CN112348781A - 一种基准面高度检测方法、装置、设备及存储介质 - Google Patents

一种基准面高度检测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN112348781A
CN112348781A CN202011158639.4A CN202011158639A CN112348781A CN 112348781 A CN112348781 A CN 112348781A CN 202011158639 A CN202011158639 A CN 202011158639A CN 112348781 A CN112348781 A CN 112348781A
Authority
CN
China
Prior art keywords
height
point cloud
grid
cloud data
point
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
Application number
CN202011158639.4A
Other languages
English (en)
Inventor
傅志刚
杨海溢
贾宁
彭登
周森标
刘玉平
陶永康
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.)
Guangdong Bozhilin Robot Co Ltd
Original Assignee
Guangdong Bozhilin Robot Co Ltd
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 Guangdong Bozhilin Robot Co Ltd filed Critical Guangdong Bozhilin Robot Co Ltd
Priority to CN202011158639.4A priority Critical patent/CN112348781A/zh
Publication of CN112348781A publication Critical patent/CN112348781A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明实施例公开了一种基准面高度检测方法、装置、设备及存储介质。获取水平钢筋的点云数据，基于预先建立的点云数据与初始栅格图中的栅格点的映射关系，将点云数据投影至初始栅格图中，得到投影栅格图，根据投影栅格图生成高度最大的点云数据对应的最大高度栅格图，高度最大的点云数据为高度最大的水平钢筋，对最大高度栅格图进行区域分割，生成最大连通域检测区域，根据最大连通域检测区域中的像素点的坐标信息计算基准面高度。达到通过最大高度栅格图准确确定基准面高度的目的，且生成最大高度栅格图的过程可以简化点云数据，提高基准面高度的计算效率，在避免整平设备受到损伤的同时，提高整平工艺和磨平工艺的作业效率。

Description

一种基准面高度检测方法、装置、设备及存储介质
技术领域
本发明实施例涉及测绘技术，尤其涉及一种基准面高度检测方法、装置、设备及存储介质。
背景技术
随着人口红利的下降，建筑行业对测绘技术的自动化程度提出了越来越高的要求和需求。近几年，半自动化的自升造楼装备的出现代替了部分重复性大、劳动强度高的工作，与之相对应的是测绘技术的自动化水平需要相应提升。建筑领域中，楼层地面的形成依次需要涂浆、抹平、整平等建筑工艺的执行。其中，造楼装备在抹平和整平工艺时，需要事先获得工艺基准面的高度信息，避免整平工作中整平设备与水平钢筋接触，造成设备损伤。因此，一般情况下在水平钢筋的基准面上部会预留一定的厚度作为工艺设备的工作安全距离。
现有技术中，一般将建筑周围的地面高度直接作为建筑物的基准面高度，但建筑周围的地面高度不能准确反映建筑物的基准面高度，导致基准面高度确定不准确，进而给整平设备带来磨损隐患，且影响整平工艺和磨平工艺的作业效率。
发明内容
本发明实施例提供了一种基准面高度检测方法、装置、电子设备及存储介质，根据网状钢筋的点云数据准确检测基准面，进而避免整平设备受到损伤并提高整平工艺和磨平工艺的作业效率。
第一方面，本发明实施例提供了一种基准面高度检测方法，包括：
获取水平钢筋的点云数据；
基于预先建立的所述点云数据与初始栅格图中的栅格点的映射关系，将所述点云数据投影至所述初始栅格图中，得到投影栅格图，并根据所述投影栅格图生成所述点云数据对应的最大高度栅格图；
对所述最大高度栅格图进行区域分割，生成最大连通域检测区域；
根据所述最大连通域检测区域中的像素点的坐标信息计算基准面高度。
第二方面，本发明实施例还提供了一种基准面高度检测装置，包括：
点云数据获取模块，用于获取水平钢筋的点云数据；
投影栅格图确定模块，用于基于预先建立的所述点云数据与初始栅格图中的栅格点的映射关系，将所述点云数据投影至所述初始栅格图中，得到投影栅格图；
最大高度栅格图确定模块，用于根据所述投影栅格图生成所述点云数据对应的最大高度栅格图；
最大连通域检测区域确定模块，用于对所述最大高度栅格图进行区域分割，生成最大连通域检测区域；
基准面高度计算模块，用于根据所述最大连通域检测区域中的像素点的坐标信息计算基准面高度。
第三方面，本发明实施例还提供了一种基准面高度检测设备，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计算机程序时实现如第一方面中任一项所述的基准面高度检测方法。
第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时实现如第一方面中任一项所述的基准面高度检测方法。
本实施例提供的技术方案，获取水平钢筋的点云数据，基于预先建立的点云数据与初始栅格图中的栅格点的映射关系，将点云数据投影至初始栅格图中，得到投影栅格图，并根据投影栅格图生成高度最大的点云数据对应的最大高度栅格图，高度最大的点云数据为高度最大的水平钢筋，进一步对最大高度栅格图进行区域分割，生成最大连通域检测区域，根据最大连通域检测区域中的像素点的坐标信息计算基准面高度。解决了现有技术中基准面高度确定不准确的问题，达到通过最大高度栅格图准确确定基准面高度的目的，并且，生成最大高度栅格图的过程可以简化点云数据，可以提高基准面高度的计算效率，在避免整平设备受到损伤的同时，提高整平工艺和磨平工艺的作业效率。
附图说明
图1为本发明实施例一提供的一种基准面高度检测方法的流程示意图；
图2为本发明实施例二提供的一种基准面高度检测方法的流程示意图；
图3为本发明实施例二提供的一种过滤后的最大高度栅格图；
图4为本发明实施例三提供的一种基准面高度检测方法的流程示意图；
图5a为本发明实施例三提供的一种最大高度膨胀栅格图；
图5b为本发明实施例三提供的一种平滑区域掩膜图；
图5c为本发明实施例三提供的一种最大连通域检测区域示意图；
图6为本发明实施例三提供的基准面高度计算的整体逻辑示意图；
图7为本发明实施例四提供的一种基准面高度检测装置的结构示意图；
图8为本发明实施例五提供的一种基准面高度检测设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种基准面高度检测方法的流程示意图，本实施例可适用于获取到水平钢筋的点云数据后，对点云数据进行映射得到最大高度栅格图，进一步对最大高度栅格图进行分割，基于分割后的区域计算基准面高度的情况，该方法可以由基准面高度检测装置来执行，其中该装置可由软件和/或硬件实现，并一般集成在基准面高度检测设备或服务器中。具体参见图1所示，该方法可以包括如下步骤：
S110，获取水平钢筋的点云数据。
其中，水平钢筋的点云数据是通过激光器由上至下扫描水平钢筋得到的三维激光数据。从点云数据的功能角度讲，点云数据是一种无序的点的集合，但是无序的点云数据在存储阶段需要挨个有序的进行保存。由此，从点云数据的存储角度讲，点云数据是有序的，点云数据可以根据对应的序列号进行存储，所述序列号指的是点云数据的索引。
S120，基于预先建立的点云数据与初始栅格图中的栅格点的映射关系，将点云数据投影至初始栅格图中，得到投影栅格图，并根据投影栅格图生成点云数据对应的最大高度栅格图。
可选地，所述映射关系可以通过如下方式确定：获取任一点云数据的第一坐标数据、初始栅格图的像素尺寸以及点云数据的最小坐标；根据第一坐标数据、像素尺寸以及最小坐标，计算任一点云数据对应的栅格点的第二坐标数据；根据点云数据的第一坐标数据和栅格点的第二坐标数据确定映射关系。
具体地，假设点云数据的第一坐标数据为(xi，yi，zi)，像素尺寸为ρgrid，则栅格点的第二坐标数据根据下述公式计算：
Figure BDA0002743590490000051
(公式1)
其中，(ui，vi)为栅格点的第二坐标数据，
Figure BDA0002743590490000052
表示向下取整运算，(xmin，ymin)为最小坐标。通过上述公式运算，得到初始栅格图中栅格点的第二坐标数据(ui，vi)对应的点云数据集合Puv＝{i|ui＝u，vi＝v}，这样，就建立了点云数据与栅格点的映射关系，即确定第一坐标数据和第二坐标数据的映射关系。
为了提高基准面高度的计算效率，确定所述映射关系后，可以将点云数据集合Puv按照高度数据zi值降序排列，得到Suv＝{i|ui＝u，vi＝v，zi≥zi+1}，其中，
Figure BDA0002743590490000054
为Suv中的第k个元素，k∈N+。
本实施例中，在确定所述映射关系之前，还可以根据点云数据的分布范围和像素尺寸确定初始栅格图的高度和宽度，则初始栅格图的宽度和高度根据以下公式计算：
Figure BDA0002743590490000053
其中，W和H分别是初始栅格图的宽度和高度，点云数据在x方向的范围是(xmin-xmax)，点云数据在y方向的范围是(ymin-ymax)，ρgrid是像素尺寸。将公式(1)和公式(2)结合，对于初始栅格图范围内的任一栅格点，都可以在点云数据的分布范围内找到该栅格点唯一对应的点云数据。
进一步地，根据所述映射关系，确定投影栅格图的方法为：确定所述点云数据的投影面和所述投影面内的基点；根据投影面内的非基点与所述基点的相对位置以及所述映射关系，确定点云数据的点云坐标方向与栅格点的栅格坐标方向的转换关系；基于所述转换关系将所述点云数据投影至所述初始栅格图内，得到投影栅格图。
具体地，点云数据的投影面指的是点云数据所属的三维空间内的任意退化的二维平面，例如将若干个高度数据相差较小的点云数据对应的X-Y平面确定为点云数据的投影面，所述基点是投影面内的任意点，并确定非基点与基点之间的相对位置和所述映射关系，根据相对位置和映射关系确定点云坐标方向与栅格点的栅格坐标方向的转换关系，进一步地根据所述转换关系对点云数据进行投影，得到投影栅格图。
可以理解的是，投影栅格图中的任一栅格点对应多个高度的点云数据，然而基准面高度是根据最上层的水平钢筋的高度确定的，即根据同一栅格点对应的最大高度点云数据确定基准面高度。基于此，最大高度栅格图的确定方法为：如果所述投影栅格图内的任一所述第二坐标数据对应多个所述第一坐标数据，将所述投影栅格图内的同一栅格点对应的多个点云数据按照高度值降低的顺序排列，生成点云索引集合；根据所有所述点云索引集合中的高度值最大的点云数据的第一坐标数据生成所述最大高度栅格图。
具体地，可以根据点云数据与栅格点的映射关系，确定任一栅格点对应的多个高度的点云数据，根据点云数据的高度将点云数据进行排列，并根据高度值最大的点云数据生成最大高度栅格图，即生成高度值最大的水平钢筋的点云数据对应的栅格图，便于后续根据最大高度栅格图准确快速的计算基准面高度。
S130，对最大高度栅格图进行区域分割，生成最大连通域检测区域。
可以理解的是，水平钢筋作为地面浇筑的主要参数结构，具有分布面积大、局部突变小的特点，网状结构的水平钢筋对应的最大高度栅格图可以包括多个连通域，连通域的面积越大，包括的水平钢筋的点云数据对应的栅格点越多。具体地，可以将最大高度栅格图中连通域面积较大的区域内任意一点作为种子点，基于种子增长原理对最大高度栅格图进行连通域分割，得到多个连通域检测区域，计算每个连通域检测区域的面积，将面积最大的连通域检测区域作为最大连通域检测区域，便于后续根据最大连通域检测区域中的像素点准确计算基准面高度。
S140，根据最大连通域检测区域中的像素点的坐标信息计算基准面高度。
可选地，基准面高度的计算方法为：将所述最大连通域检测区域的像素点按照高度值降低的顺序排列，得到最大连通域检测区域集合；确定所述最大连通域检测区域集合中的像素点对应的目标点云数据，计算所述目标点云数据的高度值的中值，将所述高度值的中值作为所述基准面高度。
具体地，确定最大连通域检测区域的每个像素点的坐标数据，将每个像素点的坐标数据按照高度值降序排列，得到最大连通域检测区域集合，记为χ，则基准面高度通过如下公式计算：
Figure BDA0002743590490000071
其中，mid(*)是中值函数，Zfloor为基准面高度，
Figure BDA0002743590490000072
为Y方向第j个像素点的高度值，X方向的第i个像素点的高度值不小于第i+1个像素点的高度值。
本实施例提供的技术方案，获取水平钢筋的点云数据，基于预先建立的点云数据与初始栅格图中的栅格点的映射关系，将点云数据投影至初始栅格图中，得到投影栅格图，并根据投影栅格图生成高度最大的点云数据对应的最大高度栅格图，高度最大的点云数据为高度最大的水平钢筋，进一步对最大高度栅格图进行区域分割，生成最大连通域检测区域，根据最大连通域检测区域中的像素点的坐标信息计算基准面高度。解决了现有技术中基准面高度确定不准确的问题，达到通过最大高度栅格图准确确定基准面高度的目的，并且，生成最大高度栅格图的过程可以简化点云数据，可以提高基准面高度的计算效率，在避免整平设备受到损伤的同时，提高整平工艺和磨平工艺的作业效率。
实施例二
图2为本发明实施例二提供的一种基准面高度检测方法的流程示意图。本实施例的技术方案在上述实施例的基础上增加了新的步骤。可选地，在所述对所述最大高度栅格图进行区域分割，生成最大连通域检测区域之前，所述方法还包括：基于所述最大高度栅格图内的栅格点的密度，确定所述最大高度栅格图内的离散点，并对所述离散点进行过滤，得到过滤后的最大高度栅格图。在该方法实施例中未详尽描述的部分请参考上述实施例。具体参见图2所示，该方法可以包括如下步骤：
S210，获取水平钢筋的点云数据。
S220，基于预先建立的点云数据与初始栅格图中的栅格点的映射关系，将点云数据投影至初始栅格图中，得到投影栅格图，并根据投影栅格图生成点云数据对应的最大高度栅格图。
S230，基于最大高度栅格图内的栅格点的密度，确定最大高度栅格图内的离散点，并对离散点进行过滤，得到过滤后的最大高度栅格图。
可以理解的是，最大高度栅格图除了包括水平钢筋的像素点，还包括混凝土、管道的等物体的像素点(即噪声点)，但是建筑场景中的区域检测技术得到的水平钢筋的点云占比较大，其它物体的像素点的占比较小。为了减少数据的计算量并排除噪声点对基准面高度计算结果造成的干扰，在对最大高度栅格图进行区域分割之前，需要对最大高度上图内的离散点进行过滤。可选地，所述基于最大高度栅格图内的栅格点的密度，确定最大高度栅格图内的离散点的方法，包括：获取所述最大高度栅格图内的当前栅格点对应的点云数据集合，并确定所述当前栅格点的邻域像素集合；确定所述邻域像素集合内是否存高度值大于当前点云数据的高度值的邻域栅格点；如果不存在，将根据所述当前栅格点确定的扁平圆柱内的栅格点的个数与设定点数阈值比较；当所述扁平圆柱内的栅格点的个数小于所述设定点数阈值，将所述当前栅格点确定为所述离散点。可选地，所述点云数据集合中的每个点云数据按照高度值降低的顺序排列；所述邻域像素集合根据所述当前栅格点的第二坐标数据和邻域半径确定；所述扁平圆柱以所述当前栅格点作为几何中心、并根据设定高度和设定半径生成。
具体地，当前栅格点(uc，vc)是最大高度栅格图内的任意一点，根据栅格点与点云数据的映射关系，确定当前栅格点对应的按照高度值降序排序的点云数据集合Suv＝{i|ui＝u，vi＝v，zi≥zi+1}，其中，
Figure BDA0002743590490000091
为Suv中的第k个元素，k∈N+，以及确定当前栅格点的四邻域或者八邻域范围内的邻域像素集合
Figure BDA0002743590490000092
进一步地，确定邻域像素集合内是否存在高度值大于当前点云数据
Figure BDA0002743590490000101
的高度值
Figure BDA0002743590490000102
如果存在，则确定当前点云数据为噪声数据，如果不存在，以当前栅格点(uc，vc)为扁平圆柱的中心点，扁平圆柱的设定半径为rc，高度为δc，根据中心点(uc，vc)、设定半径rc和高度δc，生成扁平圆柱，并确定扁平圆柱内的栅格点的个数，将栅格点的个数与设定点数阈值进行比较；进一步地，如果扁平圆柱内的栅格点的个数小于所述设定点数阈值，确定当前栅格点的邻域点较少，将当前栅格点作为离散点，并将离散点进行过滤，得到图3所示的过滤后的最大高度栅格图。可选地，如果扁平圆柱内的栅格点的个数不小于设定点数阈值，确定当前栅格点的邻域点较多，则当前栅格点为水平钢筋的点云数据的栅格点。通过将最大高度栅格图的离散点进行过滤，可以减少数据的计算量并排除噪声点对基准面高度计算结果造成的干扰，提高基准面高度计算的效率和准确度。
与S230不同的，本实施例还可以采用经典的离群点过滤算法对最大高度栅格图进行过滤。具体过滤方法为：确定最大高度栅格图内的种子点并确定所述种子点的邻域集合；根据邻域集合内的邻域点高度和种子点高度，计算最大高度栅格图的所有栅格点的平均高度；将未处于平均高度的阈值范围内的邻域点删除。具体地，种子点是最大高度栅格图中任意一点，邻域集合可以是种子点的四邻域范围内的像素点集合或八邻域范围内的像素点集合，确定平均高度的阈值范围，将未处于平均高度的阈值范围内的邻域点过滤，得到过滤后的最大高度栅格图。
S240，对过滤后的最大高度栅格图进行区域分割，生成最大连通域检测区域。
与前述实施例相同的方式，该步骤可以基于种子增长原理对最大高度栅格图进行连通域分割，得到多个连通域检测区域，计算每个连通域检测区域的面积，将面积最大的连通域检测区域作为最大连通域检测区域。
S250，根据最大连通域检测区域中的像素点的坐标信息计算基准面高度。
与前述实施例相同的方式，该步骤可以将所述最大连通域检测区域的像素点按照高度值降低的顺序排列，得到最大连通域检测区域集合；确定所述最大连通域检测区域集合中的像素点对应的目标点云数据，计算所述目标点云数据的高度值的中值，将所述高度值的中值作为所述基准面高度。
本实施例提供的技术方案，在对最大高度栅格图进行区域分割之前，可以根据最大高度栅格图内的栅格点的密度，确定最大高度栅格图内的离散点，并对离散点进行过滤，得到过滤后的最大高度栅格图，或者，采用经典的离群点过滤算法对最大高度栅格图进行过滤，实现将最大高度栅格图的离散点进行过滤，减少数据的计算量并排除噪声点对基准面高度计算结果造成的干扰，提高基准面高度计算的效率和准确度。
实施例三
图4为本发明实施例三提供的一种基准面高度检测方法的流程示意图。本实施例的技术方案在上述实施例的步骤进行了细化。可选地，所述对所述最大高度栅格图进行区域分割，生成最大连通域检测区域，包括：确定卷积核直径，根据所述卷积核直径对应的圆形卷积核对所述最大高栅格图进行卷积处理，生成最大高度膨胀栅格图；基于所述最大高度膨胀栅格图中的当前膨胀栅格点的像素值、当前膨胀栅格点的邻域像素集合以及平滑阈值，生成平滑区域掩膜图；对所述平滑区域掩膜图进行连通域分割，生成所述最大连通域检测区域。在该方法实施例中未详尽描述的部分请参考上述实施例。具体参见图4所示，该方法可以包括如下步骤：
S310，获取水平钢筋的点云数据。
S320，基于预先建立的点云数据与初始栅格图中的栅格点的映射关系，将点云数据投影至初始栅格图中，得到投影栅格图，并根据投影栅格图生成点云数据对应的最大高度栅格图。
S330，确定卷积核直径，根据卷积核直径对应的圆形卷积核对最大高栅格图进行卷积处理，生成最大高度膨胀栅格图。
本实施例中，最大高度栅格图和最大高度膨胀栅格图的宽度和高度均相等，可以使用圆形卷积核对最大高度栅格图进行卷积处理，生成图5a所示的最大高度膨胀栅格图。其中，卷积核直径的计算公式为：
Figure BDA0002743590490000121
(公式4)
其中，drebar是水平钢筋的空洞最大值，可以根据网状结构的水平钢筋的实际空洞设定，γ是比例因子，数值大于1，一般为1.3，ρgrid是像素尺寸。上述方式可以使用邻域最高点高度填充网状结构的水平钢筋之间的矩形空洞，有利于提高最大区域检测区域确定的准确度。
S340，基于最大高度膨胀栅格图中的当前膨胀栅格点的像素值、当前膨胀栅格点的邻域像素集合以及平滑阈值，生成平滑区域掩膜图。
为了进一步提高最大连通域检测区域确定的准确度，在图5a所示的最大高度膨胀栅格图的非零区域内，对局部突变较大的区域制作图5b所示的平滑区域掩膜图。具体地，平滑区域掩膜图可以通过如下公式生成：
Figure BDA0002743590490000131
Figure BDA0002743590490000132
Figure BDA0002743590490000133
Figure BDA0002743590490000139
Figure BDA0002743590490000134
其中，(uc，vc)、(ua，va)、(uca，vca)是平滑区域掩膜图中的像素点坐标，
Figure BDA0002743590490000135
是求解平滑区域掩膜图中像素点坐标为(uc，vc)的像素值，g(x)是像素值的取值范围，
Figure BDA0002743590490000136
是最大高度膨胀栅格图中像素点坐标为(uc，vc)的像素值，
Figure BDA0002743590490000137
是最大高度膨胀栅格图中像素点坐标为(uca，vca)的像素值，zflatThresh是平滑阈值，
Figure BDA00027435904900001310
是平滑区域掩膜图中的像素点坐标(uc，vc)的邻域半径为δ的邻域像素集合，
Figure BDA0002743590490000138
是最大高度膨胀栅格图中像素点坐标为(u，v)的像素值，δ是激光精度，k和rf均是输入数据，k是斜坡坡度，单位为度，控制着高度突变程度的过滤范围，rf是控制高度突变的视野尺度大小。通过生成平滑区域掩膜图，可以提高最大连通域检测区域确定的准确度，进一步利于准确计算基准面高度。
S350，对平滑区域掩膜图进行连通域分割，生成最大连通域检测区域。
需要说明的是，平滑区域掩膜图中可能存在多个连通域，但每个连通域不移动都对应水平钢筋的分布(比如障碍物的平滑上表面)，但网状结构的水平钢筋面作为地面整平、抹平等工艺的工艺基准的条件，决定了网状结构的水平钢筋对应的连通域面积最大。基于此，本实施例采用如下方式确定最大连通域检测区域：确定所述平滑区域掩膜图的平滑栅格点集合和种子点集合；以所述种子点集合中的任一种子点为起点，采用种子增长算法筛选所述平滑栅格点集合中的平滑栅格点，根据筛选后的平滑栅格点生成所述最大连通域检测区域。
可选地，所述以所述种子点集合中的任一种子点为起点，采用种子增长算法筛选所述平滑栅格点集合中的平滑栅格点，包括：确定所述种子点集合内的种子点的邻域点集合，以及确定所述邻域点集合内的所有邻域点的高度；如果所述邻域点的高度与所述种子点的高度的差值小于设定高度阈值，将差值小于所述设定高度阈值的邻域点添加至所述种子点集合内，重复执行确定所述邻域点的高度与所述种子点的高度的差值小于设定高度阈值的步骤，直至所述邻域点集合为空集，完成筛选所述平滑栅格点集合中的平滑栅格点的操作。
具体地，种子点的邻域点集合可以是种子点的四邻域范围或者八邻域范围内的栅格点集合，计算邻域点集合内的所有邻域点的高度，如果邻域点集合内的所有邻域点的高度与种子点的高度的差值小于设定高度阈值，说明邻域点与种子点的高度相近，将该邻域点添加至种子点集合内，基于新添加的种子点确定新的邻域点集合，重复确定新的邻域点集合内的邻域点的高度与种子点的高度的差值，如果重新确定的差值小于设定高度阈值，将新的邻域点添加至种子点集合内，直至邻域点集合为空集，结束筛选平滑栅格点集合中的平滑栅格点的操作，得到图5c所示的最大连通域检测区域。通过确定最大连通域检测区域，可以达到准确计算基准面高度的目的。
S360，根据最大连通域检测区域中的像素点的坐标信息计算基准面高度。
如图6所示为基准面高度的整体流程图，结合图6对基准面高度计算的整个流程进行解释。首先，获取水平钢筋的点云数据，对点云数据进行投影，得到最大高度栅格图；进一步，对最大高度栅格图内的离散点进行过滤，得到过滤后的最大高度栅格图；进一步地，对于过滤后的最大高度栅格图，采用圆形卷积核进行卷积处理，得到最大高度膨胀栅格图，并对最大高度膨胀栅格图进行坡度过滤，得到平滑区域掩膜图，并对平滑区域掩膜图进行连通域分割，生成最大连通域检测区域；进一步地，基于最大连通域检测区域的像素点的高度值计算基准面高度。
本实施例中，得到基准面高度之后，还可以获取基准面高度竖直向下设定倍数的点云数据，根据所述基准面高度竖直向下设定倍数的点云数据和所述基准面高度对应的点云数据，生成水平钢筋的点云分布图。具体地，基准面高度竖直向下设定倍数的点云数据可以是水平钢筋的三维点云数据，所述设定倍数可以是三倍的激光精度，根据基准面高度竖直向下设定倍数的点云数据和所述基准面高度对应的点云数据，得到水平钢筋的三维的点云分布图，有利于施工机器人根据三维的点云分布图进行图像检测，对水平钢筋进行后续分析，拓展了水平钢筋的点云数据的应用范围。
本实施例提供的技术方案，通过确定卷积核直径，根据所述卷积核直径对应的圆形卷积核对所述最大高栅格图进行卷积处理，生成最大高度膨胀栅格图，基于所述最大高度膨胀栅格图中的当前膨胀栅格点的像素值、当前膨胀栅格点的邻域像素集合以及平滑阈值，生成平滑区域掩膜图，对所述平滑区域掩膜图进行连通域分割，生成所述最大连通域检测区域，可以提高最大连通域检测区域确定的准确度，进一步提高基准面高度计算的准确度。
实施例四
图7为本发明实施例四提供的一种基准面高度检测装置的结构示意图。参见图7所示，该装置包括：点云数据获取模块410、投影栅格图确定模块420、最大高度栅格图确定模块430、最大连通域检测区域确定模块440以及基准面高度计算模块450。
其中，点云数据获取模块410，用于获取水平钢筋的点云数据；
投影栅格图确定模块420，用于基于预先建立的所述点云数据与初始栅格图中的栅格点的映射关系，将所述点云数据投影至所述初始栅格图中，得到投影栅格图；
最大高度栅格图确定模块430，用于根据所述投影栅格图生成所述点云数据对应的最大高度栅格图；
最大连通域检测区域确定模块440，用于对所述最大高度栅格图进行区域分割，生成最大连通域检测区域；
基准面高度计算模块450，用于根据所述最大连通域检测区域中的像素点的坐标信息计算基准面高度。
在上述各技术方案的基础上，该装置还包括：映射关系确定模块；其中，映射关系确定模块，用于获取任一点云数据的第一坐标数据、所述初始栅格图的像素尺寸以及点云数据的最小坐标；
根据所述第一坐标数据、所述像素尺寸以及所述最小坐标，计算所述任一点云数据对应的栅格点的第二坐标数据；
根据所述点云数据的第一坐标数据和所述栅格点的第二坐标数据确定所述映射关系。
在上述各技术方案的基础上，投影栅格图确定模块420还用于，确定所述点云数据的投影面和所述投影面内的基点；
根据投影面内的非基点与所述基点的相对位置以及所述映射关系，确定点云数据的点云坐标方向与栅格点的栅格坐标方向的转换关系；
基于所述转换关系将所述点云数据投影至所述初始栅格图内，得到投影栅格图。
在上述各技术方案的基础上，最大高度栅格图确定模块430还用于，如果所述投影栅格图内的任一所述第二坐标数据对应多个所述第一坐标数据，将所述投影栅格图内的同一栅格点对应的多个点云数据按照高度值降低的顺序排列，生成点云索引集合；
根据所有所述点云索引集合中的高度值最大的点云数据的第一坐标数据生成所述最大高度栅格图。
在上述各技术方案的基础上，该装置还包括：过滤模块；其中，过滤模块，用于基于所述最大高度栅格图内的栅格点的密度，确定所述最大高度栅格图内的离散点，并对所述离散点进行过滤，得到过滤后的最大高度栅格图。
在上述各技术方案的基础上，过滤模块还用于，获取所述最大高度栅格图内的当前栅格点对应的点云数据集合，并确定所述当前栅格点的邻域像素集合；
确定所述邻域像素集合内是否存高度值大于当前点云数据的高度值的邻域栅格点；
如果不存在，将根据所述当前栅格点确定的扁平圆柱内的栅格点的个数与设定点数阈值比较；
当所述扁平圆柱内的栅格点的个数小于所述设定点数阈值，将所述当前栅格点确定为所述离散点。
在上述各技术方案的基础上，所述点云数据集合中的每个点云数据按照高度值降低的顺序排列；所述邻域像素集合根据所述当前栅格点的第二坐标数据和邻域半径确定；所述扁平圆柱以所述当前栅格点作为几何中心、并根据设定高度和设定半径生成。
在上述各技术方案的基础上，最大连通域检测区域确定模块440还用于，确定卷积核直径，根据所述卷积核直径对应的圆形卷积核对所述最大高栅格图进行卷积处理，生成最大高度膨胀栅格图；
基于所述最大高度膨胀栅格图中的当前膨胀栅格点的像素值、当前膨胀栅格点的邻域像素集合以及平滑阈值，生成平滑区域掩膜图；
对所述平滑区域掩膜图进行连通域分割，生成所述最大连通域检测区域。
在上述各技术方案的基础上，最大连通域检测区域确定模块440还用于，确定所述平滑区域掩膜图的平滑栅格点集合和种子点集合；
以所述种子点集合中的任一种子点为起点，采用种子增长算法筛选所述平滑栅格点集合中的平滑栅格点，根据筛选后的平滑栅格点生成所述最大连通域检测区域。
在上述各技术方案的基础上，最大连通域检测区域确定模块440还用于，确定所述种子点集合内的种子点的邻域点集合，以及确定所述邻域点集合内的所有邻域点的高度；
如果所述邻域点的高度与所述种子点的高度的差值小于设定高度阈值，将差值小于所述设定高度阈值的邻域点添加至所述种子点集合内，重复执行确定所述邻域点的高度与所述种子点的高度的差值小于设定高度阈值的步骤，直至所述邻域点集合为空集，完成筛选所述平滑栅格点集合中的平滑栅格点的操作。
在上述各技术方案的基础上，基准面高度计算模块450还用于，将所述最大连通域检测区域的像素点按照高度值降低的顺序排列，得到最大连通域检测区域集合；
确定所述最大连通域检测区域集合中的像素点对应的目标点云数据，计算所述目标点云数据的高度值的中值，将所述高度值的中值作为所述基准面高度。
在上述各技术方案的基础上，该装置还包括：点云分布图生成模块；其中，点云分布图生成模块，用于获取所述基准面高度竖直向下设定倍数的点云数据；
根据所述基准面高度竖直向下设定倍数的点云数据和所述基准面高度对应的点云数据，生成水平钢筋的点云分布图。
本实施例提供的技术方案，获取水平钢筋的点云数据，基于预先建立的点云数据与初始栅格图中的栅格点的映射关系，将点云数据投影至初始栅格图中，得到投影栅格图，并根据投影栅格图生成高度最大的点云数据对应的最大高度栅格图，高度最大的点云数据为高度最大的水平钢筋，进一步对最大高度栅格图进行区域分割，生成最大连通域检测区域，根据最大连通域检测区域中的像素点的坐标信息计算基准面高度。解决了现有技术中基准面高度确定不准确的问题，达到通过最大高度栅格图准确确定基准面高度的目的，并且，生成最大高度栅格图的过程可以简化点云数据，可以提高基准面高度的计算效率，在避免整平设备受到损伤的同时，提高整平工艺和磨平工艺的作业效率。
实施例五
图8为本发明实施例五提供的一种基准面高度检测设备的结构示意图。图8示出了适于用来实现本发明实施方式的示例性基准面高度检测设备12的框图。图8显示的基准面高度检测设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图8所示，基准面高度检测设备12以通用计算设备的形式表现。基准面高度检测设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
基准面高度检测设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被基准面高度检测设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存32。基准面高度检测设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图8未显示，通常称为“硬盘驱动器”)。尽管图8中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如基准面高度检测装置的点云数据获取模块410、投影栅格图确定模块420、最大高度栅格图确定模块430、最大连通域检测区域确定模块440以及基准面高度计算模块450)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(例如基准面高度检测装置的点云数据获取模块410、投影栅格图确定模块420、最大高度栅格图确定模块430、最大连通域检测区域确定模块440以及基准面高度计算模块450)程序模块46的程序/实用工具44，可以存储在例如存储器28中，这样的程序模块46包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块46通常执行本发明所描述的实施例中的功能和/或方法。
基准面高度检测设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该基准面高度检测设备12交互的设备通信，和/或与使得该基准面高度检测设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，基准面高度检测设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与基准面高度检测设备12的其它模块通信。应当明白，尽管图中未示出，可以结合基准面高度检测设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的一种基准面高度检测方法，该方法包括：
获取水平钢筋的点云数据；
基于预先建立的所述点云数据与初始栅格图中的栅格点的映射关系，将所述点云数据投影至所述初始栅格图中，得到投影栅格图，并根据所述投影栅格图生成所述点云数据对应的最大高度栅格图；
对所述最大高度栅格图进行区域分割，生成最大连通域检测区域；
根据所述最大连通域检测区域中的像素点的坐标信息计算基准面高度。处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的一种图像重建方法。
当然，本领域技术人员可以理解，处理器还可以实现本发明任意实施例所提供的一种基准面高度检测的技术方案。
实施例六
本发明实施例六还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所提供的一种基准面高度检测方法，该方法包括：
获取水平钢筋的点云数据；
基于预先建立的所述点云数据与初始栅格图中的栅格点的映射关系，将所述点云数据投影至所述初始栅格图中，得到投影栅格图，并根据所述投影栅格图生成所述点云数据对应的最大高度栅格图；
对所述最大高度栅格图进行区域分割，生成最大连通域检测区域；
根据所述最大连通域检测区域中的像素点的坐标信息计算基准面高度。
当然，本发明实施例所提供的一种计算机可读存储介质，其上存储的计算机程序不限于如上的方法操作，还可以执行本发明任意实施例所提供的一种基准面高度检测方法中的相关操作。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、系统或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、系统或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在点云数据、最大高度栅格图、最大连通域检测区域、基准面高度等，其中承载了计算机可读的程序代码。这种传播的点云数据、最大高度栅格图、最大连通域检测区域、基准面高度等形式。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、系统或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
值得注意的是，上述基准面高度检测装置的实施例中，所包括的各个模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (15)

1.一种基准面高度检测方法，其特征在于，包括：
获取水平钢筋的点云数据；
基于预先建立的所述点云数据与初始栅格图中的栅格点的映射关系，将所述点云数据投影至所述初始栅格图中，得到投影栅格图，并根据所述投影栅格图生成所述点云数据对应的最大高度栅格图；
对所述最大高度栅格图进行区域分割，生成最大连通域检测区域；
根据所述最大连通域检测区域中的像素点的坐标信息计算基准面高度。
2.根据权利要求1所述的方法，其特征在于，在所述基于预先建立的所述点云数据与初始栅格图中的栅格点的映射关系，将所述点云数据投影至所述初始栅格图中，得到投影栅格图之前，所述方法还包括：
获取任一点云数据的第一坐标数据、所述初始栅格图的像素尺寸以及点云数据的最小坐标；
根据所述第一坐标数据、所述像素尺寸以及所述最小坐标，计算所述任一点云数据对应的栅格点的第二坐标数据；
根据所述点云数据的第一坐标数据和所述栅格点的第二坐标数据确定所述映射关系。
3.根据权利要求2所述的方法，其特征在于，所述基于预先建立的所述点云数据与初始栅格图中的栅格点的映射关系，将所述点云数据投影至所述初始栅格图中，得到投影栅格图，包括：
确定所述点云数据的投影面和所述投影面内的基点；
根据投影面内的非基点与所述基点的相对位置以及所述映射关系，确定点云数据的点云坐标方向与栅格点的栅格坐标方向的转换关系；
基于所述转换关系将所述点云数据投影至所述初始栅格图内，得到投影栅格图。
4.根据权利要求2所述的方法，其特征在于，所述根据所述投影栅格图生成所述点云数据对应的最大高度栅格图，包括：
如果所述投影栅格图内的任一所述第二坐标数据对应多个所述第一坐标数据，将所述投影栅格图内的同一栅格点对应的多个点云数据按照高度值降低的顺序排列，生成点云索引集合；
根据所有所述点云索引集合中的高度值最大的点云数据的第一坐标数据生成所述最大高度栅格图。
5.根据权利要求1所述的方法，其特征在于，在所述对所述最大高度栅格图进行区域分割，生成最大连通域检测区域之前，所述方法还包括：
基于所述最大高度栅格图内的栅格点的密度，确定所述最大高度栅格图内的离散点，并对所述离散点进行过滤，得到过滤后的最大高度栅格图。
6.根据权利要求5所述的方法，其特征在于，所述基于所述最大高度栅格图内的栅格点的密度，确定所述最大高度栅格图内的离散点，包括：
获取所述最大高度栅格图内的当前栅格点对应的点云数据集合，并确定所述当前栅格点的邻域像素集合；
确定所述邻域像素集合内是否存高度值大于当前点云数据的高度值的邻域栅格点；
如果不存在，将根据所述当前栅格点确定的扁平圆柱内的栅格点的个数与设定点数阈值比较；
当所述扁平圆柱内的栅格点的个数小于所述设定点数阈值，将所述当前栅格点确定为所述离散点。
7.根据权利要求6所述的方法，其特征在于，所述点云数据集合中的每个点云数据按照高度值降低的顺序排列；所述邻域像素集合根据所述当前栅格点的第二坐标数据和邻域半径确定；所述扁平圆柱以所述当前栅格点作为几何中心、并根据设定高度和设定半径生成。
8.根据权利要求1所述的方法，其特征在于，所述对所述最大高度栅格图进行区域分割，生成最大连通域检测区域，包括：
确定卷积核直径，根据所述卷积核直径对应的圆形卷积核对所述最大高栅格图进行卷积处理，生成最大高度膨胀栅格图；
基于所述最大高度膨胀栅格图中的当前膨胀栅格点的像素值、当前膨胀栅格点的邻域像素集合以及平滑阈值，生成平滑区域掩膜图；
对所述平滑区域掩膜图进行连通域分割，生成所述最大连通域检测区域。
9.根据权利要求8所述的方法，其特征在于，所述对所述平滑区域掩膜图进行连通域分割，生成所述最大连通域检测区域，包括：
确定所述平滑区域掩膜图的平滑栅格点集合和种子点集合；
以所述种子点集合中的任一种子点为起点，采用种子增长算法筛选所述平滑栅格点集合中的平滑栅格点，根据筛选后的平滑栅格点生成所述最大连通域检测区域。
10.根据权利要求9所述的方法，其特征在于，所述以所述种子点集合中的任一种子点为起点，采用种子增长算法筛选所述平滑栅格点集合中的平滑栅格点，包括：
确定所述种子点集合内的种子点的邻域点集合，以及确定所述邻域点集合内的所有邻域点的高度；
如果所述邻域点的高度与所述种子点的高度的差值小于设定高度阈值，将差值小于所述设定高度阈值的邻域点添加至所述种子点集合内，重复执行确定所述邻域点的高度与所述种子点的高度的差值小于设定高度阈值的步骤，直至所述邻域点集合为空集，完成筛选所述平滑栅格点集合中的平滑栅格点的操作。
11.根据权利要求1所述的方法，其特征在于，所述根据所述最大连通域检测区域中的像素点的坐标信息计算基准面高度，包括：
将所述最大连通域检测区域的像素点按照高度值降低的顺序排列，得到最大连通域检测区域集合；
确定所述最大连通域检测区域集合中的像素点对应的目标点云数据，计算所述目标点云数据的高度值的中值，将所述高度值的中值作为所述基准面高度。
12.根据权利要求1所述的方法，其特征在于，还包括：
获取所述基准面高度竖直向下设定倍数的点云数据；
根据所述基准面高度竖直向下设定倍数的点云数据和所述基准面高度对应的点云数据，生成水平钢筋的点云分布图。
13.一种基准面高度检测装置，其特征在于，包括：
点云数据获取模块，用于获取水平钢筋的点云数据；
投影栅格图确定模块，用于基于预先建立的所述点云数据与初始栅格图中的栅格点的映射关系，将所述点云数据投影至所述初始栅格图中，得到投影栅格图；
最大高度栅格图确定模块，用于根据所述投影栅格图生成所述点云数据对应的最大高度栅格图；
最大连通域检测区域确定模块，用于对所述最大高度栅格图进行区域分割，生成最大连通域检测区域；
基准面高度计算模块，用于根据所述最大连通域检测区域中的像素点的坐标信息计算基准面高度。
14.一种基准面高度检测设备，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，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-12中任一项所述的基准面高度检测方法。
15.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时实现如权利要求1-12中任一项所述的基准面高度检测方法。
CN202011158639.4A 2020-10-26 2020-10-26 一种基准面高度检测方法、装置、设备及存储介质 Pending CN112348781A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011158639.4A CN112348781A (zh) 2020-10-26 2020-10-26 一种基准面高度检测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011158639.4A CN112348781A (zh) 2020-10-26 2020-10-26 一种基准面高度检测方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN112348781A true CN112348781A (zh) 2021-02-09

Family

ID=74359002

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011158639.4A Pending CN112348781A (zh) 2020-10-26 2020-10-26 一种基准面高度检测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112348781A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113066004A (zh) * 2021-03-19 2021-07-02 广东博智林机器人有限公司 点云数据的处理方法和装置
CN117352083A (zh) * 2023-09-28 2024-01-05 中国科学院沈阳应用生态研究所 一种基于物联网技术的土壤精准施肥方法

Citations (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101694671A (zh) * 2009-10-27 2010-04-14 中国地质大学（武汉） 一种基于地学栅格图像的空间加权主成分分析的方法
CN102881015A (zh) * 2012-09-11 2013-01-16 山东理工大学 产品模型散乱点云边界特征提取方法
CN103196433A (zh) * 2012-01-10 2013-07-10 株式会社博思科 数据解析装置、数据解析方法以及程序
CN104091321A (zh) * 2014-04-14 2014-10-08 北京师范大学 适用于地面激光雷达点云分类的多层次点集特征的提取方法
CN104484882A (zh) * 2014-12-24 2015-04-01 哈尔滨工业大学 一种基于机载LiDAR数据的城市区域电力线检测方法
US20170041407A1 (en) * 2015-04-20 2017-02-09 Agverdict, Inc. Systems and Methods for Efficiently Generating a Geospatial Data Map for Use in Agricultural Operations
CN106815850A (zh) * 2017-01-22 2017-06-09 武汉地普三维科技有限公司 基于激光雷达技术获取甚高郁闭度森林蓄积量的方法
CN107239794A (zh) * 2017-05-18 2017-10-10 深圳市速腾聚创科技有限公司 点云数据分割方法和终端
DE102016224530B3 (de) * 2016-12-08 2018-01-18 Man Truck & Bus Ag Verfahren zur Bodenoberflächenschätzung
DE102016215144A1 (de) * 2016-08-15 2018-02-15 Ifm Electronic Gmbh Verfahren zur Vollständigkeitsprüfung
CN109214982A (zh) * 2018-09-11 2019-01-15 大连理工大学 一种基于双圆柱投影模型的三维点云成像方法
CN109993780A (zh) * 2019-03-07 2019-07-09 深兰科技（上海）有限公司 一种三维高精度地图生成方法及装置
CN110019609A (zh) * 2017-11-20 2019-07-16 北京京东尚科信息技术有限公司 地图更新方法、装置以及计算机可读存储介质
CN110084116A (zh) * 2019-03-22 2019-08-02 深圳市速腾聚创科技有限公司 路面检测方法、装置、计算机设备和存储介质
US20190291723A1 (en) * 2018-03-26 2019-09-26 International Business Machines Corporation Three-dimensional object localization for obstacle avoidance using one-shot convolutional neural network
CN110807806A (zh) * 2020-01-08 2020-02-18 中智行科技有限公司 一种障碍物检测方法、装置及存储介质和终端设备
US20200158874A1 (en) * 2018-11-19 2020-05-21 Dalong Li Traffic recognition and adaptive ground removal based on lidar point cloud statistics
CN111260780A (zh) * 2020-01-13 2020-06-09 陕西心像信息科技有限公司 基于高度图高程的实时地形修改方法
CN111273305A (zh) * 2020-02-18 2020-06-12 中国科学院合肥物质科学研究院 基于全局与局部栅格图多传感器融合道路提取与索引方法
CN111353969A (zh) * 2018-12-20 2020-06-30 长沙智能驾驶研究院有限公司 道路可行驶区域的确定方法、装置及计算机设备
CN111429574A (zh) * 2020-03-06 2020-07-17 上海交通大学 基于三维点云和视觉融合的移动机器人定位方法和系统
WO2020158611A1 (ja) * 2019-02-01 2020-08-06 株式会社小松製作所 画像処理システム、画像処理方法、学習済みモデルの生成方法、および学習用データセット
CN111602171A (zh) * 2019-07-26 2020-08-28 深圳市大疆创新科技有限公司 一种点云特征点提取方法、点云传感系统及可移动平台
US20210026377A1 (en) * 2019-07-26 2021-01-28 Moutong Science And Technology Co.,Ltd Method and Device for Generating an Unmanned Aerial Vehicle Flight Trajectory, Computer Apparatus and Storage Medium
CN114509045A (zh) * 2022-04-18 2022-05-17 北京中科慧眼科技有限公司 车轮区域高程检测方法和系统
CN116081478A (zh) * 2021-11-08 2023-05-09 中国联合网络通信集团有限公司 集装箱起吊控制方法、装置、设备及可读存储介质

Patent Citations (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101694671A (zh) * 2009-10-27 2010-04-14 中国地质大学（武汉） 一种基于地学栅格图像的空间加权主成分分析的方法
CN103196433A (zh) * 2012-01-10 2013-07-10 株式会社博思科 数据解析装置、数据解析方法以及程序
CN102881015A (zh) * 2012-09-11 2013-01-16 山东理工大学 产品模型散乱点云边界特征提取方法
CN104091321A (zh) * 2014-04-14 2014-10-08 北京师范大学 适用于地面激光雷达点云分类的多层次点集特征的提取方法
CN104484882A (zh) * 2014-12-24 2015-04-01 哈尔滨工业大学 一种基于机载LiDAR数据的城市区域电力线检测方法
US20170041407A1 (en) * 2015-04-20 2017-02-09 Agverdict, Inc. Systems and Methods for Efficiently Generating a Geospatial Data Map for Use in Agricultural Operations
DE102016215144A1 (de) * 2016-08-15 2018-02-15 Ifm Electronic Gmbh Verfahren zur Vollständigkeitsprüfung
DE102016224530B3 (de) * 2016-12-08 2018-01-18 Man Truck & Bus Ag Verfahren zur Bodenoberflächenschätzung
CN106815850A (zh) * 2017-01-22 2017-06-09 武汉地普三维科技有限公司 基于激光雷达技术获取甚高郁闭度森林蓄积量的方法
CN107239794A (zh) * 2017-05-18 2017-10-10 深圳市速腾聚创科技有限公司 点云数据分割方法和终端
CN110019609A (zh) * 2017-11-20 2019-07-16 北京京东尚科信息技术有限公司 地图更新方法、装置以及计算机可读存储介质
US20190291723A1 (en) * 2018-03-26 2019-09-26 International Business Machines Corporation Three-dimensional object localization for obstacle avoidance using one-shot convolutional neural network
CN109214982A (zh) * 2018-09-11 2019-01-15 大连理工大学 一种基于双圆柱投影模型的三维点云成像方法
US20200158874A1 (en) * 2018-11-19 2020-05-21 Dalong Li Traffic recognition and adaptive ground removal based on lidar point cloud statistics
CN111353969A (zh) * 2018-12-20 2020-06-30 长沙智能驾驶研究院有限公司 道路可行驶区域的确定方法、装置及计算机设备
WO2020158611A1 (ja) * 2019-02-01 2020-08-06 株式会社小松製作所 画像処理システム、画像処理方法、学習済みモデルの生成方法、および学習用データセット
CN109993780A (zh) * 2019-03-07 2019-07-09 深兰科技（上海）有限公司 一种三维高精度地图生成方法及装置
CN110084116A (zh) * 2019-03-22 2019-08-02 深圳市速腾聚创科技有限公司 路面检测方法、装置、计算机设备和存储介质
US20210026377A1 (en) * 2019-07-26 2021-01-28 Moutong Science And Technology Co.,Ltd Method and Device for Generating an Unmanned Aerial Vehicle Flight Trajectory, Computer Apparatus and Storage Medium
CN111602171A (zh) * 2019-07-26 2020-08-28 深圳市大疆创新科技有限公司 一种点云特征点提取方法、点云传感系统及可移动平台
CN110807806A (zh) * 2020-01-08 2020-02-18 中智行科技有限公司 一种障碍物检测方法、装置及存储介质和终端设备
CN111260780A (zh) * 2020-01-13 2020-06-09 陕西心像信息科技有限公司 基于高度图高程的实时地形修改方法
CN111273305A (zh) * 2020-02-18 2020-06-12 中国科学院合肥物质科学研究院 基于全局与局部栅格图多传感器融合道路提取与索引方法
CN111429574A (zh) * 2020-03-06 2020-07-17 上海交通大学 基于三维点云和视觉融合的移动机器人定位方法和系统
CN116081478A (zh) * 2021-11-08 2023-05-09 中国联合网络通信集团有限公司 集装箱起吊控制方法、装置、设备及可读存储介质
CN114509045A (zh) * 2022-04-18 2022-05-17 北京中科慧眼科技有限公司 车轮区域高程检测方法和系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113066004A (zh) * 2021-03-19 2021-07-02 广东博智林机器人有限公司 点云数据的处理方法和装置
CN117352083A (zh) * 2023-09-28 2024-01-05 中国科学院沈阳应用生态研究所 一种基于物联网技术的土壤精准施肥方法
CN117352083B (zh) * 2023-09-28 2024-05-14 中国科学院沈阳应用生态研究所 一种基于物联网技术的土壤精准施肥方法

Similar Documents

Publication Publication Date Title
CN112017134B (zh) 一种路径规划方法、装置、设备及存储介质
US9189862B2 (en) Outline approximation for point cloud of building
US8793107B2 (en) Accuracy-based significant point derivation from dense 3D point clouds for terrain modeling
CN110276820B (zh) 基于lod组织与调度方法的gis模型优化方法及系统
US9959670B2 (en) Method for rendering terrain
Truong-Hong et al. Octree-based, automatic building facade generation from LiDAR data
CN112348781A (zh) 一种基准面高度检测方法、装置、设备及存储介质
US20220198748A1 (en) Method for visualizing large-scale point cloud based on normal
CN112348836A (zh) 一种自动提取建筑物轮廓的方法及装置
CN112258474A (zh) 一种墙面异常检测方法和装置
CN113327315A (zh) 多层次细节模型生成方法和装置
CN114119837A (zh) 一种Revit模型轻量化渲染过程中的几何处理压缩方法和装置
CN111829531A (zh) 二维地图构建方法、装置、机器人定位系统和存储介质
Kaufmann et al. ScaleBIM: Introducing a scalable modular framework to transfer point clouds into semantically rich building information models
CN112308969B (zh) 三维地图生成方法及装置
CN114299242A (zh) 高精地图中图像处理方法、装置、设备以及存储介质
CN114494323A (zh) 一种障碍物检测方法、装置、设备及存储介质
Elkhrachy Feature extraction of laser scan data based on geometric properties
CN115131225A (zh) 隧道限界确定方法、装置电子设备及存储介质
CN112017199B (zh) 一种楼层边界检测方法、装置、设备及存储介质
CN115713600A (zh) 自动驾驶场景的数字高程模型的生成方法和装置
CN112802175B (zh) 大规模场景遮挡剔除方法、装置、设备及存储介质
CN110610544A (zh) 钻孔数据抽稀方法和装置、设备及储存介质
JP2006293809A (ja) 図形データ処理装置
CN112862961B (zh) 层位坏点过滤方法、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