CN112687005A - 一种基于三维重建的煤堆体积测量方法 - Google Patents
一种基于三维重建的煤堆体积测量方法 Download PDFInfo
- Publication number
- CN112687005A CN112687005A CN202011500088.5A CN202011500088A CN112687005A CN 112687005 A CN112687005 A CN 112687005A CN 202011500088 A CN202011500088 A CN 202011500088A CN 112687005 A CN112687005 A CN 112687005A
- Authority
- CN
- China
- Prior art keywords
- point
- coal pile
- point cloud
- data
- triangle
- 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
- 239000003245 coal Substances 0.000 title claims abstract description 53
- 238000000691 measurement method Methods 0.000 title claims abstract description 10
- 230000009466 transformation Effects 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 22
- 238000003780 insertion Methods 0.000 claims description 9
- 230000037431 insertion Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000013450 outlier detection Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明涉及煤堆体积测量相关领域,具体公开了一种基于三维重建的煤堆体积测量方法,包括以下步骤:S1、开始,然后无人机获取图像;S2、无人机采集的图像数据经三维重建可获取煤堆场景的点云模型及关键帧位姿数据,同时无人机的定位数据可为三维重建的结果提供尺度信息,该过程即是无人机定位轨迹数据点与三维重建位姿估计轨迹点的配准过程,首先通过时间轴信息将两组轨迹点信息进行关联对应,假设该两组配对后的点云为:P={p1,...,pn},P’={p’1,...,p’n},求解两组点云的变换关系,即是要找一个欧氏变换R,t,使得:为了求解R,通过结合计算机视觉和几何计算的流程,融合无人机定位信息,可获取到具有真实尺度的煤堆点云,在此基础上可以求解出煤堆的实际体积。
Description
技术领域
本发明涉及煤堆体积测量相关领域,具体为一种基于三维重建的煤堆体积测量方法。
背景技术
现有技术中,对于煤堆的体积测量,人工测量浪费时间较长,且煤堆周围的污染物较多,给测量人员身体健康带来影响,且人工测量容易出现误差,影响测量结果。
发明内容
本发明的目的在于提供一种基于三维重建的煤堆体积测量方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于三维重建的煤堆体积测量方法,包括以下步骤:
S1、开始,然后无人机获取图像;
S2、无人机采集的图像数据经三维重建可获取煤堆场景的点云模型及关键帧位姿数据,同时无人机的定位数据可为三维重建的结果提供尺度信息,该过程即是无人机定位轨迹数据点与三维重建位姿估计轨迹点的配准过程,首先通过时间轴信息将两组轨迹点信息进行关联对应,假设该两组配对后的点云为:P={p1,...,pn},P’={p’1,...,p’n},求解两组点云的变换关系,即是要找一个欧氏变换R,t,使得:为了求解R,先求解两组点云的质心坐标p,p’,则每个点的去质心坐标为:qi=pi-p,q’i=p’i-p’,之后定义矩阵:W是一个3×3的矩阵,对W进行SVD分解,得:W=U∑VT,其中,∑为奇异值组成的对角矩阵,对角线元素从大到小排列,而U和V为正交矩阵,当W满秩时,R为:R=UVT,解得R后,按公式t=p-Rp’求解t即可,此时求解出的R既包含旋转变换关系,同时包含尺度因子,将该变换关系应用至重建点云即可获取自定义坐标系下的重建点云,且具备真实尺度;
S3、在步骤S2中获取真实尺度的点云基础上,结合煤堆实际场景的空间尺寸约束和过滤方法提纯煤堆点云数据,且包括在生成点云的过程中会把部分非感兴趣区域的内容和一些离散的误差噪音点添加至点云结果中,针对这两种情况,分别提出以下对应的解决方法:方法1、针对非感兴趣区域,通过三维空间平面方程对非感兴趣区域直接进行切割剔除;方法2、针对随机误差噪音点,通过离群点检测算法进行剔除;
S4、根据场景的空间尺寸约束拟合水平面方程及煤堆表面点云数据,并计算所有煤堆点云距水平面高度以生成新点云数据,由步骤S3中输入的煤堆场景实际空间尺寸,可使用场景点云非感兴趣区域进行煤堆周边水平面拟合,同时对于煤堆的表面点云数据进行曲面拟合,在此基础上,对煤堆表面点云数据依据点云密度要求进行间隔采样,重新计算煤堆表面点云距水平面的高度,获取修正后的点云数据,以便于后续的点云投影和体积计算;
S5、接着将所有煤堆表面3D点投影至水平面的2D点,进一步对所有2D点云求Delaunay三角网,获取Delaunay三角网格的步骤为:
S51、构造一个超级三角形,包含所有散点,放入三角形链表;
S52、将点集中的散点依次插入,在三角形链表中找出其外接圆包含插入点的三角形,删除影响三角形的公共边,将插入点同影响三角形的全部顶点连接起来,从而完成一个点在Delaunay三角形链表中的插入;
S53、根据优化准则对局部新形成的三角形进行优化,将形成的三角形放入Delaunay三角形链表;
S54、循环执行上述捕捉S52,直到所有散点插入完毕;
由于Delaunay剖分具备最接近和区域性的特性,故采用步骤S51-S54对点集所构成的平面进行拟合,步骤S51-S54可以获得三角形的集合以及三角形中每个顶点对应的距离,取三个顶点距离的平均值作为三棱柱的高,每个三角形的面积按照以下公式计算,其中,(x1,y1),(x2,y2),(x3,y3)表示三顶点的坐标,通过公式:即可获得所有三棱柱的体积;
S6、剔除异常三棱柱,将所有有效三棱柱体积进行积分得出煤堆真实体积。
优选的,步骤S6中可以将三维重建后点云体积的求解转化成对多个三棱柱积分的求解,因为所有三棱柱的体积值都分布在某一个区间内,对于部分偏差较大的三棱柱体积值应该通过算法进行剔除,步骤S6中通过采用箱形图的方法进行计算,能够准确稳定地描绘出数据的离散分布情况,同时也利于数据的清洗,需要求解出数据中的5个特征数据值,包括下四分位Q1,上四分位数Q3,四分位距IQR=Q3-Q1,以及上限Q3+1.5IQR和下限Q1-1.5IQR,对于上下限之外的内容需要剔除,最终结合所估算出的尺度,以及所有有效三棱柱的体积按照下式:即可估计出物体中感兴趣区域的实际体积值,其中dj表示三棱柱的棱长。
优选的,步骤S3中的方法1为在三维重建后的点云中,只需要收集感兴趣区域内的3D点集,可以通过场景的实际尺寸信息约束求出空间切面方程对场景进行切割。
优选的,步骤S3中的方法2为采用统计滤波器即为对每个点的邻域进行一个统计分析,并修剪掉一些不符合标准的点,具体方法为在输入数据中对点到临近点的距离分布的计算,对每一个点,计算它到所有临近点的平均距离,那么平均距离在标准范围之外的点,可以被定义为离群点并从数据中去除。
与现有技术相比,本发明的有益效果是:通过结合计算机视觉和几何计算的流程,融合无人机定位信息,可获取到具有真实尺度的煤堆点云,在此基础上可以求解出煤堆的实际体积。
附图说明
图1为本发明的箱型图示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做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。
本发明提供一种技术方案:一种基于三维重建的煤堆体积测量方法,包括以下步骤:
S1、开始,然后无人机获取图像;
S2、无人机采集的图像数据经三维重建可获取煤堆场景的点云模型及关键帧位姿数据,同时无人机的定位数据可为三维重建的结果提供尺度信息,该过程即是无人机定位轨迹数据点与三维重建位姿估计轨迹点的配准过程,首先通过时间轴信息将两组轨迹点信息进行关联对应,假设该两组配对后的点云为:P={p1,...,pn},P’={p’1,...,p’n},求解两组点云的变换关系,即是要找一个欧氏变换R,t,使得:为了求解R,先求解两组点云的质心坐标p,p’,则每个点的去质心坐标为:qi=pi-p,q’i=p’i-p’,之后定义矩阵:W是一个3×3的矩阵,对W进行SVD分解,得:W=U∑VT,其中,∑为奇异值组成的对角矩阵,对角线元素从大到小排列,而U和V为正交矩阵,当W满秩时,R为:R=UVT,解得R后,按公式t=p-Rp’求解t即可,此时求解出的R既包含旋转变换关系,同时包含尺度因子,将该变换关系应用至重建点云即可获取自定义坐标系下的重建点云,且具备真实尺度;
S3、在步骤S2中获取真实尺度的点云基础上,结合煤堆实际场景的空间尺寸约束和过滤方法提纯煤堆点云数据,且包括在生成点云的过程中会把部分非感兴趣区域的内容和一些离散的误差噪音点添加至点云结果中,针对这两种情况,分别提出以下对应的解决方法:
方法1、针对非感兴趣区域,通过三维空间平面方程对非感兴趣区域直接进行切割剔除;
方法2、针对随机误差噪音点,通过离群点检测算法进行剔除;
S4、根据场景的空间尺寸约束拟合水平面方程及煤堆表面点云数据,并计算所有煤堆点云距水平面高度以生成新点云数据,由步骤S3中输入的煤堆场景实际空间尺寸,可使用场景点云非感兴趣区域进行煤堆周边水平面拟合,同时对于煤堆的表面点云数据进行曲面拟合,在此基础上,对煤堆表面点云数据依据点云密度要求进行间隔采样,重新计算煤堆表面点云距水平面的高度,获取修正后的点云数据,以便于后续的点云投影和体积计算;
S5、接着将所有煤堆表面3D点投影至水平面的2D点,进一步对所有2D点云求Delaunay三角网,获取Delaunay三角网格的步骤为:
S51、构造一个超级三角形,包含所有散点,放入三角形链表;
S52、将点集中的散点依次插入,在三角形链表中找出其外接圆包含插入点的三角形,删除影响三角形的公共边,将插入点同影响三角形的全部顶点连接起来,从而完成一个点在Delaunay三角形链表中的插入;
S53、根据优化准则对局部新形成的三角形进行优化,将形成的三角形放入Delaunay三角形链表;
S54、循环执行上述捕捉S52,直到所有散点插入完毕;
由于Delaunay剖分具备最接近和区域性的特性,故采用步骤S51-S54对点集所构成的平面进行拟合,步骤S51-S54可以获得三角形的集合以及三角形中每个顶点对应的距离,取三个顶点距离的平均值作为三棱柱的高,每个三角形的面积按照以下公式计算,其中,(x1,y1),(x2,y2),(x3,y3)表示三顶点的坐标,通过公式:即可获得所有三棱柱的体积,即可获得所有三棱柱的体积;
S6、剔除异常三棱柱,将所有有效三棱柱体积进行积分得出煤堆真实体积。
进一步的,步骤S6中可以将三维重建后点云体积的求解转化成对多个三棱柱积分的求解,因为所有三棱柱的体积值都分布在某一个区间内,对于部分偏差较大的三棱柱体积值应该通过算法进行剔除,步骤S6中通过采用箱形图的方法进行计算,能够准确稳定地描绘出数据的离散分布情况,同时也利于数据的清洗,箱形图如图1所示,需要求解出数据中的5个特征数据值,包括下四分位Q1,上四分位数Q3,四分位距IQR=Q3-Q1,以及上限Q3+1.5IQR和下限Q1-1.5IQR,对于上下限之外的内容需要剔除,最终结合所估算出的尺度,以及所有有效三棱柱的体积按照下式:即可估计出物体中感兴趣区域的实际体积值,其中dj表示三棱柱的棱长。
进一步的,步骤S3中的方法1为在三维重建后的点云中,只需要收集感兴趣区域内的3D点集,可以通过场景的实际尺寸信息约束求出空间切面方程对场景进行切割。
进一步的,步骤S3中的方法2为采用统计滤波器即为对每个点的邻域进行一个统计分析,并修剪掉一些不符合标准的点,具体方法为在输入数据中对点到临近点的距离分布的计算,对每一个点,计算它到所有临近点的平均距离,那么平均距离在标准范围之外的点,可以被定义为离群点并从数据中去除。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (4)
1.一种基于三维重建的煤堆体积测量方法,其特征在于:包括以下步骤。
S1、开始,然后无人机获取图像;
S2、无人机采集的图像数据经三维重建可获取煤堆场景的点云模型及关键帧位姿数据,同时无人机的定位数据可为三维重建的结果提供尺度信息,该过程即是无人机定位轨迹数据点与三维重建位姿估计轨迹点的配准过程,首先通过时间轴信息将两组轨迹点信息进行关联对应,假设该两组配对后的点云为:P={p1,...,pn},P’={p’1,...,p’n},求解两组点云的变换关系,即是要找一个欧氏变换R,t,使得:为了求解R,先求解两组点云的质心坐标p,p’,则每个点的去质心坐标为:qi=pi-p,q’i=p’i-p’,之后定义矩阵:W是一个3×3的矩阵,对W进行SVD分解,得:W=U∑VT,其中,∑为奇异值组成的对角矩阵,对角线元素从大到小排列,而U和V为正交矩阵,当W满秩时,R为:R=UVT,解得R后,按公式t=p-Rp’求解t即可,此时求解出的R既包含旋转变换关系,同时包含尺度因子,将该变换关系应用至重建点云即可获取自定义坐标系下的重建点云,且具备真实尺度;
S3、在步骤S2中获取真实尺度的点云基础上,结合煤堆实际场景的空间尺寸约束和过滤方法提纯煤堆点云数据,且包括在生成点云的过程中会把部分非感兴趣区域的内容和一些离散的误差噪音点添加至点云结果中,针对这两种情况,分别提出以下对应的解决方法:
方法1、针对非感兴趣区域,通过三维空间平面方程对非感兴趣区域直接进行切割剔除;
方法2、针对随机误差噪音点,通过离群点检测算法进行剔除;
S4、根据场景的空间尺寸约束拟合水平面方程及煤堆表面点云数据,并计算所有煤堆点云距水平面高度以生成新点云数据,由步骤S3中输入的煤堆场景实际空间尺寸,可使用场景点云非感兴趣区域进行煤堆周边水平面拟合,同时对于煤堆的表面点云数据进行曲面拟合,在此基础上,对煤堆表面点云数据依据点云密度要求进行间隔采样,重新计算煤堆表面点云距水平面的高度,获取修正后的点云数据,以便于后续的点云投影和体积计算;
S5、接着将所有煤堆表面3D点投影至水平面的2D点,进一步对所有2D点云求Delaunay三角网,获取Delaunay三角网格的步骤为:
S51、构造一个超级三角形,包含所有散点,放入三角形链表;
S52、将点集中的散点依次插入,在三角形链表中找出其外接圆包含插入点的三角形,删除影响三角形的公共边,将插入点同影响三角形的全部顶点连接起来,从而完成一个点在Delaunay三角形链表中的插入;
S53、根据优化准则对局部新形成的三角形进行优化,将形成的三角形放入Delaunay三角形链表;
S54、循环执行上述捕捉S52,直到所有散点插入完毕;
由于Delaunay剖分具备最接近和区域性的特性,故采用步骤S51-S54对点集所构成的平面进行拟合,步骤S51-S54可以获得三角形的集合以及三角形中每个顶点对应的距离,取三个顶点距离的平均值作为三棱柱的高,每个三角形的面积按照以下公式计算,其中,(x1,y1),(x2,y2),(x3,y3)表示三顶点的坐标,通过公式:即可获得所有三棱柱的体积;
S6、剔除异常三棱柱,将所有有效三棱柱体积进行积分得出煤堆真实体积。
2.根据权利要求1所述的一种基于三维重建的煤堆体积测量方法,其特征在于:步骤S6中可以将三维重建后点云体积的求解转化成对多个三棱柱积分的求解,因为所有三棱柱的体积值都分布在某一个区间内,对于部分偏差较大的三棱柱体积值应该通过算法进行剔除,步骤S6中通过采用箱形图的方法进行计算,能够准确稳定地描绘出数据的离散分布情况,同时也利于数据的清洗,需要求解出数据中的5个特征数据值,包括下四分位Q1,上四分位数Q3,四分位距IQR=Q3-Q1,以及上限Q3+1.5IQR和下限Q1-1.5IQR,对于上下限之外的内容需要剔除,最终结合所估算出的尺度,以及所有有效三棱柱的体积按照下式:即可估计出物体中感兴趣区域的实际体积值,其中dj表示三棱柱的棱长。
3.根据权利要求1所述的一种基于三维重建的煤堆体积测量方法,其特征在于:步骤S3中的方法1为在三维重建后的点云中,只需要收集感兴趣区域内的3D点集,可以通过场景的实际尺寸信息约束求出空间切面方程对场景进行切割。
4.根据权利要求1所述的一种基于三维重建的煤堆体积测量方法,其特征在于:步骤S3中的方法2为采用统计滤波器即为对每个点的邻域进行一个统计分析,并修剪掉一些不符合标准的点,具体方法为在输入数据中对点到临近点的距离分布的计算,对每一个点,计算它到所有临近点的平均距离,那么平均距离在标准范围之外的点,可以被定义为离群点并从数据中去除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011500088.5A CN112687005A (zh) | 2020-12-18 | 2020-12-18 | 一种基于三维重建的煤堆体积测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011500088.5A CN112687005A (zh) | 2020-12-18 | 2020-12-18 | 一种基于三维重建的煤堆体积测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112687005A true CN112687005A (zh) | 2021-04-20 |
Family
ID=75449000
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011500088.5A Pending CN112687005A (zh) | 2020-12-18 | 2020-12-18 | 一种基于三维重建的煤堆体积测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112687005A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113554759A (zh) * | 2021-07-26 | 2021-10-26 | 河南德拓信息科技有限公司 | 一种煤炭运输遗撒智能监测分析方法、装置和设备 |
CN113570623A (zh) * | 2021-07-28 | 2021-10-29 | 广东工业大学 | 大型煤堆开挖点、堆料点自动识别方法及装置 |
-
2020
- 2020-12-18 CN CN202011500088.5A patent/CN112687005A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113554759A (zh) * | 2021-07-26 | 2021-10-26 | 河南德拓信息科技有限公司 | 一种煤炭运输遗撒智能监测分析方法、装置和设备 |
CN113554759B (zh) * | 2021-07-26 | 2024-05-14 | 河南德拓信息科技有限公司 | 一种煤炭运输遗撒智能监测分析方法、装置和设备 |
CN113570623A (zh) * | 2021-07-28 | 2021-10-29 | 广东工业大学 | 大型煤堆开挖点、堆料点自动识别方法及装置 |
CN113570623B (zh) * | 2021-07-28 | 2023-12-01 | 广东工业大学 | 大型煤堆开挖点、堆料点自动识别方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | Reconstruction of scaffolds from a photogrammetric point cloud of construction sites using a novel 3D local feature descriptor | |
CN112595258A (zh) | 基于地面激光点云的地物轮廓提取方法 | |
Sampath et al. | Building boundary tracing and regularization from airborne LiDAR point clouds | |
Chauve et al. | Robust piecewise-planar 3D reconstruction and completion from large-scale unstructured point data | |
CN102521884B (zh) | 一种基于LiDAR数据与正射影像的3维屋顶重建方法 | |
CN108303037B (zh) | 一种基于点云分析的工件表面形状差异的检测方法及装置 | |
CN110276732B (zh) | 一种顾及地形特征线要素的山区点云空洞修复方法 | |
CN112633657B (zh) | 一种施工质量管理方法、装置、设备及存储介质 | |
CN103701466A (zh) | 基于特征保留的散乱点云压缩算法 | |
CN108830933B (zh) | 一种电力杆塔塔身重建方法、系统、介质及设备 | |
Yan et al. | Estimation of building height using a single street view image via deep neural networks | |
CN108550166B (zh) | 一种空间目标图像匹配方法 | |
CN112687005A (zh) | 一种基于三维重建的煤堆体积测量方法 | |
CN113916130B (zh) | 一种基于最小二乘法的建筑物位置测量方法 | |
CN114332134B (zh) | 一种基于密集点云的建筑物立面提取方法和装置 | |
CN110070567A (zh) | 一种地面激光点云配准方法 | |
CN107481274A (zh) | 一种三维作物点云的鲁棒性重构方法 | |
CN115564926A (zh) | 基于影像建筑物结构学习的三维面片模型构建方法 | |
CN116309880A (zh) | 基于三维重建的物体位姿确定方法、装置、设备及介质 | |
CN107610219A (zh) | 一种三维场景重构中几何线索感知的像素级点云稠密化方法 | |
CN116229007A (zh) | 利用bim建模的四维数字图像构建方法、装置、设备及介质 | |
CN114241018A (zh) | 一种牙齿点云配准方法、系统及可读存储介质 | |
CN114092663B (zh) | 面向城市信息模型建筑三维重建方法、装置、设备及介质 | |
CN115082699A (zh) | 一种轮廓形状提取方法、装置、电子设备及存储介质 | |
CN116385702A (zh) | 三维点云的底面分割方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210420 |
|
WD01 | Invention patent application deemed withdrawn after publication |