[發(fā)明專利]板橋橋梁點(diǎn)云的部件自動(dòng)檢測(cè)方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201810135503.8
• 申請(qǐng)日: 2018-02-09
• 公開（公告）號(hào): CN108388723B
• 公開（公告）日: 2018-11-23
• 發(fā)明（設(shè)計(jì)）人: 呂若丹;郭亮;劉建亞
• 申請(qǐng)（專利權(quán)）人: 呂若丹
• 主分類號(hào): G06F17/50
• 分類號(hào): G06F17/50;G06T17/00
• 代理公司: 濟(jì)南圣達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 37221
• 代理人: 李琳

本發(fā)明公開了一種板橋橋梁點(diǎn)云的部件自動(dòng)檢測(cè)方法及系統(tǒng)，通過獲取板橋橋梁的點(diǎn)云數(shù)據(jù)，將橋梁的橋面中軸線與全局坐標(biāo)系中設(shè)定的基準(zhǔn)坐標(biāo)軸盡量對(duì)齊；對(duì)不同的數(shù)據(jù)集合進(jìn)行切片，利用邊界框?qū)γ總€(gè)切片進(jìn)行界定，根據(jù)每個(gè)邊界框的高度大小，進(jìn)行分類，最終識(shí)別得到橋墩、橋面和/或墩帽部件。本發(fā)明完全繞過了由點(diǎn)生成面的階段，而是直接獲取了自帶語義標(biāo)簽的點(diǎn)云切割點(diǎn)集。

技術(shù)領(lǐng)域

本發(fā)明屬于3D重建的工程應(yīng)用領(lǐng)域，具體涉及一種板橋橋梁點(diǎn)云的部件自動(dòng)檢測(cè)方法及系統(tǒng)。

背景技術(shù)

隨著橋梁3D信息建模技術(shù)BrIM(Bridge Information Modelling)的發(fā)展，全球基礎(chǔ)設(shè)施市場(chǎng)已經(jīng)為橋梁信息模型的廣泛性應(yīng)用做好了準(zhǔn)備。橋梁信息模型為工程師提供了橋梁的數(shù)字化信息表達(dá)，可以在不同的平臺(tái)上共享，并且在橋梁的整個(gè)生命周期內(nèi)都可以使用。

但是，目前的基礎(chǔ)設(shè)施項(xiàng)目中，使用這種建筑模型技術(shù)的非常少。由此看出，盡管目前采用激光掃描技術(shù)可以更快更好的收集點(diǎn)云數(shù)據(jù)，但是，由于現(xiàn)階段還無法將點(diǎn)云數(shù)據(jù)自動(dòng)轉(zhuǎn)化成BrIM模型，BrIM模型的使用率還是較低，而人工建模非常耗時(shí)，目前已知運(yùn)用最先進(jìn)的建模軟件手動(dòng)生成BrIM模型所需時(shí)間是點(diǎn)云數(shù)據(jù)采集所需時(shí)間的十倍左右。

降低高速路橋模型生成的成本和時(shí)間至關(guān)重要。若解決了模型的自動(dòng)化問題，BrIM即可成為高速路橋梁狀況的數(shù)字化文件管理模式。為了確保高速路交通安全，高速路橋梁都會(huì)進(jìn)行定期例行檢查。以兩年周期為限，每年僅美國(guó)和英國(guó)就需要進(jìn)行超過30萬次的橋梁檢查。所以，自動(dòng)化BrIM模型的生成技術(shù)有著巨大的市場(chǎng)需求，它可以大大減少人工從點(diǎn)云到BrIM模型的生成時(shí)間，從而促進(jìn)橋梁資產(chǎn)管理的生產(chǎn)效率。

通常，從點(diǎn)云(Point Cloud Data，簡(jiǎn)稱PCD)到生成BrIM模型分成兩大步：

1.檢測(cè)橋梁點(diǎn)云中的橋梁組件點(diǎn)集，并標(biāo)記語義信息；

2.生成能夠擬合橋梁組件點(diǎn)集的3D幾何圖形，并存儲(chǔ)為國(guó)際化的工業(yè)標(biāo)準(zhǔn)格式(即Industry Foundation Classes，簡(jiǎn)稱IFC)。

可以看出，能夠準(zhǔn)確、全面的檢測(cè)橋梁點(diǎn)云中的橋梁組件點(diǎn)集是生成BrIM模型的基礎(chǔ)，然而該步驟目前主要是通過建模人員使用建模軟件手動(dòng)完成的，雖然現(xiàn)在已經(jīng)有部分軟件(如ClearEdge3D)已經(jīng)可以自動(dòng)檢測(cè)隱含在點(diǎn)云中的建筑或工業(yè)部件(例如墻體，管道)的標(biāo)準(zhǔn)化3D幾何形狀了。但是，值得注意的是，自動(dòng)檢測(cè)是建立在人工切割的基礎(chǔ)上的。即，建模人員需要首先手動(dòng)切割好目標(biāo)點(diǎn)云區(qū)域，再通過軟件自動(dòng)檢測(cè)功能檢測(cè)出此區(qū)域的3D形狀。而這一手動(dòng)切割的過程也很費(fèi)時(shí)，特別是處理目標(biāo)區(qū)域邊界時(shí)，剪裁需特別小心。需要反復(fù)將點(diǎn)云在空間旋轉(zhuǎn)，找好角度，才能將目標(biāo)區(qū)域用2D邊界框選定并切割，處理一座基本的公路橋PCD的橋梁部件檢測(cè)任務(wù)平均需要幾個(gè)小時(shí)才能完成。

目前，有許多研究試圖自動(dòng)化在PCD中檢測(cè)物體這一過程，這些方法通常是通過將PCD先分割成表面圖元再進(jìn)行聚類，或者對(duì)表面圖元所轉(zhuǎn)換成的3D基本圖形通過專家系統(tǒng)的一系列法則進(jìn)行分類。然而，這些算法具有很高的約束要求，具有比較大的局限性。而真實(shí)的橋梁的PCD沒有虛擬數(shù)據(jù)一般完美，橋梁部件的拓?fù)淇臻g關(guān)系和真實(shí)的幾何形狀也往往比理想狀態(tài)復(fù)雜得多，經(jīng)過試驗(yàn)，這些基于表面的分割再聚類和基于規(guī)則的分類方法都只在具有嚴(yán)格約束條件的案例中表現(xiàn)良好，而在真實(shí)點(diǎn)云數(shù)據(jù)上的應(yīng)用，表現(xiàn)都不盡人意。

因此，現(xiàn)在急需一種檢測(cè)方法或系統(tǒng)能夠解決上述現(xiàn)有技術(shù)的缺陷，實(shí)現(xiàn)可靠、快速檢測(cè)。為此，很多研究者都做了嘗試與深入研究，下面例舉幾個(gè)：

Zhang et al.(2015)提出了一種基于sparsity的優(yōu)化方法去探測(cè)真實(shí)橋PCD中的參數(shù)化表面圖元塊。但是這種方法只能處理平面物體，無法處理曲面。但是，Zhang et al.(2015)的實(shí)驗(yàn)中顯示，當(dāng)橋墩區(qū)域的點(diǎn)云很稀疏，點(diǎn)密度過小時(shí)，這種方法無法檢測(cè)到橋墩的表面圖元塊。