一种激光扫描水下浅点识别方法与流程

1.本发明涉及疏浚工程中浅点识别技术领域，特别涉及一种激光扫描水下浅点识别方法。


背景技术：

2.在疏浚工程中，涉及到水下浅点清除，由于处于水下环境，不能够清楚地了解到扫床面所存在浅点情况，使浅点清除过程目的性不强，存在盲扫等现象，浪费人力、能源的消耗，影响扫浅的效率，增加施工成本，如何给扫浅工作准确定位以及定量的进行施工，是一个重要工程技术问题。现有的浅点识别技术，通过扫床架对水下扫床面进行摸扫，经过多轮的清扫排除，直到浅点清除完成，由于不清楚识别的浅点的大小以及方量，经过清挖以后还可能存在超挖现象，并且经过几轮识别—开挖的工作，施工成本高、施工效率低。


技术实现要素：

3.本发明的目的在于提供一种激光扫描水下浅点识别方法，利用三维激光扫描建模快速识别水下扫床面浅点，能够快速建立扫床面的三维影像模型，使疏浚工程的浅点清除工作更高效。
4.为实现上述目的，本发明提供了一种激光扫描水下浅点识别方法，包括以下步骤：
5.s1，获取扫床水深；
6.s2，对所述扫床面进行三维激光扫描，获取所述扫床面的初始三维点云数据；
7.s3，将所述初始三维点云数据进行拼接以建立所述扫床面完整的三维点云数据；
8.s4，将完整的所述三维点云数据转换为二维点云数据；
9.s5，基于所述扫床水深，根据所述二维点云数据识别水下扫床面浅点的轮廓；
10.s6，根据识别的轮廓以获得水下扫床面的浅点。
11.优选的，上述技术方案中，步骤s2具体包括：
12.采用三维激光扫描仪对所述扫床面进行扫描，以所述三维激光扫描仪为坐标中心建立三维坐标系，并标定三维点云数据的坐标；将扫床面的三维点云数据的坐标标记为q(xi，yi，zi)，i＝1，2，3......n，n为点云数据点的个数；x、y、z为所扫描所述扫床面各点的三维坐标，i为第i个点。
13.优选的，上述技术方案中，步骤s4具体包括：
14.s41，以所述三维激光扫描仪为坐标中心，建立三维柱坐标系，并建立所述三维柱坐标系与所述三维坐标系的转换关系，将所述三维坐标系中的三维点云对应到所述三维柱坐标系中；
15.s42，将所述三维柱坐标系的柱面展开构建二维柱面坐标系，并建立三维柱坐标系与二维柱面坐标系的转换关系；将柱坐标系中的三维点云数据转换为二维点云数据。
16.优选的，上述技术方案中，步骤s5中利用delaunay三角剖分处理的alpha shapes模型对依据所述二维点云数据获取的浅点轮廓进行识别。
17.优选的，上述技术方案中，步骤s5具体包括：
18.s51，建立步骤s4中所述二维点云数据的delaunay三角网；
19.s52，获取delaunay三角网的三角网外接圆直径da；
20.s53，判断所述delaunay三角网的各边是否符合所述alpha shape模型的要求，当所述delaunay三角网中某条边的长度不大于三角网外接圆直径da时，即符合所述alpha shapes模型要求；反之则不符合，删除该边；
21.s54，对delaunay三角网的各个边一一进行所述alpha shape模型的符合性判断，求出每条边以三角网外接圆直径da为直径的两个外接圆圆心的位置；建立该边对应的检索格网，对所述检索格网内的任意点到两个外接圆圆心的距离形成的边进行判断，识别出符合alpha shapes要求的边，边长不大于三角网外接圆直径da即符合要求，直至将所有边判断完毕；
22.s55，由所有符合所述alpha shapes模型要求的边所构成的轮廓线，即为所存在浅点的边缘线。
23.优选的，上述技术方案中，所述步骤s52中三角网外接圆直径da值计算如下：
[0024][0025]
式中，da为三角网外接圆直径；w为所取二维点云的宽度；l为所取二维点云的长度；n
p
为二维点云的数量。
[0026]
优选的，上述技术方案中，步骤s1具体包括：
[0027]
所述扫床水深的计算公式为：
[0028]
h＝(z
1-z2)+h1[0029]
式中，h为扫床水深；z1为扫床断面的水面高程；z2为扫床断面的设计水位高程；h1为扫床断面的航槽设计水深。
[0030]
优选的，上述技术方案中，步骤s3中还包括对所述初始三维点云数据进行除噪处理。
[0031]
优选的，上述技术方案中，步骤s5还包括提取浅点的轮廓参数，所述轮廓参数包括浅点的形状、长度、宽度以及高度。
[0032]
与现有的技术相比，本发明具有如下有益效果：
[0033]
1.本发明运用三维激光扫描技术对扫床面进行扫描以识别水下扫床面的浅点，了解扫床面存在浅点的情况，再开展浅点开挖工作，消除超、欠挖问题，使开挖精度更高，从而使疏浚工程的浅点清除工作更高效。
[0034]
2.本发明通过三维激光扫描测量能够快速获取扫床面的浅点相关数据，获得高精度高分辨率的浅点数字模型。能够大面积高分辨率地快速获取被测开挖面的三维坐标数据和空间点位信息，快速建立扫床面的三维影像模型。能最大限度地反映扫床面是否存在浅点的真实情况。
[0035]
3.本发明运用三维激光扫描技术对扫床面的浅点形状、大小等特征进行识别，再开展浅点开挖工作，具有高效性，高精度，自动化、实时性强等特点，很好的解决了目前疏浚工程中扫浅技术存在的超欠挖问题。
附图说明
[0036]
图1是本发明激光扫描水下浅点识别方法的工程布置图。
[0037]
图2是本发明激光扫描水下浅点识别方法的流程图。
[0038]
主要附图标记说明：
[0039]
1-扫床面，2-浅点，3-工程船，4-三维激光扫描仪，5-gps地面参考站。
具体实施方式
[0040]
下面结合附图，对本发明的具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。
[0041]
如图1所示，该实施例采用激光扫描仪对水下浅点进行识别，具体的布置方式为：在地面上布设gps地面参考站5，三维激光扫描仪4布设在工程船3上，跟随工程船3移动对扫床面1进行扫描，对扫床面1中所存在浅点2进行识别。
[0042]
进一步参考图2，该实施例中激光扫描水下浅点识别方法具体包括以下步骤：
[0043]
步骤s1，获取扫床水深，获取的扫床水深作为是否存在浅点的参考。
[0044]
扫床水深的计算公式为：
[0045]
h＝(z
1-z2)+h1[0046]
式中，h为扫床水深(m)；z1为扫床断面的水面高程(m)，取当地水面高程；z2为扫床断面的设计水位高程(m)；h1为扫床断面的航槽设计水深(m)。
[0047]
步骤s2，对扫床面进行多次三维激光扫描，获取扫床面的初始三维点云数据。
[0048]
步骤s3，对初始三维点云数据进行除噪、拼接处理，以建立扫床面完整的三维点云数据。
[0049]
可以理解，该实施例中可应用cyclone，realworks，pointtools等点云数据处理工具进行除噪、拼接处理。
[0050]
步骤s4，将处理后完整的三维点云数据转换为二维点云数据。
[0051]
步骤s5，基于所述扫床水深，根据二维点云数据识别水下扫床面浅点的轮廓。
[0052]
步骤s6，提取水下扫床面浅点的轮廓参数，轮廓参数包括浅点的形状、长度、宽度以及高度。
[0053]
步骤s7，根据识别的轮廓以获得扫床面水下的浅点，根据提取出所存在浅点的参数组织扫浅作业。
[0054]
进一步的，步骤s2具体包括：
[0055]
采用三维激光扫描仪对扫床面进行扫描，获取扫床面的三维点云数据。以三维激光扫描仪为坐标中心建立三维坐标系，并标定三维点云数据的坐标；将扫床面的三维点云数据的坐标标记为q(xi，yi，zi)，i＝1，2，3......n，n为点云数据点的个数；x、y、z为所扫描扫床面各点的三维坐标，i为第i个点。
[0056]
进一步的，步骤s4具体包括：
[0057]
步骤s41，以维激光扫描仪为坐标中心，建立三维柱坐标系，并建立三维柱坐标系与三维坐标系的转换关系，将三维坐标系中的三维点云对应到三维柱坐标系中；
[0058]
步骤s42，将三维柱坐标系的柱面展开构建二维柱面坐标系，并建立三维柱坐标系与二维柱面坐标系的转换关系；将柱坐标系中的三维点云数据转换为二维点云数据。
[0059]
进一步的，步骤s5中利用delaunay三角剖分处理的alpha shapes模型对依据二维点云数据获取的浅点轮廓进行识别，具体包括：
[0060]
步骤s51，建立步骤s4中二维点云数据的delaunay三角网；
[0061]
步骤s52，计算获取三角网外接圆直径da值：
[0062][0063]
式中，da为三角网外接圆直径；w为所取二维点云的宽度；l为所取二维点云的长度；n
p
为二维点云的数量；3为经验值。
[0064]
步骤s52，判断所述delaunay三角网的各边是否符合alpha shape模型的要求，当delaunay三角网中某条边的长度不大于三角网外接圆直径da时，符合所述alpha shapes模型要求；反之则不符合，删除该边；
[0065]
步骤s53，对delaunay三角网的各个边一一进行alpha shape模型的符合性判断，求出每条边以三角网外接圆直径da为直径的两个外接圆圆心的位置；建立该边对应的检索格网，对检索格网内的任意点到两个外接圆圆心的距离形成的边进行判断，识别出符合alpha shapes要求的边，边长不大于三角网外接圆直径da即符合要求，直至将所有边判断完毕；
[0066]
步骤s54，由所有符合alpha shapes模型要求的边所构成的轮廓线，即为所存在浅点的边缘线。
[0067]
进一步的，步骤s6中提取浅点的轮廓参数具体包括：
[0068]
步骤s61，提取所存在浅点的形状：
[0069]
用最小二乘法对平面进行拟合，空间平面的方程用ax+by+cz+1＝0来表示，由平面方程可以确定裂缝面的法向量为p(a，b，c)，当法向量的z坐标小于0，则给法向量乘以-1将其z坐标变为正值，即保证法向量是垂直于扫床面向上；根据法向量的三个坐标判断扫床面上所存在浅点的方位，即可以确定所存在浅点的位置及形状；
[0070]
步骤s62，分段测量提取所存在浅点的长度、宽度以及高度：
[0071]
先根据所存在浅点的形状特征，将浅点分割成便于解算的n个段。再针对每个分段，确定该段浅点的最小外接矩形，再根据矩形边界，完成浅点长度、宽度和高度的计算；
[0072]
步骤s63，根据浅点的长度、宽度和高度计算所存在浅点的方量。
[0073]
下面，根据上述激光扫描水下浅点的识别方法，本实施还公开了具体实施方案，具体如下：
[0074]
(1)前期准备
[0075]
在利用三维激光扫描仪对水下开挖面进行数据采集之前，需依据开挖面的大小与复杂程度等因素，设计合理的扫描路线，确定标靶数与标靶位置，确定合理的扫描范围、采样密度以及扫描距离；完成了相关参数的设定。选取特定的反射参照目标作为地面控制点，利用它的高对比度特性实现扫描影像的定位以及扫描和影像之间的匹配。该实施例水下开挖土质组成以二类土为主，平均泥层厚度为2.3m。
[0076]
采用以下公式进行扫床水深的计算：
[0077]
h＝(z
1-z2)+h1[0078]
式中，h-扫床水深(m)；z
1-扫床断面的水面高程(m)，取当地水面高程；z
2-扫床断面
的设计水位高程(m)，根据设计方案取；h
1-扫床断面的航槽设计水深(m)，根据设计方案取。
[0079]
(2)数据获取
[0080]
利用软件平台控制三维激光扫描仪对水下开挖面进行扫描，获取开挖面点云数据信息。三维激光扫描仪最终获取的是水下开挖面的几何位置信息，将这些原始数据一并存储在特定的工程文件中。
[0081]
其中，三维激光扫描工作过程的注意事项如下：
[0082]
1、扫描之前应确保扫描仪电池电量充足。将脚架放置在事先规划的扫描站上，仪器脚架安置一定要稳固。
[0083]
2、扫描过程中应尽可能避免异常点云的出现。
[0084]
3、每站扫描结束后，应现场检查数据，判断是否有遗漏和重复扫捕区域，检查标靶的采样率是否符合要求等。
[0085]
4、当检查无误后对每一站扫描数据给予正确的文件名，包括测站信息、扫描序号、重复次数等，然后保存。
[0086]
(3)数据处理
[0087]
获取数据完毕后，对获取的水下开挖面点云数据和影像数据按照如下步骤进行处理。
[0088]
1、噪声去除
[0089]
除去点云数据中扫描对象之外的数据。将一些在扫描过程中扫描到多余的比如扫描仪采集到的水流、水中杂物等数据，进行删除。
[0090]
2、多视对齐
[0091]
由于被扫描的开挖面面积大，扫描时往往不能一次采集完成所有数据，将在不同测站进行多视角扫描的点云数据对齐、拼接。
[0092]
3、数据精简
[0093]
所采集到的点云数据是海量数据，将采集的数据在不影响曲面重构和保持一定精度的情况下进行精简。
[0094]
4、曲面重构
[0095]
采用曲面重构方法，将扫描数据用准确的曲面真实地还原所扫描的水下开挖面本来面目表示出来。
[0096]
(4)建模与计算
[0097]
从点云数据中挖掘所扫描的开挖面的重要边界点、特征线、形体等信息，为建立建筑物的三维模型提高精确的空间几何信息，运用auto cad或专业建模工具3dsmax进行三维建模；建模完成，识别所存在浅点的位置并计算出其方量。
[0098]
(5)根据建模过程所建立的所存在浅点模型、计算的方量以及位置，组织挖泥船进行定点定量扫浅施工。
[0099]
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式，并且很显然，根据上述教导，可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用，从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。

技术特征：
1.一种激光扫描水下浅点识别方法，其特征在于，包括以下步骤：s1，获取扫床水深；s2，对所述扫床面进行三维激光扫描，获取所述扫床面的初始三维点云数据；s3，将所述初始三维点云数据进行拼接以建立所述扫床面完整的三维点云数据；s4，将完整的所述三维点云数据转换为二维点云数据；s5，基于所述扫床水深，根据所述二维点云数据识别水下扫床面浅点的轮廓；s6，根据识别的轮廓以获得水下扫床面的浅点。2.根据权利要求1所述的激光扫描水下浅点识别方法，其特征在于，步骤s2具体包括：采用三维激光扫描仪对所述扫床面进行扫描，以所述三维激光扫描仪为坐标中心建立三维坐标系，并标定三维点云数据的坐标；将扫床面的三维点云数据的坐标标记为q(x
i
，y
i
，z
i
)，i＝1，2，3......n，n为点云数据点的个数；x、y、z为所扫描所述扫床面各点的三维坐标，i为第i个点。3.根据权利要求2所述的激光扫描水下浅点识别方法，其特征在于，步骤s4具体包括：s41，以所述三维激光扫描仪为坐标中心，建立三维柱坐标系，并建立所述三维柱坐标系与所述三维坐标系的转换关系，将所述三维坐标系中的三维点云对应到所述三维柱坐标系中；s42，将所述三维柱坐标系的柱面展开构建二维柱面坐标系，并建立三维柱坐标系与二维柱面坐标系的转换关系；将柱坐标系中的三维点云数据转换为二维点云数据。4.根据权利要求1所述的激光扫描水下浅点识别方法，其特征在于，步骤s5中利用delaunay三角剖分处理的alpha shapes模型对依据所述二维点云数据获取的浅点轮廓进行识别。5.根据权利要求4所述的激光扫描水下浅点识别方法，其特征在于，步骤s5具体包括：s51，建立步骤s4中所述二维点云数据的delaunay三角网；s52，获取delaunay三角网的三角网外接圆直径da；s53，判断所述delaunay三角网的各边是否符合所述alpha shape模型的要求，当所述delaunay三角网中某条边的长度不大于三角网外接圆直径da时，即符合所述alpha shapes模型要求；反之则不符合，删除该边；s54，对delaunay三角网的各个边一一进行所述alpha shape模型的符合性判断，求出每条边以三角网外接圆直径da为直径的两个外接圆圆心的位置；建立该边对应的检索格网，对所述检索格网内的任意点到两个外接圆圆心的距离形成的边进行判断，识别出符合alpha shapes要求的边，边长不大于三角网外接圆直径da即符合要求，直至将所有边判断完毕；s55，由所有符合所述alpha shapes模型要求的边所构成的轮廓线，即为所存在浅点的边缘线。6.根据权利要求5所述的激光扫描水下浅点识别方法，其特征在于，所述步骤s52中三角网外接圆直径da值计算如下：
式中，da为三角网外接圆直径；w为所取二维点云的宽度；l为所取二维点云的长度；n
p
为二维点云的数量。7.根据权利要求3所述的激光扫描水下浅点识别方法，其特征在于，步骤s1具体包括：所述扫床水深的计算公式为：h＝(z
1-z2)+h1式中，h为扫床水深；z1为扫床断面的水面高程；z2为扫床断面的设计水位高程；h1为扫床断面的航槽设计水深。8.根据权利要求3所述的激光扫描水下浅点识别方法，其特征在于，步骤s3中还包括对所述初始三维点云数据进行除噪处理。9.根据权利要求1所述的激光扫描水下浅点识别方法，其特征在于，步骤s5还包括提取浅点的轮廓参数，所述轮廓参数包括浅点的形状、长度、宽度以及高度。

技术总结
本发明疏浚工程中浅点识别技术领域，具体公开了一种激光扫描水下浅点识别方法，包括：获取扫床水深；对所述扫床面进行三维激光扫描，获取所述扫床面的初始三维点云数据；将所述初始三维点云数据进行拼接以建立所述扫床面完整的三维点云数据；将完整的所述三维点云数据转换为二维点云数据；基于扫床水深，根据所述二维点云数据识别水下扫床面浅点的轮廓；根据识别的轮廓以获得水下扫床面的浅点。运用三维激光扫描技术对扫床面进行扫描以识别水下扫床面的浅点，了解扫床面存在浅点的情况，再开展浅点开挖工作，消除超、欠挖问题，使开挖精度更高，从而使疏浚工程的浅点清除工作更高效。效。效。


技术研发人员：梁进 颜纯辉 陆少锋 黄国松 范怀斌 黄文慧 刘妍 林伟扬 覃丽洁 秦华东 吴大州 梁瑞龙 吴松 姚方明 袁明 农志祥 肖建国
受保护的技术使用者：广西新港湾工程有限公司
技术研发日：2022.11.21
技术公布日：2023/7/22