CN115049687B - 一种点云提取方法、装置、设备及介质 - Google Patents
一种点云提取方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115049687B CN115049687B CN202210978296.9A CN202210978296A CN115049687B CN 115049687 B CN115049687 B CN 115049687B CN 202210978296 A CN202210978296 A CN 202210978296A CN 115049687 B CN115049687 B CN 115049687B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- tunnel
- determining
- distance
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Excavating Of Shafts Or Tunnels (AREA)
Abstract
本发明公开了一种点云提取方法、装置、设备及介质,其中,该方法包括:按照预获取的分割长度对隧洞进行分割,并在分割后的隧洞段内建立局部点云坐标系;在局部点云坐标系中建立预设规格的第一六面体网格,将第一六面体网格覆盖的点云确定为第一候选点云;从第一候选点云中检测出离群散点,将不满足第一预设条件的离群散点剔除以从第一候选点云中筛选出有效点云;通过此方法,对爆破开挖后采集的点云进行处理,从而剔除掉其中的噪点或者无效点云,进而准确的提取出有效的隧洞洞壁点云。
Description
技术领域
本发明涉及三维点云处理技术领域,具体涉及一种点云提取方法、装置、设备及介质。
背景技术
三维激光扫描技术在隧洞工程中可用于隧洞建模、变形监测、工程量计算等。然而在对隧洞三维点云进行采集时,隧洞中存在的施工装备、车辆、人员及各类管线等不可避免会被扫描仪采集到,从而成为无效点云。因此在最终扫描结束后需要对扫描到的点云进行处理,能够将无效点云剔除,从而从扫描到的点云中提取出有效的隧洞洞壁点云。
现有技术中,提取隧洞洞壁点云的方法有很多,但都是针对衬砌施工完成后的隧洞点云进行降噪处理,但是爆破开挖完成后的隧洞围岩表面凹凸不平,且普遍存在超挖和欠挖现象,与设计断面存在较大差异,对这样的洞壁点云进行提取还没有对应的方法。
因此,如何对爆破开挖后的隧洞三维点云进行降噪处理,剔除掉无效点云并从中提取有效的洞壁点云是目前需要解决的问题。
发明内容
因此,本发明要解决的技术问题在于克服现有技术中的无法对爆破开挖后的隧洞洞壁点云进行提取的缺陷,从而提供一种点云提取方法、装置、设备及介质。
第一方面,本发明提供了一种点云提取方法,包括:按照预获取的分割长度对隧洞进行分割,并在分割后的隧洞段内建立局部点云坐标系;在局部点云坐标系中建立预设规格的第一六面体网格,将第一六面体网格覆盖的点云确定为第一候选点云;从第一候选点云中检测出离群散点,将不满足第一预设条件的离群散点剔除以从第一候选点云中筛选出有效点云。
通过在分割后的隧洞段内建立局部点云坐标系,并在该局部点云坐标系中的不同位置上建立预设规格的六面体网格,将六面体网格覆盖的点云确定为第一候选点云,然后利用去噪算法从第一候选点云中检测出离群散点,并判断离群散点是否满足第一预设条件,最后将不满足第一预设条件的离群散点确定为噪点进行剔除,从而从点云中提取到有效点云,通过此方法,对爆破开挖后采集的点云进行处理,从而剔除掉其中的噪点或者无效点云,进而准确的提取出有效的隧洞洞壁点云。
结合第一方面,在第一方面的第一实施例中,预获取的分割长度,包括:获取隧洞轴线,隧洞轴线为隧洞纵截面中心点的连线;将隧洞点云投影于垂直于隧洞轴线的平面上,将隧洞轴线与平面的交点作为中心点;获取第一方向上的点云到中心点的距离,将第一方向上的点云到中心点的距离均按照由远及近的顺序进行排序,其中第一方向是中心点的任一方向;从排序中提取排序靠前的距离对应的预设比例数量的点云,分别确定中心点与预设比例数量的点云中每一个点云的第一距离;基于第一方向上的第一距离确定第一方向上的断面轮廓半径;基于所有的断面轮廓半径和预设分割系数确定分割长度。
结合第一方面,在第一方面的第二实施例中,基于所有的断面轮廓半径和预设分割系数确定分割长度,包括:基于所有的断面轮廓半径确定隧洞平均半径;基于隧洞平均半径和预设分割系数确定分割长度。
通过确定各方向上各点云到坐标原点的第一距离确定出该隧洞段的断面轮廓半径,再根据各方向上的断面轮廓半径确定出隧洞平均半径,最后根据隧洞平均半径和预设的分割系数确定分割长度,通过此方法,便于合理的对隧洞进行分割,从而提高有效点云提取的精确度。
结合第一方面,在第一方面的第三实施例中,还包括:当第一六面体网格中不存在点云时,判断第一六面体网格到隧洞轴线的距离是否符合第二预设条件;当第一六面体网格与隧洞轴线的距离符合第二预设条件时,则延半径方向向内移动预设距离,建立相同规格的第二六面体网格,将第二六面体网格覆盖的点云确定为第一候选点云;或者,当第一六面体网格与隧洞轴线的距离不符合第二预设条件时,则确定在此方向上不存在有效点云;或者,当第i个六面体网格到隧洞轴线的距离不符合第二预设条件时,则确定在此方向上不存在有效点云;或者,第i个六面体网格中不存在点云时,则确定在此方向上不存在有效点云,其中,第i个六面体网格为该方向上最后一个六面体网格,i是大于或等于3的整数。
通过在一个方向上建立第一六面体网格,当该第一六面体网格中不存在点云且第一六面体网格与隧洞轴线的距离满足第二预设条件的情况下,在该方向上继续建立第二六面体网格,将第二六面体网格覆盖的点云确定为该方向上的第一候选点云;当第二六面体网格中不存在点云且第二六面体网格与隧洞轴线的距离不满足第二预设条件的情况下,则确定该方向上不存在第一候选点云;通过此方法将无效点云进行初步排除,以便于从更小的范围内确定有效洞壁点云,从而提高洞壁点云提取的精确度。
结合第一方面,在第一方面的第四实施例中,在将第一六面体网格覆盖的点云确定为第一候选点云之前,包括:基于隧洞段内的多组点云间的距离确定点云密度特征参数;以便后续基于点云密度特征参数和第一候选点云确定第二候选点云,并将第一候选点云和第二候选点云构成候选点云集合;从候选点云集合中检测出离群散点,将不满足第一预设条件的离群散点剔除以从候选点云集合中筛选出有效点云。
通过点云密度特征参数和第一候选点云确定出第二候选点云,便于从第一候选点云和第二候选点云组成的点云集中检测出离群散点,最终实现有效点云的筛选;此方法通过确定第二候选点云,避免了由于第一候选点云范围过于局限而导致将部分有效点云剔除的缺陷,根据第一候选点云和点云密度特征参数对候选点云的范围进行了扩充,以便于从更大的范围内筛选有效点云,降低了点云提取的误差。
结合第一方面,在第一方面的第五实施例中,基于隧洞段内的多组点云间的距离确定点云密度特征参数,包括:从隧洞段内任选多个特征点云,确定特征点云与其他点云间的距离;将第一特征点云与其他点云的之间距离按照由近及远的顺序排序,其中,第一特征点云为多个特征点云中的任一个特征点云;从排序中提取排序靠前的距离对应的预设数量的其他点云,分别确定第一特征点云与预设数量的其他点云中每一个点云间的第二距离;根据所有的第二距离,确定隧洞段的点云密度特征参数。
通过获取各特征点云与其他点云间的距离,并对获得的距离进行由近到远的排序,筛选出位置靠前距离对应的的预设数量的其他点云,通过第一特征点云与每一个其他点云间的第二距离确定点云密度特征参数,保证了点云密度特征参数的合理性,也为第二候选点云的确定提供了合理性。
结合第一方面,在第一方面的第六实施例中,第一预设条件,包括:基于离群散点的坐标,确定离群散点到隧洞轴线的第三距离;获取离群散点与除离群散点外的其他第一候选点云间的第四距离,将所述第四距离按照由近到远的顺序进行排序;从排序中,选取排序靠前的第四距离对应的预设数量的第一候选点云,并计算预设数量的第一候选点云中每一个第一候选点云到隧洞轴线的第五距离;基于所有第五距离确定平均轴线距;基于第三距离和平均轴线距形成第一预设条件。
第二方面,本发明提供了一种点云提取装置,包括:分割模块,用于按照预获取的分割长度对隧洞进行分割,并在分割后的隧洞段内建立局部点云坐标系;确定模块,用于在局部点云坐标系中建立预设规格的第一六面体网格,将第一六面体网格覆盖的点云确定为第一候选点云;筛选模块,用于从第一候选点云中检测出离群散点,将不满足第一预设条件的离群散点剔除以从第一候选点云中筛选出有效点云。
第三方面,本发明提供了一种计算机设备,其特征在于,包括:存储器和处理器,存储器和处理器之间互相通信连接,存储器用于存储计算机程序,计算机程序被处理器执行时,使处理器执行如发明内容中任一项的点云提取方法。
第四方面,本发明提供了一种计算机可读存储介质,其特征在于,计算机可读存储介质用于存储计算机指令,当计算机指令被处理器执行时,实现如发明内容中任一项的点云提取方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的点云提取方法的流程图。
图2为本发明实施例提供的开挖后隧洞点云的效果图。
图3为本发明实施例提供的六面体网格示意图。
图4为本发明实施例提供的利用第一六面体网格确定第一候选点云的示意图。
图5为本发明实施例提供的隧洞段内有效点云提取后的效果图。
图6为本发明实施例提供的隧洞段点云在平面的投影图。
图7为本发明实施例提供的隧洞点云分段图。
图8为本发明实施例提供的最终隧洞有效点云提取效果图。
图9为本发明实施例提供的点云提取装置连接图。
图10为本发明实施例提供的计算机设备连接图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明公开了一种点云提取方法,如图1所示,具体包括如下步骤:
步骤S11:按照预获取的分割长度对隧洞进行分割,并在分割后的隧洞段内建立局部点云坐标系。
具体的,在步骤S11之前,先获取开挖后的隧洞点云,开挖后的隧洞点云整体如图2所示,图2中的黑点代表识别到的点云,在获取到隧洞点云后,要对该开挖后的隧洞点云进行一般的降噪处理,降噪的方法可以是双边滤波算法或空间密度聚类算法等,也可以使用一般的降噪软件对点云进行降噪处理,降噪软件可以是TerraSolid或者Realworks等;降噪处理的目的是对隧洞点云进行初步筛选过滤,去除掉隧洞点云中不能反应物理实体空间特征的点,如可能由于点云反射产生的点云,也可能是空气中的浮尘,微小颗粒物或者水蒸气产生的点云等。
具体的,在对隧洞点云进行一般的降噪处理后,需要确定该隧洞的隧洞轴线,以便于根据该隧洞轴线建立空间坐标系;其中,隧洞轴线是指隧洞纵剖面的中心线,隧洞轴线可以是隧洞拱顶和底板竖向连接线的中点组成的曲线,或者当隧洞设计参数存在时,隧洞轴线也可以是将隧洞设计参数中的控制线平移后得到;确定隧洞轴线后,可以隧洞轴线作为一个坐标轴建立原始点云坐标系,如将隧洞轴线作为Z轴,以隧洞轴线与隧洞口的交点为坐标原点建立空间直角坐标系即原始点云坐标系。
具体的,根据预先获取的分割长度对隧洞进行分割,将隧洞分割为至少两个隧洞段,并在每个隧洞段内建立局部点云坐标系,并将各隧洞段内的点云坐标由原始点云坐标系中的坐标转换为该隧洞段的局部点云坐标系对应的点云坐标,其中,局部点云坐标系同样可以隧洞轴线作为坐标轴,以隧洞轴线与分割面的交点作为坐标原点建立而成。
步骤S12:在局部点云坐标系中建立预设规格的第一六面体网格,将第一六面体网格覆盖的点云确定为第一候选点云。
具体的,在本实施例中,隧洞段的局部点云坐标系以隧洞轴线为Z轴,隧洞轴线与分割面的交点为坐标原点,在此局部点云坐标系中,在隧洞轴线即局部点云坐标系中Z轴的不同方向上建立预设规格的第一六面体网格,各方向上的第一六面体网格为该方向上建立的第一个六面体网格,“第一”和“第二”仅用于区分顺序,无任何实质性区别;六面体网格可以是台体,如梯台,或者上下底面为曲面,侧面为平面的台状六面体,其中六面体的规格与该隧洞的隧洞参数有关,六面体网格的规格可以包括该六面体网格两侧面的夹角,该六面体网格的宽度或者厚度等;隧洞参数可以包括隧洞的断面轮廓半径,隧洞平均半径,点云密度特征参数或者其余一些其他的预设参数等;在建立六面体网格后,将六面体网格覆盖的所有点云确定为第一候选点云,第一候选点云为多个。
具体的,如图3所示,为隧洞段内六面体网格的示意图,第一六面体网格在建立时,
可以先确定建立的方向,再确定到轴线的距离,最后确定六面体网格的规格;如可在坐标横
轴逆时针30°方向上,距离轴线处建立第一六面体网格,其中可以是一预设参数,根
据实际情况可限定它的取值范围,如,为隧洞的断面轮廓半径,第
一六面体可包括上下两个平行的曲面,两个平行的侧面以及两个不平行的侧面,其中平行
曲面中表面积较大的曲面靠近隧洞顶部,两个不平行的侧面的夹角可以为,其
中为点云密度特征参数,为隧洞平均半径,并且该第一六面体网格两侧面的交线刚
好与隧洞轴线重合,该第一六面体网格在半径方向和Z轴方向上的厚宽度为点云密度特征
参数的倍数如2-4倍的等。
具体的,建立好第一六面体网格后,将第一六面体网格覆盖的点云均确定为第一候选点云,如图4所示,为利用第一六面体网格确定第一候选点云的示意图。
具体的,在某一个隧洞段内,第一六面体网格的建立是围绕隧洞轴线,在隧洞轴线的各个方向上建立的,最终,各方向上的第一六面体网格会将该隧洞段全部覆盖,类似于“垒烟囱”的形式。
步骤S13:从第一候选点云中检测出离群散点,将不满足第一预设条件的离群散点剔除以从第一候选点云中筛选出有效点云。
具体的,利用去噪算法对第一候选点云进行处理,检测出其中的离群散点,此处的去噪算法可以是K-近邻点云去噪算法或者基于核密度估计的去噪算法等;当检测出离群散点后,判断离群散点是否符合第一预设条件,该第一预设条件可以是隧洞设计师或者测量师根据隧洞点云的一些参数确定的可用于判断离群散点是否为有效点云的判断条件,当离群散点符合第一预设条件时,则该离群散点为有效点云;当离群散点不符合第一预设条件时,则该离群散点为无效点云或者噪点,将其剔除,剩余的第一候选点云即为有效点云,以此方法完成了有效点云的提取,如图5所示,为某隧洞段内有效点云提取后的效果图,图5中的轮廓为有效点云聚集形成的。
通过在分割后的隧洞段内建立局部点云坐标系,并在该局部点云坐标系的不同方向上建立预设规格的六面体网格,将六面体网格覆盖的点云确定为第一候选点云,然后利用去噪算法从第一候选点云中检测出离群散点,并判断离群散点是否满足第一预设条件,最后将不满足第一预设条件的离群散点确定为噪点,并将其剔除,从而从点云中提取到有效点云,通过此方法,对爆破开挖后采集的点云进行处理,从而剔除掉其中的噪点或者无效点云,进而准确的提取出有效的隧洞洞壁点云。
在一可选实施例中,预获取的分割长度,包括:获取隧洞轴线,隧洞轴线为隧洞纵截面中心点的连线;将隧洞点云投影于垂直于隧洞轴线的平面上,将隧洞轴线与平面的交点作为中心点;获取第一方向上的点云到中心点的距离,将第一方向上的点云到中心点的距离均按照由远及近的顺序进行排序,其中第一方向是中心点的任一方向;从排序中提取排序靠前的距离对应的预设比例数量的点云,分别确定中心点与预设比例数量的点云中每一个点云的第一距离;基于第一方向上的第一距离确定第一方向上的断面轮廓半径;基于所有的断面轮廓半径和预设分割系数确定分割长度。
示例性地,在获取隧洞的断面轮廓半径时,可从隧洞上截取一段,将这一段的隧洞断面轮廓半径确定为整个隧洞的断面轮廓半径,首先将该段隧洞中的点云投影到垂直于隧洞轴线的平面上,分别确定中心点不同方向上的各点云到中心点的距离,然后将同一方向上的各点云到中心点的距离按照一定的顺序进行排序,按照预设比例选出距离较大的多个的距离值即第一距离,并将这些第一距离的平均值作为该方向上的隧洞的断面轮廓半径;获取到不同方向上的断面轮廓半径后,根据各方向上的断面轮廓半径和预设的分割系数确定分割长度。
示例性地,各方向上的断面轮廓半径的确定方式为,如将长度为3m的一段隧洞点
云投影到垂直于隧洞轴线的一个平面上,投影到平面上后形成的效果图如图6所示,该效果
图中的黑点表示投影到该断面上的点云,图中深色表示点云密集,浅色表示点云稀疏;统计
中心点与中心点不同方向上的各点云之间的距离,例如在中心点的某方向上有10个点云,
那么分别计算这10个点云到坐标原点的距离,分别为2.3m,2.8 m,2.5 m,2.6 m,2.3 m,1.9
m,2.7 m,1.8 m;将这些距离值按照由远到近的顺序排序,得到2.8 m,2.7 m,2.6 m,2.5 m,
2.3 m,2.3 m,2.1 m,2.0 m,1.9 m,1.8 m,然后取距离较大的前20%的距离即第一距离的平
均值作为该方向的断面轮廓半径,在该方向上共10个点云,其20%为2个点云,即选取到
坐标原点距离最大的前2个距离值,并计算其平均值为2.75 m,将该平均值作为该方向上的
断面轮廓半径即。
在一可选实施例中,基于所有的断面轮廓半径和预设分割系数确定分割长度,包括:基于所有的断面轮廓半径确定隧洞平均半径;基于隧洞平均半径和预设分割系数确定分割长度。
示例性地,在确定了各方向的断面轮廓半径后,计算各方向上断面轮廓半径的平
均值,将各方向上断面轮廓半径的平均值作为隧洞平均半径,根据隧洞平均半径和
分割系数确定分割长度,然后延隧洞轴线方向按确定好的分割长度进行分割,分割长度,分割长度的确定方法为,分割系数根据实际的隧洞情况设有取值范围,
在对隧洞进行分割时,分割面要与隧洞轴线垂直。
通过确定各方向上各点云到坐标原点的距离确定出该隧洞段的断面轮廓半径,再根据各方向上的断面轮廓半径确定出隧洞平均半径,最后根据隧洞平均半径和预设的分割系数确定分割长度,通过此方法,便于合理的对隧洞进行分割,从而提高有效点云提取的精确度。
在一可选实施例中,还包括:当第一六面体网格中不存在点云时,判断第一六面体网格到隧洞轴线的距离是否符合第二预设条件;当第一六面体网格与隧洞轴线的距离符合第二预设条件时,则延半径方向向内移动预设距离,建立相同规格的第二六面体网格,将第二六面体网格覆盖的点云确定为第一候选点云;或者,当第一六面体网格与隧洞轴线的距离不符合第二预设条件时,则确定在此方向上不存在有效点云;或者,当第i个六面体网格到隧洞轴线的距离不符合第二预设条件时,则确定在此方向上不存在有效点云;或者,第i个六面体网格中不存在点云时,则确定在此方向上不存在有效点云,其中,第i个六面体网格为该方向上最后一个六面体网格,i是大于或等于3的整数。
示例性地,当在某方向上建立的第一六面体网格中存在点云时,则将该第一六面
体网格覆盖的所有点云确定为第一候选点云,则该方向上的点云检测完成,继续在别的方
向建立第一六面体网格进行检测;但是当第一六面体网格中不存在点云时,计算第一六面
体网格与隧洞轴线的距离,判断是否满足第二预设条件,当满足第二预设条件
时,则沿半径方向内缩减一个网格厚度的距离再建立一个相同规格的六面体网格即第二六
面体网格,继续判断该第二六面体网格中是否存在点云,当存在点云时,将第二六面体网格
覆盖的点云确定为第一候选点云,并结束此方向上第一候选点云的获取;当该第二六面体
网格中不存在点云时,以上述方式继续进行迭代,直至第i个六面体网格中不存在点云且该
六面体网格到轴线的距离不满足第二预设条件时,则确定该方向上不存在第一候选点云;
其中,第二预设条件可以是根据隧洞的实际情况和隧洞参数来确定的,如六面体网格与隧
洞轴线的距离可在隧洞的断面轮廓半径为参照的前提,将在断面轮廓半径的一定
范围内取值时视为合理。
示例性地,如第一六面体网格建立在某方向距离轴线处,当该第一六面体网
格中不存在点云时,则判断第一六面体网格与隧洞轴线的距离是否满足第二预设条件,
在本实施例中的第二预设条件为,其中时,当满足该第二预设条件时,则沿半径方向向内
缩减一个网格厚度的距离,再建立第二六面体网格,并检测第二六面体网格内是否存在点
云,当第二六面体网格中不存在点云时,则判断是否满足第二预设条件,当时,不满足第二预设条件,此时则确定在此方向上不
存在第一候选点云;但是当满足第二预设条件时,将第二六面体网格覆盖的点云确定为
第一候选点云,此时在该方向上的第一候选点云获取结束。
通过在一个方向上建立六面体网格,当该六面体网格中不存在点云且六面体网格与隧洞轴线的距离满足第二预设条件的情况下,在该方向上继续建立新的六面体网格,将六面体网格覆盖的点云确定为该方向上的第一候选点云;当六面体网格中不存在点云且六面体网格与隧洞轴线的距离不满足第二预设条件的情况下,则确定该方向上不存在第一候选点云;通过此方法将无效点云进行初步排除,以便于从更小的范围内确定有效洞壁点云,从而提高洞壁点云提取的精确度。
在一可选实施例中,在将第一六面体网格覆盖的点云确定为第一候选点云之前,包括:基于隧洞段内的多组点云间的距离确定点云密度特征参数;以便后续基于点云密度特征参数和第一候选点云确定第二候选点云,并将第一候选点云和第二候选点云构成候选点云集合;从候选点云集合中检测出离群散点,将不满足第一预设条件的离群散点剔除以从候选点云集合中筛选出有效点云。
示例性地,当第一候选点云确定以后,为避免候选点云选取的范围太小而影响最终有效点云的准确性,可在第一候选点云的基础上,结合点云密度特征参数,将候选点云的范围进行扩充以从更大的范围内筛选有效点云,在扩充过程中新添加的点云为第二候选点云,由第一候选点云和第二候选点云组成范围更大的候选点云集合;相当于有效点云是从由第一候选点云和第二候选点云组成的点云集合中筛选的,利用去噪算法,对候选点云集合中的第一候选点云和第二候选点云进行检测,检测出离群的散点,计算离群散点的轴线距,及其最邻近n个候选点云的平均轴线距,其中,候选点云可以是第一候选点云和/或第二候选点云;根据离群散点的轴线距和候选点云的平均轴线距确定一个预设条件即第一预设条件,将满足预设条件的点视为有效点,将不满足预设条件的视为无效点或者噪点剔除,其中,离群散点为普通噪点,对离群散点的检测可视为对隧洞点云的最后一次筛选,以从候选点云集合中提取出有效点云,如图5所示。
示例性地,在隧洞段内的有效点云提取结束后,最后将提取的有效点云从局部点云坐标系还原到原始点云坐标系中,完成了对整个隧洞有效洞壁点云的提取,最终提取的有效洞壁点云效果如图8所示,黑点表示最终提取的有效点云。
通过点云密度特征参数和第一候选点云确定出第二候选点云,便于从第一候选点云和第二候选点云组成的点云集中检测出离群散点,最终实现有效点云的筛选;此方法通过确定第二候选点云,避免了由于第一候选点云过于局限而导致将部分有效点云剔除的缺陷,根据第一候选点云和点云密度特征参数对候选点云的范围进行了扩充,以便于从更大的范围内筛选有效点云,降低了点云提取的误差。
结合第一方面,在第一方面的第五实施例中,基于隧洞段内的多组点云间的距离确定点云密度特征参数,包括:从隧洞段内任选多个特征点云,确定特征点云与其他点云间的距离;将第一特征点云与其他点云的之间距离按照由近及远的顺序排序,其中,第一特征点云为多个特征点云中的任一个特征点云;从排序中提取排序靠前的距离对应的预设数量的其他点云,分别确定第一特征点云与预设数量的其他点云中每一个点云间的第二距离;根据所有的第二距离,确定隧洞段的点云密度特征参数。
示例性地,点云密度特征用来描述该隧洞段内点云间的平均距离值,其确定过程
可以为:如可采用随机抽样的方法从分割后的隧洞段中的多个点云内抽取个特征点云
即第一特征点云,,搜索每个特征点云附近最近的个其他点云,并且确定特征点云分别与个点云之间的距离即第二距离,计算特征点云与个点云之间第二距离的平均值,此平均值为第一特征点云与邻近n个其他点云间的平均
距离,记作之和,其中表示第个特征点云;然后根据各特征点云对应的平均距离计算
该隧洞段内两点距离的平均距离作为作为点云密度特征参数,在此过程中特征点云和
特征点云附近的点云取得数量越多,准确性就会越高,误差就会越小;点云密度特征参数的
计算方法可以是:
示例性地,点云密度特征参数的确定方式还可以是,在随机抽取个特征点云
后,搜索每个特征点云附近,距离特征点最近的个其他点云,可确定该特征点云与个
其他点云的第二距离,再计算该特征点云对应的所有第二距离的和,根据各特征点云与
该特征点云邻近的个其他点云间的距离之和,计算该隧洞段内两点距离的平均距离,将
该平均距离作为点云密度特征参数;点云密度特征参数的计算方法还可以是:
通过获取各特征点云与其他点云间的距离,并对获得的距离进行由近到远的排序,筛选出位置靠前距离对应的的预设数量的其他点云,通过第一特征点云与每一个其他点云间的第二距离确定点云密度特征参数,保证了点云密度特征参数的合理性,也为第二候选点云的确定提供了合理性。
在一可选实施例中,第一预设条件,包括:基于离群散点的坐标,确定离群散点到隧洞轴线的第三距离;获取离群散点与除离群散点外的其他第一候选点云间的第四距离,将第四距离按照由近到远的顺序进行排序;从排序中,选取排序靠前的第四距离对应的预设数量的第一候选点云,并计算预设数量的第一候选点云中每一个第一候选点云到隧洞轴线的第五距离;基于所有第五距离确定平均轴线距;基于第三距离和平均轴线距形成第一预设条件。
示例性地,根据离群散点的坐标确定离群散点到隧洞轴线的第三距离,并且获
取该离群散点与其他的第一候选点云之间的距离即第四距离,并对第四距离进行由近及远
的排序,取该离群散点最近的若干个邻近的第一候选点云,确定邻近第一候选点云到隧洞
轴线的距离及第五距离,计算这些第五距离的平均值,根据和形成一个可判断离
群散点为无效点云或者噪点的判断条件,该判断条件可以为
本发明公开了一种点云提取装置,如图9所示,具体包括:
分割模块91,用于按照预获取的分割长度对隧洞进行分割,并在分割后的隧洞段内建立局部点云坐标系;
第一确定模块92,用于在局部点云坐标系中建立预设规格的第一六面体网格,将第一六面体网格覆盖的点云确定为第一候选点云;
筛选模块93,用于从第一候选点云中检测出离群散点,将不满足第一预设条件的离群散点剔除以从第一候选点云中筛选出有效点云。
在一可选实施例中,分割模块,包括:获取子模块,用于获取隧洞轴线,隧洞轴线为隧洞纵截面中心点的连线;投影子模块,用于将隧洞点云投影于垂直于隧洞轴线的平面上,将隧洞轴线与平面的交点作为中心点;排序子模块,用于获取第一方向上的点云到中心点的距离,将第一方向上的点云到中心点的距离均按照由远及近的顺序进行排序,其中第一方向是中心点的任一方向;第一确定子模块,用于从排序中提取排序靠前的距离对应的预设比例数量的点云,分别确定中心点与预设比例数量的点云中每一个点云的第一距离;第二确定子模块,用于基于第一方向上的第一距离确定第一方向上的断面轮廓半径;第三确定子模块,用于基于所有的断面轮廓半径和预设分割系数确定分割长度。
在一可选实施例中,第三确定子模块,包括:第一确定单元,用于基于所有的断面轮廓半径确定隧洞平均半径;第二确定单元,用于基于隧洞平均半径和预设分割系数确定分割长度。
在一可选实施例中,一种点云提取装置,还包括:判断模块,用于当第一六面体网格中不存在点云时,判断第一六面体网格到隧洞轴线的距离是否符合第二预设条件;第二确定模块,用于当第一六面体网格与隧洞轴线的距离符合第二预设条件时,则延半径方向向内移动预设距离,建立相同规格的第二六面体网格,将第二六面体网格覆盖的点云确定为第一候选点云;第三确定模块,用于或者,当第一六面体网格与隧洞轴线的距离不符合第二预设条件时,则确定在此方向上不存在有效点云;第四确定模块,用于当第i个六面体网格到隧洞轴线的距离不符合第二预设条件时,则确定在此方向上不存在有效点云;第五确定模块,用于第i个六面体网格中不存在点云时,则确定在此方向上不存在有效点云,其中,第i个六面体网格为该方向上最后一个六面体网格,i是大于或等于3的整数。
在一可选实施例中,在第一确定模块之前,包括:第六确定模块,用于基于隧洞段内的多组点云间的距离确定点云密度特征参数;第七确定模块,用于后续基于点云密度特征参数和第一候选点云确定第二候选点云,并将第一候选点云和第二候选点云构成候选点云集合;剔除模块,用于从候选点云集合中检测出离群散点,将不满足第一预设条件的离群散点剔除以从候选点云集合中筛选出有效点云。
在一可选实施例中,第六确定模块,包括:第一确定子模块,用于从隧洞段内任选多个特征点云,确定特征点云与其他点云间的距离;排序子模块,用于将第一特征点云与其他点云的之间距离按照由近及远的顺序排序,其中,第一特征点云为多个特征点云中的任一个特征点云;第二确定子模块,用于从排序中提取排序靠前的距离对应的预设数量的其他点云,分别确定第一特征点云与预设数量的其他点云中每一个点云间的第二距离;第三确定子模块,用于根据所有的第二距离,确定隧洞段的点云密度特征参数。
在一可选实施例中,计算模块,包括:确定子模块,用于基于离群散点的坐标,确定离群散点到隧洞轴线的第三距离;获取子模块,用于获取离群散点与除离群散点外的其他第一候选点云间的第四距离,将所述第四距离按照由近到远的顺序进行排序;计算子模块,用于从排序中,选取排序靠前的第四距离对应的预设数量的第一候选点云,并计算预设数量的第一候选点云中每一个第一候选点云到隧洞轴线的第五距离;形成子模块,用于基于所有第五距离确定平均轴线距;基于第三距离和平均轴线距形成第一预设条件。
本实施例提供一种计算机设备,如图10所示,该计算机设备可以包括至少一个处理器101、至少一个通信接口102、至少一个通信总线103和至少一个存储器104,其中,通信接口102可以包括显示屏(Display)、键盘(Keyboard),可选通信接口102还可以包括标准的有线接口、无线接口。存储器104可以是高速RAM存储器(Random Access Memory,易挥发性随机存取存储器),也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器104可选的还可以是至少一个位于远离前述处理器101的存储装置。其中处理器101可以结合图10所描述的装置,存储器104中存储应用程序,且处理器101调用存储器104中存储的程序代码,以用于执行上述任意方法实施例的点云提取方法。
其中,通信总线103可以是外设部件互连标准(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。通信总线103可以分为地址总线、数据总线、控制总线等。为便于表示,图10中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器104可以包括易失性存储器(英文:volatile memory),例如随机存取存储器(英文:random-access memory,缩写:RAM);存储器也可以包括非易失性存储器(英文:non-volatile memory),例如快闪存储器(英文:flash memory),硬盘(英文:hard diskdrive,缩写: HDD)或固态硬盘(英文:solid-state drive,缩写:SSD);存储器104还可以包括上述种类的存储器的组合。
其中,处理器101可以是中央处理器(英文:central processing unit,缩写:CPU),网络处理器(英文:network processor,缩写:NP)或者CPU和NP的组合。
其中,处理器101还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文:application-specific integrated circuit,缩写: ASIC),可编程逻辑器件(英文:programmable logic device,缩写:PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(英文:complex programmable logic device,缩写:CPLD),现场可编程逻辑门阵列(英文:field-programmable gate array,缩写:FPGA),通用阵列逻辑(英文:generic arraylogic,缩写:GAL)或其任意组合。可选地,存储器104还用于存储程序指令。处理器101可以调用程序指令,实现本发明任一实施例中的点云提取方法。
本实施例提供一种计算机可读存储介质,计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行上述任意方法实施例中的点云提取方法。其中,存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random AccessMemory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;存储介质还可以包括上述种类的存储器的组合。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其他不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种点云提取方法,其特征在于,包括:
按照预获取的分割长度对隧洞进行分割,并在分割后的隧洞段内建立局部点云坐标系;
在所述局部点云坐标系中建立预设规格的第一六面体网格,将所述第一六面体网格覆盖的点云确定为第一候选点云;
从所述第一候选点云中检测出离群散点,将不满足第一预设条件的离群散点剔除以从所述第一候选点云中筛选出有效点云。
2.根据权利要求1所述的点云提取方法,其特征在于,所述预获取的分割长度,包括:
获取隧洞轴线,所述隧洞轴线为隧洞纵截面中心点的连线;
将隧洞点云投影于垂直于隧洞轴线的平面上,将所述隧洞轴线与所述平面的交点作为中心点;
获取第一方向上的点云到所述中心点的距离,将第一方向上的点云到所述中心点的距离均按照由远及近的顺序进行排序,其中第一方向是所述中心点的任一方向;
从所述排序中提取排序靠前的距离对应的预设比例数量的点云,分别确定所述中心点与所述预设比例数量的点云中每一个点云的第一距离;
基于所述第一方向上的所述第一距离确定所述第一方向上的断面轮廓半径;
基于所有的所述断面轮廓半径和预设分割系数确定所述分割长度。
3.根据权利要求2所述的点云提取方法,其特征在于,所述基于所有的所述断面轮廓半径和预设分割系数确定所述分割长度,包括:
基于所有的所述断面轮廓半径确定隧洞平均半径;
基于所述隧洞平均半径和所述预设分割系数确定所述分割长度。
4.根据权利要求1-3中任一项所述的点云提取方法,其特征在于,还包括:
当所述第一六面体网格中不存在点云时,判断所述第一六面体网格到隧洞轴线的距离是否符合第二预设条件;
当所述第一六面体网格与所述隧洞轴线的距离符合所述第二预设条件时,则延半径方向向内移动预设距离,建立相同规格的第二六面体网格,将所述第二六面体网格覆盖的点云确定为所述第一候选点云;
或者,当所述第一六面体网格与所述隧洞轴线的距离不符合所述第二预设条件时,则确定在此方向上不存在有效点云;
或者,当第i个六面体网格到所述隧洞轴线的距离不符合第二预设条件时,则确定在此方向上不存在有效点云;
或者,所述第i个六面体网格中不存在点云时,则确定在此方向上不存在有效点云,其中,所述第i个六面体网格为该方向上最后一个六面体网格,i是大于或等于3的整数。
5.根据权利要求1所述的点云提取方法,其特征在于,在所述将所述第一六面体网格覆盖的点云确定为第一候选点云之前,包括:
基于所述隧洞段内的多组点云间的距离确定点云密度特征参数;
以便后续基于所述点云密度特征参数和所述第一候选点云确定第二候选点云,并将所述第一候选点云和所述第二候选点云构成候选点云集合;
从所述候选点云集合中检测出离群散点,将不满足第一预设条件的离群散点剔除以从所述候选点云集合中筛选出有效点云。
6.根据权利要求5所述的点云提取方法,其特征在于,所述基于所述隧洞段内的多组点云间的距离确定点云密度特征参数,包括:
从所述隧洞段内任选多个特征点云,确定所述特征点云与其他点云间的距离;
将第一特征点云与其他点云的之间距离按照由近及远的顺序排序,其中,所述第一特征点云为多个特征点云中的任一个特征点云;
从所述排序中提取排序靠前的距离对应的预设数量的其他点云,分别确定第一特征点云与所述预设数量的其他点云中每一个点云间的第二距离;
根据所有的所述第二距离,确定所述隧洞段的点云密度特征参数。
7.根据权利要求1所述的点云提取方法,其特征在于,所述第一预设条件,包括:
基于所述离群散点的坐标,确定所述离群散点到隧洞轴线的第三距离;
获取所述离群散点与除所述离群散点外的其他第一候选点云间的第四距离,将所述第四距离按照由近到远的顺序进行排序;
从所述排序中,选取排序靠前的所述第四距离对应的预设数量的所述第一候选点云,并计算所述预设数量的第一候选点云中每一个所述第一候选点云到所述隧洞轴线的第五距离;
基于所有所述第五距离确定平均轴线距;
基于所述第三距离和所述平均轴线距形成所述第一预设条件。
8.一种点云提取装置,其特征在于,包括:
分割模块,用于按照预获取的分割长度对隧洞进行分割,并在分割后的隧洞段内建立局部点云坐标系;
确定模块,用于在所述局部点云坐标系中建立预设规格的第一六面体网格,将所述第一六面体网格覆盖的点云确定为第一候选点云;
筛选模块,用于从所述第一候选点云中检测出离群散点,将不满足第一预设条件的离群散点剔除以从所述第一候选点云中筛选出有效点云。
9.一种计算机设备,其特征在于,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器用于存储计算机程序,所述计算机程序被所述处理器执行时,使所述处理器执行如权利要求1至7中任一项所述的点云提取方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储计算机指令,当所述计算机指令被处理器执行时,实现如权利要求1至7中任一项所述的点云提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210978296.9A CN115049687B (zh) | 2022-08-16 | 2022-08-16 | 一种点云提取方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210978296.9A CN115049687B (zh) | 2022-08-16 | 2022-08-16 | 一种点云提取方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115049687A CN115049687A (zh) | 2022-09-13 |
CN115049687B true CN115049687B (zh) | 2022-11-04 |
Family
ID=83168279
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210978296.9A Active CN115049687B (zh) | 2022-08-16 | 2022-08-16 | 一种点云提取方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115049687B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107830839B (zh) * | 2017-10-11 | 2020-06-26 | 北京工业大学 | 地面三维激光扫描数据处理方法及装置 |
CN109448087B (zh) * | 2018-10-18 | 2023-07-07 | 南京林业大学 | 一种盾构隧道表面点云数据分段方法 |
CN109598714B (zh) * | 2018-12-03 | 2023-10-03 | 中南大学 | 一种基于图像三维重建及网格曲面的隧道超欠挖检测方法 |
CN111023966A (zh) * | 2019-11-28 | 2020-04-17 | 中铁十八局集团第五工程有限公司 | 一种基于三维激光扫描仪与bim结合的隧道测控方法 |
CN111507921B (zh) * | 2020-04-20 | 2022-01-25 | 南京航空航天大学 | 一种基于低秩恢复的隧道点云去噪方法 |
CN112985288A (zh) * | 2021-04-01 | 2021-06-18 | 重庆交通大学 | 一种基于网格投影点云处理技术的隧道变形监测分析方法 |
-
2022
- 2022-08-16 CN CN202210978296.9A patent/CN115049687B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115049687A (zh) | 2022-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Woo et al. | A new segmentation method for point cloud data | |
Xu et al. | Reconstruction of scaffolds from a photogrammetric point cloud of construction sites using a novel 3D local feature descriptor | |
CN110222642B (zh) | 一种基于全局图聚类的平面建筑构件点云轮廓提取方法 | |
CN110060338B (zh) | 一种基于bim模型的预制构件点云识别方法 | |
CN110458843B (zh) | 掩模图像的分割方法及系统 | |
Trinh et al. | Hole boundary detection of a surface of 3D point clouds | |
Tarsha Kurdi et al. | Automatic filtering and 2D modeling of airborne laser scanning building point cloud | |
KR101549155B1 (ko) | 라이다 자료를 활용한 구조물의 직선경계 추출방법 | |
CN114332291A (zh) | 一种倾斜摄影模型建筑物外轮廓规则提取方法 | |
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 | |
CN116740072A (zh) | 基于机器视觉的道路表面缺陷检测方法及系统 | |
CN114898118A (zh) | 基于多源点云的输电线路房屋拆迁量自动统计方法及系统 | |
CN115049687B (zh) | 一种点云提取方法、装置、设备及介质 | |
CN112907601A (zh) | 一种基于特征变换的隧道拱架点云自动提取方法及装置 | |
CN115953421A (zh) | 一种用于蜂窝结构规整度检测的Harris蜂窝顶点提取方法 | |
Bénière et al. | Recovering primitives in 3D CAD meshes | |
CN113205465B (zh) | 点云数据集分割方法及系统 | |
CN116051771A (zh) | 一种基于无人机倾斜摄影模型的光伏bim屋顶自动建模方法 | |
Andre Sorensen et al. | A RANSAC based CAD mesh reconstruction method using point clustering for mesh connectivity | |
CN114820505A (zh) | 一种动态目标的非接触测量方法 | |
CN111105408B (zh) | 一种基于图像处理的建筑物表面裂缝检测方法及系统 | |
CN113763563A (zh) | 一种基于平面识别的三维点云几何网格结构生成方法 | |
Iturburu et al. | Towards rapid and automated vulnerability classification of concrete buildings | |
CN112734651A (zh) | 一种大坝廊道扫描点云成果数据快速建模的方法 | |
CN115861561B (zh) | 一种基于语义约束的等高线生成方法和装置 |
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 |