CN111524061A - 一种基于圆柱拟合的隧道附近点云去除方法 - Google Patents

一种基于圆柱拟合的隧道附近点云去除方法 Download PDF

Info

Publication number
CN111524061A
CN111524061A CN202010311151.4A CN202010311151A CN111524061A CN 111524061 A CN111524061 A CN 111524061A CN 202010311151 A CN202010311151 A CN 202010311151A CN 111524061 A CN111524061 A CN 111524061A
Authority
CN
China
Prior art keywords
tunnel
point cloud
dimensional
fitting
central axis
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
Application number
CN202010311151.4A
Other languages
English (en)
Other versions
CN111524061B (zh
Inventor
汪俊
彭剑林
鲁德宁
谢以顺
王飞球
王浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202010311151.4A priority Critical patent/CN111524061B/zh
Publication of CN111524061A publication Critical patent/CN111524061A/zh
Application granted granted Critical
Publication of CN111524061B publication Critical patent/CN111524061B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
    • G06T3/073—Transforming surfaces of revolution to planar images, e.g. cylindrical surfaces to planar images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Architecture (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明公开了一种基于圆柱拟合的隧道附近点云去除方法，包括激光点云获取；基于高斯映射拟合圆柱，提取隧道中轴线；基于中轴线，将点云数据投影至二维平面；将投影到二维平面上点云进行ransac圆拟合，去除附近点云，得到干净的隧道轮廓点云；将二维隧道点云反向映射至三维空间，实现去除隧道附近点云，本发明解决了现有技术中无法基于获取的三维点云数据实现快速去除隧道附近点云问题，进一步提高隧道形变分析的效率和准确性。

Description

一种基于圆柱拟合的隧道附近点云去除方法
技术领域
本发明涉及轨道交通技术领域，具体涉及一种基于圆柱拟合的隧道附近点云去除方法。
背景技术
随着城市建设的快速发展，地铁隧道附近越来越多的建筑物导致了隧道的变形，进而存在隧道坍塌的威胁，严重威胁着人们生命财产安全。因此，对地铁隧道形变的检测是隧道检测和维护中的重要任务。
针对传统地铁隧道的形变检测，传统方法以手工检测为主，一方面，人为主观性过强，需要技术工人经过长期经验积累，另一方面，准确度和效率低下，总体不符合现代城市轨道交通发展需求。三维激光扫描技术是对激光测距的原理进行利用并以此获得数据的一种新型技术，具有实时性强，数据精度高，非接触性，主动性强等优点，可快速、精确获取地铁隧道点云数据，用作后续形变分析。
然而，基于采集的三维点云的数据处理和快速建模技术仍处于起步阶段，其中对隧道形变的分析主要是通过对隧道断面进行圆拟合或者椭圆拟合来实现。由于点云数据中包含大量噪声和异常点，直接对隧道点云进行形变分析，难以得到准确的结果。
针对现有技术中难以高效、高精度地实现隧道附近点云去除问题，目前尚未提出有效的解决方案。
发明内容
(一)解决的技术问题
本发明的目的在于提供一种基于圆柱拟合的隧道附近点云去除方法，以解决上述背景技术中提出的实际问题。
(二)技术方案
为实现上述目的，本发明提供如下技术方案：一种基于圆柱拟合的隧道附近点云去除方法，包括以下步骤：
步骤1：通过三维激光扫描仪对隧道进行扫描，获取隧道结构的三维点云；
步骤2：基于获取的隧道三维点云数据，利用高斯映射拟合圆柱，提取隧道点云中轴线；
步骤3：沿中轴线方向，将隧道点云数据投影至二维平面；
步骤4：投影到二维平面上点云进行ransac圆拟合，去除附近点云，得到干净的隧道轮廓点云；
步骤5：二维隧道点云反向映射回三维空间，得到去除附件的隧道点云。
进一步的，所述步骤3具体包括在隧道点云外，选取一个与所述中轴线垂直的平面，作为基准投影平面；将隧道点云沿中轴线方向，投影至所述基准投影平面，得到二维隧道点云。
进一步的，所述步骤4具体包括选取所有所述二维隧道点云，作为RANSAC 算法的输入点，拟合得到干净的隧道轮廓点云。
进一步的，在所述步骤3中的原始隧道三维点云投影到二维平面前进行编号，每个三维点与二维点一一对应。
(三)有益效果
本发明解决了现有技术中无法基于获取的三维点云数据实现快速去除隧道附近点云问题，进一步提高隧道形变分析的效率和准确性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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为根据本发明实施例的基于圆柱拟合的隧道附近点云去除方法的流程图；
图2为根据本发明实施例的隧道现场图片及相对应的三维点云数据；
图3为根据本发明实施例的原始点云附近示意图；
图4为根据本发明实施例的基于高斯映射拟合圆柱得到的中轴线示意图；
图5为根据本发明实施例的投影至平面的点云示意图；
图6为根据本发明实施例的二维干净的隧道轮廓点云示意图；
图7为根据本发明实施例的去除附近的隧道点云示意图；
图8为根据本发明实施例的处理效果对比示意图。
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，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本发明优选的实施例中提供了一种基于圆柱拟合的隧道附近点云去除方法，相比于传统方法，数据处理精度高，能有效去除隧道点云中的附近点云。具体来说，图1示出该方法的流程图，如图1所示，该方法包括如下：
基于获取的隧道三维点云数据，利用高斯映射拟合圆柱，提取隧道点云中轴线I；沿中轴线I方向，将隧道点云数据投影至二维平面F；投影到二维平面上点云Q进行ransac圆拟合，得到干净的隧道轮廓点云P；二维隧道点云反向映射回三维空间，得到去除附近的隧道点云M。
在上述实施方式中，为隧道附近点云去除问题提供了准确高效的处理算法。上述方法可以有效去除原始隧道点云中的附近点云，为地铁隧道形变分析提供干净的点云数据。
图2所示为隧道现场照片及对应的三维点云数据，本发明以隧道三维点云数据为输入，通过本发明提出的方法实现隧道附近点云去除。
图3所示为原始点云附近示意图，附近包括：隧道地面点云、轨道点云、铆钉点云、管线、角钢等点云。
在上述实施方式中，基于获取到的隧道点云集R，采用高斯映射拟合出圆柱，圆柱的中轴线作为隧道点云中轴线I，如图4所示为基于高斯映射拟合圆柱得到的中轴线示意图；
在得到中轴线后，将隧道点云数据投影至二维平面，具体过程为：在隧道点云外，选取一个与所述中轴线垂直的平面，作为基准投影平面F，将隧道点云沿中轴线I方向，投影至所述基准投影平面F，得到二维隧道点云Q，如图5所示为投影至平面的点云示意图。
在得到二维隧道点云后，将二维隧道点云进行RANSAC圆拟合，得到干净的隧道轮廓点云，选取二维隧道点云Q，作为RANSAC算法的输入点，设置带宽阈值为0.04m，拟合得到干净的隧道轮廓点云P，如图6所示为二维干净的隧道轮廓点云示意图。
在得到干净的隧道轮廓点云后，二维隧道点云反向映射回三维空间，得到去除附近的隧道点云，在原始隧道三维点云R投影到所述二维平面前进行编号，每个三维点与二维点一一对应；干净的隧道轮廓点云P根据编号反向映射回三维空间，得到去除附近的隧道点云M，如图7所示为去除附近的隧道点云示意图。
图8所示为隧道点云处理前后的对比图，可以看出算法效果显著有效。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (4)

1.一种基于圆柱拟合的隧道附近点云去除方法，其特征在于，包括以下步骤：
步骤1：通过三维激光扫描仪对隧道进行扫描，获取隧道结构的三维点云；
步骤2：基于获取的隧道三维点云数据，利用高斯映射拟合圆柱，提取隧道点云中轴线；
步骤3：沿中轴线方向，将隧道点云数据投影至二维平面；
步骤4：投影到二维平面上点云进行ransac圆拟合，去除附近点云，得到干净的隧道轮廓点云；
步骤5：二维隧道点云反向映射回三维空间，得到去除附件的隧道点云。
2.根据权利要求1所述的一种基于圆柱拟合的隧道附近点云去除方法，其特征在于，所述步骤3具体包括：在隧道点云外，选取一个与所述中轴线垂直的平面，作为基准投影平面；将隧道点云沿中轴线方向，投影至所述基准投影平面，得到二维隧道点云。
3.根据权利要求2所述的一种基于圆柱拟合的隧道附近点云去除方法，其特征在于，所述步骤4具体包括：选取所有所述二维隧道点云，作为RANSAC算法的输入点，拟合得到干净的隧道轮廓点云。
4.根据权利要求1所述的一种基于圆柱拟合的隧道附近点云去除方法，其特征在于：在所述步骤3中的原始隧道三维点云投影到二维平面前进行编号，每个三维点与二维点一一对应。
CN202010311151.4A 2020-04-20 2020-04-20 一种基于圆柱拟合的隧道附近点云去除方法 Active CN111524061B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010311151.4A CN111524061B (zh) 2020-04-20 2020-04-20 一种基于圆柱拟合的隧道附近点云去除方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010311151.4A CN111524061B (zh) 2020-04-20 2020-04-20 一种基于圆柱拟合的隧道附近点云去除方法

Publications (2)

Publication Number Publication Date
CN111524061A true CN111524061A (zh) 2020-08-11
CN111524061B CN111524061B (zh) 2022-06-03

Family

ID=71901726

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010311151.4A Active CN111524061B (zh) 2020-04-20 2020-04-20 一种基于圆柱拟合的隧道附近点云去除方法

Country Status (1)

Country Link
CN (1) CN111524061B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112652074A (zh) * 2020-12-29 2021-04-13 湖北工业大学 基于平面模型的点云数据滤波算法
CN117726668A (zh) * 2024-02-07 2024-03-19 法奥意威(苏州)机器人系统有限公司 点云圆柱体检测方法和装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108225184A (zh) * 2018-01-16 2018-06-29 上海同岩土木工程科技股份有限公司 一种盾构隧道三维激光扫描点云数据除噪的方法
CN109214994A (zh) * 2018-08-10 2019-01-15 河海大学 一种基于双控制点的隧道密集点云噪声剔除方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108225184A (zh) * 2018-01-16 2018-06-29 上海同岩土木工程科技股份有限公司 一种盾构隧道三维激光扫描点云数据除噪的方法
CN109214994A (zh) * 2018-08-10 2019-01-15 河海大学 一种基于双控制点的隧道密集点云噪声剔除方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
CHENG YI: "Hierarchical tunnel modeling from 3D raw LiDAR point cloud", 《COMPUTER-AIDED DESIGN》 *
XIANGYANG XU等: "A feature extraction method for deformation analysis of large-scale", 《COMPOSITE STRUCTURES 》 *
余鹏磊等: "基于ＲＡＮＳＡＣ算法的地铁隧道点云数据滤波", 《测绘工程》 *
程效军等: "基于中轴线的隧道点云去噪算法", 《同济大学学报（自然科学版）》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112652074A (zh) * 2020-12-29 2021-04-13 湖北工业大学 基于平面模型的点云数据滤波算法
CN117726668A (zh) * 2024-02-07 2024-03-19 法奥意威(苏州)机器人系统有限公司 点云圆柱体检测方法和装置
CN117726668B (zh) * 2024-02-07 2024-05-24 法奥意威(苏州)机器人系统有限公司 点云圆柱体检测方法和装置

Also Published As

Publication number Publication date
CN111524061B (zh) 2022-06-03

Similar Documents

Publication Publication Date Title
US11443437B2 (en) Vibe-based three-dimensional sonar point cloud image segmentation method
CN109214994B (zh) 一种基于双控制点的隧道密集点云噪声剔除方法
CN111524061B (zh) 一种基于圆柱拟合的隧道附近点云去除方法
CN106918813B (zh) 一种基于距离统计的三维声纳点云图像增强方法
Peng et al. Detection and analysis of large‐scale WT blade surface cracks based on UAV‐taken images
CN111126184B (zh) 一种基于无人机视频的震后建筑物损毁检测方法
CN111336990A (zh) 一种隧道断面收敛快速分析方法和装置
CN110008207B (zh) 基于密度直方图的机载LiDAR点云数据漏洞快速检测方法
CN110675635B (zh) 相机外参的获取方法、装置、电子设备及存储介质
WO2019010916A1 (zh) 一种工件三维点云数据平滑滤波方法
CN105138983A (zh) 基于加权部件模型和选择性搜索分割的行人检测方法
CN107590782B (zh) 一种基于全卷积网络的高分辨率光学图像厚云去除方法
CN110246223B (zh) 一种隧道建模方法及装置
CN103824074A (zh) 一种基于背景减除和纹理特征的人群密度估计方法及系统
CN111336991A (zh) 基于激光点云的隧道椭圆度分析方法、装置和系统
CN117253191A (zh) 一种基于detr模型的安全帽佩戴检测方法
CN112116600A (zh) 一种基于图像处理的光伏板计数方法
CN111127450A (zh) 一种基于图像的桥梁裂缝检测方法及系统
CN116091709A (zh) 建筑物的三维重建方法、装置、电子设备和存储介质
CN113362296B (zh) 一种隧道裂缝提取方法及系统
CN115082542A (zh) 基于图论的隧道裂缝长度测量方法
CN110705441B (zh) 人行横道线图像后处理方法及系统
CN110766707B (zh) 一种基于多算子融合边缘检测技术的空化泡图像处理方法
CN111161352B (zh) 一种基于三角网格简化模板的物体识别方法及装置
CN114581890B (zh) 确定车道线的方法、装置、电子设备和存储介质

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