CN113450461B - 一种排泥库土工布点云提取方法 - Google Patents

Abstract

本发明提供了一种排泥库土工布点云提取方法，包括：步骤S1：获取排泥库区域的三维彩色点云数据；步骤S2：对点云数据进行直方图正规化处理，处理后的点云数据记为OriginPt；步骤S3：根据颜色信息对OriginPt进行初步筛选，筛选出来的点云数据记为WhitePt；步骤S4：根据高程Z值对WhitePt进行直方图统计，得到土工布的高程区间；步骤S5：使用颜色信息和高程区间为阈值条件，对OriginPt进行二次筛选，筛选出来的点云数据记为SelectedPt；步骤S6：对SelectedPt进行去噪处理，得到土工布点云。解决了排泥库土工布三维点云精准提取的问题，能够从倾斜摄影生产的三维彩色点云中识别并提取土工布，为后续计算土工布的高度、提取水岸线、识别土工布是否破损等提供数据支撑。

Description

一种排泥库土工布点云提取方法

技术领域

本发明涉及三维点云提取技术领域，具体涉及一种排泥库土工布点云提取方法。

背景技术

排泥库用于堆积储存洗矿矿泥和废水，由于洗矿泥浆含水率高，堆排工艺和贮存环境导致排泥库内泥浆在自然堆积条件下难以排水固结，排泥库的特性导致其容易发生泥浆泄漏、泥石流等事故。土工布是一种防渗材料，由于其具有抗拉强度高、防渗性能好、变形能力强、质量轻、施工方便、造价低等优点，能够在防止泥浆泄漏的同时排出库内水分，被广泛应用于排泥库作为防渗材料。为了防止泥浆泄漏，排泥库周铺挂土工布应及时，土工布的高度应始终高于泥浆面2m-3m，同时需要定时巡检土工布，在发现土工布破损时及时修补。目前，主要通过人工作业方式对排泥库土工布进行巡检，巡检人员需要乘坐巡检船沿土工布进行巡视，这样的巡检方式时效性差、效率低，巡检作业安全风险也比较高。

现有的点云提取方法使用的大都是LiDAR数据，点云具有位置信息、色彩信息和强度信息，该方法一般常使用在道路点云提取上。但是该方法不能应用到排泥库土工布点云提取上，这是由于使用的是倾斜摄影三维重建得到的排泥库区域点云数据，其点云不具有强度信息，因此无法使用强度信息提取土工布。

综上所述，急需一种排泥库土工布点云提取方法以解决现有技术中存在的问题。

发明内容

本发明目的在于提供一种排泥库土工布点云提取方法，旨在解决现有对土工布的巡检方式存在的不足，以及现有点云提取方法无法应用于土工布点云提取的问题，具体技术方案如下：

一种排泥库土工布点云提取方法，包括以下步骤：

步骤S1：获取排泥库区域的三维彩色点云数据；

步骤S2：对点云数据进行直方图正规化处理，处理后的点云数据记为OriginPt；

步骤S3：根据颜色信息对OriginPt进行初步筛选，筛选出来的点云数据记为WhitePt；

步骤S4：根据高程Z值对WhitePt进行直方图统计，得到土工布的高程区间；

步骤S5：使用颜色信息和高程区间为阈值条件，对OriginPt进行二次筛选，筛选出来的点云数据记为SelectedPt；

步骤S6：对SelectedPt进行去噪处理，得到土工布点云。

以上技术方案中优选的，所述步骤S1中，若点云的坐标系为地理坐标系，则将其转换为投影坐标系。

以上技术方案中优选的，所述步骤S1还包括对三维彩色点云数据进行分块处理。

以上技术方案中优选的，步骤S1中，使用无人机倾斜摄影获取三维彩色点云数据。

以上技术方案中优选的，所述步骤S2中对点云的R、G、B三个通道进行直方图正规化处理，具体如下：

设点云的R通道值范围为[R_min，R_max]，G通道值范围为[G_min，G_max]，B通道值范围为[B_min，B_max]，输出的R、G、B三个通道值范围均为[O_min，O_max]，输入点云P_i为[R_i，G_i，B_i]，输出点云P为[R，G，B]，计算公式如下：

以上技术方案中优选的，所述步骤S3中，其初步筛选的阈值条件为：

保留满足阈值条件的点云数据；

其中e₁取值范围为[200，240]，μ的取值范围为[2，15]，E(R，G，B)表示颜色的平均值，σ(R，G，B)表示颜色值得标准差。

以上技术方案中优选的，所述步骤S4中直方图统计的方法如下：

步骤S4.1：计算WhitePt所有点云的高程区间，获得高程最大值Z_max和高程最小值Z_min；

步骤S4.2：设定步长stepsize，stepsize取值范围为[0.01m，0.5m]；

步骤S4.3：统计每个高程区间[Z_min+i×stepsize，Z_min+(i+1)×stepsize]的点云个数，获得每个高程区间的点云个数{Num_i}，其中i的取值范围为

步骤S4.4：对{Num_i}序列中的数值进行判断，将满足Num_i＞minNum的i依次加入新的数列list中，其中minNum为最小点云个数；

步骤S4.5：求取list中最长的连续子序列sep，根据sep的首末元素求得土工布的高程区间

其中Z_low＝sep[0]×stepsize+Z_min、Z_high＝(sep[-1]+1)×stepsize+Z_min，sep[0]为sep第一个元素，sep[-1]为sep最后一个元素。

以上技术方案中优选的，所述步骤S5中二次筛选的阈值条件为：

保留满足阈值条件的点云；其中e₂取值范围为[120,200]。

以上技术方案中优选的，minNum取值方式如下：

其中，whitePtNum是WhitePt中点云的个数，a的取值大于等于2。

以上技术方案中优选的，所述步骤S6中使用基于DBSCAN的算法对点云数据进行去噪，包括以下步骤：

步骤S6.1：使用DBSCAN算法对点云进行聚类；

步骤S6.2：删除未被标记为簇的噪声点，得到土工布点云，记为GeotexttilePt。

应用本发明的技术方案，具有以下有益效果：

本发明的土工布点云提取方法包括初步筛选和二次筛选，首先结合颜色信息进行初步筛选大致得到土工布点云的数据，进而获得土工布精确的高程区间；二次筛选采用颜色信息和高程区间结合的方式准确获得土工布点云数据，利用颜色信息和高程区间信息结合(无需强度信息)大大提升了土工布点云数据筛选的准确性。此外，对彩色三维点云数据进行分块处理，大大提升了后续计算得速度。

本发明的土工布点云提取方法，相比人工巡检的方式，实现了土工布的自动化提取，提高了工作效率，同时降低了人工成本和人工作业的安全风险。另外，不同于基于LiDAR数据的点云提取方法，本发明中使用无人机倾斜摄影获取的彩色三维点云进行土工布的提取，数据获取方便、价格低廉，实现了土工布点云自动提取作业经济化和精准化的平衡。

本发明解决了排泥库土工布三维点云精准提取的问题，能够从倾斜摄影生产的三维彩色点云中识别并提取土工布，为后续计算土工布的高度、提取水岸线、识别土工布是否破损等提供数据支撑。

除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照图，对本发明作进一步详细的说明。

附图说明

构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明提取方法的流程图；

图2是实施例1中实施例案例正规化处理后的点云数据；

图3是实施例1中实施例案例初步筛选处理后的点云数据；

图4是实施例1中实施案例二次筛选出来的点云数据；

图5是实施例1中实施案例去噪处理后的土工布点云数据。

具体实施方式

为了便于理解本发明，下面将对本发明进行更全面的描述，并给出了本发明的较佳实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。

实施例1：

无人机倾斜摄影后通过三维重建能够生产彩色三维点云数据，每一个三维点都有X，Y，Z，R，G，B属性信息，其中X、Y、Z为点云的空间坐标，R、G、B分别表示点云的颜色信息，分别表示红、绿、蓝。

土工布是白色且带状环绕排泥库水线边缘，因此，本实施例中提供一种通过空间位置特征和颜色特征将土工布点云从整个排泥库的点云中提取出来的方法，参见图1提取方法具体如下：

步骤S1：通过无人机倾斜摄影获取排泥库区域的三维彩色点云数据；若点云的坐标系为地理坐标系(经纬度)，则将其转换为投影坐标系(即平面坐标系)；并且对三维彩色点云数据进行分块处理，分块处理可以提高后续计算得速度。

步骤S2：对分块后的点云数据进行直方图正规化处理，处理后的点云数据记为OriginPt；

所述步骤S2中对点云的R、G、B三个通道进行直方图正规化处理，具体如下：

设点云的R通道值范围为[R_min，R_max]，G通道值范围为[G_min，G_max]，B通道值范围为[B_min，B_max]，输出的R、G、B三个通道值范围均为[O_min，O_max]，输入点云P_i为[R_i，G_i，B_i]，输出点云P为[R，G，B]，计算公式如下：

步骤S3：根据颜色信息对OriginPt进行初步筛选，筛选出来的点云数据记为WhitePt；

所述步骤S3中，其初步筛选的阈值条件为：

保留满足阈值条件的点云数据；

其中e₁取值范围为[200，240]，μ的取值范围为[2，15]，E(R，G，B)表示颜色的平均值，σ(R，G，B)表示颜色值得标准差。

步骤S4：根据高程Z值对WhitePt进行直方图统计，得到土工布的高程区间；所述步骤S4中直方图统计的方法如下：

步骤S4.1：计算WhitePt所有点云的高程区间，获得高程最大值Z_max和高程最小值Z_min；

步骤S4.2：设定步长stepsize，stepsize取值范围为[0.01m，0.5m]；

步骤S4.3：统计每个高程区间[Z_min+i×stepsize，Z_min+(i+1)×stepsize]的点云个数，获得每个高程区间的点云个数{Num_i}，其中i的取值范围为

步骤S4.4：对{Num_i}序列中的数值进行判断，将满足Num_i＞minNum的i依次加入新的数列list中，其中minNum为最小点云个数；

优选的，minNum取值方式如下：

其中，whitePtNum是WhitePt中点云的个数，a的取值大于等于2。

步骤S4.5：求取list中最长的连续子序列sep，根据sep的首末元素求得土工布的高程区间

其中Z_low＝sep[0]×stepsize+Z_min、Z_high＝(sep[-1]+1)×stepsize+Z_min，sep[0]为sep第一个元素，sep[-1]为sep最后一个元素。

步骤S5：使用颜色信息和高程区间为阈值条件，对OriginPt进行二次筛选，筛选出来的点云数据记为SelectedPt；

所述步骤S5中二次筛选的阈值条件为：

保留满足阈值条件的点云；其中e₂取值范围为[120,200]，阈值条件中B＞R∧B＞G表示B＞R且B＞G。

步骤S6：对SelectedPt进行去噪处理，得到土工布点云；所述步骤S6中使用基于DBSCAN的算法对点云数据进行去噪，包括以下步骤：

步骤S6.1：使用DBSCAN算法对点云进行聚类；

步骤S6.2：删除未被标记为簇的噪声点，得到土工布点云，记为GeotexttilePt。

DBSCAN算法为现有技术，本实施例中对其进行简单的说明。

DBSCAN需要二个参数：扫描半径(eps)和最小包含点数(minPts)。任选一个未被访问(unvisited)的点开始，找出与其距离在eps之内(包括eps)的所有附近点。

a)如果附近点的数量≥minPts，则当前点与其附近点形成一个簇，并且出发点被标记为已访问(visited)。然后递归，以相同的方法处理该簇内所有未被标记为已访问(visited)的点，从而对簇进行扩展。

c)如果附近点的数量<minPts，则该点暂时被标记作为噪声点。

d)如果簇充分地被扩展，即簇内的所有点被标记为已访问，然后用同样的算法去处理未被访问的点。

实施案例：

本实施例以某排泥库为例，采用本实施例的提取方法提取土工布点云数据，上述各步骤的处理效果如图2-图5所示。为了与图中的白色背景区分，图3-图5中土工布点云采用黑色进行示意，由图5的效果可知，本实施例的提取方法可以准确、清楚的提取出土工布的点云数据。

本实施例中的土工布点云提取方法，相比人工巡检的方式，实现了土工布的自动化提取，提高了工作效率，同时降低了人工成本和人工作业的安全风险。另外，不同于基于LiDAR数据的点云提取方法，本实施例中使用无人机倾斜摄影获取的彩色三维点云进行土工布的提取，数据获取方便、价格低廉，实现了土工布点云自动提取作业经济化和精准化的平衡。

本实施例中的土工布点云提取方法包括初步筛选和二次筛选，首先结合颜色信息进行初步筛选大致得到土工布点云的数据，进而获得土工布精确的高程区间；二次筛选采用颜色信息和高程区间结合的方式准确获得土工布点云数据，利用颜色信息和高程区间信息结合大大提升了土工布点云数据筛选的准确性。此外，对彩色三维点云数据进行分块处理，大大提升了后续计算得速度。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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 (9)

1.一种排泥库土工布点云提取方法，其特征在于，包括以下步骤：

步骤S1：获取排泥库区域的三维彩色点云数据；

步骤S2：对点云数据进行直方图正规化处理，处理后的点云数据记为OriginPt；

步骤S3：根据颜色信息对OriginPt进行初步筛选，筛选出来的点云数据记为WhitePt；

步骤S4：根据高程Z值对WhitePt进行直方图统计，得到土工布的高程区间；

步骤S5：使用颜色信息和高程区间为阈值条件，对OriginPt进行二次筛选，筛选出来的点云数据记为SelectedPt；

步骤S6：对SelectedPt进行去噪处理，得到土工布点云；

所述步骤S4中直方图统计的方法如下：

步骤S4.1：计算WhitePt所有点云的高程区间，获得高程最大值Z_max和高程最小值Z_min；

步骤S4.2：设定步长stepsize，stepsize取值范围为[0.01m，0.5m]；

步骤S4.3：统计每个高程区间[Z_min+i×stepsize，Z_min+(i+1)×stepsize]的点云个数，获得每个高程区间的点云个数{Num_i}，其中i的取值范围为

步骤S4.4：对{Num_i}序列中的数值进行判断，将满足Num_i＞minNum的i依次加入新的数列list中，其中minNum为最小点云个数；

步骤S4.5：求取list中最长的连续子序列sep，根据sep的首末元素求得土工布的高程区间

其中Z_low＝sep[0]×stepsize+Z_min、Z_high＝(sep[-1]+1)×stepsize+Z_min，sep[0]为sep第一个元素，sep[-1]为sep最后一个元素。

2.根据权利要求1所述的排泥库土工布点云提取方法，其特征在于，所述步骤S1中，若点云的坐标系为地理坐标系，则将其转换为投影坐标系。

3.根据权利要求2所述的排泥库土工布点云提取方法，其特征在于，所述步骤S1还包括对三维彩色点云数据进行分块处理。

4.根据权利要求1所述的排泥库土工布点云提取方法，其特征在于，步骤S1中，使用无人机倾斜摄影获取三维彩色点云数据。

5.根据权利要求1所述的排泥库土工布点云提取方法，其特征在于，所述步骤S2中对点云的R、G、B三个通道进行直方图正规化处理，具体如下：

设点云的R通道值范围为[R_min，R_max]，G通道值范围为[G_min，G_max]，B通道值范围为[B_min，B_max]，输出的R、G、B三个通道值范围均为[O_min，O_max]，输入点云P_i为[R_i，G_i，B_i]，输出点云P为[R，G，B]，计算公式如下：

6.根据权利要求5所述的排泥库土工布点云提取方法，其特征在于，所述步骤S3中，其初步筛选的阈值条件为：

保留满足阈值条件的点云数据；

其中e₁取值范围为[200，240]，μ的取值范围为[2，15]，E(R，G，B)表示颜色的平均值，σ(R，G，B)表示颜色值得标准差。

7.根据权利要求6所述的排泥库土工布点云提取方法，其特征在于，所述步骤S5中二次筛选的阈值条件为：

保留满足阈值条件的点云；其中e₂取值范围为[120,200]。

8.根据权利要求1所述的排泥库土工布点云提取方法，其特征在于，minNum取值方式如下：

其中，whitePtNum是WhitePt中点云的个数，a的取值大于等于2。

9.根据权利要求1所述的排泥库土工布点云提取方法，其特征在于，所述步骤S6中使用基于DBSCAN的算法对点云数据进行去噪，包括以下步骤：

步骤S6.1：使用DBSCAN算法对点云进行聚类；

步骤S6.2：删除未被标记为簇的噪声点，得到土工布点云，记为GeotexttilePt。

Images