CN113673011A - 基于点云数据智能识别运营期隧道侵界的方法 - Google Patents
基于点云数据智能识别运营期隧道侵界的方法 Download PDFInfo
- Publication number
- CN113673011A CN113673011A CN202110624941.2A CN202110624941A CN113673011A CN 113673011 A CN113673011 A CN 113673011A CN 202110624941 A CN202110624941 A CN 202110624941A CN 113673011 A CN113673011 A CN 113673011A
- Authority
- CN
- China
- Prior art keywords
- tunnel
- point cloud
- cloud data
- section
- boundary
- 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
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
Abstract
本发明涉及一种基于点云数据智能识别运营期隧道侵界的方法。本发明适用于隧道工程测量技术领域。本发明的技术方案是:一种基于点云数据智能识别运营期隧道侵界的方法,其特征在于:S1、获取隧道的点云数据;S2、基于隧道各里程处对应的断面设计坐标,得到隧道断面;S3、根据隧道点云数据到隧道断面的距离从隧道点云数据中提取相应里程处的断面点云数据;S4、基于断面点云数据提取两侧轨道的轨道顶中心点;S5、以两侧轨道的轨道顶中心点之间连线的中点为坐标原点,建立限界坐标系;S6、获取车辆限界模型并导入所述限界坐标系;S7、判断限界坐标系中相应断面点云数据是否有点位于车辆限界模型范围内,如有,则表明该隧道断面存在侵界。
Description
技术领域
本发明涉及一种基于点云数据智能识别运营期隧道侵界的方法。适用于隧道工程测量技术领域。
背景技术
在城市轨道交通飞跃式发展的同时,相应的安全事故也在频繁发生,隧道坍塌事故给国家带来重大的经济损失,尤其是已建成隧道的安全运营,时刻影响着人民群众的人身安全,隧道安全检测课题的研究是十分必要的。
隧道安全检测其中一个很重要的指标就是隧道限界,隧道限界指为了保证地铁上的车在地铁轨道上安全运行,从车的角度要限制车体的横断面,使其不向外超界,从设备和建筑的角度要限制设备和建筑的横断面,使其不向内侵界。其中,关于车的横断面轮廓的参数指标即为车辆限界,关于设备和建筑轮廓的参数指标即为设备限界和建筑限界。
隧道限界近年来发展迅速,人们通过大量的研究和时间,研究出很多设备,用来解决隧道检测各个方面的问题。他们所采用的方法各不相同,但最终大都殊途同归,较好的完成了隧道检测任务。由于隧道呈狭长的管状结构,人们往往利用机车牵引相关设备进行检测,然而极个别严重的端点处仍然需要特殊处理。
国外早期的限界研究采用带有可伸缩框架的检测车进行人工检测,在不同的路段对检测车框架进行调整,然后再进行相关的检测。我国地铁限界检测目前水平较低,最常用的是断面检测法,根据限界标准制作可伸缩框架的限界车,全线逐段检测,缺点是在不同的路段就要重新调整检测车各伸缩杆的长度,耗费时间;当出现限界问题时,需要人工进行多次测量和记录,效率低下;受人工情绪的影响较大,从而使检测结果的误差较大。
发明内容
本发明要解决的技术问题是:针对上述存在的问题,提供一种基于点云数据智能识别运营期隧道侵界的方法。
本发明所采用的技术方案是:一种基于点云数据智能识别运营期隧道侵界的方法,其特征在于:
S1、获取隧道的点云数据;
S2、基于隧道各里程处对应的断面设计坐标,得到隧道断面;
S3、根据隧道点云数据到隧道断面的距离从隧道点云数据中提取相应里程处的断面点云数据;
S4、基于断面点云数据提取两侧轨道的轨道顶中心点;
S5、以两侧轨道的轨道顶中心点之间连线的中点为坐标原点,建立限界坐标系;
S6、获取车辆限界模型并导入所述限界坐标系;
S7、判断限界坐标系中相应断面点云数据是否有点位于车辆限界模型范围内,如有,则表明该隧道断面存在侵界。
所述根据隧道点云数据到隧道断面的距离从隧道点云数据中提取相应里程处的断面点云数据,包括:
S31、基于隧道点云数据提取隧道中轴线;
S32、基于隧道中轴线在相应里程处与断面设计坐标所处坐标系的夹角转换隧道点云数据坐标;
S33、根据坐标转换后的隧道点云数据计算其与隧道断面之间的距离;
S34、提取距离小于一定值的点云数据作为断面点云数据。
所述基于隧道点云数据提取隧道中轴线,包括:
以采集所述隧道点云数据的三维激光扫描仪为坐标原点O,建立XYZ三轴坐标系,其中Y轴为隧道走向方向;
将隧道点云数据分别投影至XYZ三轴坐标系中的XOY面和YOZ面上,提取隧道投影量测的边界点集;
基于边界点集拟合得到XOY面上的两侧边界线和YOZ面上的两侧边界线;
对XOY面上一侧的边界线采样得到XY边界线点集Ⅰ(xi1,yi1),计算该边界线上点集Ⅰ法方向与另一侧边界线的交点,得到XY边界线点集Ⅱ(xi2,yi2);
计算XY边界线点集Ⅰ、Ⅱ中每一对边界点的中点坐标(xi,yi);
对YOZ面上一侧的边界线采样得到YZ边界线点集Ⅰ(yi1,zi1),计算该边界线上点集Ⅰ法方向与另一侧边界线的交点,得到YZ边界线点集Ⅱ(yi2,zi2);
计算YZ边界线点集Ⅰ、Ⅱ中每一对边界点的中点坐标(yi,zi);
基于XOY面上的中点坐标(xi,yi)和YOZ面上的中点坐标(yi,zi),拟合得到隧道中轴线。
所述基于隧道中轴线在相应里程处与断面设计坐标所处坐标系的夹角转换隧道点云数据坐标,包括:
提取相应里程处隧道中轴线与XOY面和YOZ面的夹角;
基于隧道中轴线与XOY面和YOZ面的夹角转换所述隧道点云数据的坐标,使隧道点云数据的中轴线平行于Y轴。
所述基于断面点云数据提取两侧轨道的轨道顶中心点,包括:
从断面点云数据中提取两侧轨道的轨道部分点云;
提取出轨道部分点云中的最高点;
提取出最高点一定范围内的轨道部分点云;
计算提取出的轨道部分点云的平均值作为相应轨道的轨道顶中心点。
所述判断限界坐标系中相应断面点云数据是否有点位于车辆限界模型范围内,采用inpolygon函数进行判定。
还包括:
S8、计算断面点云数据至车辆限界模型的最短距离,并形成图表。
一种基于点云数据智能识别运营期隧道侵界的装置,其特征在于:
隧道点云获取模块,用于获取隧道的点云数据;
隧道断面获取模块,用于基于隧道各里程处对应的断面设计坐标,得到隧道断面;
断面点云提取模块,用于根据隧道点云数据到隧道断面的距离从隧道点云数据中提取相应里程处的断面点云数据;
轨道中心提取模块,用于基于断面点云数据提取两侧轨道的轨道顶中心点;
限界坐标系构建模块,用于以两侧轨道的轨道顶中心点之间连线的中点为坐标原点,建立限界坐标系;
车辆限界获取模块,用于获取车辆限界模型并导入所述限界坐标系;
侵界判断模块,用于判断限界坐标系中相应断面点云数据是否有点位于车辆限界模型范围内,如有,则表明该隧道断面存在侵界。
一种存储介质,其上存储有能被处理器执行的计算机程序,其特征在于:所述计算机程序被执行时实现所述基于点云数据智能识别运营期隧道侵界的方法的步骤。
一种基于点云数据智能识别运营期隧道侵界的系统,其特征在于,包括:
三维激光扫描仪,用于采集隧道点云数据;
数据处理设备,具有存储器和处理器,存储器上存储有能被处理器执行的计算机程序,所述计算机程序被执行时实现所述基于点云数据智能识别运营期隧道侵界的方法的步骤。
本发明的有益效果是:本发明利用隧道点云数据结合车辆限界模型进行计算,判断是否存在侵界的情形,简单、快速而又准确。
本发明针对于隧道既有线,利用双向投影法得出隧道中轴线,基于隧道中轴线与某一坐标轴的角度,并进行旋转,用点到面的距离应用于断面点云的提取,基于断面点云进行隧道是否侵界的分析。
三维激光扫描技术是一种高精度、高效率、智能化的测量方式,通过本发明的后续处理可以快速准确的得到隧道任意里程的横断面以及判断出该断面是否侵界,与其它方法相比,该方法较为简单、快速、方便、充分利用海量点云原始数据、对于计算机配置无要求、高精度、高效率。
附图说明
图1为实施例的流程图。
图2为实施例中隧道中轴线提取过程图(a、某环附近点云的选取;b、双向投影到xoy平面和yoz平面;c、提取边界点后的yoz图形;d、提取边界点后的xoy图形;e、提取出的中轴线)。
图3为实施例中隧道旋转过程图(a、旋转前的投影图;b、旋转后的投影图)。
图4为实施例中隧道横断面示意图(a、提取断面图;b、投影后的断面图)。
图5为实施例中提取轨道部分点云示意图(a、提取左侧轨道点云;b、提取右侧轨道点云)。
图6为实施例中提取轨道顶中心点的示意图。
图7为实施例中坐标转换示意图。
图8为实施例中侵界判断示意图(a、限界模型导入图;b、判定侵界点)。
图9为实施例中的限界对比图(a、垂足点不在线段上点到线段最短距离示意图;b、垂足点在线段上点到线段最短距离示意图;c、断面点云到限界模型的距离)。
具体实施方式
本实施例为一种基于点云数据智能识别运营期隧道侵界的方法,包括以下步骤:
S1、获取隧道的点云数据。为获取较为精确的点云数据,需合理的选取测站间距和扫描分辨率,在测站间距和扫描分辨率确定后,进行现场扫描;在扫描的同时,用全站仪对扫描仪和标靶的位置进行测量,确定测站和标靶的绝对坐标。
三维激光扫描仪每次获取的点云数据都是以仪器中心为依据建立独立内部坐标系来获得点云坐标信息,对于多站点云数据只有通过各坐标系之间的精密转换,才能得到整个隧道统一点云坐标信息。隧道点云拼接一般基于标靶拼接,在相邻两站重叠区域布设多个标靶,并保证有三个以上非同一直线上的标靶位于两站之间的重叠区域。通过公共的标靶点参数转化完成整体点云的坐标系统一。在整体点云坐标系统一后,需要给标靶和测站点赋予用高精度全站仪测量的绝对坐标,使整体点云数据处于绝对坐标系下。
测站间距的主要影响因素是隧道的内径尺寸和激光扫描时的最大入射角。三维激光的入射角越大采集到的点云误差越大,而最大入射角θmax与测站间距S和隧道直径D有固定的几何关系,其建立的几何关系式为:
式(1)中:θmax为扫描范围内最大的入射角,S为测站间距,D为隧道的最大宽度。通过试验验证:当入射角大于60°时,误差急剧增加,由式(1)得,当θmax=60°时,S=1.7D。
扫描仪设置的分辨率越高扫描得到的点云越密,测量精度就越高,扫描所需的时间也就更长,因此需要根据不同档次扫描分辨率的时间与点云数据精度的要求来合理的确定分辨率。在测站间距和扫描分辨率确定后,进行现场扫描,获取隧道点云数据。
S2、基于隧道各里程处对应的断面设计坐标,得到隧道断面。
S3、根据隧道点云数据到隧道断面的距离从隧道点云数据中提取相应里程处的断面点云数据。
S31、基于隧道点云数据提取隧道中轴线。隧道的中轴线是表示隧道走势的空间曲线,提取的隧道断面点云与隧道中轴线处处垂直,所以中轴线的准确性影响着隧道点云数据的后续处理,本实施例通过双向投影法提取特征点云,基于RANSAC算法并结合最小二乘法提取曲线隧道中轴线。
本实施例中提取中轴线的具体步骤为:
设以采集隧道点云数据的三维激光扫描仪为坐标原点O,建立XYZ三轴坐标系,其中Y轴为隧道走向方向,X轴与Y轴垂直且两轴均位于横向扫描面内,Z轴位于竖向扫描面内,三个轴互相垂直构成右手坐标系;
将隧道点云数据分别投影至XOY面与YOZ面上,提取隧道投影两侧的边界点集;
通过边界点坐标集利用二次曲线方程(如公式(3))拟合边界线方程,利用RANSAC随机采样一致性算法结合最小二乘法拟合两条二次曲线。
对XOY面上一侧的边界线采样得到XY边界线点集Ⅰ(xi1,yi1),计算该边界线上点集Ⅰ法方向与另一侧边界线的交点,得到XY边界线点集Ⅱ(xi2,yi2);
计算XY边界线点集Ⅰ、Ⅱ中每一对边界点的中点坐标(xi,yi);
对YOZ面上一侧的边界线采样得到YZ边界线点集Ⅰ(yi1,zi1),计算该边界线上点集Ⅰ法方向与另一侧边界线的交点,得到YZ边界线点集Ⅱ(yi2,zi2);
计算YZ边界线点集Ⅰ、Ⅱ中每一对边界点的中点坐标(yi,zi);
基于XOY面上的中点坐标(xi,yi)和YOZ面上的中点坐标(yi,zi),拟合得到隧道中轴线。
为提高中线拟合精度,将上述计算方法分别应用于两侧边界线从而计算出2组中点坐标进行基于RANSAC的参数估计的曲线拟合得到最终隧道中轴线。
S32、基于隧道中轴线在相应里程处与断面设计坐标所处坐标系的夹角转换隧道点云数据坐标;
提取相应里程处隧道中轴线与XOY面和YOZ面的夹角α、β;
基于隧道中轴线与XOY面和YOZ面的夹角将原始隧道点云数据经过旋转、平移,使隧道点云数据的母线平行于坐标Y轴。[xi yi zi]T和变化后的坐标[x′i y′i z′i]T有式(4)中的转换关系:
S33、利用经过旋转、平移之后的隧道表面的点云数据到步骤S2所确定的相应里程处端面平面的距离进行截取隧道横断面,合理设置点到平面距离δ,根据公式(5)进行隧道的断面厚度的设置:
|y-Y|<δ (5)
S34、提取隧道点云数据中满足公式(5)的点云数据作为断面点云数据。
S4、基于断面点云数据提取两侧轨道的轨道顶中心点。
提取里程方向对应某一环的断面点云数据进行分析,在运营期地铁隧道断面点云中可以确定轨道点云大致范围,采用坐标分割方法初步粗提取出轨道部分点云;
在粗提取的一侧轨道部分点云中将提取出轨顶中心位置,方法为提取轨道部分点云中Z坐标轴方向的最大值,设定一个阈值d,将Z轴方向距离最高点阈值d范围内的点云提取出,计算此部分点云的平均值作为一侧轨道顶的中心点;同理提取另一侧轨道顶的中心点。
S5、以两侧轨道的轨道顶中心点之间连线的中点为坐标原点,建立限界坐标系。
通过提取出的两轨道顶中心点的坐标可以得知,两轨道顶部连线与原始坐标系夹角为α,将坐标系经过平移至两轨道顶部连线的中心点,通过公式(6)便可将坐标系转换到限界坐标系下。
S6、获取车辆限界模型并与相应的相应断面点云数据一同导入限界坐标系;
S7、判断限界坐标系中相应断面点云数据是否有点位于车辆限界模型范围内,如有,则表明该隧道断面存在侵界。
在车辆限界模型与断面点云形成的断面轮廓处于限界坐标系之下后,进行是否有侵界点的判断,即判断点是否在车辆限界模型的多边形内。
本实施例采用inpolygon函数进行判定,inpolygon函数的作用是判断一个点是否存在于一个多边形内,它的用法是:
[IN ON]=inpolygon(X,Y,xv,yv) (8)
其输入值X和Y分别表示测试点的横坐标值和纵坐标值,而xv和yv则分别表示多边形定点的横坐标值和纵坐标值。若某一点在多边形内,则IN返回值为1,否则IN为0,若某一点在多边形的边界上则ON为1,若不在边界上ON为0。
S8、计算断面点云数据至车辆限界模型的最短距离,并形成图表。计算点到车辆限界模型多边形距离,首先将多边形视为多个线段,计算点到每个线段的最短值。
本实施例中计算方法为计算点云中一个点到每条线段的最短距离,利用点到直线的距离公式:
计算A点到直线BC的最短距离,然后判定D点是否在线段上,通过判断D点的横坐标与B点和D点横坐标关系实现。如果D点不在线段上,如图9(a)所示,计算BC线段两个端点到点A的距离,取其较小值为A点到线段BC的最小距离。如果D点在线段BC上,如图9(b)所示,则线段AD为点A到线段BC的最小距离。这样,依次计算每个点云到限界模型每个线段最短距离,取其最小值,此最小值为点到多边形最短距离。
将断面点云按Y轴向下为起始点,逆时针方向以隧道断面为中心点极坐标展开,画出如图9(c)所示的图形(横坐标为角度,纵坐标为距离),即可较为方便的看出哪些方向点云侵界以及哪些点云容易侵界。
本实施例还提供一种基于点云数据智能识别运营期隧道侵界的装置,包括隧道点云获取模块、隧道断面获取模块、断面点云提取模块、轨道中心提取模块、限界坐标系构建模块、车辆限界获取模块和侵界判断模块。
本例中隧道点云获取模块用于获取隧道的点云数据;隧道断面获取模块用于基于隧道各里程处对应的断面设计坐标,得到隧道断面;断面点云提取模块用于根据隧道点云数据到隧道断面的距离从隧道点云数据中提取相应里程处的断面点云数据;轨道中心提取模块用于基于断面点云数据提取两侧轨道的轨道顶中心点;限界坐标系构建模块用于以两侧轨道的轨道顶中心点之间连线的中点为坐标原点,建立限界坐标系;车辆限界获取模块用于获取车辆限界模型并导入所述限界坐标系;侵界判断模块用于判断限界坐标系中相应断面点云数据是否有点位于车辆限界模型范围内,如有,则表明该隧道断面存在侵界。
本实施例还提供一种存储介质,其上存储有能被处理器执行的计算机程序,该计算机程序被执行时实现本实施例中基于点云数据智能识别运营期隧道侵界的方法的步骤。
本实施例还提供一种数据处理设备,具有存储器和处理器,存储器上存储有能被处理器执行的计算机程序,所述计算机程序被执行时实现本实施例中基于点云数据智能识别运营期隧道侵界的方法的步骤。
本实施例还提供一种基于点云数据智能识别运营期隧道侵界的系统,包括三维激光扫描仪、全站仪和本例中的数据处理设备。
Claims (10)
1.一种基于点云数据智能识别运营期隧道侵界的方法,其特征在于:
S1、获取隧道的点云数据;
S2、基于隧道各里程处对应的断面设计坐标,得到隧道断面;
S3、根据隧道点云数据到隧道断面的距离从隧道点云数据中提取相应里程处的断面点云数据;
S4、基于断面点云数据提取两侧轨道的轨道顶中心点;
S5、以两侧轨道的轨道顶中心点之间连线的中点为坐标原点,建立限界坐标系;
S6、获取车辆限界模型并导入所述限界坐标系;
S7、判断限界坐标系中相应断面点云数据是否有点位于车辆限界模型范围内,如有,则表明该隧道断面存在侵界。
2.根据权利要求1所述的基于点云数据智能识别运营期隧道侵界的方法,其特征在于,所述根据隧道点云数据到隧道断面的距离从隧道点云数据中提取相应里程处的断面点云数据,包括:
S31、基于隧道点云数据提取隧道中轴线;
S32、基于隧道中轴线在相应里程处与断面设计坐标所处坐标系的夹角转换隧道点云数据坐标;
S33、根据坐标转换后的隧道点云数据计算其与隧道断面之间的距离;
S34、提取距离小于一定值的点云数据作为断面点云数据。
3.根据权利要求2所述的基于点云数据智能识别运营期隧道侵界的方法,其特征在于,所述基于隧道点云数据提取隧道中轴线,包括:
以采集所述隧道点云数据的三维激光扫描仪为坐标原点O,建立XYZ三轴坐标系,其中Y轴为隧道走向方向;
将隧道点云数据分别投影至XYZ三轴坐标系中的XOY面和YOZ面上,提取隧道投影量测的边界点集;
基于边界点集拟合得到XOY面上的两侧边界线和YOZ面上的两侧边界线;
对XOY面上一侧的边界线采样得到XY边界线点集Ⅰ(xi1,yi1),计算该边界线上点集Ⅰ法方向与另一侧边界线的交点,得到XY边界线点集Ⅱ(xi2,yi2);
计算XY边界线点集Ⅰ、Ⅱ中每一对边界点的中点坐标(xi,yi);
对YOZ面上一侧的边界线采样得到YZ边界线点集Ⅰ(yi1,zi1),计算该边界线上点集Ⅰ法方向与另一侧边界线的交点,得到YZ边界线点集Ⅱ(yi2,zi2);
计算YZ边界线点集Ⅰ、Ⅱ中每一对边界点的中点坐标(yi,zi);
基于XOY面上的中点坐标(xi,yi)和YOZ面上的中点坐标(yi,zi),拟合得到隧道中轴线。
4.根据权利要求2所述的基于点云数据智能识别运营期隧道侵界的方法,其特征在于,所述基于隧道中轴线在相应里程处与断面设计坐标所处坐标系的夹角转换隧道点云数据坐标,包括:
提取相应里程处隧道中轴线与XOY面和YOZ面的夹角;
基于隧道中轴线与XOY面和YOZ面的夹角转换所述隧道点云数据的坐标,使隧道点云数据的中轴线平行于Y轴。
5.根据权利要求1所述的基于点云数据智能识别运营期隧道侵界的方法,其特征在于,所述基于断面点云数据提取两侧轨道的轨道顶中心点,包括:
从断面点云数据中提取两侧轨道的轨道部分点云;
提取出轨道部分点云中的最高点;
提取出最高点一定范围内的轨道部分点云;
计算提取出的轨道部分点云的平均值作为相应轨道的轨道顶中心点。
6.根据权利要求1所述的基于点云数据智能识别运营期隧道侵界的方法,其特征在于,所述判断限界坐标系中相应断面点云数据是否有点位于车辆限界模型范围内,采用inpolygon函数进行判定。
7.根据权利要求1所述的基于点云数据智能识别运营期隧道侵界的方法,其特征在于,还包括:
S8、计算断面点云数据至车辆限界模型的最短距离,并形成图表。
8.一种基于点云数据智能识别运营期隧道侵界的装置,其特征在于:
隧道点云获取模块,用于获取隧道的点云数据;
隧道断面获取模块,用于基于隧道各里程处对应的断面设计坐标,得到隧道断面;
断面点云提取模块,用于根据隧道点云数据到隧道断面的距离从隧道点云数据中提取相应里程处的断面点云数据;
轨道中心提取模块,用于基于断面点云数据提取两侧轨道的轨道顶中心点;
限界坐标系构建模块,用于以两侧轨道的轨道顶中心点之间连线的中点为坐标原点,建立限界坐标系;
车辆限界获取模块,用于获取车辆限界模型并导入所述限界坐标系;
侵界判断模块,用于判断限界坐标系中相应断面点云数据是否有点位于车辆限界模型范围内,如有,则表明该隧道断面存在侵界。
9.一种存储介质,其上存储有能被处理器执行的计算机程序,其特征在于:所述计算机程序被执行时实现权利要求1~7任意一项所述基于点云数据智能识别运营期隧道侵界的方法的步骤。
10.一种基于点云数据智能识别运营期隧道侵界的系统,其特征在于,包括:
三维激光扫描仪,用于采集隧道点云数据;
数据处理设备,具有存储器和处理器,存储器上存储有能被处理器执行的计算机程序,所述计算机程序被执行时实现权利要求1~7任意一项所述基于点云数据智能识别运营期隧道侵界的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110624941.2A CN113673011A (zh) | 2021-06-04 | 2021-06-04 | 基于点云数据智能识别运营期隧道侵界的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110624941.2A CN113673011A (zh) | 2021-06-04 | 2021-06-04 | 基于点云数据智能识别运营期隧道侵界的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113673011A true CN113673011A (zh) | 2021-11-19 |
Family
ID=78538180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110624941.2A Pending CN113673011A (zh) | 2021-06-04 | 2021-06-04 | 基于点云数据智能识别运营期隧道侵界的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113673011A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115856923A (zh) * | 2023-02-27 | 2023-03-28 | 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院) | 矿卡卸料用时的测量方法、装置、设备及存储介质 |
CN116626706A (zh) * | 2023-05-12 | 2023-08-22 | 北京交通大学 | 轨道交通隧道侵限检测方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109341671A (zh) * | 2018-09-18 | 2019-02-15 | 北京工业大学 | 基于点云数据提取盾构隧道衬砌错台量的方法 |
CN109708615A (zh) * | 2018-12-20 | 2019-05-03 | 上海同岩土木工程科技股份有限公司 | 一种基于激光扫描的地铁隧道限界动态检测方法 |
CN110375722A (zh) * | 2019-06-25 | 2019-10-25 | 北京工业大学 | 一种基于点云数据提取盾构隧道管片张开量的方法 |
CN110411361A (zh) * | 2019-05-15 | 2019-11-05 | 首都师范大学 | 一种移动隧道激光检测数据处理方法 |
JP6664569B1 (ja) * | 2019-09-06 | 2020-03-13 | 三菱電機株式会社 | 変状検出システムおよび変状検出方法 |
-
2021
- 2021-06-04 CN CN202110624941.2A patent/CN113673011A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109341671A (zh) * | 2018-09-18 | 2019-02-15 | 北京工业大学 | 基于点云数据提取盾构隧道衬砌错台量的方法 |
CN109708615A (zh) * | 2018-12-20 | 2019-05-03 | 上海同岩土木工程科技股份有限公司 | 一种基于激光扫描的地铁隧道限界动态检测方法 |
CN110411361A (zh) * | 2019-05-15 | 2019-11-05 | 首都师范大学 | 一种移动隧道激光检测数据处理方法 |
CN110375722A (zh) * | 2019-06-25 | 2019-10-25 | 北京工业大学 | 一种基于点云数据提取盾构隧道管片张开量的方法 |
JP6664569B1 (ja) * | 2019-09-06 | 2020-03-13 | 三菱電機株式会社 | 変状検出システムおよび変状検出方法 |
Non-Patent Citations (5)
Title |
---|
CHENG YI等: "Tunnel Deformation Inspection via Global Spatial Axis Extraction from 3D Raw Point Cloud", 《SENSORS》 * |
朱强等: "移动激光检测系统的隧道限界检测方法", 《测绘科学》 * |
林永达: "隧道点云数据处理及可视化关键技术研究", 《中国优秀博硕士学位论文全文数据库(硕士)( 工程科技Ⅱ辑)》 * |
胡玉祥等: "基于三维激光点云的地铁限界测量分析与应用研究", 《城市勘测》 * |
陈国栋等: "基于点云数据的轨道结构与隧道空间限界一体化自动检测方法研究", 《铁道标准设计》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115856923A (zh) * | 2023-02-27 | 2023-03-28 | 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院) | 矿卡卸料用时的测量方法、装置、设备及存储介质 |
CN116626706A (zh) * | 2023-05-12 | 2023-08-22 | 北京交通大学 | 轨道交通隧道侵限检测方法及系统 |
CN116626706B (zh) * | 2023-05-12 | 2024-01-16 | 北京交通大学 | 轨道交通隧道侵限检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210303751A1 (en) | Method and device for rapid analysis of tunnel section convergence | |
US11551341B2 (en) | Method and device for automatically drawing structural cracks and precisely measuring widths thereof | |
WO2023019709A1 (zh) | 基于车载移动激光点云的接触网导高与拉出值自动检测方法 | |
CN105180890A (zh) | 融合激光点云和数字影像的岩体结构面产状测量方法 | |
CN107578400A (zh) | 一种bim和三维点云融合的接触网装置参数检测方法 | |
CN110807772B (zh) | 一种构件尺寸检测中基于包围盒的无关点云剔除方法 | |
CN113673011A (zh) | 基于点云数据智能识别运营期隧道侵界的方法 | |
CN103605978A (zh) | 基于三维实景数据的城市违章建筑识别系统及方法 | |
CN113487722B (zh) | 一种基于三维激光扫描方法的混凝土构件自动化检测方法 | |
CN109993697A (zh) | 一种隧道三维激光数据预处理的方法 | |
CN106996748A (zh) | 一种基于双目视觉的轮径测量方法 | |
CN103295232A (zh) | 基于直线和区域的sar图像配准方法 | |
CN101178811A (zh) | 一种三步法结构光直线光条的图像特征提取方法 | |
CN105091748A (zh) | 轨道车辆公差尺寸测量系统 | |
CN103438834A (zh) | 基于结构光投影的层级式快速三维测量装置及测量方法 | |
CN109141266A (zh) | 一种钢结构测量方法及系统 | |
CN106157338A (zh) | 一种铁路隧道限界图像处理系统及方法 | |
CN110490342B (zh) | 一种基于Faster R-CNN的接触网静态几何参数检测方法 | |
CN110597249A (zh) | 一种机器人及其回充定位方法和装置 | |
Luo et al. | 3D deformation monitoring method for temporary structures based on multi-thread LiDAR point cloud | |
CN109696168A (zh) | 一种基于激光传感器的移动机器人几何地图创建方法 | |
CN112233233A (zh) | 一种隧道相对点云数据的三维线形恢复方法 | |
Li et al. | A deep learning-based indoor acceptance system for assessment on flatness and verticality quality of concrete surfaces | |
CN105115441A (zh) | 一种回转体零件廓形的特征点提取及自动分段方法 | |
CN114049457A (zh) | 一种基于点云数据提取运营期隧道接触网高度和拉出值的方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211119 |
|
RJ01 | Rejection of invention patent application after publication |