CN115272444A - 一种隧道钢拱架点云间距及变形提取方法及*** - Google Patents
一种隧道钢拱架点云间距及变形提取方法及*** Download PDFInfo
- Publication number
- CN115272444A CN115272444A CN202210968920.7A CN202210968920A CN115272444A CN 115272444 A CN115272444 A CN 115272444A CN 202210968920 A CN202210968920 A CN 202210968920A CN 115272444 A CN115272444 A CN 115272444A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- steel arch
- point
- tunnel
- distance
- 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
Links
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 142
- 239000010959 steel Substances 0.000 title claims abstract description 142
- 238000000605 extraction Methods 0.000 title claims description 13
- 238000010276 construction Methods 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 10
- 239000011159 matrix material Substances 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 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
- G06T7/60—Analysis of geometric attributes
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
- G06T3/067—Reshaping or unfolding 3D tree structures onto 2D planes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- 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)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computational Mathematics (AREA)
- Artificial Intelligence (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种隧道钢拱架点云间距及变形提取方法及***,包括:获取隧道钢拱架施工点云P1,拟合出底面点云所在平面,并获取点云P在所述平面投影的平面点云P2;根据所述平面点云P2拟合直线,并得出直线方向向量;计算拟合直线与某一坐标轴的夹角,对所述点云P1进行旋转,得到与某一坐标轴平行的隧道钢拱架施工点云P3;根据点云P3中每一个点的法向量计算其各个轴向的分量来设置阈值提取钢拱架点云;运用聚类算法分割得到单片钢拱架点云,根据每两个相邻的单片拱架点云之间的距离计算隧道钢拱架的间距。本发明方法具有良好的鲁棒性,能很好地提取钢拱架点云并得到毫米级误差的点云间距,适用于隧道施工质量监测当中。
Description
技术领域
本发明涉及隧道工程施工技术领域,尤其涉及一种隧道钢拱架点云间距及变形提取方法及***。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
公路隧道施工属地下作业,施工隐蔽性大,存在多种风险因素,易导致隧道施工过程中险情频发。由于施工进度过快或质量不合格等因素都可能会导致重大隧道灾害事故的发生。如果不重视对于隧道钢拱架支护的施工质量监测,在进行建设的过程中便容易出现安置的钢拱架间距不合格或者拱架扭曲现象,从而影响到整体建设的安全和建设质量的提升。
目前,在隧道钢拱架施工中往往存在以下问题:
(1)钢拱架安不准确,间距偏差大。其中,间距过小会浪费钢材从而增加施工成本,而间距过大会使初期支护刚度不够,导致支护变形甚至失稳。
(2)钢拱架扭曲变形严重,从而无法发挥应有的支护作用导致支护变形。
因此,为了保障隧道初期支护强度以及施工人员的生命安全,对于施工期隧道的钢拱架间距及变形的施工质量监测是现代化隧道工程中不可缺少的一环。
发明内容
为了解决上述问题,本发明提出了一种隧道钢拱架点云间距及变形提取方法及***,根据计算得到的点云轴向法向量来设置阈值提取钢拱架点云,然后运用聚类算法提取单片钢拱架点云,确定隧道钢拱架间距,对单片拱架点云进行拟合,提取单片点云中扭曲过大的部分;该方法能很好地提取钢拱架点云并得到毫米级误差的点云间距,适用于隧道施工质量监测当中。
在一些实施方式中,采用如下技术方案:
一种隧道钢拱架点云间距及变形提取方法,包括:
获取隧道钢拱架施工点云P1,拟合出底面点云所在平面,并获取点云P在所述平面投影的平面点云P2;
根据所述平面点云P2拟合直线,并得出直线方向向量;
计算拟合直线与某一坐标轴的夹角,对所述点云P1进行旋转,得到与某一坐标轴平行的隧道钢拱架施工点云P3;
根据点云P3中每一个点的法向量计算其各个轴向的分量来设置阈值提取钢拱架点云;
运用聚类算法分割得到单片钢拱架点云,根据每两个相邻的单片拱架点云之间的距离计算隧道钢拱架的间距。
作为进一步的方案,运用聚类算法分割得到单片钢拱架点云之后,对单片钢拱架点云进行拟合,提取单片钢拱架点云中的变形。
作为进一步的方案,对单片拱架点云拟合空间三维圆环点云,计算单片拱架点云的中线点云;
计算中线点云中每一点到三维圆环点云的最小距离,将距离超出设定阈值的点标记为变形点。
作为进一步的方案,拟合底面点云所在平面时,通过循环迭代使平面距离阈值小于D且离群值的期望概率满足Ex,以保证拟合出的平面与原地面在同一平面;其中D和Ex均为预先设定的参数。
作为进一步的方案,根据所述平面点云P2拟合直线,具体包括:
对平面点云P2进行切片,取得各个切片的中点;
对切片中点所组成的点云的两端进行离群点去除,然后采用RANSAC算法将各个切片的中点拟合出直线。
作为进一步的方案,根据点云P3中每一个点的法向量计算其各个轴向的分量来设置阈值提取钢拱架点云;具体包括:
计算点云P3中每一个点的法向量,并获得沿隧道轴向方向的法向量分量;提取法向量分量属于某一设定值域ε的点云,得到钢拱架点云。
作为进一步的方案,获得钢拱架点云之后,对钢拱架点云采用半径统计组合滤波进行去噪,以消除噪声及离群点;具体过程为:
遍历点云,对于半径内点云个数不满足某一设定阈值的点进行去除;对于满足半径内点个数的点,计算其半径内邻域点的平均距离d1,再计算全局标准差b和全局点云平均距离d2,若d1>(b+d2),则去除该点。
作为进一步的方案,运用聚类算法分割得到单片钢拱架点云,根据相邻两个单片钢拱架点云之间的距离计算隧道钢拱架的间距,具体为:
对钢拱架点云采用聚类算法依次提取所有单片钢拱架点云,选择相邻的两个单片点云作为P6、P7;
遍历单片钢拱架点云P6,对P6中的每一点进行点云P7的最近邻查找,计算点云P6、P7中对应点对的距离;
再选择下一组相邻的单片点云重复上述计算并得到距离;
计算所述每一组的相邻单片点云距离的均值,再将所述均值加上标准钢拱架宽度值的一半,所得值即为每相邻两钢拱架中线的距离。
在另一些实施方式中,采用如下技术方案:
一种隧道钢拱架点云间距及变形提取***,包括:
位姿变换模块,用于获取隧道钢拱架施工点云P1,拟合出底面点云所在平面,并获取点云P在所述平面投影的平面点云P2;根据所述平面点云P2拟合直线,并得出直线方向向量;
钢拱架点云提取模块,用于计算拟合直线与邻近某一坐标轴的夹角,对所述点云P1进行旋转,得到与某一坐标轴平行的隧道钢拱架施工点云P3;根据点云P3中每一个点的法向量计算其各个轴向的分量来设置阈值提取钢拱架点云;
单片钢拱架提取模块,用于运用聚类算法分割得到单片钢拱架点云;
间距检测模块,用于根据每两个相邻的单片拱架点云之间的距离计算隧道钢拱架的间距。
作为进一步的方案,还包括:变形检测模块,用于运用聚类算法分割得到单片钢拱架点云之后,对单片钢拱架点云进行拟合,提取单片钢拱架点云中的变形。
与现有技术相比,本发明的有益效果是:
(1)本发明首先计算隧道钢拱架施工部分点云与某一坐标轴的夹角并进行旋转,使其轴向方向与某一坐标轴平行,然后计算点云轴向法向量,根据计算得到的法向量来设置阈值提取钢拱架点云,再运用聚类算法提取单片钢拱架点云,计算单片钢拱架点云中的每一点到另一单片钢拱架的最近距离,取平均值得到隧道钢拱架间距,对单片拱架点云进行拟合,拟合出一个空间圆环点云,计算单片点云与空间圆环点云的差异,并提取单片点云中扭曲过大的部分。该方法具有良好的鲁棒性,且适用于各种工况的隧道,能很好地提取钢拱架点云并得到毫米级误差的点云间距,适用于隧道施工质量监测当中。
(2)本发明计算点云中每一个点的法向量,并获得沿隧道轴向方向的法向量分量;提取法向量分量属于某一设定值域的点云,得到钢拱架点云。由于之前已经进行了位姿调整,并且通过法向量分量这一手段使得提取出的钢拱架点云比较完整且噪点较少。
本发明的其他特征和附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本方面的实践了解到。
附图说明
图1为本发明实施例中隧道钢拱架点云间距及变形提取方法流程图;
图2为本发明实施例中向拟合出的平面投影的点云示意图;
图3为本发明实施例中旋转后与坐标轴平行的点云示意图;
图4为本发明实施例中基于点云法向量分量提取的拱架点云示意图;
图5为本发明实施例中组合滤波去噪后的拱架点云示意图;
图6为本发明实施例中欧式聚类后提取的单片拱架点云示意图;
图7为本发明实施例中拱架点云扭曲变形示意图。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
在一个或多个实施方式中,公开了一种隧道钢拱架点云间距及变形提取方法,结合图1,具体包括如下过程:
(1)获取隧道钢拱架施工点云P1,拟合出底面点云所在平面,并获取点云P在所述平面投影的平面点云P2;
具体地,对点云P1采用RANSAC算法拟合出底面点云所在平面A,将点云P向平面A投影,得到平面点云P2;
拟合用于点云投影的平面时,通过循环迭代使平面距离阈值小于D且离群值的期望概率满足Ex,以保证拟合出的平面与原地面在同一平面;图2给出了向拟合出的平面投影的点云示意图。
(2)根据平面点云P2拟合直线,并得出直线方向向量;
具体地,对平面点云P2沿某一坐标轴方向进行切片,取得各个切片的中点,对切片中点所组成的点云的两端进行离群点去除,将所得中点采用RANSAC算法拟合出直线L,并得出直线方向向量。
(3)计算拟合直线与某一坐标轴的夹角,根据夹角对点云P1进行旋转,得到与某一坐标轴平行的隧道钢拱架施工点云P3;图3给出了旋转后与坐标轴平行的点云示意图;
具体地,拟合直线L与某一坐标轴的夹角θ计算采用向量数量积,具体计算公式如下:
cosθ=u·v/|u||v| (1)
其中,u、v分别为直线L的方向向量和某一坐标轴的方向向量
将点云P1绕Z轴旋转,采用的旋转矩阵公式如下:
(4)根据点云P3中每一个点的法向量计算其各个轴向的分量来设置阈值提取钢拱架点云;
具体地,计算点云P3中每一个点的法向量,计算点云法向量所用到的协方差矩阵公式为:
其中,M为协方差矩阵,k为邻域点个数,pi为邻域点云,p0为质心;
获得沿隧道轴向方向的法向量分量,提取法向量分量中属于某一设定值域ε的点云,该点云即为钢拱架点云P4,其中ε∈(0.85,0.99),图4给出了基于点云法向量分量提取的拱架点云示意图;
对钢拱架点云P4采用半径统计组合滤波进行去噪,得到消除噪声及离群点的钢拱架点云P5;其中,半径统计组合滤波的去噪步骤为:
遍历点云,对于半径内点云个数不满足某一设定阈值a的点进行去除,对于满足半径内点个数的点计算其半径内邻域点的平均距离d1,再计算全局标准差b和全局点云平均距离d2,若d1>(b+d2),则去除该点。
图5给出了组合滤波去噪后的拱架点云示意图。
(5)运用聚类算法分割得到所有的单片钢拱架点云,根据每两个相邻的单片拱架点云之间的距离计算隧道钢拱架的间距。
具体地,对钢拱架点云P5采用欧式聚类算法分割得到单片钢拱架点云,选择相邻的两个单片点云作为P6、P7;图6给出了欧式聚类后提取的单片拱架点云示意图;
遍历单片钢拱架点云P6,对P6中的每一点进行点云P7的最近邻查找,计算点云P6、P7中对应点对的距离;
再选择下一组相邻的单片点云重复上述计算并得到距离;
计算每一组的相邻单片点云距离的均值,再将所述均值加上标准钢拱架宽度值的一半,所得值即为每相邻两钢拱架中线的距离。
(6)运用聚类算法分割得到单片钢拱架点云之后,对单片钢拱架点云进行拟合,提取单片钢拱架点云中的变形。
具体地,对钢拱架点云P5拟合空间三维圆环点云P8,计算获得点云P5的中线点云P9;计算点云P9中每一点到点云P8的最小距离,将距离超出阈值d的点标记为变形,图7给出了拱架点云扭曲变形示意图。
本实施例中,阈值d按照规范不超过±2cm,即中线点云P9距离环状点云P8超过2cm。
实施例二
在一个或多个实施方式中,公开了一种隧道钢拱架点云间距及变形提取***,具体包括:
位姿变换模块,用于获取隧道钢拱架施工点云P1,拟合出底面点云所在平面,并获取点云P在所述平面投影的平面点云P2;根据所述平面点云P2拟合直线,并得出直线方向向量;
钢拱架点云提取模块,用于计算拟合直线与某一坐标轴的夹角,对所述点云P1进行旋转,得到与某一坐标轴平行的隧道钢拱架施工点云P3;根据点云P3中每一个点的法向量计算其各个轴向的分量来设置阈值提取钢拱架点云;
单片钢拱架提取模块,用于运用聚类算法分割得到单片钢拱架点云;
间距检测模块,用于根据每两个相邻的单片拱架点云之间的距离计算隧道钢拱架的间距。
作为可选的实施方式,还包括:变形检测模块,用于运用聚类算法分割得到单片钢拱架点云之后,对单片钢拱架点云进行拟合,提取单片钢拱架点云中的变形。
需要说明的是,上述各模块的具体实现方式已经在实施例一中进行了说明,此处不再详述。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种隧道钢拱架点云间距及变形提取方法,其特征在于,包括:
获取隧道钢拱架施工点云P1,拟合出底面点云所在平面,并获取点云P在所述平面投影的平面点云P2;
根据所述平面点云P2拟合直线,并得出直线方向向量;
计算拟合直线与某一坐标轴的夹角,对所述点云P1进行旋转,得到与某一坐标轴平行的隧道钢拱架施工点云P3;
根据点云P3中每一个点的法向量计算其各个轴向的分量来设置阈值提取钢拱架点云;
运用聚类算法分割得到单片钢拱架点云,根据每两个相邻的单片拱架点云之间的距离计算隧道钢拱架的间距。
2.如权利要求1所述的一种隧道钢拱架点云间距及变形提取方法,其特征在于,运用聚类算法分割得到单片钢拱架点云之后,对单片钢拱架点云进行拟合,提取单片钢拱架点云中的变形。
3.如权利要求2所述的一种隧道钢拱架点云间距及变形提取方法,其特征在于,对单片拱架点云拟合空间三维圆环点云,计算单片拱架点云的中线点云;
计算中线点云中每一点到三维圆环点云的最小距离,将距离超出设定阈值的点标记为变形点。
4.如权利要求1所述的一种隧道钢拱架点云间距及变形提取方法,其特征在于,拟合底面点云所在平面时,通过循环迭代使平面距离阈值小于D且离群值的期望概率满足Ex,以保证拟合出的平面与原地面在同一平面;其中D和Ex均为预先设定的参数。
5.如权利要求1所述的一种隧道钢拱架点云间距及变形提取方法,其特征在于,根据所述平面点云P2拟合直线,具体包括:
对平面点云P2进行切片,取得各个切片的中点;
对切片中点所组成的点云的两端进行离群点去除,然后采用RANSAC算法将各个切片的中点拟合出直线。
6.如权利要求1所述的一种隧道钢拱架点云间距及变形提取方法,其特征在于,根据点云P3中每一个点的法向量计算其各个轴向的分量来设置阈值提取钢拱架点云;具体包括:
计算点云P3中每一个点的法向量,并获得沿隧道轴向方向的法向量分量;提取法向量分量属于某一设定值域ε的点云,得到钢拱架点云。
7.如权利要求1所述的一种隧道钢拱架点云间距及变形提取方法,其特征在于,获得钢拱架点云之后,对钢拱架点云采用半径统计组合滤波进行去噪,以消除噪声及离群点;具体过程为:
遍历点云,对于半径内点云个数不满足某一设定阈值的点进行去除;对于满足半径内点个数的点,计算其半径内邻域点的平均距离d1,再计算全局标准差b和全局点云平均距离d2,若d1>(b+d2),则去除该点。
8.如权利要求1所述的一种隧道钢拱架点云间距及变形提取方法,其特征在于,运用聚类算法分割得到单片钢拱架点云,根据相邻两个单片钢拱架点云之间的距离计算隧道钢拱架的间距,具体为:
对钢拱架点云采用聚类算法依次提取所有单片钢拱架点云,选择相邻的两个单片点云作为P6、P7;
遍历单片钢拱架点云P6,对P6中的每一点进行点云P7的最近邻查找,计算点云P6、P7中对应点对的距离;
再选择下一组相邻的单片点云重复上述计算并得到距离;
计算所述每一组的相邻单片点云距离的均值,再将所述均值加上标准钢拱架宽度值的一半,所得值即为每相邻两钢拱架中线的距离。
9.一种隧道钢拱架点云间距及变形提取***,其特征在于,包括:
位姿变换模块,用于获取隧道钢拱架施工点云P1,拟合出底面点云所在平面,并获取点云P在所述平面投影的平面点云P2;根据所述平面点云P2拟合直线,并得出直线方向向量;
钢拱架点云提取模块,用于计算拟合直线与邻近某一坐标轴的夹角,对所述点云P1进行旋转,得到与某一坐标轴平行的隧道钢拱架施工点云P3;根据点云P3中每一个点的法向量计算其各个轴向的分量来设置阈值提取钢拱架点云;
单片钢拱架提取模块,用于运用聚类算法分割得到单片钢拱架点云;
间距检测模块,用于根据每两个相邻的单片拱架点云之间的距离计算隧道钢拱架的间距。
10.如权利要求9所述的一种隧道钢拱架点云间距及变形提取***,其特征在于,其特征在于,还包括:变形检测模块,用于运用聚类算法分割得到单片钢拱架点云之后,对单片钢拱架点云进行拟合,提取单片钢拱架点云中的变形。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210968920.7A CN115272444A (zh) | 2022-08-12 | 2022-08-12 | 一种隧道钢拱架点云间距及变形提取方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210968920.7A CN115272444A (zh) | 2022-08-12 | 2022-08-12 | 一种隧道钢拱架点云间距及变形提取方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115272444A true CN115272444A (zh) | 2022-11-01 |
Family
ID=83750993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210968920.7A Pending CN115272444A (zh) | 2022-08-12 | 2022-08-12 | 一种隧道钢拱架点云间距及变形提取方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115272444A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AT526501B1 (de) * | 2023-04-06 | 2024-04-15 | Geodata Ziviltechnikergesellschaft M B H | Computerimplementiertes Verfahren zum Bestimmen von Unregelmäßigkeiten einer Oberfläche |
-
2022
- 2022-08-12 CN CN202210968920.7A patent/CN115272444A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AT526501B1 (de) * | 2023-04-06 | 2024-04-15 | Geodata Ziviltechnikergesellschaft M B H | Computerimplementiertes Verfahren zum Bestimmen von Unregelmäßigkeiten einer Oberfläche |
AT526501A4 (de) * | 2023-04-06 | 2024-04-15 | Geodata Ziviltechnikergesellschaft M B H | Computerimplementiertes Verfahren zum Bestimmen von Unregelmäßigkeiten einer Oberfläche |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106407502B (zh) | 一种基于最佳匹配的叶片截面型线轮廓参数评价方法 | |
CN111336990A (zh) | 一种隧道断面收敛快速分析方法和装置 | |
CN115272444A (zh) | 一种隧道钢拱架点云间距及变形提取方法及*** | |
CN111079817B (zh) | 一种铁路货车横跨梁故障图像识别方法 | |
CN112101351B (zh) | 一种基于投影的文本行旋转校正方法及装置 | |
CN116304764B (zh) | 一种施工隧道点云中轴线自动拟合方法 | |
CN111754538B (zh) | Usb表面缺陷检测的阈值分割方法 | |
CN103077532A (zh) | 一种实时视频目标快速跟踪方法 | |
CN117635609B (zh) | 一种塑胶产品生产质量视觉检测方法 | |
CN116309577B (zh) | 一种高强传送带物料智能检测方法及*** | |
CN117115196B (zh) | 一种切割机刀具磨损视觉检测方法及*** | |
CN107463939B (zh) | 一种图像关键直线检测方法 | |
CN104408451A (zh) | 一种基于最小二乘法的车牌校正方法 | |
CN113763279A (zh) | 一种具有矩形框图像的精确校正处理方法 | |
CN116883446B (zh) | 一种车载摄像头镜片碾磨程度实时监测*** | |
CN111563904B (zh) | 一种基于三维特征描述子的机翼叉耳点云分割方法 | |
CN105046751A (zh) | 保持实物表面样点棱边特征的Cocone曲面重建方法 | |
CN111476792A (zh) | 一种板带钢图像轮廓的提取方法 | |
CN115311281B (zh) | 一种晶片圆心校正方法 | |
CN115564673B (zh) | 三维点云地下车库柱状物提取与矢量自动生成方法及*** | |
CN116091495A (zh) | 一种道路病害精准检测方法 | |
CN115546143A (zh) | 定位晶圆的中心点的方法、装置、存储介质以及电子设备 | |
CN115564779A (zh) | 一种零件缺陷检测方法、装置及存储介质 | |
CN114359378A (zh) | 一种带式输送机巡检机器人定位方法 | |
CN114429469A (zh) | 一种基于三激光点标靶的掘进机机身位姿确定方法及*** |
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 |