CN108180856A - 一种基于激光数据的隧道变形监测方法、设备及存储设备 - Google Patents
一种基于激光数据的隧道变形监测方法、设备及存储设备 Download PDFInfo
- Publication number
- CN108180856A CN108180856A CN201810090154.2A CN201810090154A CN108180856A CN 108180856 A CN108180856 A CN 108180856A CN 201810090154 A CN201810090154 A CN 201810090154A CN 108180856 A CN108180856 A CN 108180856A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- tunnel
- data
- coordinate
- deformation monitoring
- 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.)
- Pending
Links
Classifications
-
- 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
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
Abstract
本发明设计了一种基于激光数据的隧道变形监测方法、设备及存储设备,通过激光扫描仪获取隧道不同期的点云数据,对各期的数据进行去噪、拼接,并对不同时期数据进行配准,然后按照一定的间距提取剖面点云数据,利用多维模型到模型的点云比较(Multiscale Model to Model Cloud Comparison,以下简称M3C2)方法对隧道进行变形监测。一种基于激光数据的隧道变形监测设备及存储设备,用于实现基于激光数据的隧道变形监测方法。本发明提供的方法使数据处理的速度加快,精度更高,实用性更强。
Description
技术领域
本发明涉及勘探岩土建筑领域,尤其涉及一种基于激光数据的隧道变形监测方法、设备及存储设备。
背景技术
传统的隧道变形监测一般采用全站仪、收敛计等监测手段,虽然精度较高,但不足之处在于工作效率低,不能实时快速的对整个隧道进行变形监测。随着激光技术的不断发展,激光精度也在不断地提高,使得在较高精度变形监测领域使用激光扫描仪成为一种新方法。目前利用点云数据进行变化检测存在两大类方法,一类方法通过获取隧道点云中轴线、拟合截面数据进行变化监测,另一类方法直接对整体隧道点云进行变化监测。第一种方法选取一定间隔的剖面,提高了监测的效率,但是在对剖面拟合的过程中存在误差;第二种方法对整体点云进行比较,数据量较大,速度较慢。
发明内容
为了解决上述问题,本发明提供了一种基于激光数据的隧道变形监测方法、设备及存储设备。一种基于激光数据的隧道变形监测方法,其特征在于:包括以下步骤:
S1:利用激光扫描仪扫描隧道,采集所述隧道不同期的点云数据;
S2:根据不同期的点云数据类型的不同,采用不同的方法对所述点云数据进行滤波去噪;
S3:根据隧道相邻测站间的衔接部分布设的控制标靶,对同一期相邻测站间的点云数据进行拼接;
S4:利用所述控制标靶,对拼接好的不同两期的点云数据根据配准模型进行配准,转换至同一坐标系中;
S5:根据在同一坐标系中的点云数据,对隧道进行全局拟合,确定与隧道轴线平行的提取剖面基线;
S6:根据所述提取剖面基线,对隧道走向的点云数据进行正交方向的断面截取,得到点云剖面;
S7:利用M3C2的方法处理所述点云剖面;
S8:根据M3C2的方法而得到的两点云剖面的距离,即监测到的隧道变形量。
进一步地,在步骤S1中,所述扫描仪为激光扫描仪,以分站式扫描的方式采集点云数据。
进一步地,在步骤S2中,所述点云数据类型的不同,采用不同的方法进行滤波去噪包括:有序的点云数据,采用包括标准高斯的方法、平均值的方法进行滤波去噪;散乱的点云数据,主要包含团状噪声和孤立点噪声,是在栅格网拓扑重建的基础上,采用离散点的K邻域的方法进行滤波去噪。
进一步地,在步骤S3中,所述控制标靶均匀布设的数量为4~5个;以第一个测站为基准站,其后的一个测站分别与相邻的前一个测站进行点云数据的拼接。
进一步地,在步骤S4中,所述配准的步骤包括:根据已知控制点解算不同空间坐标系间的转换关系;根据坐标系间的转换关系,以其中的工程坐标系为基准,将其它坐标系下的点云转换到所述工程坐标系中;配准模型如公式(1)所示:
其中,Pc=(xc,yc,zc)为使用所述扫描仪得到所述控制标靶的独立坐标,Pa=(xa,ya,za)为使用全站仪得到所述控制标靶的工程坐标,Δx,Δy,Δz为平移参数,φ,ω,κ为两个点云坐标向量与坐标轴之间的夹角,也是坐标旋转参数,R(φ,ω,κ)为旋转矩阵,R(φ,ω,κ)的公式如公式(2)所示:
解算坐标转换关系中的7参数:坐标缩放系数,平移三参数,坐标旋转三参数,因为默认两个不同坐标系内的长度比值一样,所以坐标缩放系数取值为1,所述配准模型中,存在6个待求参数平移三参数Δx,Δy,Δz,坐标旋转三参数φ,ω,κ,通过正交矩阵存在的如公式(3)、(4)所示的关系:
根据配准模型,结合公式(1)~(4),把待求参数按级数展开得到误差方程如公式(5)所示:
其中,V为平差的误差方程,B为系数阵,为待求参数,L为常量,且
然后根据间接平差计算出坐标转换关系中的参数的估值以及精度。
进一步地,在步骤S5中,所述确定与隧道轴线平行的提取剖面基线是指:通过旋转矩阵基于相应的角度分量对基线进行姿态调整,在局部坐标系中变换得到的提取剖面基线;所述局部坐标系是指:以隧道前进的方向为Y轴,隧道剖面的方向为X轴,垂直方向为Z轴,建立的坐标系。
进一步地,在步骤S6中,提取的剖面高度以及相邻剖面的间距都为固定值。
进一步地,在步骤S7中,所述M3C2的方法是指:以其中一期的点云剖面提供的点云数据,作为参考点云,另一期的点云剖面提供的点云数据,作为比较点云。通过规定点云法向量的方向,把两期点云数据按照垂直于法向量的方向进行投影,分别求出两期点云数据投影后的平均位置,即可计算出两期点云数据的距离。
一种存储设备,其特征在于:所述存储设备存储指令及数据用于实现一种基于激光数据的隧道变形监测方法。
一种基于激光数据的隧道变形监测设备,其特征在于:包括:处理器及所述存储设备;所述处理器加载并执行所述存储设备中的指令及数据用于实现一种基于激光数据的隧道变形监测方法。
本发明的有益效果为:本发明提供的方法使数据处理的速度加快,精度更高,实用性更强。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例中的一种基于激光数据的隧道变形监测方法的流程图;
图2是本发明实施例中的点云数据拼接示意图;
图3是本发明实施例中的基线局部坐标系变换示意图;
图4是本发明实施例中的点云剖面提取示意图;
图5是本发明实施例中的剖面示意图;
图6是本发明实施例中的M3C2方法的规定点云法向量的模型图;
图7是本发明实施例中的M3C2方法的计算两点云距离的模型图;
图8是本发明实施例中的M3C2方法的法向量长度的选取模型图;
图9是本发明实施例中硬件设备工作的示意图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本发明的具体实施方式。
本发明的实施例提供了一种基于激光数据的隧道变形监测方法、设备及存储设备,通过激光扫描仪获取隧道不同期点云数据,对各期数据进行去噪、拼接,对不同时期数据进行配准,然后按照一定的间距提取剖面点云数据,利用M3C2的方法对隧道进行变形监测,得到隧道的变形量;一种基于激光数据的隧道变形监测设备及存储设备,用于实现一种基于激光数据的隧道变形监测方法。
请参考图1,图1是本发明实施例中的一种基于激光数据的隧道变形监测方法的流程图,主要步骤包括:
S1:利用激光扫描仪扫描隧道,采集所述隧道不同期的点云数据;所述扫描仪为激光扫描仪,以分站式扫描的方式采集点云数据;
S2:根据不同期的点云数据类型的不同,采用不同的方法对所述点云数据进行滤波去噪;所述根据点云数据类型的不同,采用不同的方法进行滤波去噪包括:有序的点云数据,采用包括标准高斯的方法、平均值的方法进行滤波去噪;散乱的点云数据,主要包含团状噪声和孤立点噪声,是在栅格网拓扑重建的基础上,采用离散点的K邻域的方法进行滤波去噪;
S3:根据隧道相邻测站间的衔接部分布设的控制标靶,对同一期相邻测站间的点云数据进行拼接;所述控制标靶均匀布设的数量为4~5个;以第一个测站为基准站,其后的一个测站分别与相邻的前一个测站进行点云数据的拼接;
S4:利用所述控制标靶,对拼接好的不同两期的点云数据根据配准模型进行配准,转换至同一坐标系中;所述配准的步骤包括:根据已知控制点解算不同空间坐标系间的转换关系;根据坐标系间的转换关系,以其中的工程坐标系为基准,将其它坐标系下的点云转换到所述工程坐标系中;配准模型如公式(1)所示:
其中,Pc=(xc,yc,zc)为使用所述扫描仪得到所述控制标靶的独立坐标,Pa=(xa,ya,za)为使用全站仪得到所述控制标靶的工程坐标,Δx,Δy,Δz为平移参数,φ,ω,κ为两个点云坐标向量与坐标轴之间的夹角,也是坐标旋转参数,R(φ,ω,κ)为旋转矩阵,R(φ,ω,κ)的公式如公式(2)所示:
解算坐标转换关系中的7参数:坐标缩放系数,平移三参数,坐标旋转三参数,因为默认两个不同坐标系内的长度比值一样,所以坐标缩放系数取值为1,所述配准模型中,存在6个待求参数平移三参数Δx,Δy,Δz,坐标旋转三参数φ,ω,κ,通过正交矩阵存在的如公式(3)、(4)所示的关系:
根据配准模型,结合公式(1)~(4),把待求参数按级数展开得到误差方程如公式(5)所示:
其中,V为工程坐标的平差的误差方程,B为系数阵,为待求参数,L为常量,且
然后根据间接平差计算出坐标转换关系中的参数的估值及精度,具体的操作如下:
根据最小二乘原理,公式(5)中的满足VTPV取值最小的要求,得到:
其中,V为工程坐标的平差的误差方程,B为系数阵,为待求参数,P为权阵。
公式(8)转置,得到公式(9):
BTPV=0 (9)
将公式(5)代入公式(9),得到公式(10):
根据公式(10),求出待求参数如公式(11)所示:
由公式(12)可知:
其中,l为常量,P为权阵,为待求参数,B为系数阵,n为观测值的个数,t为必要观测数。
根据精度的评定公式(13),可计算出待求参数方差的估值,以衡量待求参数的精度:
其中,为待求参数方差的估值,r为多余观测数,P为权阵,V为工程坐标的平差的误差方程。
S5:根据在同一坐标系中的点云数据,对隧道进行全局拟合,确定与隧道轴线平行的提取剖面基线;所述确定与隧道轴线平行的提取剖面基线是指:通过旋转矩阵基于相应的角度分量对基线进行姿态调整,在局部坐标系中变换得到的提取剖面基线;所述局部坐标系是指:以隧道前进的方向为Y轴,隧道剖面的方向为X轴,垂直方向为Z轴,建立的坐标系;
S6:根据所述提取剖面基线,对隧道走向的点云数据进行正交方向的断面截取,得到点云剖面;提取的剖面高度以及相邻剖面的间距都为固定值;
S7:利用M3C2的方法处理所述点云剖面;所述M3C2的方法是指:以其中一期的点云剖面提供的点云数据,作为参考点云,另一期的点云剖面提供的点云数据,作为比较点云。通过规定点云法向量的方向,把两期点云数据按照垂直于法向量的方向进行投影,分别求出两期点云数据投影后的平均位置,即可计算出两期点云数据的距离;所述M3C2的方法具体如下:首先自定义点云法向量的方向,法向量的长度为D,对于以半径为D/2的圆内点云中的任意一点云i,在其相邻的点云之间确定一个最接近于自定义方向的法向量NNi,当点云i的法向量NNi确定后,在该方向上按照投影长度d进行投影,再求出投影后点云的平均位置,参考点云与比较点云投影后的平均位置分别记为i1、i2,i1与i2的距离12即为两点云剖面的距离;利用M3C2的方法处理点云数据时,法向量的长度D的选取会影响采用M3C2的方法处理点云数据的精度,点云数据处理精度评定的指标为点云的标准差,即点云到最佳拟合平面的平均距离;如果D小于点云的标准差,可能会使得两期点云之间的距离被过度评估,从而对点云数据的处理造成较大的误差,但同时,D也必须足够的小,才能精确的捕捉监测对象表面细微的变化,另外,D的选取不当,采集的点云数据可能会有部分的遗失,致使点云数据遗失部分的距离无法计算。所以,法向量的长度D的选取至关重要,经过反复实验表明,D通常选取为点云标准差的20-25倍最为合适。
S8:根据M3C2的方法而得到的两点云剖面的距离,即监测到的隧道变形量。
请参见图2,图2是本发明实施例中的点云数据拼接示意图,根据测站1和测站2之间的衔接部分均匀布设有4个控制标靶,对相邻测站间的点云数据进行拼接,保证提供足够的点云数据用于隧道变形信息的提取。
请参见图3,图3是本发明实施例中的基线局部坐标系变换示意图,以隧道前进的方向为Y轴,隧道剖面的方向为X轴,垂直方向为Z轴,建立局部坐标系,隧道点云轴线的方向与Y轴平行。为了对隧道走向的正交方向进行截取,需要通过旋转矩阵基于相应的角度分量对基线进行姿态的调整,对基线2分别绕Z坐标轴和X坐标轴旋转角度值旋转至基线3,使截取位置的法向与Y坐标轴的正交方向一致。
请参见图4,图4是本发明实施例中的点云剖面提取示意图,5为相邻剖面的间距,6为提取剖面的高度,提取的剖面高度以及相邻剖面的间距都为固定值,对隧道点云数据[xiyi zi]T和截取点[x0 y0 z0]T按如下步骤变换后在相应坐标值[x0' y0' z0']T处截取断面:
[xi yi zi]T=AB[xi yi zi]T (8)
[x0' y0' z0']T=AB[x0 y0 z0]T (9)
其中,并求得断面坐标值[x' y'z']T如公式(10)所示:
[x' y' z']T=[x0' y0' z0']T+R[cosθ 0 sinθ]T (10)
其中,θ∈[0,2π],为断面点与轴线上截取点连线所对应的角度值。
请参见图5,图5是本发明实施例中的剖面示意图,7为提取的一个点云剖面。
请参见图6,图6是本发明实施例中的M3C2方法的规定点云法向量模型图,8为参考点云数据,9为比较点云数据,10为点云圆的半径D/2,11为自定义法向量的方向。
请参见图7,图7是本发明实施例中的M3C2方法的计算两点云距离的模型图,当点i的法向量NNi确定后,在该方向上按照投影长度d进行投影,本实施例中d的取值与D的取值相同,再求出投影后点云的平均位置,i1、i2即分别为参考点云与比较点云投影后的平均位置,i1与i2的距离12为两点云距离,即监测到的隧道变形量。
请参见图8,图8是本发明实施例中的M3C2方法的法向量长度的选取模型图,13为点云的标准差,即点云到最佳拟合平面的平均距离,14为由于法向量的长度D的选取偏小,造成监测到的隧道变形量的过度评估,15为点云数据遗失的部分。
请参见图9,图9是本发明实施例的硬件设备工作示意图,所述硬件设备具体包括:一种基于激光数据的隧道变形监测设备901、处理器902及存储设备903。
一种基于激光数据的隧道变形监测设备901:所述一种基于激光数据的隧道变形监测设备901实现所述一种基于激光数据的隧道变形监测方法。
处理器902:所述处理器902加载并执行所述存储设备903中的指令及数据用于实现所述一种基于激光数据的隧道变形监测方法。
存储设备903:所述存储设备903存储指令及数据;所述存储设备903用于实现所述一种基于激光数据的隧道变形监测方法。
本发明的有益效果是:本发明提供的方法使数据处理的速度加快,精度更高,实用性更强。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (10)
1.一种基于激光数据的隧道变形监测方法,其特征在于:包括以下步骤:
S1:利用激光扫描仪扫描隧道,采集所述隧道不同期的点云数据;
S2:根据不同期的点云数据类型的不同,采用不同的方法对所述点云数据进行滤波去噪;
S3:根据隧道相邻测站间的衔接部分布设的控制标靶,对同一期相邻测站间的点云数据进行拼接;
S4:利用所述控制标靶,对拼接好的不同两期的点云数据根据配准模型进行配准,转换至同一坐标系中;
S5:根据在同一坐标系中的点云数据,对隧道进行全局拟合,确定与隧道轴线平行的提取剖面基线;
S6:根据所述提取剖面基线,对隧道走向的点云数据进行正交方向的断面截取,得到点云剖面;
S7:利用M3C2的方法处理所述点云剖面;
S8:根据M3C2的方法而得到的两点云剖面之间的距离,即监测到的隧道变形量。
2.如权利要求1所述的一种基于激光数据的隧道变形监测方法,其特征在于:在步骤S1中,所述扫描仪为激光扫描仪,以分站式扫描的方式采集点云数据。
3.如权利要求1所述的一种基于激光数据的隧道变形监测方法,其特征在于:在步骤S2中,所述点云数据类型的不同,采用不同的方法进行滤波去噪包括:有序的点云数据,采用包括标准高斯的方法、平均值的方法进行滤波去噪;散乱的点云数据,主要包含团状噪声和孤立点噪声,在栅格网拓扑重建的基础上,采用离散点的K邻域的方法进行滤波去噪。
4.如权利要求1所述的一种基于激光数据的隧道变形监测方法,其特征在于:在步骤S3中,所述控制标靶均匀布设的数量为4~5个;以第一个测站为基准站,其后的一个测站分别与相邻的前一个测站进行点云数据的拼接。
5.如权利要求1所述的一种基于激光数据的隧道变形监测方法,其特征在于:在步骤S4中,所述配准的步骤包括:根据已知控制点解算不同空间坐标系间的转换关系;根据坐标系间的转换关系,以其中的工程坐标系为基准,将其它坐标系下的点云转换到所述工程坐标系中;配准模型如公式(1)所示:
其中,Pc=(xc,yc,zc)为使用所述扫描仪得到所述控制标靶的独立坐标,Pa=(xa,ya,za)为使用全站仪得到所述控制标靶的工程坐标,Δx,Δy,Δz为平移参数,φ,ω,κ为两个点云坐标向量与坐标轴之间的夹角,也是坐标旋转参数,R(φ,ω,κ)为旋转矩阵,R(φ,ω,κ)的公式如公式(2)所示:
解算坐标转换关系中的7参数:坐标缩放系数,平移三参数,坐标旋转三参数,因为默认两个不同坐标系内的长度比值一样,所以坐标缩放系数取值为1,所述配准模型中,存在6个待求参数平移三参数Δx,Δy,Δz,坐标旋转三参数φ,ω,κ,通过正交矩阵存在的如公式(3)、(4)所示的关系:
根据配准模型,结合公式(1)~(4),把待求参数按级数展开得到误差方程如公式(5)所示:
其中,V为平差的误差方程,B为系数阵,为待求参数,L为常量,且
然后根据间接平差计算出坐标转换关系中的参数的估值以及精度。
6.如权利要求1所述的一种基于激光数据的隧道变形监测方法,其特征在于:在步骤S5中,所述确定与隧道轴线平行的提取剖面基线是指:通过旋转矩阵基于相应的角度分量对基线进行姿态调整,在局部坐标系中变换得到的提取剖面基线;所述局部坐标系是指:以隧道前进的方向为Y轴,隧道剖面的方向为X轴,垂直方向为Z轴,建立的坐标系。
7.如权利要求1所述的一种基于激光数据的隧道变形监测方法,其特征在于:在步骤S6中,提取的剖面高度以及相邻剖面的间距都为固定值。
8.如权利要求1所述的一种基于激光数据的隧道变形监测方法,其特征在于:在步骤S7中,所述M3C2的方法是指:以其中一期的点云剖面提供的点云数据,作为参考点云,另一期的点云剖面提供的点云数据,作为比较点云,通过规定点云法向量的方向,把两期点云数据按照垂直于法向量的方向进行投影,分别求出两期点云数据投影后的平均位置,即可计算出两期点云数据的距离。
9.一种存储设备,其特征在于:所述存储设备存储指令及数据用于实现权利要求1~8所述的任意一种基于激光数据的隧道变形监测方法。
10.一种基于激光数据的隧道变形监测设备,其特征在于:包括:处理器及所述存储设备;所述处理器加载并执行所述存储设备中的指令及数据用于实现权利要求1~8所述的任意一种基于激光数据的隧道变形监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810090154.2A CN108180856A (zh) | 2018-01-30 | 2018-01-30 | 一种基于激光数据的隧道变形监测方法、设备及存储设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810090154.2A CN108180856A (zh) | 2018-01-30 | 2018-01-30 | 一种基于激光数据的隧道变形监测方法、设备及存储设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108180856A true CN108180856A (zh) | 2018-06-19 |
Family
ID=62551780
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810090154.2A Pending CN108180856A (zh) | 2018-01-30 | 2018-01-30 | 一种基于激光数据的隧道变形监测方法、设备及存储设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108180856A (zh) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108801171A (zh) * | 2018-08-23 | 2018-11-13 | 南京航空航天大学 | 一种隧道断面形变分析方法及装置 |
CN108830256A (zh) * | 2018-06-29 | 2018-11-16 | 山东鲁能智能技术有限公司 | 封闭空间设备巡检方法及装置 |
CN108846374A (zh) * | 2018-06-29 | 2018-11-20 | 山东鲁能智能技术有限公司 | 电力设备巡检方法及装置 |
CN108895976A (zh) * | 2018-06-29 | 2018-11-27 | 山东鲁能智能技术有限公司 | 封闭空间设备变形监测方法及装置 |
CN109035406A (zh) * | 2018-06-28 | 2018-12-18 | 中国地震局地震预测研究所 | 一种用于建筑物分析的点云数据处理方法 |
CN109059791A (zh) * | 2018-06-29 | 2018-12-21 | 山东鲁能智能技术有限公司 | 电力设备变形监测方法及装置 |
CN109407111A (zh) * | 2018-09-27 | 2019-03-01 | 长沙科达智能装备股份有限公司 | 一种隧道三维扫描机特征识别的方法 |
CN109736894A (zh) * | 2018-11-27 | 2019-05-10 | 中国矿业大学 | 一种用于煤矿巷道围岩灾害的监测系统、监测方法及预警方法 |
CN110108217A (zh) * | 2019-03-22 | 2019-08-09 | 中交第二航务工程局有限公司 | 一种隧道初支及二衬侵限值和厚度分析方法 |
CN110375722A (zh) * | 2019-06-25 | 2019-10-25 | 北京工业大学 | 一种基于点云数据提取盾构隧道管片张开量的方法 |
CN111220086A (zh) * | 2020-01-19 | 2020-06-02 | 扎赉诺尔煤业有限责任公司 | 基于三维激光扫描监测巷道围岩变形的方法 |
CN111256607A (zh) * | 2020-02-19 | 2020-06-09 | 北京林业大学 | 一种基于三通道标志点的变形测量方法 |
CN112229343A (zh) * | 2020-09-22 | 2021-01-15 | 日立楼宇技术(广州)有限公司 | 电梯井道的点云数据采集处理方法、装置、设备和介质 |
CN113379807A (zh) * | 2021-05-27 | 2021-09-10 | 浙江省水利河口研究院(浙江省海洋规划设计研究院) | 一种移动平台点云数据的配准方法和系统 |
CN113763570A (zh) * | 2020-06-01 | 2021-12-07 | 武汉海云空间信息技术有限公司 | 隧道点云高精度快速自动拼接方法 |
CN114777661A (zh) * | 2022-04-08 | 2022-07-22 | 哈尔滨工业大学 | 基于高密度测点应变的隧道断面收敛变形定量计算方法 |
CN115343299A (zh) * | 2022-10-18 | 2022-11-15 | 山东大学 | 一种轻量化公路隧道集成检测系统及方法 |
CN115690184A (zh) * | 2022-10-24 | 2023-02-03 | 西南交通大学 | 一种基于三维激光扫描的隧道掌子面位移量测方法 |
CN115930800A (zh) * | 2023-02-21 | 2023-04-07 | 西南石油大学 | 一种基于三维激光点云的隧道掌子面位移场监测方法 |
CN117470106A (zh) * | 2023-12-27 | 2024-01-30 | 中铁四局集团第二工程有限公司 | 狭小空间点云绝对数据采集方法以及模型建立设备 |
CN113763570B (zh) * | 2020-06-01 | 2024-05-10 | 武汉海云空间信息技术有限公司 | 隧道点云高精度快速自动拼接方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609940A (zh) * | 2012-01-17 | 2012-07-25 | 安徽建筑工业学院 | 利用地面激光扫描技术进行测量对象表面重建时点云配准误差处理方法 |
CN104516678A (zh) * | 2013-09-29 | 2015-04-15 | 国际商业机器公司 | 用于数据存储的方法和设备 |
CN104567708A (zh) * | 2015-01-06 | 2015-04-29 | 浙江工业大学 | 基于主动式全景视觉的隧道全断面高速动态健康检测装置与方法 |
CN104792274A (zh) * | 2015-04-02 | 2015-07-22 | 同济大学 | 一种圆形隧道收敛变形的测量方法 |
CN106930784A (zh) * | 2017-03-08 | 2017-07-07 | 中交第二航务工程局有限公司 | 基于三维激光扫描的隧道监控方法 |
-
2018
- 2018-01-30 CN CN201810090154.2A patent/CN108180856A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609940A (zh) * | 2012-01-17 | 2012-07-25 | 安徽建筑工业学院 | 利用地面激光扫描技术进行测量对象表面重建时点云配准误差处理方法 |
CN104516678A (zh) * | 2013-09-29 | 2015-04-15 | 国际商业机器公司 | 用于数据存储的方法和设备 |
CN104567708A (zh) * | 2015-01-06 | 2015-04-29 | 浙江工业大学 | 基于主动式全景视觉的隧道全断面高速动态健康检测装置与方法 |
CN104792274A (zh) * | 2015-04-02 | 2015-07-22 | 同济大学 | 一种圆形隧道收敛变形的测量方法 |
CN106930784A (zh) * | 2017-03-08 | 2017-07-07 | 中交第二航务工程局有限公司 | 基于三维激光扫描的隧道监控方法 |
Non-Patent Citations (5)
Title |
---|
朱瑞芳 等: "《多视点云数据同步配准新方法》", 《国土资源遥感》 * |
林永达: "《隧道点云数据处理及可视化关键技术研究》", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
王举: "《基于激光扫描技术的水库大坝三维变形动态监测方法研究》", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
程效军 等: "《海量点云数据处理理论与技术》", 30 May 2014, 同济大学出版社 * |
赵兴东 等: "《矿用三维激光数字测量原理及其工程应用》", 31 January 2016, 冶金工业出版社 * |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109035406B (zh) * | 2018-06-28 | 2023-07-04 | 中国地震局地震预测研究所 | 一种用于建筑物分析的点云数据处理方法 |
CN109035406A (zh) * | 2018-06-28 | 2018-12-18 | 中国地震局地震预测研究所 | 一种用于建筑物分析的点云数据处理方法 |
CN108830256A (zh) * | 2018-06-29 | 2018-11-16 | 山东鲁能智能技术有限公司 | 封闭空间设备巡检方法及装置 |
CN108846374A (zh) * | 2018-06-29 | 2018-11-20 | 山东鲁能智能技术有限公司 | 电力设备巡检方法及装置 |
CN108895976A (zh) * | 2018-06-29 | 2018-11-27 | 山东鲁能智能技术有限公司 | 封闭空间设备变形监测方法及装置 |
CN109059791A (zh) * | 2018-06-29 | 2018-12-21 | 山东鲁能智能技术有限公司 | 电力设备变形监测方法及装置 |
CN108846374B (zh) * | 2018-06-29 | 2021-11-23 | 国网智能科技股份有限公司 | 电力设备巡检方法及装置 |
CN108830256B (zh) * | 2018-06-29 | 2021-11-30 | 国网智能科技股份有限公司 | 封闭空间设备巡检方法及装置 |
CN108801171A (zh) * | 2018-08-23 | 2018-11-13 | 南京航空航天大学 | 一种隧道断面形变分析方法及装置 |
CN109407111A (zh) * | 2018-09-27 | 2019-03-01 | 长沙科达智能装备股份有限公司 | 一种隧道三维扫描机特征识别的方法 |
CN109407111B (zh) * | 2018-09-27 | 2021-05-14 | 长沙科达智能装备股份有限公司 | 一种隧道三维扫描机特征识别的方法 |
CN109736894A (zh) * | 2018-11-27 | 2019-05-10 | 中国矿业大学 | 一种用于煤矿巷道围岩灾害的监测系统、监测方法及预警方法 |
CN110108217A (zh) * | 2019-03-22 | 2019-08-09 | 中交第二航务工程局有限公司 | 一种隧道初支及二衬侵限值和厚度分析方法 |
CN110375722A (zh) * | 2019-06-25 | 2019-10-25 | 北京工业大学 | 一种基于点云数据提取盾构隧道管片张开量的方法 |
CN111220086A (zh) * | 2020-01-19 | 2020-06-02 | 扎赉诺尔煤业有限责任公司 | 基于三维激光扫描监测巷道围岩变形的方法 |
CN111256607B (zh) * | 2020-02-19 | 2021-09-21 | 北京林业大学 | 一种基于三通道标志点的变形测量方法 |
CN111256607A (zh) * | 2020-02-19 | 2020-06-09 | 北京林业大学 | 一种基于三通道标志点的变形测量方法 |
CN113763570A (zh) * | 2020-06-01 | 2021-12-07 | 武汉海云空间信息技术有限公司 | 隧道点云高精度快速自动拼接方法 |
CN113763570B (zh) * | 2020-06-01 | 2024-05-10 | 武汉海云空间信息技术有限公司 | 隧道点云高精度快速自动拼接方法 |
CN112229343A (zh) * | 2020-09-22 | 2021-01-15 | 日立楼宇技术(广州)有限公司 | 电梯井道的点云数据采集处理方法、装置、设备和介质 |
CN113379807A (zh) * | 2021-05-27 | 2021-09-10 | 浙江省水利河口研究院(浙江省海洋规划设计研究院) | 一种移动平台点云数据的配准方法和系统 |
CN114777661B (zh) * | 2022-04-08 | 2022-10-21 | 哈尔滨工业大学 | 基于高密度测点应变的隧道断面收敛变形定量计算方法 |
CN114777661A (zh) * | 2022-04-08 | 2022-07-22 | 哈尔滨工业大学 | 基于高密度测点应变的隧道断面收敛变形定量计算方法 |
CN115343299A (zh) * | 2022-10-18 | 2022-11-15 | 山东大学 | 一种轻量化公路隧道集成检测系统及方法 |
CN115690184A (zh) * | 2022-10-24 | 2023-02-03 | 西南交通大学 | 一种基于三维激光扫描的隧道掌子面位移量测方法 |
CN115690184B (zh) * | 2022-10-24 | 2024-02-06 | 西南交通大学 | 一种基于三维激光扫描的隧道掌子面位移量测方法 |
CN115930800A (zh) * | 2023-02-21 | 2023-04-07 | 西南石油大学 | 一种基于三维激光点云的隧道掌子面位移场监测方法 |
CN115930800B (zh) * | 2023-02-21 | 2023-05-05 | 西南石油大学 | 一种基于三维激光点云的隧道掌子面位移场监测方法 |
CN117470106A (zh) * | 2023-12-27 | 2024-01-30 | 中铁四局集团第二工程有限公司 | 狭小空间点云绝对数据采集方法以及模型建立设备 |
CN117470106B (zh) * | 2023-12-27 | 2024-04-12 | 中铁四局集团有限公司 | 狭小空间点云绝对数据采集方法以及模型建立设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108180856A (zh) | 一种基于激光数据的隧道变形监测方法、设备及存储设备 | |
CN108253925A (zh) | 一种基于点云剖面的隧道变形监测方法、设备及存储设备 | |
CN111553292B (zh) | 一种基于点云数据的岩体结构面识别与产状分类方法 | |
CN102607459B (zh) | Lidar测量数据的拼接方法和装置 | |
CN104656097B (zh) | 基于旋转式二维激光三维重构系统的标定装置及方法 | |
CN104392476B (zh) | 基于最小包围盒算法提取隧道三维轴线的方法 | |
CN105469404B (zh) | 一种基于三维点云数据的旋转体拟合方法及装置 | |
CN110095060A (zh) | 基于三维扫描技术的钢结构快速质量检测方法 | |
CN105976312A (zh) | 基于点特征直方图的点云自动配准方法 | |
CN105469388A (zh) | 基于降维的建筑物点云配准算法 | |
CN108389250A (zh) | 基于点云数据快速生成建筑物断面图的方法 | |
CN104697502B (zh) | 基于最小二乘法的建筑物特征点坐标提取方法 | |
CN108510587A (zh) | 一种基于2d激光扫描的室内室外环境建模方法及系统 | |
CN105910556A (zh) | 一种叶面积垂直分布信息提取方法 | |
CN110480075A (zh) | 基于点云数据的工件曲面轮廓补偿系统及方法及介质 | |
CN102496181A (zh) | 面向规模化生产的真正射影像制作方法 | |
CN106842216A (zh) | 一种基于Kinect与三维激光协同的工件位姿在线检测方法 | |
CN106446415A (zh) | 一种基于点云数据的变电站支柱绝缘子中心线提取方法 | |
CN111932669A (zh) | 一种基于边坡岩体特征对象的变形监测方法 | |
CN112767464A (zh) | 一种地面激光扫描三维点云数据配准方法 | |
CN116295313B (zh) | 掘进机的实时定位系统 | |
WO2023142608A1 (zh) | 获得飞机面型的系统和方法 | |
CN113689394A (zh) | 一种基于三维点云的隧道初支平整度检测方法 | |
CN103065295A (zh) | 一种基于建筑物角点自修正的航空与地面LiDAR数据高精度自动配准方法 | |
CN114998395A (zh) | 一种有效的堤岸三维数据变化检测方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180619 |
|
RJ01 | Rejection of invention patent application after publication |