CN108961232A - 一种建筑物损毁状态检测方法 - Google Patents

一种建筑物损毁状态检测方法 Download PDF

Info

Publication number
CN108961232A
CN108961232A CN201810690433.2A CN201810690433A CN108961232A CN 108961232 A CN108961232 A CN 108961232A CN 201810690433 A CN201810690433 A CN 201810690433A CN 108961232 A CN108961232 A CN 108961232A
Authority
CN
China
Prior art keywords
section
compactness
building
subpoint
effective section
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
Application number
CN201810690433.2A
Other languages
English (en)
Other versions
CN108961232B (zh
Inventor
窦爱霞
王晓青
袁小祥
丁玲
王书民
丁香
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
INSTITUTE OF EARTHQUAKE SCIENCE CHINA EARTHQUAKE ADMINISTRATION
Original Assignee
INSTITUTE OF EARTHQUAKE SCIENCE CHINA EARTHQUAKE ADMINISTRATION
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by INSTITUTE OF EARTHQUAKE SCIENCE CHINA EARTHQUAKE ADMINISTRATION filed Critical INSTITUTE OF EARTHQUAKE SCIENCE CHINA EARTHQUAKE ADMINISTRATION
Priority to CN201810690433.2A priority Critical patent/CN108961232B/zh
Publication of CN108961232A publication Critical patent/CN108961232A/zh
Application granted granted Critical
Publication of CN108961232B publication Critical patent/CN108961232B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/62Analysis of geometric attributes of area, perimeter, diameter or volume
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10028Range image; Depth image; 3D point clouds
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20068Projection on vertical or horizontal image axis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

一种建筑物损毁状态检测方法,包括:对待分析建筑物的点云数据进行横剖面抽取;将第一有效剖面点和第二有效剖面点的云数据分别投影到YOZ坐标平面中,对应得到第一投影点连线与第二投影点连线;分别确定第一投影点连线和第二投影点连线各自所形成的多边形的紧凑度,对应得到第一紧凑度和第二紧凑度;确定第一有效剖面与第二有效剖面的剖面相似度,并根据剖面相似度确定待分析建筑物的毁损状态。相较于现有的采用人工解读判识的方式,本方法能够自动地基于待分析建筑的图形对建筑物进行分析,这样不仅能够更加快速地得到建筑物的损毁状态分析结果,同时避免了人工操作对分析结果所造成的干扰,从而提高了分析结果的准确度和可靠度。

Description

一种建筑物损毁状态检测方法
技术领域
本发明涉及地震灾害检测技术领域,具体地说,涉及一种建筑物损毁状态检 测方法。
背景技术
严重破坏性地震发生后,地震灾情信息的快速、全面的获取,一直是影响地 震应急指挥、抢险救援、灾害损失评估实效性的重要瓶颈。震后快速确定地震灾 害程度与受灾范围是地震应急救援的实际需求;震后大量人员赶赴地震现场开展 灾情调查,夜以继日地工作,目的就是为了尽快掌握地震受灾程度的分布,确定 地震烈度,估计地震损失等。
但受震后交通条件、防灾防疫需求、救灾救援队伍施工等限制,震后灾情实 地调查人员可能无法在第一时间进入灾害现场。而借助遥感技术,通过特定方法, 对震后灾区的建筑物进行特征参数提取,可以计算受灾害影响的房屋的数据,从 而为震后灾害评估提供快速支持。
在过去的地震应急工作中,对遥感图像的解译以及震后受灾建筑物的识别及 划分灾害程度,主要依靠人工进行。在计算机技术不发达、调查区域面积小的条 件下,人工解读判识尚能满足震后灾情评估的需要。而随着需要调查的区域面积 越来越多,人工解译速度已无法满足震后灾情快速评估的需求。
发明内容
为解决上述问题,本发明提供了一种建筑物损毁状态检测方法,所述方法包 括:
步骤一、获取待分析建筑物的点云数据;
步骤二、对所述点云数据进行横剖面抽取,得到第一有效剖面的点云数据和 第二有效剖面的点云数据;
步骤三、将所述第一有效剖面点的云数据和第二有效剖面点的云数据分别投 影到平行于横剖面的YOZ坐标平面中,对应得到第一投影点连线与第二投影点 连线;
步骤四、分别确定所述第一投影点连线和第二投影点连线各自所形成的多边 形的紧凑度,对应得到第一紧凑度和第二紧凑度;
步骤五、根据所述第一紧凑度和第二紧凑度确定所述第一有效剖面与第二有 效剖面的剖面相似度,并根据所述剖面相似度确定所述待分析建筑物的毁损状 态。
根据本发明的一个实施例,所述第一有效剖面与第二有效剖面为沿建筑物走 向按预设间隔进行横剖面分割所得到的多个剖面中的两个相邻剖面。
根据本发明的一个实施例,在所述步骤二中,判断指定剖面所包含的点云总 数是否大于预设点数阈值,其中,如果大于,则判定所述指定剖面为有效剖面。
根据本发明的一个实施例,根据点云密度、所述预设间隔和建筑物宽度确定 所述预设点数阈值。
根据本发明的一个实施例,在所述步骤四中,还分别对所述第一投影点连线 和第二投影点连线进行简化,以去除投影点连线中的冗余点。
根据本发明的一个实施例,在所述步骤四中,利用角度限值法、垂距限值法、Douglas-Peuker算法或滤波压缩法对所述第一投影点连线和第二投影点连线进行 简化。
根据本发明的一个实施例,所述步骤五包括:
步骤a、计算所述第一紧凑度和第二紧凑度的差值,得到紧凑度差值;
步骤b、从所述第一紧凑度和第二紧凑度中提取较大的数值,并计算所述紧 凑度差值与该取值较大的数值的商的绝对值;
步骤c、根据该绝对值确定所述所述第一有效剖面与第二有效剖面的剖面相 似度。
根据本发明的一个实施例,在所述步骤五中,根据如下表达式确定所述所述 第一有效剖面与第二有效剖面的剖面相似度;
其中,S表示剖面相似度,CP(i)表示第一投影点连线的紧凑度,CP(j)表 示第二投影点连线的紧凑度。
根据本发明的一个实施例,在所述步骤四中,分别所述第一投影点连线所形 成的多边形的面积和周长,计算所述面积与周长的比值,得到所述第一紧凑度。
根据本发明的一个实施例,在所述步骤五中,判断所述剖面相似度是否大于 或等于预设相似度阈值,其中,如果不大于,则判定所述待分析建筑物存在损毁。
本发明所提供的方法能够基于有效剖面的投影点连线所形成的多边形的紧 凑度来确定剖面相似度,进而根据剖面相似度来确定待分析建筑物的损毁状态。 其中,多边形的紧凑度通过对震害反映较为敏感的长度、面积等参数来确定,多 边形的紧凑度也就能够有效反映出房屋的破坏状态。
相较于现有的以及基于点云的建筑物震害识别方法,本方法能够自动地基于 待分析建筑的图形对建筑物进行分析,这样不仅能够更加快速地得到建筑物的损 毁状态分析结果,同时避免了人工操作对分析结果所造成的干扰,从而提高了分 析结果的准确度和可靠度。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书 中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过 在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
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的附图做简单的介绍:
图1是根据本发明一个实施例的建筑物损毁状态检测方法的实现流程示意 图;
图2是根据本发明一个实施例的某未倒塌的坡顶建筑物的屋顶原始点云分 布图;
图3和图4分别示出了图2所示的坡顶建筑物的屋顶原始点云在XOY剖面 和YOZ剖面的投影图;
图5示出了图2所示的坡顶建筑物的空间坐标归一化后的屋顶点云分布图;
图6和图7分别示出了图5所示的坡顶建筑物的屋顶点云在XOY剖面和 YOZ剖面的投影图;
图8是根据本发明一个实施例的对建筑物进行横剖面分割的示意图;
图9至图12是根据本发明一个实施例的采用Douglas-Peuker算法进行点连 线简化的示意图;
图13是根据本发明一个实施例的剖面体点云在YOZ平面投影得到的投影点 连线简化前后的对比图;
图14和图15分别是根据本发明一个实施例的整栋完好的人字形建筑和完好 的平顶建筑物的各个剖面的投影简化效果图;
图16和图17分别是根据本发明一个实施例的典型坡顶房屋和平顶房屋及完 好、局部倒塌和倒塌房屋的点云特征分析图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如 何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据 以实施。需要说明的是,只要不构成冲突,本发明中的各个实施例以及各实施 例中的各个特征可以相互结合,所形成的技术方案均在本发明的保护范围之 内。
同时,在以下说明中,出于解释的目的而阐述了许多具体细节,以提供对本 发明实施例的彻底理解。然而,对本领域的技术人员来说显而易见的是,本发 明可以不用这里的具体细节或者所描述的特定方式来实施。
另外,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计 算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况 下,可以以不同于此处的顺序执行所示出或描述的步骤。
地震导致的建筑物破坏是人员伤亡和经济损失的主要因素,房屋破坏程度 调查是灾害损失评估的重要依据。为此,本发明提供了一种新的建筑物损毁状 态检测方法,该方法能够利用建筑物剖面的剖面相似度来确定建筑物是否损 毁。
图1示出了本实施例所提供的建筑物损毁状态检测方法的实现流程示意图。
如图1所示,本实施例中,该方法首先会在步骤S101中获取待分析建筑物 的点云数据。激光雷达(Light Detection And Ranging,LiDAR)是一种新兴的主 动遥感技术,其能够快速获取高精度地面高程信息,能够为监测地震造成的地表 形变、地表破裂、滑坡、堰塞湖等地震次生灾害及道路、建筑物损坏提供数据依 据。因此,本实施例中,该方法在步骤S101中所获取到的待分析建筑物的点云 数据优选地是三维LiDAR点云数据。
需要指出的是,在本发明的其他实施例中,该方法在步骤S101中所获取到 的点云数据还可以为其他能够表征建筑物三维特征的点云数据,本发明不限于 此。
同时,为了方便后续的数据处理以及数据分析,本实施例中,该方法在步骤 S101中所获取到的待分析建筑物的点云数据为空间坐标归一化后的数据。具体 地,空间坐标归一化后的点云数据所表征的建筑物长宽将会沿着水平两个坐标方 向展布,同时点云数据的原点与水平两个坐标轴的原点重合。空间坐标归一化后 的点云数据能够为后续的建筑物剖面的提取。
例如,图2示出了某未倒塌的坡顶建筑物的屋顶原始点云分布图,图3示出 了该坡顶建筑物的屋顶原始点云在XOY剖面的投影图,图4示出了该该坡顶建 筑物的屋顶原始点云在YOZ剖面的投影图。而图5则示出了上述坡顶建筑物的 空间坐标归一化后的屋顶点云分布图,图6示出了该坡顶建筑物的空间坐标归一 化后的屋顶点云在XOY剖面的投影图,图7示出了该坡顶建筑物的空间坐标归 一化后的屋顶点云在YOZ剖面的投影图。
如图2所示,在得到待分析建筑物的点云数据后,该方法会在步骤S102中 对待分析建筑物的点云数据进行横剖面抽取,从而得到第一有效剖面的点云数据 和第二有效剖面的点云数据。
如图8所示,本实施例中,该方法在步骤S102中优选地基于步骤S101所 获取到的待分析建筑物的点云数据,沿建筑物走向按照预设间隔来进行横剖面的 分割,这样也就可以得到沿建筑物走向的多个横剖面。随后,该方法在步骤S102 中将会从分割得到的这些横剖面中提取出有效剖面,从而得到第一有效剖面和第 二有效剖面。
本实施例中,该方法在判断某一剖面是否为有效剖面时,优选地会判断该剖 面所包含的点云总数是否大于预设点数阈值。其中,如果该剖面所包含的点云总 数大于预设点数阈值,那么该方法也就可以判定该剖面为有效剖面;而如果该剖 面所包含的点云总数小于或等于预设点数阈值,那么该方法也就可以判定该剖面 为无效剖面,此时该方法将会转为分析该剖面的下一剖面是否为有效剖面。
本实施例中,该方法在判断某一剖面是否为有效剖面是所使用的预设点数阈 值优选地基于上述预设间隔以及以及待分析建筑物的宽度来确定。具体地,本实 施例中,该方法通过计算点云密度、上述预设间隔和建筑物宽度三者的乘积来确 定预设点数阈值。
当然,在本发明的其他实施例中,根据实际需要,该方法还可以采用其他合 理方式来确定上述预设点数阈值,本发明不限于此。
由于建筑物存在局部破坏时,相邻两个剖面的相似度会较小,而不相邻的两 个剖面有可能相似,而这样也就会给建筑物的损毁状态分析带来误差,因此本方 法在步骤S102中所提取出的两个有效剖面(即第一有效剖面和第二有效剖面) 优选地为对待分析建筑物进行横剖面分割所得到的多个剖面中的两个相邻剖面。
在确定出第一有效剖面和第二有效剖面后,第一有效剖面的点云数据以及第 二有效剖面的点云数据也就可以对应得到。如图1所示,本实施例中,此时该方 法将会在步骤S103中将第一有效剖面的点云数据和第二有效剖面的点云数据分 别投影到平行于横剖面的YOZ坐标平面中,从而对应得到第一投影点连线和第 二投影点连线。
随后,该方法会在步骤S104中分别确定第一投影点连线和第二投影点连线 各自所形成的多边形的紧凑度,从而对应得到第一紧凑度和第二紧凑度。
本实施例中,该方法在提取第一投影点连线和第二投影点连线所形成的多边 形的紧凑度的过程中,优选地首先都会分别对第一投影点连线和第二投影点连线 进行简化,以去除投影点连线中的冗余点。
由于点云精度较高,屋面微小变化会使多边形产生诸多拐点,这将影响屋面 形状相似性检测精度和效率,因此本实施例所提供的方法会对屋顶剖面点云构建 的多边形的形状进行简化,以去掉其中的冗余点,从而突出屋顶的总体形态特征。
本实施例中,该方法优选地采用Douglas-Peuker算法(简称D-P算法)来对第 一投影点连线和第二投影点连线进行简化。
如图9至12所示,设C为实平面上的一不封闭曲线,P1、…、Pn为该曲线 上节点。如图9所示,连接P1与Pn,并计算这两点间节点到直线的距离,取其 中距离最大的点,若其大于距离阈值,则保留该点,反之剔除该点,余下的其他 点为待判断点。
利用保留的最大距离点将原曲线分为两段,如图10所示。再用上述同样的 方法分别从这两段的待判断点中寻找剔除点或者可保留的最大距离点(如图11 所示)。重复此操作,直至每个待判断点都确定为剔除或保留的点为止,结果如 图12所示。
D-P算法是一个从整体到局部由粗到细的曲线简化方法,其具有平移、旋转 不变性等优点,确定阈值后简化结果一致。
本实施例中,该方法在利用D-P算法对第一投影点连线和第二投影点连线 进行简化的过程中,首先会对投影后的点按照Y值进行排序,从而确定投影点连 线的起始点与末端点,随后在基于预设距离阈值来对投影点连线进行简化。
通过分析发现,如果简化过程中所选取的距离阈值过大,那么将会导致图形 失真,这样也就不能有效地反映曲线的原始形状;而如果所选取的距离阈值过 小,那么则有难以达到简化效果。
本实施例中,为了保证图形简化效果,该方法优选地基于点云数据的精度来 通过多次试验分析确定上述距离阈值。例如,对于海地震后机载LiDAR数据(精 度0.15m),经过多次试验,该方法确定出的距离阈值为0.3m。
以“人”字形房屋为例,单剖面体点云在YOZ平面投影得到的投影点连线 简化前后的对比图如图13所示。而图14则示出了整栋完好的人字形建筑的各个 剖面的投影简化效果图,从图中可以看出,该建筑物的剖面的各简化图形为近乎 重叠的等腰三角形。图15示出了整栋完好平顶建筑的各个剖面的投影简化效果 图,如图15所示,平顶建筑物的简化图形为平行重叠的直线段。
需要指出的是,在本发明的其他实施例中,该方法还可以采用其他合理方式 来对第一投影点连线和第二投影点连线进行简化,本发明不限于此。例如,在本 发明的一个实施例中,该方法还可以采用角度限值法、垂距限值法或滤波压缩法 来对第一投影点连线和第二投影点连线进行简化。
地震造成破坏的建筑物的横剖面点云投影后的投影点连线的简化图形为形 状各异的不规则多边形,发明人分别选取典型坡顶房屋和平顶房屋及完好、局部 倒塌和倒塌房屋进行了点云特征分析,结果如图16和图17所示。
从图16中平顶房屋的三个破坏等级几何特征分布中可以看出,对于房屋横 剖面点云分布,完好房屋的横剖面点云基本分布在屋顶附近,局部倒塌房屋的横 剖面点云有部分分布较离散,而倒塌房屋的横剖面点云完全呈现离散分布。
横剖面投影点连线图形简化后,完好房屋的各横剖面图形均呈直线形,质心 也集中分布于线段中心点处。部分倒塌房屋的投影点连线有部分简化图形呈不规 则多边形其他部分为直线段。倒塌房屋的投影点连线的简化图形完全呈现不规则 多边形,质心点也离散分布。
从简化图形长度/周长统计分布来看,完好房屋的投影线连线的简化图形的 长度基本一致;局部倒塌房屋的投影点连线的图形长度有部分长度变化较大,另 部分长度基本相同;而倒塌房屋的投影点连线的简化图形的长度变化较大,基本 无相同的出现。
从顶点数量来看,完好部分的房屋的投影点连线的简化图形的顶点数量相 同,都为2个顶点;局部倒塌的房屋的投影点连线的简化图形在破坏部分顶点数 大于2个而且变化较大;倒塌的房屋的投影点连线的简化图形的顶点数很多,未 出现顶点数量相同情况。
从图17可以看出,完好坡顶房屋的投影点连线的简化图形呈现规则三角形、 顶点数量一般为3个,各个剖面的长度、面积、顶点数量基本一致,简化三角形 质心也集中分布于三角形中心位置;局部倒塌和倒塌的房屋的投影点连线的简化 图形的分布特征与平顶建筑的分布特征相似,均是长度、面积和顶点数在房屋破 坏的剖面呈现较大变化。
通过上述分析可知,建筑物的投影点连线的简化图形的顶点数、长度、面积、 质心等几何特征对震害反映较敏感,这些参数能够反映出房屋的破坏,因此也就 可以基于这些特征参数对建筑物的损毁状态进行分析。本实施例中,该方法优选 地利用投影点连线所形成多边形的紧凑度来对待分析建筑物的损毁状态进行检 测。
如图1所示,本实施例中,该方法会在步骤S104中分别确定第一投影点连 线所形成的多边形的紧凑度以及第二投影点连线各自所形成的多边形的紧凑度, 对应得到第一紧凑度和第二紧凑度。
具体地,本实施例中,该方法在步骤S104中根据投影点连线所形成的多边 形的面积和周长的比值来确定该投影点连线所形成的多边形的紧凑度。例如,对 于第i个横剖面(即第一有效剖面),其投影点连线所形成的多边形的紧凑度可 以根据如下表达式确定:
其中,CP(i)表示第i个横剖面的投影点连线(即第一投影点连线)所形成 的多边形的紧凑度,A(i)和P(i)分别表示第i个横剖面的投影点连线(即第一投 影点连线)所形成的多边形的面积和周长。
本实施例中,第i个横剖面的投影点连线(即第一投影点连线)所形成的多 边形的面积和周长A(i)和P(i)优选地可以根据如下表达式计算得到:
其中,(yk,zk)表示第i个横剖面的投影点连线(即简化后的连线)中第k个 拐点的坐标数据,m表示第i个横剖面的投影点连线(即简化后的连线)中拐点 的总数。
类似地,该方法基于表达式(1)还可以得到其他横剖面的投影点连线所形 成的多边形的紧凑度。
当然,在本发明的其他实施例中,该方法还可以采用其他合理方式来确定投 影点连线所形成的多边形的紧凑度,本发明不限于此。
如图1所示,本实施例中,在得到对应于第一有效剖面的第一紧凑度和对应 于第二有效剖面的第二紧凑度后,该方法会在步骤S105中根据上述第一紧凑度 和第二紧凑度来确定第一有效剖面与第二有效剖面的相似度。
具体地,本实施例中,在确定第一有效剖面与第二有效剖面的相似度的过程 中,该方法首先会计算第一紧凑度与第二紧凑度的差值,从而得到紧凑度差值。 随后,该方法会从第二紧凑度与第二紧凑度中提取取值较大的数值,并计算上述 紧凑度差值与上述取值较大的数值的商的绝对值。最后,该方法便可以根据该绝 对值数据来确定第一有效剖面与第二有效剖面的剖面相似度。
例如,本实施例中,该方法在步骤S105中可以根据如下表达式来确定第一 有效剖面与第二有效剖面的剖面相似度:
其中,S表示剖面相似度,CP(i)表示第一投影点连线的紧凑度,CP(j)表 示第二投影点连线的紧凑度。
当然,在本发明的其他实施例中,该方法还可以采用其他合理方式来确定第 一有效剖面与第二有效剖面的相似度,本发明不限于此。
本实施例中,在确定出第一有效剖面与第二有效剖面的相似度后,该方法便 可以在步骤S106中根据第一有效剖面与第二有效剖面的相似度来确定待分析建 筑物的损毁状态。
具体地,本实施例中,该方法优选地在步骤S106中判断第一有效剖面与第 二有效剖面的相似度是否大于预设相似度阈值。其中,如果第一有效剖面与第二 有效剖面的相似度不大于预设相似度阈值,那么则表示第一有效剖面与第二有效 剖面存在明显差别,因此该方法也就可以判断该待分析建筑物存在损毁。
需要指出的是,在本发明的不同实施例中,上述预设相似度阈值可以根据实 际需要配置为不同的合理值,本发明并不对该预设相似度阈值的具体取值进行限 定。
从上述描述中可以看出,本发明所提供的方法能够基于有效剖面的投影点连 线所形成的多边形的紧凑度来确定剖面相似度,进而根据剖面相似度来确定待分 析建筑物的损毁状态。其中,多边形的紧凑度通过对震害反映较为敏感的长度、 面积等参数来确定,多边形的紧凑度也就能够有效反映出房屋的破坏状态。
相较于现有的采用人工解读判识的方式,本方法能够自动地基于待分析建筑 的图形对建筑物进行分析,这样不仅能够更加快速地得到建筑物的损毁状态分析 结果,同时避免了人工操作对分析结果所造成的干扰,从而提高了分析结果的准 确度和可靠度。
应该理解的是,本发明所公开的实施例不限于这里所公开的特定结构或处理 步骤,而应当延伸到相关领域的普通技术人员所理解的这些特征的等同替代。还 应当理解的是,在此使用的术语仅用于描述特定实施例的目的,而并不意味着限 制。
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、 结构或特性包括在本发明的至少一个实施例中。因此,说明书通篇各个地方出现 的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
虽然上述示例用于说明本发明在一个或多个应用中的原理,但对于本领域的 技术人员来说,在不背离本发明的原理和思想的情况下,明显可以在形式上、用 法及实施的细节上作各种修改而不用付出创造性劳动。因此,本发明由所附的权 利要求书来限定。

Claims (10)

1.一种建筑物损毁状态检测方法,其特征在于,所述方法包括:
步骤一、获取待分析建筑物的点云数据;
步骤二、对所述点云数据进行横剖面抽取,得到第一有效剖面的点云数据和第二有效剖面的点云数据;
步骤三、将所述第一有效剖面点的云数据和第二有效剖面点的云数据分别投影到平行于横剖面的YOZ坐标平面中,对应得到第一投影点连线与第二投影点连线;
步骤四、分别确定所述第一投影点连线和第二投影点连线各自所形成的多边形的紧凑度,对应得到第一紧凑度和第二紧凑度;
步骤五、根据所述第一紧凑度和第二紧凑度确定所述第一有效剖面与第二有效剖面的剖面相似度,并根据所述剖面相似度确定所述待分析建筑物的毁损状态。
2.如权利要求1所述的方法,其特征在于,所述第一有效剖面与第二有效剖面为沿建筑物走向按预设间隔进行横剖面分割所得到的多个剖面中的两个相邻剖面。
3.如权利要求2所述的方法,其特征在于,在所述步骤二中,判断指定剖面所包含的点云总数是否大于预设点数阈值,其中,如果大于,则判定所述指定剖面为有效剖面。
4.如权利要求3所述的方法,其特征在于,根据点云密度、所述预设间隔和建筑物宽度确定所述预设点数阈值。
5.如权利要求1~4中任一项所述的方法,其特征在于,在所述步骤四中,还分别对所述第一投影点连线和第二投影点连线进行简化,以去除投影点连线中的冗余点。
6.如权利要求5所述的方法,其特征在于,在所述步骤四中,利用角度限值法、垂距限值法、Douglas-Peuker算法或滤波压缩法对所述第一投影点连线和第二投影点连线进行简化。
7.如权利要求1~6中任一项所述的方法,其特征在于,所述步骤五包括:
步骤a、计算所述第一紧凑度和第二紧凑度的差值,得到紧凑度差值;
步骤b、从所述第一紧凑度和第二紧凑度中提取较大的数值,并计算所述紧凑度差值与该取值较大的数值的商的绝对值;
步骤c、根据该绝对值确定所述所述第一有效剖面与第二有效剖面的剖面相似度。
8.如权利要求7所述的方法,其特征在于,在所述步骤五中,根据如下表达式确定所述所述第一有效剖面与第二有效剖面的剖面相似度;
其中,S表示剖面相似度,CP(i)表示第一投影点连线的紧凑度,CP(j)表示第二投影点连线的紧凑度。
9.如权利要求1~8中任一项所述的方法,其特征在于,在所述步骤四中,分别所述第一投影点连线所形成的多边形的面积和周长,计算所述面积与周长的比值,得到所述第一紧凑度。
10.如权利要求1~9中任一项所述的方法,其特征在于,在所述步骤五中,判断所述剖面相似度是否大于或等于预设相似度阈值,其中,如果不大于,则判定所述待分析建筑物存在损毁。
CN201810690433.2A 2018-06-28 2018-06-28 一种建筑物损毁状态检测方法 Expired - Fee Related CN108961232B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810690433.2A CN108961232B (zh) 2018-06-28 2018-06-28 一种建筑物损毁状态检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810690433.2A CN108961232B (zh) 2018-06-28 2018-06-28 一种建筑物损毁状态检测方法

Publications (2)

Publication Number Publication Date
CN108961232A true CN108961232A (zh) 2018-12-07
CN108961232B CN108961232B (zh) 2020-08-18

Family

ID=64487813

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810690433.2A Expired - Fee Related CN108961232B (zh) 2018-06-28 2018-06-28 一种建筑物损毁状态检测方法

Country Status (1)

Country Link
CN (1) CN108961232B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103413133A (zh) * 2013-06-28 2013-11-27 广东电网公司电力科学研究院 无序激光点云数据中自动提取电力线方法
CN103729853A (zh) * 2014-01-15 2014-04-16 武汉大学 三维gis辅助下的高分遥感影像建筑物倒损检测方法
CN104048618A (zh) * 2014-06-16 2014-09-17 民政部国家减灾中心 一种损毁建筑检测方法
US20150006117A1 (en) * 2013-07-01 2015-01-01 Here Global B.V. Learning Synthetic Models for Roof Style Classification Using Point Clouds
CN105787977A (zh) * 2016-02-26 2016-07-20 民政部国家减灾中心 建筑物矢量边界简化的方法
CN106097311A (zh) * 2016-05-31 2016-11-09 中国科学院遥感与数字地球研究所 机载激光雷达数据的建筑物三维重建方法
CN107092877A (zh) * 2017-04-12 2017-08-25 武汉大学 基于建筑物基底矢量的遥感影像屋顶轮廓提取方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103413133A (zh) * 2013-06-28 2013-11-27 广东电网公司电力科学研究院 无序激光点云数据中自动提取电力线方法
US20150006117A1 (en) * 2013-07-01 2015-01-01 Here Global B.V. Learning Synthetic Models for Roof Style Classification Using Point Clouds
CN103729853A (zh) * 2014-01-15 2014-04-16 武汉大学 三维gis辅助下的高分遥感影像建筑物倒损检测方法
CN104048618A (zh) * 2014-06-16 2014-09-17 民政部国家减灾中心 一种损毁建筑检测方法
CN105787977A (zh) * 2016-02-26 2016-07-20 民政部国家减灾中心 建筑物矢量边界简化的方法
CN106097311A (zh) * 2016-05-31 2016-11-09 中国科学院遥感与数字地球研究所 机载激光雷达数据的建筑物三维重建方法
CN107092877A (zh) * 2017-04-12 2017-08-25 武汉大学 基于建筑物基底矢量的遥感影像屋顶轮廓提取方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
徐龙 等: ""点云数据场剖面云图绘制算法"", 《计算机辅助工程》 *
陈治睿 等: ""基于点云数据的建筑物快速三维重建方法"", 《江西科学》 *

Also Published As

Publication number Publication date
CN108961232B (zh) 2020-08-18

Similar Documents

Publication Publication Date Title
Czerniawski et al. Pipe spool recognition in cluttered point clouds using a curvature-based shape descriptor
EP2801951B1 (en) Aerial image segmentation for refineries
US20160012638A1 (en) Image processing
Xiao et al. Individual tree crown modeling and change detection from airborne lidar data
Jones et al. Quantitative analysis and visualization of nonplanar fault surfaces using terrestrial laser scanning (LIDAR)—The Arkitsa fault, central Greece, as a case study
Sánchez‐Rodríguez et al. Detection of structural faults in piers of masonry arch bridges through automated processing of laser scanning data
US9076032B1 (en) Specularity determination from images
Yan et al. Estimation of building height using a single street view image via deep neural networks
Yonglin et al. Identification of inclined buildings from aerial lidar data for disaster management
Hammoudi et al. Extracting wire-frame models of street facades from 3D point clouds and the corresponding cadastral map
Agathos et al. Protrusion-oriented 3D mesh segmentation
CN113065455A (zh) 一种基于深度学习的滑坡风险巡检方法及系统
Che et al. Fast edge detection and segmentation of terrestrial laser scans through normal variation analysis
RU2612571C1 (ru) Способ и система распознавания городских объектов
Jiao et al. Identification of C1 and C2 discontinuities for surface meshes in CAD
CN103968781B (zh) 基于构造边的高精度快速相位解缠方法
Hammoudi et al. Extracting outlined planar clusters of street facades from 3D point clouds
CN108961232A (zh) 一种建筑物损毁状态检测方法
Zheng Crack detection and measurement utilizing image-based reconstruction
CN109035206A (zh) 一种建筑物损毁状态检测方法
CN108921837A (zh) 一种建筑物损毁状态检测方法
CN108898143A (zh) 一种建筑物损毁状态检测方法
Dénes et al. Attractors and basins of dynamical systems
Tang et al. A new method for extracting trees and buildings from sparse LiDAR data in urban areas
CN108898144B (zh) 一种建筑物损毁状态检测方法

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200818