CN110415210B - 一种基于点云贪婪三角投影构建模型的孔洞检测和修补方法 - Google Patents
一种基于点云贪婪三角投影构建模型的孔洞检测和修补方法 Download PDFInfo
- Publication number
- CN110415210B CN110415210B CN201910519067.9A CN201910519067A CN110415210B CN 110415210 B CN110415210 B CN 110415210B CN 201910519067 A CN201910519067 A CN 201910519067A CN 110415210 B CN110415210 B CN 110415210B
- Authority
- CN
- China
- Prior art keywords
- hole
- model
- point cloud
- triangular
- greedy
- 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 41
- 238000010276 construction Methods 0.000 title claims abstract description 13
- 230000008439 repair process Effects 0.000 title claims abstract description 13
- 238000001514 detection method Methods 0.000 title claims abstract description 10
- 230000003993 interaction Effects 0.000 claims description 4
- 238000012800 visualization Methods 0.000 claims description 2
- 241000283973 Oryctolagus cuniculus Species 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- 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
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Processing Or Creating Images (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于点云贪婪三角投影构建模型的孔洞检测和修补方法，以三维激光扫描、水下多波束等方式采集的点云数据为基础，按照贪婪三角投影法构建点云三维模型，但是这种模型构建优劣受点云相对稀疏程度影响较大，三维模型上往往会产生很多模型孔洞，因此，为了提高点云贪婪三角投影构建模型的精细化程度，必须要能够快速自动化的找到存在孔洞的区域，同时还要能够用优化的算法来将孔洞修补完整，这样完整且精细化程度较高的三维模型才能发挥它的价值，为后续的点云分析工作提供可靠的保证。
Description
技术领域
本发明涉及基础测绘数据处理技术领域，具体的说，是基于点云贪婪三角投影构建模型的孔洞检测和修补方法。属于三维激光扫描、水下多波束等方式采集的点云数据后续数据处理的基础工作，对深层次的点云数据分析的精度、可靠性和应用有重要意义。
背景技术
点云贪婪三角投影构建模型是指采用三维激光扫描、水下多波束等方式采集的点云数据，采用贪婪三角投影法构建出的三维模型，但是这种模型构建优劣受点云相对稀疏程度影响较大，三维模型上往往会产生很多模型孔洞，因此，为了提高点云贪婪三角投影构建模型的精细化程度，必须要能够快速自动化的找到存在孔洞的区域，同时还要能够用优化的算法来将孔洞修补完整，这样的模型才能发挥它的价值，为后续的点云分析工作提供可靠的保证。
点云贪婪三角投影构建模型的孔洞识别和修补是后续点云数据处理和分析的重要基础，有利于提高后期其它分析功能的精度、可靠性，对构建精细化程度较高的三维模型也有重要的作用，因此对于这方面的研究有重要意义。
发明内容
鉴于现有技术的不足，本发明提供了一种基于点云贪婪三角投影构建模型的孔洞检测和修补方法。
本发明的技术方案如下：
一种基于基于点云贪婪三角投影构建模型的孔洞检测和修补方法，包括以下步骤：
步骤(1)使用改进的三角形单边法识别模型孔洞：以三维激光扫描、水下多波束等方式采集的点云数据的贪婪三角投影构建模型为基础，加载它的贪婪三角投影法构建的模型并识别出整个构建模型所有的空洞边界线；整个面模型是由很多个三角形构成的三角网，而孔洞区域投影到空间平面是一个多边形，这个多边形的每一条边只对应了一个三角形，无法构成三角网，则这个区域为孔洞，进一步根据这个特质就判断出外部边界线和内部孔洞；
步骤(2)修补孔洞：对于找到的孔洞边界，需要进行分类，按照空间距离的划分逐一区分出一个个的孔洞，对于每个孔洞边界线，按照最小二乘法建立一个最优平面，再投影到该平面上，然后在孔洞投影边界平面上按照拟合插值的方式均匀插点，最后将这些点反算到实际的孔洞区域并构建局部的三角网，即可完成修补；
步骤(3)显示修补好的完整模型：根据前面的两个步骤，找到模型上所有的孔洞区域，并且完成了修补的工作，最后我们要把这些结果采用VTK的方式呈现出来，实现可视化和人工交互操作；
使用步骤(1)的方法，遍历循环整个模型三角网识别出整个构建模型上的空洞边界线，然后重复步骤(2)和(3)完成所有孔洞修补。
本发明与现有技术相比，其有益效果为：
本发明提供的一种基于点云贪婪三角投影构建模型的孔洞检测和修补方法，模型孔洞边界线识别和修补是后续点云数据处理和分析的重要基础，有利于提高后期其它分析功能的精度、可靠性，对点云构建精细化程度较高的三维模型也有重要的作用，因此对于这方面的研究有重要意义。本发明就是从这个角度出发解决问题，整个过程全自动化，无需人工干预，效率很高，识别正确率达到约98％以上，对于点云数据处理和分析应用有较好的效果和推进作用。
附图说明
图1为本发明的流程示意图；
图2为采用本发明对兔子点云查找到的孔洞边界线(点云上显示)；
图3为采用本发明对兔子点云查找到的孔洞边界线(模型上显示)；
图4为采用本发明对兔子点云模型底部孔洞区域局部放大图；
图5为采用本发明对兔子点云模型底部孔洞区域修补完毕后局部放大图；
图6为采用本发明对某电站坝前百万量级点云的模型找到的孔洞边界线；
图中1为兔子点云基于点云数据的部分孔洞边界线；2为兔子点云基于模型数据的部分孔洞边界线；3为兔子点云基于模型数据底部区域的部分孔洞边界线；4为兔子点云基于模型数据底部区域的修补好的孔洞放大图；5为孔洞。(图上所有小黑斑都是找到的孔洞)
具体实施方式
为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
如图1-6所示，本发明所采用的技术方案是：一种基于点云贪婪三角投影构建模型的孔洞检测和修补方法，包括以下步骤：
步骤(1)改进的三角形单边法识别模型孔洞：以三维激光扫描、水下多波束等方式采集的点云数据的贪婪三角投影构建模型为基础，加载它的贪婪三角投影法构建的模型识别出整个构建模型所有的空洞边界线；整个面模型由一个一个的三角形构成三角网，在孔洞区域的三角形存在这样一个规律，即孔洞区域投影到空间平面是一个多边形，这个多边形的每一条边只对应了一个三角形，无法构成三角网，这个区域为孔洞，进一步根据这个特质就判断出边界线，边界线以内为孔洞由于构建的三角网模型是有规律可循的，那就是孔洞边界的任何一条边都只存在一个三角形，由此可以识别出整个构建模型所有的空洞边界线；
如图3所示，对于三角网模型的任意一个三角形Sabc，如果它的三边a、b、c在所有三角形中只出现1次，即可判定它是边界，然后将它标出来。
步骤(2)：修补孔洞，对于找到的孔洞边界，需要进行分类，按照空间距离的划分逐一区分出一个个的孔洞，对于每个孔洞边界线，按照最小二乘法建立一个最优平面，再投影到该平面上，然后在孔洞投影边界平面上按照拟合插值的方式均匀插点，最后将这些点反算到实际的孔洞区域并构建局部的三角网，即可完成修补；具体有如下四个步骤：
①对于找到的孔洞边界，需要进行分类，逐一区分出一个个的孔洞；
由于步骤1获取到所有的孔洞边界线是乱序的，需要将所有的边界线归类到它所对应的孔洞中去，具体方法是：由于不同的孔洞在不同的空间位置处，因此可以按照空间距离的划分方法来逐一区分出所有的孔洞；
②循环遍历每一个孔洞，按照最小二乘法求取该孔洞边界的最优投影面，计算公式为
公式代表根据n个点求取它的最优投影面，E代表解算出的最优投影面，xi,yi,zi(n＝1,2…n) 代表n个点(假设该孔洞边界上有n个点)
③将单个孔洞的所有边界线投影到该最优投影面；
④在孔洞中按照数学方法插值再反算回原有的模型，构建孔洞处的三角网模型，如此循环就可以将所有孔洞填补完毕，得到精细化较好的点云三维模型，包括如下计算步骤：
第一步：对于每条内部孔洞边界线，投影到一个平面上，然后在孔洞投影边界平面上按照拟合插值(根据投影后的内部孔洞边界线，在投影后的内部孔洞平面区域内以均匀分布的方式随机生成点)的方式均匀插点，最后将这些插值点反算回去(根据孔洞边界线上的点，按照布尔沙七参数法计算空间坐标系转换的七参数，从而可以将插值点反算回去)，数学计算过程如下，即可完成修补。
其中，ΔX，ΔY,ΔZ为平移分量，m为缩放系数，ω为旋转矩阵
第二步：反算回去后，还需要构建三角网修补三维模型，采用的方法是局部区域采用贪婪三角投影建立三维模型的方法。
贪婪三角投影法：贪婪投影三角化算法原理是处理一系列可以使网格“生长扩大”的点(边缘点)，延伸这些点直到所有符合几何正确性和拓扑正确性的点都被连上，该算法的优点是可以处理来自一个或者多个扫描仪扫描得到并且有多个连接处的散乱点云，该算法适用于采样点云来自于表面连续光滑的曲面并且点云密度变化比较均匀的情况。
步骤(3)通过步骤(1)和(2)，我们找到了模型上所有的孔洞区域，并且完成了修补的工作，采用VTK的方式把结果呈现出来，然后通过人工交互来判别识别的孔洞区域的正确率和孔洞修补的好坏。
人工交互作是指通过上述步骤最终形成可视化三维模型、孔洞位置、修补情况等，人工可以通过基本的工具来判断孔洞位置找寻、孔洞修补等的正确性。
以上说明了对一个点云贪婪三角投影构建模型的孔洞检测和修补是自动处理的过程，不需要人工干预，就可以完成全流程的操作，同时获取到理想的结果。
应当理解的是，本说明书未详细阐述的部分均属于现有技术。
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，在不脱离本发明权利要求所保护的范围情况下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。
Claims (1)
1.一种基于点云贪婪三角投影构建模型的孔洞检测和修补方法，其特征在于，包括以下步骤：
步骤(1)使用改进的三角形单边法识别模型孔洞：以三维激光扫描、水下多波束等方式采集的点云数据的贪婪三角投影构建模型为基础，加载它的贪婪三角投影法构建的模型并识别出整个构建模型所有的空洞边界线；整个面模型是由很多个三角形构成的三角网，而孔洞区域投影到空间平面是一个多边形，这个多边形的每一条边只对应了一个三角形，无法构成三角网，则这个区域为孔洞，进一步根据这个特质就判断出外部边界线和内部孔洞
步骤(2)修补孔洞：对于找到的孔洞边界，需要进行分类，按照空间距离的划分逐一区分出一个个的孔洞，对于每个孔洞边界线，按照最小二乘法建立一个最优平面，再投影到该平面上，然后在孔洞投影边界平面上按照拟合插值的方式均匀插点，最后将这些点反算到实际的孔洞区域并构建局部的三角网，即可完成修补；
步骤(3)显示修补好的完整模型：根据前面的两个步骤，找到模型上所有的孔洞区域，并且完成了修补的工作，最后把这些结果采用VTK的方式呈现出来，实现可视化和人工交互操作；
使用步骤(1)的方法，遍历循环整个模型三角网识别出整个构建模型上的空洞边界线，然后重复步骤(2)和(3)完成所有孔洞修补。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910519067.9A CN110415210B (zh) | 2019-06-14 | 2019-06-14 | 一种基于点云贪婪三角投影构建模型的孔洞检测和修补方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910519067.9A CN110415210B (zh) | 2019-06-14 | 2019-06-14 | 一种基于点云贪婪三角投影构建模型的孔洞检测和修补方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110415210A CN110415210A (zh) | 2019-11-05 |
| CN110415210B true CN110415210B (zh) | 2022-12-02 |
Family
ID=68359148
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910519067.9A Active CN110415210B (zh) | 2019-06-14 | 2019-06-14 | 一种基于点云贪婪三角投影构建模型的孔洞检测和修补方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110415210B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111640109B (zh) * | 2020-06-05 | 2023-07-14 | 如你所视(北京)科技有限公司 | 模型检测方法及系统 |
| CN111861941B (zh) * | 2020-07-31 | 2024-03-22 | 富德康(北京)科技股份有限公司 | 一种三维空间测量结果数据的补偿算法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105761312A (zh) * | 2016-02-06 | 2016-07-13 | 中国农业大学 | 一种微地形表面重建方法 |
| CN107610061A (zh) * | 2017-08-30 | 2018-01-19 | 西安理工大学 | 一种基于二维投影的保边点云孔洞修补方法 |
-
2019
- 2019-06-14 CN CN201910519067.9A patent/CN110415210B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105761312A (zh) * | 2016-02-06 | 2016-07-13 | 中国农业大学 | 一种微地形表面重建方法 |
| CN107610061A (zh) * | 2017-08-30 | 2018-01-19 | 西安理工大学 | 一种基于二维投影的保边点云孔洞修补方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于三角格网的点云空洞修补算法及精度研究;陈相等;《测绘通报》;20130425(第04期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110415210A (zh) | 2019-11-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109541997B (zh) | 一种面向平面/近似平面工件的喷涂机器人快速智能编程方法 | |
| CN105427317B (zh) | 一种适用于多视角自动化配准多站地面激光点云数据的方法 | |
| CN112633657B (zh) | 一种施工质量管理方法、装置、设备及存储介质 | |
| CN111583409B (zh) | 针对实景三维模型的无网格边界孔洞修补方法和装置 | |
| CN110415210B (zh) | 一种基于点云贪婪三角投影构建模型的孔洞检测和修补方法 | |
| CN110415331B (zh) | 一种基于点云数据的轮廓或孔洞快速检测判别和孔洞修补方法 | |
| CN112508895B (zh) | 一种基于曲面配准的螺旋桨叶片质量评估方法 | |
| CN111932669A (zh) | 一种基于边坡岩体特征对象的变形监测方法 | |
| CN114612632A (zh) | 一种基于三维激光点云数据的排序、插值处理方法 | |
| CN113487721A (zh) | 一种基于三维点云的预制构件自动化识别方法 | |
| Kaushik et al. | Accelerated patch-based planar clustering of noisy range images in indoor environments for robot mapping | |
| CN115861566A (zh) | 一种基于强度体素模型的LiDAR点云建筑物完整性增强方法 | |
| WO2024035397A1 (en) | Image acquisition system optimization in vision-based industrial automation | |
| CN110222447B (zh) | 一种基于八叉树的自适应网格划分方法及系统 | |
| CN114782357A (zh) | 一种用于变电站场景的自适应分割系统及方法 | |
| CN105184854A (zh) | 针对地下空间扫描点云成果数据的快速建模方法 | |
| CN117444968B (zh) | 一种大型筒件局部特征机器人扫描测量路径规划方法 | |
| CN111681322A (zh) | 一种倾斜摄影模型的融合方法 | |
| CN116703871A (zh) | 一种基于绝缘子stl模型的爬电距离测量方法及系统 | |
| JP4226360B2 (ja) | レーザデータのフィルタリング方法及びプログラム | |
| CN107869971B (zh) | 一种基于三维激光扫描数据计算树冠表面积的方法 | |
| CN113592976B (zh) | 地图数据的处理方法、装置、家用电器和可读存储介质 | |
| Wiemann et al. | Optimizing triangle mesh reconstructions of planar environments | |
| WO2021042376A1 (zh) | 用于工业机器人的标定方法及装置、三维环境建模方法及设备、计算机存储介质以及工业机器人操作平台 | |
| CN113963114A (zh) | 一种基于多边形生长的离散边界点追踪方法 |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230407 Address after: NO.115, Renmin East Road, Panlong District, Kunming, Yunnan 650000 Patentee after: POWERCHINA KUNMING ENGINEERING Corp.,Ltd. Patentee after: LUBUGE HYDROPOWER PLANT OF SOUTHERN POWER GRID PEAKING FREQUENCY MODULATION POWER GENERATION CO.,LTD. Address before: NO.115, Renmin East Road, Panlong District, Kunming, Yunnan 650000 Patentee before: POWERCHINA KUNMING ENGINEERING Corp.,Ltd. |
|
| TR01 | Transfer of patent right |