CN111862322A - 一种拱轴线提取方法及装置 - Google Patents
一种拱轴线提取方法及装置 Download PDFInfo
- Publication number
- CN111862322A CN111862322A CN202010624084.1A CN202010624084A CN111862322A CN 111862322 A CN111862322 A CN 111862322A CN 202010624084 A CN202010624084 A CN 202010624084A CN 111862322 A CN111862322 A CN 111862322A
- Authority
- CN
- China
- Prior art keywords
- arch
- axis
- point cloud
- equation
- target
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明实施例提供一种拱轴线提取方法及装置,能够提升拱轴线提取的精度。方法包括:获取拱圈的三维点云模型,所述拱圈为拱桥中的任意一个拱圈;基于预设的拱轴线方程、点云数据集及距离容差向量对所述三维点云模型进行拱轴线提取,得到至少两个目标拱轴线;将所述至少两个目标拱轴线中精度最高的目标拱轴线确定为提取结果。
Description
技术领域
本发明涉及桥梁工程技术领域,尤其涉及一种拱轴线提取方法及装置。
背景技术
随着运营时间增长,受环境条件、荷载作用和人为因素的影响,拱桥结构状态不可避免会发生改变,与其设计状态或竣工初始状态存在偏差。而对拱桥结构进行维修加固的前提是掌握其现有结构状态,其中最为关键的是获取其当前拱轴线的线形,因为,拱轴线的变化不仅是拱桥结构几何构型发生改变的直接体现,同时也反映了拱桥结构受力性能和安全状态的变化。因此,针对现实中的现代混凝土拱桥、钢管混凝土拱桥,抑或是古代石拱桥等,在进行拱桥结构检测时,首要工作内容就是通过合适的测绘手段获取其拱轴线,在得到拱桥拱轴线之后,就可以十分快速方便地得到拱桥的矢高、跨径、矢跨比等结构参数。
然而,传统测绘手段,如皮尺、水准仪、经纬仪、全站仪等在进行测量时,存在如下问题:(1)传统测绘手段使用不便,如全站仪测量时需在拱桥的拱圈上布置棱镜,对于高度较高或跨度较大的拱桥,安装棱镜极为不便;(2)传统测绘手段仅能获取拱圈上若干有限测点的空间位置数据,对于具有曲线几何构型的拱桥而言,由有限测点的空间位置数据得到的拱轴线精度较低,难以准确反映拱桥的真实状态。
近年来飞速发展的三维激光扫描技术具有效率高、非接触、自动化、精度高和全覆盖等优势,已在桥梁变形监测领域得到了应用,三维激光扫描是利用激光对物体表面进行扫描从而获得物体表面几何特征信息的技术,能够得到具有复杂表面外形物体的三维点云数据和模型,上述技术优势与特点使其在拱桥变形检/监测中具有极大的应用潜力。然而,三维激光扫描技术得到的点云数据量巨大,无法直接获知某个点云数据点在物体表面的具体位置,导致利用三维点云数据提取拱桥的拱轴线存在如下问题:由于三维点云数据量较大,拱圈边缘附近的数据点极为密集,人工难以分辨某个数据点属于拱腹、侧墙或拱圈,使得人工手动提取拱轴线的困难极大,导致拱轴线提取的精度难以保证。
发明内容
本发明的目的是提供一种拱轴线提取方法及装置,能够提升拱轴线提取的精度。
本发明实施例提供一种拱轴线提取方法,包括:
获取拱圈的三维点云模型,所述拱圈为拱桥中的任意一个拱圈;
基于预设的拱轴线方程、点云数据集及距离容差向量对所述三维点云模型进行拱轴线提取,得到至少两个目标拱轴线;
将所述至少两个目标拱轴线中精度最高的目标拱轴线确定为提取结果。
可选地,所述基于预设的拱轴线方程、点云数据集及距离容差向量对所述三维点云模型进行拱轴线提取,得到至少两个目标拱轴线,之前包括:
预设拱轴线方程、点云数据集及距离容差向量;
其中,所述拱轴线方程包括圆弧线拱方程、抛物线拱方程和悬链线拱方程中的至少一个;
所述点云数据集为从所述三维点云模型中选取的多个点云数据组成的数据集;
所述距离容差向量表示为u=[u1,u2,…,um],向量u的长度为m,向量u表示提取拱轴线时需对所述拱轴线方程进行m次拟合,u1为0,u2到um逐渐减小,m为大于等于2的整数。
可选地,若所述拱轴线方程为圆弧线拱方程、抛物线拱方程和悬链线拱方程中的任意一个,则所述基于预设的拱轴线方程、点云数据集及距离容差向量对所述三维点云模型进行拱轴线提取,得到至少两个目标拱轴线,包括:
基于所述点云数据集及距离容差向量对所述拱轴线方程进行m次拟合,得到m个目标拱轴线,所述m个目标拱轴线为每次拟合得到的目标拱轴线的集合。
可选地,所述将所述至少两个目标拱轴线中精度最高的目标拱轴线确定为提取结果,包括:
将所述m个目标拱轴线中第m次拟合得到的目标拱轴线确定为提取结果。
可选地,若所述拱轴线方程包括圆弧线拱方程、抛物线拱方程和悬链线拱方程中的至少两个,则所述基于预设的拱轴线方程、点云数据集及距离容差向量对所述三维点云模型进行拱轴线提取,得到至少两个目标拱轴线,包括:
基于所述点云数据集及距离容差向量对各所述拱轴线方程分别进行m次拟合,得到至少两个第m次拟合得到的目标拱轴线。
可选地,所述基于所述点云数据集及距离容差向量对各所述拱轴线方程分别进行m次拟合,得到至少两个第m次拟合得到的目标拱轴线,包括:
步骤1、对于每个所述拱轴线方程,利用第1个数据集,采用最小二乘法对所述拱轴线方程进行拟合,得到第1次提取的拱轴线,所述第1个数据集为所述点云数据集;
步骤2、计算所述三维点云模型中所有的点云数据到所述第1次提取的拱轴线的距离,将距离大于u2的点云数据剔除,并将剩下的点云数据组成的数据集作为提取拱轴线的第2个数据集;
步骤3、将所述第2个数据集替代步骤1中的第1个数据集,重复执行步骤1和步骤2,直至得到至少两个目标拱轴线,所述目标拱轴线为第m个数据集对应的第m次提取的目标拱轴线。
可选地,所述将所述至少两个目标拱轴线中精度最高的目标拱轴线确定为提取结果,包括:
基于预设提取精度指标算法从所述至少两个目标拱轴线中确定精度最高的目标拱轴线;
将所述精度最高的目标拱轴线确定为提取结果。
可选地,所述基于预设的拱轴线方程、点云数据集及距离容差向量进行拱轴线提取,得到至少两个目标拱轴线,之前包括:
对处于第一坐标系的所述三维点云模型进行坐标系转换,得到位于第二坐标系的所述三维点云模型,其中,所述第二坐标系的X轴、Y轴和Z轴分别与所述拱桥的顺桥向、横桥向及竖桥向一致。
本发明实施例提供一种拱轴线提取装置,包括:
第一获取单元,用于获取拱圈的三维点云模型,所述拱圈为拱桥中的任意一个拱圈;
第二获取单元,用于基于预设的拱轴线方程、点云数据集及距离容差向量对所述三维点云模型进行拱轴线提取,得到至少两个目标拱轴线;
确定单元,用于将所述至少两个目标拱轴线中精度最高的目标拱轴线确定为提取结果。
本发明实施例提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述方法。
本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述方法。
本发明实施例提供的拱轴线提取方法及装置,能够基于预设的拱轴线方程、点云数据集及距离容差向量对所述三维点云模型进行拱轴线提取,从而在拱轴线提取过程中无需人工干预,此外,通过合理设置距离容差向量,在拱轴线提取过程中能够逐渐逼近拱桥的真实拱轴线,提升拱轴线提取的精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图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为本发明实施例提供的拱轴线提取方法流程图;
图2为本发明实施例提供的石拱桥整体三维点云模型;
图3为本发明实施例提供的拱圈局部三维点云模型;
图4为本发明实施例提供的拱圈局部三维点云模型的俯视图;
图5为本发明实施例提供的拱圈边缘点云数据的坐标线性相关方程图;
图6为本发明实施例提供的坐标变换后的拱圈局部三维点云模型的俯视图;
图7为本发明实施例提供的坐标变换后的拱圈局部三维点云模型的前视图;
图8-图13分别为本发明实施例提供的第1次拱轴线提取结果至第6次拱轴线提取结果示意图;
图14为本发明实施例提供的拱轴线提取装置结构示意图;
图15为本发明实施例提供的一种电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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他实施例,都属于本发明保护的范围。
参见图1,本发明实施例公开了一种拱轴线提取方法,包括:
101、获取拱圈的三维点云模型,该拱圈为拱桥中的任意一个拱圈;
针对现实中的现代混凝土拱桥、钢管混凝土拱桥,抑或是古代石拱桥等,在进行拱桥结构检测时,首要工作任务就是通过合适的测绘手段获取其拱轴线。本发明实施例的拱轴线提取装置需要先获取拱桥中的任意一个三维点云模型,便于后续进一步处理。
通常,拱轴线提取装置可以通过多站点对拱桥进行三维激光扫描,由所有站点的点云数据进行拼接得到拱桥整体三维点云模型,然后将整体三维点云模型进行分割,得到每个拱圈的局部三维点云模型。需要说明的是,三维激光扫描所使用的三维激光扫描仪的具体架设位置不做特殊要求,若桥下条件允许,三维激光扫描仪可架设在拱桥下部,从而能够得到拱圈下部的三维点云模型,若桥下条件不允许,则可在拱桥旁岸边从侧面对拱桥进行扫描,从而得到拱桥侧面的三维点云模型。
102、基于预设的拱轴线方程、点云数据集及距离容差向量对三维点云模型进行拱轴线提取,得到至少两个目标拱轴线;
通过设定的提取拱轴线基本参数,如预设的拱轴线方程、点云数据集及距离容差向量等对三维点云模型进行拱轴线提取,得到若干目标拱轴线。
拱轴线方程可以为圆弧线拱方程、抛物线拱方程或悬链线拱方程。
拱轴线提取装置可以通过设定距离容差向量,以针对每个拱轴线方程进行至少两次拟合,从而得到至少两个目标拱轴线。
例如,假设拱轴线方程包括第一拱轴线方程和第二拱轴线方程,距离容差向量中的元素个数为3个,则针对第一拱轴线方程进行3次拟合,每次拟合得到一个目标拱轴线,共计得到三个目标拱轴线;针对第二拱轴线方程进行3次拟合,每次拟合得到一个目标拱轴线,共计得到三个目标拱轴线。由此,针对第一拱轴线方程和第二拱轴线方程,总共得到六个目标拱轴线。应理解,距离容差向量中的元素个数决定拟合次数,比如元素个数为3个,拟合次数为3次;元素个数为6个,拟合次数为6次。另外,为了使得每次拟合后得到的目标拱轴线精度逐渐变高,或使得每次拟合后得到的目标拱轴线逐渐逼近拱桥的真实拱轴线,拱轴线提取装置可以设置距离容差向量中每个元素的数值大小逐渐减小。
点云数据集可以为人工从三维点云模型中选取的若干点云数据,例如从三维点云模型的拱腹和拱圈相交边缘进行点云数据的选取。
103、将至少两个目标拱轴线中精度最高的目标拱轴线确定为提取结果。
在得到至少两个目标拱轴线后,拱轴线提取装置从中选取精度最高的目标拱轴线,并将其确定为最终的提取结果,从而保证能够得到最优的拱轴线。
本发明实施例提供的拱轴线提取方法,能够基于预设的拱轴线方程、点云数据集及距离容差向量对所述三维点云模型进行拱轴线提取,从而在拱轴线提取过程中无需人工干预,此外,通过合理设置距离容差向量,在拱轴线提取过程中能够逐渐逼近拱桥的真实拱轴线,提升拱轴线提取的精度。
在前述方法实施例的基础上,在步骤102之前,还可以包括:
预设拱轴线方程、点云数据集及距离容差向量;
其中,拱轴线方程包括圆弧线拱方程、抛物线拱方程和悬链线拱方程中的至少一个;
点云数据集为从三维点云模型中选取的多个点云数据组成的数据集;
距离容差向量表示为u=[u1,u2,…,um],向量u的长度为m,向量u表示提取拱轴线时需对所述拱轴线方程进行m次拟合,u1为0,u2到um逐渐减小,m为大于等于2的整数。
具体地,拱轴线提取装置设定提取拱轴线基本参数:选定圆弧线、抛物线和悬链线作为拱轴线备选数学方程,在三维点云模型的拱腹和拱圈相交边缘选取n1个点云数据,以此作为提取拱轴线的第1个数据集,n1的范围可以取20~30。设定提取拱轴线的距离容差向量为u=[u1,u2,…,um],向量u的长度为m,向量u表示提取拱轴线时需对所述拱轴线方程进行m次拟合,u1为0,u2到um逐渐减小,m为大于等于2的整数。例如,向量u的第2个元素u2为0.2m,第m个元素um为0.01m。
可见,拱轴线提取装置为使拱轴线的拟合过程能逐步逼近真实拱轴线,设定向量u从u2到um逐渐减小。
下面对拱轴线方程的个数为1个的情况进行说明:
若拱轴线方程为圆弧线拱方程、抛物线拱方程和悬链线拱方程中的任意一个,则步骤102中基于预设的拱轴线方程、点云数据集及距离容差向量对三维点云模型进行拱轴线提取,得到至少两个目标拱轴线,包括:
基于点云数据集及距离容差向量对拱轴线方程进行m次拟合,得到m个目标拱轴线,m个目标拱轴线为每次拟合得到的目标拱轴线的集合。
相应的,步骤103中将至少两个目标拱轴线中精度最高的目标拱轴线确定为提取结果,包括:
将m个目标拱轴线中第m次拟合得到的目标拱轴线确定为提取结果。
具体地,若所述拱轴线方程为圆弧线拱方程、抛物线拱方程和悬链线拱方程中的任意一个,考虑到距离容差向量u从u2到um逐渐减小,则说明拟合过程中最后一次拟合得到的目标拱轴线是最逼近真实拱轴线的,也即是最终的提取结果。
可见,在拱轴线的方程的个数为1个的情况下,拟合过程中最后一次拟合得到的目标拱轴线即是最逼近真实拱轴线的,即确定为最优的拱轴线。
下面对拱轴线方程的个数至少为2个的情况进行说明:
若拱轴线方程包括圆弧线拱方程、抛物线拱方程和悬链线拱方程中的至少两个,则步骤102中基于预设的拱轴线方程、点云数据集及距离容差向量对三维点云模型进行拱轴线提取,得到至少两个目标拱轴线,包括:
基于点云数据集及距离容差向量对各拱轴线方程分别进行m次拟合,得到至少两个第m次拟合得到的目标拱轴线。
具体地,上述基于点云数据集及距离容差向量对各拱轴线方程分别进行m次拟合,得到至少两个第m次拟合得到的目标拱轴线,包括:
步骤1、对于每个拱轴线方程,利用第1个数据集,采用最小二乘法对拱轴线方程进行拟合,得到第1次提取的拱轴线,第1个数据集为点云数据集;
步骤2、计算三维点云模型中所有的点云数据到第1次提取的拱轴线的距离,将距离大于u2的点云数据剔除,并将剩下的点云数据组成的数据集作为提取拱轴线的第2个数据集;
步骤3、将第2个数据集替代步骤1中的第1个数据集,重复执行步骤1和步骤2,直至得到至少两个目标拱轴线,目标拱轴线为第m个数据集对应的第m次提取的目标拱轴线。
相应的,步骤103中将至少两个目标拱轴线中精度最高的目标拱轴线确定为提取结果,包括:
基于预设提取精度指标算法从至少两个目标拱轴线中确定精度最高的目标拱轴线;
将精度最高的目标拱轴线确定为提取结果。
具体地,预设提取精度指标算法可以定义提取精度指标r:
n2和nm分别为第2个数据集和第m个(最后一次提取)数据集的点云数据的数量,通过比较每个拱轴线方程的提取精度指标r,r越大,表明提取的目标拱轴线越接近拱桥的真实拱轴线,选取提取精度指标r最大的拱轴线方程的第m次拟合得到的目标拱轴线为最优拱轴线的提取结果。
可见,在拱轴线的方程的个数至少为2个的情况下,针对每个拱轴线的方程的拟合过程中最后一次拟合得到的目标拱轴线,通过预设的提取精度指标算法进行计算,以从中确定最优的拱轴线。
在前述方法实施例的基础上,在步骤102之前,还可以包括:
对处于第一坐标系的所述三维点云模型进行坐标系转换,得到位于第二坐标系的所述三维点云模型,其中,所述第二坐标系的X轴、Y轴和Z轴分别与所述拱桥的顺桥向、横桥向及竖桥向一致。
具体地,由于在实际应用中三维点云模型所处的第一坐标系的坐标轴可能与拱桥的顺桥向、横桥向或竖桥向之间存在偏离角度,所以需要对其进行坐标转换,以使得转换后的第二坐标系的坐标与拱桥的顺桥向、横桥向及竖桥向一致,以便后续进一步处理。
综合上述说明,拱轴线提取装置无需对三维激光扫描仪的具体架设位置进行特殊要求,若桥下条件允许,三维激光扫描仪可架设在拱桥下部,从而能够得到拱圈下部的三维点云模型,若桥下条件不允许,则可在拱桥旁岸边从侧面对拱桥进行扫描,从而得到拱桥侧面的三维点云模型,拱轴线提取装置可以对上述两种情况进行处理,因此具有广泛的适用范围。
拱轴线提取装置仅需在第1次提取拱轴线时在拱腹与拱圈相交边缘人工选取若干点云数据,在后续拱轴线提取过程中,无需人工干预,在每次提取拱轴线过程中自动剔除距离拱轴线超过距离容差向量的点云数据。同时,在第2次至最后一次提取拱轴线时,距离容差向量逐渐变小,可逐渐逼近拱桥的真实拱轴线,保证了拱轴线提取的精度,因此提取的拱轴线具有较高的精度。
拱轴线提取装置全面考虑了拱轴线方程的常用数学方程形式,包括圆弧线、抛物线和悬链线,在此基础上提出了提取精度指标,该指标定义为最后一次数据集的点云数量与第2个数据集的点云数量之比,该精度指标越大,说明三维点云模型中参与拱轴线提取的点云数据越多,提取出来的拱轴线也最为接近拱桥的真实拱轴线。因此可保证得到最优的拱轴线。
下面通过一个具体实例对本发明实施例的拱轴线提取方法进行说明:
步骤1、三维点云数据的分割;
以某石拱桥为例,该桥建造年代久远,距今约800余年,采用三维激光扫描技术对其进行扫描,扫描站点数量为72站,将各扫描站点得到的点云数据进行拼接,得到如图2所示的石拱桥整体三维点云模型,记为M,此时三维点云模型的坐标系为WGS84坐标系。如图2所示,该桥共有11个拱圈,这里以1#拱圈的拱轴线提取为例,将1#拱圈的三维点云数据从M模型中分割出来,得到1#拱圈的局部三维点云模型,记为MA,1#拱圈的MA模型如图3所示。
步骤2、拱圈局部三维点云模型坐标变换;
图4给出了1#拱圈的MA模型的俯视图,从中可以看出WGS84坐标系的X、Y轴与拱桥的顺桥向x和横桥向y之间存在偏离角度,需要进行坐标变换,将图4中方框内的拱圈边缘点云数据截取出来,然后将其投影到XY平面,如图5所示,建立图中点云数据X和Y坐标的线性相关方程Y=kX+b,得到系数k=0.1842,由此可以得到拱桥顺桥向x与WGS84坐标系的X的偏离角度θ1=arctan(k)=10.44o,类似地,采用上述方法计算θ2和θ3,计算发现θ2和θ3很小,接近于零,可忽略。图6给出了坐标变换后的1#拱圈局部三维点云模型MT俯视图,从中可以看出,三维点云模型坐标转换效果良好。
步骤3、设定提取拱轴线基本参数;
对于本实例中的古代石拱桥,选取圆弧线和二次抛物线作为备选的拱轴线数学方程,对于现代拱桥,可增加悬链线作为拱轴线数学方程的备选之一;将模型MT投影至新坐标系的xz平面,得到如图7所示的前视图,从图中拱腹和拱圈相交边缘选取点云数据,选取的点云数据点如图中黑色圆圈所示,因此,n1=23,该23个点云数据点形成第1个数据集D1。设定距离容差向量u=[0,0.2m,0.1m,0.05m,0.02m,0.01m],向量u长度m=6,表示拱轴线提取过程需经历6次拟合。
步骤4、第1次提取拱轴线;
利用第1个数据集D1的x、z坐标,采用最小二乘法拟合得到第1次拱轴线提取结果,结果如图8所示。计算三维点云模型MT中所有数据点到图8中圆弧线和二次抛物线的距离,将距离大于u2=0.2m的数据点剔除,得到提取拱轴线的第2个数据集D2,对于圆弧线和二次抛物线,数据集D2的点数n2分别为4565和2627。
步骤5、第2次至最后一次提取拱轴线;
重复上一步的计算步骤,再提取5次拱轴线,提取过程见图9~图13,对于圆弧线,参与拟合的数据点n3、n4、n5和n6分别为4471、3962、2712和1695,对于二次抛物线,参与拟合的数据点n3、n4、n5和n6分别为1249、666、285和147。
步骤6、确定最优拱轴线的提取结果。
从图8~图13可以看出,在每次拟合过程中,参与拟合的数据点均位于圆弧线之上,吻合良好,而数据点与二次抛物线则存在一定的偏差,计算圆弧线和二次抛物线的提取精度指标r分别为0.37和0.06,圆弧线的精度指标远大于二次抛物线,可见,图13中的圆弧线为1#拱圈的最优拱轴线提取结果。
基于上述实施例的内容,本发明实施例提供了一种拱轴线提取装置,该拱轴线提取装置用于执行上述方法实施例中提供的拱轴线提取方法。参见图14,该装置包括:
第一获取单元1401,用于获取拱圈的三维点云模型,所述拱圈为拱桥中的任意一个拱圈;
第二获取单元1402,用于基于预设的拱轴线方程、点云数据集及距离容差向量对所述三维点云模型进行拱轴线提取,得到至少两个目标拱轴线;
确定单元1403,用于将所述至少两个目标拱轴线中精度最高的目标拱轴线确定为提取结果。
本发明实施例提供的拱轴线提取装置,能够基于预设的拱轴线方程、点云数据集及距离容差向量对所述三维点云模型进行拱轴线提取,从而在拱轴线提取过程中无需人工干预,此外,通过合理设置距离容差向量,在拱轴线提取过程中能够逐渐逼近拱桥的真实拱轴线,提升拱轴线提取的精度。
本发明实施例的拱轴线提取装置,可以用于执行前述方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图15示例了一种电子设备的实体结构示意图,如图15所示,该电子设备可以包括:处理器(processor)1501、通信接口(Communications Interface)1502、存储器(memory)1503和通信总线1504,其中,处理器1501,通信接口1502,存储器1503通过通信总线1504完成相互间的通信。处理器1501可以调用存储器1503中的逻辑指令,以执行如下方法:获取拱圈的三维点云模型,所述拱圈为拱桥中的任意一个拱圈;基于预设的拱轴线方程、点云数据集及距离容差向量对所述三维点云模型进行拱轴线提取,得到至少两个目标拱轴线;将所述至少两个目标拱轴线中精度最高的目标拱轴线确定为提取结果。此外,上述的存储器1503中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的方法,例如包括:获取拱圈的三维点云模型,所述拱圈为拱桥中的任意一个拱圈;基于预设的拱轴线方程、点云数据集及距离容差向量对所述三维点云模型进行拱轴线提取,得到至少两个目标拱轴线;将所述至少两个目标拱轴线中精度最高的目标拱轴线确定为提取结果。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种拱轴线提取方法,其特征在于,包括:
获取拱圈的三维点云模型,所述拱圈为拱桥中的任意一个拱圈;
基于预设的拱轴线方程、点云数据集及距离容差向量对所述三维点云模型进行拱轴线提取,得到至少两个目标拱轴线;
将所述至少两个目标拱轴线中精度最高的目标拱轴线确定为提取结果。
2.根据权利要求1所述的拱轴线提取方法,其特征在于,所述基于预设的拱轴线方程、点云数据集及距离容差向量对所述三维点云模型进行拱轴线提取,得到至少两个目标拱轴线,之前包括:
预设拱轴线方程、点云数据集及距离容差向量;
其中,所述拱轴线方程包括圆弧线拱方程、抛物线拱方程和悬链线拱方程中的至少一个;
所述点云数据集为从所述三维点云模型中选取的多个点云数据组成的数据集;
所述距离容差向量表示为u=[u1,u2,…,um],向量u的长度为m,向量u表示提取拱轴线时需对所述拱轴线方程进行m次拟合,u1为0,u2到um逐渐减小,m为大于等于2的整数。
3.根据权利要求2所述的拱轴线提取方法,其特征在于,若所述拱轴线方程为圆弧线拱方程、抛物线拱方程和悬链线拱方程中的任意一个,则所述基于预设的拱轴线方程、点云数据集及距离容差向量对所述三维点云模型进行拱轴线提取,得到至少两个目标拱轴线,包括:
基于所述点云数据集及距离容差向量对所述拱轴线方程进行m次拟合,得到m个目标拱轴线,所述m个目标拱轴线为每次拟合得到的目标拱轴线的集合。
4.根据权利要求3所述的拱轴线提取方法,其特征在于,所述将所述至少两个目标拱轴线中精度最高的目标拱轴线确定为提取结果,包括:
将所述m个目标拱轴线中第m次拟合得到的目标拱轴线确定为提取结果。
5.根据权利要求2所述的拱轴线提取方法,其特征在于,若所述拱轴线方程包括圆弧线拱方程、抛物线拱方程和悬链线拱方程中的至少两个,则所述基于预设的拱轴线方程、点云数据集及距离容差向量对所述三维点云模型进行拱轴线提取,得到至少两个目标拱轴线,包括:
基于所述点云数据集及距离容差向量对各所述拱轴线方程分别进行m次拟合,得到至少两个第m次拟合得到的目标拱轴线。
6.根据权利要求5所述的拱轴线提取方法,其特征在于,所述基于所述点云数据集及距离容差向量对各所述拱轴线方程分别进行m次拟合,得到至少两个第m次拟合得到的目标拱轴线,包括:
步骤1、对于每个所述拱轴线方程,利用第1个数据集,采用最小二乘法对所述拱轴线方程进行拟合,得到第1次提取的拱轴线,所述第1个数据集为所述点云数据集;
步骤2、计算所述三维点云模型中所有的点云数据到所述第1次提取的拱轴线的距离,将距离大于u2的点云数据剔除,并将剩下的点云数据组成的数据集作为提取拱轴线的第2个数据集;
步骤3、将所述第2个数据集替代步骤1中的第1个数据集,重复执行步骤1和步骤2,直至得到至少两个目标拱轴线,所述目标拱轴线为第m个数据集对应的第m次提取的目标拱轴线。
7.根据权利要求6所述的拱轴线提取方法,其特征在于,所述将所述至少两个目标拱轴线中精度最高的目标拱轴线确定为提取结果,包括:
基于预设提取精度指标算法从所述至少两个目标拱轴线中确定精度最高的目标拱轴线;
将所述精度最高的目标拱轴线确定为提取结果。
8.根据权利要求1-7任一项所述的拱轴线提取方法,其特征在于,所述基于预设的拱轴线方程、点云数据集及距离容差向量进行拱轴线提取,得到至少两个目标拱轴线,之前包括:
对处于第一坐标系的所述三维点云模型进行坐标系转换,得到位于第二坐标系的所述三维点云模型,其中,所述第二坐标系的X轴、Y轴和Z轴分别与所述拱桥的顺桥向、横桥向及竖桥向一致。
9.一种拱轴线提取装置,其特征在于,包括:
第一获取单元,用于获取拱圈的三维点云模型,所述拱圈为拱桥中的任意一个拱圈;
第二获取单元,用于基于预设的拱轴线方程、点云数据集及距离容差向量对所述三维点云模型进行拱轴线提取,得到至少两个目标拱轴线;
确定单元,用于将所述至少两个目标拱轴线中精度最高的目标拱轴线确定为提取结果。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至8任一项所述拱轴线提取方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010624084.1A CN111862322B (zh) | 2020-06-30 | 2020-06-30 | 一种拱轴线提取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010624084.1A CN111862322B (zh) | 2020-06-30 | 2020-06-30 | 一种拱轴线提取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111862322A true CN111862322A (zh) | 2020-10-30 |
CN111862322B CN111862322B (zh) | 2023-06-27 |
Family
ID=72988970
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010624084.1A Active CN111862322B (zh) | 2020-06-30 | 2020-06-30 | 一种拱轴线提取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111862322B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160019713A1 (en) * | 2014-07-17 | 2016-01-21 | Google Inc. | Blending between street view and earth view |
CN106758752A (zh) * | 2016-12-21 | 2017-05-31 | 北京建筑大学 | 斜塔斜拉异形拱桥及其施工方法 |
CN108038326A (zh) * | 2017-12-22 | 2018-05-15 | 广西路桥工程集团有限公司 | 一种拱桥悬臂拼装施工优化模型及优化计算方法 |
CN108898662A (zh) * | 2018-05-30 | 2018-11-27 | 中国人民解放军陆军勤务学院 | 基于点云数据的管线设施bim模型自动化重建方法 |
CN109900208A (zh) * | 2019-03-28 | 2019-06-18 | 中铁十六局集团北京轨道交通工程建设有限公司 | 一种矿山法隧道开挖与初支质量检测方法 |
CN110411370A (zh) * | 2019-07-26 | 2019-11-05 | 北京住总集团有限责任公司 | 一种基于空间时间参数的隧道施工风险管控系统 |
CN110706153A (zh) * | 2019-12-12 | 2020-01-17 | 湖南联智科技股份有限公司 | 一种基于原始点云数据的隧道断面快速提取方法 |
CN110765535A (zh) * | 2019-10-28 | 2020-02-07 | 湖北建科国际工程有限公司 | 基于Revit构建系杆拱桥模型的方法及装置 |
CN111027484A (zh) * | 2019-12-11 | 2020-04-17 | 中南大学 | 基于三维成像的隧道钢拱识别方法 |
-
2020
- 2020-06-30 CN CN202010624084.1A patent/CN111862322B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160019713A1 (en) * | 2014-07-17 | 2016-01-21 | Google Inc. | Blending between street view and earth view |
CN106758752A (zh) * | 2016-12-21 | 2017-05-31 | 北京建筑大学 | 斜塔斜拉异形拱桥及其施工方法 |
CN108038326A (zh) * | 2017-12-22 | 2018-05-15 | 广西路桥工程集团有限公司 | 一种拱桥悬臂拼装施工优化模型及优化计算方法 |
CN108898662A (zh) * | 2018-05-30 | 2018-11-27 | 中国人民解放军陆军勤务学院 | 基于点云数据的管线设施bim模型自动化重建方法 |
CN109900208A (zh) * | 2019-03-28 | 2019-06-18 | 中铁十六局集团北京轨道交通工程建设有限公司 | 一种矿山法隧道开挖与初支质量检测方法 |
CN110411370A (zh) * | 2019-07-26 | 2019-11-05 | 北京住总集团有限责任公司 | 一种基于空间时间参数的隧道施工风险管控系统 |
CN110765535A (zh) * | 2019-10-28 | 2020-02-07 | 湖北建科国际工程有限公司 | 基于Revit构建系杆拱桥模型的方法及装置 |
CN111027484A (zh) * | 2019-12-11 | 2020-04-17 | 中南大学 | 基于三维成像的隧道钢拱识别方法 |
CN110706153A (zh) * | 2019-12-12 | 2020-01-17 | 湖南联智科技股份有限公司 | 一种基于原始点云数据的隧道断面快速提取方法 |
Non-Patent Citations (1)
Title |
---|
DING YOULIANG;WANG GAOXIN: "Evaluation of Dynamic Load Factors for a High-Speed Railway Truss Arch Bridge", 《SHOCK AND VIBRATION》, pages 5310769 * |
Also Published As
Publication number | Publication date |
---|---|
CN111862322B (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111311650B (zh) | 一种点云数据的配准方法、装置及存储介质 | |
EP4027299A2 (en) | Method and apparatus for generating depth map, and storage medium | |
US11392728B2 (en) | Systems and methods for improved parametric modeling of structures | |
CN112414403B (zh) | 一种机器人的定位定姿方法、设备及存储介质 | |
CN111612888B (zh) | 一种文物建筑图形的自动生成方法、系统及存储介质 | |
WO2020107326A1 (zh) | 车道线检测方法、设备、计算机可读存储介质 | |
CN110084894B (zh) | 三维模型的局部放大展示方法、装置与电子设备 | |
CN112652036A (zh) | 道路数据的处理方法、装置、设备及存储介质 | |
CN113487722A (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 | |
CN114332291A (zh) | 一种倾斜摄影模型建筑物外轮廓规则提取方法 | |
CN115861828A (zh) | 一种建筑横切面轮廓提取方法、装置、介质及设备 | |
CN114494905A (zh) | 基于卫星遥感图像的建筑物的识别和建模方法和装置 | |
CN114048540A (zh) | 基于建筑工程算量模型的墙柱处理方法及装置 | |
CN111862322A (zh) | 一种拱轴线提取方法及装置 | |
CN116091709A (zh) | 建筑物的三维重建方法、装置、电子设备和存储介质 | |
CN114202625B (zh) | 路肩线的提取方法、装置及电子设备 | |
CN115320642A (zh) | 车道线建模方法、装置、电子设备及自动驾驶车辆 | |
CN115388806A (zh) | 零件表面线型偏差检测方法、装置、电子设备及存储介质 | |
CN105096379A (zh) | 一种基于k-邻域的三角网格曲面重建方法 | |
CN110399679B (zh) | 一种地基基础位置优化设计方法 | |
JPH0613213B2 (ja) | 文字画像データ圧縮用ブロック設定方法 | |
CN112815911A (zh) | 基于三目视觉的输电线路交跨距离测量方法 | |
CN117671161B (zh) | 隧道不同工序间混凝土方量精细化计算方法及存储介质 | |
CN116342604B (zh) | 一种基于剪力墙外形实现轮廓相似匹配的方法及系统 | |
CN115653635B (zh) | 一种盾构机管片姿态的确定方法、装置、设备及存储介质 |
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 |