基于点云数据的结构件测量方法及装置制造方法及图纸

本申请实施例公开了一种基于点云数据的结构件测量方法及装置。该方法包括：通过激光扫描获取建筑物的点云数据，以预设距离在水平方向对点云数据进行切片处理，并将切片上的点云数据转换为第一图像，通过深度神经网络识别出第一图像中的目标结构件，从点云数据中分割出目标结构件的点云测量点，并基于点云测量点计算目标结构件的位置和尺寸信息。本申请实施例提供的方案可以对建筑物的点云数据进行切片来识别其中的结构件，并进一步计算这些结构件的位置以及尺寸信息，从而提升了结构件测量的效率以及精度，便于后期进行使用。便于后期进行使用。便于后期进行使用。

【技术实现步骤摘要】
基于点云数据的结构件测量方法及装置


[0001]本申请涉及点云数据处理
，具体涉及一种基于点云数据的结构件测量方法及装置。

技术介绍

[0002]三维激光扫描技术是一种使用高分辨率的扫描点云来存储和表达被扫描物体的空间形状和尺寸的非接触式测量技术。相对于传统的测绘方式，三维激光扫描能够提供复杂物体表面的三维点云数据，它具有扫描速度快、无接触性、精度高、主动性强、全数字特征等特点，可以极大地降低成本，节约时间，不受白天黑夜的限制，而且使用方便。
[0003]在采集的建筑物的三维点云数据中识别并测量主要结构件(梁、柱、墙等)，获取这些结构件的准确尺寸信息，对于基于三维点云的诸多应用如绘制平面、立面、剖面图、三维矢量模型重建等，是非常关键的一个工序。然而点云数据不包含实体特征参数信息，无法确定数据点在物体表面的具体位置。从点云数据中直接获取尺寸信息一般需要基于商业点云处理软件。一个实体的点云模型由扫描该实体获得的所有点云数据构成，获取尺寸的过程为：逐个手工选取点云模型中能够表征尺寸参数的点，通过测量距离功能获取所需的尺寸信息，或者通过输出所选点的坐标，计算两点间的距离获取尺寸信息。因此，现有这种三维激光扫描技术的点云数据直接获取建筑物中具体尺寸信息的方式至少存在以下缺点：(1)建筑物中的点云数据量庞大，计算效率极低，操作耗时。(2)点云数据密集、点分布不均匀、数据量庞大、包含冗余和噪声、无法直观反映物体的真实信息，通过手工选取误差极大，很大程度上依赖于处理者的个人经验。

技术实现思路

[0004]本申请实施例提供一种基于点云数据的结构件测量方法及装置，通过对建筑物的点云数据进行切片来识别其中的结构件，并进一步计算这些结构件的位置以及尺寸信息，从而提升了结构件测量的效率以及精度，便于后期进行建模使用。
[0005]本申请实施例提供了一种基于点云数据的结构件测量方法，包括：通过激光扫描获取建筑物的点云数据；以预设距离在水平方向对所述点云数据进行切片处理，并将切片上的点云数据转换为第一图像；通过深度神经网络识别出所述第一图像中的目标结构件；从所述点云数据中分割出所述目标结构件的点云测量点，并基于所述点云测量点计算所述目标结构件的位置和尺寸信息。
[0006]在一实施例中，所述将切片上的点云数据转换为第一图像，包括：根据所述切片上点云数据计算每个点到切片平面上的距离；将所述距离等比转换为灰度值，并以所有点的灰度值构成所述切片平面的第一灰度图像。
[0007]在一实施例中，在通过深度神经网络识别出所述第一图像中的目标结构件之后，所述方法还包括：以预设切片位置在垂直方向对所述点云数据进行切片处理，并将切片上的点云数据转换为第二图像；通过深度神经网络识别出所述第二图像中的目标结构件；将所述第一图像中的目标结构件与第二图像中的目标结构件进行交叉验证。
[0008]在一实施例中，所述预设切片位置的计算步骤包括：识别所述建筑物中的柱状结构，并对所述柱状结构的横纵坐标进行聚类分析；根据聚类分析结果确定所述建筑物的柱网布置信息；根据所述柱网布置信息计算所述建筑物中每个开间的中心点，以作为所述预设切片位置。
[0009]在一实施例中，所述基于所述点云测量点计算所述目标结构件的位置和尺寸信息，包括：获取所述目标结构件横截面的形状；根据所述形状以及所述点云测量点通过最小二乘法平差计算所述目标结构件的位置和尺寸信息。
[0010]在一实施例中，根据所述形状以及所述点云测量点通过最小二乘法平差计算所述目标结构件的位置和尺寸信息，包括：对所述形状进行拟合并获取所述形状的参数向量；基于所述参数向量以及所述点云测量点计算误差方程；根据所述误差方程通过最小二乘法平差计算所述目标结构件的位置和尺寸信息。
[0011]在一实施例中，所述参数向量为：X=[x
c
y
c
m
x
m
y
α]T
其中，x
c
、y
c
为拟合椭圆形或矩形的中心坐标，m
x
、m
y
为拟合椭圆形长短轴或矩形长短边的长度系数，α为拟合椭圆形或矩形的倾角，当所述形状拟合为圆形或正四边形时，则令m
x
=m
y
，当所述形状拟合为圆形时，则参数向量中不包含α。
[0012]本申请实施例还提供一种基于点云数据的结构件测量装置，包括：获取模块，用于通过激光扫描获取建筑物的点云数据；转换模块，用于以预设距离在水平方向对所述点云数据进行切片处理，并将切片上的点云数据转换为第一图像；识别模块，用于通过深度神经网络识别出所述第一图像中的目标结构件；计算模块，用于从所述点云数据中分割出所述目标结构件的点云测量点，并基于所述点云测量点计算所述目标结构件的位置和尺寸信息。
[0013]本申请实施例还提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序适于处理器进行加载，以执行如上任一实施例所述的基于点云数据的结构件测量方法中的步骤。
[0014]本申请实施例还提供一种电子设备，所述电子设备包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，执行如上任一实施例所述的基于点云数据的结构件测量方法中的步骤。
[0015]本申请实施例提供的基于点云数据的结构件测量方法、装置、存储介质以及电子设备，通过激光扫描获取建筑物的点云数据，以预设距离在水平方向对点云数据进行切片处理，并将切片上的点云数据转换为第一图像，通过深度神经网络识别出第一图像中的目标结构件，从点云数据中分割出目标结构件的点云测量点，并基于点云测量点计算目标结构件的位置和尺寸信息。本申请实施例提供的方案可以对建筑物的点云数据进行切片来识别其中的结构件，并进一步计算这些结构件的位置以及尺寸信息，从而提升了结构件测量的效率以及精度，便于后期进行使用。
附图说明
[0016]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，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。
[0017]图1为本申请实施例提供的基于点云数据的结构件测量方法的一种流程示意图。
[0018]图2为本申请实施例提供的基于点云数据的结构件测量方法的另一种流程示意图。
[0019]图3为本申请实施例提供的针对圆形残缺点云的拟合效果示意图。
[0020]图4为本申请实施例提供的针对矩形残缺点云的拟合效果示意图。
[0021]图5为本申请实施例提供的基于点云数据的结构件测量装置的一种结构示意图。
[0022]图6为本申请实施例提供的基于点云数据的结构件测量装置的另一结构示意图。
[0023]图7为本申请实施例提供的电子设备的结构示意图。
具体实施方式
[0024]下面将结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于点云数据的结构件测量方法，其特征在于，包括：通过激光扫描获取建筑物的点云数据；以预设距离在水平方向对所述点云数据进行切片处理，并将切片上的点云数据转换为第一图像；通过深度神经网络识别出所述第一图像中的目标结构件；从所述点云数据中分割出所述目标结构件的点云测量点，并基于所述点云测量点计算所述目标结构件的位置和尺寸信息。2.如权利要求1所述的基于点云数据的结构件测量方法，其特征在于，所述将切片上的点云数据转换为第一图像，包括：根据所述切片上点云数据计算每个点到切片平面上的距离；将所述距离等比转换为灰度值，并以所有点的灰度值构成所述切片平面的第一灰度图像。3.如权利要求2所述的基于点云数据的结构件测量方法，其特征在于，在通过深度神经网络识别出所述第一图像中的目标结构件之后，所述方法还包括：以预设切片位置在垂直方向对所述点云数据进行切片处理，并将切片上的点云数据转换为第二图像；通过深度神经网络识别出所述第二图像中的目标结构件；将所述第一图像中的目标结构件与第二图像中的目标结构件进行交叉验证。4.如权利要求3所述的基于点云数据的结构件测量方法，其特征在于，所述预设切片位置的计算步骤包括：识别所述建筑物中的柱状结构，并对所述柱状结构的横纵坐标进行聚类分析；根据聚类分析结果确定所述建筑物的柱网布置信息；根据所述柱网布置信息计算所述建筑物中每个开间的中心点，以作为所述预设切片位置。5.如权利要求1所述的基于点云数据的结构件测量方法，其特征在于，所述基于所述点云测量点计算所述目标结构件的位置和尺寸信息，包括：获取所述目标结构件横截面的形状；根据所述形状以及所述点云测量点通过最小二乘法平差计算所述目标结构件的位置和尺寸信息。6.如权利要求5所述的基于点云数据的结构件测量方法，其特征在于，根据所述形状以及所述点云测量点通过最小二乘法平差计算所述目标结构件的位置和尺寸信息，包括：对所述形状进行拟合并获取所述...

【专利技术属性】
技术研发人员：陈世安，全一明，宁欣龙，葛志京，刘德荣，宋轶烨，王璐，蔡巧丽，郑博文，
申请(专利权)人：宁波市天一测绘设计研究有限公司，
类型：发明
国别省市：