共查询到19条相似文献,搜索用时 687 毫秒
1.
以山东第一高楼云鼎大厦建造过程为例,对三维激光扫描技术应用于大型复杂钢结构工程建造中的关键技术进行了研究。通过对大型复杂钢结构部件进行三维激光扫描,并与BIM预制模型比对,事先检测钢构件加工误差,提出了大型复杂钢结构部件误差检测关键技术流程,实现了高精度特征误差统计,为大型复杂钢结构工程智能建造提供了有效先进的检测、监测手段,具有较大的借鉴及实用价值。 相似文献
2.
3.
4.
三维激光扫描技术可以根据所需的采样间隔快速、自动、准确地获取目标对象的点云数据。对于倾斜埋设的柱形墩桩,客户很难利用常规测量方法测得其地面或者水面以下任意深度处中心点坐标,三维激光扫描技术可以根据获取的外面部分的点云数据进行建模分析,得到所需的测量成果。本文以某栈桥扫描点云数据为例,探讨点云数据进行建模分析的方法,以得到最终测量结果,为构筑物下二次施工提供提供数据支持。 相似文献
5.
6.
传统的基于全站仪等单点测量技术难以获取钢结构整体信息,且测量速度慢、模型重建精度低。针对此问题,本文将三维激光扫描技术应用于钢结构模型重建领域,提出了基于LiDAR点云的复杂钢结构模型重建方法。首先,基于标靶球和钢结构面信息实现多测站点云的高精度配准,并通过半径滤波算法去除噪点,以得到完整的激光点云数据;然后,对复杂钢结构单体模型进行分割,以实现各个部件的模型重建;最后,根据现场实测数据对重建的三维模型进行精度评估。试验结果表明,基于该方法得到的模型精度较高,与实际尺寸差值均小于1 cm,为复杂钢结构的三维模型重建提供了有效解决方案。 相似文献
7.
8.
9.
面向工业检测领域提出了一种工业构件螺栓孔的空间位置检测方法,解决了大型工业钢结构特征位置的检测问题。通过三维激光扫描获得构件的完整点云,提取螺栓孔的点云,利用非线性的最小二乘方法拟合螺栓孔的中心,获得螺栓孔中心在点云坐标系中的坐标。同时,根据设计尺寸建立构件的标准模型作为检测的基准,将模型特征转换成一组点表示,拟合对应的螺栓孔中心,获得螺栓孔中心在模型坐标系中的坐标。利用两个坐标系中若干个公共点计算平移矩阵和旋转矩阵,最后将点云坐标系中的坐标转换到模型坐标系中,计算出标准模型与构件对应点之间的误差,从而实现对工业构件螺栓孔的空间位置精度检测。 相似文献
10.
满丹 《测绘与空间地理信息》2017,40(5)
交通标线,作为道路上重要的交通标识,为司机和行人提供重要的引导信息。车载激光扫描系统(车载LiDAR)可以快速获得被测目标的表面三维坐标信息,为提取高精度三维交通标线提供了可靠数据源。本文通过分析道路点云数据的平面距离、点云强度、点云密度等特征,将点云数据归化成地理参考强度图像。针对生成的二维参考图像,充分借鉴图像处理中目标分类与识别的手段,将交通标线信息准确提取出来。实验表明,该方法可行、有效。 相似文献
11.
12.
传统的古建筑测绘方法需要消耗大量的人力物力,工序繁杂、效率低,而且容易造成古建筑的损坏。三维激光扫描技术采用非接触的方式能够精确获取到古建筑的空间几何信息,通过密集的点云数据可快速复建出三维模型和二维专题图。本文以南京鸡鸣寺药师佛塔为例,对三维激光扫描技术在古建筑测绘中的应用情况进行了探讨,经验证,使用该技术可快速获取古建筑的现状信息,对于实现古建筑的三维可视化、建立数字化档案具有重要的意义。 相似文献
13.
14.
地面三维激光扫描是获取对象表面几何信息的主要方法之一,扫描对象的完整性是三维激光扫描数据获取的基本要求。为解决实际扫描过程中,因作业空间受限等原因引起的扫描死角而导致点云缺失的问题,本文根据平面镜反射光线原理提出了针对非直视区域的普通平面镜辅助激光扫描数据的获取方法。分析了普通平面镜对激光光束传播路径与距离的影响机理,推导了激光扫描经普通平面镜反射像点对应的物点坐标解算方程;顾及激光扫描特性,设计了包含球标靶和普通平面镜的镜面反射系统,阐述了系统构建、系统检校与系统坐标系构建方法;并通过试验验证了本方法的可行性和精度。 相似文献
15.
三维激光扫描技术具有不接触、高密度、高精度和数字化等特点,可实现地铁隧道全息、全面、快速三维测量。在土建施工阶段,分别对隧道初支及二衬进行三维扫描,可快速获取初支断面的超欠挖情况及二衬限界情况;将初支与二衬扫描获取的点云进行叠加计算,可分析隧道施工二衬的厚度。在地铁隧道运营阶段,采用移动三维激光扫描技术对隧道进行扫描,可快速获取隧道的全息数据,从点云中可分析、提取隧道渗水、裂缝、管片错台等病害信息。本文采用三维激光扫描技术对青岛地铁部分工点的施工质量及病害检测进行了测试、应用,介绍了其数据采集流程及点云分析处理,为三维激光扫描技术在地铁隧道的推广应用提供了一定的借鉴意义。 相似文献
16.
利用三维激光扫描技术测得的建筑物点云数据能够较清晰地表示建筑物的三维空间信息,提供高精度、高密度的建筑物表面描述。点云本身不直接显示自身所包含的特征信息,在进行局部形变提取时,需要进行点云分割工作。现有的应用于建(构)筑物的分割算法大多依赖于建(构)筑物特征设定突变阈值,当遇到复杂场景时,这些假设往往会导致错误。随着机器学习在点云处理领域的延伸,建(构)筑物点云数据边界的识别和分割有了新的实现思路。本文以某矿区工作面上方铁路桥两期三维激光扫描数据为例,采用神经网络方法对桥拱钢结构实行分割提取,在对1000万个标记桥梁点云数据进行训练后,神经网络模型可以学习操作人员识别点云中各点的属性并进行标记,并提取两期数据中的钢结构点云;对使用神经网络分割出的桥拱钢结构点云进行分析,通过对钢结构底边线进行特征线拟合、长度提取,计算钢结构的位移及拉伸量,并结合桥拱位移、形变量分析桥梁形变。研究表明:使用神经网络模型对标记数据进行训练可以有效识别建(构)筑物特征,并应用于建(构)筑物局部形变分析。 相似文献
17.
针对无人机激光雷达估测低矮植被高度的精度大小,本文以3m以下低矮树木为研究对象,通过数值模拟方法得到不同航高、不同扫描角情况下激光脚点坐标和点云估测单一树木高度的最大测量误差值;对比实测树高,分析了激光点云估测树高的精度。结果表明,在航高为30m、扫描范围为(-50°,5°)的情况下,无人机激光雷达获取的激光脚点坐标误差和由激光点云估测低矮树高(3m以下)的误差均可以达到cm级;激光点云估测单一树木高度与实测高度的决定系数为0.977,均方根差为5cm,标准均方根差为4%。因此,应用无人机激光雷达数据可以快速、精确获取低矮植被高度信息,进而为反演植被生物量和植被长势信息监测提供重要依据。 相似文献
18.