CN115795632A - 一种基于标记点云的自动几何孪生方法和系统 - Google Patents
一种基于标记点云的自动几何孪生方法和系统 Download PDFInfo
- Publication number
- CN115795632A CN115795632A CN202310058849.3A CN202310058849A CN115795632A CN 115795632 A CN115795632 A CN 115795632A CN 202310058849 A CN202310058849 A CN 202310058849A CN 115795632 A CN115795632 A CN 115795632A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- geometric
- pier
- bridge
- shape
- 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.)
- Withdrawn
Links
Images
Abstract
本发明公开了一种基于标记点云的自动几何孪生方法和系统，本发明属于工程三维重构技术领域。方法包括获取多种带有桥梁构建类型标记的点云簇；对多种所述带有桥梁构建类型标记的点云簇分别进行几何特征提取和形状识别；对提取的特征和识别的形状进行拟合，并以IFC格式输出桥梁的几何孪生体。本发明基于标记点云的快速自动几何孪生，建模时间相比人工建模大幅缩短，提高了建模效率。
Description
技术领域
本发明属于工程三维重构技术领域，具体涉及一种基于标记点云的自动几何孪生方法和系统。
背景技术
数字孪生体模型包括基础设施组件的三维几何形状以及一系列语义信息，包括材料、功能和组件之间的空间和从属关系。虽然激光点云技术已日趋成熟，并广泛运用于在役公路工程设施的数据采集上。但目前桥梁行业很少为在役桥梁基于点云创建其数字孪生体模型，因为人工重建在役公路工程设施模型费时费力，成本过高。以下对基于点云的几何数字孪生的实践与研究现状进行回顾。
在业界，Autodesk、Bentley、Trimble、AVEVA 和 ClearEdge3D 等主要建模软件供应商提供了基于点云的几何建模方案。ClearEdge3D可以在一定程度上实现自动提取工业厂房类点云中的管道以及标准件对应的几何体，如阀门、法兰，通过几次点击和手动调整将软件中内置的三维模型对其进行拟合。但ClearEdge3D的几何构件库只限拟合规则的矩形墙体、管道、阀门、法兰和钢梁等具有标准化三维几何体的点云子构件。大多数建模软件内置的三维几何基元集是一个有限的几何集，对于在役设施构件，建模人员需手动创建精准的三维几何体才能近似拟合到语义切割好的子构件点云簇。在役钢筋混凝土桥梁的构件通常具有复杂的几何形状，包含复杂的倾斜、弯曲和结构缺陷、变形等，不能简单使用基于参数化的通用几何体进行孪生拟合，而需要通过一系列复杂的建模操作才能完成，具有相当的难度且花费大量时间和精力。即便有Revit这样的建模软件提供了高度的灵活性，允许建模人员通过族库编辑器创建自定义的参数化几何体，但由于参数化建模的模糊性和参数限制，需要有精心建模规划才能达到近似拟合在役桥梁构件的目的，且需要相当的经验。调查研究表明，目前基于点云的人工几何孪生一座在役钢筋混凝土梁板桥的平均时长大约是28小时，95%的时间都花在创建自定义几何体并将它们与点云进行拟合。
在科研领域，基于点云的几何实体拟合或重建方法归纳为三类。其一，隐式表示是指基于数学公式表示三维形状。只有非常有限的几何基元可用代数公式精确表示，因此针对在役桥梁构件建模，隐式函数的用处有限。此外，在役桥梁构件的形变或损坏情况进一步降低了隐式表示的有效性。其二，实体建模方法边界表示(B-Rep)是一种使用边界极限如顶点、边等来描述形状的方法。Tessellated Surface Representation(TSR)和多边形/网格表示都可以视为B-Rep的类型。Kwon等人引入了一种局部空间建模算法，以将平面、长方体和圆柱体等几何基元拟合到用B-Rep表示的建筑点云中。Valero等人研发了一种为室内平面物体（例如墙体、天花板、地板）生成 B-Rep模型的方法。然而， B-Rep模型的问题包括高精度模型可能过于复杂且不必要。大面积遮挡区域很难被平滑，不能保证多边形面可以形成封闭的网格模型。其三，Constructive Solid Geometry(CSG)是一种体积化的高级建模方法。最终模型由一组遵循特定“逻辑”的几何实体基元如长方体、圆柱体、球体、圆锥体等组合而成。组合逻辑包括布尔集运算符(如并集、减集、相交等)。Patil等人提出的方法可用于将圆柱体对管道系统点云进行拟合建模。Xiao和Furukawa引入了一种“逆 CSG”算法，在假设室内墙体是基于长方体的基础上，使用长方体几何基元对墙体点云进行拟合。张等人研发了一个基于表面原始特征的Adaboost决策树多类分类器，能将基础设施构件如墩柱、梁和带标记的三维几何实体进行分类。但CSG主要针对理想化或简化构件，很难准确描述在役设施构件形状。
综上，现有基于点云的几何孪生方法集中在创建建筑和工业厂房类的构件，例如墙体、天花板、地板和标准化工业元素。这些构件通常通过有限的一组约束条件简化表示为参数化平面、长方体、圆柱体等几何基元。针对非标准化的在役设施构件如钢筋混凝土梁板桥的几何孪生，目前尚未有高效的自动拟合方法，且尚未有方法同时将所创建构件的三维模型直接以IFC格式进行描述和存储。
发明内容
为了实现在役钢筋混凝土梁板桥的几何孪生，本发明提供了解决上述问题的一种基于标记点云的自动几何孪生方法和系统。本发明基于标记点云的快速自动几何孪生，建模时间相比人工建模大幅缩短，提高了建模效率。
本发明通过下述技术方案实现：
一种基于标记点云的自动几何孪生方法，包括：
获取多种带有桥梁构建类型标记的点云簇；
对多种所述带有桥梁构建类型标记的点云簇分别进行几何特征提取和形状识别；
对提取的特征和识别的形状进行拟合，并以IFC格式输出桥梁的几何孪生体。
作为优选实施方式，本发明的多种带有桥梁构建类型标记的点云簇包括：桥面、墩帽、墩柱和梁体的点云簇。
作为优选实施方式，本发明的基于桥面点云簇进行特征提取、形状识别和拟合过程具体包括：
对桥面点云簇进行随机降采样；
将降采样的桥面点云投影在全局工程坐标系XY平面上；
运用最小二乘法将圆曲线二次多项式拟合到投影的N个点上；
计算桥面圆曲线每个插值处的切线方向和法向方向；
桥面沿每个插值处法线方向切割成多段切片；
对每个桥面切片进行建模，再将它们首尾相连，即可实现整个桥面建模。
作为优选实施方式，本发明对于每个桥面切片，使用2D ConcaveHull 
形状算法描述每个切片的横截面轮廓，并将横截面局部坐标系下的凹包点用IfcCartesianPoint进行描述，再用IfcPolyline存储由IfcCartesianPoint组成的多边形线段对象；
创建切片模型时，通过IfcArbitraryClosedProfileDef描述切片横截面二维轮廓，通过IfcExtrudedAreaSolid 和IfcShapeRepresentation使用拉伸模型创建桥面切片段几何体；
通过IfcPropertyset自定义切片属性，包括名称、数据类型和数值，并采用属性集Pset_SlabSliceProperties，将每个桥面切片的属性合并成一个属性集IfcPropertyset。
作为优选实施方式，本发明的基于墩帽点云簇进行特征提取、形状识别和拟合过程具体包括：
将墩帽点云投影到全局工程坐标系XY平面上；
使用2D ConcaveHull 
形状算法来描述投影轮廓，墩帽的局部工程坐标系XY平面投影的每个凹包都用IfcCartesianPoint描述；
再通过IfcPolyLine存储由IfcCartesianPoint组成的多边形线段对象；
墩帽建模时，通过IfcArbitraryClosedProfileDef描述墩帽横截面二维轮廓，通过IfcExtrudedAreaSolid使用拉伸模型创建墩帽几何体。
作为优选实施方式，本发明的基于墩柱点云簇进行特征提取、形状识别和拟合过程具体包括：
将墩柱点云簇投影到全局工程坐标系XY平面上并使用投影边缘凹包计算投影点的周长；
计算投影边缘凹包所围区域的外部矩形框面积以及投影边缘凹包所围区域的内部最大四边形面积；
根据计算得到的周长、外部矩形框面积和内部最大四边形面积，识别出墩柱的横截面形状。
作为优选实施方式，本发明如果识别出墩柱的横截面形状为圆形，则需要至少3个几何参数来定义三维空间中的圆柱体，使用切片法沿局部工程坐标系下Z轴进行切片；
使用IfcAxis2Placement3D描述圆柱体墩柱的定位点和方向；
定位点的坐标作为属性Position存储在IfcCartesianPoint中；
墩柱方向信息存储在IfcDirection中，IfcDirection由圆柱底部和顶部切片中心计算的向量定义；
沿墩柱方向再次进行切片操作，计算每个切片的半径，再对多个切片的半径进行平均，平均半径作为整个圆柱体墩柱的半径；
平均半径值作为属性Radius存储在IfcCircleProfileDef中；
圆柱体墩柱的几何体由IfcExtrudedAreaSolid和IfcShapeRepresentation通过沿方向IfcDirection拉伸来创建。
作为优选实施方式，本发明如果识别出墩柱横截面形状为矩形或其他形状，使用堆叠表示通过多个切片模型来近似拟合整个桥墩形状；
对于每个切片，通过2D ConcaveHull 
形状算法并使用IfcArbitraryClosedProfileDef和IfcExtrudedAreaSolid来描述桥墩切片的横截面。
作为优选实施方式，本发明的基于梁体点云簇进行特征提取、形状识别和拟合过程具体包括：
使用每个桥面跨的最大最小坐标计算跨长；
计算桥梁中每根梁的底部翼缘，再取平均得到梁体底部翼缘；
使用每跨中梁体沿局部工程坐标系下Z轴的点云投影直方图计算得到腹板深度；
根据跨长、梁体底部翼缘和腹板深度，匹配到最接近的预制装配式混凝土工字梁型号；
将梁体底部的中间坐标为起点，根据预制梁的尺寸，得到梁体每个特征点的坐标；
将每个特征点的坐标存储在局部工程坐标系XY平面内IfcCartesianPoint中；
将剖面轮廓用IfcArbitraryClosedProfileDef描述并映射到IfcPolyline。
另一方面，本发明还提出了一种基于标记点云的自动几何孪生系统，包括：
数据获取模块，用于获取多种带有桥梁构建类型标记的点云簇；
特征提取和形状识别模块，用于对多种带有桥梁构建类型标记的点云簇进行几何特征提取和形状识别；
拟合模块，对提取的特征和识别的形状进行拟合；
输出模块，以IFC格式输出在役钢筋混凝土梁板桥的几何孪生体。
本发明具有如下的优点和有益效果：
本发明基于标记点云簇能够快速自动几何孪生，建模时间相较于现有人工建模大幅降低，大大提高了建模效率；同时本发明以通用格式IFC对构建进行描述，并直接生成IFC模型文件，便于工程应用。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明实施例的方法流程图。
图2为本发明实施例的桥面沿差值处法线方向切割示意图。
图3为本发明实施例的桥面沿差值处法线方向切割的横截面轮廓。（a）为采用IfcCartesianPoint描述；（b）为用IfcPolyline存储由IfcCartesianPoint组成的多边形线段对象。
图4为本发明实施例的桥墩的典型横截面形状。
图5为本发明实施例的圆柱形墩柱和梯形棱墩柱示意图。（a）圆柱形墩柱：（1）全局工程坐标系YZ平面投影，（2）全局工程坐标系XY平面投影，（3）全局工程坐标系XY平面投影点的凹包，（4）投影边缘凹包外部矩形框，（5）投影边缘凹包内部最大四边形；（b）梯形棱墩柱：（1）全局工程坐标系YZ平面投影，（2）全局工程坐标系XY平面投影，（3）全局工程坐标系XY平面投影点的凹包，（4）投影边缘凹包外部矩形框，（5）投影边缘凹包内部最大四边形。
图6为本发明实施例的圆柱体墩柱投影点凹包内部四边形。
图7为本发明实施例的梁体类型匹配规则。
图8为本发明实施例的梁体剖面特征点。
图9为本发明实施例的系统原理框图。
实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例：
本实施例提出了一种基于标记点云的自动几何孪生方法，具体如图1所示，本实施例提出的方法包括如下步骤：
步骤1，获取多种带有桥梁构建类型标记的点云簇。
步骤2，对多种带有桥梁构建类型标记的点云簇分别进行几何特征提取和形状识别。
步骤3，对提取的特征和识别的形状进行拟合，并以IFC格式输出在役钢筋混凝土梁板桥的几何孪生体。
本实施例的输入数据具体为4种带有标记类型的点云簇，即假设点云簇已被语义分类为4种桥梁构建类型，包括桥面、墩帽、墩柱和梁体。
本实施例运用基于IFC Add2的标准规范下的IfcObjects去拟合提取的特征和识别的形状。其中，使用多个定向切片模型及其桥面路线水平中轴线来近似描述桥面点云簇的几何形状；墩帽点云簇的几何形状通过拉伸其投影面轮廓来进行拟合；针对墩柱点云簇，首先进行形状识别，再决定是将其表示为通用几何基元亦或使用切片法进行拟合；针对钢筋混凝土的梁体点云簇，假设梁体是预制梁，使用模板匹配的方法将特定预制梁剖面进行匹配拟合。
一种可选的实施方式，桥梁的拓扑结构通常取决于其桥面路线平面和纵向中轴线，即可理解为桥面的直线度和平整度。而现实世界中的桥梁，不论拟建、在建或在役，都不存在完全直线和平整的桥面。为规避或兼容桥梁所属路线的几何约束，桥面路线多采用曲线。因此，人工创建桥面模型去拟合在役桥梁的桥面的点云簇非常困难，肉眼很难捕捉桥面曲率的变化，需要将点云先进行局部切割，不停旋转角度等操作去寻找最佳视角，以便获取描述其几何形状的一系列指标。且需要将创建的几何体来回进行修正和调整，以达到近似拟合点云的目的。这种人工拟合方式，很难精准建模并拟合点云簇。基于此，本实施例的方法通过多个直线段来自动近似拟合真实在役桥梁的桥面路线平面或纵向中轴线，使多个无间隙的平面桥面切片段互相链接以近似整体平面中轴线，近似纵向中轴线的方式也类似如此。
普通钢筋混凝土梁板桥的平面中轴线采用二次圆曲线表示：
其中，
为参数，
为半径。
由于桥面属于桥梁面积最大的构件，通常情况下点云体量最大，因为运用10%的桥面点云随机降采样进行圆曲线拟合。具体做法是将这些降采样的桥面点投影在全局工程坐标系XY平面上，然后运用最小二乘法将唯一的圆曲线二次多项式拟合到投影的N个点
上，其中
。设样本集中点到圆心的距离为
：
点
到圆边缘的距离的平方与半径平方的差为：
令
求解参数
使得
取得最小值：
设桥面切割为
个切片段，计算桥面圆曲线每个插值处
的切线方向
，插值处
的法线方向为
。桥面沿每个插值处法线方向切割成
段切片，
，如图2所示。
假设每个切片
沿其切线方向直线延伸，且单个切片的横截面恒定不变。于是对整个桥面建模的问题转化为对每个桥面切片
进行建模，再将它们首尾相连。每个切片
，使用以下方法绕
轴旋转：
其中，
是切片
法线与全局工程坐标系下平面Y轴之间的夹角，切片法线由局部工程坐标系下切片
的中位X值计算而得。使用2D ConcaveHull 
形状算法描述每个切片
的横截面轮廓，将横截面局部坐标系下的凹包点定义为
，并用IfcCartesianPoint去进行描述，如图3中（a）所示，再用IfcPolyline存储由IfcCartesianPoint组成的多边形线段对象，如图3中（b）所示。创建切片模型时，通过IfcArbitraryClosedProfileDef描述切片横截面二维轮廓，通过IfcExtrudedAreaSolid 和IfcShapeRepresentation使用拉伸模型创建桥面切片段几何体。拉伸区域的几何实体通过2个属性定义，即拉伸方向ExtrudedDirection和拉伸深度Depth。切片
的拉伸方向ExtrudedDirection由每个切片中位X值计算而得，拉伸深度Depth由每个旋转后定向桥面切片的首尾
坐标值求得。另外，通过IfcPropertyset自定义切片属性，包括名称、数据类型和数值。本实施例引入属性集Pset_SlabSliceProperties，将每个桥面切片的属性(如横截面面积、长度、方向)合并成一个属性集IfcPropertyset。
一种可选的实施方式，类似于桥面，人工创建墩帽模型时，也需要将墩帽点云进行旋转，从最佳视角去获取其横截面几何。由于桥面通常具有弧度或倾斜，位于桥面的墩帽也会有不同程度的倾斜，且墩帽也存在很多非常规形状。这些因素都增加了人工创建墩帽模型的难度。基于此，本实施例在基于墩帽点云簇进行建模时，先自动将其点投影到全局工程坐标系XY平面上。然后使用2D ConcaveHull 
形状算法来描述投影轮廓，墩帽的局部工程坐标系XY平面投影的每个凹包都用IfcCartesianPoint描述，再通过IfcPolyLine存储由IfcCartesianPoint组成的多边形线段对象。类似桥面切片，墩帽建模也通过IfcArbitraryClosedProfileDef和IfcExtrudedAreaSolid（即通过IfcArbitraryClosedProfileDef描述墩帽横截面二维轮廓，通过IfcExtrudedAreaSolid使用拉伸模型创建墩帽几何体）。假设墩帽的拉伸方向是垂直全局工程坐标系XY平面，其深度定义为墩帽的高度，该高度由其局部工程坐标系下Z坐标的最大最小值计算而得。
一种可选的实施方式，桥梁墩柱支撑桥梁的重量以抵抗重力，并用作挡土墙以抵抗横向移动。现实中在役桥梁墩柱形状各异，很难通过通用的参数化基元去创建墩柱构件模型。墩柱或上下部造型不同，或横截面呈非常规形状，或横截面随高度变化呈放大或缩小状，亦或存在轻微/轻度倾斜，不完全垂直地面。且与理想化点云或合成点云数据不同，在役桥梁点云通常包含缺陷。这些因素都加大人工创建墩柱的难度和准确度。通常来说，墩柱的横截面(其大小比例可随墩高变化而变化)决定了墩柱的形状。图4展示了一组最典型的现代公路桥梁桥墩横截面形状。
为了简化问题，本实施例将典型墩柱形状的横截面分为3类基元：圆形(对应圆柱形桥墩)、四边形(对应长方体或梯形棱柱桥墩)、其他形状：形状组1 – 圆形(图4中(h))；形状组2 – 四边形(图4中(d))；形状组3 – 其他形状：图4中(a)、(b)、(c)、(e)、(f)和(g)。
本实施例采用基于模糊逻辑的形状检测方法来自动识别墩柱横截面的形状，可应对缩放、失真、遮挡、边界产生的锯齿状边缘和不理想点云投影中的模糊性，不受点云噪音、边缘效应、尺寸大小、不均匀分布点和遮挡等因素影响。
假设墩柱是准垂直的，即可能存在轻微倾斜，但不存在重度倾斜，将一个墩柱点云簇投影到全局工程坐标系XY平面上并使用投影边缘凹包计算投影点的周长
和周长所围住区域的面积
。接着计算投影边缘凹包所围区域的外部矩形框面积
即1个二维定向框的面积以及投影边缘凹包所围区域的内部最大四边形面积
。图5展示了一个圆柱形墩柱和一个梯形棱柱墩的示例。如图5所示，圆柱体墩柱的横截面近似圆形，梯形棱柱墩柱的横截面近似矩形。若横截面检测为圆形，则凹包周长
(图5中(a)中(3))、外部矩形框面积
(图5中(a)中(4))、内部最大四边形面积
(图5中(a)中(5))彼此有明显不同；而若横截面是四边形，则这三个几何特征值彼此相似(图5中(b))。
定义薄度比为
，圆的薄度比最小，因为它是包围给定区域的周长最小的图形，薄度比值约为
。所以若 
则横截面识别为圆形；若
，则横截面识别为矩形。使用下面的Bretschneider公式来计算一组二维点内的四边形的面积，如图6所示：
其中，
是半周长。投影边缘凹包内部最大四边形面积
是
的最大取值。
若识别特征既不满足圆形也不满足矩形特征，则横截面呈另一种形状。对于被识别为第 1 组的圆形，使用少量参数来描述圆柱体墩柱。否则，对墩柱进行切片操作并使用2D ConcaveHull
形状算法来描述横截面。
（1）圆柱体墩柱
若墩柱横截面形状被识别为圆形，则是圆柱体墩柱，需要至少3个几何参数来定义三维空间中的圆柱体，即半径(或直径)、位置和方向。使用切片法沿局部工程坐标系下Z轴进行切片。使用IfcAxis2Placement3D描述圆柱体墩柱的定位点和方向。定位点的坐标作为属性Position存储在IfcCartesianPoint中。墩柱方向信息存储在IfcDirection中，IfcDirection由圆柱底部和顶部切片中心计算的向量定义，即点
和点
:
。沿墩柱方向再次进行切片操作，计算每个切片的半径，再对多个切片的半径进行平均，平均半径作为整个圆柱体墩柱的半径。平均半径值作为属性Radius存储在IfcCircleProfileDef中。与桥面和墩帽同样，圆柱体墩柱的几何体由IfcExtrudedAreaSolid和IfcShapeRepresentation通过沿方向IfcDirection拉伸来创建。使用属性集Pset_CylinderProperties定义4个属性：定位点Position、方向Direction、直径Diameter和长度Length，并合成一个属性集IfcPropertyset。
（2）矩形和其他形状墩柱
若墩柱横截面形状被识别为矩形或其他形状，使用堆叠表示通过多个切片模型来近似拟合整个桥墩形状。对于每个切片，用与墩帽建模相同的方法。即通过2D ConcaveHull
形状算法并使用IfcArbitraryClosedProfileDef和IfcExtrudedAreaSolid来描述桥墩切片的横截面。
一种可选的实施方式，假设梁是预制装配式混凝土工字梁，本实施例仿照人工基于点云推断梁体规格型号并创建梁体的过程，运用模板匹配方法在现有预制装配式工字梁目录中自动推断最匹配的梁类型。使用3个规则来做推断：(1)跨长
；(2)梁体底部翼缘
；和(3)腹板深度
。由于梁体剖面选择基于对给定跨度的桥梁深度的计算，因此跨长
可缩小梁体类型搜寻的范围。如图7所示，已知每一个桥面跨的斜率
，可推导出角度
。使用局部工程坐标系下每个桥面跨的最大最小X和Y坐标近似计算
，即
；计算桥梁中每根梁的底部翼缘，再取平均得到
；使用每跨中梁体沿局部工程坐标系下Z轴的点云投影直方图近似计算得到腹板深度
。图7展示使用以上3个匹配规则来推断出梁体类型，其中
，由此匹配到最接近的预制装配式混凝土工字梁型号为SY梁体的SY2类型。
梁体剖面特征点用于描述其几何形状。已知梁体底部的中间坐标为起点，如图8中的点pt_start和预制梁WF50G 的尺寸，则梁体每个特征点（即图8中的pt1-pt16）都可用精确的坐标推导定义。将每个特征点的坐标存储在其局部工程坐标系XY平面内IfcCartesianPoint中，再将剖面轮廓用IfcArbitraryClosedProfileDef描述并映射到IfcPolyline。假设每跨中的梁体呈直线状，则建模拉伸方向由梁体点云簇的起点和终点的底部中点定义。使用属性集Pset_GirderProperties，添加梁体类型Girder Type、梁体长度Length 和 梁体斜率Slope等属性，且可使用其定向边界框来计算梁体的长度和斜率信息。
本实施例运用10座桥梁的点云数据集进行实施验证，下表1展示了由本实施例提出的方法以IFC格式描述和存储的精度为LOD 250–300的几何孪生模型结果节选。其中2DConcaveHull
形状算法中
值设置为0.98。
表1 LOD 250-300桥梁的几何孪生体
本实施例公开的自动几何孪生方法平均所花费的建模时间为37.6 (±28.4)秒。同时，建模人员也对相同的10座桥梁的点云进行人工几何孪生，平均建模时间为27.6小时=99360秒。由此可见，本实施例所花费的建模时间相比人工建模大幅压缩。
本实施例还提出了一种基于标记点云的自动几何孪生系统，如图9所示，该系统包括：
数据获取模块，用于获取多种带有桥梁构建类型标记的点云簇。
特征提取和形状识别模块，用于对多种带有桥梁构建类型标记的点云簇进行几何特征提取和形状识别。
拟合模块，对提取的特征和识别的形状进行拟合。
输出模块，以IFC格式输出在役钢筋混凝土梁板桥的几何孪生体。
本实施例还提出了一种计算机设备，用于执行本实施例的上述方法。
计算机设备包括处理器、内存储器和系统总线；内存储器和处理器在内的各种设备组件连接到系统总线上。处理器是一个用来通过计算机系统中基本的算术和逻辑运算来执行计算机程序指令的硬件。内存储器是一个用于临时或永久性存储计算程序或数据(例如，程序状态信息)的物理设备。系统总线可以为以下几种类型的总线结构中的任意一种，包括存储器总线或存储控制器、外设总线和局部总线。处理器和内存储器可以通过系统总线进行数据通信。其中内存储器包括只读存储器(ROM)或闪存(图中未示出)，以及随机存取存储器(RAM)，RAM通常是指加载了操作系统和计算机程序的主存储器。
计算机设备一般包括一个外存储设备。外存储设备可以从多种计算机可读介质中选择，计算机可读介质是指可以通过计算机设备访问的任何可利用的介质，包括移动的和固定的两种介质。例如，计算机可读介质包括但不限于，闪速存储器(微型SD卡)，CD-ROM，数字通用光盘(DVD)或其它光盘存储、磁带盒、磁带、磁盘存储或其它磁存储设备，或者可用于存储所需信息并可由计算机设备访问的任何其它介质。
计算机设备可在网络环境中与一个或者多个网络终端进行逻辑连接。网络终端可以是个人电脑、服务器、路由器、智能电话、平板电脑或者其它公共网络节点。计算机设备通过网络接口（局域网LAN接口）与网络终端相连接。局域网(LAN)是指在有限区域内，例如家庭、学校、计算机实验室、或者使用网络媒体的办公楼，互联组成的计算机网络。WiFi和双绞线布线以太网是最常用的构建局域网的两种技术。
应当指出的是，其它包括比计算机设备更多或更少的子系统的计算机系统也能适用于发明。
如上面详细描述的，适用于本实施例的计算机设备能执行基于标记点云的自动几何孪生方法的指定操作。计算机设备通过处理器运行在计算机可读介质中的软件指令的形式来执行这些操作。这些软件指令可以从存储设备或者通过局域网接口从另一设备读入到存储器中。存储在存储器中的软件指令使得处理器执行上述的群成员信息的处理方法。此外，通过硬件电路或者硬件电路结合软件指令也能同样实现本发明。因此，实现本实施例并不限于任何特定硬件电路和软件的组合。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于标记点云的自动几何孪生方法，其特征在于，包括：
获取多种带有桥梁构建类型标记的点云簇；
对多种所述带有桥梁构建类型标记的点云簇分别进行几何特征提取和形状识别；
对提取的特征和识别的形状进行拟合，并以IFC格式输出桥梁的几何孪生体。
2.根据权利要求1所述的一种基于标记点云的自动几何孪生方法，其特征在于，多种带有桥梁构建类型标记的点云簇包括：桥面、墩帽、墩柱和梁体的点云簇。
3.根据权利要求2所述的一种基于标记点云的自动几何孪生方法，其特征在于，基于桥面点云簇进行特征提取、形状识别和拟合过程具体包括：
对桥面点云簇进行随机降采样；
将降采样的桥面点云投影在全局工程坐标系XY平面上；
运用最小二乘法将圆曲线二次多项式拟合到投影的N个点上；
计算桥面圆曲线每个插值处的切线方向和法向方向；
桥面沿每个插值处法线方向切割成多段切片；
对每个桥面切片进行建模，再将它们首尾相连，即可实现整个桥面建模。
4.根据权利要求3所述的一种基于标记点云的自动几何孪生方法，其特征在于，对于每个桥面切片，使用2D ConcaveHull 
形状算法描述每个切片的横截面轮廓，并将横截面局部坐标系下的凹包点用IfcCartesianPoint进行描述，再用IfcPolyline存储由IfcCartesianPoint组成的多边形线段对象；
创建切片模型时，通过IfcArbitraryClosedProfileDef描述切片横截面二维轮廓，通过IfcExtrudedAreaSolid 和 IfcShapeRepresentation使用拉伸模型创建桥面切片段几何体；
通过IfcPropertyset自定义切片属性，包括名称、数据类型和数值，并采用属性集Pset_SlabSliceProperties，将每个桥面切片的属性合并成一个属性集IfcPropertyset。
5.根据权利要求2所述的一种基于标记点云的自动几何孪生方法，其特征在于，基于墩帽点云簇进行特征提取、形状识别和拟合过程具体包括：
将墩帽点云投影到全局工程坐标系XY平面上；
使用2D ConcaveHull 
形状算法来描述投影轮廓，墩帽的局部工程坐标系XY平面投影的每个凹包都用IfcCartesianPoint描述；
再通过IfcPolyLine存储由IfcCartesianPoint组成的多边形线段对象；
墩帽建模时，通过IfcArbitraryClosedProfileDef描述墩帽横截面二维轮廓，通过IfcExtrudedAreaSolid使用拉伸模型创建墩帽几何体。
6.根据权利要求2所述的一种基于标记点云的自动几何孪生方法，其特征在于，基于墩柱点云簇进行特征提取、形状识别和拟合过程具体包括：
将墩柱点云簇投影到全局工程坐标系XY平面上并使用投影边缘凹包计算投影点的周长；
计算投影边缘凹包所围区域的外部矩形框面积以及投影边缘凹包所围区域的内部最大四边形面积；
根据计算得到的周长、外部矩形框面积和内部最大四边形面积，识别出墩柱的横截面形状。
7.根据权利要求6所述的一种基于标记点云的自动几何孪生方法，其特征在于，如果识别出墩柱的横截面形状为圆形，则需要至少3个几何参数来定义三维空间中的圆柱体，使用切片法沿局部工程坐标系下Z轴进行切片；
使用IfcAxis2Placement3D描述圆柱体墩柱的定位点和方向；
定位点的坐标作为属性Position存储在IfcCartesianPoint中；
墩柱方向信息存储在IfcDirection中，IfcDirection由圆柱底部和顶部切片中心计算的向量定义；
沿墩柱方向再次进行切片操作，计算每个切片的半径，再对多个切片的半径进行平均，平均半径作为整个圆柱体墩柱的半径；
平均半径值作为属性Radius存储在 IfcCircleProfileDef中；
圆柱体墩柱的几何体由 IfcExtrudedAreaSolid和IfcShapeRepresentation通过沿方向IfcDirection拉伸来创建。
8.根据权利要求6所述的一种基于标记点云的自动几何孪生方法，其特征在于，如果识别出墩柱横截面形状为矩形或其他形状，使用堆叠表示通过多个切片模型来近似拟合整个桥墩形状；
对于每个切片，通过2D ConcaveHull 
形状算法并使用IfcArbitraryClosedProfileDef和IfcExtrudedAreaSolid来描述桥墩切片的横截面。
9.根据权利要求2所述的一种基于标记点云的自动几何孪生方法，其特征在于，基于梁体点云簇进行特征提取、形状识别和拟合过程具体包括：
使用每个桥面跨的最大最小坐标计算跨长；
计算桥梁中每根梁的底部翼缘，再取平均得到梁体底部翼缘；
使用每跨中梁体沿局部工程坐标系下Z轴的点云投影直方图计算得到腹板深度；
根据跨长、梁体底部翼缘和腹板深度，匹配到最接近的预制装配式混凝土工字梁型号；
将梁体底部的中间坐标为起点，根据预制梁的尺寸，得到梁体每个特征点的坐标；
将每个特征点的坐标存储在局部工程坐标系XY平面内IfcCartesianPoint中；
将剖面轮廓用IfcArbitraryClosedProfileDef描述并映射到IfcPolyline。
10.一种基于标记点云的自动几何孪生系统，其特征在于，包括：
数据获取模块，用于获取多种带有桥梁构建类型标记的点云簇；
特征提取和形状识别模块，用于对多种带有桥梁构建类型标记的点云簇进行几何特征提取和形状识别；
拟合模块，对提取的特征和识别的形状进行拟合；
输出模块，以IFC格式输出在役钢筋混凝土梁板桥的几何孪生体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310058849.3A CN115795632A (zh) | 2023-01-17 | 2023-01-17 | 一种基于标记点云的自动几何孪生方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310058849.3A CN115795632A (zh) | 2023-01-17 | 2023-01-17 | 一种基于标记点云的自动几何孪生方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115795632A true CN115795632A (zh) | 2023-03-14 |
Family
ID=85429745
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310058849.3A Withdrawn CN115795632A (zh) | 2023-01-17 | 2023-01-17 | 一种基于标记点云的自动几何孪生方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115795632A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116797759A (zh) * | 2023-08-22 | 2023-09-22 | 四川省公路规划勘察设计研究院有限公司 | 公路设施病害基于深度学习的标准化自动孪生方法及系统 |
| CN117788476A (zh) * | 2024-02-27 | 2024-03-29 | 南京邮电大学 | 一种基于数字孪生技术的工件缺陷检测方法、装置 |
| CN117788476B (zh) * | 2024-02-27 | 2024-05-10 | 南京邮电大学 | 一种基于数字孪生技术的工件缺陷检测方法、装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160364905A1 (en) * | 2015-06-15 | 2016-12-15 | Electronics And Telecommunications Research Institute | Apparatus and method for generating 3d model |
| CN114332401A (zh) * | 2022-03-11 | 2022-04-12 | 四川省公路规划勘察设计研究院有限公司 | 一种三维地质模型的结构复杂度定量评估方法 |
| US20220189070A1 (en) * | 2020-12-16 | 2022-06-16 | Dassault Systemes | Machine-learning for 3d object detection |
| CN115018982A (zh) * | 2022-05-31 | 2022-09-06 | 电子科技大学 | 一种基于地基激光雷达点云的树木数字孪生方法 |
-
2023
- 2023-01-17 CN CN202310058849.3A patent/CN115795632A/zh not_active Withdrawn
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160364905A1 (en) * | 2015-06-15 | 2016-12-15 | Electronics And Telecommunications Research Institute | Apparatus and method for generating 3d model |
| US20220189070A1 (en) * | 2020-12-16 | 2022-06-16 | Dassault Systemes | Machine-learning for 3d object detection |
| CN114332401A (zh) * | 2022-03-11 | 2022-04-12 | 四川省公路规划勘察设计研究院有限公司 | 一种三维地质模型的结构复杂度定量评估方法 |
| CN115018982A (zh) * | 2022-05-31 | 2022-09-06 | 电子科技大学 | 一种基于地基激光雷达点云的树木数字孪生方法 |
Non-Patent Citations (1)
| Title |
|---|
| RUODAN LU等: "Digital Twinning of Existing Reinforced Concrete Bridges from Labelled Point Clusters" * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116797759A (zh) * | 2023-08-22 | 2023-09-22 | 四川省公路规划勘察设计研究院有限公司 | 公路设施病害基于深度学习的标准化自动孪生方法及系统 |
| CN116797759B (zh) * | 2023-08-22 | 2023-11-17 | 四川省公路规划勘察设计研究院有限公司 | 公路设施病害基于深度学习的标准化自动孪生方法及系统 |
| CN117788476A (zh) * | 2024-02-27 | 2024-03-29 | 南京邮电大学 | 一种基于数字孪生技术的工件缺陷检测方法、装置 |
| CN117788476B (zh) * | 2024-02-27 | 2024-05-10 | 南京邮电大学 | 一种基于数字孪生技术的工件缺陷检测方法、装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Badenko et al. | Scan-to-BIM methodology adapted for different application | |
| Bosché et al. | The value of integrating Scan-to-BIM and Scan-vs-BIM techniques for construction monitoring using laser scanning and BIM: The case of cylindrical MEP components | |
| CN108846888B (zh) | 一种古木建筑构件精细尺寸信息自动化提取方法 | |
| Xu et al. | Reconstruction of scaffolds from a photogrammetric point cloud of construction sites using a novel 3D local feature descriptor | |
| CN110532602A (zh) | 一种基于平面图图像的室内自动制图与建模方法 | |
| Qin et al. | Automated reconstruction of parametric bim for bridge based on terrestrial laser scanning data | |
| CN107918953B (zh) | 基于三维空间的激光扫描电力线点云的提取方法及装置 | |
| CN113724401B (zh) | 一种三维模型切割方法、装置、计算机设备和存储介质 | |
| CN115795632A (zh) | 一种基于标记点云的自动几何孪生方法和系统 | |
| CN116402866A (zh) | 基于点云的零件数字孪生几何建模与误差评定方法及系统 | |
| Li et al. | 3D model-based scan planning for space frame structures considering site conditions | |
| CN114119804A (zh) | 平面模型包围多边形生成方法、装置及家具轮廓识别方法 | |
| CN107818338B (zh) | 一种面向地图综合的建筑物群组模式识别的方法及系统 | |
| CN111881964A (zh) | 一种基于Delaunay三角网的线性建筑物模式识别方法与系统 | |
| CN116883754A (zh) | 一种面向地面LiDAR点云的建筑物信息提取方法 | |
| Hu et al. | Semi-automated generation of geometric digital twin for bridge based on terrestrial laser scanning data | |
| Lu et al. | Digital twinning of existing bridges from labelled point clusters | |
| Song et al. | Automatic recovery of networks of thin structures | |
| Szombara | Unambiguous collapse operator of digital cartographic generalisation | |
| CN117423000B (zh) | 一种基于mars的道路纵断面线形智能重构的方法 | |
| Kim et al. | 3D reconstruction of large-scale scaffolds with synthetic data generation and an upsampling adversarial network | |
| Gkeli et al. | Automatic 3D reconstruction of buildings roof tops in densely urbanized areas | |
| Piepereit et al. | Towards automatic processing of virtual city models for simulations | |
| Inui et al. | Contour-type cutter path computation using ultra-high-resolution dexel model | |
| CN117437364B (zh) | 基于残缺点云数据的建筑三维结构提取方法和装置 |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230314 |
|
| WW01 | Invention patent application withdrawn after publication |