CN112613107A - 杆塔工程确定施工进度的方法、装置、存储介质及设备 - Google Patents
杆塔工程确定施工进度的方法、装置、存储介质及设备 Download PDFInfo
- Publication number
- CN112613107A CN112613107A CN202011569398.2A CN202011569398A CN112613107A CN 112613107 A CN112613107 A CN 112613107A CN 202011569398 A CN202011569398 A CN 202011569398A CN 112613107 A CN112613107 A CN 112613107A
- Authority
- CN
- China
- Prior art keywords
- image
- tower
- point cloud
- points
- dimensional 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
Links
- 238000010276 construction Methods 0.000 title claims abstract description 131
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 abstract description 8
- 238000007405 data analysis Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 5
- 230000036544 posture Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Mathematical Analysis (AREA)
- Civil Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Architecture (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例涉及一种杆塔工程确定施工进度的方法、装置、存储介质及设备，包括获取施工杆塔的影像，并从影像中提取特征点；对特征点进行处理分析得到杆塔的三维点云数据，根据三维点云数据建立杆塔的三维点云模型；从三维点云模型中得到模型杆塔高度，对比模型杆塔高度与施工杆塔设置的高度，确定杆塔的施工进度。该杆塔工程确定施工进度的方法能够保证获取杆塔施工进度的实时性和便捷性，且节省了大量的人工数据分析及数据制作成本，能够精准反映真实的杆塔施工进度，解决了现有监管施工工程的精度依靠人工制作与汇报施工数据，得到的数据信息的精准性低且成本高的技术问题。
Description
技术领域
本发明涉及施工工程技术领域，尤其涉及一种杆塔工程确定施工进度的方法、装置、存储介质及设备。
背景技术
目前架空线路工程的施工进度主要是通过施工单位编制的进度横道图、日报、周报及月报等汇报数据呈现，监管该工程的施工进度。
因架空线路工程往往存在工作量大、面广、线路长的特征，施工进度汇报往往是一个标段的汇总数据，监管人员难以获知每个具体杆塔的施工信息，从而形成了架空线路工程施工进度的粗放式管理模式，此种监管施工进度的方式存在汇报流程时间长且复杂，且需要人工进行数据分析与制作，消耗大量的人工成本。再者，架空线路工程的特征表现为工作量大、工作面广和线路长，往往难以对某个具体杆塔的施工进度进行详细汇报，其依靠人工制作的数据汇报施工进程过于笼统，缺乏客观性，难以保证所汇报施工进度的精准性。
发明内容
本发明实施例提供了一种杆塔工程确定施工进度的方法、装置、存储介质及设备，用于解决现有监管施工工程的精度依靠人工制作与汇报施工数据，得到的数据信息的精准性低且成本高的技术问题。
为了实现上述目的，本发明实施例提供如下技术方案：
一种杆塔工程确定施工进度的方法，包括以下步骤：
S10.获取施工杆塔的影像，并对所述影像进行特征提取，得到特征点；
S20.对所述特征点进行处理分析，得到与所述影像对应的三维点云数据，并根据所述三维点云数据建立杆塔的三维点云模型；
S30.从所述三维点云模型获取模型杆塔高度，将所述模型杆塔高度与施工杆塔设置的高度对比，得到高度百分比，即是杆塔施工的进度。
优选地，在步骤S10中，获取施工杆塔的影像，并对所述影像进行特征提取，得到特征点的步骤包括：
采用无人机沿着杆塔绕行且无人机的摄像设备与杆塔正对位置拍摄杆塔，得到杆塔的影像；
提取所述影像中每一帧对应的像素点作为特征点。
优选地，在步骤S20中，对所述特征点进行处理分析，得到与所述影像对应的三维点云数据，并根据所述三维点云数据建立杆塔的三维点云模型的步骤包括：
从获取施工杆塔的所有影像中，进行特征点的相似度匹配，得到具有匹配特征点的至少两个相邻影像；
对每个所述相邻影像的匹配特征点进行相对定向，确定相对定向的相邻影像之间的相对位置关系，从而得到相邻影像的影像同名点以及与所述影像同名点对应的核线；
将所述相邻影像分为左影像和右影像，以所述左影像作为基础，在所述右影像的核线上依据核线约束条件选取与所述左影像的匹配特征点相似度最高的匹配特征点作为临时匹配特征点；
对所述临时匹配特征点进行左右一致性检测，得到匹配影像同名点；
对所述匹配影像同名点采用立体像对的空间前方交会算法得到对应的三维坐标，根据所述三维坐标得到所述影像的三维点云数据，采用所述三维点云数据建立所述杆塔的三维点云模型。
优选地，对所述临时匹配特征点进行左右一致性检测，得到匹配影像同名点包括：
以右影像为基础影像，以所述临时匹配特征点为依据，以左影像为目标影像，在与左影像对应的核线上搜索的匹配特征点，若在左影像上搜索的匹配特征点与以右影像为基础影像时指定的特征点相同，则匹配成功；
同理，以左影像为基础影像，以所述临时匹配特征点为依据，以右影像为目标影像，在与右影像对应的核线上搜索的匹配特征点，若在右影像上搜索的匹配特征点与以左影像为基础影像时指定的特征点相同，则匹配成功；
只有左影像、右影像的匹配特征点均匹配成功，才得到匹配影像同名点。
优选地，在步骤S30中，所述三维点云模型的最高点与最低点之间的距离作为模型杆塔高度。
优选地，得到三维点云数据包括：在Context Capture软件中采用立体像对的空间前方交会算法对所述匹配影像同名点生成三维点云数据。
本发明还提供一种杆塔工程确定施工进度的装置，包括获取提取模块、模型建立模块和输出结果模块；
所述获取提取模块，用于获取施工杆塔的影像，并对所述影像进行特征提取，得到特征点；
所述模型建立模块，用于对所述特征点进行处理分析，得到与所述影像对应的三维点云数据，并根据所述三维点云数据建立杆塔的三维点云模型；
所述输出结果模块，用于从所述三维点云模型获取模型杆塔高度，将所述模型杆塔高度与施工杆塔设置的高度对比，得到高度百分比，即是杆塔施工的进度。
优选地，所述模型建立模块包括匹配子模块、核线子模块、确定匹配子模块、检验子模块和模型建立子模块；
所述匹配子模块，用于从获取施工杆塔的所有影像中，进行特征点的相似度匹配，得到具有匹配特征点的至少两个相邻影像；
所述核线子模块，用于对每个所述相邻影像的匹配特征点进行相对定向，确定相对定向的相邻影像之间的相对位置关系，从而得到相邻影像的影像同名点以及与所述影像同名点对应的核线；
所述确定匹配子模块，用于将所述相邻影像分为左影像和右影像，以所述左影像作为基础，在所述右影像的核线上依据核线约束条件选取与所述左影像的匹配特征点相似度最高的匹配特征点作为临时匹配特征点；
所述检验子模块，用于对所述临时匹配特征点进行左右一致性检测，得到匹配影像同名点；
所述模型建立子模块，用于对所述匹配影像同名点采用立体像对的空间前方交会算法得到对应的三维坐标，根据所述三维坐标得到所述影像的三维点云数据，采用所述三维点云数据建立所述杆塔的三维点云模型。
本发明还提供一种计算机可读存储介质，所述计算机存储介质用于存储计算机指令，当其在计算机上运行时，使得计算机执行上述所述的杆塔工程确定施工进度的方法。
本发明还提供一种终端设备，包括处理器以及存储器；
所述存储器，用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器，用于根据所述程序代码中的指令执行上述所述的杆塔工程确定施工进度的方法。
从以上技术方案可以看出，本发明实施例具有以下优点：该杆塔工程确定施工进度的方法、装置、存储介质及设备包括获取施工杆塔的影像，并从影像中提取特征点；对特征点进行处理分析得到杆塔的三维点云数据，根据三维点云数据建立杆塔的三维点云模型；从三维点云模型中得到模型杆塔高度，对比模型杆塔高度与施工杆塔设置的高度，确定杆塔的施工进度。该杆塔工程确定施工进度的方法通过全方位摄像获取杆塔的影像，且从所拍摄影像中提取与杆塔对应的特征点，通过对特征点进行处理分析得到杆塔的三维点云模型，之后在三维点云模型的三维点云数据中得到模型杆塔高度，根据模型杆塔高度与施工杆塔设置的高度对比的百分比描述杆塔的施工高度，能够保证获取杆塔施工进度的实时性和便捷性，且节省了大量的人工数据分析及数据制作成本，能够精准反映真实的杆塔施工进度，解决了现有监管施工工程的精度依靠人工制作与汇报施工数据，得到的数据信息的精准性低且成本高的技术问题。
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性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例所述的杆塔工程确定施工进度的方法的步骤流程图。
图2为本发明实施例所述的杆塔工程确定施工进度的方法建立三维点云模型的步骤流程图。
图3为本发明实施例所述的杆塔工程确定施工进度的方法核线约束条件的示意图。
图4为本发明实施例所述的杆塔工程确定施工进度的方法建立三维点云模型坐标的结构示意图。
图5为本发明实施例所述的杆塔工程确定施工进度的装置的框架图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，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，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做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。
本申请实施例提供了一种杆塔工程确定施工进度的方法、装置、存储介质及设备，解决了现有监管施工工程的精度依靠人工制作与汇报施工数据，得到的数据信息的精准性低且成本高的技术问题。
实施例一：
图1为本发明实施例所述的杆塔工程确定施工进度的方法的步骤流程图。
如图1所示，本发明实施例提供了一种杆塔工程确定施工进度的方法，包括以下步骤：
S10.获取施工杆塔的影像，并对影像进行特征提取，得到特征点；
S20.对特征点进行处理分析，得到与影像对应的三维点云数据，并根据三维点云数据建立杆塔的三维点云模型；
S30.从三维点云模型获取模型杆塔高度，将模型杆塔高度与施工杆塔设置的高度对比，得到高度百分比，即是杆塔施工的进度。
在本发明实施例的步骤S10中，主要是采用无人机沿着杆塔绕行且无人机的摄像设备与杆塔正对位置拍摄杆塔，得到杆塔的影像，之后提取影像中每一帧对应的像素点作为特征点。在本实施例中，无人机以设定方位和设定旋角旋绕杆塔拍摄，得到杆塔的完整影像，其中，用于拍摄杆塔的拍摄体与杆塔正对的方位为设定方位。设定旋角指的是螺旋线的旋角，其可根据杆塔的形状进行自适应变化，或者当杆塔的圆周一定时，其旋角也是固定值，此处并不做过多限定，无人机拍摄杆塔的影像时只需要保证处于相邻旋线上的上下两张影像的重叠度大于重叠阈值即可，以实现所拍摄影像完全覆盖杆塔；可以理解地，重叠阈值以旋角的调整而定，重叠阈值为80％左右，能够保证在相邻影像上找到更多的影像同名点，便于构建杆塔的三维点云。
需要说明的是，无人机沿杆塔绕行使得摄像设备能够从多角度全方位拍摄杆塔的影像，进而从所拍摄的影像中每一帧提取出对应的特征点，其中，特征点指的是影像的一帧对应的像素具有明显变化的像素点，而具有明显变化的像素点所构成集合则为影像上一帧对应的特征点。具有的明显变化的像素点其表征可以为像素值的差异、像素颜色差异、像素位深的差异等，更具体地，则表现为影像上一帧的元素轮廓的部分所包含的像素。例如：在进行杆塔影像特征点的提取时，则将杆塔部分轮廓所包含的像素点提取出，以定义为特征点。摄像设备可以为摄像机，也可以为相机等具有摄像功能的设备。
在本实施例中，无人机围绕杆塔以螺旋线方式在杆塔外围飞行，以拍摄杆塔的影像，无人机飞行是以杆塔中心轴线为基准，围绕杆塔自上而下或者自下而上绕行，在绕行过程中，需要保证无人机上的摄像头与杆塔正对，以保证拍摄影像的倾斜度较小，方便对影像进行分析，且保证从影像上提取特征点的精确度。在无人机进行绕行时并不局限于仅以一个螺旋线进行绕行，也可以不同螺旋线绕行两次或多次，或者设置多个无人机进行平行绕行，以全面、快速获取杆塔的全部影像。无人机还可以预先设定的航线环绕杆塔进行拍摄，通过预先设定航线能够保证无人机飞行的效率，且航线是按照杆塔的外形进行设定的，能够规避无人机飞行过程中的意外及误差，通过设定成熟的航线能够提高拍摄精度和质量，且保证相邻影像具有均匀的重叠度。预先设定航线能够避免当前天气和空气质量的影响，便于设定无人机在规定时间起飞，保证拍摄到高清、完整的影像。而无人机距杆塔的距离以保证无人机能够安全飞行为依据，可按照实际需求进行调整，此处并不做过多限定。
在本发明实施例的步骤S20中，主要是对提取影像的特征点进行处理分析，得到影像的三维点云数据，根据三维点云数据建立三维点云模型。
需要说明的是，在步骤S10中通过无人机拍摄杆塔的影像时的空间位置与姿态信息能够对获得影像之间的关系进行空间定位，之后通过从特征点中处理分析得到影像同名点，以结合影像同名点的空间坐标信息，得到杆塔的三维点云，三维点云建立的三维点云模型能够直观反映杆塔的空间形状，利于确定杆塔的施工进度。
在本发明实施例的步骤S30中，主要是从能够反映杆塔空间形状的三维点云模型中得到三维点云数据中的模型杆塔高度，该模型杆塔高度除于施工杆塔设置的高度，得到模型杆塔高度的百分比，该百分比表示杆塔施工的进度。
需要说明的是，施工杆塔设置的高度指的是预先规划的杆塔施工完成后的高度。通过对模型杆塔高度与施工杆塔设置的高度进行对比，能够反映两者之间的比例，进而得到施工进度。在其他的实施例中，该杆塔工程确定施工进度的方法也可以得到杆塔施工效率，如采用模型杆塔高度与施工时间的比值即可表示杆塔施工效率，也可以采用该杆塔工程确定施工进度的方法延伸为杆塔施工人工成本的预算、人工投入、材料成本的预算、施工进程图展示等。
本发明提供的一种杆塔工程确定施工进度的方法包括获取施工杆塔的影像，并从影像中提取特征点；对特征点进行处理分析得到杆塔的三维点云数据，根据三维点云数据建立杆塔的三维点云模型；从三维点云模型中得到模型杆塔高度，对比模型杆塔高度与施工杆塔设置的高度，确定杆塔的施工进度。该杆塔工程确定施工进度的方法通过全方位摄像获取杆塔的影像，且从所拍摄影像中提取与杆塔对应的特征点，通过对特征点进行处理分析得到杆塔的三维点云模型，之后在三维点云模型的三维点云数据中得到模型杆塔高度，根据模型杆塔高度与施工杆塔设置的高度对比的百分比描述杆塔的施工高度，能够保证获取杆塔施工进度的实时性和便捷性，且节省了大量的人工数据分析及数据制作成本，能够精准反映真实的杆塔施工进度，解决了现有监管施工工程的精度依靠人工制作与汇报施工数据，得到的数据信息的精准性低且成本高的技术问题。
图2为本发明实施例所述的杆塔工程确定施工进度的方法建立三维点云模型的步骤流程图。
如图2所示，在本发明的一个实施例中，在步骤S20中，对特征点进行处理分析，得到与影像对应的三维点云数据，并根据三维点云数据建立杆塔的三维点云模型的步骤包括：
S21.从获取施工杆塔的所有影像中，进行特征点的相似度匹配，得到具有匹配特征点的至少两个相邻影像；
S22.对每个相邻影像的匹配特征点进行相对定向，确定相对定向的相邻影像之间的相对位置关系，从而得到相邻影像的影像同名点以及与影像同名点对应的核线；
S23.将相邻影像分为左影像和右影像，以左影像作为基础，在右影像的核线上依据核线约束条件选取与左影像的匹配特征点相似度最高的匹配特征点作为临时匹配特征点；
S24.对临时匹配特征点进行左右一致性检测，得到匹配影像同名点；
S25.对匹配影像同名点采用立体像对的空间前方交会算法得到对应的三维坐标，根据三维坐标得到影像的三维点云数据，采用三维点云数据建立杆塔的三维点云模型。
在本发明实施例的步骤S21中，根据无人机拍摄影像时候的位置、姿态与时间即可确定相邻影像，即立体像对。主要是从所有影像中分别提取每张影像对应的特征点，然后对特征点进行相似度匹配，根据相似度高的影像确定相邻影像。其中，特征点的相似度表现为对比多个影像中像素点具有明显变化的像素点分布。
图3为本发明实施例所述的杆塔工程确定施工进度的方法核线约束条件的示意图。
如图3所示，在本发明实施例的步骤S22中，对相邻影像进行相对定向，还原相邻影像之间的相对方位元素，根据相对方位元素定位的相邻影像在空间维度姿态，使得相邻影像的同名光线在各自的核面内对对相交。以及根据相对定向后的相邻影像之间的相对位置关系，确定相邻影像的影像同名点以及对应的核线。
需要说明的是，对相邻影像上的匹配特征点进行相对定向，进而能够得到相邻影像及其对应特征点的空间姿态和空间坐标信息；通过确定相邻影像的相对方位元素，使同名光线在各自的核面上对对相交，以便后续前方交会时同名点的同名光线可相交在一点上。其中，影像同名点指的是同一个元素在不同影像上形成的像点，而相邻影像上分布规律相同的特征点即为影像同名点。在本实施例中，通过空间位置关系上的相邻影像的姿态，可以得到相邻影像之间投影光束的关系，进而使得同名光线相交，同名光线为同名点与拍摄到此同名点的摄像头焦点的连线，如图3所示，其中，同名光线、影像同名点、摄影基线、核面和核线分别表示为：同名光线(AS1，AS2)；影像同名点(A1，A2)；摄影基线(S1，S2)；核面(A，A1，O，A2)；核线(J1，A1，O，A2，J2)。通过相对定向后相邻影像之间的相对位置关系，即得到同名光线和两个相邻影像的交线，即可进一步得到相邻影像对应的核线。
在本发明实施例的步骤S23中，确定相邻影像的影像同名点对应的核线之后，以相邻影像的左影像上任意一左特征点为基础，在相邻影像的右影像的核线上搜索与左特征点具有高相似度的右特征点作为临时匹配特征点。在本实施例中，以两个相邻影像为基准，其中一个影像称为左影像，另一个影像称为右影像，先以左影像为基础影像，右影像为目标影像，从左影像上选取一个特征点，沿该特征点的核线方向上，依次在右影像上搜索特征点进行匹配，当匹配成功时，则暂时将匹配成功的特征点作为临时匹配特征点，可以理解地，匹配成功与否与两个特征点分布的相似度为依据，相似度高则匹配精确度高。其中，根据影像的灰度变化规律提取每张影像的特征点，借助核线约束条件，对每张影像的特征点进行匹配。
需要说明的是，通过对特征点进行筛选与匹配，且参照相邻影像进行精确度分析，能够得到精确度高且真实的影像同名点，提高了三维点云数据生成的准确性。由核线几何理论可知，影像同名点一定位于同名核线上，因此，在核线上搜索特征点进行匹配，相比于在所有特征点中进行匹配的方式，本实施例采用匹配点的搜索范围限定在核线上，使得搜索范围从二维空间限定在一维空间，提高了匹配点的搜索效率。对应地，核线约束条件描述的是一个元素在两个影像上的投影像点一定在同一个核平面上，可推导出：左影像上每个特征点在右影像上的影像同名点一定在该特征点所在核平面与右影像的交线上，其中，交线即核线。
在本发明实施例的步骤S24中，主要是对临时匹配特征点进行左右一致性检测，得到匹配影像同名点。在本实施例中，以右影像为基础影像，以所述临时匹配特征点为依据，以左影像为目标影像，在与左影像对应的核线上搜索的匹配特征点，若在左影像上搜索的匹配特征点与以右影像为基础影像时指定的特征点相同，则匹配成功；同理，以左影像为基础影像，以所述临时匹配特征点为依据，以右影像为目标影像，在与右影像对应的核线上搜索的匹配特征点，若在右影像上搜索的匹配特征点与以左影像为基础影像时指定的特征点相同，则匹配成功；只有左影像、右影像的匹配特征点均匹配成功，才得到匹配影像同名点。
需要说明的是，当右影像上确定出临时匹配特征点之后，则以右影像为基础影像，以该临时匹配特征点为依据，以左影像为目标影像，在同一核线上搜索对应的匹配点，若在左影像上搜索到的匹配点与以左影像为基础影像时指定的特征点相同，则说明匹配成功；若不相同，则说明反向匹配失败，则重复上述左右一致性匹配方法，直至左右匹配结果均一致。为提高匹配效率，可以基础影像上所选取的、用临时匹配特征点为依据，从对应核线上挑选相似度高的特征点逐个分别进行左右一致性检测。即是预先核线上临时匹配特征点进行相似度排序，进而逐个不同相似度的特征点进行左右一致性检测，当然地，相似度最高的特征点能够匹配成功的机率最大，此种方式便于一次性匹配成功。在本实施例中，通过以相邻影像作为检查依据，对相邻影像进行逐像素匹配，之后对得到的临时匹配特征点进行左右一致性检测，以除去不精确的临时匹配特征点，保证得到准确的影像同名点。
在本发明的实施例中，确定精确度大于精确阈值的临时匹配特征点为匹配影像同名点。其中，一个临时匹配特征点指的是相邻影像上的两个特征点，其匹配精确度并不相同，可选取所有临时匹配特征点中精确度较高的匹配特征点进行分析，即将这一部分匹配特征点视为匹配影像同名点。
图4为本发明实施例所述的杆塔工程确定施工进度的方法建立三维点云模型坐标的结构示意图。
在本发明实施例的步骤S25中，根据地面点坐标及相邻影像对应的空间坐标信息和姿态信息，确定与相邻影像对应匹配影像同名点的像平面坐标与像空间坐标；之后通过立体像对的空间前方交会求解匹配影像同名点对应的三维坐标；最后根据所有匹配影像同名点的三维坐标确定杆塔的三维点云。其中，立体像对的空间前方交会指的是立体像对中两张影像的内方位元素、外方位元素和像点坐标来确定相应地面点的地面坐标的方法，内方位元素指的是影像相对于像主点(无人机摄像设备)的位置信息，外方位元素指的是无人机拍摄杆塔影像时影像相对于地面的位置和姿态，其可用相邻影像对应的空间坐标信息和姿态信息进行表述。在本实施例中，得到三维点云数据包括：在Context Capture软件中采用立体像对的空间前方交会算法对匹配影像同名点生成三维点云数据。
需要说明的是，如图4所示，地面上任意一点P在D-XYZ坐标系中的坐标为(X,Y,Z)，在S1-U1V1W1和S2-U2V2W2中的坐标为(U1,V1,W1)和(U2,V2,W2)，P点对应匹配影像同名点a1和a2的像平面坐标为(x1,y1,-f)和(x2,y2,-f)，匹配影像同名点的空间辅助坐标分别为(u1,v1,w1)和(u2,v2,w2)，则有：
式中，R1和R2分别为基础影像和目标影像的旋转矩阵，由已知的内外方位元素计算得到。右摄影中心S2在S1-U1V1W1中的坐标，也是摄影基线B的三个分量Bu、Bv、Bw可以通过内外方位元素计算得到：
Bu＝Xs2-Xs1
Bv＝Ys2-Ys1
Bw＝Zs2-Zs1
又因为匹配影像同名点、摄影中心、地面点共线，可以得到：
式中的N1和N2分别为左、右匹配影像同名点的投影系数，并且
之后根据几何关系，可以求得任意地面点的坐标为：
XA＝XS1+U1＝XS2+U2
YA＝YS1+V1＝YS2+V2
ZA＝ZS1+W1＝ZS2+W2
经过上述变换就可以将经过影像密集匹配得到的像平面坐标转换为真实杆塔的三维坐标，之后通过三维坐标生成三维点云数据，即在三维坐标中进行对应特征点的提取，则对应形成三维点云数据。在生成三维点云数据时，形成三维点云的像素点与原特征点的像素点属性保持一致，即可得到具有轮廓和颜色的杆塔三维点云图(即是建立三维点云模型)，能够形象描述出杆塔的形状。
在本发明的一个实施例中，在步骤S30中，三维点云模型的最高点与最低点之间的距离作为模型杆塔高度。
需要说明的是，三维点云数据中包含当前杆塔的高程区间，则可认为高程区间为当前施工过程中杆塔的高度，与实际施工杆塔设置的高度进行对比，能够得到两者的百分比，进而体现出杆塔施工进度。其中，三维点云数据格式包括PCD、PLY、TXT等等，通常由两部分组成，一是头文件，二是具体的三维点信息，这些数据都是通过ASCII格式储存的。本发明的杆塔工程确定施工进度的方法采用的是PLY格式的三维点云数据，三维点云数据包含三维点云的序号信息、三维坐标信息、颜色信息及其对应的原始影像信息。通过得到单个杆塔的点云数据即可得到该杆塔的高程区间，与施工杆塔设置的高度进行对比即可获得施工进度百分比。或者通过获得多个杆塔的三维点云数据，即可得到多个杆塔的高程区间(即是三维点云模型的最高点与最低点之间的距离为高程区间)，进而得到多个杆塔的施工进度。
本发明的杆塔工程确定施工进度的方法通过将施工进度的获取进行智能化操作，能够真实反馈施工进度，且检测方式便捷、有效且得到的结果精度高，提高了施工进度检测效率，避免了大量的人工投入，利于节省成本。
实施例二：
图5为本发明实施例所述的杆塔工程确定施工进度的装置的框架图。
如图5所示，本发明实施例还提供一种杆塔工程确定施工进度的装置，包括获取提取模块10、模型建立模块20和输出结果模块30；
获取提取模块10，用于获取施工杆塔的影像，并对影像进行特征提取，得到特征点；
模型建立模块20，用于对特征点进行处理分析，得到与影像对应的三维点云数据，并根据三维点云数据建立杆塔的三维点云模型；
输出结果模块30，用于从三维点云模型获取模型杆塔高度，将模型杆塔高度与施工杆塔设置的高度对比，得到高度百分比，即是杆塔施工的进度。
在本发明的实施例中，模型建立模块20包括匹配子模块21、核线子模块22、确定匹配子模块23、检验子模块24和模型建立子模块25；
匹配子模块21，用于从获取施工杆塔的所有影像中，进行特征点的相似度匹配，得到具有匹配特征点的至少两个相邻影像；
核线子模块22，用于对每个相邻影像的匹配特征点进行相对定向，确定相对定向的相邻影像之间的相对位置关系，从而得到相邻影像的影像同名点以及与影像同名点对应的核线；
确定匹配子模块23，用于将相邻影像分为左影像和右影像，以左影像作为基础，在右影像的核线上依据核线约束条件选取与左影像的匹配特征点相似度最高的匹配特征点作为临时匹配特征点；
检验子模块24，用于对临时匹配特征点进行左右一致性检测，得到匹配影像同名点；
模型建立子模块25，用于对匹配影像同名点采用立体像对的空间前方交会算法得到对应的三维坐标，根据三维坐标得到影像的三维点云数据，采用三维点云数据建立杆塔的三维点云模型。
需要说明的是，实施例二装置中的模块对应于实施例一方法中的步骤，实施例一方法中的步骤已在实施例一中详细阐述了，在此实施例二中不再对装置中的模块内容进行详细阐述。
实施例三：
本发明实施例提供了一种计算机可读存储介质，计算机存储介质用于存储计算机指令，当其在计算机上运行时，使得计算机执行上述的杆塔工程确定施工进度的方法。
实施例四：
本发明实施例提供了一种终端设备，包括处理器以及存储器；
存储器，用于存储程序代码，并将程序代码传输给处理器；
处理器，用于根据程序代码中的指令执行上述的杆塔工程确定施工进度的方法。
需要说明的是，处理器用于根据所程序代码中的指令执行上述的一种杆塔工程确定施工进度的方法实施例中的步骤。或者，处理器执行计算机程序时实现上述各系统/装置实施例中各模块/单元的功能。
示例性的，计算机程序可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器中，并由处理器执行，以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在终端设备中的执行过程。
终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以是终端设备的内部存储单元，例如终端设备的硬盘或内存。存储器也可以是终端设备的外部存储设备，例如终端设备上配备的插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，存储器还可以既包括终端设备的内部存储单元也包括外部存储设备。存储器用于存储计算机程序以及终端设备所需的其他程序和数据。存储器还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
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单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以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全部或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-OnlyMemory)、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。
以上所述，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)
1.一种杆塔工程确定施工进度的方法，其特征在于，包括以下步骤：
S10.获取施工杆塔的影像，并对所述影像进行特征提取，得到特征点；
S20.对所述特征点进行处理分析，得到与所述影像对应的三维点云数据，并根据所述三维点云数据建立杆塔的三维点云模型；
S30.从所述三维点云模型获取模型杆塔高度，将所述模型杆塔高度与施工杆塔设置的高度对比，得到高度百分比，即是杆塔施工的进度。
2.根据权利要求1所述的杆塔工程确定施工进度的方法，其特征在于，在步骤S10中，获取施工杆塔的影像，并对所述影像进行特征提取，得到特征点的步骤包括：
采用无人机沿着杆塔绕行且无人机的摄像设备与杆塔正对位置拍摄杆塔，得到杆塔的影像；
提取所述影像中每一帧对应的像素点作为特征点。
3.根据权利要求1所述的杆塔工程确定施工进度的方法，其特征在于，在步骤S20中，对所述特征点进行处理分析，得到与所述影像对应的三维点云数据，并根据所述三维点云数据建立杆塔的三维点云模型的步骤包括：
从获取施工杆塔的所有影像中，进行特征点的相似度匹配，得到具有匹配特征点的至少两个相邻影像；
对每个所述相邻影像的匹配特征点进行相对定向，确定相对定向的相邻影像之间的相对位置关系，从而得到相邻影像的影像同名点以及与所述影像同名点对应的核线；
将所述相邻影像分为左影像和右影像，以所述左影像作为基础，在所述右影像的核线上依据核线约束条件选取与所述左影像的匹配特征点相似度最高的匹配特征点作为临时匹配特征点；
对所述临时匹配特征点进行左右一致性检测，得到匹配影像同名点；
对所述匹配影像同名点采用立体像对的空间前方交会算法得到对应的三维坐标，根据所述三维坐标得到所述影像的三维点云数据，采用所述三维点云数据建立所述杆塔的三维点云模型。
4.根据权利要求3所述的杆塔工程确定施工进度的方法，其特征在于，对所述临时匹配特征点进行左右一致性检测，得到匹配影像同名点包括：
以右影像为基础影像，以所述临时匹配特征点为依据，以左影像为目标影像，在与左影像对应的核线上搜索的匹配特征点，若在左影像上搜索的匹配特征点与以右影像为基础影像时指定的特征点相同，则匹配成功；
同理，以左影像为基础影像，以所述临时匹配特征点为依据，以右影像为目标影像，在与右影像对应的核线上搜索的匹配特征点，若在右影像上搜索的匹配特征点与以左影像为基础影像时指定的特征点相同，则匹配成功；
只有左影像、右影像的匹配特征点均匹配成功，才得到匹配影像同名点。
5.根据权利要求3所述的杆塔工程确定施工进度的方法，其特征在于，在步骤S30中，所述三维点云模型的最高点与最低点之间的距离作为模型杆塔高度。
6.根据权利要求3所述的杆塔工程确定施工进度的方法，其特征在于，得到三维点云数据包括：在Context Capture软件中采用立体像对的空间前方交会算法对所述匹配影像同名点生成三维点云数据。
7.一种杆塔工程确定施工进度的装置，其特征在于，包括获取提取模块、模型建立模块和输出结果模块；
所述获取提取模块，用于获取施工杆塔的影像，并对所述影像进行特征提取，得到特征点；
所述模型建立模块，用于对所述特征点进行处理分析，得到与所述影像对应的三维点云数据，并根据所述三维点云数据建立杆塔的三维点云模型；
所述输出结果模块，用于从所述三维点云模型获取模型杆塔高度，将所述模型杆塔高度与施工杆塔设置的高度对比，得到高度百分比，即是杆塔施工的进度。
8.根据权利要求7所述的杆塔工程确定施工进度的装置，其特征在于，所述模型建立模块包括匹配子模块、核线子模块、确定匹配子模块、检验子模块和模型建立子模块；
所述匹配子模块，用于从获取施工杆塔的所有影像中，进行特征点的相似度匹配，得到具有匹配特征点的至少两个相邻影像；
所述核线子模块，用于对每个所述相邻影像的匹配特征点进行相对定向，确定相对定向的相邻影像之间的相对位置关系，从而得到相邻影像的影像同名点以及与所述影像同名点对应的核线；
所述确定匹配子模块，用于将所述相邻影像分为左影像和右影像，以所述左影像作为基础，在所述右影像的核线上依据核线约束条件选取与所述左影像的匹配特征点相似度最高的匹配特征点作为临时匹配特征点；
所述检验子模块，用于对所述临时匹配特征点进行左右一致性检测，得到匹配影像同名点；
所述模型建立子模块，用于对所述匹配影像同名点采用立体像对的空间前方交会算法得到对应的三维坐标，根据所述三维坐标得到所述影像的三维点云数据，采用所述三维点云数据建立所述杆塔的三维点云模型。
9.一种计算机可读存储介质，其特征在于，所述计算机存储介质用于存储计算机指令，当其在计算机上运行时，使得计算机执行如权利要求1-6任意一项所述的杆塔工程确定施工进度的方法。
10.一种终端设备，其特征在于，包括处理器以及存储器；
所述存储器，用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器，用于根据所述程序代码中的指令执行如权利要求1-6任意一项所述的杆塔工程确定施工进度的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011569398.2A CN112613107A (zh) | 2020-12-26 | 2020-12-26 | 杆塔工程确定施工进度的方法、装置、存储介质及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011569398.2A CN112613107A (zh) | 2020-12-26 | 2020-12-26 | 杆塔工程确定施工进度的方法、装置、存储介质及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112613107A true CN112613107A (zh) | 2021-04-06 |
Family
ID=75248149
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011569398.2A Pending CN112613107A (zh) | 2020-12-26 | 2020-12-26 | 杆塔工程确定施工进度的方法、装置、存储介质及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112613107A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113128579A (zh) * | 2021-04-09 | 2021-07-16 | 国网安徽省电力有限公司黄山供电公司 | 一种快速视觉测量输电线路塔杆地面埋深的方法 |
| CN113837124A (zh) * | 2021-09-28 | 2021-12-24 | 中国有色金属长沙勘察设计研究院有限公司 | 一种排泥库土工布巡检航线的自动提取方法 |
| CN114418555A (zh) * | 2022-03-28 | 2022-04-29 | 四川高速公路建设开发集团有限公司 | 应用于智能建设的项目信息管理方法及管理系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107247834A (zh) * | 2017-05-31 | 2017-10-13 | 华中科技大学 | 一种基于图像识别的三维环境模型重构方法、设备及系统 |
| CN109357617A (zh) * | 2018-10-25 | 2019-02-19 | 东北大学 | 一种基于无人机的高陡岩质边坡位移变形监测方法 |
| CN109978982A (zh) * | 2019-04-02 | 2019-07-05 | 广东电网有限责任公司 | 一种基于倾斜影像的点云快速上色方法 |
| CN110047142A (zh) * | 2019-03-19 | 2019-07-23 | 中国科学院深圳先进技术研究院 | 无人机三维地图构建方法、装置、计算机设备及存储介质 |
-
2020
- 2020-12-26 CN CN202011569398.2A patent/CN112613107A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107247834A (zh) * | 2017-05-31 | 2017-10-13 | 华中科技大学 | 一种基于图像识别的三维环境模型重构方法、设备及系统 |
| CN109357617A (zh) * | 2018-10-25 | 2019-02-19 | 东北大学 | 一种基于无人机的高陡岩质边坡位移变形监测方法 |
| CN110047142A (zh) * | 2019-03-19 | 2019-07-23 | 中国科学院深圳先进技术研究院 | 无人机三维地图构建方法、装置、计算机设备及存储介质 |
| CN109978982A (zh) * | 2019-04-02 | 2019-07-05 | 广东电网有限责任公司 | 一种基于倾斜影像的点云快速上色方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113128579A (zh) * | 2021-04-09 | 2021-07-16 | 国网安徽省电力有限公司黄山供电公司 | 一种快速视觉测量输电线路塔杆地面埋深的方法 |
| CN113837124A (zh) * | 2021-09-28 | 2021-12-24 | 中国有色金属长沙勘察设计研究院有限公司 | 一种排泥库土工布巡检航线的自动提取方法 |
| CN113837124B (zh) * | 2021-09-28 | 2023-12-05 | 中国有色金属长沙勘察设计研究院有限公司 | 一种排泥库土工布巡检航线的自动提取方法 |
| CN114418555A (zh) * | 2022-03-28 | 2022-04-29 | 四川高速公路建设开发集团有限公司 | 应用于智能建设的项目信息管理方法及管理系统 |
| CN114418555B (zh) * | 2022-03-28 | 2022-06-07 | 四川高速公路建设开发集团有限公司 | 应用于智能建设的项目信息管理方法及管理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109978755B (zh) | 全景图像合成方法、装置、设备与存储介质 | |
| CN112613107A (zh) | 杆塔工程确定施工进度的方法、装置、存储介质及设备 | |
| US10681269B2 (en) | Computer-readable recording medium, information processing method, and information processing apparatus | |
| CN109658454B (zh) | 一种位姿信息确定方法、相关装置及存储介质 | |
| CN109255808B (zh) | 基于倾斜影像的建筑物纹理提取方法和装置 | |
| WO2014186970A1 (en) | Systems and methods for generating three-dimensional models using sensed position data | |
| CN104318604A (zh) | 一种3d图像拼接方法及装置 | |
| JP4521568B2 (ja) | 対応点探索方法、相互標定方法、３次元画像計測方法、対応点探索装置、相互標定装置、３次元画像計測装置、対応点探索プログラム及び対応点探索プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
| CN109214254B (zh) | 一种确定机器人位移的方法及装置 | |
| US10091490B2 (en) | Scan recommendations | |
| CN114219855A (zh) | 点云法向量的估计方法、装置、计算机设备和存储介质 | |
| CA3233222A1 (en) | Method, apparatus and device for photogrammetry, and storage medium | |
| CN112802208B (zh) | 一种航站楼内三维可视化方法及装置 | |
| CN110866949A (zh) | 中心点定位方法、装置、电子设备和存储介质 | |
| CN107341804A (zh) | 点云数据中平面的确定方法及装置、图像叠加方法及设备 | |
| CN110197489B (zh) | 一种无人机降落区域的选择方法和装置 | |
| CN110838146A (zh) | 一种共面交比约束的同名点匹配方法、系统、装置及介质 | |
| CN111652163A (zh) | 一种输电线路杆塔线段匹配方法以及设备 | |
| US20220230459A1 (en) | Object recognition device and object recognition method | |
| CN114913246A (zh) | 相机标定方法、装置、电子设备及存储介质 | |
| Cui et al. | Registration and integration algorithm in structured light three-dimensional scanning based on scale-invariant feature matching of multi-source images | |
| CN109978986B (zh) | 一种三维模型的重建方法、装置、存储介质及终端设备 | |
| CN112815911A (zh) | 基于三目视觉的输电线路交跨距离测量方法 | |
| Wang et al. | Stereo rectification based on epipolar constrained neural network | |
| CN115222799B (zh) | 图像重力方向的获取方法、装置、电子设备及存储介质 |
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 |