CN109214994B - 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
- CN109214994B CN109214994B CN201810910429.2A CN201810910429A CN109214994B CN 109214994 B CN109214994 B CN 109214994B CN 201810910429 A CN201810910429 A CN 201810910429A CN 109214994 B CN109214994 B CN 109214994B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- tunnel
- point
- section
- noise
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000008030 elimination Effects 0.000 title abstract description 7
- 238000003379 elimination reaction Methods 0.000 title abstract description 7
- 239000013598 vector Substances 0.000 claims description 10
- 238000000513 principal component analysis Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 241000350052 Daniellia ogea Species 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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;
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;
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;
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)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,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;
2.3):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
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。
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°。
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;
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};
(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;
(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;
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;
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;其中,djk为第j个断面内第k个点云至第一控制点的距离;
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;
2.3)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;
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 CN109214994A (zh) | 2019-01-15 |
CN109214994B true 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) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110335209B (zh) * | 2019-06-11 | 2021-09-14 | 北京建筑大学 | 一种相位式三维激光点云噪声滤除方法 |
CN110285754B (zh) * | 2019-07-02 | 2021-02-19 | 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 |
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 |
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 |
CN111507921B (zh) * | 2020-04-20 | 2022-01-25 | 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 |
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 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150120244A1 (en) * | 2013-10-31 | 2015-04-30 | Here Global B.V. | Method and apparatus for road width estimation |
CN104792274B (zh) * | 2015-04-02 | 2017-12-26 | 同济大学 | 一种圆形隧道收敛变形的测量方法 |
CN106338277B (zh) * | 2016-08-17 | 2019-01-22 | 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 |
-
2018
- 2018-08-10 CN CN201810910429.2A patent/CN109214994B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109214994A (zh) | 2019-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109214994B (zh) | 一种基于双控制点的隧道密集点云噪声剔除方法 | |
CN111336990B (zh) | 一种隧道断面收敛快速分析方法和装置 | |
Wang et al. | Automated estimation of reinforced precast concrete rebar positions using colored laser scan data | |
CN107341802B (zh) | 一种基于曲率与灰度复合的角点亚像素定位方法 | |
CN107301648B (zh) | 基于重叠区域边界角度的冗余点云去除方法 | |
CN109448087B (zh) | 一种盾构隧道表面点云数据分段方法 | |
US20230090846A1 (en) | Method and device for detecting defects in aircraft template | |
CN110084830B (zh) | 一种视频运动目标检测与跟踪方法 | |
CN113487722B (zh) | 一种基于三维激光扫描方法的混凝土构件自动化检测方法 | |
CN105387801A (zh) | 一种地铁隧道管片错台量检测方法 | |
CN104064057A (zh) | 图像跟踪测量数据与雷达测量数据互补融合的实现方法 | |
CN106886988B (zh) | 一种基于无人机遥感的线性目标检测方法及系统 | |
CN110246223B (zh) | 一种隧道建模方法及装置 | |
CN110942077B (zh) | 基于权重局部变化度和l1中值优化的特征线提取方法 | |
CN113673011A (zh) | 基于点云数据智能识别运营期隧道侵界的方法 | |
CN108090931B (zh) | 一种基于圆和十字特征组合的抗遮挡抗干扰的标志器识别与位姿测量方法 | |
CN114049457A (zh) | 一种基于点云数据提取运营期隧道接触网高度和拉出值的方法 | |
CN117710458A (zh) | 一种基于双目视觉的舰载机着舰过程相对位置测量方法及系统 | |
CN110322508B (zh) | 一种基于计算机视觉的辅助定位方法 | |
CN116416589A (zh) | 一种基于铁轨数据与几何性质的轨道点云提取方法 | |
Wang et al. | Robust image processing method of laser spot center location in complex industrial environment | |
CN112857252B (zh) | 一种基于反射率强度的隧道影像边界线检测方法 | |
CN111524061B (zh) | 一种基于圆柱拟合的隧道附近点云去除方法 | |
CN113724277A (zh) | 一种基于Radon变换的电力线检测方法 | |
Nguyen et al. | Scan profiles based method for segmentation and extraction of planar objects in mobile laser scanning 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 |