CN114707186B - 一种数字三维逆向建模方法及系统 - Google Patents
一种数字三维逆向建模方法及系统 Download PDFInfo
- Publication number
- CN114707186B CN114707186B CN202210308895.XA CN202210308895A CN114707186B CN 114707186 B CN114707186 B CN 114707186B CN 202210308895 A CN202210308895 A CN 202210308895A CN 114707186 B CN114707186 B CN 114707186B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- steel structure
- dimensional
- dimensional model
- point
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 140
- 239000010959 steel Substances 0.000 claims abstract description 140
- 230000009467 reduction Effects 0.000 claims abstract description 45
- 230000008569 process Effects 0.000 claims abstract description 22
- 238000010276 construction Methods 0.000 claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims description 15
- 238000011084 recovery Methods 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 abstract description 5
- 230000000007 visual effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 6
- 230000035772 mutation Effects 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000009960 carding Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010667 large scale reaction Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/14—Pipes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30172—Centreline of tubular or elongated structure
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Architecture (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- Processing Or Creating Images (AREA)
Abstract
一种数字三维逆向建模系统，其用于现有钢结构的数字孪生建设，包括点云获取单元，点云获取单元收集关于现有钢结构上任意点的包含空间坐标信息的点云信息，并将其储存至点云储存库中，其中，还包括逆向还原单元，逆向还原单元电连接至点云储存库以读取由点云获取单元采集的点云信息后将其以虚拟三维还原的方式还原为钢结构的三维模型，在执行对钢结构三维模型还原的同时，基于P&ID逻辑，对钢结构以及仪表进行工艺属性赋值，以获得至少包括P&ID属性数据的三维模型。还提供一种数字三维逆向建模方法，其执行上述逆向建模步骤，以获得与上述相同的逆向三维模型。
Description
技术领域
本发明涉及数字逆向建模领域，尤其涉及一种数字三维逆向建模方法及系统。
背景技术
随着国家工业进程的推进，考虑到环保、低碳等因素，石油化工、电力等行业的新建工程逐渐放缓，在役工厂的维护以及延寿变得尤为重要。如何利用数字化的一些技术手段将存量资产数字化、结构化，以提升企业产能、提高安全防护、降低风险成为大家关注的问题。但由于石油、化工、电力等流程工厂信息繁杂、管道数量庞大、维修改造频繁等因素，导致运行十几年之后的工厂产生大量在线、离线数据，且图纸、模型和现场实际情况多有出入。技术人员无法通过数据准确掌握现场情况，给大修以及技术改造造成很大困扰。因此基于厂区的真实情况，对全部工艺设备管道以及结构进行数字孪生建设，成为了在役工厂的一项重点工作也是难点工作。
针对现有工厂的结构进行三维逆向建模是一项重点工作，现有工厂构建时间较长，原有的工程文件、图纸可能有所缺失，同时，在漫长的工厂运转过程中，经常会进行大大小小的设备、结构改造，造成现行工厂结构与原有图纸不一致。目前，随着数字化工厂技术的大力发展，现有工厂也急需改造升级为数字化、自动化工厂，这就涉及到工厂中已有结构的三维逆向建模的的工程。三维逆向建模的一大目的在于，将现有工厂中的特定结构以空间位置和结构形状一比一的方式复制成为三维模型。
现有技术中，现有钢结构的逆向建模通常人工参与度很高，需要人工在大量点云数据中筛选出关于钢结构的点云模型，然后以点云模型为草稿，在同等位置以手动重新建模的方式来构建关于钢结构的完整三维模型。简单来说，现有技术是在人工进行结构识别的基础上，对点云模型进行临摹式的建模，以最终获得钢结构的三维模型。这无疑是增大了人工的劳力成本，拉长了逆向工程的周期，造成逆向工程费时费力。同时，获取的三维建模很难用于后续的实际工作，因为，当前获取的三维建模仅仅在结构和空间位置上具备较好的还原，但是这仅能为工程人员提供一个外形的参考，对于该钢结构的具体参数、与其他部件的控制逻辑情况等问题均没有展现，因此在执行对钢结构三维逆向还原的同时，还需要人工对这些钢结构的控制参数进行绑定，这进一步增加了工作量。
其中钢结构的数字孪生建设是整体工厂在役结构数字备份工程的其中一个项目，由于钢结构结构复杂并且涉及到与管道的相互关系，对其结构扫描并非仅关注其实体结构的备份，其在管道属性中的角色、功能同样也是需要进行属性备份的目标之一。
此外，一方面由于对本领域技术人员的理解存在差异；另一方面由于申请人做出本发明时研究了大量文献和专利，但篇幅所限并未详细罗列所有的细节与内容，然而这绝非本发明不具备这些现有技术的特征，相反本发明已经具备现有技术的所有特征，而且申请人保留在背景技术中增加相关现有技术之权利。
发明内容
针对现有技术之不足，本发明提供了一种数字三维逆向建模系统，其用于现有钢结构的数字孪生建设，包括点云获取单元，点云获取单元收集关于现有钢结构上任意点的包含空间坐标信息的点云信息，并将其储存至点云储存库中，其中，还包括逆向还原单元，逆向还原单元电连接至点云储存库以读取由点云获取单元采集的点云信息后将其以虚拟三维还原的方式还原为钢结构的三维模型，在执行对钢结构三维模型还原的同时，基于P&ID逻辑，对钢结构以及仪表进行工艺属性赋值，以获得至少包括P&ID属性数据的三维模型。
优势在于，对现有技术中钢结构的识别以及建模实现自动化改进，基于本方案中给出的自动钢结构识别、连续性监测和缺失结构还原等步骤，能够基于点云信息，自动生成三维逆向还原模型，而无需由人工执行建模的过程，相比之下，大幅提升三维逆向建模的效率，使得人力劳动成本得到显著的下降。在获得钢结构之后，再根据钢结构的具体位置以及结构进行分段，保存为单元元件数据，或者进行矫正、修改，由于自动生成的钢结构三维模型基础，使得后续这些人工参与的过程变得相对简单，能够有效减少人工劳动。
另外，能够基于P&ID逻辑辅助钢结构三维还原过程中关于相关结构属性的构建以及数据拓扑，使得相关三维管道还原构建速度在已有有限个元件匹配的情况下实质性加快的同时还能够基于P&ID所赋予的结构属性直接在三维模型上叠加建立管线逻辑，使得工程人员在获取到由本系统或者本方法生成的逆向三维模型时，不仅能够直观且准确地观察相关结构的三维空间模型图像以执行维修选点、分析管线、规划新设施安装点等工作，还能够直接从模型中观察到以数个模型关联控制点的方式展现的管线逻辑，这些管线逻辑一方面向工程人员展示了管道属性(例如阀门型号、参数，仪表型号、参数等)，使其在能够更好地完成上述任务之外，还可以针对每个模型关联的控制点接入控制单元，以使得工程人员能够藉由点选逆向复原的三维模型上的以管线逻辑标记出的相关控制点模型的方式直接控制实体中该模型对应的控制环节，例如控制阀门通断等操作，使得工厂控制从原本现有的零散控制、现场控制转变为终端系统所实现的中央控制，能够有效整合工厂中的原有老旧设备，实现整个工厂生产控制的统一，显著提升工厂控制效率以及效果。
通过管道结构的自动识别以及控制参数的自动赋予，本方案实际上获得了一个具备完备控制逻辑参数且结构准确、视图结构直观清晰的三维逆向模型，将原本呈二维形式展现的P&ID图形改造为结合三维空间结构的三维视图，使得工程人员可以直接利用该三维逆向模型执行对工厂相关设备的控制相关工作，例如参数查阅、监控、控制等操作，相较于嵌套展现的二维P&ID图形，三维模型能够以更加直观且全面的展现形式，在同一时间为工程人员提供多个结构位置准确的不同层级控制位点的展示，使得控制效率进一步提升。同时，在执行三维逆向建模的过程中，可以将P&ID中的结构参数反向用于加速三维逆向建模的构建，基于三维构建中部分或者全部的特征模型与P&ID图的对应，该三维构建进程中剩余未完成的部分能够以P&ID提供的对应参数辅助完成三维建模。上述特征模型为一些人工设定的用于表征一些结构的特殊形状，例如钢结构的工字型外形、阀门结构的圆盘外形，这些特征模型在被识别出来或者被优先识别后，获知该位置存在该组件，但是该组件的具体结构参数可以仍然保持未知或者部分未知，通过该组件与其余组件的连接关系，对比查询P&ID图像中呈相同连接关系的部分，确认P&ID图与三维模型的对应关系，将P&ID图中的结构参数用于对上述保持未知的三维结构进行还原，而此时，并非必须执行点云形状识别以及三维还原的步骤。上述过程实际上实现了P&ID图像与三维结构还原的相互有机结合，三维逆向模型为结构薄弱的P&ID图像提供更加直观的视觉展现升级，参数完整的P&ID为三维逆向模型的构建提供辅助加速过程。
优选地，点云获取单元构成为三维扫描仪，其在逆向还原单元执行对钢结构三维模型的重构步骤之前执行对现有钢结构上的任意和/或所有可视点位的空间位置信息的扫描并形成为点云信息。
优选地，逆向还原单元包括去噪模块，其电连接至点云储存库以获取仅由点云获取单元扫描的原始点云信息并且对该信息执行滤波去噪，滤波去噪至少是按照自定义点云密度识别和手动框选去噪两种方式结合执行的。
优选地，逆向还原单元还包括结构识别模块，其电连接至去噪模块以获取去噪处理后的点云信息，随后将点云信息按照其内嵌的空间坐标信息在虚拟三维空间中执行基于位置对应的还原操作，以获取关于点云在空间中分布的总模型场，基于点云分布情况，选择点模型密度最佳的位置，进行切片，获取结构的基本截面数据，基于基本截面数据中的图像执行对钢结构类型的识别判断，在正确识别钢结构类型后，基于识出的类型执行对该切片部分的三维模型拟合还原。
优选地，在基本截面中寻出数个正交线段，且其中一个线段垂直平分另外两个平行且共面的线段时，将该基本截面所展现的结构判定为H钢结构，并且对该基本截面执行H钢三维模型的拟合还原。
优选地，在基本截面中寻出数个正交线段，且其中两个相互正交的线段的交点同时均为两线段的其中一个端点时，判定该两线段的长度是否相等，若相等，则识别为角钢结构，若不等，则识别为槽钢结构，结构识别模块针对不同识别结果在该基本截面位置执行相应的钢结构三维模型拟合还原。
优选地，逆向还原单元还包括连续性监测模块，连续性监测模块电连接至结构识别模块，并在结构识别模块识别钢结构以执行三维模型还原的同时执行结构连续性监测，其中，连续性监测模块获取多个截面与结构的交点位置，取得最大值两点，继而获得该结构的中心线，在获取到两个不同空间位置的中心线时，计算两个中心线距离为d，若d值大于结构起始点到中心点的距离，则判定两个中心线对应的两段钢结构不属于同一个钢结构，若d值小于结构起始点到中心点的距离，则判定两个中心线属于同一个钢结构。
优选地，逆向还原单元还包括仪表判断模块，其电连接至结构识别模块，并在结构识别模块执行三维模型还原的同时执行仪表判断，其中，仪表判断模块在管径产生突变的位置附近基于P&ID预存仪表参数寻找符合参数的点云结构，在产生匹配的寻出结果时，执行对该部分仪表结构的三维模型还原并且基于P&ID预存的仪表类型参数，对该部分执行赋值。
一种数字三维逆向建模方法，包括以下步骤，包括点云获取单元，
S1获取单元收集关于现有钢结构上任意点的包含空间坐标信息的点云信息；
S2读取所述点云信息后将其以虚拟三维还原的方式还原为钢结构的三维模型，在执行对钢结构三维模型还原的同时，基于P&ID逻辑，对钢结构以及仪表进行工艺属性赋值，以获得至少包括P&ID属性数据的三维模型。
优选地，在执行三维模型还原的同时执行仪表判断，其中，在管径产生突变的位置附近基于P&ID预存仪表参数寻找符合参数的点云结构，在产生匹配的寻出结果时，执行对该部分仪表结构的三维模型还原并且基于P&ID预存的仪表类型参数，对该部分执行赋值。
附图说明
图1是本发明提供的系统的结构示意图；
图2是H型钢结构识别示意图；
图3是槽钢结构识别示意图；
图4是角钢结构识别示意图；
图5是H型钢中间点识别示意图；
图6是槽钢中间点识别示意图；
图7是结构连续性识别示意图；
图8是点云修复识别示意图；
图9是仪表识别示意图；
图中：100、点云获取单元；200、逆向还原单元；210、去噪模块；220、结构识别模块；230、连续性监测模块；240、缺失恢复模块；250、仪表判断模块。
具体实施方式
下面结合附图1进行详细说明。
如图1所示，本发明提供一种数字三维逆向建模系统，该系统用于对现有工厂中的钢结构的数字还原。
其用于对在役工厂中现有管道进行逆向建模并形成完整的孪生模型。本方案基于三维激光扫描技术，采用抽象外形、智能判断，匹配资源库(等级库)的方式，自动识别并创建对象化三维模型。同时结合智能P&ID，对三维管道进行自动逻辑梳理和划分，同时赋予工艺属性。
本装置包括点云获取单元100，点云获取单元100被用于收集现有工厂内的钢结构上任意或者所有点在空间中的坐标信息的点云信息。在本实施例中，钢结构为组成钢支撑结构的所有部件类型，其通常用于构成工厂内的各种钢支撑结构，钢支撑结构是用于支撑其他工厂结构的部件，例如用于支撑高位管道的钢支撑，支撑大型反应釜、储存罐的支撑结构，或者是构成轨道、侧边板等结构。优选地，点云获取单元100选择激光扫描的方式来获取关于钢结构的点云信息。在此种情况下点云获取单元100选择为激光扫描设备。激光扫描仪能够基于其发射的激光点束照射至扫描目标点位上然后返回扫描设备上的激光接受器的时间，通过同时设置不同角度出射的激光发射位置，利用相位差就可以计算出被照射点位的空间位置坐标信息。激光扫描仪可以选择例如CREAFORM提供的HandySCAN 3D系列激光扫描设备，或者，华朗三维提供的HOLON 771激光扫描设备等设备。
在一些实施例中，负责扫描的工作人员手持上述点云获取单元100在工厂中进行移动扫描，获取关于现有的钢结构的大量的点云信息，并且将这些信息保存或者上传至点云储存库当中。
系统还包括逆向还原单元200，逆向还原单元200用于利用储存在点云储存库中的大量点云信息来还原钢结构的三维模型。逆向还原单元200电连接至点云储存库以获取点云信息，并将点云信息用于执行下一步操作。逆向还原单元200内包括去噪模块210，去噪模块210电连接至上述点云储存库以首先获取点云信息，并且其对点云信息执行滤波去噪操作后输出至数据下游模块。滤波去噪可以选择多种方式，例如选择分箱去噪、体素滤波、双边滤波、高斯滤波等方式，本实施例中选择自定义点云密度识别去噪和手动框选去噪两者结合的方式进行滤波去噪。两种方式囊括了自动去噪以及人工辅助去噪的功能，能够在较为快速的去噪执行周期内实现符合人员预期的去噪效果，为后续的点云信息的处理提供了较好的基础，能够提升后续处理的质量以及效率。
本实施例中，处理部能够适配于多种类型的扫描部扫描而获取的多种格式的点云数据，除了适配常见的通用点云数据.PTS、.E57等格式外，还可以读取目前市面上主流的三维扫描设备产生的点云格式(.FLS、.ZFS)以及原生点云项目文件(.IMP、.ISPROJ)等。
逆向还原单元200中还包括结构识别模块220，结构识别模块220电连接至去噪模块210以获取去噪处理后的大量点云信息，将点云信息按照其内嵌的空间坐标信息在虚拟三维空间中执行基于位置对应的还原操作，获取关于点云在空间中分布的总模型场，其中还原后的点云信息在总模型场中表现形式为一个点模型，或者简称为点。在总模型场中，基于点云的分布情况，自动选择点模型密度最佳的位置，进行切片，获取结构的基本截面数据。基本截面数据是在二维平面中由数个确定的点云信息还原的点模型合围而构成的截面图形。例如，呈圆柱形结构的实物被扫描形成点云之后，其点在虚拟三维空间中构成一个环绕成圆柱的形状，对其进行切片，则在二维平面上构成一个由数个点模型合围形成的圆形。
在获取基本截面数据之后，结构识别模块220基于基本截面数据中的图像执行对钢结构类型的识别判断，在正确识别钢结构类型后，基于识出的类型执行对该切片部分的三维模型拟合还原。
常见的钢结构为槽钢、角钢、工字钢，下面介绍每种钢结构的识别方法。
如图2所示，提供针对H钢的识别方法，H钢即上述的工字钢。在基本截面数据中寻找数个正交线段的起始与终止点，并获取相关点的空间坐标信息，其中，选定的正交线段可以是基于最小二乘法获取的能够囊括最多点模型的直线线段。若起始和终止点至少存在三组，即A(x1,y1,z1)、B(x2,y2,z2)，C(x3,y3,z3)、(x4,y4,z4)，E(x5,y5,z5)、F(x6,y6,z6)，其中，AB组成一个线段，CD组成一个线段，EF组成一个线段，分别计算AB/CD/EF线段的空间表达式，并执行如下判断，若EF所在直线分别垂直平分AB与CD所在的线段，且AB向量与CD向量为平行且共面向量，则判断A、B、C、D点模型所在的截面为H钢截面。
如图3和4所示，提供针对槽钢和角钢的识别方法：在基本截面数据中寻找数个正交线段的起始点与终止点，并获取相关点的空间坐标信息。寻找线段的方式如上所述。若存在至少两组起始点与终止点的组合，且其中，起始点的坐标相同，则进一步执行如下判定，计算起始点到其中一个终止点的线段长度，计算起始点到另一个终止点的线段长度，比较两个线段长度数值，当不等时，判定该基本截面为槽钢截面，当相等时，判定该基本截面为角钢截面。例如，寻出的起始和终止点分别为A(x1,y1,z1)，B(x2,y2,z2)、C(x3,y3,z3)，其中，点A为共用起始点，B和C分别为两个坐标不同的终止点。分别基于上述点的坐标计算点距，即为上述线段长度数值，记为AB和AC，则当AB≠AC时，判定该截面为槽钢截面，当AB＝AC时，判定该截面为角钢截面。
在基于对结构识别并执行三维模型拟合还原的同时，对钢结构拟合还原的过程执行结构连续性监测。连续性监测是由设置在逆向还原单元200内的连续性监测模块执行的，其电连接至结构识别模块220，并且在结构识别模块220按照不同切片顺序识别并拟合钢结构三维模拟的同时对结构连续性进行监测。具体地，如图5至7所示，连续性监测模块获取多个截面与结构的交点位置，计算各交点的连线距离，取其中连线距离的最大值，这个最大值有两个，即如图所示交叉的两个线为连线距离最大的线，可以称为最大线，两条最大线的交点即为该钢结构的中心点，此种计算方式对于工字钢、槽钢是一样的，针对角钢，其只能找出一个最大线，则该线的中点即为钢结构的中心点。基于多个截面获取的多个中心点，将其连接形成中心线。在获取到两个不同空间位置的中心线时，执行连续性判断，具体地，计算两个中心线距离为d，若d值大于最大线的一半长度，则判定两个中心线对应的两段钢结构不属于同一个钢结构，若d值小于最大线的一半长度，则判定两个中心线属于同一个钢结构。在执行拟合时，将判定为不属于同一个钢结构的两段钢结构在虚拟空间中错位拟合，将判定为属于同一个钢结构的两段钢结构通过平移的方式使得两段钢结构中心线重合。
在基于对结构识别并执行三维模型拟合还原的同时，对钢结构拟合还原的过程执行结构点云数据缺失恢复。缺失恢复是由设置在逆向还原单元200内的缺失恢复模块240执行的，其电连接至结构识别模块220，并且在结构识别模块220按照不同切片顺序识别并拟合钢结构三维模拟的同时对结构点云数据缺失进行恢复。该模块主要针对在前期对现有钢结构进行三维扫描时出现的采集角度不足、部分点云信息缺失的情况，在此情况下，结构识别模块220可能无法准确判断钢结构的类型。因此在恢复结构数据时，需要查找结构特征。例如针对工字钢结构，如图8所示，前期扫描时，获取了结构点ABDEF的点云信息，但是由于扫描角度有限等原因没有获取结构点C的点云信息，导致结构识别模块220在识别该部分切片截面时产生错误。此时，基于产生的错误信息，缺失恢复模块接管该部分的管道识别及复原，其通过判断该模型截面点云特征，EF垂直于AB，且FD向量与AB向量共线，追踪识别该部分为H钢截面，并且执行该部分的三维模型拟合还原。
在基于对结构识别并执行三维模型拟合还原的同时，对钢结构拟合还原的过程执行仪表判断。仪表判断是由设置在逆向还原单元200内的仪表判断模块执行的，其电连接至结构识别模块220，并且在结构识别模块220按照不同切片顺序识别并拟合钢结构三维模拟的同时对仪表进行判断。该模块主要是针对管道上的仪表等配置结构，在设置有仪表的位置上，一般来说，会产生管径上的变化或突变。因此在逆向还原模块执行对管道的逆向模拟还原的同时，仪表判断模块基于管径突变以及该突变点位附近的点云特征同步执行对管道仪表的识别与逆向还原。如图9所示，具体地，基于对管道切片周侧的点云模型进行计算，可以在算出管道中心点或者中心线的基础上进一步计算获知该截面的某一个已知坐标点距离该中心线或者中心点的距离，在默认管道为圆柱形的情况下，该距离即表示管道的半径。在针对不同的切片执行逆向还原时，可能会出现某一处或者某几处切片计算出来的上述半径大于其他切片的半径，此种情况下，仪表判断模块进一步在该段附近查找呈圆柱体结构的点云集合，假设仪表半径为D，高度为H。若在附近位置寻出至少一个半径符合D，高度符合H的圆柱体，则可以认为该处存在一个仪表。
优选地，半径突变的点云往往并非只在一个切片中出现，而是在相当长的一段管道中均会出现半径大于其余部分的情况。在上述情况下，在执行管道逆向还原的过程中，仪表判断模块将顺序寻出的时序上半径开始突变的首个切片位置作为管径突变起始位置，将寻出的时序上半径突变回原本较小的半径的前一个以较大半径属性被记录的切片位置作为管径突变结束位置，将管径突变起始位置和结束位置作为划分管段的标记识别出管径较大的管段，并且在该管段位置以及其附近执行寻找符合圆柱形仪表结构的任务。例如在同一个管道中心线上，出现了两个半径，记为r2和r1，若r2>r1且r2＝r3、r4＝r1，其中，r2所在的位置对应该管径突变起始位置，r3所在的位置对应该管径突变结束位置，则可以视为r2至r3区间位置存在管件。仪表判断模块随即在r2至r3中点位置附近查找圆柱体，并且在寻出半径为D，高度为H的圆柱体时，认为该处存在仪表，仪表判断模块在该处模拟还原该仪表管件的同时，基于智能P&ID判断此处的仪表类型与参数，然后进行赋值。
优选地，在逆向还原单元200执行对钢结构的逆向还原时，采用以下步骤：
S11基于还原工作计划选择设备号；
S12根据设备号索引至对应的P&ID分段；
S13对三维钢结构模型执行基于P&ID逻辑关系的重构；
S14将P&ID属性附加至复原的三维管道模型，匹配相应的等级元件库；
“基于还原工作计划选择设备号”是指在针对一个现有结构点云还原的工程中按照预先设定的计划，将工程分为针对可以是两两设备之间的钢结构的阶段性任务，工程人员基于计划，选择两个已知设备号的设备进行接下来的点云模型逆向构建工作，其中，设备号是设备在P&ID中对应的一个属性值，其基本被用于标示该设备在P&ID中的身份。
“根据设备号索引至对应的P&ID分段”是指基于设备号在P&ID数据中寻找该两个设备号之间的全部P&ID数据。P&ID为预先设置的至少记录有P&ID逻辑关系和P&ID属性的数据集合或者关系数据库，其中，P&ID逻辑关系是指记录钢结构和支路、钢结构和连接件、钢结构和设备的上下级关系、连接关系等的关系记录，P&ID属性是指预先输入的钢结构、设备、阀门等部件属性信息，例如设备的大小、钢结构的壁厚等等信息。P&ID中的数据一般为人工预先输入的数据，或者在执行本方案的逆向构建工序之前已经存在的P&ID数据。
“对三维钢结构模型执行基于P&ID逻辑关系的重构”是指在获取两个赋值后的设备之间的P&ID数据之后，在执行点云数据逆向构建管道复原模型时，按照设备-钢结构-支路钢结构-连接件-阀门仪表的顺序在该段P&ID数据中进行拓扑关系的检索和点云模型的赋值，从而使得两个设备之间的各部件模型(至少包括钢结构、支路钢结构、连接件、阀门仪表等)均能够自动地被赋值。
“将P&ID属性附加至复原的三维管道模型，匹配相应的等级元件库”是指在赋值过程中将P&ID中预存的各个P&ID属性赋值到对应的部件模型上，其中，部分P&ID属性赋值被用于对应的部件对象模型建成。上述部分P&ID属性至少是结构尺寸相关的属性，例如尺寸、厚度等等，这些参数能够直观地被反应在模型上，并且可以辅助进行模型的构建，实现点云与P&ID属性双向互验的逆向模型构建。
结合P&ID逻辑以及控制节点的预储存元件库辅助现有工厂的钢结构的三维还原建模，对控制节点而言不仅能够得到还原的三维模型，同时还能够生成关于该控制节点在P&ID中的属性信息。由此能够直接在高精度还原的三维管线模型的基础上叠加P&ID属性的控制逻辑，工程人员通过直接观察细节量足够丰富的三维钢结构模型，获知整个工厂中的全部钢结构的走向、属性、所述位置、用途等信息，并且基于附加的控制逻辑，通过直接点击控制节点模型即可直接连接至该控制节点实物的控制回路，在方便工程人员观察评估和控制所带来的影响的同时赋予其能够直接从控制中心控制工厂中任意设备的能力。使得原本老工厂中各自分散、纷繁复杂的钢结构控制能够被集中至以被复原的三维模型为基础的附加钢结构以及附加控制项的逻辑控制系统上，实现了管理控制的集中，能够大幅度提升老工厂的生产效率。同时P&ID中的某些预存参数能够在反过来辅助三维模型逆向构建的过程中实现数据上的可视化，例如，P&ID中预存的钢结构尺寸、长宽、板厚等参数在仅以列表提供的情况下往往是不显著的、非直观的，但是当基于索引至P&ID的三维逆向还原工程执行这些参数以生成关于现有结构的三维模型时，P&ID中的属性数据得以被用于对点云还原的逆向三维模型的形状的补充，且此种补充不仅是点云数据能够“看见”的属性，还具备点云数据“看不见”的属性，例如板厚和某些背向结构，点云恢复的模型为索引P&ID提供引导，而P&ID则为点云的逆向模型构建提供辅助加速，同时能够获取更加准确且全面的逆向构建模型，P&ID中的数值型属性得以被直观地转化为可视性属性。上述方案在实现了在构成现有钢结构的逆向三维模型的同时自动将P&ID中的控制逻辑参数进行点对点的映射，实际上将原本较为抽象且基本不包含空间位置信息以及结构信息的P&ID图像有机结合为三维的、直观的、易于观察的、结构准确的三维逆向复合模型，一方面P&ID中的部分留存型号结构相关参数能够为三维逆向建模环节提供缺失项校正的效果，另一个方面，获得的钢结构三维建模能够被直接用于工厂的管线控制管理当中，并且能够达到P&ID控制的全部效果，同时还能够基于三维建模之优势获得高于P&ID控制的效果，首先是将原本的二维P&ID控制逻辑升维至三维，使得原本需要利用层级显示的部分复杂控制逻辑能够在三维空间中直接显示，方便工程人员快速、直观地控制多个层级中的参数；其次将控制逻辑中的结构类参数进行更为直观化地展示，使得工程人员能够在三维结构中直接确认各项部件之间的结构关系、尺寸参数，尤其是能够直观地查看部件之间的挤压、接触情况，这为工厂的安全生产、结构优化等工作提供了非常直观的判据；最后还能够基于模拟技术为P&ID控制提供基于预先模拟的可视化反馈功能，基于预先设定的规则，以工程人员选择的控制环节以及调整控制参数作为触发参数，能够在三维管线模型中以模拟叠加动画的方式向工程人员输出直观的结果视图，其能够辅助工程人员获知该项控制是否能够达到预期效果、是否存在意外情况等等，有效提升控制的效能以及安全性。
需要注意的是，上述具体实施例是示例性的，本领域技术人员可以在本发明公开内容的启发下想出各种解决方案，而这些解决方案也都属于本发明的公开范围并落入本发明的保护范围之内。本领域技术人员应该明白，本发明说明书及其附图均为说明性而并非构成对权利要求的限制。本发明的保护范围由权利要求及其等同物限定。本发明说明书包含多项发明构思，诸如“优选地”、“根据一个优选实施方式”或“可选地”均表示相应段落公开了一个独立的构思，申请人保留根据每项发明构思提出分案申请的权利。
Claims (9)
1.一种数字三维逆向建模系统，其用于现有钢结构的数字孪生建设，
其特征在于，
包括点云获取单元(100)，所述点云获取单元(100)收集关于现有钢结构上任意点的包含空间坐标信息的点云信息，并将其储存至点云储存库中，
其中，还包括逆向还原单元(200)，所述逆向还原单元(200)电连接至所述点云储存库以读取由所述点云获取单元(100)采集的点云信息后将其以虚拟三维还原的方式还原为钢结构的三维模型，在执行对钢结构三维模型还原的同时，基于P&ID逻辑，对钢结构以及仪表进行工艺属性赋值，以获得至少包括P&ID属性数据的三维模型，
所述逆向还原单元(200)包括去噪模块(210)和结构识别模块(220)，所述结构识别模块(220)电连接至所述去噪模块(210)以获取去噪处理后的点云信息，随后将点云信息按照其内嵌的空间坐标信息在虚拟三维空间中执行基于位置对应的还原操作，以获取关于点云在空间中分布的总模型场，
基于点云分布情况，选择点模型密度最佳的位置，进行切片，获取结构的基本截面数据，基于基本截面数据中的图像执行对钢结构类型的识别判断，在正确识别钢结构类型后，基于识出的类型执行对该切片部分的三维模型拟合还原。
2.根据权利要求1所述的系统，其特征在于，所述点云获取单元(100)构成为三维扫描仪，其在所述逆向还原单元(200)执行对钢结构三维模型的重构步骤之前执行对现有钢结构上的任意和/或所有可视点位的空间位置信息的扫描并形成为点云信息。
3.根据权利要求1或2所述的系统，其特征在于，所述去噪模块(210)电连接至所述点云储存库以获取仅由所述点云获取单元(100)扫描的原始点云信息并且对该信息执行滤波去噪，所述滤波去噪至少是按照自定义点云密度识别和手动框选去噪两种方式结合执行的。
4.根据权利要求1所述的系统，其特征在于，在所述基本截面中寻出数个正交线段，且其中一个线段垂直平分另外两个平行且共面的线段时，将该基本截面所展现的结构判定为H钢结构，并且对该基本截面执行H钢三维模型的拟合还原。
5.根据权利要求1所述的系统，其特征在于，在所述基本截面中寻出数个正交线段，且其中两个相互正交的线段的交点同时均为两线段的其中一个端点时，判定该两线段的长度是否相等，若相等，则识别为角钢结构，若不等，则识别为槽钢结构，所述结构识别模块(220)针对不同识别结果在该基本截面位置执行相应的钢结构三维模型拟合还原。
6.根据权利要求1所述的系统，其特征在于，所述逆向还原单元(200)还包括连续性监测模块(230)，所述连续性监测模块(230)电连接至所述结构识别模块(220)，并在所述结构识别模块(220)识别钢结构以执行三维模型还原的同时执行结构连续性监测，
其中，所述连续性监测模块(230)获取多个截面与结构的交点位置，取得最大值两点，继而获得该结构的中心线，在获取到两个不同空间位置的中心线时，计算两个中心线距离为d，若d值大于结构起始点到中心点的距离，则判定两个中心线对应的两段钢结构不属于同一个钢结构，若d值小于结构起始点到中心点的距离，则判定两个中心线属于同一个钢结构。
7.根据权利要求1所述的系统，其特征在于，所述逆向还原单元(200)还包括仪表判断模块(250)，其电连接至所述结构识别模块(220)，并在所述结构识别模块(220)执行三维模型还原的同时执行仪表判断，
其中，所述仪表判断模块(250)在管径产生突变的位置附近基于P&ID预存仪表参数寻找符合参数的点云结构，在产生匹配的寻出结果时，执行对该部分仪表结构的三维模型还原并且基于P&ID预存的仪表类型参数，对该部分执行赋值。
8.一种数字三维逆向建模方法，其特征在于，所述方法使用如权利要求1～7任一项所述的数字三维逆向建模系统，所述系统包括点云获取单元(100)，所述方法包括以下步骤，
S1点云获取单元(100)收集关于现有钢结构上任意点的包含空间坐标信息的点云信息；
S2读取所述点云信息后将其以虚拟三维还原的方式还原为钢结构的三维模型，在执行对钢结构三维模型还原的同时，基于P&ID逻辑，对钢结构以及仪表进行工艺属性赋值，以获得至少包括P&ID属性数据的三维模型。
9.根据权利要求8所述的方法，其特征在于，在执行三维模型还原的同时执行仪表判断，
其中，在管径产生突变的位置附近基于P&ID预存仪表参数寻找符合参数的点云结构，在产生匹配的寻出结果时，执行对该部分仪表结构的三维模型还原并且基于P&ID预存的仪表类型参数，对该部分执行赋值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210308895.XA CN114707186B (zh) | 2022-03-25 | 2022-03-25 | 一种数字三维逆向建模方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210308895.XA CN114707186B (zh) | 2022-03-25 | 2022-03-25 | 一种数字三维逆向建模方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114707186A CN114707186A (zh) | 2022-07-05 |
| CN114707186B true CN114707186B (zh) | 2024-08-20 |
Family
ID=82170964
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210308895.XA Active CN114707186B (zh) | 2022-03-25 | 2022-03-25 | 一种数字三维逆向建模方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114707186B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115330943B (zh) * | 2022-08-11 | 2023-03-28 | 北京城市网邻信息技术有限公司 | 多层空间三维建模方法、装置、设备和存储介质 |
| CN116012437A (zh) * | 2023-03-27 | 2023-04-25 | 山东捷瑞数字科技股份有限公司 | 基于三维引擎提取三维模型中心线的方法、装置及设备 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102915561B (zh) * | 2012-09-27 | 2015-03-04 | 清华大学 | 一种管道结构三维重建方法 |
| KR101535501B1 (ko) * | 2014-10-24 | 2015-07-09 | 한국건설기술연구원 | 포인트 클라우드 기반 스위핑 객체 역설계 방법 |
| US10210669B1 (en) * | 2016-06-03 | 2019-02-19 | The United States Of America As Represented By The Scretary Of The Navy | Method for 3D object, environment model, and documentation generation using scan point clouds and digital object libraries |
| CN106844960B (zh) * | 2017-01-20 | 2019-07-09 | 中冶建筑研究总院有限公司 | 一种管状焊接钢结构网架的逆向建模的方法 |
| CN111275815B (zh) * | 2020-02-18 | 2023-02-28 | 中国建筑第八工程局有限公司 | 既有复杂管线的三维建模方法 |
-
2022
- 2022-03-25 CN CN202210308895.XA patent/CN114707186B/zh active Active
Non-Patent Citations (1)
| Title |
|---|
| 三维激光扫描技术与PDMS相结合在核电厂建造安装期间的应用;何炜亭，李元江，蒋韦峰;《科技创新导报》;20190711(第20期);第71-73页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114707186A (zh) | 2022-07-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114707186B (zh) | 一种数字三维逆向建模方法及系统 | |
| Bruno et al. | Historic Building Information Modelling: performance assessment for diagnosis-aided information modelling and management | |
| Badenko et al. | Scan-to-BIM methodology adapted for different application | |
| Chen et al. | Point-to-point comparison method for automated scan-vs-bim deviation detection | |
| CN110880200A (zh) | 基于三维重建技术的gim模型工程智能验收方法 | |
| CN109583149A (zh) | 基于bim管理的超大盖体车辆段深化改造系统及其施工方法 | |
| CN113050472B (zh) | 基于管网预警分析技术的智慧污水零直排动态监管系统 | |
| CN111291436A (zh) | 一种基于bim的高支模安全管理监测方法及监测系统 | |
| CN111581804B (zh) | 一种基于实测模型的零件最小修配方案生成方法 | |
| Kalasapudi et al. | Computationally efficient change analysis of piece-wise cylindrical building elements for proactive project control | |
| CN111353241A (zh) | 一种基于g代码的数学建模方法及应用 | |
| Xu et al. | An approach for monitoring prefabricated building construction based on feature extraction and point cloud segmentation | |
| CN114092025A (zh) | 一种临时用地全生命周期监测方法 | |
| CN116956418A (zh) | 一种基于bim软件的隧道勘察建模方法 | |
| Trebuňa et al. | 3D scanning as a modern technology for creating 3D models | |
| Grau et al. | Automated generation of a digital twin of a process plant by using 3D scan and artificial intelligence | |
| CN117932945B (zh) | 基于泥水盾构bim技术的可视化地铁工程模拟系统 | |
| Altaf et al. | BIM implication of life cycle cost analysis in construction project: a systematic review | |
| Kremer et al. | An approach for the incremental update of a digital twin of a process plant | |
| CN111274637A (zh) | 基于bim技术的四维桥梁信息管理系统 | |
| CN114707187A (zh) | 一种管路的逆向建模方法及装置 | |
| Sharif et al. | Rapid 3D Quality Control in Prefabrication Using a 3D Digital-Templates Framework | |
| CN110222370A (zh) | 一种核电站三维模型修复控制单元、系统及方法 | |
| CN116011157A (zh) | 一种基于Autodesk CAD及Revit二次开发的管线快速提取建模方法 | |
| KR102530194B1 (ko) | 웹 어플리케이션을 활용한 하수관로 안전관리 시스템 |
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 |