CN113763570A - 隧道点云高精度快速自动拼接方法 - Google Patents

Abstract

本发明涉及光信号探测领域，一种隧道点云高精度快速自动拼接方法，包括以下步骤：S1、沿预设距离布置多个测站，相邻两个测站中一个作为参考测站，另一个作为拼接测站，两个测站分别扫描隧道，获取点云数据；S2、求解粗拼接旋转参数；S3、求解粗拼接平移参数；S4、精拼接；通过以上步骤，完成隧道点云数据高精度拼接。通过改进的拼接步骤，实现无需设置人工标记或标靶的方式完成点云的自动拼接。通过简单设备调试和步骤的优化，使隧道点云拼接过程更智能化，降低了人的工作量和人为因素对拼接精度的影响。

Description

隧道点云高精度快速自动拼接方法

技术领域

本发明涉及光信号探测领域，特别是一种隧道点云高精度快速自动拼接方法。

背景技术

隧道作为人类利用地下空间的一种形式，可分为交通隧道、水工隧道、市政隧道、矿山隧道等。许多隧道工程地质复杂、施工难度较高。为了保障施工安全问题，需要对施工工程进行实时监测。隧道建设完成后，为确保其安全平稳运行同样需要进行变形监测，若不及时进行监测将会造成较大的财产损失，甚至造成灾难。传统的隧道变形监测以全站仪、水准仪、收敛计等为主要作业模式，工作效率低，可视化程度低，例如。与传统测量方法相比，三维激光扫描技术是一种更快速、安全有效的监测方法。例如中国专利文献CN 109060821A即提出一种基于激光检测的隧道病害检测方法及隧道病害检测装置。隧道作为一种狭长结构的地下工程，使扫描仪每站获取的有效点云范围较小，需要将许多站点云进行拼接获取隧道整体点云，如图1、2所示。点云拼接就是求解相邻两个测站之间的转换参数，一个测站为参考站，另一个测站为拼接站，求解拼接站坐标系向参考站坐标系转换的参数，即3个平移参数和3个旋转参数，通常不考虑尺度参数。现有的基于点云的隧道形变分析方法中，点云拼接方式多为手动或借助标记点，例如中国专利文献CN 108253925 A。为了提高工作效率，降低人为因素的影响，在《基于三维激光扫描技术的隧道连续断面提取及变形分析》，作者李双中记载了常用拼接算法。点云的自动拼接算法一直是国内外研究的重点，目前存在多种点云自动拼接技术，该技术按所用算法的不同分为有人工辅助的自动拼接和无辅助的自动拼接。有人工辅助的自动拼接方法主要是基于标记点的自动拼接方法，该方法拼接精度高，稳定性强，应用较广泛，由于使用了辅助工具，在实际使用时存在一定的局限性。无辅助的自动拼接方法主要包括基于几何特征的拼接算法、基于图像特征的配准算法和迭代最近点算法(Iterative Closest Point,ICP)。尤其是ICP算法,它能够实现较高的匹配精度，但是该算法无法对初始位置相差较大的点云进行拼接。基于几何特征的拼接算法利用物体特有的几何特征来代替标记点和其它辅助信息来实现点云配准，由于该方法只与物体表面的几何特征有关，所以在对几何形状简单或对称物体进行拼接时稳定性差。基于图像特征的配准算法依靠被测物体表面的纹理来实现拼接，对物体表面纹理有一定要求，在对纹理单一的物体进行测量时，稳定性很差。隧道由于特殊的结构特点，其点云拼接方法与普通点云的拼接方法不完全相同，现阶段针对隧道场景点云的研究主要集中于变形分析和三维建模，隧道点云拼接通常也是选取特征点或借助标靶完成点云拼接，为了提高作业效率，需要有专门针对隧道场景的自动拼接方法。

发明内容

本发明所要解决的技术问题是提供一种隧道点云高精度快速自动拼接方法，能够在确保隧道点云拼接精度的前提下，大幅提高自动拼接速度。

为解决上述技术问题，本发明所采用的技术方案是：一种隧道点云高精度快速自动拼接方法，包括以下步骤：

S1、沿预设距离布置多个测站，相邻两个测站中一个作为参考测站，另一个作为拼接测站，两个测站分别扫描隧道，获取点云数据；

S2、求解粗拼接旋转参数；

依据扫描仪在隧道的实际工作方式，降低粗拼接的旋转变换自由度，只求解绕竖直方向的Z轴的旋转角，将拼接测站的点云以Z轴为旋转轴进行旋转，使拼接测站的点云与参考测站点云沿隧道走向方向大致重合；

S3、求解粗拼接平移参数；

依据隧道内径确定扫描仪架站间距的变化区间L，对L进行等间隔采样，得到m组距离值，在完成粗拼接旋转变换的基础上，将m组距离值向参考测站的激光扫描仪坐标系的X和Y轴投影，获得m组拼接测站的点云相对参考测站的X和Y轴方向平移量；

S4、精拼接；

粗拼接的3个旋转参数和Z坐标方向平移量保持不变，与X和Y坐标方向的平移量进行组合，获取m组初始转换参数，将每组初始转换参数作为精拼接算法的初始值，分别用精拼接算法进行优化；

通过以上步骤，完成隧道点云数据高精度拼接。

优选的方案中，设置测站时，激光扫描仪处于粗略整平状态；

隧道属于狭长地下结构，为了便于点云拼接，相邻两站点云必须有足够的重叠度。

优选的方案中，步骤S2中，粗拼接过程中需要求解的绕Z轴旋转的角度参数ω_z通过点云数据的整体走向确定：

S21、将参考测站(3)和拼接测站(4)点云投影至各自扫描仪坐标系下的XOY平面，并提取隧道两侧的边界点；

S22、通过Ransac算法对S21提取的边界点进行去噪，然后用去噪后的边界点拟合出两条边界线；

S23、对其中一条边界线进行等间隔采样，得到点集M1，计算出每个采样点在其法线方向上与另一边界线的交点，得到点集M2，然后计算M1、M2对应点的均值，得到中线点集C1，对另一条边界线以同样方法求得中线点集C2；

S24、利用Ransac算法从点集C1、C2提取中轴线；

S25、计算参考测站(3)和拼接测站(4)投影后中轴线之间的夹角得到ω_z的近似值。

优选的方案中，步骤S3中，还包括设置拼接测站(4)点云Z坐标方向平移量近似值的步骤，取Z坐标方向平移量为0。

优选的方案中，步骤S3中，还包括设置拼接测站(4)点云Z坐标方向平移量近似值的步骤，对拼接测站(4)Z坐标方向的可能平移量区间进行等间隔采样，获得一组Z坐标方向平移量数组。

优选的方案中，步骤S3中，依据隧道内径确定扫描仪架站间距的区间；

测站位于隧道中心轴线处，激光入射角

S为测站间距，D为隧道内径，测站间距选择D～2D之间。

优选的方案中，步骤S3中，依据测站间距的区间L确定粗拼接平移量：

S31、对L进行等间隔采样，得到m组距离值；

S32、在完成粗拼接旋转变换的基础上，将m组距离值向参考测站(3)的激光扫描仪坐标系的X和Y轴投影，获得m组拼接测站(4)的点云相对参考测站(3)的X和Y轴方向平移量。

优选的方案中，步骤S3中，依据L估计X轴和Y轴的平移量区间L_X和L_Y，然后对L_X和L_Y等间隔采样，获得拼接测站(4)X轴和Y轴平移量的数组。

优选的方案中，步骤S4中，所述的精拼接算法包括ICP算法和NDT算法中的一种。

优选的方案中，ICP算法的步骤为：

1)对拼接测站(4)的点云P进行抽样获得点云P₀；

2)在参考测站(3)的点云Q中查找与P₀中每个点最近的点，获得点云Q₀；

3)去除P₀和Q₀中误差较大的点对；

4)用步骤3)筛选后的P₀和Q₀计算点云P到Q的旋转、平移矩阵R和T；

5)根据步骤4)的旋转平移矩阵，对P₀进行变换，获得变换后的点云P₁(P₁＝RP₀+T)，计算P₁与Q₀中对应点的距离的平均值d，同名点对数为n，d的数学表达式为：

6)重复以上步骤，当步骤5)的d小于设定的阈值或者迭代次数达到最大值，停止迭代，此时的R、T即为最终的旋转、平移矩阵。

在步骤4)计算旋转、平移矩阵可以采用四元数法、奇异值分解法和基于罗德里格矩阵最小二乘迭代法中的一种。

本发明提供的一种隧道点云高精度快速自动拼接方法，通过改进的拼接步骤，实现无需设置人工标记或标靶的方式完成点云的自动拼接。通过简单设备调试和步骤的优化，使隧道点云拼接过程更智能化，降低了人的工作量和人为因素对拼接精度的影响。与现有方法相比，本发明方法的优点在于：

1)将简单设备调试与简化步骤的粗拼接和精拼接步骤相结合，大幅提高拼接效率；

2)基于隧道场景的特点对粗拼接过程进行简化，也适用于其它形状结构单一的管状空间点云的自动拼接，如巷道、矿道、地下通道等；

3)无需手动选取特征点实现隧道点云自动拼接，降低了数据后处理过程中的工作量；

4)无需在作业现场人为放置靶球和靶标实现隧道点云自动拼接，降低了数据采集的工作量，为无人化数据采集提供了关键的技术支持，为隧道的自动化监测提供了可能性。

附图说明

下面结合附图和实施例对本发明作进一步说明：

图1为本发明的测站在隧道内进行扫描的结构示意图。

图2为本发明中两个测站之间点云坐标系转换的结构示意图。

图3为本发明中两个测站之间点云粗拼接前的主视图。

图4为本发明中两个测站之间点云粗拼接前的俯视图。

图5为本发明中两个测站之间点云投影后方向向量示意图。

图6为本发明中两个测站之间点云粗拼接旋转变换后的主视图。

图7为本发明中两个测站之间点云粗拼接旋转变换后的俯视图。

图8为本发明中两个测站之间点云精拼接后的主视图。

图9为本发明中两个测站之间点云精拼接后的俯视图。

图中：隧道1，隧道宽度2，参考测站3，拼接测站4。

具体实施方式

如图1～9中，一种隧道点云高精度快速自动拼接方法，包括以下步骤：

S1、沿预设距离布置多个测站，相邻两个测站中一个作为参考测站3，另一个作为拼接测站4，两个测站分别扫描隧道，获取点云数据；

S2、求解粗拼接旋转参数；

依据扫描仪在隧道的实际工作方式，将粗拼接旋转参数降自由度，只求解绕Z轴的旋转角，将拼接测站4的点云以Z轴为旋转轴进行旋转，使拼接测站4的点云与参考测站3点云沿隧道走向方向大致重合；

S3、求解粗拼接平移参数；

依据隧道内径确定扫描仪架站间距的变化区间L，对L进行等间隔采样，得到m组距离值，在完成粗拼接旋转变换的基础上，将m组距离值向参考测站3的激光扫描仪坐标系的X和Y轴投影，获得m组拼接测站4的点云相对参考测站3的X和Y轴方向平移量；

S4、精拼接；

粗拼接的3个旋转参数和Z坐标方向平移量保持不变，与X和Y坐标方向的平移量进行组合，获取m组初始转换参数；将每组初始转换参数作为精拼接算法的初始值，分别用精拼接算法进行优化；

通过以上步骤，完成隧道点云数据高精度拼接。通过对参考测站3和拼接站4的简单设置，配合省略步骤的粗拼接，大幅减少了后续精拼接过程的运算量，能够在确保拼接精度的前提下，大幅提高自动拼接的效率。

优选的方案中，设置测站时，激光扫描仪处于粗略整平状态；

各个测站之间的水平扫描面高度接近。在隧道内工作时，将测站的三维激光扫描仪使用三脚架架设，架设仪器时会进行粗略整平。

优选的方案如图3～5中，步骤S2中，粗拼接过程中需要求解的旋转参数ω_z通过点云数据的整体走向确定：

S21、将参考测站3和拼接测站4点云投影至各自扫描仪坐标系下的XOY平面，并提取隧道两侧的边界点；

S22、通过Ransac算法对S21提取的边界点进行去噪，然后用去噪后的边界点拟合出两条边界线。Ransac算法是指随机抽样一致性算法，在一组包含“外点”的数据集中，采用不断迭代的方法，寻找最优参数模型，不符合最优模型的点，被定义为外点。

S23、对其中一条边界线进行等间隔采样，得到点集M1，计算出每个采样点在其法线方向上与另一边界线的交点，得到点集M2，然后计算M1、M2对应点的均值，得到中线点集C1，对另一条边界线以同样方法求得中线点集C2。

S24、利用Ransac算法从点集C1、C2提取中轴线。

S25、计算参考测站3和拼接测站4投影后中轴线之间的夹角得到ω_z的近似值。

可选的方案如图3、6中，步骤S3中，还包括设置拼接测站4点云Z坐标方向平移量近似值的步骤，取Z坐标方向平移量为0。该方案适用于Z坐标方向平移量较小的场景。

另一可选方案如图3、6中，步骤S3中，还包括设置拼接测站4点云Z坐标方向平移量近似值的步骤，对拼接测站4点云Z坐标方向的可能平移量进行等间隔采样，获得一组Z坐标方向平移量数组。该方案适用于Z坐标方向平移量较大的场景。

优选方案中如图1中，依据隧道内径确定扫描仪架站间距的区间；

隧道属于狭长结构，隧道表面距离扫描仪越远，激光在隧道表面入射角越大，测量误差越大，为保证点云质量，需要控制两个测站的间距。假定测站位于隧道中心轴线处，则激光入射角

S为测站间距，D为隧道内径，当α大于65°时误差会增大较快，此时S＝2.14D，考虑到实际作业条件的限制，所以测站间距选择D～2D之间；

优选的方案如图4、7中，步骤S3中，依据测站间距的区间L确定粗拼接平移量：

S31、对L进行间隔采样，得到m组距离值，目前隧道内径绝大多数在20m以内，所以m取值2～4即可；

S32、在完成粗拼接旋转变换的基础上，将m组距离值向参考测站3的激光扫描仪坐标系的X和Y轴投影，获得m组拼接测站4的点云相对参考测站3的X和Y轴方向平移量；

优选的方案如图4、7中，步骤S3中，依据L估计拼接测站4的X轴和Y轴方向的平移量可能变化区间L_X和L_Y，然后对L_X和L_Y等间隔采样，获得拼接测站4的X轴和Y轴平移量的数组。

优选的方案如图8、9中，步骤S4中，所述的精拼接算法包括ICP算法、NDT算法中的一种。

优选的方案中，ICP算法的步骤为：

1对拼接测站4的点云P进行抽样获得点云P₀；

2在参考测站3的点云Q中查找与P₀中每个点最近的点，获得点云Q₀；

3去除P₀和Q₀中误差较大的点对；

4用步骤3筛选后的P₀和Q₀计算点云P到Q的旋转、平移矩阵R和T；

5根据步骤4的旋转平移矩阵，对P₀进行变换，获得变换后的点云P₁P₁＝RP₀+T，计算P₁与Q₀中对应点的距离的平均值d，同名点对数为n，d的数学表达式为：

6重复以上步骤，当步骤5的d小于设定的阈值或者迭代次数达到最大值，停止迭代，此时的R、T即为最终的旋转、平移矩阵。

在步骤4计算旋转、平移矩阵可以采用四元数法、奇异值分解法、基于罗德里格矩阵最小二乘迭代法等。

NDT算法是一种基于统计学概率进行配准的算法，其步骤如下：

1)将参考站3和拼接站4的点云分成S个小立方体(体素)，每个体素中的点可用向量表示X_i＝(x_i，y_i，z_i)^T；

2)计算体素k中的均值向量q_k和协方差矩阵C，其中

n为体素中包含的点个数；

3)将拼接站4的点云进行旋转、平移变换，转换到参考站3的坐标系下，然后计算变换后的点的概率分布之和，并作为每个坐标变换参数的分数值score(p)，如下式：

式中，X_i经过旋转、平移变换后得到X’_i，q’_k和c’分别表示X’_i对应的均值向量和协方差矩阵；

4)利用牛顿迭代法通过Hessian矩阵求取score(p)的最大值，得到旋转、平移参数。

5)从步骤3)开始迭代，若达到最大迭代次数，或连续多次求得的旋转平移参数之差小于一定的阈值，则停止迭代。

步骤3)在第一次迭代时使用粗拼接的旋转、平移参数，后续迭代使用步骤4)得到的旋转、平移参数。

上述的实施例仅为本发明的优选技术方案，而不应视为对于本发明的限制，本申请中的实施例及实施例中的特征在不冲突的情况下，可以相互任意组合。本发明的保护范围应以权利要求记载的技术方案，包括权利要求记载的技术方案中技术特征的等同替换方案为保护范围。即在此范围内的等同替换改进，也在本发明的保护范围之内。

Claims (10)

1.一种隧道点云高精度快速自动拼接方法，其特征是包括以下步骤：

S1、沿预设距离布置多个测站，相邻两个测站中一个作为参考测站(3)，另一个作为拼接测站(4)，两个测站分别扫描隧道，获取点云数据；

S2、求解粗拼接旋转参数；

依据扫描仪在隧道的实际工作方式，降低粗拼接的旋转变换自由度，只求解绕竖直方向的Z轴的旋转角，将拼接测站(4)的点云以Z轴为旋转轴进行旋转，使拼接测站(4)的点云与参考测站(3)点云沿隧道走向方向大致重合；

S3、求解粗拼接平移参数；

依据隧道内径确定扫描仪架站间距的变化区间L，对L进行等间隔采样，得到m组距离值，在完成粗拼接旋转变换的基础上，将m组距离值向参考测站(3)的激光扫描仪坐标系的X和Y轴投影，获得m组拼接测站(4)的点云相对参考测站(3)的X和Y轴方向平移量；

S4、精拼接；

粗拼接的3个旋转参数和Z坐标方向平移量保持不变，与X和Y坐标方向的平移量进行组合，获取m组初始转换参数，将每组初始转换参数作为精拼接算法的初始值，分别用精拼接算法进行优化；

通过以上步骤，完成隧道点云数据高精度拼接。

2.根据权利要求1所述的一种隧道点云高精度快速自动拼接方法，其特征是：设置测站时，激光扫描仪处于粗略整平状态；

隧道属于狭长地下结构，为了便于点云拼接，相邻两站点云必须有足够的重叠度。

3.根据权利要求1所述的一种隧道点云高精度快速自动拼接方法，其特征是：步骤S2中，粗拼接过程中需要求解的绕Z轴旋转的角度参数ω_z通过点云数据的整体走向确定：

S21、将参考测站(3)和拼接测站(4)点云投影至各自扫描仪坐标系下的XOY平面，并提取隧道两侧的边界点；

S22、通过Ransac算法对S21提取的边界点进行去噪，然后用去噪后的边界点拟合出两条边界线；

S23、对其中一条边界线进行等间隔采样，得到点集M1，计算出每个采样点在其法线方向上与另一边界线的交点，得到点集M2，然后计算M1、M2对应点的均值，得到中线点集C1，对另一条边界线以同样方法求得中线点集C2；

S24、利用Ransac算法从点集C1、C2提取中轴线；

S25、计算参考测站(3)和拼接测站(4)投影后中轴线之间的夹角得到ω_z的近似值。

4.根据权利要求1所述的一种隧道点云高精度快速自动拼接方法，其特征是：步骤S3中，还包括设置拼接测站(4)点云Z坐标方向平移量近似值的步骤，取Z坐标方向平移量为0。

5.根据权利要求1所述的一种隧道点云高精度快速自动拼接方法，其特征是：步骤S3中，还包括设置拼接测站(4)点云Z坐标方向平移量近似值的步骤，对拼接测站(4)Z坐标方向的可能平移量区间进行等间隔采样，获得一组Z坐标方向平移量数组。

6.根据权利要求1所述的一种隧道点云高精度快速自动拼接方法，其特征是：步骤S3中，依据隧道内径确定扫描仪架站间距的区间；

测站位于隧道中心轴线处，激光入射角

S为测站间距，D为隧道内径，测站间距选择D～2D之间。

7.根据权利要求1所述的一种隧道点云高精度快速自动拼接方法，其特征是：步骤S3中，依据测站间距的区间L确定粗拼接平移量：

S31、对L进行等间隔采样，得到m组距离值；

S32、在完成粗拼接旋转变换的基础上，将m组距离值向参考测站(3)的激光扫描仪坐标系的X和Y轴投影，获得m组拼接测站(4)的点云相对参考测站(3)的X和Y轴方向平移量。

8.根据权利要求1所述的一种隧道点云高精度快速自动拼接方法，其特征是：步骤S3中，依据L估计X轴和Y轴的平移量区间L_X和L_Y，然后对L_X和L_Y等间隔采样，获得拼接测站(4)X轴和Y轴平移量的数组。

9.根据权利要求1所述的一种隧道点云高精度快速自动拼接方法，其特征是：步骤S4中，所述的精拼接算法包括ICP算法和NDT算法中的一种。

10.根据权利要求9所述的一种隧道点云高精度快速自动拼接方法，其特征是：ICP算法的步骤为：

1)对拼接测站(4)的点云P进行抽样获得点云P₀；

2)在参考测站(3)的点云Q中查找与P₀中每个点最近的点，获得点云Q₀；

3)去除P₀和Q₀中误差较大的点对；

4)用步骤3)筛选后的P₀和Q₀计算点云P到Q的旋转、平移矩阵R和T；

5)根据步骤4)的旋转平移矩阵，对P₀进行变换，获得变换后的点云P₁(P₁＝RP₀+T)，计算P₁与Q₀中对应点的距离的平均值d，同名点对数为n，d的数学表达式为：

6)重复以上步骤，当步骤5)的d小于设定的阈值或者迭代次数达到最大值，停止迭代，此时的R、T即为最终的旋转、平移矩阵。

在步骤4)计算旋转、平移矩阵可以采用四元数法、奇异值分解法和基于罗德里格矩阵最小二乘迭代法中的一种。

Images