CN112581607B - 一种管道三维模型的构建方法、系统和介质 - Google Patents
一种管道三维模型的构建方法、系统和介质 Download PDFInfo
- Publication number
- CN112581607B CN112581607B CN202011579194.7A CN202011579194A CN112581607B CN 112581607 B CN112581607 B CN 112581607B CN 202011579194 A CN202011579194 A CN 202011579194A CN 112581607 B CN112581607 B CN 112581607B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- pipeline
- sequence
- 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.)
- Active
Links
- 238000010276 construction Methods 0.000 title claims description 5
- 238000000034 method Methods 0.000 claims abstract description 77
- 238000012937 correction Methods 0.000 claims abstract description 49
- 238000012545 processing Methods 0.000 claims description 98
- 238000005070 sampling Methods 0.000 claims description 52
- 230000009467 reduction Effects 0.000 claims description 20
- 238000012163 sequencing technique Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 7
- 230000007547 defect Effects 0.000 abstract description 10
- 238000012800 visualization Methods 0.000 abstract description 10
- 238000005259 measurement Methods 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 9
- 230000009286 beneficial effect Effects 0.000 description 9
- 230000009193 crawling Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种管道三维模型的构建方法、系统和介质，包括获取目标管道内壁的初始点云数据序列，对所述初始点云数据序列进行去噪和管道中心校正处理，获得目标点云数据序列；采用预设的网格化重建方法，根据所述目标点云数据序列进行三维网络构建，获得目标管道三维模型。本发明能能对直接采集出来的管道内壁的初始点云数据序列进行多种校正，克服原始数据中的缺陷，并依据校正后的目标点云数据序列重建出准确的管道三维模型，实现管道三维可视化，准确率较高，建模效率更高，成本更低。
Description
技术领域
本发明涉及下水道检测及数据处理技术领域，尤其涉及一种管道三维模型的构建方法、系统和介质。
背景技术
针对少水的下水道的数据采集和建模，激光雷达技术有很好的应用效果，其属于非接触式自动化测量技术。
目前，主流的技术方案主要是以下两种，一种是通过CCTV爬行器(是指一种将闭路电视应用在排水行业的管道检测上的爬行器)搭载激光雷达探头采集管道截面的点云序列帧数据。在现有技术中，通常是直接对接收到的点云序列帧数据进行管道三维模型的构建。然而，由于管道场景复杂，CCTV爬行器在管道行进时，遇到障碍物时会停滞不前以及自身抖动等特点，其采集的管道截面的点云序列帧数据存在以下缺陷：相邻帧数据之间电缆盘值较大，导致重构出来的管道三维模型数据失真严重；管心上下偏移等。这些缺陷对三维管道的可视化效果及后期的测量与分析后都有很大的影响。
另一种是通过三维激光扫描仪扫描探测管道内部的三维数据，包括管道截面方向上的二维数据和沿管道轴向的一维数据，根据三维数据进行管道三维模型的构建。然后这种方法存在以下缺陷：采集数据需要较长时间，建模速度慢，成本高。这些缺陷也不利于下水管道的三维可视化和相关的测量与分析。
因此，需要一种新型的管道三维模型的构建方法，既能克服直接根据管道截面的点云序列帧数据来三维建模所导致的模型失真等问题，又能克服利用三维激光扫描仪所采集的三维数据来建模所导致的建模效率低和成本高等问题。
发明内容
本发明所要解决的技术问题是针对上述现有技术的不足，提供一种管道三维模型的建模方法、系统和介质，能对直接采集出来的管道的初始点云数据序列进行多种校正，克服原始数据中的缺陷，并依据校正后的目标点云数据序列重建出准确的管道三维模型，进而构建准确的数字化城市下水道，实现管道三维可视化，准确率较高，数据采集方法更简单，建模效率更高，成本更低，有助于后期的管道测量与分析。
本发明解决上述技术问题的技术方案如下：
一种管道三维模型的构建方法，包括以下步骤：
步骤1：获取目标管道内壁的初始点云数据序列，对所述初始点云数据序列进行去噪和管道中心校正处理，获得目标点云数据序列；
步骤2：采用预设的网格化重建方法，根据所述目标点云数据序列进行三维网络构建，获得目标管道三维模型。
依据本发明的另一方面，还提供了一种管道三维模型的构建系统，应用于本发明的管道三维模型的构建方法中，包括数据获取模块、数据处理模块、插值采样模块和三维建模模块；
所述数据获取模块，用于获取目标管道内壁的初始点云数据序列；
所述数据处理模块，用于对所述初始点云数据序列进行去噪和管道中心校正处理，获得目标点云数据序列；
所述三维建模模块，用于采用预设的网格化重建方法，根据所述目标点云数据序列进行三维网络构建，获得目标管道三维模型。
依据本发明的另一方面，还提供了一种管道三维模型的构建系统，包括处理器、存储器和存储在所述存储器中且可运行在所述处理器上的计算机程序，所述计算机程序运行时实现本发明中的管道三维模型的构建方法的步骤。
依据本发明的另一方面，提供了一种计算机存储介质，所述计算机存储介质包括：至少一个指令，在所述指令被执行时实现本发明的管道三维模型的构建方法的步骤。
本发明的管道三维模型的构建方法、系统和介质的有益效果是：首先通过获取目标管道内壁的初始点云数据序列，该初始点云数据序列能准确地描述出管道内壁的相关信息，数据采集方法简单，进而便于后续构建管道的三维模型；由于测量出的初始点云数据序列中存在噪点，且管心发生偏移，因此对初始点云数据序列进行去噪处理和管道中心校正处理，能将其中的噪点进行去除，并能将管心发生偏移的数据进行校正，有效提高了数据的准确率，使得得到的目标点云数据序列更能准确地描述出管道；最后将目标点云数据序列作为数据源，采用预设的网格化重建方法，构建出的目标管道三维模型与真实的管道更接近，准确率更高，建模速度快；
本发明中的管道三维模型的构建方法、系统和介质，能对直接采集出来的管道内壁的初始点云数据序列进行多种校正，克服原始数据中的缺陷，并依据校正后的目标点云数据序列重建出准确的管道三维模型，进而构建准确的数字化城市下水道，实现管道三维可视化，准确率较高，与传统的三维激光扫描仪相比，数据采集方法更简单，建模效率更高，成本更低，有助于后期的管道测量与分析。
附图说明
图1为本发明实施例一中一种管道三维模型的构建方法的流程示意图；
图2为本发明实施例一中得到初始点云数据序列的流程示意图；
图3为本发明实施例一中得到目标点云数据序列的流程示意图；
图4为本发明实施例一中对初始点云数据序列进行去噪处理的流程示意图；
图5为本发明实施例一中初始点云数据序列的其中一帧雷达点云数据示意图；
图6为本发明实施例一中对中间点云数据序列进行管道中心校正处理的流程示意图；
图7为本发明实施例一中未进行管道中心校正处理得到的粗略管道三维模型图；
图8为本发明实施例一中进行管道中心校正处理得到的粗略管道三维模型图；
图9为本发明实施例一中对目标点云数据序列进行插值采样的流程示意图；
图10为本发明实施例一中得到的目标管道三维模型图；
图11为本发明实施例二中一种管道三维模型的构建系统的结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
下面结合附图，对本发明进行说明。
实施例一、如图1所示，一种管道三维模型的构建方法，包括以下步骤：
S1：获取目标管道内壁的初始点云数据序列，对所述初始点云数据序列进行去噪和管道中心校正处理，获得目标点云数据序列；
S2：采用预设的网格化重建方法，根据所述目标点云数据序列进行三维网络构建，获得目标管道三维模型。
首先通过获取目标管道内壁的初始点云数据序列，该初始点云数据序列能准确地描述出管道内壁的相关信息，数据采集方法简单，进而便于后续构建管道的三维模型；由于测量出的初始点云数据序列中存在噪点，且管心发生偏移，因此对初始点云数据序列进行去噪处理和管道中心校正处理，能将其中的噪点进行去除，并能将管心发生偏移的数据进行校正，有效提高了数据的准确率，使得得到的目标点云数据序列更能准确地描述出管道；最后将目标点云数据序列作为数据源，采用预设的网格化重建方法，构建出的目标管道三维模型与真实的管道更接近，准确率更高，建模速度快；
本实施例的管道三维模型的构建方法，能对直接采集出来的管道内壁的初始点云数据序列进行多种校正，克服原始数据中的缺陷，并依据校正后的目标点云数据序列重建出准确的管道三维模型，进而构建准确的数字化城市下水道，实现管道三维可视化，准确率较高，与传统的三维激光扫描仪相比，数据采集方法更简单，建模效率更高，成本更低，有助于后期的管道测量与分析。
具体地，本实施例中的管道三维模型的构建方法能适用于各种类型的管道，包括圆形管道、方形管道等。为了方便说明，本实施例后续均以圆形管道进行说明。
优选地，如图2所示，在S1中，获取目标管道内壁的初始点云数据序列，具体包括：
S11：获取所述目标管道内壁每一个横截面的点云数据以及每一个横截面的点云数据对应的管道内壁位置信息；
S12：对所有点云数据对应的管道内壁位置信息进行排序，并按照排序后的所有管道内壁位置信息的顺序，根据所有点云数据，构建所述初始点云数据序列。
具体地，本实施例中的点云数据包括激光雷达点云数据、声呐点云数据、圆形激光点云数据中的一种或多种的组合。管道内壁位置信息通常是电缆盘距离值，也可以使用常规雷达点云数据中的Z轴数据或者激光测距工具获得的距离值；可以通过爬行器，管道探测器，或者其他形式的探测器进行探测。
对于激光雷达点云数据，通过是采用CCTV爬行器在管道中爬行，采集管道内壁位置信息，当CCTV爬行器在圆形管道中爬行时，每到一个爬行位置，可以利用CCTV爬行器自带的功能获取到电缆盘距离值，一个爬行位置对应一个管道内壁位置信息；同时在某一个爬行位置处，利用激光雷达扫描管道截面可以采集当前爬行位置处的管道截面的激光雷达点云数据，该激光雷达点云数据即描述了当前爬行位置处的管道截面轮廓，每个爬行位置处均是如此，因此相当于采集了每个管道内壁位置信息一一对应的激光雷达点云数据；再对所有管道内壁位置信息进行排序，可以是按照管道内壁位置信息从小到大的顺序，并按照排序的顺序，依据所有初始点云数据(如初始采集的激光雷达点云数据)构建出目标点云数据序列；该数据采集方法简单，与传统的管道序列帧数据相比，为三维的数据源，更符合地下管道的实际情况，更有助于构建管道三维模型。
具体地，本实施例中以激光雷达点云数据为例，同时采集的管道内壁位置信息具体为电缆盘距离值。
具体地，本实施例中的CCTV爬行器采集电缆盘距离值等功能均为CCTV爬行器的自带功能，以及激光雷达采集雷达点云数据等技术，均为现有技术，此处不再赘述。
优选地，如图3所示，在S1中，获得目标点云数据序列，具体包括：
S13：对所述初始点云数据序列进行去噪处理，得到中间点云数据序列；
S14：对所述中间点云数据序列进行管道中心校正处理，得到所述目标点云数据序列。
通过查找出初始点云数据序列中的所有噪点，并进行去除，得到的中间点云数据序列能有效避免数据失真现象；在去噪处理后，再对中间点云数据序列进行管道中心校正处理，得到的目标点云数据序列能避免管心偏移现象，进而有助于提高后续构建目标管道三维模型的准确率，进而帮助管道的三维可视化和测量与分析。
需要说明的是，在对初始点云数据序列进行去噪处理和管道中心校正处理时，每一个管道内壁位置信息并未发生变化。
优选地，如图4所示，S13具体包括：
S131：在所述初始点云数据序列的所有点云数据中任选一个横截面的点云数据，采用最小二乘法，对选取的点云数据进行拟合圆，得到选取的点云数据所对应的横截面的原始截面圆心和截面半径；
S132：分别计算选取的点云数据中每个轮廓点与对应的横截面的原始截面圆心之间的轮廓距离，根据所有轮廓距离得到轮廓距离集合；
S133：任选所述轮廓距离集合中的一个轮廓距离，若选取的轮廓距离大于选取的点云数据所对应的横截面的截面半径，则将选取的轮廓距离所对应的轮廓点视为噪点；
S134：遍历所述轮廓距离集合中的所有轮廓距离，按照S134的方法，查找出选取的点云数据中的所有噪点，并去除所有噪点，得到选取的横截面的点云数据对应的去噪点云数据；
S135：遍历所述初始点云数据序列中每一个横截面的点云数据，按照S131至S134的方法，得到每一个横截面的去噪点云数据；并按照排序后的所有管道内壁位置信息的顺序，根据所有去噪点云数据得到所述中间点云数据序列。
对于圆形管道，由于圆形管道的管道内部截面均为标准的圆形，而在采集每个点云数据时，由于测量误差、爬行器自身抖动等因素，造成点云数据出现失真等，而使得点云数据所描绘出的管道截面并非为标准的圆形，因此，对于任一个点云数据，采用最小二乘法进行拟合圆，可以得到该点云数据对应横截面在理论上的标准圆，从中可以得到对应的管道截面的原始截面圆心和截面半径；然后计算点云数据中所展示出的每个轮廓点与原始截面圆心之间的轮廓距离，通过每一个轮廓距离与截面半径来比较，可以判断出对应的每个轮廓点是否为噪点；具体地，当任一个轮廓距离大于截面半径时，该轮廓点即视为噪点，将其去除；按照同样的方法，可以查找出每一个点云数据的所有噪点，并将所有噪点进行去除，得到每一个去噪点云数据；最后排序后的所有管道内壁位置信息的顺序，根据所有去噪点云数据得到中间点云数据序列；对于其他形状的管道，同样可以采取类似的方法，拟合出每个点云数据所对应的横截面的截面中心以及截面中心与管道内壁之间的间距，并按照S132至S135类似的方法进行去噪处理。
上述去噪处理方法，能高效准确地筛选出初始点云数据中的噪点，有效提高描述管道的数据准确性。
需要说明的是，在上述初始点云数据的去噪处理中，每个点云数据对应的电缆盘距离值不变。同时，在所有点云数据的去噪处理过程中，均是按照排序后的所有管道内壁位置信息的顺序进行处理，即并未对初始点云数据中数据的先后顺序进行改变，最后形成的中间点云数据序列也是按照该顺序排列的，因此中间点云数据序列中的点云数据与初始点云数据序列中的点云数据是一一对应的；其中，最小二乘法拟合圆为现有技术，具体细节此处不再赘述。
具体地，本实施例中初始点云数据序列中其中一帧雷达点云数据如图5所示，其粗略描述了当前情况下的管道截面的二维轮廓。
优选地，如图6所示，S14具体包括：
S141：遍历所述中间点云数据序列中每一个横截面的去噪点云数据，采用所述最小二乘法，分别对每个去噪点云数据进行拟合圆，得到每一个横截面一一对应的去噪截面圆心；
S142：以第一个横截面为基准截面，以第一个横截面的去噪截面圆心为基准中心，以第一个横截面对应的去噪点云数据为基准点云数据，按照排序后的所有管道内壁位置信息的顺序，分别计算在所述基准中心之后的每一个去噪截面圆心与所述基准中心之间的管心偏移距离，并根据所有管心偏移距离得到管心偏移距离集合；
S143：任选所述管心偏移距离集合中的一个管心偏移距离，判断选取的管心偏移距离是否大于第一预设阈值，若是，则依次执行S144至S145；若否，则将选取的管心偏移距离对应的去噪点云数据直接作为对应的校正点云数据后执行S145；
S144：根据选取的管心偏移距离，计算得到选取的管心偏移距离对应的横截面与所述基准截面之间的X轴偏移量和Y轴偏移量；分别按照X轴偏移量和Y轴偏移量，将选取的管心偏移距离对应的横截面的去噪点云数据向所述基准点云数据调整以进行整体校正，得到选取的管心偏移距离对应的去噪点云数据所对应的校正点云数据；
S145：遍历所述管心偏移距离集合中的每个管心偏移距离，按照S143至S144的方法，得到每个管心偏心距离对应的横截面所一一对应的校正点云数据；
S146：将所述基准点云数据和所有校正点云数据均作为处理点云数据，按照排序后的所有管道内壁位置信息的顺序，根据所有处理点云数据得到所述目标点云数据序列。
在S135之后，对每一帧去噪后的雷达点云数据(即去噪点云数据)，重新采用最小二乘法再次拟合圆，得到每一帧对应的管道截面的去噪截面圆心；然后以第一帧去噪截面圆心为基准中心，其对应的管道截面为基准截面，对应的去噪点云数据为基准点云数据，通过计算出的每一帧管道截面的去噪截面圆心与基准中心之间的距离，即可得到每一帧管道截面与基准截面之间的管心偏移距离；对于实际中的管道，每一帧的管道中心是处于同一条水平线上的，因此对于任一个管心偏移距离，当该管心偏移距离大于第一预设阈值，说明对应的管道截面的管心相对于基准中心，发生较大的偏移；然后通过该管心偏移距离在X方向上和Y方向上进行分解，即可得到对应的管道截面相对于基准截面在X方向上的偏移距离(即X轴偏移量)和在Y方向上的偏移距离(即Y轴偏移量)，按照X轴偏移量和Y轴偏移量，可以将对应的去噪点云数据整体向基准点云数据进行移动调整以实现整体校正，实现该去噪点云数据的管道中心校正；而当管心偏移距离不大于第一预设阈值时，则无需对对应的去噪点云数据进行管道中心校正处理，其去噪点云数据直接作为对应的校正点云数据；按照同样的方法，将除开基准点云数据之外的每个去噪点云数据进行管道中心校正，有效避免发生管心偏移现象；最终将基准点云数据和所有校正点云数据均作为处理点云数据，根据所有处理点云数据，得到目标点云数据序列；
上述管道中心校正处理方法，有效避免了管心偏移现象，进一步提高了目标点云数据序列的准确性，与实际的管道更接近，进一步有助于真实的管道的三维建模。
具体地，第一预设阈值可根据实际情况设置和调整，本实施例设为1mm。
需要说明的是，与中间点云数据序列同理，在管道中心校正处理过程中，每个电缆盘距离值不变，且第一个点云数据为基准，无需进行管道中心校正；计算X轴偏移量和Y轴偏移量的具体方法，为现有技术，具体细节此处不再赘述。
具体地，未采用本实施例S141～S146的管道中心校正方法处理和采用本实施例S141～S146的管道中心校正方法处理之后，进行三维建模得到的粗略管道模型分别如图7和图8所示，从图8可以看出，本实施例的管道中心校正方法有效改善了管心偏移现象。
优选地，在S1之后，还具体以下步骤：
S3：基于所有管道内壁位置信息，对所述目标点云数据序列进行降噪处理，得到降噪后的所述目标点云数据序列；
则S2具体为：采用泊松网格化重建方法，根据降噪后的所述目标点云数据序列进行三维网络构建，获得所述目标管道三维模型。
具体地，本实施例中的降噪处理包括单不限于，双边滤波、高斯滤波、分箱去噪、中值滤波处理和插值采样处理等处理方法。
优选地，对所述目标点云数据序列进行降噪处理具体为：对所述目标点云数据序列进行插值采样；
如图9所示，则S3具体包括：
S31：基于所有管道内壁位置信息，按照排序后的所有管道内壁位置信息的顺序，分别计算出每相邻两个管道内壁位置信息之间的距离差，根据所有距离差得到距离差序列；
S32：在所述距离差序列中选取第i个管道内壁位置信息与第i+1个管道内壁位置信息之间的距离差，判断选取的距离差是否大于第二预设阈值，若是，则将所述目标点云数据序列中与第i个管道内壁位置信息对应的第i个处理点云数据确定为目标插值点云数据，并依次执行S33至S35；若否，则不对第i个处理点云数据进行插值采样并执行S35；
S33：根据选取的距离差和所述第二预设阈值，计算得到第i个处理点云数据对应的目标插值点云数据的插值采样次数；
S34：按照所述第二预设阈值和第i个处理点云数据对应的目标插值点云数据的插值采样次数，在所述目标点云数据序列中的第i个处理点云数据与第i+1个处理点云数据之间进行插值采样，得到第i个处理点云数据对应的目标插值点云数据所对应的采样点云数据序列；并根据第i个管道内壁位置信息和所述第二预设阈值，获取第i个处理点云数据对应的目标插值点云数据所对应的采样管道位置信息序列；其中，采样点云数据序列中的采样点云数据与管道位置信息序列中的管道位置信息一一对应；
S35：遍历所述距离差序列中的每个距离差，按照S32至S34的方法，查找出所述目标点云数据序列中所有的目标插值点云数据，并获取每个目标插值点云数据对应的采样点云数据序列和管道位置信息序列；
S36：将所有管道内壁位置信息和所有管道位置信息序列中的管道位置信息进行排序，并按照排序后的顺序，根据所有处理点云数据和所有采样点云数据序列，得到降噪处理后的所述目标点云数据。
通过计算每相邻两个管道内壁位置信息(如电缆盘距离值)之间的距离差，可以得出这两帧管道截面在管道轴向上的间距，该间距可以反映出对应的两帧处理三维序列帧数据的疏密程度，当间距过大或数据较疏时，容易造成描述管道的数据失真，不利于管道三维模型的准确建模；因此，对于距离差序列中的任一个距离差，例如第i个电缆盘距离值与第i+1个电缆盘距离值之间的距离差，当该距离差大于第二预设阈值时，即代表目标点云数据序列中的第i个处理点云数据与第i+1个处理点云数据较疏，需要将第i个处理点云数据确定为对应的目标插值点云数据，并以第i个处理点云数据为基准，在第i个处理点云数据与第i+1个处理点云数据中间进行插值采样；而通过这两帧之间的距离差与第二预设阈值还可以计算出对应插值采样的采样次数，即第i个处理点云数据对应的目标插值点云数据的插值采样次数；当该距离差不大于第二预设阈值时，说明第i个处理点云数据与第i+1个处理点云数据之间的疏密程度合适，无需在两个数据之间进行插值采样，可继续判断下一个距离差是否大于第二预设阈值；按照同样的方法判断和插值采样，可以查找出目标点云数据序列中所有的目标插值点云数据，并获取每个目标插值点云数据对应的采样点云数据序列和采样管道位置信息序列，保证插值采样后得到的数据的疏密程度是统一的，数据是均匀的，进一步保证根据所有处理点云数据以及所有采样点云数据序列得到的降噪处理后的目标点云数据序列更能准确而真实地描述管道，保证三维建模数据源的可靠性和稳定性。
具体地，第i个处理点云数据与第i+1个处理点云数据之间进行插值采样的样本，可以直接是第i个处理点云数据；第二预设阈值可根据实际情况设置和调整，本实施例设为3mm或4mm。
优选地，在S33中，计算所述目标点云数据序列中第i个处理点云数据对应的目标插值点云数据的插值采样次数的函数表达式具体为：
其中，ni为第i个处理点云数据对应的目标插值点云数据的插值采样次数，round(·)为四舍五入取整运算，D2为所述第二预设阈值，Δdi,i+1为第i个管道内壁位置信息与第i+1个管道内壁位置信息之间的距离差。
管道内壁位置信息具体为电缆盘距离值，当第i个电缆盘距离值与第i+1个电缆盘距离值之间的距离差大于第二预设阈值时，通过第i个电缆盘距离值与第i+1个电缆盘距离值之间的距离差，除以第二预设阈值，再进行四舍五入取整得到的即为第i个处理点云数据对应的目标插值点云数据的插值采样次数；通过上述计算插值采样次数的方法，能使得疏密程度较大的相邻两个处理点云数据之间按照第二预设阈值，均匀地插值采样，使得最终的降噪处理后的目标点云数据序列的疏密程度是统一而均匀的，大大提高三维建模数据的准确性和真实性。
具体地，本实施例中S2中采用泊松网格化重建方法，具体细节此处不再赘述。按照本实施例中S1、S2和S3的完整步骤，得到的目标管道三维模型如图10所示。
实施例二、基于实施例一，如图11所示，本实施例还公开了一种管道三维模型的构建系统，应用于实施例一中的管道三维模型的构建方法中，包括数据获取模块、数据处理模块和三维建模模块；
所述数据获取模块，用于获取目标管道内壁的初始点云数据序列；
所述数据处理模块，用于对所述初始点云数据序列进行去噪和管道中心校正处理，获得目标点云数据序列；
所述三维建模模块，用于采用预设的网格化重建方法，根据所述目标点云数据序列进行三维网络构建，获得目标管道三维模型。
本实施例中的管道三维模型的构建系统，能对直接采集出来的管道内壁的初始点云数据序列进行多种校正，克服原始数据中的缺陷，并依据校正后的目标点云数据序列重建出准确的管道三维模型，进而构建准确的数字化城市下水道，实现管道三维可视化，准确率较高，与传统的三维激光扫描仪相比，数据采集方法更简单，建模效率更高，成本更低，有助于后期的管道测量与分析。
优选地，所述数据获取模块具体用于：
获取所述目标管道内壁每一个横截面的点云数据以及每一个横截面的点云数据对应的管道内壁位置信息；
对所有点云数据对应的管道内壁位置信息进行排序，并按照排序后的所有管道内壁位置信息的顺序，根据所有点云数据，构建所述初始点云数据序列。
优选地，所述数据处理模块包括去噪处理单元和管道中心校正单元；
所述去噪处理单元，用于对所述初始点云数据序列进行去噪处理，得到中间点云数据序列；
所述管道中心校正单元，用于对所述中间点云数据序列进行管道中心校正处理，得到所述目标点云数据序列。
优选地，所述去噪处理单元具体用于：
在所述初始点云数据序列的所有点云数据中任选一个横截面的点云数据，采用最小二乘法，对选取的点云数据进行拟合圆，得到选取的点云数据所对应的横截面的原始截面圆心和截面半径；
分别计算选取的点云数据中每个轮廓点与对应的横截面的原始截面圆心之间的轮廓距离，根据所有轮廓距离得到轮廓距离集合；
任选所述轮廓距离集合中的一个轮廓距离，若选取的轮廓距离大于选取的点云数据所对应的横截面的截面半径，则将选取的轮廓距离所对应的轮廓点视为噪点；
遍历所述轮廓距离集合中的所有轮廓距离，查找出选取的点云数据中的所有噪点，并去除所有噪点，得到选取的横截面的点云数据对应的去噪点云数据；
遍历所述初始点云数据序列中每一个横截面的点云数据，得到每一个横截面的去噪点云数据；并按照排序后的所有管道内壁位置信息的顺序，根据所有去噪点云数据得到所述中间点云数据序列。
优选地，所述管道中心校正单元具体用于：
遍历所述中间点云数据序列中每一个横截面的去噪点云数据，采用所述最小二乘法，分别对每个去噪点云数据进行拟合圆，得到每一个横截面一一对应的去噪截面圆心；
以第一个横截面为基准截面，以第一个横截面的去噪截面圆心为基准中心，以第一个横截面对应的去噪点云数据为基准点云数据，按照排序后的所有管道内壁位置信息的顺序，分别计算在所述基准中心之后的每一个去噪截面圆心与所述基准中心之间的管心偏移距离，并根据所有管心偏移距离得到管心偏移距离集合；
任选所述管心偏移距离集合中的一个管心偏移距离，判断选取的管心偏移距离是否大于第一预设阈值；
若选取的管心偏移距离大于所述第一预设阈值，则根据选取的管心偏移距离，计算得到选取的管心偏移距离对应的横截面与所述基准截面之间的X轴偏移量和Y轴偏移量；分别按照X轴偏移量和Y轴偏移量，将选取的管心偏移距离对应的横截面的去噪点云数据向所述基准点云数据调整以进行整体校正，得到选取的管心偏移距离对应的去噪点云数据所对应的校正点云数据；
若选取的管心偏移距离小于或等于所述第一预设阈值，则将选取的管心偏移距离对应的去噪点云数据直接作为对应的校正点云数据；
遍历所述管心偏移距离集合中的每个管心偏移距离，得到每个管心偏心距离对应的横截面所一一对应的校正点云数据；
将所述基准点云数据和所有校正点云数据均作为处理点云数据，按照排序后的所有管道内壁位置信息的顺序，得到所述处理三维序列帧数据。
优选地，还包括降噪处理模块；
所述降噪处理模块，用于基于所有管道内壁位置信息，对所述目标点云数据序列进行降噪处理，得到降噪后的所述目标点云数据序列；
则所述三维建模模块具体用于：采用泊松网格化重建方法，根据降噪后的所述目标点云数据序列进行三维网络构建，获得所述目标管道三维模型。
优选地，所述降噪处理模块具体为插值采样模块，所述插值采样模块具体用于：
基于所有管道内壁位置信息，按照排序后的所有管道内壁位置信息的顺序，分别计算出每相邻两个管道内壁位置信息之间的距离差，根据所有距离差得到距离差序列；
在所述距离差序列中选取第i个管道内壁位置信息与第i+1个管道内壁位置信息之间的距离差，判断选取的距离差是否大于第二预设阈值；
若选取的距离差大于所述第二预设阈值，则将所述目标点云数据序列中与第i个管道内壁位置信息对应的第i个处理点云数据确定为目标插值点云数据，并根据选取的距离差和所述第二预设阈值，计算得到第i个处理点云数据对应的目标插值点云数据的插值采样次数；
按照所述第二预设阈值和第i个处理点云数据对应的目标插值点云数据的插值采样次数，在所述目标点云数据序列中的第i个处理点云数据与第i+1个处理点云数据之间进行插值采样，得到第i个处理点云数据对应的目标插值点云数据所对应的采样点云数据序列；并根据第i个管道内壁位置信息和所述第二预设阈值，获取第i个处理点云数据对应的目标插值点云数据所对应的采样管道位置信息序列；其中，采样点云数据序列中的采样点云数据与管道位置信息序列中的管道位置信息一一对应；
若选取的距离差小于或等于所述第二预设阈值，则不对第i个处理点云数据进行插值采样；
遍历所述距离差序列中的每个距离差，查找出所述目标点云数据序列中所有的目标插值点云数据，并获取每个目标插值点云数据对应的采样点云数据序列和管道位置信息序列；
将所有管道内壁位置信息和所有管道位置信息序列中的管道位置信息进行排序，并按照排序后的顺序，根据所有处理点云数据和所有采样点云数据序列，得到降噪处理后的所述目标点云数据。
具体地，计算所述目标点云数据序列中第i个处理点云数据对应的目标插值点云数据的插值采样次数的函数表达式具体为：
其中，ni为第i个处理点云数据对应的目标插值点云数据的插值采样次数，round(·)为四舍五入取整运算，D2为所述第二预设阈值，Δdi,i+1为第i个管道内壁位置信息与第i+1个管道内壁位置信息之间的距离差。
实施例三、基于实施例一和实施例二，还提供一种管道三维模型的构建系统，包括处理器、存储器和存储在所述存储器中且可运行在所述处理器上的计算机程序，所述计算机程序运行时实现图1实施例一中S1至S2的方法步骤。
通过存储在存储器上的计算机程序，并运行在处理器上，能对直接采集出来的管道内壁的初始点云数据序列进行多种校正，克服原始数据中的缺陷，并依据校正后的目标点云数据序列重建出准确的管道三维模型，进而构建准确的数字化城市下水道，实现管道三维可视化，准确率较高，与传统的三维激光扫描仪相比，数据采集方法更简单，建模效率更高，成本更低，有助于后期的管道测量与分析。
本实施例还提供一种计算机存储介质，所述计算机存储介质上存储有至少一个指令，所述指令被执行时实现图1实施例一中S1至S2的方法步骤。
通过执行包含至少一个指令的计算机存储介质，能对直接采集出来的管道内壁的初始点云数据序列进行多种校正，克服原始数据中的缺陷，并依据校正后的目标点云数据序列重建出准确的管道三维模型，进而构建准确的数字化城市下水道，实现管道三维可视化，准确率较高，与传统的三维激光扫描仪相比，数据采集方法更简单，建模效率更高，成本更低，有助于后期的管道测量与分析。
本实施例中的未尽细节，详见实施例一以及图1至图10的具体描述内容，此处不再赘述。
读者应理解，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”或“一些示例”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必针对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一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种管道三维模型的构建方法，其特征在于，包括以下步骤：
步骤1：获取目标管道内壁的初始点云数据序列，对所述初始点云数据序列进行去噪和管道中心校正处理，获得目标点云数据序列；
步骤2：采用预设的网格化重建方法，根据所述目标点云数据序列进行三维网络构建，获得目标管道三维模型；
在所述步骤1中，获取目标管道内壁的初始点云数据序列，具体包括：
步骤11：获取所述目标管道内壁每一个横截面的点云数据以及每一个横截面的点云数据对应的管道内壁位置信息；
步骤12：对所有点云数据对应的管道内壁位置信息进行排序，并按照排序后的所有管道内壁位置信息的顺序，根据所有点云数据，构建所述初始点云数据序列；
在所述步骤1中，获得目标点云数据序列，具体包括：
步骤13：对所述初始点云数据序列进行去噪处理，得到中间点云数据序列；
步骤14：对所述中间点云数据序列进行管道中心校正处理，得到所述目标点云数据序列；
所述步骤13具体包括：
步骤131：在所述初始点云数据序列的所有点云数据中任选一个横截面的点云数据，采用最小二乘法，对选取的点云数据进行拟合圆，得到选取的点云数据所对应的横截面的原始截面圆心和截面半径；
步骤132：分别计算选取的点云数据中每个轮廓点与对应的横截面的原始截面圆心之间的轮廓距离，根据所有轮廓距离得到轮廓距离集合；
步骤133：任选所述轮廓距离集合中的一个轮廓距离，若选取的轮廓距离大于选取的点云数据所对应的横截面的截面半径，则将选取的轮廓距离所对应的轮廓点视为噪点；
步骤134：遍历所述轮廓距离集合中的所有轮廓距离，按照所述步骤134的方法，查找出选取的点云数据中的所有噪点，并去除所有噪点，得到选取的横截面的点云数据对应的去噪点云数据；
步骤135：遍历所述初始点云数据序列中每一个横截面的点云数据，按照所述步骤131至所述步骤134的方法，得到每一个横截面的去噪点云数据；并按照排序后的所有管道内壁位置信息的顺序，根据所有去噪点云数据得到所述中间点云数据序列；
所述步骤14具体包括：
步骤141：遍历所述中间点云数据序列中每一个横截面的去噪点云数据，采用所述最小二乘法，分别对每个去噪点云数据进行拟合圆，得到每一个横截面一一对应的去噪截面圆心；
步骤142：以第一个横截面为基准截面，以第一个横截面的去噪截面圆心为基准中心，以第一个横截面对应的去噪点云数据为基准点云数据，按照排序后的所有管道内壁位置信息的顺序，分别计算在所述基准中心之后的每一个去噪截面圆心与所述基准中心之间的管心偏移距离，并根据所有管心偏移距离得到管心偏移距离集合；
步骤143：任选所述管心偏移距离集合中的一个管心偏移距离，判断选取的管心偏移距离是否大于第一预设阈值，若是，则依次执行步骤144至步骤145；若否，则将选取的管心偏移距离对应的去噪点云数据直接作为对应的校正点云数据后执行所述步骤145；
步骤144：根据选取的管心偏移距离，计算得到选取的管心偏移距离对应的横截面与所述基准截面之间的X轴偏移量和Y轴偏移量；分别按照X轴偏移量和Y轴偏移量，将选取的管心偏移距离对应的横截面的去噪点云数据向所述基准点云数据调整以进行整体校正，得到选取的管心偏移距离对应的去噪点云数据所对应的校正点云数据；
步骤145：遍历所述管心偏移距离集合中的每个管心偏移距离，按照所述步骤143至所述步骤144的方法，得到每个管心偏心距离对应的横截面所一一对应的校正点云数据；
步骤146：将所述基准点云数据和所有校正点云数据均作为处理点云数据，按照排序后的所有管道内壁位置信息的顺序，根据所有处理点云数据得到所述目标点云数据序列。
2.根据权利要求1所述的管道三维模型的构建方法，其特征在于，在所述步骤1之后，还具体以下步骤：
步骤3：基于所有管道内壁位置信息，对所述目标点云数据序列进行降噪处理，得到降噪后的所述目标点云数据序列；
则所述步骤2具体为：采用泊松网格化重建方法，根据降噪后的所述目标点云数据序列进行三维网络构建，获得所述目标管道三维模型。
3.根据权利要求2所述的管道三维模型的构建方法，其特征在于，对所述目标点云数据序列进行降噪处理具体为：对所述目标点云数据序列进行插值采样；
则所述步骤3具体包括：
步骤31：基于所有管道内壁位置信息，按照排序后的所有管道内壁位置信息的顺序，分别计算出每相邻两个管道内壁位置信息之间的距离差，根据所有距离差得到距离差序列；
步骤32：在所述距离差序列中选取第i个管道内壁位置信息与第i+1个管道内壁位置信息之间的距离差，判断选取的距离差是否大于第二预设阈值，若是，则将所述目标点云数据序列中与第i个管道内壁位置信息对应的第i个处理点云数据确定为目标插值点云数据，并依次执行步骤33至步骤35；若否，则不对第i个处理点云数据进行插值采样并执行所述步骤35；
步骤33：根据选取的距离差和所述第二预设阈值，计算得到第i个处理点云数据对应的目标插值点云数据的插值采样次数；
步骤34：按照所述第二预设阈值和第i个处理点云数据对应的目标插值点云数据的插值采样次数，在所述目标点云数据序列中的第i个处理点云数据与第i+1个处理点云数据之间进行插值采样，得到第i个处理点云数据对应的目标插值点云数据所对应的采样点云数据序列；并根据第i个管道内壁位置信息和所述第二预设阈值，获取第i个处理点云数据对应的目标插值点云数据所对应的采样管道位置信息序列；其中，采样点云数据序列中的采样点云数据与管道位置信息序列中的管道位置信息一一对应；
步骤35：遍历所述距离差序列中的每个距离差，按照所述步骤32至所述步骤34的方法，查找出所述目标点云数据序列中所有的目标插值点云数据，并获取每个目标插值点云数据对应的采样点云数据序列和管道位置信息序列；
步骤36：将所有管道内壁位置信息和所有管道位置信息序列中的管道位置信息进行排序，并按照排序后的顺序，根据所有处理点云数据和所有采样点云数据序列，得到降噪处理后的所述目标点云数据。
4.一种管道三维模型的构建系统，其特征在于，应用于权利要求1至3任一项所述的管道三维模型的构建方法中，包括数据获取模块、数据处理模块和三维建模模块；
所述数据获取模块，用于获取目标管道内壁的初始点云数据序列；
所述数据处理模块，用于对所述初始点云数据序列进行去噪和管道中心校正处理，获得目标点云数据序列；
所述三维建模模块，用于采用预设的网格化重建方法，根据所述目标点云数据序列进行三维网络构建，获得目标管道三维模型。
5.一种管道三维模型的构建系统，其特征在于，包括处理器、存储器和存储在所述存储器中且可运行在所述处理器上的计算机程序，所述计算机程序运行时实现如权利要求1至3任一项权利要求所述的管道三维模型的构建方法的步骤。
6.一种计算机存储介质，其特征在于，所述计算机存储介质包括：至少一个指令，在所述指令被执行时实现如权利要求1至3任一项权利要求所述的管道三维模型的构建方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011579194.7A CN112581607B (zh) | 2020-12-28 | 2020-12-28 | 一种管道三维模型的构建方法、系统和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011579194.7A CN112581607B (zh) | 2020-12-28 | 2020-12-28 | 一种管道三维模型的构建方法、系统和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112581607A CN112581607A (zh) | 2021-03-30 |
| CN112581607B true CN112581607B (zh) | 2024-04-30 |
Family
ID=75140308
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011579194.7A Active CN112581607B (zh) | 2020-12-28 | 2020-12-28 | 一种管道三维模型的构建方法、系统和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112581607B (zh) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113223178B (zh) * | 2021-05-12 | 2022-09-23 | 武汉中仪物联技术股份有限公司 | 管道选定结构特征参数的确定方法和装置 |
| CN113223174B (zh) * | 2021-05-12 | 2023-03-24 | 武汉中仪物联技术股份有限公司 | 基于横断面的管道内部漫游方法和系统 |
| CN113359116B (zh) * | 2021-05-12 | 2023-09-12 | 武汉中仪物联技术股份有限公司 | 测距雷达的相对标定方法、系统、装置、设备和介质 |
| CN113359115B (zh) * | 2021-05-12 | 2023-11-21 | 武汉中仪物联技术股份有限公司 | 测距雷达的整体标定方法、系统、装置、设备和介质 |
| CN113223180B (zh) * | 2021-05-12 | 2022-09-20 | 武汉中仪物联技术股份有限公司 | 基于多传感器融合的管道三维建模方法和系统 |
| CN113359150B (zh) * | 2021-05-12 | 2024-02-13 | 武汉中仪物联技术股份有限公司 | 管道截面轮廓获取方法、装置、电子设备和存储介质 |
| CN113223179B (zh) * | 2021-05-12 | 2022-08-05 | 武汉中仪物联技术股份有限公司 | 管道选定线路长度的确定方法和装置 |
| CN113359152A (zh) * | 2021-05-12 | 2021-09-07 | 武汉中仪物联技术股份有限公司 | 测距雷达的扫描成像方法、系统、装置、设备和介质 |
| CN113359149B (zh) * | 2021-05-12 | 2023-11-28 | 武汉中仪物联技术股份有限公司 | 管道支管和破洞的定位方法、装置、设备和存储介质 |
| CN113983947A (zh) * | 2021-09-26 | 2022-01-28 | 深邦智能科技(青岛)有限公司 | 一种轮胎花纹深度检测系统及其方法 |
| CN114329708B (zh) * | 2021-12-27 | 2024-07-30 | 重庆市工程管理有限公司 | 基于三维激光扫描技术的雨污水管网偏移检测方法 |
| CN117994464B (zh) * | 2024-04-07 | 2024-06-25 | 中国海洋大学 | 一种剖面声纳点云数据处理构建三维微地貌模型方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015039375A1 (zh) * | 2013-09-17 | 2015-03-26 | 中国科学院深圳先进技术研究院 | 点云数据质量自动优化方法及系统 |
| 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 |
| CN111397521A (zh) * | 2020-03-17 | 2020-07-10 | 衢州学院 | 一种基于webGL技术的氟化工厂管道模型的建立方法 |
| CN111583383A (zh) * | 2020-04-07 | 2020-08-25 | 浙江网标物联有限公司 | 一种高压容器检验的三维可视化辅助方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9472022B2 (en) * | 2012-10-05 | 2016-10-18 | University Of Southern California | Three-dimensional point processing and model generation |
-
2020
- 2020-12-28 CN CN202011579194.7A patent/CN112581607B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015039375A1 (zh) * | 2013-09-17 | 2015-03-26 | 中国科学院深圳先进技术研究院 | 点云数据质量自动优化方法及系统 |
| 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 |
| CN111397521A (zh) * | 2020-03-17 | 2020-07-10 | 衢州学院 | 一种基于webGL技术的氟化工厂管道模型的建立方法 |
| CN111583383A (zh) * | 2020-04-07 | 2020-08-25 | 浙江网标物联有限公司 | 一种高压容器检验的三维可视化辅助方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于点云数据的复杂建筑体真三维建模与应用;何原荣;郑渊茂;潘火平;陈鉴知;;遥感技术与应用(第06期);63-71 * |
| 基于移动LiDAR点云数据的室内全要素三维重建;龚跃健;毛文博;毕建涛;吉玮;何占军;;测绘工程(第11期);37-42 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112581607A (zh) | 2021-03-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112581607B (zh) | 一种管道三维模型的构建方法、系统和介质 | |
| CN102436652B (zh) | 一种多源遥感图像自动配准方法 | |
| Leduc et al. | Challenges and applications of structure-from-motion photogrammetry in a physical model of a braided river | |
| CN113344956B (zh) | 基于无人机航摄三维建模的地物轮廓提取分类方法 | |
| CN104574393A (zh) | 一种三维路面裂缝图像生成系统和方法 | |
| CN109446485B (zh) | 一种基于多源数据融合的季节性湖泊湖底地形生成方法 | |
| CN114547866B (zh) | 基于bim-无人机-机械狗的预制构件智能检测方法 | |
| CN114758222B (zh) | 一种基于PointNet++神经网络混凝土管道损伤识别与体积量化方法 | |
| CN112084672B (zh) | 一种基于分形维数判断地下水污染的方法 | |
| Gao et al. | A general deep learning based framework for 3D reconstruction from multi-view stereo satellite images | |
| CN111060922A (zh) | 基于机载激光雷达点云空间分布特征的树木点云提取方法 | |
| CN114387253A (zh) | 外墙外保温层缺陷红外图像处理方法、装置及存储介质 | |
| CN115015911A (zh) | 一种基于雷达图像的导航地图制作和使用方法及系统 | |
| CN111397521A (zh) | 一种基于webGL技术的氟化工厂管道模型的建立方法 | |
| CN116363302B (zh) | 一种基于多视角几何的管道三维重建和坑洞量化方法 | |
| CN110363863B (zh) | 一种神经网络的输入数据生成方法和系统 | |
| CN109583626B (zh) | 路网拓扑重建方法、介质及系统 | |
| CN116385892A (zh) | 基于目标上下文卷积神经网络的数字高程模型提取方法 | |
| CN116778334A (zh) | 一种定量大尺度空间草原鼠洞口密度预测方法及系统 | |
| CN113223179B (zh) | 管道选定线路长度的确定方法和装置 | |
| CN114329708A (zh) | 基于三维激光扫描技术的雨污水管网偏移检测方法 | |
| Barber et al. | Change detection for topographic mapping using three-dimensional data structures | |
| CN111735463B (zh) | 一种建图方法及装置 | |
| Zhou et al. | An automatic method of siltation depth detection and 3D modeling in water-filled sewer pipelines based on sonar point clouds | |
| CN118009987A (zh) | 一种管沟土石方量测量方法、系统、存储介质和电子设备 |
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 |