一种基于无人机激光点云数据的钢筋网自动化识别方法

1.一种基于无人机激光点云数据的钢筋网自动化识别方法，其特征在于，包括如下步骤：S1、利用无人机搭载的激光扫描设备获取钢筋网原始点云数据，备用；S2、采用体素网格下采样技术对所述原始点云数据进行预处理，得到降低密度后的预处理点云；然后计算该预处理点云的法向量，得到单位法向量 ；然后过滤去除离群点，完成后计算剩余点云的坐标系到局部施工坐标系的转换矩阵；S3、从所述预处理点云数据中迭代拟合隧道侧壁平面，并计算所述预处理点云中每个点到候选平面的距离 d 0 ，然后得到内点数最多的平面模型 ，备用；S4、计算每个非隧道侧壁平面点到所述平面模型 的距离形成一维距离数据集，然后对该数据集进行聚类处理得到类簇，过滤后将其余类簇按深度排序得到纯净钢筋层点云集合，备用；S5、对所述纯净钢筋层点云集合进行单根钢筋分离处理，得到单根钢筋的点云簇；然后对每个所述点云簇进行有效性验证，对通过验证的点云簇进行主成分分析，计算钢筋轴线的主方向向量以及其轴线在三维坐标系中的直线方程；S6、计算所述钢筋轴线的主方向向量与基向量的夹角余弦，输出每层钢筋中每根钢筋的轴线三维坐标、主方向向量以及钢筋的分布方向类型；S7、基于上述S6的计算结果，分别计算同层钢筋间距、层间钢筋排距；然后输出展示原始点云、钢筋点云和钢筋轴线及层级关系的可视化结果，并输出钢筋的间距合格率、排距分布直方图以及钢筋的位置偏差、间距偏差和方向偏差；步骤S3中，所述平面模型 采用如下方法得到：S3.1、从所述预处理点云中随机选择三个不共线的点，然后根据这三个点得到一个候选平面，其平面方程表示为： ；S3.2、采用下列式（6）计算所述预处理点云中每个点到该候选平面的直线距离 d 0 ： ；上述式（6）中，所述 a 、 b 、 c 、 d 均为平面模型 的平面方程参数，如上述步骤S3.1所示；S3.3、统计得到的所述直线距离 d 0 中小于阈值 的点，以这些点构成本次迭代的“内点集”，将其包含的总内点数量 作为当前候选平面最佳内点数量；S3.4、比较当前候选平面最佳内点数量与上次迭代得到的最佳内点数量，若前者多于后者，则将前者替代后者作为最佳内点数量，并进一步采用本次迭代得到的平面模型代替上次迭代的平面模型；迭代所述 次后，得到最终的最佳内点数量，将其对应的候选平面作为所述平面模型 ；步骤S4中具体包括如下步骤：S4.1、所述 的三维坐标为 ，其到所述平面模型 的直线距离 d i 采用下列式（9）计算得到（ i =1、2、3…… n ），最终得到所述的一维距离数据集 ； ；上述式（9）中，所述 a 、 b 、 c 、 d 均为平面模型 的平面方程，如上述步骤S3.1所示；S4.2、采用DBSCAN算法对所述一维距离数据集 进行直接聚类，其聚类半径的计算公式如下列式（10）所示： （10）；上述式（10）中，所述 k 为比例系数，本实施例取值为 k =0.5，所述 S d 是钢筋的设计间距；S4.3、剔除上述S4.2聚类处理后得到的类簇中点云数量少于阈值 30 的类簇，剩余的类簇即为有效钢筋层点云集合；按其深度进行升序或降序排序，得到所述的纯净钢筋层点云集合；步骤S5中，所述进行有效性验证的依据为：簇内点数必须不小于3，且基于所述主成分分析计算得到的簇点云长度≥0.01m；无法时满足以上两个条件的簇将视为噪声过滤掉；在所述S5中，当所述主成分分析提取的钢筋数量低于预期数量的60%时触发备用方法，具体地，包括如下步骤：S5.5、首先系统统计主方法成功提取的钢筋数量 ，并与基于点云覆盖面积和设计间距估算的预期钢筋数量 进行比较；当满足条件 < 0.6 时，判定主方法失效，立即启动备用方法；将当前钢筋层的所有点云投影至上述的平面模型 上，并在该平面上依次建立5cm×5cm、3cm×3cm及7cm×7cm网格进行扫描检测，然后对每个所述网格进行有效性判定，其判断公式如下列式（12）所示； ；上述式（12）中：所述 为当前网格内包含的投影点数量； 为该钢筋层点云在所述平面模型 上的平均单位面积点云密度，其计算方式为 为当前所采用网格的面积单位：m 2 ；S5.6、对每个有效网格利用主成分分析计算其内部点云或结合其邻域点的第一主成分方向，作为该网格的局部主方向；随后，将所有有效网格的中心点及其计算得到的主方向构建成一组带方向的候选点集；接着，通过方向直方图峰值分析进行合并：将360°的方向范围划分为每10°一区，统计所有候选点主方向的直方图分布；识别出直方图的主要峰值代表该区域钢筋的主导方向；将主方向落在同一峰值±15°范围内、且空间相邻的网格合并为同一个“钢筋候选区域”；对每个合并后的“钢筋候选区域”，将该区域内的所有网格中心点或原始投影点映射到霍夫参数空间ρ-θ空间；设置峰值角度θ±30°搜索范围以提升拟合效率和准确性；在参数空间中进行投票，寻找得票数最高的局部最大值，取此时所对应的 ρ 、 θ ，拟合出直线方程： ；此直线方向即为该处钢筋在投影平面上的方向；将霍夫变换拟合得到的二维直线方程，结合其所在的所述 的三维方程，进行反投影计算，重建出该钢筋在三维空间中的轴线；最终，输出所有通过备用方法识别出的钢筋轴线及其方向信息，与主方法的结果格式保持一致，供所述S7进行几何参数计算。 2.根据权利要求1所述的基于无人机激光点云数据的钢筋网自动化识别方法，其特征在于，步骤S2中，所述体素网格下采样技术的自适应体素尺寸 采用下列式（1）计算得到： （1）；上述式（1）中， 为调节因子，取值为1.5~3.0， 为原始点云密度。 3.根据权利要求1所述的基于无人机激光点云数据的钢筋网自动化识别方法，其特征在于，步骤S2中，所述预处理点云的法向量计算方法包括如下步骤：S2.1、通过K近邻算法确定所述预处理点云中的每一个待计算点的邻域，得到邻域点集；S2.2、通过下列式（2）计算所述邻域点集的协方差矩阵 C ： ；上述式（2）中， K =30~50，其为估算单个点法向量时所考虑的邻近点的数量， 为所述邻域点集内第 j 个点的三维坐标点， 为所述邻域点集内各点的三维算数平均中心，其通过下列式（3）得到： ；S2.3、然后通过下列式（4）对所述协方差矩阵 C 进行特征分解，得到三个特征值 以及对应的三个相互正交的特征向量 ； ；S2.4、最小的所述特征值 对应的特征向量 即为所述预处理点云的法向量方向；然后将该 归一化处理，即可得到所述单位法向量 。 4.根据权利要求1所述的基于无人机激光点云数据的钢筋网自动化识别方法，其特征在于，步骤S2中，所述离群点的判断采用如下方法：若所述单位法向量 与其邻域平均法向量之间的夹角≥30°，则判定该点 为离群点。 5.根据权利要求1所述的基于无人机激光点云数据的钢筋网自动化识别方法，其特征在于，步骤S3中，先采用下列式（5）计算所述迭代需要的次数 ，然后采用RANSAC算法迭代拟合所述隧道侧壁平面； （5）；上述式（5）中， P 为期望的置信概率，通常取 P =0.95~1， w 为预估的内点率，通常取 w= 0.3~0.6， m 为拟合模型时所需的最少样本点数。 6.根据权利要求1所述的基于无人机激光点云数据的钢筋网自动化识别方法，其特征在于，步骤S5中，采用DBSCAN算法对所述纯净钢筋层点云集合中的每一个钢筋层点云 L k 进行二维聚类，且该聚类在钢筋层点云投影至所述平面模型 后得到的二维坐标上进行。 7.根据权利要求1-6任一项所述的基于无人机激光点云数据的钢筋网自动化识别方法，其特征在于，步骤S6中，所述夹角余弦包括钢筋轴线的主方向向量 分别在基向量 、 上的投影夹角余弦值 ，其采用下列式（9）计算得到： ；上述式（9）中，所述基向量 为平行于隧道的设计轴线方向，所述基向量 通过所述平面模型 的单位法向量 与基向量 的叉积得到，即 ，从而确保 构成平面内的正交基。 8.根据权利要求7所述的基于无人机激光点云数据的钢筋网自动化识别方法，其特征在于，若 ，则判定该钢筋的分布方向类型为横向；若 ，则判定该钢筋的分布方向类型为竖向；若 ，则将该钢筋标记为斜向钢筋，并输出施工偏差告警。