CN109214994A - 一种基于双控制点的隧道密集点云噪声剔除方法 - Google Patents
一种基于双控制点的隧道密集点云噪声剔除方法 Download PDFInfo
- Publication number
- CN109214994A CN109214994A CN201810910429.2A CN201810910429A CN109214994A CN 109214994 A CN109214994 A CN 109214994A CN 201810910429 A CN201810910429 A CN 201810910429A CN 109214994 A CN109214994 A CN 109214994A
- Authority
- CN
- China
- Prior art keywords
- point
- tunnel
- cloud
- point cloud
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000000513 principal component analysis Methods 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 6
- 244000062793 Sorghum vulgare Species 0.000 claims description 4
- 235000019713 millet Nutrition 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 abstract description 3
- 239000000284 extract Substances 0.000 abstract description 3
- 230000005641 tunneling Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241000350052 Daniellia ogea Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30132—Masonry; Concrete
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于双控制点的隧道密集点云噪声剔除方法,包括:隧道数据采集;三维点云投影至XOY平面;二维主成分分析提取隧道方向;坐标转换;断面点云提取;计算断面点云几何中心作为第一控制点;以第一个控制点为圆心,将断面点云按圆周划分为720等份,计算每等份内点到控制点的距离均值及标准差;给定距离阈值,对噪声点进行识别与剔除;选取第二控制点,以该点为圆心将断面点云按圆周划分为720等份,计算每等份内点到控制点的距离均值及标准差;给定距离阈值,对噪声点进行二次识别与剔除;获得最终断面点云。本发明自动化程度高,能够有效提取隧道点云中附属设施点及噪声点,在精度保证的前提下为后期形变分析及建模分析提供可靠数据保障。
Description
技术领域
本发明涉及一种基于双控制点的隧道密集点云噪声剔除方法,属于噪声处理技术领域。
背景技术
近年来,城市地下轨道交通系统得到高速发展,由于时效、深基坑的开挖等影响,地铁隧道不可避免会发生形变,这种形变如果超过一定限度会造成巨大的安全事故,因此,需要定期进行安全检测。
由于LiDAR技术具有高效、高精度、高分辨率等优势,其在地铁隧道形变监测中逐步得到应用。然而,由于仪器本身的精度、被测物体表面材质、光照、遮挡等因素的影响,被测物体表面不可避免包含噪声点,为获取可靠的形变分析数据源,对原始点云数据进行噪声提取至关重要。
考虑到地铁隧道狭长且呈圆柱形的特点,探求一种能够有效剔除隧道内部表面噪声点的剔除方法具有重要的现实意义。
发明内容
针对现有技术的不足,本发明提供一种基于双控制点的隧道密集点云噪声剔除方法。
本发明为解决上述技术问题采用以下技术方案:
本发明提供一种基于双控制点的隧道密集点云噪声剔除方法,包括以下步骤:
1)采用激光扫描仪系统对隧道内表面进行扫描,获取隧道表面点云数据集{Pi|i=1,2,…n},其中,n为隧道表面点云数量,Pi为隧道表面点云数据集中第i个点云数据,每个点云数据包括对应表面点的三维坐标和激光反射强度;
2)将步骤1)中获取三维点云投影至XOY平面,利用二维主成分分析确定隧道走向及其对应的向量,将三维点云转化至隧道坐标系;
3)在隧道走向垂直方向以一定宽度获取隧道断面数据集{Qj=(xk,yk,zk)|k=1,2,…,m},其中,Qj为第j个断面数据,m为第j个断面内点云的个数,(xk,yk,zk)为第j个断面内第k个点云的坐标;
4)计算第j个断面的原始断面点云几何中心
5)将步骤4)获得的原始断面点云几何中心作为第一控制点,并以第一控制点为圆心,计算对应断面内所有点云至该圆心的角度和距离;
6)将断面以步骤4)获得的原始断面几何中心为圆心,按角度分为720等份;
7)分别计算第l等份内点云到圆心距离的最大值及标准差σl,其中,l=1,2,…,720;
8)按极限误差原理,以一倍标准差为阈值,对噪声点云进行剔除:当djk>σl,则当前点云被判定为噪声点云予以剔除,反之当djk≤σl时,当前点云判定为断面点云;
9)确定第二控制点以第二控制点为圆心,按照步骤5)至8)的方法再次剔除噪声点云,从而完成隧道密集点云噪声的剔除。
作为本发明的进一步技术方案,步骤2)具体为:
2.1):步骤1)中获取三维点云投影至XOY平面后的点云坐标集为{Pi 2=(x0 i,y0 i)|i=1,2,…n},其中,Pi 2=(x0 i,y0 i)为第i个点云投影至XOY平面后的坐标;
2.2):构造投影至XOY平面后的点云坐标集对应的协方差矩阵:其中, 为投影至XOY平面后的点云坐标集的重心坐标
2.2)对协方差矩阵C进行主成分分析,求得两个特征值λ1、λ2,λ1和λ2所对应的特征向量分别为v1(a1,b1,c1)和v2(a2,b2,c2),其中,λ1≥λ2>0,v1(a1,b1,c1)为隧道走向对应向量;
2.3):通过公式P2'=P2·M1将点云由XOY平面转换至隧道坐标系,转换至隧道坐标系后的点云坐标集为{Pc-i=[xi,yi,zi]|i=1,2,…n},其中,M1=[v′1,v′2],v'1和v'2分别为v1(a1,b1,c1)和v2(a2,b2,c2)的转置。
作为本发明的进一步技术方案,步骤5)中第j个断面内第k个点云至该圆心的角度αjk和距离djk分别为:
作为本发明的进一步技术方案,所述隧道坐标系的定义如下:隧道坐标系的Y轴平行于隧道走向,X轴垂直于隧道走向,Z轴与扫描坐标系相同。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:本发明的一种基于双控制点的隧道密集点云噪声剔除方法,一方面自动化程度高,另一方面充分利用了原始数据,能够有效剔除隧道密集点云中所包含的附属设施点和噪声点。
附图说明
图1为本发明的流程图;
图2为本发明的扫描坐标系和测站坐标系示意图;
图3为本发明实施例原始断面点云角度和距离分布图;
图4为本发明实施例原始断面点云距离标准差分布图;
图5为本发明实施例经第一控制点噪声剔除后断面点云角度和距离分布图;
图6为本发明实施例经第二控制点噪声剔除后断面点云角度和距离分布图;
图7为本发明实施例经第二控制点噪声剔除后断面点云距离标准差分布图。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解的是,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
下面结合附图对本发明的技术方案做进一步的详细说明:
本发明一种基于双控制点的隧道密集点云噪声剔除方法,如图1所示,包括以下步骤:
1)采用激光扫描仪系统对隧道内表面进行扫描,获取隧道表面点云数据集{Pi|i=1,2,…n},其中,n为隧道表面点云数量,Pi为隧道表面点云数据集中第i个点云数据,每个点云数据包括对应表面点的三维坐标和激光反射强度。
2)将步骤1)中获取三维点云投影至XOY平面,利用二维主成分分析确定隧道走向及其对应的向量,将三维点云转化至隧道坐标系,具体如下:
2.1):步骤1)中获取三维点云投影至XOY平面后的点云坐标集为{Pi 2=(x0 i,y0 i)|i=1,2,…n},其中,Pi 2=(x0 i,y0 i)为第i个点云投影至XOY平面后的坐标;
2.2):构造投影至XOY平面后的点云坐标集对应的协方差矩阵:其中, 为投影至XOY平面后的点云坐标集的重心坐标
2.3):对协方差矩阵C进行主成分分析,可求得两个特征值λ1、λ2,得到λ1≥λ2>0,λ1和λ2所对应的特征向量分别为v1(a1,b1,c1)和v2(a2,b2,c2),其中v1(a1,b1,c1)为隧道走向对应向量;
2.3):通过如下公式可将点云在二维平面内转化至隧道坐标系(所述隧道坐标系的定义为:如图2所示,O-X'Y'Z'为扫描坐标系,O-XYZ为隧道坐标系,其中,隧道坐标系的Y轴平行于隧道走向,X轴垂直于隧道走向):
P2'=P2·M1
其中,M1=[v′1,v'2],v'1和v'2分别为v1(a1,b1,c1)和v2(a2,b2,c2)的转置。
转换完成后,隧道坐标系后的点云坐标集为{Pc-i=[xi,yi,zi]|i=1,2,…n},其中,
3)在隧道走向垂直方向以一定宽度获取隧道断面数据{Qj=(xk,yk,zk)|k=1,2,…,m},其中,Qj为第j个断面数据,m为第j个断面内点云的个数,(xk,yk,zk)为第j个断面内第k个点云的坐标。
4)计算原始断面点云几何中心因隧道走向平行于Y轴方向,而断面的宽度又很小,因此对断面的处理可以在XOZ平面上进行,从而,第j个断面的原始断面点云的几何中心为
5)以步骤4)获得的原始断面点云的几何中心为圆心(称为第一控制点),计算断面内所有点云至该圆心的角度αjk和距离djk,具体如下:
6)将断面以步骤4)获得的原始断面几何中心为圆心,按角度分为720等份,即每一等份为0.5°。
7)分别计算每等份内点云到圆心距离的最大值及标准差σl,其中,l=1,2,…,720;
8)按极限误差原理,以一倍标准差为阈值,对噪声点进行剔除,即:当djk>σl,当前点云被判定为噪声点云予以剔除,反之当djk≤σl时,当前点云判定为断面点云,其中,σl为当前点云所属角度区间的标准差;
9)确定第二控制点以该点为圆心,按照步骤5)至8)的方法再次剔除噪声点云,从而完成隧道密集点云噪声的剔除。
步骤9)中采用第二控制点的原因如下:
运营期隧道周围会安装有输电线、管道及监测设备等附属设施,因此,断面点云中不可避免含有附属设施点。当控制点与附属设施点连线所在隧道表面上没有点存在,那么在方法实施过程中会错误将附属设施点保留。为解决此问题,引入第二个控制点,该控制点位置与第一个控制点位置存在明显差异,因此第二个控制点与上述误留的附属设施点连线上存在隧道表面点,方法执行过程中可以将此类点轻易剔除。
下面以“南京某地铁隧道扫描数据”为例,对本发明作进一步阐述:
(1)利用FARO Focus X330激光扫描仪系统对隧道进行扫描,观测值包含两类:三维坐标,激光反射强度;
(2)将三维点云投影至XOY平面,利用二维主成分分析确定隧道走向及其对应的向量,将三维点云转化至隧道坐标系(如图2所示),转化过程如下:
(3)在隧道走向垂直方向以一定宽度获取隧道断面数据{Qj=(xk,yk,zk)|k=1,2,…,m};
(4)计算该断面的几何中心为即为第一控制点;
(5)计算断面内所有点至该控制点的角度αjk和距离djk,如图3所示,相应的距离标准差如图4所示;
(6)分别计算每等分内点到圆心距离的最大值及标准差σl,其中,l=1,2,…,720,按极限误差原理,对噪声点剔除,剔除后的断面点云数据如图5所示;
(7)计算第二控制点坐标为按同样方法对噪声进行剔除,剔除后的断面点云如图6所示,相应的距离标准差如图7所示,通过比较图4和图7,可以发现,通过双控制点对断面点云噪声点进行剔除后,点云质量得到明显改善和提升。
以上所述,仅为本发明中的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉该技术的人在本发明所揭露的技术范围内,可理解想到的变换或替换,都应涵盖在本发明的包含范围之内,因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (4)
1.一种基于双控制点的隧道密集点云噪声剔除方法,其特征在于,包括以下步骤:
1)采用激光扫描仪系统对隧道内表面进行扫描,获取隧道表面点云数据集{Pi|i=1,2,…n},其中,n为隧道表面点云数量,Pi为隧道表面点云数据集中第i个点云数据,每个点云数据包括对应表面点的三维坐标和激光反射强度;
2)将步骤1)中获取三维点云投影至XOY平面,利用二维主成分分析确定隧道走向及其对应的向量,将三维点云转化至隧道坐标系;
3)在隧道走向垂直方向以一定宽度获取隧道断面数据集{Qj=(xk,yk,zk)|k=1,2,…,m},其中,Qj为第j个断面数据,m为第j个断面内点云的个数,(xk,yk,zk)为第j个断面内第k个点云的坐标;
4)计算第j个断面的原始断面点云几何中心
5)将步骤4)获得的原始断面点云几何中心作为第一控制点,并以第一控制点为圆心,计算对应断面内所有点云至该圆心的角度和距离;
6)将断面以步骤4)获得的原始断面几何中心为圆心,按角度分为720等份;
7)分别计算第l等份内点云到圆心距离的最大值及标准差σl,其中,l=1,2,…,720;
8)按极限误差原理,以一倍标准差为阈值,对噪声点云进行剔除:当djk>σl,则当前点云被判定为噪声点云予以剔除,反之当djk≤σl时,当前点云判定为断面点云;
9)确定第二控制点以第二控制点为圆心,按照步骤5)至8)的方法再次剔除噪声点云,从而完成隧道密集点云噪声的剔除。
2.根据如权利要求1所述的一种基于双控制点的隧道密集点云噪声剔除方法,其特征在于,步骤2)具体为:
2.1):步骤1)中获取三维点云投影至XOY平面后的点云坐标集为{Pi 2=(x0 i,y0 i)|i=1,2,…n}其中,Pi 2=(x0 i,y0 i)为第i个点云投影至XOY平面后的坐标;
2.2):构造投影至XOY平面后的点云坐标集对应的协方差矩阵:其中, 为投影至XOY平面后的点云坐标集的重心坐标
2.2)对协方差矩阵C进行主成分分析,求得两个特征值λ1、λ2,λ1和λ2所对应的特征向量分别为v1(a1,b1,c1)和v2(a2,b2,c2),其中,λ1≥λ2>0,v1(a1,b1,c1)为隧道走向对应向量;
2.3):通过公式P2'=P2·M1将点云由XOY平面转换至隧道坐标系,转换至隧道坐标系后的点云坐标集为{Pc-i=[xi,yi,zi]|i=1,2,…n},其中,zi=zi 0,M1=[v′1v'2],v'1和v'2分别为v1(a1,b1,c1)和v2(a2,b2,c2)的转置。
3.根据如权利要求1所述的一种基于双控制点的隧道密集点云噪声剔除方法,其特征在于,步骤5)中第j个断面内第k个点云至该圆心的角度αjk和距离djk分别为:
4.根据如权利要求1所述的一种基于双控制点的隧道密集点云噪声剔除方法,其特征在于,所述隧道坐标系的定义如下:隧道坐标系的Y轴平行于隧道走向,X轴垂直于隧道走向,Z轴与扫描坐标系相同。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810910429.2A CN109214994B (zh) | 2018-08-10 | 2018-08-10 | 一种基于双控制点的隧道密集点云噪声剔除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810910429.2A CN109214994B (zh) | 2018-08-10 | 2018-08-10 | 一种基于双控制点的隧道密集点云噪声剔除方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109214994A true CN109214994A (zh) | 2019-01-15 |
CN109214994B CN109214994B (zh) | 2022-02-01 |
Family
ID=64987684
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810910429.2A Active CN109214994B (zh) | 2018-08-10 | 2018-08-10 | 一种基于双控制点的隧道密集点云噪声剔除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109214994B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110285754A (zh) * | 2019-07-02 | 2019-09-27 | 深圳市镭神智能系统有限公司 | 基于激光扫描的工件定位方法、装置、系统和存储介质 |
CN110335209A (zh) * | 2019-06-11 | 2019-10-15 | 北京建筑大学 | 一种相位式三维激光点云噪声滤除方法 |
CN111489390A (zh) * | 2020-03-25 | 2020-08-04 | 山东科技大学 | 一种针对圆形隧道的中轴线提取方法 |
CN111507921A (zh) * | 2020-04-20 | 2020-08-07 | 南京航空航天大学 | 一种基于低秩恢复的隧道点云去噪方法 |
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 |
CN112907601A (zh) * | 2021-03-30 | 2021-06-04 | 中铁工程装备集团隧道设备制造有限公司 | 一种基于特征变换的隧道拱架点云自动提取方法及装置 |
WO2021189375A1 (en) * | 2020-03-26 | 2021-09-30 | Baidu.Com Times Technology (Beijing) Co., Ltd. | A point cloud feature-based obstacle filter system |
CN113808226A (zh) * | 2021-09-15 | 2021-12-17 | 中铁第一勘察设计院集团有限公司 | 一种通用隧道断面提取与去噪方法 |
CN115471832A (zh) * | 2022-07-29 | 2022-12-13 | 武汉大学 | 基于三维点云数据的输电线路杆塔塔型识别方法及设备 |
CN117132709A (zh) * | 2023-08-28 | 2023-11-28 | 中山大学 | 隧道的正射影像生成方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106338277A (zh) * | 2016-08-17 | 2017-01-18 | 河海大学 | 一种基于基线的建筑物变化检测方法 |
CN107289900A (zh) * | 2017-06-22 | 2017-10-24 | 首都师范大学 | 一种动态无控制隧道断面检测装置、分析系统及方法 |
EP3063552B1 (en) * | 2013-10-31 | 2019-07-31 | HERE Global B.V. | Method and apparatus for road width estimation |
-
2018
- 2018-08-10 CN CN201810910429.2A patent/CN109214994B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3063552B1 (en) * | 2013-10-31 | 2019-07-31 | HERE Global B.V. | Method and apparatus for road width estimation |
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 |
CN106338277A (zh) * | 2016-08-17 | 2017-01-18 | 河海大学 | 一种基于基线的建筑物变化检测方法 |
CN107289900A (zh) * | 2017-06-22 | 2017-10-24 | 首都师范大学 | 一种动态无控制隧道断面检测装置、分析系统及方法 |
Non-Patent Citations (1)
Title |
---|
丁鸽等: "基于离群点探测准则和主成分分析的点云平面拟合效果研究", 《测绘地理信息》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110335209A (zh) * | 2019-06-11 | 2019-10-15 | 北京建筑大学 | 一种相位式三维激光点云噪声滤除方法 |
CN110285754A (zh) * | 2019-07-02 | 2019-09-27 | 深圳市镭神智能系统有限公司 | 基于激光扫描的工件定位方法、装置、系统和存储介质 |
CN111489390A (zh) * | 2020-03-25 | 2020-08-04 | 山东科技大学 | 一种针对圆形隧道的中轴线提取方法 |
CN111489390B (zh) * | 2020-03-25 | 2023-10-13 | 山东科技大学 | 一种针对圆形隧道的中轴线提取方法 |
WO2021189375A1 (en) * | 2020-03-26 | 2021-09-30 | Baidu.Com Times Technology (Beijing) Co., Ltd. | A point cloud feature-based obstacle filter system |
US11609333B2 (en) | 2020-03-26 | 2023-03-21 | Baidu Usa Llc | Point cloud feature-based obstacle filter system |
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 |
CN111507921A (zh) * | 2020-04-20 | 2020-08-07 | 南京航空航天大学 | 一种基于低秩恢复的隧道点云去噪方法 |
CN112907601B (zh) * | 2021-03-30 | 2021-09-24 | 中铁工程装备集团隧道设备制造有限公司 | 一种基于特征变换的隧道拱架点云自动提取方法及装置 |
CN112907601A (zh) * | 2021-03-30 | 2021-06-04 | 中铁工程装备集团隧道设备制造有限公司 | 一种基于特征变换的隧道拱架点云自动提取方法及装置 |
CN113808226A (zh) * | 2021-09-15 | 2021-12-17 | 中铁第一勘察设计院集团有限公司 | 一种通用隧道断面提取与去噪方法 |
CN113808226B (zh) * | 2021-09-15 | 2024-04-05 | 中铁第一勘察设计院集团有限公司 | 一种通用隧道断面提取与去噪方法 |
CN115471832A (zh) * | 2022-07-29 | 2022-12-13 | 武汉大学 | 基于三维点云数据的输电线路杆塔塔型识别方法及设备 |
CN117132709A (zh) * | 2023-08-28 | 2023-11-28 | 中山大学 | 隧道的正射影像生成方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109214994B (zh) | 2022-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109214994A (zh) | 一种基于双控制点的隧道密集点云噪声剔除方法 | |
CN106780386B (zh) | 一种三维激光扫描变形提取可靠性评价方法 | |
US20210303751A1 (en) | Method and device for rapid analysis of tunnel section convergence | |
CN102135417B (zh) | 一种全自动三维特征提取方法 | |
CN109117602A (zh) | 基于激光跟踪仪的大尺寸蒙皮数字化检测方法 | |
CN106091972B (zh) | 一种基于移动窗口投影点密度的建筑物变化检测方法 | |
CN108645339A (zh) | 一种生物发电厂料垛点云数据采集及体积计算方法 | |
CN103605135B (zh) | 一种基于断面剖分的道路特征提取方法 | |
CN109993697A (zh) | 一种隧道三维激光数据预处理的方法 | |
CN101509763A (zh) | 单目高精度大型物体三维数字化测量系统及其测量方法 | |
CN104792274A (zh) | 一种圆形隧道收敛变形的测量方法 | |
CN105447855B (zh) | 一种地面三维激光扫描点云球面目标自动识别方法 | |
CN106643545A (zh) | 激光位移技术测量钢轨轮廓的校准方法 | |
CN105222727A (zh) | 线阵ccd相机成像平面与工作台平行度的测量方法和系统 | |
CN102032875A (zh) | 一种基于图像处理的电缆护套厚度测量方法 | |
CN112013788B (zh) | 基于叶片局部前缘曲线特征标定转动中心的方法 | |
CN110345865A (zh) | 一种基于三维扫描的钢结构数字化检测方法 | |
CN105783779A (zh) | 基于三层匹配的钢轨轮廓实时形态识别与失真校准方法 | |
CN110455187A (zh) | 一种基于三维视觉的盒体工件焊缝的检测方法 | |
CN108120394A (zh) | 柔性化的高速列车车头曲面质量检测方法 | |
CN106155299A (zh) | 一种对智能设备进行手势控制的方法及装置 | |
CN109696168A (zh) | 一种基于激光传感器的移动机器人几何地图创建方法 | |
CN106844960A (zh) | 一种管状焊接钢结构网架的逆向建模的方法 | |
CN109990703A (zh) | 一种预制构件的尺寸检测方法及系统 | |
Du et al. | Dislocation detection of shield tunnel based on dense cross-sectional point clouds |
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 |