共查询到18条相似文献,搜索用时 171 毫秒
1.
为了对大坝、高层建筑、滑坡区、采空区等危险变形体进行变形观测,针对智能全站仪、GNSS测量、三维激光扫描等变形监测技术无法很好地实现变形特征点和点云的综合变形分析问题,提出了基于全站扫描特征点自约束点云变形分析方法,获取变形体的离散特征点和整体点云变形数据,利用特征点形变矢量求取点云至模型的形变量,从而刻画变形体的整体形变信息。试验结果表明,利用本文所提出的方法能够成功计算出点云至模型的形变量,经统计分析,所有点的形变量真误差的期望值为-0.04 mm,结果精度为1.2 mm。试验结果能够反映变形体的整体形变信息,且具有较高精度。 相似文献
2.
利用地面三维激光扫描实时、高速度、高精度、高密度、无接触的测量特点,对桥梁在不同工况下的状态进行扫描测量;利用点云数据特征提取和直线拟合等处理方法,进行了桥梁底面的变形提取和分析工作.实验结果表明,该方法能够有效获取桥底面连续变形信息,为桥梁的变形监测提供了一个新手段. 相似文献
3.
4.
5.
6.
7.
近年来,地面三维激光扫描技术(TLS)被广泛应用于变形监测领域,但目前获取变形量的方法仍存在不足。据此,利用TLS观测数据处理中的迭代就近点法(ICP),对选取兴趣区域首期观测点云数据与复测点云数据进行匹配运算,将匹配后获得的平移矩阵T和旋转矩阵R作为变形体局部整体的变形指标,获取三维变形量。此变形量获取方法不仅充分利用了TLS点云数据的高空间分辨率,提高了单点精度,同时作为三维变形量,克服了常用方法的不足。 相似文献
8.
9.
方俊杰 《测绘与空间地理信息》2021,44(2):212-214,217
近年来,将三维激光扫描技术应用于地铁变形监测成为研究的热点.面对海量点云数据,如何提取隧道断面是成功运用该技术的关键.据此,本文采用三维激光扫描技术扫描隧道,获取隧道整体点云数据,并提出一种获取隧道任意位置断面变形的新方法.以某地铁监测数据为例实验分析,提取隧道断面图,实验证明了该方法的有效性. 相似文献
10.
利用三维激光扫描技术可对建筑立面进行数据采集,通过对采集的三维点云数据进行拼接、去噪、提取等操作可得到完整的建筑立面点云数据。本文利用三维激光扫描仪快速获取了建筑立面数据,得到高精度的三维点云,将三维点云数据导入CAD中进行绘制,可以将建筑立面各个附属物件的位置、尺寸勾画清楚,保证立面图的准确性和可用性。 相似文献
11.
12.
13.
利用三维激光扫描技术监测地表变形时,需要对大面积的地形点云数据重建地面曲面。针对点云数据的海量性,提出利用BP神经网络的方法进行曲面重建,分别模拟出两期点云数据的曲面及两期点云数据的下沉曲面。实验结果表明,该方法对海量数据的曲面重建精度较高,并能提取变形信息,具有较高的使用价值。 相似文献
14.
提出利用三维激光扫描点云截取隧道横断面拟合椭圆进行形变监测的方法。方法分为隧道中轴线提取,连续断面截取和椭圆拟合。隧道中轴线通过点云在水平面上投影后搜索的上下边缘点分别拟合二次曲线求均值得到;沿隧道中轴线设定等距间隔点,在间隔点处以中轴线正交方向截取断面;对截取的断面拟合椭圆并与设计值比较进行形变分析。实验表明,方法可以充分利用点云的大数据量特征,获得隧道内任意处的断面,是对目前监测方式的有益补充。 相似文献
15.
16.
传统的矿区地表变形监测获取数据量少、监测周期长、效率不高;结合LiDAR及RTK技术应用到煤矿区地表沉陷监测工作中,进行外业数据采集与内业数据处理,对得到的点云数据和生成的DEM进行煤矿区沉降变形分析,并以贵州某煤矿区为例进行了地表沉陷监测试验,满足精度要求,验证了该方法的可行性。 相似文献
17.
本文在现有单目视觉测量方法基础上,提出了一种相机真实俯仰角计算算法,结合图像快速相关匹配与定位算法,可完成桥梁挠度的快速精确测量。通过精度验证试验和挠度对比测试试验,得到了相应的结果,结果表明:①不考虑目标点真实俯仰角变化的测量方法在距离视场中心较远的位置测量结果中误差较大;②单目视觉方法测量结果与角钢作竖直向下的刚体位移保持一致;③单目视觉方法与GPS测量的挠度曲线变化趋势和测量数值基本一致。试验验证了本文方法的可行性及准确性,可为今后基于数字图像相关方法的土木工程变形测量技术研究提供参考。 相似文献
18.
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