CN114707100A - 基于激光扫描点云的预制装配构件空间姿态反演校正算法 - Google Patents
基于激光扫描点云的预制装配构件空间姿态反演校正算法 Download PDFInfo
- Publication number
- CN114707100A CN114707100A CN202210302432.2A CN202210302432A CN114707100A CN 114707100 A CN114707100 A CN 114707100A CN 202210302432 A CN202210302432 A CN 202210302432A CN 114707100 A CN114707100 A CN 114707100A
- Authority
- CN
- China
- Prior art keywords
- plane
- point
- data set
- scanning
- laser
- 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.)
- Granted
Links
Images
Classifications
-
- 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
-
- 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
- G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
一种基于激光扫描点云的预制装配构件空间姿态反演校正算法,其包括:步骤一:形成测量面的激光点云数据集Q1,同时将目标扫描构件的扫描边界点数据放入边界点数据集Q0;步骤二:从集合中选取特征点;步骤三:将测量面校正到X轴Y轴确定的xy‑平面;步骤四:将激光点云数据集和边界点数据集中所有测量点校正到xy‑平面,校正后平面记为平面ABC′;步骤五:将平面ABC′平移,使左底角点与坐标原点重合;步骤六:将平移后的平面ABC′沿Z轴方向旋转使目标扫描构件底面与xz‑平面重合;由此,本发明能将随机摆放的目标扫描构件校正到理想位置的姿态,便于将扫描数据与目标扫描构件的理论模型对比,并最终对目标扫描构件的制作质量做进一步分析判断。
Description
技术领域
本发明涉及预制装配构件空间姿态校正的技术领域,尤其涉及一种基于激光扫描点云的预制装配构件空间姿态反演校正算法。
背景技术
装配式结构在绿色低碳的建造环境下,应用日益广泛,预制装配构件的质量决定着装配式结构的质量,因此,预制装配构件出厂前需进行质量检测,为提高检测效率和精度,可采用智能扫描检测方式。大量预制装配构件扫描过程中,目标扫描构件与智能扫描装备之间是无接触式扫描,智能扫描装备行走在固定轨道上,目标扫描构件人为快速随机放置在智能扫描装备行走范围内的测量区域内。因此,无法将目标扫描构件摆放在完全理想的位置,即目标扫描构件和理想位置相比,在由智能扫描装备水平行走方向、竖直行走方向和激光测距仪测量方向搭建起来的基准坐标系的x、y、z三个坐标轴方向都可能产生夹角,无法确定其摆放位置以及摆放姿态。
大型预制构件拼装面少数情况下会出现因制作误差导致的拼装面鼓包的情况。构件拼装面鼓包将影响装配式结构拼装精度,进而影响装配式结构整体质量。因此,在预制构件出厂前需要对构件拼装面平整度进行检测,常规人工检测精确度和效率较低,而采用智能扫描检测方式因摆放姿态不确定导致测量点数据和构件理论模型无法对应,从而难以计算构件拼装面的制作精度。
为此,本发明的设计者有鉴于上述缺陷,通过潜心研究和设计,综合长期多年从事相关产业的经验和成果,研究设计出一种基于激光扫描点云的预制装配构件空间姿态反演校正算法,以克服上述缺陷。
发明内容
本发明的目的在于提供一种基于激光扫描点云的预制装配构件空间姿态反演校正算法,其能克服现有技术的缺陷,解决了任意摆放姿态下构件测量结果和构件理论模型的关联对比,最终实现对任意形状的预制构件空间姿态的反演校正。
为实现上述目的,本发明公开了一种基于激光扫描点云的预制装配构件空间姿态反演校正算法,其特征在于包含如下步骤:
步骤一:形成测量面的激光点云数据集Q1,同时将目标扫描构件的扫描边界点数据放入边界点数据集Q0;
目标扫描构件的一底角点为坐标原点,以扫描龙门水平前进方向为x轴正方向,以激光测距仪扫描竖直向上方向为y轴正方向,以激光测距仪测量值为z轴坐标值,建立xyz坐标系;
步骤二:将测量面调整到xyz坐标系的xy-平面,先确定当前测量面所在的平面方程,从边界点数据集Q0中选取特征点确定当前测量面所在的平面方程,具体步骤如下:
步骤2.1:提取不位于同一直线上的三个点作为特征点;
步骤2.2:根据目标扫描构件的理论模型特点,从边界点数据集Q0中提取坐标原点、x轴上距离原点最远的点、y轴上距离原点最远的点三个点,分别记为点A、B、C;
步骤2.3:三个特征点的坐标分别是A(x1,y1,z1)、B(x2,y2,z2)、C(x3,y3,z3);由三点确定的平面ABC即特征点面的方程为式1:
步骤三:姿态校正首先将测量面校正到xy-平面,即式2:
z=0;2)
结合步骤二中特征点面的方程,得到特征点面和xy-平面之间的交线L为式3:
ax+by+d=0; 3)
其中:a、b、c为函数常量;
由特征点面、xy-平面、平面交线L可得到两个平面夹角α;
其中:平面ABC上取三个特征点中不位于交线L上的任意一点向平面交线L做垂线,垂足为点P⊥,以点P⊥为垂足,在xy-平面上做平面交线L的垂线,两垂线之间的夹角即为平面夹角α;
步骤四:将激光点云数据集Q1和边界点数据集Q0中所有测量点校正到xy-平面,校正后平面记为平面ABC′;
步骤五:将平面ABC′平移,使左底角点与坐标原点重合;
步骤六:将平移后的平面ABC′沿Z轴方向旋转使目标扫描构件底面与xz-平面重合。
其中:步骤一中通过扫描龙门带动激光测距仪在水平行走轨道和竖向行走轨道方向上移动,并不断采集激光测距仪测量值,同时搜索目标扫描构件的测量面边界,形成边界点数据集Q0。
其中:以捕获到的边界点为基础对目标扫描构件的整个测量面进行扫描,形成激光点云数据集Q1。
其中:步骤四中从激光点云数据集Q1和边界点数据集Q0中依次取测量点数据并记为测量点Pi,Pi向交线L做垂线,然后以交线L为旋转轴,以垂足为旋转圆心,以α为旋转角向xy-平面旋转,最终Pi点旋转到xy-平面上的新点Pi′即为Pi点校正后的位置。
其中:直至激光点云数据集Q1和边界点数据集Q0中所有的测量点全部完成校正形成校正后的激光点云数据集Q1_1和边界点数据集Q0_1,校正后的特征点面为平面ABC′,且平面ABC′已经与xy-平面重合。
其中:步骤五中取校正后边界点数据集Q0_1中两个底角点坐标,分别记为点P角l(xl,yl,zl)和P角r(xr,yr,zr),先将左角点P角l平移到坐标原点,即x轴平移xl、y轴平移yl,依此同样将校正后的激光点云数据集Q1_1和边界点数据集Q0_1中所有点均沿x轴平移xl,沿y轴平移yl,至此,较正后的测量面已经与理想摆放姿态下的测量面处于同一平面,并且两个测量面的左底角点重合,平移后的激光点云数据集Q1_1和边界点数据集Q0_1分别记为Q1_2和Q0_2。
其中:步骤六中包含:计算目标扫描构件测量面上底部触地点所在直线与水平摆放时对应直线的夹角β:
通过式4计算两底角点所在直线相对于x轴的斜率K1:
目标扫描构件理想摆放时两个底角点所在直线相对于x轴的斜率K2=0;
计算出平移后的边界点数据集Q0_2中两个底角点所在直线和水平摆放时两个底角点所在直线夹角为β=arctan(K1)。
其中:步骤六中还包含:将平移后的激光点云数据集Q1_2和边界点数据集Q0_2中测量点值逐个绕Z轴方向以β为旋转角,以构件左底角点26为圆心向x轴旋转,得到最终校正值。
通过上述内容可知,本发明的基于激光扫描点云的预制装配构件空间姿态反演校正算法,以得到任意摆放姿态下目标扫描构件测量面与理想摆放姿态下测量面的空间夹角,将随机摆放的目标扫描构件分步旋转最终校正到理想位置的姿态,便于将扫描数据与目标扫描构件的理论模型对比,并最终对目标扫描构件的制作质量做进一步分析判断。
本发明的详细内容可通过后述的说明及所附图而得到。
附图说明
图1显示了本发明的基于激光扫描点云的预制装配构件空间姿态反演校正算法的流程图。
图2显示了本发明的智能扫描装备和目标扫描构件相对位置关系。
图3显示了本发明的目标扫描构件实际测量中测量面的正视图。
图4显示了本发明的目标扫描构件实际测量的俯视图。
图5显示了本发明的目标扫描构件实际测量的侧面正视图。
图6显示了本发明的目标扫描构件理想摆放与xyz坐标系的关系示意图。
图7显示了本发明的目标扫描构件随意摆放在标准坐标系中的示意图。
附图标记:
1:扫描龙门;2:目标扫描构件;202:目标扫描构件底面;21:测量面;22:测量面边界;26:左底角点;27:右底角点;3:构件扫描台;4:仓房;5:水平行走轨道;6:竖向行走轨道。
具体实施方式
参见图1至图7,显示了本发明的基于激光扫描点云的预制装配构件空间姿态反演校正算法。
所述基于激光扫描点云的预制装配构件空间姿态反演校正算法应用于图2所示的龙门式的智能扫描装备上,所述智能扫描装备包含扫描龙门1,所述扫描龙门的两内侧各对应设置n个激光测距仪,所述激光测距仪分别一对一成对设置,即可包含左侧激光测距仪和右侧激光测距仪,每一对激光测距仪正对安装且同步行走,以对目标扫描构件2两侧的测量面21进行扫描,目标扫描构件2位于构件扫描台3上,扫描龙门1可沿水平行走轨道5进行前后移动,也可控制激光测距仪沿扫描龙门1上竖向行走轨道6竖向上下移动,所述水平行走轨道5的一端设有库房4,该扫描龙门1可在不工作时移动至所述库房4,以提供有效保护。
本发明算法思路为:目标扫描构件理想摆放姿态见图6中姿态,实际操作中无法保证理想摆放,图7中姿态为实际操作中常出现的任意摆放姿态,从而将产生图3、图4、图5中各个方向的姿态偏斜,本发明的方法是首先调整图4、图5中两个方向的姿态偏斜,将其调整到xy-平面坐标系下,最后调整图3中偏斜姿态,使其最终调整到图6中理想摆放姿态。
具体而言,本发明的基于激光扫描点云的预制装配构件空间姿态反演校正算法可包含如下步骤:
步骤一:形成测量面21的激光点云数据集Q1,同时将目标扫描构件1的扫描边界点数据放入边界点数据集Q0;
其中,可通过扫描目标扫描构件来获取边界点数据集并基于此继续扫描形成激光点云数据集,即通过扫描龙门1带动激光测距仪在水平行走轨道5和竖向行走轨道6方向上移动,并不断采集激光测距仪测量值,同时采用迂回折半方法搜索目标扫描构件2的测量面边界22,形成边界点数据集Q0;并以捕获到的边界点为基础对目标扫描构件2的整个测量面21进行扫描,形成激光点云数据集Q1。
其中:可将目标扫描构件2的左底角点26作为坐标原点,以图7为例,P0为坐标原点,以扫描龙门1水平前进方向为x轴正方向,以激光测距仪扫描竖直向上方向为y轴正方向,以激光测距仪测量值为z轴坐标值,建立xyz坐标系。
步骤二:如步骤一中所述,(针对所有同类型构件,以图4、图5为例)首先调整图4、图5中两个方向的姿态偏斜,将测量面21调整到xyz坐标系的xy-平面,需要先确定当前测量面所在的平面方程。从边界点数据集Q0中选取特征点来确定当前测量面所在的平面方程,具体步骤如下:
步骤2.1:提取特征点的原则是特征点之间距离尽量远且不位于同一直线上的三个点,这样可以最大程度的缩小误差。
步骤2.2:根据目标扫描构件的理论模型特点,从边界点数据集Q0中提取坐标原点、x轴上距离原点最远的点、y轴上距离原点最远的点三个点,分别记为点A、B、C。
步骤2.3:三个特征点的坐标分别是A(x1,y1,z1)、B(x2,y2,z2)、C(x3,y3,z3)。由三点确定的平面ABC即特征点面的方程为式1:
步骤三:姿态校正首先将测量面21校正到xy-平面,即式2:z=0;2)
结合步骤二中特征点面的方程,可以求得特征点面和xy-平面之间的交线L为式3:
ax+by+d=0;3)
其中:a、b、c为函数常量。
综上,由特征点面、xy-平面、平面交线L可得到两个平面夹角α。
其中:平面ABC上取三个特征点中不位于交线L上的任意一点向平面交线L做垂线,垂足为点P⊥,以点P⊥为垂足,在xy-平面上做平面交线L的垂线,两垂线之间的夹角即为平面夹角α。
步骤四:将激光点云数据集Q1和边界点数据集Q0中所有测量点校正到xy-平面,校正后平面记为平面ABC′。
从激光点云数据集Q1和边界点数据集Q0中依次取测量点数据并记为测量点Pi,Pi向交线L做垂线,然后以交线L为旋转轴,以垂足为旋转圆心,以α为旋转角向xy-平面旋转,最终Pi点旋转到xy-平面上的新点Pi′即为Pi点校正后的位置。
重复上述操作,直至激光点云数据集Q1和边界点数据集Q0中所有的测量点全部完成校正形成校正后的激光点云数据集Q1_1和边界点数据集Q0_1,校正后的特征点面为平面ABC′,且平面ABC′已经与xy-平面重合。
步骤五:将平面ABC′平移,使左底角点与坐标原点重合。
通过步骤四可知,校正后的平面ABC′已经与xy-平面重合,但实际测量中目标扫描构件2姿态未知,校正后其测量面左底角点未必与坐标原点P0(0,0,0)点重合。
取校正后边界点数据集Q0_1中两个底角点坐标(如图7中左底角点26和右底角点27),分别记为点P角l(xl,yl,zl)和P角r(xr,yr,zr)。首先将左角点(如图7中左底角点26)P角l平移到坐标原点,即x轴平移xl、y轴平移yl。
依此方法,将校正后的激光点云数据集Q1_1和边界点数据集Q0_1中所有点均沿x轴平移xl,沿y轴平移yl,至此,较正后的测量面已经与理想摆放姿态下的测量面处于同一平面,并且两个测量面的左底角点重合。平移后的激光点云数据集Q1_1和边界点数据集Q0_1分别记为Q1_2和Q0_2。
步骤六:将平面ABC′沿Z轴方向旋转使目标扫描构件底面202与xz-平面重合,完成构件空间姿态反演校正算法。
具体而言,还包含如下子步骤:
步骤6.1:计算目标扫描构件测量面上底部触地点所在直线与水平摆放时对应直线的夹角β:
通过式4计算两底角点所在直线相对于x轴的斜率K1:
目标扫描构件理想摆放时两个底角点所在直线相对于x轴的斜率K2=0。
综上可以计算出平移后的边界点数据集Q0_2中两个底角点所在直线和水平摆放时两个底角点所在直线夹角为β=arctan(K1)。
步骤6.2:将平移后的激光点云数据集Q1_2和边界点数据集Q0_2中测量点值逐个绕Z轴方向以β为旋转角,以构件左底角点26为圆心向x轴旋转,得到最终校正值。
重复以上操作直至所有测量点完成最终校正,即旋转校正后的激光点云数据集Q1_3和边界点数据集Q0_3,完成构件空间姿态反演校正算法。
显而易见的是,以上的描述和记载仅仅是举例而不是为了限制本发明的公开内容、应用或使用。虽然已经在实施例中描述过并且在附图中描述了实施例,但本发明不限制由附图示例和在实施例中描述的作为目前认为的最佳模式以实施本发明的教导的特定例子,本发明的范围将包括落入前面的说明书和所附的权利要求的任何实施例。
Claims (8)
1.一种基于激光扫描点云的预制装配构件空间姿态反演校正算法,其特征在于包含如下步骤:
步骤一:形成测量面的激光点云数据集Q1,同时将目标扫描构件的扫描边界点数据放入边界点数据集Q0;
目标扫描构件的一底角点为坐标原点,以扫描龙门水平前进方向为x轴正方向,以激光测距仪扫描竖直向上方向为y轴正方向,以激光测距仪测量值为z轴坐标值,建立xyz坐标系;
步骤二:将测量面调整到xyz坐标系的xy-平面,先确定当前测量面所在的平面方程,从边界点数据集Q0中选取特征点确定当前测量面所在的平面方程,具体步骤如下:
步骤2.1:提取不位于同一直线上的三个点作为特征点;
步骤2.2:根据目标扫描构件的理论模型特点,从边界点数据集Q0中提取坐标原点、x轴上距离原点最远的点、y轴上距离原点最远的点三个点,分别记为点A、B、C;
步骤2.3:三个特征点的坐标分别是A(x1,y1,z1)、B(x2,y2,z2)、C(x3,y3,z3);由三点确定的平面ABC即特征点面的方程为式1:
步骤三:将测量面校正到xy-平面,即式2:
z=0; 2)
结合步骤二中特征点面的方程,得到特征点面和xy-平面之间的交线L为式3:
ax+by+d=0; 3)
其中:a、b、c为函数常量;
由特征点面、xy-平面、平面交线L可得到两个平面夹角α;
其中:平面ABC上取三个特征点中不位于交线L上的任意一点向平面交线L做垂线,垂足为点P⊥,以点P⊥为垂足,在xy-平面上做平面交线L的垂线,两垂线之间的夹角即为平面夹角α;
步骤四:将激光点云数据集Q1和边界点数据集Q0中所有测量点校正到xy-平面,校正后平面记为平面ABC′;
步骤五:将平面ABC′平移,使左底角点与坐标原点重合;
步骤六:将平移后的平面ABC′沿Z轴方向旋转使目标扫描构件底面与xz-平面重合。
2.如权利要求1所述的基于激光扫描点云的预制装配构件空间姿态反演校正算法,其特征在于::步骤一中通过扫描龙门带动激光测距仪在水平行走轨道和竖向行走轨道方向上移动,并不断采集激光测距仪测量值,同时搜索目标扫描构件的测量面边界,形成边界点数据集Q0。
3.如权利要求1所述的基于激光扫描点云的预制装配构件空间姿态反演校正算法,其特征在于::以捕获到的边界点为基础对目标扫描构件的整个测量面进行扫描,形成激光点云数据集Q1。
4.如权利要求1所述的基于激光扫描点云的预制装配构件空间姿态反演校正算法,其特征在于::步骤四中从激光点云数据集Q1和边界点数据集Q0中依次取测量点数据并记为测量点Pi,Pi向交线L做垂线,然后以交线L为旋转轴,以垂足为旋转圆心,以α为旋转角向xy-平面旋转,最终Pi点旋转到xy-平面上的新点Pi′即为Pi点校正后的位置。
5.如权利要求4所述的基于激光扫描点云的预制装配构件空间姿态反演校正算法,其特征在于:直至激光点云数据集Q1和边界点数据集Q0中所有的测量点全部完成校正形成校正后的激光点云数据集Q1_1和边界点数据集Q0_1,校正后的特征点面为平面ABC′,且平面ABC′已经与xy-平面重合。
6.如权利要求1所述的基于激光扫描点云的预制装配构件空间姿态反演校正算法,其特征在于::步骤五中取校正后边界点数据集Q0_1中两个底角点坐标,分别记为点P角l(xl,yl,zl)和P角r(xr,yr,zr),先将左角点P角l平移到坐标原点,即x轴平移xl、y轴平移yl,依此同样将校正后的激光点云数据集Q1_1和边界点数据集Q0_1中所有点均沿x轴平移xl,沿y轴平移yl,至此,较正后的测量面已经与理想摆放姿态下的测量面处于同一平面,并且两个测量面的左底角点重合,平移后的激光点云数据集Q1_1和边界点数据集Q0_1分别记为Q1_2和Q0_2。
8.如权利要求7所述的基于激光扫描点云的预制装配构件空间姿态反演校正算法,其特征在于:步骤六中还包含:将平移后的激光点云数据集Q1_2和边界点数据集Q0_2中测量点值逐个绕Z轴方向以β为旋转角,以构件左底角点26为圆心向x轴旋转,得到最终校正值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210302432.2A CN114707100B (zh) | 2022-03-25 | 2022-03-25 | 基于激光扫描点云的预制装配构件空间姿态反演校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210302432.2A CN114707100B (zh) | 2022-03-25 | 2022-03-25 | 基于激光扫描点云的预制装配构件空间姿态反演校正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114707100A true CN114707100A (zh) | 2022-07-05 |
CN114707100B CN114707100B (zh) | 2023-02-28 |
Family
ID=82170317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210302432.2A Active CN114707100B (zh) | 2022-03-25 | 2022-03-25 | 基于激光扫描点云的预制装配构件空间姿态反演校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114707100B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107290735A (zh) * | 2017-08-22 | 2017-10-24 | 北京航空航天大学 | 一种基于自制地基激光雷达铅垂度误差的点云误差校正方法 |
CN107290734A (zh) * | 2017-08-22 | 2017-10-24 | 北京航空航天大学 | 一种基于自制地基激光雷达垂直度误差的点云误差校正方法 |
US20180003825A1 (en) * | 2016-06-30 | 2018-01-04 | Topcon Corporation | Laser Scanner System And Registration Method Of Point Cloud Data |
CN113722789A (zh) * | 2021-07-22 | 2021-11-30 | 河北工业大学 | 基于3d激光扫描和过程反馈的钢结构桥梁虚拟拼装方法 |
-
2022
- 2022-03-25 CN CN202210302432.2A patent/CN114707100B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180003825A1 (en) * | 2016-06-30 | 2018-01-04 | Topcon Corporation | Laser Scanner System And Registration Method Of Point Cloud Data |
CN107290735A (zh) * | 2017-08-22 | 2017-10-24 | 北京航空航天大学 | 一种基于自制地基激光雷达铅垂度误差的点云误差校正方法 |
CN107290734A (zh) * | 2017-08-22 | 2017-10-24 | 北京航空航天大学 | 一种基于自制地基激光雷达垂直度误差的点云误差校正方法 |
CN113722789A (zh) * | 2021-07-22 | 2021-11-30 | 河北工业大学 | 基于3d激光扫描和过程反馈的钢结构桥梁虚拟拼装方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114707100B (zh) | 2023-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI517101B (zh) | 三維掃描器校正系統及其校正方法 | |
CN109029299B (zh) | 舱段销孔对接转角的双相机测量装置及测量方法 | |
CN103940356B (zh) | 一种基于三维激光扫描技术的建筑物整体变形监测方法 | |
US11635408B2 (en) | Method for tracking location of two-dimensional non-destructive inspection scanner on target object using scanned structural features | |
US11052497B2 (en) | Method and system for automatic assembly of curved surface part | |
CN112762910B (zh) | 一种适用于激光扫描仪的短测程改正标定方法 | |
CN101377405B (zh) | 一种空间圆姿态参数和几何参数的视觉测量方法 | |
CN109974628B (zh) | 一种基于误差源分析的圆光栅传感器测角误差修正方法 | |
CN114719792B (zh) | 预制构件拼装面智能扫描和误差自动标识系统及方法 | |
CN115290097B (zh) | 基于bim的实时精确地图构建方法、终端及存储介质 | |
CN102230785A (zh) | 室内三维尺寸测量方法 | |
CN113532277A (zh) | 板状不规则曲面工件的检测方法及系统 | |
CN111496848B (zh) | 一种基于欧氏距离的移动机器人重复定位精度测试方法 | |
CN114396894B (zh) | 激光测距与单目视觉的管道直线度检测装置及方法 | |
CN116402792A (zh) | 一种基于三维点云的空间孔位对接方法 | |
CN113876346B (zh) | 一种倾斜图像的迭代校正方法 | |
CN114707100B (zh) | 基于激光扫描点云的预制装配构件空间姿态反演校正方法 | |
Yang et al. | A fast calibration of laser vision robotic welding systems using automatic path planning | |
Jaw et al. | Feature-based registration of terrestrial lidar point clouds | |
CN117444968A (zh) | 一种大型筒件局部特征机器人扫描测量路径规划方法 | |
CN114663403B (zh) | 基于密集扫描数据的预制构件拼装面局部缺陷识别方法 | |
CN115222893A (zh) | 基于结构光测量的大尺寸构件三维重建拼接方法 | |
CN114043488A (zh) | 一种多光刀视觉辅助的机器人检测系统示教自动纠偏方法 | |
CN108534707A (zh) | 工业制造部件规模化扫描检测方法 | |
Mavrinac et al. | Calibration of dual laser-based range cameras for reduced occlusion in 3D imaging |
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 |