CN113284245B - 巷道三维模型构建方法、装置和电子设备 - Google Patents
巷道三维模型构建方法、装置和电子设备 Download PDFInfo
- Publication number
- CN113284245B CN113284245B CN202110531563.3A CN202110531563A CN113284245B CN 113284245 B CN113284245 B CN 113284245B CN 202110531563 A CN202110531563 A CN 202110531563A CN 113284245 B CN113284245 B CN 113284245B
- Authority
- CN
- China
- Prior art keywords
- roadway
- point
- dividing
- determining
- data
- 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
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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- 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
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供了一种巷道三维模型构建方法、装置和电子设备,涉及数字矿山技术领域,该巷道三维模型构建方法包括:基于预先处理后的巷道点云数据确定巷道网格模型;巷道点云数据分布于巷道网格模型中;确定巷道点云数据中的每个点数据在巷道网格模型中的体数据;根据预先选择的构建策略对体数据进行三维重建,以构建出巷道三维模型。本发明更加适应巷道点云数据的分布规律,提升了巷道三维模型构建的准确性。
Description
技术领域
本发明涉及数字矿山技术领域,尤其是涉及一种巷道三维模型构建方法、装置和电子设备。
背景技术
数字矿山是实现矿山设计、生产、管理的信息化和自动化的数字矿山体系。巷道作为矿山不可或缺的一部分是矿井下矿体和各类人工设备的主要载体,始终贯穿于矿山的所有生产活动中。真实准确地构建巷道的三维模型不仅可以使矿山生产活动数字化、可视化,还可以为矿井的通风管理、安全管理、救灾救援等提供信息基础。
为了实现对点云数据的三维模型构建,通常采用基于隐式函数的三维模型构建方法。目前典型方法有基于矢量距离函数的三维模型构建算法、基于快速傅里叶变换的三维模型构建以及空间泊松方程求解方式等。巷道点云数据具有狭长、空间分布不均匀、点云数量较多等特点,然而基于矢量距离函数的方法只适用于采样均匀、密集的情况,且存在无法恢复出尖锐特征以及恢复出的曲面不经过原始点集的缺点;基于快速傅里叶变换的方法占用较多的内存,而无法应用于大量点云的情况;基于空间泊松方程求解的方法对于空间分布不均匀的点云数据进行三维模型构建效果较差。
综上,目前针对巷道点云数据空间分布不均匀、三维重建效果差的问题,尚未有效的解决方案。
发明内容
本发明的目的在于提供一种巷道三维模型构建方法、装置和电子设备,更加适应巷道点云数据的分布规律,提升了巷道三维模型构建的准确性。
第一方面,本发明提供一种巷道三维模型构建方法,方法包括:基于预先处理后的巷道点云数据确定巷道网格模型;巷道点云数据分布于巷道网格模型中;确定巷道点云数据中的每个点数据在巷道网格模型中的体数据;根据预先选择的构建策略对体数据进行三维重建,以构建出巷道三维模型。
在可选的实施方式中,基于预先处理后的巷道点云数据确定巷道网格模型的步骤,包括:基于巷道点云数据确定初始包围模型;初始包围模型包括巷道延伸方向、巷道宽度方向、巷道高度方向的三维方向的包围;对初始包围模型沿巷道延伸方向进行划分,得到划分后的多个第一划分点;在每个第一划分点上确定巷道宽度方向的第二划分点,以及巷道高度方向的第三划分点;基于第一划分点、第二划分点和第三划分点确定巷道网格模型。
在可选的实施方式中,对初始包围模型沿巷道延伸方向进行划分,得到划分后的多个第一划分点的步骤,包括:预先设定划分长度阈值;基于巷道点云数据的坐标原点和指定数量的划分长度阈值确定初始包围模型沿巷道高度方向的初始划分点;基于初始划分点和划分长度阈值在初始包围模型的巷道延伸方向确定第一中间划分点;基于坐标原点确定初始划分点与第一中间划分点的划分角度;基于划分角度在巷道延伸方向上依次确定多个第二中间划分点;当确定的当前的第二中间划分点与上一个第二中间划分点基于坐标原点确定的夹角小于或等于划分角度,则停止继续进行划分,从而得到多个第一划分点;第一划分点包括初始划分点、第一中间划分点和多个第二中间划分点。
在可选的实施方式中,在每个第一划分点上确定巷道宽度方向的第二划分点,以及巷道高度方向的第三划分点的步骤,包括:在每个第一划分点上,基于划分长度阈值分别在巷道宽度方向和巷道高度方向对初始包围模型进行网格划分,以得到巷道宽度方向的多个第二划分点和巷道高度方向上的多个第三划分点。
在可选的实施方式中,方法还包括:如果巷道网格模型在巷道宽度方向和/或巷道高度方向上的长度不与划分长度阈值呈整数比例,则对巷道网格模型相应的巷道宽度方向和/或巷道高度方向进行扩展,以便巷道网格模型在巷道宽度方向和巷道高度方向上的长度与划分长度阈值呈整数比例。
在可选的实施方式中,确定巷道点云数据中的每个点数据在巷道网格模型中的体数据的步骤,包括:确定巷道点云数据中的每个点数据的k邻域点集;基于点数据和对应的k邻域点集确定点数据的中心点和中心点的法矢向量;对法矢向量进行方向统一处理,确定目标法矢向量;基于巷道网格模型中巷道点云数据的任一点数据的坐标、中心点的坐标和目标法矢向量确定对应的点数据的体数据数值。
在可选的实施方式中,基于巷道网格模型中巷道点云数据的任一点数据的坐标、中心点的坐标和目标法矢向量确定对应的中点数据的体数据数值的步骤,包括:基于公式disti(p)=(p-oi).ni计算巷道网格模型的中点云数据中任一点数据的有向距离;其中,p点为巷道网格模型的中点云数据中任一点数据;oi为距离p点最近的中心点;p-oi为中心点oi到点p的向量;ni为中心点oi的法矢向量;基于有向距离确定对应的点数据的体数据数值。
第二方面,本发明提供一种巷道三维模型构建装置,装置包括:巷道网格模型确定模块,用于基于预先处理后的巷道点云数据确定巷道网格模型;巷道点云数据分布于巷道网格模型中;体数据确定模块,用于确定巷道点云数据中的每个点数据在巷道网格模型中的体数据;巷道三维模型构建模块,用于根据预先选择的构建策略对体数据进行三维重建,以构建出巷道三维模型。
第三方面,本发明提供一种电子设备,包括处理器和存储器,存储器存储有能够被处理器执行的机器可执行指令,处理器执行机器可执行指令以实现前述实施方式任一项的巷道三维模型构建方法。
第四方面,本发明提供一种机器可读存储介质,机器可读存储介质存储有机器可执行指令,机器可执行指令在被处理器调用和执行时,机器可执行指令促使处理器实现前述实施方式任一项的巷道三维模型构建方法。
本发明提供的巷道三维模型构建方法、装置和电子设备,该巷道三维模型构建方法包括:首先基于预先处理后的巷道点云数据确定巷道网格模型,其中,巷道点云数据分布于巷道网格模型中;然后确定巷道点云数据中的每个点数据在巷道网格模型中的体数据;进而根据预先选择的构建策略对体数据进行三维重建,以构建出巷道三维模型。上述方式通过确定巷道网格模型,并确定巷道点云数据中的每个点数据在巷道网格模型中的体数据进行巷道三维模型构建,可以利用巷道点云数据的空间分布特征确定自适应的巷道网格模型,从而更加适应巷道点云数据的分布规律,提升了巷道三维模型构建的准确性。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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一种巷道三维模型构建方法的流程示意图;
图2为本发明实施例提供的一种巷道网格模型的示意图;
图3为本发明实施例提供的一种有向距离的示意图;
图4为本发明实施例提供的另一种巷道三维模型构建方法的流程示意图;
图5为本发明实施例提供的一种巷道点云数据及巷道三维模型的示意图;
图6为本发明实施例提供的一种巷道三维模型构建装置的结构示意图;
图7为本发明实施例提供的一种电子设备的结构示意图。
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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
下面结合附图,对本发明的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
考虑到巷道属于狭长的被测对象,沿巷道走向方向扫描获取的点云数据呈现规律性变化:离三维激光扫描仪越远,扫描点云越稀疏,而且点云减少程度乘指数级增长,这将导致扫描获取的点云数据离三维激光扫描仪近的地方,扫描点云数据就非常密集,离三维激光扫描仪远的地方,扫描点云数据就非常稀疏,整个点云数据呈现一种不均匀分布。对于分布不均匀的点云数据,采用基于隐式函数的三维模型构建方法,将导致构建的三维模型出现孔洞,而这种质量的三维模型往往无法使用。基于此,本发明实施例提供了一种巷道三维模型构建方法、装置和电子设备,可以更加适应巷道点云数据的分布规律,提升了巷道三维模型构建的准确性。
为便于理解,首先对本发明实施例提供的一种巷道三维模型构建方法进行详细说明,参见图1所示的一种巷道三维模型构建方法的流程示意图,该方法主要包括以下步骤S102至步骤S106:
步骤S102,基于预先处理后的巷道点云数据确定巷道网格模型。
上述预先处理后的巷道点云数据可以为经过诸如点云去噪处理和点云精简处理后得到的点云数据。在一种实施方式中,首先可以通过固定式三维激光扫描仪获取点云数据,然后对获取的点云数据进行预处理,诸如,假设散乱点集X={x1,x2.....xn}为获取的点云数据,采用点云滤波算法过滤掉点云数据中的噪声点云(包括体外孤点、离群点等);然后设置距离阈值dr,采用点云数据精简算法对点云数据进行精简,具体的,如果两点距离大于dr,那么不删除点,如果两点距离小于dr,那么删除其中一点,从而得到预先处理后的巷道点云数据。
考虑到巷道沿走向方向存在点云数量逐渐减少的规律,因此巷道网格模型为包络巷道点云数据的自适应大小网格模型,也即巷道点云数据分布于巷道网格模型中。巷道网格模型中的网格可以使点云密度大的区域划分网格小,使点云密度小的区域划分网格大,从而可以适应通过固定式三维激光扫描仪获取的巷道点云数据特点,也即离三维激光扫描仪近的地方点云数据非常密集,离三维激光扫描仪远的地方扫描点云数据就非常稀疏的不均匀分布的特点。
步骤S104,确定巷道点云数据中的每个点数据在巷道网格模型中的体数据。
体数据(Volume data)用于记录某个三维或多维空间范围内各个离散点的数值,在本实施例中,每个点数据在巷道网格模型中的体数据,也即巷道网格模型中点云数据任一一点的有向距离。在一种实施方式中,巷道网格模型中点云数据任一一点的有向距离可以首先根据点云所处网格位置查找相邻网格的点云数据,并计算点云数据法向矢量,以便求解得到巷道网格模型中点云数据任一一点的有向距离。
步骤S106,根据预先选择的构建策略对体数据进行三维重建,以构建出巷道三维模型。
上述预先选择的构建策略可以包括针对隐式函数的三维构建算法,诸如MarchingCubes算法。在实际应用中,三维构建算法还可以是其他算法,此处不作具体限定。
本发明实施例提供的巷道三维模型构建方法,通过确定巷道网格模型,并确定巷道点云数据中的每个点数据在巷道网格模型中的体数据进行巷道三维模型构建,可以利用巷道点云数据的空间分布特征确定自适应的巷道网格模型,从而更加适应巷道点云数据的分布规律,提升了巷道三维模型构建的准确性。
本发明实施例的巷道点云数据,也可以替换为由固定式三维激光扫描仪获取的管道点云数据、隧道点云数据、走廊点云数据等,点云数据只要呈现狭长、由密集到稀疏的规律分布即可采取本实施例进行三维构建。以下对本实施例的具体实施方式进行介绍。
在一种实施方式中,上述基于预先处理后的巷道点云数据确定巷道网格模型的步骤,可以进一步包括以下步骤1至步骤4:
步骤1,基于巷道点云数据确定初始包围模型。初始包围模型包括巷道延伸方向、巷道宽度方向、巷道高度方向的三维方向的包围,为便于理解,该初始包围模型可以为基于巷道点云数据确定的包围盒。由于巷道点云数据在获取时,每个点均携带有点云坐标系的坐标,因此在具体实施时,可以查找上述预先处理后的巷道点云数据的X、Y、Z方向最小、最大值,分别为Xmin、Xmax、Ymin、Ymax、Zmin、Zmax,计算X、Y、Z方向距离,设定dx=Xmax-Xmin、dy=Ymax-Ymin、dz=Zmax-Zmin,依照点云坐标系建立以dx、dy、dz为边长的包围盒。其中,巷道延伸方向也即上述X方向、巷道宽度方向也即上述Y方向、巷道高度方向也即上述Z方向。
步骤2,对初始包围模型沿巷道延伸方向进行划分,得到划分后的多个第一划分点。第一划分点也即对初始包围模型沿X方向进行划分的多个点,在具体进行划分时,可以采用以下步骤2.1至步骤2.6:
步骤2.1,预先设定划分长度阈值。该划分长度阈值诸如可以为划分后的巷道网格模型的最小网格边长,用d表示。该划分长度阈值可以根据点云数据的数量进行适应性调整,诸如当点云的密集程度较大时,该划分长度阈值可以相应的设置的更小。优选的,为了使构建的巷道网格模型更加准确,更有利于提升巷道三维模型的准确构建,该划分长度阈值可以设置为厘米级的长度。在实际应用中,还可以根据实际情况进行调整,此处不作具体限定。
步骤2.2,基于巷道点云数据的坐标原点和指定数量的划分长度阈值确定初始包围模型沿巷道高度方向的初始划分点。可以理解的是,巷道点云数据的坐标符合点云坐标系,该坐标原点也即点云坐标系的原点。巷道高度方向可以包括基于坐标原点的正方向和反方向,在具体实施时,可以选择正方向或反方向中任一方向即可。在确定第一中间划分点之前,可以以坐标原点为起点,沿Z轴正方向或反方向绘制一条线段,以确定的初始划分点(用A1表示),上述指定数量的划分长度阈值可以为至少两个的划分长度阈值,也即至少2d,在实际应用中,也可以选择非整数倍的划分长度阈值,可以根据实际需求设定。
步骤2.3,基于初始划分点和划分长度阈值在初始包围模型的巷道延伸方向确定第一中间划分点。在进行划分之前,可以首先以初始划分点(也即A1)为起点沿巷道延伸方向(也即X轴)正方向绘制一条线段,与上述初始包围模型的Xmax交点为A’,则上述第一中间划分点为在A1A’线段上距离初始划分点(也即A1)为d的点,为方便表述,可以用A2表示。
步骤2.4,基于坐标原点确定初始划分点与第一中间划分点的划分角度。可以理解的是,坐标原点通常用O表示,则划分角度可以通过点O、A1和A2表示,也即划分角度为∠A1OA2,角度的大小为α1。
步骤2.5,基于划分角度在巷道延伸方向上依次确定多个第二中间划分点。首个第二中间划分点(也即与第一中间划分点相邻的点,可以用A3表示)可以以上述坐标原点O为中心点,以上述划分角度α1为递增角度确定,也即∠A2OA3=α1,∠A1OA3=2α1,依次类推,以划分角度α1为递增角度确定A4….An。
步骤2.6,当确定的当前的第二中间划分点与上一个第二中间划分点基于坐标原点确定的夹角小于或等于划分角度,则停止继续进行划分,从而得到多个第一划分点。也即,在具体实施时,当确定的当前∠An-1OAn<=α1时,确定该An为最后一个第二中间划分点,此时停止进行划分。并将初始划分点、第一中间划分点和多个第二中间划分点确定为最终的位于巷道延伸方向的多个第一划分点。
进一步,定义OA1的长度为L,∠A1OA2的角度为α1,A1A2的长度dA1A2,A2A3的长度dA2A3,…..AnA’的长度dAnA’,A1A2的长度DA1A2,A1A3的长度DA1A3,…..A1A’的长度DA1A’。则在一种实施方式中,可以使L=abs(Zmin),α1=artan(d/L),则沿巷道延伸方向进行划分的每个网格在X方向的长度A2A3….AnA’的长度计算公式如下:
DA1A3=L*tan2α1,对应dA2A3=DA1A3-DA1A2,其中DA1A2=dA1A2;
DA1A4=L*tan3α1,对应dA3A4=DA1A4-DA1A3;
....
DA1An=L*tan(n-1)α1,对应dAn-1An=DA1An-DA1An-1;
DA1A’=Xmax-Xmin,对应dAnA’=DA1A’-DA1An。
步骤3,在每个第一划分点上确定巷道宽度方向的第二划分点,以及巷道高度方向的第三划分点。在具体实施时,在每个第一划分点上,基于划分长度阈值分别在巷道宽度方向和巷道高度方向对初始包围模型进行网格划分,以得到巷道宽度方向的多个第二划分点和巷道高度方向上的多个第三划分点。也即,在已经划分形成的线段A1A2、A2A3….AnA’基础上,以坐标原点O为起点,以d为边长沿Y轴、Z轴对包围盒(也即初始包围模型)进行网格划分。
此外,如果巷道网格模型在巷道宽度方向和/或巷道高度方向上的长度不与划分长度阈值呈整数比例,则对巷道网格模型相应的巷道宽度方向和/或巷道高度方向进行扩展,以便巷道网格模型在巷道宽度方向和巷道高度方向上的长度与划分长度阈值呈整数比例。诸如,在进行网格划分过程中,如果在Y轴、Z轴方向上包围盒大小不是正好等于边长d的整数倍,那就相应的在Y轴、Z轴方向上对包围盒进行扩展,最后使Y轴、Z轴方向上包围盒大小均等于边长d的整数倍。
步骤4,基于第一划分点、第二划分点和第三划分点确定巷道网格模型。经过上述步骤1至步骤3的处理,可以得到位于X轴的多个第一划分点、位于Y轴的多个第二划分点以及位于Z轴的多个第三划分点,其中,第一划分点为非均匀分布,第二划分点和第三划分点为以划分长度阈值为边长的均匀分布。最后形成X轴方向边长(A1A2、A2A3….AnA’)长度不一致,Y轴、Z轴方向边长为d的自适应长方体网格(巷道网格模型),参见图2所示,其中,巷道点云数据将全部分布在划分形成的自适应大小网格当中。
进一步,在确定巷道点云数据中的每个点数据在巷道网格模型中的体数据时,可以首先确定巷道点云数据中的每个点数据的k邻域点集,进而基于点数据和对应的k邻域点集确定点数据的中心点和中心点的法矢向量,然后对法矢向量进行方向统一处理,确定目标法矢向量,最终基于巷道网格模型中巷道点云数据中任一点数据的坐标、中心点的坐标和目标法矢向量确定对应的点数据的体数据数值。
上述k邻域点集为距离巷道点云数据中的点数据xi最近的k个点,可以通过在点xi当前网格及邻近的上下左右网格当中查找其k个邻居点确定,用yj标识。点xi的k邻域点集可以用点集Knb(xi)={y1,...yj,...yk}表示。
上述中心点的法矢向量ni可以通过构造协方差矩阵确定:
其中:
CV为3*3实对称矩阵,因此存在特征向量及相应的特征值其中最小特征值对应的特征向量为xi处的微切平面Ty(xi)的法矢向量,即为中心点oi的法矢向量ni,其中微切平面Ty(xi)为待构建三维模型表面U在xi处的线性逼近。
经过上述k邻域查找确定中心点以及矩阵构造求解法矢向量后,所有中心点都有一个法矢向量ni,但是确定的法矢方向朝向是混乱的,朝内朝外的都有。为了构造体数据,需要对法矢向量的方向统一处理,确定目标法矢向量。因此以每个中心点为节点,在该中心点与其邻居集合中的中心点之间均建立一条边,形成一张黎曼(Riemannian)图,然后为每条边赋权值1-|ni·nj。如果ni·nj<0,那么使邻域中心点的法矢向量反向,如果ni.nj≥0,那么使邻域中心点的法矢向量保持不变,从而确定方向一致的目标法矢向量。
在确定上述中心点和目标法矢向量后,所有中心点法矢方向都保持一致,可以首先基于公式disti(p)=(p-oi).ni计算巷道网格模型中巷道点云数据的任一点数据的有向距离,进而基于有向距离确定对应的点数据的体数据数值。
在计算有向距离时,p点为巷道网格模型中巷道点云数据的任一点数据;oi为距离p点最近的中心点;p-oi为中心点oi到点p的向量;ni为中心点oi的法矢向量,有向距离为向量p-oi与向量ni的点乘,参见图3所示。
进而可以根据求有向距离的公式,求出巷道网格模型中巷道点云数据的任一点数据的有向距离。对于在物体表面外的点其求出的有向距离大于或等于零,而对于在物体表面内的点其求出的有向距离小于或等于零,巷道网格模型中巷道点云数据的任一点数据的有向距离为该点的阈值,求出全部巷道点云数据的有向距离后体数据构造完成。在构建体数据完成后,可以根据预先选择的构建策略对体数据进行三维重建,以构建出巷道三维模型。
本发明实施例还给出了另一种巷道三维模型构建方法的流程示意图,参见图4所示,首先读取巷道点云数据,并对巷道点云数据进行滤波与精简处理,进而计算巷道点云数据最大包围盒边长dx、dy、dz,对最大包围盒进行自适应网格大小划分,从而将巷道点云数据根据空间位置分配到大小不一致的网格,设置任一点xi的邻域k值,构造协方差矩阵,求取该点的中心点和微切平面法矢,指定某中心法矢方向为参考方向,利用法向调整准则,统一中心点法矢朝向,进而根据有向距离计算公式,计算所有点云数据有向距离大小,完成体数据构造,最后利用MarchingCubes算法对体数据进行三维重建,构造出巷道三维模型。
本发明实施例提供了一个具体的示例,获取的巷道点云数据来源于固定三维激光扫描仪获取的国内某矿山地下巷道点云数据,点云数据个数为460878个,扫描的巷道总长度为49.08m。设置最小网格边长为d=0.02m,每次递增角度为α1=0.4°,任一点邻域k=100。图5中的(a)可以看出点云数据沿巷道走向方向呈现由密集到稀疏的分布特征,图5中的(b)是采用本发明上述实施例提出的基于自适应网格的巷道三维模型构建方法对巷道点云数据进行三维模型构建的结果,形成的三维模型与扫描点云形态非常吻合,能够有效地反应巷道形态细节,算法效果非常好。
通过上述实施例,可以解决由固定三维激光扫描仪在扫描狭长的巷道获取的点云数据稀疏不均、常规三维模型构建算法对空间分布不均匀的点云数据进行三维模型构建效果不佳的问题。本发明实施例充分利用巷道点云数据沿巷道走向方向呈现由密集到稀疏的渐进变化规律,构建包络巷道点云数据的自适应网格,使包络密集点云数据的沿巷道走向方向的网格边长小,而使包络稀疏点云数据的沿巷道走向方向的网格边长大,采取这种策略可以让密集和稀疏点云都参与到三维模型构建当中去,最大程度地利用了原始数据,使巷道点云数据三维模型构建结果与原始点云数据空间形态一致,并真实地反应了扫描区域的细节。从而提升了对巷道点云数据进行三维模型构建的效果,可广泛应用于数字矿山建设、巷道设计、巷道掘进量与喷浆量计算、通风管理、救灾救援等,有效地提升矿山生产和管理效率,为矿山带来了较好的经济效益。
针对上述巷道三维模型构建方法,本发明还提供了一种巷道三维模型构建装置,参见图6所示,该装置主要包括以下部分:
巷道网格模型确定模块602,用于基于预先处理后的巷道点云数据确定巷道网格模型;巷道点云数据分布于巷道网格模型中;
体数据确定模块604,用于确定巷道点云数据中的每个点数据在巷道网格模型中的体数据;
巷道三维模型构建模块606,用于根据预先选择的构建策略对体数据进行三维重建,以构建出巷道三维模型。
本发明实施例提供的巷道三维模型构建装置,通过确定巷道网格模型,并确定巷道点云数据中的每个点数据在巷道网格模型中的体数据进行巷道三维模型构建,可以利用巷道点云数据的空间分布特征确定自适应的巷道网格模型,从而更加适应巷道点云数据的分布规律,提升了巷道三维模型构建的准确性。
在一种实施方式中,上述巷道网格模型确定模块602,还用于基于巷道点云数据确定初始包围模型;初始包围模型包括巷道延伸方向、巷道宽度方向、巷道高度方向的三维方向的包围;对初始包围模型沿巷道延伸方向进行划分,得到划分后的多个第一划分点;在每个第一划分点上确定巷道宽度方向的第二划分点,以及巷道高度方向的第三划分点;基于第一划分点、第二划分点和第三划分点确定巷道网格模型。
在一种实施方式中,上述巷道网格模型确定模块602,还用于预先设定划分长度阈值;基于巷道点云数据的坐标原点和指定数量的划分长度阈值确定初始包围模型沿巷道高度方向的初始划分点;基于初始划分点和划分长度阈值在初始包围模型的巷道延伸方向确定第一中间划分点;基于坐标原点确定初始划分点与第一中间划分点的划分角度;基于划分角度在巷道延伸方向上依次确定多个第二中间划分点;当确定的当前的第二中间划分点与上一个第二中间划分点基于坐标原点确定的夹角小于或等于划分角度,则停止继续进行划分,从而得到多个第一划分点;第一划分点包括初始划分点、第一中间划分点和多个第二中间划分点。
在一种实施方式中,上述巷道网格模型确定模块602,还用于在每个第一划分点上,基于划分长度阈值分别在巷道宽度方向和巷道高度方向对初始包围模型进行网格划分,以得到巷道宽度方向的多个第二划分点和巷道高度方向上的多个第三划分点。
在一种实施方式中,上述装置还包括,网格模型扩展模块,用于如果巷道网格模型在巷道宽度方向和/或巷道高度方向上的长度不与划分长度阈值呈整数比例,则对巷道网格模型相应的巷道宽度方向和/或巷道高度方向进行扩展,以便巷道网格模型在巷道宽度方向和巷道高度方向上的长度与划分长度阈值呈整数比例。
在一种实施方式中,上述体数据确定模块604,还用于确定巷道点云数据中的每个点数据的k邻域点集;基于点数据和对应的k邻域点集确定点数据的中心点和中心点的法矢向量;对法矢向量进行方向统一处理,确定目标法矢向量;基于巷道网格模型中巷道点云数据的任一点数据的坐标、中心点的坐标和目标法矢向量确定对应的点数据的体数据数值。
在一种实施方式中,上述体数据确定模块604,还用于基于公式disti(p)=(p-oi).ni计算巷道网格模型中巷道点云数据的任一点数据的有向距离;其中,p点为巷道网格模型中巷道点云数据的任一点数据;oi为距离p点最近的中心点;p-oi为中心点oi到点p的向量;ni为中心点oi的法矢向量;基于有向距离确定对应的点数据的体数据数值。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
本发明实施例提供了一种电子设备,具体的,该电子设备包括处理器和存储装置;存储装置上存储有计算机程序,计算机程序在被所述处理器运行时执行如上所述实施方式的任一项所述的方法。
图7为本发明实施例提供的一种电子设备的结构示意图,该电子设备100包括:处理器70,存储器71,总线72和通信接口73,所述处理器70、通信接口73和存储器71通过总线72连接;处理器70用于执行存储器71中存储的可执行模块,例如计算机程序。
其中,存储器71可能包含高速随机存取存储器(RAM,RandomAccessMemory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口73(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线72可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图7中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器71用于存储程序,所述处理器70在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器70中,或者由处理器70实现。
处理器70可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器70中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器70可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称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。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。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。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器71,处理器70读取存储器71中的信息,结合其硬件完成上述方法的步骤。
本发明实施例所提供的巷道三维模型构建方法、装置和电子设备的计算机程序产品,包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
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,上述描述的系统具体工作过程,可以参考前述实施例中的对应过程,在此不再赘述。
本发明实施例所提供的可读存储介质的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所述功能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。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各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,或者对其中部分或者全部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范围。
Claims (8)
1.一种巷道三维模型构建方法,其特征在于,所述方法包括:
基于预先处理后的巷道点云数据确定巷道网格模型;所述巷道点云数据分布于所述巷道网格模型中;
确定所述巷道点云数据中的每个点数据在所述巷道网格模型中的体数据;
根据预先选择的构建策略对所述体数据进行三维重建,以构建出巷道三维模型;
所述基于预先处理后的巷道点云数据确定巷道网格模型的步骤,包括:基于所述巷道点云数据确定初始包围模型;所述初始包围模型包括巷道延伸方向、巷道宽度方向、巷道高度方向的三维方向的包围;对所述初始包围模型沿所述巷道延伸方向进行划分,得到划分后的多个第一划分点;在每个所述第一划分点上确定巷道宽度方向的第二划分点,以及巷道高度方向的第三划分点;基于所述第一划分点、第二划分点和第三划分点确定所述巷道网格模型;
所述对所述初始包围模型沿所述巷道延伸方向进行划分,得到划分后的多个第一划分点的步骤,包括:预先设定划分长度阈值;基于所述巷道点云数据的坐标原点和指定数量的所述划分长度阈值确定所述初始包围模型沿巷道高度方向的初始划分点;基于所述初始划分点和所述划分长度阈值在所述初始包围模型的所述巷道延伸方向确定第一中间划分点;基于所述坐标原点确定所述初始划分点与所述第一中间划分点的划分角度;基于所述划分角度在所述巷道延伸方向上依次确定多个第二中间划分点;当确定的当前的第二中间划分点与上一个第二中间划分点基于所述坐标原点确定的夹角小于或等于所述划分角度,则停止继续进行划分,从而得到多个所述第一划分点;所述第一划分点包括所述初始划分点、所述第一中间划分点和多个所述第二中间划分点。
2.根据权利要求1所述的巷道三维模型构建方法,其特征在于,所述在每个所述第一划分点上确定巷道宽度方向的第二划分点,以及巷道高度方向的第三划分点的步骤,包括:
在每个所述第一划分点上,基于所述划分长度阈值分别在巷道宽度方向和巷道高度方向对所述初始包围模型进行网格划分,以得到所述巷道宽度方向的多个第二划分点和所述巷道高度方向上的多个第三划分点。
3.根据权利要求2所述的巷道三维模型构建方法,其特征在于,所述方法还包括:
如果所述巷道网格模型在巷道宽度方向和/或巷道高度方向上的长度不与所述划分长度阈值呈整数比例,则对所述巷道网格模型相应的巷道宽度方向和/或巷道高度方向进行扩展,以便所述巷道网格模型在巷道宽度方向和巷道高度方向上的长度与所述划分长度阈值呈整数比例。
4.根据权利要求1所述的巷道三维模型构建方法,其特征在于,所述确定所述巷道点云数据中的每个点数据在所述巷道网格模型中的体数据的步骤,包括:
确定所述巷道点云数据中的每个点数据的k邻域点集;
基于所述点数据和对应的所述k邻域点集确定所述点数据的中心点和所述中心点的法矢向量;
对所述法矢向量进行方向统一处理,确定目标法矢向量;
基于所述巷道网格模型中巷道点云数据的任一点数据的坐标、所述中心点的坐标和所述目标法矢向量确定对应的所述点数据的体数据数值。
6.一种巷道三维模型构建装置,其特征在于,所述装置包括:
巷道网格模型确定模块,用于基于预先处理后的巷道点云数据确定巷道网格模型;所述巷道点云数据分布于所述巷道网格模型中;
体数据确定模块,用于确定所述巷道点云数据中的每个点数据在所述巷道网格模型中的体数据;
巷道三维模型构建模块,用于根据预先选择的构建策略对所述体数据进行三维重建,以构建出巷道三维模型;
所述巷道网格模型确定模块,用于基于所述巷道点云数据确定初始包围模型;所述初始包围模型包括巷道延伸方向、巷道宽度方向、巷道高度方向的三维方向的包围;对所述初始包围模型沿所述巷道延伸方向进行划分,得到划分后的多个第一划分点;在每个所述第一划分点上确定巷道宽度方向的第二划分点,以及巷道高度方向的第三划分点;基于所述第一划分点、第二划分点和第三划分点确定所述巷道网格模型;
所述巷道网格模型确定模块,还用于预先设定划分长度阈值;基于所述巷道点云数据的坐标原点和指定数量的所述划分长度阈值确定所述初始包围模型沿巷道高度方向的初始划分点;基于所述初始划分点和所述划分长度阈值在所述初始包围模型的所述巷道延伸方向确定第一中间划分点;基于所述坐标原点确定所述初始划分点与所述第一中间划分点的划分角度;基于所述划分角度在所述巷道延伸方向上依次确定多个第二中间划分点;当确定的当前的第二中间划分点与上一个第二中间划分点基于所述坐标原点确定的夹角小于或等于所述划分角度,则停止继续进行划分,从而得到多个所述第一划分点;所述第一划分点包括所述初始划分点、所述第一中间划分点和多个所述第二中间划分点。
7.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的机器可执行指令,所述处理器执行所述机器可执行指令以实现权利要求1至5任一项所述的巷道三维模型构建方法。
8.一种机器可读存储介质,其特征在于,所述机器可读存储介质存储有机器可执行指令,所述机器可执行指令在被处理器调用和执行时,所述机器可执行指令促使所述处理器实现权利要求1至5任一项所述的巷道三维模型构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110531563.3A CN113284245B (zh) | 2021-05-14 | 2021-05-14 | 巷道三维模型构建方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110531563.3A CN113284245B (zh) | 2021-05-14 | 2021-05-14 | 巷道三维模型构建方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113284245A CN113284245A (zh) | 2021-08-20 |
CN113284245B true CN113284245B (zh) | 2023-06-30 |
Family
ID=77279283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110531563.3A Active CN113284245B (zh) | 2021-05-14 | 2021-05-14 | 巷道三维模型构建方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113284245B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116629809B (zh) * | 2023-07-24 | 2023-09-19 | 长春工程学院 | 一种智能化矿山管理方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107843208A (zh) * | 2017-10-27 | 2018-03-27 | 北京矿冶研究总院 | 一种矿山巷道轮廓感知方法及系统 |
CN107918953A (zh) * | 2017-09-27 | 2018-04-17 | 中国科学院光电研究院 | 基于三维空间的激光扫描电力线点云的提取方法及装置 |
CN111612902A (zh) * | 2020-04-20 | 2020-09-01 | 杭州鼎控自动化技术有限公司 | 一种基于雷达点云数据的煤矿巷道三维模型构建方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110189412B (zh) * | 2019-05-13 | 2023-01-03 | 武汉大学 | 基于激光点云的多楼层室内结构化三维建模方法及系统 |
-
2021
- 2021-05-14 CN CN202110531563.3A patent/CN113284245B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107918953A (zh) * | 2017-09-27 | 2018-04-17 | 中国科学院光电研究院 | 基于三维空间的激光扫描电力线点云的提取方法及装置 |
CN107843208A (zh) * | 2017-10-27 | 2018-03-27 | 北京矿冶研究总院 | 一种矿山巷道轮廓感知方法及系统 |
CN111612902A (zh) * | 2020-04-20 | 2020-09-01 | 杭州鼎控自动化技术有限公司 | 一种基于雷达点云数据的煤矿巷道三维模型构建方法 |
Non-Patent Citations (4)
Title |
---|
Development of a 3D laser scanning system for the cavity;Chen Kai等;《International Conference on Optics inPrecision Engineering and Nanotechnology (icOPEN2013)》;第8769卷;87691F页 * |
Surface meshing of underwater maps from highly defective point sets;Ricard Campos等;《Journal of Field Robotics》;第35卷;491-515页 * |
普朗铜矿采区溜井精细化扫描及建模技术;沙文忠等;《矿冶》;第29卷(第01期);5-10页 * |
隧道点云数据处理及可视化关键技术研究;林永达;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》(第01期);C034-348页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113284245A (zh) | 2021-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11300964B2 (en) | Method and system for updating occupancy map for a robotic system | |
US20190265048A1 (en) | Map-centric map matching method and apparatus | |
Shi et al. | Adaptive simplification of point cloud using k-means clustering | |
US20150109290A1 (en) | Device and method for removing noise points in point clouds | |
GB2524287A (en) | Graphics processing systems | |
CN113284245B (zh) | 巷道三维模型构建方法、装置和电子设备 | |
CN112733318A (zh) | 一种自适应网格细分方法、装置、设备及存储介质 | |
CN114332291A (zh) | 一种倾斜摄影模型建筑物外轮廓规则提取方法 | |
CN112102178A (zh) | 一种点云保特征去噪方法、装置、电子设备及存储介质 | |
CN113610983A (zh) | 一种离散点空间曲面三角网格自动剖分方法 | |
CN115795632A (zh) | 一种基于标记点云的自动几何孪生方法和系统 | |
CN105931297A (zh) | 三维地质表面模型中的数据处理方法 | |
CN105869210A (zh) | 三维地质表面模型中的插值数据处理方法 | |
CN116973891A (zh) | 车辆的激光雷达标定方法、装置、电子设备及存储介质 | |
CN111177190B (zh) | 数据处理方法、装置、电子设备及可读存储介质 | |
CN114170388B (zh) | 一种基于八叉树的局部异向性搜索椭球体动态建模方法 | |
CN116630565A (zh) | 基于多段线缓冲的地质钻孔三维模型生成、装置及设备 | |
CN116152280A (zh) | 建筑曲形转折点提取方法、系统、计算机及可读存储介质 | |
CN114742852A (zh) | 一种基于网格求交的高效自由曲面分层方法及其应用 | |
Li et al. | A new simplification algorithm for point cloud based on the vertical plane constraint and moving window | |
CN105303026A (zh) | 在材料资源上嵌套不规则零件形状的系统和方法 | |
US10467467B2 (en) | Method, system and computer program for automatically detecting traffic circles on digital maps | |
CN116105741B (zh) | 一种多目标三维动态路径规划方法和装置 | |
CN117218143B (zh) | 点云分割方法和装置 | |
CN113593025B (zh) | 地质体模型更新方法、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 |