本发明专利技术涉及土木工程计算机视觉技术领域，特别是指一种融合激光雷达与深度相机的桥梁模型生成方法及装置，一种融合激光雷达与深度相机的桥梁模型生成方法包括:激光雷达和深度相机进行联合标定，获得联合标定参数；将合成点云数据和真实点云数据输入预设的半自动标注算法，获得桥梁语义数据集；根据预设的桥梁数据集、桥梁语义数据集和预设的二维深度学习算法，获得桥梁三维语义模型；根据联合标定参数和所述桥梁三维语义模型，获得重建后桥梁三维语义模型；根据重建后桥梁三维语义模型，通过预设的二次开发程序进行编译，获得桥梁信息模型。本发明专利技术是一种精度高、语义信息丰富的桥梁三维信息模型的构建方法。梁三维信息模型的构建方法。梁三维信息模型的构建方法。
【技术实现步骤摘要】
一种融合激光雷达与深度相机的桥梁模型生成方法及装置
[0001]本专利技术涉及土木工程计算机视觉
，特别是指一种融合激光雷达与深度相机的桥梁模型生成方法及装置。
技术介绍
[0002]近年来已建桥梁事故频发，我国桥梁建设和健康检测方面存在检测耗时，精度不高等问题，桥梁安全隐患问题迫在眉睫。据不完全统计，目前我国公路路网中在役桥梁40%服役超20年，病桥危桥梁占比达45%，存在严重的安全隐患。
[0003]通过提供信息管理系统，桥梁信息模型可以大大提高健康检查效率和状态评估的可靠性，同时能直观了解桥梁的健康情况，便于辅助桥梁构件损坏修复决策。目前已建桥梁大多缺乏桥梁信息模型，而桥梁重建过程仍依赖于专业工程师手动操作建模，构件精度不高，成本大于收益。为此，在不少学者致力于识别和细分桥梁的结构组件，提高模型重建的精度与效率。但是这些方法要么依赖于手动数据预处理，要么需要大量的训练数据集，要么需要依照基于激光雷达的桥梁点云模型进行人工建立桥梁信息模型，不仅缺乏桥梁语义信息，还没有真正实现桥梁信息模型的自动生成。这使得上述技术在实际应用中颇具挑战。
[0004]目前，在现有技术中缺乏一种精度高、语义信息丰富的桥梁三维信息模型的构建方法。
技术实现思路
[0005]本专利技术实施例提供了一种融合激光雷达与深度相机的桥梁模型生成方法及装置。所述技术方案如下：
[0006]一方面，提供了一种融合激光雷达与深度相机的桥梁模型生成方法，该方法由电子设备实现，该方法包括：
[0007]基于激光雷达和深度相机进行联合标定，获得联合标定参数；
[0008]对预设的桥梁三维模型进行数据处理，获得合成点云数据，使用无人机对桥梁进行拍摄，获得真实点云数据；
[0009]将所述合成点云数据和所述真实点云数据输入预设的半自动标注算法，获得桥梁语义数据集；
[0010]根据预设的桥梁数据集、所述桥梁语义数据集和预设的二维深度学习算法，获得桥梁三维语义模型；
[0011]根据所述联合标定参数和所述桥梁三维语义模型，获得重建后桥梁三维语义模型；
[0012]根据所述重建后桥梁三维语义模型，通过预设的二次开发程序进行编译，获得桥梁信息模型。
[0013]可选地，所述的一种融合激光雷达与深度相机的桥梁模型生成方法，其特征在于，所述基于激光雷达和深度相机进行联合标定，获得联合标定参数，包括：
[0014]基于标定工具箱和标定板，使用激光雷达和深度相机进行数据采集，获得激光雷达标定数据和深度相机标定数据；
[0015]基于所述激光雷达标定数据和所述深度相机标定数据通过预设算法进行编译，获取激光雷达与深度相机的联合标定参数。
[0016]可选地，所述对预设的桥梁三维模型进行数据处理，获得合成点云数据，使用无人机对桥梁进行拍摄，获得真实点云数据，包括：
[0017]对预设的桥梁三维模型进行格式转换、点云处理和多角度截取构建，获得合成点云数据；
[0018]使用无人机对桥梁进行拍摄，获得真实桥梁图片；
[0019]将真实桥梁图片转换为点云数据，获得真实点云数据。
[0020]可选地，所述根据预设的桥梁数据集、所述桥梁语义数据集和预设的二维深度学习算法，获得桥梁三维语义模型，包括：
[0021]将预设的桥梁数据集通过迁移学习方法融入所述桥梁语义数据集，获得融合语义数据集；
[0022]使用所述融合语义数据集对预设的二维深度学习算法进行训练，获得桥梁三维语义模型。
[0023]可选地，所述根据所述联合标定参数和所述桥梁三维语义模型，获得重建后桥梁三维语义模型，包括：
[0024]基于所述联合标定参数，通过激光雷达和深度相机的联合标定对待重建桥梁进行拍摄，获得待重建桥梁点云数据；
[0025]将所述待重建桥梁点云数据输入所述桥梁三维语义模型进行桥梁构件的语义分割，获得重建后桥梁三维语义模型。
[0026]可选地，所述根据所述重建后桥梁三维语义模型，通过预设的二次开发程序进行编译，获得桥梁信息模型，包括：
[0027]对所述重建后桥梁三维语义模型进行桥梁构件的信息提取，获得桥梁构件的基础信息；
[0028]将所述桥梁构件的基础信息输入预设的二次开发程序进行参数化编译，获得桥梁信息模型。
[0029]另一方面，提供了一种融合激光雷达与深度相机的桥梁模型生成装置，该装置应用于一种融合激光雷达与深度相机的桥梁模型生成方法，该装置包括：
[0030]设备联合标定模块，用于基于激光雷达和深度相机进行联合标定，获得联合标定参数；
[0031]点云数据采集模块，用于对预设的桥梁三维模型进行数据处理，获得合成点云数据，使用无人机对桥梁进行拍摄，获得真实点云数据；
[0032]语义数据获取模块，用于将所述合成点云数据和所述真实点云数据输入预设的半自动标注算法，获得桥梁语义数据集；
[0033]语义模型建立模块，用于根据预设的桥梁数据集、所述桥梁语义数据集和预设的二维深度学习算法，获得桥梁三维语义模型；
[0034]重建模型获取模块，用于根据所述联合标定参数和所述桥梁三维语义模型，获得
重建后桥梁三维语义模型；
[0035]信息模型生成模块，用于根据所述重建后桥梁三维语义模型，通过预设的二次开发程序进行编译，获得桥梁信息模型。
[0036]可选地，所述设备联合标定模块，进一步用于：
[0037]基于标定工具箱和标定板，使用激光雷达和深度相机进行数据采集，获得激光雷达标定数据和深度相机标定数据；
[0038]基于所述激光雷达标定数据和所述深度相机标定数据通过预设算法进行编译，获取激光雷达与深度相机的联合标定参数。
[0039]可选地，所述点云数据采集模块，进一步用于：
[0040]对预设的桥梁三维模型进行格式转换、点云处理和多角度截取构建，获得合成点云数据；
[0041]使用无人机对桥梁进行拍摄，获得真实桥梁图片；
[0042]将真实桥梁图片转换为点云数据，获得真实点云数据。
[0043]可选地，所述语义模型建立模块，进一步用于：
[0044]将预设的桥梁数据集通过迁移学习方法融入所述桥梁语义数据集，获得融合语义数据集；
[0045]使用所述融合语义数据集对预设的二维深度学习算法进行训练，获得桥梁三维语义模型。
[0046]可选地，所述重建模型获取模块，进一步用于：
[0047]基于所述联合标定参数，通过激光雷达和深度相机的联合标定对待重建桥梁进行拍摄，获得待重建桥梁点云数据；
[0048]将所述待重建桥梁点云数据输入所述桥梁三维语义模型进行桥梁构件的语义分割，获得重建后桥梁三维语义模型。
[0049]可选地，所述信息模型生成模块，进一步用于：
[0050]对所述重建后桥梁三维语义模型进行桥梁构件的信息提取，获得桥梁构件的基础信息；
本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种融合激光雷达与深度相机的桥梁模型生成方法，其特征在于，所述方法包括：基于激光雷达和深度相机进行联合标定，获得联合标定参数；对预设的桥梁三维模型进行数据处理，获得合成点云数据，使用无人机对桥梁进行拍摄，获得真实点云数据；将所述合成点云数据和所述真实点云数据输入预设的半自动标注算法，获得桥梁语义数据集；根据预设的桥梁数据集、所述桥梁语义数据集和预设的二维深度学习算法，获得桥梁三维语义模型；根据所述联合标定参数和所述桥梁三维语义模型，获得重建后桥梁三维语义模型；根据所述重建后桥梁三维语义模型，通过预设的二次开发程序进行编译，获得桥梁信息模型。2.根据权利要求1所述的一种融合激光雷达与深度相机的桥梁模型生成方法，其特征在于，所述基于激光雷达和深度相机进行联合标定，获得联合标定参数，包括：基于标定工具箱和标定板，使用激光雷达和深度相机进行数据采集，获得激光雷达标定数据和深度相机标定数据；基于所述激光雷达标定数据和所述深度相机标定数据通过预设算法进行编译，获取激光雷达与深度相机的联合标定参数。3.根据权利要求1所述的一种融合激光雷达与深度相机的桥梁模型生成方法，其特征在于，所述对预设的桥梁三维模型进行数据处理，获得合成点云数据，使用无人机对桥梁进行拍摄，获得真实点云数据，包括：对预设的桥梁三维模型进行格式转换、点云处理和多角度截取构建，获得合成点云数据；使用无人机对桥梁进行拍摄，获得真实桥梁图片；将真实桥梁图片转换为点云数据，获得真实点云数据。4.根据权利要求1所述的一种融合激光雷达与深度相机的桥梁模型生成方法，其特征在于，所述根据预设的桥梁数据集、所述桥梁语义数据集和预设的二维深度学习算法，获得桥梁三维语义模型，包括：将预设的桥梁数据集通过迁移学习方法融入所述桥梁语义数据集，获得融合语义数据集；使用所述融合语义数据集对预设的二维深度学习算法进行训练，获得桥梁三维语义模型。5.根据权利要求1所述的一种融合激光雷达与深度相机的桥梁模型生成方法，其特征在于，所述根据所述联合标定参数和所述桥梁三维语义模型，获得重建后桥梁三维语义模型，包括：基于所述联合标定参数，通过激光雷达和深度相机的联合标定对待重建桥梁进行拍摄，获得待重建桥梁点云数据；将所述待重建桥梁点云数据输入所述桥梁三维语义模型进行桥梁构件的语义分割，获得重建...
【专利技术属性】
技术研发人员：许镇，王英旺，唐禧妍，范晶晶，宋睿卓，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。