CN108827200A - 一种船体分段智能检测***及方法 - Google Patents

一种船体分段智能检测***及方法 Download PDF

Info

Publication number
CN108827200A
CN108827200A CN201810366900.6A CN201810366900A CN108827200A CN 108827200 A CN108827200 A CN 108827200A CN 201810366900 A CN201810366900 A CN 201810366900A CN 108827200 A CN108827200 A CN 108827200A
Authority
CN
China
Prior art keywords
point cloud
body section
intelligent
cloud data
dimensional
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
CN201810366900.6A
Other languages
English (en)
Inventor
汪骥
李�瑞
刘玉君
刘晓
张学晨
霍世霖
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.)
Dalian University of Technology
Original Assignee
Dalian University of Technology
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 Dalian University of Technology filed Critical Dalian University of Technology
Priority to CN201810366900.6A priority Critical patent/CN108827200A/zh
Publication of CN108827200A publication Critical patent/CN108827200A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G01B21/22—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring angles or tapers; for testing the alignment of axes

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种船体分段智能检测***及方法。所述***包括：三维场景扫描设备，用于对被测船体分段进行扫描，得到三维点云数据；智能识别***，与三维场景扫描设备连接，用于识别构件点云数据；智能匹配***，与智能识别***连接，用于将构件模型与预先建立被测船体分段的预设模型进行匹配；误差检测***，用于计算建造参数信息与预设模型中船体构件的预设参数信息的误差。本发明的***或方法，通过设置三维场景扫描设备来得到大量的三维点云数据，避免了只能测量单个离散点的坐标，测点数量有限的缺陷，提高了测量效率和测量精度；并且通过设置智能识别***和智能匹配***，大大提高了数据的处理速度，进一步提高了测量效率。

Description

一种船体分段智能检测***及方法
技术领域
本发明涉及船舶检测技术领域，特别是涉及一种船体分段智能检测***及方法。
背景技术
现代造船的每一道工序，都必须进行有效的尺寸精度控制，否则难以保证正常的生产过程和船舶的各项技术性能。传统测量方法是船舶工业早期应用的主要的方法，而在船厂实际应用方面，现在还大部分都是应用的传统的测量技术。分段、总段及船体的尺度一般较大，对其检测已归属于大尺寸测量范围，目前生产实践中多采用光学仪器进行辅助测量，常用的光学仪器有激光经纬仪，激光水准仪和五棱镜等。近年来，随着测量精度要求的提高，也有引进先进的三维坐标测量***，如三坐标测量机、电子全站仪等，但是三坐标测量机无法测量船体分段这类大尺度的构件，电子全站仪只能测量一个离散点的坐标，因此测量效率低，测点数量非常有限，导致船体分段整体测量精度较低，并且需要在测量后对数据进行大量的人工处理。
发明内容
基于此，有必要提供一种船体分段智能检测***及方法，以提高船体分段的测量效率和测量精度。
为实现上述目的，本发明提供了如下方案：
一种船体分段智能检测***，包括：
三维场景扫描设备，用于对被测船体分段进行扫描，得到三维点云数据；
智能识别***，与所述三维场景扫描设备连接，用于识别所述三维点云数据中与所述被测船体分段中每种船体构件对应的构件点云数据；
智能匹配***，与所述智能识别***连接，用于利用所述构件点云数据建立构件模型，并将所述构件模型与预先建立的被测船体分段的预设模型进行匹配，确定所述构件点云数据中与所述预设模型重合度最大的匹配点云数据；
误差检测***，与所述智能匹配***连接，用于确定与所述匹配点云数据对应的船体构件的建造参数信息，并计算所述建造参数信息与所述预设模型中船体构件的预设参数信息的误差；所述建造参数信息和所述预设参数信息均包括船体构件的位置、角度和尺度。
可选的，所述三维场景扫描设备为多个。
可选的，所述***还包括：
点云处理设备，分别与所述三维场景扫描设备和所述智能识别***连接，用于将多个所述三维场景扫描设备获取的多组三维点云数据进行拼接，并将拼接后得到的分段整体点云数据输出至所述智能识别***。
可选的，所述***还包括：
可视化设备，与所述误差检测***连接，用于显示所述误差。
可选的，所述可视化设备为AR眼镜或平面显示器。
本发明还提供了一种船体分段智能检测方法，包括：
获取被测船体分段的多组三维点云数据；
利用三维点云拼接算法对多组所述三维点云数据进行拼接，得到分段整体点云数据；
利用深度学习算法识别所述分段整体点云数据中与所述被测船体分段中每种船体构件对应的构件点云数据；
利用所述构件点云数据建立构件模型；
将所述构件模型与预先建立的被测船体分段的预设模型进行匹配，得到匹配结果；
依据所述匹配结果，计算所述被测船体分段中每种船体构件与所述预设模型的误差。
可选的，所述依据所述匹配结果，计算所述被测船体分段中每种船体构件与所述预设模型的误差，具体包括：
依据所述匹配结果，确定所述构件点云数据中与所述预设模型重合度最大的匹配点云数据；
确定与所述匹配点云数据对应的船体构件的建造参数信息；
计算所述建造参数信息与所述预设模型中船体构件的预设参数信息的误差；所述建造参数信息和所述预设参数信息均包括船体构件的位置、角度和尺度。
可选的，所述误差通过可视化设备进行显示。
与现有技术相比，本发明的有益效果是：
本发明提出了一种船体分段智能检测***及方法，所述***包括：三维场景扫描设备，用于对被测船体分段进行扫描，得到三维点云数据；智能识别***，与三维场景扫描设备连接，用于识别构件点云数据；智能匹配***，与智能识别***连接，用于将构件模型与预先建立被测船体分段的预设模型进行匹配，确定构件点云数据中与预设模型重合度最大的匹配点云数据；误差检测***，计算建造参数信息与预设模型中船体构件的预设参数信息的误差。本发明通过设置三维场景扫描设备来得到大量的三维点云数据，避免了只能测量单个离散点的坐标，测点数量有限的缺陷，提高了测量效率和测量精度；并且通过设置智能识别***和智能匹配***，大大提高了数据的处理速度，进一步提高了测量效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例一种船体分段智能检测***的结构示意图；
图2为本发明实施例一种船体分段智能检测方法的流程图。
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。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例一种船体分段智能检测***的结构示意图。
参见图1，实施例的船体分段智能检测***，包括：
三维场景扫描设备101，用于对被测船体分段进行扫描，得到三维点云数据。本实施例中，所述三维场景扫描设备101为多个，具体为根据被测船体分段的大小和结构，围绕所述被测船体分段设置多个测量站，在每站的位置上用一台三维场景扫描设备101对所述被测船体分段同时或分别进行扫描，每台所述三维场景扫描设备101获得一组三维点云数据，最终得到多组三维点云数据。
点云处理设备102，与所述三维场景扫描设备101连接，用于将多个所述三维场景扫描设备101获取的多组三维点云数据进行拼接，并将拼接后得到的分段整体点云数据输出至所述智能识别***。本实施例中，利用三维点云拼接算法将各站的三维点云数据进行拼接，最终得到分段整体点云数据，具体为：从一组三维点云数据a出发，分析其最能代表三维点云数据a和三维点云数据b两组三维点云数据场景共同点的关键点,在该关键点处，计算特征描述子；基于特征描述子估计变换矩阵；将多组三维点云数据按计算出的变换矩阵进行变换，实现多组三维点云数据的拼接。
智能识别***103，与所述点云处理设备102连接，用于识别拼接后得到的分段整体点云数据中与所述被测船体分段中每种船体构件对应的构件点云数据。本实施例中，智能识别***103采用基于深度学习的智能识别算法来自动的识别，具体为：利用三维化的目标监测算法，通过候选区域生成、特征选取、分类和位置精修四个步骤进行特征提取，利用神经网络得出分段整体点云数据中对应的各个部分是否属于船体构件以及属于何种类型的船体构件，例如船体外板、纵骨、纵桁、肋骨、肋板等，并对不同构件的位置的大致位置进行预测。
智能匹配***104，与所述智能识别***103连接，用于利用所述构件点云数据建立构件模型，并将所述构件模型与预先建立的被测船体分段的预设模型进行匹配，确定所述构件点云数据中与所述预设模型重合度最大的匹配点云数据。本实施例中，智能匹配***104接收所述智能识别***103发送的数据，在得到船体构件的大致位置以及其属于何种构件后，通过不同构件其专有的空间特性建立不同的构件模型，然后在之前确定船体构件大致位置处进行微调寻找与预先建立的被测船体分段的预设模型重合度最大的匹配点云数据。
误差检测***105，与所述智能匹配***104连接，用于确定与所述匹配点云数据对应的船体构件的建造参数信息，并计算所述建造参数信息与所述预设模型中船体构件的预设参数信息的误差；所述建造参数信息和所述预设参数信息均包括船体构件的位置、角度和尺度，所述误差为所述被测船体的建造误差。
可视化设备106，与所述误差检测***105连接，用于显示所述误差。所述可视化设备106为AR眼镜或平面显示器。
本发明的船体分段智能检测***，通过设置三维场景扫描设备101来得到大量的三维点云数据，避免了只能测量单个离散点的坐标，测点数量有限的缺陷，提高了测量效率和测量精度；并且通过设置智能识别***103和智能匹配***104，大大提高了数据的处理速度，进一步提高了测量效率。
本发明还提供了一种船体分段智能检测方法，图2为本发明实施例一种船体分段智能检测方法的流程图。
实施例的船体分段智能检测方法，包括：
步骤201：获取被测船体分段的多组三维点云数据。
步骤202：利用三维点云拼接算法对多组所述三维点云数据进行拼接，得到分段整体点云数据。
步骤203：利用深度学习算法识别所述分段整体点云数据中与所述被测船体分段中每种船体构件对应的构件点云数据。
步骤204：利用所述构件点云数据建立构件模型。
步骤205：将所述构件模型与预先建立的被测船体分段的预设模型进行匹配，得到匹配结果。
步骤206：依据所述匹配结果，计算所述被测船体分段中每种船体构件与所述预设模型的误差。
所述步骤206，具体包括：
依据所述匹配结果，确定所述构件点云数据中与所述预设模型重合度最大的匹配点云数据；
确定与所述匹配点云数据对应的船体构件的建造参数信息；
计算所述建造参数信息与所述预设模型中船体构件的预设参数信息的误差；所述建造参数信息和所述预设参数信息均包括船体构件的位置、角度和尺度。
本实施例中的所述误差通过可视化设备进行显示。
本发明的船体分段智能检测方法，通过设置三维场景扫描设备来得到大量的三维点云数据，避免了只能测量单个离散点的坐标，测点数量有限的缺陷，提高了测量效率和测量精度；并且通过设置智能识别***和智能匹配***，大大提高了数据的处理速度，进一步提高了测量效率。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种船体分段智能检测***，其特征在于，包括：
三维场景扫描设备，用于对被测船体分段进行扫描，得到三维点云数据；
智能识别***，与所述三维场景扫描设备连接，用于识别所述三维点云数据中与所述被测船体分段中每种船体构件对应的构件点云数据；
智能匹配***，与所述智能识别***连接，用于利用所述构件点云数据建立构件模型，并将所述构件模型与预先建立的被测船体分段的预设模型进行匹配，确定所述构件点云数据中与所述预设模型重合度最大的匹配点云数据；
误差检测***，与所述智能匹配***连接，用于确定与所述匹配点云数据对应的船体构件的建造参数信息，并计算所述建造参数信息与所述预设模型中船体构件的预设参数信息的误差；所述建造参数信息和所述预设参数信息均包括船体构件的位置、角度和尺度。
2.根据权利要求1所述的一种船体分段智能检测***，其特征在于，所述三维场景扫描设备为多个。
3.根据权利要求2所述的一种船体分段智能检测***，其特征在于，还包括：
点云处理设备，分别与所述三维场景扫描设备和所述智能识别***连接，用于将多个所述三维场景扫描设备获取的多组三维点云数据进行拼接，并将拼接后得到的分段整体点云数据输出至所述智能识别***。
4.根据权利要求1所述的一种船体分段智能检测***，其特征在于，还包括：
可视化设备，与所述误差检测***连接，用于显示所述误差。
5.根据权利要求4所述的一种船体分段智能检测***，其特征在于，所述可视化设备为AR眼镜或平面显示器。
6.一种船体分段智能检测方法，其特征在于，包括：
获取被测船体分段的多组三维点云数据；
利用三维点云拼接算法对多组所述三维点云数据进行拼接，得到分段整体点云数据；
利用深度学习算法识别所述分段整体点云数据中与所述被测船体分段中每种船体构件对应的构件点云数据；
利用所述构件点云数据建立构件模型；
将所述构件模型与预先建立的被测船体分段的预设模型进行匹配，得到匹配结果；
依据所述匹配结果，计算所述被测船体分段中每种船体构件与所述预设模型的误差。
7.根据权利要求6所述的一种船体分段智能检测方法，其特征在于，所述依据所述匹配结果，计算所述被测船体分段中每种船体构件与所述预设模型的误差，具体包括：
依据所述匹配结果，确定所述构件点云数据中与所述预设模型重合度最大的匹配点云数据；
确定与所述匹配点云数据对应的船体构件的建造参数信息；
计算所述建造参数信息与所述预设模型中船体构件的预设参数信息的误差；所述建造参数信息和所述预设参数信息均包括船体构件的位置、角度和尺度。
8.根据权利要求6或7所述的一种船体分段智能检测方法，其特征在于，所述误差通过可视化设备进行显示。
CN201810366900.6A 2018-04-23 2018-04-23 一种船体分段智能检测***及方法 Pending CN108827200A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810366900.6A CN108827200A (zh) 2018-04-23 2018-04-23 一种船体分段智能检测***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810366900.6A CN108827200A (zh) 2018-04-23 2018-04-23 一种船体分段智能检测***及方法

Publications (1)

Publication Number Publication Date
CN108827200A true CN108827200A (zh) 2018-11-16

Family

ID=64154864

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810366900.6A Pending CN108827200A (zh) 2018-04-23 2018-04-23 一种船体分段智能检测***及方法

Country Status (1)

Country Link
CN (1) CN108827200A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109579759A (zh) * 2018-11-27 2019-04-05 中国航发沈阳黎明航空发动机有限责任公司 一种二次坐标拟合测量法检测高精度超长标准件的方法
CN110118526A (zh) * 2019-03-08 2019-08-13 浙江中海达空间信息技术有限公司 一种支持实时监测的船载砂石体积自动计算方法
CN111397567A (zh) * 2020-06-02 2020-07-10 上海力信测量***有限公司 一种盾构机表面三维检测方法及***
CN112819774A (zh) * 2021-01-28 2021-05-18 上海工程技术大学 基于三维重建技术的大型构件外形误差检测方法及其应用

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105547151A (zh) * 2015-12-23 2016-05-04 上海建工集团股份有限公司 三维激光扫描点云数据采集与处理的方法及***
CN106225707A (zh) * 2016-08-01 2016-12-14 三峡大学 一种用于快速监测高面板堆石坝挤压边墙变形的方法
CN106370670A (zh) * 2016-10-12 2017-02-01 上海建工集团股份有限公司 基于3d激光扫描的建筑预制构件质量检测***及方法
CN106767524A (zh) * 2016-11-22 2017-05-31 江苏大学 一种水力机械叶片曲面检测方法和装置
CN106931885A (zh) * 2017-04-17 2017-07-07 铁道第三勘察设计院集团有限公司 轨道交通基础构件尺寸快速智能检测***及方法
CN206479146U (zh) * 2017-02-23 2017-09-08 舟山数联空间科技有限公司 应用于船舶压载水***的三维激光扫描仪和数据测量处理***

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105547151A (zh) * 2015-12-23 2016-05-04 上海建工集团股份有限公司 三维激光扫描点云数据采集与处理的方法及***
CN106225707A (zh) * 2016-08-01 2016-12-14 三峡大学 一种用于快速监测高面板堆石坝挤压边墙变形的方法
CN106370670A (zh) * 2016-10-12 2017-02-01 上海建工集团股份有限公司 基于3d激光扫描的建筑预制构件质量检测***及方法
CN106767524A (zh) * 2016-11-22 2017-05-31 江苏大学 一种水力机械叶片曲面检测方法和装置
CN206479146U (zh) * 2017-02-23 2017-09-08 舟山数联空间科技有限公司 应用于船舶压载水***的三维激光扫描仪和数据测量处理***
CN106931885A (zh) * 2017-04-17 2017-07-07 铁道第三勘察设计院集团有限公司 轨道交通基础构件尺寸快速智能检测***及方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109579759A (zh) * 2018-11-27 2019-04-05 中国航发沈阳黎明航空发动机有限责任公司 一种二次坐标拟合测量法检测高精度超长标准件的方法
CN110118526A (zh) * 2019-03-08 2019-08-13 浙江中海达空间信息技术有限公司 一种支持实时监测的船载砂石体积自动计算方法
CN111397567A (zh) * 2020-06-02 2020-07-10 上海力信测量***有限公司 一种盾构机表面三维检测方法及***
CN111397567B (zh) * 2020-06-02 2020-09-11 上海力信测量***有限公司 一种盾构机表面三维检测方法及***
CN112819774A (zh) * 2021-01-28 2021-05-18 上海工程技术大学 基于三维重建技术的大型构件外形误差检测方法及其应用

Similar Documents

Publication Publication Date Title
CN108827200A (zh) 一种船体分段智能检测***及方法
US10942130B2 (en) Damage information processing device and damage information processing method
CN108597053A (zh) 基于图像数据和神经网络的杆塔和通道目标识别与缺陷诊断方法
CN113252700B (zh) 一种结构裂缝检测方法、设备及***
CN114994061B (zh) 一种基于机器视觉的钢轨智能化检测方法及***
CN108898085A (zh) 一种基于手机视频的道路病害智能检测方法
CN111753712A (zh) 电力生产人员安全监测方法、***以及设备
CN114548278A (zh) 基于深度学习的在役隧道衬砌结构缺陷识别方法及***
KR102346676B1 (ko) 딥러닝 기반의 시설물 손상영상 분류를 활용한 손상도 생성방법
CN107392247A (zh) 一种电力线下方地物安全距离实时检测方法
CN111985499A (zh) 一种基于计算机视觉的高精度桥梁表观病害识别方法
CN111598942A (zh) 一种用于对电力设施仪表进行自动定位的方法及***
CN109711321A (zh) 一种结构自适应的宽基线影像视角不变直线特征匹配方法
CN108052909A (zh) 一种基于心血管oct影像的薄纤维帽斑块自动检测方法和装置
CN112241950A (zh) 一种塔式起重机裂缝图像的检测方法
CN113902725A (zh) 坍落度的测量方法、装置、设备及存储介质
CN111524394A (zh) 提升机坪综合航迹监视数据精度的方法、装置及***
CN109035343A (zh) 一种基于监控相机的楼层相对位移测量方法
CN116630267A (zh) 基于无人机与激光雷达数据融合的路基沉降监测方法
CN117173791A (zh) 一种基于动作识别的配网施工人员违规检测方法及***
CN115511788A (zh) 一种机动车驾驶人考试场地自动检测建模的方法
CN112561989A (zh) 一种建造场景下吊装对象的识别方法
CN109102486A (zh) 基于机器学习的表面缺陷检测方法及装置
CN115035251B (zh) 一种基于领域增强合成数据集的桥面车辆实时追踪方法
CN115546666A (zh) 基于无人机巡检的电力设备螺栓检测方法及***

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20181116