CN109658431B - 基于区域生长的岩体点云平面提取方法 - Google Patents
基于区域生长的岩体点云平面提取方法 Download PDFInfo
- Publication number
- CN109658431B CN109658431B CN201811603914.1A CN201811603914A CN109658431B CN 109658431 B CN109658431 B CN 109658431B CN 201811603914 A CN201811603914 A CN 201811603914A CN 109658431 B CN109658431 B CN 109658431B
- Authority
- CN
- China
- Prior art keywords
- plane
- voxels
- voxel
- region
- rock mass
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
- Image Generation (AREA)
Abstract
本发明涉及一种基于区域生长的岩体点云平面提取方法。本发明首先将所输入的岩体点云进行块状体素划分,并使用特征参数表示各体素的几何特征,使得预处理后的点云数据以体素为点集单位,确保其空间邻域关系明确;其次根据体素的大小先后进行两次区域生长计算,其中第一次大尺度区域生长采用大体素作为生长单元,计算得到岩体的基本几何外形,在此基础上通过对大平面所包含的采样点数进行排序,以包含最多点的平面作为种子区域的选取参考,进行第二次小尺度区域生长计算,采用小体素完善上一步的提取结果。本发明可以很好地解决岩体数据因几何特征复杂而导致的平面难于提取的问题,能够准确获得岩体的结构面信息。
Description
技术领域
本发明属于计算机视觉和三维点云数据处理的交叉领域,涉及点云特征提取、岩体三维重建等技术,特别涉及基于区域生长的岩体点云平面提取方法。
背景技术
海量点云数据的处理理论及关键技术主要包括多视点点云数据的配准方法、点云数据的压缩及去噪方法、点云特征的提取和点云的三维重建等内容。对点云数据进行后期处理可以得到目标物体精确的三维模型,从而使我们充分了解目标物体的表面特性。点云数据处理中的平面提取环节可以有效地将处于同一平面的点集分割出来,在三维制图、目标识别、三维建模等诸多领域都有着广泛的应用。恰当的平面提取不仅能够直观反应目标物体的几何结构,还直接影响到后期三维重建质量的好坏。同时,对大量点集数据进行平面提取,使用平面块以最佳方式代替原始点云还可以有效压缩数据,便于数据的计算和传输。在岩石工程领域,地质调查的初始阶段需要获取岩体详细的空间结构信息,如空间方位、持久性、粗糙程度和块体尺寸等,为岩体开挖等工程提供稳定性分析的各种计算理论需要将岩体进行三维重建,再根据多面块体的几何模型和节理组织进行块体切割和稳定性计算,其所需的岩体三维模型必须要准确表达岩体结构面信息,由此才可以进行关键块体的搜索和动力加载。因此,将平面提取应用于岩体数据,为后期岩体三维重建工作提供准确的数值输入,是岩体工程中的一项重要环节。
具有平面表面的物体在城市和自然环境中都很普遍,如建筑物、桥梁、道路、山体和河流等,因而平面自动检测成为了图形图像处理、计算机视觉等应用中的重要环节。国内外众多学者针对平面检测与提取进行了广泛的研究,在计算机视觉中点云平面的提取方法主要分为三种:随机采样一致性、霍夫变换和区域生长。这三种方法各有特点,且由此衍生出来的优化算法种类繁多,相较于原始的经典算法在性能上也有了大幅度的提升,但目前大多改进算法采用的是城市建筑或房屋室内点云数据。
目前,对平面提取的深入研究大多是针对人工建筑或室内环境数据,不同类型数据之间的特点差异使得目前大多数平面提取方法并不能很好地适用于岩体数据。岩体数据在几何结构上有着诸多特殊性,使得依据现有方法提取出来的结果并不能准确表达出岩体结构信息,在边缘和部分粗糙地区会有空洞、欠分割和过分割等现象。由此,针对岩体类数据进行平面提取相关研究,实现高效、准确的平面检测,具有重要的实际应用价值。
发明内容
本发明针对岩体类数据多由自然形成,经过长年的风化侵蚀等作用,在几何特征上有着诸多特殊性,提出了一种基于区域生长的岩体点云平面提取方法,能够克服岩体数据几何特征复杂的缺点,可以很好地将不同尺度不同朝向的平面提取出来,对于大规模岩体数据的平面提取做到稳定、高效、准确。
本发明提供一种基于区域生长的岩体点云平面提取方法,主要包含以下步骤:
步骤1、点云数据预处理,将点云数据进行两种不同大小的体素划分,并得到每个体素的几何特征参数;
步骤2、大尺度区域生长,将步骤1划分出的大体素作为生长单元参与到第一次区域生长中,通过区域生长计算提取出目标岩体结构面的主体部分,形成平面提取的框架;
步骤3、小尺度区域生长,以步骤1划分的小体素作为生长单元,计算结束后将输出岩体平面提取的最终结果。
本发明提供一种基于区域生长的岩体点云平面提取方法,作为优选方式,步骤1进一步包含以下步骤:
步骤1.1、将包含数据点少于n个的体素进行删除;
步骤1.2、对于非稀疏体素,对体素中的点集构造矩阵C,具体而言,
其中(mx,my,mz)是质心,Xi=xi-mx,Yi=yi-my,Zi=zi-mz;
步骤1.3、由以下准则对当前体素V内点集的几何特性进行判断:
(1)如果V中采样点数量小于n,则体素V属于稀疏体素;
(2)如果两特征值比值满足λ1≤βλ2,则体素V具有平面特性;
(3)其余情况,体素V属于非平面体素;
步骤1.4、对符合平面特性的体素,将中心点及法向量作为该体素的特征参数代替体素内的数据点;对不符合平面特性要求的体素,继续向下进行第二次划分,划分为8块小体素,对每个小体素重复步骤1.1至步骤1.3。
本发明提供一种基于区域生长的岩体点云平面提取方法,作为优选方式,步骤2进一步包含以下步骤:
步骤2.1、将步骤1得到的所有大体素初始化为未标记状态,从中随机选取一个作为初始平面区域(种子),记为R,并以该体素内的点集和特征参数初始化平面R;
步骤2.2、对初始区域进行区域生长计算,搜索该体素在立体空间内的26个邻域,将其中还未被标记的大体素加入到邻域队列等待计算检验;
步骤2.3、从队列中抽取邻域体素进行如下扩张法则判定:
步骤2.4、若该体素满足步骤2.3的约束条件则可加入到区域R中,实现当前区域的生长计算,更新平面特征参数,否则将该体素从邻域中移除;
步骤2.5、将队列中的每个体素重复步骤2.3至2.4,若邻域队列已经为空且不再有满足条件的大体素可加入其中,该区域的分割算法结束;
步骤2.6、继续寻找下一个种子,重复循环算法直到所有体素或被标记或被删除,第一次区域生长算法结束。
本发明提供一种基于区域生长的岩体点云平面提取方法,作为优选方式,步骤3进一步包含以下步骤:
步骤3.1、将步骤2所提取的平面集合根据每个平面所包含的点数量进行排序,以此来作为种子区域选取的参考标准;
步骤3.2、从步骤3.1中的最大的平面开始,以最大平面初始化区域R并搜索其边缘邻域,将邻域中还未被标记且不在当前区域中的小体素加入候选队列,通过从队列中选取邻域进行扩张法则判断开始第二次区域生长。
附图说明
图1是基于区域生长的岩体点云平面提取方法流程图。
图2是点云数据预划分流程图。
图3是体素划分示意图,其中(a)是大体素,(b)是小体素。
图4是大尺度区域生长流程图。
图5是第二次区域生长流程图。
图6是平面提取结果示意图。
具体实施方式
本发明主要基于计算机视觉和点云处理技术,提出一种基于区域生长的岩体点云平面提取方法。本发明采用区域生长思想为主要手段进行平面提取,研究在种子选取及扩张法则中的优化方法,根据岩体数据的几何特征,采用不同尺度、分次对所提取的平面进行完善,提高了所提取平面的准确性,同时兼顾算法效率,实现了对点云数据的分块处理,得到了一种兼顾精度和效率且提取稳定的平面提取方法。
为了使本发明的目的、技术方案及优点更加清楚,以下结合附图和实施例,对本发明作进一步详细说明。本发明提供的方法能够用计算机软件技术实现流程,整体技术流程图参见图1,包括以下步骤:
步骤1、点云数据预处理,将点云数据进行两种不同大小的体素划分,并得到每个体素的几何特征参数,其流程图见图2,实施例的具体实施过程说明如下:
步骤1.1、根据给定阈值lv将点云体素化(本实施列中lv取值1.0),将包含数据点少于n个的体素进行删除;
对体素中的点集构造矩阵C,具体而言,
其中(mx,my,mz)是质心,Xi=xi-mx,Yi=yi-my,Zi=zi-mz;
步骤1.3、由以下准则对当前体素V内点集的几何特性进行判断:
(1)如果V中采样点数量小于n,则体素V属于稀疏体素;
(2)如果两特征值比值满足λ1≤βλ2,则体素V具有平面特性;
(3)其余情况,体素V属于非平面体素;
本实施例中n取值为10,β取值在0.3~0.5之间,本实施例取值0.4。
步骤1.4、对符合平面特性的体素,将中心点及法向量作为该体素的特征参数代替体素内的数据点;对不符合平面特性要求的体素,继续向下进行第二次划分,划分为8块小体素(见图3),对每个小体素重复步骤1.1至步骤1.3。
步骤2、大尺度区域生长,将步骤1划分出的大体素作为生长单元参与到第一次区域生长中,通过区域生长计算提取出目标岩体结构面的主体部分,形成平面提取的框架,其流程图见图4,实施例的具体实施过程说明如下:
步骤2.1、将步骤1得到的所有大体素初始化为未标记状态,从中随机选取一个作为初始平面区域(种子),记为R,并以该体素内的点集和特征参数初始化平面R;
步骤2.2、对初始区域进行区域生长计算,搜索该体素在立体空间内的26个邻域,将其中还未被标记的大体素加入到邻域队列等待计算检验;
步骤2.3、从队列中抽取邻域体素进行如下扩张法则判定:
(1)区域R与待加入体素V的法向量角度差在一定阈值范围内,从而保证体素V与区域R有着相同的朝向,本发明采用计算两个单位法向量点积来进行判定,如式(2)所示,其中δ1为阈值(本实施例中取值0.8);
(2)为了避免将两平行平面误检的现象,本发明通过检验两个点集的质心距离来进行判定。若两点集质心距离在一定阈值以外,则将这两个面块判定为平行非共面,如式(3)所示,其中mV和mR分别为待加入体素和当前区域的质心,为该区域拟合平面的法向量,γ1为阈值(本实施例中取值0.4);
步骤2.4、若该体素满足步骤2.3的约束条件则可加入到区域R中,实现当前区域的生长计算,更新平面特征参数,否则将该体素从邻域中移除;
步骤2.5、将队列中的每个体素重复步骤2.3至2.4,若邻域队列已经为空且不再有满足条件的大体素可加入其中,该区域的分割算法结束;
步骤2.6、继续寻找下一个种子,重复循环算法直到所有体素或被标记或被删除,第一次区域生长算法结束。
步骤2输出结果是粗略提取的平面集合,较平坦的表面和近似平面的复杂区域此时已经提取出来,但在边缘和一些结构凹凸不平的区域会出现空洞的现象,步骤3将对此结果进行完善补充,增加一些细节部分。
步骤3、小尺度区域生长,以步骤1划分的小体素作为生长单元,计算结束后将输出岩体平面提取的最终结果,其流程图见图5,实施例的具体实施过程说明如下:
步骤3.1、将步骤2所提取的平面集合根据每个平面所包含的点数量进行排序,以此来作为种子区域选取的参考标准;
步骤3.2、从步骤3.1中的最大的平面开始,以最大平面初始化区域R并搜索其边缘邻域,将邻域中还未被标记且不在当前区域中的小体素加入候选队列,通过从队列中选取邻域进行扩张法则判断开始第二次区域生长,所采用的扩张法则如下:
(1)待加入点集与当前平面朝向必须一致,即检验当前平面P与候选单元V的法向量角度差在一定阈值δ2内(本实施例中取值0.7);
(2)保证提取平面的连通性,即判断两点集的质心距离不超过阈值γ2(本实施例中取值0.5)。
步骤3的最终输出为岩体平面提取结果,通过点云数据的预划分,并结合两种尺度的区域生长算法,解决了目前岩体平面提取中效率、准确度以及分割稳定性等问题。本实施例的平面提取结果见图6,表1给出了平面提取的时间消耗和体素的数量,该技术发明从运算效率方面比较传统特征面提取方法有极大提高。
表1平面提取时间消耗与结果统计
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (2)
1.一种基于区域生长的岩体点云平面提取方法,其特征在于主要包含以下步骤:
步骤1、点云数据预处理,将点云数据进行两种不同大小的体素划分,并得到每个体素的几何特征参数;
步骤2、大尺度区域生长,将步骤1划分出的大体素作为生长单元参与到第一次区域生长中,通过区域生长计算提取出目标岩体结构面的主体部分,形成平面提取的框架,具体如下:
步骤2.1、将步骤1得到的所有大体素初始化为未标记状态,从中随机选取一个作为初始平面区域作为种子,记为R,并以该体素内的点集和特征参数初始化平面R;
步骤2.2、对初始区域进行区域生长计算,搜索该体素在立体空间内的26个邻域,将其中还未被标记的大体素加入到邻域队列等待计算检验;
步骤2.3、从队列中抽取邻域体素进行如下扩张法则判定:
步骤2.4、若该体素满足步骤2.3的约束条件则可加入到区域R中,实现当前区域的生长计算,更新平面特征参数,否则将该体素从邻域中移除;
步骤2.5、将队列中的每个体素重复步骤2.3至2.4,若邻域队列已经为空且不再有满足条件的大体素可加入其中,该区域的分割算法结束;
步骤2.6、继续寻找下一个种子,重复循环算法直到所有体素或被标记或被删除,第一次区域生长算法结束;
步骤3、小尺度区域生长,以步骤1划分的小体素作为生长单元,计算结束后将输出岩体平面提取的最终结果,具体如下:
步骤3.1、将步骤2所提取的平面集合根据每个平面所包含的点数量进行排序,以此作为种子区域选取的参考标准;
步骤3.2、从步骤3.1中的最大的平面开始,以最大平面初始化区域R并搜索其边缘邻域,将邻域中还未被标记且不在当前区域中的小体素加入候选队列,通过从队列中选取邻域进行扩张法则判断开始第二次区域生长。
2.根据权利要求1所述的一种基于区域生长的岩体点云平面提取方法,其特征在于:所述步骤1进一步包括以下步骤:
步骤1.1、将包含数据点少于n个的体素进行删除;
步骤1.2、对于非稀疏体素,对体素中的点集构造矩阵C,具体而言,
其中(mx,my,mz)是质心,Xi=xi-mx,Yi=yi-my,Zi=zi-mz;
步骤1.3、由以下准则对当前体素V内点集的几何特性进行判断:
(1)如果V中采样点数量小于n,则体素V属于稀疏体素;
(2)如果两特征值比值满足λ1≤βλ2,则体素V具有平面特性;
(3)其余情况,体素V属于非平面体素;
步骤1.4、对符合平面特性的体素,将中心点及法向量作为该体素的特征参数代替体素内的数据点;对不符合平面特性要求的体素,继续向下进行第二次划分,划分为8块小体素,对每个小体素重复步骤1.1至步骤1.3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811603914.1A CN109658431B (zh) | 2018-12-26 | 2018-12-26 | 基于区域生长的岩体点云平面提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811603914.1A CN109658431B (zh) | 2018-12-26 | 2018-12-26 | 基于区域生长的岩体点云平面提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109658431A CN109658431A (zh) | 2019-04-19 |
CN109658431B true CN109658431B (zh) | 2023-07-14 |
Family
ID=66115589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811603914.1A Active CN109658431B (zh) | 2018-12-26 | 2018-12-26 | 基于区域生长的岩体点云平面提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109658431B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110443836B (zh) * | 2019-06-24 | 2022-03-18 | 中国人民解放军战略支援部队信息工程大学 | 一种基于平面特征的点云数据自动配准方法及装置 |
CN110348125B (zh) * | 2019-07-12 | 2022-12-02 | 西安科技大学 | 一种块体稳定性的可视化判别方法 |
CN110888143B (zh) * | 2019-10-30 | 2022-09-13 | 中铁四局集团第五工程有限公司 | 一种基于无人机机载激光雷达的桥梁贯通测量方法 |
CN111104641B (zh) * | 2019-12-10 | 2023-07-21 | 重庆大学 | 一种三维空间内的计算机识别晶粒方法 |
CN112489207B (zh) * | 2021-02-07 | 2021-07-13 | 深圳大学 | 一种空间约束的密集匹配点云平面基元提取方法 |
CN114049256B (zh) * | 2021-11-09 | 2024-05-14 | 苏州中科全象智能科技有限公司 | 一种基于在线拼接点云的均匀降采样方法 |
CN117689965A (zh) * | 2024-02-04 | 2024-03-12 | 山东黄金矿业股份有限公司新城金矿 | 基于ransac算法的激光点云岩体结构快速识别方法 |
CN117745728B (zh) * | 2024-02-21 | 2024-05-24 | 法奥意威(苏州)机器人系统有限公司 | 点云平面检测方法、装置、电子设备和可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106896213A (zh) * | 2017-02-22 | 2017-06-27 | 中国地质大学(武汉) | 一种基于点云数据的岩体结构面智能识别与信息提取方法 |
CN107123134A (zh) * | 2017-05-03 | 2017-09-01 | 长安大学 | 一种基于特征的危岩体滑坡监测方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8224097B2 (en) * | 2008-06-12 | 2012-07-17 | Sri International | Building segmentation for densely built urban regions using aerial LIDAR data |
GB2532948B (en) * | 2014-12-02 | 2021-04-14 | Vivo Mobile Communication Co Ltd | Object Recognition in a 3D scene |
WO2016197251A1 (en) * | 2015-06-11 | 2016-12-15 | Queen's University At Kingston | Automated mobile geotechnical mapping |
-
2018
- 2018-12-26 CN CN201811603914.1A patent/CN109658431B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106896213A (zh) * | 2017-02-22 | 2017-06-27 | 中国地质大学(武汉) | 一种基于点云数据的岩体结构面智能识别与信息提取方法 |
CN107123134A (zh) * | 2017-05-03 | 2017-09-01 | 长安大学 | 一种基于特征的危岩体滑坡监测方法 |
Non-Patent Citations (1)
Title |
---|
基于三维激光扫描技术的岩体结构面智能识别与信息提取;葛云峰;夏丁;唐辉明;赵斌滨;王亮清;陈勇;;岩石力学与工程学报(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109658431A (zh) | 2019-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109658431B (zh) | 基于区域生长的岩体点云平面提取方法 | |
CN111968231B (zh) | 一种基于地质图切剖面的三维地层建模方法 | |
CN110443810B (zh) | 基于快速邻接体素查询的点云平面分割方法 | |
CN110717983A (zh) | 一种基于背包式三维激光点云数据的建筑物立面三维重建方法 | |
CN109685080B (zh) | 基于霍夫变换与区域生长的多尺度平面提取方法 | |
CN107767453B (zh) | 一种基于规则约束的建筑物lidar点云重构优化方法 | |
CN104952107A (zh) | 基于车载LiDAR点云数据的桥梁三维重建方法 | |
CN103247041A (zh) | 一种基于局部采样的多几何特征点云数据的分割方法 | |
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 | |
Lai et al. | Surface roughness of rock faces through the curvature of triangulated meshes | |
CN108765568A (zh) | 一种基于激光雷达点云的多层次建筑物快速三维重建方法 | |
CN112037318A (zh) | 三维岩体结构模型的构建方法、系统及模型的应用 | |
CN114332291A (zh) | 一种倾斜摄影模型建筑物外轮廓规则提取方法 | |
CN115222883A (zh) | 一种基于地基LiDAR点云的电力杆塔重建方法 | |
Liu et al. | Application of three-dimensional laser scanning in the protection of multi-dynasty ceramic fragments | |
CN110310322A (zh) | 一种10微米级高精度器件装配表面检测方法 | |
Luo et al. | Rapid extracting pillars by slicing point clouds | |
CN116012613B (zh) | 一种基于激光点云的露天矿的土方量变化测算方法和系统 | |
CN117253205A (zh) | 一种基于移动测量系统的道路面点云快速提取方法 | |
Lu et al. | Fast and robust generation of city-scale seamless 3D urban models | |
CN110633517B (zh) | 一种用于三维场景的高效切片方法 | |
Yu et al. | Automatic object segmentation from large scale 3d urban point clouds through manifold embedded mode seeking | |
CN110120058B (zh) | 一种高程散点生成紧致外边界的方法 | |
Yu et al. | Three-dimensional design of architectural appearance in coastal areas based on digital media technology | |
Hao et al. | Primitive Segmentation of Dougong Components Based on Regional Clustering |
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 |