CN107330894A - 面向平面舱壁类型船舱的点云数据自动分割方法 - Google Patents
面向平面舱壁类型船舱的点云数据自动分割方法 Download PDFInfo
- Publication number
- CN107330894A CN107330894A CN201710478246.3A CN201710478246A CN107330894A CN 107330894 A CN107330894 A CN 107330894A CN 201710478246 A CN201710478246 A CN 201710478246A CN 107330894 A CN107330894 A CN 107330894A
- Authority
- CN
- China
- Prior art keywords
- cloud data
- cloud
- component
- datas
- floor
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种面向平面舱壁类型船舱的点云数据自动分割方法,包括以下步骤:分割甲板与内底板的点云数据;分割纵、横舱壁板的点云数据;探测倾式内底边板,若倾式内底边板存在,则分割其点云数据;分割各个肋板的点云数据;分割各个水平桁的点云数据;判断各个舱壁板上是否存在扶强材,若存在,则分割该舱壁板上的扶强材点云数据;对前述的每个肋板点云数据,分割其对应的横梁及肋骨的点云数据,合并该肋板点云数据与对应的横梁及肋骨点云数据,组成完整的横向加强框架点云数据。与现有技术相比,本发明大大提高了海量船舱三维点云分割的速度与自动化程度,具有分割效率高、精确度高等优点。
Description
技术领域
本发明涉及地面三维激光扫描技术领域,尤其是涉及一种面向平面舱壁类型船舱的点云数据自动分割方法。
背景技术
近年来发展迅猛的三维激光扫描技术,可以快速、大面积获取扫描对象表面的高分辨率三维坐标数据,可以解决船舶舱室容积精确、快速测量的专业问题。舱容传统计量方法包括几何测量法与容量比较法,几何测量法存在采样点密度不足、人为影响因素大、精度差等缺陷;容量比较法则因成本高、占用船舶时间长,只能在特殊场合使用。而三维激光扫描技术弥补了传统计量方法的不足,为解决复杂船舱的容积计量难题提供了全新的技术手段。
点云分割是三维激光点云数据处理的重要组成部分,具体到船舱计量中,无论是逆向建模法或点云切片法,都必须将船舱内各个构件点云分离。然而,由于船舱内各个构件结构各异、分布情况复杂,已有的点云分割算法不能直接应用于船舱点云的分割。目前,船舱点云数据的分割仍然大量依赖人机交互,工作量大、自动化程度低、效率差。
因此,高效、快速,面向海量船舱点云数据的自动分割方法是目前船舱点云数据处理中急需解决的关键技术之一。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种面向平面舱壁类型船舱的点云数据自动分割方法。
本发明的目的可以通过以下技术方案来实现:
面向平面舱壁类型船舱的点云数据自动分割方法,该方法的步骤包括:
S1、从原始点云数据中分割出甲板与内底板的点云数据,得到剩余的第一其他构件点云数据;
S2、从步骤S1得到的第一其他构件点云数据中分割出两个横舱壁板与两个纵舱壁板的点云数据,得到第二其他构件点云数据;
S3、判断步骤S2得到的第二其他构件点云数据中是否存在倾式内底边板,若存在,则从第二其他构件点云数据中分割出倾式内底边板的点云数据,得到第三其他构件点云数据,若不存在,则保留第二其他构件点云数据为第三其他构件点云数据;
S4、从步骤S3得到的第三其他构件点云数据中分割出各个肋板的点云数据,得到第四其他构件点云数据;
S5、从步骤S4得到的第四其他构件点云数据中分割出各个水平桁的点云数据,得到第五其他构件点云数据;
S6、判断各个舱壁板上是否存在扶强材,若有舱壁板上存在扶强材,则从步骤S5得到的第五其他构件点云数据中分割出所有有扶强材的舱壁板上的扶强材点云数据,得到第六其他构件点云数据,若所有舱壁板上均不存在扶强材,则保留步骤S5所得的第五其他构件点云数据为第六其他构件点云数据;
S7、对应步骤S4所得的每一个肋板点云数据,从步骤S6所得的第六其他构件点云数据中分割出各个肋板对应的横梁及肋骨的点云数据,合并各肋板及其对应的横梁和肋骨的点云数据,组成完整的横向加强框架点云数据。
所述步骤S1具体包括:
S11、获取原始点云数据的高程最值,提取高程范围在高程最大值和其减去预设的种子点集厚度值所得的高程值间的点云数据构建甲板种子点集,提取高程范围在高程最小值和其加上种子点集厚度值所得的高程值间的点云数据构建内底板种子点集;
S12、通过随机采样一致性算法从步骤S11所得的甲板种子点集中拟合甲板的平面参数Cd={αd,βd,γd,δd},其中,αd、βd、γd、δd表示甲板平面方程的系数,所述甲板平面方程为:
αdxd+βdyd+γdzd+δd=0
其中,xd、yd、zd分别表示甲板平面在原始坐标系中的x、y、z轴的坐标,αd、βd、γd分别表示xd、yd、zd的系数,δd表示甲板平面方程常数;
从步骤S11所得的内底板种子点集中拟合内底板的平面参数Cib={αib,βib,γib,δib},其中,αib、βib、γib、δib表示内底板平面方程的系数,所述内底板平面方程为:
αibxib+βibyib+γibzib+δib=0
其中,xib、yib、zib分别表示内底板平面在原始坐标系中的x、y、z轴的坐标,αib、βib、γib分别表示xib、yib、zib的系数,δib表示内底板平面方程常数;
S13、根据步骤S12所得的Cd和Cib从原始点云数据P中分割出甲板点云数据Pd与内底板点云数据Pib,剩余的构件点云数据构成第一其他构件点云数据
所述步骤S2具体包括:
S21、计算船舱竖直方向的法线nZ,计算公式为:
S22、采用主成分分析法估计第一其他构件点云数据的法线,剔除其中不与船舱竖直方向正交的法线,然后通过随机采样一致性算法从剔除后的法线中分别拟合纵舱壁板的主法线nX和横舱壁板的主法线nY;
S23、将甲板点云数据Pd、内底板点云数据Pib和第一其他构件点云数据都转换到以O(0,0,0)为坐标原点,nX为X轴,nY为Y轴,nZ为Z轴的船舱独立坐标系中;
S24、得出在步骤S23的船舱独立坐标系中的Y轴最大值、Y轴最小值、 X轴最大值、X轴最小值,根据预设的种子点集厚度值ts,分别构建两个纵舱壁板种子点集及两个横舱壁板种子点集;
S25、通过随机采样一致性算法从步骤S24中的4个种子点集中分别提取两片纵舱壁板的点云数据和两片横舱壁板的点云数据第一其他构件点云数据分割出后得到第二其他构建点云数据计算公式为:
所述步骤S3具体包括:
S31、判断倾式内底边板是否存在,若存在,则进行步骤S32,若不存在,则第三其他构件点云数据的计算公式为直接进行步骤S4;
S32、构建倾式内底边板的种子点集;
S33、通过随机采样一致性算法拟合倾式内底边板平面,拟合过程中构建的倾式内底边板初始平面不平行于纵、横舱壁板;
S34、根据步骤S33得到的倾式内底边板平面参数从中分割出倾式内底边板的点云数据Pm,得到第三其他构件点云数据
所述步骤S4具体包括:
S41、通过随机采样一致性算法从第三其他构件点云数据中拟合所有的肋板平面,拟合过程中构建的肋板初始平面的法线平行于X轴,从第三其他构件点云数据中分割出所有的第一肋板点云数据;
S42、采用稀疏局外点去噪算法从步骤S41中每个第一肋板点云数据中分割出错分割的管道点云数据,得到第二肋板点云数据其中j=1,2,…,n,n表示肋板总个数,将所有管道点云数据合并至第三其他构件点云数据中得到第四其他构件点云数据计算公式为:
所述步骤S5具体包括:
S51、通过随机采样一致性算法从第四其他构件点云数据中拟合所有水平桁的平面参数其中,k=1,2,…,m,m为水平桁总个数,拟合过程中构建的水平桁初始平面的法线平行于Z轴;
S52、根据从第四其他构件点云数据中分割出对应的水平桁点云数据得到第五其他构件点云数据计算公式为:
所述步骤S6具体包括:
S61、判断各个舱壁板上是否存在扶强材,若存在,则进行步骤S62,若不存在,则第六其他构件点云数据的计算公式为直接进行步骤S7;
S62、构建两个纵舱壁板扶强材的种子点集和两个横舱壁板扶强材的种子点集;
S63、采用主成分分析法估计所有扶强材的种子点集的法线,再通过随机采样一致性算法拟合所有扶强材的种子点集的主法线,若存在扶强材的种子点集的主法线平行或垂直于Z轴,则依据该种子点集所对应舱壁板的平面参数及预设的扶强材宽度值从中分割出该舱壁板上的扶强材点云数据;
S64、循环步骤S63,直到从中分割出所有扶强材,得到第六其他构件点云数据
所述步骤S7具体包括:
S71、采用基于二维狄洛尼的alpha-shape算法提取每个肋板点云数据的轮廓点,对于每个肋板,将得到的轮廓点依次相连形成闭合轮廓,以所述闭合轮廓为截面,以预设的框架距离阈值为宽度,形成包围盒;
S72、分割出第六其他构件点云数据落在步骤S71中得到的每个肋板的包围盒内的点,作为包围盒对应肋板的横梁及肋骨的点云数据;
S73、分别将步骤S72分割出的每个肋板对应的横梁及肋骨和肋板本身的点云数据合并,组成n个完整的横向加强框架点云数据。
所述步骤S52中根据从第四其他构件点云数据中分割出对应的水平桁点云数据时,计算待分割点到最近纵舱壁板的距离,并过滤该距离大于预设距离阈值的点。
与现有技术相比,本发明具有以下优点:
1、实现了面向平面舱壁类型船舱的点云数据的自动分割,相比于原有的人工手动分割方法,该方法大大提高了海量船舱三维点云分割的速度与自动化程度,同时在很大程度上节约了人工成本。
2、经实验测试,针对点数为600万级别的船舱点云,本方法耗时仅为5分钟,分割结果的精确率与召回率均达到90%以上,说明本方法具有很高的分割效率和精确度。
附图说明
图1为本发明的方法流程图;
图2本发明分割方法分割过程示意图;
图3为本发明实施例一的原始点云效果图;
图4为本发明实施例一经过步骤S1分割得到的甲板与内底板点云效果图;
图5为本发明实施例一经过步骤S1剩余的第一其他构件点云效果图;
图6为本发明实施例一经过步骤S2分割得到的纵、横舱壁板点云效果图;
图7为本发明实施例一经过步骤S2更新的第二其他构件点云效果图;
图8为本发明实施例一经过步骤S4分割得到的肋板点云效果图;
图9为本发明实施例一经过步骤S4更新的第四其他构件点云效果图;
图10为本发明实施例一经过步骤S5分割得到的水平桁点云效果图;
图11为本发明实施例一经过步骤S5更新的第五其他构件点云效果图;
图12为本发明实施例一经过步骤S6分割得到的扶强材点云效果图;
图13为本发明实施例一经过步骤S6更新的第六其他构件点云效果图;
图14为本发明实施例一经过步骤S7分割得到的横梁及肋骨点云效果图;
图15为本发明实施例一经过步骤S7合并得到的横向加强框架点云效果图;
图16为本发明实施例二的原始点云效果图;
图17为本发明实施例二的甲板与内底板点云分割结果示意图;
图18为本发明实施例二的纵、横舱壁板点云分割结果示意图;
图19为本发明实施例二的内底边板点云分割结果示意图;
图20为本发明实施例二的水平桁点云分割结果示意图;
图21为本发明实施例二的扶强材点云分割结果示意图;
图22为本发明实施例二的横向加强框架合并结果示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1、2所示,面向平面舱壁类型船舱的点云数据自动分割方法,该方法的步骤包括:
S1、从原始点云数据中分割出甲板与内底板的点云数据,得到剩余的第一其他构件点云数据;
S2、从步骤S1得到的第一其他构件点云数据中分割出两个横舱壁板与两个纵舱壁板的点云数据,得到第二其他构件点云数据;
S3、判断步骤S2得到的第二其他构件点云数据中是否存在倾式内底边板,若存在,则从第二其他构件点云数据中分割出倾式内底边板的点云数据,得到第三其他构件点云数据,若不存在,则保留第二其他构件点云数据为第三其他构件点云数据;
S4、从步骤S3得到的第三其他构件点云数据中分割出各个肋板的点云数据,得到第四其他构件点云数据;
S5、从步骤S4得到的第四其他构件点云数据中分割出各个水平桁的点云数据,得到第五其他构件点云数据;
S6、判断各个舱壁板上是否存在扶强材,若有舱壁板上存在扶强材,则从步骤S5得到的第五其他构件点云数据中分割出所有有扶强材的舱壁板上的扶强材点云数据,得到第六其他构件点云数据,若所有舱壁板上均不存在扶强材,则保留步骤S5所得的第五其他构件点云数据为第六其他构件点云数据;
S7、对应步骤S4所得的每一个肋板点云数据,从步骤S6所得的第六其他构件点云数据中分割出各个肋板对应的横梁及肋骨的点云数据,合并各肋板及其对应的横梁和肋骨的点云数据,组成完整的横向加强框架点云数据。
本方法采用随机采样一致性算法(RANdom SAmple Consensus,RANSAC)从种子点集中拟合出平面参数C,并分割出相应点云,用随机采样一致性算法拟合平面参数的步骤为:
1、从种子点集中随机选取不共线的三个种子点,构建平面 L:αx+βy+γz+δ=0,其中,x、y、z表示构建平面在原始坐标系下的坐标,α、β、γ表示x、y、z坐标的系数,δ表示平面方程常数,构建的第一个平面称为初始平面;
2、计算种子点集中不在构建的平面的其余数据点至该平面的距离,将距离大于0小于设定的距离阈值的数据点存入局内点集并统计局内点集的点数,本申请实施例一和二中距离阈值设为0.04米;
3、根据循环阈值重复执行上述步骤1和2来求最优平面,在每次构建完一个平面后比较求得的局内点集与现有点数最大的局内点集,保留点数较大者为新的最优平面,本申请的实施例一和二的循环阈值均设为1000;
4、输出点数最大的局内点集为最优平面点云,根据该点云重新估计最优平面模型参数C={α,β,γ,δ}。
步骤S1具体包括:
S11、获取原始点云数据的高程最值,提取高程范围在高程最大值和其减去预设的种子点集厚度值所得的高程值间的点云数据构建甲板种子点集,提取高程范围在高程最小值和其加上种子点集厚度值所得的高程值间的点云数据构建内底板种子点集;
S12、通过随机采样一致性算法从步骤S11所得的甲板种子点集中拟合甲板的平面参数Cd={αd,βd,γd,δd},其中,αd、βd、γd、δd表示甲板平面方程的系数,甲板平面方程为:
αdxd+βdyd+γdzd+δd=0
其中,xd、yd、zd分别表示甲板平面在原始坐标系中的x、y、z轴的坐标,αd、βd、γd分别表示xd、yd、zd的系数,δd表示甲板平面方程常数;
从步骤S11所得的内底板种子点集中拟合内底板的平面参数 Cib={αib,βib,γib,δib},其中,αib、βib、γib、δib表示内底板平面方程的系数,内底板平面方程为:
αibxib+βibyib+γibzib+δib=0
其中,xib、yib、zib分别表示内底板平面在原始坐标系中的x、y、z轴的坐标,αib、βib、γib分别表示xib、yib、zib的系数,δib表示内底板平面方程常数;
S13、根据步骤S12所得的Cd和Cib从原始点云数据P中分割出甲板点云数据Pd与内底板点云数据Pib,剩余的构件点云数据构成第一其他构件点云数据
步骤S2具体包括:
S21、计算船舱竖直方向的法线nZ,计算公式为下式:
S22、采用主成分分析法估计第一其他构件点云数据的法线,剔除其中不与船舱竖直方向正交的法线,然后通过随机采样一致性算法从剔除后的法线中分别拟合纵舱壁板的主法线nX和横舱壁板的主法线nY;
S23、将甲板点云数据Pd、内底板点云数据Pib和第一其他构件点云数据都转换到以O(0,0,0)为坐标原点,nX为X轴,nY为Y轴,nZ为Z轴的船舱独立坐标系中;
S24、得出在步骤S23的船舱独立坐标系中的Y轴最大值ymax、Y轴最小值ymin和X轴最大值xmax、X轴最小值xmin,根据预设的种子点集厚度值ts,分别构建两个纵舱壁板种子点集 及两个横舱壁板种子点集其中, 分别表示在船舱独立坐标系中X轴的坐标,分别表示在船舱独立坐标系中Y轴的坐标;
S25、通过随机采样一致性算法从4个种子点集中分别提取两片纵舱壁板的点云数据和两片横舱壁板的点云数据第一其他构件点云数据分割出后得到第二其他构建点云数据计算公式为:
步骤S3具体包括:
S31、判断倾式内底边板是否存在,若存在,则进行步骤S32,若不存在,则第三其他构件点云数据的计算公式为直接进行步骤S4;
S32、构建倾式内底边板的种子点集其中,表示种子点集在船舱独立坐标系中Z轴的坐标;
S33、通过随机采样一致性算法拟合倾式内底边板平面,拟合过程中构建的倾式内底边板初始平面不平行于纵、横舱壁板;
S34、根据步骤S33得到的倾式内底边板平面参数从中分割出倾式内底边板的点云数据Pm,得到第三其他构件点云数据计算公式为:
步骤S4具体包括:
S41、通过随机采样一致性算法从第三其他构件点云数据中拟合所有的肋板平面,拟合过程中构建的肋板初始平面的法线平行于X轴,从第三其他构件点云数据中分割出所有的第一肋板点云数据;
S42、采用稀疏局外点去噪算法从步骤S41中每个第一肋板点云数据中分割出错分割的管道点云数据,得到第二肋板点云数据其中j=1,2,…,n,n表示肋板总个数,将所有管道点云数据合并至第三其他构件点云数据中得到第四其他构件点云数据计算公式为:
步骤S5具体包括:
S51、通过随机采样一致性算法从第四其他构件点云数据中拟合所有水平桁的平面参数其中,k=1,2,…,m,m为水平桁总个数,拟合过程中构建的水平桁初始平面的法线平行于Z轴;
S52、根据从第四其他构件点云数据中分割出对应的水平桁点云数据分割时计算待分割点到最近纵舱壁板的距离,并过滤距离大于预设距离阈值的点,得到第五其他构件点云数据计算公式为:
步骤S6具体包括:
S61、判断各个舱壁板上是否存在扶强材,若存在,则进行步骤S62,若不存在,则第六其他构件点云数据的计算公式为直接进行步骤S7;
S62、构建两个纵舱壁板扶强材的种子点集 和两个横舱壁板扶强材的种子点集 其中, 分别表示在船舱独立坐标系中X轴的坐标,分别表示在船舱独立坐标系中Y轴的坐标;
S63、采用主成分分析法估计所有扶强材的种子点集的法线,再通过随机采样一致性算法拟合所有扶强材的种子点集的主法线,若存在扶强材的种子点集的主法线平行或垂直于Z轴,则依据该种子点集所对应舱壁板的平面参数及预设的扶强材宽度值从中分割出该舱壁板上的扶强材点云数据;
S64、循环步骤S63,直到从中分割出所有扶强材其中l=1,2,…,q,q 为扶强材的数量,得到第六其他构件点云数据计算公式为:
其中,扶强材数量q不大于4。
步骤S7具体包括:
S71、采用基于二维狄洛尼的alpha-shape算法提取每个肋板点云数据的轮廓点,对于每个肋板,将得到的轮廓点依次相连形成闭合轮廓,以闭合轮廓为截面,以预设的框架距离阈值为宽度,形成包围盒;
S72、分割出第六其他构件点云数据落在步骤S71中得到的每个肋板的包围盒内的点,作为包围盒对应肋板的横梁及肋骨的点云数据;
S73、分别将步骤S72分割出的每个肋板对应的横梁及肋骨和肋板本身的点云数据合并,组成n个完整的横向加强框架点云数据。
实施例一
采用本申请提出的方法对某平面舱壁类型船舱的点云数据进行分割,该船舱的点云数据如图3所示,各参数值设置为:种子点集厚度值3m,水平桁宽度阈值1m,扶强材宽度值0.5m,框架距离阈值1.6m。
图3所示为原始点云数据,图4~15展示了本实施例的点云分割过程中得到的各部分点云数据。图4所示为甲板与内底板的点云数据,图5所示为第一其他构件点云数据,图6所示为两个横舱壁板与两个纵舱壁板的点云数据,图7所示为第二其他构件点云数据,图8所示为肋板的点云数据,图9所示为第四其他构件点云数据,图10所示为水平桁的点云数据,图11所示为第五其他构件点云数据,图12 所示为扶强材的点云数据,图13所示为第六其他构件点云数据,图14所示为各肋板对应的横梁及肋骨的点云数据,图15所示为完整的横向加强框架点云数据。
实施例二
采用本申请提出的方法对某包含内底边板的平面舱壁类型船舱的点云数据进行分割,该船舱的点云数据如图16所示,各参数值设置为:种子点集厚度值3m,水平桁宽度阈值1m,扶强材宽度值0.6m,框架距离阈值1.5m。
图17~22为本实施例点云分割的过程中的结果示意图,分别表示甲板与内底板、两个横舱壁板与两个纵舱壁板、倾式内底边板、水平桁、扶强材、横向加强框架的点云数据。
Claims (9)
1.面向平面舱壁类型船舱的点云数据自动分割方法,其特征在于,该方法的步骤包括:
S1、从原始点云数据中分割出甲板与内底板的点云数据,得到剩余的第一其他构件点云数据;
S2、从步骤S1得到的第一其他构件点云数据中分割出两个横舱壁板与两个纵舱壁板的点云数据,得到第二其他构件点云数据;
S3、判断步骤S2得到的第二其他构件点云数据中是否存在倾式内底边板,若存在,则从第二其他构件点云数据中分割出倾式内底边板的点云数据,得到第三其他构件点云数据,若不存在,则保留第二其他构件点云数据为第三其他构件点云数据;
S4、从步骤S3得到的第三其他构件点云数据中分割出各个肋板的点云数据,得到第四其他构件点云数据;
S5、从步骤S4得到的第四其他构件点云数据中分割出各个水平桁的点云数据,得到第五其他构件点云数据;
S6、判断各个舱壁板上是否存在扶强材,若有舱壁板上存在扶强材,则从步骤S5得到的第五其他构件点云数据中分割出所有有扶强材的舱壁板上的扶强材点云数据,得到第六其他构件点云数据,若所有舱壁板上均不存在扶强材,则保留步骤S5所得的第五其他构件点云数据为第六其他构件点云数据;
S7、对应步骤S4所得的每一个肋板点云数据,从步骤S6所得的第六其他构件点云数据中分割出各个肋板对应的横梁及肋骨的点云数据,合并各肋板及其对应的横梁和肋骨的点云数据,组成完整的横向加强框架点云数据。
2.根据权利要求1所述的面向平面舱壁类型船舱的点云数据自动分割方法,其特征在于,所述步骤S1具体包括:
S11、获取原始点云数据的高程最值,提取高程范围在高程最大值和其减去预设的种子点集厚度值所得的高程值间的点云数据构建甲板种子点集,提取高程范围在高程最小值和其加上种子点集厚度值所得的高程值间的点云数据构建内底板种子点集;
S12、通过随机采样一致性算法从步骤S11所得的甲板种子点集中拟合甲板的平面参数Cd={αd,βd,γd,δd},其中,αd、βd、γd、δd表示甲板平面方程的系数,所述甲板平面方程为:
αdxd+βdyd+γdzd+δd=0
其中,xd、yd、zd分别表示甲板平面在原始坐标系中的x、y、z轴的坐标,αd、βd、γd分别表示xd、yd、zd的系数,δd表示甲板平面方程常数;
从步骤S11所得的内底板种子点集中拟合内底板的平面参数Cib={αib,βib,γib,δib},其中,αib、βib、γib、δib表示内底板平面方程的系数,所述内底板平面方程为:
αibxib+βibyib+γibzib+δib=0
其中,xib、yib、zib分别表示内底板平面在原始坐标系中的x、y、z轴的坐标,αib、βib、γib分别表示xib、yib、zib的系数,δib表示内底板平面方程常数;
S13、根据步骤S12所得的Cd和Cib从原始点云数据P中分割出甲板点云数据Pd与内底板点云数据Pib,剩余的构件点云数据构成第一其他构件点云数据
3.根据权利要求2所述的面向平面舱壁类型船舱的点云数据自动分割方法,其特征在于,所述步骤S2具体包括:
S21、计算船舱竖直方向的法线nZ,计算公式为:
S22、采用主成分分析法估计第一其他构件点云数据的法线,剔除其中不与船舱竖直方向正交的法线,然后通过随机采样一致性算法从剔除后的法线中分别拟合纵舱壁板的主法线nX和横舱壁板的主法线nY;
S23、将甲板点云数据Pd、内底板点云数据Pib和第一其他构件点云数据都转换到以O(0,0,0)为坐标原点,nX为X轴,nY为Y轴,nZ为Z轴的船舱独立坐标系中;
S24、得出在步骤S23的船舱独立坐标系中的Y轴最大值、Y轴最小值、X轴最大值、X轴最小值,根据预设的种子点集厚度值ts,分别构建两个纵舱壁板种子点集及两个横舱壁板种子点集;
S25、通过随机采样一致性算法从步骤S24中的4个种子点集中分别提取两片纵舱壁板的点云数据和两片横舱壁板的点云数据第一其他构件点云数据分割出后得到第二其他构建点云数据计算公式为:
4.根据权利要求3所述的面向平面舱壁类型船舱的点云数据自动分割方法,其特征在于,所述步骤S3具体包括:
S31、判断倾式内底边板是否存在,若存在,则进行步骤S32,若不存在,则第三其他构件点云数据的计算公式为直接进行步骤S4;
S32、构建倾式内底边板的种子点集;
S33、通过随机采样一致性算法拟合倾式内底边板平面,拟合过程中构建的倾式内底边板初始平面不平行于纵、横舱壁板;
S34、根据步骤S33得到的倾式内底边板平面参数从中分割出倾式内底边板的点云数据Pm,得到第三其他构件点云数据
5.根据权利要求4所述的面向平面舱壁类型船舱的点云数据自动分割方法,其特征在于,所述步骤S4具体包括:
S41、通过随机采样一致性算法从第三其他构件点云数据中拟合所有的肋板平面,拟合过程中构建的肋板初始平面的法线平行于X轴,从第三其他构件点云数据中分割出所有的第一肋板点云数据;
S42、采用稀疏局外点去噪算法从步骤S41中每个第一肋板点云数据中分割出错分割的管道点云数据,得到第二肋板点云数据其中j=1,2,…,n,n表示肋板总个数,将所有管道点云数据合并至第三其他构件点云数据中得到第四其他构件点云数据计算公式为:
6.根据权利要求5所述的面向平面舱壁类型船舱的点云数据自动分割方法,其特征在于,所述步骤S5具体包括:
S51、通过随机采样一致性算法从第四其他构件点云数据中拟合所有水平桁的平面参数其中,k=1,2,…,m,m为水平桁总个数,拟合过程中构建的水平桁初始平面的法线平行于Z轴;
S52、根据从第四其他构件点云数据中分割出对应的水平桁点云数据得到第五其他构件点云数据计算公式为:
7.根据权利要求6所述的面向平面舱壁类型船舱的点云数据自动分割方法,其特征在于,所述步骤S6具体包括:
S61、判断各个舱壁板上是否存在扶强材,若存在,则进行步骤S62,若不存在,则第六其他构件点云数据的计算公式为直接进行步骤S7;
S62、构建两个纵舱壁板扶强材的种子点集和两个横舱壁板扶强材的种子点集;
S63、采用主成分分析法估计所有扶强材的种子点集的法线,再通过随机采样一致性算法拟合所有扶强材的种子点集的主法线,若存在扶强材的种子点集的主法线平行或垂直于Z轴,则依据该种子点集所对应舱壁板的平面参数及预设的扶强材宽度值从中分割出该舱壁板上的扶强材点云数据;
S64、循环步骤S63,直到从中分割出所有扶强材,得到第六其他构件点云数据
8.根据权利要求7所述的面向平面舱壁类型船舱的点云数据自动分割方法,其特征在于,所述步骤S7具体包括:
S71、采用基于二维狄洛尼的alpha-shape算法提取每个肋板点云数据的轮廓点,对于每个肋板,将得到的轮廓点依次相连形成闭合轮廓,以所述闭合轮廓为截面,以预设的框架距离阈值为宽度,形成包围盒;
S72、分割出第六其他构件点云数据落在步骤S71中得到的每个肋板的包围盒内的点,作为包围盒对应肋板的横梁及肋骨的点云数据;
S73、分别将步骤S72分割出的每个肋板对应的横梁及肋骨和肋板本身的点云数据合并,组成n个完整的横向加强框架点云数据。
9.根据权利要求6所述的面向平面舱壁类型船舱的点云数据自动分割方法,其特征在于,所述步骤S52中根据从第四其他构件点云数据中分割出对应的水平桁点云数据时,计算待分割点到最近纵舱壁板的距离,并过滤该距离大于预设距离阈值的点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710478246.3A CN107330894B (zh) | 2017-06-22 | 2017-06-22 | 面向平面舱壁类型船舱的点云数据自动分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710478246.3A CN107330894B (zh) | 2017-06-22 | 2017-06-22 | 面向平面舱壁类型船舱的点云数据自动分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107330894A true CN107330894A (zh) | 2017-11-07 |
CN107330894B CN107330894B (zh) | 2018-06-29 |
Family
ID=60195750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710478246.3A Active CN107330894B (zh) | 2017-06-22 | 2017-06-22 | 面向平面舱壁类型船舱的点云数据自动分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107330894B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109241901A (zh) * | 2018-08-30 | 2019-01-18 | 天津理工大学 | 一种对具有孔洞的三维点云的检测与识别方法 |
CN110033459A (zh) * | 2019-03-28 | 2019-07-19 | 武汉大学 | 顾及地物完整性的大规模点云快速分块方法 |
CN116148878A (zh) * | 2023-04-18 | 2023-05-23 | 浙江华是科技股份有限公司 | 船舶干舷高度识别方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090208095A1 (en) * | 2008-02-15 | 2009-08-20 | Microsoft Corporation | Site modeling using image data fusion |
CN104765702A (zh) * | 2014-06-11 | 2015-07-08 | 上海船舶工艺研究所 | 一种船舶外板水火加工过程中的型面数据采集方法 |
-
2017
- 2017-06-22 CN CN201710478246.3A patent/CN107330894B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090208095A1 (en) * | 2008-02-15 | 2009-08-20 | Microsoft Corporation | Site modeling using image data fusion |
CN104765702A (zh) * | 2014-06-11 | 2015-07-08 | 上海船舶工艺研究所 | 一种船舶外板水火加工过程中的型面数据采集方法 |
Non-Patent Citations (1)
Title |
---|
胡敏捷等: "舱容计量中高精度点云配准研究", 《船舶设计通讯》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109241901A (zh) * | 2018-08-30 | 2019-01-18 | 天津理工大学 | 一种对具有孔洞的三维点云的检测与识别方法 |
CN110033459A (zh) * | 2019-03-28 | 2019-07-19 | 武汉大学 | 顾及地物完整性的大规模点云快速分块方法 |
CN110033459B (zh) * | 2019-03-28 | 2020-04-10 | 武汉大学 | 顾及地物完整性的大规模点云快速分块方法 |
CN116148878A (zh) * | 2023-04-18 | 2023-05-23 | 浙江华是科技股份有限公司 | 船舶干舷高度识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107330894B (zh) | 2018-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107330894B (zh) | 面向平面舱壁类型船舱的点云数据自动分割方法 | |
CN105333861B (zh) | 基于激光点云的杆塔倾斜检测的方法及装置 | |
CN106970375A (zh) | 一种机载激光雷达点云中自动提取建筑物信息的方法 | |
CN108960135B (zh) | 基于高分辨遥感图像的密集舰船目标精确检测方法 | |
CN107644452A (zh) | 机载LiDAR点云屋顶面片分割方法及系统 | |
CN104463871B (zh) | 基于车载LiDAR点云数据的街景面片提取及优化方法 | |
CN108257128A (zh) | 一种基于3d卷积神经网络的肺结节检测装置的建立方法 | |
CN105488770A (zh) | 一种面向对象的机载激光雷达点云滤波方法 | |
CN107239659B (zh) | 一种基于改进的k-rusle模型与成土速率计算土壤侵蚀的方法 | |
CN108399290B (zh) | 基于裂隙网络连通性的裂隙流的modflow模拟方法 | |
CN110726998B (zh) | 一种激光雷达扫描测定矿区采煤塌陷盆地的方法 | |
CN106340010A (zh) | 一种基于二阶轮廓差分的角点检测方法 | |
CN112414305A (zh) | 一种集装箱船导轨架测量方法与系统 | |
CN107393004A (zh) | 一种获取输电线走廊中建筑物拆迁量的方法及装置 | |
CN112785596A (zh) | 基于dbscan聚类的点云图螺栓分割和高度测量方法 | |
CN111062949B (zh) | 一种基于机载激光雷达的电力线点云提取方法 | |
CN113218310A (zh) | 基于三维激光点云的尾矿库干滩重要参数提取方法及系统 | |
CN107871315A (zh) | 一种视频图像运动检测方法和装置 | |
CN115482211A (zh) | 隧道超欠挖检测方法、装置、电子设备和存储介质 | |
CN111104746A (zh) | 一种基于小波分析的河漫滩高程确定方法 | |
CN108061697A (zh) | 土体三维孔隙率计算方法 | |
CN106018198B (zh) | 一种气泡粒径的反演计算方法 | |
CN111199109B (zh) | 基于计盒维数与聚类分析用于划分岩体均质区的耦合方法 | |
CN102289550B (zh) | 一种用于露天开放性颗粒源风蚀释放因子的动力学估算方法 | |
CN116739986A (zh) | Auv在输水隧洞内对典型缺陷检测的光学声学组合方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |