CN110595446B - 一种基于虚拟靠尺的建筑实测实量方法及装置 - Google Patents

Abstract

本发明公开一种基于虚拟靠尺的建筑实测实量方法，包括：基于三维坐标系创建建筑室内基准面；采用激光束室内扫描目标建筑，获取目标建筑的点云数据；转换所获取的点云数据的扫描坐标系为三维坐标系，采用聚类算法将目标建筑的点云数据按室内数据和室外数据进行分割，提取目标建筑的室内点云数据，基于建筑室内基准面识别目标建筑的室内点云数据中面数据；基于三维坐标创建与建筑室内基准面相距为预定值的虚拟靠尺面，旋转虚拟靠尺面切割点云数据中面数据，视在虚拟靠尺面外远离建筑室内基准面的点云点为不合格点；获取不合格点的坐标值，由此生成实测实量数据。本发明不仅提高实测实量工作的效率，还为以后的修补工作提供了指导依据。

Description

一种基于虚拟靠尺的建筑实测实量方法及装置

技术领域

本发明涉及建筑质量检测领域，尤其涉及一种基于虚拟靠尺的建筑实测实量方法及装置。

背景技术

目前在建筑业，实测实量是评判房屋建设质量的重要参考手段，实测实量是指应用测量仪器工具，通过现场测试建筑室内空间尺寸(包括长、宽、高等)而得到的能真实反应建筑建设质量数据的一种方法。但现有的实测实量方法大多是借用人力目测选取测量位置，手持实测实量实体工具，比如靠尺、激光测距仪、卷尺、内外直角检测尺等，多角度多方面进行测量。有人试图改变实测实量的方法，以提高测量的准确性，比如：通过全站仪向墙面射出激光，测量墙面凹凸情况，但该方案效率低，每次只能检测一面墙，每换一次墙面，技术人员都需重新选取墙面再次调整仪器。又如采用结构光或者多摄像头三维成像方法采集墙面数据，但该方案所采集的墙面数据精度低，墙面数据连续性不稳定，无法满足实测实量的检测需求。也有人供用三维激光扫描仪和点云拟合的方法，来提高工作的效率及数据的精度，但只能呈现墙面的凹凸情况，而对建筑工人的修补实操没有指导意义。

发明内容

本发明为克服上述现有技术所述的至少一种缺陷(不足)，提供一种基于虚拟靠尺的建筑实测实量方法。

本发明旨在至少在一定程度上解决上述技术问题。

为了达到上述技术效果，本发明的技术方案如下：

本发明公开了一种基于虚拟靠尺的建筑实测实量方法，包括如下步骤：

S10基于三维坐标系创建建筑室内基准面；

S20采用激光束室内扫描目标建筑，获取目标建筑的点云数据；

S30转换所获取的点云数据的扫描坐标系为三维坐标系，采用聚类算法将目标建筑的点云数据按室内数据和室外数据进行分割，提取目标建筑的室内点云数据，基于建筑室内基准面识别目标建筑的室内点云数据中面数据；

S40基于三维坐标创建与建筑室内基准面相距为预定值的虚拟靠尺面，旋转虚拟靠尺面切割点云数据中面数据，视在虚拟靠尺面外远离建筑室内基准面的点云点为不合格点；

S50获取不合格点的坐标值，由此生成实测实量数据。

优选地，所述S20具体步骤包括：

S201采用激光束360度环绕目标建筑室内进行多次扫描，采集目标建筑的点云数据；

S202将相邻次扫描所采集的点云数据进行匹配，以拼接相邻次扫描的点云数据，获得最终目标建筑的点云数据。

优选地，所述S30具体步骤包括：

S301转换所获取的点云数据的扫描坐标系为三维坐标系，以获取三维的点云数据；

S302采用K-means算法聚类点云数据：设置K为2，代表点云数据聚类为2类，初始化点云数据的中心质点，初始化的中心质点根据聚类数量分为室内点云数据集和室外点云数据集，从室内点云数据集中随机选取室内中心质点n个，并为n个室内中心质点赋予室内标签；从室外点云数据集中随机选取室外中心质点m个，并为m个室外中心质点赋予室外标签，迭代更新点云数据的中心质点，更新点云数据中其他各点的标签，获取聚类后的新的室内点云数据集和室外点云数据集；

S303提取聚类后的新的室内点云数据集；

S304配准室内点云数据集的三维坐标与建筑室内基准面的三维坐标，通过建筑室内基准面识别室内点云数据集中的面数据。

优选地，所述S40包括：

S401以三维坐标的原点为建筑室内基准面的角，以三维坐标的其中两维坐标为建筑室内基准面的面，在三维坐标系统上，取与建筑室内基准面相距为预定值的正坐标生成正虚拟靠尺面，取与建筑室内基准面相距为预定值的负坐标生成负虚拟靠尺面；

S402旋转虚拟靠尺面切割点云数据中面数据，视正虚拟靠尺面切割的远离建筑室内基准面的点云点为不合格凸点；视负虚拟靠尺面切割的远离建筑室内基准面的点云点为不合格凹点。

优选地，所述S50包括：

S501计算不合格凸点与建筑室内基准面之间的距离，将之视为不合格凸点的修补数据，与不合格凸点的坐标值一起生成不合格凸点的实测数据；

S502计算不合格凹点与建筑室内基准面之间的距离，将之视为不合格凹点的修补数据，与不合格凹点的坐标值一起生不合格凹点的实测数据。

优选地，所述S301之后，所述S302之前还包括：

S305创建滤波器，并定义点云数据中噪声点、离群点为滤波对象，对所获取的点云数据进行滤波降噪，其中滤波器的数据点的邻域定义有三种方式：

(1)k邻域定义为：根据采样点q到其余点的欧式距离，取基中距离最近的k个点所形成的邻域；

(2)二叉空间分割BSP邻域，根据采样点q点的k邻域，定义为

的一个子空间，N为点云数据集，B为点云数据集中一个子集，q_I为第I个采样点：{x∈B_I|(x-q_I)(q-q_I)}≥0，采样点q的BSP邻域为采样点q的k邻域的子集；

(3)泰森多边领域，令点

的泰森多边图，则点q_i的泰森多边邻域为：

本发明还公开了一种基于虚拟靠尺的建筑实测实量装置，其特征在于，包括：

创建模块，用于基于三维坐标系创建建筑室内基准面；

采集模块，用于采用激光束室内扫描目标建筑，获取目标建筑的点云数据，

所述采集模块包括：

采集单元，用于采用激光束360度环绕目标建筑室内进行多次扫描，采集目标建筑的点云数据；

拼接单元，用于将相邻次扫描所采集的点云数据进行匹配，以拼接相邻次扫描的点云数据，获得最终目标建筑的点云数据；

点云预处理模块，用于转换所获取的点云数据的扫描坐标系为三维坐标系，采用聚类算法将目标建筑的点云数据按室内数据和室外数据进行分割，提取目标建筑的室内点云数据，基于建筑室内基准面识别目标建筑的室内点云数据中面数据；

切割模块，用于基于三维坐标创建与建筑室内基准面相距为预定值的虚拟靠尺面，旋转虚拟靠尺面切割点云数据中面数据，视在虚拟靠尺面外远离建筑室内基准面的点云点为不合格点，所述切割模块包括：

虚拟靠尺面生成单元，用于以三维坐标的原点为建筑室内基准面的角，以三维坐标的其中两维坐标为建筑室内基准面的面，在三维坐标系统上，取与建筑室内基准面相距为预定值的正坐标生成正虚拟靠尺面，取与建筑室内基准面相距为预定值的负坐标生成负虚拟靠尺面；

切割单元，用于旋转虚拟靠尺面切割点云数据中面数据，视正虚拟靠尺面切割的远离建筑室内基准面的点云点为不合格凸点；视负虚拟靠尺面切割的远离建筑室内基准面的点云点为不合格凹点；

生成模块，用于获取不合格点的坐标值，由此生成实测实量数据，所述生成模块包括：

不合格凸点生成单元，用于计算不合格凸点与建筑室内基准面之间的距离，将之视为不合格凸点的修补数据，与不合格凸点的坐标值一起生成不合格凸点的实测数据；

不合格凹点生成单元，用于计算不合格凹点与建筑室内基准面之间的距离，将之视为不合格凹点的修补数据，与不合格凹点的坐标值一起生不合格凹点的实测数据。

优选地，所述点云预处理模块包括：

滤波单元，用于创建滤波器，并定义点云数据中噪声点、离群点为滤波对象，对所获取的点云数据进行滤波降噪，其中滤波器的数据点的邻域定义有三种方式：

(1)k邻域定义为：根据采样点q到其余点的欧式距离，取基中距离最近的k个点所形成的邻域；

(2)二叉空间分割BSP邻域，根据采样点q点的k邻域，定义为

的一个子空间，N为点云数据集，B为点云数据集中一个子集，q_I为第I个采样点：{x∈B_I|(x-q_I)(q-q_I)}≥0，采样点q的BSP邻域为采样点q的k邻域的子集；

(3)泰森多边领域，令点

的泰森多边图，则点q_i的泰森多边邻域为：

坐标转换单元，用于转换所获取的点云数据的扫描坐标系为三维坐标系，以获取三维的点云数据；

聚类单元，用于采用K-means算法聚类点云数据：设置K为2，代表点云数据聚类为2类，初始化点云数据的中心质点，初始化的中心质点根据聚类数量分为室内点云数据集和室外点云数据集，从室内点云数据集中随机选取室内中心质点n个，并为n个室内中心质点赋予室内标签；从室外点云数据集中随机选取室外中心质点m个，并为m个室外中心质点赋予室外标签，迭代更新点云数据的中心质点，更新点云数据中其他各点的标签，获取聚类后的新的室内点云数据集和室外点云数据集；

提取单元，用于提取聚类后的新的室内点云数据集；

识别单元，用于配准室内点云数据集的三维坐标与建筑室内基准面的三维坐标，通过建筑室内基准面识别室内点云数据集中的面数据。

与现有技术相比，本发明技术方案的有益效果是：本发明对所采集的目标建筑点云数据滤波降噪后，聚类为室内点云数据集和室外点云数据集，提取室内点云数据集，再通过虚拟靠尺面旋转切割出不合格点，通过获取不合格点的坐标值，生成实测实量数据。这样所生成实测实量数据对目标建筑后期的修改工作具有实操的参考。

附图说明

图1为本发明一种基于虚拟靠尺的建筑实测实量方法一实施例的方法流程图；

图2为本发明所述S20一实施例的方法流程图；

图3为本发明所述S30一实施例的方法流程图；

图4为本发明一种基于虚拟靠尺的建筑实测实量装置一实施例的功能模块图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；

为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；

对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

下面结合附图和实施例对本发明的技术方案做进一步的说明。本发明公开了

本发明公开了一种基于虚拟靠尺的建筑实测实量方法，包括如下步骤：

S10基于三维坐标系创建建筑室内基准面；

S20采用激光束室内扫描目标建筑，获取目标建筑的点云数据；

S30转换所获取的点云数据的扫描坐标系为三维坐标系，采用聚类算法将目标建筑的点云数据按室内数据和室外数据进行分割，提取目标建筑的室内点云数据，基于建筑室内基准面识别目标建筑的室内点云数据中面数据；

S40基于三维坐标创建与建筑室内基准面相距为预定值的虚拟靠尺面，旋转虚拟靠尺面切割点云数据中面数据，视在虚拟靠尺面外远离建筑室内基准面的点云点为不合格点；

S50获取不合格点的坐标值，由此生成实测实量数据。

在本发明实施例中，本发明对所采集的目标建筑点云数据滤波降噪后，聚类为室内点云数据集和室外点云数据集，提取室内点云数据集，再通过虚拟靠尺面旋转切割出不合格点，通过获取不合格点的坐标值，生成实测实量数据。这样所生成实测实量数据对目标建筑后期的修改工作具有实操的参考。

优选地，所述S20具体步骤包括：

S201采用激光束360度环绕目标建筑室内进行多次扫描，采集目标建筑的点云数据；

S202将相邻次扫描所采集的点云数据进行匹配，以拼接相邻次扫描的点云数据，获得最终目标建筑的点云数据。

在本发明实施例中，考虑到一次激光扫描采集目标建筑的点云数据会不够完整，通过多次扫描后将相邻次扫描的点云数据进行拼接，获取最终相对比较完整的目标建筑的点云数据。

优选地，所述S30具体步骤包括：

S301转换所获取的点云数据的扫描坐标系为三维坐标系，以获取三维的点云数据；

S302采用K-means算法聚类点云数据：设置K为2，代表点云数据聚类为2类，初始化点云数据的中心质点，初始化的中心质点根据聚类数量分为室内点云数据集和室外点云数据集，从室内点云数据集中随机选取室内中心质点n个，并为n个室内中心质点赋予室内标签；从室外点云数据集中随机选取室外中心质点m个，并为m个室外中心质点赋予室外标签，迭代更新点云数据的中心质点，更新点云数据中其他各点的标签，获取聚类后的新的室内点云数据集和室外点云数据集；

S303提取聚类后的新的室内点云数据集；

S304配准室内点云数据集的三维坐标与建筑室内基准面的三维坐标，通过建筑室内基准面识别室内点云数据集中的面数据。

在本发明实施例中，通过对目标建筑点云数据进行预处理，预处理包括：坐标转换，获取点云数据的三维结构；均值聚类，将点云数据聚类为室内点云数据集和室外点云数据集；聚类后剔除室外点云数据集，提取室内点云数据集；再次配准室内点云数据集的三维坐标与建筑室内基准面的三维坐标，识别室内点云数据集中的面数据。均值聚类采K-means聚类算法，因为该算法为现有技术，故不在此累述。

优选地，所述S40包括：

S401以三维坐标的原点为建筑室内基准面的角，以三维坐标的其中两维坐标为建筑室内基准面的面，在三维坐标系统上，取与建筑室内基准面相距为预定值的正坐标生成正虚拟靠尺面，取与建筑室内基准面相距为预定值的负坐标生成负虚拟靠尺面；

S402旋转虚拟靠尺面切割点云数据中面数据，视正虚拟靠尺面切割的远离建筑室内基准面的点云点为不合格凸点；视负虚拟靠尺面切割的远离建筑室内基准面的点云点为不合格凹点。

在本发明实施例中，本发明通过建立正虚拟靠尺面和负虚拟靠尺面，再旋转正、负虚拟靠尺面，在点云数据的面数据中进行切割，由正虚拟靠尺面切割出不合格凸点，由负虚拟靠尺面切割出不合格凹点。

优选地，所述S50包括：

S501计算不合格凸点与建筑室内基准面之间的距离，将之视为不合格凸点的修补数据，与不合格凸点的坐标值一起生成不合格凸点的实测数据；

S502计算不合格凹点与建筑室内基准面之间的距离，将之视为不合格凹点的修补数据，与不合格凹点的坐标值一起生不合格凹点的实测数据。

在本发明实施例中，本发明通过计算不合格点与建筑室内基准面之间的距离获取修补数据，与不合格凸点的坐标值一起生成不合格凸点的实测数据，这样，在目标建筑的后期修改中，可依据实测实量数据中的不合格点的坐标值和修补数据作为指导，开展修补工作。

优选地，所述S301之后，所述S302之前还包括：

S305创建滤波器，并定义点云数据中噪声点、离群点为滤波对象，对所获取的点云数据进行滤波降噪，其中滤波器的数据点的邻域定义有三种方式：

(1)k邻域定义为：根据采样点q到其余点的欧式距离，取基中距离最近的k个点所形成的邻域；

(2)二叉空间分割BSP邻域，根据采样点q点的k邻域，定义为

的一个子空间，N为点云数据集，B为点云数据集中一个子集，q_I为第I个采样点：{x∈B_I|(x-q_I)(q-q_I)}≥0，采样点q的BSP邻域为采样点q的k邻域的子集；

(3)泰森多边领域，令点

的泰森多边图，则点q_i的泰森多边邻域为：

在本发明实施例中，本发明对目标建筑的点云数据的预处理还包括滤波降噪，以滤除点云数据中噪声点、离群点。

本发明还公开了一种基于虚拟靠尺的建筑实测实量装置，本装置用于实现上述方法，由于采用了以上所有的实施例，故不再累述，本装置包括：

创建模块，用于基于三维坐标系创建建筑室内基准面；

采集模块，用于采用激光束室内扫描目标建筑，获取目标建筑的点云数据，

所述采集模块包括：

采集单元，用于采用激光束360度环绕目标建筑室内进行多次扫描，采集目标建筑的点云数据；

拼接单元，用于将相邻次扫描所采集的点云数据进行匹配，以拼接相邻次扫描的点云数据，获得最终目标建筑的点云数据；

点云预处理模块，用于转换所获取的点云数据的扫描坐标系为三维坐标系，采用聚类算法将目标建筑的点云数据按室内数据和室外数据进行分割，提取目标建筑的室内点云数据，基于建筑室内基准面识别目标建筑的室内点云数据中面数据；

切割模块，用于基于三维坐标创建与建筑室内基准面相距为预定值的虚拟靠尺面，旋转虚拟靠尺面切割点云数据中面数据，视在虚拟靠尺面外远离建筑室内基准面的点云点为不合格点，所述切割模块包括：

虚拟靠尺面生成单元，用于以三维坐标的原点为建筑室内基准面的角，以三维坐标的其中两维坐标为建筑室内基准面的面，在三维坐标系统上，取与建筑室内基准面相距为预定值的正坐标生成正虚拟靠尺面，取与建筑室内基准面相距为预定值的负坐标生成负虚拟靠尺面；

切割单元，用于旋转虚拟靠尺面切割点云数据中面数据，视正虚拟靠尺面切割的远离建筑室内基准面的点云点为不合格凸点；视负虚拟靠尺面切割的远离建筑室内基准面的点云点为不合格凹点；

生成模块，用于获取不合格点的坐标值，由此生成实测实量数据，所述生成模块包括：

不合格凸点生成单元，用于计算不合格凸点与建筑室内基准面之间的距离，将之视为不合格凸点的修补数据，与不合格凸点的坐标值一起生成不合格凸点的实测数据；

不合格凹点生成单元，用于计算不合格凹点与建筑室内基准面之间的距离，将之视为不合格凹点的修补数据，与不合格凹点的坐标值一起生不合格凹点的实测数据。

优选地，所述点云预处理模块包括：

滤波单元，用于创建滤波器，并定义点云数据中噪声点、离群点为滤波对象，对所获取的点云数据进行滤波降噪，其中滤波器的数据点的邻域定义有三种方式：

(1)k邻域定义为：根据采样点q到其余点的欧式距离，取基中距离最近的k个点所形成的邻域；

(2)二叉空间分割BSP邻域，根据采样点q点的k邻域，定义为

的一个子空间，N为点云数据集，B为点云数据集中一个子集，q_I为第I个采样点：{x∈B_I|(x-q_I)(q-q_I)}≥0，采样点q的BSP邻域为采样点q的k邻域的子集；

(3)泰森多边领域，令点

的泰森多边图，则点q_i的泰森多边邻域为：

坐标转换单元，用于转换所获取的点云数据的扫描坐标系为三维坐标系，以获取三维的点云数据；

聚类单元，用于采用K-means算法聚类点云数据：设置K为2，代表点云数据聚类为2类，初始化点云数据的中心质点，初始化的中心质点根据聚类数量分为室内点云数据集和室外点云数据集，从室内点云数据集中随机选取室内中心质点n个，并为n个室内中心质点赋予室内标签；从室外点云数据集中随机选取室外中心质点m个，并为m个室外中心质点赋予室外标签，迭代更新点云数据的中心质点，更新点云数据中其他各点的标签，获取聚类后的新的室内点云数据集和室外点云数据集；

提取单元，用于提取聚类后的新的室内点云数据集；

识别单元，用于配准室内点云数据集的三维坐标与建筑室内基准面的三维坐标，通过建筑室内基准面识别室内点云数据集中的面数据。

相同或相似的标号对应相同或相似的部件；

附图中描述位置关系的用于仅用于示例性说明，不能理解为对本专利的限制；

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (6)

1.一种基于虚拟靠尺的建筑实测实量方法，其特征在于，包括如下步骤：

S10基于三维坐标系创建建筑室内基准面；

S20采用激光束室内扫描目标建筑，获取目标建筑的点云数据；

S30转换所获取的点云数据的扫描坐标系为三维坐标系，采用聚类算法将目标建筑的点云数据按室内数据和室外数据进行分割，提取目标建筑的室内点云数据，基于建筑室内基准面识别目标建筑的室内点云数据中面数据；

S40基于三维坐标创建与建筑室内基准面相距为预定值的虚拟靠尺面，旋转虚拟靠尺面切割点云数据中面数据，视在虚拟靠尺面外远离建筑室内基准面的点云点为不合格点；

S50获取不合格点的坐标值，由此生成实测实量数据；

所述S20具体步骤包括：

S201采用激光束360度环绕目标建筑室内进行多次扫描，采集目标建筑的点云数据；

S202将相邻次扫描所采集的点云数据进行匹配，以拼接相邻次扫描的点云数据，获得最终目标建筑的点云数据；

所述S40包括：

S401以三维坐标的原点为建筑室内基准面的角，以三维坐标的其中两维坐标为建筑室内基准面的面，在三维坐标系统上，取与建筑室内基准面相距为预定值的正坐标生成正虚拟靠尺面，取与建筑室内基准面相距为预定值的负坐标生成负虚拟靠尺面；

S402旋转虚拟靠尺面切割点云数据中面数据，视正虚拟靠尺面切割的远离建筑室内基准面的点云点为不合格凸点；视负虚拟靠尺面切割的远离建筑室内基准面的点云点为不合格凹点。

2.如权利要求1所述的基于虚拟靠尺的建筑实测实量方法，其特征在于，所述S30具体步骤包括：

S301转换所获取的点云数据的扫描坐标系为三维坐标系，以获取三维的点云数据；

S302采用K-means算法聚类点云数据：设置K为2，代表点云数据聚类为2类，初始化点云数据的中心质点，初始化的中心质点根据聚类数量分为室内点云数据集和室外点云数据集，从室内点云数据集中随机选取室内中心质点n个，并为n个室内中心质点赋予室内标签；从室外点云数据集中随机选取室外中心质点m个，并为m个室外中心质点赋予室外标签，迭代更新点云数据的中心质点，更新点云数据中其他各点的标签，获取聚类后的新的室内点云数据集和室外点云数据集；

S303提取聚类后的新的室内点云数据集；

S304配准室内点云数据集的三维坐标与建筑室内基准面的三维坐标，通过建筑室内基准面识别室内点云数据集中的面数据。

3.如权利要求1所述的基于虚拟靠尺的建筑实测实量方法，其特征在于，所述S50包括：

S501计算不合格凸点与建筑室内基准面之间的距离，将之视为不合格凸点的修补数据，与不合格凸点的坐标值一起生成不合格凸点的实测数据；

S502计算不合格凹点与建筑室内基准面之间的距离，将之视为不合格凹点的修补数据，与不合格凹点的坐标值一起生不合格凹点的实测数据。

4.如权利要求2所述的基于虚拟靠尺的建筑实测实量方法，其特征在于，所述S301之后，所述S302之前还包括：

S305创建滤波器，并定义点云数据中噪声点、离群点为滤波对象，对所获取的点云数据进行滤波降噪，其中滤波器的数据点的邻域定义有三种方式：

(1)k邻域定义为：根据采样点q到其余点的欧式距离，取基中距离最近的k个点所形成的邻域；

(2)二叉空间分割BSP邻域，根据采样点q点的k邻域，定义为

的一个子空间，N为点云数据集，B为点云数据集中一个子集，q_I为第I个采样点：{x∈B_I|(x-q_I)(q-q_I)}≥0，采样点q的BSP邻域为采样点q的k邻域的子集；

(3)泰森多边领域，令点

的泰森多边图，则点q_i的泰森多边邻域为：

5.一种基于虚拟靠尺的建筑实测实量装置，其特征在于，包括：

创建模块，用于基于三维坐标系创建建筑室内基准面；

采集模块，用于采用激光束室内扫描目标建筑，获取目标建筑的点云数据，

所述采集模块包括：

采集单元，用于采用激光束360度环绕目标建筑室内进行多次扫描，采集目标建筑的点云数据；

拼接单元，用于将相邻次扫描所采集的点云数据进行匹配，以拼接相邻次扫描的点云数据，获得最终目标建筑的点云数据；

点云预处理模块，用于转换所获取的点云数据的扫描坐标系为三维坐标系，采用聚类算法将目标建筑的点云数据按室内数据和室外数据进行分割，提取目标建筑的室内点云数据，基于建筑室内基准面识别目标建筑的室内点云数据中面数据；

切割模块，用于基于三维坐标创建与建筑室内基准面相距为预定值的虚拟靠尺面，旋转虚拟靠尺面切割点云数据中面数据，视在虚拟靠尺面外远离建筑室内基准面的点云点为不合格点，所述切割模块包括：

虚拟靠尺面生成单元，用于以三维坐标的原点为建筑室内基准面的角，以三维坐标的其中两维坐标为建筑室内基准面的面，在三维坐标系统上，取与建筑室内基准面相距为预定值的正坐标生成正虚拟靠尺面，取与建筑室内基准面相距为预定值的负坐标生成负虚拟靠尺面；

切割单元，用于旋转虚拟靠尺面切割点云数据中面数据，视正虚拟靠尺面切割的远离建筑室内基准面的点云点为不合格凸点；视负虚拟靠尺面切割的远离建筑室内基准面的点云点为不合格凹点；

生成模块，用于获取不合格点的坐标值，由此生成实测实量数据，所述生成模块包括：

不合格凸点生成单元，用于计算不合格凸点与建筑室内基准面之间的距离，将之视为不合格凸点的修补数据，与不合格凸点的坐标值一起生成不合格凸点的实测数据；

不合格凹点生成单元，用于计算不合格凹点与建筑室内基准面之间的距离，将之视为不合格凹点的修补数据，与不合格凹点的坐标值一起生不合格凹点的实测数据。

6.如权利要求5所述的基于虚拟靠尺的建筑实测实量装置，其特征在于，所述点云预处理模块包括：

滤波单元，用于创建滤波器，并定义点云数据中噪声点、离群点为滤波对象，对所获取的点云数据进行滤波降噪，其中滤波器的数据点的邻域定义有三种方式：

(1)k邻域定义为：根据采样点q到其余点的欧式距离，取基中距离最近的k个点所形成的邻域；

(2)二叉空间分割BSP邻域，根据采样点q点的k邻域，定义为

的一个子空间，N为点云数据集，B为点云数据集中一个子集，q_I为第I个采样点：{x∈B_I|(x-q_I)(q-q_I)}≥0，采样点q的BSP邻域为采样点q的k邻域的子集；

(3)泰森多边领域，令点

的泰森多边图，则点q_i的泰森多边邻域为：

坐标转换单元，用于转换所获取的点云数据的扫描坐标系为三维坐标系，以获取三维的点云数据；

聚类单元，用于采用K-means算法聚类点云数据：设置K为2，代表点云数据聚类为2类，初始化点云数据的中心质点，初始化的中心质点根据聚类数量分为室内点云数据集和室外点云数据集，从室内点云数据集中随机选取室内中心质点n个，并为n个室内中心质点赋予室内标签；从室外点云数据集中随机选取室外中心质点m个，并为m个室外中心质点赋予室外标签，迭代更新点云数据的中心质点，更新点云数据中其他各点的标签，获取聚类后的新的室内点云数据集和室外点云数据集；

提取单元，用于提取聚类后的新的室内点云数据集；

识别单元，用于配准室内点云数据集的三维坐标与建筑室内基准面的三维坐标，通过建筑室内基准面识别室内点云数据集中的面数据。

Images