CN113987631B - 一种基于对称性分析的建筑物受灾形变检测方法及系统 - Google Patents

一种基于对称性分析的建筑物受灾形变检测方法及系统 Download PDF

Info

Publication number
CN113987631B
CN113987631B CN202111208634.2A CN202111208634A CN113987631B CN 113987631 B CN113987631 B CN 113987631B CN 202111208634 A CN202111208634 A CN 202111208634A CN 113987631 B CN113987631 B CN 113987631B
Authority
CN
China
Prior art keywords
point cloud
building
model
symmetry
parameters
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
Application number
CN202111208634.2A
Other languages
English (en)
Other versions
CN113987631A (zh
Inventor
陈定安
罗明
王先伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sun Yat Sen University
Original Assignee
Sun Yat Sen University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sun Yat Sen University filed Critical Sun Yat Sen University
Priority to CN202111208634.2A priority Critical patent/CN113987631B/zh
Publication of CN113987631A publication Critical patent/CN113987631A/zh
Application granted granted Critical
Publication of CN113987631B publication Critical patent/CN113987631B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Data Mining & Analysis (AREA)
  • Architecture (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Civil Engineering (AREA)
  • Algebra (AREA)
  • Operations Research (AREA)
  • Structural Engineering (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于对称性分析的建筑物受灾形变检测方法及系统，该方法包括对原始点云进行预处理；计算得到旋转角的初始值；将建筑物体素化并求出每个体素内点量的平均值；将建筑物点云拟合至一双反射对称平面模型；构建估计模型并计算模型参数的改正数；将点云转换至模型初始位置，得到初始位置点云；将初始位置的左半点云转换至右半重叠、将前半点云转换至后半重叠；进行对称性分析。该系统包括：预处理模块、几何拟合模块和对称性分析模块。通过使用本发明，准确计算一双反射对称平面，量化建筑物的对称度，并籍此评估其受灾程度。本发明可广泛应用于地理信息科学技术领域。

Description

一种基于对称性分析的建筑物受灾形变检测方法及系统
技术领域
本发明涉及地理信息科学技术领域，尤其涉及一种基于对称性分析的建筑物受灾形变检测方法及系统。
背景技术
大部分建筑物都有很高的反射对称性，这些具有反射对称的建筑物常具有两个垂直的对称平面，各平面在纵横方向上把建筑物分成两个对称部分。目前仍没有出现针对建筑物反射对称平面的计算方法，而传统算法都需要找在另一端对称面的的匹配点或需要训练数据集，这些都有碍应用的发展。从三维激光扫描或倾斜摄影测量获得建筑物点云的机会日渐普及，但仍没有针对建筑物反射对称平面的计算方法的出现。
发明内容
为了解决上述技术问题，本发明的目的是提供一种基于对称性分析的建筑物受灾形变检测方法及系统，准确计算一双反射对称平面，量化建筑物在灾前灾后(或只是灾后)的对称度，并籍此评估其受灾程度。
本发明所采用的第一技术方案是：一种基于对称性分析的建筑物受灾形变检测方法，包括以下步骤：
获取原始点云并对原始点云进行预处理，得到建筑物点云；
基于黄金分割法计算得到旋转角的初始值；
将建筑物体素化，并求出每个体素内点量的平均值，利用平均值作为阈值对建筑物点云进行筛选，得到筛选后的建筑物点云；
结合旋转角的初始值，将建筑物点云拟合至一双反射对称平面模型并求出一双反射对称平面参数；
基于最小二乘法构建估计模型计算模型参数的改正数，并修正一双反射对称平面参数，得到修正后的一双反射对称平面参数；
根据修正后的一双反射对称平面参数将点云转换至模型初始位置，得到初始位置点云；
基于反射矩阵公式将初始位置的左半点云转换至右半重叠、将前半点云转换至后半重叠，得到左右重叠部分和前后重叠部分；
分别计算左右重叠部分和前后重叠部分的误差，并进行对称性分析。
进一步，所述获取原始点云并对原始点云进行预处理，得到建筑物点云这一步骤，其具体包括：
获取原始点云；
基于几何特征对原始点云进行配准，得到配准后点云；
基于过滤算法对配准后点云进行地面过滤处理，并裁剪提取得到建筑物点云。
进一步，所述反射对称平面模型的公式表示如下：
Figure BDA0003307948450000021
Figure BDA0003307948450000022
上式中，Xc’、Yc’表示建筑物在模式原始状态下的中心，Ω、Φ和Ψ分别表示X、Y和Z轴三个方向的旋转角，R1、R2和R3分别表示X、Y和Z轴的旋转矩阵，X、Y、Z分别表示输入的点云三维坐标，X’、Y’和Z’表示经过三个旋转角旋转后的点云三维坐标，
Figure BDA0003307948450000028
表示模型参数向量，
Figure BDA0003307948450000029
表示观测值点云向量。
进一步，所述估计模型的表达式如下：
Figure BDA0003307948450000023
上式中，
Figure BDA0003307948450000024
为参数改成向量，A表示对模型参数偏导数作为的设计矩阵，B表示对观测值偏导数作为的设计矩阵，
Figure BDA0003307948450000025
表示残差向量，w表示闭合差向量。
进一步，所述将点云转换至模型初始位置使用的公式如下：
Figure BDA0003307948450000026
上式中，X”、Y”和Z”表示转换至模型初始位置的点云三维坐标。
进一步，所述反射矩阵公式如下：
Figure BDA0003307948450000027
Figure BDA0003307948450000031
上式中，X”’、Y”’和Z”’表示转换重叠后的点云三维坐标。
进一步，所述分别计算左右重叠部分和前后重叠部分的误差，并进行对称性分析这一步骤，其具体包括：
基于迭代最近点算法分别计算左右重叠部分和前后重叠部分的误差并以均方根误差表示；
均方根误差越大，表示建筑物越不对称。
本发明所采用的第二技术方案是：一种基于对称性分析的建筑物受灾形变检测系统，包括：
预处理模块，用于获取原始点云并对原始点云进行预处理，得到建筑物点云；
几何拟合模块，基于黄金分割法计算得到旋转角的初始值；将建筑物体素化，求出每个体素内的点量，并进行平均；将建筑物点云拟合至一双反射对称平面模型基于最小二乘法构建估计模型，并结合双反射对称平面的三维几何模型计算模型参数的改正数；
对称性分析模块，根据一双反射对称平面参数将点云转换至模型初始位置，得到初始位置点云；基于反射矩阵公式将初始位置的左半点云转换至右半重叠、将前半点云转换至后半重叠，得到左右重叠部分和前后重叠部分；分别计算左右重叠部分和前后重叠部分的误差，并进行对称性分析。
本发明方法及系统的有益效果是：本发明配合三维激光扫描或倾斜摄影测量，计算具有反射对称性的建筑物于灾前灾后(或灾后)的两个对称平面，从而量化建筑物的对称度及变形程度，进而评估其再次受灾风险等。
附图说明
图1是本发明一种基于对称性分析的建筑物受灾形变检测方法的步骤流程图；
图2是本发明一种基于对称性分析的建筑物受灾形变检测系统的结构框图；
图3是本发明具体实施例相互垂直对称平面模型参数的三维示意图；
图4是本发明具体实施例相互垂直对称平面模型参数的二维示意图；
图5是本发明具体实施例建筑物三维点云及经本发明方法解算的对称平面。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
参照图1，本发明提供了一种基于对称性分析的建筑物受灾形变检测方法，该方法包括以下步骤：
S1、获取原始点云并对原始点云进行预处理，得到建筑物点云；
S2、基于黄金分割法计算得到旋转角的初始值；
具体地，定义并最小化ξ，即经中心平移后，X和Y范围的差，计算出旋转角Ψ的初始值：
Figure BDA0003307948450000041
上式中,
Figure BDA0003307948450000042
S3、将建筑物体素化，并求出每个体素内点量的平均值，利用平均值作为阈值对建筑物点云进行筛选，得到筛选后的建筑物点云；
具体地，利用平均值作为阈值，把点量大于阈值的体素内的点作下采样至阈值水平，使建筑物点量变得平均，从而提高拟合的准确度；
S4、结合旋转角的初始值，将建筑物点云拟合至一双反射对称平面模型并求出一双反射对称平面参数；
具体地，一双反射对称平面模型：
Figure BDA0003307948450000043
上式中，
Figure BDA0003307948450000044
Xc’,Yc’,为建筑物在模式原始状态下的中心；X、Y、Z轴三个方向的旋转角分别为Ω、Φ，Ψ；R1，R2和R3分别表示X、Y和Z轴的旋转矩阵。当参数算出后，建筑物实际的中心可从以下公式求出：
Figure BDA0003307948450000051
S5、基于最小二乘法构建估计模型计算模型参数的改正数，并修正一双反射对称平面参数，得到修正后的一双反射对称平面参数；
S6、根据修正后的一双反射对称平面参数将点云转换至模型初始位置，得到初始位置点云；
具体地，基于最小二乘估计方法建立Gauss-Helmert估计模型，估计模型方程具体为：
Figure BDA0003307948450000052
式中，
Figure BDA0003307948450000053
为参数改成向量，A表示对模型参数偏导数作为的设计矩阵，B表示对观测值偏导数作为的设计矩阵，
Figure BDA0003307948450000054
表示残差向量，w表示闭合差向量。由于估算的是一双反射对称平面，故需多复制一组观测值(点云)，使两组相同的观测量同时投入最小二乘运算：
Figure BDA0003307948450000055
A1表示对f1模型参数偏导数作为的设计矩阵,A2表示对f2模型参数偏导数作为的设计矩阵,P为权重矩阵。
转换公式如下：
Figure BDA0003307948450000056
具体地，通过循环不断利用该参数修正初始值，最后得出一双反射对称平面参数。
S7、基于反射矩阵公式将初始位置的左半点云转换至右半重叠、将前半点云转换至后半重叠，得到左右重叠部分和前后重叠部分；
具体地，左半点云转换至右半重叠的公式如下：
Figure BDA0003307948450000057
前半点云转换至后半重叠的公式如下：
Figure BDA0003307948450000061
S8、分别计算左右重叠部分和前后重叠部分的误差，并进行对称性分析；
具体地，本发明的相互垂直对称平面模型参数的示意图(三维)参照图3，相互垂直对称平面模型参数的示意图(二维)参照图4。
进一步作为本方法的优选实施例，所述获取原始点云并对原始点云进行预处理，得到建筑物点云这一步骤，其具体包括：
获取原始点云；
具体地，原始点云可从三维激光扫描或倾斜摄影测量获得。
基于几何特征对原始点云进行配准，得到配准后点云；
具体地，利用标靶球或其他几何特征对原始点云进行配准。
基于过滤算法对配准后点云进行地面过滤处理，并裁剪提取得到建筑物点云。
具体地，利用地表过滤算法(例如，布料模拟算法)对点云进行过滤地面，并利用手动裁剪把建筑物点云提取。
进一步作为本方法的优选实施例，所述分别计算左右重叠部分和前后重叠部分的误差，并进行对称性分析这一步骤，其具体包括：
基于迭代最近点算法(ICP)分别计算左右重叠部分和前后重叠部分的误差并以均方根误差(RMSE)表示；
均方根误差越大，表示建筑物越不对称。
具体地，当中，RMSE包含了沿X轴和Y轴估算的反射对称程度(分别记为RMSEx与RMSEy)。
本发明公开了一种一套从建筑物点云(从三维激光扫描或倾斜摄影测量获得)获取对称平面模型的计算方法，计算具有反射对称性的建筑物于灾前灾后(或灾后)的两个对称平面，从而量化建筑物的对称度及变形程度，进而评估其再次受灾风险等。本发明首先利用提出的呈90度角垂直的对称平面拟合建筑物点云，获得准确的对称平面参数；其次，利用这些参数将建筑物分割成四个对称部分，通过将其中两份点云进行反射后，利用迭代最近点算法(ICP)计算对称部分的点匹配的均方根误差(RMSE)，并以此作为对称性的严重程度指标。RMSE越大，代表建筑物越不对称。当中，RMSE包含了沿X轴和Y轴估算的反射对称程度(分别记为RMSEx与RMSEy)。除非有明显的不对称部分，一般工艺较好的古建筑的RMSE不超过5厘米。
本发明执行例子参照图5，a)表示已提取的单栋建筑物点云，b)表示建筑物点云和对称平面。
如图2所示，一种基于对称性分析的建筑物受灾形变检测系统，包括：
预处理模块，用于获取原始点云并对原始点云进行预处理，得到建筑物点云；
预处理模块，用于获取原始点云并对原始点云进行预处理，得到建筑物点云；
几何拟合模块，基于黄金分割法计算得到旋转角的初始值；将建筑物体素化，并求出每个体素内点量的平均值，利用平均值作为阈值对建筑物点云进行筛选，得到筛选后的建筑物点云；结合旋转角的初始值，将建筑物点云拟合至一双反射对称平面模型并求出一双反射对称平面参数；基于最小二乘法构建估计模型计算模型参数的改正数，并修正一双反射对称平面参数，得到修正后的一双反射对称平面参数；
对称性分析模块，根据一双反射对称平面参数将点云转换至模型初始位置，得到初始位置点云；基于反射矩阵公式将初始位置的左半点云转换至右半重叠、将前半点云转换至后半重叠，得到左右重叠部分和前后重叠部分；分别计算左右重叠部分和前后重叠部分的误差，并进行对称性分析。
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (8)

1.一种基于对称性分析的建筑物受灾形变检测方法，其特征在于，包括以下步骤：
获取原始点云并对原始点云进行预处理，得到建筑物点云；
基于黄金分割法计算得到旋转角的初始值；
所述旋转角的初始值的计算公式表示如下，
Figure FDA0003906722200000011
Figure FDA0003906722200000012
上式中，ξ表示经中心平移后X和Y范围的差，Ψ表示旋转角，
将建筑物体素化，并求出每个体素内点量的平均值，利用平均值作为阈值对建筑物点云进行筛选，得到筛选后的建筑物点云；
结合旋转角的初始值，将建筑物点云拟合至一双反射对称平面模型并求出一双反射对称平面参数；
基于最小二乘法构建估计模型计算模型参数的改正数，并修正一双反射对称平面参数，得到修正后的一双反射对称平面参数；
根据修正后的一双反射对称平面参数将点云转换至模型初始位置，得到初始位置点云；
基于反射矩阵公式将初始位置的左半点云转换至右半重叠、将前半点云转换至后半重叠，得到左右重叠部分和前后重叠部分；
分别计算左右重叠部分和前后重叠部分的误差，并进行对称性分析。
2.根据权利要求1所述一种基于对称性分析的建筑物受灾形变检测方法，其特征在于，所述获取原始点云并对原始点云进行预处理，得到建筑物点云这一步骤，其具体包括：
获取原始点云；
基于几何特征对原始点云进行配准，得到配准后点云；
基于过滤算法对配准后点云进行地面过滤处理，并裁剪提取得到建筑物点云。
3.根据权利要求2所述一种基于对称性分析的建筑物受灾形变检测方法，其特征在于，所述反射对称平面模型的公式表示如下：
Figure FDA0003906722200000013
Figure FDA0003906722200000021
上式中，Xc’、Yc’表示建筑物在模式原始状态下的中心，Ω、Φ和Ψ分别表示X、Y和Z轴三个方向的旋转角，R1、R2和R3分别表示X、Y和Z轴的旋转矩阵，X、Y、Z分别表示输入的点云三维坐标，X’、Y’和Z’表示经过三个旋转角旋转后的点云三维坐标，
Figure FDA0003906722200000022
表示模型参数向量，
Figure FDA0003906722200000023
表示观测值点云向量。
4.根据权利要求3所述一种基于对称性分析的建筑物受灾形变检测方法，其特征在于，所述估计模型的表达式如下：
Figure FDA0003906722200000024
上式中，
Figure FDA0003906722200000025
为参数改成向量，A表示对模型参数偏导数作为的设计矩阵，B表示对观测值偏导数作为的设计矩阵，
Figure FDA0003906722200000026
表示残差向量，w表示闭合差向量。
5.根据权利要求4所述一种基于对称性分析的建筑物受灾形变检测方法，其特征在于，所述将点云转换至模型初始位置使用的公式如下：
Figure FDA0003906722200000027
上式中，X”、Y”和Z”表示转换至模型初始位置的点云三维坐标。
6.根据权利要求5所述一种基于对称性分析的建筑物受灾形变检测方法，其特征在于，所述反射矩阵公式如下：
Figure FDA0003906722200000028
Figure FDA0003906722200000029
上式中，X”’、Y”’和Z”’表示转换重叠后的点云三维坐标。
7.根据权利要求6所述一种基于对称性分析的建筑物受灾形变检测方法，其特征在于，所述分别计算左右重叠部分和前后重叠部分的误差，并进行对称性分析这一步骤，其具体包括：
基于迭代最近点算法分别计算左右重叠部分和前后重叠部分的误差并以均方根误差表示；
均方根误差越大，表示建筑物越不对称。
8.一种基于对称性分析的建筑物受灾形变检测系统，其特征在于，包括：
预处理模块，用于获取原始点云并对原始点云进行预处理，得到建筑物点云；
几何拟合模块，基于黄金分割法计算得到旋转角的初始值；将建筑物体素化，并求出每个体素内点量的平均值，利用平均值作为阈值对建筑物点云进行筛选，得到筛选后的建筑物点云；结合旋转角的初始值，将建筑物点云拟合至一双反射对称平面模型并求出一双反射对称平面参数；基于最小二乘法构建估计模型计算模型参数的改正数，并修正一双反射对称平面参数，得到修正后的一双反射对称平面参数；
所述旋转角的初始值的计算公式表示如下，
Figure FDA0003906722200000031
Figure FDA0003906722200000032
上式中，ξ表示经中心平移后X和Y范围的差，Ψ表示旋转角；
对称性分析模块，根据一双反射对称平面参数将点云转换至模型初始位置，得到初始位置点云；基于反射矩阵公式将初始位置的左半点云转换至右半重叠、将前半点云转换至后半重叠，得到左右重叠部分和前后重叠部分；分别计算左右重叠部分和前后重叠部分的误差，并进行对称性分析。
CN202111208634.2A 2021-10-18 2021-10-18 一种基于对称性分析的建筑物受灾形变检测方法及系统 Active CN113987631B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111208634.2A CN113987631B (zh) 2021-10-18 2021-10-18 一种基于对称性分析的建筑物受灾形变检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111208634.2A CN113987631B (zh) 2021-10-18 2021-10-18 一种基于对称性分析的建筑物受灾形变检测方法及系统

Publications (2)

Publication Number Publication Date
CN113987631A CN113987631A (zh) 2022-01-28
CN113987631B true CN113987631B (zh) 2022-12-13

Family

ID=79739050

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111208634.2A Active CN113987631B (zh) 2021-10-18 2021-10-18 一种基于对称性分析的建筑物受灾形变检测方法及系统

Country Status (1)

Country Link
CN (1) CN113987631B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102855665A (zh) * 2012-08-01 2013-01-02 北京天人同达软件科技有限公司 从单幅图像重建三维建筑模型的方法
EP3477254A1 (en) * 2017-10-30 2019-05-01 XYZprinting, Inc. Apparatus for producing 3d point-cloud model of physical object and producing method thereof
CN110954017A (zh) * 2019-11-22 2020-04-03 武汉大学 任意曲面镜反射的激光扫描数据获取与解算方法
CN111951401A (zh) * 2020-08-07 2020-11-17 中山大学 一种可用于激光扫描的管道弯头的精密三维几何模型构建方法
CN112785724A (zh) * 2021-01-20 2021-05-11 中山大学 一种基于LiDAR点云和二维图像的古建筑可视化配色方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2559157A (en) * 2017-01-27 2018-08-01 Ucl Business Plc Apparatus, method and system for alignment of 3D datasets
CN109993783B (zh) * 2019-03-25 2020-10-27 北京航空航天大学 一种面向复杂三维建筑物点云的屋顶及侧面优化重建方法
CN112132795B (zh) * 2020-09-14 2023-02-03 中山大学 一种基于LiDAR点云的电塔受灾风险评估方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102855665A (zh) * 2012-08-01 2013-01-02 北京天人同达软件科技有限公司 从单幅图像重建三维建筑模型的方法
EP3477254A1 (en) * 2017-10-30 2019-05-01 XYZprinting, Inc. Apparatus for producing 3d point-cloud model of physical object and producing method thereof
CN110954017A (zh) * 2019-11-22 2020-04-03 武汉大学 任意曲面镜反射的激光扫描数据获取与解算方法
CN111951401A (zh) * 2020-08-07 2020-11-17 中山大学 一种可用于激光扫描的管道弯头的精密三维几何模型构建方法
CN112785724A (zh) * 2021-01-20 2021-05-11 中山大学 一种基于LiDAR点云和二维图像的古建筑可视化配色方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Aerial image analysis based on improved adaptive clustering for photovoltaic module inspection;D. Zhang等;《 2017 International Smart Cities Conference (ISC2)》;20171102;1-6 *
利用对称性进行LiDAR点云配准;伍阳;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20161015(第10期);I136-137 *
基于SfM方法生成的密集点云数据的典型建筑物分类研究;张雪华等;《地震》;20170715;第37卷(第03期);127-137 *
有粘结预应力施工技术在大跨高截面梁及悬挑梁结构中的应用;张彬等;《建筑施工》;20081231(第9期);789-792 *

Also Published As

Publication number Publication date
CN113987631A (zh) 2022-01-28

Similar Documents

Publication Publication Date Title
CN110443836B (zh) 一种基于平面特征的点云数据自动配准方法及装置
CN110009667B (zh) 基于罗德里格斯变换的多视点云全局配准方法
WO2018127007A1 (zh) 深度图获取方法及系统
CN106570823B (zh) 基于平面特征匹配的点云粗拼接方法
CN101639947A (zh) 基于图像的植物三维形态测量与重建方法及系统
CN109215118B (zh) 一种基于图像序列的增量式运动结构恢复优化方法
CN111123242B (zh) 一种基于激光雷达和相机的联合标定方法及计算机可读存储介质
CN104537707A (zh) 像方型立体视觉在线移动实时测量系统
CN112257722A (zh) 基于抗差非线性高斯-赫尔默特模型的点云拟合方法
CN114758005B (zh) 激光雷达与相机外参标定方法及装置
CN115409898A (zh) 一种基于特殊环形标定板的高精度相机标定方法及设备
CN113340201B (zh) 一种基于rgbd相机的三维测量方法
CN115100277A (zh) 复杂曲面结构零件位姿确定方法
CN113987631B (zh) 一种基于对称性分析的建筑物受灾形变检测方法及系统
CN117030620A (zh) 一种基于多源光学遥感卫星影像区域网平差的方法及装置
CN114877826B (zh) 一种双目立体匹配三维测量方法、系统及存储介质
JP6951469B2 (ja) 光学測定装置をキャリブレーションするための方法
CN114299079B (zh) 一种面向稠密点云数据的发动机叶片截面线数据获取方法
CN112991372B (zh) 一种基于多边形匹配的2d-3d相机外参标定方法
CN115147471A (zh) 一种基于曲率密度特征的激光点云自动配准方法
CN114581527A (zh) 相机的坐标变换方法、标定环境修正方法及机器人
CN113052918A (zh) 对极式双目相机标定误差评价方法、装置、介质及设备
Li et al. An allowance optimal distribution method based on improved iterative closest point algorithm
CN111156948A (zh) 用于3c玻璃面板检测的三维数据坐标校正方法及装置
CN117456131B (zh) 缺陷场景下点云的降采样方法及装置

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