CN107945178B - 一种爆破残孔自动识别及特征提取方法 - Google Patents
一种爆破残孔自动识别及特征提取方法 Download PDFInfo
- Publication number
- CN107945178B CN107945178B CN201711374827.9A CN201711374827A CN107945178B CN 107945178 B CN107945178 B CN 107945178B CN 201711374827 A CN201711374827 A CN 201711374827A CN 107945178 B CN107945178 B CN 107945178B
- Authority
- CN
- China
- Prior art keywords
- residual hole
- explosion
- point
- residual
- 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.)
- Active
Links
- 238000004880 explosion Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 35
- 239000000284 extract Substances 0.000 claims abstract description 15
- 238000005070 sampling Methods 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 abstract description 8
- 238000013459 approach Methods 0.000 abstract description 3
- 230000007547 defect Effects 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 230000006978 adaptation Effects 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- 238000005422 blasting Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
- G06T3/604—Rotation of whole images or parts thereof using coordinate rotation digital computer [CORDIC] devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及爆破三维点云数据处理技术,特别是一种爆破残孔自动识别方法,步骤1,点云原始数据预处理;步骤2,对预处理后的点云数据计算曲率特征,提取曲率特征点;步骤3,采用所述曲率特征点拟合空间直线,根据所述空间直线识别残孔。本发明通过提取高精度三维点云数据的曲率特征点拟合残孔位置轴线,实现了自动化高速、高效、高精度地识别爆破残孔,解决了传统方式识别残孔范围不全、识别难度大、效率低下、识别标准一致性差等缺陷,提供了一种适应未来智能化、精细化爆破需求的自动爆破残孔识别方法。本发明在上述爆破残孔自动识别方法的基础上还提供了一种爆破残孔特征自动提取方法。
Description
技术领域
本发明涉及爆破三维点云数据处理技术,特别是一种爆破残孔自动识别及特征提取方法。
背景技术
随着爆破技术的发展和先进爆破技术的普及,对爆破质量评价提出了快速、准确和稳定的要求。
半孔率是评价光面爆破质量的一项重要指标,半孔率计算需要测量残孔的弧度和长度,而如何识别出爆破后的残孔是进行半孔率计算的核心问题。现有技术中采用肉眼对炮孔进行现场识别和判断,或是拍摄开挖面照片后在后期进行人工识别和判断。传统爆破残孔的长度测量采用皮尺或者全站仪进行抽样测量,测量难度大,精度有限。使用肉眼进行判断,会受到光照条件的影响,而岩体的纹理颜色也会对肉眼识别造成干扰。对残孔弧长的判断多是凭借经验进行的,实际残孔弧长是一种三维空间特征,使用二维图像难以得到准确数据,所以使用肉眼判断是难以保证其准确度的。
随着三维激光扫描技术的发展,数据获取难度和成本大大降低,使用三维激光扫描仪可以获取完整的光面爆破面三维空间点云数据。三维空间点云数据提供了光面爆破面的高精度信息,然而现有技术中尚未提出一种基于光面爆破面三维空间点云数据实现爆破残孔自动识别及特征提取的数据处理方法。
发明内容
针对现有技术采用人工识别爆破残孔存在的测量样本不全、测量难度大、测量精度低等问题,本发明的发明目的在于提供一种基于光面爆破三维空间点云数据的爆破残孔自动识别方法和爆破残孔特征自动提取方法。
本发明提供的技术方案为:
一种爆破残孔自动识别方法,包括:
步骤1,点云原始数据预处理;
步骤2,对预处理后的点云数据计算曲率特征,提取曲率特征点;
步骤3,采用所述曲率特征点拟合空间直线,根据所述空间直线识别残孔。
在具体的实施方式中,步骤1中所述预处理包括拼接、去噪和下采样。
三维激光扫描根据作业面积决定扫描的站数,由于获取的多站点云数据不在同一个坐标系下,所以需要进行拼接将其放置在同一坐标系中。拼接可以使用靶标进行,每一对待拼接的数据根据四个以上不共面的同名靶标,确定两者的相对位置关系,求得平移向量和旋转矩阵以完成坐标变换。多站数据拼接之后即可获得完整的点云数据。
空气中的浮尘常常造成明显偏离爆破面本体漂浮在空中的异常点,也可以称作离群噪声点。在具体的实施方式中,通过对每一个点的邻域进行统计分析,计算点到邻近点的平均距离,得到所述平均距离的高斯分布,高斯分布由均值和标准差决定,所述平均距离在标准范围之外的点,定义为异常点或离群噪声点去除。
为了提高残孔识别速度,提高计算效率,对所述点云数据进行下采样。在具体的实施方式中,所述下采样采用栅格化算法,使用长方体包围盒包围全部的点云,再将点云划分到均匀的立方体网格,如果网格内有点云数据,则使用网格中心点代替该网格内所有点云数据,网格划分的分辨率决定点云的压缩率。
进一步地,步骤2中三维点云特征计算采用移动最小二乘法计算曲率特征,即对每个点搜索其邻近点,用以拟合曲面并计算该点的曲率值。
进一步地,步骤2中曲率值按大小排序并提取指定比例的曲率特征点,得到曲率特征点的点云数据。
作为优选的实施方式,根据曲率值大小提取前20%的曲率特征点作为曲率特征点的点云数据。
对于空间直线有一般式:
其中(x0,y0,z0)为直线上的一点,直线方向的单位向量。
进一步地,步骤3中拟合空间直线采用随机采样一致性算法(RANSAC)。对于所述曲率特征点的点云数据,首先随机选取两个点确定待评价的拟合空间直线,得到所述空间直线的6个特征参数其中(x0,y0,z0)为待评价的所述空间直线上的一点,为该直线方向的单位向量,再计算各点pi(xi,yi,zi)到直线的距离,用以对空间直线拟合情况进行评价,利用叉乘计算各点到直线的距离di为:
进一步地,所述随机采样一致性算法根据采样点到直线模型的距离选取局内点。根据随机采集一致性算法,观测数据集包括局内点和局外点,通过选取其中局内点子集拟合所述空间直线。其中,用于决定观测数据是否适应于拟合模型的阈值根据点到直线模型的距离决定,即存在这样的曲率特征点,其满足点到直线的距离
di≤D (3)
其中,D为给定点到直线的距离的阈值,这样的曲率特征点即为所述局内点。用于拟合所述空间直线的所述局内点的个数,作为评价拟合效果的参数。由于炮孔间距通常在1m以上,而炮孔直径往往小于10cm,具体的实施方式中,D值取20cm~40cm。所述局内点的个数越多,拟合效果越优。拟合循环多次,根据随机采样一致性算法,满足错误拟合的概率足够小,提取此时的空间直线特征参数作为拟合的最佳空间直线结果输出。
步骤3根据曲率特征点云拟合的所述空间直线结果识别残孔。作为一种具体的实施方式,步骤3中根据所述空间直线识别残孔包括第一条件判定,所述第一条件判定为所述空间直线与预设炮孔轴线的偏离角度是否小于第一阈值。由于实际炮孔通常是相互平行的,炮孔轴线方向相差不大,若所述空间直线与预设炮孔轴线偏离较大,作为错误识别判定,即所述空间直线不显示为残孔标志。反之,若所述偏离角度小于所述第一阈值,作为正确识别判定,即所述空间直线作为残孔标志显示。优选的实施方式中,所述第一阈值取30°。
进一步地,步骤3中根据所述空间直线识别残孔满足所述第一条件判定后还包括第二条件判定,所述第二条件判定为局内点的个数是否大于第二阈值。即,根据评价所述空间直线拟合效果的所述局内点的个数作为第二条件判定。
进一步地,当根据第1条所述空间直线识别残孔时,所述第二阈值为预设值;
当根据后续空间直线识别残孔时,所述第二阈值为预设值,或者是前次满足所述第二条件判定的局内点个数的指定比例的局内点个数。优选地,该次第二条件判定为是的条件是该次拟合空间直线的局内点个数大于前次满足所述第二条件判定的局内点个数的20%。
本发明的另一方面还提供一种爆破残孔特征提取方法,包括:
步骤1,获取残孔点云数据;
步骤2,采用所述残孔点云数据拟合圆柱面;
步骤3,将所述残孔点云数据投影到与所述圆柱面轴线垂直的横截平面,根据所述残孔点云数据在所述横截平面的统计分布,计算残孔长度和弧度。
步骤1中获取的残孔点云数据为已完成爆破残孔识别的残孔点云数据。所述残孔识别既可以采用本发明所述的爆破残孔自动识别方法,也可以采取人工筛选的方式识别。为了精确提取残孔特征,识别出爆破残孔后,从原始点云数据中获取残孔点云数据。
作为优选的实施方式,采用本发明所述的爆破残孔自动识别方法识别出残孔后,从原始点云数据中获取对应的残孔点云数据。具体的提取方式根据识别残孔时拟合的空间直线,从原始点云数据中提取距离所述空间直线在指定范围内的原始点云。具体的实施方式中,所述指定范围可以参考公式(3)中D值的取值。在具体的实施方式中,每识别出1个确定的爆破残孔,随机对该残孔进行残孔特征提取。
步骤1获取残孔点云数据后,步骤2采用所述残孔点云数据拟合圆柱面。具体地,继续采用随机采样一致性(RANSAC)算法拟合圆柱面,提取出圆柱体七参数其中前六个参数为圆柱面轴线位置和方向参数,r0为圆柱面半径数值。首先使用上文中的空间直线拟合方法随机选取两个点,提取轴线方向参数将三维残孔点云投影到与所述轴线方向垂直的二维平面中,然后在二维平面中拟合圆形,并对拟合情况进行评价。其中圆形的一般式为:
(x-x0)2+(y-y0)2=r2 (4)
再随机选取三个点p1(x1,y1),p2(x2,y2),p3(x3,y3),用于拟合圆形,计算两点中垂线斜率:
和对应的垂足:
由此化简得到交点(即圆心)和半径计算公式:
由此得到二维图中圆形的三个参数(x0,y0,r0)。需要对拟合的圆柱面进行评价,为了减小计算开销,预先设置残孔半径初始值,如果拟合r0与所述初始值偏差超过阈值,不进行评价,默认为错误拟合结果。否则,对拟合情况进行评价,评价公式为:
其中,xi,yi为残孔点云数据的位置参数。S越小则拟合越优,最佳拟合参数圆形(x0,y0,r0)。使用S值对所述圆柱面轴线进行评价,S最小时对应最佳拟合圆柱面轴线。
确定了拟合圆柱面的轴线后,步骤3将所述残孔点云数据投影到与所述圆柱面轴线垂直的横截平面,根据所述残孔点云数据在所述横截平面的统计分布,计算残孔长度和弧度。所述横截平面即所述圆柱体横截面所在的平面。
具体地,所述横截面划分为若干弧度相等的扇形面片,统计所述扇形面片内的残孔点云点数量,获取有残孔点云点数据的面片数,得到所述残孔长度和弧度。
进一步地,按照拟合的圆柱体的轴线等距切分残孔点云数据,对于各部分点云数据分别进行投影到所述横截平面内,得到所述残孔各个长度位置的弧度分布图。所述弧度图可用于评价残孔完整度。
进一步地,按照上述方法提取各个残孔特征参数,经由统计分析工作得到爆破质量评价报告。
本发明的有益效果是:
本发明通过提取高精度三维点云数据的曲率特征点拟合残孔位置轴线,实现了高速、高效、高精度地识别爆破残孔,解决了传统方式识别残孔范围不全、识别难度大、识别标准一致性差等缺陷,提供一种适应未来智能化、精细化爆破需求的自动爆破残孔识别方法。
此外,基于上述自动包括残孔识别方法,本发明还提供了一种自动爆破残孔特征提取方法,进一步提供了更为详实、准确地获取爆破残孔特征的技术方案,解决了传统方式人工皮尺测量残孔特征地可操作性差、测量一致性差、测量精度欠佳的缺陷,为爆破精细化设计提供了一种快速、高精度的质量评价方法。
附图说明
图1为本发明实施例1残孔自动识别流程图;
图2为本发明实施例1残孔识别结果图;
图3为本发明实施例2残孔自动识别及特征提取流程图;
图4为本发明实施例2残孔点云投影结果图;
图5为本发明实施例2残孔弧度特征计算示意图;
图6为本发明实施例2残孔弧度轴向分布成果图。
具体实施方式
下面结合附图,对本发明作详细的说明。
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
实施例1
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
实施例1提供一种爆破残孔自动识别方法,如图1所示,包括:
步骤S10,三维点云数据采集;
步骤S20,三维点云数据预处理,所述预处理包括拼接、去噪、下采样;
步骤S30,三维点云曲率特征提取;
所述三维点云曲率特征提取采用移动最小二乘法计算曲率特征,即对每个点搜索其邻近点,用以拟合曲面并计算该点的曲率值。将三维点云曲率特征按从大到下排序,提取前20%的曲率特征点作为曲率特征点的点云数据。
步骤S40,采用步骤S30提取的曲率特征点云数据拟合空间直线。
对于空间直线有一般式:
其中(x0,y0,z0)为直线上的一点,直线方向的单位向量。
拟合空间直线采用随机采样一致性算法。对于所述曲率特征点的点云数据,首先随机选取两个点确定待评价的拟合空间直线,得到所述空间直线的6个特征参数其中(x0,y0,z0)为待评价的所述空间直线上的一点,直线方向的单位向量,再计算各点pi(xi,yi,zi)到直线的距离,用以对空间直线拟合情况进行评价,点到直线的距离di为:
所述随机采样一致性算法根据采样点到直线模型的距离选取局内点。根据随机采集一致性算法(RANSAC),观测数据集包括局内点和局外点,通过选取其中局内点子集拟合所述空间直线。其中,用于决定观测数据是否适应于拟合模型的阈值根据点到直线模型的距离决定,即存在这样的曲率特征点,其满足点到直线的距离
di≤D (3)
其中,D为给定点到直线的距离的阈值,这样的曲率特征点即为所述局内点。用于拟合所述空间直线的所述局内点的个数,作为评价拟合效果的参数。由于炮孔间距通常在1m以上,而炮孔直径往往小于10cm,D值取30cm。所述局内点的个数越多,拟合效果越优。拟合循环多次,根据随机采样一致性算法,满足错误拟合的概率足够小,提取此时的空间直线特征参数作为拟合的最佳直线作为拟合空间直线结果输出。
步骤S50,根据步骤S40拟合的空间直线进行第一条件判定,所述第一条件判定为所述空间直线与预设炮孔轴线的偏离角度是否小于第一阈值。由于实际炮孔通常是相互平行的,炮孔轴线方向相差不大,若所述空间直线与预设炮孔轴线偏离较大,作为错误识别判定,即根据所述空间直线识别为非残孔。反之,若所述偏离角度小于所述第一阈值,进入步骤S60,即根据步骤S40拟合的空间直线进行第二条件判定。可选地,当第一条件判定为“是”时,即识别为残孔。优选地,所述第一阈值取30°。如图2所示,为根据曲率特征点拟合的空间直线识别的残孔结果,不符合所述第一条件判定的空间直线判为错误识别。
步骤S60,当步骤S50第一条件判定为“是”后,进行第二条件判定所述第二条件判定为局内点的个数是否大于第二阈值。即,根据评价所述空间直线拟合效果的所述局内点的个数作为第二条件判定。
当根据第1条所述空间直线识别残孔时,所述第二阈值为预设值;
当根据后续空间直线识别残孔时,所述第二阈值为预设值,或者是前次满足所述第二条件判定的局内点个数的指定比例的局内点个数。优选地,该次第二条件判定为是的条件是该次拟合空间直线的局内点个数大于前次满足所述第二条件判定的局内点个数的20%。
当第二条件判定为“是”时,识别为残孔,当第二条件判定为“否”,视为拟合效果不佳,同样识别为非残孔。
随机采样一致性算法按照拟合度由高到低拟合空间直线,当根据所述空间直线识别为残孔后,去除所述空间直线阈值范围内的曲率特征点,继续采用剩余曲率特征点拟合空间直线,识别残孔。
实施例2
实施例2在实施例1的爆破残孔自动识别的基础上,提供一种爆破残孔自动识别及特征提取方法,如图3所示,其中步骤S10~S50为爆破残孔自动识别环节,步骤S60~S90为爆破残孔特征提取及光面爆破评价环节。
其中,步骤S40按照拟合度从高到低拟合空间直线、去除识别为残孔的阈值范围内的曲率特征点、继续拟合空间直线,步骤S50的跳出条件为:首先判断已拟合的直线数,如果已经达到炮孔总数,则直接进入步骤S60;
若已拟合的直线数小于炮孔总数,则进行实施例1残孔自动识别的所述第一条件判定及所述第二条件判定,当第一条件判定为“否”时,满足跳出条件,进入步骤S60;当第一条件判定为“是”且第二条件判定为“否”时,满足跳出条件,进入步骤S60。
其他情况,即第一条件判定为“是”且第二条件判定为“是”,即识别为残孔时,回溯到步骤S40,继续拟合空间直线。
例如,炮孔已经拟合16根,在拟合第17根时若拟合出的轴线角度偏差过大,则跳出循环不再拟合空间直线,拟合总数记为16根;如果偏差不大,但拟合中的特征点数目小于预设的阈值(拟合特征局内点数小于前次拟合特征局内点数的20%)也跳出,总数记为16根;否则空间直线拟合总数加1,记为17根,然后进入下一次空间直线拟合直到跳出。
步骤S60采用本发明所述的爆破残孔自动识别方法识别出残孔后,从原始点云数据中获取对应的残孔点云数据。具体的提取方式根据识别残孔时拟合的空间直线,从原始点云数据中提取距离所述空间直线在指定范围内的原始点云。具体的实施方式中,所述指定范围可以参考公式(3)中D值的取值。在具体的实施方式中,每识别出1个确定的爆破残孔,随机对该残孔进行残孔特征提取。
步骤S60获取残孔点云数据后,步骤S70计算各残孔特征参数。首先采用所述残孔点云数据拟合圆柱面。具体地,继续采用随机采样一致性(RANSAC)算法拟合圆柱面,提取出圆柱体七参数其中前六个参数为圆柱面轴线位置和方向参数,r0为圆柱面半径数值。首先使用上文中的空间直线拟合方法随机选取两个点,提取轴线方向参数将三维残孔点云投影到与所述轴线方向垂直的二维平面中,然后在二维平面中拟合圆形,并对拟合情况进行评价。其中圆形的一般式为:
(x-x0)2+(y-y0)2=r2 (4)
再随机选取三个点p1(x1,y1),p2(x2,y2),p3(x3,y3),用于拟合圆形,计算两点中垂线斜率:
和对应的垂足:
由此化简得到交点(即圆心)和半径计算公式:
由此得到二维图中圆形的三个参数(x0,y0,r0)。需要对拟合的圆柱面进行评价,为了减小计算开销,预先设置残孔半径初始值,如果拟合r0与所述初始值偏差超过阈值,不进行评价,默认为错误拟合结果。否则,对拟合情况进行评价,评价公式为:
其中,xi,yi为残孔点云数据的位置参数。S越小则拟合越优,最佳拟合参数圆形(x0,y0,r0)。使用S值对所述圆柱面轴线进行评价,S最小时对应最佳拟合圆柱面轴线。
确定了拟合圆柱面的轴线后,将所述残孔点云数据投影到与所述圆柱面轴线垂直的横截平面,如图4所示,根据所述残孔点云数据在所述横截平面的统计分布,计算残孔长度和弧度。
具体地,如图5所示,所述横截面划分为若干弧度相等的扇形面片,统计所述扇形面片内的残孔点云点数量,获取有残孔点云点数据的面片数,得到所述残孔长度和弧度。
进一步地,按照拟合的圆柱体的轴线等距切分残孔点云数据,对于各部分点云数据分别进行投影到所述横截平面内,得到所述残孔各个长度位置的弧度分布图,如图6所示。所述弧度图可用于评价残孔完整度。
步骤S70按照上述方法提取各个残孔特征参数后,步骤S80经由统计分析工作得到爆破质量评价报告。完成上述步骤后,步骤S90结束。
Claims (6)
1.一种爆破残孔自动识别方法,其特征在于,包括:
步骤1,点云原始数据预处理;
步骤2,对预处理后的点云数据计算曲率特征,提取曲率特征点;
步骤3,采用所述曲率特征点拟合空间直线,根据所述空间直线识别残孔;
步骤3中拟合空间直线采用随机采样一致性算法,根据采样点到直线模型的距离选取局内点;根据所述空间直线识别残孔包括第一条件判定,所述第一条件判定为所述空间直线与预设炮孔轴线的偏离角度是否小于第一阈值。
2.根据权利要求1所述的爆破残孔自动识别方法,其特征在于:步骤2中采用移动最小二乘法计算曲率特征。
3.根据权利要求1所述的爆破残孔自动识别方法,其特征在于:步骤2中提取曲率值按大小排序后指定比例的曲率特征点。
4.根据权利要求1所述的爆破残孔自动识别方法,其特征在于:步骤3中根据所述空间直线识别残孔满足所述第一条件判定后还包括第二条件判定,所述第二条件判定为局内点的个数是否大于第二阈值。
5.根据权利要求4所述的爆破残孔自动识别方法,其特征在于:
当根据第1条所述空间直线识别残孔时,所述第二阈值为预设值;
当根据后续空间直线识别残孔时,所述第二阈值为预设值,或者是前次满足所述第二条件判定的局内点个数的指定比例的局内点个数。
6.一种爆破残孔特征提取方法,其特征在于,包括:
步骤1,获取残孔点云数据;
步骤2,采用所述残孔点云数据拟合圆柱面;
步骤3,将所述残孔点云数据投影到与所述圆柱面轴线垂直的横截平面,根据所述残孔点云数据在所述横截平面的统计分布,计算残孔长度和弧度;步骤1中,采用根据权利要求1-5任一项所述的爆破残孔识别方法识别残孔后,根据所述空间直线从点云原始数据中获取残孔点云数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711374827.9A CN107945178B (zh) | 2017-12-19 | 2017-12-19 | 一种爆破残孔自动识别及特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711374827.9A CN107945178B (zh) | 2017-12-19 | 2017-12-19 | 一种爆破残孔自动识别及特征提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107945178A CN107945178A (zh) | 2018-04-20 |
CN107945178B true CN107945178B (zh) | 2019-06-21 |
Family
ID=61942329
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711374827.9A Active CN107945178B (zh) | 2017-12-19 | 2017-12-19 | 一种爆破残孔自动识别及特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107945178B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109359680B (zh) * | 2018-10-11 | 2019-09-24 | 大昌建设集团有限公司 | 爆破岩块自动识别和块度特征提取方法及装置 |
CN110409369B (zh) * | 2019-05-29 | 2021-06-04 | 水电水利规划设计总院 | 边坡开挖数字化施工与质量控制方法 |
CN111882623A (zh) * | 2020-07-15 | 2020-11-03 | 富德康(北京)科技股份有限公司 | 一种三维空间测量结果数据的压缩方法 |
CN112489123B (zh) * | 2020-10-30 | 2021-09-10 | 江阴市智行工控科技有限公司 | 一种钢厂库区卡车表面目标三维定位方法 |
CN114186645B (zh) * | 2022-02-15 | 2022-04-26 | 中国长江三峡集团有限公司 | 一种爆破半孔率检测方法、装置、电子设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034104A (zh) * | 2010-12-10 | 2011-04-27 | 中国人民解放军国防科学技术大学 | 三维点云中基于随机采样一致性的特征线检测方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200821537A (en) * | 2006-11-10 | 2008-05-16 | China Steel Corp | Methods for evaluating effect of gunite process and measuring the wall thickness remaining in blast furnace |
CN103218850B (zh) * | 2013-03-22 | 2016-01-20 | 南京梅山冶金发展有限公司 | 一种真三维采矿爆破单元体模型建立方法 |
CN107516098B (zh) * | 2017-07-30 | 2021-08-10 | 华南理工大学 | 一种基于边缘曲率角的目标轮廓三维信息提取方法 |
-
2017
- 2017-12-19 CN CN201711374827.9A patent/CN107945178B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034104A (zh) * | 2010-12-10 | 2011-04-27 | 中国人民解放军国防科学技术大学 | 三维点云中基于随机采样一致性的特征线检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107945178A (zh) | 2018-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107945178B (zh) | 一种爆破残孔自动识别及特征提取方法 | |
CN105180890B (zh) | 融合激光点云和数字影像的岩体结构面产状测量方法 | |
CN109963287B (zh) | 天线方向角优化方法、装置、设备及介质 | |
CN106680798B (zh) | 一种机载lidar航带重叠区冗余辨识及消除方法 | |
CN106780551B (zh) | 一种三维运动目标检测方法和系统 | |
CN101914881A (zh) | 一种高速铁路基桩控制网cpiii的快速测量方法 | |
CN113592989A (zh) | 一种三维场景的重建系统、方法、设备及存储介质 | |
CN109579718A (zh) | 焊缝参数的检测方法、装置、计算机设备和存储介质 | |
CN109740549A (zh) | 基于半监督cnn的sar图像目标检测系统和方法 | |
CN107833250A (zh) | 语义空间地图构建方法及装置 | |
CN111932669A (zh) | 一种基于边坡岩体特征对象的变形监测方法 | |
CN113869629A (zh) | 一种基于激光点云的输电线路安全风险分析判断评估方法 | |
CN103389074A (zh) | 一种多尺度景象匹配区的选取方法 | |
CN115388706B (zh) | 一种具有自动校准功能的激光靶机 | |
CN114428809A (zh) | 一种地图数据准确性获取方法、装置及计算机设备 | |
CN110110687A (zh) | 基于颜色信息和三维轮廓信息的树上水果自动识别方法 | |
CN113360587A (zh) | 一种基于gis技术的土地测绘设备及测绘方法 | |
CN110211178A (zh) | 一种利用投影计算的指针式仪表识别方法 | |
Song et al. | Development of comprehensive accuracy assessment indexes for building footprint extraction | |
CN111028345B (zh) | 一种港口场景下圆形管道的自动识别与对接方法 | |
CN113222042A (zh) | 一种评测方法、装置、电子设备及存储介质 | |
CN109579827A (zh) | 一种基于弧形阵列的磁性目标探测和定位方法 | |
CN108830317A (zh) | 基于数字摄影测量的露天矿山边坡岩体节理产状快速精细取值方法 | |
CN110851978A (zh) | 一种基于可见性的摄像机位置优化方法 | |
CN108960226A (zh) | 一种指针仪类表示值读数方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |