CN108225184A - 一种盾构隧道三维激光扫描点云数据除噪的方法 - Google Patents

Abstract

本发明为一种盾构隧道三维激光扫描点云数据除噪的方法，主要解决现有扫描点数据除噪方法存在步骤繁杂、除噪精度不高等技术问题。本发明技术方案包括采集盾构隧道三维激光扫描数据，还包括步骤：S1、读取扫描点云数据，记每环扫描点数据集记为；S2、建立笛卡尔直角坐标系，扫描点象限分区；S3、提取扫描点云数据；S4、依据盾构隧道结构特征及三维激光扫描仪的扫描特征，基于不同象限于值或值及距离变化趋势进行噪点初步剔除；S5、对初步剔除噪点后的扫描点数据进行圆拟合二次剔除；S6、基于几何距离最小二乘法进行椭圆拟合方法进行最终的三维激光扫描点云数据除噪；S7、重复步骤S2、S3、S4、S5、S6，处理完所有扫描环的点云数据；S8、输出扫描点有效点云数据。

Description

一种盾构隧道三维激光扫描点云数据除噪的方法

技术领域

本发明涉及一种三维激光扫描点数据除噪的方法，特别是公开一种地铁盾构隧道三维激光扫描点云数据除噪的方法，应用于盾构隧道工程领域。

背景技术

由于三维激光扫描技术具有扫描速度快、采集数据量大、非接触式测量、高精度、高分辨率等优点，已越来越多地应用于盾构隧道运营检测作业中，如盾构隧道变形收敛检测、限界检测分析、错台错缝检测等。但是受其测量方式、盾构隧道内部构造物（如电缆、照明系统电器、逃生装置、轨道板、钢轨等）、外界干扰等因素的影响，在三维激光扫描过程中不可避免地会产生误差很大的点(异常点)和冗余点，这些噪点会直接影响到后期的隧道断面轮廓曲线拟合的效率和精度。

目前对于三维激光扫描点云数据的研究主要集中于海量数据的管理、点云灰度图像的处理等环节，对扫描点数据除噪的研究不多。主要有：基于数学形态的滤波算法、拟合方法、基于坡度的算法等，但上述研究或方法过程往往比较繁杂，难度较大，部分有预设条件，存在除噪精度不高等缺点，难以满足实际工程需求。

因此，研究一种地铁盾构隧道三维激光扫描点云数据除噪的方法已成为基于三维激光扫技术的盾构隧道检测作业的迫切需求之一。

发明内容

本发明的目的设计一种盾构隧道三维激光扫描点云数据除噪的方法，主要解决现有扫描点数据除噪方法存在步骤繁杂、除噪精度不高等技术问题。本发明能快速精准地剔除盾构隧道三维激光扫描的噪点，以提高隧道断面轮廓曲线拟合的效率和精度。

本发明是这样实现的：一种盾构隧道三维激光扫描点云数据除噪的方法，包括采集盾构隧道三维激光扫描数据，其特征在于，还包括以下步骤：

S1、读取三维激光扫描仪的扫描点云数据，并逐环数据分离，记每环扫描点数据集记为，的起始点为值最小的点，单个扫描点的坐标数据记为。

S2、在盾构隧道中，三维激光扫描仪单环扫描的点近似为一个圆，依据三维激光扫描仪设备自身的扫描原点建立笛卡尔直角坐标系，并进行扫描点象限分区。

所述步骤S2的具体操作如下：

（1）以三维激光扫描仪设备自身的扫描原点建立笛卡尔直角坐标系，坐标系原点为；

（2）依据笛卡尔直角坐标系的第Ⅰ、Ⅱ、Ⅲ、Ⅳ象限条件，将当前环扫描点数据集于各象限的点区分开来，并分布记为、、、，其中。

S3、提取盾构隧道轨道及轨道结构扫描点云数据。

所述步骤S3的具体操作如下：

（1）测量三维激光扫描仪扫描中心点距轨道中心点的距离，记为；

（2）搜索以坐标系原点为中心，半径为的圆形区域且值小于零的所有扫描点，此点集记为；

（3）点集即为盾构隧道轨道及轨道结构的有效扫描点，并将点集从点集中移出。

S4、依据盾构隧道结构特征及三维激光扫描仪的扫描特征，基于不同象限于值或值及距离变化趋势进行噪点初步剔除。

所述步骤S4的具体操作如下：

（1）依次遍历、、、中的每一点，记为，并计算至坐标原点的距离，记为；

（2）依据不同象限于值或值及距离变化趋势进行噪点初步剔除，剔除方法如下：

（2.1）当位于第Ⅰ象限时，相比于，其值应逐渐减少、值逐渐增大、距离逐渐增大，如果值变大或距离减少，则存在结构外扩或内障碍物，为异常扫描点；

（2.2）当位于第Ⅱ象限时，相比于，其值应逐渐减少、值逐渐减少、距离逐渐减少，如果值变大或距离减少，则存在结构外扩或内障碍物，为异常扫描点；

（2.3）当位于第Ⅲ象限时，相比于，其值应逐渐增大、值逐渐减少、距离逐渐减少，如果值变小或距离减少，则存在结构外扩或内障碍物，为异常扫描点；

（2.4）当位于第Ⅳ象限时，相比于，其值应逐渐增大、值逐渐增大、距离逐渐增大，如果值变小或距离减少，则存在结构外扩或内障碍物，为异常扫描点；

（3）将识别的异常点剔除，更新后扫描点集记为。

S5、对初步剔除噪点后的扫描点数据进行圆拟合二次剔除。

所述步骤S5的具体操作如下：

（1）对更新后的扫描点集（不包括点集）进行圆拟合，拟合圆记为，其圆心为、半径为；

（2）计算点集各点距圆曲线C垂足的距离，计算方法为：

公式（1）

其中为点距的距离；

（3）对点集中所有点距圆曲线C垂足的距离进行标准正态分布数理统计，标准正态分布函数如下：

公式（2）

其中为期望，为标准差；

（4）遍历点集中所有点，计算至间的距离，记为，如果，则为正常点，否则视为异常点，其中为调整系数；

（5）将识别的异常点剔除，更新后扫描点集记为。

S6、基于几何距离最小二乘法进行椭圆拟合方法进行最终的三维激光扫描点云数据除噪。

所述步骤S6的具体操作如下：

（1）对更新后的扫描点集基于几何距离最小二乘法进行椭圆拟合，拟合椭圆记为；

所述的几何距离最小二乘法椭圆拟合的方法具体为：二维平面椭圆曲线方程的代数形式可表达为：

公式（3）

其中，、、、、、为椭圆曲线参数；

某扫描点到椭圆曲线的代数距离设为，各扫描点距椭圆曲线的代数距离平方和的目标函数为：

公式（4）

利用全主元高斯消去法求解目标函数的最小值即可确定系数的值，进而确定拟合椭圆；

（2）计算点集中所有点至椭圆曲线间的最小垂直距离，得到一距离向量，并计算距离向量的平均值，其中为点集的点个数；

（3）遍历点集中所有点，剔除的点，其中为调整系数；

（4）至此，盾构隧道三维激光扫描点云数据的噪点剔除完毕，有效点集为+。

S7、重复步骤S2、S3、S4、S5、S6，即可处理完所有扫描环的点云数据。

S8、输出盾构隧道三维激光扫描点有效点云数据。

本发明所述的盾构隧道三维激光扫描点云数据除噪是基于隧道结构特征和三维激光扫描工作特点，利用距离最小二乘法的圆及椭圆拟合的方法进行三层次的噪点剔除。

本发明的有益效果是：

（1）本发明是基于隧道结构特征和三维激光扫描工作特点，方法适应性和稳定性较高；

（2）本发明是利用最小二乘法圆及椭圆拟合的方法进行三层次噪点剔除，可满足不同层次的精度需求；

（3）本发明解决了盾构隧道三维激光扫描点除噪的问题，技术方案完整且易于编程实现，全自动化寻找，无须用户干预；

（4）本发明经过大量的实际盾构隧道工程验证，其效率高效，除噪后隧道扫描点拟合精度可达1mm。

附图说明

图1 是本发明方法的操作步骤流程示意图。

图2 是本发明方法的点云数据象限分区。

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明。

根据附图1，本发明是一种盾构隧道三维激光扫描点云数据除噪的方法，包括采集盾构隧道三维激光扫描数据，还包括以下步骤S1～S8：

S1、读取三维激光扫描仪的扫描点云数据，并逐环数据分离，记每环扫描点数据集记为，的起始点为值最小的点，单个扫描点的坐标数据记为。

扫描点数据结构为：

struct TYPoint

{

float x; //X坐标

float y; //Y坐标

};

数据结构为：

struct TYPoints

{

TYPoint* pPt; //扫描点集坐标

int nNum; //扫描点个数

};

S2、在盾构隧道中，三维激光扫描仪单环扫描的点近似为一个圆，依据三维激光扫描仪设备自身的扫描原点建立笛卡尔直角坐标系，并进行扫描点象限分区。

所述步骤S2的具体操作如下：

（1）以三维激光扫描仪设备自身的扫描原点建立笛卡尔直角坐标系，坐标系原点为；

（2）依据笛卡尔直角坐标系的第Ⅰ、Ⅱ、Ⅲ、Ⅳ象限条件，如附图2所示，将当前环扫描点数据集于各象限的点区分开来，并分布记为、、、，其中。

S3、提取盾构隧道轨道及轨道结构扫描点云数据。

所述步骤S3的具体操作如下：

（1）测量三维激光扫描仪扫描中心点距轨道中心点的距离，记为；

（2）搜索以坐标系原点为中心，半径为的圆形区域且值小于零的所有扫描点，此点集记为；

（3）点集即为盾构隧道轨道及轨道结构的有效扫描点，并将点集从点集中移出。

S4、依据盾构隧道结构特征及三维激光扫描仪的扫描特征，基于不同象限于值或值及距离变化趋势进行噪点初步剔除。

所述步骤S4的具体操作如下：

（1）依次遍历、、、中的每一点，记为，并计算至坐标原点的距离，记为；

（2）依据不同象限于值或值及距离变化趋势进行噪点初步剔除，剔除方法如下：

（2.1）当位于第Ⅰ象限时，相比于，其值应逐渐减少、值逐渐增大、距离逐渐增大，如果值变大或距离减少，则存在结构外扩或内障碍物，为异常扫描点；

（2.2）当位于第Ⅱ象限时，相比于，其值应逐渐减少、值逐渐减少、距离逐渐减少，如果值变大或距离减少，则存在结构外扩或内障碍物，为异常扫描点；

（2.3）当位于第Ⅲ象限时，相比于，其值应逐渐增大、值逐渐减少、距离逐渐减少，如果值变小或距离减少，则存在结构外扩或内障碍物，为异常扫描点；

（2.4）当位于第Ⅳ象限时，相比于，其值应逐渐增大、值逐渐增大、距离逐渐增大，如果值变小或距离减少，则存在结构外扩或内障碍物，为异常扫描点；

（3）将识别的异常点剔除，更新后扫描点集记为。

S5、对初步剔除噪点后的扫描点数据进行圆拟合二次剔除。

所述步骤S5的具体操作如下：

（1）对更新后的扫描点集（不包括点集）采用最小二乘法进行圆拟合，拟合圆记为，其圆心为、半径为；

圆数据结构为：

struct TYCircle

{

TYPoint ptCenter; //圆心坐标

float fRadius; //圆半径

};

（2）计算点集各点距圆曲线C垂足的距离，计算方法为：

公式（1）

其中为点距点的距离；

（3）对点集中所有点距圆曲线C垂足的距离进行标准正态分布数理统计，标准正态分布函数如下：

公式（2）

其中为期望，为标准差；

（4）遍历点集中所有点，计算至间的距离，记为，如果，则为正常点，否则视为异常点，其中为调整系数，可取0.05；

（5）将识别的异常点剔除，更新后扫描点集记为。

S6、基于几何距离最小二乘法进行椭圆拟合方法进行最终的三维激光扫描点云数据除噪。

所述步骤S6的具体操作如下：

（1）对更新后的扫描点集基于几何距离最小二乘法进行椭圆拟合，拟合椭圆记为；

所述的几何距离最小二乘法椭圆拟合的方法具体为：二维平面椭圆曲线方程的代数形式可表达为：

公式（3）

其中，、、、、、为椭圆曲线参数；

某扫描点到椭圆曲线的代数距离设为，各扫描点距椭圆曲线的代数距离平方和的目标函数为：

公式（4）

利用全主元高斯消去法求解目标函数的最小值即可确定系数的值，进而确定拟合椭圆；

椭圆数据结构为：

struct TYEllipse

{

float dW; //椭圆水平方向轴长

float dH; //椭圆竖向方向轴长

float dCx; //椭圆圆心X轴

float dCy; //椭圆圆心Y轴

float dAngle; //椭圆轴的倾斜角(°)

};

（2）计算点集中所有点至椭圆曲线间的最小垂直距离，得到一距离向量，并计算距离向量的平均值，其中为点集的点个数；

（3）遍历点集中所有点，剔除的点，其中为调整系数，可取0.5；

（4）至此，盾构隧道三维激光扫描点云数据的噪点剔除完毕，有效点集为+。

S7、重复步骤S2、S3、S4、S5、S6，即可处理完所有扫描环的点云数据。

S8、输出盾构隧道三维激光扫描点有效点云数据。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由本发明的权利要求书所要求的保护范围内。

Claims (6)

1.一种盾构隧道三维激光扫描点云数据除噪的方法，包括采集盾构隧道三维激光扫描数据，其特征在于，还包括以下步骤：

S1、读取三维激光扫描仪的扫描点云数据，并逐环数据分离，记每环扫描点数据集记为，的起始点为值最小的点，单个扫描点的坐标数据记为；

S2、在盾构隧道中，三维激光扫描仪单环扫描的点近似为一个圆，依据三维激光扫描仪设备自身的扫描原点建立笛卡尔直角坐标系，并进行扫描点象限分区；

S3、提取盾构隧道轨道及轨道结构扫描点云数据；

S4、依据盾构隧道结构特征及三维激光扫描仪的扫描特征，基于不同象限于值或值及距离变化趋势进行噪点初步剔除；

S5、对初步剔除噪点后的扫描点数据进行圆拟合二次剔除；

S6、基于几何距离最小二乘法进行椭圆拟合方法进行最终的三维激光扫描点云数据除噪；

S7、重复步骤S2、S3、S4、S5、S6，即可处理完所有扫描环的点云数据；

S8、输出盾构隧道三维激光扫描点有效点云数据。

2.根据权利要求1所述的一种盾构隧道三维激光扫描点云数据除噪的方法，其特征在于，所述步骤S2的具体操作如下：

（1）以三维激光扫描仪设备自身的扫描原点建立笛卡尔直角坐标系，坐标系原点为；

（2）依据笛卡尔直角坐标系的第Ⅰ、Ⅱ、Ⅲ、Ⅳ象限条件，将当前环扫描点数据集于各象限的点区分开来，并分布记为、、、，其中。

3.根据权利要求1所述的一种盾构隧道三维激光扫描点云数据除噪的方法，其特征在于，所述步骤S3的具体操作如下：

（1）测量三维激光扫描仪扫描中心点距轨道中心点的距离，记为；

（2）搜索以坐标系原点为中心，半径为的圆形区域且值小于零的所有扫描点，此点集记为；

（3）点集即为盾构隧道轨道及轨道结构的有效扫描点，并将点集从点集中移出。

4.根据权利要求1所述的一种盾构隧道三维激光扫描点云数据除噪的方法，其特征在于，所述步骤S4的具体操作如下：

（1）依次遍历、、、中的每一点，记为，并计算至坐标原点的距离，记为；

（2）依据不同象限于值或值及距离变化趋势进行噪点初步剔除，剔除方法如下：

（2.1）当位于第Ⅰ象限时，相比于，其值应逐渐减少、值逐渐增大、距离逐渐增大，如果值变大或距离减少，则存在结构外扩或内障碍物，为异常扫描点；

（2.2）当位于第Ⅱ象限时，相比于，其值应逐渐减少、值逐渐减少、距离逐渐减少，如果值变大或距离减少，则存在结构外扩或内障碍物，为异常扫描点；

（2.3）当位于第Ⅲ象限时，相比于，其值应逐渐增大、值逐渐减少、距离逐渐减少，如果值变小或距离减少，则存在结构外扩或内障碍物，为异常扫描点；

（2.4）当位于第Ⅳ象限时，相比于，其值应逐渐增大、值逐渐增大、距离逐渐增大，如果值变小或距离减少，则存在结构外扩或内障碍物，为异常扫描点；

（3）将识别的异常点剔除，更新后扫描点集记为。

5.根据权利要求1所述的一种盾构隧道三维激光扫描点云数据除噪的方法，其特征在于，所述步骤S5的具体操作如下：

（1）对更新后的扫描点集进行圆拟合，拟合圆记为，其圆心为、半径为；

（2）计算点集各点距圆曲线C垂足的距离，计算方法为：

其中为点距的距离；

（3）对点集中所有点距圆曲线C垂足的距离进行标准正态分布数理统计，标准正态分布函数如下：

其中为期望，为标准差；

（4）遍历点集中所有点，计算至间的距离，记为，如果，则为正常点，否则视为异常点，其中为调整系数，可取0.05；

（5）将识别的异常点剔除，更新后扫描点集记为。

6.根据权利要求1所述的一种盾构隧道三维激光扫描点云数据除噪的方法，其特征在于，所述步骤S6的具体操作如下：

（1）对更新后的扫描点集基于几何距离最小二乘法进行椭圆拟合，拟合椭圆记为；

所述的几何距离最小二乘法椭圆拟合的方法具体为：二维平面椭圆曲线方程的代数形式可表达为：

其中，、、、、、为椭圆曲线参数；

某扫描点到椭圆曲线的代数距离设为，各扫描点距椭圆曲线的代数距离平方和的目标函数为：

利用全主元高斯消去法求解目标函数的最小值即可确定系数的值，进而确定拟合椭圆；

（2）计算点集中所有点至椭圆曲线间的最小垂直距离，得到一距离向量，并计算距离向量的平均值，其中为点集的点个数；

（3）遍历点集中所有点，剔除的点，其中为调整系数；

（4）至此，盾构隧道三维激光扫描点云数据的噪点剔除完毕，有效点集为+。