CN108895976A - 封闭空间设备变形监测方法及装置 - Google Patents
封闭空间设备变形监测方法及装置 Download PDFInfo
- Publication number
- CN108895976A CN108895976A CN201810695032.6A CN201810695032A CN108895976A CN 108895976 A CN108895976 A CN 108895976A CN 201810695032 A CN201810695032 A CN 201810695032A CN 108895976 A CN108895976 A CN 108895976A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- equipment
- denoising
- facade
- 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
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种封闭空间设备变形监测方法及装置,分区域对封闭空间内的设备进行点云数据采集,对于每一个区域内的设备的点云数据,通过拼接、去噪处理后,将去噪后的点云数据与点云数据模型库中的各个点云数据模型进行匹配,以确定去噪后的点云数据所表征的各个设备的第一属性信息;将去噪后的点云数据与第一属性信息相关联的保存;将去噪后的点云数据与关联有第一属性信息的历史点云数据进行比对,以对各个设备进行变形分析;实现了对封闭空间内设备的自动化巡检,提高了封闭空间内设备的巡检效率,降低巡检人员处于缺氧、积水等不安全环境中的概率。
Description
技术领域
本申请涉及设备检测技术领域,更具体地说,涉及一种封闭空间设备变形监测方法及装置。
背景技术
目前,封闭空间内(如地铁内、地下管廊等)设备多采用人工巡检或人工故障定位的运检模式,而封闭空间内设备的运行环境促狭、通风照明较差,人工运检不但费时费力,还存在缺氧、积水等不安全因素。
发明内容
本申请的目的是提供一种封闭空间设备变形监测方法及装置,以至少部分的解决现有技术中存在的问题。
为实现上述目的,本申请提供了如下技术方案:
一种封闭空间设备变形监测方法,包括:
采集所述封闭空间内若干预置区域内的设备的点云数据;每个所述预置区域内包括第一类设备的一部分,以及若干第二类设备;不同的预置区域内包括所述第一类设备的不同部分;对每个所述预置区域内的点云数据,执行如下步骤:
对所述预置区域内的点云数据进行拼接处理,得到拼接后的点云数据;
对所述拼接后的点云数据进行去噪处理;
将去噪后的点云数据与点云数据模型库中的各个点云数据模型进行匹配,以确定所述去噪后的点云数据所表征的各个设备的第一属性信息;
将所述去噪后的点云数据与所述第一属性信息相关联的保存;
将所述去噪后的点云数据与关联有所述第一属性信息的历史点云数据进行比对,以对所述各个设备进行变形分析。
上述方法,优选的,所述将去噪后的点云数据与点云数据模型库中的各个点云数据模型进行匹配,包括:
将所述去噪后的点云数据与所述数据模型库中的各个第二类设备的点云数据模型进行匹配,以确定所述去噪后的点云数据所表征的第二类设备的第一属性信息;
将所述去噪后的点云数据中,除所述第二类设备的点云数据外的点云数据确定为所述第一类设备的点云数据;
根据所述第二类设备的第一属性信息中的区域信息,确定与所述区域信息对应的所述第一类设备的第一属性信息。
上述方法,优选的,所述历史点云数据包括:在预设历史时刻保存的关联了所述第一属性信息的点云数据。
上述方法,优选的,所述将所述去噪后的点云数据与关联有所述第一属性信息的历史点云数据进行比对,以对所述各个设备进行变形分析,包括:
在所述去噪后的点云数据中提取第一设备的第一顶部平面的点云数据和第一立面的点云数据,并在所述历史点云数据中提取所述第一设备的第二顶部平面的点云数据和第二立面的点云数据;
根据所述第一顶部平面的点云数据和所述第二顶部平面的点云数据,计算所述第一顶部平面与所述历史点云数据中所述第一设备的点云数据的质心的第一高程差,以及所述第二顶部平面与所述质心的第二高程差;
若所述第一高程差与所述第二高程差的差值的绝对值大于第一差值阈值,确定所述第一设备发生垂直位移;
根据所述第一立面的点云数据和所述第二立面的点云数据,计算所述第一立面与所述质心的第一水平差,以及所述第二立面与所述质心的第二水平差;
若所述第一水平差与所述第二水平差的差值的绝对值大于第二差值阈值,确定所述第一设备发生水平位移。
上述方法,优选的,所述将所述去噪后的点云数据与关联有所述第一属性信息的历史点云数据进行比对,以对所述各个设备进行变形分析,包括:
在所述去噪后的点云数据中提取第一设备的第一立面的点云数据,并在所述历史点云数据中提取所述第一设备的第二立面的点云数据;
根据所述第一立面的点云数据和所述第二立面的点云数据,计算所述第一立面与所述第二立面的夹角的角度;
若所述夹角的角度大于预置的角度阈值,确定所述第一设备发生倾斜。
上述方法,优选的,所述将所述去噪后的点云数据与关联有所述第一属性信息的历史点云数据进行比对,以对所述各个设备进行变形分析,包括:
在所述去噪后的点云数据中提取第一设备的第一顶部平面的点云数据,并在所述历史点云数据中提取所述第一设备的第二顶部平面的点云数据;
根据所述第一顶部平面的点云数据,计算所述第一顶部平面与水平面的第一夹角的角度,并根据所述第二顶部平面的点云数据,计算所述第二顶部平面与水平面的第二夹角的角度;
若所述第一夹角和所述第二夹角的角度差大于第三差值阈值,确定所述第一设备发生倾斜。
上述方法,优选的,所述将所述去噪后的点云数据与关联有所述第一属性信息的历史点云数据进行比对,以对所述各个设备进行变形分析,包括:
按照预设步长和方向分别对所述去噪后的点云数据进行第一剖切,对所述历史点云数据进行第二剖切;
每进行一次剖切,计算第一设备的剖切面的面积以及剖切面的点云数据的密度;
若所述第一设备的第一剖切面与所述第一设备的第二剖切面的面积差的绝对值大于第四差值阈值,确定所述第一设备在剖切面边缘发生凹/凸变形;或者,将剖切面划分为若干个区域,若第一剖切面的第一区域的面积大于第二剖切面的第一区域的面积,且面积差值大于第六差值阈值,则确定第一设备在第一区域的边缘发生凸变形;若第一剖切面的第一区域的面积小于第二剖切面的第一区域的面积,且面积差值的绝对值大于第六差值阈值,则确定第一设备在第一区域的边缘发生凹变形;
若所述第一设备的第一剖切面中点云数据的密度小于所述第一设备的第二剖切面中点云数据的密度,且第二剖切面中点云数据的密度与第一剖切面中点云数据的密度的差值大于第五差值阈值,确定所述第一设备在剖切面边缘发生表皮翘起变形。
上述方法,优选的,还包括:
对所述第一剖切面的点云数据进行圆形拟合,并确定圆形拟合率;
根据拟合的圆的直径,以及拟合圆所使用的点云数据所表征圆弧的深度,计算所述圆弧的凹陷率;
若所述凹陷率大于预置凹陷率阈值,确定所述第一设备发生非均匀损伤;
若所述圆形拟合率大于预置拟合率阈值,确定所述第一设备发生均匀损伤。
上述方法,优选的,当需要对所述第一类设备进行变形分析时,所述将所述去噪后的点云数据与关联有所述第一属性信息的历史点云数据进行比对包括:
按照预设步长在所述封闭空间的延伸方向上分别对所述去噪后的点云数据中所述第一类设备的点云数据进行第一剖切,对所述第一类设备的历史点云数据进行第二剖切;
每进行一次剖切,得到与第一剖切对应的第一点云数据片,以及与第二剖切对应的第二点云数据片;
分别计算所述第一点云数据片的第一质心,以及所述第二点云数据片的第二质心;
计算所述第一质心与所述第二质心在水平方向上的第一距离,以及所述第一质心与所述第二质心在垂直方向上的第二距离;
若所述第一距离大于预设距离阈值,确定所述第一设备在第一点云数据片所表征部分在水平方向上发生变形;
若所述第二距离大于所述预设距离阈值,确定所述第一设备在第一点云数据片所表征部分在垂直方向上发生变形。
一种封闭空间设备变形监测装置,包括:
采集模块,用于采集所述封闭空间内若干预置区域内的设备的点云数据;每个所述预置区域内包括第一类设备的一部分,以及若干第二类设备;不同的预置区域内包括所述第一类设备的不同部分;对每个所述预置区域内的点云数据,执行如下步骤:
拼接模块,用于对所述预置区域内的点云数据进行拼接处理,得到拼接后的点云数据;
去噪模块,用于对所述拼接后的点云数据进行去噪处理;
匹配模块,用于将去噪后的点云数据与点云数据模型库中的各个点云数据模型进行匹配,以确定所述去噪后的点云数据所表征的各个设备的第一属性信息;
保存模块,用于将所述去噪后的点云数据与所述第一属性信息相关联的保存;
分析模块,用于将所述去噪后的点云数据与关联有所述第一属性信息的历史点云数据进行比对,以对所述各个设备进行变形分析。
上述装置,优选的,所述匹配模块具体可以用于:
将所述去噪后的点云数据与所述数据模型库中的各个第二类设备的点云数据模型进行匹配,以确定所述去噪后的点云数据所表征的第二类设备的第一属性信息;
将所述去噪后的点云数据中,除所述第二类设备的点云数据外的点云数据确定为所述第一类设备的点云数据;
根据所述第二类设备的第一属性信息中的区域信息,确定与所述区域信息对应的所述第一类设备的第一属性信息。
上述装置,优选的,所述历史点云数据包括:在预设历史时刻保存的关联了所述第一属性信息的点云数据。
上述装置,优选的,所述分析模块具体用于:
在所述去噪后的点云数据中提取第一设备的第一顶部平面的点云数据和第一立面的点云数据,并在所述历史点云数据中提取所述第一设备的第二顶部平面的点云数据和第二立面的点云数据;
根据所述第一顶部平面的点云数据和所述第二顶部平面的点云数据,计算所述第一顶部平面与所述历史点云数据中所述第一设备的点云数据的质心的第一高程差,以及所述第二顶部平面与所述质心的第二高程差;
若所述第一高程差与所述第二高程差的差值的绝对值大于第一差值阈值,确定所述第一设备发生垂直位移;
根据所述第一立面的点云数据和所述第二立面的点云数据,计算所述第一立面与所述质心的第一水平差,以及所述第二立面与所述质心的第二水平差;
若所述第一水平差与所述第二水平差的差值的绝对值大于第二差值阈值,确定所述第一设备发生水平位移。
上述装置,优选的,所述分析模块具体用于:
在所述去噪后的点云数据中提取第一设备的第一立面的点云数据,并在所述历史点云数据中提取所述第一设备的第二立面的点云数据;
根据所述第一立面的点云数据和所述第二立面的点云数据,计算所述第一立面与所述第二立面的夹角的角度;
若所述夹角的角度大于预置的角度阈值,确定所述第一设备发生倾斜。
上述装置,优选的,所述分析模块具体用于:
在所述去噪后的点云数据中提取第一设备的第一顶部平面的点云数据,并在所述历史点云数据中提取所述第一设备的第二顶部平面的点云数据;
根据所述第一顶部平面的点云数据,计算所述第一顶部平面与水平面的第一夹角的角度,并根据所述第二顶部平面的点云数据,计算所述第二顶部平面与水平面的第二夹角的角度;
若所述第一夹角和所述第二夹角的角度差大于第三差值阈值,确定所述第一设备发生倾斜。
上述装置,优选的,所述分析模块具体用于:
按照预设步长和方向分别对所述去噪后的点云数据进行第一剖切,对所述历史点云数据进行第二剖切;
每进行一次剖切,计算第一设备的剖切面的面积以及剖切面的点云数据的密度;
若所述第一设备的第一剖切面与所述第一设备的第二剖切面的面积差的绝对值大于第四差值阈值,确定所述第一设备在剖切面边缘发生凹/凸变形;或者,将剖切面划分为若干个区域,若第一剖切面的第一区域的面积大于第二剖切面的第一区域的面积,且面积差值大于第六差值阈值,则确定第一设备在第一区域的边缘发生凸变形;若第一剖切面的第一区域的面积小于第二剖切面的第一区域的面积,且面积差值的绝对值大于第六差值阈值,则确定第一设备在第一区域的边缘发生凹变形;
若所述第一设备的第一剖切面中点云数据的密度小于所述第一设备的第二剖切面中点云数据的密度,且第二剖切面中点云数据的密度与第一剖切面中点云数据的密度的差值大于第五差值阈值,确定所述第一设备在剖切面边缘发生表皮翘起变形。
上述装置,优选的,所述分析模块还用于:
对所述第一剖切面的点云数据进行圆形拟合,并确定圆形拟合率;
根据拟合的圆的直径,以及拟合圆所使用的点云数据所表征圆弧的深度,计算所述圆弧的凹陷率;
若所述凹陷率大于预置凹陷率阈值,确定所述第一设备发生非均匀损伤;
若所述圆形拟合率大于预置拟合率阈值,确定所述第一设备发生均匀损伤。
上述装置,优选的,所述分析模块具体用于:
当需要对所述第一类设备进行变形分析时,按照预设步长在所述封闭空间的延伸方向上分别对所述去噪后的点云数据中所述第一类设备的点云数据进行第一剖切,对所述第一类设备的历史点云数据进行第二剖切;
每进行一次剖切,得到与第一剖切对应的第一点云数据片,以及与第二剖切对应的第二点云数据片;
分别计算所述第一点云数据片的第一质心,以及所述第二点云数据片的第二质心;
计算所述第一质心与所述第二质心在水平方向上的第一距离,以及所述第一质心与所述第二质心在垂直方向上的第二距离;
若所述第一距离大于预设距离阈值,确定所述第一设备在第一点云数据片所表征部分发生水平位移;
若所述第二距离大于所述预设距离阈值,确定所述第一设备在第一点云数据片所表征部分发生垂直位移。
通过以上方案可知,本申请提供的一种封闭空间设备变形监测方法及装置,分区域对封闭空间内的设备进行点云数据采集,对于每一个区域内的设备的点云数据,通过拼接、去噪处理后,将去噪后的点云数据与点云数据模型库中的各个点云数据模型进行匹配,以确定去噪后的点云数据所表征的各个设备的第一属性信息;将去噪后的点云数据与第一属性信息相关联的保存;将去噪后的点云数据与关联有第一属性信息的历史点云数据进行比对,以对各个设备进行变形分析;实现了对封闭空间内设备的自动化巡检,提高了封闭空间内设备的巡检效率,降低巡检人员处于缺氧、积水等不安全环境中的概率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的封闭空间设备变形监测方法的一种实现流程图;
图2为本申请实施例提供的封闭空间设备变形监测装置的一种结构示意图。
说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的部分,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示的以外的顺序实施。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
发明人研究发现,封闭空间(如地铁站、地下管廊或线缆隧道)的延伸长度比较长,直接采集整个封闭空间内的点云数据的话,不仅工作量大,效率低,后续点云数据的处理过程中,工作量也将非常大。基于此,本申请提供的封闭空间设备巡检方法,对封闭空间分区域采集点云数据,不同区域的点云数据独立进行存储和处理。
具体的,可以将封闭空间在其延伸方向上划分为多段区域,由于封闭空间内的某些设备(记为第一类设备,如铁轨,线缆束等)是在封闭空间的延伸方向上延伸,因此,当将封闭空间在其延伸方向上划分为多段区域后,每一个区域内包括第一类设备的一部分,以及其它设备(记为第二类设备,如线缆支撑架或配电箱等较短小的设备)。
在一可选的实施例中,可以采用一个三维激光扫描仪对各个区域依次进行扫描。即各个区域内的设备均通过同一个三维激光扫描仪采集点云数据。或者,
可以采用多个三维激光扫描仪对各个区域分别进行扫描(即若将封闭区间划分为了N个区域,则每个区域采用一个三维激光扫描仪进行扫描,共需要N个三维激光扫描仪),不同的区域采用相同型号的三维激光扫描仪进行扫描,以便对各个区域同时采集点云数据,提高数据采集的效率。
为了使得点云数据的处理结果的精度较高,可以选择高精度的三维激光扫描仪对设备进行扫描。例如,可以选择采样精度为mm级的三维激光扫描仪。
在通过三维激光扫描仪完成对设备的扫描后,可以将所采集的点云数据存储到预置数据库中,当需要进行点云数据处理时,从该预置数据库中获取点云数据。其中,在不同区域采集的点云数据相互独立的存储。
其中,三维激光扫描仪可以搭载在轮式机器人、履带式机器人、轨道式机器人、气垫船、钢索缆车等运动平台上。该运动平台上安装有支撑装置,该支撑装置可以包括:可伸缩桅杆,固定在所述可伸缩桅杆的可活动的一端的旋转轴,固定于所述旋转轴上,用于承载三维激光扫描仪的支撑平台,所述支撑平台随着所述旋转轴的转动而转动,使得三维激光扫描仪可以从不同的角度对设备进行扫描。支撑平台下设置有倾角传感器,用于测量支撑平台相对于水平面的倾斜角度。在采样作业前,先调整旋转轴的角度以及可伸缩桅杆的长度及角度,使得支撑平台在一定的高度以某种角度对设备进行扫描。
本申请实施例中,对在各个区域采集的点云数据分别进行处理,以对各个区域内的设备分别进行异常分析。对在不同区域采集的点云数据采用相同处理方法进行处理,对应于每个区域采集的点云数据,其处理过程如图1所示,图1为本申请实施例提供的对在某个区域采集的点云数据进行处理的一种实现流程图,可以包括:
步骤S11:对第一预置区域内的点云数据进行拼接处理,得到拼接后的点云数据。
第一预置区域为上述划分的多个区域中的任意一个区域。
在通过三维激光扫描仪对设备进行扫描时,受到许多客观因素的影响,通常需要从多个不同的视角(即不同位置)对设备进行扫描,这样三维激光扫描仪获取的点云数据是一些散乱的点,无明显的几何特征。将获取的点云数据进行拼接处理,就是将不同视角下采集的点云数据转换到同一坐标系下,以获得体现设备完整轮廓的点云数据。也就是说,拼接后的点云数据就是体现第一预置区域内的设备的轮廓的点云数据。对于第一类设备,由于第一预置区域内只包含第一类设备的一部分,因此,对于第一类设备而言,拼接后的点云数据中体现的是第一类设备的一部分的轮廓。
本申请实施例中,在三维激光扫描仪进行扫描作业时,记录三维激光扫描仪的坐标,并将扫描仪的坐标与在该坐标处扫描到的点云数据相关联。在扫描完成后,所记录的坐标按照记录的先后顺序形成一坐标序列,也就是说,坐标序列中的坐标按照坐标记录的先后顺序进行排列。每一个坐标关联的点云数据构成一个点云数据片,也就是说,不同的坐标对应不同的点云数据片,不同的坐标对应的点云数据片包含的点云数据中存在部分相同的点云数据。
具体在进行拼接时,可以按照三维激光扫描仪进行扫描作业时的坐标序列中坐标的排列顺序,将相邻两个坐标对应的点云数据片进行拼接。
本申请实施例中,通过在进行采集作业时,记录三维激光扫描仪的坐标,并将扫描仪的坐标与在该坐标处扫描到的点云数据相关联,按照坐标序列中坐标的排列顺序,将相邻两个坐标对应的点云数据片进行拼接,避免随机从采集的点云数据中获取的待拼接的两个点云数据片不能进行拼接,需要重新从采集的点云数据中获取另一点云数据片进行拼接,导致拼接速度慢的问题。
步骤S12:对拼接后的点云数据进行去噪处理。
具体的,可以将拼接后的点云数据平均划分为若干立方体网格,该立方体网格的边长的长度为预置长度,例如1cm。
对立方体网格中的点云数据进行计数。
若计数结果小于预设阈值,则删除立方体网格内的点云数据;否则,保留立方体网格内的点云数据。
步骤S13:将去噪后的点云数据与点云数据模型库中的各个点云数据模型进行匹配,以确定去噪后的点云数据所表征的各个设备的第一属性信息。
点云数据模型库中可以包括封闭区间内各种设备的点云数据模型,例如,对于第一类设备,点云数据模型库中可以包含该第一类设备被划分得到的各个部分的点云数据模型。对于每一第二类设备,点云数据模型库中包含的是完整的第二类设备的点云数据模型。
在将去噪后的点云数据与点云数据模型库中的各个点云数据模型分别进行匹配时,可以先根据预先存储的设备位置,以及设备的大小(长、宽、高)确定目标空间区域,该目标空间区域内的点云数据即为一个设备的点云数据。针对任意一设备,为方便叙述,记为第一设备,可以从目标空间区域内的点云数据中提取第一设备的特征数据,计算该第一设备的特征数据与点云数据模型库中的各个点云数据模型的特征数据的相似度,将最大相似度对应的点云数据模型确定为与第一设备匹配的点云数据模型。所确定的点云数据模型对应的属性信息即为第一设备的属性信息。设备的属性信息可以包括:设备名称、设备的位置、设备所属区域、设备的特定组成部分(如连接部)的大小、以及该特定组成部分在设备中的位置等。
上述特征数据可以包括以下特征中的至少一种特征:骨架特征、面积特征、体积特征、投影轮廓特征、边界曲率特征等。
下面举例说明将第一设备点云数据与点云数据模型进行匹配的具体实现过程。
举例一
将第一设备的点云数据在三维坐标系中三个相互垂直的平面上分别进行投影,并提取各个投影的轮廓特征(为方便叙述,记为第一轮廓特征)和边界点曲率特征(为方便叙述,记为第一边界点曲率特征)。
将点云数据模型在相同的三维坐标系中三个相互垂直的平面上分别进行投影,并提取各个投影的轮廓特征(为方便叙述,记为第二轮廓特征)和边界点曲率特征(为方便叙述,记为第二边界点曲率特征)。
计算同一平面上的第一轮廓特征与第二轮廓特征的第一距离,以及同一平面上的第一边界点曲率特征与第二边界点曲率特征的第二距离;
将对应同一平面的第一距离和第二距离求和,得到第一和值;三个平面一共得到三个第一和值。
将三个第一和值求和,得到第二和值。该第二和值表征第一设备的点云数据与点云数据模型的相似度。第二和值越大,相似度越低,第二和值越小,相似度越高。
举例二
分别提取第一设备的点云数据的第一骨架特征,以及点云数据模型的第二骨架特征;
将第一骨架特征与第二骨架特征进行比对,若第一骨架特征与第二骨架特征的路径数、节点数,以及节点之间的连通关系均一致,则子空间内的点云数据与点云数据模型相同,否则二者不同。
下面以点云数据模型为例,说明提取骨架特征的过程:
确定初始表面骨架:将点云数据模型的边界点中,曲率大于预设曲率阈值的点作为特征点,为方便叙述,这里假设一共有m个特征点。
计算点云数据模型中,每个特征点到点云数据模型的质心的最短路径,得到m个最短路径,将该m个最短路径作为点云数据模型的初始表面骨架。
对初始表面骨架进行简化:对初始表面骨架中的节点进行三角连接,计算三角的质心坐标,对质心所属的预置大小的立方体网格中的点云数据进行计数,若计数结果大于第一预设阈值,则确定与三角的三个顶点处的节点(记为第一节点)连接的第二节点,删除第一节点与第二节点的连接路径,将三角的质心与第二节点连接,形成新路径,以便用尽量少的节点表征点云数据模型的骨架。
优选的,三角质心所属的预置大小的立方体网格是指以三角质心为质心的立方体网格,该立方体网格的边与点云数据所在三维坐标系的三个坐标轴平行或垂直,该立方体网格的边的长度为预置长度,例如1cm。
步骤S14:将去噪后的点云数据与第一属性信息相关联的保存。
具体的,将去噪后的点云数据中,第一设备的点云数据与该第一设备的属性信息相关联的保存。
步骤S15:将去噪后的点云数据与关联有第一属性信息的历史点云数据进行比对,以对各个设备进行变形分析。
本申请实施例中,步骤S14与步骤S15的执行顺序不做具体限定,可以先执行步骤S14,再执行步骤S15,或者,先执行步骤S15,再执行步骤S14,或者两个步骤同时执行。
其中,历史点云数据可以是:在预设历史时刻保存的关联了第一属性信息的点云数据。例如,历史点云数据可以是指在设备在首次安装或布置好之后,采集点云数据并对采集的点云数据通过步骤S11~步骤S14的处理得到的关联了第一属性信息的点云数据。该历史点云数据也可以是在对出现异常(如平移、部件缺失等)的设备进行修复后,采集点云数据并对采集的点云数据通过步骤S11~步骤S14的处理得到的关联了第一属性信息的点云数据。也就是说,历史点云数据是对某个历史时刻采集的设备的点云数据通过步骤S11~步骤S14的处理得到的关联了第一属性信息的点云数据。该预设历史时刻保存的关联了第一属性信息的点云数据,还可以关联有部件标记,用于标记第一设备的部件的点云数据,该部件标记可以是人为手动添加的标记,也可以是根据匹配的点云数据模型中携带的部件标记添加得到。该预设历史时刻保存的关联了第一属性信息的点云数据可以关联有多个部件标记,不同的部件标记用于标记第一设备的不同的部件。
需要说明的是,点云数据模型中的点云数据模型也可以作为历史点云数据来对第一设备进行变形分析。
由于需要监测设备是否发生异常,因此,可以周期性执行本申请提供的封闭空间设备巡检方法。在每个执行周期内,均执行步骤S11~步骤S15。当然,也可以在需要的时候(如连阴雨、大雨、雷雨等第一类气象条件下,或者,在出现第一类气象条件后,天气转好的第二类气象条件下)执行本申请提供封闭空间设备巡检方法,而不必仅仅局限于周期性执行本申请提供的封闭空间设备巡检方法。另外,周期的长短也可以根据实际需求进行调整,例如,在大雨或洪涝等气象条件下,可以缩短周期,而在晴天情况下,则可以延长周期。
本申请提供的封闭空间设备巡检方法,封闭空间设备变形监测方法及装置,分区域对封闭空间内的设备进行点云数据采集,对于每一个区域内的设备的点云数据,通过拼接、去噪处理后,将去噪后的点云数据与点云数据模型库中的各个点云数据模型进行匹配,以确定去噪后的点云数据所表征的各个设备的第一属性信息;将去噪后的点云数据与第一属性信息相关联的保存;将去噪后的点云数据与关联有第一属性信息的历史点云数据进行比对,以对各个设备进行变形分析;实现了对封闭空间内设备的自动化巡检,提高了封闭空间内设备的巡检效率,降低巡检人员处于缺氧、积水等不安全环境中的概率。
在一可选的实施例中,将去噪后的点云数据与点云数据模型库中的各个点云数据模型进行匹配的一种实现方式可以为:
将去噪后的点云数据与数据模型库中的各个第二类设备的点云数据模型进行匹配,以确定去噪后的点云数据所表征的第二类设备的第一属性信息。
本实施例中,数据模型库中可以只包含第二类设备的点云数据模型。则通过匹配,可以识别出第二类设备以及第二类设备的第一属性信息。
将去噪后的点云数据中,除第二类设备的点云数据外的点云数据确定为第一类设备的点云数据。
经过本申请的前述的去噪处理,去噪后的点云数据中仅包括第一类设备的点云数据,以及第二类设备的点云数据,则在识别出第二类设备后,去噪后的点云数据中,未被识别的点云数据即为第一类设备的点云数据。虽然去噪后的点云数据中可能还会有极少量的噪点,但这并不影响对第一类设备的点云数据的判断。
需要说明的是,对于第一预置区域内包含一个第一类设备的情况,除第二类设备的点云数据外,剩余的点云数据就是该一个第一类设备的点云数据。而若第一预置区域内包含两个第一类设备,如轨道和线缆,而一般轨道铺设在地面,线缆悬于半空中,可以通过二者的相对位置关系将二者的点云数据区分开。
根据第二类设备的第一属性信息中的区域信息(即第二类设备属于哪个区域),确定与该区域信息对应的第一类设备的第一属性信息。第一类设备的第一属性信息中包括的区域信息与第二类设备的第一属性信息中包含的区域信息相同。
也就是说,本实施例中,点云数据模型库中除了保存第二类设备的点云数据模型,该第二类设备的点云数据模型关联有第二类设备的属性信息,还保存了第一类设备的属性信息,而不管是第一类设备的属性信息中还是第二类设备的属性信息中,均包括设备所属的区域信息。
在一可选的实施例中,将去噪后的点云数据与关联有第一属性信息的历史点云数据进行比对,以对各个设备进行变形分析,可以包括:
在去噪后的点云数据中提取第一设备的第一顶部平面的点云数据和第一立面的点云数据,并在历史点云数据中提取第一设备的第二顶部平面的点云数据和第二立面的点云数据。
第一设备通常是放置在地上的,本申请实施例中,顶部平面是指第一设备上,与地面平行或近似平行,并远离地面的平面。立面是是指第一设备上与地面垂直或近似垂直的平面。
第一立面和第二立面是第一设备的同一个立面。
根据第一顶部平面的点云数据和第二顶部平面的点云数据,计算第一顶部平面与历史点云数据中第一设备的点云数据的质心的第一高程差,以及第二顶部平面与质心的第二高程差。
可选的,可以根据第一顶部平面的点云数据拟合第一平面,然后计算第一平面与质心的第一高程差。同理,可以根据第二顶部平面的点云数据拟合第二平面,然后计算第二平面与质心的第二高程差。
若第一高程差与第二高程差的差值的绝对值大于第一差值阈值,确定第一设备发生垂直位移,即在垂直于地面的方向上发生位移。
具体的,在第一高程差与第二高程差的差值的绝对值大于第一差值阈值时,若第一高程差大于第二高程差,说明第一设备被抬高,如地面隆起导致第一设备被抬高;若第一高程差小于第二高程差,说明第一设备发生沉降,如地基沉降导致第一设备沉降。
根据第一立面的点云数据和第二立面的点云数据,计算第一立面与质心的第一水平差,以及第二立面与质心的第二水平差。
本申请中,水平差是指:立面与质心在水平方向的距离。
可选的,可以根据第一立面的点云数据拟合第三平面,然后计算第三平面与质心的第一水平差。同理,可以根据第二立面的点云数据拟合第四平面,然后计算第四平面与质心的第二水平差。
若第一水平差与第二水平差的差值的绝对值大于第二差值阈值,确定第一设备发生水平位移。
具体的,在第一水平差与第二水平差的差值的绝对值大于第二差值阈值时,若第一水平差大于第二水平差,确定第一设备朝着远离质心和第一立面的方向发生平移;若第一水平差小于第二水平差,确定第一设备朝着远离第一立面并接近质心的方向发生平移。
在一可选的实施例中,将去噪后的点云数据与关联有第一属性信息的历史点云数据进行比对,以对各个设备进行变形分析的实现方式可以为:
在去噪后的点云数据中提取第一设备的第一立面的点云数据,并在历史点云数据中提取第一设备的第二立面的点云数据。
第一设备通常会包括多个立面,一般为位于四个侧边的立面,该四个侧边立面中,相邻两个侧边的立面相互垂直。上述第一立面和第二立面是指第一设备的同一侧边的立面,即第一设备的同一个立面。
根据第一立面的点云数据和第二立面的点云数据,计算第一立面与第二立面的夹角的角度。
若夹角的角度大于预置的角度阈值,确定第一设备发生倾斜。
进一步的,可以根据第一立面与第二立面的相对位置关系确定第一设备的倾斜方向。
由于一个侧边的立面只能判断第一设备在垂直于该立面的方向上是否发生倾斜,而无法判断第一设备是否在平行于该立面的方向上是否发生倾斜,因此,可以选择相互垂直的两个立面分别判断第一设备是否发生倾斜。即,假设去噪后的点云数据中提取了第一设备第一立面的点云数据,以及与第一立面垂直的第三立面的点云数据,则在历史点云数据中提取第一设备的第二立面的点云数据,以及与第二立面垂直的第四立面的点云数据,第三立面和第四立面是第一设备的同一立面。那么,可以根据第一立面和第二立面判断第一设备在垂直于第一立面的方向上是否发生倾斜(如前述内容所述),根据第三立面和第四立面判断第一设备在平行于第一立面的方向上(也就是垂直于第三立面的方向上)是否发生倾斜(具体可以参看前述内容,这里不再详述)。
在一可选的实施例中,将去噪后的点云数据与关联有第一属性信息的历史点云数据进行比对,以对各个设备进行变形分析的另一种实现方式可以为:
在去噪后的点云数据中提取第一设备的第一顶部平面的点云数据,并在历史点云数据中提取第一设备的第二顶部平面的点云数据。
根据第一顶部平面的点云数据,计算第一顶部平面与水平面的第一夹角的角度,并根据第二顶部平面的点云数据,计算第二顶部平面与水平面的第二夹角的角度;
若第一夹角和第二夹角的角度差大于第三差值阈值,确定第一设备发生倾斜。
与前一实施例不同,本实施例中,利用夹角偏差判断第一设备是否发生倾斜。
进一步的,可以根据第一顶部平面与水平面的交线方位确定第一设备的倾斜方向。
在一可选的实施例中,将去噪后的点云数据与关联有第一属性信息的历史点云数据进行比对,以对各个设备进行变形分析,包括:
按照预设步长和方向分别对去噪后的点云数据进行第一剖切,对历史点云数据进行第二剖切。
本申请实施例中,假设对去噪后的点云数据进行第一剖切时的步长为第一步长,剖切方向是从上到下,则对历史点云数据进行第二剖切时,剖切步长也为第一步长,剖切方向也是从上到下。
每进行一次剖切,计算第一设备的剖切面的面积以及剖切面的点云数据的密度。为方便叙述,将对去噪后的点云数据进行第一剖切得到的第一设备的切面记为第一剖切面,将对历史点云数据进行第二剖切得到的第一设备的切面记为第二剖切面。
若第一剖切面与第二剖切面的面积差的绝对值大于第四差值阈值,确定第一设备在剖切面边缘发生凹/凸变形。
可选的,在第一剖切面的面积与第二剖切面的面积差的绝对值大于第四差值阈值的情况下,若第一剖切面的面积大于第二剖切面的面积,说明第一设备在剖切面的边缘发生凸变形;若第一剖切面的面积小于第二剖切面的面积,说明第一设备在剖切面的边缘发生凹变形。
可选的,当在连续的至少两个剖切面均判断出第一设备发生凹变形时,确定第一设备在该至少两个剖切面邻近的区间内发生凹变形。同理当在连续的至少两个剖切面均判断出第一设备发生凸变形时,确定第一设备在该至少两个剖切面邻近的区间内发生凸变形。
进一步的,在确定出第一设备发生凹/凸变形后,还可以将第一剖切面和第二剖切面的点云数据在同一个坐标系中叠加,通过对比以判断发生凹变形或凸变形的具体位置。
在一可选的实施例中,为了提高数据处理速度和监测结果的精度,可以对第一设备的剖切面分区域进行面积比较,若第一剖切面的第一区域的面积大于第二剖切面的第一区域的面积,且面积差值大于第六差值阈值,则确定第一设备在第一区域的边缘发生凸变形;若第一剖切面的第一区域的面积小于第二剖切面的第一区域的面积,且面积差值的绝对值大于第六差值阈值,则确定第一设备在第一区域的边缘发生凹变形。
若第一设备的第一剖切面中点云数据的密度小于第一设备的第二剖切面中点云数据的密度,且第二剖切面中点云数据的密度与第一剖切面中点云数据的密度的差值大于第五差值阈值,确定第一设备在剖切面边缘发生表皮翘起变形。
点云密度是第一设备的剖切面中点云的数量与剖切面的面积的比值。
在一可选的实施例中,当在连续的至少两个剖切面均判断出第一设备发生表皮翘起变形时,确定第一设备在该至少两个剖切面对应的区间内发生表皮翘起变形。
当第一设备为金属设备时,第一设备的损伤可以分为均匀损伤和非均匀损伤。发明人研究发现,设备的均匀损伤多为金属锈蚀,其切面近似圆形。非均匀损伤多为撞击凹陷、水泥剥落等。
进一步的,为了对变形进行定性分析,在确定第一设备在剖切面边缘发生凹/凸变形后,还可以包括:
对第一剖切面的点云数据进行圆形拟合,并确定圆形拟合率。
根据拟合的圆的直径,以及拟合圆所使用的点云数据所表征圆弧的深度,计算圆弧的凹陷率;
凹陷率可以为:圆弧的深度除以拟合得到的圆的直径得到的商值。
若凹陷率大于预置凹陷率阈值,确定第一设备发生非均匀损伤;
若圆形拟合率大于预置拟合率阈值,确定第一设备发生均匀损伤。
前述对去噪后的点云数据所表征的各个设备进行变形分析的过程未区分是对第一类设备进行变形分析,还是对第二类设备进行分析,也就是说,前述对各个设备进行变形分析的方法适用于任何一类设备。
针对第一类设备,本申请还提供另一种变形分析方法。具体过程如下所示:
按照预设步长在封闭空间的延伸方向上分别对去噪后的点云数据中第一类设备的点云数据进行第一剖切,对第一类设备的历史点云数据进行第二剖切。
也就是说,在封闭空间的延伸方向上,去噪后的点云数据中第一类设备的点云数据,以及第一类设备的历史点云数据被分割为相同数量的点云数据片。
每进行一次剖切,得到与第一剖切对应的第一点云数据片,以及与第二剖切对应的第二点云数据片。
第一点云数据片即是对去噪后的点云数据中第一类设备的点云数据进行第n次剖切得到的一个点云数据片,第二点云数据片是对第一类设备的历史点云数据进行第n次剖切得到的一个点云数据片,n=1,2,3,…
分别计算第一点云数据片的第一质心,以及第二点云数据片的第二质心。
计算第一质心与第二质心在水平方向上的第一距离,以及第一质心与第二质心在垂直方向上的第二距离。
若第一距离大于预设距离阈值,确定第一设备在第一点云数据片所表征部分在水平方向上发生变形。
若第二距离大于预设距离阈值,确定第一设备在第一点云数据片所表征部分在垂直方向上发生变形。
与方法实施例相对应,本申请还提供一种封闭区间设备变形监测装置。本申请提供的封闭区间设备变形监测装置的一种结构示意图如图2所示,可以包括:
采集模块21,拼接模块22,去噪模块23,匹配模块24,保存模块25和分析模块26;其中,
采集模块21用于采集所述封闭空间内若干预置区域内的设备的点云数据;所述每个所述预置区域内包括第一类设备的一部分,以及若干第二类设备;不同的预置区域内包括所述第一类设备的不同部分;对每个所述预置区域内的点云数据,执行如下步骤:
拼接模块22用于对所述预置区域内的点云数据进行拼接处理,得到拼接后的点云数据;
去噪模块23用于对所述拼接后的点云数据进行去噪处理;
匹配模块24用于将去噪后的点云数据与点云数据模型库中的各个点云数据模型进行匹配,以确定所述去噪后的点云数据所表征的各个设备的第一属性信息;
保存模块25用于将所述去噪后的点云数据与所述第一属性信息相关联的保存;
分析模块26用于将所述去噪后的点云数据与关联有所述第一属性信息的历史点云数据进行比对,以对所述各个设备进行变形分析。
本申请提供的封闭空间设备变形监测装置,分区域对封闭空间内的设备进行点云数据采集,对于每一个区域内的设备的点云数据,通过拼接、去噪处理后,将去噪后的点云数据与点云数据模型库中的各个点云数据模型进行匹配,以确定去噪后的点云数据所表征的各个设备的第一属性信息;将去噪后的点云数据与第一属性信息相关联的保存;将去噪后的点云数据与关联有第一属性信息的历史点云数据进行比对,以对各个设备进行变形分析;实现了对封闭空间内设备的自动化巡检,提高了封闭空间内设备的巡检效率,降低巡检人员处于缺氧、积水等不安全环境中的概率。
在一可选的实施例中,匹配模块24具体可以用于:
将所述去噪后的点云数据与所述数据模型库中的各个第二类设备的点云数据模型进行匹配,以确定所述去噪后的点云数据所表征的第二类设备的第一属性信息;
将所述去噪后的点云数据中,除所述第二类设备的点云数据外的点云数据确定为所述第一类设备的点云数据;
根据所述第二类设备的第一属性信息中的区域信息,确定与所述区域信息对应的所述第一类设备的第一属性信息。
在一可选的实施例中,历史点云数据可以包括:在预设历史时刻保存的关联了所述第一属性信息的点云数据。
在一可选的实施例中,分析模块26具体可以用于:
在所述去噪后的点云数据中提取第一设备的第一顶部平面的点云数据和第一立面的点云数据,并在所述历史点云数据中提取所述第一设备的第二顶部平面的点云数据和第二立面的点云数据;
根据所述第一顶部平面的点云数据和所述第二顶部平面的点云数据,计算所述第一顶部平面与所述历史点云数据中所述第一设备的点云数据的质心的第一高程差,以及所述第二顶部平面与所述质心的第二高程差;
若所述第一高程差与所述第二高程差的差值的绝对值大于第一差值阈值,确定所述第一设备发生垂直位移;
根据所述第一立面的点云数据和所述第二立面的点云数据,计算所述第一立面与所述质心的第一水平差,以及所述第二立面与所述质心的第二水平差;
若所述第一水平差与所述第二水平差的差值的绝对值大于第二差值阈值,确定所述第一设备发生水平位移。
在一可选的实施例中,分析模块26具体可以用于:
在所述去噪后的点云数据中提取第一设备的第一立面的点云数据,并在所述历史点云数据中提取所述第一设备的第二立面的点云数据;
根据所述第一立面的点云数据和所述第二立面的点云数据,计算所述第一立面与所述第二立面的夹角的角度;
若所述夹角的角度大于预置的角度阈值,确定所述第一设备发生倾斜。
在一可选的实施例中,分析模块26具体可以用于:
在所述去噪后的点云数据中提取第一设备的第一顶部平面的点云数据,并在所述历史点云数据中提取所述第一设备的第二顶部平面的点云数据;
根据所述第一顶部平面的点云数据,计算所述第一顶部平面与水平面的第一夹角的角度,并根据所述第二顶部平面的点云数据,计算所述第二顶部平面与水平面的第二夹角的角度;
若所述第一夹角和所述第二夹角的角度差大于第三差值阈值,确定所述第一设备发生倾斜。
在一可选的实施例中,分析模块26具体可以用于:
按照预设步长和方向分别对所述去噪后的点云数据进行第一剖切,对所述历史点云数据进行第二剖切;
每进行一次剖切,计算第一设备的剖切面的面积以及剖切面的点云数据的密度;
若所述第一设备的第一剖切面与所述第一设备的第二剖切面的面积差的绝对值大于第四差值阈值,确定所述第一设备在剖切面边缘发生凹/凸变形;或者,将剖切面划分为若干个区域,若第一剖切面的第一区域的面积大于第二剖切面的第一区域的面积,且面积差值大于第六差值阈值,则确定第一设备在第一区域的边缘发生凸变形;若第一剖切面的第一区域的面积小于第二剖切面的第一区域的面积,且面积差值的绝对值大于第六差值阈值,则确定第一设备在第一区域的边缘发生凹变形;
若所述第一设备的第一剖切面中点云数据的密度小于所述第一设备的第二剖切面中点云数据的密度,且第二剖切面中点云数据的密度与第一剖切面中点云数据的密度的差值大于第五差值阈值,确定所述第一设备在剖切面边缘发生表皮翘起变形。
在一可选的实施例中,分析模块26还可以用于:
对所述第一剖切面的点云数据进行圆形拟合,并确定圆形拟合率;
根据拟合的圆的直径,以及拟合圆所使用的点云数据所表征圆弧的深度,计算所述圆弧的凹陷率;
若所述凹陷率大于预置凹陷率阈值,确定所述第一设备发生非均匀损伤;
若所述圆形拟合率大于预置拟合率阈值,确定所述第一设备发生均匀损伤。
在一可选的实施例中,分析模块26具体可以用于:
当需要对所述第一类设备进行变形分析时,按照预设步长在所述封闭空间的延伸方向上分别对所述去噪后的点云数据中所述第一类设备的点云数据进行第一剖切,对所述第一类设备的历史点云数据进行第二剖切;
每进行一次剖切,得到与第一剖切对应的第一点云数据片,以及与第二剖切对应的第二点云数据片;
分别计算所述第一点云数据片的第一质心,以及所述第二点云数据片的第二质心;
计算所述第一质心与所述第二质心在水平方向上的第一距离,以及所述第一质心与所述第二质心在垂直方向上的第二距离;
若所述第一距离大于预设距离阈值,确定所述第一设备在第一点云数据片所表征部分在水平方向上发生变形;
若所述第二距离大于所述预设距离阈值,确定所述第一设备在第一点云数据片所表征部分在垂直方向上发生变形。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
应当理解,本申请实施例中,从权、各个实施例、特征可以互相组合结合,都能实现解决前述技术问题。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (18)
1.一种封闭空间设备变形监测方法,其特征在于,包括:
采集所述封闭空间内若干预置区域内的设备的点云数据;每个所述预置区域内包括第一类设备的一部分,以及若干第二类设备;不同的预置区域内包括所述第一类设备的不同部分;对每个所述预置区域内的点云数据,执行如下步骤:
对所述预置区域内的点云数据进行拼接处理,得到拼接后的点云数据;
对所述拼接后的点云数据进行去噪处理;
将去噪后的点云数据与点云数据模型库中的各个点云数据模型进行匹配,以确定所述去噪后的点云数据所表征的各个设备的第一属性信息;
将所述去噪后的点云数据与所述第一属性信息相关联的保存;
将所述去噪后的点云数据与关联有所述第一属性信息的历史点云数据进行比对,以对所述各个设备进行变形分析。
2.根据权利要求1所述的方法,其特征在于,所述将去噪后的点云数据与点云数据模型库中的各个点云数据模型进行匹配,包括:
将所述去噪后的点云数据与所述数据模型库中的各个第二类设备的点云数据模型进行匹配,以确定所述去噪后的点云数据所表征的第二类设备的第一属性信息;
将所述去噪后的点云数据中,除所述第二类设备的点云数据外的点云数据确定为所述第一类设备的点云数据;
根据所述第二类设备的第一属性信息中的区域信息,确定与所述区域信息对应的所述第一类设备的第一属性信息。
3.根据权利要求1或2所述的方法,其特征在于,所述历史点云数据包括:在预设历史时刻保存的关联了所述第一属性信息的点云数据。
4.根据权利要求3所述的方法,其特征在于,所述将所述去噪后的点云数据与关联有所述第一属性信息的历史点云数据进行比对,以对所述各个设备进行变形分析,包括:
在所述去噪后的点云数据中提取第一设备的第一顶部平面的点云数据和第一立面的点云数据,并在所述历史点云数据中提取所述第一设备的第二顶部平面的点云数据和第二立面的点云数据;
根据所述第一顶部平面的点云数据和所述第二顶部平面的点云数据,计算所述第一顶部平面与所述历史点云数据中所述第一设备的点云数据的质心的第一高程差,以及所述第二顶部平面与所述质心的第二高程差;
若所述第一高程差与所述第二高程差的差值的绝对值大于第一差值阈值,确定所述第一设备发生垂直位移;
根据所述第一立面的点云数据和所述第二立面的点云数据,计算所述第一立面与所述质心的第一水平差,以及所述第二立面与所述质心的第二水平差;
若所述第一水平差与所述第二水平差的差值的绝对值大于第二差值阈值,确定所述第一设备发生水平位移。
5.根据权利要求3所述的方法,其特征在于,所述将所述去噪后的点云数据与关联有所述第一属性信息的历史点云数据进行比对,以对所述各个设备进行变形分析,包括:
在所述去噪后的点云数据中提取第一设备的第一立面的点云数据,并在所述历史点云数据中提取所述第一设备的第二立面的点云数据;
根据所述第一立面的点云数据和所述第二立面的点云数据,计算所述第一立面与所述第二立面的夹角的角度;
若所述夹角的角度大于预置的角度阈值,确定所述第一设备发生倾斜。
6.根据权利要求3所述的方法,其特征在于,所述将所述去噪后的点云数据与关联有所述第一属性信息的历史点云数据进行比对,以对所述各个设备进行变形分析,包括:
在所述去噪后的点云数据中提取第一设备的第一顶部平面的点云数据,并在所述历史点云数据中提取所述第一设备的第二顶部平面的点云数据;
根据所述第一顶部平面的点云数据,计算所述第一顶部平面与水平面的第一夹角的角度,并根据所述第二顶部平面的点云数据,计算所述第二顶部平面与水平面的第二夹角的角度;
若所述第一夹角和所述第二夹角的角度差大于第三差值阈值,确定所述第一设备发生倾斜。
7.根据权利要求3所述的方法,其特征在于,所述将所述去噪后的点云数据与关联有所述第一属性信息的历史点云数据进行比对,以对所述各个设备进行变形分析,包括:
按照预设步长和方向分别对所述去噪后的点云数据进行第一剖切,对所述历史点云数据进行第二剖切;
每进行一次剖切,计算第一设备的剖切面的面积以及剖切面的点云数据的密度;
若所述第一设备的第一剖切面与所述第一设备的第二剖切面的面积差的绝对值大于第四差值阈值,确定所述第一设备在剖切面边缘发生凹/凸变形;或者,将所述第一设备的剖切面划分为若干个区域,若第一剖切面的第一区域的面积大于第二剖切面的第一区域的面积,且面积差值大于第六差值阈值,则确定第一设备在第一区域的边缘发生凸变形;若第一剖切面的第一区域的面积小于第二剖切面的第一区域的面积,且面积差值的绝对值大于第六差值阈值,则确定第一设备在第一区域的边缘发生凹变形;
若所述第一设备的第一剖切面中点云数据的密度小于所述第一设备的第二剖切面中点云数据的密度,且第二剖切面中点云数据的密度与第一剖切面中点云数据的密度的差值大于第五差值阈值,确定所述第一设备在剖切面边缘发生表皮翘起变形。
8.根据权利要求7所述的方法,其特征在于,还包括:
对所述第一剖切面的点云数据进行圆形拟合,并确定圆形拟合率;
根据拟合的圆的直径,以及拟合圆所使用的点云数据所表征圆弧的深度,计算所述圆弧的凹陷率;
若所述凹陷率大于预置凹陷率阈值,确定所述第一设备发生非均匀损伤;
若所述圆形拟合率大于预置拟合率阈值,确定所述第一设备发生均匀损伤。
9.根据权利要求3所述的方法,其特征在于,当需要对所述第一类设备进行变形分析时,所述将所述去噪后的点云数据与关联有所述第一属性信息的历史点云数据进行比对包括:
按照预设步长在所述封闭空间的延伸方向上分别对所述去噪后的点云数据中所述第一类设备的点云数据进行第一剖切,对所述第一类设备的历史点云数据进行第二剖切;
每进行一次剖切,得到与第一剖切对应的第一点云数据片,以及与第二剖切对应的第二点云数据片;
分别计算所述第一点云数据片的第一质心,以及所述第二点云数据片的第二质心;
计算所述第一质心与所述第二质心在水平方向上的第一距离,以及所述第一质心与所述第二质心在垂直方向上的第二距离;
若所述第一距离大于预设距离阈值,确定所述第一设备在第一点云数据片所表征部分在水平方向上发生变形;
若所述第二距离大于所述预设距离阈值,确定所述第一设备在第一点云数据片所表征部分在垂直方向上发生变形。
10.一种封闭空间设备变形监测装置,其特征在于,包括:
采集模块,用于采集所述封闭空间内若干预置区域内的设备的点云数据;每个所述预置区域内包括第一类设备的一部分,以及若干第二类设备;不同的预置区域内包括所述第一类设备的不同部分;对每个所述预置区域内的点云数据,执行如下步骤:
拼接模块,用于对所述预置区域内的点云数据进行拼接处理,得到拼接后的点云数据;
去噪模块,用于对所述拼接后的点云数据进行去噪处理;
匹配模块,用于将去噪后的点云数据与点云数据模型库中的各个点云数据模型进行匹配,以确定所述去噪后的点云数据所表征的各个设备的第一属性信息;
保存模块,用于将所述去噪后的点云数据与所述第一属性信息相关联的保存;
分析模块,用于将所述去噪后的点云数据与关联有所述第一属性信息的历史点云数据进行比对,以对所述各个设备进行变形分析。
11.根据权利要求10所述的装置,其特征在于,所述匹配模块具体可以用于:
将所述去噪后的点云数据与所述数据模型库中的各个第二类设备的点云数据模型进行匹配,以确定所述去噪后的点云数据所表征的第二类设备的第一属性信息;
将所述去噪后的点云数据中,除所述第二类设备的点云数据外的点云数据确定为所述第一类设备的点云数据;
根据所述第二类设备的第一属性信息中的区域信息,确定与所述区域信息对应的所述第一类设备的第一属性信息。
12.根据权利要求10或11所述的装置,其特征在于,所述历史点云数据包括:在预设历史时刻保存的关联了所述第一属性信息的点云数据。
13.根据权利要求12所述的装置,其特征在于,所述分析模块具体用于:
在所述去噪后的点云数据中提取第一设备的第一顶部平面的点云数据和第一立面的点云数据,并在所述历史点云数据中提取所述第一设备的第二顶部平面的点云数据和第二立面的点云数据;
根据所述第一顶部平面的点云数据和所述第二顶部平面的点云数据,计算所述第一顶部平面与所述历史点云数据中所述第一设备的点云数据的质心的第一高程差,以及所述第二顶部平面与所述质心的第二高程差;
若所述第一高程差与所述第二高程差的差值的绝对值大于第一差值阈值,确定所述第一设备发生垂直位移;
根据所述第一立面的点云数据和所述第二立面的点云数据,计算所述第一立面与所述质心的第一水平差,以及所述第二立面与所述质心的第二水平差;
若所述第一水平差与所述第二水平差的差值的绝对值大于第二差值阈值,确定所述第一设备发生水平位移。
14.根据权利要求12所述的装置,其特征在于,所述分析模块具体用于:
在所述去噪后的点云数据中提取第一设备的第一立面的点云数据,并在所述历史点云数据中提取所述第一设备的第二立面的点云数据;
根据所述第一立面的点云数据和所述第二立面的点云数据,计算所述第一立面与所述第二立面的夹角的角度;
若所述夹角的角度大于预置的角度阈值,确定所述第一设备发生倾斜。
15.根据权利要求12所述的装置,其特征在于,所述分析模块具体用于:
在所述去噪后的点云数据中提取第一设备的第一顶部平面的点云数据,并在所述历史点云数据中提取所述第一设备的第二顶部平面的点云数据;
根据所述第一顶部平面的点云数据,计算所述第一顶部平面与水平面的第一夹角的角度,并根据所述第二顶部平面的点云数据,计算所述第二顶部平面与水平面的第二夹角的角度;
若所述第一夹角和所述第二夹角的角度差大于第三差值阈值,确定所述第一设备发生倾斜。
16.根据权利要求12所述的装置,其特征在于,所述分析模块具体用于:
按照预设步长和方向分别对所述去噪后的点云数据进行第一剖切,对所述历史点云数据进行第二剖切;
每进行一次剖切,计算第一设备的剖切面的面积以及剖切面的点云数据的密度;
若所述第一设备的第一剖切面与所述第一设备的第二剖切面的面积差的绝对值大于第四差值阈值,确定所述第一设备在剖切面边缘发生凹/凸变形;或者,将剖切面划分为若干个区域,若第一剖切面的第一区域的面积大于第二剖切面的第一区域的面积,且面积差值大于第六差值阈值,则确定第一设备在第一区域的边缘发生凸变形;若第一剖切面的第一区域的面积小于第二剖切面的第一区域的面积,且面积差值的绝对值大于第六差值阈值,则确定第一设备在第一区域的边缘发生凹变形;
若所述第一设备的第一剖切面中点云数据的密度小于所述第一设备的第二剖切面中点云数据的密度,且第二剖切面中点云数据的密度与第一剖切面中点云数据的密度的差值大于第五差值阈值,确定所述第一设备在剖切面边缘发生表皮翘起变形。
17.根据权利要求16所述的装置,其特征在于,所述分析模块还用于:
对所述第一剖切面的点云数据进行圆形拟合,并确定圆形拟合率;
根据拟合的圆的直径,以及拟合圆所使用的点云数据所表征圆弧的深度,计算所述圆弧的凹陷率;
若所述凹陷率大于预置凹陷率阈值,确定所述第一设备发生非均匀损伤;
若所述圆形拟合率大于预置拟合率阈值,确定所述第一设备发生均匀损伤。
18.根据权利要求12所述的装置,其特征在于,所述分析模块具体用于:
当需要对所述第一类设备进行变形分析时,按照预设步长在所述封闭空间的延伸方向上分别对所述去噪后的点云数据中所述第一类设备的点云数据进行第一剖切,对所述第一类设备的历史点云数据进行第二剖切;
每进行一次剖切,得到与第一剖切对应的第一点云数据片,以及与第二剖切对应的第二点云数据片;
分别计算所述第一点云数据片的第一质心,以及所述第二点云数据片的第二质心;
计算所述第一质心与所述第二质心在水平方向上的第一距离,以及所述第一质心与所述第二质心在垂直方向上的第二距离;
若所述第一距离大于预设距离阈值,确定所述第一设备在第一点云数据片所表征部分在水平方向上发生变形;
若所述第二距离大于所述预设距离阈值,确定所述第一设备在第一点云数据片所表征部分在垂直方向上发生变形。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810695032.6A CN108895976B (zh) | 2018-06-29 | 2018-06-29 | 封闭空间设备变形监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810695032.6A CN108895976B (zh) | 2018-06-29 | 2018-06-29 | 封闭空间设备变形监测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108895976A true CN108895976A (zh) | 2018-11-27 |
CN108895976B CN108895976B (zh) | 2020-06-05 |
Family
ID=64346674
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810695032.6A Active CN108895976B (zh) | 2018-06-29 | 2018-06-29 | 封闭空间设备变形监测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108895976B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110194375A (zh) * | 2019-05-30 | 2019-09-03 | 北京中盛博方环保工程技术有限公司 | 一种用于物料场的自动堆料、取料、堆取料方法和系统 |
CN111127436A (zh) * | 2019-12-25 | 2020-05-08 | 北京深测科技有限公司 | 一种用于桥梁的位移检测预警方法 |
CN111369609A (zh) * | 2020-03-04 | 2020-07-03 | 山东交通学院 | 一种基于点云曲面特征约束的建筑物局部变形分析方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06258053A (ja) * | 1993-03-09 | 1994-09-16 | Hitachi Electron Eng Co Ltd | パンタグラフ枠組の変形検査装置 |
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 |
CN104951526A (zh) * | 2015-06-12 | 2015-09-30 | 福建省基础地理信息中心 | 一种三维模型管理系统 |
CN108180856A (zh) * | 2018-01-30 | 2018-06-19 | 中国地质大学(武汉) | 一种基于激光数据的隧道变形监测方法、设备及存储设备 |
-
2018
- 2018-06-29 CN CN201810695032.6A patent/CN108895976B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06258053A (ja) * | 1993-03-09 | 1994-09-16 | Hitachi Electron Eng Co Ltd | パンタグラフ枠組の変形検査装置 |
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 |
CN104951526A (zh) * | 2015-06-12 | 2015-09-30 | 福建省基础地理信息中心 | 一种三维模型管理系统 |
CN108180856A (zh) * | 2018-01-30 | 2018-06-19 | 中国地质大学(武汉) | 一种基于激光数据的隧道变形监测方法、设备及存储设备 |
Non-Patent Citations (1)
Title |
---|
康志忠 等: "基于三维激光扫描的地铁隧道连续形变监测数据处理软件系统", 《测绘工程》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110194375A (zh) * | 2019-05-30 | 2019-09-03 | 北京中盛博方环保工程技术有限公司 | 一种用于物料场的自动堆料、取料、堆取料方法和系统 |
CN110194375B (zh) * | 2019-05-30 | 2020-10-16 | 北京中盛博方智能技术有限公司 | 一种用于物料场的自动堆料、取料、堆取料方法和系统 |
CN111127436A (zh) * | 2019-12-25 | 2020-05-08 | 北京深测科技有限公司 | 一种用于桥梁的位移检测预警方法 |
CN111127436B (zh) * | 2019-12-25 | 2023-10-20 | 北京深测科技有限公司 | 一种用于桥梁的位移检测预警方法 |
CN111369609A (zh) * | 2020-03-04 | 2020-07-03 | 山东交通学院 | 一种基于点云曲面特征约束的建筑物局部变形分析方法 |
CN111369609B (zh) * | 2020-03-04 | 2023-06-30 | 山东交通学院 | 一种基于点云曲面特征约束的建筑物局部变形分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108895976B (zh) | 2020-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9947109B2 (en) | Method and apparatus for direct detection, location, analysis, identification, and reporting of vegetation clearance violations | |
Verma et al. | 3D building detection and modeling from aerial LIDAR data | |
Tarsha-Kurdi et al. | Model-driven and data-driven approaches using LIDAR data: Analysis and comparison | |
US7752018B2 (en) | Geospatial modeling system providing building roof type identification features and related methods | |
CN109059791B (zh) | 电力设备变形监测方法及装置 | |
CN108895976A (zh) | 封闭空间设备变形监测方法及装置 | |
CN111474443B (zh) | 测量输电线路的方法及装置 | |
Ariyachandra et al. | Detection of railway masts in airborne LiDAR data | |
US20220292761A1 (en) | Method and apparatus to extract powerlines from lidar point cloud data | |
CN108846374B (zh) | 电力设备巡检方法及装置 | |
CN101915570A (zh) | 一种基于灭点的地面移动测量影像线段自动提取分类方法 | |
CN108830256A (zh) | 封闭空间设备巡检方法及装置 | |
CN113255677A (zh) | 一种岩体结构面及产状信息快速提取方法、设备及介质 | |
CN115222883A (zh) | 一种基于地基LiDAR点云的电力杆塔重建方法 | |
CN114067073B (zh) | 一种基于tls点云的矿区建筑物变形自动提取方法 | |
JP6600615B2 (ja) | クラスタリング装置、人工物識別装置、幹検出装置、方法、及びプログラム | |
JP2002092658A (ja) | 3次元デジタル地図作成装置及び3次元デジタル地図作成のプログラムを記憶した記憶媒体 | |
Milde et al. | Building reconstruction using a structural description based on a formal grammar | |
Hammoudi et al. | Extracting outlined planar clusters of street facades from 3D point clouds | |
AU2010200146A1 (en) | Extraction processes | |
Pu | Automatic building modeling from terrestrial laser scanning | |
Wang et al. | Automatic deformation extraction method of buildings in mining areas based on TLS point clouds | |
CN115375875A (zh) | 基于三维形貌的粮堆凹凸形状特征识别方法、设备及介质 | |
CN108876785A (zh) | 封闭空间水情监测方法及系统 | |
Yan | Automated damage assessment and structural modeling of bridges with visual sensing technology |
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 | ||
CB02 | Change of applicant information |
Address after: 250000 Electric Power Intelligent Robot Production Project 101 in Jinan City, Shandong Province, South of Feiyue Avenue and East of No. 26 Road (ICT Industrial Park) Applicant after: National Network Intelligent Technology Co., Ltd. Address before: Xinluo Avenue high tech Zone of Ji'nan City, Shandong province 250101 silver bearing No. 2008 building Applicant before: Shandong Luneng Intelligent Technology Co., Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |