基于椭圆柱面模型的隧道点云滤波方法
本文选题:椭圆柱面模型 + 点云滤波 ; 参考:《武汉大学学报(信息科学版)》2016年11期
【摘要】:由于地铁盾构环片附着了大量的螺栓和螺丝以及隧道内壁上安装的大量金属支架、电器设备等附属物,使得获取的激光点云数据包含了大量的非隧道内壁点(以下简称非点),从而影响到隧道点云在形变监测、三维建模等方面的应用。本文提出基于区域分割的椭圆柱面模型方法来滤除非点,将地铁隧道横截面视为椭圆(根据盾构施工特点),利用获取的隧道原始点云数据提取出隧道中轴线,并沿隧道中轴线正交方向将点云分割为等间隔区域,然后利用各区域的点云分别迭代拟合为椭圆柱面,从而实现对隧道内壁非点的自动滤除。实验结果表明,该方法能够有效滤除隧道内的非点,为三维激光扫描技术用于地铁隧道形变监测提供高质量的点云数据。
[Abstract]:Due to the large number of bolts and screws attached to the shield ring of the subway, as well as a large number of metal supports, electrical equipment and other accessories installed on the inner wall of the tunnel, The obtained laser point cloud data contains a large number of non-tunnel inner wall points (hereinafter referred to as non-point points), thus affecting the application of tunnel point cloud in deformation monitoring, three-dimensional modeling and so on. In this paper, an elliptical cylindrical model method based on region segmentation is proposed to filter the points. The cross section of the subway tunnel is regarded as an ellipse (according to the characteristics of shield tunneling), and the tunnel axis is extracted from the original point cloud data of the tunnel. The point clouds are divided into equidistant regions along the orthogonal direction of the central axis of the tunnel. Then the point clouds of each region are iteratively fitted to elliptical cylinders respectively so as to realize the automatic filtering of non-points in the inner wall of the tunnel. The experimental results show that this method can effectively filter the non-point in the tunnel and provide high quality point cloud data for the 3D laser scanning technology in the subway tunnel deformation monitoring.
【作者单位】: 河南理工大学矿山空间信息技术国家测绘地理信息局重点实验室;武汉大学遥感信息工程学院;河南省地质矿产勘查开发局;
【基金】:2016年国家重点研发计划(2016YFC0803103) 河南省高校科技创新团队支持计划(14IRTSTHN026) 地理矿情监测与智慧矿山河南省创新型科技团队支持计划 河南理工大学博士基金(B2013-018)~~
【分类号】:U456.3;U231.3
【相似文献】
相关期刊论文 前10条
1 梁新合;梁晋;郭成;曹巨明;;法向约束的多幅点云数据融合算法[J];西安交通大学学报;2009年05期
2 孟凡文;吴禄慎;;用继承与优化算法精密拼接无序点云[J];光学精密工程;2009年04期
3 范然;金小刚;;大规模点云选择及精简[J];图学学报;2013年03期
4 李伟;李旭东;赵慧洁;张颖;;基于姿态标准化的线特征点云提取方法[J];北京航空航天大学学报;2013年08期
5 邱望标;吕圣楠;;带有矩形参照物的可程序化点云精确拼接算法[J];组合机床与自动化加工技术;2010年09期
6 史宝全;梁晋;张晓强;舒挽;;特征保持的点云精简技术研究[J];西安交通大学学报;2010年11期
7 陈国安;刘飞;李丽;;采用模糊规则的人体点云特征尺寸识别与提取[J];计算机辅助设计与图形学学报;2011年08期
8 张旭;张学昌;唐觉明;;点云对称边特征的最优化提取技术[J];中国机械工程;2013年05期
9 曹照均;李尚平;李冰;;多基准点下多视点云拼接对齐方法的研究[J];机械设计与制造;2014年04期
10 李启东;李文龙;周莉萍;;一种曲面特征保持的航空叶片点云精简方法[J];中国机械工程;2014年16期
相关会议论文 前10条
1 李文涛;韦群;杨海龙;;基于图像的点云生成和预处理[A];2011年全国通信安全学术会议论文集[C];2011年
2 蔡来良;李儒;;点云数据处理算法与实现初步研究[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年
3 马国庆;陶萍萍;杨周旺;;点云空间曲线的微分信息计算及匹配方法[A];第四届全国几何设计与计算学术会议论文集[C];2009年
4 江倩殷;刘忠途;李熙莹;;一种有效的点云精简算法[A];第十五届全国图象图形学学术会议论文集[C];2010年
5 解辉;张爱武;孟宪刚;;机载激光点云快速绘制方法[A];第二十五届全国空间探测学术研讨会摘要集[C];2012年
6 李凯;张爱武;;基于激光点云的粮仓储粮数量测量方法[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年
7 朱晓强;余烨;刘晓平;袁晓辉;Bill P.Buckles;;基于航拍图像和LiDAR点云的城市道路提取[A];全国第19届计算机技术与应用(CACIS)学术会议论文集(上册)[C];2008年
8 刘虎;;基于线性八叉树的点云简化与特征提取研究[A];促进科技经济结合,,服务创新驱动发展——蚌埠市科协2012年度学术年会论文集[C];2012年
9 李滨;王佳;;基于点云的建筑测绘信息提取[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年
10 杨雪春;;反求工程建模中点云切片技术研究[A];全国先进制造技术高层论坛暨第八届制造业自动化与信息化技术研讨会论文集[C];2009年
相关重要报纸文章 前2条
1 曹裕华 高化猛 江鸿宾;激光点云 亦真亦幻[N];解放军报;2013年
2 中国工程院院士 刘先林;四维远见的装备创新[N];中国测绘报;2012年
相关博士学位论文 前10条
1 彭检贵;融合点云与高分辨率影像的城区道路提取与表面重建研究[D];武汉大学;2012年
2 刘涌;基于连续序列自动快速拼接的全方位三维测量技术研究[D];西南交通大学;2013年
3 袁小翠;产品表面缺陷视觉检测数据处理关键技术研究[D];南昌大学;2015年
4 韩峰;基于点云信息的既有铁路状态检测与评估技术研究[D];西南交通大学;2015年
5 金龙存;3D点云复杂曲面重构关键算法研究[D];上海大学;2012年
6 李扬彦;基于点云的三维重建与形变事件分析[D];中国科学院深圳先进技术研究院;2013年
7 杨德贺;面向虚拟测方系统的点云聚类与拟合理论[D];中国矿业大学(北京);2014年
8 何朝明;离散点云处理的关键技术研究[D];西南交通大学;2007年
9 孟凡文;面向光栅投影的点云预处理与曲面重构技术研究[D];南昌大学;2010年
10 李宝;三维点云的鲁棒处理技术研究[D];国防科学技术大学;2011年
相关硕士学位论文 前10条
1 龚硕然;基于Delaunay三角剖分的点云三维网格重构[D];河北大学;2015年
2 杨红粉;频域技术应用于点云配准研究[D];北京建筑大学;2015年
3 段红娟;点云图像交互式曲线骨架提取技术及其应用[D];西南交通大学;2015年
4 张永恒;散乱点云数据配准方法研究[D];长安大学;2015年
5 吴爱;面向特征拟合的点云简化方法研究[D];中国地质大学(北京);2015年
6 薛广顺;基于立体视觉的牛体点云获取方法研究与实现[D];西北农林科技大学;2015年
7 胡诚;精度约束下地表LiDAR点云抽稀方法研究[D];西南交通大学;2015年
8 余明;三维离散点云数据处理技术研究[D];南京理工大学;2015年
9 陈星宇;基于三维彩色点云的地形分类方法研究[D];南京理工大学;2015年
10 朱东方;基于复杂拓扑结构点云的曲线拟合研究与应用[D];山东大学;2015年
本文编号:2079192
本文链接:https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/2079192.html