【技术实现步骤摘要】
本专利技术涉及建筑工程监测，尤其涉及一种基于全站仪的区域变形监测方法及系统。
技术介绍
1、全站仪作为一种高精度的测量仪器，长期以来被广泛应用于地形测绘、工程测量和监测等领域。随着技术的进步，全站仪的功能不断增强，点云数据采集能力不断提高，为其应用于区域变形监测提供了可能。早期的基于全站仪的变形监测主要依赖于人工观测和测量。工作人员在不同时期多次测量目标点的三维坐标，然后通过对比分析坐标变化来判断变形情况。这种方法存在效率低、精度受限、难以进行精细化监测等问题。近年来，随着点云处理技术的发展，出现了一些基于全站仪点云数据的变形监测方法。这些方法利用全站仪采集目标区域的点云数据，并通过点云配准、对比分析等手段来识别和量化变形。然而，这些方法仍然存在以下弊端：
2、1.精度受限，难以进行精细化监测：现有方法通常只采集目标点或特征点的三维坐标，点云密度较低，难以反映目标区域的细节变化，尤其是在变形量较小的情况下，难以准确识别和量化变形，缺乏对变形区域整体形态变化的分析，难以全面反映变形情况。
3、2.难以识别变形类型：现有方法通常只关注点的三维坐标变化，缺乏对点云语义信息的利用，只能识别出目标区域是否存在变形，难以区分不同的变形类型，例如沉降、水平位移、倾斜等。
技术实现思路
1、基于此，有必要提供一种基于全站仪的区域变形监测方法及系统，以解决至少一个上述技术问题。
2、为实现上述目的，一种基于全站仪的区域变形监测方法，包括以下步骤：
3、
4、步骤s2：对原始观测数据集进行匹配特征点分析，得到匹配特征点数据；根据匹配特征点数据以及原始观测数据集进行点云数据集配准处理，得到配准点云数据集；
5、步骤s3：对配准点云数据集进行点云分块处理，得到分块点云数据；对分块点云数据进行特征计算，得到点云特征数据；根据点云特征数据进行语义分割模型训练，得到语义分割模型；利用语义分割模型进行点云语义分割，得到语义特征数据集；
6、步骤s4：根据语义特征数据集进行变形区域识别，得到变形区域细化数据；对变形区域细化数据进行变形区域检测分析，得到变形监测融合结果数据；
7、步骤s5：根据配准点云数据集进行目标模型参数生成并进行模型初始化，得到目标模型参数以及初始模型；利用目标模型参数以及点云特征数据对变形监测融合结果数据进行变形区域模型重建，得到重建模型片段数据；根据重建模型片段数据以及初始模型进行目标区域三维模型构建，得到目标区域三维模型。
8、本专利技术通过布设控制点，建立了目标区域的坐标系，并利用控制点数据采集了多源数据，例如点云数据、影像数据、反射强度数据等。这为后续的数据处理和分析奠定了基础，确保了数据的一致性和准确性。通过匹配特征点，将不同数据源的点云数据进行配准，使得不同数据源的数据能够在同一个坐标系下进行统一处理。这为后续的点云分析、语义分割和模型重建提供了必要条件。通过对点云数据进行分块处理，降低了数据处理的复杂度，提高了处理效率。同时，通过特征计算和语义分割，可以识别出点云数据中的不同物体和场景，并提取出语义信息，为后续的变形监测和模型重建提供了重要的信息。通过对语义特征数据的分析，可以自动识别出目标区域的变形区域，并进一步细化和分析变形区域的具体情况，例如变形类型、变形程度等，为后续的模型重建提供了重要的信息。通过利用配准点云数据、点云特征数据和变形监测结果数据，对目标区域进行模型重建，可以生成一个精细化且变形类型信息丰富的目标区域三维模型，为后续的分析、可视化和决策提供重要的参考信息。因此，本专利技术提供了一种基于全站仪的区域变形监测方法。通过全站仪多源数据采集获取高密度、高精度的三维信息，结合语义分割、变形区域提取、三维重建技术，实现了变形区域的精细化监测和整体形态变化分析，很好地解决了现有方法在精度和精细化监测能力方面的不足。同时，通过语义特征分析和时序数据挖掘，实现了变形类型的自动识别和区分，克服了现有方法难以识别变形类型的局限性。
9、优选地，步骤s1包括以下步骤：
10、步骤s11：对目标区域进行全站仪控制点布设，得到全站仪控制网数据；根据全站仪控制网数据进行全站仪测量参数设置，得到全站仪设置参数，其中全站仪设置参数包括测站位置参数、角度测量模式参数、扫描模式参数以及全站仪相机参数；
11、步骤s12：根据测站位置参数以及角度测量模式参数对目标区域进行多角度观，测数据采集，得到多角度观测数据；
12、步骤s13：根据扫描模式参数对目标区域进行高密度点云扫描，得到高密度点云数据；
13、步骤s14：利用全站仪相机参数对目标区域进行不同角度的影像数据采集，得到影像数据集；
14、步骤s15：对高密度点云数据以及影像数据集进行反射强度信息记录，得到反射强度数据；
15、步骤s16：对多角度观测数据、高密度点云数据、影像数据集以及反射强度数据进行数据同步与标记，得到同步标记数据；对同步标记数据进行观测数据整合，得到原始观测数据集。
16、本专利技术通过对目标区域进行全站仪控制点布设和测量参数设置，为后续的多源数据采集奠定了基础。全站仪控制网数据确保了测量的精度和可靠性，而全面的测量参数设置则为不同类型的数据采集提供了必要的技术支持，有助于提高整体测量的效率和质量。利用测站位置参数和角度测量模式参数进行多角度观测，可以获取目标区域的全面几何信息。这种多角度观测方法能够有效减少遮挡和阴影效应，提高测量的完整性和准确性，为后续的点云处理和三维重建提供了高质量的基础数据。通过高密度点云扫描，获取了目标区域的详细三维空间信息。这种高密度扫描方式能够捕捉到目标表面的细微特征，为后续的特征提取、语义分割和变形监测等任务提供了丰富的几何信息，有利于提高这些分析的精度和可靠性。利用全站仪相机采集不同角度的影像数据，补充了目标区域的纹理和色彩信息。这些影像数据不仅可以辅助点云的语义分割和特征提取，还为最终的三维模型提供了逼真的视觉效果，大大提升了三维重建结果的质量和应用价值。记录高密度点云和影像数据的反射强度信息，增加了数据的维度和信息量。反射强度数据可以反映目标表面的材质特性，有助于提高点云分类和语义分割的准确性，同时也为变形监测提供了额外的判断依据。通过数据同步、标记和整合，将多源异构数据统一到一个协调一致的数据集中。这种数据整合方法不仅确保了不同类型数据之间的时空一致性，还为后续的数据处理和分析提供了便利，有效提高了整个测量系统的数据管理和处理效率。
17、优选地，步骤s2包括以下步骤：
18、步骤s21：对原始观测数据集中的点云数据进行原始观测数据去噪，得到去噪点云数据；对去噪点云数据进行数据冗余消除，得到简化点云数据；
19、步骤s22：利用全站仪控制网数据对简化点云数据进行坐标系本文档来自技高网...
【技术保护点】
1.一种基于全站仪的区域变形监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于全站仪的区域变形监测方法，其特征在于，步骤S1包括以下步骤：
3.根据权利要求1所述的基于全站仪的区域变形监测方法，其特征在于，步骤S2包括以下步骤：
4.根据权利要求3所述的基于全站仪的区域变形监测方法，其特征在于，步骤S24包括以下步骤：
5.根据权利要求1所述的基于全站仪的区域变形监测方法，其特征在于，步骤S3包括以下步骤：
6.根据权利要求5所述的基于全站仪的区域变形监测方法，其特征在于，步骤S32包括以下步骤：
7.根据权利要求1所述的基于全站仪的区域变形监测方法，其特征在于，步骤S4包括以下步骤：
8.根据权利要求1所述的基于全站仪的区域变形监测方法，其特征在于，步骤S5包括以下步骤：
9.根据权利要求8所述的基于全站仪的区域变形监测方法，其特征在于，步骤S53包括以下步骤：
10.一种基于全站仪的区域变形监测系统，其特征在于，用于执行如权利要求1所述的基于全站仪的区域
...【技术特征摘要】
1.一种基于全站仪的区域变形监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于全站仪的区域变形监测方法，其特征在于，步骤s1包括以下步骤：
3.根据权利要求1所述的基于全站仪的区域变形监测方法，其特征在于，步骤s2包括以下步骤：
4.根据权利要求3所述的基于全站仪的区域变形监测方法，其特征在于，步骤s24包括以下步骤：
5.根据权利要求1所述的基于全站仪的区域变形监测方法，其特征在于，步骤s3包括以下步骤：
6.根据权利要求5所述的基于全站仪...
【专利技术属性】
技术研发人员：张拯，王轲轩，舒耀恒，杨建平，王新雷，陈鹏威，李京强，刘滔，杨浩，王杰，贾磊，
申请(专利权)人：成都天佑唐院工程检测咨询有限公司，
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。