CN110021008A - 一种路面沉降识别方法、终端及计算机可读存储介质 - Google Patents
一种路面沉降识别方法、终端及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110021008A CN110021008A CN201910045214.3A CN201910045214A CN110021008A CN 110021008 A CN110021008 A CN 110021008A CN 201910045214 A CN201910045214 A CN 201910045214A CN 110021008 A CN110021008 A CN 110021008A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- road surface
- identified
- obtains
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000004062 sedimentation Methods 0.000 claims abstract description 96
- 238000007405 data analysis Methods 0.000 claims abstract description 26
- 238000004445 quantitative analysis Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 33
- 238000004891 communication Methods 0.000 claims description 12
- 238000005538 encapsulation Methods 0.000 claims description 8
- 238000004451 qualitative analysis Methods 0.000 claims description 7
- 238000009795 derivation Methods 0.000 claims description 6
- 238000011946 reduction process Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 230000005012 migration Effects 0.000 claims description 5
- 238000013508 migration Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 abstract description 3
- 238000010835 comparative analysis Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000005086 pumping Methods 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 244000062793 Sorghum vulgare Species 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 235000019713 millet Nutrition 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- 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
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06T2207/30181—Earth observation
- G06T2207/30184—Infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明实施例公开了一种路面沉降识别方法、终端及计算机可读存储介质，其中方法包括：获取扫描设备针对待识别路面进行扫描得到的扫描数据，所述扫描数据包括所述待识别路面对应的点云数据；对所述点云数据进行点云降噪抽稀，得到第一目标点云数据；对所述第一目标点云数据进行数据分析，得到所述待识别路面对应的沉降范围、沉降位置以及所述沉降位置对应的轮廓。拟合沉降段内原始路面与真实路面，利用原始路面与真实路面对比分析得到准确的路面变形量。通过本发明实施例可以快速得到待识别路面对应的沉降位置、沉降位置对应的轮廓以及精确的路面沉降量，有效提高路面沉降识别与量化分析的效率。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种路面沉降识别方法、终端及计算机可读存储介质。
背景技术
路面沉降是指道路的基础由于受到外界的力或是自身的重力作用而下沉的现象，路面的沉降问题对于公路的运行有着直接的影响。在我国的交通运输业不断蓬勃发展的今天，虽然在公路建设过程中对路基稳定性的要求不断提高，但仍然无法完全避免路面沉降的问题。在公路修建完成运行过程中，及时识别到公路路面的沉降问题，对于后续及时维修公路以及保障交通的正常运行具有重要意义。因此，如何实现路面沉降的识别是有待解决的问题。
发明内容
本发明实施例所要解决的技术问题在于，提供一种路面沉降识别方法、终端及计算机可读存储介质，可以快速得到待识别路面对应的沉降范围、沉降位置以及沉降位置对应的轮廓，有效提高路面沉降识别的效率。
第一方面，本发明实施例提供了一种路面沉降识别方法，该方法包括：
获取扫描设备针对待识别路面进行扫描得到的扫描数据，所述扫描数据包括所述待识别路面对应的点云数据；
对所述点云数据进行点云抽稀，得到第一目标点云数据；
对所述第一目标点云数据进行数据分析，得到所述待识别路面对应的沉降范围、沉降位置以及所述沉降位置对应的轮廓。
在一实施方式中，所述对所述第一目标点云数据进行数据分析，得到所述待识别路面对应的沉降范围、沉降位置以及所述沉降位置对应的轮廓，包括：
对所述第一目标点云数据进行定性分析，得到所述待识别路面对应的沉降范围；
对所述第一目标点云数据进行定量分析，得到所述待识别路面对应的沉降位置以及所述沉降位置对应的轮廓。
在一实施方式中，所述对所述点云数据进行点云抽稀，得到第一目标点云数据，包括：
对所述点云数据进行数据分析，得到所述点云数据中各点之间的高程变化规律；
基于所述高程变化规律对所述点云数据中高程变化稳定的部分点云进行点云抽稀，得到点第一目标点云数据。
在一实施方式中，所述对所述第一目标点云数据进行定性分析，得到所述待识别路面对应的沉降范围，包括：
将所述第一目标点云数据中各点的竖轴坐标放大预设倍数，得到第二目标点云数据；
对所述第二目标点云数据进行封装处理，得到点云封装后的网格面模型；
基于所述点云封装后的网格面模型，得到所述待识别路面对应的沉降范围。
在一实施方式中，所述对所述第一目标点云数据进行定量分析，得到所述待识别路面对应的沉降位置、所述沉降位置对应的轮廓以及精确的路面沉降量，包括：
基于所述第一目标点云数据，得到目标位置对应的空间三维曲线，所述目标位置为所述待识别路面中的任意一个位置；
对所述空间三维曲线进行求导，得到所述空间三维曲线竖轴方向上的曲率变化；
基于所述曲率变化得到所述空间三维曲线对应的沉降位置以及所述沉降位置对应的轮廓。
在一实施方式中，所述基于所述第一目标点云数据，得到目标位置对应的空间三维曲线，包括：
从所述第一目标点云数据中提取出所述待识别路面的中心线；
对所述中心线进行预设距离的偏移处理，得到目标位置对应的平曲线，以及所述平曲线上各个点的横轴坐标和纵轴坐标；
基于所述平曲线上各个点的横轴坐标和纵轴坐标得到所述平曲线上各个点的竖轴坐标；
基于所述平曲线上各个点的竖轴坐标以及所述平曲线，得到所述目标位置对应的空间三维曲线。
在一实施方式中，所述待识别路面按照预设布设方式布设有多个扫描基准点，所述对所述点云数据进行点云抽稀，得到第一目标点云数据，包括：
从所述点云数据中获取所述多个扫描基准点的基准点数据；
基于所述基准点数据对所述点云数据进行拼接处理，得到拼接处理后的点云数据；
对所述拼接处理后的点云数据进行点云抽稀，得到第一目标点云数据。
在一实施方式中，所述对所述点云数据进行点云抽稀，得到第一目标点云数据之前，所述方法还包括：
对所述点云数据进行杂点剔除处理，以剔除掉所述点云数据中所述待识别路面对应的点云之外的点云；
和/或，对所述点云数据进行点云降噪处理，以去除掉所述待识别路面对应的点云中的噪点。
第二方面，本发明实施例提供了一种路面沉降识别装置，该装置包括：
获取单元，用于获取扫描设备针对待识别路面进行扫描得到的扫描数据，所述扫描数据包括所述待识别路面对应的点云数据；
第一处理单元，用于对所述点云数据进行点云降噪与抽稀，得到第一目标点云数据；
第二处理单元，用于对所述第一目标点云数据进行数据分析，得到所述待识别路面对应的沉降范围、沉降位置以及所述沉降位置对应的轮廓。
第三方面，本发明实施例提供了一种终端，包括处理器、通信接口和存储器，所述处理器、所述通信接口和所述存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述第一方面任一项所述的路面沉降识别方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使计算机执行上述第一方面任一项所述的路面沉降识别方法。
本发明实施例通过获取扫描设备针对待识别路面进行扫描得到的扫描数据，扫描数据包括待识别路面对应的点云数据，对点云数据进行点云抽稀，得到第一目标点云数据；对第一目标点云数据进行数据分析，得到待识别路面对应的沉降范围、沉降位置以及沉降位置对应的轮廓，从而可以快速得到待识别路面对应的沉降范围、沉降位置以及沉降位置对应的轮廓，有效提高路面沉降识别的效率。
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使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种路面沉降识别方法的流程示意图；
图2是本发明实施例提供的一种路面沉降识别装置的结构示意图；
图3是本发明实施例提供的一种终端的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
本发明实施例公开了一种路面沉降识别方法、终端及计算机可读存储介质，用于快速得到待识别路面对应的沉降范围、沉降位置以及沉降位置对应的轮廓，以有效提高路面沉降识别的效率。以下分别进行详细说明。
本发明实施例中，事先针对待识别路面现场确定扫描范围，路面沉降往往伴随裂缝产生，可以基于公路路面横向及纵向的较严重以及延伸长度较大的裂缝确定路面的沉降范围，在裂缝位置沿道路方向向外延伸预设距离作为扫描范围。该预设距离可以是10m。然后确定扫描设备的设站位置、设站间距以及仪器参数等。其中，多站扫描后的点云数据需要在点云处理软件中通过扫描基准点进行拼接处理，该扫描基准点可以是靶标球。本发明实施例中，可以通过满足拼接精度要求的靶标球表面点密度反推扫描设备设站间距和仪器参数，该扫描设备可以是三维激光扫描仪。例如，根据扫描设备扫描时在15cm直径的靶标球上能够沿直径方向打到15个激光点，则可以推得激光点之间的间距应不超过1cm，可以将扫描设备的扫描精度调整为10m范围内扫描激光点间距为1cm，则两站扫描设站间距最大为20m，空间三维曲线具体为路面特征线。
其中，扫描基准点(靶标球)的位置应按照预设布设方式进行布设，该预设布设方式所指示的布设规则应满足以下要求：尽量不占用车道，靶标球可以摆放在应急车道处；为满足拼站需要，扫描时需摆放至少三个靶标球；靶标球布设不能在同一直线上，可以是三个靶标球呈三角形布设、四个靶标球呈四边形布设，其它数量的靶标球则以此类推。另外，由于靶标球之间的球间距太小会影响拼接精度，球间距太大则又不能满足扫描距离要求，故靶标球之间的球间距应当保持在预设距离范围内，该预设距离范围可以是1m以上、3m以内的范围。
需要说明的是，该扫描设备是激光扫描设备，以三维激光扫描仪为最优，用于针对待识别路面进行扫描得到的扫描数据，利用激光扫描技术快速的采集数据并通过一定数据分析得到待识别路面的沉降位置、轮廓与精确的沉降量。该扫描数据包括待识别路面对应的点云数据等。该扫描设备可以是一个或者多个。多于设置多站的情况，可以在每站均架设一个三维激光扫描仪，也可以由人工将三维激光扫描仪移动到各个设站位置处；还可以设置一轨道，用于供三维激光扫描仪在该轨道上移动，终端可以控制轨道上的三维激光扫描仪在该轨道上移动，并在三维激光扫描仪移动到设站位置处时，控制三维激光扫描仪针对该待识别路面进行扫描。
请参阅图1，图1为本发明实施例提供的一种路面沉降识别方法的流程示意图。本发明实施例中所描述的路面沉降识别方法，可以包括：
S101、终端获取扫描设备针对待识别路面进行扫描得到的扫描数据，所述扫描数据包括所述待识别路面对应的点云数据。
本发明实施例中，终端可以与该扫描设备之间建立通信连接，在布设好该多个扫描基准点以及架设好该扫描设备之后，终端向该扫描设备发送扫描数据获取指令。相应地，该扫描设备接收终端发送的扫描数据获取指令，并响应该扫描数据获取指令针对待识别路面进行扫描得到扫描数据，该扫描数据包括该待识别路面对应的点云数据。进一步地，该扫描设备将该扫描数据发送给终端，终端在接收到该扫描设备发送的扫描数据之后，从该扫描数据中获取得到该待识别路面对应的点云数据。
S102、所述终端对所述点云数据进行点云降噪与抽稀，得到第一目标点云数据。
本发明实施例中，终端对该点云数据进行数据分析，得到点云数据中各点之间的高程变化规律，然后基于该高程变化规律对该点云数据中高程变化稳定的部分点云进行点云抽稀，得到第一目标点云数据。例如将该部分的点云抽稀至点间距为2cm-10cm。其中，对于该高程变化规律所指示的该点云数据中高程变化突兀的部分点云不进行点云抽稀，保留该部分的所有点云；也即是说，在点云中局部点连成的曲面某处曲率较大的地方保留所有点云。采用上述方式，对该点云数据进行点云抽稀，可以减少点云数据量，方便后续的处理运算。
在一实施方式中，终端对该点云数据进行点云抽稀，得到第一目标点云数据之前，首先对该点云数据进行降噪处理，将杂点剔除处理，以剔除掉该点云数据中待识别路面对应的点云之外的点云；和/或，对该点云数据进行点云降噪处理，以去除掉该待识别路面对应的点云中的噪点。其中，该点云数据中待识别路面对应的点云之外的点云，例如是待识别路面周围的植被、护栏等对应的点云。
在一实施方式中，待识别路面按照预设布设方式布设有多个扫描基准点，终端对该点云数据进行点云抽稀，得到第一目标点云数据的方式可以为：终端从该点云数据中获取出该多个扫描基准点的基准点数据，并基于该基准点数据对该点云数据进行拼接处理，得到拼接处理后的点云数据；然后对该拼接处理后的点云数据进行点云抽稀，得到第一目标点云数据。其中，对所述点云数据中高程变化突兀的部分点云保留所有数据，不进行抽稀。
S103、对所述第一目标点云数据进行数据分析，得到所述待识别路面对应的沉降位置、沉降位置对应的轮廓以及精确的路面沉降量。
本发明实施例中，终端对该第一目标点云数据进行数据分析，得到该待识别路面对应的沉降范围、沉降位置以及沉降位置对应的轮廓，包括：对该第一目标点云数据进行定性分析，得到该待识别路面对应的沉降范围；对该第一目标点云数据进行定量分析，得到该待识别路面对应的沉降位置、该沉降位置对应的轮廓和精准的路面沉降量。
在一实施方式中，终端对该第一目标点云数据进行定性分析，事先判断该路段是否发生沉降，并得到所述待识别路面对应的沉降范围，得到该待识别路面对应的沉降范围的方式可以为：将该第一目标点云数据中各点的竖轴坐标放大预设倍数，得到第二目标点云数据；对该第二目标点云数据进行封装处理，得到点云封装后的网格面模型；然后基于该点云封装后的网格面模型，得到该待识别路面对应的沉降范围。其中，第一目标点云数据中各点对应一个三维坐标，该三维坐标包括横轴坐标x、纵轴坐标y和竖轴坐标z。具体的：
步骤1、将含有x、y、z三维坐标数据的路面点云保持x、y数值不变，z坐标放大预设倍数，该预设倍数可以是50-100倍。沉降是点云z方向上的坐标不连续，将z坐标进行放大处理有利于观察到沉降的错台位置。
步骤2、对路面点云进行封装处理，可以是将路面点云中每三个点连接成三角网格，路面点云通过三角网格形成网格面模型。
步骤3、基于点云封装后的网格面模型判断沉降发生位置，可以是当检测到封装后相邻两三角形不共边的两点间距z坐标值大于目标距离时，将该两点对应的位置判断为沉降位置，据此可大致的划分出待识别路面的沉降范围。其中，该目标距离可以是10mm。需要说明的是，路面点云即是待识别路面对应的点云。
在一实施方式中，终端对该第一目标点云数据进行定量分析，得到该待识别路面对应的沉降位置以及该沉降位置对应的轮廓的方式可以为：基于该第一目标点云数据，得到目标位置对应的空间三维曲线，也就是路面特征线，该目标位置为该待识别路面中的任意一个位置；对该空间三维曲线进行求导，得到该空间三维曲线竖轴方向上的曲率变化；然后基于该曲率变化得到该空间三维曲线对应的沉降位置以及该沉降位置对应的轮廓。其中，终端基于该第一目标点云数据，得到目标位置对应的空间三维曲线的方式可以为：从该第一目标点云数据中提取出该待识别路面的中心线；对该中心线进行预设距离的偏移处理，得到目标位置对应的平曲线，以及该平曲线上各个点的横轴坐标和纵轴坐标；然后基于该平曲线上各个点的横轴坐标和纵轴坐标得到该平曲线上各个点的竖轴坐标；最后基于该平曲线上各个点的竖轴坐标以及该平曲线，得到该目标位置对应的空间三维曲线。
在对所述第一目标点云数据进行数据分析，得到沉降路段内的真实路面模型与原始路面模型，并通过两者对比分析得到精确的路面沉降量，包括：基于所述路面特征线，反复进行不同位置的特征线获取操作，以满布路面的至少五条特征线拟合沉降时的真实路面模型。特别的，路面特征线数量越多，拟合精度越高。基于沉降范围外的路面，应视为是理想路面，利用范围外两端的“理想路面”拟合出路面的原始状态。对所述沉降段路面的原始状态面与真实状态面进行对比分析，得到所述沉降段的精确路面沉降量。在本发明实施例中，对空间三维曲线，即路面特征线反复地进行不同位置的特征线获取操作，以满布路面的至少五条特征线拟合沉降时的真实路面模型。路面特征线数量越多，拟合精度越高。基于沉降范围外的路面，应视为是理想路面，利用范围外两端的路面点云数据拟合出路面的原始平整状态。对所述沉降段路面的原始状态面与真实状态面进行对比分析，得到所述沉降段的精确路面沉降量。
具体地，步骤1、根据路面点云的x、y坐标值提取待识别路面的中心线。
步骤2、提取出待识别路面的中心线后，对该中心线做任意距离的偏移处理，得到目标位置对应的平曲线以及该平曲线线上各个点的x、y坐标。该目标位置为待识别路面中的任意一个位置。
步骤3、根据步骤2得到的该平曲线线上各个点的x、y坐标可以确定出该平曲线上各个点的z坐标、以及该目标位置的附近位置上的z坐标。
步骤4、基于步骤3得到的该平曲线上各个点的z坐标、以及步骤2得到的该平曲线可以得到该目标位置对应的的空间三维曲线。其中，通过重复步骤1-
步骤4的操作，可以确定出该目标位置对应的横向同位置的路面高程变化规律。
步骤5、沿路径方向对步骤4得到的该目标位置对应的空间三维曲线求导，得到该空间三维曲线z方向上的曲率变化，基于该曲率变化得到该空间三维曲线对应的沉降位置。其中，曲率变化大的位置即为该空间三维曲线所在纵断面的沉降位置；具体地，若该曲率变化指示该空间三维曲线中两点之间的曲率限值大于或等于预设曲率限值阈值，则将该两点之间的位置确定为沉降位置。其中，曲率限值为两点之间的高度差与距离的比值。进一步地，结合步骤3可以得到该沉降位置对应的轮廓。
需要说明的是，上述终端针对待识别路面对应的点云数据进行数据分析和处理时，可以是通过一点云处理软件实现的。
在一实施方式，终端对该第一目标点云数据进行数据分析，得到该待识别路面对应的沉降范围、沉降位置以及该沉降位置对应的轮廓之后，基于该待识别路面对应的沉降范围、沉降位置以及该沉降位置对应的轮廓，确定出该待识别路面对应的沉降程度。终端输出提示信息，该提示信息包括该沉降程度、该待识别路面对应的沉降范围、沉降位置以及该沉降位置对应的轮廓。
本发明实施例通过获取扫描设备针对待识别路面进行扫描得到的扫描数据，扫描数据包括待识别路面对应的点云数据，对点云数据进行点云抽稀，得到第一目标点云数据；对第一目标点云数据进行数据分析，得到待识别路面对应的沉降范围、沉降位置以及沉降位置对应的轮廓，从而可以快速得到待识别路面对应的沉降范围、沉降位置以及沉降位置对应的轮廓，有效提高路面沉降识别的效率。
请参阅图2，图2为本发明实施例提供的一种路面沉降识别装置的结构示意图。本实施例中所描述的路面沉降识别装置，包括：
获取单元201，用于获取扫描设备针对待识别路面进行扫描得到的扫描数据，所述扫描数据包括所述待识别路面对应的点云数据；
第一处理单元202，用于对所述点云数据进行点云抽稀，得到第一目标点云数据；
第二处理单元203，用于对所述第一目标点云数据进行数据分析，得到所述待识别路面对应的沉降范围、沉降位置以及所述沉降位置对应的轮廓。
在一实施方式中，所述第二处理单元203，具体用于：
对所述第一目标点云数据进行定性分析，得到所述待识别路面对应的沉降范围；
对所述第一目标点云数据进行定量分析，得到所述待识别路面对应的沉降位置以及所述沉降位置对应的轮廓。
在一实施方式中，所述第一处理单元202，具体用于：
对所述点云数据进行数据分析，得到所述点云数据中各点之间的高程变化规律；
基于所述高程变化规律对所述点云数据中高程变化稳定的部分点云进行点云抽稀，得到点第一目标点云数据。
在一实施方式中，所述第二处理单元203，具体用于：
将所述第一目标点云数据中各点的竖轴坐标放大预设倍数，得到第二目标点云数据；
对所述第二目标点云数据进行封装处理，得到点云封装后的网格面模型；
基于所述点云封装后的网格面模型，得到所述待识别路面对应的沉降范围。
在一实施方式中，所述第二处理单元203，具体用于：
基于所述第一目标点云数据，得到目标位置对应的空间三维曲线，所述目标位置为所述待识别路面中的任意一个位置；
对所述空间三维曲线进行求导，得到所述空间三维曲线竖轴方向上的曲率变化；
基于所述曲率变化得到所述空间三维曲线对应的沉降位置以及所述沉降位置对应的轮廓。
在一实施方式中，所述第二处理单元203，具体用于：
从所述第一目标点云数据中提取出所述待识别路面的中心线；
对所述中心线进行预设距离的偏移处理，得到目标位置对应的平曲线，以及所述平曲线上各个点的横轴坐标和纵轴坐标；
基于所述平曲线上各个点的横轴坐标和纵轴坐标得到所述平曲线上各个点的竖轴坐标；
基于所述平曲线上各个点的竖轴坐标以及所述平曲线，得到所述目标位置对应的空间三维曲线。
在一实施方式中，所述待识别路面按照预设布设方式布设有多个扫描基准点，所述第一处理单元202，具体用于：
从所述点云数据中获取所述多个扫描基准点的基准点数据；
基于所述基准点数据对所述点云数据进行拼接处理，得到拼接处理后的点云数据；
对所述拼接处理后的点云数据进行点云抽稀，得到第一目标点云数据。
在一实施方式中，所述第一处理单元202，还用于：
对所述点云数据进行杂点剔除处理，以剔除掉所述点云数据中所述待识别路面对应的点云之外的点云；
和/或，对所述点云数据进行点云降噪处理，以去除掉所述待识别路面对应的点云中的噪点。
可以理解的是，本发明实施例的路面沉降识别装置的各功能单元的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。
本发明实施例通过获取扫描设备针对待识别路面进行扫描得到的扫描数据，扫描数据包括待识别路面对应的点云数据，对点云数据进行点云抽稀，得到第一目标点云数据；对第一目标点云数据进行数据分析，得到待识别路面对应的沉降范围、沉降位置以及沉降位置对应的轮廓，从而可以快速得到待识别路面对应的沉降范围、沉降位置以及沉降位置对应的轮廓，有效提高路面沉降识别的效率。
请参阅图3，图3为本发明实施例提供的一种终端的结构示意图，本发明实施例中所描述的终端包括：处理器301、通信接口302、存储器303。其中，处理器301、通信接口302、存储器303可通过总线或其他方式连接，本发明实施例以通过总线连接为例。
处理器301可以是中央处理器(central processing unit，CPU)，网络处理器(network processor，NP)，或者CPU和NP的组合。处理器301也可以是多核CPU、或多核NP中用于实现通信标识绑定的核。
上述处理器301可以是硬件芯片。上述硬件芯片可以是专用集成电路(application-specific integrated circuit，ASIC)，可编程逻辑器件(programmablelogic device，PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(complexprogrammable logic device，CPLD)，现场可编程逻辑门阵列(field-programmable gatearray，FPGA)，通用阵列逻辑(generic array logic，GAL)或其任意组合。
上述通信接口302可用于收发信息或信令的交互，以及信号的接收和传递，通信接口302可以是收发器。上述存储器303可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的存储程序(比如文字存储功能、位置存储功能等)；存储数据区可存储根据服务器的使用所创建的数据(比如图像数据、文字数据)等，并可以包括应用存储程序等。此外，存储器303可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
上述存储器303还用于存储程序指令。上述处理器301可以调用上述存储器303存储的程序指令，实现如本发明实施例所示的路面沉降识别方法。
具体地，上述处理器301调用存储在上述存储器303中的程序指令执行以下步骤：
通过所述通信接口302获取扫描设备针对待识别路面进行扫描得到的扫描数据，所述扫描数据包括所述待识别路面对应的点云数据；
对所述点云数据进行点云抽稀，得到第一目标点云数据；
对所述第一目标点云数据进行数据分析，得到所述待识别路面对应的沉降范围、沉降位置以及所述沉降位置对应的轮廓。
本发明实施例中处理器执行的方法均从处理器的角度来描述，可以理解的是，本发明实施例中处理器要执行上述方法需要其他硬件结构的配合。本发明实施例对具体的实现过程不作详细描述和限制。
在一实施方式中，所述处理器301对所述第一目标点云数据进行数据分析，得到所述待识别路面对应的沉降范围、沉降位置以及所述沉降位置对应的轮廓时，具体用于：
对所述第一目标点云数据进行定性分析，得到所述待识别路面对应的沉降范围；
对所述第一目标点云数据进行定量分析，得到所述待识别路面对应的沉降位置以及所述沉降位置对应的轮廓。
在一实施方式中，所述处理器301对所述点云数据进行点云抽稀，得到第一目标点云数据时，具体用于：
对所述点云数据进行数据分析，得到所述点云数据中各点之间的高程变化规律；
基于所述高程变化规律对所述点云数据中高程变化稳定的部分点云进行点云抽稀，得到点第一目标点云数据。
在一实施方式中，所述处理器301对所述第一目标点云数据进行定性分析，得到所述待识别路面对应的沉降范围时，具体用于：
将所述第一目标点云数据中各点的竖轴坐标放大预设倍数，得到第二目标点云数据；
对所述第二目标点云数据进行封装处理，得到点云封装后的网格面模型；
基于所述点云封装后的网格面模型，得到所述待识别路面对应的沉降范围。
在一实施方式中，所述处理器301对所述第一目标点云数据进行定量分析，得到所述待识别路面对应的沉降位置以及所述沉降位置对应的轮廓时，具体用于：
基于所述第一目标点云数据，得到目标位置对应的空间三维曲线，所述目标位置为所述待识别路面中的任意一个位置；
对所述空间三维曲线进行求导，得到所述空间三维曲线竖轴方向上的曲率变化；
基于所述曲率变化得到所述空间三维曲线对应的沉降位置以及所述沉降位置对应的轮廓。
在一实施方式中，所述处理器301基于所述第一目标点云数据，得到目标位置对应的空间三维曲线时，具体用于：
从所述第一目标点云数据中提取出所述待识别路面的中心线；
对所述中心线进行预设距离的偏移处理，得到目标位置对应的平曲线，以及所述平曲线上各个点的横轴坐标和纵轴坐标；
基于所述平曲线上各个点的横轴坐标和纵轴坐标得到所述平曲线上各个点的竖轴坐标；
基于所述平曲线上各个点的竖轴坐标以及所述平曲线，得到所述目标位置对应的空间三维曲线。
在一实施方式中，所述待识别路面按照预设布设方式布设有多个扫描基准点，所述处理器301对所述点云数据进行点云抽稀，得到第一目标点云数据时，具体用于：
从所述点云数据中获取所述多个扫描基准点的基准点数据；
基于所述基准点数据对所述点云数据进行拼接处理，得到拼接处理后的点云数据；
对所述拼接处理后的点云数据进行点云抽稀，得到第一目标点云数据。
在一实施方式中，所述处理器301所述对所述点云数据进行点云抽稀，得到第一目标点云数据之前，所述处理器301还用于：
对所述点云数据进行杂点剔除处理，以剔除掉所述点云数据中所述待识别路面对应的点云之外的点云；
和/或，对所述点云数据进行点云降噪处理，以去除掉所述待识别路面对应的点云中的噪点。
具体实现中，本申请实施例中所描述的处理器301、通信接口302、存储器303可执行本发明实施例提供的路面沉降识别方法中所描述的终端的实现方式，也可执行本申请实施例图2提供的路面沉降识别装置的实现方式，在此不再赘述。
本发明实施例通过获取扫描设备针对待识别路面进行扫描得到的扫描数据，扫描数据包括待识别路面对应的点云数据，对点云数据进行点云抽稀，得到第一目标点云数据；对第一目标点云数据进行数据分析，得到待识别路面对应的沉降范围、沉降位置以及沉降位置对应的轮廓，从而可以快速得到待识别路面对应的沉降范围、沉降位置以及沉降位置对应的轮廓，有效提高路面沉降识别的效率。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有路面沉降识别指令，当该路面沉降识别指令在计算机上运行时，使得计算机执行上述方法实施例所述的路面沉降识别方法。
本发明实施例还提供一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述方法实施例所述的路面沉降识别方法。
需要说明的是，对于前述的各个方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某一些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和单元模块并不一定是本发明所必须的。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本发明实施例装置中的单元模块可以根据实际需要进行合并、划分和删减。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(Random AccessMemory，RAM)、磁盘或光盘等。
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。
Claims (10)
1.一种路面沉降识别方法，其特征在于，所述方法包括：
获取扫描设备针对待识别路面进行扫描得到的扫描数据，所述扫描数据包括所述待识别路面对应的点云数据；
对所述点云数据进行点云抽稀，得到第一目标点云数据；
对所述第一目标点云数据进行数据分析，得到所述待识别路面对应的沉降范围、沉降位置以及所述沉降位置对应的轮廓。
2.根据权利要求1所述的方法，其特征在于，所述对所述第一目标点云数据进行数据分析，得到所述待识别路面对应的沉降范围、沉降位置以及所述沉降位置对应的轮廓，包括：
对所述第一目标点云数据进行定性分析，得到所述待识别路面对应的沉降范围；
对所述第一目标点云数据进行定量分析，得到所述待识别路面对应的沉降位置以及所述沉降位置对应的轮廓。
3.根据权利要求1或2所述的方法，其特征在于，所述对所述点云数据进行点云抽稀，得到第一目标点云数据，包括：
对所述点云数据进行数据分析，得到所述点云数据中各点之间的高程变化规律；
基于所述高程变化规律对所述点云数据中高程变化稳定的部分点云进行点云抽稀，得到点第一目标点云数据。
4.根据权利要求2所述的方法，其特征在于，所述对所述第一目标点云数据进行定性分析，得到所述待识别路面对应的沉降范围，包括：
将所述第一目标点云数据中各点的竖轴坐标放大预设倍数，得到第二目标点云数据；
对所述第二目标点云数据进行封装处理，得到点云封装后的网格面模型；
基于所述点云封装后的网格面模型，得到所述待识别路面对应的沉降范围。
5.根据权利要求2所述的方法，其特征在于，所述对所述第一目标点云数据进行定量分析，得到所述待识别路面对应的沉降位置、所述沉降位置对应的轮廓以及精确的路面沉降量，包括：
基于所述第一目标点云数据，得到目标位置对应的空间三维曲线，所述目标位置为所述待识别路面中的任意一个位置；
对所述空间三维曲线进行求导，得到所述空间三维曲线竖轴方向上的曲率变化；
基于所述曲率变化得到所述空间三维曲线对应的沉降位置以及所述沉降位置对应的轮廓。
6.根据权利要求5所述的方法，其特征在于，所述基于所述第一目标点云数据，得到目标位置对应的空间三维曲线，包括：
从所述第一目标点云数据中提取出所述待识别路面的中心线；
对所述中心线进行预设距离的偏移处理，得到目标位置对应的平曲线，以及所述平曲线上各个点的横轴坐标和纵轴坐标；
基于所述平曲线上各个点的横轴坐标和纵轴坐标得到所述平曲线上各个点的竖轴坐标；
基于所述平曲线上各个点的竖轴坐标以及所述平曲线，得到所述目标位置对应的空间三维曲线。
7.根据权利要求1所述的方法，其特征在于，所述待识别路面按照预设布设方式布设有多个扫描基准点，所述对所述点云数据进行点云抽稀，得到第一目标点云数据，包括：
从所述点云数据中获取所述多个扫描基准点的基准点数据；
基于所述基准点数据对所述点云数据进行拼接处理，得到拼接处理后的点云数据；
对所述拼接处理后的点云数据进行点云抽稀，得到第一目标点云数据。
8.根据权利要求1或7所述的方法，其特征在于，所述对所述点云数据进行点云抽稀，得到第一目标点云数据之前，所述方法还包括：
对所述点云数据进行杂点剔除处理，以剔除掉所述点云数据中所述待识别路面对应的点云之外的点云；
和/或，对所述点云数据进行点云降噪处理，以去除掉所述待识别路面对应的点云中的噪点。
9.一种终端，其特征在于，包括处理器、通信接口和存储器，所述处理器、所述通信接口和所述存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1至8中任一项所述的路面沉降识别方法。
10.一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使计算机执行如权利要求1至8中任一项所述的路面沉降识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910045214.3A CN110021008A (zh) | 2019-01-17 | 2019-01-17 | 一种路面沉降识别方法、终端及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910045214.3A CN110021008A (zh) | 2019-01-17 | 2019-01-17 | 一种路面沉降识别方法、终端及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110021008A true CN110021008A (zh) | 2019-07-16 |
Family
ID=67188780
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910045214.3A Pending CN110021008A (zh) | 2019-01-17 | 2019-01-17 | 一种路面沉降识别方法、终端及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110021008A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113808124A (zh) * | 2021-09-27 | 2021-12-17 | 河南中检工程检测有限公司 | 一种基于点云技术的桥头跳车判定方法 |
| CN114792205A (zh) * | 2022-04-27 | 2022-07-26 | 重庆市设计院有限公司 | 基于智慧医院运维平台的路面下沉塌陷监测报警方法 |
-
2019
- 2019-01-17 CN CN201910045214.3A patent/CN110021008A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113808124A (zh) * | 2021-09-27 | 2021-12-17 | 河南中检工程检测有限公司 | 一种基于点云技术的桥头跳车判定方法 |
| CN113808124B (zh) * | 2021-09-27 | 2024-05-10 | 河南中检工程检测有限公司 | 一种基于点云技术的桥头跳车判定方法 |
| CN114792205A (zh) * | 2022-04-27 | 2022-07-26 | 重庆市设计院有限公司 | 基于智慧医院运维平台的路面下沉塌陷监测报警方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6837467B2 (ja) | 点群データ同士のマッチング関係を確定するための方法及び装置 | |
| US20210001877A1 (en) | Determination of lane connectivity at traffic intersections for high definition maps | |
| CN107402001B (zh) | 基于3d扫描的超高层建筑施工偏差数字化检验系统及方法 | |
| Holgado‐Barco et al. | Semiautomatic extraction of road horizontal alignment from a mobile LiDAR system | |
| CN102506824B (zh) | 一种城市低空无人机系统生成数字正射影像图的方法 | |
| Ma et al. | Real-time visualization method for estimating 3D highway sight distance using LiDAR data | |
| US20120116678A1 (en) | Methods and systems for creating digital transportation networks | |
| CN104281746A (zh) | 一种基于点云的交通安全道路特征图成图方法 | |
| CN110398207A (zh) | 一种边坡变形监测方法、装置、终端及存储介质 | |
| CN111427904A (zh) | 高精地图数据的更新方法、装置及电子设备 | |
| CN103136789A (zh) | 基于地形图和影像的交通事故道路底图信息处理方法 | |
| CN111553017B (zh) | 基于bim的路面病害分析展示方法及系统 | |
| CN109682303A (zh) | 基于bim技术的曲线pc轨道梁精密三维检测方法 | |
| CN109781121A (zh) | 用于创建以及提供地图的方法和设备 | |
| CN110021008A (zh) | 一种路面沉降识别方法、终端及计算机可读存储介质 | |
| CN109740274A (zh) | 高精度道路地图生成方法及装置 | |
| CN112116549A (zh) | 用于评估点云地图精度的方法和装置 | |
| CN109937342B (zh) | 用于定位移动物体的方法、装置和系统 | |
| CN113946980B (zh) | 一种大型露天矿开挖工程台阶土石方量计算方法及系统 | |
| KR20050098111A (ko) | 레이저 스캐닝 데이터를 이용한 정밀 수치표고모델 제작장치 및 그 제작 방법 | |
| Tsai et al. | Use of light detection and ranging data to identify and quantify intersection obstruction and its severity | |
| EP4411584A1 (en) | Method for generating intersection surface and related apparatus | |
| CN114705180A (zh) | 高精地图的数据修正方法、装置、设备及存储介质 | |
| CN111238505B (zh) | 一种道路地图的道路线段描画方法、装置及相关系统 | |
| CN113239905A (zh) | 车道线简化方法、装置、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20190715 Address after: No. 66 Xuefu Avenue, Nanan District, Chongqing 400060 Applicant after: chongqing jiaotong university Applicant after: Chongqing Construction Engineering Group Co., Ltd. Address before: No. 66 Xuefu Avenue, Nanan District, Chongqing 400060 Applicant before: chongqing jiaotong university |
|
| TA01 | Transfer of patent application right | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190716 |
|
| WD01 | Invention patent application deemed withdrawn after publication |