和尺寸的规格信息;
噪声分布模型存储部,存储包含在所述物体点云数据中的噪声的分布模型;
匹配部位提取部,获取进行所述测量时的所述测量对象物体和所述三维测量仪的相对位置信息,并基于所述相对位置信息从所述物体点云数据中提取匹配部位数据,其中所述匹配部位数据由所述测量对象物体中所述三维测量仪可测量且用于与所述规格信息进行匹配的匹配部位的点云数据构成;
匹配尺寸计算部,对所述匹配部位数据应用所述噪声的分布模型来推算所述匹配部位的真值,基于该推算出的真值计算匹配尺寸;
匹配部,依次读取所述规格信息,在读取出的规格信息中选择与所述匹配尺寸对应的部位的尺寸最与所述计算出的匹配尺寸类似的规格信息;和
建模部,将所述选择的规格信息应用于所述物体点云数据中的所述匹配部位的真值,并在所述三维测量仪的死角部位应用所述规格信息的尺寸,使用该应用了的尺寸和所述物体点云数据生成包括所述三维测量仪的死角部位的所述测量对象物体的模型。
2.如权利要求1所述的三维点云数据的建模装置,其特征在于:
所述三维点云数据是由对电梯轿厢的井道内的各测量点进行测量而得到的测量点数据的集合所构成的三维点云数据,
所述物体识别部基于各测量点数据的特征量从所述三维点云数据中提取表示设置在所述井道内的电梯导轨的物体点云数据,
所述规格信息存储部存储多个规定了所述电梯导轨的形状和尺寸的规格值的导轨规格信息,
所述匹配部位提取部提取端面数据作为所述匹配部位数据,其中所述端面数据由表示所述电梯导轨中与所述三维测量仪相对的至少两个端面之每一个的点云数据构成,
所述匹配尺寸计算部对表示所述端面之每一个的各端面数据应用所述噪声的分布模型来推算各端面的真值,计算各端面的真值之间的尺寸作为所述匹配尺寸,
所述匹配部在所述导轨规格信息中选择计算出所述匹配尺寸的各端面之间的规格值最与所述计算出的匹配尺寸类似的导轨规格信息。
3.如权利要求2所述的三维点云数据的建模装置,其特征在于:
所述匹配尺寸计算部计算对所述端面数据分别求平均而得到的坐标值作为所述各端面的真值。
4.如权利要求3所述的三维点云数据的建模装置,其特征在于:
所述匹配尺寸计算部求取所述各端面的真值作为坐标值,
所述建模部通过使所述导轨规格信息中与所述各端面对应的部位对位到所述各端面的坐标值处,来将所述导轨规格信息的规格值应用于所述物体点云数据。
5.如权利要求1所述的三维点云数据的建模装置,其特征在于,还包括:
测量区域信息存储部,存储表示所述测量对象物体在包括所述测量对象物体和所述周边区域的封闭区域内的设置位置的测量区域信息;和
测量仪设置位置信息存储部,存储表示所述三维测量仪在所述封闭区域内的设置位置的测量仪设置位置信息,
所述匹配部位提取部使用所述测量区域信息和所述测量仪设置位置信息,求取所述测量对象物体中的不会成为所述三维测量仪的死角的部位,提取该部位的点云数据作为所述匹配部位数据。
6.如权利要求5所述的三维点云数据的建模装置,其特征在于:
所述三维测量仪是照射激光并接收反射光来收集测量点数据的三维测量仪,
所述匹配部位提取部基于所述测量区域信息和所述测量仪设置位置信息,计算所述三维测量仪的激光对所述测量对象物体的入射角度,提取所述入射角度在预先给定的上限值以下且下限值以上的部位的点云数据作为所述匹配部位数据。
7.如权利要求1所述的三维点云数据的建模装置,其特征在于:
所述噪声分布模型存储部存储由正态分布模型构成的所述噪声的分布模型,
所述匹配尺寸计算部使用所述匹配部位数据的平均坐标推算所述匹配部位的真值。
8.一种三维点云数据的建模程序,其特征在于,使计算机执行以下步骤:
从由使用三维测量仪对测量对象物体及其周边区域的各测量点进行测量而得到的测量点数据的集合所构成的三维点云数据中,基于各测量点数据的特征信息提取表示所述测量对象物体的物体点云数据的步骤;
获取进行所述测量时的所述测量对象物体和所述三维测量仪的相对位置信息,基于所述相对位置信息从所述物体点云数据中提取匹配部位数据的步骤,其中所述匹配部位数据由所述测量对象物体中所述三维测量仪可测量且用于与规定了所述测量对象物体的形状和尺寸的规格信息进行匹配的匹配部位的点云数据构成;
对所述匹配部位数据应用包含在所述物体点云数据中的噪声的分布模型来推算所述匹配部位的真值,基于该推算出的真值计算匹配尺寸的步骤;
从存储了多个所述规格信息的规格信息存储部依次读取规格信息,在读取出的规格信息中选择与所述匹配尺寸对应的部位的尺寸最与所述计算出的匹配尺寸类似的规格信息的步骤;和
将所述选择的规格信息应用于所述物体点云数据中的所述匹配部位的真值,并在所述三维测量仪的死角部位应用所述规格信息的尺寸,使用该应用了的尺寸和所述物体点云数据生成包括所述三维测量仪的死角部位的所述测量对象物体的模型的步骤。
9.一种设置在电梯轿厢的井道内的电梯导轨的建模方法,其特征在于,包括:
从由使用三维测量仪对所述井道内的各测量点进行测量而得到的测量点数据的集合所构成的三维点云数据中,基于各测量点数据的特征信息提取表示电梯导轨的物体点云数据的步骤;
获取进行所述测量时的所述电梯导轨和所述三维测量仪的相对位置信息,基于所述相对位置信息从所述物体点云数据中提取端面数据的步骤,其中所述端面数据由表示所述电梯导轨中与所述三维测量仪相对的至少两个端面之每一个的点云数据构成;
对表示所述端面之每一个的各端面数据应用包含在所述物体点云数据中的噪声的分布模型来推算各端面的真值,计算各端面的真值之间的尺寸作为匹配尺寸的步骤;
从存储了多个规定了所述电梯导轨的形状和尺寸的规格值的导轨规格信息的规格信息存储部中依次读取导轨规格信息,在读取出的导轨规格信息中选择计算出所述匹配尺寸的各端面之间的规格值最与所述计算出的匹配尺寸类似的导轨规格信息的步骤;和
将所述选择的导轨规格信息中规定的所述各端面之间的规格值应用于所述物体点云数据中的所述各端面的真值之间,并且在所述三维测量仪的死角部位应用所述选择的导轨规格信息中规定的规格值,使用该应用了的规格值和所述物体点云数据生成包括所述三维测量仪的死角部位的所述电梯导轨的模型的步骤。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015-194697 | 2015-09-30 | ||
JP2015194697A JP6545065B2 (ja) | 2015-09-30 | 2015-09-30 | 3次元点群データのモデリング装置、モデリングプログラム及びエレベータガイドレールのモデリング方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106558096A true CN106558096A (zh) | 2017-04-05 |
CN106558096B CN106558096B (zh) | 2019-05-21 |
Family
ID=58418268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610515826.0A Active CN106558096B (zh) | 2015-09-30 | 2016-07-01 | 三维点云数据的建模装置、存储介质和电梯导轨建模方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6545065B2 (zh) |
CN (1) | CN106558096B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107764200A (zh) * | 2017-09-08 | 2018-03-06 | 中国建筑第八工程局有限公司 | 超高层电梯井道的测量方法 |
CN108228798A (zh) * | 2017-12-29 | 2018-06-29 | 百度在线网络技术(北京)有限公司 | 确定点云数据之间的匹配关系的方法和装置 |
CN108657222A (zh) * | 2018-05-03 | 2018-10-16 | 西南交通大学 | 基于车载Lidar点云的铁路轨道轨距和水平参数测量方法 |
CN109117697A (zh) * | 2017-06-26 | 2019-01-01 | 韩国道路公社 | 利用组件的点云数据的对象位置信息抽取系统 |
CN109448057A (zh) * | 2018-11-02 | 2019-03-08 | 宁夏巨能机器人股份有限公司 | 一种基于三维点云的安全定位方法 |
CN111043957A (zh) * | 2019-12-09 | 2020-04-21 | 上海航天精密机械研究所 | 一种轮廓点云坐标采集方法 |
CN115052828A (zh) * | 2020-02-06 | 2022-09-13 | 因温特奥股份公司 | 用于确定电梯轿厢的估计的实际尺寸的方法和设备 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6602275B2 (ja) * | 2016-08-09 | 2019-11-06 | 株式会社日立ビルシステム | エレベータ機械室図面生成装置、エレベータ機械室モデリングデータ生成装置、エレベータ機械室図面生成方法、及びエレベータ機械室モデリングデータ生成方法 |
CN109579765B (zh) * | 2017-09-29 | 2020-09-18 | 上海时元互联网科技有限公司 | 基于伺服电机的三维点云数据匹配方法及系统、控制器 |
JP6657297B2 (ja) * | 2018-05-23 | 2020-03-04 | 東芝エレベータ株式会社 | エレベータ監視システムおよびエレベータ監視方法 |
US20230405709A1 (en) * | 2020-09-30 | 2023-12-21 | Nikon Corporation | Processing system and display apparatus |
CN113298937A (zh) * | 2021-06-02 | 2021-08-24 | 广州广日电梯工业有限公司 | 电梯门系统的监控方法以及电梯门系统的监控装置 |
CN114383502A (zh) * | 2021-12-29 | 2022-04-22 | 国能铁路装备有限责任公司 | 转向架的配件磨耗量测量方法、装置和测量设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012034236A1 (en) * | 2010-09-16 | 2012-03-22 | Ambercore Software Inc. | System and method for detailed automated feature extraction from data having spatial coordinates |
CN103047943A (zh) * | 2012-12-31 | 2013-04-17 | 吉林大学 | 基于单投射编码结构光的车门外板形状尺寸检测方法 |
CN103955920A (zh) * | 2014-04-14 | 2014-07-30 | 桂林电子科技大学 | 基于三维点云分割的双目视觉障碍物检测方法 |
CN104050712A (zh) * | 2013-03-15 | 2014-09-17 | 索尼公司 | 三维模型的建立方法和装置 |
US20140324397A1 (en) * | 2008-02-15 | 2014-10-30 | Microsoft Corporation | Site modeling using image data fusion |
US20150009214A1 (en) * | 2013-07-08 | 2015-01-08 | Vangogh Imaging, Inc. | Real-time 3d computer vision processing engine for object recognition, reconstruction, and analysis |
CN104573191A (zh) * | 2014-12-18 | 2015-04-29 | 西安工业大学 | 一种战时损伤武器装备零件快速再制造造型方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3427046B2 (ja) * | 2000-08-29 | 2003-07-14 | 株式会社日立製作所 | 3次元寸法計測装置及びその計測方法 |
JP5057734B2 (ja) * | 2006-09-25 | 2012-10-24 | 株式会社トプコン | 測量方法及び測量システム及び測量データ処理プログラム |
JP6041641B2 (ja) * | 2012-11-30 | 2016-12-14 | 三菱スペース・ソフトウエア株式会社 | 寸法推定装置、寸法推定プログラムおよび寸法推定方法 |
EP2829842B1 (en) * | 2013-07-22 | 2022-12-21 | Hexagon Technology Center GmbH | Method, system and computer programme product for determination of an absolute volume of a stock pile using a structure from motion algorithm |
-
2015
- 2015-09-30 JP JP2015194697A patent/JP6545065B2/ja active Active
-
2016
- 2016-07-01 CN CN201610515826.0A patent/CN106558096B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140324397A1 (en) * | 2008-02-15 | 2014-10-30 | Microsoft Corporation | Site modeling using image data fusion |
WO2012034236A1 (en) * | 2010-09-16 | 2012-03-22 | Ambercore Software Inc. | System and method for detailed automated feature extraction from data having spatial coordinates |
CN103047943A (zh) * | 2012-12-31 | 2013-04-17 | 吉林大学 | 基于单投射编码结构光的车门外板形状尺寸检测方法 |
CN104050712A (zh) * | 2013-03-15 | 2014-09-17 | 索尼公司 | 三维模型的建立方法和装置 |
US20150009214A1 (en) * | 2013-07-08 | 2015-01-08 | Vangogh Imaging, Inc. | Real-time 3d computer vision processing engine for object recognition, reconstruction, and analysis |
CN103955920A (zh) * | 2014-04-14 | 2014-07-30 | 桂林电子科技大学 | 基于三维点云分割的双目视觉障碍物检测方法 |
CN104573191A (zh) * | 2014-12-18 | 2015-04-29 | 西安工业大学 | 一种战时损伤武器装备零件快速再制造造型方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109117697A (zh) * | 2017-06-26 | 2019-01-01 | 韩国道路公社 | 利用组件的点云数据的对象位置信息抽取系统 |
CN109117697B (zh) * | 2017-06-26 | 2022-04-12 | 韩国道路公社 | 利用组件的点云数据的对象位置信息抽取系统 |
CN107764200A (zh) * | 2017-09-08 | 2018-03-06 | 中国建筑第八工程局有限公司 | 超高层电梯井道的测量方法 |
CN108228798A (zh) * | 2017-12-29 | 2018-06-29 | 百度在线网络技术(北京)有限公司 | 确定点云数据之间的匹配关系的方法和装置 |
CN108657222A (zh) * | 2018-05-03 | 2018-10-16 | 西南交通大学 | 基于车载Lidar点云的铁路轨道轨距和水平参数测量方法 |
CN108657222B (zh) * | 2018-05-03 | 2019-06-07 | 西南交通大学 | 基于车载Lidar点云的铁路轨道轨距和水平参数测量方法 |
CN109448057A (zh) * | 2018-11-02 | 2019-03-08 | 宁夏巨能机器人股份有限公司 | 一种基于三维点云的安全定位方法 |
CN109448057B (zh) * | 2018-11-02 | 2022-02-25 | 宁夏巨能机器人股份有限公司 | 一种基于三维点云的安全定位方法 |
CN111043957A (zh) * | 2019-12-09 | 2020-04-21 | 上海航天精密机械研究所 | 一种轮廓点云坐标采集方法 |
CN115052828A (zh) * | 2020-02-06 | 2022-09-13 | 因温特奥股份公司 | 用于确定电梯轿厢的估计的实际尺寸的方法和设备 |
CN115052828B (zh) * | 2020-02-06 | 2024-05-03 | 因温特奥股份公司 | 用于确定电梯轿厢的估计的实际尺寸的方法和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN106558096B (zh) | 2019-05-21 |
JP6545065B2 (ja) | 2019-07-17 |
JP2017067657A (ja) | 2017-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106558096B (zh) | 三维点云数据的建模装置、存储介质和电梯导轨建模方法 | |
Yanan et al. | Rail surface defect detection method based on YOLOv3 deep learning networks | |
Liu et al. | Automatic pixel-level detection of vertical cracks in asphalt pavement based on GPR investigation and improved mask R-CNN | |
Liu et al. | GPR-based detection of internal cracks in asphalt pavement: A combination method of DeepAugment data and object detection | |
CN108267747A (zh) | 基于激光点云的道路特征提取方法和装置 | |
Zhang et al. | A multiobjective aerodynamic optimization design of a high-speed train head under crosswinds | |
CN105426858A (zh) | 一种基于视觉和振动信息融合的地面类型辨识方法 | |
CN115240149A (zh) | 三维点云检测识别方法、装置、电子设备及存储介质 | |
Tao et al. | Gap detection of switch machines in complex environment based on object detection and image processing | |
Ye et al. | Method for automatic railway track surface defect classification and evaluation using a laser‐based 3D model | |
CN108171696A (zh) | 一种胎盘检测方法及装置 | |
JP6600615B2 (ja) | クラスタリング装置、人工物識別装置、幹検出装置、方法、及びプログラム | |
CA2710809C (en) | Method for determining distinct alternative paths between two object sets in 2-d and 3-d heterogeneous data | |
Zhang et al. | Automated joint faulting measurement based on full-lane 3D pavement surface data | |
CN110263867A (zh) | 一种钢轨伤损分类方法 | |
Cai et al. | Estimation of turnout irregularities using vehicle responses with improved BiLSTM and Gaussian process regression | |
CN111723793B (zh) | 一种实时刚性接触网定位点识别方法 | |
CN110688767B (zh) | 一种评价岩体裂隙网络模型精度的综合差异度的方法 | |
CN116681653A (zh) | 一种三维点云提取方法及提取系统 | |
KR102558609B1 (ko) | 건축물의 구조적인 무결성을 보장하기 위한 풍속 패턴 평가 방법 및 상기 방법을 수행하는 컴퓨팅 장치 | |
CN107169299A (zh) | 一种编队目标分散机动模式下的跟踪方法 | |
CN116681912A (zh) | 铁路道岔的轨距检测方法及装置 | |
CN105989607A (zh) | 基于spcnn和最小交叉熵的接触网图像分割方法 | |
CN111723792B (zh) | 适用于刚柔接触网的实时定位点识别方法 | |
CN110779450B (zh) | 一种供电三轨的磨损检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1234520 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |