CN108225184A - 一种盾构隧道三维激光扫描点云数据除噪的方法 - Google Patents
一种盾构隧道三维激光扫描点云数据除噪的方法 Download PDFInfo
- Publication number
- CN108225184A CN108225184A CN201810039089.0A CN201810039089A CN108225184A CN 108225184 A CN108225184 A CN 108225184A CN 201810039089 A CN201810039089 A CN 201810039089A CN 108225184 A CN108225184 A CN 108225184A
- Authority
- CN
- China
- Prior art keywords
- point
- scanning
- distance
- cloud data
- value
- 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
- 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
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
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
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+。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810039089.0A CN108225184B (zh) | 2018-01-16 | 2018-01-16 | 一种盾构隧道三维激光扫描点云数据除噪的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810039089.0A CN108225184B (zh) | 2018-01-16 | 2018-01-16 | 一种盾构隧道三维激光扫描点云数据除噪的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108225184A true CN108225184A (zh) | 2018-06-29 |
CN108225184B CN108225184B (zh) | 2019-10-08 |
Family
ID=62641881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810039089.0A Active CN108225184B (zh) | 2018-01-16 | 2018-01-16 | 一种盾构隧道三维激光扫描点云数据除噪的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108225184B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110160463A (zh) * | 2019-05-17 | 2019-08-23 | 中国电建集团西北勘测设计研究院有限公司 | 一种基于静态激光扫描的地铁隧道不圆度检测方法 |
CN110736994A (zh) * | 2018-07-18 | 2020-01-31 | 北京小米移动软件有限公司 | 距离检测函数的建立方法及装置、距离检测方法及装置 |
CN110753930A (zh) * | 2018-12-29 | 2020-02-04 | 深圳市瑞立视多媒体科技有限公司 | 一种三维轨迹数据的拟合处理方法及光学动作捕捉方法 |
CN111336991A (zh) * | 2020-03-27 | 2020-06-26 | 南京航空航天大学 | 基于激光点云的隧道椭圆度分析方法、装置和系统 |
CN111442736A (zh) * | 2020-04-29 | 2020-07-24 | 安徽国钜工程机械科技有限公司 | 一种基于激光扫描仪的铁路隧道变形检测方法及其装置 |
CN111524061A (zh) * | 2020-04-20 | 2020-08-11 | 南京航空航天大学 | 一种基于圆柱拟合的隧道附近点云去除方法 |
CN111679297A (zh) * | 2020-05-08 | 2020-09-18 | 四川超影科技有限公司 | 一种gps定位轨迹的噪声点漂移去除方法 |
CN111724323A (zh) * | 2020-06-19 | 2020-09-29 | 武汉海达数云技术有限公司 | 激光雷达点云阳光噪点去除方法及装置 |
CN112161614A (zh) * | 2020-09-27 | 2021-01-01 | 中建筑港集团有限公司 | 一种基于三维激光扫描技术的盾构管片姿态测量方法 |
CN114119355A (zh) * | 2021-11-29 | 2022-03-01 | 北京工业大学 | 一种盾构隧道掉块风险预警方法与系统 |
CN114370828A (zh) * | 2021-12-28 | 2022-04-19 | 中国铁路设计集团有限公司 | 基于激光扫描的盾构隧道直径收敛和径向错台检测方法 |
CN114894156A (zh) * | 2022-05-12 | 2022-08-12 | 宁波睿威工程技术有限公司 | 一种地铁盾构隧道三维激光扫描测量装置及其测量方法 |
CN114998155A (zh) * | 2022-06-30 | 2022-09-02 | 浙江华展工程研究设计院有限公司 | 一种基于椭圆环状过滤器的隧道扫描点云噪点迭代过滤算法 |
CN117235438A (zh) * | 2023-04-27 | 2023-12-15 | 浙大网新系统工程有限公司 | 隧道内径断层扫描测量数据附着冗余数据的清除方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101246007A (zh) * | 2007-02-12 | 2008-08-20 | 上海地铁运营有限公司 | 一种隧道收敛监测方法 |
CN103806478A (zh) * | 2014-01-15 | 2014-05-21 | 同济大学 | 一种地下连续墙变形的测量方法 |
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 |
JP2016205837A (ja) * | 2015-04-15 | 2016-12-08 | 佐藤工業株式会社 | トンネルの管理方法 |
CN106767402A (zh) * | 2016-11-30 | 2017-05-31 | 华中科技大学 | 一种盾构法隧道表观质量检测方法及系统 |
US20170284801A1 (en) * | 2016-03-29 | 2017-10-05 | Queen's University At Kingston | Tunnel Convergence Detection Apparatus and Method |
-
2018
- 2018-01-16 CN CN201810039089.0A patent/CN108225184B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101246007A (zh) * | 2007-02-12 | 2008-08-20 | 上海地铁运营有限公司 | 一种隧道收敛监测方法 |
CN103806478A (zh) * | 2014-01-15 | 2014-05-21 | 同济大学 | 一种地下连续墙变形的测量方法 |
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 |
JP2016205837A (ja) * | 2015-04-15 | 2016-12-08 | 佐藤工業株式会社 | トンネルの管理方法 |
US20170284801A1 (en) * | 2016-03-29 | 2017-10-05 | Queen's University At Kingston | Tunnel Convergence Detection Apparatus and Method |
CN106767402A (zh) * | 2016-11-30 | 2017-05-31 | 华中科技大学 | 一种盾构法隧道表观质量检测方法及系统 |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110736994A (zh) * | 2018-07-18 | 2020-01-31 | 北京小米移动软件有限公司 | 距离检测函数的建立方法及装置、距离检测方法及装置 |
CN110736994B (zh) * | 2018-07-18 | 2021-09-07 | 北京小米移动软件有限公司 | 距离检测函数的建立方法及装置、距离检测方法及装置 |
CN110753930A (zh) * | 2018-12-29 | 2020-02-04 | 深圳市瑞立视多媒体科技有限公司 | 一种三维轨迹数据的拟合处理方法及光学动作捕捉方法 |
CN110160463A (zh) * | 2019-05-17 | 2019-08-23 | 中国电建集团西北勘测设计研究院有限公司 | 一种基于静态激光扫描的地铁隧道不圆度检测方法 |
CN111336991A (zh) * | 2020-03-27 | 2020-06-26 | 南京航空航天大学 | 基于激光点云的隧道椭圆度分析方法、装置和系统 |
CN111524061B (zh) * | 2020-04-20 | 2022-06-03 | 南京航空航天大学 | 一种基于圆柱拟合的隧道附近点云去除方法 |
CN111524061A (zh) * | 2020-04-20 | 2020-08-11 | 南京航空航天大学 | 一种基于圆柱拟合的隧道附近点云去除方法 |
CN111442736A (zh) * | 2020-04-29 | 2020-07-24 | 安徽国钜工程机械科技有限公司 | 一种基于激光扫描仪的铁路隧道变形检测方法及其装置 |
CN111442736B (zh) * | 2020-04-29 | 2021-09-17 | 安徽国钜工程机械科技有限公司 | 一种基于激光扫描仪的铁路隧道变形检测方法及其装置 |
CN111679297A (zh) * | 2020-05-08 | 2020-09-18 | 四川超影科技有限公司 | 一种gps定位轨迹的噪声点漂移去除方法 |
CN111724323A (zh) * | 2020-06-19 | 2020-09-29 | 武汉海达数云技术有限公司 | 激光雷达点云阳光噪点去除方法及装置 |
CN111724323B (zh) * | 2020-06-19 | 2024-01-26 | 武汉海达数云技术有限公司 | 激光雷达点云阳光噪点去除方法及装置 |
CN112161614A (zh) * | 2020-09-27 | 2021-01-01 | 中建筑港集团有限公司 | 一种基于三维激光扫描技术的盾构管片姿态测量方法 |
CN114119355A (zh) * | 2021-11-29 | 2022-03-01 | 北京工业大学 | 一种盾构隧道掉块风险预警方法与系统 |
CN114370828A (zh) * | 2021-12-28 | 2022-04-19 | 中国铁路设计集团有限公司 | 基于激光扫描的盾构隧道直径收敛和径向错台检测方法 |
CN114894156A (zh) * | 2022-05-12 | 2022-08-12 | 宁波睿威工程技术有限公司 | 一种地铁盾构隧道三维激光扫描测量装置及其测量方法 |
CN114894156B (zh) * | 2022-05-12 | 2023-01-10 | 浙江华展工程研究设计院有限公司 | 一种地铁盾构隧道三维激光扫描测量装置及其测量方法 |
CN114998155A (zh) * | 2022-06-30 | 2022-09-02 | 浙江华展工程研究设计院有限公司 | 一种基于椭圆环状过滤器的隧道扫描点云噪点迭代过滤算法 |
CN117235438A (zh) * | 2023-04-27 | 2023-12-15 | 浙大网新系统工程有限公司 | 隧道内径断层扫描测量数据附着冗余数据的清除方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108225184B (zh) | 2019-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108225184A (zh) | 一种盾构隧道三维激光扫描点云数据除噪的方法 | |
CN105333861B (zh) | 基于激光点云的杆塔倾斜检测的方法及装置 | |
CN108986048B (zh) | 基于线激光扫描三维点云快速复合滤波处理方法 | |
CN110030951A (zh) | 一种基于三维激光扫描技术的引水竖井缺陷检测方法 | |
CN110728689B (zh) | 一种基于点云数据的既有铁路中线提取方法 | |
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 | |
CN105849774B (zh) | 图像对照装置、图像传感器、处理系统、图像对照方法 | |
CN106891333A (zh) | 模型生成装置、位置姿态计算装置以及搬运机器人装置 | |
CN107066998A (zh) | 一种利用移动设备的指针式圆形单仪表盘实时识别方法 | |
CN110008207B (zh) | 基于密度直方图的机载LiDAR点云数据漏洞快速检测方法 | |
CN102305795A (zh) | 一种混凝土表面微小裂缝的定位方法 | |
US20230090846A1 (en) | Method and device for detecting defects in aircraft template | |
CN107145890A (zh) | 一种远距离多视角环境下的指针式仪表盘自动读数方法 | |
CN109508709A (zh) | 一种基于机器视觉的单指针仪表读数方法 | |
Lee et al. | Adjustment of discrepancies between LIDAR data strips using linear features | |
CN111723821A (zh) | 一种电厂仪表图像的检测识别方法及装置 | |
CN110706153B (zh) | 一种基于原始点云数据的隧道断面快速提取方法 | |
CN113096121A (zh) | 基于交叉断裂力学和图像处理的路面裂缝检测方法和系统 | |
CN111028345B (zh) | 一种港口场景下圆形管道的自动识别与对接方法 | |
CN106815830B (zh) | 图像的缺陷检测方法 | |
CN107330886A (zh) | 一种表面微小损伤的高精度量化方法 | |
CN112785596B (zh) | 基于dbscan聚类的点云图螺栓分割和高度测量方法 | |
CN105844707A (zh) | 基于城墙断面从LiDAR点云数据自动提取古城墙数据的方法 | |
CN112033385A (zh) | 一种基于海量点云数据的桥墩位姿测量方法 | |
CN104021259B (zh) | 地面扫描大点云定向方法 |
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 |