CN109359591B - 基于点云数据自动识别大直径盾构隧道中隔墙的方法 - Google Patents

基于点云数据自动识别大直径盾构隧道中隔墙的方法 Download PDF

Info

Publication number
CN109359591B
CN109359591B CN201811203022.2A CN201811203022A CN109359591B CN 109359591 B CN109359591 B CN 109359591B CN 201811203022 A CN201811203022 A CN 201811203022A CN 109359591 B CN109359591 B CN 109359591B
Authority
CN
China
Prior art keywords
point cloud
cloud data
cloud set
error
included angle
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
Application number
CN201811203022.2A
Other languages
English (en)
Other versions
CN109359591A (zh
Inventor
刘蝶
王令文
高志强
郭春生
严桃
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.)
Shanghai Survey Design And Research Institute Group Co ltd
Original Assignee
SGIDI Engineering Consulting Group Co Ltd
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 SGIDI Engineering Consulting Group Co Ltd filed Critical SGIDI Engineering Consulting Group Co Ltd
Priority to CN201811203022.2A priority Critical patent/CN109359591B/zh
Publication of CN109359591A publication Critical patent/CN109359591A/zh
Application granted granted Critical
Publication of CN109359591B publication Critical patent/CN109359591B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Multimedia (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Lining And Supports For Tunnels (AREA)

Abstract

本发明提供一种基于点云数据自动识别大直径盾构隧道中隔墙的方法，包括步骤：S1：通过一三维激光扫描装置获取一大直径盾构隧道每一通道的各断面的点云数据；S2：计算各所述扫描点与对应所述断面竖直方向所呈的夹角θ；S3：根据所述夹角θ自所述点云数据中提取获得不同种类的一第一点云集和一第二点云集；所述种类包括隧道管片端点云集和中隔墙端点云集；S4：识别并确定所述第一点云集和所述第二点云集的种类。本发明的一种基于点云数据自动识别大直径盾构隧道中隔墙的方法，可根据点云数据自动识别大直径盾构隧道中隔墙，可减少人工操作时间。

Description

基于点云数据自动识别大直径盾构隧道中隔墙的方法
技术领域
本发明涉及点云自动识别领域，尤其涉及一种基于点云数据自动识别大直径盾构隧道中隔墙的方法。
背景技术
近年来中国地下空间开发利用速度和基础设施建设速度正在不断加快，盾构法隧道技术也得到了迅速的发展，尤其在越江交通隧道领域，大直径盾构隧道大行其道。为隧道运营时通风及逃生等安全问题考虑，需要在隧道内设置中隔墙使隧道上、下行线运行于两独立空间内。
三维激光扫描技术是近年来发展的一种新型测量技术，具有测量效率高、测量信息丰富、测量精度高等优势。目前隧道三维激光扫描主要用于获取隧道轴线、全断面、水平直径、内壁激光反射率影像等测量成果上，在大直径盾构隧道内由于中隔墙的设置，使得隧道断面一侧呈圆弧状，一侧成直线段状，为自动化椭圆拟合求取直径带来不便，因此需要手动判断圆弧端和直线段端，再分别通过圆弧拟合和直线拟合求取水平直径。
因此，为了减少人工操作时间并充分利用三维激光扫描技术优势，目前尚缺乏且需要一种根据点云数据自动识别大直径盾构隧道中隔墙的方法。
发明内容
针对上述现有技术中的不足，本发明提供一种基于点云数据自动识别大直径盾构隧道中隔墙的方法，可根据点云数据自动识别大直径盾构隧道中隔墙，可减少人工操作时间。
为了实现上述目的，本发明提供一种基于点云数据自动识别大直径盾构隧道中隔墙的方法，包括步骤：
S1：通过一三维激光扫描装置获取一大直径盾构隧道每一通道的各断面的点云数据，所述点云数据包括所述断面内各扫描点的三维坐标(x,y,z)，其中x表示当前断面X轴的坐标值，y表示当前断面Y轴的坐标值，z表示当前所述断面Z轴的坐标值；所述X轴沿所述断面的水平方向设置，所述Y轴沿当前所述断面的轴向设置，所述Z轴沿当前所述断面的竖直方向设置；
S2：计算各所述扫描点与对应所述断面竖直方向所呈的夹角θ；
S3：根据所述夹角θ自所述点云数据中提取获得不同种类的一第一点云集和一第二点云集；所述种类包括隧道管片端点云集和中隔墙端点云集；
S4：识别并确定所述第一点云集和所述第二点云集的种类。
优选地，所述夹角θ朝向当前所述断面的X轴正向的为正值，所述夹角θ朝向当前所述断面的X轴负向的为负值。
优选地，所述S3步骤进一步包括步骤：
S31：设置一第一夹角范围和一第二夹角范围；
S32：自所述点云数据中提取所述夹角θ在所述第一夹角范围内的所述点云数据形成所述第一点云集；自所述点云数据中提取所述夹角θ在所述第二夹角范围内的所述点云数据形成所述第二点云集。
优选地，所述第一夹角范围为：-127°＜θ＜-34°；所述第二夹角范围为：34°＜θ＜127°。
优选地，所述S4进一步包括步骤：
对所述第一点云集和所述第二点云集采用最小二乘法进行直线拟合，直线方程为：x＝k·y+b，其中k表示斜率，b表示截距；
分别计算所述第一点云集和所述第二点云集直线拟合后的中误差；
比较两所述中误差的大小，较小的一所述中误差所对应的所述第一点云集或所述第二点云集为所述中隔墙端点云集；较大的一所述中误差所对应的所述第一点云集或所述第二点云集为所述隧道管片端点云集。
优选地，所述中误差的计算步骤包括：
建立一误差方程vn：vn＝yn·k+b-xn (1)；
其中，xn为第n所述点云数据的当前断面X轴的坐标值，yn为第n所述点云数据的当前断面Z轴的坐标值；
根据所述误差方程vn建立一误差矩阵V；
Figure BDA0001830491360000031
Figure BDA0001830491360000032
其中
Figure BDA0001830491360000033
满足VTV＝min，min为VTV的最小值；求解获得：
Figure BDA0001830491360000034
Figure BDA0001830491360000035
利用一中误差公式计算获得所述中误差：
Figure BDA0001830491360000036
其中，σ为所述中误差，n为所述第一点云集或所述第二点云集中所述点云数据的个数。
优选地，所述S4步骤后还包括步骤：
S5：根据所述第一点云集直线拟合后的中误差和所述第二点云集直线拟合后的中误差，判断当前断面位于所述大直径盾构隧道的一中隔墙的左侧或右侧。
优选地，所述S5步骤中：
当所述第一点云集直线拟合后的中误差小于所述第二点云集直线拟合后的中误差时，判断当前断面位于所述中隔墙的右侧；
当所述第一点云集直线拟合后的中误差大于所述第二点云集直线拟合后的中误差时，判断当前断面位于所述中隔墙的左侧。
本发明由于采用了以上技术方案，使其具有以下有益效果：
通过三维激光扫描装置对大直径盾构隧道点云的自动采集、第一夹角范围和第二夹角范围的设置、结合最小二乘法的直线拟合、以及中误差的计算判断，实现了可根据点云数据自动识别大直径盾构隧道中隔墙，可减少人工操作时间的技术效果。
附图说明
图1为本发明实施例的基于点云数据自动识别大直径盾构隧道中隔墙的方法的流程图；
图2为本发明实施例的大直径盾构隧道一断面的结构示意图；
图3为图2的点云图。
具体实施方式
下面根据附图1-3，给出本发明的较佳实施例，并予以详细描述，使能更好地理解本发明的功能、特点。
请参阅图1～图3，本发明实施例的一种基于点云数据自动识别大直径盾构隧道中隔墙的方法，包括步骤：
S1：通过一三维激光扫描装置获取一大直径盾构隧道1每一通道的各断面的点云数据，点云数据包括断面内各扫描点的三维坐标(x,y,z)，其中x表示当前断面X轴的坐标值，y表示当前断面Y轴的坐标值，z表示当前断面Z轴的坐标值；X轴沿断面的水平方向设置，Y轴沿当前断面的轴向设置，Z轴沿当前断面的竖直方向设置。
本实施例中，大直径盾构隧道1采用通用双面楔形环错缝拼装，包括左右两个通道，每环由8块管片构成，分为1个封顶块、2个邻接块、5个标准块，大直径盾构隧道1径向位置设置中隔墙11，分隔上下行线，一般仅在旁通道处可通视。由于中隔墙11的通视阻挡作用，采用三维激光扫描大直径盾构隧道1时，只能获取中隔墙11左侧或右侧单通道内的扫描点云信息；本实施例中，将三维激光扫描装置的中心坐标作为原点坐标。
S2：计算各扫描点与对应断面竖直方向所呈的夹角θ。
S3：根据夹角θ自点云数据中提取获得不同种类的一第一点云集和一第二点云集；种类包括隧道管片端点云集和中隔墙端点云集。
其中，S3步骤进一步包括步骤：
S31：设置一第一夹角范围和一第二夹角范围；
S32：自点云数据中提取夹角θ在第一夹角范围内的点云数据形成第一点云集；自点云数据中提取夹角θ在第二夹角范围内的点云数据形成第二点云集。
第一夹角范围为：-127°＜θ＜-34°；第二夹角范围为：34°＜θ＜127°。夹角θ朝向当前断面的X轴正向的为正值，夹角θ朝向当前断面的X轴负向的为负值。
S4：识别并确定第一点云集和第二点云集的种类。
其中，S4进一步包括步骤：
对第一点云集和第二点云集采用最小二乘法进行直线拟合，直线方程为：x＝k·y+b，其中k表示斜率，b表示截距；
分别计算第一点云集和第二点云集直线拟合后的中误差；
比较两中误差的大小，较小的一中误差所对应的第一点云集或第二点云集为中隔墙端点云集；较大的一中误差所对应的第一点云集或第二点云集为隧道管片端点云集。
本实施例中，中误差的计算步骤包括：
建立一误差方程vn：vn＝yn·k+b-xn (1)；
其中，xn为第n点云数据的当前断面X轴的坐标值，yn为第n点云数据的当前断面Z轴的坐标值；
根据误差方程vn建立一误差矩阵V；
Figure BDA0001830491360000051
Figure BDA0001830491360000052
其中
Figure BDA0001830491360000053
满足VTV＝min，min为VTV的最小值；求解获得：
Figure BDA0001830491360000054
Figure BDA0001830491360000055
利用一中误差公式计算获得中误差：
Figure BDA0001830491360000056
其中，σ为中误差，n为第一点云集或第二点云集中点云数据的个数。
S5：根据第一点云集直线拟合后的中误差和第二点云集直线拟合后的中误差，判断当前断面位于大直径盾构隧道的一中隔墙的左侧或右侧。
其中，S5步骤中：
当第一点云集直线拟合后的中误差小于第二点云集直线拟合后的中误差时，判断当前断面位于中隔墙的右侧；
当第一点云集直线拟合后的中误差大于第二点云集直线拟合后的中误差时，判断当前断面位于中隔墙的左侧。
例如，当第一点云集直线拟合后的中误差小于第二点云集直线拟合后的中误差时，第一点云为中隔墙端点云集，当前断面对应大直径盾构隧道1的右侧通道，中隔墙位于X轴的负向；反之，当前断面对应大直径盾构隧道1的左侧通道，中隔墙位于X轴的正向。
以上结合附图实施例对本发明进行了详细说明，本领域中普通技术人员可根据上述说明对本发明做出种种变化例。因而，实施例中的某些细节不应构成对本发明的限定，本发明将以所附权利要求书界定的范围作为本发明的保护范围。

Claims (7)

1.一种基于点云数据自动识别大直径盾构隧道中隔墙的方法，包括步骤：
S1：通过一三维激光扫描装置获取一大直径盾构隧道每一通道的各断面的点云数据，所述点云数据包括所述断面内各扫描点的三维坐标(x，y，z)，其中x表示当前断面X轴的坐标值，v表示当前断面Y轴的坐标值，z表示当前所述断面Z轴的坐标值；所述X轴沿所述断面的水平方向设置，所述Y轴沿当前所述断面的轴向设置，所述Z轴沿当前所述断面的竖直方向设置；
S2：计算各所述扫描点与对应所述断面竖直方向所呈的夹角θ；
S3：根据所述夹角θ自所述点云数据中提取获得不同种类的一第一点云集和一第二点云集；所述种类包括隧道管片端点云集和中隔墙端点云集；
S4：识别并确定所述第一点云集和所述第二点云集的种类；
所述S4进一步包括步骤：
对所述第一点云集和所述第二点云集采用最小二乘法进行直线拟合，直线方程为：x＝k·y+b，其中k表示斜率，b表示截距；
分别计算所述第一点云集和所述第二点云集直线拟合后的中误差；
比较两所述中误差的大小，较小的一所述中误差所对应的所述第一点云集或所述第二点云集为所述中隔墙端点云集；较大的一所述中误差所对应的所述第一点云集或所述第二点云集为所述隧道管片端点云集。
2.根据权利要求1所述的基于点云数据自动识别大直径盾构隧道中隔墙的方法，其特征在于，所述夹角θ朝向当前所述断面的X轴正向的为正值，所述夹角θ朝向当前所述断面的X轴负向的为负值。
3.根据权利要求2所述的基于点云数据自动识别大直径盾构隧道中隔墙的方法，其特征在于，所述S3步骤进一步包括步骤：
S31：设置一第一夹角范围和一第二夹角范围；
S32：自所述点云数据中提取所述夹角θ在所述第一夹角范围内的所述点云数据形成所述第一点云集；自所述点云数据中提取所述夹角θ在所述第二夹角范围内的所述点云数据形成所述第二点云集。
4.根据权利要求3所述的基于点云数据自动识别大直径盾构隧道中隔墙的方法，其特征在于，所述第一夹角范围为：-127°＜θ＜-34°；所述第二夹角范围为：34°＜θ＜127°。
5.根据权利要求4所述的基于点云数据自动识别大直径盾构隧道中隔墙的方法，其特征在于，所述中误差的计算步骤包括：
建立一误差方程vn：vn＝yn·k+b-xn (1)；
其中，xn为第n所述点云数据的当前断面X轴的坐标值，yn为第n所述点云数据的当前断面Z轴的坐标值；
根据所述误差方程vn建立一误差矩阵V；
Figure FDA0002579562430000021
V＝[v1，v2，...，vn]T，
Figure FDA0002579562430000022
L＝[x1，x2，…，xn]T
其中
Figure FDA0002579562430000023
满足VTV＝min，min为VTV的最小值；求解获得：
Figure FDA0002579562430000024
Figure FDA0002579562430000025
利用一中误差公式计算获得所述中误差：
Figure FDA0002579562430000026
其中，σ为所述中误差，n为所述第一点云集或所述第二点云集中所述点云数据的个数。
6.根据权利要求5所述的基于点云数据自动识别大直径盾构隧道中隔墙的方法，其特征在于，所述S4步骤后还包括步骤：
S5：根据所述第一点云集直线拟合后的中误差和所述第二点云集直线拟合后的中误差，判断当前断面位于所述大直径盾构隧道的一中隔墙的左侧或右侧。
7.根据权利要求6所述的基于点云数据自动识别大直径盾构隧道中隔墙的方法，其特征在于，所述S5步骤中：
当所述第一点云集直线拟合后的中误差小于所述第二点云集直线拟合后的中误差时，判断当前断面位于所述中隔墙的右侧；
当所述第一点云集直线拟合后的中误差大于所述第二点云集直线拟合后的中误差时，判断当前断面位于所述中隔墙的左侧。
CN201811203022.2A 2018-10-16 2018-10-16 基于点云数据自动识别大直径盾构隧道中隔墙的方法 Active CN109359591B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811203022.2A CN109359591B (zh) 2018-10-16 2018-10-16 基于点云数据自动识别大直径盾构隧道中隔墙的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811203022.2A CN109359591B (zh) 2018-10-16 2018-10-16 基于点云数据自动识别大直径盾构隧道中隔墙的方法

Publications (2)

Publication Number Publication Date
CN109359591A CN109359591A (zh) 2019-02-19
CN109359591B true CN109359591B (zh) 2020-09-08

Family

ID=65349173

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811203022.2A Active CN109359591B (zh) 2018-10-16 2018-10-16 基于点云数据自动识别大直径盾构隧道中隔墙的方法

Country Status (1)

Country Link
CN (1) CN109359591B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110706153B (zh) * 2019-12-12 2020-04-10 湖南联智科技股份有限公司 一种基于原始点云数据的隧道断面快速提取方法
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
CN113538385B (zh) * 2021-07-21 2022-10-25 上海勘察设计研究院(集团)有限公司 基于深度学习的隧道表观病害类型及等级判别方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012056255A1 (en) * 2010-10-25 2012-05-03 Seraphim Amvrazis Method of mapping and control of surfaces of tunnels during the construction project
CN104392476A (zh) * 2014-12-04 2015-03-04 上海岩土工程勘察设计研究院有限公司 基于最小包围盒算法提取隧道三维轴线的方法
TW201627631A (zh) * 2015-01-23 2016-08-01 正修科技大學 隧道變形之立體影像量測方法及其裝置
CN107270825A (zh) * 2017-05-11 2017-10-20 上海岩土工程勘察设计研究院有限公司 一种大圆盾构隧道直径解算方法
CN107957241A (zh) * 2017-12-29 2018-04-24 石家庄铁道大学 地铁隧道截面圆心确定装置及方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9267792B2 (en) * 2013-01-21 2016-02-23 Systèmes Pavemetrics Inc. Method and apparatus for compensating lateral displacements and low speed variations in the measure of a longitudinal profile of a surface

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012056255A1 (en) * 2010-10-25 2012-05-03 Seraphim Amvrazis Method of mapping and control of surfaces of tunnels during the construction project
CN104392476A (zh) * 2014-12-04 2015-03-04 上海岩土工程勘察设计研究院有限公司 基于最小包围盒算法提取隧道三维轴线的方法
TW201627631A (zh) * 2015-01-23 2016-08-01 正修科技大學 隧道變形之立體影像量測方法及其裝置
CN107270825A (zh) * 2017-05-11 2017-10-20 上海岩土工程勘察设计研究院有限公司 一种大圆盾构隧道直径解算方法
CN107957241A (zh) * 2017-12-29 2018-04-24 石家庄铁道大学 地铁隧道截面圆心确定装置及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"基于点云数据的单圆盾构隧道水平弦长检测";李家平;《浙江水利水电学院学报》;20151231;第27卷(第4期);53-58 *
"基于盾构隧道激光扫描点云的收敛直径定点计算方法";李家平 等;《工程勘察》;20161231;第2016年卷(第12期);52-55 *

Also Published As

Publication number Publication date
CN109359591A (zh) 2019-02-19

Similar Documents

Publication Publication Date Title
CN109359591B (zh) 基于点云数据自动识别大直径盾构隧道中隔墙的方法
US20210303751A1 (en) Method and device for rapid analysis of tunnel section convergence
CN111024037A (zh) 基于三维激光扫描技术的圆形盾构隧道断面拟合方法
CN103389042A (zh) 基于深度图像的地面自动检测以及场景高度计算的方法
CN111486797B (zh) 一种地铁圆形盾构隧道横向直径的自动提取方法
CN109523528B (zh) 一种基于无人机双目视觉sgc算法的输电线路提取方法
CN108318009B (zh) 一种基于无人机视频的通讯塔垂直度检测方法
CN107133623B (zh) 一种基于背景差和圆心定位的指针位置精确检测方法
CN110501733B (zh) 一种自适应格网vrs生成与服务方法
CN109459765B (zh) 基于已有gnss控制网的高精度隧道独立控制网建立方法
CN107730521B (zh) 一种图像中屋脊型边缘的快速检测方法
CN111047542A (zh) 一种电力线补点方法
CN104360313B (zh) 一种基于多led光源定位的方法
CN103500457A (zh) 一种视频图像偏色检测的方法
CN109884468B (zh) 一种基于图像像素积累分析的绝缘子自爆缺陷检测方法
CN117115196B (zh) 一种切割机刀具磨损视觉检测方法及系统
CN107270825B (zh) 一种大圆盾构隧道直径解算方法
CN111079214B (zh) 一种基于图像识别实现墙体开槽合规判断方法
CN114109411A (zh) 一种盾构法施工中管片拼装点位选择装置、选择方法及应用
CN113487555A (zh) 一种基于点云网格化的输电线路隐患点快速检测方法
CN111401176A (zh) 一种基于多线激光雷达的路沿检测方法
CN108195402B (zh) 全站仪大倾角测量误差分析及改正方法
CN110427697B (zh) 一种基于隧道Lidar点云的二衬厚度数字预分析方法
CN114034274B (zh) 一种基于推进油缸伸长量测量隧道管片横断面平整度的计算方法
CN111882539A (zh) 一种航空发动机叶片的自动测量方法

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
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 200093 No. 38 Shui Feng Road, Yangpu District, Shanghai.

Patentee after: Shanghai Survey, Design and Research Institute (Group) Co.,Ltd.

Address before: 200093 No. 38 Shui Feng Road, Yangpu District, Shanghai.

Patentee before: SGIDI ENGINEERING CONSULTING (Group) Co.,Ltd.