[发明专利]一种基于BIM模型的预制构件点云识别方法

说明书

发明提供一种基于BIM模型的预制构件点云识别方法。该识别方法包括扫描构件、降噪分割、利用PCA算法进行单位法向量计算、降维处理、初步筛选、提取轮廓点集、重新取样、粗配准判断、精确配准等步骤。本发明提供了多预制构件同时进行三维激光扫描检测的技术方法，有效解决了多预制构件同时检测时的对象自动识别问题，为后期数据处理提供了方法支持。

技术领域

本发明涉及建筑安全管理领域，特别涉及一种针对装配式建筑行业的三维扫描点云数据的识别方法。

背景技术

三维激光扫描技术利用激光测距原理，通过测量激光从扫描仪到被测物体之间的空间距离，来描述被测物体表面的几何信息。扫描获得大量密集的数据点被称为点云数据，它包含三维坐标、物体表面反射率及纹理等信息。通过处理点云数据，可以快速重建被测物体的三维模型。由于三维激光扫描技术具备高效率、高精度的优势，逐渐取代以往的人工测量方法，成为非接触式测量的代表。

在装配式建筑行业中，由于预制构件需要提前在预制车间加工生产，因此在预制构件被运输至施工现场进行安装之前需要进行严格的质量检测。传统的质量检测方法是通过人工方法利用卷尺、水准仪等设备进行依次测量，且测量结果通过手工记录保存在纸质记录本上。人工测量预制构件存在人力资源消耗大、时间成本高和工作任务繁琐等弊端。当预制构件数量较多、构件形式复杂时，会给尺寸质量检测带来更大的困难。

因此，通过三维激光扫描技术可以实现对预制构件的快速扫描，并通过相应的数据处理手段快速获得构件尺寸信息以达到质量检测的目的。另外，利用三维激光扫描技术可进行多个预制构件同时扫描，可以极大的节约人力和时间成本。然而，三维激光点云数据无拓扑空间结构，不存在对象属性，所以在进行多个预制构件同时扫描时，需要区分所扫描的预制构件点云数据的形式类型，以期达到数据的有效分类与存储。同时，通过对预制构件点云数据的识别可以有效的筛选出不必要的背景数据，从而减轻数据信息量。

发明内容

本发明的目的是提供一种基于BIM模型的预制构件点云识别方法，以解决现有技术中存在的问题。

为实现本发明目的而采用的技术方案是这样的，一种基于BIM模型的预制构件点云识别方法，包括以下步骤：

1)使用处于不同站点的若干个三维激光扫描仪同时扫描多个构件对象，获取构件对象的激光扫描三维点云数据。

2)拼接各站点的点云数据，获得完整点云数据集。

3)对完整点云数据集进行降噪及分割操作。

4)读取步骤3)获得的分割后的各个点云数据集。计算各点云数据集中的每一个点在给定邻域内的所有邻域点。利用PCA算法构建任一点的邻域点矩阵。求解所求邻域点矩阵的协方差矩阵。求解所求协方差矩阵的特征向量，并利用向量叉乘法获得任一点的邻域内法向量。将所求邻域内法向量均归一化处理，得到单位法向量。

5)将步骤4)中获得的各单位法向量进行降维处理，并获得降维分布图。

6)对步骤5)中获得的降维法向量进行网格划分。选定最小频数阈值，对分割后点云数据进行初步筛选。

7)将BIM数据库中的模型对象转换为期望点云，提取各模型对象的轮廓点集。

8)利用Max Leverage重取样算法对步骤6)中经筛选的各分割点云数据集以及步骤7)中获得的各模型对象的轮廓点集分别进行重新取样。

9)对步骤8)中获得的重取样模型对象轮廓点集和重取样筛选后的分割点云数据集利用4PCS算法计算空间刚体变换矩阵，将原数据依次进行粗配准判断。

10)利用ICP算法对经步骤9)粗匹配成功的配对点集进行精确配准。

11)计算步骤10)中所获得的所有精确配准结果DOC值，输出点云识别结果。