CN115859445B - 基于全站扫描技术和逆向算法的桥梁组装仿真测试方法 - Google Patents
基于全站扫描技术和逆向算法的桥梁组装仿真测试方法 Download PDFInfo
- Publication number
- CN115859445B CN115859445B CN202211715128.7A CN202211715128A CN115859445B CN 115859445 B CN115859445 B CN 115859445B CN 202211715128 A CN202211715128 A CN 202211715128A CN 115859445 B CN115859445 B CN 115859445B
- Authority
- CN
- China
- Prior art keywords
- theoretical
- dimensional
- plate unit
- points
- scanning
- 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
Landscapes
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明公开了一种基于全站扫描技术和逆向算法的桥梁组装仿真测试方法,应用全站扫描技术获取各板单元和节段高精度三维点云,利用逆向算法计算各板单元和节段特征点的实测理论三维坐标信息;同时建立各板单元、节段和整体的理论三维模型;在实测坐标系和理论坐标系间利用特征点间的对应关系,建立基于抽样一致性算法的理论三维坐标转换模型,将实测点云转换为理论坐标系下的点云;通过转换后的三维点云与理论模型比对,获得桥梁板单元和节段的尺寸偏差;在节段空间几何尺寸满足设计和规范要求后,比对相邻节段的拼接位置的偏差,必要时微调特征点坐标;最后分析统计特征点的理论三维坐标,作为施工放样依据。本发明能够达到精细化和智能化施工。
Description
技术领域
本发明涉及桥梁组装技术领域,尤其涉及一种基于全站扫描技术和逆向算法的桥梁组装仿真测试方法。
背景技术
传统的桥梁在组装前的预检测技术,是利用全站仪和钢尺等方式进行钢构件的几何尺寸检测,工厂预拼装过程是通过地样进行检测。现阶段出现了以三维测量技术为基础的虚拟拼装和检测方法,主要以:“公开号:CN106354950A,专利名称:一种钢结构预拼装方法及***”和“公开号:CN106886659A,专利名称:基于三维激光扫描和云平台的钢结构桥梁虚拟预拼和检测方法”两种方法为代表。其中,第一种方法:CN106354950A的专利方法在钢结构预拼装时,使用三维测量技术测量工件真实值,并实时与设计模型比对,修正设计值模型得到真实值模型,再将真实值模型进行预拼装,省去工厂实地拼装过程。在钢结构截面处,架设传感器,布置校准设备,使用探针探触钢箱梁截面,与设计模型比对,得到制造误差值。并可在软件中实现虚拟拼装,将测量所得的真实值模型在软件中实时拼装,直观得到能否拼接的结论。第二种方法:CN106886659A的专利方案提供一种基于三维激光扫描和云平台的钢结构桥梁虚拟预拼和检测方法,包括检测钢结构梁段的制造误差和整桥虚拟预拼装。其中:检测钢结构梁段的制造误差包括根据设计数据建立钢结构梁段的理论模型、获得钢结构梁段的实测模型、以及将钢结构梁段的理论模型和实测模型进行比较来检测制造误差等步骤;桥梁虚拟预拼装包括将钢结构梁段的实测模型进行坐标转换、将所有钢结构梁段进行全桥整体虚拟预拼装等步骤。
本发明人在实施本发明的过程中发现,现有技术中存在以下技术问题:第一种方法获取点云精度比较复杂,专利考虑了三维激光扫描仪获取点云精度不高的缺点,采用了其他设备(如探针等),综合获取相关信息,显得比较繁琐。第二种方法对钢结构制作过程的精度和三维激光扫描仪的精度匹配性研究不够;而且上述两种方法较少涉及到实测点云和理论模型间的坐标转换,没有考虑钢结构中特征控制点的匹配,可能会引起较大误差。此外,这两种方法都没有解决如何利用预拼装结果指导现场安装的问题。
发明内容
本发明实施例提供一种基于全站扫描技术和逆向算法的桥梁组装仿真测试方法,能够更好地指导桥梁施工,达到精细化和智能化施工的目的。
本发明一实施例提供一种基于全站扫描技术和逆向算法的桥梁组装仿真测试方法,包括:
利用全站扫描仪对待安装的桥梁的各板单元和节段进行三维扫描,获得所述各板单元和节段的三维点云数据;
利用逆向算法计算各板单元和节段特征点的实测理论三维坐标信息,同时建立各板单元、节段和整体的理论三维模型,在实测坐标系和理论坐标系间利用特征点间的对应关系,建立基于抽样一致性算法的理论三维坐标转换模型;
将所述各板单元和节段的三维点云数据转换为理论坐标系下的点云,通过转换后的三维点云与理论模型比对,获得所述各板单元和节段的尺寸偏差;
比对相邻节段的拼接位置的偏差,根据偏差比对结果生成各相邻拼接的节段的扫描特征点的微调建议,并基于所述微调建议生成各拼接节段扫描特征点新的理论三维坐标统计表,供现场放样人员使用。
作为上述方案的改进,所述利用逆向算法计算各板单元和节段特征点的实测理论三维坐标信息,同时建立各板单元、节段和整体的理论三维模型,在实测坐标系和理论坐标系间利用特征点间的对应关系,建立基于抽样一致性算法的理论三维坐标转换模型,包括:
利用逆向算法对所述各板单元和节段的三维点云数据进行平面拟合、圆柱面拟合和曲面拟合,得到所述各板单元和节段的扫描特征点的理论三维坐标;
获取建立好的所述各板单元和节段的理论三维模型,并获取所述各板单元和节段的理论三维模型中的与所述扫描特征点对应的理论特征点;
利用空间几何坐标转换算法、基于抽样一致性算法的理论三维坐标转换算法及小角度布尔莎理论三维坐标转换算法,并根据所述各板单元和节段的扫描特征点与理论特征点的对应关系建立理论三维坐标转换模型。
作为上述方案的改进,所述将所述各板单元和节段的三维点云数据转换为理论坐标系下的点云,通过转换后的三维点云与理论模型比对,获得所述各板单元和节段的尺寸偏差,包括:
基于所述理论三维坐标转换模型将所述各板单元和节段的三维点云坐标转换至理论坐标系下,得到所述各板单元和节段在理论三维坐标系下的三维点云数据;
基于所述理论三维坐标转换模型将所述板单元和节段的扫描三维点云转换至理论坐标系下,得到所述板单元和节段的扫描点云在理论三维坐标系下的点云;
结合所述各板单元和节段在理论坐标系下的三维点云及理论三维模型,并利用逆向算法计算所述各板单元和节段的规定位置的尺寸偏差,形成桥梁的各板单元和节段的偏差指示结果。
作为上述方案的改进,所述比对相邻节段的拼接位置的偏差,根据偏差比对结果生成各相邻拼接的节段的扫描特征点的微调建议,并基于所述微调建议生成各拼接节段扫描特征点新的理论三维坐标统计表,供现场放样人员使用,包括:
若所述偏差指示结果不满足预定的偏差条件,基于所述桥梁的各板单元和节段的偏差指示结果,生成桥梁的各板单元和节段的结构尺寸调整建议以供制造人员对各板单元和节段对应的板单元和节段进行结构尺寸调整;
重复上述步骤,直至所述偏差指示结果满足预定的偏差条件;
将各相邻拼接的节段的扫描特征点转换后的理论三维坐标与所述各板单元和节段的理论坐标系下的整体三维模型的对应特征点的理论三维坐标进行比对,得到理论三维坐标比对结果;
根据所述理论三维坐标比对结果,生成各相邻拼接的节段的扫描特征点的微调建议,并基于所述微调建议生成各拼接节段扫描特征点新的理论三维坐标统计表,供现场放样人员使用。
作为上述方案的改进,所述偏差指示结果包括以下中的至少一种:几何尺寸偏差报告、特征点偏差报告、点云偏差色谱图、指定截面的偏差色谱图。
作为上述方案的改进,所述扫描特征点包括板单元角点、节段角点、样冲点及吊杆孔中心。
作为上述方案的改进,所述利用空间几何坐标转换算法、基于抽样一致性算法的理论三维坐标转换算法及小角度布尔莎理论三维坐标转换算法,并根据所述各板单元和节段的扫描特征点与理论特征点的对应关系建立理论三维坐标转换模型,包括:
所述利用空间几何坐标转换算法、基于抽样一致性算法的理论三维坐标转换算法及小角度布尔莎理论三维坐标转换算法,并根据所述各板单元和节段的扫描特征点与理论特征点的对应关系建立理论三维坐标转换模型,包括:
获取所述各板单元和节段的扫描特征点的实测的三维点云数据;
构建所述各板单元和节段的扫描特征点与对应的理论特征点的三维转换的初始空间几何坐标转换模型;所述空间几何坐标转换模型包括平移矩阵模型及旋转矩阵模型;
随机从所述扫描特征点集和理论特征点集中各选择3个同名特征点作为样本点;
根据所述初始空间几何坐标转换模型计算扫描特征点在理论坐标系下的坐标,并计算其与同名理论特征点之间的距离;
若所述距离小于预设距离阈值,则所述样本点为局内点;若所述距离不小于预设距离阈值,则所述样本点为局外点;
不断从所述初始空间几何坐标转换模型中随机选择3个理论特征点作为样本点进行重复迭代,直到所述局内点出现的占比大于预设占比阈值,或者是直到迭代次数大于k;k=lg(1-p)/lg(1-w3),从而筛选出局内点最多的几何转换模型;p为迭代后数据集合中选取的样本点均为局内点的概率,w3为3个样本点均为局内点的概率;
利用布尔莎算法对经过局内点最多的几何转换模型转换后的理论三维坐标进行小角度转换,优化空间几何坐标转换模型,从而得到最终的理论三维坐标转换模型。
作为上述方案的改进,所述利用全站扫描仪对待安装的桥梁的各板单元和节段进行三维扫描,获得所述各板单元和节段的三维点云数据,包括:
在所述各板单元和节段的四周的预定位置安装棱镜,作为扫描控制点,构造成预设的控制网;
利用全站扫描仪按照多测回法测量棱镜的理论三维坐标,作为后续建站的控制点理论三维坐标;
利用全站扫描仪按照后方交会方法确定全站扫描仪的理论三维坐标和方向,然后框选扫描区域对所述各板单元和节段进行扫描,得到所述各板单元和节段单站的三维点云数据;
将所述板单元和节段所述所有测站三维点云数据进行拼接、去噪,得到所述板单元和节段的完整三维点云。
本发明另一实施例对应提供了一种基于全站扫描技术和逆向算法的桥梁组装仿真测试装置,包括:
数据获取模块,用于利用全站扫描仪对待安装的桥梁的各板单元和节段进行三维扫描,获得所述各板单元和节段的三维点云数据;
模型转换模块,用于利用逆向算法计算各板单元和节段特征点的实测理论三维坐标信息,同时建立各板单元、节段和整体的理论三维模型,在实测坐标系和理论坐标系间利用特征点间的对应关系,建立基于抽样一致性算法的理论三维坐标转换模型;
偏差获取模块,用于将所述各板单元和节段的三维点云数据转换为理论坐标系下的点云,通过转换后的三维点云与理论模型比对,获得所述各板单元和节段的尺寸偏差;
处理模块,用于比对相邻节段的拼接位置的偏差,根据偏差比对结果生成各相邻拼接的节段的扫描特征点的微调建议,并基于所述微调建议生成各拼接节段扫描特征点新的理论三维坐标统计表,供现场放样人员使用。
本发明另一实施例提供了一种基于全站扫描技术和逆向算法的桥梁组装仿真测试设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现上述发明实施例所述的基于全站扫描技术和逆向算法的桥梁组装仿真测试方法。
相比于现有技术,上述技术方案中的一个技术方案具有如下优点:
本发明应用全站扫描技术获取各板单元和节段高精度三维点云,利用逆向算法计算各板单元和节段特征点的实测理论三维坐标信息;同时建立各板单元、节段和整体的理论三维模型;在实测坐标系和理论坐标系间利用特征点间的对应关系,建立基于抽样一致性算法的理论三维坐标转换模型,将实测点云转换为理论坐标系下的点云;通过转换后的三维点云与理论模型比对,获得构件本身的规定位置的尺寸偏差;在节段空间几何尺寸满足设计和规范要求后,比对相邻节段的拼接位置的偏差,必要时微调特征点坐标,以满足节段拼接要求;最后分析统计特征点的理论三维坐标,作为施工放样的依据。本发明一方面利用全站扫描技术对钢拱桥进行三维扫描,获取高精度板单元、节段的三维点云,从而能获取构件高精度的三维点云数据,为后期通过逆向算法获取特征点理论三维坐标提供优质数据,三维点云数据整体中误差达到1mm级;另一方面,本发明利用基于抽样一致性算法的理论三维坐标转换优化算法,针对各板单元和节段特点,利用精确的多个特征点的对齐方式,以特征点为纽带,建立起了点云、理论模型和现场施工放样之间的各板单元和节段,从而利用特征点计算理论三维坐标转换模型,并利用该模型转换点云坐标至理论坐标系下,该方法更能符合实际情况;节段间拼接的微调也是利用特征点,微调后的特征点坐标能够为施工阶段提供高精度的放样信息;此外,本发明能够自动生成偏差指示结果,直观形象地反馈构件偏差原因,有效指导修正局部偏差。综上所述,本发明能够更好地指导桥梁施工,达到精细化和智能化施工的目的。
附图说明
图1是本发明一实施例提供的一种基于全站扫描技术和逆向算法的桥梁组装仿真测试方法的流程示意图;
图2是本发明一实施例提供的建立理论三维坐标转换模型的过程的流程示意图;
图3是起始位置示意图;
图4是C和C’平移至O点后示意图;
图5是第一次旋转后示意图;
图6是第二次旋转后示意图;
图7是第三次旋转后示意图;
图8是本发明一实施例提供的一种基于全站扫描技术和逆向算法的桥梁组装仿真测试装置的结构示意图;
图9是本发明一实施例提供的一种基于全站扫描技术和逆向算法的桥梁组装仿真测试设备的结构示意图。
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作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。
参见图1,是本发明一实施例提供的一实施例提供一种基于全站扫描技术和逆向算法的桥梁组装仿真测试方法的流程示意图,包括步骤S10至步骤S13:
S10,利用全站扫描仪对待安装的桥梁的各板单元和节段进行三维扫描,获得所述各板单元和节段的三维点云数据;
S11,利用逆向算法计算各板单元和节段特征点的实测理论三维坐标信息,同时建立各板单元、节段和整体的理论三维模型,在实测坐标系和理论坐标系间利用特征点间的对应关系,建立基于抽样一致性算法的理论三维坐标转换模型;
具体地,步骤S11包括:利用逆向算法对所述各板单元和节段的三维点云数据进行平面拟合、圆柱面拟合和曲面拟合,得到所述各板单元和节段的扫描特征点的理论三维坐标;
获取建立好的所述各板单元和节段的理论三维模型,并获取所述各板单元和节段的理论三维模型中的与所述扫描特征点对应的理论特征点;
利用空间几何坐标转换算法、基于抽样一致性算法的理论三维坐标转换算法及小角度布尔莎理论三维坐标转换算法,并根据所述各板单元和节段的扫描特征点与理论特征点的对应关系建立理论三维坐标转换模型。
S12,将所述各板单元和节段的三维点云数据转换为理论坐标系下的点云,通过转换后的三维点云与理论模型比对,获得所述各板单元和节段的尺寸偏差;
具体地,步骤S12包括:基于所述理论三维坐标转换模型将所述各板单元和节段的三维点云坐标转换至理论坐标系下,得到所述各板单元和节段在理论三维坐标系下的三维点云数据;
基于所述理论三维坐标转换模型将所述板单元和节段的扫描三维点云转换至理论坐标系下,得到所述板单元和节段的扫描点云在理论三维坐标系下的点云;
结合所述各板单元和节段在理论坐标系下的三维点云及理论三维模型,并利用逆向算法计算所述各板单元和节段的规定位置的尺寸偏差,形成桥梁的各板单元和节段的偏差指示结果。
S13,比对相邻节段的拼接位置的偏差,根据偏差比对结果生成各相邻拼接的节段的扫描特征点的微调建议,并基于所述微调建议生成各拼接节段扫描特征点新的理论三维坐标统计表,供现场放样人员使用。
具体地,步骤S13包括:若所述偏差指示结果不满足预定的偏差条件,基于所述桥梁的各板单元和节段的偏差指示结果,生成桥梁的各板单元和节段的结构尺寸调整建议以供制造人员对各板单元和节段对应的板单元和节段进行结构尺寸调整;
重复上述步骤,直至所述偏差指示结果满足预定的偏差条件;
将各相邻拼接的节段的扫描特征点转换后的理论三维坐标与所述各板单元和节段的理论坐标系下的整体三维模型的对应特征点的理论三维坐标进行比对,得到理论三维坐标比对结果;
根据所述理论三维坐标比对结果,生成各相邻拼接的节段的扫描特征点的微调建议,并基于所述微调建议生成各拼接节段扫描特征点新的理论三维坐标统计表,供现场放样人员使用。
具体的,本发明实施例在前期充分研究各类仪器获取的三维点云精度是否满足钢结构几何质量检测所需要精度的基础上,提出利用全站扫描技术获取三维点云,该类仪器不仅具有高精度全站仪的特性,而且还是高精度扫描仪。不仅单站扫描精度高,而且通过高精度控制测量,钢构件所有测站的点云在一个理论三维坐标系中,不需拼接,整体点云精度也很高(1mm级),完全可以满足钢结构几何质量检测要求。
在扫描点云与理论模型对齐过程中,本发明实施例采用特征点对齐的方式,这种对齐方式充分考虑了钢结构自身的特点,其中所述扫描特征点包括板单元角点、节段角点、样冲点及吊杆孔中心,更加能反映施工后的实际位置。为了达到该目的,本发明提出了基于抽样一致性算法的理论三维坐标转换优化算法,并编制了相关软件,该算法原理简单,精度高。
扫描点云和理论模型对齐后,不仅可以自动获取规范要求的偏差值,而且可以获取点云偏差色谱图,为钢结构精细化制造和偏差可视化提供了很好的条件。
钢拱桥节段间的偏差能很形象地在色谱图中反映出来,对于节段间误差相对较大的情况,可以通过微调特征点理论三维坐标的方式解决。新的特征点理论三维坐标作为施工时放样数据,使施工线性更加接近于理论模型,更好地满足钢拱桥线性和受力要求。
综上,本发明实施例应用全站扫描技术获取各板单元和节段高精度三维点云,利用逆向算法计算各板单元和节段特征点的实测理论三维坐标信息;同时建立各板单元、节段和整体的理论三维模型;在实测坐标系和理论坐标系间利用特征点间的对应关系,建立基于抽样一致性算法的理论三维坐标转换模型,将实测点云转换为理论坐标系下的点云;通过转换后的三维点云与理论模型比对,获得构件本身的规定位置的尺寸偏差;在节段空间几何尺寸满足设计和规范要求后,比对相邻节段的拼接位置的偏差,必要时微调特征点坐标,以满足节段拼接要求;最后分析统计特征点的理论三维坐标,作为施工放样的依据。本发明一方面利用全站扫描技术对钢拱桥进行三维扫描,获取高精度板单元、节段的三维点云,为后期通过逆向算法获取特征点理论三维坐标提供优质数据;另一方面,本发明利用基于抽样一致性算法的理论三维坐标转换优化算法,针对各板单元和节段特点,利用精确的多个特征点的对齐方式,以特征点为纽带,建立起了点云、理论模型和现场施工放样之间的各板单元和节段,从而利用特征点计算理论三维坐标转换模型,并利用该模型转换点云坐标至理论坐标系下,该方法更能符合实际情况;节段间拼接的微调也是利用特征点,微调后的特征点坐标能够为施工阶段提供高精度的放样信息;此外,本发明能够自动生成偏差指示结果,直观形象地反馈构件偏差原因,有效指导修正局部偏差。综上所述,本发明能够更好地指导桥梁施工,达到精细化和智能化施工的目的。
在本发明实施例中,进一步的,在利用全站扫描仪对待安装的桥梁的各板单元和节段进行三维扫描,获得所述各板单元和节段的三维点云数据之前,所述方法还包括:
对全站扫描仪进行校准。
在其中一个实施例中,所述偏差指示结果包括以下中的至少一种:几何尺寸偏差报告、特征点偏差报告、点云偏差色谱图、指定截面的偏差色谱图。本发明通过自动生成偏差色谱图或者任一截面偏差色谱图,能够直观形象地反馈构件偏差原因,有效指导修正局部偏差。
在其中一个实施例中,参见图2,所述利用空间几何坐标转换算法、基于抽样一致性算法的理论三维坐标转换算法及小角度布尔莎理论三维坐标转换算法,并根据所述各板单元和节段的扫描特征点与理论特征点的对应关系建立理论三维坐标转换模型,包括:
构建所述各板单元和节段的扫描特征点与对应的理论特征点的三维转换的初始空间几何坐标转换模型;所述空间几何坐标转换模型包括平移矩阵模型及旋转矩阵模型;
获取所述各板单元和节段的扫描特征点的实测的三维点云数据;
随机从所述扫描特征点集和理论特征点集中各选择3个同名特征点作为样本点;
根据所述初始空间几何坐标转换模型计算扫描特征点在理论坐标系下的坐标,并计算其与同名理论特征点之间的距离;
若所述距离小于预设距离阈值,则所述样本点为局内点;若所述距离不小于预设距离阈值,则所述样本点为局外点;
不断返回所述随机从所述初始空间几何坐标转换模型中随机选择3个理论特征点作为样本点进行重复迭代,直到所述局内点出现的占比大于预设占比阈值,或者是直到迭代次数大于k;k=lg(1-p)/lg(1-w3),从而筛选出局内点最多的几何转换模型;p为迭代后数据集合中选取的样本点均为局内点的概率,w3为3个样本点均为局内点的概率;
利用布尔莎算法对经过局内点最多的几何转换模型转换后的理论三维坐标进行小角度转换,优化空间几何坐标转换模型,从而得到最终的理论三维坐标转换模型。
为了便于理解,在此进行具体说明:
其中,基于抽样一致性算法的理论三维坐标转换优化算法包括:空间几何坐标转换算法,基于抽样一致性算法的理论三维坐标转换,小角度布尔莎算法优化。
1、关于空间几何坐标转换模型的说明:
坐标转换主要包括平移及旋转两个步骤,再根据平移和旋转的过程计算出平移因子和旋转矩阵。
1.1平移及旋转步骤:
两个大小、形状完全相同的物体在同一空间直角坐标系中有两套完全不同的坐标值,可以通过一系列的旋转、平移操作实现两个物体的重合。由于有多种方法实现两个物体的重合,下面介绍其中一种方法。
(1)平移
在同一坐标系中的两个物体由于所处位置不同而具有两套不同的坐标,取两个物体上相对应的三个点组成一个面。如图3所示,假设A’B’C’是需要旋转平移的面,ABC是目标面,A-A’、B-B’、C-C’为相互对应的点,不失一般性,将C和C’平移到原点O,如图4所示。
(2)第一次旋转
将两个面绕X轴旋转一定的角度,将相对应的同一条线段(CB和C’B’)旋转到XOY平面。如图5所示。
(3)第二次旋转
将两个面绕Z轴旋转一定的角度,将相对应的同一条线段(CB和C’B’)转到OX轴上,此时这两条线段完全重合。如图6所示。
(4)第三次旋转
分别求出两个面与XOZ平面的夹角,将A’B’C’面和ABC面均旋转至XOZ平面。如图7所示。
此时,两个平面完全重合。如果A’B’C’面再沿着ABC面相反的旋转平移操作,即可与旋转平移前的ABC面重合。根据这个过程便可求得原A’B’C’面到原ABC面的旋转、平移矩阵。
1.2平移因子:
对于ABC面,为了将面移动至原点使C点与坐标原点重合,平移因子为:
同理A’B’C’面的平移因子为:
1.3旋转矩阵:
每次旋转之后的单个旋转矩阵需要相乘以完成所有操作,如果将A’B’C’面的旋转角度依次设为α′、β′、γ′,将ABC面的旋转角度依次设为α、β、γ,则A’B’C’面的旋转矩阵如下:
ABC面的旋转矩阵如下:
ABC面旋转矩阵的逆矩阵为:
综上所述,为使A’B’C’面与ABC面重合,旋转矩阵为PQ-1,平移矩阵为U-V。
2、基于抽样一致性算法的三维直角坐标转换:
在实际测量中,由于仪器、环境和人为因素等的影响,不可避免会存在着测量误差。在选取点进行旋转矩阵求解时,如果选取误差较大的点进行上述计算,将不会得到理想的结果。为了得到最优解,采用随机抽样一致性算法进行稳健估计计算。
随机抽样一致性(RANSAC)算法从一组包含“局外点”的观测数据中,通过迭代方式估计数学模型的参数,对具有较高错误率的数据仍然能够得到理想的处理结果。随机抽样一致性算法通过反复选择数据中的一组随机子集来达成目标。在进行参数估计时,首先随机选择确定模型所需要的最少数据,如本模型建立必须的最小数据点数为3个,计算出旋转平移模型,根据模型计算目标点与旋转平移点间的距离,距离小于阈值t的为局内点,否则为局外点,模型的优劣由局内点数的百分比w来判断。阈值需要根据具体情况设定,阈值越小,精度越高,迭代次数k也越大。
本模型中选取3个点为模型估计的样本点,则3个点均为局内点的概率为w3,选取的数据中至少有一个是局外点的概率为1-w3,经过k次迭代,选取的3个点中依然有局外点的概率为(1-w3)k。
假设p为获得合格模型的概率,即迭代后数据集合中选取的点均为局内点的概率。则1-p=(1-w3)k,通过转换可得迭代次数为:k=lg(1-p)/lg(1-w3)。
通过RANSAC算法迭代后可以得到最优局内点集,用局内点去重新计算模型参数,本模型中利用局内点数量来估计模型的合理性,反复执行上述迭代过程,筛选出局内点最多的模型。
3、布尔莎算法的理论三维坐标转换优化:
为了提高抽样一致性算法的精度,将转换后的理论三维坐标再进行一次小角度转换。小角度转换采用布尔莎(Bursa)算法。
对于钢结构的三维转换模型而言,可以认为尺度变化因子m=1,仅考虑旋转矩阵R以及平移矩阵T。目标矩阵的求解如下式:
式中:X、Y、Z为目标坐标系的空间直角坐标。X′、Y′、Z′为原坐标系的空间直角坐标。
旋转矩阵R和平移矩阵T分别为:
R=R(εZ)R(εY)R(εX)
式中:εX、εY、εZ为3个旋转参数,ΔX、ΔY、ΔZ为3个平移参数,R(εZ),R(εY),R(εX)是点绕Z、Y、X轴的旋转矩阵。
Bursa模型适用于小角度旋转的情况,此时可认为cosθ=1,sinθ=θ。同时考虑εX,εY,εZ均为极小值,其乘积可认为是相对于εX,εY,εZ的极小可忽略量,即可认为乘积均为0。简化后得Bursa模型形式:
式中:对上式进行变换,可以得到
令误差方程为
上式中下角标“转”和“知”分别代表转换结果和已知数据,上式可转化为
上式可对应简写为
V=A·X-L
其法方程为
ATPAX-ATPL=0
根据最小二乘原理VTPV=min的原则,可列出法方程,由此得到所求解为
X=(ATPA)-1ATPL
其中,P为观测权阵,由于各点坐标可以看为相同精度的独立观测点,此时P可认为是单位矩阵。由此求出ΔX、ΔY、ΔZ、εX、εY、εZ,最后求出旋转矩阵R和平移矩阵T。
在其中一个实施例中,所述利用全站扫描仪对待安装的桥梁的各板单元和节段进行三维扫描,获得所述各板单元和节段的三维点云数据,包括:
在所述各板单元和节段的四周的预定位置安装棱镜,作为扫描控制点,构造成预设的控制网;
利用全站扫描仪按照多测回法测量棱镜的理论三维坐标,作为后续建站的控制点理论三维坐标;
利用全站扫描仪按照后方交会方法确定全站扫描仪的理论三维坐标和方向,然后框选扫描区域对所述各板单元和节段进行扫描,得到所述各板单元和节段单站的三维点云数据;
将所述板单元和节段所述所有测站三维点云数据进行拼接、去噪,得到所述板单元和节段的完整三维点云。
其中,在对所述各板单元和节段进行扫描时,根据具体扫描位置调整扫描间距,关键部位扫描间距可以设为1mm,这样能够提供精度达1mm级的理论三维坐标信息,更能满足钢结构几何质量检测要求。
参见图8,是本发明一实施例提供的一种基于全站扫描技术和逆向算法的桥梁组装仿真测试装置的结构示意图,包括:
数据获取模块10,用于利用全站扫描仪对待安装的桥梁的各板单元和节段进行三维扫描,获得所述各板单元和节段的三维点云数据;
模型转换模块11,用于利用逆向算法计算各板单元和节段特征点的实测理论三维坐标信息,同时建立各板单元、节段和整体的理论三维模型,在实测坐标系和理论坐标系间利用特征点间的对应关系,建立基于抽样一致性算法的理论三维坐标转换模型;
偏差获取模块12,用于将所述各板单元和节段的三维点云数据转换为理论坐标系下的点云,通过转换后的三维点云与理论模型比对,获得所述各板单元和节段的尺寸偏差;
处理模块13,用于比对相邻节段的拼接位置的偏差,根据偏差比对结果生成各相邻拼接的节段的扫描特征点的微调建议,并基于所述微调建议生成各拼接节段扫描特征点新的理论三维坐标统计表,供现场放样人员使用。
本发明应用全站扫描技术获取各板单元和节段高精度三维点云,利用逆向算法计算各板单元和节段特征点的实测理论三维坐标信息;同时建立各板单元、节段和整体的理论三维模型;在实测坐标系和理论坐标系间利用特征点间的对应关系,建立基于抽样一致性算法的理论三维坐标转换模型,将实测点云转换为理论坐标系下的点云;通过转换后的三维点云与理论模型比对,获得构件本身的规定位置的尺寸偏差;在节段空间几何尺寸满足设计和规范要求后,比对相邻节段的拼接位置的偏差,必要时微调特征点坐标,以满足节段拼接要求;最后分析统计特征点的理论三维坐标,作为施工放样的依据。本发明一方面利用全站扫描技术对钢拱桥进行三维扫描,获取高精度板单元、节段的三维点云,从而能获取构件高精度的三维点云数据,为后期通过逆向算法获取特征点理论三维坐标提供优质数据;另一方面,本发明利用基于抽样一致性算法的理论三维坐标转换优化算法,针对各板单元和节段特点,利用精确的多个特征点的对齐方式,以特征点为纽带,建立起了点云、理论模型和现场施工放样之间的各板单元和节段,从而利用特征点计算理论三维坐标转换模型,并利用该模型转换点云坐标至理论坐标系下,该方法更能符合实际情况;节段间拼接的微调也是利用特征点,微调后的特征点坐标能够为施工阶段提供高精度的放样信息;此外,本发明能够自动生成偏差指示结果,直观形象地反馈构件偏差原因,有效指导修正局部偏差。综上所述,本发明能够更好地指导桥梁施工,达到精细化和智能化施工的目的。
可以理解的是,上述的基于全站扫描技术和逆向算法的桥梁组装仿真测试装置的实施例可以对应参考上述的基于全站扫描技术和逆向算法的桥梁组装仿真测试方法的相关实施例的内容描述,在此不再做赘述。
参见图9,是本发明一实施例提供的全站扫描技术和逆向算法的桥梁组装仿真测试设备的示意图。该实施例的全站扫描技术和逆向算法的桥梁组装仿真测试设备包括:处理器101、存储器102以及存储在所述存储器102中并可在所述处理器101上运行的计算机程序。所述处理器101执行所述计算机程序时实现上述全站扫描技术和逆向算法的桥梁组装仿真测试方法实施例中的步骤。或者,所述处理器101执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能。
示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述全站扫描技术和逆向算法的桥梁组装仿真测试设备中的执行过程。
所述全站扫描技术和逆向算法的桥梁组装仿真测试设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述全站扫描技术和逆向算法的桥梁组装仿真测试设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,所述示意图仅仅是全站扫描技术和逆向算法的桥梁组装仿真测试设备的示例,并不构成对全站扫描技术和逆向算法的桥梁组装仿真测试设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述全站扫描技术和逆向算法的桥梁组装仿真测试设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述全站扫描技术和逆向算法的桥梁组装仿真测试设备的控制中心,利用各种接口和线路连接整个全站扫描技术和逆向算法的桥梁组装仿真测试设备的部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述全站扫描技术和逆向算法的桥梁组装仿真测试设备的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中,所述全站扫描技术和逆向算法的桥梁组装仿真测试设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
需说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外,本发明提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (8)
1.一种基于全站扫描技术和逆向算法的桥梁组装仿真测试方法,其特征在于,包括:
利用全站扫描仪对待安装的桥梁的各板单元和节段进行三维扫描,获得所述各板单元和节段的三维点云数据;
利用逆向算法计算各板单元和节段特征点的实测理论三维坐标信息,同时建立各板单元、节段和整体的理论三维模型,在实测坐标系和理论坐标系间利用特征点间的对应关系,建立基于抽样一致性算法的理论三维坐标转换模型;
将所述各板单元和节段的三维点云数据转换为理论坐标系下的点云,通过转换后的三维点云与理论模型比对,获得所述各板单元和节段的尺寸偏差;
比对相邻节段的拼接位置的偏差,根据偏差比对结果生成各相邻拼接的节段的扫描特征点的微调建议,并基于所述微调建议生成各拼接节段扫描特征点新的理论三维坐标统计表,供现场放样人员使用;
所述利用逆向算法计算各板单元和节段特征点的实测理论三维坐标信息,同时建立各板单元、节段和整体的理论三维模型,在实测坐标系和理论坐标系间利用特征点间的对应关系,建立基于抽样一致性算法的理论三维坐标转换模型,包括:
利用逆向算法对所述各板单元和节段的三维点云数据进行平面拟合、圆柱面拟合和曲面拟合,得到所述各板单元和节段的扫描特征点的理论三维坐标;
获取建立好的所述各板单元和节段的理论三维模型,并获取所述各板单元和节段的理论三维模型中的与所述扫描特征点对应的理论特征点;
利用空间几何坐标转换算法、基于抽样一致性算法的理论三维坐标转换算法及小角度布尔莎理论三维坐标转换算法,并根据所述各板单元和节段的扫描特征点与理论特征点的对应关系建立理论三维坐标转换模型;
所述利用空间几何坐标转换算法、基于抽样一致性算法的理论三维坐标转换算法及小角度布尔莎理论三维坐标转换算法,并根据所述各板单元和节段的扫描特征点与理论特征点的对应关系建立理论三维坐标转换模型,包括:
获取所述各板单元和节段的扫描特征点的实测的三维点云数据;
构建所述各板单元和节段的扫描特征点与对应的理论特征点的三维转换的初始空间几何坐标转换模型;所述初始空间几何坐标转换模型包括平移矩阵模型及旋转矩阵模型;其中,坐标转换包括平移及旋转两个步骤,再根据平移和旋转的过程计算出平移因子和旋转矩阵;
随机从扫描特征点集和理论特征点集中各选择3个同名特征点作为样本点;
根据所述初始空间几何坐标转换模型计算扫描特征点在理论坐标系下的坐标,并计算其与同名理论特征点之间的距离;
若所述距离小于预设距离阈值,则所述样本点为局内点;若所述距离不小于预设距离阈值,则所述样本点为局外点;
不断从所述初始空间几何坐标转换模型中随机选择3个理论特征点作为样本点进行重复迭代,直到所述局内点出现的占比大于预设占比阈值,或者是直到迭代次数大于k;k=lg(1-p)/lg(1-w3),从而筛选出局内点最多的几何转换模型;p为迭代后数据集合中选取的样本点均为局内点的概率,w3为3个样本点均为局内点的概率;
利用布尔莎算法对经过局内点最多的几何转换模型转换后的理论三维坐标进行小角度转换,优化空间几何坐标转换模型,从而得到最终的理论三维坐标转换模型;该步骤具体过程如下:
设尺度变化因子m=1,考虑旋转矩阵R以及平移矩阵T,目标矩阵的求解如下式:
式中:X、Y、Z为目标坐标系的空间直角坐标;X′、Y′、Z′为原坐标系的空间直角坐标;
旋转矩阵R和平移矩阵T分别为:
R=R(εZ)R(εY)R(εX)
式中:εX、εY、εZ为3个旋转参数,ΔX、ΔY、ΔZ为3个平移参数,R(εZ),R(εY),R(εX)是点绕Z、Y、X轴的旋转矩阵;
Bursa模型适用于小角度旋转的情况,此时可认为cosθ=1,sinθ=θ;同时考虑εX,εY,εZ均为极小值,其乘积可认为是相对于εX,εY,εZ的极小可忽略量,即可认为乘积均为0;简化后得Bursa模型形式:
式中:对上式进行变换,可以得到
令误差方程为
上式中下角标“转”和“知”分别代表转换结果和已知数据,上式可转化为
上式可对应简写为
V=A·X-L
其法方程为
ATPAX-ATPL=0
根据最小二乘原理VTPV=min的原则,可列出法方程,由此得到所求解为
X=(ATPA)-1ATPL
其中,P为观测权阵,由于各点坐标可以看为相同精度的独立观测点,此时P可认为是单位矩阵;由此求出ΔX、ΔY、ΔZ、εX、εY、εZ,最后求出旋转矩阵R和平移矩阵T。
2.如权利要求1所述的基于全站扫描技术和逆向算法的桥梁组装仿真测试方法,其特征在于,所述将所述各板单元和节段的三维点云数据转换为理论坐标系下的点云,通过转换后的三维点云与理论模型比对,获得所述各板单元和节段的尺寸偏差,包括:
基于所述理论三维坐标转换模型将所述各板单元和节段的三维点云坐标转换至理论坐标系下,得到所述各板单元和节段在理论三维坐标系下的三维点云数据;
基于所述理论三维坐标转换模型将所述板单元和节段的扫描三维点云转换至理论坐标系下,得到所述板单元和节段的扫描点云在理论三维坐标系下的点云;
结合所述各板单元和节段在理论坐标系下的三维点云及理论三维模型,并利用逆向算法计算所述各板单元和节段的规定位置的尺寸偏差,形成桥梁的各板单元和节段的偏差指示结果。
3.如权利要求2所述的基于全站扫描技术和逆向算法的桥梁组装仿真测试方法,其特征在于,所述比对相邻节段的拼接位置的偏差,根据偏差比对结果生成各相邻拼接的节段的扫描特征点的微调建议,并基于所述微调建议生成各拼接节段扫描特征点新的理论三维坐标统计表,供现场放样人员使用,包括:
若所述偏差指示结果不满足预定的偏差条件,基于所述桥梁的各板单元和节段的偏差指示结果,生成桥梁的各板单元和节段的结构尺寸调整建议以供制造人员对各板单元和节段对应的板单元和节段进行结构尺寸调整;
重复上述步骤,直至所述偏差指示结果满足预定的偏差条件;
将各相邻拼接的节段的扫描特征点转换后的理论三维坐标与所述各板单元和节段的理论坐标系下的整体三维模型的对应特征点的理论三维坐标进行比对,得到理论三维坐标比对结果;
根据所述理论三维坐标比对结果,生成各相邻拼接的节段的扫描特征点的微调建议,并基于所述微调建议生成各拼接节段扫描特征点新的理论三维坐标统计表,供现场放样人员使用。
4.如权利要求3所述的基于全站扫描技术和逆向算法的桥梁组装仿真测试方法,其特征在于,所述偏差指示结果包括以下中的至少一种:几何尺寸偏差报告、特征点偏差报告、点云偏差色谱图、指定截面的偏差色谱图。
5.如权利要求1所述的基于全站扫描技术和逆向算法的桥梁组装仿真测试方法,其特征在于,所述扫描特征点包括板单元角点、节段角点、样冲点及吊杆孔中心。
6.如权利要求1所述的基于全站扫描技术和逆向算法的桥梁组装仿真测试方法,其特征在于,所述利用全站扫描仪对待安装的桥梁的各板单元和节段进行三维扫描,获得所述各板单元和节段的三维点云数据,包括:
在所述各板单元和节段的四周的预定位置安装棱镜,作为扫描控制点,构造成预设的控制网;
利用全站扫描仪按照多测回法测量棱镜的理论三维坐标,作为后续建站的控制点理论三维坐标;
利用全站扫描仪按照后方交会方法确定全站扫描仪的理论三维坐标和方向,然后框选扫描区域对所述各板单元和节段进行扫描,得到所述各板单元和节段单站的三维点云数据;
将所述板单元和节段所述所有测站三维点云数据进行拼接、去噪,得到所述板单元和节段的完整三维点云。
7.一种基于全站扫描技术和逆向算法的桥梁组装仿真测试装置,其特征在于,包括:
数据获取模块,用于利用全站扫描仪对待安装的桥梁的各板单元和节段进行三维扫描,获得所述各板单元和节段的三维点云数据;
模型转换模块,用于利用逆向算法计算各板单元和节段特征点的实测理论三维坐标信息,同时建立各板单元、节段和整体的理论三维模型,在实测坐标系和理论坐标系间利用特征点间的对应关系,建立基于抽样一致性算法的理论三维坐标转换模型;
偏差获取模块,用于将所述各板单元和节段的三维点云数据转换为理论坐标系下的点云,通过转换后的三维点云与理论模型比对,获得所述各板单元和节段的尺寸偏差;
处理模块,用于比对相邻节段的拼接位置的偏差,根据偏差比对结果生成各相邻拼接的节段的扫描特征点的微调建议,并基于所述微调建议生成各拼接节段扫描特征点新的理论三维坐标统计表,供现场放样人员使用;
所述模型转换模块具体用于:
利用逆向算法对所述各板单元和节段的三维点云数据进行平面拟合、圆柱面拟合和曲面拟合,得到所述各板单元和节段的扫描特征点的理论三维坐标;
获取建立好的所述各板单元和节段的理论三维模型,并获取所述各板单元和节段的理论三维模型中的与所述扫描特征点对应的理论特征点;
利用空间几何坐标转换算法、基于抽样一致性算法的理论三维坐标转换算法及小角度布尔莎理论三维坐标转换算法,并根据所述各板单元和节段的扫描特征点与理论特征点的对应关系建立理论三维坐标转换模型;
所述利用空间几何坐标转换算法、基于抽样一致性算法的理论三维坐标转换算法及小角度布尔莎理论三维坐标转换算法,并根据所述各板单元和节段的扫描特征点与理论特征点的对应关系建立理论三维坐标转换模型,包括:
获取所述各板单元和节段的扫描特征点的实测的三维点云数据;
构建所述各板单元和节段的扫描特征点与对应的理论特征点的三维转换的初始空间几何坐标转换模型;所述初始空间几何坐标转换模型包括平移矩阵模型及旋转矩阵模型;其中,坐标转换包括平移及旋转两个步骤,再根据平移和旋转的过程计算出平移因子和旋转矩阵;
随机从扫描特征点集和理论特征点集中各选择3个同名特征点作为样本点;
根据所述初始空间几何坐标转换模型计算扫描特征点在理论坐标系下的坐标,并计算其与同名理论特征点之间的距离;
若所述距离小于预设距离阈值,则所述样本点为局内点;若所述距离不小于预设距离阈值,则所述样本点为局外点;
不断从所述初始空间几何坐标转换模型中随机选择3个理论特征点作为样本点进行重复迭代,直到所述局内点出现的占比大于预设占比阈值,或者是直到迭代次数大于k;k=lg(1-p)/lg(1-w3),从而筛选出局内点最多的几何转换模型;p为迭代后数据集合中选取的样本点均为局内点的概率,w3为3个样本点均为局内点的概率;
利用布尔莎算法对经过局内点最多的几何转换模型转换后的理论三维坐标进行小角度转换,优化空间几何坐标转换模型,从而得到最终的理论三维坐标转换模型;该步骤具体过程如下:
设尺度变化因子m=1,考虑旋转矩阵R以及平移矩阵T,目标矩阵的求解如下式:
式中:X、Y、Z为目标坐标系的空间直角坐标;X′、Y′、Z′为原坐标系的空间直角坐标;
旋转矩阵R和平移矩阵T分别为:
R=R(εZ)R(εY)R(εX)
式中:εX、εY、εZ为3个旋转参数,ΔX、ΔY、ΔZ为3个平移参数,R(εZ),R(εY),R(εX)是点绕Z、Y、X轴的旋转矩阵;
Bursa模型适用于小角度旋转的情况,此时可认为cosθ=1,sinθ=θ;同时考虑εX,εY,εZ均为极小值,其乘积可认为是相对于εX,εY,εZ的极小可忽略量,即可认为乘积均为0;简化后得Bursa模型形式:
式中:对上式进行变换,可以得到
令误差方程为
上式中下角标“转”和“知”分别代表转换结果和已知数据,上式可转化为
上式可对应简写为
V=A·X-L
其法方程为
ATPAX-ATPL=0
根据最小二乘原理VTPV=min的原则,可列出法方程,由此得到所求解为
X=(ATPA)-1ATPL
其中,P为观测权阵,由于各点坐标可以看为相同精度的独立观测点,此时P可认为是单位矩阵;由此求出ΔX、ΔY、ΔZ、εX、εY、εZ,最后求出旋转矩阵R和平移矩阵T。
8.一种基于全站扫描技术和逆向算法的桥梁组装仿真测试设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至6中任意一项所述的基于全站扫描技术和逆向算法的桥梁组装仿真测试方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211715128.7A CN115859445B (zh) | 2022-12-29 | 2022-12-29 | 基于全站扫描技术和逆向算法的桥梁组装仿真测试方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211715128.7A CN115859445B (zh) | 2022-12-29 | 2022-12-29 | 基于全站扫描技术和逆向算法的桥梁组装仿真测试方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115859445A CN115859445A (zh) | 2023-03-28 |
CN115859445B true CN115859445B (zh) | 2023-09-26 |
Family
ID=85656138
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211715128.7A Active CN115859445B (zh) | 2022-12-29 | 2022-12-29 | 基于全站扫描技术和逆向算法的桥梁组装仿真测试方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115859445B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116838114B (zh) * | 2023-07-06 | 2024-01-23 | 同创华建集团有限公司 | 一种基于数据分析的钢结构与幕墙智能监测*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060100157A (ko) * | 2005-03-16 | 2006-09-20 | 윤홍식 | 공간정보/위치정보의 정밀 위치정보 변환을 위한 변동량모델링 방법 |
CN108413865A (zh) * | 2018-01-16 | 2018-08-17 | 上海晶电新能源有限公司 | 基于三维测量和坐标系转换的二次反射镜面型检测方法 |
CN109443273A (zh) * | 2018-09-28 | 2019-03-08 | 易思维(杭州)科技有限公司 | 利用三维测量***对待测工件进行精确定位的方法 |
CN109883381A (zh) * | 2019-04-15 | 2019-06-14 | 合肥工业大学 | 一种关节式坐标测量机的三维空间大尺寸测量方法 |
CN110095060A (zh) * | 2019-03-12 | 2019-08-06 | 中建三局第一建设工程有限责任公司 | 基于三维扫描技术的钢结构快速质量检测方法 |
CN112945217A (zh) * | 2021-03-30 | 2021-06-11 | 常州名吉轨道交通科技有限公司 | 一种全站仪不整平自由测站测量方法 |
CN114396871A (zh) * | 2021-12-29 | 2022-04-26 | 东南大学 | 一种基于三维激光扫描的预制墩柱安装位置姿态监测方法 |
CN115019010A (zh) * | 2022-06-23 | 2022-09-06 | 江苏燕宁工程科技集团有限公司 | 一种基于三维激光扫描+bim技术的隧道结构病害展示方法 |
CN115439330A (zh) * | 2021-06-01 | 2022-12-06 | 千寻位置网络有限公司 | 高精度局部三维坐标转换方法及其装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5863440B2 (ja) * | 2010-12-28 | 2016-02-16 | キヤノン株式会社 | 情報処理装置および方法 |
-
2022
- 2022-12-29 CN CN202211715128.7A patent/CN115859445B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060100157A (ko) * | 2005-03-16 | 2006-09-20 | 윤홍식 | 공간정보/위치정보의 정밀 위치정보 변환을 위한 변동량모델링 방법 |
CN108413865A (zh) * | 2018-01-16 | 2018-08-17 | 上海晶电新能源有限公司 | 基于三维测量和坐标系转换的二次反射镜面型检测方法 |
CN109443273A (zh) * | 2018-09-28 | 2019-03-08 | 易思维(杭州)科技有限公司 | 利用三维测量***对待测工件进行精确定位的方法 |
CN110095060A (zh) * | 2019-03-12 | 2019-08-06 | 中建三局第一建设工程有限责任公司 | 基于三维扫描技术的钢结构快速质量检测方法 |
CN109883381A (zh) * | 2019-04-15 | 2019-06-14 | 合肥工业大学 | 一种关节式坐标测量机的三维空间大尺寸测量方法 |
CN112945217A (zh) * | 2021-03-30 | 2021-06-11 | 常州名吉轨道交通科技有限公司 | 一种全站仪不整平自由测站测量方法 |
CN115439330A (zh) * | 2021-06-01 | 2022-12-06 | 千寻位置网络有限公司 | 高精度局部三维坐标转换方法及其装置 |
CN114396871A (zh) * | 2021-12-29 | 2022-04-26 | 东南大学 | 一种基于三维激光扫描的预制墩柱安装位置姿态监测方法 |
CN115019010A (zh) * | 2022-06-23 | 2022-09-06 | 江苏燕宁工程科技集团有限公司 | 一种基于三维激光扫描+bim技术的隧道结构病害展示方法 |
Non-Patent Citations (1)
Title |
---|
基于三维激光扫描数据的边坡开挖质量评价方法研究;胡超 等;《岩石力学与工程学报》;第3979-3984页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115859445A (zh) | 2023-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109521403B (zh) | 多线激光雷达的参数标定方法及装置、设备及可读介质 | |
US6690841B2 (en) | Method and apparatus for image registration | |
US7065461B2 (en) | Point cloud measuring system and method | |
Wang et al. | A screw axis identification method for serial robot calibration based on the POE model | |
CN115859445B (zh) | 基于全站扫描技术和逆向算法的桥梁组装仿真测试方法 | |
JP7173285B2 (ja) | カメラ校正装置、カメラ校正方法、及びプログラム | |
US20080030498A1 (en) | System and method for integrating dispersed point-clouds of multiple scans of an object | |
CN111913169B (zh) | 激光雷达内参、点云数据的修正方法、设备及存储介质 | |
US7194387B1 (en) | Apparatus and method for determining the minimum zone for an array of features with a true position tolerance | |
CN111562563A (zh) | 激光雷达转台标定方法、装置和计算机可读存储介质 | |
WO2022068818A1 (en) | Apparatus and method for calibrating three-dimensional scanner and refining point cloud data | |
CN111679261B (zh) | 一种基于反光板的激光雷达定位方法及*** | |
CN111259492B (zh) | 一种应用于桥梁结构预拼装的点云数据处理方法、装置及存储介质 | |
Medić | Efficient calibration strategies for panoramic terrestrial laser scanners | |
CN116203544A (zh) | 一种移动测量***往返测回无控自检校方法、装置及介质 | |
Long et al. | Portable visual metrology without traditional self-calibration measurement model | |
Shen et al. | Digital projector calibration for 3-d active vision systems | |
CN110866951B (zh) | 一种单目摄像机光轴倾斜的校正方法 | |
CN116125446B (zh) | 旋转驱动式多线激光雷达三维重建装置的标定方法及装置 | |
Hu et al. | Minimal vision system for linear camera self-calibration and 3D reconstruction using translation platform | |
CN116309591B (zh) | 一种医学影像3d关键点检测方法、模型训练方法及装置 | |
CN114563019B (zh) | 单波束时延检校方法 | |
CN116030232A (zh) | 一种三维模型点云处理方法、装置及*** | |
CN111308700A (zh) | 基于倾斜照明反射式pie光学***的反射角误差校正算法 | |
CN117593386A (zh) | 相机运动畸变校正方法、装置、计算机设备和存储介质 |
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 |