CN117475002A - 基于激光扫描技术的建筑倾斜度测量方法 - Google Patents

基于激光扫描技术的建筑倾斜度测量方法 Download PDF

Info

Publication number
CN117475002A
CN117475002A CN202311809958.0A CN202311809958A CN117475002A CN 117475002 A CN117475002 A CN 117475002A CN 202311809958 A CN202311809958 A CN 202311809958A CN 117475002 A CN117475002 A CN 117475002A
Authority
CN
China
Prior art keywords
point cloud
point
cloud data
building
points
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
Application number
CN202311809958.0A
Other languages
English (en)
Inventor
辛茂杰
王康康
石发科
钱鹏
孙德伟
李璟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qingdao Yilian Construction Group Co ltd
Original Assignee
Qingdao Yilian Construction Group Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Qingdao Yilian Construction Group Co ltd filed Critical Qingdao Yilian Construction Group Co ltd
Priority to CN202311809958.0A priority Critical patent/CN117475002A/zh
Publication of CN117475002A publication Critical patent/CN117475002A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/77—Determining position or orientation of objects or cameras using statistical methods
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/26—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C1/00—Measuring angles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C9/00—Measuring inclination, e.g. by clinometers, by levels
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • 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
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • 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)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Computer Graphics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Hardware Design (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Architecture (AREA)
  • Algebra (AREA)
  • Geometry (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了基于激光扫描技术的建筑倾斜度测量方法，涉及测量技术领域，所述方法包括：获取激光扫描仪在不同施工时间的所有站点的点云数据；对所述点云数据进行预处理对所述点云子块数据进行特征提取得到特征点，所述特征点包括建筑的折边的特征点；折边为建筑的相邻墙面构成的棱；根据所述折边的特征点的点云数据拟合出空间直线方程，确定所述空间直线方程的参数；所述空间直线方程参数包括拟合直线的方向向量；根据第一施工时间的所述方向向量和第二施工时间的所述方向向量确定倾斜角度。通过对点云数据的特征提取，提取的特征线清晰完整，进而实现对空间直线方程的精确拟合，进而计算出特征线的倾斜度。

Description

基于激光扫描技术的建筑倾斜度测量方法
技术领域
本发明涉及测量技术领域，特别涉及基于激光扫描技术的建筑倾斜度测量方法。
背景技术
建筑的倾斜度监测在建筑施工的过程中是非常重要的。传统的监测方法一般是单点测量，常用的设备有水准仪、全站仪、GPS监测系统、近景摄影设备等。全站仪和水准仪虽然测量精度高，但是监测点布设困难，工作量大，适用范围较小受天气影响较大；GPS系统可以直接测量目标物的大地坐标，可以全天候测量，几乎不受天气条件影响，但是GPS系统依赖于稳定的数据传输线路、繁杂的软件系统以及高价的配套设备，一般应用于非实时的大型监测项目；摄影测量方法主要获取的是区域影像数据，将二维影像转换成三维实现建模，在一定程度上会导致数据的缺失，而且精度较低。基于此，本申请提出基于激光扫描技术的建筑倾斜度测量方法。
发明内容
本发明提供基于激光扫描技术的建筑倾斜度测量方法，解决了相关技术中建筑倾斜度测量不准确的技术问题。
根据本公开的一方面，提供了基于激光扫描技术的建筑倾斜度测量方法，所述方法包括：
获取激光扫描仪在不同施工时间的所有站点的点云数据；其中，所述站点包括多个在建筑周围设置的多个扫描站点；相邻扫描站点之间设置至少三个带有标识的标靶；
对所述点云数据进行预处理，包括：
对点云数据进行拼接，包括：对同一施工时间的相邻站点扫描的点云数据进行拼接，将两个站点的点云数据统一到相同的坐标系中；
对拼接后的点云数据进行去噪处理；
对所述点云数据进行精简，所述精简包括减少三维点云数据的数据量；
对精简后的点云数据进行分割，包括：将点云数据划分成多个相互独立的点云子块；
对所述点云子块数据进行特征提取得到特征点，所述特征点包括建筑的折边的特征点；折边为建筑的相邻墙面构成的棱；
根据所述折边的特征点的点云数据拟合出空间直线方程，确定所述空间直线方程的参数；所述空间直线方程参数包括拟合直线的方向向量；
根据第一施工时间的所述方向向量和第二施工时间的所述方向向量确定倾斜角度。
在一种可能的实现方式中，所述对拼接后的点云数据进行去噪处理，包括：
通过KNN搜索确定当前点云的邻近点个数，将所述邻近点个数与设定阈值比较，如果小于所述设定阈值，则判断当前点云是属于孤立点，删除当前点云。
在一种可能的实现方式中，所述方法包括：所述对所述点云数据进行精简，包括：
确定一个最小外包围长方体，所有的点云数据包围在最小外包围长方体内；
将最小外包围长方体划分为多个相邻的小正方体区域；
根据最小外包围长方体的三维坐标，最小外包围长方体内的点云个数和小正方体区域内的点云个数，确定小正方体的个数及小正方体的边长；其中，小正方体区域内的点云个数为设定的参数；
根据最小外包围长方体的三维坐标及小正方体的边长确定小正方体的中心点的坐标；计算小正方体内所有点云到中心点的距离，距离小正方体中心点云最近的点作为重心点；
计算小正方体内的所有点云到重心点的距离，所述距离的平均值和标准差；
根据所述平均值和标准差确定所述距离的预设范围；
删除距离不在预设范围的点云数据。
在一种可能的实现方式中，所述对所述点云子块数据进行特征提取得到特征点，包括：
通过k近邻搜索算法寻找点云数据中每个目标点的k个邻近点；
将目标点与其邻近点排列组合构造成多个三角形；
计算出所述三角形的法向量，并将法向量映射在高斯球面上得到高斯球面上的映射点；其中高斯球面为空间三维球面；
对每个目标点对应的高斯球面的映射点进行聚类确定聚类簇的个数，若当前目标点对于的聚类簇的个数为1，则当前目标点不是特征点；若当前目标点对于的聚类簇的个数为2-4，则当前目标点是特征点。
在一种可能的实现方式中，所述根据所述折边的特征点的点云数据拟合出空间直线方程，确定所述空间直线方程的参数，包括：
根据折边的特征点的点云数据和最小二乘法拟合出空间直线方程的方向向量。
在一种可能的实现方式中，所述根据第一施工时间的所述方向向量和第二施工时间的所述方向向量确定倾斜角度，包括：通过如下公式（1）和（2）计算倾斜角度，
（1）
（2）
其中，u表示第一施工时间的折边的特征点拟合得到的直线的方向向量，v表示第二施工时间的折边的特征点拟合得到的直线的方向向量，表示u和v的数量积，/>和/>分别表示u和v的模长。
根据本公开的一方面，提供了一种电子设备，其中，该电子设备包括：处理器以及存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行基于激光扫描技术的建筑倾斜度测量方法所述的方法。
根据本公开的一方面，提供了一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个指令，所述一个或多个指令当被处理器执行时，实现基于激光扫描技术的建筑倾斜度测量方法。
与现有技术相比，本发明的有益效果是：
本公开实施例的基于激光扫描技术的建筑倾斜度测量方法，通过对获取的大量的点云数据进行拼接、去噪、精简及分割，降低了后期处理的数据量及数据噪声，通过特征提取，提取的特征线清晰完整，进而实现对空间直线方程的精确拟合，进而计算出特征线的倾斜度。通过倾斜度可以了解到不同的施工期间建筑的倾斜情况。
附图说明
图1示出本公开一实施例的基于激光扫描技术的建筑倾斜度测量方法流程图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
根据本公开的一方面，提供了基于激光扫描技术的建筑倾斜度测量方法，所述方法包括：
S01,获取激光扫描仪在不同施工时间的所有站点的点云数据；其中，所述站点包括多个在建筑周围设置的多个扫描站点；相邻扫描站点之间设置至少三个带有标识的标靶；
S02,对所述点云数据进行预处理，包括：
对点云数据进行拼接，包括：对同一施工时间的相邻站点扫描的点云数据进行拼接，将两个站点的点云数据统一到相同的坐标系中；
对拼接后的点云数据进行去噪处理；
对所述点云数据进行精简，所述精简包括减少三维点云数据的数据量；
对精简后的点云数据进行分割，包括：将点云数据划分成多个相互独立的点云子块；
对所述点云子块数据进行特征提取得到特征点，所述特征点包括建筑的折边的特征点；折边为建筑的相邻墙面构成的棱；
S03,根据所述折边的特征点的点云数据拟合出空间直线方程，确定所述空间直线方程的参数；所述空间直线方程参数包括拟合直线的方向向量；
S04,根据第一施工时间的所述方向向量和第二施工时间的所述方向向量确定倾斜角度。
本公开实施例的基于激光扫描技术的建筑倾斜度测量方法，通过对获取的大量的点云数据进行拼接、去噪、精简及分割，降低了后期处理的数据量及数据噪声，通过特征提取，提取的特征线清晰完整，进而实现对空间直线方程的精确拟合，进而计算出特征线的倾斜度。通过倾斜度可以了解到不同的施工期间建筑的倾斜情况。
在一种可能的实现方式中，所述对拼接后的点云数据进行去噪处理，包括：
通过KNN搜索确定当前点云的邻近点个数，将所述邻近点个数与设定阈值比较，如果小于所述设定阈值，则判断当前点云是属于孤立点，删除当前点云。
在一种可能的实现方式中，所述方法包括：所述对所述点云数据进行精简，包括：
确定一个最小外包围长方体，所有的点云数据包围在最小外包围长方体内；
将最小外包围长方体划分为多个相邻的小正方体区域；
根据最小外包围长方体的三维坐标，最小外包围长方体内的点云个数和小正方体区域内的点云个数，确定小正方体的个数及小正方体的边长；其中，小正方体区域内的点云个数为设定的参数；
根据最小外包围长方体的三维坐标及小正方体的边长确定小正方体的中心点的坐标；计算小正方体内所有点云到中心点的距离，距离小正方体中心点云最近的点作为重心点；
计算小正方体内的所有点云到重心点的距离，所述距离的平均值和标准差；
根据所述平均值和标准差确定所述距离的预设范围；
删除距离不在预设范围的点云数据。
在一种可能的实现方式中，所述对所述点云子块数据进行特征提取得到特征点，包括：
通过k近邻搜索算法寻找点云数据中每个目标点的k个邻近点；
将目标点与其邻近点排列组合构造成多个三角形；
计算出所述三角形的法向量，并将法向量映射在高斯球面上得到高斯球面上的映射点；其中高斯球面为空间三维球面；
对每个目标点对应的高斯球面的映射点进行聚类确定聚类簇的个数，若当前目标点对于的聚类簇的个数为1，则当前目标点不是特征点；若当前目标点对于的聚类簇的个数为2-4，则当前目标点是特征点。其中，聚类的过程可以使用Kmeans聚类算法对所述映射点进行聚类。
首先对目标点进行k近邻搜索，然后对目标点及其近邻点组成的三角形集合的 单位法向量进行高斯映射。根据不同曲面的聚类分布的规律，得到三维激光点云模型的特征线。可以完整高效的提取出规则点云以及不规则点云的特征线，特别是对折边有较好的提取效果，为后期通过最小二乘拟合计算倾斜度提供了数据基础，节省了后期处理的程序运行时间。
在一种可能的实现方式中，所述根据所述折边的特征点的点云数据拟合出空间直线方程，确定所述空间直线方程的参数，包括：
根据折边的特征点的点云数据和最小二乘法拟合出空间直线方程的方向向量。
在一种可能的实现方式中，所述根据第一施工时间的所述方向向量和第二施工时间的所述方向向量确定倾斜角度，包括：通过如下公式（1）和（2）计算倾斜角度，
（1）
（2）
其中，u表示第一施工时间的折边的特征点拟合得到的直线的方向向量，v表示第二施工时间的折边的特征点拟合得到的直线的方向向量，表示u和v的数量积，/>和/>分别表示u和v的模长。
其中，最小二乘法法是一种数学优化技术，它通过最小化测量值与实际值离差的平方和来寻找数据的最佳函数匹配，通过计算离散数据集中中的点到拟合直线的距离之和最小，确定出拟合的直线方程。例如，假设拟合直线的方向向量为，且直线经过已知点/>，则空间直线的方程表示为式（3），
（3）
求出参数x0，y0，m，n即可得到空间直线方程。
通过将提取得到的建筑特征线进行三维空间直线最小二乘拟合，得到拟合空间直线的标准函数式，根据其方向向量可以得到不用施工时期建筑倾斜度。
根据本公开的一方面，提供了一种电子设备，其中，该电子设备包括：处理器以及存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行基于激光扫描技术的建筑倾斜度测量方法所述的方法。
根据本公开的一方面，提供了一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个指令，所述一个或多个指令当被处理器执行时，实现基于激光扫描技术的建筑倾斜度测量方法。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (8)

1.基于激光扫描技术的建筑倾斜度测量方法，其特征在于，所述方法包括：
获取激光扫描仪在不同施工时间的所有站点的点云数据；其中，所述站点包括多个在建筑周围设置的多个扫描站点；相邻扫描站点之间设置至少三个带有标识的标靶；
对所述点云数据进行预处理，包括：
对点云数据进行拼接，包括：对同一施工时间的相邻站点扫描的点云数据进行拼接，将两个站点的点云数据统一到相同的坐标系中；
对拼接后的点云数据进行去噪处理；
对所述点云数据进行精简，所述精简包括减少三维点云数据的数据量；
对精简后的点云数据进行分割，包括：将点云数据划分成多个相互独立的点云子块；
对所述点云子块数据进行特征提取得到特征点，所述特征点包括建筑的折边的特征点；折边为建筑的相邻墙面构成的棱；
根据所述折边的特征点的点云数据拟合出空间直线方程，确定所述空间直线方程的参数；所述空间直线方程参数包括拟合直线的方向向量；
根据第一施工时间的所述方向向量和第二施工时间的所述方向向量确定倾斜角度。
2.根据权利要求1所述的基于激光扫描技术的建筑倾斜度测量方法，其特征在于，所述对拼接后的点云数据进行去噪处理，包括：
通过KNN搜索确定当前点云的邻近点个数，将所述邻近点个数与设定阈值比较，如果小于所述设定阈值，则判断当前点云是属于孤立点，删除当前点云。
3.根据权利要求1所述的基于激光扫描技术的建筑倾斜度测量方法，其特征在于，所述方法包括：所述对所述点云数据进行精简，包括：
确定一个最小外包围长方体，所有的点云数据包围在最小外包围长方体内；
将最小外包围长方体划分为多个相邻的小正方体区域；
根据最小外包围长方体的三维坐标，最小外包围长方体内的点云个数和小正方体区域内的点云个数，确定小正方体的个数及小正方体的边长；其中，小正方体区域内的点云个数为设定的参数；
根据最小外包围长方体的三维坐标及小正方体的边长确定小正方体的中心点的坐标；计算小正方体内所有点云到中心点的距离，距离小正方体中心点云最近的点作为重心点；
计算小正方体内的所有点云到重心点的距离，所述距离的平均值和标准差；
根据所述平均值和标准差确定所述距离的预设范围；
删除距离不在预设范围的点云数据。
4.根据权利要求1所述的基于激光扫描技术的建筑倾斜度测量方法，其特征在于，所述对所述点云子块数据进行特征提取得到特征点，包括：
通过k近邻搜索算法寻找点云数据中每个目标点的k个邻近点；
将目标点与其邻近点排列组合构造成多个三角形；
计算出所述三角形的法向量，并将法向量映射在高斯球面上得到高斯球面上的映射点；其中高斯球面为空间三维球面；
对每个目标点对应的高斯球面的映射点进行聚类确定聚类簇的个数，若当前目标点对于的聚类簇的个数为1，则当前目标点不是特征点；若当前目标点对于的聚类簇的个数为2-4，则当前目标点是特征点。
5.根据权利要求1所述的基于激光扫描技术的建筑倾斜度测量方法，其特征在于，所述根据所述折边的特征点的点云数据拟合出空间直线方程，确定所述空间直线方程的参数，包括：
根据折边的特征点的点云数据和最小二乘法拟合出空间直线方程的方向向量。
6.根据权利要求1所述的基于激光扫描技术的建筑倾斜度测量方法，其特征在于，所述根据第一施工时间的所述方向向量和第二施工时间的所述方向向量确定倾斜角度，包括：通过如下公式（1）和（2）计算倾斜角度，
（1）
（2）
其中，u表示第一施工时间的折边的特征点拟合得到的直线的方向向量，v表示第二施工时间的折边的特征点拟合得到的直线的方向向量，表示u和v的数量积，/>和分别表示u和v的模长。
7.一种电子设备，其中，该电子设备包括：
处理器以及存储计算机可执行指令的存储器，其特征在于，所述可执行指令在被执行时使所述处理器执行根据权利要求1-6中任一项所述的方法。
8.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个指令，其特征在于，所述一个或多个指令当被处理器执行时，实现权利要求1-6中任一项所述的方法。
CN202311809958.0A 2023-12-27 2023-12-27 基于激光扫描技术的建筑倾斜度测量方法 Pending CN117475002A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311809958.0A CN117475002A (zh) 2023-12-27 2023-12-27 基于激光扫描技术的建筑倾斜度测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311809958.0A CN117475002A (zh) 2023-12-27 2023-12-27 基于激光扫描技术的建筑倾斜度测量方法

Publications (1)

Publication Number Publication Date
CN117475002A true CN117475002A (zh) 2024-01-30

Family

ID=89635102

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311809958.0A Pending CN117475002A (zh) 2023-12-27 2023-12-27 基于激光扫描技术的建筑倾斜度测量方法

Country Status (1)

Country Link
CN (1) CN117475002A (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103940356A (zh) * 2014-02-27 2014-07-23 山东交通学院 一种基于三维激光扫描技术的建筑物整体变形监测方法
CN107607929A (zh) * 2017-09-20 2018-01-19 云南电网有限责任公司电力科学研究院 一种基于激光点云数据的测量杆塔倾斜角度的方法及装置
CN107705309A (zh) * 2017-10-15 2018-02-16 南京林业大学 激光点云中林木参数评估方法
CN109993783A (zh) * 2019-03-25 2019-07-09 北京航空航天大学 一种面向复杂三维建筑物点云的屋顶及侧面优化重建方法
CN111311680A (zh) * 2020-02-13 2020-06-19 吉林大学 一种三维激光雷达与机械臂间的自动联合标定方法
WO2021134339A1 (zh) * 2019-12-30 2021-07-08 深圳元戎启行科技有限公司 基于点云的分割处理方法、装置、计算机设备和存储介质
CN113313710A (zh) * 2021-07-28 2021-08-27 浙江华睿科技股份有限公司 质量检测方法及系统、电子设备、存储介质
US20220066456A1 (en) * 2016-02-29 2022-03-03 AI Incorporated Obstacle recognition method for autonomous robots
WO2022121177A1 (zh) * 2020-12-07 2022-06-16 速度时空信息科技股份有限公司 一种基于扫描线的道路点云的提取方法
CN115147551A (zh) * 2022-07-18 2022-10-04 南昌工程学院 远程地面激光扫描技术提取监测对象表面同名特征点的方法
CN115560690A (zh) * 2022-10-09 2023-01-03 中交第三航务工程局有限公司 一种基于三维激光扫描技术的结构物整体变形分析方法
CN115661269A (zh) * 2022-11-18 2023-01-31 深圳市智绘科技有限公司 相机与激光雷达的外参标定方法、装置及存储介质
CN116778285A (zh) * 2023-05-26 2023-09-19 南京南瑞信息通信科技有限公司 用于构建数字孪生底座的大数据融合方法及系统
CN117214861A (zh) * 2023-09-04 2023-12-12 中国农业机械化科学研究院集团有限公司 一种在线检测水稻收割导航线的方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103940356A (zh) * 2014-02-27 2014-07-23 山东交通学院 一种基于三维激光扫描技术的建筑物整体变形监测方法
US20220066456A1 (en) * 2016-02-29 2022-03-03 AI Incorporated Obstacle recognition method for autonomous robots
CN107607929A (zh) * 2017-09-20 2018-01-19 云南电网有限责任公司电力科学研究院 一种基于激光点云数据的测量杆塔倾斜角度的方法及装置
CN107705309A (zh) * 2017-10-15 2018-02-16 南京林业大学 激光点云中林木参数评估方法
CN109993783A (zh) * 2019-03-25 2019-07-09 北京航空航天大学 一种面向复杂三维建筑物点云的屋顶及侧面优化重建方法
WO2021134339A1 (zh) * 2019-12-30 2021-07-08 深圳元戎启行科技有限公司 基于点云的分割处理方法、装置、计算机设备和存储介质
CN111311680A (zh) * 2020-02-13 2020-06-19 吉林大学 一种三维激光雷达与机械臂间的自动联合标定方法
WO2022121177A1 (zh) * 2020-12-07 2022-06-16 速度时空信息科技股份有限公司 一种基于扫描线的道路点云的提取方法
CN113313710A (zh) * 2021-07-28 2021-08-27 浙江华睿科技股份有限公司 质量检测方法及系统、电子设备、存储介质
CN115147551A (zh) * 2022-07-18 2022-10-04 南昌工程学院 远程地面激光扫描技术提取监测对象表面同名特征点的方法
CN115560690A (zh) * 2022-10-09 2023-01-03 中交第三航务工程局有限公司 一种基于三维激光扫描技术的结构物整体变形分析方法
CN115661269A (zh) * 2022-11-18 2023-01-31 深圳市智绘科技有限公司 相机与激光雷达的外参标定方法、装置及存储介质
CN116778285A (zh) * 2023-05-26 2023-09-19 南京南瑞信息通信科技有限公司 用于构建数字孪生底座的大数据融合方法及系统
CN117214861A (zh) * 2023-09-04 2023-12-12 中国农业机械化科学研究院集团有限公司 一种在线检测水稻收割导航线的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
杨永林;杨超;潘东峰;朱海雄;马涛;赵彦军;王双雨;: "利用三维激光扫描技术进行万寿寺塔变形监测", 测绘通报, no. 05, 25 May 2020 (2020-05-25) *
王超: "一种基于深度学习的大型工件点云三维重建技术研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》, no. 04, 15 April 2022 (2022-04-15), pages 41 - 42 *
蒋梅笑: "基于三维激光扫描技术的建筑物整体变形监测方法研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》, no. 07, 15 July 2019 (2019-07-15), pages 8 - 55 *

Similar Documents

Publication Publication Date Title
CN105136054B (zh) 基于地面三维激光扫描的构筑物精细变形监测方法及系统
KR20190082062A (ko) 포인트 클라우드 데이터 사이의 매칭 관계를 확정하는 방법 및 장치
CN111553292B (zh) 一种基于点云数据的岩体结构面识别与产状分类方法
CN110780307B (zh) 基于电瓶车车载式激光点云移动测量系统获取道路横断面的方法
Wunderlich et al. Areal Deformation Analysis from TLS Point Clouds-The Challenge/Flächenhafte Deformationsanalyse Aus TLS-Punktwolken-Die Herausforderung
CN110794413B (zh) 线性体素分割的激光雷达点云数据电力线检测方法和系统
CN105701478A (zh) 杆状地物提取的方法和装置
CN115372989A (zh) 基于激光雷达的越野自动小车长距离实时定位系统及方法
CN112365529B (zh) 基于重心偏离度的隧洞点云配准方法、装置
CN112711027B (zh) 一种基于激光雷达点云数据的隧道内横向定位方法
CN114332291A (zh) 一种倾斜摄影模型建筑物外轮廓规则提取方法
CN111932669A (zh) 一种基于边坡岩体特征对象的变形监测方法
CN113487722A (zh) 一种基于三维激光扫描方法的混凝土构件自动化检测方法
JP4568845B2 (ja) 変化領域認識装置
CN112116549A (zh) 用于评估点云地图精度的方法和装置
CN111489416A (zh) 隧道轴线拟合方法及在超欠挖方量计算上的应用
CN114283070B (zh) 融合无人机影像与激光点云的地形断面制作方法
CN112033385A (zh) 一种基于海量点云数据的桥墩位姿测量方法
CN115082699A (zh) 一种轮廓形状提取方法、装置、电子设备及存储介质
CN111598941A (zh) 一种杆塔倾斜度测量方法、装置、设备及存储介质
CN116152306B (zh) 确定砌筑质量的方法、装置、设备和介质
CN117475002A (zh) 基于激光扫描技术的建筑倾斜度测量方法
CN117253205A (zh) 一种基于移动测量系统的道路面点云快速提取方法
JP3966419B2 (ja) 変化領域認識装置および変化認識システム
CN112365534B (zh) 一种基于单目相机三维重建的大型煤堆体积测量方法

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