CN110823077A - 一种基于三维点云的墙面靠尺检测方法及系统 - Google Patents
一种基于三维点云的墙面靠尺检测方法及系统 Download PDFInfo
- Publication number
- CN110823077A CN110823077A CN201911135048.2A CN201911135048A CN110823077A CN 110823077 A CN110823077 A CN 110823077A CN 201911135048 A CN201911135048 A CN 201911135048A CN 110823077 A CN110823077 A CN 110823077A
- Authority
- CN
- China
- Prior art keywords
- wall surface
- point cloud
- guiding
- data
- cloud data
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B5/00—Measuring arrangements characterised by the use of mechanical techniques
- G01B5/28—Measuring arrangements characterised by the use of mechanical techniques for measuring roughness or irregularity of surfaces
Abstract
本发明的一种基于三维点云的墙面靠尺检测方法,包括:采集包含完整待测墙面的三维点云数据并进行预处理;从预处理后的数据中提取待测墙面数据,并建立新坐标系;根据测量位置和角度需求,计算出靠尺的端点位置,获取所有靠尺的位姿并对靠尺位姿自动调整;在新坐标系下,在待测墙面上与靠尺相应区域截取点云,拟合点云后获取靠尺初始位姿并检测靠尺区域的凸包区域,获取靠尺的最优位姿。本发明还公开了一种基于三维点云的墙面靠尺检测系统。本发明能检测靠尺的准确位置,利用该靠尺可实现墙面的平整度测量,测量结果精度高,误差小,且不受任何主观因素的影响,避免人工测量的局限性,置信度较高。
Description
技术领域
本发明涉及一种墙面靠尺检测方法及系统,具体涉及一种基于三维点云的墙面靠尺检测方法及系统。
背景技术
在建筑施工阶段,实测实量通过对施工现场的实体测试,并及时反馈产品的质量状态,以便于项目管理者及时改进施工工艺。而目前实测实量仍然沿用相对老旧的数据采集方式,墙面的平整度测量都是由实测实量人员使用2米靠尺去衡量。
由于作业效率的限制,人工只能对测量部分点位进行数据采集,采样率较低,而且作业人员大都是仅凭感觉去衡量墙体表面的平整度,而未严格采用楔形塞尺来组合测量。因此,针对人工测量的各种弊端,以及在整个实测实量阶段,墙面平整度的测量工作量最大,测量最为繁琐的问题,有必要根据视觉传感器完成墙面平整度的自动测量。
发明内容
鉴于此,本发明提供了一种基于三维点云的墙面靠尺检测方法,包括:
步骤1,采集包含完整待测墙面的三维点云数据,并对这些三维点云数据进行预处理;
步骤2,从预处理后的三维点云数据中提取待测墙面数据,并以待测墙面任意一角角为原点,并以待测墙面的垂直和水平方向为坐标轴方向,建立新的坐标系;
步骤3,在新的坐标系下,根据测量位置和角度需求,计算出每个靠尺的端点位置,获取所有靠尺的位姿,并对靠尺的位姿进行自动调整;
步骤4,在新坐标系下,对步骤3所获取的每个靠尺,分别在待测墙面上的相应区域截取点云,拟合点云后获取靠尺的初始位姿并检测靠尺区域的凸包区域,获取靠尺的最优位姿。
作为本发明进一步的改进,步骤1中的预处理方法具体为:对三维点云数据进行降采样处理,再对降采样后的数据进行滤波去噪,剔除数据中的离群点,去除环境噪声,并裁剪感兴趣区域ROI。
作为本发明进一步的改进,所述步骤2的方法为:提取预处理后的三维点云数据中所有的平面,根据各平面的方向对平面点云进行分类,从分类后的点云中提取建筑数据和干扰数据,通过地面数据对建筑数据进行方向校正后提取待测墙面数据,并获取待测墙面的原点。
作为本发明进一步的改进,所述步骤2具体包括:
步骤201,对预处理后的三维点云数据进行平面分割,提取出所有的平面点云,并进行平面拟合获取方向信息,同时计算点云自身的主方向和最小包围盒尺寸;
步骤202,根据平面方向,对所有的平面点云进行分类,获取多组不同方向的点云数据;
步骤203,对不同方向的点云数据进行筛选,提取出两两垂直的三组平面作为建筑自身数据,过滤掉其他方向的干扰数据;
步骤204,根据视觉传感器采集数据的方向和拍摄角度,筛选出与地面平行且包含地面的平面数据集Set1,依据所述视觉传感器的坐标方向,提取出地面点云数据F1,并计算出地面点云数据F1的倾斜角度,将所有墙面和柱面的点云数据旋转校准到与世界坐标系垂直的方向;
步骤205,在所有的垂直于地面点云数据F1的平面点云数据中,选择出待测墙面的墙面点云数据W1,并提取出与墙面点云数据W1相垂直且与墙面点云数据W1左侧接壤的平面点云数据W2,计算墙面点云数据W1、平面点云数据W2和地面点云数据F1的交点,即墙面的左下角,作为待测墙面原点位置。
作为本发明进一步的改进,所述步骤204中,所述视觉传感器采集数据的Z向正向朝上,平面数据集Set1中Z值最小的点云数据即为地面点云数据F1。
作为本发明进一步的改进,所述步骤3的方法为:对待测墙面点云数据定位缺失位置,在待测墙面进行洞口检测去除噪声及干扰数据,根据测量位置和角度需求以及靠尺的实际尺寸,计算出每个靠尺的两个端点在待测墙面上的位置,以及每个靠尺与水平面的角度,获取所有靠尺的位姿并自动调整各个靠尺位姿。
作为本发明进一步的改进,所述步骤3具体包括:
步骤301,计算待测墙面的高度和长度,对待测墙面的墙面点云数据的整体轮廓进行提取,并判断是否存在墙面数据缺失的情况,如果存在,则对缺失位置进行定位;
步骤302,在待测墙面上进行洞口检测,分别定位门洞和窗洞的位置,对洞口附近的点云数据进行局部去噪处理,去除因测量对象的突变而引入的噪声以及洞口附近的干扰数据;
步骤303,根据待测墙面的测量位置和角度需求以及靠尺的实际尺寸,计算每个靠尺的两个端点在待测墙面上的位置,以及每个靠尺与水平面的角度,获取所有靠尺的位姿,并对各个靠尺的位姿进行自动调整,。
作为本发明进一步的改进,所述步骤303中,在门洞跨洞口测量时,要确保45度靠尺的顶端不超出待测墙面范围,且靠尺跨门洞时无悬空部分。
作为本发明进一步的改进,所述步骤4的方法为:在新的坐标系下,在待测墙面上与步骤3所获取的各个靠尺的相应区域分别截取点云,分别拟合点云后,获取每个靠尺的初始位姿,检测每个靠尺区域的所有凸包区域,获取每个靠尺的所有可能位姿,并在每个靠尺的所有可能位姿中选择最优位姿。
作为本发明进一步的改进,所述步骤4中,每个靠尺都采用如下方法:
步骤401,对待测墙面的墙面点云数据进行局部平滑,消除视觉传感器本身的数据波动;
步骤402,根据待测量位置和角度,以步骤3所获取的靠尺的形状和尺寸,在待测墙面上相应区域截取点云数据C,并对截取的点云数据C进行骨架提取;
步骤403,对点云数据C进行直线拟合,获取靠尺的初始位姿P0;
步骤404,在初始位姿P0的基础上,检测出靠尺区域的所有凸包区域,获取每个凸包区域的极值点,再加上靠尺的两个端点,组合成实际靠尺可能会经过的点集Set2;
步骤405,在点集Set2中,两两点之间互相组合成一条直线,判断是否所有的凸包点都位于直线的一侧,如果满足,则计算点云数据C到靠尺的最远间隙,作为当前靠尺的测量值;
步骤406,在所有的靠尺姿态中,选择测量结果最小的情况,作为最优靠尺位姿。
作为本发明进一步的改进,还包括:通过最优位姿的靠尺对待测墙面指定位置或整面墙的平整度进行测量,输出指定位置的平整度测量结果或整面墙的爆点位置。
本发明还提供了一种基于三维点云的墙面靠尺检测系统,包括:
数据预处理模块,其用于采集包含完整待测墙面的三维点云数据,并对这些三维点云数据进行预处理;
墙面数据提取模块,其用于从预处理后的三维点云数据中提取待测墙面数据,以待测墙面任意一角为原点,并以待测墙面的垂直和水平方向为坐标轴方向,建立新的坐标系;
测量位置计算模块,其用于根据测量位置和角度需求,计算出每个靠尺的端点位置,获取所有靠尺的位姿,并对靠尺的位姿进行自动调整;
测量计算输出模块,其用于在新的坐标系下,对所述测量位置计算模块获取的各个靠尺,分别在待测墙面上的相应区域截取点云,拟合点云后获取靠尺的初始位姿并检测靠尺区域的凸包区域,获取靠尺的最优位姿。
本发明的有益效果:
(1)在计算机获取到任意角度采集的倾斜三维点云数据中,本发明的检测方法能正确排除非建筑物信息的干扰,提取并分辨出待测量墙面的点云信息。
(2)在获取到具体的待测墙面后,本发明的检测方法以墙面左下角为原点,墙面方向为坐标轴方向,建立新的坐标系,在新坐标系的基础上,根据具体的测量需求,本发明的检测方法和检测系统可以检测到靠尺的准确位置,在后续测量中可以利用准确的靠尺进行墙面平整度的测量。当只测量指定位置时,能够依据墙面的实际情况,对模拟靠尺的位姿进行自动调整,保证靠尺位置的正确性,利用该靠尺可以对墙面指定位置进行平整度测量。可以根据靠尺的初始位姿模拟位姿出最优位姿,利用该最优位姿的靠尺可以对墙面的指定测量位置或整面墙进行平整度测量,输出指定测量位置的墙面平整度测量结果或整面墙的爆点位置。这种测量方法与实测工人的测量手段完全一致,测量结果精度高,算法误差较小,且不受任何主观因素的影响,避免了人工测量的局限性,置信度较高。
(3)本发明的检测方法和检测系统检测到的靠尺,除可用于墙面测量外,还可用于天花板/地面的定位等,适应各种墙面,通用性强。
附图说明
通过参照附图详细描述其示例实施例,本公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本公开的一些实施例,对于本领域的普通技术人员来讲,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是本发明实施例一所述的一种基于三维点云的墙面靠尺检测方法的流程示意图;
图2是提取待测墙面数据的流程示意图;
图3是跨门洞测量的效果图;
图4是最优靠尺位姿的示意图;
图5是本发明实施例二所述的一种基于三维点云的墙面靠尺检测系统的系统框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。
虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员以使得本发明所属技术领域的技术人员能够容易实施。正如本发明所属技术领域的技术人员能够容易理解,将在后面描述的实施例在不脱离本发明的概念和范围的基础上可变形为多种形式。在附图中尽量将相同或相似的部分用相同的附图标记表示。
在此使用的专业术语只是用来说明特定实施例而提供的,并不是用来限制本发明。在此使用的单数形式在没有表示明确的相反含义的情况下也包含复数形式。在说明书中使用的“包含”的具体化了特定的特性、领域、常数、步骤、动作、要素及/或成分,并不排除其他特定的特性、领域、常数、步骤、动作、要素、成分及/或组的存在或附加。
将下面使用的技术用语及科学用语包括在内的所有用语具有与本发明所属技术领域的技术人员一般理解的含义相同的含义。在词典中所定义的用语被补充解释为与相关技术文献和当前公开的内容相符的含义,在没有定义的情况下,不能被解释为具有非常正式的含义。
实施例1,本发明实施例所述的一种基于三维点云的墙面靠尺检测方法,根据建筑本身设计特征信息区分出点云数据中心的建筑物和非建筑物,进一步提取出待测墙面数据,并根据墙面的实际情况自动调整靠尺位姿,以墙面坐下角为原点,对所有的测量位置进行定位,并输出指定测量位置的测量结果或整面墙的爆点位置,以方便人工验证分析和后续施工改进。
本发明实施例所述的一种基于三维点云的墙面靠尺检测方法,如图1所示,具体包括:
步骤1,通过视觉传感器采集包含完整待测墙面的三维点云数据,并对这些三维点云数据进行预处理。
其中的预处理方法具体为:在获取到包含完整待测墙面的三维点云数据后,先对数据进行降采样处理,以降低计算机的运算量,再对降采样后的数据进行滤波去噪,剔除数据中的离群点,去除环境噪声,并根据实际采用的视觉传感器,粗略裁剪感兴趣区域ROI。
步骤2,从预处理后的三维点云数据中提取待测墙面数据,并以待测墙面任意一角为原点,并以待测墙面的垂直和水平方向为坐标轴方向,建立新的坐标系。
一般情况下以墙面左下角为原点,符合人工操作习惯(从墙面左面开始测量),并方便定位靠尺位置(如平行于地面且距离地面高度20cm的靠尺)。也可以将墙面的任意一个角作为原点,此时只需要调整每个测量位置相对于墙面原点的坐标即可。
步骤2所采用的方法为:提取预处理后的三维点云数据中所有的平面,根据各平面的方向对平面点云进行分类,从分类后的点云中提取建筑数据和干扰数据,通过地面数据对建筑数据进行方向校正后提取待测墙面数据,并获取待测墙面的原点。如图2所示,步骤2具体包括:
步骤201,对预处理后的三维点云数据进行平面分割,提取出所有的平面点云,并进行平面拟合获取方向信息,同时计算点云自身的主方向和最小包围盒尺寸。
步骤202,根据平面方向,对所有的平面点云进行分类,获取多组不同方向的点云数据。
步骤203,对不同方向的点云数据进行筛选,提取出两两垂直的三组平面作为建筑自身数据,粗略过滤掉其他方向的干扰数据。这些干扰数据比如随意放置、表面不平行于墙面的工件。
步骤204,根据视觉传感器采集数据的方向和拍摄角度,筛选出与地面平行且包含地面的平面数据集Set1,依据视觉传感器的坐标方向,提取出地面点云数据F1,并计算出地面点云数据F1的倾斜角度,将所有墙面和柱面的点云数据旋转校准到与世界坐标系垂直的方向。其中,如果视觉传感器采集数据的Z向正向朝上,那么平面数据集Set1中Z值最小的点云数据即为地面点云数据F1。
步骤205,在所有的垂直于地面点云数据F1的平面点云数据中,选择出待测墙面的墙面点云数据W1,并提取出与墙面点云数据W1相垂直且与墙面点云数据W1左侧接壤的平面点云数据W2,计算墙面点云数据W1、平面点云数据W2和地面点云数据F1的交点,即墙面的左下角,作为待测墙面原点位置,以待测墙面的垂直和水平方向为坐标轴方向,建立新的坐标系。
步骤3,根据测量位置和角度需求,计算出每个靠尺的端点位置,获取所有靠尺的位姿,并对位姿中不符合人工操作线的靠尺,进行位姿自动调整。
其中,步骤3所采用的方法为:对待测墙面点云数据定位缺失位置,在待测墙面进行洞口检测去除噪声及干扰数据,根据测量位置和角度需求以及靠尺的实际尺寸,计算出每个靠尺的两个端点在待测墙面上的位置,以及每个靠尺与水平面的角度,获取所有靠尺的位姿,并对位姿中不符合人工操作线的靠尺,自动调整位姿。步骤3具体包括:
步骤301,计算待测墙面的高度和长度,对待测墙面的墙面点云数据的整体轮廓进行提取,并判断是否存在墙面数据缺失的情况,如果存在,则对缺失位置进行定位。一般情况下,判断是否存在天花板横梁造成的数据丢失,或者由于工地干扰物太多造成墙面遮挡导致数据丢失。
步骤302,在待测墙面上进行洞口检测,分别定位门洞和窗洞的位置,对洞口附近的点云数据进行局部去噪处理,去除因测量对象的突变而引入的噪声以及洞口附近的干扰数据。
步骤303,根据待测墙面的测量位置和角度需求,以及靠尺的实际尺寸,计算每个靠尺的两个端点在待测墙面上的位置,以及每个靠尺与水平面的角度,获取所有靠尺的位姿,并结合实际数据对各个靠尺的位姿进行自动调整,。例如,在门洞跨洞口测量时,要确保45度靠尺的顶端不超出待测墙面范围,且靠尺跨门洞时的悬空部分不能太大。图3为白色点云为墙面数据,直线区域为根据测量需求计算出的靠尺位置。其中门洞处的两个45度模拟靠尺,以计算出的左侧靠尺位置为例,位于门洞左侧与上侧的长度基本一致,且与墙面贴合的部分占据了靠尺长度合理的比例。
步骤4,在新坐标系下,在待测墙面上与步骤3所获取的靠尺的相应区域截取点云,拟合点云后获取靠尺初始位姿并检测靠尺区域的凸包区域,获取靠尺的最优位姿。
其中,步骤4所采用的方法为:在新的坐标系下,在待测墙面上与步骤3所获取的各个靠尺的相应区域分别截取点云,分别拟合点云后,获取每个靠尺的初始位姿,检测每个靠尺区域的所有凸包区域,获取每个靠尺的所有可能位姿,并在每个靠尺的所有可能位姿中选择最优位姿。对于步骤3获取的每个靠尺,均采用如下方法:
步骤401,对待测墙面的墙面点云数据进行局部平滑,消除视觉传感器本身的数据波动。
步骤402,根据待测量位置和角度,以步骤3所获取的靠尺的形状和尺寸,在待测墙面上相应区域截取点云数据C,并对截取的点云数据C进行骨架提取。提取后的三维点云数据在其中一个维度的变化量很小,更加接近于二维离散数据。
步骤403,对点云数据C进行直线拟合,获取靠尺的初始位姿P0。
步骤404,在初始位姿P0的基础上,检测出靠尺区域的所有凸包区域,获取每个凸包区域的极值点,再加上靠尺的两个端点,组合成实际靠尺可能会经过的点集Set2。
步骤405,在点集Set2中,两两点之间互相组合成一条直线,判断是否所有的凸包点都位于直线的一侧,如果满足,则计算点云数据C到靠尺的最远间隙,作为当前靠尺的测量值。
步骤406,在所有的靠尺姿态中,选择测量结果最小的情况,作为最优靠尺位姿。如图4所示,曲线表示实际墙面数据,凸起的缺陷有3个,通过步骤4模拟出来两种可能存在的情况(即两条直线),在这两条直线中选取最优解。通过该最优靠尺可以对待测墙面的指定测量位置或整面墙进行平整度测量,输出指定测量位置的墙面平整度测量结果或整面墙的爆点位置。
本发明的墙面靠尺检测方法,以墙面一角为原点,墙面方向为坐标轴方向,建立新的坐标系,在新坐标系的基础上,根据具体的测量需求,可以检测到靠尺的准确位置。能够依据墙面的实际情况,对模拟靠尺的位姿进行自动调整,保证靠尺位置的正确性。
进一步的,通过最优位姿的靠尺对待测墙面指定位置或整面墙的平整度进行测量,输出指定位置的平整度测量结果或整面墙的爆点位置。人工测量墙面平整度是采用靠尺的方式来测量,如果靠尺的测量结果超过所允许的工艺偏差,则认为是爆点。本发明的模拟靠尺的检测结果即可作为平整度的测量结果。
实施例2,一种基于三维点云的墙面靠尺检测系统,包括:数据预处理模块、墙面数据提取模块、测量位置计算模块和测量计算输出模块。
数据预处理模块用于通过视觉传感器采集包含完整待测墙面的三维点云数据,并对这些三维点云数据进行预处理。
其中,预处理方法具体为:对三维点云数据进行降采样处理,再对降采样后的数据进行滤波去噪,剔除数据中的离群点,去除环境噪声,并根据实际采用的视觉传感器粗略裁剪感兴趣区域ROI。
墙面数据提取模块用于从预处理后的三维点云数据中提取待测墙面数据,以待测墙面任意一角为原点,并以待测墙面的垂直和水平方向为坐标轴方向,建立新的坐标系。该模块所采用的方法为:提取预处理后的三维点云数据中所有的平面,根据各平面的方向对平面点云进行分类,从分类后的点云中提取建筑数据和干扰数据,通过地面数据对建筑数据进行方向校正后提取待测墙面数据,并获取待测墙面的原点。一般情况下以墙面左下角为原点,符合人工操作习惯(从墙面左面开始测量),并方便定位靠尺位置(如平行于地面且距离地面高度20cm的靠尺)。也可以将墙面的任意一个角作为原点,此时只需要调整每个测量位置相对于墙面原点的坐标即可。
具体的,墙面数据提取模块包括:数据分割模块、数据分类模块、数据筛选模块、数据提取模块和坐标建立模块。数据分割模块用于对预处理后的三维点云数据进行平面分割,提取出所有的平面点云,并进行平面拟合获取方向信息,同时计算点云自身的主方向和最小包围盒尺寸。数据分类模块用于根据平面方向,对所有的平面点云进行分类,获取多组不同方向的点云数据。数据筛选模块用于对不同方向的点云数据进行筛选,提取出两两垂直的三组平面作为建筑自身数据,粗略过滤掉其他方向的干扰数据。数据提取模块用于根据视觉传感器采集数据的方向和拍摄角度,筛选出与地面平行且包含地面的平面数据集Set1,依据所述视觉传感器的坐标方向,提取出地面点云数据F1,并计算出地面点云数据F1的倾斜角度,将所有墙面和柱面的点云数据旋转校准到与世界坐标系垂直的方向。进一步的,视觉传感器采集数据的Z向正向朝上,平面数据集Set1中Z值最小的点云数据即为地面点云数据F1。坐标建立模块用于在所有的垂直于地面点云数据F1的平面点云数据中,选择出待测墙面的墙面点云数据W1,并提取出与墙面点云数据W1相垂直且与墙面点云数据W1左侧接壤的平面点云数据W2,计算墙面点云数据W1、平面点云数据W2和地面点云数据F1的交点,即墙面的左下角,作为待测墙面原点位置,以待测墙面的垂直和水平方向为坐标轴方向,建立新的坐标系。
测量位置计算模块用于根据测量位置和角度需求,计算出每个靠尺的端点位置,获取所有靠尺的位姿,并对位姿中不符合人工操作线的靠尺,进行位姿自动调整。该模块所采用的方法为:对待测墙面点云数据定位缺失位置,在待测墙面进行洞口检测去除噪声及干扰数据,根据测量位置和角度需求以及靠尺的实际尺寸,计算出每个靠尺的两个端点在待测墙面上的位置,以及每个靠尺与水平面的角度,获取所有靠尺的位姿,并对位姿中不符合人工操作线的靠尺,自动调整位姿。
具体的,测量位置计算模块包括:轮廓提取模块、噪声去除模块和位姿调整模块。轮廓提取模块用于计算待测墙面的高度和长度,对待测墙面的墙面点云数据的整体轮廓进行提取,并判断是否存在墙面数据缺失的情况,如果存在,则对缺失位置进行定位。一般情况下,判断是否存在天花板横梁造成的数据丢失,或者由于工地干扰物太多造成墙面遮挡导致数据丢失。噪声去除模块用于在待测墙面上进行洞口检测,分别定位门洞和窗洞的位置,对洞口附近的点云数据进行局部去噪处理,去除因测量对象的突变而引入的噪声以及洞口附近的干扰数据。位姿调整模块用于根据待测墙面的测量位置和角度需求,以及靠尺的实际尺寸,计算每个靠尺的两个端点在待测墙面上的位置,以及每个靠尺与水平面的角度,获取所有靠尺的位姿,并结合实际数据对各个靠尺的位姿进行自动调整。位姿调整模块在门洞跨洞口测量时,要确保45度靠尺的顶端不超出待测墙面范围,且靠尺跨门洞时无悬空部分。
测量计算输出模块用于在新的坐标系下,对测量位置计算模块获取的各个靠尺,分别在待测墙面上的相应区域截取点云,拟合点云后获取靠尺的初始位姿并检测靠尺区域的凸包区域,获取靠尺的最优位姿。该模块所采用的方法为:在待测墙面上与测量位置计算模块获取的各个靠尺的相应区域分别截取点云,分别拟合点云后,获取每个靠尺的初始位姿,检测每个靠尺区域的所有凸包区域,获取每个靠尺的所有可能位姿,并在每个靠尺的所有可能位姿中选择最优位姿。
具体的,对于测量位置计算模块获取的每个靠尺,都采用测量计算输出模块执行相应操作。测量计算输出模块包括:数据平滑模块、数据截取模块、数据拟合模块、数据检测模块、数据判断模块和数据优化模块。数据平滑模块用于对待测墙面的墙面点云数据进行局部平滑,消除视觉传感器本身的数据波动。数据截取模块用于根据待测量位置和角度,以靠尺的形状和尺寸,在待测墙面上相应区域截取点云数据C,并对截取的点云数据C进行骨架提取。数据拟合模块用于对点云数据C进行直线拟合,获取靠尺的初始位姿P0。数据检测模块用于在初始位姿P0的基础上,检测出靠尺区域的所有凸包区域,获取每个凸包区域的极值点,再加上靠尺的两个端点,组合成实际靠尺可能会经过的点集Set2。数据判断模块用于在点集Set2中,两两点之间互相组合成一条直线,判断是否所有的凸包点都位于直线的一侧,如果满足,则计算点云数据C到靠尺的最远间隙,作为当前靠尺的测量值。数据优化模块用于在所有的靠尺姿态中,选择测量结果最小的情况,作为最优靠尺位姿。
本发明的墙面靠尺检测系统,以墙面任意一角为原点,墙面方向为坐标轴方向,建立新的坐标系,在新坐标系的基础上,根据具体的测量需求,可以检测到靠尺的准确位置。能够依据墙面的实际情况,对模拟靠尺的位姿进行自动调整,保证靠尺位置的正确性。
进一步的,还包括平整度检测模块,用于通过最优位姿的靠尺对待测墙面指定位置或整面墙的平整度进行测量,输出指定位置的平整度测量结果或整面墙的爆点位置。人工测量墙面平整度是采用靠尺的方式来测量,如果靠尺的测量结果超过所允许的工艺偏差,则认为是爆点。本发明的模拟靠尺的检测结果即可作为平整度的测量结果。
至此,本领域技术人员应认识到,虽然本文已详尽示出和描述了本发明的多个示例性实施例,但是,在不脱离本发明精神和范围的情况下,仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此,本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
至此,本领域技术人员应认识到,虽然本文已详尽示出和描述了本发明的多个示例性实施例,但是,在不脱离本发明精神和范围的情况下,仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此,本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。
Claims (12)
1.一种基于三维点云的墙面靠尺检测方法,其特征在于,包括:
步骤1,采集包含完整待测墙面的三维点云数据,并对这些三维点云数据进行预处理;
步骤2,从预处理后的三维点云数据中提取待测墙面数据,以待测墙面任意一角为原点,并以待测墙面的垂直和水平方向为坐标轴方向,建立新的坐标系;
步骤3,根据测量位置和角度需求,计算出每个靠尺的端点位置,获取所有靠尺的位姿,并对靠尺的位姿进行自动调整;
步骤4,在新的坐标系下,对步骤3所获取的每个靠尺,分别在待测墙面上的相应区域截取点云,拟合点云后获取靠尺的初始位姿并检测靠尺区域的凸包区域,获取靠尺的最优位姿。
2.如权利要求1所述的一种基于三维点云的墙面靠尺检测方法,其特征在于,步骤1中的预处理方法具体为:对三维点云数据进行降采样处理,再对降采样后的数据进行滤波去噪,剔除数据中的离群点,去除环境噪声,并裁剪感兴趣区域ROI。
3.如权利要求1中任意一项所述的一种基于三维点云的墙面靠尺检测方法,其特征在于,所述步骤2的方法为:提取预处理后的三维点云数据中所有的平面,根据各平面的方向对平面点云进行分类,从分类后的点云中提取建筑数据和干扰数据,通过地面数据对建筑数据进行方向校正后提取待测墙面数据,并获取待测墙面的原点。
4.如权利要求3所述的一种基于三维点云的墙面靠尺检测方法,所述步骤2具体包括:
步骤201,对预处理后的三维点云数据进行平面分割,提取出所有的平面点云,并进行平面拟合获取方向信息,同时计算点云自身的主方向和最小包围盒尺寸;
步骤202,根据平面方向,对所有的平面点云进行分类,获取多组不同方向的点云数据;
步骤203,对不同方向的点云数据进行筛选,提取出两两垂直的三组平面作为建筑自身数据,过滤掉其他方向的干扰数据;
步骤204,根据视觉传感器采集数据的方向和拍摄角度,筛选出与地面平行且包含地面的平面数据集Set1,依据所述视觉传感器的坐标方向,提取出地面点云数据F1,并计算出地面点云数据F1的倾斜角度,将所有墙面和柱面的点云数据旋转校准到与世界坐标系垂直的方向;
步骤205,在所有的垂直于地面点云数据F1的平面点云数据中,选择出待测墙面的墙面点云数据W1,并提取出与墙面点云数据W1相垂直且与墙面点云数据W1左侧接壤的平面点云数据W2,计算墙面点云数据W1、平面点云数据W2和地面点云数据F1的交点,即墙面的左下角,作为待测墙面原点位置,以待测墙面的垂直和水平方向为坐标轴方向,建立新的坐标系。
5.如权利要求4所述的一种基于三维点云的墙面靠尺检测方法,其特征在于,所述步骤204中,所述视觉传感器采集数据的Z向正向朝上,平面数据集Set1中Z值最小的点云数据即为地面点云数据F1。
6.如权利要求1所述的一种基于三维点云的墙面靠尺检测方法,其特征在于,所述步骤3的方法为:对待测墙面点云数据定位缺失位置,在待测墙面进行洞口检测去除噪声及干扰数据,根据测量位置和角度需求以及靠尺的实际尺寸,计算出每个靠尺的两个端点在待测墙面上的位置,获取所有靠尺的位姿并自动调整各个靠尺位姿。
7.如权利要求6所述的一种基于三维点云的墙面靠尺检测方法,其特征在于,所述步骤3具体包括:
步骤301,计算待测墙面的高度和长度,对待测墙面的墙面点云数据的整体轮廓进行提取,并判断是否存在墙面数据缺失的情况,如果存在,则对缺失位置进行定位;
步骤302,在待测墙面上进行洞口检测,分别定位门洞和窗洞的位置,对洞口附近的点云数据进行局部去噪处理,去除因测量对象的突变而引入的噪声以及洞口附近的干扰数据;
步骤303,根据待测墙面的测量位置和角度需求以及靠尺的实际尺寸,计算每个靠尺的两个端点在待测墙面上的位置,以及每个靠尺与水平面的角度,获取所有靠尺在待测墙面上的位置,并对各个靠尺的位姿进行自动调整。
8.如权利要求7所述的一种基于高精度三维点云的墙面靠尺检测方法,其特征在于,所述步骤303中,在门洞跨洞口测量时,要确保45度靠尺的顶端不超出待测墙面范围,且靠尺跨门洞时无悬空部分。
9.如权利要求1所述的一种基于三维点云的墙面靠尺检测方法,其特征在于,所述步骤4的方法为:在新的坐标系下,在待测墙面上与步骤3所获取的各个靠尺的相应区域分别截取点云,分别拟合点云后,获取每个靠尺的初始位姿,检测每个靠尺区域的所有凸包区域,获取每个靠尺的所有可能位姿,并在每个靠尺的所有可能位姿中选择最优位姿。
10.如权利要求9所述的一种基于三维点云的墙面靠尺检测方法,其特征在于,所述步骤4中,每个靠尺都采用如下方法:
步骤401,对待测墙面的墙面点云数据进行局部平滑,消除视觉传感器本身的数据波动;
步骤402,根据待测量位置和角度,以步骤3所获取的靠尺的形状和尺寸,在待测墙面上相应区域截取点云数据C,并对截取的点云数据C进行骨架提取;
步骤403,对点云数据C进行直线拟合,获取靠尺的初始位姿P0;
步骤404,在初始位姿P0的基础上,检测出靠尺区域的所有凸包区域,获取每个凸包区域的极值点,再加上靠尺的两个端点,组合成实际靠尺可能会经过的点集Set2;
步骤405,在点集Set2中,两两点之间互相组合成一条直线,判断是否所有的凸包点都位于直线的一侧,如果满足,则计算点云数据C到靠尺的最远间隙,作为当前靠尺的测量值;
步骤406,在所有的靠尺姿态中,选择测量结果最小的情况,作为最优靠尺位姿。
11.根据权利要求10所述的一种基于三维点云的墙面靠尺检测方法,其特征在于,还包括:通过最优位姿的靠尺对待测墙面指定位置或整面墙的平整度进行测量,输出指定位置的平整度测量结果或整面墙的爆点位置。
12.一种利用权利要求1-12中任意一项所述的一种基于三维点云的墙面靠尺检测方法获取的一种基于三维点云的墙面靠尺检测系统,其特征在于,包括:
数据预处理模块,其用于采集包含完整待测墙面的三维点云数据,并对这些三维点云数据进行预处理;
墙面数据提取模块,其用于从预处理后的三维点云数据中提取待测墙面数据,以待测墙面任意一角为原点,并以待测墙面的垂直和水平方向为坐标轴方向,建立新的坐标系;
测量位置计算模块,其用于根据测量位置和角度需求,计算出每个靠尺的端点位置,获取所有靠尺的位姿,并对靠尺的位姿进行自动调整;
测量计算输出模块,其用于在新的坐标系下,对所述测量位置计算模块获取的各个靠尺,分别在待测墙面上的相应区域截取点云,拟合点云后获取靠尺的初始位姿并检测靠尺区域的凸包区域,获取靠尺的最优位姿。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911135048.2A CN110823077A (zh) | 2019-11-19 | 2019-11-19 | 一种基于三维点云的墙面靠尺检测方法及系统 |
CN202010228634.8A CN111238352B (zh) | 2019-11-19 | 2020-03-27 | 墙面虚拟靠尺检测方法、系统、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911135048.2A CN110823077A (zh) | 2019-11-19 | 2019-11-19 | 一种基于三维点云的墙面靠尺检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110823077A true CN110823077A (zh) | 2020-02-21 |
Family
ID=69556818
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911135048.2A Pending CN110823077A (zh) | 2019-11-19 | 2019-11-19 | 一种基于三维点云的墙面靠尺检测方法及系统 |
CN202010228634.8A Active CN111238352B (zh) | 2019-11-19 | 2020-03-27 | 墙面虚拟靠尺检测方法、系统、设备和存储介质 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010228634.8A Active CN111238352B (zh) | 2019-11-19 | 2020-03-27 | 墙面虚拟靠尺检测方法、系统、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN110823077A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111412842A (zh) * | 2020-04-09 | 2020-07-14 | 广东博智林机器人有限公司 | 墙面的截面尺寸的测量方法及装置、系统 |
CN112833777A (zh) * | 2020-12-07 | 2021-05-25 | 盎锐(上海)信息科技有限公司 | 用于实测实量的测量方法及测量系统 |
CN112884823A (zh) * | 2021-01-13 | 2021-06-01 | 上海建工四建集团有限公司 | 面向实测实量应用的靠尺模拟点云选取与计算方法 |
CN113240637A (zh) * | 2021-05-11 | 2021-08-10 | 杭州钱塘智慧城投资开发有限公司 | 一种基于机器学习的墙面平整度信息化检测方法和系统 |
CN113446983A (zh) * | 2020-03-24 | 2021-09-28 | 广东博智林机器人有限公司 | 阴阳角的测量方法、装置、存储介质和处理器 |
WO2023060683A1 (zh) * | 2021-10-13 | 2023-04-20 | 东南大学 | 一种基于三维点云模型的预制梁段表面平整度检测方法 |
CN116804765A (zh) * | 2023-08-25 | 2023-09-26 | 兰笺(苏州)科技有限公司 | 一种室内空间实测实量指标自动化测定方法及装置 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112815808B (zh) * | 2020-12-31 | 2022-12-02 | 深圳华侨城文化旅游建设有限公司 | 一种外墙仿真度的测量方法以及测量装置 |
CN115937069B (zh) * | 2022-03-24 | 2023-09-19 | 北京小米移动软件有限公司 | 零件检测方法、装置、电子设备及存储介质 |
CN115600395B (zh) * | 2022-10-09 | 2023-07-18 | 南京领鹊科技有限公司 | 一种室内工程质量验收评价方法及装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006085375A (ja) * | 2004-09-15 | 2006-03-30 | Canon Inc | 画像処理方法、画像処理装置 |
CN102254343B (zh) * | 2011-07-01 | 2013-01-30 | 浙江理工大学 | 一种基于凸包与obb的三维网格模型骨架提取方法 |
CN102798412B (zh) * | 2012-07-31 | 2014-12-10 | 同济大学 | 一种基于三维激光扫描评定隧道钻爆施工质量的方法 |
CN105787933B (zh) * | 2016-02-19 | 2018-11-30 | 武汉理工大学 | 基于多视角点云配准的岸线三维重建装置及方法 |
CN207515747U (zh) * | 2017-11-18 | 2018-06-19 | 杭州睿兴栋宇建筑科技有限公司 | 一种基于bim的平整度评估装置 |
CN109084706B (zh) * | 2018-06-25 | 2021-03-02 | 天津大学 | 测量机器人运动场地全域平整度自动检测方法及装置 |
CN109827526A (zh) * | 2019-03-13 | 2019-05-31 | 中国十七冶集团有限公司 | 一种基于摄影测量平面平整度检测方法及其数据处理流程 |
CN110398231B (zh) * | 2019-06-18 | 2021-06-01 | 广东博智林机器人有限公司 | 墙面参数的获取方法、装置、计算机设备和存储介质 |
CN110567445A (zh) * | 2019-09-03 | 2019-12-13 | 天韵(广州)房地产开发有限公司 | 一种建筑室内实测实量数据采集和分析系统 |
-
2019
- 2019-11-19 CN CN201911135048.2A patent/CN110823077A/zh active Pending
-
2020
- 2020-03-27 CN CN202010228634.8A patent/CN111238352B/zh active Active
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113446983A (zh) * | 2020-03-24 | 2021-09-28 | 广东博智林机器人有限公司 | 阴阳角的测量方法、装置、存储介质和处理器 |
CN111412842A (zh) * | 2020-04-09 | 2020-07-14 | 广东博智林机器人有限公司 | 墙面的截面尺寸的测量方法及装置、系统 |
CN111412842B (zh) * | 2020-04-09 | 2022-02-25 | 广东博智林机器人有限公司 | 墙面的截面尺寸的测量方法及装置、系统 |
CN112833777A (zh) * | 2020-12-07 | 2021-05-25 | 盎锐(上海)信息科技有限公司 | 用于实测实量的测量方法及测量系统 |
CN112833777B (zh) * | 2020-12-07 | 2023-09-22 | 盎锐(上海)信息科技有限公司 | 用于实测实量的测量方法及测量系统 |
CN112884823A (zh) * | 2021-01-13 | 2021-06-01 | 上海建工四建集团有限公司 | 面向实测实量应用的靠尺模拟点云选取与计算方法 |
CN112884823B (zh) * | 2021-01-13 | 2023-09-22 | 上海建工四建集团有限公司 | 面向实测实量应用的靠尺模拟点云选取与计算方法 |
CN113240637A (zh) * | 2021-05-11 | 2021-08-10 | 杭州钱塘智慧城投资开发有限公司 | 一种基于机器学习的墙面平整度信息化检测方法和系统 |
WO2023060683A1 (zh) * | 2021-10-13 | 2023-04-20 | 东南大学 | 一种基于三维点云模型的预制梁段表面平整度检测方法 |
CN116804765A (zh) * | 2023-08-25 | 2023-09-26 | 兰笺(苏州)科技有限公司 | 一种室内空间实测实量指标自动化测定方法及装置 |
CN116804765B (zh) * | 2023-08-25 | 2023-11-14 | 兰笺(苏州)科技有限公司 | 一种室内空间实测实量指标自动化测定方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111238352B (zh) | 2022-05-17 |
CN111238352A (zh) | 2020-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110823077A (zh) | 一种基于三维点云的墙面靠尺检测方法及系统 | |
US20230196475A1 (en) | Assessing property damage using a 3d point cloud of a scanned property | |
AU2019222803A1 (en) | Volume measurement apparatus and method | |
WO2018028103A1 (zh) | 一种基于人眼视觉特性的电力线路无人机巡检方法 | |
WO2021203664A1 (zh) | 墙面的截面尺寸的测量方法及装置、系统 | |
TWI491848B (zh) | 點雲提取系統及方法 | |
CN104101600B (zh) | 连铸坯断面微小裂纹检测方法 | |
CN105158257B (zh) | 滑板测量方法及装置 | |
CN104359403A (zh) | 基于亚像素边缘算法的平面零件尺寸测量方法 | |
EP3541071A1 (en) | System and method for detecting features in aerial images using disparity mapping and segmentation techniques | |
CN108280852B (zh) | 一种基于激光点云数据的门窗点云形状检测方法及系统 | |
CN106485694B (zh) | 一种基于级联分类器的高铁接触网双套管连接器六边形螺母脱落不良状态检测方法 | |
US20040247171A1 (en) | Image processing method for appearance inspection | |
CN108388723B (zh) | 板桥桥梁点云的部件自动检测方法及系统 | |
CN112233120A (zh) | 一种基于点云数据处理的脱方检测方法及系统 | |
CN115656182A (zh) | 基于张量投票主成分分析的板材点云缺陷检测方法 | |
CN117197700B (zh) | 智能化无人巡检接触网缺陷识别系统 | |
CN105241406A (zh) | 建筑装饰三维造型精度检验方法 | |
CN116642420A (zh) | 一种汽车风窗玻璃涂胶在线胶型检测装置及方法 | |
RU2553714C1 (ru) | Способ измерения кубатуры круглого леса | |
WO2021189968A1 (zh) | 阴阳角的测量方法、装置、存储介质和处理器 | |
CN116862829A (zh) | 一种覆冰环境下架空线路弧垂监测方法及装置 | |
CN115909099A (zh) | 基于无人机巡检的边坡危岩识别与监测方法 | |
CN115752300A (zh) | 一种在线激光视觉检测平面工件平整度的方法及系统 | |
CN114638970A (zh) | 一种基于机器学习及边缘检测的电力设施规范性判断系统 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200221 |
|
WD01 | Invention patent application deemed withdrawn after publication |