CN114820505A - 一种动态目标的非接触测量方法 - Google Patents
一种动态目标的非接触测量方法 Download PDFInfo
- Publication number
- CN114820505A CN114820505A CN202210430075.8A CN202210430075A CN114820505A CN 114820505 A CN114820505 A CN 114820505A CN 202210430075 A CN202210430075 A CN 202210430075A CN 114820505 A CN114820505 A CN 114820505A
- Authority
- CN
- China
- Prior art keywords
- target
- point cloud
- points
- filtering
- dimensional
- 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
- 238000000691 measurement method Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000005259 measurement Methods 0.000 claims abstract description 22
- 238000001914 filtration Methods 0.000 claims abstract description 20
- 238000009499 grossing Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 2
- 238000000638 solvent extraction Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 abstract description 2
- 230000011218 segmentation Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 5
- 238000012952 Resampling Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
-
- 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 by the use of local operators
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Abstract
本发明公开了一种动态目标的非接触测量方法,属于目标非接触测量与图像处理领域。首先对场景中的动态目标进行目标追踪,采集目标的三维点云数据;对目标点云数据进行滤波处理,并通过欧式聚类进行点云分割;用最小二乘法对点云进行三维重建;将动态目标的三维数据投影到一个二维平面,提取目标轮廓提取,然后计算目标轮廓内的长度和面积等实现非接触式测量目的。本发明的方法能够在提高计算效率的同时,保证较高的测量准确率。
Description
技术领域
本发明属于目标非接触测量与图像处理领域,尤其涉及一种动态目标的非接触测量方法。
背景技术
在航空航天、农业林业、自动驾驶和建筑设计等领域,通常需要测量复杂物体的投影面积。目前常用的测量方式分为接触式和非接触式。接触式测量方法通常使用坐标机,由于测头半径的影响,无法获取待测物体的细节之处,测量完成之后还需要对测量数据进行半径补偿。坐标机有测量范围的限制,无法对大型物体进行测量;无法测量柔软易碎的物体。
非接触式测量方法是借助于光学传播原理对物体表面数据进行获取,避免测头与待测物体直接接触,因此可以对硬度不高的物体进行三维测量。现有的非接触测量法获取的点云数据会受到环境光、视角限制、目标间彼此邻接或无规律重叠摆放等因素的影响,导致出现噪声点云或者点云缺失。针对这一问题,可通过滤除噪声点云和点云平滑处理,重现动态目标点云模型,以保证目标测量的准确性。
发明内容
针对现有技术的不足,本发明提出一种动态目标的非接触测量方法,本发明方法通过激光雷达对动态目标进行三维空间测量得到空间几何点,建立点云数据模型,进行目标测量,能够在提高计算效率的同时保证较高的识别与测量准确率。
本发明采用的技术方案如下:
一种动态目标的非接触测量方法,步骤如下:
步骤1:采集复杂物体动态目标的激光雷达三维点云数据,去噪后,通过欧式聚类算法将目标点云从环境中分割出来。
步骤2:通过降采样去除目标点云表面的冗余数据,然后用最小二乘法对去冗余后的目标点云进行平滑处理,得到三维重建后的目标点云;由于激光雷达视角限制,可能出现目标点云数据缺损不全的情况,需要对复杂物体进行三维重建操作,通过对周围数据点进行高阶多项式插值来重建表面缺失的部分,以保证测量的准确性和精度。
步骤3:将三维重建后的目标点云投影到二维平面,提取投影轮廓,再利用三角剖分法求得投影面积,实现对动态目标的非接触测量。
进一步地,所述的步骤3具体为:
3.1)将三维重建后的目标点云投影到二维平面,得到动态目标的投影;
3.2)提取目标轮廓:假设投影由n个点构成,对所有点两两相连,得到n(n-1)条线段;过每一个线段上的两点画给定半径的圆,若至少存在一个这样的圆且该圆内不包含其他点,则该线段属于边界线,保留该线段,遍历所有的线段后得到目标轮廓;
3.3)采用三角剖分法计算目标轮廓内的面积,得到复杂物体动态目标在该投影方向上的形状,实现非接触测量。
发明的有益效果如下:
(1)针对具有复杂几何特征的动态目标的测量要求,本发明方法能够实现快速准确的目标分割,原理简单实用,运行效率较高;
(2)本发明方法使用最小二乘法平滑点云表面,解决了光照干扰、视角限制等因素导致的点云表面数据缺失的问题,提高了测量的精确度。
(3)本发明方法通过Delaunay三角剖分法测量动态目标投影面积,提高了测量的效率和准确性。
(4)本发明方法通过投影来测量复杂物体在二维平面的长度等信息,解决了大型易变形物体测量不便的难题。
附图说明
图1是三维物体投影至二维平面示意图;
图2是alpha-shape算法原理示意图:
图3是Delaunay三角剖分法原理示意图:
图4是二维平面上目标投影的三角剖分结果示意图;
图5是本发明实施例示出的一种动态目标的非接触测量方法整体流程图;
图6是本发明实施例示出的一种动态目标的非接触测量方法实现示意图。
具体实施方式
下面根据附图和优选实施例详细描述本发明,本发明的目的和效果将变得更加明显。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本实施例示出的一种动态目标的非接触测量方法,如图5-6所示,具体包括以下步骤:
步骤一,采集复杂物体动态目标的激光雷达三维点云数据,以下简称目标点云;
步骤二,对目标点云进行去噪处理,本实施例中,可通过直通滤波、半径滤波和高斯滤波的方式去除点云中的噪声点。
其中,直通滤波通过设定点云在x,y,z方向上的范围,定位动态目标,将目标和环境点云初步分割开。
半径滤波通过在点云数据中以某点为中心画一个圆,计算落在该圆中点的数量,当数量大于给定值时,则保留该点,数量小于给定值则剔除该点。半径滤波可较快剪除离群点,在一定程度上筛选边缘点,达到第一步粗处理的目的。
高斯滤波利用标准差去噪,可对点云表面进行初步平滑。
步骤三,通过欧式聚类算法将目标点云从环境中分割出来。
本实施例中,欧式聚类算法如下:
3.1)在目标点云中选定初始点P,初始化空集合Q;
3.2)采用KDTree近邻搜索与点P的距离小于阈值的若干个点,将搜索到的点与P点放入集合Q中;
3.3)判断集合Q中的元素是否增加,若是,进入步骤3.4),否则,聚类结束,集合Q中的点即为从环境中分割出来的目标点云;
3.4)从集合Q中任选P点以外的其他点,更新初始点P的值,重复步骤3.2)。
步骤四,采用移动最小二乘法(Moving Least Squares,MLS)对点云进行平滑处理,该算法的主要思想是利用投影法将采样点映射到MLS方法拟合的局部曲面上。
本实施例中,欧式聚类后得到的三维点云曲面表面粗糙,不能细腻的重现物体表面的细微几何结构特征。因此需要对点云进行平滑处理,从而实现重建曲面光滑细腻,得到精确的测量结果。利用移动最小二乘法解决数据重采样这一问题,重采样算法通过对周围数据点进行高阶多项式插值来重建表面缺失的部分。
步骤五,将平滑后的三维点云数据投影到一个二维平面。如图1所示,在动态目标所处的空间坐标系,任意二维平面可以表示为ax+by+cz=d。为了测量目标在某一方向的长度、面积等信息,可将其投影至该方向所在的平面上再进行测量。
步骤六,提取目标轮廓。
本实施例中,采用如图2所示的alpha-shape算法提取轮廓,具体为:在二维点集S中,由n个点构成,这n个点可以组成n(n-1)条线段,可以通过如下的方法判断哪条线段是在边界线上的线段:在点集S内,过任意两点P1、P2绘制半径为alpha的圆(在给定半径时,过确定的两点的圆应该有两个),如果其中一个圆内没有其他点,则认为点P1、P2是边界点,其连线P1P2即为边界线段。
步骤七,求解复杂物体的投影面积。
本实施例中,采用如图3所示的三角剖分法对点集S的要求如下:最大化最小角;唯一性,如图3中的圆圈所示,任意四个点不能共圆;Delaunay三角网是唯一的;形成的三角网络的外界即构成了凸多边形的外壳。如图4是三角剖分后的物体投影面示意图。计算凸多边形中的三角形面积的总和,可求得该二维平面的面积,即为目标在该平面的投影面积。
以上列举的仅是本发明的具体实施例。显然,本发明不限于以上实施例,还可以有许多变形。本领域的普通技术人员能从本发明公开的内容直接导出或联想到的所有变形,均应认为是本发明的保护范围。
Claims (4)
1.一种动态目标的非接触测量方法,其特征在于,步骤如下:
步骤1:采集复杂物体动态目标的激光雷达三维点云数据,去噪后,通过欧式聚类算法将目标点云从环境中分割出来;
步骤2:通过降采样去除目标点云表面的冗余数据,然后用最小二乘法对去冗余后的目标点云进行平滑处理,得到三维重建后的目标点云;
步骤3:将三维重建后的目标点云投影到二维平面,提取投影轮廓,再利用三角剖分法求得投影面积,实现对动态目标的非接触测量。
2.根据权利要求1所述的一种动态目标的非接触测量方法,其特征在于,所述的步骤1中,通过三种滤波方式对采集到的三维点云数据进行去噪,包括直通滤波、半径滤波和高斯滤波;
首先采用直通滤波法实现第一级滤波,通过设定点云在x,y,z方向上的范围定位动态目标,将目标和环境点云初步分割开;
之后采用半径滤波法实现第二级滤波,计算给定的以某点为中心的圆内所包含的点的数量,若数量高于预设值,则保留圆内所有点;否则,删除圆内所有点,对点云的边缘离散点进行过滤;
最后采用高斯滤波法实现第三级滤波,利用标准差去噪,对点云表面进行初步平滑。
3.根据权利要求1所述的一种动态目标的非接触测量方法,其特征在于,所述的步骤1中,通过欧式聚类算法将目标点云从环境中分割出来,具体为:
1.1)在去噪后的目标点云中选定初始点P,初始化空集合Q;
1.2)近邻搜索与点P的距离小于阈值的若干个点,将搜索到的点与P点放入集合Q中;
1.3)判断集合Q中的元素是否增加,若是,进入步骤1.4);否则,聚类结束,集合Q中的点即为从环境中分割出来的目标点云;
1.4)从集合Q中任选P点以外的其他点,更新初始点P的值,返回步骤1.2)。
4.根据权利要求1所述的一种动态目标的非接触测量方法,其特征在于,所述的步骤3具体为:
3.1)将三维重建后的目标点云投影到二维平面,得到动态目标的投影;
3.2)提取目标轮廓:假设投影由n个点构成,对所有点两两相连,得到n(n-1)条线段;过每一个线段上的两点画给定半径的圆,若至少存在一个这样的圆且该圆内不包含其他点,则该线段属于边界线,保留该线段,遍历所有的线段后得到目标轮廓;
3.3)采用三角剖分法计算目标轮廓内的面积,得到复杂物体动态目标在该投影方向上的形状,实现非接触测量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210430075.8A CN114820505A (zh) | 2022-04-22 | 2022-04-22 | 一种动态目标的非接触测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210430075.8A CN114820505A (zh) | 2022-04-22 | 2022-04-22 | 一种动态目标的非接触测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114820505A true CN114820505A (zh) | 2022-07-29 |
Family
ID=82505392
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210430075.8A Pending CN114820505A (zh) | 2022-04-22 | 2022-04-22 | 一种动态目标的非接触测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114820505A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116500638A (zh) * | 2023-06-25 | 2023-07-28 | 江苏大学 | 一种基于slam技术的收割机机耕道自动导航方法及系统 |
-
2022
- 2022-04-22 CN CN202210430075.8A patent/CN114820505A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116500638A (zh) * | 2023-06-25 | 2023-07-28 | 江苏大学 | 一种基于slam技术的收割机机耕道自动导航方法及系统 |
CN116500638B (zh) * | 2023-06-25 | 2023-10-10 | 江苏大学 | 一种基于slam技术的收割机耕道自动导航方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111932688B (zh) | 一种基于三维点云的室内平面要素提取方法、系统及设备 | |
CN106780524B (zh) | 一种三维点云道路边界自动提取方法 | |
CN107123164B (zh) | 保持锐利特征的三维重建方法及系统 | |
CN109509210B (zh) | 障碍物跟踪方法和装置 | |
CN107516098B (zh) | 一种基于边缘曲率角的目标轮廓三维信息提取方法 | |
Woo et al. | A new segmentation method for point cloud data | |
CN111986115A (zh) | 激光点云噪声和冗余数据的精准剔除方法 | |
CN111696210A (zh) | 一种基于三维点云数据特征轻量化的点云重构方法及系统 | |
CN112581457A (zh) | 一种基于三维点云的管道内表面检测方法及装置 | |
CN112767490B (zh) | 一种基于激光雷达的室外三维同步定位与建图方法 | |
CN108225319B (zh) | 基于目标特征的单目视觉快速相对位姿估计系统及方法 | |
CN109559346B (zh) | 一种3d点云测量中的待测部位的定位及分割方法、扫描仪 | |
CN113628263A (zh) | 一种基于局部曲率及其近邻特征的点云配准方法 | |
CN110838115A (zh) | 运用轮廓线提取和四维曲面拟合的古文物三维模型变化检测方法 | |
Choe et al. | Fast point cloud segmentation for an intelligent vehicle using sweeping 2D laser scanners | |
KR101549155B1 (ko) | 라이다 자료를 활용한 구조물의 직선경계 추출방법 | |
CN111652241A (zh) | 融合影像特征与密集匹配点云特征的建筑物轮廓提取方法 | |
CN114821571A (zh) | 一种用于电力线缆识别和重建的点云处理方法 | |
CN111489416A (zh) | 隧道轴线拟合方法及在超欠挖方量计算上的应用 | |
CN111028345B (zh) | 一种港口场景下圆形管道的自动识别与对接方法 | |
CN114066773B (zh) | 一种基于点云特征与蒙特卡洛扩展法的动态物体去除 | |
CN115308770A (zh) | 一种基于拟合图形的动态障碍物检测方法 | |
CN114820505A (zh) | 一种动态目标的非接触测量方法 | |
CN111736167B (zh) | 一种获取激光点云密度的方法和装置 | |
CN113298838A (zh) | 一种物体轮廓线提取方法及系统 |
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 |