智影 R100 Pro SLAM地下暗渠解决方案

地下暗渠作为城市的“排水动脉”,在防洪排涝、水污染防治等方面发挥着至关重要的作用。然而,随着城市的快速发展和水污染治理任务的日益紧迫,如何高效准确地获取地下暗渠的空间属性信息,成为暗渠治理与改造的关键挑战。

近期,大势智慧接到某地客户咨询,想利用SLAM激光扫描仪,提高地下暗渠扫描建模的作业效率。通过沟通了解到,该项目目前正使用架站式扫描仪进行扫描工作,工作量大,后期拼接繁琐,拖慢了项目的整体进度。智影技术团队现场踏勘,结合实际情况深入分析,制定了基于SLAM三维激光扫描仪的地下暗渠扫描解决方案。

SLAM实时定位与地图构建技术:无需GPS辅助定位,在进行移动测量时,可根据地物环境的特征与地图进行定位,同时将获取的三维空间数据用来制造增量式地图,完成地图的构建,可达到厘米级测绘精度。

方案可实现地下空间自主定位和导航,一次性采集,快速构建高精度的地下暗渠模型,并基于采集的点云+影像数据获取地下排水口的坐标、管径等信息。为城市暗渠的治理、改造及日常维护提供科学依据。具体技术方案如下图:

该项目的具体实施过程如下:

一、外业数据采集

1、地面控制点布设与测量

由于井下暗渠环境特殊,空间封闭且多为条状分布,因此,控制点均布设在地面上。

2、手持激光雷达采集

智影R100 Pro在暗渠内部狭小的空间易于携带,设备组装简单,开机后平稳放置于地面,静置10秒即可开始作业。

作业人员在做好防护措施后,按照技术方案流程,手持激光扫描仪完成地面控制点采集后,下到井下开始扫描。

图片

扫描时需注意:

①为提高排水口的点云密度,可适当减慢行走速度,或调整激光头扫描姿态使其对准排水口;

②井下光线昏暗,下井前可以准备一个补光灯。

二、内业数据处理

内业数据处理阶段包括点云解算、去噪、精度核验、数据量测等步骤。

智影R100 Pro自带一站式后处理软件“智影模形”,软件集成了点云解算、点云赋色、点云去噪优化、点云裁切、双屏浏览、点云建模等多个实用功能,操作简单,无需专业经验即可上手操作。

1、点云解算

将采集的原始点云+影像数据导入智影模形中,勾选上想要的点云加工模块后,即可提交解算任务,省去了繁冗的参数设置工作。此外,智影模形还可根据不同场景的特点,提供不同的解算算法。

本项目扫描所用解算策略:狭窄类场景+精细处理+基于控制点+动态物体去除+真彩色赋色

基于控制点:外业采集的控制点参与点云定向的同时,也参与了点云优化,可简单理解为非刚性变换

2、点云去噪

点云解算前可勾选上动态物体去除,解算出来的即是去噪后的点云,具体去噪效果如下:

去噪前

去噪后

三、成果质检

1、点云质量检查

地下暗渠平均点密度:58203点/m²

排水口清晰可见

点云厚度:2cm

2、点云精度检

对点云进行定向处理后,智影模形会自动生成点云精度报告,如下图:

根据报告得出点云平面中误差为0.02m;高程中误差为0.01m,符合项目要求。

四、分析应用

1、照片测量,获取排水管口三维空间信息

根据项目要求,需要获取地下排水口的管径、地口坐标等信息。传统点云量测的方法是通过缩放视图、拖动视角来获取,这种方法效率较低,甚至还会出现穿透测量的问题,影响数据精度。

智影模形提供“点云+照片”预览模式,可将两种数据叠加在一起,用户能够直接在二维照片上量测排水口的圆径、底口坐标。整个量测过程中数据直观、清晰,量取的成果准确,大幅度提高了作业效率。

图片

基于测量点云成果,最终得到如下信息表格,包括排水口形状、照片、点云、管底三维坐标:

2、线划图绘制

将智影R100 Pro生成的点云成果和排水口三维坐标数据导入到第三方制图软件中绘制线划图,形成地下暗渠空间分布图,成果如下:

方案优势

  • SLAM三维激光扫描方式,可以避免采集人员反复下井,保证人员安全;
  • 技术手段便捷,作业简单,适用于复杂地下场景的高精度、高效率探测扫描;
  • 布设在地面上的控制点可以参与点云定向解算,消除数据采集中积累的误差,保证数据精度;
  • 智影模形支持照片三维量测、坐标定位和空间分析,创新数据分析方式,更精准直观;
  • R100 Pro生成的高精度点云成果能重建井下暗渠结构特点,满足暗渠治理、改造以及地下空间规划、设计、施工等场景需求。

基于智影SLAM地下暗渠解决方案,项目成功完成了排水管口的空间测量分析和暗渠线划图绘制,成果精度满足项目要求,为当地水系污染治理和市政建设提供可靠依据。

此外,方案还可根据场景和需求的变化灵活调整,提供定制化的解决方案。我们诚挚邀请欢迎广大用户携手,一同开拓更多创新应用场景!

智影R100 Pro详细设备参数

  • 10
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值