一种基于点云数据的大坝裂缝监测系统及方法技术方案

本发明专利技术涉及点云抽稀技术领域，公开了一种基于点云数据的大坝裂缝监测系统及方法，其中一种基于点云数据的大坝裂缝监测方法包括：采集大坝的点云数据；基于点云数据构建图结构数据；对历史的点云数据进行大比例抽稀获得稀疏点云数据，标记点云数据中表征裂缝的点，获得样本图结构；基于历史的点云数据的图结构数据和样本图结构来训练神经网络模型，当前的点云数据的图结构数据输入训练完成的神经网络模型生成第一图结构，从当前的点云数据中删除点来获得处理后的点云数据；基于处理后的点云数据识别大坝表面的裂缝，由管理人员对大坝裂缝进行修复；本发明专利技术对于大坝的点云数据的处理能够在大比例抽稀的同时保留裂缝特征。够在大比例抽稀的同时保留裂缝特征。够在大比例抽稀的同时保留裂缝特征。

【技术实现步骤摘要】
一种基于点云数据的大坝裂缝监测系统及方法


[0001]本专利技术涉及点云抽稀
，它涉及一种基于点云数据的大坝裂缝监测系统及方法。

技术介绍

[0002]面向水库大坝形变监测的一个方法是采集点云数据来生成大坝三维模型来与前期的大坝三维模型进行对比来分析水库大坝变形；点云数据采集完成之后进行点云数据的处理，点云数据的处理主要包括配准、去噪等，点云数据中具有目标建筑物的完整拓扑关系，但在采集过程中存在大量冗余数据。在数据过滤之后，通过点云数据提取水电工程建筑物轮廓信息。在轮廓的提取中，采用抽稀点云的方法，保留和建筑轮廓相关的有效信息点，泊松采样是一种基于点云密度的抽稀方法，通过计算点云数据中的密度信息进行抽稀，大坝坝体上的裂缝相较于大坝整体来说比例很小，点云数据中表征大坝坝体的裂缝的点的比例非常小，表征裂缝的点云密度与表征坝体的坝面的点云密度相差小，在大比例抽稀后很难在建模后保留裂缝的特征，根据大比例抽稀后的点云数据无法分析处理获得大坝裂缝的参数，无法通过建模进行大坝裂缝的可视化；采用很小比例的抽稀对于点云数据的数据量减少的量很少，而大坝坝体的点云数量都在千万级以上，小比例抽稀会为后续的建模和分析带来很大的负担。

技术实现思路

[0003]本专利技术提供一种基于点云数据的大坝裂缝监测系统及方法，解决相关技术中对大坝坝体的点云数据进行大比例抽稀后难以保留表征裂缝特征的点云数据的技术问题。
[0004]本专利技术提供了一种基于点云数据的大坝裂缝监测方法，包括：通过激光扫描仪采集大坝的点云数据，当前时间之前采集的点云数据称为历史的点云数据，当前时间采集的点云数据称为当前的点云数据；基于采集的点云数据构建图结构数据；一个时间采集的点云数据构建一个图结构数据；图结构数据包括节点的原始向量，每个节点与一个点云建立联系，节点通过该节点所联系能够索引到一个点云，节点的原始向量根据节点的联系的点云来生成；以每个点为中心生成区域空间，一个区域空间内的所有点均与空间中心的点建立连接；为建立连接的点所联系的节点之间建立边，生成包含节点和边的图结构；对历史的点云数据进行大比例抽稀获得稀疏点云数据，标记点云数据中表征裂缝的点，然后补充表征裂缝的点到稀疏点云数据中获得标注点云数据；标记点云数据中不属于标注点云数据的点作为标记点，在图结构中删除与标记点所联系的节点的边来获得样本图结构；基于历史的点云数据的图结构数据和样本图结构来训练神经网络模型，神经网络模型基于输入的图结构数据来生成第一图结构，以样本图结构与第一图结构的差作为神经
网络模型训练时的损失；将当前的点云数据的图结构数据输入训练完成的神经网络模型，生成第一图结构，从当前的点云数据中删除点来获得处理后的点云数据，删除的点所联系的第一图结构中的节点没有任何与该节点连接的边；基于处理后的点云数据识别大坝表面的裂缝，基于处理后的点云数据进行建模获得大坝模型，并在大坝模型上标记裂缝的位置、长度和宽度，然后发送给管理人员，管理人员根据大坝模型上标记的裂缝的位置、长度和宽度来对大坝的裂缝进行修复。
[0005]进一步地，基于处理后的点云数据识别大坝表面的裂缝的方法包括以下步骤：将大坝的表面划分为多个平面区域，对每个平面区域进行多项式曲面拟合，根据点到拟合曲面的距离关系剔除裂缝内部点；点到拟合曲面的距离大于设定的第一距离阈值；将点云数据转换至平面区域的平面，生成二维点云数据；计算平面区域的点云中各点的邻域内的相邻两点间的最大夹角；提取邻域内的相邻两点间的最大夹角大于设定的夹角阈值的点作为裂缝边界点；裂缝边界点的集合作为边界点云；利用边界点云，通过正交回归法计算得到裂缝主方向；对裂缝进行三角化，计算组成裂缝的各三角形的几何中心，然后取均值后即为该裂缝的几何中心；在裂缝主方向上获取裂缝长度；通过测量裂缝主方向垂直方向上的裂缝两侧的距离获取裂缝宽度。
[0006]进一步地，以每个点为中心生成的区域空间为球形空间，球形空间的半径为第一距离。
[0007]进一步地，以每个点为中心生成的区域空间为立方体空间，立方体空间的边长为第二距离。
[0008]进一步地，对历史的点云数据进行大比例抽稀获得稀疏点云数据的方法是随机采样或泊松采样或体素网格化。
[0009]进一步地，神经网络模型包括隐藏层和线性层，其中隐藏层的计算公式如下：；其中H表示隐藏层输出的缓存矩阵，X表示输入矩阵，输入矩阵的行向量表示图结构数据的节点的初始向量，表示第三邻接矩阵，表示第一邻接矩阵的度矩阵，第一邻接矩阵的第i行第j列的元素表示图结构数据中第i个和第j个节点之间是否存在边，如果存在边则该元素值为1，否则该元素值为0，第一邻接矩阵的度矩阵为对角矩阵，第一邻接矩阵的度矩阵的第i行第i列的元素表示图结构数据中与第i个节点存在边的节点的数量，W表示隐藏层的权重参数，表示sigmoid激活函数；第三邻接矩阵的计算公式如下：；其中表示第三邻接矩阵，表示第一邻接矩阵，表示单位矩阵，其中为N乘N的矩阵，N表示图结构数据的节点数量，单位矩阵的对角线的元素值为1，其余元素值为0；线性层的计算公式如下：；
其中S表示第二邻接矩阵，H表示隐藏层输出的缓存矩阵，T表示矩阵转置。
[0010]进一步地，通过点云数据中的点的信息进行编码获得该点所联系的节点的原始向量。
[0011]进一步地，点云数据以向量组的形式记录，直接将表示点的向量作为点所联系的节点的原始向量。
[0012]进一步地，第一图结构以表示节点连接关系的第二邻接矩阵表示，从当前的点云数据删除点的操作包括：遍历点云数据中的点，如果点所联系的节点对应的第二邻接矩阵中行和列的元素的值均为0，则从当前的点云数据删除该点，否则保留该点。
[0013]本专利技术还提供了一种基于点云数据的大坝裂缝监测系统，包括：数据采集模块，用于通过激光扫描仪采集大坝的点云数据；图结构数据构建模块，基于采集的点云数据构建图结构数据；一个时间采集的点云数据构建一个图结构数据；图结构数据包括节点的原始向量，每个节点与一个点云建立联系，节点通过该节点所联系能够索引到一个点云，节点的原始向量根据节点的联系的点云来生成；以每个点为中心生成区域空间，一个区域空间内的所有点均与空间中心的点建立连接；为建立连接的点所联系的节点之间建立边，生成包含节点和边的图结构；样本图结构生成模块，其用于对历史的点云数据进行大比例抽稀获得稀疏点云数据，标记点云数据中表征裂缝的点，然后补充表征裂缝的点到稀疏点云数据中获得标注点云数据；标记点云数据中不属于标注点云数据的点作为标记点，在图结构中删除与标记点所联系的节点的边来获得样本图结构；训练模块，基于历史的点云数据的图结构数据和样本图结构来训练神经网络模型，神经网络模型基于输入的图结构数据来生成第一图结构，以样本图结构与第一图结构的差作为神经网络模型训练时的损失；图结构数据更新模块，将当前的点云数据的图结构数据输入训练完成的神经网络模型，生成第一图结构，从当前的点云数据中删除点来获得处理后的点云数据，删除的点所联系的第一图结构中的节点没有任何与该节点连接的边；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大坝裂缝监测方法，其特征在于，包括：通过激光扫描仪采集大坝的点云数据，当前时间之前采集的点云数据称为历史的点云数据，当前时间采集的点云数据称为当前的点云数据；基于采集的点云数据构建图结构数据；一个时间采集的点云数据构建一个图结构数据；图结构数据包括节点的原始向量，每个节点与一个点云建立联系，节点通过该节点所联系能够索引到一个点云，节点的原始向量根据节点的联系的点云来生成；以每个点为中心生成区域空间，一个区域空间内的所有点均与空间中心的点建立连接；为建立连接的点所联系的节点之间建立边，生成包含节点和边的图结构；对历史的点云数据进行大比例抽稀获得稀疏点云数据，标记点云数据中表征裂缝的点，然后补充表征裂缝的点到稀疏点云数据中获得标注点云数据；标记点云数据中不属于标注点云数据的点作为标记点，在图结构中删除与标记点所联系的节点的边来获得样本图结构；基于历史的点云数据的图结构数据和样本图结构来训练神经网络模型，神经网络模型基于输入的图结构数据来生成第一图结构，以样本图结构与第一图结构的差作为神经网络模型训练时的损失；将当前的点云数据的图结构数据输入训练完成的神经网络模型，生成第一图结构，从当前的点云数据中删除点来获得处理后的点云数据，删除的点所联系的第一图结构中的节点没有任何与该节点连接的边；基于处理后的点云数据识别大坝表面的裂缝，基于处理后的点云数据进行建模获得大坝模型，并在大坝模型上标记裂缝的位置、长度和宽度，然后发送给管理人员，管理人员根据大坝模型上标记的裂缝的位置、长度和宽度来对大坝的裂缝进行修复。2.根据权利要求1所述的一种基于点云数据的大坝裂缝监测方法，其特征在于，基于处理后的点云数据识别大坝表面的裂缝的方法包括以下步骤：将大坝的表面划分为多个平面区域，对每个平面区域进行多项式曲面拟合，根据点到拟合曲面的距离关系剔除裂缝内部点；点到拟合曲面的距离大于设定的第一距离阈值；将点云数据转换至平面区域的平面，生成二维点云数据；计算平面区域的点云中各点的邻域内的相邻两点间的最大夹角；提取邻域内的相邻两点间的最大夹角大于设定的夹角阈值的点作为裂缝边界点；裂缝边界点的集合作为边界点云；利用边界点云，通过正交回归法计算得到裂缝主方向；对裂缝进行三角化，计算组成裂缝的各三角形的几何中心，然后取均值后即为该裂缝的几何中心；在裂缝主方向上获取裂缝长度；通过测量裂缝主方向垂直方向上的裂缝两侧的距离获取裂缝宽度。3.根据权利要求1所述的一种基于点云数据的大坝裂缝监测方法，其特征在于，以每个点为中心生成的区域空间为球形空间，球形空间的半径为第一距离。4.根据权利要求1所述的一种基于点云数据的大坝裂缝监测方法，其特征在于，以每个点为中心生成的区域空间为立方体空间，立方体空间的边长为第二距离。5.根据权利要求1所述的一种基于点云数据的大坝裂缝监测方法，其特征在于，对历史
的点云数据进行大比例抽稀获得稀疏点云数据的方法是随机采样或泊松采样或体素网格化。6.根据权利要求1所述的一种基于点云数据的大坝裂缝监测方法，其特征在于，神经网络模型包括隐藏层和线性层，其中隐藏层的计算公式如下：；其中H表示隐藏层输出的缓存矩阵，X表示输入矩阵，输入矩...

【专利技术属性】
技术研发人员：张李荪，李祎盼，程遥，袁媛，张丹平，洪小珺，黄薇，华杰，王海龙，邹昕，郑永强，黄兰波，张国文，陈学阳，刘杨，张娜，杨阳，陈浩雯，吴雅珍，程雪苗，卢聪飞，胡燕，邓超，雷丽娟，许良英，范红明，罗冉，曹忠，王嘉龙，王佳轩，
申请(专利权)人：中铁水利信息科技有限公司，
类型：发明
国别省市：