CN115685127A - 一种基于点云数据分析目标物沉降风险的方法及装置 - Google Patents
一种基于点云数据分析目标物沉降风险的方法及装置 Download PDFInfo
- Publication number
- CN115685127A CN115685127A CN202211391361.4A CN202211391361A CN115685127A CN 115685127 A CN115685127 A CN 115685127A CN 202211391361 A CN202211391361 A CN 202211391361A CN 115685127 A CN115685127 A CN 115685127A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- target object
- cloud data
- fitting plane
- target
- 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
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供了一种基于点云数据分析目标物沉降风险的方法及装置,该方法包括:获取目标区域的点云数据,并基于点云数据及与点云数据对应的目标物测量矢量框,确定目标物的关联点云;基于关联点云的高度信息,筛选候选点云;根据候选点云的三维坐标信息,确定目标物的拟合平面,并计算拟合平面的倾角;基于倾角,分析得到目标区域中目标物的沉降风险情况。通过获取目标区域的点云数据,并基于点云数据的高度信息、三维坐标信息,通过计算拟合平面的倾角分析目标物的沉降风险情况,这一过程采用雷达干涉测量技术中点云数据自身的信息,利用计算拟合平面的倾角的方式取代人工解译,从而提高了目标物的风险情况分析的准确性。
Description
技术领域
本发明涉及雷达卫星干涉测量技术领域,具体涉及一种基于点云数据分析目标物沉降风险的方法及装置。
背景技术
雷达卫星干涉测量技术因为雷达电磁波信号不受天气影响可以全天候地对城市关注地区进行持续测量而日益受到重视,已广泛用于对城市房屋建筑、交通管线等城市关键基础设施的安全监测中。
雷达干涉测量技术测量得到的是由监测点构成的点云数据,进而得到的形变量分析是沿着雷达视线方向的一维测量值,在假设地面物体主要形变是垂直于地面的条件下,将观测得到的形变量投影到垂直地面方向就可以得到观测对象,例如房屋的沉降量。
在相关技术中,对于房屋沉降量的分析要通过对多个监测点的数据进行对比分析,借助土木工程相关方向的专业知识综合分析,才能判断形变量是否属于异常,同时通过人工解译,结果的准确性依赖于相关人员的知识的专业度,降低了评估结果的准确性。
发明内容
因此,本发明要解决的技术问题在于克服现有技术中无法保证对地面物体主要形变等的评估结果准确性的缺陷,从而提供一种基于点云数据分析目标物沉降风险的方法及装置。
根据第一方面,本发明实施例提供了一种基于点云数据分析目标物沉降风险的方法,包括:获取目标区域的点云数据,并基于点云数据及与点云数据对应的目标物测量矢量框,确定目标物的关联点云;基于关联点云的高度信息,筛选候选点云;根据候选点云的三维坐标信息,确定目标物的拟合平面,并计算拟合平面的倾角;基于倾角,分析得到目标区域中目标物的沉降风险情况。
可选地,基于关联点云的高度信息,筛选候选点云,包括:遍历关联点云,将高度信息小于第一高度阈值的关联点云作为筛选点云;将所述筛选点云每个点的高度信息用形变量替换,并将替换后的筛选点云作为所述候选点云。
可选地,根据候选点云的三维坐标信息,确定目标物的拟合平面,并计算拟合平面的倾角,包括:根据候选点云的三维坐标,构建目标物的水平拟合平面;基于水平拟合平面,计算水平拟合平面的平面参数;基于平面参数,计算水平拟合平面的倾角。
可选地,基于关联点云的高度信息,筛选候选点云,包括:基于关联点云的高度信息,对关联点云进行聚类,得到聚类点云,并统计得到聚类点云的高度范围;将高度范围大于第二高度阈值的聚类点云作为候选点云。
可选地,根据候选点云的三维坐标信息,确定目标物的拟合平面,并计算拟合平面的倾角,包括:根据候选点云的三维坐标,构建目标物的垂直拟合平面;基于垂直拟合平面,计算垂直拟合平面的平面参数;基于平面参数,计算垂直拟合平面的倾角。
可选地,基于倾角,分析得到目标区域中目标物的沉降风险情况,包括:计算倾角的正切值,并在正切值大于预设阈值时,判定目标物存在沉降风险。
可选地,一种基于点云数据分析目标物沉降风险的方法,还包括:在不同的测量矢量框的至少部分关联点云重合时,将不同的测量矢量框对应的目标物整合,并将各测量矢量框对应的关联点云整合,作为整合后的目标物的关联点云。
根据第二方面,本发明实施例提供了一种基于点云数据分析目标物沉降风险的装置,包括:关联点云确定单元,被配置为获取目标区域的点云数据,并基于点云数据及与点云数据对应的目标物测量矢量框,确定目标物的关联点云;候选点云筛选单元,被配置为基于关联点云的高度信息,筛选候选点云;倾角计算单元,被配置为根据候选点云的三维坐标信息,确定目标物的拟合平面,并计算拟合平面的倾角;沉降风险情况分析单元,被配置为基于倾角,分析得到目标区域中目标物的沉降风险情况。
根据第三方面,本发明实施例提供了一种非暂态计算机可读存储介质,非暂态计算机可读存储介质存储有计算机指令,计算机指令被处理器执行时,实现如第一方面任一实施方式所述的基于点云数据分析目标物沉降风险的方法。
根据第四方面,本发明实施例提供了一种计算机设备,包括至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被所述至少一个处理器执行的指令,指令被至少一个处理器执行,从而执行如第一方面任一实施方式所述的基于点云数据分析目标物沉降风险的方法。
本发明技术方案,具有如下优点:
本发明提供的一种基于点云数据分析目标物沉降风险的方法及装置,该方法包括:获取目标区域的点云数据,并基于点云数据及与点云数据对应的目标物测量矢量框,确定目标物的关联点云;基于关联点云的高度信息,筛选候选点云;根据候选点云的三维坐标信息,确定目标物的拟合平面,并计算拟合平面的倾角;基于倾角,分析得到目标区域中目标物的沉降风险情况。通过获取目标区域的点云数据,并基于点云数据的高度信息、三维坐标信息,通过计算拟合平面的倾角分析目标物的沉降风险情况,这一过程采用雷达干涉测量技术中点云数据自身的信息,利用计算拟合平面的倾角的方式取代人工解译,从而提高了目标物的风险情况分析的准确性。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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他的附图。
图1为本实施例提供的一种基于点云数据分析目标物沉降风险的方法的一个具体示例的流程图;
图2为本实施例提供的一种基于点云数据分析目标物沉降风险的方法的一个具体示例的结果示意图;
图3为本实施例提供的一种基于点云数据分析目标物沉降风险的方法的另一个具体示例的结果示意图;
图4为本实施例提供的一种基于点云数据分析目标物沉降风险的装置的一个具体示例的结构示例图;
图5为本发明实施例提供的一种计算机设备的结构示例图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本实施例提供一种基于点云数据分析目标物沉降风险的方法,如图1所示,包括如下步骤:
S101、获取目标区域的点云数据,并基于点云数据及与点云数据对应的目标物测量矢量框,确定目标物的关联点云。
具体地,获取目标区域的点云数据的过程,是指通过雷达干涉测量技术测量目标区域内与目标物测量矢量框对应的具有坐标位置信息的点云数据,其中,目标区域是指雷达干涉测量区域。
具体地,基于点云数据及与点云数据对应的目标物测量矢量框,确定目标物的关联点云,是指将目标区域内的点云数据投影到水平平面,将预设距离阈值内的点云数据作为目标物的关联点云。预设距离阈值可以是4米、5米或其他数值,可根据实际工况进行设定,本发明对此不作具体限定。在实际应用中,目标物测量矢量框的范围表示目标物的范围,目标物例如可以是房屋、桥梁等地表基础设施。
S102、基于关联点云的高度信息,筛选候选点云。
具体地,基于关联点云的高度信息,筛选候选点云的过程,是指根据确定的关联点云的坐标位置信息中的高度信息对点云进行划分,筛选候选点云,并根据筛选的候选点云的不同,为后续采用不同的方式分析目标物的沉降风险情况提供数据基础。
S103、根据候选点云的三维坐标信息,确定目标物的拟合平面,并计算拟合平面的倾角。
具体地,根据候选点云的三维坐标信息,确定目标物的拟合平面,并计算拟合平面的倾角的过程,是指根据候选点云的不同构建目标物的水平拟合平面和/或垂直拟合平面,并计算目标物的水平拟合平面的倾角和/或垂直拟合平面的倾角。
在实际应用中,构建目标物的水平拟合平面用于为后续分析目标物的底部平面的沉降风险情况提供数据支持。计算目标物的水平拟合平面的倾角的过程,是指计算水平拟合平面的平面法向量与地面法线的夹角。
在实际应用中,构建目标物的垂直拟合平面平面用于为后续分析目标物的侧立面的沉降风向情况提供数据支撑。计算目标物的垂直拟合平面的倾角的过程,是指计算垂直拟合平面的平面法向量与地面法线的夹角。
S104、基于倾角,分析得到目标区域中目标物的沉降风险情况。
具体地,基于倾角,分析得到目标区域中目标物的沉降风险情况,是指计算得到的倾角,根据计算结果与预设值的对应关系,得到目标区域中目标物的沉降风险情况,并在水平拟合平面对应的倾角的计算结果和/或垂直拟合平面对应的倾角的计算结果超过对应预设值时,判定目标物存在沉降风险。
在实际应用中,判定目标物存在沉降风险可以是水平拟合平面对应的倾角的计算结果超过与对应预设值时,判定目标物存在沉降风险。或,在垂直拟合平面对应的倾角的计算结果超过与对应预设值时,判定目标物存在沉降风险。或,在水平拟合平面对应的倾角的计算结果超过与对应预设值,并且垂直拟合平面对应的倾角的计算结果超过与对应预设值时,判定目标物存在沉降风险。
本发明实施例提供的一种基于点云数据分析目标物沉降风险的方法,通过获取目标区域的点云数据,并基于点云数据的高度信息、三维坐标信息,通过计算拟合平面的倾角分析目标物的沉降风险情况,这一过程采用雷达干涉测量技术中点云数据自身的信息,利用计算拟合平面的倾角的方式取代人工解译,从而提高了目标物的风险情况分析的准确性。
在一种可选实施方式中,上述步骤S102中,基于关联点云的高度信息,筛选候选点云的过程,具体包括:
(1)遍历关联点云,将高度信息小于第一高度阈值的关联点云作为筛选点云。
具体地,遍历关联点云,将高度信息小于第一高度阈值的关联点云作为筛选点云是指选取关联点云中最小高度值,并将最小高度值与预设高度值的和作为第一高度阈值,以使将关联点云中高度信息小于第一高度阈值的关联点云作为筛选点云。在实际应用中,预设高度值可以是0.5米、0.6米或其他数值,可根据实际工况进行设定,被申请对此不作具体限定。在实际应用中,将高度信息小于第一高度阈值的关联点云作为筛选点云是通过高度范围的筛选,选取关联点云中高度与地面更近的点,以使选取的候选点云为表征目标物底部平面的点云数据。
在实际应用中,假设关联点云的数量为N个,则每个关联点云的坐标位置可以表示为:(xi,yi,zi),其中i为正整数,i∈N,xi表示第i个关联点云的x轴坐标,yi表示第i个关联点云的y轴坐标,zi表示第i个关联点云的z轴坐标。
(2)将所述筛选点云每个点的高度信息用形变量替换,并将替换后的筛选点云作为所述候选点云。
具体地,筛选点云的形变量为通过雷达卫星干涉测量技术获得的值,
在实际应用中,如图2所示为目标物北侧点云数据的形变量,图3所示为目标物南侧点云数据的形变量,如图2及图3所示,目标物两侧的最大形变量分别为+8mm和-4mm。
在实际应用中,假设第i个筛选点云的形变量用di表示,则用形变量替换后的候选点云可以表示为:(xi,yi,di)。
在一种可选实施方式中,上述步骤S103中,根据候选点云的三维坐标信息,确定目标物的拟合平面,并计算拟合平面的倾角的过程,具体包括:
(1)根据候选点云的三维坐标,构建目标物的水平拟合平面。
具体地,目标物的水平拟合平面按如下公式表达:
H1=Ax+By+Cz+D,
其中,H1表示目标物的水平拟合平面,A、B、C、D为水平拟合平面的平面参数;x表示x轴参数,y表示y轴参数,z表示z轴参数。
在实际应用中,根据候选点云的三维坐标,构建目标物的水平拟合平面是指将候选点云的xi,yi,di分别带入目标物的水平拟合平面公式。在实际应用中,由于筛选点云是表征目标物底部平面的点云数据,因此,构建的目标物的水平拟合平面用于表征目标物的底部平面。
(2)基于水平拟合平面,计算水平拟合平面的平面参数。
具体地,基于水平拟合平面,计算水平拟合平面的平面参数是指利用最小二乘法解算拟合平面的平面参数对所有候选点云的误差平方和最小值。
在实际应用中,利用最小二乘法解算拟合平面的平面参数对所有候选点云的误差平方和最小值按如下公式表示:
(3)基于平面参数,计算水平拟合平面的倾角。
具体地,基于平面参数,计算水平拟合平面的倾角是指利用点乘计算平面法向量与地面法线的夹角。
在实际应用中,按如下公式表示计算水平拟合平面的倾角:
theta1=arccos(<(A,B,C),(0,0,1)>)=arccos(C/sqrt(A2+B2+C2)),
其中,theta1表示水平拟合平面的倾角。
通过实施本实施例,通过将筛选点云的形变量作为候选点云的高度信息,以使候选点云是用于表征目标物底部平面的点云数据,并以候选点云构建目标物的水平拟合平面,以使构建的水平拟合平面用于表征目标底部平面,进而确定水平拟合平面的倾角,即,水平拟合平面的平面法向量与地面法线的夹角。这一过程采用雷达干涉测量技术中点云数据自身的信息,采用计算拟合平面的倾角的方式取代人工解译,从而提高了目标物的风险情况分析的准确性。
在另外一种可选实施方式中,上述步骤S102中,基于关联点云的高度信息,筛选候选点云的过程,具体包括:
(1)基于关联点云的高度信息,对关联点云进行聚类,得到聚类点云,并统计得到聚类点云的高度范围。
具体地,基于关联点云的高度信息,对关联点云进行聚类包括:基于关联点云间的高度差与关联点云投影到水平面上的投影距离进行分类;基于分类结果,分别对关联点云进行聚类。
具体地,基于关联点云间的高度差进行分类是指将关联点云间高度差小于第一近似阈值的关联点云作为第一类关联点云。在实际应用中,第一类关联点云用于表征处于一个近似水平面的关联点云,通过第一近似阈值限制对应近似水平面的厚度,即在竖直方向限制点云数据,在该种分类方式中是以点云数据间的高度差作为强限制,从而确定多个第一类关联点云。
具体地,对第一类关联点云进行聚类是指将各第一类关联点云内,水平距离小于第一距离阈值的关联点云进行聚类。在实际应用中,通过第一距离阈值,在水平方向限制对应第一类关联点云,在该种分类方式中是以第一类关联点云的水平距离作为弱限制,从而形成聚类点云,使得聚类点云可以表征对应水平面的目标物。
具体地,基于关联点云投影到水平面上的投影距离进行分类是指将关联点云投射到水平面上的投影距离小于第二距离阈值的关联点云作为第二类关联点云。在实际应用中,第二类关联点云用于表征处于一个近似竖直面的关联点云,通过第二距离阈值限制对应近似竖直面的厚度,即在水平方向限制点云数据,在该种分类方式中,是以点云数据投射到水平面上的投影距离作为强限制,从而确定多个第二类关联点云。
具体地,对第二类关联点云进行聚类是指将各第二类关联点云内,关联点云间的高度差小于第二近似阈值的关联点云进行聚类。在实际应用中,通过第二近似阈值,在竖直方向限制对应第二类关联点云,在该种方式中,是以第二类关联点云间的高度差作为弱限制,从而形成聚类点云,使得聚类点云可以表征对应竖直面的目标物。
在实际应用中,第一近似阈值、第二近似阈值、第一距离阈值、第二距离阈值可根据实际工况确定,本发明对此不作具体限定。第一近似阈值可以是0.5米、1米或其他数值,第二近似阈值可以是0.6米、0.8米或其他数值,第一距离阈值可以是5米、7米或其他数值,第二距离阈值可以是6米、8米或其他数值。应该理解的是,在目标物不同时,第一近似阈值、第二近似阈值、第一距离阈值、第二距离阈值的值也不相同,如目标物为平房的前述阈值小于目标物为楼房前述阈值。
(2)将高度范围大于第二高度阈值的聚类点云作为候选点云。
在实际应用中,第二高度阈值可以是6米、7米或其他数值,可根据实际工况进行设定,被申请对此不作具体限定。在实际应用中,将高度信息大于第二高度阈值的聚类点云作为候选点云是通过高度范围的筛选,选取聚类点云中高度与地面更远的点,以使选取的候选点云为表征目标物侧立面平面的点云数据。
在另外一种可选实施方式中,上述步骤S103中,根据候选点云的三维坐标信息,确定目标物的拟合平面,并计算拟合平面的倾角的过程,具体包括:
(1)根据候选点云的三维坐标,构建目标物的垂直拟合平面。
具体地,目标物的垂直拟合平面按如下公式表达:
H2=Ex+Fy+Gz+I,
其中,H2表示目标物的垂直拟合平面,E、F、G、I为垂直拟合平面的平面参数。
在实际应用中,根据候选点云的三维坐标,构建目标物的垂直拟合平面是指将候选点云的xi,yi,zi分别带入目标物的垂直拟合平面公式。在实际应用中,由于筛选点云是表征目标物侧立面平面的点云数据,因此,构建的目标物的垂直拟合平面用于表征目标物的侧立面平面。
(2)基于垂直拟合平面,计算垂直拟合平面的平面参数。
具体地,基于垂直拟合平面,计算垂直拟合平面的平面参数是指利用最小二乘法解算拟合平面的平面参数对所有候选点云的误差平方和最小值。
在实际应用中,利用最小二乘法解算拟合平面的平面参数对所有候选点云的误差平方和最小值按如下公式表示:
(3)基于平面参数,计算垂直拟合平面的倾角。
具体地,基于平面参数,计算垂直拟合平面的倾角是指利用点乘计算侧立面平面法向量法线的夹角。
在实际应用中,按如下公式表示计算垂直拟合平面的倾角:
theta2=arccos(<(E,F,G),(0,0,1)>)-90deg
=arccos(G/sqrt(E2+F2+G2))-90deg,
其中,theta2表示垂直拟合平面的倾角,deg表示角度。
通过实施本实施例,通过将关联点云进行聚类,并通过第一高度阈值确定候选点云,以使候选点云用于表征目标物侧立面,并以候选点云构建目标物的垂直拟合平面,以使构建的垂直拟合平面用于表征目标物侧立面,进而确定垂直拟合平面的倾角,即,垂直拟合平面的平面法向量与地面法线的夹角。这一过程采用雷达干涉测量技术中点云数据自身的信息,采用计算拟合平面的倾角的方式取代人工解译,从而提高了目标物的风险情况分析的准确性。
在一种可选实施方式中,上述步骤S104中,基于倾角,分析得到目标区域中目标物的沉降风险情况的过程,具体包括:计算倾角的正切值,并在正切值大于预设阈值时,判定目标物存在沉降风险。
具体地,预设阈值可以是0.001,0.0025或其他数值,可根据实际工况进行设定,本发明对此不作具体限定,在实际应用中,通常选取0.001作为预设阈值。
具体地,计算倾角的正切值包括:计算水平拟合平面和/或垂直拟合平面的倾角。
在实际应用中,水平拟合平面对应的倾角的计算结果,或垂直拟合平面对应的倾角的计算结果超过对应预设值时,判定目标物存在沉降风险;或,水平拟合平面对应的倾角的计算结果与垂直拟合平面对应的倾角的计算结果均超过对应预设值时,判定目标物存在沉降风险。
在一种可选实施方式中,若多个目标物间的距离相近,从而使得与目标物对应的测量矢量框内的点云数据存在重合部分,上述步骤S101中,基于点云数据及与点云数据对应的目标物测量矢量框,确定目标物的关联点云,还包括:
在不同的测量矢量框的至少部分关联点云重合时,将不同的测量矢量框对应的目标物整合,并将各测量矢量框对应的关联点云整合,作为整合后的目标物的关联点云。
在实际应用中,若多个目标物的距离相近,以使分别对应于不同目标物的测量矢量框内的至少部分关联点云重合,则将距离相近的多个目标物作为整合后的目标物。在实际应用中,整合后的目标物所包含的点云数据为整合前各目标物对应的关联点云的集合,从而以整合的关联点云表征多个目标物所对应的区域,分析得到的目标区域中目标物的沉降风险情况为整合前的多个距离相近的目标物的沉降风险情况,从而通过整合关联点云,避免由于存在部分关联点云重合而无法准确描述对应区域沉降风险情况的发生。
通过实施本实施例,通过获取目标区域的点云数据,并基于点云数据的高度信息、三维坐标信息,通过计算拟合平面的倾角分析目标物的沉降风险情况,这一过程采用雷达干涉测量技术中点云数据自身的信息,利用计算拟合平面的倾角的方式取代人工解译,从而提高了目标物的风险情况分析的准确性。
本实施例提供一种基于点云数据分析目标物沉降风险的装置,如图4所示,包括:关联点云确定单元41、候选点云筛选单元42、倾角计算单元43、沉降风险情况分析单元44。
关联点云确定单元41,被配置为获取目标区域的点云数据,并基于点云数据及与点云数据对应的目标物测量矢量框,确定目标物的关联点云。具体过程可参见上述实施例中关于步骤S101的相关描述,在此不再赘述。
候选点云筛选单元42,被配置为基于关联点云的高度信息,筛选候选点云。具体过程可参见上述实施例中关于步骤S102的相关描述,在此不再赘述。
倾角计算单元43,被配置为根据候选点云的三维坐标信息,确定目标物的拟合平面,并计算拟合平面的倾角。具体过程可参见上述实施例中关于步骤S103的相关描述,在此不再赘述。
沉降风险情况分析单元44,被配置为基于倾角,分析得到目标区域中目标物的沉降风险情况。具体过程可参见上述实施例中关于步骤S104的相关描述,在此不再赘述。
本发明实施例提供的一种基于点云数据分析目标物沉降风险的装置,通过关联点云确定单元,获取目标区域的点云数据,并基于关联点云确定单元、候选点云筛选单元,通过计算拟合平面的倾角,通过沉降风险情况分析单元分析目标物的沉降风险情况,这一过程采用雷达干涉测量技术中点云数据自身的信息,利用计算拟合平面的倾角的方式取代人工解译,从而提高了目标物的风险情况分析的准确性。
本发明一个实施例还提供了一种非暂态计算机存储介质,计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行上述任意方法实施例中的基于点云数据分析目标物沉降风险的方法。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(FlashMemory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
本发明一个实施例还提供一种计算机设备,如图5所示,图5是本发明一个可选实施例提供的一种计算机设备的结构示意图,该计算机设备可以包括至少一个处理器51、至少一个通信接口52、至少一个通信总线53和至少一个存储器54,其中,通信接口52可以包括显示屏(Display)、键盘(Keyboard),可选通信接口52还可以包括标准的有线接口、无线接口。存储器54可以是高速RAM存储器(Random Access Memory,易挥发性随机存取存储器),也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器54可选的还可以是至少一个位于远离前述处理器51的存储装置。其中处理器51可以结合图4所描述的装置,存储器54中存储应用程序,且处理器51调用存储器54中存储的程序代码,以用于执行上述任意方法实施例所述的基于点云数据分析目标物沉降风险的方法的步骤。
其中,通信总线53可以是外设部件互连标准(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。通信总线53可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器54可以包括易失性存储器(英文:volatile memory),例如随机存取存储器(英文:random-access memory,缩写:RAM);存储器也可以包括非易失性存储器(英文:non-volatile memory),例如快闪存储器(英文:flash memory),硬盘(英文:hard diskdrive,缩写:HDD)或固态硬盘(英文:solid-state drive,缩写:SSD);存储器54还可以包括上述种类的存储器的组合。
其中,处理器51可以是中央处理器(英文:central processing unit,缩写:CPU),网络处理器(英文:network processor,缩写:NP)或者CPU和NP的组合。
其中,处理器51还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文:application-specific integrated circuit,缩写:ASIC),可编程逻辑器件(英文:programmable logic device,缩写:PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(英文:complex programmable logic device,缩写:CPLD),现场可编程逻辑门阵列(英文:field-programmable gate array,缩写:FPGA),通用阵列逻辑(英文:generic arraylogic,缩写:GAL)或其任意组合。
可选地,存储器54还用于存储程序指令。处理器51可以调用程序指令,实现本发明任一实施例中所述的基于点云数据分析目标物沉降风险的方法。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种基于点云数据分析目标物沉降风险的方法,其特征在于,包括:
获取目标区域的点云数据,并基于所述点云数据及与所述点云数据对应的目标物测量矢量框,确定所述目标物的关联点云;
基于所述关联点云的高度信息,筛选候选点云;
根据所述候选点云的三维坐标信息,确定所述目标物的拟合平面,并计算所述拟合平面的倾角;
基于所述倾角,分析得到所述目标区域中目标物的沉降风险情况。
2.根据权利要求1所述的基于点云数据分析目标物沉降风险的方法,其特征在于,所述基于所述关联点云的高度信息,筛选候选点云,包括:
遍历所述关联点云,将高度信息小于第一高度阈值的所述关联点云作为筛选点云;
将所述筛选点云每个点的高度信息用形变量替换,并将替换后的筛选点云作为所述候选点云。
3.根据权利要求2所述的基于点云数据分析目标物沉降风险的方法,其特征在于,所述根据所述候选点云的三维坐标信息,确定所述目标物的拟合平面,并计算所述拟合平面的倾角,包括:
根据所述候选点云的三维坐标,构建所述目标物的水平拟合平面;
基于所述水平拟合平面,计算所述水平拟合平面的平面参数;
基于所述平面参数,计算所述水平拟合平面的倾角。
4.根据权利要求1所述的基于点云数据分析目标物沉降风险的方法,其特征在于,所述基于所述关联点云的高度信息,筛选候选点云,包括:
基于所述关联点云的高度信息,对所述关联点云进行聚类,得到聚类点云,并统计得到所述聚类点云的高度范围;
将所述高度范围大于第二高度阈值的所述聚类点云作为所述候选点云。
5.根据权利要求4所述的基于点云数据分析目标物沉降风险的方法,其特征在于,所述根据所述候选点云的三维坐标信息,确定所述目标物的拟合平面,并计算所述拟合平面的倾角,包括:
根据所述候选点云的三维坐标,构建所述目标物的垂直拟合平面;
基于所述垂直拟合平面,计算垂直拟合平面的平面参数;
基于所述平面参数,计算所述垂直拟合平面的倾角。
6.根据权利要求1所述的基于点云数据分析目标物沉降风险的方法,其特征在于,所述基于所述倾角,分析得到所述目标区域中目标物的沉降风险情况,包括:
计算所述倾角的正切值,并在所述正切值大于预设阈值时,判定所述目标物存在沉降风险。
7.根据权利要求1所述的基于点云数据分析目标物沉降风险的方法,其特征在于,基于所述点云数据及与所述点云数据对应的目标物测量矢量框,确定所述目标物的关联点云,还包括:
在不同的测量矢量框的至少部分所述关联点云重合时,将所述不同的测量矢量框对应的目标物整合,并将各所述测量矢量框对应的关联点云整合,作为整合后的目标物的关联点云。
8.一种基于点云数据分析目标物沉降风险的装置,其特征在于,包括:
关联点云确定单元,被配置为获取目标区域的点云数据,并基于所述点云数据及与所述点云数据对应的目标物测量矢量框,确定所述目标物的关联点云;
候选点云筛选单元,被配置为基于所述关联点云的高度信息,筛选候选点云;
倾角计算单元,被配置为根据所述候选点云的三维坐标信息,确定所述目标物的拟合平面,并计算所述拟合平面的倾角;
沉降风险情况分析单元,被配置为基于所述倾角,分析得到所述目标区域中目标物的沉降风险情况。
9.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令被处理器执行时实现如权利要求1-7中任一项所述的基于点云数据分析目标物沉降风险的方法。
10.一种计算机设备,其特征在于,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,从而执行如权利要求1-7中任一项所述的基于点云数据分析目标物沉降风险的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211391361.4A CN115685127A (zh) | 2022-11-08 | 2022-11-08 | 一种基于点云数据分析目标物沉降风险的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211391361.4A CN115685127A (zh) | 2022-11-08 | 2022-11-08 | 一种基于点云数据分析目标物沉降风险的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115685127A true CN115685127A (zh) | 2023-02-03 |
Family
ID=85049878
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211391361.4A Pending CN115685127A (zh) | 2022-11-08 | 2022-11-08 | 一种基于点云数据分析目标物沉降风险的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115685127A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117433491A (zh) * | 2023-12-20 | 2024-01-23 | 青岛亿联建设集团股份有限公司 | 基于无人机图像的基坑工程安全监测方法 |
-
2022
- 2022-11-08 CN CN202211391361.4A patent/CN115685127A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117433491A (zh) * | 2023-12-20 | 2024-01-23 | 青岛亿联建设集团股份有限公司 | 基于无人机图像的基坑工程安全监测方法 |
CN117433491B (zh) * | 2023-12-20 | 2024-03-26 | 青岛亿联建设集团股份有限公司 | 基于无人机图像的基坑工程安全监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Automated estimation of reinforced precast concrete rebar positions using colored laser scan data | |
Tóvári et al. | Segmentation based robust interpolation-a new approach to laser data filtering | |
JP7235104B2 (ja) | 点群解析装置、方法、及びプログラム | |
JP6487283B2 (ja) | 点群データ処理装置、点群データ処理方法、プログラム、および記録媒体 | |
WO2019126972A1 (zh) | 基于InSAR的形变信息提取方法、终端及存储介质 | |
Sánchez‐Rodríguez et al. | Detection of structural faults in piers of masonry arch bridges through automated processing of laser scanning data | |
US20160133007A1 (en) | Crack data collection apparatus and server apparatus to collect crack data | |
Adhikari et al. | A study of image-based element condition index for bridge inspection | |
CN110634137A (zh) | 一种基于视觉感知的桥梁变形的监测方法、装置及设备 | |
CN115685127A (zh) | 一种基于点云数据分析目标物沉降风险的方法及装置 | |
Hu et al. | Application of Structural Deformation Monitoring Based on Close‐Range Photogrammetry Technology | |
CN111462073B (zh) | 机载激光雷达点云密度的质量检查方法和装置 | |
Yu et al. | Structural state estimation of earthquake-damaged building structures by using UAV photogrammetry and point cloud segmentation | |
CN117671498A (zh) | 一种雷电防护用无人机自动检测*** | |
CN115146745B (zh) | 点云数据坐标点位置校正的方法、装置、设备及存储介质 | |
CN116128886A (zh) | 一种点云数据分割方法、装置、电子设备及存储介质 | |
CN116381726A (zh) | 基于数据自身的无人机激光点云精度自评估方法 | |
CN114202631A (zh) | 一种岩石二次破碎作业中岩石作业面与作业点的确定方法 | |
CN115035481A (zh) | 一种图像物距融合方法、装置、设备及存储介质 | |
Truong-Hong et al. | Measuring deformation of bridge structures using laser scanning data | |
CN109614744B (zh) | 一种基于大数据的降水量检测方法及*** | |
CN114140707A (zh) | 一种电网故障巡检方法 | |
CN114022873A (zh) | 仪表状态检测方法、电子设备及存储介质 | |
CN113360593A (zh) | 传感器数据处理方法及设备 | |
CN111929730A (zh) | 小尺度地质异常体检测方法及装置 |
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 |