System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及点云识别,具体涉及了一种基于二维点云数据的室内构件识别方法。
技术介绍
1、激光扫描技术是使用高分辨率的扫描电云来存储和表达被扫描的空间形状和尺寸的非接触式测量技术,相比于传统的测绘方式有着测量速度快、数字化程度高、不受现场光照条件影响等优点。
2、目前三维激光扫描设备已经被应用于建筑室内三维重建中,但是一方面由于三维激光扫描设备的使用成本高,难以普及,另一方面,激光扫描所得的点云数据要转化为可以在工程领域使用的bim模型,需要花费大量的人力进行翻模,也限制了其在建筑领域的应用。
3、因此,如何提高采用激光扫描技术进行建筑室内三维重建的效率,降低成本,是亟待解决的问题。
技术实现思路
1、本专利技术所解决的技术问题在于提供一种基于二维点云数据的室内构件识别方法,能够解决目前人工处理点云数据效率低的问题。
2、本专利技术提供的基础方案:一种基于二维点云数据的室内构件识别方法,包括以下步骤:
3、s100:建筑物房间的原始点云数据,并对原始点云数据进行预处理,得到房间点云数据;
4、s200:对房间点云数据进行扶正;
5、s300:根据扶正后的房间点云数据,通过其坐标位置识别并拟合所扫描的建筑物房间的轮廓线;
6、s400:根据扶正后的房间点云数据到坐标原点的距离,以及房间点云数据在轮廓线上投影到原点的距离,绘制房间的特征曲线;
7、s500:通过特征曲线识别房间内构建的类型、
8、本专利技术的原理及优点在于:首先获取到原始点云数据,对原始点云进行预处理得到处理后的房间点云数据,再对房间点云数据进行扶正后,通过房间点云数据的坐标位置识别出房间的轮廓线。再通过扶正后的房间点云数据到坐标原点的距离,以及房间点云数据在轮廓线上投影到原点的距离,绘制房间的特征曲线,特征曲线能够反映各部分与房间轮廓存在的偏差,即表示对应部分的点云可以表示房间内的特征构件。通过特征曲线识别出构件的尺寸、类型以及位置。
9、相比于现有技术,存在以下优点:
10、1.本专利技术利用二维点云数据进行识别,采用单线雷达便可进行扫描,能大幅降低设备的硬件成本、减轻硬件重量。
11、2.基于尺寸、形状等信息,能够实现对分割得到的点云集所属构件类型的识别。解决了目前人工处理点云数据效率低的问题。
12、进一步,所述s100包括以下步骤:
13、s101:通过单线激光雷达扫描获取原始点云数据;
14、s102:计算每个点云到扫描原点的距离得到距离数据,根据所有距离数据形成距离数据集,当距离数据集中点云与前一个点云的距离数据大于预设阈值时,将该点云认定为噪点并去除;
15、s103:当s102中距离数据集中有且只有一个点云与前一个点云的距离数据大于预设阈值时,停止差分,保存剩余点云,并分别充顺时针和逆时针两个方向进行多次差分,并将两个方向上差分保存的点云的并集作为最终结果。
16、通过计算两个点云之间的距离数据,判断是否大于预设的距离阈值,以此判断点云是否为噪点,当是噪点时,对噪点进行去除。同时通过顺时针和逆时针两个方向进行差分,保证结果准确性。
17、进一步,所述s200包括以下步骤:
18、s201:通过最小二乘法拟合出房间点云数据的墙线l1,并在其法向量方向获取l2;
19、s202:根据l1和l2建立原始基坐标,通过计算该原始基坐标与单位矩阵之间的旋转矩阵r0;
20、s203:将房间点云数据与r0相乘得到扶正后的房间点云数据。
21、识别出的墙线会存在偏离,对点云数据进行扶正。
22、进一步,所述s300包括以下步骤:
23、s301:对扶正后的房间点云数据,对扶正后的房间点云数据从x坐标最小的点开始,向x轴的正方向上按照设定的间隔值,对房间点云进行分组,选取其中房间点云数据量最多的一组,计算其x坐标的平均值,将次作为房间西侧的轮廓线;
24、s302:重复s303,从不同的点开始,以及从不同的方向分组,得到房间东、北、南侧的轮廓线;
25、s303:根据东、南、西、北轮廓线,拟合得到房间轮廓。
26、对扶正后的点云数据进行识别,识别出房间各方向上的轮廓线。
27、进一步,所述s300还包括以下步骤:
28、s305:将扶正后的房间点云数据上的点云依照角度投射到房间轮廓线上,得到各个点云的投射点,计算每个点云与其投射点的间距δdi,通过以下公式定义损失函数f0:
29、
30、f0越小表示扶正效果越好。
31、进一步,所述s200还包括以下步骤:
32、s204:根据损失函数f0对r0进行修正,给出f0最小的值作为最终结果。
33、由于点云的扶正结果收到最小二乘法拟合结果l1的影响,而由于点云数据本身具有一定的厚度,通常最小二乘法的拟合结果l1并不能保证完全与墙面平行,f0的值越小表示扶正效果越好,通过调整最小二乘法中每次用以计算点和角度允许偏差,不断减小f0的值并调整旋转矩阵r0,本方法中共计算多种组合以其中能使f0数值最小的组合作为结果,从而确定最终的旋转矩阵r0和点云的最终扶正结果。
34、进一步,所述s400包括以下步骤:
35、s401:设扶正后的房间点云数据中的点云到坐标系原点距离为d0,组成曲线ld0,点云在房间轮廓线上的投影到原点的距离为d1,组成曲线ld1,计算特征曲线l0,ld0=ld1+l0。
36、进一步,s500包括以下步骤:
37、s501:识别特征曲线中不为0的部分,对房间点云数据进行分割,得到房间中各个构件的点云集;
38、s502:根据各部分特征曲线是大于0或小于0,以及各部分特征曲线中第一个点到最后一个点的距离,识别构件类型、尺寸。
本文档来自技高网...【技术保护点】
1.一种基于二维点云数据的室内构件识别方法,其特征在于:包括以下步骤:
2.根据权利要求1所述的一种基于二维点云数据的室内构件识别方法,其特征在于:所述S100包括以下步骤:
3.根据权利要求2所述的一种基于二维点云数据的室内构件识别方法,其特征在于:所述S200包括以下步骤:
4.根据权利要求3所述的一种基于二维点云数据的室内构件识别方法,其特征在于:所述S300包括以下步骤:
5.根据权利要求4所述的一种基于二维点云数据的室内构件识别方法,其特征在于:所述S300还包括以下步骤:
6.根据权利要求5所述的一种基于二维点云数据的室内构件识别方法,其特征在于:所述S300还包括以下步骤:
7.根据权利要求6所述的一种基于二维点云数据的室内构件识别方法,其特征在于:所述S200还包括以下步骤:
8.根据权利要求7所述的一种基于二维点云数据的室内构件识别方法,其特征在于:所述S400包括以下步骤:
9.根据权利要求8所述的一种基于二维点云数据的室内构件识别方法,其特征在于:所述S500包括
...【技术特征摘要】
1.一种基于二维点云数据的室内构件识别方法,其特征在于:包括以下步骤:
2.根据权利要求1所述的一种基于二维点云数据的室内构件识别方法,其特征在于:所述s100包括以下步骤:
3.根据权利要求2所述的一种基于二维点云数据的室内构件识别方法,其特征在于:所述s200包括以下步骤:
4.根据权利要求3所述的一种基于二维点云数据的室内构件识别方法,其特征在于:所述s300包括以下步骤:
5.根据权利要求4所述的一种基于二维点云数据的室内构件识别方法,其特征...
【专利技术属性】
技术研发人员:李昱江,李洋,帅海乐,赖振彬,向云燕,杨垣,谢辉,
申请(专利权)人:贵州中建建筑科研设计院有限公司,
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。