大型模块钢结构端口点云轮廓提取方法

1.本发明涉及点云轮廓提取方法，尤其涉及一种大型模块钢结构端口点云轮廓提取方法。


背景技术：

2.海洋平台为钢结构平台，目前多采用模块化建造，将各个模块分别建造，再整体对接装配，可以减少建造周期，提高建造质量。为保证模块对接质量，需要对模块进行误差检测。随着点云技术的发展，目前可利用激光扫描技术高速准确地获得模块的点云数据，对模块进行虚拟对接以及误差分析已成为，以便对模块进行及时修整，保证结构精度以及对接质量。端口点云轮廓对于对接以及误差分析极为重要，但扫描得到的点云数据包含大量噪声以及无关点，因此需要精确提取端口点云表面轮廓。通过点云处理软件，采用人工交互的方式精度较差，效率较低。


技术实现要素：

3.本发明的目的在于克服已有技术的不足，提供一种大型模块钢结构端口点云轮廓提取方法。采用该方法，可以提高大型模块钢结构端口点云轮廓提取的效率与准确性。
4.为实现上述目的，本发明采用的技术方案是：
5.步骤一、利用激光扫描仪拍摄钢结构模块，将得到的整体模块点云数据导入计算机中，进行格式转换与降噪处理工作；
6.步骤二、在软件中截取并保留所述的钢结构模块的所有端口点云完整轮廓；
7.步骤三、利用钢结构模块的预先设计的三维标准模型，建立各个钢结构端口的包容域模型，并建立基于包容域模型提取点云的判定准则；
8.步骤四、针对步骤二所述的所有端口点云完整轮廓，对于某一端口点云，将步骤三所建立的对应的钢结构包容域三维模型导入到软件中，并人工将其调整至与端口点云近似重合位置，进行初始的近似匹配；
9.步骤五、进行包容域三维模型与端口点云的优化匹配，具体步骤为：
10.第一步，在软件中以端口点云为基准，对包容域三维模型进行优化变换，建立变换矩阵；
11.第二步，利用改进遗传模拟退火算法(iga-sa)对所述的变换矩阵进行优化；
12.第三步，根据上述步骤得到优化后的变换矩阵，对包容域三维模型进行变换。
13.步骤六、根据步骤三所述的判定准则，将位于所述的包容域三维模型内的数据点保留，并将位于所述的包容域三维模型以外的点删除，进而得到一个优化提取后的钢结构端口点云轮廓。
14.步骤七、对所有端口点云，重复上述步骤四到步骤六，进而提取所有端口点云轮廓。
15.本方法基于钢结构预先设计的三维标准模型和改进遗传模拟退火算法，达到了快
速精确提取大型模块钢结构端口点云轮廓的目的，适用性较强，效率较高。
附图说明
16.图1为本发明h型钢包容域模型示意图；
17.图2为本发明h型钢包容域模型侧视图；
18.图3为本发明圆柱型钢包容域模型示意图；
19.图4为本发明圆柱型钢包容域模型轴向视图；
20.图5为本发明方型钢包容域模型示意图；
21.图6为本发明c型钢包容域模型示意图。
具体实施方式
22.下面结合附图对本发明方法作进一步说明。
23.本发明大型模块钢结构端口点云轮廓提取方法，包括以下步骤：
24.步骤一、利用激光扫描仪拍摄钢结构模块，将得到的整体模块点云数据导入计算机中，进行格式转换，导入到点云处理软件cloudcompare，利用pcl点云库中的算法进行降噪处理工作；
25.步骤二、在cloudcompare中截取并保留所述的钢结构模块的所有端口点云完整轮廓；
26.步骤三、利用钢结构模块的预先设计的三维标准模型，建立各个钢结构端口的包容域模型，并建立基于包容域模型提取点云的判定准则，具体步骤为：
27.第一步，根据三维标准模型中的各个钢结构端口模型的尺寸大小，考虑到实际生产过程中会导致一定误差，将各个钢结构的壁厚尺寸增大1.1倍，建立各个钢结构端口的包容域三维模型，例如h型钢包容域三维模型1，圆柱型钢包容域三维模型2，方型钢包容域三维模型3，c型钢包容域模型等等；
28.第二步，建立基于包容域模型提取点云数据的判定准则。分别以各类钢结构为例，进行所述的判定准则的具体描述：
29.h型钢包容域模型1中，利用点在立方体内的存在定理，设h型钢总包容域为{d|d＝d1∪d2∪d3}，子包容域1-1为d1，子包容域1-2为d2，子包容域1-3为d3,数据中各个点pi分别在子包容域生成随机射线设为l
pi
，设l
pi
与各个子包容域di的边界交点为ai，则满足：
30.l
pi
∩di＝ai31.设式中，ai的求解个数为n
ri
，当n
ri
为奇数时，点pi属于包容域内，当n
ri
为偶数时，点pi属于包容域外；
32.c型钢与所述的h型钢判定准则同理，判断数据点是否存在于包容域模型中；
33.圆柱形钢包容域模型2中，设各数据点到包容域模型轴线的距离为di，则当满足以下条件，该轮廓点予以保留：
34.r
min
≤di≤r
max
35.式中，r
min
为包容域内径，r
max
为包容域外径；
36.方型钢包容域模型3为一同心矩形域。通过提取外轮廓内的点集与内轮廓的点集，两点集相减，即得到所有同心矩形域内的数据点。
37.步骤四、针对步骤二所述的所有端口点云完整轮廓，对于某一端口点云，将步骤三所建立的对应的钢结构包容域三维模型导入到cloudcompare中，并人工将其调整至与端口点云近似重合位置，进行初始的近似匹配；
38.步骤五、进行包容域三维模型与端口点云的优化匹配，具体步骤为：
39.第一步、在cloudcompare中建立o-xyz公共坐标系，以端口点云为基准，对包容域三维模型进行优化变换，建立变换矩阵，其中，旋转矩阵为r
cor
,平移矩阵为t
cor
：
[0040][0041][0042]
式中，分别为沿x、y、z三个轴向的旋转角度，分别为沿x、y、z三个轴向的平移量；
[0043]
第二步，以和为设计变量，由于端口点云中大部分数据点为结构轮廓，则将目标函数设定为有最多点位于变换后的包容域三维模型内，即设定目标函数f
num
满足：
[0044]fnum
＝max ni∈d
′
[0045]
式中，d'为变换后的包容域，ni为变换后包容域d'内的包容点个数。利用改进遗传模拟退火算法(iga-sa)对所述的变换矩阵进行优化。
[0046]
第三步，根据上述步骤得到优化后的变换矩阵，对包容域三维模型进行变换。
[0047]
步骤六、根据步骤三所述的判定准则，将位于所述的包容域三维模型内的数据点保留，并将位于所述的包容域三维模型以外的点删除，进而得到一个优化提取后的钢结构端口点云轮廓。
[0048]
步骤七、对所有端口点云，重复上述步骤四到步骤六，进而提取所有端口点云轮廓。
[0049]
本方法达到了快速精确提取大型模块钢结构端口点云轮廓，适用性较强，效率较高。