CN113326554A - 一种基于点云数据的变电站设备地基沉降演化过程观测方法 - Google Patents
一种基于点云数据的变电站设备地基沉降演化过程观测方法 Download PDFInfo
- Publication number
- CN113326554A CN113326554A CN202110634495.3A CN202110634495A CN113326554A CN 113326554 A CN113326554 A CN 113326554A CN 202110634495 A CN202110634495 A CN 202110634495A CN 113326554 A CN113326554 A CN 113326554A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- dimensional
- subspace
- foundation
- 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
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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Civil Engineering (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Architecture (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种变电站设备地基沉降演化过程观测方法,该方法包括如下步骤:S1、采集变电站被观测区域在时间维度上的三维点云数据;S2、选取被观测区域中若干设备本体的点云作为配准用点云;S3、将配准区域点云作为公共特征点,对不同时间点采集的三维点云数据进行配准;S4、对配准后的三维点云数据进行全域比对,获取不同时间点下三维点云数据的三维偏移向量,所述的三维偏移向量表征不同时间点下变电站设备地基的位移程度;S5、将不同时间点下三维点云数据的三维偏移向量采用色彩误差图展示,实现变电站设备地基沉降的演化过程观测。与现有技术相比,本发明实现了变电站设备地基沉降程度的有效观测,观测效果好。
Description
技术领域
本发明涉及一种变电站设备地基沉降观测方法,尤其是涉及一种基于点云数据的变电站设备地基沉降演化过程观测方法。
背景技术
近年来,受到电力系统、社会、自然环境等各方面因素的影响,变电站的选址被大大限制,往往不得不建设在地质条件不好的地方,因此设备地基容易受到自然条件和气候的影响产生沉降、隆起、倾斜等位移。造成变电站设备地基沉降的原因有许多,例如变电站基地排水设施不完善造成湿陷、地基夯实不到位、冻胀、灰胀、盐胀等。地基的位移将会导致变电站内建(构)筑物变形、机械开关锁死或拉开、电缆沟开裂、塌陷、电缆受力拉紧等严重事故,不仅威胁到设备本身的安全还会威胁到电网的运行安全。传统观测手段仍以设置沉降观测点的方法为主,定期观测变电站设备地基的凹凸情况。这样的观测方法仍是单点观测,对多期观测数据进行对比分析,完成对变电站设备地基变形的确定,存在以下两个问题:(1)采样点数量十分有限,无法对变电站内每一设备开展地基沉降监测;(2)通过采样点观测数据为二维度量数据,仅能得到地基沉降或凸起程度,无法观测由于地基的平面位移或倾斜程度。三维激光扫描技术凭借其独特的数据获取方式,方便、快速、全面地获取电力设备设施表面的三维数据,精度均匀、密度高,可以很明显地反映出几何结构的变化,便于整体从形态上分析和评价变形,是一种全新的三维测量方式,将这样的三维整体比对称之为三维全域比对。通过采集不同时间点下同一被测物数据,并将其配准后对比,寻找几何形态的变化量,这样的观测在三维测量上增加了时间的维度,即为演化过程测量,在变电站设备地基沉降监测方面具有广阔的应用前景,如何基于三维点云数据获取变电站设备几何形态的变化从而对地基沉降进行观测成为本领域研究的重点,也是本发明解决的主要技术问题。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于点云数据的变电站设备地基沉降演化过程观测方法。
本发明的目的可以通过以下技术方案来实现:
一种基于点云数据的变电站设备地基沉降演化过程观测方法,该方法包括如下步骤:
S1、采集变电站被观测区域在时间维度上的三维点云数据;
S2、选取被观测区域中若干设备本体的点云作为配准用点云;
S3、将配准区域点云作为公共特征点,对不同时间点采集的三维点云数据进行配准;
S4、对配准后的三维点云数据进行全域比对,获取不同时间点下三维点云数据的三维偏移向量,通过比对设备的倾斜、偏移观测地基的位移程度。由于变电站中地基大部分埋入地下,甚至有些没有地上部分,因此通过全域比对观测地基所支撑设备的整体偏移情况即可观测地基的位移情况;
S5、将不同时间点下三维点云数据的三维偏移向量采用色彩误差图展示,实现变电站设备地基沉降的演化过程观测。
优选地,步骤S2中选取被观测区域中若干设备本体的点云作为配准用点云,选择的设备应具备以下特征:
a)应选择变压器、电抗器、GIS、杆柱类设备等大型、结构规则设备;
b)所选择的设备至少应有3个,且均匀分布在被观测区域中。
3.根据权利要求1所述的一种基于点云数据的变电站设备地基沉降演化过程观测方法,其特征在于,步骤S3中由于在观测时无法知晓哪些设备已经收到地基沉降的影响,因此采取如下的配准策略:
a)选择至少3个均匀分布在被观测区域中的设备,选取其主体结构点云作为配准对象;
b)基于选定的配准对象,采用最佳拟合算法进行配准,若配准失败则说明选定的配准对象中存在受地基沉降影响的对象,则重新选取配准对象,直至配准成功;
c)若遍历被观测区域中的全部设备,仍无法配准,说明该区域地基沉降程度严重,则选取该区域靠近中心的单个设备作为配准对象进行配准。
最终形成配准后的融合点云,选定区域之外的点云跟随配准区域点云,被带入融合点云。一次配准操作仅针对两个不同时间点所采集的点云进行。
步骤S4中进行全域比对是将两个时间点下配准后的三维点云数据两两进行比对,包括前序时间三维点云数据和后序时间三维点云数据。
优选地,步骤S4进行全域比对获取三维偏移量的具体方式为:
S41、将三维点云数据的三维空间划分为若干子空间;
S42、以子空间内的点云作为观测单位,分别计算该子空间内前序时间三维点云数据与后序时间三维点云数据的质心点,然后以两个质心点作为三维偏移向量的端点,由前序时间三维点云数据的质心点指向后序时间三维点云数据的质心点作为三维偏移向量的方向,从而得到三维偏移向量;
S43、依次对所有子空间执行S42完成全域比对。
优选地,步骤S41具体为:
S41a、提取被观测区域中的设备点云,针对每一设备采用子空间划分法将三维空间划分为若干子空间。利用本体点云的三维空间坐标信息求出三维点云数据的边界值,确定初始点云分布空间M0;
S41b、然后,分别沿X、Y、Z轴将初始空间M0划分为a×b×c个m×m×m大小的子空间Mi,j,k(i=1,2,…,a;j=1,2,…,b;k=1,2,…,C),公式如下:
当下列条件满足时,
m的取值为:
当下列条件满足时,
m的取值为:
其中k为细分系数,可取5~50的正整数,此处建议取10.
优选地,步骤S42具体为:
S42a、对于任意一个子空间Mi,j,k,采用下式计算该子空间中前序时间三维点云数据的质心点为Oi,j,k(xoi,j,k,yoi,j,k,zoi,j,k),以及后序时间三维点云数据的质心点为O′i,j,k(x′oi,j,k,y′oi,j,k,z′oi,j,k):
其中,ni,j,k、n′i,j,k分别对应为子空间Mi,j,k中前序时间三维点云数据以及后序时间三维点云数据中点的个数,∑xi,j,k、∑x′i,j,k分别对应为子空间Mi,j,k中前序时间三维点云数据以及后序时间三维点云数据中各点X轴坐标之和,∑yi,j,k、∑y′i,j,k分别对应为子空间Mi,j,k中前序时间三维点云数据以及后序时间三维点云数据中各点Y轴坐标之和,∑zi,j,k、∑z′i,j,k分别对应为子空间Mi,j,k中前序时间三维点云数据以及后序时间三维点云数据中各点Z轴坐标之和;
优选地,步骤S5具体为:首先,前序时间点云的颜色RGB值设定为(200,200,200),然后将每个子空间的三维偏移向量与颜色对应,最后将相应颜色赋予对应子空间内的每一后序时间三维点云,形成色彩误差图。
优选地,三维偏移向量的颜色采用RGB颜色值进行编码。
Ri,j,k=200
Gi,j,k=200
Bi,j,k=200
Gi,j,k=255
Bi,j,k=0
Ri,j,k=255
Bi,j,k=0
Ri,j,k=255
Gi,j,k=0
Bi,j,k=0
其中,下标i,j,k为子空间的编号,Ri,j,k为i,j,k子空间的三维偏移向量对应R通道的颜色编码,Gi,j,k为i,j,k子空间的三维偏移向量对应G通道的颜色编码,Bi,j,k为i,j,k子空间的三维偏移向量对应B通道的颜色编码,表示向上取整。
与现有技术相比,本发明具有如下优点:
(1)现有的变电站地基沉降观测采样点数量十分有限,无法对变电站内没一设备开展地基沉降监测;通过采样点观测数据为二维度量数据,仅能得到地基沉降或凸起程度,无法观测由于地基的平面位移或倾斜程度,本发明通过人工判断选择可靠配准区域,采用“局部配准、整体比对”的策略,对变电站内设备地基开展三维全域比对,从而使得对大范围内的设备地基沉降演变的集中三维观测成为可能。
(2)本发明采用子空间划分法实现几何形态变化的定量分析,实现了在三维空间下的全域比对,解决了传统测量只能通过长度、角度等二维特征量来描述三维空间的问题,通过“局部配准、整体比对“创新地实现了时间维度与三维全域测量的结合,实现了基于点云数据的的几何形态演化过程观测。
附图说明
图1为本发明的一种基于点云数据的变电站设备地基沉降演化过程观测方法流程框图;
图2为一般情况下配准区域选择示意图
图3为特殊情况下配准区域选择示意图
图4为利用子空间划分法将观测对象三维空间划分为子空间示意图。
图5为不同时间点同一观测区域划分示意图。
图6为比对向量示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。注意,以下的实施方式的说明只是实质上的例示,本发明并不意在对其适用物或其用途进行限定,且本发明并不限定于以下的实施方式。
实施例
如图1所示,一种基于点云数据的变电站设备地基沉降演化过程观测方法,该方法包括如下步骤:
S1、采集变电站被观测区域在时间维度上的三维点云数据;
S2、选取被观测区域中若干设备本体的点云作为配准用点云;
S3、将配准区域点云作为公共特征点,对不同时间点采集的三维点云数据进行配准;
S4、对配准后的三维点云数据进行全域比对,获取不同时间点下三维点云数据的三维偏移向量,所述的三维偏移向量表征不同时间点下变电站设备地基的位移程度;
S5、将不同时间点下三维点云数据的三维偏移向量采用色彩误差图展示,实现变电站设备地基沉降的演化过程观测。
步骤S1中,点云数据指被观测地基在变电站中分布区域的三维空间点云数据;演化过程观测概念的核心是同一三维空间在不同时间的比对,因此用于比对的基础数据应包含至少一个前序时间三维点云数据和一个后序时间三维点云数据。
步骤S2具体为:选取被观测区域中若干设备本体的点云作为配准用点云。选取策略如下:
a)选择至少3个均匀分布在被观测区域中的设备,选取其主体结构点云作为配准对象,如图2所示;
b)基于选定的配准对象,采用最佳拟合算法进行配准,若配准失败则说明选定的配准对象中存在受地基沉降影响的对象,则重新选取配准对象,直至配准成功;
c)若遍历被观测区域中的全部设备,仍无法配准,说明该区域地基沉降程度严重,则选取该区域靠近中心的单个设备作为配准对象进行配准,如图3所示。
步骤S3中配准区域点云作为公共特征点,将不同时间点采集的点云数据进行配准。利用现有的点云配准算法,将所选择的配准区域作为配准的公共特征点。一次配准的对象不超过两个时间点的点云。步骤S4中进行全域比对是将两个时间点下配准后的三维点云数据两两进行比对,包括前序时间三维点云数据和后序时间三维点云数据。
步骤S4进行全域比对获取三维偏移量的具体方式为:
S41、将三维点云数据的三维空间划分为若干子空间;
S42、以子空间内的点云作为观测单位,分别计算该子空间内前序时间三维点云数据与后序时间三维点云数据的质心点,然后以两个质心点作为三维偏移向量的端点,由前序时间三维点云数据的质心点指向后序时间三维点云数据的质心点作为三维偏移向量的方向,从而得到三维偏移向量;
S43、依次对所有子空间执行S42完成全域比对。
步骤S41具体为:
S41a、利用被观测区域点云的三维空间坐标信息求出三维点云数据的边界值,确定初始点云分布空间M0,如下所示:
其中,xmin、xmax、ymin、ymax、zmin、zmax分别为初始点云分布空间M0在X、Y、Z轴方向的边界值,下标min表示最小值,下标max表示最大值;
S41b、然后,分别沿X、Y、Z轴将初始空间M0划分为a×b×c个m×m×m大小的子空间Mi,j,k(i=1,2,…,a;j=1,2,…,b;k=1,2,…,C),公式如下:
当下列条件满足时,
m的取值为:
当下列条件满足时,
m的取值为:
其中k为细分系数,可取5~50的正整数,此处建议取10。
通过上述方法将输电线路杆塔三维空间划分为子空间示意图如图4所示。
如图5所示,步骤S42具体为:
S42a、对于任意一个子空间Mi,j,k,采用下式计算该子空间中前序时间三维点云数据的质心点为Oi,j,k(xoi,j,k,yoi,j,k,zoi,j,k),以及后序时间三维点云数据的质心点为O′i,j,k(x′oi,j,k,y′oi,j,k,z′oi,j,k):
其中,ni,j,k、n′i,j,k分别对应为子空间Mi,j,k中前序时间三维点云数据以及后序时间三维点云数据中点的个数,∑xi,j,k、∑x′i,j,k分别对应为子空间Mi,j,k中前序时间三维点云数据以及后序时间三维点云数据中各点X轴坐标之和,∑yi,j,k、∑y′i,j,k分别对应为子空间Mi,j,k中前序时间三维点云数据以及后序时间三维点云数据中各点Y轴坐标之和,∑zi,j,k、∑z′i,j,k分别对应为子空间Mi,j,k中前序时间三维点云数据以及后序时间三维点云数据中各点Z轴坐标之和;
上述过程可用图6所示的示意图来表示,图中1为任意一个子空间,3为该子空间中的前序时间三维点云数据中的点云簇,4为该子空间中的后序时间三维点云数据中的点云簇,5为前序时间点云簇的质心点,6为后序时间点云簇的质心点,进而形成图中2所示的三维偏移向量。本发明三维偏移量的测量是采用类似微积分的概念,将整体的三维空间按一定方式微分为一个个小空间,然后在这一个个小空间内,分别计算前序、后序点云的质心坐标,得到的两个质心坐标的偏差,就认为是该小空间内被观测物体结构的位移向量。微分后的小空间数量大,虽然得到了测量结果但是无法展示,因此发明了一种将测量结果图形化的方式来展现整体空间的位移,体现为上述步骤S5。
步骤S5具体为:首先,前序时间点云的颜色RGB值设定为(200,200,200),然后将每个子空间的三维偏移向量与颜色对应,最后将相应颜色赋予对应子空间内的每一后序时间三维点云,形成色彩误差图。
三维偏移向量的颜色采用RGB颜色值进行编码。
Ri,j,k=200
Gi,j,k=200
Bi,j,k=200
Gi,j,k=255
Bi,j,k=0
Ri,j,k=255
Bi,j,k=0
Ri,j,k=255
Gi,j,k=0
Bi,j,k=0
其中,下标i,j,k为子空间的编号,Ri,j,k为i,j,k子空间的三维偏移向量对应R通道的颜色编码,Gi,j,k为i,j,k子空间的三维偏移向量对应G通道的颜色编码,Bi,j,k为i,j,k子空间的三维偏移向量对应B通道的颜色编码,表示向上取整。此处,三维偏移向量的颜色采用RGB颜色值进行编码的含义为:偏移量小于1mm时,后序时间点云的颜色为默认颜色,偏移量极小,认为没有偏移。当偏移量达到1mm时,开始赋色,随着偏移量的增加,颜色逐渐由纯绿色(0,255,0)过度到纯红色(255,0,0),其中20mm为中间值,颜色为黄色(255,255,0)。
上述实施方式仅为例举,不表示对本发明范围的限定。这些实施方式还能以其它各种方式来实施,且能在不脱离本发明技术思想的范围内作各种省略、置换、变更。
Claims (10)
1.一种基于点云数据的变电站设备地基沉降演化过程观测方法,其特征在于,该方法包括如下步骤:
S1、采集变电站被观测区域在时间维度上的三维点云数据;
S2、选取被观测区域中若干设备本体的点云作为配准用点云;
S3、将配准区域点云作为公共特征点,对不同时间点采集的三维点云数据进行配准;
S4、对配准后的三维点云数据进行全域比对,获取不同时间点下三维点云数据的三维偏移向量,所述的三维偏移向量表征不同时间点下变电站设备地基的位移程度;
S5、将不同时间点下三维点云数据的三维偏移向量采用色彩误差图展示,实现变电站设备地基沉降的演化过程观测。
2.根据权利要求1所述的一种基于点云数据的变电站设备地基沉降演化过程观测方法,其特征在于,步骤S2中选取被观测区域中若干设备本体的点云作为配准用点云,选择的设备应具备以下特征:
a)应选择变压器、电抗器、GIS、杆柱类设备等大型、结构规则设备;
b)所选择的设备至少应有3个,且均匀分布在被观测区域中。
3.根据权利要求1所述的一种基于点云数据的变电站设备地基沉降演化过程观测方法,其特征在于,步骤S3中由于在观测时无法知晓哪些设备已经收到地基沉降的影响,因此采取如下的配准策略:
a)选择至少3个均匀分布在被观测区域中的设备,选取其主体结构点云作为配准对象;
b)基于选定的配准对象,采用最佳拟合算法进行配准,若配准失败则说明选定的配准对象中存在受地基沉降影响的对象,则重新选取配准对象,直至配准成功;
c)若遍历被观测区域中的全部设备,仍无法配准,说明该区域地基沉降程度严重,则选取该区域靠近中心的单个设备作为配准对象进行配准。
最终形成配准后的融合点云,选定区域之外的点云跟随配准区域点云,被带入融合点云。一次配准操作仅针对两个不同时间点所采集的点云进行。
4.根据权利要求1所述的一种基于点云数据的变电站设备地基沉降演化过程观测方法,其特征在于,步骤S4中通过比对设备的倾斜、偏移观测地基的位移程度。进行全域比对是将两个时间点下配准后的设备三维点云数据两两进行比对,包括前序时间三维点云数据和后序时间三维点云数据。
5.根据权利要求4所述的一种基于点云数据的变电站设备地基沉降演化过程观测方法,其特征在于,步骤S4进行全域比对获取三维偏移量的具体方式为:
S41、将三维点云数据的三维空间划分为若干子空间;
S42、以子空间内的点云作为观测单位,分别计算该子空间内前序时间三维点云数据与后序时间三维点云数据的质心点,然后以两个质心点作为三维偏移向量的端点,由前序时间三维点云数据的质心点指向后序时间三维点云数据的质心点作为三维偏移向量的方向,从而得到三维偏移向量;
S43、依次对所有子空间执行S42完成全域比对。
6.根据权利要求5所述的一种基于点云数据的变电站设备地基沉降演化过程观测方法,其特征在于,步骤S41具体为:
S41a、提取被观测区域中的设备点云,针对每一设备采用子空间划分法将三维空间划分为若干子空间。利用本体点云的三维空间坐标信息求出三维点云数据的边界值,确定初始点云分布空间M0;
S41b、然后,分别沿X、Y、Z轴将初始空间M0划分为a×b×c个m×m×m大小的子空间Mi,j,k(i=1,2,...,a;j=1,2,...,b;k=1,2,...,c),公式如下:
当下列条件满足时,
m的取值为:
当下列条件满足时,
m的取值为:
其中k为细分系数,可取5~50的正整数,此处建议取10.
7.根据权利要求6所述的一种基于点云数据的变电站设备地基沉降演化过程观测方法,其特征在于,步骤S42具体为:
S42a、对于任意一个子空间Mi,j,k,采用下式计算该子空间中前序时间三维点云数据的质心点为Oi,j,k(xoi,j,k,yoi,j,k,zoi,j,k),以及后序时间三维点云数据的质心点为Q′i,j,k(x′oi,j,k,y′oi,j,k,z′oi,j,k):
其中,ni,j,k、n′i,j,k分别对应为子空间Mi,j,k中前序时间三维点云数据以及后序时间三维点云数据中点的个数,∑xi,j,k、∑x′i,j,k分别对应为子空间Mi,j,k中前序时间三维点云数据以及后序时间三维点云数据中各点X轴坐标之和,∑yi,j,k、∑y′i,j,k分别对应为子空间Mi,j,k中前序时间三维点云数据以及后序时间三维点云数据中各点Y轴坐标之和,∑zi,j,k、∑z′i,j,k分别对应为子空间Mi,j,k中前序时间三维点云数据以及后序时间三维点云数据中各点Z轴坐标之和;
8.根据权利要求5所述的一种基于点云数据的变电站设备地基沉降演化过程观测方法,其特征在于,步骤S5具体为:首先,前序时间点云的颜色RGB值设定为(200,200,200),然后将每个子空间的三维偏移向量与颜色对应,最后将相应颜色赋予对应子空间内的每一后序时间三维点云,形成色彩误差图。
9.根据权利要求8所述的一种基于点云数据的变电站设备地基沉降演化过程观测方法,其特征在于,三维偏移向量的颜色采用RGB颜色值进行编码。
10.根据权利要求9所述的一种基于点云数据的变电站设备地基沉降演化过程观测方法,其特征在于,任意一个三维偏移向量的三维偏移向量对应的颜色编码为(Ri,j,k,Gi,j,k,Bi,j,k),具体编码方式为:
Ri,j,k=200
Gi,j,k=200
Bi,j,k=200
Gi,j,k=255
Bi,j,k=0
Ri,j,k=255
Bi,j,k=0
Ri,j,k=255
Gi,j,k=0
Bi,j,k=0
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011295563 | 2020-11-18 | ||
CN202011295563X | 2020-11-18 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113326554A true CN113326554A (zh) | 2021-08-31 |
Family
ID=77419960
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110634495.3A Pending CN113326554A (zh) | 2020-11-18 | 2021-06-07 | 一种基于点云数据的变电站设备地基沉降演化过程观测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113326554A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108010067A (zh) * | 2017-12-25 | 2018-05-08 | 北京航空航天大学 | 一种基于组合判断策略的视觉目标跟踪方法 |
CN109489623A (zh) * | 2018-11-24 | 2019-03-19 | 上海勘察设计研究院(集团)有限公司 | 一种采用三维激光扫描仪测量桥头引道不均匀沉降的方法 |
CN111444811A (zh) * | 2020-03-23 | 2020-07-24 | 复旦大学 | 一种三维点云目标检测的方法 |
-
2021
- 2021-06-07 CN CN202110634495.3A patent/CN113326554A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108010067A (zh) * | 2017-12-25 | 2018-05-08 | 北京航空航天大学 | 一种基于组合判断策略的视觉目标跟踪方法 |
CN109489623A (zh) * | 2018-11-24 | 2019-03-19 | 上海勘察设计研究院(集团)有限公司 | 一种采用三维激光扫描仪测量桥头引道不均匀沉降的方法 |
CN111444811A (zh) * | 2020-03-23 | 2020-07-24 | 复旦大学 | 一种三维点云目标检测的方法 |
Non-Patent Citations (2)
Title |
---|
江磊 等: ""基于"一面两孔"特征的点云配准方法"", 《西南交通大学学报》 * |
胡立炜 等: ""逆向工程中注塑模具形位公差的数字化检测方法"", 《制造技术与机床》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110030951B (zh) | 一种基于三维激光扫描技术的引水竖井缺陷检测方法 | |
CN108459318A (zh) | 基于遥感技术的潜在滑坡早期识别方法 | |
CN101950433A (zh) | 利用激光三维扫描技术建立变电站真三维模型的方法 | |
CN112381944B (zh) | 一种基于点云数据的输电线路杆塔形变4d观测方法 | |
CN103020966B (zh) | 一种基于建筑物轮廓约束的航空与地面LiDAR数据自动配准方法 | |
CN106657882A (zh) | 基于无人机的输变电系统实时监控方法 | |
CN107218923A (zh) | 基于PS‑InSAR技术的地铁沿线周边环境历史沉降风险评估方法 | |
CN104463164A (zh) | 一种基于伞骨法与冠高比的树木冠层结构信息提取方法 | |
CN113251914A (zh) | InSAR技术与长短时记忆神经网络结合的地表形变预测方法 | |
CN114966689A (zh) | 沿海城市时序InSAR沉降监测分析方法、装置、设备及介质 | |
CN103324916A (zh) | 基于建筑轮廓的车载和航空LiDAR数据配准方法 | |
CN105354882A (zh) | 一种大数据架构的大空间范围输电三维全景展示平台构建方法 | |
CN111623749B (zh) | 一种基于D-InSAR的铁路采空区边界提取新方法 | |
CN113326554A (zh) | 一种基于点云数据的变电站设备地基沉降演化过程观测方法 | |
CN114998197A (zh) | 一种基于无人机的变电站土建结构健康监测系统 | |
CN105021903A (zh) | 一种山坡上高压输电线附近电场强度的测算方法 | |
CN109085588A (zh) | 基于Terra SAR-X高分辨率聚束模式数据电网铁塔倾斜的监测方法 | |
CN106780577B (zh) | 一种基于组特征的直线匹配方法 | |
CN111540046B (zh) | 一种基于虚拟现实的输电通道仿真方法 | |
Ding et al. | Study on building extraction from high-resolution images using Mbi | |
CN113670258B (zh) | 一种水利工程断面制作方法 | |
CN112907567B (zh) | 基于空间推理方法的sar图像有序人造构筑物提取方法 | |
Zhang et al. | Geological disaster monitoring technology along transmission line based on InSAR | |
CN111696103A (zh) | 单跨简支梁桥在不中断交通条件下的恒载线形测绘方法 | |
CN112736761A (zh) | 基于gf-2卫星的输电线路外力破坏故障隐患评估方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210831 |
|
WD01 | Invention patent application deemed withdrawn after publication |