CN117408964A - 一种用于建设项目竣工验收的定点测量方法及设备 - Google Patents

Abstract

本发明涉及工程测量技术领域，尤其是一种用于建设项目竣工验收的定点测量方法，包括以下步骤：S1、使用三维激光扫描仪从多个角度对建筑物进行扫描；S2、通过专用算法进行数据预处理；S3、将获取的点云数据与设计图进行对比，使用ICP算法计算点云数据与设计图模型之间的变换矩阵；S4、应用变换矩阵计算点云数据和设计图模型之间的误差；S5、在用户界面上展示误差并高亮出与设计图有较大差异的区域，所述步骤S1中，使用三维激光扫描仪从多个角度对建筑物进行扫描，得到点云数据P。

Description

一种用于建设项目竣工验收的定点测量方法及设备

技术领域

本发明涉及工程测量技术领域，尤其涉及一种用于建设项目竣工验收的定点测量方法及设备。

背景技术

建设项目的竣工验收阶段是工程交付的关键环节，它不仅关系到项目的质量、安全和使用功能，也是工程方和投资方对项目符合预定标准和设计图的核实过程。在这个阶段，通过严格的定点测量，评估建筑物的各个方面是否与设计图纸和规范相一致，确保其结构完整性、尺寸准确性以及功能的合规性，定点测量是确定和验证建筑物的尺寸和几何特性的过程。这种测量主要关注建筑物的关键部位(例如墙壁的垂直度、地面的平整度等)是否满足设计要求和施工标准，准确的定点测量能够。

当前的定点测量主要采用的是传统的测量方法和一些基本的数字化测量工具，包括手动测量，运用尺子、卷尺和测量仪进行基础的、逐点的测量；光学测量，利用光学测量仪器，如全站仪进行精确测量；激光测距，使用激光测距仪获取点到点之间的距离；二维数字图纸对比，通过与电子版的设计图纸进行比对，验证建筑物各部分的尺寸和位置。尽管现有的定点测量方法和设备在一定程度上能够完成基础的测量任务，但它们仍然面临着一系列的挑战和局限性：

效率低下：手动测量和数据对比通常需要较长的时间和更多的劳动力。

准确性不足：尤其在复杂的建筑结构和大型项目中，手动测量的误差较大。

数据处理困难：传统测量获取的数据需要人工进行处理和分析，无法实现自动化。

三维数据缺失：传统方法往往只能提供二维的尺寸数据，而无法提供完整的三维信息。

数据安全问题：在数据记录、传输和存储过程中存在丢失或损坏的风险。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，而提出的一种用于建设项目竣工验收的定点测量方法及设备。

为达到以上目的，本发明采用的技术方案为：一种用于建设项目竣工验收的定点测量方法，包括以下步骤：S1、使用三维激光扫描仪从多个角度对建筑物进行扫描；S2、通过专用算法进行数据预处理；S3、将获取的点云数据与设计图进行对比，使用ICP算法计算点云数据与设计图模型之间的变换矩阵；S4、应用变换矩阵计算点云数据和设计图模型之间的误差；S5、在用户界面上展示误差并高亮出与设计图有较大差异的区域。

优选的，所述步骤S1中，使用三维激光扫描仪从多个角度对建筑物进行扫描，得到点云数据P。

优选的，所述步骤S2中的数据预处理包括去噪声和数据填充，所述去噪声采用统计离群值分析，设定一个全局的阈值T，对于每一个点P，计算其到临近k点的平均距离D，如果D目标大于T，则将点P标记为噪声并去除，所述数据填充采用内插的方法，在k最近邻(KNN)插值，根据一个点的k个最近邻的属性预测该点的属性。

优选的，所述步骤S3中包括以下步骤和超参数：

S301：选择初始的变换矩阵；

S302：匹配距离阈值D{thresh}，确定源点云和目标点云之间的匹配点；

S303：采用权重函数W(d)＝e^{-\frac{d^2}{2\sigma^2}}，其中，sigma是超参数，用于决定权重下降的速度。

S304：利用最小二乘法，通过误差E(T)＝\sum{i＝1}^{N}W(di)\times|T(si)-ti|2^2，计算最优变换矩阵T，其中，si是源点，ti是匹配的目标点，N是匹配点对的数量，T是变换矩阵；

S305：设置最大迭代次数N{max}和收敛阈值\epsilon，控制ICP算法的停止条件。

优选的，在步骤S305中还包括迭代，所述迭代是用新计算出来的变换矩阵更新原始的变换矩阵，然后返回步骤S302，重复这个过程，直到满足终止条件。

优选的，在步骤S305中，当连续两次迭代的误差差值小于\epsilon时，或者迭代次数超过N_{max}时，算法停止。

优选的，所述步骤S4中，应用变换矩阵T到点云数据P'，得到变换后的点云P”，计算P”和设计图模型D之间的差异E，计算公式为：E＝\frac{1}{N}\sum{i＝1}^{N}d(p”i,D)，式中，p”i是变换后的点云P”中的点，d(p”i,D)是点p”i到设计图模型D的最短距离，N是点云P”中的点的总数。

一种用于建设项目竣工验收的定点测量设备，采用以上所述的定点测量方法进行测量，包括三维激光扫描仪、计算机视觉处理系统和用户界面，所述三维激光扫描仪用于捕捉建筑的精确三维信息，所述计算机视觉处理系统用于对扫描得到的三维数据进行处理和分析，所述用户界面用于展示测量结果和与设计图进行对比，通过高亮显示误差区域。

优选的，所述计算机视觉处理系统配备高性能的GPU，用于处理大量的点云数据。

优选的，所述定点测量设备还包括数据存储和备份功能，用于确保测量数据的安全性。

与现有技术相比，本发明具有以下有益效果：

1、使用激光扫描和自动化对比方法可以加快验证速度，避免传统的物理测量方法既费时又费力的问题；

2、通过与设计图模型的对比，可以精确地确定建筑物的实际结构是否与设计相符，且该方法减少了人为干预和主观判断，使验收更加公正和准确；

3、通过直观的用户界面展示差异，使得非专家用户也能轻松理解和定位问题；

4、扫描得到的数据可以保存作为项目的文档资料，有助于后续的维护和管理；

5、通过去噪声和数据填充技术，确保了点云数据的质量和完整性，为整个项目的成功实施打下了坚实的基础，这不仅提高了工作流程的效率，还确保了最终成果的准确性和可用性。

附图说明

图1为本发明一种用于建设项目竣工验收的定点测量方法的整体流程图；

图2为本发明中使用ICP算法计算点云数据与设计图模型之间的变换矩阵的架构图；

图3为本发明中使用ICP算法计算点云数据与设计图模型之间的变换矩阵的流程图；

图4为本发明中定点测量设备与定点测量方法的关联图。

具体实施方式

以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。

如图1所示的一种用于建设项目竣工验收的定点测量方法，包括以下步骤：S1、使用三维激光扫描仪从多个角度对建筑物进行扫描；S2、通过专用算法进行数据预处理；S3、将获取的点云数据与设计图进行对比，使用ICP算法计算点云数据与设计图模型之间的变换矩阵；S4、应用变换矩阵计算点云数据和设计图模型之间的误差；S5、在用户界面上展示误差并高亮出与设计图有较大差异的区域。

具体地，在步骤S1中，使用高精度的三维激光扫描仪，确保从不同的视角和位置捕捉建筑物的全貌，在实际操作中，在建筑物周围放置扫描仪，从不同的角度和高度进行扫描，确保覆盖建筑物的所有部分，在步骤S2中，采用点云处理软件，如CloudCompare、PCL等，对数据进行预处理，预处理包括去噪、点云数据稀疏化、去除背景和不相关的物体、数据填充等其中的一个或多个，在步骤S3中，ICP算法作为迭代方法，用于将两组点云数据重叠起来，以找到两者之间的最佳对齐，在执行过程汇总，以设计图模型为参考，尝试寻找点云数据与设计图模型之间的最佳对齐，在步骤S4中，使用变换矩阵，对齐点云数据和设计图模型，然后计算两者之间的距离，在步骤S5中，通过可视化的设置，为用户提供一个直观的界面，其中差异较大的区域可能以红色或其他醒目的颜色高亮显示，用户可以放大、旋转和移动3D视图，查看具体的问题区域。

本实施例中，使用激光扫描和自动化对比方法可以加快验证速度，避免传统的物理测量方法既费时又费力的问题，通过与设计图模型的对比，可以精确地确定建筑物的实际结构是否与设计相符，且该方法减少了人为干预和主观判断，使验收更加公正和准确，通过直观的用户界面展示差异，使得非专家用户也能轻松理解和定位问题，而且，扫描得到的数据可以保存作为项目的文档资料，有助于后续的维护和管理，本实施中的建设项目竣工验收的定点测量方法提供了一个高效、精确和用户友好的方式来验证建筑物的实际结构是否与设计图模型相符。

作为本发明的一种实施方式，步骤S1中，使用三维激光扫描仪从多个角度对建筑物进行扫描，得到点云数据P。

本实施例中，将扫描仪放置在建筑物各个关键位置，确保从不同的角度完全覆盖到建筑物的各个部分，选择多个角度进行扫描，以避免数据的遮挡和缺失，获得建筑物的完整表达，保证每个区域都被至少两个不同的角度所扫描，以便后续的数据校正和验证，执行扫描作业，获取包括建筑物表面及相关特征的点云数据集P，点云数据P不仅可以用于建筑验收阶段，也可以用于后期的建筑维护、改造或其它研究工作，提高数据的利用效率，S1步骤中利用三维激光扫描仪从多角度获取建筑物的点云数据P，为整个建设项目竣工验收过程提供了一个精确和可靠的数据基础，确保了后续分析和决策的准确性，并增强了建筑项目管理和维护的能力

作为本发明的一种实施方式，步骤S2中的数据预处理包括去噪声和数据填充，去噪声采用统计离群值分析，设定一个全局的阈值T，对于每一个点P，计算其到临近k点的平均距离D，如果D目标大于T，则将点P标记为噪声并去除，数据填充采用内插的方法，在k最近邻(KNN)插值，根据一个点的k个最近邻的属性预测该点的属性。

具体地，去噪声采用统计离群值分析，首先，设定一个全局阈值T，然后，对采集到的每一个点P，计算该点到其临近k个点的平均距离D，如果计算出的距离D大于设定的阈值T，则认定点P为异常的噪声点，最后，将识别出的噪声点P从数据集中去除；数据填充采用内插法，特别是K最近邻(KNN)插值，在清洗后的数据中，可能会出现某些区域数据稀疏或缺失，采用KNN插值方法，找到缺失点P附近的k个最近邻点，根据这k个邻近点的属性(如位置、颜色、反射率等)，预测并填充点P的相应属性。

本实施例中，通过有效去除噪声，数据的准确性得到大幅提升，为后续的数据分析和使用提供了更可靠的基础，数据填充技术解决了因原始数据采集难度或噪声清除导致的数据缺失问题，使得点云数据更加完整，保证了数据的连贯性，采用自动化的数据清洗和填充技术，显著提高了数据预处理的效率，缩短了项目周期，通过设定不同的阈值T和邻近点数量k，可以根据不同的数据质量和项目需求，灵活调整预处理的严格程度和细节程度，高质量的预处理数据能够降低后续步骤(如模型构建、特征提取等)的复杂性和计算成本，提高整体工作流的效率和准确性，由于预处理步骤的优化，最终输出的模型或分析结果更加精确和可信，有助于从业者做出基于数据的决策，总的来说，步骤S2通过先进的去噪声和数据填充技术，确保了点云数据的质量和完整性，为整个项目的成功实施打下了坚实的基础，这不仅提高了工作流程的效率，还确保了最终成果的准确性和可用性。

作为本发明的一种实施方式，如图2所示，步骤S3中包括以下步骤和超参数：

S301：选择初始的变换矩阵；

S302：匹配距离阈值D{thresh}，确定源点云和目标点云之间的匹配点；

S303：采用权重函数W(d)＝e^{-\frac{d^2}{2\sigma^2}}，其中，sigma是超参数，用于决定权重下降的速度。

S304：利用最小二乘法，通过误差E(T)＝\sum{i＝1}^{N}W(di)\times|T(si)-ti|2^2，计算最优变换矩阵T，其中，si是源点，ti是匹配的目标点，N是匹配点对的数量，T是变换矩阵；

S305：设置最大迭代次数N{max}和收敛阈值\epsilon，控制ICP算法的停止条件。

在步骤S305中还包括迭代，迭代是用新计算出来的变换矩阵更新原始的变换矩阵，然后返回步骤S302，重复这个过程，直到满足终止条件。

本实施例中，在点云配准开始时，首先需要一个初始变换矩阵，这通常可以基于某种先验知识或者简单的估计来获取，对于源点云中的每一个点，找到目标点云中距离最近的点作为其匹配点，只有当这个距离小于阈值D{thresh}时，该点对才被考虑为有效的匹配点对，采用高斯权重函数W(d)＝e^{-\frac{d^2}{2\sigma^2}}为每个匹配点对分配一个权重，这里的sigma是一个超参数，决定了权重随距离下降的速度，使得匹配较好(距离较近)的点对会有更大的权重，通过最小二乘法，基于误差E(T)的定义，找到一个最优的变换矩阵T，使得源点云和目标点云之间的误差最小，根据新计算出的变换矩阵更新原始的变换矩阵，返回步骤S302，并重复整个过程，设置最大迭代次数N{max}和收敛阈值\epsilon以确定算法的停止条件，其中，ICP算法能够为点云数据提供非常精确的配准，特别是当初始的估计已经相对准确时，通过高斯权重函数，算法可以更加关注那些匹配较好的点对，从而提高配准的准确性，通过设置匹配距离阈值D{thresh}，可以排除那些可能导致误差的不良匹配，ICP算法通常具有很快的收敛速度，特别是在初始估计较好的情况下，通过设置最大迭代次数和收敛阈值，可以灵活地控制算法的运行时间和精度。

作为本发明的一种实施方式，如图3所示,在步骤S305中，当连续两次迭代的误差差值小于\epsilon时，或者迭代次数超过N{max}时，算法停止。工作中，如果连续两次迭代之间的误差差值小于预设的阈值\epsilon，算法会停止，新的迭代不再对匹配结果产生显著改进，即算法已收敛至最优解或局部最优解，而为了防止算法无限制运行(特别是在难以达到收敛条件的情况下)，设定一个最大迭代次数N{max}，一旦迭代次数达到这个上限，算法也会停止，确保了过程的有限性，其中，通过设定收敛阈值\epsilon，这种方法在计算效率和结果精度之间实现了平衡,如果\epsilon设得较小，算法会追求更高的精度，但计算时间可能增加，相反，较大的\epsilon可能会导致更快的计算，但精度较低，设置最大迭代次数N{max}是为了防止算法陷入无限迭代的重要措施，尤其是在处理复杂或“难题”数据时，这有助于保持算法的高效运行，即使在某些情况下无法找到精确匹配也能得到一个可接受的结果，在连续两次迭代的误差差值小于\epsilon时停止算法，这有助于避免不必要的计算，加速算法收敛，在许多情况下，当算法接近最优解时，进一步的迭代可能只会带来边际改进，这种情况下终止算法是合理的，用户可以根据具体任务的需求和资源限制(如时间、计算能力)来调整\epsilon和N{max}，这种灵活性使算法能够适应不同的应用场景和要求，由于存在最大迭代次数，即使在最坏的情况下，用户也可以对算法的执行时间有一个粗略的预估，在需要在有限时间内得到结果的应用中非常重要，例如实时系统或用户交互场景。

作为本发明的一种实施方式，步骤S4中，应用变换矩阵T到点云数据P'，得到变换后的点云P”，计算P”和设计图模型D之间的差异E，计算公式为：E＝\frac{1}{N}\sum{i＝1}^{N}d(p”i,D)，式中，p”i是变换后的点云P”中的点，d(p”i,D)是点p”i到设计图模型D的最短距离，N是点云P”中的点的总数。

本实施例中，通过计算点云P”与设计图模型D之间的差异E，可以为用户提供一个量化的指标，反映两者之间的误差大小，在实际使用中，允许用户判断点云数据是否满足一定的精度要求，使用该公式进行误差计算既简单又直观。对每个点计算其到设计图模型的最短距离，然后求平均值，为用户提供了一个清晰的误差指标，当与其他步骤(如优化步骤)结合时，这种差异计算方法可以指导算法进行更精确的调整或变换，以达到更低的误差，这种计算点云数据与设计图模型之间差异的方法为用户提供了一个简洁、直观的评估指标，这不仅有助于量化误差，还能指导优化过程，确保达到满意的结果。

一种用于建设项目竣工验收的定点测量设备，如图4所示，采用以上定点测量方法进行测量，包括三维激光扫描仪、计算机视觉处理系统和用户界面，三维激光扫描仪用于捕捉建筑的精确三维信息，计算机视觉处理系统用于对扫描得到的三维数据进行处理和分析，用户界面用于展示测量结果和与设计图进行对比，通过高亮显示误差区域，计算机视觉处理系统配备高性能的GPU，用于处理大量的点云数据，定点测量设备还包括数据存储和备份功能，用于确保测量数据的安全性。

本实施例中，通过三维激光扫描，能够获得建筑物的高精度三维数据，确保建筑物的结构、尺寸和其他关键方面符合设计规范，使用高性能的GPU加速点云数据的处理，减少了从数据捕捉到解析和解释所需的时间，提高了工作流程的效率，通过用户界面，施工方和检查人员可以直观地看到实际建筑与设计图之间的差异，这有助于快速、准确地识别出需要进一步调整的区域，内置的数据存储和备份功能减少了重要测量数据丢失的风险，提供了一种安全可靠的数据管理方案，计算机视觉处理系统提供的精确数据和对比分析有助于更严格的质量控制，确保建筑项目符合所有规定的标准和质量要求，由于其高级的计算能力和灵活的数据处理特点，这种测量设备可以适用于各种不同规模和复杂性的建筑项目，

综上，本实施例提供的一种用于建设项目竣工验收的定点测量设备通过集成现代技术，不仅提高了验收过程的准确性和效率，还优化了质量控制，确保了数据的安全性和完整性。

本发明的工作原理：使用高精度的三维激光扫描仪，确保从不同的视角和位置捕捉建筑物的全貌，在实际操作中，在建筑物周围放置扫描仪，从不同的角度和高度进行扫描，确保覆盖建筑物的所有部分，采用点云处理软件，如CloudCompare、PCL等，对数据进行预处理，预处理包括去噪、点云数据稀疏化、去除背景和不相关的物体、数据填充等其中的一个或多个，，ICP算法作为迭代方法，用于将两组点云数据重叠起来，以找到两者之间的最佳对齐，在执行过程汇总，以设计图模型为参考，尝试寻找点云数据与设计图模型之间的最佳对齐，，使用变换矩阵，对齐点云数据和设计图模型，然后计算两者之间的距离，，通过可视化的设置，为用户提供一个直观的界面，其中差异较大的区域可能以红色或其他醒目的颜色高亮显示，用户可以放大、旋转和移动3D视图，查看具体的问题区域，其中，在点云配准开始时，首先需要一个初始变换矩阵，这通常可以基于某种先验知识或者简单的估计来获取，对于源点云中的每一个点，找到目标点云中距离最近的点作为其匹配点，只有当这个距离小于阈值D{thresh}时，该点对才被考虑为有效的匹配点对，采用高斯权重函数W(d)＝e^{-\frac{d^2}{2\sigma^2}}为每个匹配点对分配一个权重，这里的sigma是一个超参数，决定了权重随距离下降的速度，使得匹配较好(距离较近)的点对会有更大的权重，通过最小二乘法，基于误差E(T)的定义，找到一个最优的变换矩阵T，使得源点云和目标点云之间的误差最小，根据新计算出的变换矩阵更新原始的变换矩阵，返回步骤S302，并重复整个过程，设置最大迭代次数N{max}和收敛阈值\epsilon以确定算法的停止条件。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内，本发明要求的保护范围由所附的权利要求书及其等同物界定。

Claims (10)

1.一种用于建设项目竣工验收的定点测量方法，其特征在于，包括以下步骤：

S1：使用三维激光扫描仪从多个角度对建筑物进行扫描；

S2：通过专用算法进行数据预处理；

S3：将获取的点云数据与设计图进行对比，使用ICP算法计算点云数据与设计图模型之间的变换矩阵；

S4：应用变换矩阵计算点云数据和设计图模型之间的误差；

S5：在用户界面上展示误差并高亮出与设计图有较大差异的区域。

2.根据权利要求1所述的一种用于建设项目竣工验收的定点测量方法，其特征在于：所述步骤S1中，使用三维激光扫描仪从多个角度对建筑物进行扫描，得到点云数据P。

3.根据权利要求2所述的一种用于建设项目竣工验收的定点测量方法，其特征在于：所述步骤S2中的数据预处理包括去噪声和数据填充，所述去噪声采用统计离群值分析，设定一个全局的阈值T，对于每一个点P，计算其到临近k点的平均距离D，如果D目标大于T，则将点P标记为噪声并去除，所述数据填充采用内插的方法，在k最近邻(KNN)插值，根据一个点的k个最近邻的属性预测该点的属性。

4.根据权利要求3所述的一种用于建设项目竣工验收的定点测量方法，其特征在于：所述步骤S3中包括以下步骤和超参数：

S301：选择初始的变换矩阵；

S302：匹配距离阈值D{thresh}，确定源点云和目标点云之间的匹配点；

S303：采用权重函数W(d)＝e^{-\frac{d^2}{2\s igma^2}}，其中，s igma是超参数，用于决定权重下降的速度。

S304：利用最小二乘法，通过误差E(T)＝\sum{i＝1}^{N}W(di)\t imes|T(s i)-t i|2^2，计算最优变换矩阵T，其中，s i是源点，t i是匹配的目标点，N是匹配点对的数量，T是变换矩阵；

S305：设置最大迭代次数N{max}和收敛阈值\epsilon，控制ICP算法的停止条件。

5.根据权利要求4所述的一种用于建设项目竣工验收的定点测量方法，其特征在于：在步骤S305中还包括迭代，所述迭代是用新计算出来的变换矩阵更新原始的变换矩阵，然后返回步骤S302，重复这个过程，直到满足终止条件。

6.根据权利要求5所述的一种用于建设项目竣工验收的定点测量方法，其特征在于：在步骤S305中，当连续两次迭代的误差差值小于\epsilon时，或者迭代次数超过N_{max}时，算法停止。

7.根据权利要求6所述的一种用于建设项目竣工验收的定点测量方法，其特征在于：所述步骤S4中，应用变换矩阵T到点云数据P'，得到变换后的点云P”，计算P”和设计图模型D之间的差异E，计算公式为：E＝\frac{1}{N}\sum{i＝1}^{N}d(p”i,D)，

式中，p”i是变换后的点云P”中的点，d(p”i,D)是点p”i到设计图模型D的最短距离，N是点云P”中的点的总数。

8.一种用于建设项目竣工验收的定点测量设备，采用权利要求1所述的定点测量方法进行测量，其特征在于，包括：

三维激光扫描仪，所述三维激光扫描仪用于捕捉建筑的精确三维信息；

计算机视觉处理系统，所述计算机视觉处理系统用于对扫描得到的三维数据进行处理和分析；

用户界面，所述用户界面用于展示测量结果和与设计图进行对比，通过高亮显示误差区域。

9.根据权利要求8所述的一种用于建设项目竣工验收的定点测量设备，其特征在于：所述计算机视觉处理系统配备高性能的GPU，用于处理大量的点云数据。

10.根据权利要求9所述的一种用于建设项目竣工验收的定点测量设备，其特征在于：所述定点测量设备还包括数据存储和备份功能，用于确保测量数据的安全性。