CN116309118A - 基于射线法的隧道点云去噪方法及系统 - Google Patents
基于射线法的隧道点云去噪方法及系统 Download PDFInfo
- Publication number
- CN116309118A CN116309118A CN202310089968.5A CN202310089968A CN116309118A CN 116309118 A CN116309118 A CN 116309118A CN 202310089968 A CN202310089968 A CN 202310089968A CN 116309118 A CN116309118 A CN 116309118A
- Authority
- CN
- China
- Prior art keywords
- tunnel
- point cloud
- point
- contour
- cloud data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 79
- 238000005070 sampling Methods 0.000 claims abstract description 57
- 238000000605 extraction Methods 0.000 claims abstract description 53
- 238000013499 data model Methods 0.000 claims abstract description 30
- 230000015654 memory Effects 0.000 claims description 17
- 238000013461 design Methods 0.000 claims description 13
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 4
- 230000005855 radiation Effects 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 2
- 238000001914 filtration Methods 0.000 description 14
- 230000000694 effects Effects 0.000 description 8
- 238000010276 construction Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- 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
- 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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了基于射线法的隧道点云去噪方法及系统,基于原始点云数据,构建隧道的三维点云数据模型;沿着隧道中轴线方向,将隧道的三维点云数据模型等间隔分割为若干个隧道点云切片;将每个切片的点云数据向切片中间横截面进行投影,得到隧道轮廓线,将隧道轮廓线视为轮廓提取对象;构建隧道轮廓提取器;将隧道轮廓提取器与轮廓提取对象的几何中心点进行匹配;由隧道轮廓提取器上的任意一点作为射线发出的原点,以轮廓提取对象的几何中心作为射线的目标点,在原点与目标点之间发射一条射线;判断各射线方向隧道点云上是否存在点云采样点,如果是,就将点云采样点保存,最后将所有保存的点云采样点合并,得到去除隧道点云噪点的隧道点云数据。
Description
技术领域
本发明涉及隧道轮廓点云数据处理的技术领域,特别是涉及基于射线法的隧道点云去噪方法及系统。
背景技术
本部分的陈述仅仅是提到了与本发明相关的背景技术,并不必然构成现有技术。
目前,三维激光扫描技术作为一种新兴的先进视觉技术,凭借其高精度、高效率、高分辨率、全自动数字化采集、数据量丰富等特点被广泛应用于隧道监控量测和可视化数字管理。目前层出不穷的三维激光扫描仪测量精度不断提高,仪器成本不断降低,使得在很多领域的应用上已经可以替代全站仪的作用,能够基本满足隧道监控量测的精度要求。但也因为获取的点云数据过于丰富且存在大量噪点,所以在后期数据应用前需要进行点云滤波,去除噪点及不感兴趣的结构,如隧道内附属结构、车辆、行人等,此外,点云滤波效果的好坏将直接影响三维激光点云是否满足应用要求。
传统的针对隧道点云的去噪方法主要有拟合法、分割法、三角网法、机器学习法等,且均具有一定的局限性。基于几何形状拟合的隧道滤波去噪方法依赖于插值方法的选择,所采用的多层级迭代方式容易出现误差传递与累积。基于分割的滤波算法的滤波效果过分依赖与聚类分割的结果。基于不规则三角网方法需要占用大量内存,且受到隧道内附属结构、机械、车辆等点云噪点的干扰影响大。基于机器学习的滤波方法需要大量的训练样本,其样本必须覆盖所有可能的隧道形状特征,对计算机资源要求非常高,取得较好滤波效果难度较大。
以上隧道去噪方法均着眼于从隧道内部实现去除隧道噪声,但隧道结构尺寸规模较大且隧道内部包含复杂的噪声数据,尤其是施工期隧道包含大量复杂结构,隧道点云滤波去噪获取隧道轮廓点云将带来较大的工作量和技术难度。
发明内容
为了解决现有技术的不足,本发明提供了基于射线法的隧道点云去噪方法及系统;从隧道外部入手,实现隧道轮廓高效识别和提取隧道轮廓断面可视化数据,能够解决现有隧道结构点云滤波去噪难度大,精度低等去噪效果不理想问题。
第一方面,本发明提供了基于射线法的隧道点云去噪方法;
基于射线法的隧道点云去噪方法,包括:
(1)基于三维激光扫描方式,获取隧道的原始点云数据;基于原始点云数据,构建隧道的三维点云数据模型;对隧道的三维点云数据模型进行去噪处理,去除隧道点云轮廓外的隧道点云离群点;
(2)沿着隧道中轴线方向,将去噪后隧道的三维点云数据模型等间隔分割为若干个隧道点云切片;将每个切片的点云数据向切片中间横截面进行投影,得到隧道轮廓线,将隧道轮廓线视为轮廓提取对象;
(3)构建隧道轮廓提取器;所述隧道轮廓提取器,首先对设计尺寸的衬砌轮廓按照设定比例进行放大,然后对放大后的隧道衬砌轮廓进行取点采样,采样密度按照最终拟获取的去噪后隧道点云密度设置,获得表征放大后隧道衬砌轮廓的点云数据,其由一组包含坐标信息的点组成,得到隧道轮廓提取器;
(4)将隧道轮廓提取器与轮廓提取对象的几何中心点进行匹配;
(5)由隧道轮廓提取器上的任意一点作为射线发出的原点,以轮廓提取对象的几何中心作为射线的目标点,在原点与目标点之间发射一条射线;
(6)判断各射线方向隧道点云上是否存在点云采样点,如果否,则返回(4),继续检测下一个轮廓提取对象,如果是,就将点云采样点保存,返回(5)更换原点坐标位置后,重新发射射线,重复(5)若干次直至不存在新的点云采样点,返回(4)检测下一个轮廓提取对象,最后将所有保存的点云采样点合并,得到去除隧道点云噪点的隧道点云数据。
第二方面,本发明提供了基于射线法的隧道点云去噪系统;
基于射线法的隧道点云去噪系统,包括:
获取模块,其被配置为:基于三维激光扫描方式,获取隧道的原始点云数据;基于原始点云数据,构建隧道的三维点云数据模型;对隧道的三维点云数据模型进行去噪处理,去除隧道点云轮廓外的隧道点云离群点;
切片分割模块,其被配置为:沿着隧道中轴线方向,将去噪后隧道的三维点云数据模型等间隔分割为若干个隧道点云切片;将每个切片的点云数据向切片中间横截面进行投影,得到隧道轮廓线,将隧道轮廓线视为轮廓提取对象;
构建模块,其被配置为:构建隧道轮廓提取器,所述隧道轮廓提取器,首先对设计尺寸的衬砌轮廓按照设定比例进行放大,然后对放大后的隧道衬砌轮廓进行取点采样,采样密度按照最终拟获取的去噪后隧道点云密度设置,获得表征放大后隧道衬砌轮廓的点云数据,其由一组包含坐标信息的点组成,得到隧道轮廓提取器;
匹配模块,其被配置为:将隧道轮廓提取器与轮廓提取对象的几何中心点进行匹配;
射线发射模块,其被配置为:由隧道轮廓提取器上的任意一点作为射线发出的原点,以轮廓提取对象的几何中心作为射线的目标点,在原点与目标点之间发射一条射线;
判断模块,其被配置为:判断各射线方向隧道点云上是否存在点云采样点,如果否,则返回匹配模块,继续检测下一个轮廓提取对象,如果是,就将点云采样点保存,返回射线发射模块更换原点坐标位置后,重新发射射线,重复射线发射模块的工作若干次直至不存在新的点云采样点,返回匹配模块检测下一个轮廓提取对象,最后将所有保存的点云采样点合并,得到去除隧道点云噪点的隧道点云数据。
第三方面,本发明还提供了一种电子设备,包括:
存储器,用于非暂时性存储计算机可读指令;以及
处理器,用于运行所述计算机可读指令,
其中,所述计算机可读指令被所述处理器运行时,执行上述第一方面所述的方法。
第四方面,本发明还提供了一种存储介质,非暂时性地存储计算机可读指令,其中,当非暂时性计算机可读指令由计算机执行时,执行第一方面所述方法的指令。
第五方面,本发明还提供了一种计算机程序产品,包括计算机程序,所述计算机程序当在一个或多个处理器上运行的时候用于实现上述第一方面所述的方法。
与现有技术相比,本发明的有益效果是:
现有常见隧道去噪技术可分为基于隧道结构特征的和基于点云点特征的,前者着眼于隧道结构采用几何拟合或模型滤波的方法,滤波效果不彻底,往往需要多种滤波方法组合,后者基于点云局部邻域点的特征如密度、曲率、法向等,计算量大,滤波效率低,往往无法实现隧道内如附属结构、车辆、人员等无关点云数据的去除,本发明着眼于隧道断面外部,实现隧道外部轮廓的获取,能够有效去除隧道内大量的杂乱点云数据噪声,尤其是针对施工期隧道点云,操作相对简单,且具有较好的处理效率和去噪效果。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1为本发明实施例中基于射线法的隧道点云去噪的方法流程图;
图2为本发明实施例中基于三维激光扫描技术获取的施工期公路隧道原始点云数据;
图3为本发明实施例中沿隧道中轴线平行方向将对隧道进行切片并将切片点云向切片中心投影示意图;
图4为本发明实施例中轮廓提取器与隧道轮廓提取对象匹配示意图;
图5为本发明实施例中射线上点的半径邻域范围示意图;
图6(a)和图6(b)为本发明实施例中隧道点云去噪效果展示图;
其中,1.隧道点云轮廓;2.隧道点云噪点;3.隧道点云离群点;4.隧道点云切片;5.隧道轮廓线;6.隧道轮廓提取器;7.射线;8.射线上点的半径邻域范围;9.点云采样点;10.隧道的原始点云数据;11.去噪后的隧道点云数据。
具体实施方式
应该指出,以下详细说明都是示例性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
本实施例所有数据的获取都在符合法律法规和用户同意的基础上,对数据的合法应用。
实施例一
本实施例提供了基于射线法的隧道点云去噪方法;
如图1所示,基于射线法的隧道点云去噪方法,包括:
S101:基于三维激光扫描方式,获取隧道的原始点云数据10;基于原始点云数据,构建隧道的三维点云数据模型;对隧道的三维点云数据模型进行去噪处理,去除隧道点云轮廓1外的隧道点云离群点3;
S102:沿着隧道中轴线方向,将去噪后隧道的三维点云数据模型等间隔分割为若干个隧道点云切片4;将每个切片的点云数据向切片中间横截面进行投影,得到隧道轮廓线5,将隧道轮廓线视为轮廓提取对象;
S103:构建隧道轮廓提取器6,所述隧道轮廓提取器,首先对设计尺寸的衬砌轮廓按照设定比例进行放大,然后对放大后的隧道衬砌轮廓进行取点采样,采样密度按照最终拟获取的去噪后隧道点云密度设置,获得表征放大后隧道衬砌轮廓的点云数据,其由一组包含坐标信息的点组成,得到隧道轮廓提取器;
S104:将隧道轮廓提取器与轮廓提取对象的几何中心点进行匹配;
S105:由隧道轮廓提取器上的任意一点作为射线发出的原点,以轮廓提取对象的几何中心作为射线的目标点,在原点与目标点之间发射一条射线7;
S106:判断各射线方向隧道点云上是否存在点云采样点9,如果否,则返回S104,继续检测下一个轮廓提取对象,如果是,就将点云采样点保存,返回S105更换原点坐标位置后,重新发射射线,重复S105若干次直至不存在新的点云采样点,返回S104检测下一个轮廓提取对象,最后将所有保存的点云采样点合并,得到去除隧道点云噪点2的隧道点云数据。
应理解地,在对隧道点云数据沿隧道中轴线(隧道的中轴线是隧道内部空间中心位置处与其延伸方向相平行的一条虚拟曲线,表示隧道整体的走向和姿态)进行断面切割时,实际是选取隧道延伸方向某区间范围内的点云数据作为切片,(如Zi±delta/2,Zi即为该隧道轮廓线的延伸方向坐标值,delta即为该切片的宽度)。因此将每个切片的点云投影到每个切片中间的横断面上,得到隧道横断面的轮廓,将每个切片向切片中间面进行投影,得到每个切片对应的隧道断面点云数据隧道轮廓线5;将每个切片对应的隧道断面点云数据隧道轮廓线视为轮廓提取对象。
关于切片宽度,若切片过厚,则会影响断面轮廓线对隧道实际空间的表述,导致精度降低;若切片过薄,则可能出现切片内点云分布不均,噪点比重过大,进而导致误差过大,因此切片厚度需要适中,以保证切片的精度并使数据具有代表性。
进一步地,所述S101:基于三维激光扫描方式,获取隧道的原始点云数据;基于原始点云数据,构建隧道的三维点云数据模型,具体包括:
使用三维激光雷达对隧道结构进行扫描作业,获取既有隧道结构的点云数据,得到隧道结构的三维点云数据模型,并为隧道结构三维点云建立局部坐标系。
示例性地,隧道场景激光雷达扫描作业:使用三维激光雷达对隧道结构进行扫描作业,扫描隧道对象,包括但不限于:运行期和施工期的公路隧道、轨交隧道,获取既有隧道结构的点云数据后经数据解算、拼接后得到隧道结构基本三维点云数据模型,并为隧道结构三维点云建立局部坐标系。图2为本发明实施例中基于三维激光扫描技术获取的施工期公路隧道原始点云数据。
因隧道作为狭长结构,架站式或移动式激光雷达均难以一次性作业完成隧道结构扫描任务,所以所述隧道结构基本三维点云数据模型是指激光雷达多站点多期次扫描隧道结构点云数据配准拼接得到的。
进一步地,所述S101:对隧道的三维点云数据模型进行去噪处理,去除隧道点云轮廓外的隧道点云离群点,具体包括:
基于点云中所有点的距离的高斯分布,设置均值和方差,去除隧道点云明显离群噪点。
进一步地,所述S102:沿着隧道中轴线方向,将去噪后隧道的三维点云数据模型等间隔分割为若干个隧道点云切片,具体包括:
对隧道点云数据进行笛卡尔坐标系内位姿调整:调整隧道点云位姿使隧道断面轮廓平行于XOY面,隧道点云延伸沿Z坐标轴方向;
计算隧道点云数据的最小包围盒,获取最小包围盒在Z坐标轴上的极值Zmin和Zmax,设置隧道点云切片的厚度delta,相邻切片的间隙为gap,对隧道点云数据的最小包围盒,沿隧道延伸方向进行切片剖分,得到若干个隧道点云切片。
应理解地,所述笛卡尔坐标系,使隧道断面轮廓平行于XOY面,隧道点云延伸沿Z坐标轴正方向。
进一步地,所述S102中,将每个切片的点云数据向切片中间横截面进行投影,得到隧道轮廓线,将隧道轮廓线视为轮廓提取对象,具体包括:
在获取每个切片后,将每个切片内的点云数据点分别向切片的中间横截面进行降维投影,将每个切片内的所有点云数据点的Z轴坐标转换为对应切片中心的Z轴坐标,将获得隧道点云切片投影视为隧道轮廓线,将隧道轮廓线将作为轮廓提取对象。
应理解地,上述投影技术方案的有益效果为:防止获取的厚度delta切片内点云数据点的数量过少,导致该切片提取的隧道轮廓残缺质量差。
沿隧道中轴线平行方向将隧道点云数据分割为等间隔切片,对每个切片进行向切片中面的降维投影,以没有厚度的切片中面替代厚度切片,同时保留切片点云数据;图3给出了沿隧道中轴线平行方向将对隧道进行切片并将切片点云向切片中心投影的示意图。本实施例中,对隧道点云进行切片剖分,设定切片的厚度为delta,每次切片方向沿切片在二维水平中线的切线方向,切片的间隔取gap;切片厚度delta不宜过小,切片厚度delta过小会导致切片点数据量过少;对每个切片进行向切片中面的降维投影,即将每个的切片的所有点的Z坐标转换为切片中心的Z坐标zi。切片中面是指每个切片的中间横截面。切片中面与隧道点云延伸的Z坐标轴垂直。
进一步地,切片是隧道轮廓形状,其断面形状可以分为矩形、圆形、多心圆、直墙拱形和马蹄形等,以三心圆隧道为例,其中心点为中轴线上点。
进一步地,所述S103:构建隧道轮廓提取器,具体包括:
对隧道原始设计尺寸的隧道轮廓,按照设定比例进行整体放大,得到放大后的隧道轮廓;设定比例,选取1:1.2或1:1.5;
基于放大后的隧道轮廓和设置的点云密度,生成放大后隧道轮廓的点云数据;将放大后隧道轮廓的点云数据,视为隧道轮廓提取器;
所述隧道轮廓提取器的断面轮廓大于隧道原始设计尺寸的隧道断面轮廓。
进一步地,如果原始隧道是圆形的,则隧道轮廓提取器是原始隧道的同心圆,但是隧道轮廓提取器的半径大于原始隧道的半径。
进一步地,如果原始隧道是非圆形的,则隧道轮廓提取器是对原始隧道轮廓进行同比例放大,其中同比例放大,是指如果原始隧道的长与高的比值是r,则隧道轮廓提取器的长与高的比值依旧是r;其中同比例放大,是指如果原始隧道的长与宽的比值是z,则隧道轮廓提取器的长与宽的比值依旧是z。
进一步地,所述隧道轮廓提取器是包围隧道断面轮廓的点云数据文件,所述隧道轮廓提取器是根据隧道设计尺寸建立的等距隧道轮廓点云数据,其中,等距是指隧道轮廓提取器的所有点云数据点与原始设计尺寸的隧道轮廓面之间的距离均是固定值q。
进一步地,所述隧道轮廓提取器是点云格式文件,由若干坐标点构成,所述轮廓提取器的点云密度高于通过三维激光扫描获取的隧道原始点云数据的点云密度;所述隧道轮廓提取器的点云密度高于隧道轮廓线的点密度;所述隧道轮廓提取器的断面轮廓大于隧道原始设计尺寸的断面轮廓。
携带XYZ坐标信息,可以基于隧道设计参数直接生成点集,也可通过CAD相关软件建立线型草图后生成点云文件,轮廓提取器的点的分辨率应尽量大,满足轮廓提取需求。
轮廓提取器是包围隧道断面轮廓的点云数据文件,是根据隧道设计尺寸建立的等距隧道轮廓点云数据,所述轮廓提取器是点云格式文件,由高密度坐标点构成,携带XYZ坐标信息,可以基于隧道设计参数直接生成点集,也可通过CAD软件建立线型草图后生成点云文件,轮廓提取器的点的分辨率应尽量大,满足轮廓提取需求。
如果根据隧道设计尺寸建立等距隧道轮廓点云数据,则假设隧道的设计半径为R1,则将R1+β作为隧道轮廓提取器的半径;β为设定值。
进一步地,所述将隧道轮廓提取器与轮廓提取对象的几何中心点进行匹配,是指:将所述隧道轮廓提取器的几何中心与隧道切片即隧道轮廓提取对象的几何中心匹配重合。
进一步地,所述S106:判断各射线方向隧道点云上是否存在点云采样点,具体包括:
所述射线为由若干点构成的点线,以所述隧道轮廓提取器上的点作为其端点,沿指向隧道切片即隧道轮廓提取对象的几何中心方向迭代生成点,继而构成该条射线;射线上生成新点A的步长为Li,即A点与该射线端点的距离为Li,然后以A作为圆心,以r为半径构建圆形检测区域,判断所述检测区域内是否存在点云数据点,如果存在,则找出与射线垂直距离最近的点作为点云采样点保存,结束,返回以隧道轮廓提取器上的下一点作为新的射线端点重复上述操作,构建射线并检测点云采样点;如果不存在,则继续生成新的点B进行判断;Li的取值是动态的,Li=i*step,step为设置的该射线上的相邻点的距离,i表示新生成点的数目。例如:LB-LA=step
受激光雷达等扫描设备精度、扫描环境的影响,采集到的隧道点云数据是有“厚度”的。如图5,设置射线上最新发射点的邻域半径r范围有5个隧道点云数据时结束重新发射射线,则此时所述“交点”为一组点簇,则分别计算该点簇内每个点与射线的投影距离,取投影距离最小者作为点云采样点。
以大于隧道轮廓的提取器作为射线发出的原点,以隧道断面的中心为目标点,在这两点之间发射一条射线,最后得到点云采样点;对隧道所有切片重复上述操作,最终合并所有隧道切片断面上的点云采样点,即得到隧道轮廓点云数据,实现隧道点云去噪。图4给出了沿隧道中轴线平行方向将对隧道进行切片并将切片点云向切片中心投影的示意图。
进一步地,所述将轮廓提取器与轮廓提取对象进行匹配,具体包括:
分别计算轮廓提取器和轮廓提取对象的几何中心,并对轮廓提取器进行欧式变换,使二者的几何中心重合匹配。
由隧道轮廓提取器上的任意一点作为射线发出的原点,以隧道断面的中心作为射线的目标点,在原点与目标点之间发射一条射线,具体包括:
设置轮廓提取器的采样分辨率,以轮廓提取器上的坐标点作为射线发出的原点,以轮廓提取对象的几何中心为目标点,基于此方向在这两点之间发射一条射线,最后得到该射线与轮廓提取对象的“交点”,所谓“交点”即为该条射线的终止点,即采样点;
所述射线由点构成,设置该射线上点生成的步长step;对轮廓提取对象点云建立KD树,在射线上点的半径邻域范围8内近邻搜索,然后计算近邻点簇内各近邻点到射线的距离,取距离最小者作为隧道点云轮廓采样点。图5为本发明实施例中射线上点的半径邻域范围示意图。
将所有保存的点云采样点合并,得到去除隧道点云噪点2的隧道点云数据,具体包括:
对隧道所有轮廓提取对象重复采样操作,最终合并所有点云采样点,得到去噪后的隧道点云数据11,去噪后的隧道点云数据仅包含隧道轮廓数据,不包含隧道内部各种噪点信息。
轮廓提取器可以按照隧道轮廓分部设置不同的采样分辨率,具体包括:对于圆形隧道如常见地铁等轨交隧道,可以将其轮廓提取器划分为管片衬砌部分和轨道部分,并设置不同的分辨率;对于两心圆、三心圆等隧道如公路隧道,可以将其轮廓提取器划分为拱顶部分、拱肩部分、隧底部分等,并设置不同的分辨率。图6(a)和图6(b)为本发明实施例中隧道点云去噪效果展示图。
实施例二
本实施例提供了基于射线法的隧道点云去噪系统;
基于射线法的隧道点云去噪系统,包括:
获取模块,其被配置为:基于三维激光扫描方式,获取隧道的原始点云数据;基于原始点云数据,构建隧道的三维点云数据模型;对隧道的三维点云数据模型进行去噪处理,去除隧道点云轮廓外的隧道点云离群点;
切片分割模块,其被配置为:沿着隧道中轴线方向,将去噪后隧道的三维点云数据模型等间隔分割为若干个隧道点云切片;将每个切片的点云数据向切片中间横截面进行投影,得到隧道轮廓线,将隧道轮廓线视为轮廓提取对象;
构建模块,其被配置为:构建隧道轮廓提取器,所述隧道轮廓提取器,首先对设计尺寸的衬砌轮廓按照设定比例进行放大,然后对放大后的隧道衬砌轮廓进行取点采样,采样密度按照最终拟获取的去噪后隧道点云密度设置,获得表征放大后隧道衬砌轮廓的点云数据,其由一组包含坐标信息的点组成,得到隧道轮廓提取器;
匹配模块,其被配置为:将隧道轮廓提取器与轮廓提取对象的几何中心点进行匹配;
射线发射模块,其被配置为:由隧道轮廓提取器上的任意一点作为射线发出的原点,以轮廓提取对象的几何中心作为射线的目标点,在原点与目标点之间发射一条射线;
判断模块,其被配置为:判断各射线方向隧道点云上是否存在点云采样点,如果否,则返回匹配模块,继续检测下一个轮廓提取对象,如果是,就将点云采样点保存,返回射线发射模块更换原点坐标位置后,重新发射射线,重复射线发射模块的工作若干次直至不存在新的点云采样点,返回匹配模块检测下一个轮廓提取对象,最后将所有保存的点云采样点合并,得到去除隧道点云噪点的隧道点云数据。
此处需要说明的是,上述获取模块、切片分割模块、构建模块、匹配模块、射线发射模块和判断模块对应于实施例一中的步骤S101至S106,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例一所公开的内容。需要说明的是,上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
上述实施例中对各个实施例的描述各有侧重,某个实施例中没有详述的部分可以参见其他实施例的相关描述。
所提出的系统,可以通过其他的方式实现。例如以上所描述的系统实施例仅仅是示意性的,例如上述模块的划分,仅仅为一种逻辑功能划分,实际实现时,可以有另外的划分方式,例如多个模块可以结合或者可以集成到另外一个系统,或一些特征可以忽略,或不执行。
实施例三
本实施例还提供了一种电子设备,包括:一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序;其中,处理器与存储器连接,上述一个或多个计算机程序被存储在存储器中,当电子设备运行时,该处理器执行该存储器存储的一个或多个计算机程序,以使电子设备执行上述实施例一所述的方法。
应理解,本实施例中,处理器可以是中央处理单元CPU,处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC,现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如,存储器还可以存储设备类型的信息。
在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。
实施例一中的方法可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。为避免重复,这里不再详细描述。
本领域普通技术人员可以意识到,结合本实施例描述的各示例的单元及算法步骤,能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
实施例四
本实施例还提供了一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成实施例一所述的方法。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、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.基于射线法的隧道点云去噪方法,其特征是,包括:
(1)基于三维激光扫描方式,获取隧道的原始点云数据;基于原始点云数据,构建隧道的三维点云数据模型;对隧道的三维点云数据模型进行去噪处理,去除隧道点云轮廓外的隧道点云离群点;
(2)沿着隧道中轴线方向,将去噪后隧道的三维点云数据模型等间隔分割为若干个隧道点云切片;将每个切片的点云数据向切片中间横截面进行投影,得到隧道轮廓线,将隧道轮廓线视为轮廓提取对象;
(3)构建隧道轮廓提取器,所述隧道轮廓提取器,首先对设计尺寸的衬砌轮廓按照设定比例进行放大,然后对放大后的隧道衬砌轮廓进行取点采样,采样密度按照最终拟获取的去噪后隧道点云密度设置,获得表征放大后隧道衬砌轮廓的点云数据,得到隧道轮廓提取器;
(4)将隧道轮廓提取器与轮廓提取对象的几何中心点进行匹配;
(5)由隧道轮廓提取器上的任意一点作为射线发出的原点,以轮廓提取对象的几何中心作为射线的目标点,在原点与目标点之间发射一条射线;
(6)判断各射线方向隧道点云上是否存在点云采样点,如果否,则返回(4),继续检测下一个轮廓提取对象,如果是,就将点云采样点保存,返回(5)更换原点坐标位置后,重新发射射线,重复(5)若干次直至不存在新的点云采样点,返回(4)检测下一个轮廓提取对象,最后将所有保存的点云采样点合并,得到去除隧道点云噪点的隧道点云数据。
2.如权利要求1所述的基于射线法的隧道点云去噪方法,其特征是,基于三维激光扫描方式,获取隧道的原始点云数据;基于原始点云数据,构建隧道的三维点云数据模型,具体包括:
使用三维激光雷达对隧道结构进行扫描作业,获取既有隧道结构的点云数据,得到隧道结构的三维点云数据模型,并为隧道结构三维点云建立局部坐标系。
3.如权利要求1所述的基于射线法的隧道点云去噪方法,其特征是,对隧道的三维点云数据模型进行去噪处理,去除隧道点云轮廓外的隧道点云离群点,具体包括:
基于点云中所有点的距离的高斯分布,设置均值和方差,去除隧道点云明显离群噪点。
4.如权利要求1所述的基于射线法的隧道点云去噪方法,其特征是,沿着隧道中轴线方向,将去噪后隧道的三维点云数据模型等间隔分割为若干个隧道点云切片,具体包括:
对隧道点云数据进行笛卡尔坐标系内位姿调整:调整隧道点云位姿使隧道断面轮廓平行于XOY面,隧道点云延伸沿Z坐标轴方向;
计算隧道点云数据的最小包围盒,获取最小包围盒在Z坐标轴上的极值Zmin和Zmax,设置隧道点云切片的厚度delta,相邻切片的间隙为gap,对隧道点云数据的最小包围盒,沿隧道延伸方向进行切片剖分,得到若干个隧道点云切片。
5.如权利要求1所述的基于射线法的隧道点云去噪方法,其特征是,将每个切片的点云数据向切片中间横截面进行投影,得到隧道轮廓线,将隧道轮廓线视为轮廓提取对象,具体包括:
在获取每个切片后,将每个切片内的点云数据点分别向切片的中间横截面进行降维投影,将每个切片内的所有点云数据点的Z轴坐标转换为对应切片中心的Z轴坐标,将获得隧道点云切片投影视为隧道轮廓线,将隧道轮廓线将作为轮廓提取对象。
6.如权利要求1所述的基于射线法的隧道点云去噪方法,其特征是,构建隧道轮廓提取器,具体包括:
对隧道原始设计尺寸的隧道轮廓,按照设定比例进行整体放大,得到放大后的隧道轮廓;
基于放大后的隧道轮廓和设置的点云密度,生成放大后隧道轮廓的点云数据;将放大后隧道轮廓的点云数据,视为隧道轮廓提取器;
所述隧道轮廓提取器的断面轮廓大于隧道原始设计尺寸的隧道断面轮廓。
7.如权利要求1所述的基于射线法的隧道点云去噪方法,其特征是,判断各射线方向隧道点云上是否存在点云采样点,具体包括:
所述射线为由若干点构成的点线,以所述隧道轮廓提取器上的点作为其端点,沿指向隧道切片即隧道轮廓提取对象的几何中心方向迭代生成点,继而构成该条射线;射线上生成新点A的步长为Li,即A点与该射线端点的距离为Li,然后以A作为圆心,以r为半径构建圆形检测区域,判断所述检测区域内是否存在点云数据点,如果存在,则找出与射线垂直距离最近的点作为点云采样点保存,结束,返回以隧道轮廓提取器上的下一点作为新的射线端点重复上述操作,构建射线并检测点云采样点;如果不存在,则继续生成新的点B进行判断;Li的取值是动态的,Li=i*step,step为设置的该射线上的相邻点的距离,i表示新生成点的数目。
8.基于射线法的隧道点云去噪系统,其特征是,包括:
获取模块,其被配置为:基于三维激光扫描方式,获取隧道的原始点云数据;基于原始点云数据,构建隧道的三维点云数据模型;对隧道的三维点云数据模型进行去噪处理,去除隧道点云轮廓外的隧道点云离群点;
切片分割模块,其被配置为:沿着隧道中轴线方向,将去噪后隧道的三维点云数据模型等间隔分割为若干个隧道点云切片;将每个切片的点云数据向切片中间横截面进行投影,得到隧道轮廓线,将隧道轮廓线视为轮廓提取对象;
构建模块,其被配置为:构建隧道轮廓提取器,所述隧道轮廓提取器,首先对设计尺寸的衬砌轮廓按照设定比例进行放大,然后对放大后的隧道衬砌轮廓进行取点采样,采样密度按照最终拟获取的去噪后隧道点云密度设置,获得表征放大后隧道衬砌轮廓的点云数据,其由一组包含坐标信息的点组成,得到隧道轮廓提取器;
匹配模块,其被配置为:将隧道轮廓提取器与轮廓提取对象的几何中心点进行匹配;
射线发射模块,其被配置为:由隧道轮廓提取器上的任意一点作为射线发出的原点,以轮廓提取对象的几何中心作为射线的目标点,在原点与目标点之间发射一条射线;
判断模块,其被配置为:判断各射线方向隧道点云上是否存在点云采样点,如果否,则返回匹配模块,继续检测下一个轮廓提取对象,如果是,就将点云采样点保存,返回射线发射模块更换原点坐标位置后,重新发射射线,重复射线发射模块的工作若干次直至不存在新的点云采样点,返回匹配模块检测下一个轮廓提取对象,最后将所有保存的点云采样点合并,得到去除隧道点云噪点的隧道点云数据。
9.一种电子设备,其特征是,包括:
存储器,用于非暂时性存储计算机可读指令;以及
处理器,用于运行所述计算机可读指令,
其中,所述计算机可读指令被所述处理器运行时,执行上述权利要求1-7任一项所述的方法。
10.一种存储介质,其特征是,非暂时性地存储计算机可读指令,其中,当非暂时性计算机可读指令由计算机执行时,执行权利要求1-7任一项所述方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310089968.5A CN116309118A (zh) | 2023-02-02 | 2023-02-02 | 基于射线法的隧道点云去噪方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310089968.5A CN116309118A (zh) | 2023-02-02 | 2023-02-02 | 基于射线法的隧道点云去噪方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116309118A true CN116309118A (zh) | 2023-06-23 |
Family
ID=86782506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310089968.5A Pending CN116309118A (zh) | 2023-02-02 | 2023-02-02 | 基于射线法的隧道点云去噪方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116309118A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117523522A (zh) * | 2024-01-08 | 2024-02-06 | 腾讯科技(深圳)有限公司 | 隧道场景的识别方法、装置、设备和存储介质 |
-
2023
- 2023-02-02 CN CN202310089968.5A patent/CN116309118A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117523522A (zh) * | 2024-01-08 | 2024-02-06 | 腾讯科技(深圳)有限公司 | 隧道场景的识别方法、装置、设备和存储介质 |
CN117523522B (zh) * | 2024-01-08 | 2024-04-30 | 腾讯科技(深圳)有限公司 | 隧道场景的识别方法、装置、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102125959B1 (ko) | 포인트 클라우드 데이터 사이의 매칭 관계를 확정하는 방법 및 장치 | |
KR102062680B1 (ko) | 레이저 포인트 클라우드 기반의 도시 도로 인식 방법, 장치, 저장 매체 및 기기 | |
CN109583280A (zh) | 车道线识别方法、装置、设备及存储介质 | |
CN116129376A (zh) | 一种道路边缘检测方法和装置 | |
CN109635816B (zh) | 车道线生成方法、装置、设备以及存储介质 | |
CN108629228B (zh) | 一种道路对象识别方法和装置 | |
CN109993697A (zh) | 一种隧道三维激光数据预处理的方法 | |
CN109948635B (zh) | 一种基于激光扫描的目标识别方法及装置 | |
Qin et al. | Automated reconstruction of parametric bim for bridge based on terrestrial laser scanning data | |
CN113570665A (zh) | 路沿提取的方法、装置及电子设备 | |
CN114842450B (zh) | 一种可行驶区域检测方法、装置及设备 | |
CN109785335A (zh) | 扫描对象的直线轮廓的确定方法、装置及存储介质 | |
US20220398856A1 (en) | Method for reconstruction of a feature in an environmental scene of a road | |
CN116309118A (zh) | 基于射线法的隧道点云去噪方法及系统 | |
CN113475976B (zh) | 机器人可通行区域确定方法、装置、存储介质及机器人 | |
EP4012342A1 (en) | Data processing method and device | |
CN114051628A (zh) | 一种确定目标对象点云集的方法及装置 | |
CN116071729A (zh) | 可行驶区域和路沿的检测方法、装置及相关设备 | |
CN113269889A (zh) | 一种基于椭圆域的自适应点云目标聚类方法 | |
CN115115655A (zh) | 目标分割方法、装置、电子设备、存储介质及程序产品 | |
CN115308770A (zh) | 一种基于拟合图形的动态障碍物检测方法 | |
CN109946708B (zh) | 一种基于激光雷达扫描的车道线检测方法及装置 | |
CN114302326B (zh) | 定位区域的确定方法、定位方法、装置和定位设备 | |
CN113763308B (zh) | 一种地面检测方法、装置、服务器及介质 | |
CN110068279B (zh) | 一种基于点云数据的预制构件平面圆孔提取方法 |
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 |