+

CN117433491B - 基于无人机图像的基坑工程安全监测方法 - Google Patents

基于无人机图像的基坑工程安全监测方法 Download PDF

Info

Publication number
CN117433491B
CN117433491B CN202311752942.0A CN202311752942A CN117433491B CN 117433491 B CN117433491 B CN 117433491B CN 202311752942 A CN202311752942 A CN 202311752942A CN 117433491 B CN117433491 B CN 117433491B
Authority
CN
China
Prior art keywords
point cloud
cloud data
plane
determining
small
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202311752942.0A
Other languages
English (en)
Other versions
CN117433491A (zh
Inventor
黄子瑜
丁丁
孙兴盛
张永乐
王暖鑫
王慧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qingdao Yilian Construction Group Co ltd
Original Assignee
Qingdao Yilian Construction Group Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Qingdao Yilian Construction Group Co ltd filed Critical Qingdao Yilian Construction Group Co ltd
Priority to CN202311752942.0A priority Critical patent/CN117433491B/zh
Publication of CN117433491A publication Critical patent/CN117433491A/zh
Application granted granted Critical
Publication of CN117433491B publication Critical patent/CN117433491B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C9/00—Measuring inclination, e.g. by clinometers, by levels
    • G01C9/005—Measuring inclination, e.g. by clinometers, by levels specially adapted for use in aircraft
    • E—FIXED CONSTRUCTIONS
    • E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
    • E02D—FOUNDATIONS; EXCAVATIONS; EMBANKMENTS; UNDERGROUND OR UNDERWATER STRUCTURES
    • E02D33/00—Testing foundations or foundation structures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/04—Interpretation of pictures
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30132—Masonry; Concrete
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mining & Mineral Resources (AREA)
  • Paleontology (AREA)
  • Civil Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Structural Engineering (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Geometry (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了基于无人机图像的基坑工程安全监测方法，摄影测量学技术领域，所述方法包括：获取无人机采集的图像数据；将所述图像数据输入图像处理软件得到三维点云数据；对所述三维点云数据进行精简；对精简后的点云数据进行栅格化处理，对小正方体内的点云数据进行平面拟合，确定小正方体内的点云的最佳逼近平面；确定最佳逼近平面在竖直方向的倾角；判断所述倾角是否大于预设角度。通过对无人机采集的图像进行点云处理，进而获取基坑的倾斜角度，判断是否存在有危险的基坑区域，实现了自动化的精确的对基坑的安全监测，节省了人力、物力，提高了监测的效率以及精确度。

Description

基于无人机图像的基坑工程安全监测方法
技术领域
本发明涉及摄影测量学技术领域，特别涉及基于无人机图像的基坑工程安全监测方法。
背景技术
基坑在开挖中不可避免会对基坑周边的建筑物、周边道路、地下设施等产生一定程度的影响，甚至会带来基坑事故。作为临时工程，基坑工程的安全储备一般较小，基坑土体或支护结构容易内倾、变形，最为严重时可能会致使整个基坑坍塌，如此一来所造成的损失和后果将不可估量。在复杂的基坑地层条件下，基坑工程施工往往存在许多不确定的因素。基坑安全监测数据获取方面，主要是通过人工结合常规测量仪器进行收集获取，监测数据的偶然误差较大，数据的可靠性度较差，很难做出精准的基坑监测。
发明内容
本发明提供基于无人机图像的基坑工程安全监测方法，对基坑施工过程的数据自动化采集以及处理，实现对基坑的精确监测。
根据本公开的一方面，提供了基于无人机图像的基坑工程安全监测方法，其特征在于，所述方法包括：
获取无人机采集的图像数据；
将所述图像数据输入图像处理软件得到三维点云数据；其中，所述三维点云数据包括点的三维坐标值；
对所述三维点云数据进行精简；所述精简包括减少三维点云数据的数据量；
对精简后的点云数据进行栅格化处理，包括：将点云数据划分到多个等体积的小正方体中；
对小正方体内的点云数据进行平面拟合，确定小正方体内的点云的最佳逼近平面；
根据所述最佳逼近平面的平面参数，确定最佳逼近平面在竖直方向的倾角；
判断所述倾角是否大于预设角度，如果是，则最佳逼近平面对应的点云处于安全状态，否则最佳逼近平面对应的点云处于危险状态；
将处于安全状态的点云的颜色参数设置为绿色，将处于危险状态的点云的颜色参数设置为红色；
在三维坐标系中显示带有颜色的点云。
在一种可能的实现方式中，所述对所述三维点云数据进行精简，包括：
确定一个最小外包围长方体，所有的点云数据包围在最小外包围长方体内；
将最小外包围长方体划分为多个相邻的小正方体区域；
根据最小外包围长方体的三维坐标，最小外包围长方体内的点云个数和小正方体区域内的点云个数，确定小正方体的个数及小正方体的边长；其中，小正方体区域内的点云个数为设定的参数；
根据最小外包围长方体的三维坐标及小正方体的边长确定小正方体的中心点的坐标；计算小正方体内所有点云到中心点的距离，距离小正方体中心点云最近的点作为重心点；
计算小正方体内的所有点云到重心点的距离，所述距离的平均值和标准差；
根据所述平均值和标准差确定所述距离的预设范围；
删除距离不在预设范围的点云数据。
在一种可能的实现方式中，对小正方体内的点云数据进行平面拟合，确定小正方体内的点云的最佳逼近平面，包括：
设置所述最佳逼近平面的平面参数作为未知参数；
根据所述未知参数设置待求解方程组；
将小正方体内的点云的坐标带入所述待求解方程组，确定所述未知参数。
在一种可能的实现方式中，所述根据所述最佳逼近平面的平面参数，确定最佳逼近平面在竖直方向的倾角，包括：
根据确定出的最佳逼近平面的法向量=（A,B,C），确定最佳逼近平面在竖直方向的倾角，包括：通过式（1）确定所述倾角：
（1）。
在一种可能的实现方式中，将所述图像数据输入图像处理软件得到三维点云数据，包括：通过Pix4D软件实现对图像数据的处理得到点云数据。
根据本公开的一方面，提供了一种电子设备，其中，该电子设备包括：
处理器以及存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行基于无人机图像的基坑工程安全监测方法。
根据本公开的一方面，提供了一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个指令，所述一个或多个指令当被处理器执行时，实现基于无人机图像的基坑工程安全监测方法。
与现有技术相比，本发明的有益效果是：
本公开实施例的基于无人机图像的基坑工程安全监测方法，通过无人机获取基坑图像，将图像数据转换为点云数据，进而通过对点云数据的处理确定基坑的局部范围的倾角，通过判断倾角的大小确定基坑斜坡的安全状态。
将无人机图像处理技术应用于基坑工程变形监测，结合计算机软件强大的数据处理功能，能够快速实现对基坑工程的现场信息采集和处理，真实的反映出基坑所处的安全状态。从而达到动态监测，及时预警的目的，为提高管理效率、减少人员占用、降低管理成本、减少事故发生提供合理有效的途径。
附图说明
图1示出本公开一实施例的基于无人机图像的基坑工程安全监测方法流程图。
图2示出本公开一实施例的对三维点云数据进行精简的流程图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
根据本公开的一方面，提供了基于无人机图像的基坑工程安全监测方法，所述方法包括：
S1，获取无人机采集的图像数据；例如，无人机航拍获得的图像数据可以储存在机身安装的储存卡中，飞行结束后可将数据导出到地面的数据处理终端进行后期深入处理与分析。
S2，将所述图像数据输入图像处理软件得到三维点云数据；其中，所述三维点云数据包括点的三维坐标值；
S3，对所述三维点云数据进行精简；所述精简包括减少三维点云数据的数据量；
S4，对精简后的点云数据进行栅格化处理，包括：将点云数据划分到多个等体积的小正方体中；
S5，对小正方体内的点云数据进行平面拟合，确定小正方体内的点云的最佳逼近平面；
S6，根据所述最佳逼近平面的平面参数，确定最佳逼近平面在竖直方向的倾角；
S7，判断所述倾角是否大于预设角度，如果是，则最佳逼近平面对应的点云处于安全状态，否则最佳逼近平面对应的点云处于危险状态；
S8，将处于安全状态的点云的颜色参数设置为绿色，将处于危险状态的点云的颜色参数设置为红色；
S9，在三维坐标系中显示带有颜色的点云。
例如通过MATLAB软件对设置完颜色的点云数据进行三维的可视化显示，可以直观的观察基坑的点云的颜色状态，方便判断基坑安全状况。
例如，将建筑施工手册中对挖方深度在5 m以内不加支撑的边坡最陡坡度指标换算成坡面与竖直方向的最小夹角，表1示出深度在 5 m 以内不加支撑的基坑边坡在竖直方向的最小倾角。
表 1 深度在 5 m 以内不加支撑的基坑边坡在竖直方向的最小倾角
当最佳逼近平面在竖直方向的倾角小于表1中的最小倾角时，则最佳逼近平面对应的点云处于危险状态，当最佳逼近平面在竖直方向的倾角大于表1中的最小倾角时，则最佳逼近平面对应的点云处于安全状态。
本公开实施例的基于无人机图像的基坑工程安全监测方法，通过无人机获取基坑图像，将图像数据转换为点云数据，进而通过对点云数据的处理确定基坑的局部范围的倾角，通过判断倾角的大小确定基坑斜坡的安全状态。
将无人机图像处理技术应用于基坑工程变形监测，结合计算机软件强大的数据处理功能，能够快速实现对基坑工程的现场信息采集和处理，真实的反映出基坑所处的安全状态。从而达到动态监测，及时预警的目的，为提高管理效率、减少人员占用、降低管理成本、减少事故发生提供合理有效的途径。
在一种可能的实现方式中，所述对所述三维点云数据进行精简，包括：
确定一个最小外包围长方体，所有的点云数据包围在最小外包围长方体内；将最小外包围长方体划分为多个相邻的小正方体区域；
根据最小外包围长方体的三维坐标，最小外包围长方体内的点云个数和小正方体区域内的点云个数，确定小正方体的个数及小正方体的边长；其中，小正方体区域内的点云个数为设定的参数；例如，最小外包围长方体内的点云个数和小正方体区域内的点云个数为设定的参数值；
根据最小外包围长方体的三维坐标及小正方体的边长确定小正方体的中心点的坐标；计算小正方体内所有点云到中心点的距离，距离小正方体中心点云最近的点作为重心点；
计算小正方体内的所有点云到重心点的距离，所述距离的平均值和标准差；
根据所述平均值和标准差确定所述距离的预设范围；
删除距离不在预设范围的点云数据。
图2示出本公开一实施例的对三维点云数据进行精简的流程图。流程中包括：确定包围盒体积（最小外包围长方体体积），计算点云平均密度，指定每个小正方体包含的点云个数，计算小正方体的边长，确定每个小正方体的重心点，计算小正方体内的所有点云到重心点的距离，所述距离的平均值和距离标准差，确定极限误差范围，删除不满足极限误差范围的点，完成该小正方体内点云的精简，判断是否处理完所有的小正方体，如果是则完成点云数据的精简，如果否，则完成下一个小正方体的点云精简。
举例来说，首先就是要确定一个最小外包围长方体， 要求能够将所有的点云数据包围在内：找到所有点在x、y、z方向坐标的最大值和最小值，即可确定点云数据最小外包长方体的8个顶点及其三维坐标：(xmax , ymax , zmax ) ，(xmax , ymax , zmin ) ，(xmax, ymin , zmin ) ，(xmin , ymin , zmax ) ，(xmin , ymax , zmax ) ，(xmin , ymax ,zmax ) ，(xmax , ymin , zmax ) ，(xmin , ymin , zmin )。
通过公式（2）-公式（4）确定x、y、z各个方向的小正方体的个数分别为a，b，c，式中floor表示向下取整数的函数，l为小正方体的边长；
a = floor((xmax - xmin )/l) +1 （2）
b = floor((ymax - ymin)/l) +1 （3）
c = floor((zmax - zmin )/l) +1 （4）
通过如下方式计算确定小正方体的边长l：
假设最小外包正方体内共有N个点云是已知的，则处于外包长方体内点云的平均密度可表示为公式（5）：
ρ=N/((xmax - xmin ) (ymax - ymin) (zmax - zmin )) （5）
假设一个小正方体内平均包含点数个数为m是已知的，例如m为50，则单个小正方体的边长可表示为公式（6）：
（6）
将计算得到的小正方体的边长l代入公式（2）-（4）即可确定x、y、z各个方向的小正方体的个数分别为a，b，c。
根据最小外包围长方体的三维坐标及小正方体的边长确定小正方体的中心点的坐标；通过公式（7）计算小正方体内所有点云到中心点的距离；
（7）
其中，（，/>，/>）为小正方体中的任一点的坐标，（/>，/>，/>）为小正方体的中心点的坐标，可以通过最小外包围长方体坐标及各个方向的小正方体的个数来确定。
计算小正方体内所有点云到中心点的距离，距离小正方体中心点云最近的点作为重心点；计算小正方体内的所有点云到重心点的距离，所述距离的平均值和标准差；根据所述平均值和标准差确定所述距离的预设范围；删除距离不在预设范围的点云数据。
例如，预设范围的下限值为所述平均值减去2倍的标准差，预设范围的上限值为所述平均值加上2倍的标准差。
通过上述精简点云数据的方法，较好的保留特征明显且较重要的点云数据，进而保证精简的点云数据可以较好的表征整体点云数据。
在一种可能的实现方式中，对小正方体内的点云数据进行平面拟合，确定小正方体内的点云的最佳逼近平面，包括：
设置所述最佳逼近平面的平面参数作为未知参数；
根据所述未知参数设置待求解方程组；
将小正方体内的点云的坐标带入所述待求解方程组，确定所述未知参数。
平面拟合即确定最佳逼近平面。最佳逼近平面，是在小正方体中的所有三维点云真实空间最贴近的平面。要确定小正方体内三维点云的最佳逼近平面，首先要设立该 平面的点法式方程。设M0(x0, y0, z0) 是该拟合平面上的一个已知点，平面的法向量=（A,B,C）， M(x, y, z) 是该拟合平面上的任意一点。可知，向量M和M0构成的向量必与平面的法向量垂直，即二者的数量积为零，如方程式（8）所示：
（8）
确定小正方体内三维点云的最佳逼近平面，等同于求小正方体内点云到拟合平面的距离和的最小值，通过公式（9）计算距离和；
（9）
简化后即变为求公式（10）的最小值；
（10）
对公式（10）求偏导后得到公式（11）；
（11）
将目标函数f的趋向最小化问题转化为对公式（11）列出的协方差矩阵进行特征值分解，协方差矩阵为式（12）；
（12）
式（12）中，（，/>，/>）为小正方体中的任一点的坐标，k为小正方体中的点云的个数。协方差矩阵的最小特征值所对应的特征向量，即为所求的小正方体内点云最佳逼近平面的平面参数。
在一种可能的实现方式中，所述根据所述最佳逼近平面的平面参数，确定最佳逼近平面在竖直方向的倾角，包括：
根据确定出的最佳逼近平面的法向量=（A,B,C），确定最佳逼近平面在竖直方向的倾角，包括：通过式（1）确定所述倾角θ：
（1）。
在一种可能的实现方式中，将所述图像数据输入图像处理软件得到三维点云数据，包括：通过Pix4D软件实现对图像数据的处理得到点云数据。
根据本公开的一方面，提供了一种电子设备，其中，该电子设备包括：
处理器以及存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行基于无人机图像的基坑工程安全监测方法。
根据本公开的一方面，提供了一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个指令，所述一个或多个指令当被处理器执行时，实现基于无人机图像的基坑工程安全监测方法。
收集、分析、判断基坑工程安全监测数据，才能尽快能有依据的准确地预测基坑下一阶段可能出现的危险情况和变形值，有效及时的对危险情况和变现值进行调整和处理，为基坑工程的安全施工，获得最大的成效保驾护航。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本公开并不受所描述的动作顺序的限制，因为依据本公开，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本公开所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本公开所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序模块的形式实现。
所述集成的单元如果以软件程序模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器（英文：Read-Only Memory ，简称：ROM）、随机存取器（英文：Random Access Memory，简称：RAM）、磁盘或光盘等。
以上对本公开实施例进行了详细介绍，本文中应用了具体个例对本公开的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本公开的方法及其核心思想；同时，对于本领域的一般技术人员，依据本公开的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本公开的限制。
这里参照根据本公开实施例的方法、装置（系统）和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (4)

1.基于无人机图像的基坑工程安全监测方法，其特征在于，所述方法包括：
获取无人机采集的图像数据；
将所述图像数据输入图像处理软件得到三维点云数据；其中，所述三维点云数据包括点的三维坐标值；
对所述三维点云数据进行精简；所述精简包括减少三维点云数据的数据量；
对精简后的点云数据进行栅格化处理，包括：将点云数据划分到多个等体积的小正方体中；
对小正方体内的点云数据进行平面拟合，确定小正方体内的点云的最佳逼近平面；
根据所述最佳逼近平面的平面参数，确定最佳逼近平面在竖直方向的倾角；
判断所述倾角是否大于预设角度，如果是，则最佳逼近平面对应的点云处于安全状态，否则最佳逼近平面对应的点云处于危险状态；
将处于安全状态的点云的颜色参数设置为绿色，将处于危险状态的点云的颜色参数设置为红色；
在三维坐标系中显示带有颜色的点云；
所述对所述三维点云数据进行精简，包括：
确定一个最小外包围长方体，所有的点云数据包围在最小外包围长方体内；
将最小外包围长方体划分为多个相邻的小正方体区域；
根据最小外包围长方体的三维坐标，最小外包围长方体内的点云个数和小正方体区域内的点云个数，确定小正方体的个数及小正方体的边长；其中，小正方体区域内的点云个数为设定的参数；
根据最小外包围长方体的三维坐标及小正方体的边长确定小正方体的中心点的坐标；计算小正方体内所有点云到中心点的距离，距离小正方体中心点云最近的点作为重心点；
计算小正方体内的所有点云到重心点的距离、所述距离的平均值和标准差；
根据所述平均值和标准差确定所述距离的预设范围；
删除距离不在预设范围的点云数据；
对小正方体内的点云数据进行平面拟合，确定小正方体内的点云的最佳逼近平面，包括：
设置所述最佳逼近平面的平面参数作为未知参数；
根据所述未知参数设置待求解方程组；
将小正方体内的点云的坐标带入所述待求解方程组，确定所述未知参数；
所述根据所述最佳逼近平面的平面参数，确定最佳逼近平面在竖直方向的倾角，包括：
根据确定出的最佳逼近平面的法向量，确定最佳逼近平面在竖直方向的倾角，包括：通过式（1）确定所述倾角：
（1）。
2.根据权利要求1所述的基于无人机图像的基坑工程安全监测方法，其特征在于，将所述图像数据输入图像处理软件得到三维点云数据，包括：通过Pix4D软件实现对图像数据的处理得到点云数据。
3.一种电子设备，其中，该电子设备包括：
处理器以及存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行根据权利要求1或2所述的方法。
4.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个指令，所述一个或多个指令当被处理器执行时，实现权利要求1或2所述的方法。
CN202311752942.0A 2023-12-20 2023-12-20 基于无人机图像的基坑工程安全监测方法 Active CN117433491B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311752942.0A CN117433491B (zh) 2023-12-20 2023-12-20 基于无人机图像的基坑工程安全监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311752942.0A CN117433491B (zh) 2023-12-20 2023-12-20 基于无人机图像的基坑工程安全监测方法

Publications (2)

Publication Number Publication Date
CN117433491A CN117433491A (zh) 2024-01-23
CN117433491B true CN117433491B (zh) 2024-03-26

Family

ID=89551938

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311752942.0A Active CN117433491B (zh) 2023-12-20 2023-12-20 基于无人机图像的基坑工程安全监测方法

Country Status (1)

Country Link
CN (1) CN117433491B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0910730D0 (en) * 2009-06-22 2009-08-05 Bae Systems Plc Terrain sensing
CN103853840A (zh) * 2014-03-18 2014-06-11 中国矿业大学(北京) 一种不均匀散乱点云数据的滤波方法
CN105442642A (zh) * 2015-12-11 2016-03-30 上海现代建筑设计集团工程建设咨询有限公司 带有时间轴和变形色彩的三维可视化基坑监测数据方法
CN107040602A (zh) * 2017-04-28 2017-08-11 广州市建筑科学研究院有限公司 一种基于Revit平台的基坑及地下工程智能监测系统及方法
CN110910454A (zh) * 2019-10-11 2020-03-24 华南农业大学 一种牲畜三维重构移动式设备的自动标定配准方法
CN114913229A (zh) * 2022-04-27 2022-08-16 天津新松机器人自动化有限公司 机器人用于局部不连续区域打磨的视觉定位方法及系统
CN114972538A (zh) * 2022-05-27 2022-08-30 华南理工大学 基于双目结构光的压扁型超薄热管的厚度测量装置及方法
CN115685127A (zh) * 2022-11-08 2023-02-03 深圳市城市公共安全技术研究院有限公司 一种基于点云数据分析目标物沉降风险的方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2765388B1 (de) * 2013-02-08 2018-10-17 Hexagon Technology Center GmbH Mobiler Feld-Controller zur Messung und Fernsteuerung

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0910730D0 (en) * 2009-06-22 2009-08-05 Bae Systems Plc Terrain sensing
CN103853840A (zh) * 2014-03-18 2014-06-11 中国矿业大学(北京) 一种不均匀散乱点云数据的滤波方法
CN105442642A (zh) * 2015-12-11 2016-03-30 上海现代建筑设计集团工程建设咨询有限公司 带有时间轴和变形色彩的三维可视化基坑监测数据方法
CN107040602A (zh) * 2017-04-28 2017-08-11 广州市建筑科学研究院有限公司 一种基于Revit平台的基坑及地下工程智能监测系统及方法
CN110910454A (zh) * 2019-10-11 2020-03-24 华南农业大学 一种牲畜三维重构移动式设备的自动标定配准方法
CN114913229A (zh) * 2022-04-27 2022-08-16 天津新松机器人自动化有限公司 机器人用于局部不连续区域打磨的视觉定位方法及系统
CN114972538A (zh) * 2022-05-27 2022-08-30 华南理工大学 基于双目结构光的压扁型超薄热管的厚度测量装置及方法
CN115685127A (zh) * 2022-11-08 2023-02-03 深圳市城市公共安全技术研究院有限公司 一种基于点云数据分析目标物沉降风险的方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于ＲGB 信息的激光点云数据配准与分割精简算法;付志荣;《长春师范大学学报》;20230831;第42卷(第8期);全文 *

Also Published As

Publication number Publication date
CN117433491A (zh) 2024-01-23

Similar Documents

Publication Publication Date Title
Gómez-Gutiérrez et al. Surveying coastal cliffs using two UAV platforms (multirotor and fixed-wing) and three different approaches for the estimation of volumetric changes
EP3112802B1 (en) Road feature measurement apparatus and road feature measuring method
US8116530B2 (en) Map change detection device, map change detection method, and program
CN113034689A (zh) 基于激光点云的地形三维模型及地形图构建方法和系统、存储介质
CN111323788B (zh) 建筑物变化的监测方法、装置及计算机设备
CN114283070B (zh) 融合无人机影像与激光点云的地形断面制作方法
KR20110117174A (ko) 항공 장해물 추출 장치, 항공 장해물 추출 방법 및 기록 매체
CN116468869A (zh) 一种基于遥感卫星影像的实景三维建模方法、设备及介质
JP2012137933A (ja) 被写地物の位置特定方法とそのプログラム、及び表示地図、並びに撮影位置取得方法とそのプログラム、及び撮影位置取得装置
CN111458691B (zh) 建筑物信息的提取方法、装置及计算机设备
JP4619504B2 (ja) ３次元デジタル地図作成装置
CN118840827A (zh) 基于无人机的地质灾害监测方法、装置、设备及介质
CN116910876A (zh) 一种基于无人机遥感辅助滑坡应急治理工程勘查设计方法
Chen et al. Detection of building changes from aerial images and light detection and ranging (LIDAR) data
CN110749323B (zh) 一种作业路线的确定方法及装置
CN116433865A (zh) 一种基于场景可重建性分析的空地协同采集路径规划方法
RU2638638C1 (ru) Способ и система автоматического построения трехмерных моделей городов
CN119152148B (zh) 基于人工智能的智慧工地施工安全监管方法及系统
Shahzad et al. Reconstructing 2-D/3-D building shapes from spaceborne tomographic synthetic aperture radar data
CN117433491B (zh) 基于无人机图像的基坑工程安全监测方法
Chen et al. Intelligent interpretation of the geometric properties of rock mass discontinuities based on an unmanned aerial vehicle
JP2012256230A (ja) Ｄｔｍ推定方法、ｄｔｍ推定プログラム及びｄｔｍ推定装置、並びに、３次元建物モデルの作成方法
Asghar Landslide mapping from analysis of UAV-SFM point clouds
KR101114904B1 (ko) 도화원도와 항공 레이저 측량 데이터를 이용한 도시공간정보 구축 시스템 및 그 방법
CN119962269B (zh) 一种掌子面前方地质构造预报方法、设备及储存介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
点击 这是indexloc提供的php浏览器服务，不要输入任何密码和下载