一种混凝土梁点云的Voronoi疏密度分类逆向重建方法技术

本发明专利技术公开了一种混凝土梁点云的Voronoi疏密度分类逆向重建方法，该方法包括：利用迭代加权PCA初步提取混凝土梁实际点云P

【技术实现步骤摘要】
一种混凝土梁点云的Voronoi疏密度分类逆向重建方法


[0001]本专利技术属于桥梁结构
，具体涉及一种混凝土梁点云的Voronoi疏密度分类逆向重建方法。

技术介绍

[0002]随着三维激光点云技术的发展，其在各个领域中的应用也逐渐成熟起来。依据点云数据进行模型的外形逆向重建，则是其中一个较为关键的应用方向。尽管当前各领域的研究人员针对逆向重建的一些关键技术要点，如计算特征点、匹配、语义信息赋予等方面已有众多较成熟的算法。但这些算法大多无法直接应用于稀疏点云，或在桥梁工程领域无法提供其大数据学习算法所需要的大量测试集。在桥梁构件的逆向重建领域，如何利用该领域特有的先验经验，提高泛化能力较高的通用算法的效率；如何针对该领域的实际点云数据中部分通用的特点设计更高效的处理算法；如何平衡效率与精度之间的关系等，这些都是针对桥梁构件的外形逆向重建需要解决的问题。
[0003]因此，亟需开发一种针对混凝土梁点云精度较高、效率较高的逆向重建方法。

技术实现思路

[0004]本专利技术的目的在于提出一种混凝土梁点云的Voronoi疏密度分类逆向重建方法，能够针对常见的多边形混凝土梁在普遍的实际施工条件下获取的点云数据，给定部分初始预设参数后，进行较高精度的逆向重建特征数据自动获取。
[0005]为达到上述目的，本专利技术提出一种混凝土梁点云的Voronoi疏密度分类逆向重建方法，所述方法包括以下步骤：
[0006]S1，利用迭代加权PCA初步提取混凝土梁实际点云P
r
>中的潜在特征点集P
c
；
[0007]S2，根据设计图纸形成梁体设计特征点集P
d
，并利用ICP算法匹配P
d
与P
c
以识别P
r
对应的设计尺寸以及空间位姿，再将P
r
平移、旋转至标准轴位置形成标准化点云P
s
；
[0008]S3，依据P
s
中各点到P
d
中各预设结构面的距离和P
s
中各点的特征法向量与预设结构面夹角将P
s
分类到各预设结构面上，形成结构面分类点集；
[0009]S4，在P
d
中各个重建特征点相交面对应的结构面分类点集中提取近邻区域，利用Voronoi图判断各个近邻区域的点云疏密度质量，并标记逆向重建参考区域，计算各个重建特征点的逆向重建参考区域数量；
[0010]S5，根据各个重建特征点的逆向重建参考区域数量确定不同的设计重建点计算方法，计算各重建特征点坐标。
[0011]进一步的，步骤S1的具体方法如下：
[0012]步骤S1.1，令实际梁体点云P
r
＝{p
ri
}
i＝1...Nr
，其中，p
ri
为点云P
r
中的点，N
r
为P
r
中点的总数，利用kd
‑
Tree计算p
ri
的k个近邻点根据经典PCA原理计算协方差矩阵根据经典PCA原理计算协方差矩阵的最小特征值对应的特征向量n
min
，其中，
[0013][0013]分别为近邻点的x，y，z坐标，分别为点p
ri
的x，y，z坐标，得到首次迭代PCA初始特征法向量
[0014]步骤S1.2，取残差函数权重函数其中，n为每次迭代后产生的特征法向量，取其初始值为标量μ用于控制迭代收敛速度，取其初始值迭代求解优化问题n＝argmin||n||＝1 ∑
j
w
j
(n)r
j
(n)2，迭代终止条件取相邻两代法向量夹角值小于阈值以得到初次迭代的修正法向量n1；
[0015]步骤S1.3，取异向初始特征法向量再次迭代步骤S1.2中的优化问题，得到第二次迭代的修正法向量n2；
[0016]步骤S1.4，根据点与n1，n2计算近邻点集中各点的残差函数r
j
(n1)与r
j
(n2)，将其中模长小于P
r
中所有点的平均点间距一半的点取出作为两个残差函数的子集，并计算两个子集的平均值与令点p
ri
处的最终特征法向量
[0017]步骤S1.5，遍历计算P
r
中各点p
ri
的最终特征法向量之后，计算各点最终特征法向量n
*
与其近邻点最终特征法向量夹角之间的平均值μ
θ
与标准差σ
θ
，设定平均值阈值μ
lim
与标准差阈值σ
lim
，则有如下分类标准：
[0018][0019]根据该标准提取P
r
中的潜在特征点集P
c
＝{p
ci
}
i＝1...Nc
，其中，p
ci
为点云P
c
中的点，N
c
为P
c
中点的总数。
[0020]进一步的，步骤S2的具体方法如下：
[0021]步骤S2.1，通过混凝土梁构件的设计图纸作为先验数据，将设计结构中的预设关键结构角点作为设计特征点集P
d
＝{p
di
}
i＝1...Nd
，其中，p
di
为点云P
d
中的点，N
d
为P
d
中点的总数；
[0022]步骤S2.2，对步骤S1中计算的P
c
进行PCA计算，得到最小特征值对应的近似梁体纵轴，将由P
d
计算的梁体底面中线与P
c
的近似梁体纵轴对齐，然后绕该纵轴旋转P
d
，每旋转π/2后取该位姿作为一种初始位置，旋转一周后将产生4种初始位置，再计入该纵轴的正负向共2个方向，则总计以4
×
2＝8种初始位置对P
c
与P
d
进行ICP计算，即求解优化问题：其中，(t，R)是作用于P
d
的平移矩阵与旋转矩阵，(t0，R0)是作用于P
d
使p
di
到在P
c
中对应的最近点的距离和最小的优化问题的解，是变换位置后的p
di
在P
c
中所对应的最近点，取8种初始位置下ICP计算得到的最小目标函数值对应的位姿为P
c
对应的位姿，再取标准化点云P
s
＝R0‑1·
(P
r
‑
t0)。
[0023]进一步的，步骤S3的具体方法如下：
[0024]根据P
d
计算构件的预设结构面，然后计算P...

【技术保护点】

【技术特征摘要】
1.一种混凝土梁点云的Voronoi疏密度分类逆向重建方法，其特征在于，所述方法包括以下步骤：S1，利用迭代加权PCA初步提取混凝土梁实际点云P
r
中的潜在特征点集P
c
；S2，根据设计图纸形成梁体设计特征点集P
d
，并利用ICP算法匹配P
d
与P
c
以识别P
r
对应的设计尺寸以及空间位姿，再将P
r
平移、旋转至标准轴位置形成标准化点云P
s
；S3，依据P
s
中各点到P
d
中各预设结构面的距离和P
s
中各点的特征法向量与预设结构面夹角将P
s
分类到各预设结构面上，形成结构面分类点集；S4，在P
d
中各个重建特征点相交面对应的结构面分类点集中提取近邻区域，利用Voronoi图判断各个近邻区域的点云疏密度质量，并标记逆向重建参考区域，计算各个重建特征点的逆向重建参考区域数量；S5，根据各个重建特征点的逆向重建参考区域数量确定不同的设计重建点计算方法，计算各重建特征点坐标。2.根据权利要求1所述的一种混凝土梁点云的Voronoi疏密度分类逆向重建方法，其特征在于，步骤S1的具体方法如下：步骤S1.1，令实际梁体点云P
r
＝{p
ri
}
i＝1...Nr
，其中，p
ri
为点云P
r
中的点，N
r
为P
r
中点的总数，利用kd
‑
Tree计算p
ri
的k个近邻点根据经典PCA原理计算协方差矩阵根据经典PCA原理计算协方差矩阵的最小特征值对应的特征向量n
min
，其中，，其中，分别为近邻点的x，y，z坐标，分别为点p
ri
的x，y，z坐标，得到首次迭代PCA初始特征法向量步骤S1.2，取残差函数权重函数其中，n为每次迭代后产生的特征法向量，取其初始值为标量μ用于控制迭代收敛速度，取其初始值迭代求解优化问题n＝argmin
||n||＝1
∑
j
w
j
(n)r
j
(n)2，迭代终止条件取相邻两代法向量夹角值小于阈值以得到初次迭代的修正法向量n1；步骤S1.3，取异向初始特征法向量再次迭代步骤S1.2中的优化问题，得到第二次迭代的修正法向量n2；步骤S1.4，根据点与n1，n2计算近邻点集中各点的残差函数r
j
(n1)与r
j
(n2)，将其中模长小于P
r
中所有点的平均点间距一半的点取出作为两个残差函数的子集，并计算两个子集的平均值与令点p
ri
处的最终特征法向量步骤S1.5，遍历计算P
r
中各点p
ri
的最终特征法向量之后，计算各点最终特征法向量n
*
与其近邻点最终特征法向量夹角之间的平均值μ
θ
与标准差σ
θ
，设定平均值阈值μ
lim
与标准差阈值σ
lim
，则有如下分类标准：
根据该标准提取P
r
中的潜在特征点集P
c
＝{p
ci
}
i＝1...Nc
，其中，p
ci
为点云P
c
中的点，N
c
为P
c
中点的总数。3.根据权利要求1所述的一种混凝土梁点云的Voronoi疏密度分类逆向重建方法，其特征在于，步骤S2的具体方法如下：步骤S2.1，通过混凝土梁构件的设计图纸作为先验数据，将设计结构中的预设关键结构角点作为设计特征点集P
d
＝{p
di
}
i＝1...Nd
，其中，p
di
为点云P
d
中的点，N
d
为P
d
中...

【专利技术属性】
技术研发人员：吴文清，刘泓佚，王新雅，周小燚，
申请(专利权)人：东南大学，
类型：发明
国别省市：