CN112819958B - 一种基于三维激光扫描的工程地质测绘方法与*** - Google Patents
一种基于三维激光扫描的工程地质测绘方法与*** Download PDFInfo
- Publication number
- CN112819958B CN112819958B CN202110224313.5A CN202110224313A CN112819958B CN 112819958 B CN112819958 B CN 112819958B CN 202110224313 A CN202110224313 A CN 202110224313A CN 112819958 B CN112819958 B CN 112819958B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- dimensional
- confidence
- area
- cloud data
- 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.)
- Active
Links
Images
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
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
-
- 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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及人工智能技术领域,具体涉及一种基于三维激光扫描的工程地质测绘方法与***。该方法对工程地质的三维点云数据进行聚类得到多个点云簇和点云密度;对工程地质的标准点云数据进行得到多个标准点云簇和标准点云密度;通过对比三维点云数据和标准点云数据以判断三维点云数据的点云精度,进而获取点云簇的置信度;对点云簇的二维分布图进行连通域分析以获取该点云簇的点云特征向量;利用点云簇所在区域的陡峭程度修正置信度以得到新置信度;结合点云特征向量和新置信度获取对应区域的地质评分。对满足点云精度的三维点云数据进行特征分析,通过分析三维点云数据的分布特征以保证得到准确的工程地质评分,防止施工位置选择错误。
Description
技术领域
本发明涉及人工智能技术领域,具体涉及一种基于三维激光扫描的工程地质测绘方法与***。
背景技术
工程地质测绘是工程地质勘察中一项最重要最基本的勘察方法。目前,行业内通过三维点云信息进行三维地质模型重建,该重建方法通常直接采用通过常规预处理的点云数据或者经过插值得到的点云数据。
发明人在实践中,发现上述现有技术存在以下缺陷:点云数据在采集的过程中由于无人机的震动或者高速移动等原因,经常会出现点云数据的偏移、拉伸等情况,进而影响对工程地质的判断和最优施工位置的选择。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种基于三维激光扫描的工程地质测绘方法与***,所采用的技术方案具体如下:
第一方面,本发明一个实施例提供了一种基于三维激光扫描的工程地质测绘方法,该方法具体包括以下具体步骤:
获取工程地质的三维点云数据,根据所述三维点云数据的高程值进行聚类得到多个点云簇和对应的点云密度;
对所述工程地质的标准点云数据进行密度聚类得到多个标准点云簇和对应的标准点云密度;
利用所述点云密度、所述标准点云密度和对应的所述高程值得到每一个所述点云簇的差异程度,进而根据所述差异程度判断所述三维点云数据的点云精度,当所述点云精度满足要求时,获取每一个所述点云簇的置信度;
获取所述点云簇的二维分布图,对所述二维分布图进行连通域分析得到所有连通域的面积和;根据每一个所述连通域的中心点和所述二维分布图的中心点之间的距离,得到所述距离的第三方差值;获取所有所述连通域的凸缺陷面积;
对多张所述二维分布图进行重叠区域处理得到整体叠加图,将所述点云簇的所述二维分布图与所述整体叠加图进行对比,根据所述整体叠加图中对应的重叠区域的面积和重叠次数以得到所述点云簇所在区域内的陡峭程度,进而根据所述陡峭程度修正所述置信度得到新置信度;
根据由所述新置信度、所述面积和、所述第三方差值和所述凸缺陷面积建立的地质评分模型得到每一个所述高程值所对应区域的地质评分。
进一步地,所述获取每一个所述点云簇的置信度的方法,包括:
获取所述点云密度和所述标准点云密度的差值,计算所述差值与对应的所述高程值的比值得到每一个所述标准点云簇所对应的差异值;
计算所述差异值的第二方差值,根据所述差异值的数量和所述第二方差值得到所述点云簇的所述置信度。
进一步地,所述对所述二维分布图进行连通域分析得到所有连通域的面积和,包括:
根据所述二维分布图中所述三维点云数据之间的距离进行聚类得到多个聚类区域;
对每一个所述聚类区域进行所述连通域分析得到每一个连通域的面积,进而得到所述所有连通域的所述面积和。
进一步地,所述重叠次数为所述重叠区域中所述三维点云数据的像素值累加和。
进一步地,所述地质评分模型为:
其中,Score为所述地质评分;τnew为所述新置信度;s为所述面积和;Δs为所述第三方差值;s2(d)为所述凸缺陷面积。
第二方面,本发明另一个实施例提供了一种基于三维激光扫描的工程地质测绘***,该***包括:
实时点云分析单元,用于获取工程地质的三维点云数据,根据所述三维点云数据的高程值进行聚类得到多个点云簇和对应的点云密度;
标准点云分析单元,用于对所述工程地质的标准点云数据进行密度聚类得到多个标准点云簇和对应的标准点云密度;
点云精度检测单元,用于利用所述点云密度、所述标准点云密度和对应的所述高程值得到每一个所述点云簇的差异程度,进而根据所述差异程度判断所述三维点云数据的点云精度,当所述点云精度满足要求时,获取每一个所述点云簇的置信度;
点云特征分析单元,用于获取所述点云簇的二维分布图,对所述二维分布图进行连通域分析得到所有连通域的面积和;根据每一个所述连通域的中心点和所述二维分布图的中心点之间的距离,得到所述距离的第三方差值;获取所有所述连通域的凸缺陷面积;
置信度修正单元,用于对多张所述二维分布图进行重叠区域处理得到整体叠加图,将所述点云簇的所述二维分布图与所述整体叠加图进行对比,根据所述整体叠加图中对应的重叠区域的面积和重叠次数以得到所述点云簇所在区域内的陡峭程度,进而根据所述陡峭程度修正所述置信度得到新置信度;
评分获取单元,用于根据由所述新置信度、所述面积和、所述第三方差值和所述凸缺陷面积建立的地质评分模型得到每一个所述高程值所对应区域的地质评分。
进一步地,所述点云精度检测单元包括:
差异获取单元,用于获取所述点云密度和所述标准点云密度的差值,计算所述差值与对应的所述高程值的比值得到每一个所述标准点云簇所对应的差异值;
置信度获取单元,用于计算所述差异值的第二方差值,根据所述差异值的数量和所述第二方差值得到所述点云簇的所述置信度。
进一步地,所述点云特征分析单元,包括:
聚类单元,用于根据所述二维分布图中所述三维点云数据之间的距离进行聚类得到多个聚类区域;
面积检测单元,用于对每一个所述聚类区域进行所述连通域分析得到每一个连通域的面积,进而得到所述所有连通域的所述面积和。
进一步地,所述置信度修正单元中所述重叠次数为所述重叠区域中所述三维点云数据的像素值累加和。
进一步地,所述评分获取单元中所述地质评分模型为:
其中,Score为所述地质评分;τnew为所述新置信度;s为所述面积和;Δs为所述第三方差值;s2(d)为所述凸缺陷面积。
本发明实施例至少存在以下有益效果:对满足点云精度的工程地质的三维点云数据进行特征分析,通过结合高程值所对应区域的三维点云数据的分布特征获取该高程值所对应区域的地质评分结果,进而利用该区域的陡峭程度修正三维点云数据的特征向量,能够保证得到准确的工程地质评分,防止施工位置选择错误。
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和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,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的前提下,还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种基于三维激光扫描的工程地质测绘方法的流程图;
图2为本发明一个实施例所提供的一种基于三维激光扫描的工程地质测绘方法的步骤流程图;
图3为本发明另一个实施例所提供的一种基于三维激光扫描的工程地质测绘***的结构框图;
图4为本发明实施例所提供的关于点云精度检测单元的结构框图;
图5为本发明实施例所提供的关于点云特征分析单元的结构框图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种基于三维激光扫描的工程地质测绘方法与***,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于三维激光扫描的工程地质测绘方法与***的具体方案。
参照附图1和附图2,本发明实施例提供了一种基于三维激光扫描的工程地质测绘方法,该方法包括:
步骤S001,获取工程地质的三维点云数据,根据三维点云数据的高程值进行聚类得到多个点云簇和对应的点云密度。
步骤S002,对工程地质的标准点云数据进行密度聚类得到多个标准点云簇和对应的标准点云密度。
步骤S003,利用点云密度、标准点云密度和对应的高程值得到每一个点云簇的差异程度,进而根据差异程度判断三维点云数据的点云精度,当点云精度满足要求时,获取每一个点云簇的置信度。
步骤S004,获取点云簇的二维分布图,对二维分布图进行连通域分析得到所有连通域的面积和;根据每一个连通域的中心点和二维分布图的中心点之间的距离,得到距离的第三方差值;获取所有连通域的凸缺陷面积。
步骤S005,对多张二维分布图进行重叠区域处理得到整体叠加图,将点云簇的二维分布图与整体叠加图进行对比,根据整体叠加图中对应的重叠区域的面积和重叠次数以得到点云簇所在区域内的陡峭程度,进而根据陡峭程度修正置信度得到新置信度。
步骤S006,根据由新置信度、面积和、第三方差值和凸缺陷面积建立的地质评分模型得到每一个高程值所对应区域的地质评分。
进一步地,在步骤S001中,本发明实施例中利用TOF激光雷达采集工程地质的三维点云数据,且TOF激光雷达是利用反射激光和接收激光之间的飞行时间获得工程地质的深度信息,进而得到三维点云数据。
考虑到实际情况中,三维点云数据的高程值会对点云密度产生影响:无人机测绘的相同场景下,在高程值较高的平面得到的三维点云数据的点云密度比在高程值较低的平面得到的三维点云数据的点云密度大,因此,本发明实施例根据实时采集的单帧三维点云数据的高程值进行聚类,以得到多个点云簇和对应的点云密度,具体的聚类方法如下:
1)根据三维点云数据的高程值,随机选择一个三维点云数据作为第一聚类中心点。
2)根据其他三维点云数据的高程值,分别计算第一聚类中心点和与其距离最近的其他三维点云数据的距离D(h)。
3)根据计算的距离D(h)选择新的三维点云数据作为新聚类中心点,选择新聚类中心点的原则为:D(h)较大的三维点云数据被作为新聚类中心点的概率较大。根据无人机测绘场景的实际情况,当max{D(h)}<2时,认为不存在新聚类中心点,否则选择max{D(h)}所对应的三维点云数据作为新聚类中心点。
需要说明的是,2为经验值,在其他实施例中,实施者可根据测绘的精度要求更改此阈值。
4)重复步骤2)和步骤3)直到得到所有的聚类中心点,并将聚类中心点的数目记为K。
5)利用这K个聚类中心点对三维点云数据的高程值执行标准的K-means算法,得到多个点云簇,且每一个点云簇的高程值相差在2以内。
6)进一步计算各个点云簇内的点云密度。
进一步地,为了验证实时采集的三维点云数据的点云精度,在步骤S002中,本发明实施例根据激光雷达的扫描模式,获取标准点云数据和对应的标准点云密度。
具体的,考虑到TOF激光雷达的扫描策略有重复线性扫描、李萨茹扫描、非重复线性扫描等多种扫描方式,且不同的扫描方式下获得的点云数据的点云分布特征不同,因此,本发明实施例优先选择李萨茹扫描在等高平面获取单帧标准点云数据,且该等高平面的高度值为h0。由于李萨茹扫描在等高的扫描平面内呈现中间稀疏、四周密集的分布特征,因此利用DBSCAN密度聚类算法对标准点云数据进行聚类,得到多个标准点云簇以及标准点云簇所对应的标准点云密度,每一个标准点云簇内的点云密度相同。
进一步地,在步骤S003中,本发明实施例结合标准点云数据的标准点云密度、实时采集的三维点云数据的点云数据以及对应的高程值确认三维点云数据的点云精度,具体的三维点云数据的点云精度判断方法如下:
1)以单帧三维点云数据中第j个点云簇为例,记第j个点云簇为ROI′j、对应的点云密度为ρ′j,且标准点云簇记为ROI,对应的标准点云密度为ρROI。
2)当点云簇ROI′j内对应多个标准点云簇时,利用多个标准点云簇的标准点云密度对点云簇的点云精度进行验证。具体验证方法为:根据点云簇ROI′j的点云密度和对应多个标准点云簇中任意一个标准点云簇所对应的标准点云密度进行对比,利用对比公式得到第i个标准点云簇所对应的差异值,其中hj为点云簇ROI′j对应的高程值均值,进而能够分别得到对应的多个标准点云簇所对应的多个差异值,利用多个差异值的均值作为该点云簇ROI′j的差异程度。
3)当点云簇ROI′j内对应一个标准点云簇时,获取与点云簇ROI′j相邻的所有点云簇,进一步获取相邻的所有点云簇所对应的多个标准点云簇,同样的,利用步骤2)中的对比公式得到每一个标准点云簇所对应的差异值,利用多个差异值的均值作为该点云簇ROI′j的差异程度。
4)利用步骤2)至步骤3)对每一个点云簇进行对比,进而一个点云簇对应一个差异程度。进一步计算所有差异程度的第一方差值,当第一方差值小于0.5时,认为当前帧三维点云数据满足点云精度要求。
需要说明的是,0.5是经验阈值,在其他实施例中,实施者可根据点云精度要求自行更改此阈值。
5)当第一方差值大于或者等于0.5时,将当前帧三维点云数据舍弃,且进行二次扫描,直至采集到满足点云精度要求的三维点云数据。
需要说明的是,通过标准点云数据与三维点云数据之间的差异程度,进而根据差异程度的第一方差值判断三维点云数据是否满足点云精度要求,以确保采集到满足点云精度要求的三维点云数据,进而能够保证后续工程地质评分的准确性。
进一步地,考虑获取满足点云精度要求的三维点云数据后,本发明实施例利用每一个点云簇所对应的差异程度得到每一个点云簇的置信度,以第j个点云簇ROI′j为例计算该点云簇的置信度的方法如下:
1)根据点云簇ROI′j内所对应的多个差异值ε,计算该多个差异值的第二方差值s2(ε),第二方差值s2(ε)越小且差异值的数量Num(ε)越小,表示该点云簇ROI′j内的三维点云数据的点云精度越高,且该点云簇ROI′j所对应的高程值范围内的地势分布平坦,有利于工程地质的施工。
2)根据先验,s2(ε)*Num(ε)越小表示该点云簇的置信度越高,有利于工程施工,则点云簇ROI′j的置信度τj的计算公式为:
其中,τj的取值范围为[0,1],且取值越大表示该点云簇内的三维点云数据的点云精度越高。
进一步地,在步骤S004中,本发明实施例对满足点云精度要求的三维点云数据进行进一步分析,以获取每一个点云簇内点云特征向量,同样以第j个点云簇ROI′j为例,该点云簇内的点云特征向量提取过程如下:
1)将点云簇ROI′j内的三维点云数据投影到X-Y平面内,得到三维点云数据的二维分布图Ij,对二维分布图进行闭运算以闭合各投影点之间的细小缝隙,进而根据二维分布图中三维点云数据之间的距离进行聚类得到多个聚类区域,对该点云簇ROI′j的多个聚类区域进行连通域分析,得到每一个连通域的中心点坐标和面积,将所有连通域的面积和记为s,面积和越大表示该点云簇所在区域在当前帧三维点云数据所在区域内的占比越大。
2)计算每一个连通域的中心点和二维分布图的中心点之间的距离d,计算该距离的第三方差值s2(d)。该第三方差值s2(d)能够表示该点云簇所在区域内三维点云数据的分布特征,s2(d)的值越大表示该点云簇所对应的高程值范围内的三维点云数据分布越集中。
3)进一步利用凸包检测算法检测每一个连通域的凸包区域,利用检测到所有凸包区域减去连通域区域,得到所有连通域的凸缺陷,将凸缺陷的面积记为Δs,Δs越大表示该点云簇所对应的高程值区域内边缘处的地形越复杂,且不易施工。
4)至此,得到点云簇ROI′j内的点云特征向量[s,Δs,s2(d)]和对应的二维分布图Ij,进而利用步骤1)至步骤3)对每一个点云簇进行点云特征向量提取,能够得到K张二维分布图和对应的点云特征向量。
进一步地,在步骤S005中,对K张二维分布图进一步处理,具体处理的方法如下:本发明实施例中令二维分布图中三维点云数据的像素值为1,非三维点云数据的像素值为0,进而根据二维分布图中三维点云数据的像素值,首先将二维分布图I1和二维分布图I2进行叠加得到叠加图U1,即将二维分布图I1和二维分布图I2中重叠区域所对应的像素值进行相加,非重叠区域的像素值保持不变,重叠区域的像素值叠加表示该位置处同时含有两个不同高程值平面的三维点云数据;然后将叠加图U1与二维分布图I3进行同样的重叠区域的像素值处理得到叠加图U2,进而依次遍历K张二维分布图,得到整体叠加图Uk。在整体叠加图Uk中将像素值为1的区域置为0,对像素值大于1的区域进行连通域分析,进而得到多个连通域信息。每一个连通域均为三维点云数据中出现的重叠区域,对应的像素值为三维点云数据重的叠次数,也即是重叠区域的像素值累加和,且重叠次数大表示在同一区域同时出现多个高程值所对应的三维点云数据,重叠次数越大,对应区域的地质越陡峭。
由于重叠次数小时,但对应的重叠区域的面积较大时,也即对应的连通域区域的面积较大时,该区域的陡峭程度是有可能满足要求的,因此,为了得到准确的陡峭程度,本发明实施例根据每个连通域的信息得到各个连通域所对应区域的面积,进而以连通域所对应的像素值与其面积的比值作为每一个连通域所对应区域的陡峭度指标γ。
进一步地,地质的陡峭度对三维点云数据的点云精度有影响,陡峭度越大,采集高精度的三维点云数据越困难,进而无法准确对工程地质进行测绘,故本发明实施例利用获得的陡峭度指标γ对步骤S003中各个点云簇的置信度进行修正,具体的修正方法如下:
1)本发明实施例以第i个点云簇ROI′j为例,获取该点云簇所对应的二维分布图Ij,将二维分布图Ij与整体叠加图Uk进行比对,获取整体叠加图Uk中二维分布图Ij所对应的连通域,也即为重叠区域,计算所有连通域的陡峭度指标γ的和∑γ,该∑γ表示点云簇ROI′j所在邻域范围内的陡峭程度。需要说明的是,一个区域的陡峭程度越大,表示该区域内的三维点云数据所涵盖的高程值平面的数量越大,且对于三维激光扫描来说,在该区域内获得高精度的三维点云数据越困难,因此应当降低该区域所对应的置信度。
2)根据先验,陡峭程度越大,工程施工的风险越大,则应降低对应点云簇所在区域内的置信度,以保证对工程地质检测的准确性。则,构建的置信度的修正公式如下:
其中,τnew为新置信度,当τnew≤0时,令τnew≤0;γ0为陡峭程度阈值。
需要说明的是,(1)γ0为经验值,实施者可根据具体的工程内容设定该阈值。
(2)τnew为置信度修正后的新置信度,该新置信度的数值越大表示当前点云簇内的置信度越高,越有利于工程施工。
优选的,本发明实施例中γ0=2。
3)利用步骤1)至步骤2)对每一个点云簇的置信度进行修正,以得到新置信度τnew。
需要说明的是,陡峭程度不但能体现每一点云簇所对应的高程值区域的地势陡峭情况,而且利用陡峭程度修正每一点云簇所对应的高程值区域的置信度,能够准确体现不同高程值平面内三维点云数据的点云精度的高低,进而保证工程地质的评分结果的准确性。
进一步地,在步骤S006中,由于在同一高程值区域内,面积和s越大表示在当前高程值下施工面积越大,对应的地质评分越高;当对应的第三方差值s2(d)越小时,表示施工面积越集中,对应的地质评分越高;而凸缺陷面积Δs越大表示当前高程值边缘区域越复杂,施工困难越大,使得地质评分降低,因此,本发明实施例利用每一个点云簇所对应的高程值区域内的面积和s、第三方差值s2(d)、凸缺陷面积Δs以及对应的新置信度τnew建立地质评分模型,该地质评分模型为:
其中,Score为地质评分,Score的取值范围为[0,1],当Score>0.5时认为该高程值区域内的地质满足工程需求。
需要说明的是,利用地质评分模型能够得到每一个高程值区域内的工程地质评分,且实施者可根据实际的工程需要选择合理的工程地质区域。
综上所述,本发明实施例提供了一种基于三维激光扫描的工程地质测绘方法,该方法利用工程地质的标准点云数据和实时的三维点云数据进行对比,以判断三维点云数据的点云精度,当三维点云数据满足点云精度时,获取由三维点云数据的高程值进行聚类得到的每一个点云簇的置信度;获取每一个点云簇的二维分布图,对二维分布图进行连通域分析得到点云簇的点云特征向量,进一步利用K张二维分布图进行重叠区域处理得到整体叠加图,根据整体叠加图以获取每一个点云簇所在区域内的陡峭程度,利用陡峭程度修正置信度得到新置信度,以根据由点云特征向量和新置信度建立的地质评分模型得到每一个高程值所对应区域的地质评分。对满足点云精度的工程地质的三维点云数据进行特征分析,通过结合高程值所对应区域的三维点云数据的分布特征获取该高程值所对应区域的地质评分结果,进而利用该区域的陡峭程度修正三维点云数据的特征向量,能够保证得到准确的工程地质评分,防止施工位置选择错误。
基于与上述方法相同的发明构思,本发明实施例还提供了一种基于三维激光扫描的工程地质测绘***。
参见附图3,本发明实施例提供了一种基于三维激光扫描的工程地质测绘***,该***包括实时点云分析单元10、标准点云分析单元20、点云精度检测单元30、点云特征分析单元40、置信度修正单元50以及评分获取单元60。
实时点云分析单元10用于获取工程地质的三维点云数据,根据三维点云数据的高程值进行聚类得到多个点云簇和对应的点云密度。
标准点云分析单元20用于对工程地质的标准点云数据进行密度聚类得到多个标准点云簇和对应的标准点云密度。
点云精度检测单元30用于利用点云密度、标准点云密度和对应的高程值得到每一个点云簇的差异程度,进而根据差异程度判断三维点云数据的点云精度,当点云精度满足要求时,获取每一个点云簇的置信度。
点云特征分析单元40用于获取点云簇的二维分布图,对二维分布图进行连通域分析得到所有连通域的面积和;根据每一个连通域的中心点和二维分布图的中心点之间的距离,得到距离的第三方差值;获取所有连通域的凸缺陷面积。
置信度修正单元50用于对多张二维分布图进行重叠区域处理得到整体叠加图,将点云簇的二维分布图与整体叠加图进行对比,根据整体叠加图中对应的重叠区域的面积和重叠次数以得到点云簇所在区域内的陡峭程度,进而根据陡峭程度修正置信度得到新置信度。
评分获取单元60用于根据由新置信度、面积和、第三方差值和凸缺陷面积建立的地质评分模型得到每一个高程值所对应区域的地质评分。
进一步地,参见附图4,点云精度检测单元30包括差异获取单元31和置信度获取单元32。
差异获取单元31用于获取点云密度和标准点云密度的差值,计算差值与对应的高程值的比值得到每一个标准点云簇所对应的差异值。
置信度获取单元32用于计算差异值的第二方差值,根据差异值的数量和第二方差值得到点云簇的置信度。
进一步地,参见附图5,点云特征分析单元40包括聚类单元41和面积检测单元42。
聚类单元41用于根据二维分布图中三维点云数据之间的距离进行聚类得到多个聚类区域。
面积检测单元42用于对每一个聚类区域进行连通域分析得到每一个连通域的面积,进而得到所有连通域的面积和。
进一步地,置信度修正单元50中重叠次数为重叠区域中三维点云数据的像素值累加和。
进一步地,评分获取单元60中地质评分模型为:
其中,Score为地质评分;τnew为新置信度;s为面积和;Δs为第三方差值;s2(d)为凸缺陷面积。
综上所述,本发明实施例提供了一种基于三维激光扫描的工程地质测绘***,该***在实时点云分析单元10采集工程地质的三维点云数据;在标准点云分析单元20采集工程地质的标准点云数据;将三维点云数据和标准点云数据通过点云精度检测单元30判断三维点云数据的点云精度,当三维点云数据满足点云精度时,获取由三维点云数据的高程值进行聚类得到的每一个点云簇的置信度;进而通过点云特征分析单元40获取每一个点云簇的点云特征向量,通过置信度修正单元50利用每一个点云簇所在区域内的陡峭程度修正置信度以得到新置信度,最后在评分获取单元60根据由点云特征向量和新置信度建立的地质评分模型得到每一个高程值所对应区域的地质评分。对满足点云精度的工程地质的三维点云数据进行特征分析,通过结合高程值所对应区域的三维点云数据的分布特征获取该高程值所对应区域的地质评分结果,进而利用该区域的陡峭程度修正三维点云数据的特征向量,能够保证得到准确的工程地质评分,防止施工位置选择错误。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于三维激光扫描的工程地质测绘方法,其特征在于,该方法包括:
获取工程地质的三维点云数据,根据所述三维点云数据的高程值进行聚类得到多个点云簇和对应的点云密度;
对所述工程地质的标准点云数据进行密度聚类得到多个标准点云簇和对应的标准点云密度;
利用所述点云密度、所述标准点云密度和对应的所述高程值得到每一个所述点云簇的差异程度,进而根据所述差异程度判断所述三维点云数据的点云精度,当所述点云精度满足要求时,获取每一个所述点云簇的置信度;
获取所述点云簇的二维分布图,对所述二维分布图进行连通域分析得到所有连通域的面积和;根据每一个所述连通域的中心点和所述二维分布图的中心点之间的距离,得到所述距离的第三方差值;获取所有所述连通域的凸缺陷面积;
对多张所述二维分布图进行重叠区域处理得到整体叠加图,将所述点云簇的所述二维分布图与所述整体叠加图进行对比,根据所述整体叠加图中对应的重叠区域的面积和重叠次数以得到所述点云簇所在区域内的陡峭程度,进而根据所述陡峭程度修正所述置信度得到新置信度;
根据由所述新置信度、所述面积和、所述第三方差值和所述凸缺陷面积建立的地质评分模型得到每一个所述高程值所对应区域的地质评分;
所述获取每一个所述点云簇的置信度的方法,包括:
获取所述点云密度和所述标准点云密度的差值,计算所述差值与对应的所述高程值的比值得到每一个所述标准点云簇所对应的差异值;
计算所述差异值的第二方差值,根据所述差异值的数量和所述第二方差值得到所述点云簇的所述置信度;所述置信度的计算公式为:
其中,τj为第j个所述点云簇的所述置信度;s2(ε)为所述差异值的所述第二方差值;Num(ε)为所述差异值的数量;
所述置信度的修正公式为:
其中,τnew为所述新置信度;γ0为陡峭程度阈值;∑γ为所述陡峭程度;τ为所述置信度。
2.如权利要求1所述的方法,其特征在于,所述对所述二维分布图进行连通域分析得到所有连通域的面积和,包括:
根据所述二维分布图中所述三维点云数据之间的距离进行聚类得到多个聚类区域;
对每一个所述聚类区域进行所述连通域分析得到每一个连通域的面积,进而得到所述所有连通域的所述面积和。
3.如权利要求1所述的方法,其特征在于,所述重叠次数为所述重叠区域中所述三维点云数据的像素值累加和。
5.一种基于三维激光扫描的工程地质测绘***,其特征在于,该***包括:
实时点云分析单元,用于获取工程地质的三维点云数据,根据所述三维点云数据的高程值进行聚类得到多个点云簇和对应的点云密度;
标准点云分析单元,用于对所述工程地质的标准点云数据进行密度聚类得到多个标准点云簇和对应的标准点云密度;
点云精度检测单元,用于利用所述点云密度、所述标准点云密度和对应的所述高程值得到每一个所述点云簇的差异程度,进而根据所述差异程度判断所述三维点云数据的点云精度,当所述点云精度满足要求时,获取每一个所述点云簇的置信度;
点云特征分析单元,用于获取所述点云簇的二维分布图,对所述二维分布图进行连通域分析得到所有连通域的面积和;根据每一个所述连通域的中心点和所述二维分布图的中心点之间的距离,得到所述距离的第三方差值;获取所有所述连通域的凸缺陷面积;
置信度修正单元,用于对多张所述二维分布图进行重叠区域处理得到整体叠加图,将所述点云簇的所述二维分布图与所述整体叠加图进行对比,根据所述整体叠加图中对应的重叠区域的面积和重叠次数以得到所述点云簇所在区域内的陡峭程度,进而根据所述陡峭程度修正所述置信度得到新置信度;
评分获取单元,用于根据由所述新置信度、所述面积和、所述第三方差值和所述凸缺陷面积建立的地质评分模型得到每一个所述高程值所对应区域的地质评分;
所述点云精度检测单元包括:
差异获取单元,用于获取所述点云密度和所述标准点云密度的差值,计算所述差值与对应的所述高程值的比值得到每一个所述标准点云簇所对应的差异值;
置信度获取单元,用于计算所述差异值的第二方差值,根据所述差异值的数量和所述第二方差值得到所述点云簇的所述置信度,所述置信度的计算公式为:
其中,τj为第j个所述点云簇的所述置信度;s2(ε)为所述差异值的所述第二方差值;Num(ε)为所述差异值的数量;
所述置信度修正单元包括:
所述置信度的修正公式为:
其中,τnew为所述新置信度;γ0为陡峭程度阈值;∑γ为所述陡峭程度;τ为所述置信度。
6.如权利要求5所述的***,其特征在于,所述点云特征分析单元,包括:
聚类单元,用于根据所述二维分布图中所述三维点云数据之间的距离进行聚类得到多个聚类区域;
面积检测单元,用于对每一个所述聚类区域进行所述连通域分析得到每一个所述连通域的面积,进而得到所述所有连通域的所述面积和。
7.如权利要求5所述的***,其特征在于,所述置信度修正单元中所述重叠次数为所述重叠区域中所述三维点云数据的像素值累加和。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110224313.5A CN112819958B (zh) | 2021-03-01 | 2021-03-01 | 一种基于三维激光扫描的工程地质测绘方法与*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110224313.5A CN112819958B (zh) | 2021-03-01 | 2021-03-01 | 一种基于三维激光扫描的工程地质测绘方法与*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112819958A CN112819958A (zh) | 2021-05-18 |
CN112819958B true CN112819958B (zh) | 2022-09-23 |
Family
ID=75862498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110224313.5A Active CN112819958B (zh) | 2021-03-01 | 2021-03-01 | 一种基于三维激光扫描的工程地质测绘方法与*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112819958B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113378396B (zh) * | 2021-06-22 | 2023-11-24 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种小流域地质灾害隐患点早期识别的方法 |
CN114581556B (zh) * | 2022-03-10 | 2022-12-27 | 青海省地质调查院 | 一种区域地质调查中的数字填图方法 |
CN117874690B (zh) * | 2024-03-13 | 2024-05-28 | 山东省地质测绘院 | 一种地理信息测绘数据智能管理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104181548A (zh) * | 2014-09-01 | 2014-12-03 | 中国电建集团成都勘测设计研究院有限公司 | 基于三维激光扫描技术对水土保持状况的监测方法 |
CN110363299A (zh) * | 2019-07-16 | 2019-10-22 | 成都理工大学 | 面向露头岩层分层的空间案例推理方法 |
CN111461023A (zh) * | 2020-04-02 | 2020-07-28 | 山东大学 | 基于三维激光雷达的四足机器人自主跟随领航员的方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6845106B2 (ja) * | 2017-07-21 | 2021-03-17 | 株式会社タダノ | 点群データのクラスタリング方法、ガイド情報表示装置およびクレーン |
CN110647835B (zh) * | 2019-09-18 | 2023-04-25 | 合肥中科智驰科技有限公司 | 基于3d点云数据的目标检测与分类方法和*** |
-
2021
- 2021-03-01 CN CN202110224313.5A patent/CN112819958B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104181548A (zh) * | 2014-09-01 | 2014-12-03 | 中国电建集团成都勘测设计研究院有限公司 | 基于三维激光扫描技术对水土保持状况的监测方法 |
CN110363299A (zh) * | 2019-07-16 | 2019-10-22 | 成都理工大学 | 面向露头岩层分层的空间案例推理方法 |
CN111461023A (zh) * | 2020-04-02 | 2020-07-28 | 山东大学 | 基于三维激光雷达的四足机器人自主跟随领航员的方法 |
Non-Patent Citations (5)
Title |
---|
三维激光扫描技术在高陡岩质边坡地质调查中的应用;罗敏敏等;《勘察科学技术》;20170420(第02期);62-65 * |
基于AHP-Fuzzy和激光点云数据的公路边坡危险性评估研究;刘洋洋等;《灾害学》;20180109(第01期);208-214 * |
基于三维激光扫描技术的复杂三维地质体建模方法;邓小龙等;《工程地质学报》;20170215(第01期);211-216 * |
基于激光点云数据的岩体结构面全自动模糊群聚分析及几何信息获取;刘昌军等;《岩石力学与工程学报》;20110215(第02期);147-153 * |
龙场煤矿矿山地质环境影响模糊综合预测评价;秦世夕 等;《西部资源》;20190916(第6期);126-128 * |
Also Published As
Publication number | Publication date |
---|---|
CN112819958A (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112819958B (zh) | 一种基于三维激光扫描的工程地质测绘方法与*** | |
CN111553859B (zh) | 一种激光雷达点云反射强度补全方法及*** | |
CN105678689B (zh) | 高精地图数据配准关系确定方法及装置 | |
CN108961235B (zh) | 一种基于YOLOv3网络和粒子滤波算法的缺陷绝缘子识别方法 | |
CN111291708B (zh) | 融合深度相机的变电站巡检机器人障碍物检测识别方法 | |
CN111681197B (zh) | 一种基于Siamese网络结构的遥感图像无监督变化检测方法 | |
CN108305260B (zh) | 一种图像中角点的检测方法、装置及设备 | |
CN111145228A (zh) | 基于局部轮廓点与形状特征融合的异源图像配准方法 | |
CN110147837B (zh) | 基于特征聚焦的任意方向密集目标检测方法、***及设备 | |
CN114782499A (zh) | 一种基于光流和视图几何约束的图像静态区域提取方法及装置 | |
CN111783722B (zh) | 一种激光点云的车道线提取方法和电子设备 | |
CN116740072B (zh) | 基于机器视觉的道路表面缺陷检测方法及*** | |
CN114972968A (zh) | 基于多重神经网络的托盘识别和位姿估计方法 | |
CN109559321A (zh) | 一种声呐图像分割方法和设备 | |
CN111968224A (zh) | 船舶3d扫描点云数据处理方法 | |
CN115223007A (zh) | 倾斜目标训练和检测的方法和*** | |
CN116189140A (zh) | 一种基于双目视觉的车辆三维目标检测算法 | |
CN112669458A (zh) | 基于激光点云进行地面滤波的方法、设备和程序载体 | |
CN107610174B (zh) | 一种鲁棒的基于深度信息的平面检测方法及*** | |
CN114578328B (zh) | 一种多激光雷达和多相机传感器空间位置自动标定方法 | |
CN110458019B (zh) | 稀缺认知样本条件下的排除倒影干扰的水面目标检测方法 | |
CN116310837B (zh) | 一种sar舰船目标旋转检测方法及*** | |
US7783112B2 (en) | Method for measuring the proximity of two contours and system for automatic identification of targets | |
CN116299236A (zh) | 一种基于抽稀PS点的InSAR大气误差校正方法 | |
CN107220987A (zh) | 一种基于主成分分析的建筑物屋顶边缘快速检测方法 |
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 |