高分辨率三维激光扫描数据的微小变形统计分析

陈金磊; 康志忠

doi:10.13203/j.whugis20130358

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

高分辨率三维激光扫描数据的微小变形统计分析

陈金磊, 康志忠

文章导航 > 武汉大学学报 ( 信息科学版) > 2015 > 40(6): 744-750

陈金磊, 康志忠. 高分辨率三维激光扫描数据的微小变形统计分析[J]. 武汉大学学报 ( 信息科学版), 2015, 40(6): 744-750. doi: 10.13203/j.whugis20130358

引用本文:

陈金磊, 康志忠. 高分辨率三维激光扫描数据的微小变形统计分析[J]. 武汉大学学报 ( 信息科学版), 2015, 40(6): 744-750. doi: 10.13203/j.whugis20130358

CHEN Jinlei, KANG Zhizhong. A Statistical and Analytical Method for Detecting Tiny Deformations in High Resolution 3D Laser Scanning Data[J]. Geomatics and Information Science of Wuhan University, 2015, 40(6): 744-750. doi: 10.13203/j.whugis20130358

Citation:

CHEN Jinlei, KANG Zhizhong. A Statistical and Analytical Method for Detecting Tiny Deformations in High Resolution 3D Laser Scanning Data[J]. Geomatics and Information Science of Wuhan University, 2015, 40(6): 744-750. doi: 10.13203/j.whugis20130358

高分辨率三维激光扫描数据的微小变形统计分析

doi: 10.13203/j.whugis20130358

陈金磊¹,
康志忠¹

¹中国地质大学土地科学技术学院,北京,100083

基金项目: 中央高校基本科研业务费专项资金资助优秀教师研究项目

详细信息

作者简介:
陈金磊,硕士生,研究方向是LiDAR技术的应用。

中图分类号: P237.3

A Statistical and Analytical Method for Detecting Tiny Deformations in High Resolution 3D Laser Scanning Data

CHEN Jinlei¹,
KANG Zhizhong¹

¹School of Land Science and Technology,China University of Geosciences,Beijing 100083,China

Funds: The Excellent Teachers of the Central Universities Research Project Funded.

摘要: 地基三维激光扫描数据具有高精度、高空间分辨率的特点,能够改变传统的单点变形观测模式,使传统的点测量向“形测量”转化,因而大量的变形监测数据使得通过数学统计的方法探测变形量小于测量精度的微小变形成为可能。利用高分辨率三维激光扫描数据的微小变形统计分析方法,提出了基于反射值影像和BaySAC的拼接方法提高拼接精度;通过拟合方式提高整体分析精度,而影响拟合精度的主要因素为粗差,因此采用RanSAC算法剔除粗差,提高拟合的精度;然后利用格网化方法消弱偶然误差、修正拼接误差,最终得到变形量。采用建筑墙面及地铁隧道的点云数据进行了微小变形检测的实验,证明了该方法的有效性。
- 三维激光扫描 /
- 变形统计 /
- BaySAC /
- RanSAC /
- 拼接误差
Abstract: Terrestrial 3Dlaser scan data has high accuracy,high spatial resolution and can change thetraditional single-point observation mode.The traditional point measurement can be transformed intoshape measurement.Making it possible to detect tiny deformations in deformation monitoring datawhen the deformation is smaller than the measurement accuracy with mathematical and statisticalmethods.In this paper,we propose a statistical and analytical means to detect tiny deformations withhigh resolution 3Dlaser scanning data.We propose point cloud registration based on reflectance imageand BaySAC,and accurately registering it with ICP.Fitting can improve the overall analytical accura-cy,but the gross error is the main factor impacting fitting precision.We remove it with RANSAC al-gorithm.By eliminating random errors,revising registration errors,we ultimately arrive at the pre-cise deformation.The results from an experiment with building and subway tunnel data show that themethod is effective.
- 3Dlaser scanning /
- statistical deformation /
- BaySAC /
- RANSAC /
- registration errors

[1]	梅文胜, 吕世望, 于安斌, 张鹏, 王涛. 一种地铁轨道相对变形检测与定位方法 . 武汉大学学报 ( 信息科学版), 2022, 47(1): 104-110. doi: 10.13203/j.whugis20190445
[2]	张瑞菊, 周欣, 赵江洪, 曹闵. 一种古建筑点云数据的语义分割算法 . 武汉大学学报 ( 信息科学版), 2020, 45(5): 753-759. doi: 10.13203/j.whugis20180428
[3]	王鹏, 刘如飞, 马新江, 卢秀山, 田茂义. 一种车载激光点云中杆目标自动提取方法 . 武汉大学学报 ( 信息科学版), 2020, 45(7): 1035-1042. doi: 10.13203/j.whugis20170421
[4]	袁修孝, 袁巍, 陈时雨. 基于图论的遥感影像误匹配点自动探测方法 . 武汉大学学报 ( 信息科学版), 2018, 43(12): 1854-1860. doi: 10.13203/j.whugis20180154
[5]	陈西江, 张小平, 章涛, 吴浩, 安庆. 利用误差熵确定激光点云变形可监测指标 . 武汉大学学报 ( 信息科学版), 2018, 43(11): 1681-1687. doi: 10.13203/j.whugis20170045
[6]	梁栋, 王红平, 刘修国, 沈永林. 基于平面基元组的建筑物场景点云自动配准方法 . 武汉大学学报 ( 信息科学版), 2016, 41(12): 1613-1618. doi: 10.13203/j.whugis20140682
[7]	刘绍堂, 刘文锴, 周跃寅. 一种隧道整体变形监测方法及其应用 . 武汉大学学报 ( 信息科学版), 2014, 39(8): 981-986. doi: 10.13203/j.whugis20120122
[8]	高广, 马洪超, 张良. 利用合成算法从LiDAR数据提取屋顶面 . 武汉大学学报 ( 信息科学版), 2014, 39(10): 1225-1230.
[9]	王密, 常学立, 朱映, 应荷香, 成世文. 光学影像自动几何精校正中控制点粗差检测方法比较 . 武汉大学学报 ( 信息科学版), 2014, 39(12): 1395-1400.
[10]	托雷, 康志忠, 谢远成, 王保前. 利用三维点云数据的地铁隧道断面连续截取方法研究 . 武汉大学学报 ( 信息科学版), 2013, 38(2): 171-175,185.
[11]	闫利, 谢洪, 胡晓斌, 鲍秀武. 一种新的点云平面混合分割方法 . 武汉大学学报 ( 信息科学版), 2013, 38(5): 517-521.
[12]	杨荣华, 花向红, 邱卫宁, 耿涛. 地面三维激光扫描点云角度分辨率研究 . 武汉大学学报 ( 信息科学版), 2012, 37(7): 851-853.
[13]	刘亚文, 宋守东. 基于多源数据的拼接型房屋三维重建方法研究 . 武汉大学学报 ( 信息科学版), 2011, 36(7): 780-784.
[14]	郑顺义, 邓德彦. 基于三角网无缝拼接的三维重建 . 武汉大学学报 ( 信息科学版), 2009, 34(1): 15-18.
[15]	程亮, 龚健雅, 韩鹏, 宋小刚. 遥感影像仿射不变特征匹配的自动优化 . 武汉大学学报 ( 信息科学版), 2009, 34(4): 418-422.
[16]	袁修孝, 宋妍. 基于边缘特征匹配的遥感影像变化检测预处理方法 . 武汉大学学报 ( 信息科学版), 2007, 32(5): 381-384.
[17]	张剑清, 翟瑞芳, 郑顺义. 激光扫描多三维视图的全自动无缝镶嵌 . 武汉大学学报 ( 信息科学版), 2007, 32(2): 100-103.
[18]	张昆, 张松林, 刘祖强, 杨红. 滑坡变形的三维可视化研究 . 武汉大学学报 ( 信息科学版), 2006, 31(9): 795-798.
[19]	刘春, 吴杭彬. 基于真三维TIN的三维激光扫描数据压缩方法 . 武汉大学学报 ( 信息科学版), 2006, 31(10): 908-911.
[20]	叶泽田, 何建邦. 航空扫描图像视角辐射误差的统计改正方法 . 武汉大学学报 ( 信息科学版), 2001, 26(1): 12-17.

点击查看大图

计量

文章访问数: 1036
HTML全文浏览量: 47
PDF下载量: 722
被引次数: 0

高分辨率三维激光扫描数据的微小变形统计分析

doi: 10.13203/j.whugis20130358

陈金磊¹,
康志忠¹

¹中国地质大学土地科学技术学院,北京,100083

基金项目: 中央高校基本科研业务费专项资金资助优秀教师研究项目

作者简介:
陈金磊,硕士生,研究方向是LiDAR技术的应用。

收稿日期: 2013-07-27
修回日期: 2015-06-05
刊出日期: 2015-06-05

中图分类号: P237.3

关键词:

三维激光扫描 /

变形统计 /

BaySAC /

RanSAC /

拼接误差

摘要: 地基三维激光扫描数据具有高精度、高空间分辨率的特点,能够改变传统的单点变形观测模式,使传统的点测量向“形测量”转化,因而大量的变形监测数据使得通过数学统计的方法探测变形量小于测量精度的微小变形成为可能。利用高分辨率三维激光扫描数据的微小变形统计分析方法,提出了基于反射值影像和BaySAC的拼接方法提高拼接精度;通过拟合方式提高整体分析精度,而影响拟合精度的主要因素为粗差,因此采用RanSAC算法剔除粗差,提高拟合的精度;然后利用格网化方法消弱偶然误差、修正拼接误差,最终得到变形量。采用建筑墙面及地铁隧道的点云数据进行了微小变形检测的实验,证明了该方法的有效性。