CN110969169A - 一种基于点云数据的面变形信息提取方法 - Google Patents
一种基于点云数据的面变形信息提取方法 Download PDFInfo
- Publication number
- CN110969169A CN110969169A CN201911219658.0A CN201911219658A CN110969169A CN 110969169 A CN110969169 A CN 110969169A CN 201911219658 A CN201911219658 A CN 201911219658A CN 110969169 A CN110969169 A CN 110969169A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- matrix
- cloud data
- point
- coordinates
- 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.)
- Granted
Links
- 238000000605 extraction Methods 0.000 title description 4
- 238000000034 method Methods 0.000 claims abstract description 26
- 239000011159 matrix material Substances 0.000 claims description 88
- 238000013519 translation Methods 0.000 claims description 37
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000005484 gravity Effects 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 10
- 238000013102 re-test Methods 0.000 claims description 10
- 238000006073 displacement reaction Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 2
- 238000013459 approach Methods 0.000 claims 1
- 230000007547 defect Effects 0.000 abstract description 4
- 230000008859 change Effects 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
- G06V10/464—Salient features, e.g. scale invariant feature transforms [SIFT] using a plurality of salient features, e.g. bag-of-words [BoW] representations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种基于点云数据的面变形信息提取方法,本发明针对现有的基于点云数据提取变形信息方法的不足,提出采用曲面匹配运算来提取“面”与“面”之间的变形信息,所采用方法充分利用了点云高空间分辨率的特性,而且提取的变形信息不仅包含三维位移变形,还包括“面”的扭转变形,为基于点云数据提取变形信息提供了新的思路和技术参考。
Description
技术领域
本发明属于变形监测领域,具体涉及一种基于点云数据的面变形信息提取方法。
背景技术
三维激光扫描技术能快速、高效和精确地获取测量目标的三维影像数据,并以毫米级采样间隔获取实体表面点的三维坐标,这一技术突破了传统单点测量的不足,目前已广泛应用于建筑物几何结构、桥梁、文化遗产、滑坡和大坝等领域的变形监测。
利用三维激光扫描技术获取变形体的点云数据,基于变形体点云数据提取变形信息的方式主要有两种:1)选取变形体点云数据中几何特征明显的目标体(比如人工布设的标靶、自然存在的具有强反射特性的岩石块等),根据目标体的点云数据采用拟合法或重心法提取目标体中心的三维坐标,通过比较同一目标体中心坐标在两期点云中的变化,获取其变形信息。2)对同一变形体的两期点云数据分别构建三维模型,将两期模型进行叠加求差,可获取变形体任一位置的变形信息,也可以分别在两期模型上提取变形体的几何特征线(比如建筑物的轮廓线),通过比对特征线的变化来提取变形信息。
第一种方式与传统的单点式变形监测方式类似,忽略了变形体的整体变形状态和局部变形细节,并没有充分利用三维激光点云数据的高空间分辨率特性。第二种方式通过对点云数据进行建模,提高了单个点云数据的精度,能够获取高空间分辨率的变形信息,但所选取的模型要符合变形体的实际几何特征,无法找到适用于任何变形体的通用模型,而且所提取的变形信息是一维的。
国内外大量的工程实践表明,工程事故往往是由于某个薄弱环节局部损坏,在随机不利因素作用下,迅速扩展导致工程失事。在实践应用中,需要获取变形体局部区域整体的变形信息,也就是需要基于点云数据提取“面”变形信息,上述两种基于点云数据提取变形信息的方式都无法做到。
发明内容
发明目的:本发明所要解决的技术问题是针对现有技术的不足,提供一种基于点云数据的面变形信息提取方法,包括如下步骤:
步骤1,获取变形体点云数据;
步骤2,对变形体点云数据进行基准统一;
步骤3,划分变形体特征区域面;
步骤4,进行点云曲面匹配;
步骤5,获取面变形信息。
步骤1包括:步骤1-1,在变形体相邻稳定区域布设4-6个地面控制点(GroundControl Point,GCP),在控制点上安置标靶;
步骤1-2,采用三维激光扫描仪获取首期点云数据,包括变形体及相邻布有GCP的稳定区域的点云数据,所获取首期点云数据称为参考点云集p;
步骤1-3,根据实践需求,间隔一段时间后进行第二期的点云数据采集,所获取第二期的点云数据称为复测点云集f;
步骤2包括:
步骤2-1,将首期和第二期点云数据分别导入Cyclone软件中;
步骤2-2,分别识取首期和第二期点云数据中标靶的中心坐标,并将首期和第二期点云数据中标靶的中心坐标进行一一对应;
步骤2-3,利用Cyclone软件中Register功能将首期和第二期点云数据按标靶中心坐标进行配准,将复测点云集坐标系转换至参考点云集坐标系,实现两期点云数据的基准统一。
步骤3包括:
在参考点云集p中,将变形体划分为n个特征区域面,每个特征区域面所包含的点云组成了参考点云集的子集{p1、p2……pn},pn表示第n个子集。特征区域面可以是变形体关键、典型、需要重点进行变形分析的区域,也可以按一定的点云数量将参考点云集划分为一系列等量子集。
步骤3包括:
在参考点云集p中,将变形体划分为n个特征区域面,每个特征区域面所包含的点云组成了参考点云集的子集{p1、p2……pn},pn表示第n个子集。
步骤4-1,给定初始平移矩阵T0,初始旋转矩阵R0以及距离平方和阈值ζ;
步骤4-2,计算第j个参考点云集子集pj的新点集pj 1:
pj 1=R0·pj+T0;
步骤4-3,根据新点集pj 1中每个点的坐标搜索复测点云集f中与之一一对应的最近的点集fj 1,使得pj 1与fj 1间距离平方和τ0=∑||pj 1-fj 1||→min;
步骤4-4,计算新的平移矩阵T1和新的旋转矩阵R1,使得新的点集间距离平方和τ1=∑||R1·pj 1+T1-fj 1||→min。
步骤4-4包括:
取Mkn中特定三个向量构成矩阵Δ,Δ=[M23 M31 M12]T;
由协方差矩阵构造对称矩阵即正定矩阵N:
步骤4-4-4,计算差值Δτ=|τ1-τ0|,如果结果小于所设定的阈值ζ,计算结束,否则采用新的平移矩阵和旋转矩阵返回步骤4-4-2继续计算。
步骤5包括:
由曲面匹配运算所得到的平移矩阵T(tx,ty,tz)即为“面”变形信息的三维位移变形,旋转矩阵R(rx,ry,rz)即为“面”变形信息的扭转变形。
本发明还提供了一种基于面变形信息的地铁隧道变形监测方法,其特征在于,包括如下步骤:
步骤1,获取地铁隧道变形体点云数据;
步骤2,对变形体点云数据进行基准统一;
步骤3,划分变形体特征区域面;
步骤4,进行点云曲面匹配;
步骤5,获取面变形信息;
步骤6,根据面变形信息,进行地铁隧道进行变形监测,由地铁隧道设计单位所出具的允许变形量来判断地铁隧道是否有安全隐患。
步骤1包括如下步骤:
步骤1-1,在地铁隧道端头稳定区域布设4个地面控制点,在控制点上分别安置标靶,以及在隧道墙壁上贴上4个标靶;
步骤1-3,间隔一个月后,采用同样的方式利用三维激光扫描仪对隧道点云进行再次采集,所采集点云数据称为复测点云集f,控制点上标靶中心坐标分别表示为:在同一坐标系下,采用全站仪对隧道墙壁上标靶中心坐标进行再次采集,分别表示为:
步骤2包括:
步骤2-1,将两期点云数据分别导入Cyclone软件中;
步骤2-4,将两期标靶中心坐标进行一一对应;
步骤2-5,利用Cyclone软件中Register功能将两期点云数据按标靶中心坐标进行配准,将复测点云集坐标系转换至参考点云集坐标系,实现两期点云数据的基准统一;
步骤3包括:在参考点云集p中以5个管片为间隔,截取管片拱顶位置的点云,作为特征区域面的划分,共截取了8个特征区域面,每个特征区域面所包含的点云即为参考点云集的子集{p1、p2……p8},p8表示第8个子集;
步骤4包括:
步骤4-1,给定初始平移矩阵T0,初始旋转矩阵R0;
步骤4-1包括:步骤4-1-1,根据两期隧道墙壁4个标靶中心坐标,计算两者坐标转换参数,计算公式如下:
步骤4-2,给定距离平方和阈值ζ:根据步骤4-1-1中坐标转换残差均方差来确定距离平方和阈值ζ:
步骤4-3,计算pj(p1,p2…p8)的新点集pj 1=R0·pj+T0;
步骤4-4,根据新点集pj 1中每个点的坐标搜索复测点云集f中与之一一对应的最近的点集fj 1,使得pj 1与fj 1间距离平方和τ0=∑||pj 1-fj 1||→min;
步骤4-5,计算新的平移矩阵T1和新的旋转矩阵R1,使得τ1=∑‖R1·pj 1+T1-fj 1‖→min,具体计算步骤如下:
步骤4-5-2,由新的点集计算正定矩阵N,并计算N的最大特征值及其最大特征向量,最大特征向量等价于旋转矩阵R1;
步骤4-6,计算差值Δτ=|τ1-τ0|,如果结果小于所设定的阈值ζ,计算结束,否则采用新的平移矩阵和旋转矩阵返回步骤4-5-2继续计算。
步骤5包括:分别将参考点云集子集p1、p2、p3、p4与复测点云集f进行曲面匹配运算,获得4个平移矩阵T1、T2、T3、T4和4个旋转矩阵R1、R2、R3、R4,其中T即为面三维位移变形,R为面扭转变形。
本发明针对现有的基于点云数据提取变形信息方法的不足,提出采用曲面匹配运算来提取“面”与“面”之间的变形信息,所采用方法充分利用了点云高空间分辨率的特性,而且提取的变形信息不仅包含三维位移变形,还包括“面”的扭转变形,为基于点云数据提取变形信息提供了新的思路和技术参考。
本发明具有如下有益效果:
(1)基于一个“面”所包含的点云数据来提取变形信息,充分利用了点云高空间分辨率的特性,克服了单点精度的不足;
(2)所提取的“面”与“面”之间的变形信息,不仅包含三维位移信息,还包含“面”与“面”之间的扭转变形信息,这是已有的基于点云数据提取变形信息方法所不具备的。
(3)利用曲面匹配算法来提取“面”变形信息,可以实现自动化提取,避免了人工干预,提高了工作效率。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明,本发明的上述和/或其他方面的优点将会变得更加清楚。
图1是基于点云数据的“面”变形信息提取流程。
图2是控制点上的标靶。
图3是隧道墙壁上的标靶。
图4是隧道点云数据。
图5是隧道管片拱顶“面”点云。
图6是曲面匹配运算流程。
图7是隧道管片拱顶“面”变形信息。
具体实施方式
实施例
本实施例以某一地铁隧道管片拱顶变形监测为实例说明本发明具体实施方式,如图1所示,本实施例提供了一种基于面变形信息的地铁隧道变形监测方法,包括以下步骤:
步骤1,获取地铁隧道变形体点云数据:采用三维激光扫描仪分别采集两期隧道点云数据,并采用全站仪采集标靶中心坐标;
步骤1包括如下步骤:
步骤1-1,在地铁隧道端头稳定区域布设4个地面控制点,在控制点上分别安置标靶,如图2所示。在隧道墙壁上贴上4个标靶,如图3所示;
步骤1-2,采用三维激光扫描仪进行首次隧道点云数据采集,作为参考点云集p,如图4所示。采用全站仪对每个标靶中心坐标进行采集,其中4个地面控制点上标靶中心坐标分别表示为:隧道墙壁上4个标靶中心坐标分别表示为:
步骤1-3,间隔一个月后,采用同样的方式利用三维激光扫描仪对隧道点云进行再次采集,所采集点云数据称为复测点云集f,控制点上标靶中心坐标分别表示为:在同一坐标系下,采用全站仪对隧道墙壁上标靶中心坐标进行再次采集,分别表示为:
步骤2,对变形体点云数据进行基准统一;
利用Cyclone软件中点云配准功能,将复测点云集f的坐标系转换至参考点云集p的坐标系,实现两期点云数据的基准统一。
步骤2-1,将两期点云数据分别导入Cyclone软件中;
步骤2-4,将两期标靶中心坐标进行“同名”一一对应;
步骤2-5,利用Cyclone软件中“Register”功能将两期点云数据按标靶中心坐标进行配准,将复测点云集坐标系转换至参考点云集坐标系,实现两期点云数据的基准统一。
步骤3,划分变形体特征区域面;
在参考点云集p中以5个管片为间隔,截取管片拱顶位置的点云,作为特征区域面的划分,共截取了8个特征区域面,每个特征区域面所包含的点云即为参考点云集的子集{p1、p2……p8}。截取后的“面”点云如图5所示。
步骤4,进行点云曲面匹配;
将参考点云集中的每个点云子集{p1、p2……p8}分别与复测点云集f进行曲面匹配运算,运算流程如图6所示,具体计算步骤如下:
步骤4-1,给定初始平移矩阵T0,初始旋转矩阵R0;
步骤4-2,给定距离平方和阈值ζ;
步骤4-1包括:
步骤4-1-1,根据两期隧道墙壁4个标靶中心坐标,计算两者坐标转换参数,计算公式如下:
步骤4-2包括:距离平方和阈值ζ通常根据经验设置成某一个较小的值,本实例根据步骤4-1-1中坐标转换残差均方差来确定距离平方和阈值ζ:
步骤4-3,计算pj(p1,p2…p8)的新点集pj 1=R0·pj+T0;
步骤4-4,根据新点集pj 1中每个点的坐标搜索复测点云集f中与之一一对应的最近的点集fj 1,使得pj 1与fj 1间距离平方和τ0=∑‖pj 1-fj 1‖→min;
步骤4-5,计算新的平移矩阵T1和新的旋转矩阵R1,使得τ1=∑||R1·pj 1+T1-fj 1||→min,具体计算步骤如下:
步骤4-5-2,由新的点集计算正定矩阵N,并计算N的最大特征值及其最大特征向量,最大特征向量等价于旋转矩阵R1;
步骤4-6,计算差值Δτ=|τ1-τ0|,如果结果小于所设定的阈值ζ,计算结束,否则采用新的平移矩阵和旋转矩阵返回步骤4-5-2继续计算。
步骤5,获取面变形信息:分别将参考点云集子集p1、p2、p3、p4与复测点云集f进行曲面匹配运算,获得4个平移矩阵T1、T2、T3、T4和4个旋转矩阵R1、R2、R3、R4,其中T即为“面”三维位移变形,R为“面”扭转变形;
(1)“面”变形信息获取
分别将参考点云集子集{p1、p2……p8}与复测点云集f进行曲面匹配运算,获得的平移矩阵T(tx,ty,tz)即为“面”变形信息的三维位移变形,旋转矩阵R(rx,ry,rz)即为“面”变形信息的扭转变形。所获取的隧道管片拱顶“面”变形信息如图7所示。
步骤6,根据面变形信息,进行地铁隧道管片拱顶变形监测,由地铁隧道设计单位所出具的允许变形量来判断地铁隧道是否有安全隐患。
本发明提供了一种基于点云数据的面变形信息提取方法,具体实现该技术方案的方法和途径很多,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。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (10)
1.一种基于点云数据的面变形信息提取方法,其特征在于,包括如下步骤:
步骤1,获取变形体点云数据;
步骤2,对变形体点云数据进行基准统一;
步骤3,划分变形体特征区域面;
步骤4,进行点云曲面匹配;
步骤5,获取面变形信息。
2.根据权利要求1所述的方法,其特征在于,步骤1包括:
步骤1-1,在变形体相邻稳定区域布设地面控制点GCP,在控制点上安置标靶;
步骤1-2,采用三维激光扫描仪获取首期点云数据,包括变形体及相邻布有GCP的稳定区域的点云数据,所获取首期点云数据称为参考点云集p;
步骤1-3,间隔一段时间后,利用三维激光扫描仪进行第二期的点云数据采集,所获取第二期的点云数据称为复测点云集f。
3.根据权利要求2所述的方法,其特征在于,步骤2包括:
步骤2-1,将首期和第二期点云数据分别导入Cyclone软件中;
步骤2-2,分别识取首期和第二期点云数据中标靶的中心坐标,并将首期和第二期点云数据中标靶的中心坐标进行一一对应;
步骤2-3,利用Cyclone软件中Register功能将首期和第二期点云数据按标靶中心坐标进行配准,将复测点云集坐标系转换至参考点云集坐标系,实现两期点云数据的基准统一。
4.根据权利要求3所述的方法,其特征在于,步骤3包括:
在参考点云集p中,将变形体划分为n个特征区域面,每个特征区域面所包含的点云组成了参考点云集的子集{p1、p2……pn},pn表示第n个子集。
5.根据权利要求4所述的方法,其特征在于,步骤4包括:
将参考点云集中的每个点云子集分别与复测点云集f进行曲面匹配运算,对于第i个参考点云集子集pi,经过曲面匹配运算后,自动搜索复测点云集f中与之对应的点集fj,点集pi与点集fj匹配后得到它们之间的坐标转换参数,即平移矩阵T(tx,ty,tz)和旋转矩阵R(rx,ry,rz),根据最小二乘原理,使转换后点集pi与参考点集fj间距离平方和逼近最小,具体计算步骤如下:
步骤4-1,给定初始平移矩阵T0,初始旋转矩阵R0以及距离平方和阈值ζ;
步骤4-2,计算第j个参考点云集子集pj的新点集pj 1:
pj 1=R0·pj+T0;
步骤4-3,根据新点集pj 1中每个点的坐标搜索复测点云集f中与之一一对应的最近的点集fj 1,使得pj 1与fj 1间距离平方和τ0=∑||pj 1-fj 1||→min;
步骤4-4,计算新的平移矩阵T1和新的旋转矩阵R1,使得新的点集间距离平方和τ1=∑||R1·pj 1+T1-fj 1||→min。
6.根据权利要求5所述的方法,其特征在于,步骤4-4包括:
取Mkn中特定三个向量构成矩阵Δ,Δ=[M23 M31 M12]T;
由协方差矩阵构造对称矩阵即正定矩阵N:
步骤4-4-4,计算差值Δτ=|τ1-τ0|,如果结果小于所设定的阈值ζ,计算结束,否则采用新的平移矩阵和旋转矩阵返回步骤4-4-2继续计算。
7.根据权利要求6所述的方法,其特征在于,步骤5包括:
由曲面匹配运算所得到的平移矩阵T(tx,ty,tz)即为面变形信息的三维位移变形,旋转矩阵R(rx,ry,rz)即为面变形信息的扭转变形。
8.一种基于面变形信息的地铁隧道变形监测方法,其特征在于,包括如下步骤:
步骤1,获取地铁隧道变形体点云数据;
步骤2,对变形体点云数据进行基准统一;
步骤3,划分变形体特征区域面;
步骤4,进行点云曲面匹配;
步骤5,获取面变形信息;
步骤6,根据面变形信息,进行地铁隧道进行变形监测,由地铁隧道设计单位所出具的允许变形量来判断地铁隧道是否有安全隐患。
9.根据权利要求8所述的方法,其特征在于,步骤1包括如下步骤:
步骤1-1,在地铁隧道端头稳定区域布设4个地面控制点,在控制点上分别安置标靶,以及在隧道墙壁上贴上4个标靶;
步骤1-3,间隔一个月后,采用同样的方式利用三维激光扫描仪对隧道点云进行再次采集,所采集点云数据称为复测点云集f,控制点上标靶中心坐标分别表示为:在同一坐标系下,采用全站仪对隧道墙壁上标靶中心坐标进行再次采集,分别表示为:
步骤2包括:
步骤2-1,将两期点云数据分别导入Cyclone软件中;
步骤2-4,将两期标靶中心坐标进行一一对应;
步骤2-5,利用Cyclone软件中Register功能将两期点云数据按标靶中心坐标进行配准,将复测点云集坐标系转换至参考点云集坐标系,实现两期点云数据的基准统一;
步骤3包括:在参考点云集p中以5个管片为间隔,截取管片拱顶位置的点云,作为特征区域面的划分,共截取了8个特征区域面,每个特征区域面所包含的点云即为参考点云集的子集{p1、p2……p8},p8表示第8个子集;
步骤4包括:
步骤4-1,给定初始平移矩阵T0,初始旋转矩阵R0;
步骤4-1包括:步骤4-1-1,根据两期隧道墙壁4个标靶中心坐标,计算两者坐标转换参数,计算公式如下:
步骤4-2,给定距离平方和阈值ζ:根据步骤4-1-1中坐标转换残差均方差来确定距离平方和阈值ζ:
步骤4-3,计算pj(p1,p2…p8)的新点集pj 1=R0·pj+T0;
步骤4-4,根据新点集pj 1中每个点的坐标搜索复测点云集f中与之一一对应的最近的点集fj 1,使得pj 1与fj 1间距离平方和τ0=∑||pj 1-fj 1||→min;
步骤4-5,计算新的平移矩阵T1和新的旋转矩阵R1,使得τ1=∑||R1·pj 1+T1-fj 1||→min,具体计算步骤如下:
步骤4-5-2,由新的点集计算正定矩阵N,并计算N的最大特征值及其最大特征向量,最大特征向量等价于旋转矩阵R1;
步骤4-6,计算差值Δτ=|τ1-τ0|,如果结果小于所设定的阈值ζ,计算结束,否则采用新的平移矩阵和旋转矩阵返回步骤4-5-2继续计算。
10.根据权利要求9所述的方法,其特征在于,步骤5包括:分别将参考点云集子集p1、p2、p3、p4与复测点云集f进行曲面匹配运算,获得4个平移矩阵T1、T2、T3、T4和4个旋转矩阵R1、R2、R3、R4,其中T即为面三维位移变形,R为面扭转变形。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911219658.0A CN110969169B (zh) | 2019-12-03 | 2019-12-03 | 一种基于点云数据的面变形信息提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911219658.0A CN110969169B (zh) | 2019-12-03 | 2019-12-03 | 一种基于点云数据的面变形信息提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110969169A true CN110969169A (zh) | 2020-04-07 |
CN110969169B CN110969169B (zh) | 2023-05-02 |
Family
ID=70032630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911219658.0A Active CN110969169B (zh) | 2019-12-03 | 2019-12-03 | 一种基于点云数据的面变形信息提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110969169B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112989453A (zh) * | 2021-01-28 | 2021-06-18 | 徐洋洋 | 一种基于bim的全息变形信息提取方法 |
CN114445469A (zh) * | 2022-02-15 | 2022-05-06 | 北京壬工智能科技有限公司 | 无人机自主调度的物料堆垛盘点装置、系统及其方法 |
CN115343299A (zh) * | 2022-10-18 | 2022-11-15 | 山东大学 | 一种轻量化公路隧道集成检测系统及方法 |
CN116045833A (zh) * | 2023-01-03 | 2023-05-02 | 中铁十九局集团有限公司 | 一种基于大数据的桥梁施工变形监测系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102446354A (zh) * | 2011-08-29 | 2012-05-09 | 北京建筑工程学院 | 一种高精度多源地面激光点云的整体配准方法 |
CN106504327A (zh) * | 2016-11-04 | 2017-03-15 | 辽宁工程技术大学 | 一种边坡点云曲面重建及变形信息提取方法 |
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 |
US20190327412A1 (en) * | 2018-04-24 | 2019-10-24 | Industrial Technology Research Institute | Building system and building method for panorama point cloud |
-
2019
- 2019-12-03 CN CN201911219658.0A patent/CN110969169B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102446354A (zh) * | 2011-08-29 | 2012-05-09 | 北京建筑工程学院 | 一种高精度多源地面激光点云的整体配准方法 |
CN106504327A (zh) * | 2016-11-04 | 2017-03-15 | 辽宁工程技术大学 | 一种边坡点云曲面重建及变形信息提取方法 |
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 |
US20190327412A1 (en) * | 2018-04-24 | 2019-10-24 | Industrial Technology Research Institute | Building system and building method for panorama point cloud |
Non-Patent Citations (2)
Title |
---|
夏永刚;: "利用三维激光扫描数据和KNNS-ICP算法进行变形分析" * |
陈健;: "ICP算法在TLS变形监测中的应用" * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112989453A (zh) * | 2021-01-28 | 2021-06-18 | 徐洋洋 | 一种基于bim的全息变形信息提取方法 |
CN112989453B (zh) * | 2021-01-28 | 2022-12-06 | 徐洋洋 | 一种基于bim的全息变形信息提取方法 |
CN114445469A (zh) * | 2022-02-15 | 2022-05-06 | 北京壬工智能科技有限公司 | 无人机自主调度的物料堆垛盘点装置、系统及其方法 |
CN115343299A (zh) * | 2022-10-18 | 2022-11-15 | 山东大学 | 一种轻量化公路隧道集成检测系统及方法 |
CN116045833A (zh) * | 2023-01-03 | 2023-05-02 | 中铁十九局集团有限公司 | 一种基于大数据的桥梁施工变形监测系统 |
CN116045833B (zh) * | 2023-01-03 | 2023-12-22 | 中铁十九局集团有限公司 | 一种基于大数据的桥梁施工变形监测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110969169B (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110969169A (zh) | 一种基于点云数据的面变形信息提取方法 | |
Mukupa et al. | A review of the use of terrestrial laser scanning application for change detection and deformation monitoring of structures | |
CN104792274B (zh) | 一种圆形隧道收敛变形的测量方法 | |
CN110095060A (zh) | 基于三维扫描技术的钢结构快速质量检测方法 | |
CN107301648B (zh) | 基于重叠区域边界角度的冗余点云去除方法 | |
CN108824816B (zh) | 一种高空大跨网架滑移定位安装及监测方法 | |
WO2020248894A1 (zh) | 适用于多种传感器的控制测量标靶及空间坐标配准方法 | |
CN102446354A (zh) | 一种高精度多源地面激光点云的整体配准方法 | |
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 | |
CN114332402B (zh) | 融合地面式、手持式激光扫描的钢桥模拟预拼装方法 | |
CN112282847A (zh) | 一种煤矿井下巷道形变监测系统及其监测方法 | |
Lee et al. | A study on scan data matching for reverse engineering of pipes in plant construction | |
Wibranek et al. | Digital rubble compression-only structures with irregular rock and 3D printed connectors | |
Zhou et al. | Accurate virtual trial assembly method of prefabricated steel components using terrestrial laser scanning | |
Xu et al. | Laser-scan based pose monitoring for guiding erection of precast concrete bridge piers | |
Gao et al. | Monocular vision measurement technology applied in dynamic compaction ramming settlement monitoring | |
CN106705848B (zh) | 一种球链接钢结构网架的逆向建模的方法 | |
CN112129221A (zh) | 一种分段合拢管预制测量方法 | |
Jiang et al. | Virtual trail assembly of prefabricated structures based on point cloud and BIM | |
CN109670557B (zh) | 一种基于杆状构筑物的公路点云自动配准方法 | |
Pan et al. | Assessment method of slope excavation quality based on point cloud data | |
CN113763570B (zh) | 隧道点云高精度快速自动拼接方法 | |
CN115964787A (zh) | 基于相位重分布的穿索式脊杆初始几何缺陷提取表征方法 | |
Wang et al. | Automated quality inspection of precast concrete elements with irregular shapes using terrestrial laser scanner and BIM technology | |
Guo et al. | 3D simulation research on the damage of load-bearing structure of prefabricated building based on BIM model |
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 |