CN111563892A - 基于点云数据立面采集精度优化的拟合算法 - Google Patents
基于点云数据立面采集精度优化的拟合算法 Download PDFInfo
- Publication number
- CN111563892A CN111563892A CN202010389703.3A CN202010389703A CN111563892A CN 111563892 A CN111563892 A CN 111563892A CN 202010389703 A CN202010389703 A CN 202010389703A CN 111563892 A CN111563892 A CN 111563892A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- height
- algorithm based
- fitting algorithm
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 abstract description 13
- 238000005259 measurement Methods 0.000 abstract description 9
- 238000013507 mapping Methods 0.000 abstract description 5
- 238000006243 chemical reaction Methods 0.000 abstract description 4
- 238000000691 measurement method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004441 surface measurement Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C15/00—Surveying instruments or accessories not provided for in groups G01C1/00 - G01C13/00
-
- 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)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
基于点云数据立面采集精度优化的拟合算法。涉及测绘技术领域,主要涉及基于点云数据立面采集精度优化的拟合算法。提出了一种基于点云数据立面采集精度优化的拟合算法;先利用建筑物某个立面的点云数据,通过“投影”转换,拟合出该立面在投影面上的线的数据;在多个里面采用同样方式转换后,即可获取建筑物高精度数据。本发明通过最优化算法和提高有效样本率来提升最终结果的精确性,既提高了测量工作效率又保证了结果精度,便于为测绘后续工作的展开打下良好的基础。
Description
技术领域
本发明涉及测绘技术领域,主要涉及基于点云数据立面采集精度优化的拟合算法。
背景技术
在数字化现实世界的过程中,三维点云数据可以有效记录物体表面的几何属性和位置信息,因此,在工程测绘领域里,通常采用点云模型中的有限采样来获取所需的测量数据。
现有技术中,由于立面角点云数据精度低不能直接采集,所以点云采集通常使用以下两种方法来进行对立面精度的测量:(1)基于墙边线两点测量法,如图7中,以图中两个×点为测量的两个基点;(2)基于墙角线的延长线法,图8所示,将建筑物相邻面的延长线的交点为测量基点。但是,这两种方法都是通过两点确定一条直线的测量方法,而最终测量的直线精度和这两个点有关,这两个点的选取具有随机性,因此获取的立面测量精度不是很高。
发明内容
本发明针对以上问题,提出了一种基于点云数据立面采集精度优化的拟合算法;先利用建筑物某个立面的点云数据,通过“投影”转换,拟合出该立面在投影面上的线的数据;在多个里面采用同样方式转换后,即可获取建筑物高精度数据。
本发明的技术方案是:
1)计算点云矩形最佳面积s;
2)给定宽度w,计算出相应矩形的高度h;
3)使用清华山维软件设置高度为h去裁切点云数据,观察裁切后的数据是否是平直面;
4)利用裁切后的点云数据结合点云误差G偏移出点云数据集C;
5)将数据集C中的点云去高度化拟合成一条直线R。
2、根据权利要求1所述的基于点云数据立面采集精度优化的拟合算法,其特征在于,所述步骤1)中,当点源数量超过N个就可以拟合出相当高精度的直线,即最佳点源选取数量为N,若点云密度为R,则点云矩形最佳面积s=N/R。
3、根据权利要求1所述的基于点云数据立面采集精度优化的拟合算法,其特征在于,所述步骤3)中,若观察裁切后的数据是平直面,则执行所述步骤4),否则,返回执行所述步骤2)。
4、根据权利要求1所述的基于点云数据立面采集精度优化的拟合算法,其特征在于,所述步骤4)详细如下:
4.1)将裁切后的点云数据去高度化,得到二维带状图;
4.2)在二维带状图的点云数据的中心线的位置上取两个点P1、P2,它们之间的长度为l(l≥w);
4.3)通过两点及点云误差G、结合生成一个以该两点连线为中心线向左右两边偏移距离为G的矩形,该矩形再沿着高度方向偏移高度h形成一个立方体点云数据集C,其立方体长度为l、宽度为2G、高度为h。
本发明提出的方法,优化了传统方法中的数据提取精度和测量精度,最大程度地利用整个立面点云数据拟合出一条更可靠的直线,通过最优化算法和提高有效样本率来提升最终结果的精确性,既提高了测量工作效率又保证了结果精度,便于为测绘后续工作的展开打下良好的基础。
附图说明
图1是本发明的方法流程图,
图2是本发明裁切后的点云数据的平直面三维视图,
图3是本发明裁切后的点云数据的平直面俯视图,
图4是图3的取点示意图,
图5是立方体点云数据集C的三维视图,
图6是数据集C的拟合结果视图,
图7是基于墙边线两点测量法示意图,
图8是基于墙角线的延长线法示意图。
具体实施方式
下面结合附图详细表述本发明,如图1所示,包括以下步骤:
1)计算点云矩形最佳面积s;
2)给定宽度w,计算出相应矩形的高度h;相应矩形是指面积为s,宽度为w的矩形,则相应矩形的高度h=s/w;
3)使用清华山维软件设置高度为h去裁切点云数据,观察裁切后的数据是否是平直面;如图2所示;即观察裁切的区域是否包含在房屋内部即所需测量区域;
4)利用裁切后的点云数据结合点云误差G偏移出点云数据集C;
5)将数据集C中的点云去高度化拟合成一条直线R。取出立方体点云数据集C,将集合C中的点云去高度化,使用最小二乘法拟合成一条直线,该直线R就是最终的结果,如图6所示。
步骤1)中,当点源数量超过N个就可以拟合出相当高精度的直线,即最佳点源选取数量为N,若点云密度为R,则点云矩形最佳面积s=N/R。
步骤3)中,若观察裁切后的数据是平直面,则执行所述步骤4),否则,执行所述步骤2)。此处观察裁切后的数据是否是平直面的意义在于,观察裁切的区域是否包含在所测区域内部,减少裁切非所需数据带来的误差。判别平直面的标准是该裁切后的数据的俯视图是很窄的线状图而不是块状图,如图3所示。
步骤4)详细如下:
4.1)将裁切后的点云数据去高度化,得到二维带状图;以便更好的观测该墙面点云的分布,为接下来取得有效的点提供依据;
4.2)在二维带状图的点云数据的中心线的位置上取两个点P1、P2,它们之间的长度为l(l≥w);该两点位于二维带状图的同一侧边上,即该两点位于同一面墙体上,如图4所示,要求这两点的距离大于等于宽度w,保证了点源数量大于等于最佳面积s,从而保证了最终拟合的数据达到很好的精度要求。该步骤是基于“墙边线两点测量法”来采集一条线段的两个端点;
4.3)通过两点及点云误差G、结合生成一个以该两点连线为中心线向左右两边偏移距离为G的矩形,该矩形再沿着高度方向偏移高度h形成一个立方体点云数据集C,其立方体长度为l、宽度为2G、高度为h;如图5所示,形成的立方体点云数据集即代表图中框出的阴影部分这一面墙体。
角点精度评估:
利用交会法将拟合的直线求交后得到的角点与实地测量的数据比较如下表,
表1采集精度对比表(单位:m)
以上测量结果为坐标与实测点进行比对后形成的最终的中误差,从表中可以看出该优化算法可以计算出更高的精度。
本发明并不局限于上述实施例,在本发明公开的技术方案的基础上,本领域的技术人员根据所公开的技术内容,不需要创造性的劳动就可以对其中的一些技术特征作出一些替换和变形,这些替换和变形均在本发明的保护范围内。
Claims (4)
1.基于点云数据立面采集精度优化的拟合算法,其特征在于,包括以下步骤:
1)计算点云矩形最佳面积s;
2)给定宽度w,计算出相应矩形的高度h;
3)使用清华山维软件设置高度为h去裁切点云数据,观察裁切后的数据是否是平直面;
4)利用裁切后的点云数据结合点云误差G偏移出点云数据集C;
5)将数据集C中的点云去高度化拟合成一条直线R。
2.根据权利要求1所述的基于点云数据立面采集精度优化的拟合算法,其特征在于,所述步骤1)中,当点源数量超过N个就可以拟合出相当高精度的直线,即最佳点源选取数量为N,若点云密度为R,则点云矩形最佳面积s=N/R。
3.根据权利要求1所述的基于点云数据立面采集精度优化的拟合算法,其特征在于,所述步骤3)中,若观察裁切后的数据是平直面,则执行所述步骤4),否则,返回执行所述步骤2)。
4.根据权利要求1所述的基于点云数据立面采集精度优化的拟合算法,其特征在于,所述步骤4)详细如下:
4.1)将裁切后的点云数据去高度化,得到二维带状图;
4.2)在二维带状图的点云数据的中心线的位置上取两个点P1、P2,它们之间的长度为l(l≥w);
4.3)通过两点及点云误差G、结合生成一个以该两点连线为中心线向左右两边偏移距离为G的矩形,该矩形再沿着高度方向偏移高度h形成一个立方体点云数据集C,其立方体长度为l、宽度为2G、高度为h。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010389703.3A CN111563892B (zh) | 2020-05-11 | 2020-05-11 | 基于点云数据立面采集精度优化的拟合算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010389703.3A CN111563892B (zh) | 2020-05-11 | 2020-05-11 | 基于点云数据立面采集精度优化的拟合算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111563892A true CN111563892A (zh) | 2020-08-21 |
CN111563892B CN111563892B (zh) | 2024-01-26 |
Family
ID=72074683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010389703.3A Active CN111563892B (zh) | 2020-05-11 | 2020-05-11 | 基于点云数据立面采集精度优化的拟合算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111563892B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114897040A (zh) * | 2022-03-16 | 2022-08-12 | 宁夏广天夏电子科技有限公司 | 采煤面矫直方法、装置及综采工作面*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108389250A (zh) * | 2018-03-08 | 2018-08-10 | 武汉大学 | 基于点云数据快速生成建筑物断面图的方法 |
CN110095062A (zh) * | 2019-04-17 | 2019-08-06 | 北京华捷艾米科技有限公司 | 一种物体体积参数测量方法、装置及设备 |
CN110717983A (zh) * | 2019-09-07 | 2020-01-21 | 苏州工业园区测绘地理信息有限公司 | 一种基于背包式三维激光点云数据的建筑物立面三维重建方法 |
-
2020
- 2020-05-11 CN CN202010389703.3A patent/CN111563892B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108389250A (zh) * | 2018-03-08 | 2018-08-10 | 武汉大学 | 基于点云数据快速生成建筑物断面图的方法 |
CN110095062A (zh) * | 2019-04-17 | 2019-08-06 | 北京华捷艾米科技有限公司 | 一种物体体积参数测量方法、装置及设备 |
CN110717983A (zh) * | 2019-09-07 | 2020-01-21 | 苏州工业园区测绘地理信息有限公司 | 一种基于背包式三维激光点云数据的建筑物立面三维重建方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114897040A (zh) * | 2022-03-16 | 2022-08-12 | 宁夏广天夏电子科技有限公司 | 采煤面矫直方法、装置及综采工作面*** |
CN114897040B (zh) * | 2022-03-16 | 2023-06-16 | 宁夏广天夏科技股份有限公司 | 采煤面矫直方法、装置及综采工作面*** |
Also Published As
Publication number | Publication date |
---|---|
CN111563892B (zh) | 2024-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110717983A (zh) | 一种基于背包式三维激光点云数据的建筑物立面三维重建方法 | |
CN103322911B (zh) | 一种基于图像的特色建筑立面图测绘方法 | |
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 | |
CN110276732B (zh) | 一种顾及地形特征线要素的山区点云空洞修复方法 | |
CN103020342B (zh) | 一种从地面LiDAR数据中提取建筑物轮廓和角点的方法 | |
CN104697502B (zh) | 基于最小二乘法的建筑物特征点坐标提取方法 | |
CN108804714A (zh) | 点云数据存储方法及装置 | |
CN108765568A (zh) | 一种基于激光雷达点云的多层次建筑物快速三维重建方法 | |
CN109146990B (zh) | 一种建筑轮廓的计算方法 | |
CN105180811A (zh) | 基于同名特征地物的移动测量***激光扫描仪标定方法 | |
CN112395794B (zh) | 一种基于剖分技术的参数化边坡模型自动构建方法 | |
CN115718305A (zh) | 一种激光点云公路断面处理方法、装置、设备及存储介质 | |
CN111563892A (zh) | 基于点云数据立面采集精度优化的拟合算法 | |
CN113946980B (zh) | 一种大型露天矿开挖工程台阶土石方量计算方法及*** | |
CN116659460B (zh) | 一种公路横断面激光点云切片快速生成方法 | |
CN107784690B (zh) | 一种基于三维点云的竣工平面图自动绘制方法 | |
CN116452764A (zh) | 一种融合地形信息的机载激光雷达点云分级抽稀方法 | |
CN111414442A (zh) | 一种基于航道地形图和水位数据的航标位置校核方法 | |
CN107545601B (zh) | 一种架空输电线路树高断面自动生成方法 | |
CN110807832A (zh) | 一种基于地面三维扫描仪的电力线自动提取方法 | |
CN115131571A (zh) | 一种基于点云预处理六领域的建筑物局部特征点识别方法 | |
CN114140459A (zh) | 基于原始激光点云的铁路横断面测量方法 | |
CN104331563B (zh) | 辊轧叶片型面配准和定位设计方法 | |
Katzil et al. | Height estimation methods for filling gaps in gridded DTM | |
CN116645482B (zh) | 一种大范围地面连续高程提取方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |