面向隧道工程测量的点云降采样方法

隧道工程中采集的三维激光点云数据包含大量冗余数据,点云降采样是解决该问题的关键环节。合适的降采样方法对于点云技术在隧道工程中应用推广具有重要的作用,然而目前主流降采样方法,包括随机法降采样、最远点降采样和体素化降采样在隧道点云降采样效果不明。针对隧道点云降采样过程中存在的问题,通过理论分析及仿真实验,以降采样结果、算法耗时以及点云特征为判断标准,明确了各采样方法优缺点,给出隧道工程的点云降采样建议,对于点云在隧道监测中的应用具有重要的实际价值。

盾构隧道点云典型要素分割

针对盾构隧道点云及其几何特征构建八叉树索引,使用体素化网格降采样进行点云降采样,利用统计特征滤波器达到精简点云,继而实现典型要素自动分割。结合点云精简算法,提高了随机抽样一致性(RANSAC)算法效率,通过拟合模型的几何特征,设置合理阈值,自动分割隧道典型要素。实验结果表明,该方法可以精确地分割出相邻距离阈值较小的盾构隧道典型要素,拟合的隧道半径与设计半径误差仅为3 mm;相比传统RANSAC算法,该算法运行速度提高了17倍,实现了相邻距离阈值达1.0 cm精度的目标分割。

复合材料曲面构件缺陷超声三维成像方法

针对目前复合材料曲面结构缺陷检测技术存在的检测结果不直观、效率低等问题,提出一种基于超声相控阵的缺陷三维成像方法。使用三维激光扫描仪获取曲面的点云模型,通过平行截面法规划检测路径,然后使用相控阵轮式探头采集超声图像数据。利用均匀三次B样条函数拟合检测路径与曲面,根据扫查步长和图像序列关系计算超声图像数据点的空间位置以生成超声点云集。最后利用体素化降采样方法对超声检测结果进行重建,实现复合材料内部缺陷的三维成像。实验结果表明,本文方法的缺陷成像结果与CT检测结果的平均误差为1.14 mm,能够快速准确地重建缺陷的位置、形状与尺寸信息,实现复合材料曲面样件内部缺陷的精确表征。