CN117058314A - 一种基于点云数据的现浇结构模板逆向建模方法 - Google Patents
一种基于点云数据的现浇结构模板逆向建模方法 Download PDFInfo
- Publication number
- CN117058314A CN117058314A CN202311034868.9A CN202311034868A CN117058314A CN 117058314 A CN117058314 A CN 117058314A CN 202311034868 A CN202311034868 A CN 202311034868A CN 117058314 A CN117058314 A CN 117058314A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- template
- plane
- coordinate transformation
- 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.)
- Granted
Links
- 238000011065 in-situ storage Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000013461 design Methods 0.000 claims abstract description 6
- 230000009466 transformation Effects 0.000 claims description 86
- 239000011159 matrix material Substances 0.000 claims description 70
- 239000013598 vector Substances 0.000 claims description 54
- 230000011218 segmentation Effects 0.000 claims description 13
- 230000001131 transforming effect Effects 0.000 claims description 9
- 239000012535 impurity Substances 0.000 claims description 6
- 230000003321 amplification Effects 0.000 claims description 4
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000010845 search algorithm Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 11
- 238000010276 construction Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 239000011150 reinforced concrete Substances 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004567 concrete Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及点云逆向建模领域，具体公开了一种基于点云数据的现浇结构模板逆向建模方法，包括获取包含模板扫描结果在内的第一点云数据，以及包含建筑模板设计信息的B I M模型；通过模板实例分割算法，基于B I M模型，对第一点云数据进行分割，获得每一个模板分别对应的第二点云数据；通过模板点云平面实例分割算法，对每一个第二点云数据中对应的模板上各个面的点云数据进行分割，将分割出的每一个面对应的点云数据分别保存为一个第三点云数据；依据全部第三点云数据，利用B I M软件，通过模板实例组重建算法，对全部模板进行逆向建模，得到建模结果。本发明极大提高了现浇结构模板点云逆向建模效率。
Description
技术领域
本发明涉及点云逆向建模领域，尤其涉及一种基于点云数据的现浇结构模板逆向建模方法。
背景技术
现浇钢筋混凝土结构在土木建筑中一直保持着较大占比，随着商品混凝土的快速发展和泵送施工技术的进步，为大型建筑中高要求、高标准的现浇结构模板的施工提供了可能。模板工程作为一种临时性、辅助性结构，决定了建筑物构件的表面平整度和尺寸，在现浇结构施工质量把控中发挥着至关重要的作用。
为了实现现浇结构模板工程的自动化验收和数字化存档，提高现浇结构模板的结构精度和形变检测，现有技术通常使用三维激光点云技术获取模板表面的点云信息，进而提取构件特征，逆向建模得到模板的三维模型。然而，由于施工现场杂物较多，采集的点云数据中噪点多，人工处理与划分点云数据工作量大，容易出错，处理效率低，导致验收的总时间周期长，严重制约了点云技术在现浇结构中的进一步应用。
发明内容
为了克服现有的点云技术在现浇模板的逆向建模过程中，去除杂物干扰与分割工作量大、效率低的问题，本发明提供一种基于点云数据的现浇结构模板逆向建模方法。
本发明提供了一种基于点云数据的现浇结构模板逆向建模方法，运用于包含多个模板的建筑，包括：
获取包含模板扫描结果在内的第一点云数据，以及包含建筑模板设计信息的BIM模型；
通过模板实例分割算法，基于BIM模型，对所述第一点云数据进行分割，获得每一个模板分别对应的第二点云数据；
通过模板点云平面实例分割算法，对每一个所述第二点云数据中对应的模板上各个面的点云数据进行分割，将分割出的每一个面对应的点云数据分别保存为一个第三点云数据；
依据全部所述第三点云数据，利用BIM软件，通过模板实例组重建算法，对全部模板进行逆向建模，得到建模结果。
作为优选地，
所述模板实例分割算法，具体为：
在所述第一点云数据中，人工选取表面杂物少且形状无重复的单个模板对应的点云数据，将其保存为第四点云数据；
通过随机一致性算法，对所述第四点云数据中对应所述模板的顶面点云数据进行平面拟合，得到第一平面，计算所述第一平面的法向量，作为第一法向量；
以所述第一法向量作为Z轴的方向，对第四点云数据进行坐标变换，得到第六点云数据，将第六点云数据投影至XY平面，得到第一图像；
利用BIM软件，将所述BIM模型转换为第七点云数据，对第七点云数据Z轴坐标进行去中心化，获得第八点云数据；
将所述第八点云数据投影至XY平面生成第二图像；
通过基于形状的图像匹配算法，在所述第二图像中对所述第一图像进行形状匹配，得到第一图像匹配至第二图像的第一坐标变换矩阵；
将第一坐标变换矩阵拓展至三维，得到第二坐标变换矩阵；
依据第二坐标变换矩阵，对第六点云数据进行坐标变换，得到第九点云数据，对第九点云数据的Z轴进行去中心化处理，得到第十点云数据；
通过ICP算法，将第十点云数据对齐至第八点云数据，获得第十一点云数据；
计算所述第四点云数据相对于所述第十一点云数据的第五坐标变换矩阵，对第一点云数据依据第五坐标变换矩阵进行坐标变换，得到第五点云数据；
依据BIM模型，建立所述第八点云数据中每个模板的轴向包围框，并对轴向包围框按照第一预设值进行等比例放大，通过放大后的轴向包围框对第五点云数据进行分割，获得每一个模板分别对应的第二点云数据。优选地，所述模板点云平面实例分割算法，具体为：
输入第二点云数据；
通过RANSAC算法，计算所述第二点云数据中模板的顶面法向量，并将其作为三维坐标系的Z轴的方向，对所述第二点云数据进行坐标变换，得到第十二点云数据，并记录坐标变换的矩阵为第三坐标变换矩阵；
以第二预设值对Z轴进行区间划分，统计所述第十二点云数据在Z轴不同区间内的点云数量，根据区间点数峰值判断顶面所在的Z轴区间，将该Z轴区间之上的点云数据标记为杂物，并从所述第十二点云数据中去除，得到第十三点云数据；
根据邻域点计算所述第十三点云数据中每个点的主方向向量，将所述第十三点云数据中主方向向量的与Z轴夹角大于第三阈值的点云数据划分为第一垂直点云数据，所述第十三点云数据的其余点云数据划分为第一水平点云数据；
通过RANSAC算法对第一垂直点云数据进行若干次平面拟合，计算每个拟合平面对应的平面法向量，并计算任意两个不同的平面法向量的位置关系，直至得到一对满足垂直条件的平面法向量，分别以相互垂直的一对平面法向量作为三维坐标系中X轴和Y轴的方向，Z轴方向不变，对所述第一垂直点云数据进行坐标变换，得到第二垂直点云数据，并记录坐标变换的矩阵为第四坐标变换矩阵；
通过基于M估计的RANSAC算法，在第一水平点云数据中拟合出每个对应单个水平方向平面的水平平面点云数据，以及在第二垂直点云数据中拟合出每个对应单个垂直方向平面的垂直平面点云数据；
依据BI M模型中该模板若干个侧面之间的几何关系，采用贪心策从所有模板平面中略筛选出符合几何关系的模板平面；
根据模板平面法向量方向将模板平面分为X轴朝向、Y轴朝向或Z轴朝向的三类平面，分别统计每类平面沿该类平面法向量方向的点云分布，获得单个平面在单个模板中的位置；
依据第三坐标变换矩阵的逆矩阵将每个水平平面点云数据变换至第二点云所在坐标系，并依据第三坐标变换矩阵和第四坐标变换矩阵的逆矩阵将每个垂直平面点云数据变换至第二点云数据所在坐标系，得到若干个第三点云数据。
优选地，所述模板实例组重建算法，具体为
导入全部第三点云数据，根据第三点云数据在第一点云数据中的位置关系，求出各模板的全部顶点坐标；
依据每一个模板的顶点坐标，为每一个模板分别建立一个实例模型；
计算每一个实例模型的顶部平面中心点的坐标，依据近邻搜索算法建立最近邻搜索树；
通过最近邻搜索树查找顶部平面中心点的最近中心点，得到实例模型的相连关系；
依据全部所述第三点云数据对应的平面以及实例模型的相连关系，建立不同模板之间的连接，利用BI M软件进行逆向建模，得到建模结果。
优选地，所述第二点云数据，包括属于单个模板的一个顶面、若干侧面和若干底面。
优选地，所述第一预设值的取值范围是1.05倍至1.20倍。
优选地，所述第二预设值的取值范围是1cm至5cm。
优选地，所述第三阈值为45°。
优选地，第四阈值范围是90°±10°。
本发明的有益效果是：
(1)通过依据建筑的BIM模型以及采集的点云数据，仅需人工划分出一块模板对应的点云区域，即可自动完成对整个点云数据的杂物去除和全部模板的各表面分解，再通过BIM软件进行逆向建模，有效解决了人工处理点云数据工作量大且易出错，施工现场杂物较多导致的点云逆向建模困难的问题，极大提高了现浇结构模板点云逆向建模效率，为模板工程的自动化验收和数字化存档提供精细的三维模型。
(2)通过基于建筑的BIM模型的模板实例分割算法，可实现单个模板点云数据的自动分割，减少了人工处理点云数据工作量，提高了点云逆向建模的自动化程度和工作效率。
附图说明
下文将结合说明书附图对本发明进行进一步的描述说明，其中：
图1为本发明其中一个实施例的方法流程图；
图2为本发明另一实施例的第一点云数据示意图；
图3为本发明另一实施例的第四点云数据示意图；
图4为本发明另一实施例的第一图像示意图；
图5为本发明另一实施例的BIM模型示意图；
图6为本发明另一实施例的第二图像示意图；
图7为本发明另一实施例的分割后的全部第二点云数据示意图；
图8为本发明另一实施例的单个第二点云数据示意图；
图9为本发明另一实施例的第九点云数据沿Z轴各区间点云数量统计图；
图10为本发明另一实施例的水平点云数据示意图；
图11为本发明另一实施例的第一垂直点云数据示意图；
图12为本发明另一实施例的分割后的水平点云数据示意图；
图13为本发明另一实施例的分割后的第三垂直点云数据示意图；
图14为本发明另一实施例的根据第三点云数据计算出的模板顶点坐标示意图；
图15为本发明另一实施例的实例模型示意图；
图16为本发明另一实施例的不同模板之间的连接示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅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。
参见图1，作为本发明的其中一个实施，公开了一种基于点云数据的现浇结构模板逆向建模方法，包括：
S1、获取包含模板扫描结果在内的第一点云数据，以及包含建筑模板设计信息的BIM模型；
S2、通过模板实例分割算法，基于BIM模型，对第一点云数据进行分割，获得每一个模板分别对应的第二点云数据；
S3、通过模板点云平面实例分割算法，对每一个第二点云数据中对应的模板上各个面的点云数据进行分割，将分割出的每一个面对应的点云数据分别保存为一个第三点云数据；
S4、依据全部第三点云数据，利用BIM软件，通过模板实例组重建算法，对全部模板进行逆向建模，得到建模结果。
其中，第一点云数据是包含若干块模板、现浇主次梁以及若干杂物在内的点云数据。
本实施例中，BIM(Building Information Modeling)是建筑信息模型的简称。BIM软件可根据需要选用合适的建模软件。
本实施例步骤S2中的模板实例分割算法，其具体实现步骤如下：
A1、在第一点云数据中，人工选取表面杂物少且形状无重复的单个模板对应的点云数据，将其保存为第四点云数据；本步骤的目的在于选出一个第四点云数据作为后续步骤的计算对象，以便求解第一点云数据对齐至BIM模型的点云数据的第五坐标变换矩阵；
A2、通过随机一致性算法，对第四点云数据中对应模板的顶面点云数据进行平面拟合，得到第一平面，计算第一平面的法向量，作为第一法向量；
A3、以第一法向量作为Z轴的方向，对第四点云数据进行坐标变换，得到第六点云数据，将第六点云数据投影至XY平面，得到第一图像；
A4、利用BIM软件，从BIM模型中提出对应各模板的BIM模板模型，进一步通过BIM二次开发技术将BIM模板模型转换为第七点云数据，对第七点云数据Z轴坐标进行去中心化，获得第八点云数据；
A5、将第八点云数据投影至XY平面生成第二图像；
A6、通过基于形状的图像匹配算法，在第二图像中对第一图像进行形状匹配，得到第一图像匹配至第二图像的第一坐标变换矩阵；
A7、将第一坐标变换矩阵拓展至三维，得到第二坐标变换矩阵；该步骤用于第二坐标变换矩阵为第一坐标变换矩阵的三维表达，作用仍旧为使目标对象在XY平面内旋转和平移；
A8、依据第二坐标变换矩阵，对第六点云数据进行坐标变换，得到第九点云数据，对第九点云数据的Z轴进行去中心化处理，得到第十点云数据；
A9、通过ICP算法，将第十点云数据对齐至第八点云数据，获得第十一点云数据；该步骤用于进一步的精确配准；
A10、计算第四点云数据相对于第十一点云数据的第五坐标变换矩阵，对第一点云数据依据第五坐标变换矩阵进行坐标变换，得到第五点云数据；此时，第五点云数据与第八点云数据在同一坐标系下，即将第一点云数据与BIM模型的对齐在同一坐标系下；
A11、依据BIM模型，建立第八点云数据中每个模板的轴向包围框，并对轴向包围框按照第一预设值进行等比例放大，通过放大后的轴向包围框对第五点云数据进行分割，获得每一个模板分别对应的第二点云数据。
上述步骤A10中，既可以通过计算第四点云数据相对于第十一点云数据的第五坐标变换矩阵，来对第一点云数据进行坐标变换，也可以采用：以第一法向量作为Z轴的方向，对第一点云数据进行坐标变换，其后，通过步骤A4-A9相同的步骤，对第一点云数据进行XY平面对齐、去中心化和精确配准，从而得到第五点云数据。
计算第四点云数据相对于第十一点云数据的第五坐标变换矩阵的方法，可以采用下述的至少两种办法：
1、在第四点云数据中随机标记三个点，并找出其在第十一点云数据中的对应点，通过三个点在两个点云数据中的坐标变化，计算获得第五坐标变换矩阵；
2、将步骤A3至步骤A9中第四点云数据变换至第十一点云数据的每一步的变换矩阵连续相乘，得到第五坐标变换矩阵。
本实施例的模板点云平面实例分割算法，其具体实现步骤如下：
B1、输入第二点云数据；
B2、通过RANSAC算法，计算第二点云数据中模板的顶面法向量，并将其作为三维坐标系的Z轴的方向，对第二点云数据进行坐标变换，得到第十二点云数据，并记录坐标变换的矩阵为第三坐标变换矩阵；
B3、以第二预设值对Z轴进行区间划分，统计第十二点云数据在Z轴不同区间内的点云数量，根据区间点数峰值判断顶面所在的Z轴区间，将该Z轴区间之上的点云数据标记为杂物，并从第十二点云数据中去除，得到第十三点云数据；
B4、根据邻域点计算第十三点云数据中每个点的主方向向量，将第十三点云数据中主方向向量的与Z轴夹角大于第三阈值的点云数据划分为第一垂直点云数据，第十三点云数据的其余点云数据划分为第一水平点云数据；
B5、通过RANSAC算法对第一垂直点云数据进行若干次平面拟合，计算每个拟合平面对应的平面法向量，并计算任意两个不同的平面法向量的位置关系，直至得到一对满足垂直条件的平面法向量，分别以相互垂直的一对平面法向量作为三维坐标系中X轴和Y轴的方向，Z轴方向不变，对第一垂直点云数据进行坐标变换，得到第二垂直点云数据，并记录坐标变换的矩阵为第四坐标变换矩阵；
B6、通过基于M估计的RANSAC算法，在第一水平点云数据中拟合出每个对应单个水平方向平面的水平平面点云数据，以及在第二垂直点云数据中拟合出每个对应单个垂直方向平面的垂直平面点云数据；
B7、依据BI M模型中该模板若干个侧面之间的几何关系，采用贪心策从所有模板平面中略筛选出符合几何关系的模板平面；
B8、根据模板平面法向量方向将模板平面分为X轴朝向、Y轴朝向或Z轴朝向的三类平面，分别统计每类平面沿该类平面法向量方向的点云分布，获得单个平面在单个模板中的位置；
B9、依据第三坐标变换矩阵的逆矩阵将每个水平平面点云数据变换至第二点云所在坐标系，并依据第三坐标变换矩阵和第四坐标变换矩阵的逆矩阵将每个垂直平面点云数据变换至第二点云数据所在坐标系，完成模板点云平面实例分割，得到若干个第三点云数据。
其中，点的邻域大小宜取1～5cm。
本实施例的模板实例组重建算法，其具体实现步骤如下：
C1、导入全部第三点云数据，根据第三点云数据在第一点云数据中的位置关系，求出各模板的全部顶点坐标；
C2、依据每一个模板的顶点坐标，为每一个模板分别建立一个实例模型；
C3、计算每一个实例模型的顶部平面中心点的坐标，依据近邻搜索算法(KD树)建立最近邻搜索树；
C4、通过最近邻搜索树查找顶部平面中心点的最近中心点，得到实例模型的相连关系；
C5、依据全部第三点云数据对应的平面以及实例模型的相连关系，建立不同模板之间的连接，利用BI M软件进行逆向建模，得到建模结果。
本实施例通过依据建筑的BI M模型以及采集的点云数据，仅需人工划分出一块模板对应的点云区域，即可自动完成对整个点云数据的杂物去除和全部模板的各表面分解，再通过BI M软件进行逆向建模，有效解决了人工处理点云数据工作量大且易出错，施工现场杂物较多导致的点云逆向建模困难的问题，极大提高了现浇结构模板点云逆向建模效率，为模板工程的自动化验收和数字化存档提供精细的三维模型。
参见图2至图16，作为本方案的另一实施例，本实施例用于包含九块模板的第一点云数据，该第一点云数据中还包含了钢筋、脚手架、编织袋等杂物，且包含了不同尺寸的现浇主次梁。
本实施例的具体运算流程如下：
S1、获取如图2所示的包含模板扫描结果在内的第一点云数据，以及如图5所示的建筑设计的BIM模型；
S2、通过模板实例分割算法，基于BIM模型，对第一点云数据进行分割，获得每一个模板分别对应的第二点云数据；
S3、通过模板点云平面实例分割算法，对每一个第二点云数据中对应单块模板各个面的点云数据进行分割，获得若干个对应模板单个面的第三点云数据；
S4、依据全部第三点云数据，利用BIM软件，通过模板实例组重建算法，进行模板建模参数的提取并进行逆向建模，得到建模结果。
本实施例步骤S2中的模板实例分割算法，其具体实现步骤如下：
A1、在第一点云数据中，手动选取表面杂物少且形状无重复的单个模板作为匹配构件，将其对应的点云数据保存为如图3所示的第四点云数据；
A2、通过随机一致性算法，对第四点云数据中对应模板的顶面点云数据进行平面拟合，得到第一平面，计算第一平面的法向量，作为第一法向量；
A3、以第一法向量作为Z轴的方向，对第四点云数据进行坐标变换，得到第六点云数据，将第六点云数据投影至XY平面，得到如图4所示的第一图像；
A4、利用BIM软件，将图5所示的BIM模型转换为第七点云数据，对第七点云数据Z轴坐标进行去中心化，获得第八点云数据；
A5、将第八点云数据投影至XY平面生成如图6所示第二图像；
A6、通过基于形状的图像匹配算法，在第二图像中对第一图像进行形状匹配，得到第一图像匹配至第二图像的第一坐标变换矩阵；
A7、将第一坐标变换矩阵拓展至三维，得到第二坐标变换矩阵，即第二坐标变换矩阵为第一坐标变换矩阵的三维表达，作用仍旧为使目标对象在XY平面内旋转和平移；
A8、将步骤A7得到的第二坐标变换矩阵，对第六点云数据进行坐标变换，得到第九点云数据，对第九点云数据的Z轴进行去中心化处理，得到第十点云数据；
A9、依据第二坐标变换矩阵，对第一点云数据进行坐标变换，得到第八点云数据；
A10、通过ICP算法，将第十点云数据对齐至第八点云数据，获得第十一点云数据；
A11、计算第四点云数据相对于第十一点云数据的第五坐标变换矩阵，对第一点云数据依据第五坐标变换矩阵进行坐标变换，得到第五点云数据；
A12、依据BIM模型，建立第八点云数据中每个模板的轴向包围框，考虑到模板施工存在误差，为使得包围框能准确且完整，根据设计梁宽和模板宽度等先验知识，按1.05的放大系数对轴向包围框进行等比例放大，通过放大后的轴向包围框对第五点云数据进行分割，获得如图7所示的全部模板分割后各自对应的第二点云数据。
本实施例的模板点云平面实例分割算法，其具体实现步骤如下：
B1、输入如图8所示的单个模板对应的第二点云数据；
B2、通过RANSAC算法，计算该第二点云数据中模板的顶面法向量，并将其作为三维坐标系的Z轴的方向，对第二点云数据进行坐标变换，得到第十二点云数据，并记录坐标变换的矩阵为第三坐标变换矩阵；
B3、根据模板点云厚度，考虑模板表面平整度，经过试算，以1cm为区间长度，对Z轴进行区间划分，统计第十二点云数据在Z轴不同区间内的点云数量，如图9所示，根据区间点数峰值判断顶面所在的Z轴区间，沿Z轴从上到下，剔除第一个峰值以上的点云数据，实现顶部杂物点云的去除，得到第十三点云数据；
B4、根据邻域点计算第十三点云数据中每个点的主方向向量，将第十三点云数据中主方向向量的与Z轴夹角大于45°的点云数据划分为如图11所示的第一垂直点云数据，第十三点云数据的其余点云数据划分为如图10所示的第一水平点云数据；
B5、通过RANSAC算法对第一垂直点云数据进行若干次平面拟合，得到若干个拟合平面，计算各拟合平面的法向量，计算出其中满足两个法向量的方向夹角在90°±10°范围内的一对法向量，取其中一个法向量作为三维坐标系中X轴的方向，Z轴方向不变，对第一垂直点云数据进行坐标变换，得到第二垂直点云数据，并记录坐标变换的矩阵为第四坐标变换矩阵；
B6、考虑到模板施工偏差，分别设置与XZ、YZ平面夹角在10°范围内的约束条件，通过基于M估计的RANSAC算法，在第一水平点云数据中拟合出每个对应单个水平方向平面的水平平面点云数据，以及在第二垂直点云数据中拟合出每个对应单个垂直方向平面的垂直平面点云数据；
B7、依据BIM模型中该模板若干个侧面之间的几何关系，采用贪心策从所有模板平面中略筛选出符合几何关系的模板平面，得到如图12和图13所示的若干个对应模板各个面的平面；
B8、根据模板平面法向量方向将模板平面分为X轴朝向、Y轴朝向或Z轴朝向的三类平面，分别统计每类平面沿该类平面法向量方向的点云分布，获得单个平面在单个模板中的位置；
B9、依据第三坐标变换矩阵的逆矩阵将每个水平平面点云数据变换至第二点云所在坐标系，并依据第三坐标变换矩阵和第四坐标变换矩阵的逆矩阵将每个垂直平面点云数据变换至第二点云数据所在坐标系，完成模板点云平面实例分割，得到若干个第三点云数据。
本实施例的模板实例组重建算法，其具体实现步骤如下：
C1、导入全部第三点云数据，根据第三点云数据在第一点云数据中的位置关系，求出各模板的全部顶点坐标；
C2、参见图14，依据每一个模板的顶点坐标，为每一个模板分别建立一个如图15所示的实例模型；
C3、计算每一个实例模型的顶部平面中心点的坐标，依据近邻搜索算法(KD树)建立最近邻搜索树；
C4、通过最近邻搜索树查找顶部平面中心点的最近中心点，得到实例模型的相连关系；
C5、依据全部第三点云数据对应的平面以及实例模型的相连关系，构造如图16所示的不同模板之间的连接，利用BIM软件进行逆向建模，得到建模结果。
作为本方案的又一实施例，与上述是实施例的区别在于，本实施例的模板点云平面实例分割算法中，步骤B1中，输入的每一个单块模板的第二点云数据，均分别包含1个顶面、3个侧面和若干底面。
Claims (9)
1.一种基于点云数据的现浇结构模板逆向建模方法，应用于包含多个模板的建筑，其特征在于，包括：
获取包含模板扫描结果在内的第一点云数据，以及包含建筑模板设计信息的BIM模型；
通过模板实例分割算法，基于BIM模型，对所述第一点云数据进行分割，获得每一个模板分别对应的第二点云数据；
通过模板点云平面实例分割算法，对每一个所述第二点云数据中对应的模板上各个面的点云数据进行分割，将分割出的每一个面对应的点云数据分别保存为一个第三点云数据；
依据全部所述第三点云数据，利用BIM软件，通过模板实例组重建算法，对全部模板进行逆向建模，得到建模结果。
2.根据权利要求1所述的一种基于点云数据的现浇结构模板逆向建模方法，其特征在于，所述模板实例分割算法，具体为：
在所述第一点云数据中，人工选取表面杂物少且形状无重复的单个模板对应的点云数据，将其保存为第四点云数据；
通过随机一致性算法，对所述第四点云数据中对应所述模板的顶面点云数据进行平面拟合，得到第一平面，计算所述第一平面的法向量，作为第一法向量；
以所述第一法向量作为Z轴的方向，对第四点云数据进行坐标变换，得到第六点云数据，将第六点云数据投影至XY平面，得到第一图像；
利用BIM软件，将所述BIM模型转换为第七点云数据，对第七点云数据Z轴坐标进行去中心化，获得第八点云数据；
将所述第八点云数据投影至XY平面生成第二图像；
通过基于形状的图像匹配算法，在所述第二图像中对所述第一图像进行形状匹配，得到第一图像匹配至第二图像的第一坐标变换矩阵；
将第一坐标变换矩阵拓展至三维，得到第二坐标变换矩阵；
依据第二坐标变换矩阵，对第六点云数据进行坐标变换，得到第九点云数据，对第九点云数据的Z轴进行去中心化处理，得到第十点云数据；
通过ICP算法，将第十点云数据对齐至第八点云数据，获得第十一点云数据；
计算所述第四点云数据相对于所述第十一点云数据的第五坐标变换矩阵，对第一点云数据依据第五坐标变换矩阵进行坐标变换，得到第五点云数据；
依据BIM模型，建立所述第八点云数据中每个模板的轴向包围框，并对轴向包围框按照第一预设值进行等比例放大，通过放大后的轴向包围框对第五点云数据进行分割，获得每一个模板分别对应的第二点云数据。
3.根据权利要求1所述的一种基于点云数据的现浇结构模板逆向建模方法，其特征在于，所述模板点云平面实例分割算法，具体为：
输入第二点云数据；
通过RANSAC算法，计算所述第二点云数据中模板的顶面法向量，并将其作为三维坐标系的Z轴的方向，对所述第二点云数据进行坐标变换，得到第十二点云数据，并记录坐标变换的矩阵为第三坐标变换矩阵；
以第二预设值对Z轴进行区间划分，统计所述第十二点云数据在Z轴不同区间内的点云数量，根据区间点数峰值判断顶面所在的Z轴区间，将该Z轴区间之上的点云数据标记为杂物，并从所述第十二点云数据中去除，得到第十三点云数据；
根据邻域点计算所述第十三点云数据中每个点的主方向向量，将所述第十三点云数据中主方向向量的与Z轴夹角大于第三阈值的点云数据划分为第一垂直点云数据，所述第十三点云数据的其余点云数据划分为第一水平点云数据；
通过RANSAC算法对第一垂直点云数据进行若干次平面拟合，计算每个拟合平面对应的平面法向量，并计算任意两个不同的平面法向量的位置关系，直至得到一对满足垂直条件的平面法向量，分别以相互垂直的一对平面法向量作为三维坐标系中X轴和Y轴的方向，Z轴方向不变，对所述第一垂直点云数据进行坐标变换，得到第二垂直点云数据，并记录坐标变换的矩阵为第四坐标变换矩阵；
通过基于M估计的RANSAC算法，在第一水平点云数据中拟合出每个对应单个水平方向平面的水平平面点云数据，以及在第二垂直点云数据中拟合出每个对应单个垂直方向平面的垂直平面点云数据；
依据BIM模型中该模板若干个侧面之间的几何关系，采用贪心策从所有模板平面中略筛选出符合几何关系的模板平面；
根据模板平面法向量方向将模板平面分为X轴朝向、Y轴朝向或Z轴朝向的三类平面，分别统计每类平面沿该类平面法向量方向的点云分布，获得单个平面在单个模板中的位置；
依据第三坐标变换矩阵的逆矩阵将每个水平平面点云数据变换至第二点云所在坐标系，并依据第三坐标变换矩阵和第四坐标变换矩阵的逆矩阵将每个垂直平面点云数据变换至第二点云数据所在坐标系；得到若干个第三点云数据。
4.根据权利要求1所述的一种基于点云数据的现浇结构模板逆向建模方法，其特征在于，所述模板实例组重建算法，具体为
导入全部第三点云数据，根据第三点云数据在第一点云数据中的位置关系，求出各模板的全部顶点坐标；
依据每一个模板的顶点坐标，为每一个模板分别建立一个实例模型；
计算每一个实例模型的顶部平面中心点的坐标，依据近邻搜索算法建立最近邻搜索树；
通过最近邻搜索树查找顶部平面中心点的最近中心点，得到实例模型的相连关系；
依据实例模型的相连关系，建立不同模板之间的连接，利用BIM软件对全部所述第三点云数据进行逆向建模，得到建模结果。
5.根据权利要求1所述的一种基于点云数据的现浇结构模板逆向建模方法，其特征在于，所述第二点云数据，包括属于单个模板的一个顶面、若干侧面和若干底面。
6.根据权利要求2所述的一种基于点云数据的现浇结构模板逆向建模方法，其特征在于，所述第一预设值的取值范围是1.05倍至1.20倍。
7.根据权利要求3所述的一种基于点云数据的现浇结构模板逆向建模方法，其特征在于，所述第二预设值的取值范围是1cm至5cm。
8.根据权利要求3所述的一种基于点云数据的现浇结构模板逆向建模方法，其特征在于，所述第三阈值为45°。
9.根据权利要求3所述的一种基于点云数据的现浇结构模板逆向建模方法，其特征在于，所述垂直条件是两个平面法向量的夹角角度在90°±10°的范围之内。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311034868.9A CN117058314B (zh) | 2023-08-16 | 2023-08-16 | 一种基于点云数据的现浇结构模板逆向建模方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311034868.9A CN117058314B (zh) | 2023-08-16 | 2023-08-16 | 一种基于点云数据的现浇结构模板逆向建模方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117058314A true CN117058314A (zh) | 2023-11-14 |
| CN117058314B CN117058314B (zh) | 2024-04-12 |
Family
ID=88658502
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311034868.9A Active CN117058314B (zh) | 2023-08-16 | 2023-08-16 | 一种基于点云数据的现浇结构模板逆向建模方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117058314B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103020637A (zh) * | 2012-11-22 | 2013-04-03 | 北京航空航天大学 | 一种基于K-plane算法的建筑物顶面点云数据分割方法 |
| CN106484988A (zh) * | 2016-09-30 | 2017-03-08 | 中国建筑局（集团）有限公司 | 一种三维点云数据逆向建立bim模型的方法 |
| CN108898662A (zh) * | 2018-05-30 | 2018-11-27 | 中国人民解放军陆军勤务学院 | 基于点云数据的管线设施bim模型自动化重建方法 |
| US20180349522A1 (en) * | 2017-06-05 | 2018-12-06 | Siteaware Systems Ltd. | Adaptive Modeling of Buildings During Construction |
| CN110060344A (zh) * | 2019-04-25 | 2019-07-26 | 重庆大学 | 一种基于点云数据的预制构件整体尺寸逆向建模方法 |
| US20190310378A1 (en) * | 2018-04-05 | 2019-10-10 | Apex.AI, Inc. | Efficient and scalable three-dimensional point cloud segmentation for navigation in autonomous vehicles |
| US20200111251A1 (en) * | 2018-10-08 | 2020-04-09 | The Hong Kong Polytechnic University | 3d indoor modeling method, system and device based on point cloud data |
| CN112991541A (zh) * | 2021-04-06 | 2021-06-18 | 中国建筑第二工程局有限公司 | 基于bim的假山逆向建模方法、装置、设备及介质 |
| CN114091139A (zh) * | 2021-09-30 | 2022-02-25 | 无锡市城市重点建设项目管理中心 | 混凝土组合箱梁残缺三维激光点云的自动逆向建模方法 |
| CN114140586A (zh) * | 2022-01-29 | 2022-03-04 | 苏州工业园区测绘地理信息有限公司 | 面向室内空间的三维建模方法、装置和存储介质 |
| WO2022099511A1 (zh) * | 2020-11-11 | 2022-05-19 | 深圳元戎启行科技有限公司 | 基于点云数据的地面分割方法、装置和计算机设备 |
| US20220300681A1 (en) * | 2021-03-16 | 2022-09-22 | Yuan Ren | Devices, systems, methods, and media for point cloud data augmentation using model injection |
| CN115761172A (zh) * | 2022-10-10 | 2023-03-07 | 哈尔滨工程大学 | 一种基于点云语义分割与结构拟合的单体建筑三维重建方法 |
| CN116341050A (zh) * | 2023-02-07 | 2023-06-27 | 浙江大学 | 一种基于点云数据的机器人智能建造方法 |
-
2023
- 2023-08-16 CN CN202311034868.9A patent/CN117058314B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103020637A (zh) * | 2012-11-22 | 2013-04-03 | 北京航空航天大学 | 一种基于K-plane算法的建筑物顶面点云数据分割方法 |
| CN106484988A (zh) * | 2016-09-30 | 2017-03-08 | 中国建筑局（集团）有限公司 | 一种三维点云数据逆向建立bim模型的方法 |
| US20180349522A1 (en) * | 2017-06-05 | 2018-12-06 | Siteaware Systems Ltd. | Adaptive Modeling of Buildings During Construction |
| US20190310378A1 (en) * | 2018-04-05 | 2019-10-10 | Apex.AI, Inc. | Efficient and scalable three-dimensional point cloud segmentation for navigation in autonomous vehicles |
| CN108898662A (zh) * | 2018-05-30 | 2018-11-27 | 中国人民解放军陆军勤务学院 | 基于点云数据的管线设施bim模型自动化重建方法 |
| US20200111251A1 (en) * | 2018-10-08 | 2020-04-09 | The Hong Kong Polytechnic University | 3d indoor modeling method, system and device based on point cloud data |
| CN110060344A (zh) * | 2019-04-25 | 2019-07-26 | 重庆大学 | 一种基于点云数据的预制构件整体尺寸逆向建模方法 |
| WO2022099511A1 (zh) * | 2020-11-11 | 2022-05-19 | 深圳元戎启行科技有限公司 | 基于点云数据的地面分割方法、装置和计算机设备 |
| US20220300681A1 (en) * | 2021-03-16 | 2022-09-22 | Yuan Ren | Devices, systems, methods, and media for point cloud data augmentation using model injection |
| CN112991541A (zh) * | 2021-04-06 | 2021-06-18 | 中国建筑第二工程局有限公司 | 基于bim的假山逆向建模方法、装置、设备及介质 |
| CN114091139A (zh) * | 2021-09-30 | 2022-02-25 | 无锡市城市重点建设项目管理中心 | 混凝土组合箱梁残缺三维激光点云的自动逆向建模方法 |
| CN114140586A (zh) * | 2022-01-29 | 2022-03-04 | 苏州工业园区测绘地理信息有限公司 | 面向室内空间的三维建模方法、装置和存储介质 |
| CN115761172A (zh) * | 2022-10-10 | 2023-03-07 | 哈尔滨工程大学 | 一种基于点云语义分割与结构拟合的单体建筑三维重建方法 |
| CN116341050A (zh) * | 2023-02-07 | 2023-06-27 | 浙江大学 | 一种基于点云数据的机器人智能建造方法 |
Non-Patent Citations (4)
| Title |
|---|
| DONGSHENG LI, ET AL.: "A deep learning-based indoor acceptance system for assessment on flatness and verticality quality of concrete surfaces", JOURNAL OF BUILDING ENGINEERING, vol. 51, pages 1 - 22 * |
| 季军;杨晨;: "三维逆向建模方法的研究", 河北冶金, no. 1 * |
| 胡春梅;张方;: "基于扫描点云和标准参数的古建筑构件正逆向建模方法研究", 激光杂志, no. 04 * |
| 黄景伟;何鹏;刘洁;陈明举;: "点云数据提取二次曲面特征算法研究", 信息通信, no. 05 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117058314B (zh) | 2024-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111243090B (zh) | 土方量计算方法及系统 | |
| CN104778688A (zh) | 点云数据的配准方法及装置 | |
| CN110188423B (zh) | 一种基于有限元网格划分的线性工程结构快速bim建模方法 | |
| CN114119488B (zh) | 一种面向工厂化的预制叠合板尺寸质量智能检测方法 | |
| CN110084894B (zh) | 三维模型的局部放大展示方法、装置与电子设备 | |
| CN115203778A (zh) | 隧道超欠挖检测方法、装置、终端设备及存储介质 | |
| CN105184854A (zh) | 针对地下空间扫描点云成果数据的快速建模方法 | |
| CN110111237B (zh) | 一种基于Brep模型的三维模型坐标转换方法 | |
| CN111210520A (zh) | 一种用于实物模型的逆向成形方法及系统 | |
| CN109785443B (zh) | 一种针对大型海洋工程装备的三维模型简化方法 | |
| CN109448112B (zh) | 三维模型库的建立方法及装置 | |
| CN117058314B (zh) | 一种基于点云数据的现浇结构模板逆向建模方法 | |
| Vincke et al. | Vision based metric for quality control by comparing built reality to BIM | |
| CN113420353A (zh) | 钢筋排布方法、装置及电子设备 | |
| CN116476070B (zh) | 大型筒件局部特征机器人扫描测量路径调整方法 | |
| CN117152475A (zh) | 一种获取爆堆矿石块度的方法 | |
| Zheliazkova et al. | A parametric-assisted method for 3D generation of as-built BIM models for the built heritage | |
| CN109670557B (zh) | 一种基于杆状构筑物的公路点云自动配准方法 | |
| Szolomicki | Application of 3D laser scanning to computer model of historic buildings | |
| CN112765711A (zh) | 一种绿色建筑模拟计算的bim建模方法 | |
| CN111862322B (zh) | 一种拱轴线提取方法及装置 | |
| CN111590265A (zh) | 基于激光扫描技术的模具修复方法 | |
| CN117197410B (zh) | 钢结构的虚拟拼装方法、装置、设备及存储介质 | |
| Dung et al. | Automatic weld bead detection on free-form surface parts for remanufacturing processes | |
| CN113808252B (zh) | 基于交互性标签和宏的三维模型逐级重建方法 |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Li Hantao Inventor after: Liu Chaojun Inventor after: Ming Chaohui Inventor after: Wang Wenyuan Inventor after: Fu Yang Inventor after: Liu Lu Inventor after: Tang Fujian Inventor after: Zhang Jie Inventor after: Ye Kun Inventor after: Ruan Jing Inventor after: Wang Shengguo Inventor after: Zhang Meifei Inventor after: Huang Dong Inventor after: Fang Kun Inventor after: Lu Zhicheng Inventor after: Li Wei Inventor after: Liu Jiepeng Inventor after: Xu Qing Inventor after: Cheng Qiyuan Inventor after: Li Laian Inventor after: Zeng Yan Inventor after: Liao Yue Inventor after: Wu Xiaofeng Inventor before: Li Hantao Inventor before: Liu Chaojun Inventor before: Ming Chaohui Inventor before: Wang Wenyuan Inventor before: Fu Yang Inventor before: Liu Lu Inventor before: Tang Fujian Inventor before: Zhang Jie Inventor before: Ye Kun Inventor before: Ruan Jing Inventor before: Wang Shengguo Inventor before: Zhang Meifei Inventor before: Huang Dong Inventor before: Fang Kun Inventor before: Lu Zhicheng Inventor before: Li Wei Inventor before: Liu Jiepeng Inventor before: Xu Qing Inventor before: Cheng Qiyuan Inventor before: Li Laian Inventor before: Zeng Yan Inventor before: Liao Yue Inventor before: Wu Xiaofeng |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |