基于点云数据的大型复杂钢结构智能化施工方法

大型复杂钢结构施工过程中,常面临施工尺寸质量难以把控、构件提升变形监测困难和合拢段现场配切效率低等问题。三维激光扫描技术可全覆盖地、快速精准地获取复杂构部件在施工过程中的点云数据,这为解决上述问题提供了新方法。为此,该文以重庆两江新区寨子路钢拱桥为工程背景,开展基于点云数据的大型复杂钢拱桥智能化施工方法的全流程研究。基于标靶球检测算法、快速四点一致集算法、迭代最近邻算法等实现标靶球点云数据的自动检测及多站点云数据之间的自动配准;通过BIM点云化技术、kNN算法等完成目标点云数据的半自动化提取,实现拱肋尺寸的智能化检测;基于八叉树算法、区域增长算法等实现拱肋提升变形的智能检测;为缩短拱肋的合拢工期,基于BIM模型焊缝信息提取技术、主成分分析算法、Canny边界检测算法、霍夫变换算法等提出数字化预拼装算法,得到合拢段的配切量。工程应用表明,该文所提出的智能施工方法效率高、自动化程度好,研究成果可为大型复杂钢结构的施工质量和安装效率的提升提供理论和算法支撑。

可学习动态分组卷积神经网络的大规模点云分割

针对现有大规模点云语义分割算法提取特征时冗余干扰信息过多,导致神经网络分割性能较差的问题,提出可学习动态分组卷积神经网络架构,高效准确地实现大规模点云分割。对输入点云以分组的方式进行局部几何特征提取,并通过动态筛选和修剪冗余特征通道来减少无用特征信息对神经网络特征识别的干扰,进一步提高网络模型语义分割精度。构建位置编码模块,将点云位置特征映射到高维频域空间,使神经网络充分挖掘点云频域特征信息,增强特征的丰富性。对提取到的局部几何特征和全局单点位置特征进行融合,并构建可学习动态分组卷积神经网络,完成解码得到最终分割结果。实验结果表明,该算法在大规模点云分割数据集S3DIS和SemanticKITTI上的mIoU分别为69.6%和58.3%。与现有点云语义分割方法相比,所提出的网络模型具有更高的分割准确率和较低的参数量。

基于三维点云建模的单木胸径非接触式测量

为提升单木胸径三维点云非接触式测量的便利性和精度,提出一种基于三维点云建模的单木特征参数提取与检测方法.首先,采用IMAGER 5010陆地式三维激光扫描仪获取单木多方向点云数据,并采用最近点搜索法实现多方向点云配准;其次,结合统计滤波和几何滤波滤除大尺度点云噪声,采用改进的双边滤波算法消除小尺度点云噪声,再通过包络网格法进行点云数据精简;然后,通过蚁群算法对单木胸高处的散乱点云进行优化排序;最后,对胸高处的排序点云进行三次B样条轮廓线拟合及单木胸径计算.实验结果表明,本方法可有效实现多方向点云配准和滤除不同尺度点云噪声,蚁群算法可以较好地逼近全局最优解、收敛效率高,采用蚁群算法对胸高处散乱点云优化排序后,单木胸径的测量精度和稳定性都得到较好的提升,测量相对误差均在技术规定的1.5%以内,可实现单木胸径的远距离非接触式快速精确测量.

一种针对大规模场景的点云匹配算法

针对大规模点云匹配时传统算法速度慢和匹配结果不一致的问题,提出一种新的点云匹配方法。该方法首先利用KD树找到点云中深度最小的点并以该点作为种子点,然后通过在深度信息和曲率两个方面做以改进的区域生长分割算法提取出点云上表面区域,并在该区域提取点云边界。最后使用改进的点对特征完成点云匹配算法验证。实验结果表明,相比传统算法,该方法在匹配速度以及匹配结果的一致性方面得到了显著的提升,在处理大规模点云匹配上具有实际应用价值。

机载激光结合测深仪应用于潮间带地形测量

本文以山东某一潮间带测量项目为例,对海洋潮间带地形测量方式进行了研究,在高潮时利用测深仪采集水深数据,低潮时采用无人机搭载机载激光雷达采集高程数据,通过载波相位差分技术和水深数据对机载激光扫测数据进行计算,由计算结果可知,机载激光扫测的数据可以达到大比例尺测量精度要求。激光雷达技术可以应用于大面积、高精度的潮间带地形测量。

无人机机载LiDAR在光伏发电项目大比例尺地形图测量中的应用

当前,光伏电站多建设在海拔高且高差大、植被多的地区,常规实时动态载波相位差分技术(RTK)测量方法效率较低,无人机倾斜摄影测量方法无法准确获取多植被区域的地面高程。基于此,提出一种在光伏发电项目大比例尺地形图测量中应用的无人机机载激光雷达(LiDAR)测量方法。首先从外业采集、内业数据处理两个方面介绍无人机机载LiDAR测量方法的技术流程,然后根据光伏发电项目应用实例数据对该测量方法的应用效果进行具体分析。研究结果表明:无人机机载LiDAR测量方法的植被穿透力强,可以快速获取植被下方高精度的地面点3D坐标,操作简单,且不需要布设大量像控点,外业采集的效率高;该测量方法的点云高程精度优于平面位置精度,可生产高精度数字高程模型(DEM)成果,直接提取等高线用于地形图成果绘制,内业数据处理的速度快。无人机机载LiDAR测量方法可以更好地满足在高山多植被地区的光伏发电项目建设的时间节点要求和精度要求,可以很好地应用于山区大高差的光伏发电项目大比例尺地形图测量作业。

机载点云数据精细化处理与大比例尺地形图测绘应用研究

为探究精细化机载点云数据在大比例尺地形图测绘中的应用效益,提高基于机载点云数据绘制数字地形图的精度,选取了建模难度较大的带状地形作为测区,并获取了点云模型。使用Li DAR 360软件对点云数据进行精细化预处理,提高了点云模型的地面拟合度。结合点云模型与三维实景模型绘制1∶500的大比例尺地形图,并根据GPS-RTK获取的100个校核点对地形图精度进行了分析。研究结果表明:采用模型质量和测绘专项需求精细化处理方法可提高点云模型的地面拟合度,且绘制的地形图满足1∶500大比例尺地形图的绘制要求。

一种三维人体模型快速测量方法

三维人体的逆向建模在服装领域具有重要应用价值,然而测量人体模型时难以保证长时间的固定姿态,且人体表面不能喷涂纹理特征,急需实现非接触的人体模型高精度快速测量。该文提出一种数字散斑投射的高精度快速扫描方法,通过十参数畸变模型,实现相机的高精度标定;利用双目立体视觉原理,构建三维人体快速扫描的传感测量装置;通过大视场标定与坐标统一技术,结合彩色摄像机和散斑投影仪实现包含面部的人体全方位多视角图像;利用立体视觉重建技术重建得到完整的三维人体点云模型,并进行点云后处理。通过实验验证该文方法标定15次得到的重投影误差,测量结果均优于0.05 pixels,说明所提出的三维人体快速测量方法测量精度高。3组人体扫描实验结果充分表明:该文提出的方法可以在0.1 s内完成人体扫描,并且校准误差均小于0.1 pixels,可以实现对人体的快速、高精度扫描。

融合注意力门控机制的大场景点云语义分割

室外大场景激光点云语义分割已成为3D场景理解、环境感知的关键性技术,在自动驾驶、智能机器人和增强现实(AR)等领域应用广泛。然而大场景的激光点云具有多目标、几何结构复杂,不同地物尺度变化大等特点,使得在稀疏的小目标点云(例如行人、摩托车等)上的分割性能较低。针对上述问题,本文提出一种融合注意力门控机制的室外点云语义分割算法,设计由注意力机制和多尺度上下文特征融合组成的注意力门控单元,提高对激光点云细粒度特征的表达,降低随机降采样过程中点云几何结构特征丢失程度,从而增强了网络对弱小目标的特征获取能力;同时设计基于共享MLP的平均池化单元,进一步简化自注意力局部特征聚合模块,有效地加速网络收敛,能高效地实现大场景点云的语义分割。本文方法在自动驾驶场景室外激光点云数据集SemanticKITTI上的实验表明,与文献RandLA-Net相比,收敛速度提升48.3%,平均交并比(mIoU)由53.9%提升至54.5%,提高0.6%,尤其是在小目标上交并比(IoU)均有明显提高,person类和motorcycle类的交并比分别提高0.8%和5.4%。

融合多组双目视觉系统的管道尺寸测量技术研究

针对工业管道尺寸偏差的在线测量问题,本文提出一种融合多组双目视觉系统的管径测量方法。该方法通过使用多组双目摄像机对管道测量截面上投影的多个激光标记进行图像采集、三维重建和坐标融合,通过椭圆拟合得到外管径、椭圆度等尺寸参数。该方法通过仿射距离变换算法实现特征点的自动匹配,并采用具有法向量约束的优化点云配准算法保证坐标融合的准确性性。为了验证该方法的可行性,搭建多组双目视觉实验系统,对3种公称外径分别为285、299和325 mm的管道进行了外尺寸测量实验。实验结果表明,系统测量的相对误差在±0.570%范围内,最大重复性标准差为0.551 mm,最长测量耗时为1.5 s。该方法和系统基本符合工业管道在线检测需求,具有良好的应用前景。

Point cloud simplification algorithm based on particle swarm optimization for online measurement of stored bulk grain

The simplification of 3D laser scanning point cloud is an important step of surface reconstruction and volume estimation of bulk grain in granary.This study presented an adaptive simplification algorithm based on particle swarm optimization(PSO).It introduced PSO into the average distance method,a conventional simplification method.The basic idea of this algorithm was to adaptively determine the optimal point reducing intervals of scanning lines according to original point cloud density by PSO.By using the 3D point cloud scanned from bulk grain surface in granary,the proposed algorithm was validated.Compared with the average distance method,the proposed algorithm obtained more evenly distributed point set,smaller reduction ratio(6.96%)and higher volume estimation accuracy(relative error was less than 3‰).The 3D laser scanner(GSLS003,Jilin University and SkyViTech Co.,Ltd.,Hangzhou,China)used in this study could scan the complete picture of the grain surface in a granary in one time,so the acquired point cloud data do not have to be jointed.For the good simplification performance and capability of updating the reducing interval at any moment,the proposed algorithm and the 3D laser scanner could be used to realize online real-time measurement of stored bulk grain volume in granary.

编码八叉树在多波束测深数据中的应用与分析

多波束测深数据在水下地形地貌研究与应用中具有十分重要的价值。针对多波束测深数据量大,相关处理方法效率低等问题,提出一种基于莫顿编码的八叉树海量点云数据结构。首先,根据点云的包围盒大小及最大深度进行空间划分;然后,对各个节点赋予索引值,并对索引值进行二进制编码,建立基于莫顿编码的八叉树数据结构;最后,以SOR(statistical outlier removal)滤波实验为例,测试提出的数据结构在邻域内快速搜索的效率,结果表明,基于莫顿编码的八叉树数据结构具有更高的搜索效率,对于提高海量测深数据处理效率具有一定参考意义。

水深点云数据快速检索方法研究

为了提高海量多波束水深点云数据处理时的检索效率,降低内存占用,本文设计了四叉树数据处理方案。水深点云数据四叉树检索方式如下:首先,根据四叉树结构,以序列化方式对文件进行存储与索引,实现水深点云数据检索速度的提高,节省了检索时间;其次,为了减少内存占用,以内存映射的方式对海量点云数据进行读取。将本文提出的水深点云四叉树检索与常规的遍历索引进行对比实验,结果表明:在点云检索数据量少于总点云数据量的3/4时,四叉树检索的效率比常规的遍历检索效率提高1倍以上;随着检索点云数据量的减少,四叉树检索效率比常规遍历检索效率更高,最大可达到30倍以上。

基于无人船和机载LiDAR的大范围河网地形测量研究

精准的河道地形数据是河道管理和防洪防汛的重要基础地理信息数据之一。针对广州市南沙区全区河网纵横交错、水浅、河道窄、浅滩多、河堤周围地物多等特点,本文提出了基于GZCORS的无人测量船和机载LiDAR相结合的立体测量方法,实现河道水上、水下测量的无缝衔接,并进行了精度评定。结果表明,本文提出的方法不仅可以满足河道1∶500地形图测量的精度要求,还提高了大范围河网的测量效率和水上水下一体化数字成果的准确性与专业性。

基于移动车载激光扫描系统的大比例尺地形图成果质量检验

为了提高大比例尺地形图质量检查工作效率,降低大比例尺质量检查外业工作量与人力成本,本文提出了将移动车载激光扫描技术应用于大比例尺地形图质量检查中,并设计了一整套基于移动车载激光扫描系统的大比例尺地形图质量检查方案。通过与传统大比例尺地形图质量检查方式进行对比,检验使用移动车载激光扫描技术进行大比例尺地形图质量检查的有效性与适用性。通过试验检验移动车载激光扫描技术在大比例尺地形图质量检查中的应用效果,结果表明,移动车载激光扫描系统采集试验区点云数据精度满足1∶1000大比例尺地形图几何精度要求,将全景影像用于辅助地形图地理精度检验可有效降低外业检验时长。因此,将移动车载激光扫描系统应用于大比例尺地形图质量检验中能够优化检验流程,提高质检效率,为建立高效测绘成果质检模式提供新的思路。

利用回波波形特征实现激光雷达的水陆分离

针对双频测深激光雷达数据的特点,研究了利用激光回波波形特征实现点云数据水陆分离的方法。激光和水体的相互作用通常会导致激光回波波形的展宽,与仅在空气中传播的陆地激光回波有明显区别。首先采用高斯函数对回波数据进行波形模拟,用期望方差最大法求解高斯函数的最优参数,得到波形拟合特征参数,随后以绿波段的波宽之和以及红波段与绿波段振幅比值这两个指标作为水陆分离的特征参数,采用最佳阈值分割法得到阈值参数并实现水陆分离,最后采用遥感影像辅助生成准确的水陆点云类别,评价本文方法的分类精度。实验结果表明,基于回波波形特征和阈值分割的方法能够较为准确地实现双频测深激光雷达数据的水陆分离,数据正确率优于94%。

大型散货堆体积的快速测量

针对现有散货测量系统对堆场环境适应性差、盘点时间长、效率低、操作复杂等不足,提出了一种散货堆体积快速测量方法。同时,利用二维激光扫描仪、差分GPS和姿态测量系统设计了一种体积测量系统。该系统用激光扫描仪动态测量堆体表面的几何信息,用姿态测量系统实时测量扫描仪的空间姿态数据,用GPS测出扫描仪在测量过程中的三维位置;最后通过数据融合计算形成堆体的三维点云,利用点云获得散货堆体积。文中基于单条堆体轮廓点云特征,提出快速堆体下边缘查找算法来去除扫描过程中地面点云的误差影响;采用投影剖分法完成完整堆体点云计算体积。实验显示,利用本文设计的测试系统可在30s内完成体积为69m3的标准堆体测量,平均相对误差为0.42%,重复测量误差为0.41%。在实际散货堆实验中,可在10min内完成大小约为31 500m3的散货堆测量,4个不同料堆体积测量的平均重复测量误差为0.74%。结果表明,本方法可在保证测量精度的同时,简单、高效地测量散货堆体积。

大规模点云数据的二维与三维混合索引方法

为提高点云查询效率和按需提取数据,提出一种二维与三维混合索引的大规模点云数据管理方法。采用二维四叉树和三维最小外包盒结构管理原始点云,以3D-R树管理多站点云,利用对象关系数据库管理全部点云模型和相关属性数据。利用古建筑大规模点云数据在微机上实现了点云模型的数据存储与可视化。结果表明本方法能够管理超过10 GB级的点云模型数据和十亿级有效点,数据可视化效率较高。

基于视点的大规模点云数据实时预测调度策略

针对海量数据难以实时渲染的问题,提出基于视点的大规模点云数据实时预测调度策略——"5-5-5"动态调度策略。对整个三维点云进行"分区-子块化"处理,经过多分辨率压缩后保存到服务器端的数据库中。客户端根据视点的变化和菱形调度规则对子块数据进行内外存动态调度并实时绘制,同时向服务器发送传输新数据的请求。实验证明,该算法能有效解决漫游过程中的"抖动"现象,减少单次向服务器请求传输的数据量,实现漫游显示的连续性和平滑性。

多核CPU的海量点云并行kNN算法

提出基于多核CPU的海量点云k最近邻(kNN)快速搜索算法。该算法先将点云数据按格网方式进行组织存储于外存;在搜索kNN点时,从搜索点所在的块向外扩张搜索;在多核CPU环境下采用多线程模式进行数据的内外存调度和kNN点搜索。当内存达到设定上限时,采用距离搜索点最远策略释放内存,降低内外存数据交换的频率。将该方法应用于基于kNN的滤波和格网化方法中,处理速度显著提高。