（地图制图学与地理信息工程专业论文）基于深度图像的变形分析方法研究.pdf

摘要 摘要 现行的变形分析方法主要是基于常规变形监测手段的，纵观国内外 数十年的监测技术的发展历程，常规变形监测方法主要采用大地测量法 和近景摄影测量法。 虽然这些常规监测方法的技术流程和标准都已经趋于成熟，但是， 它仍然不能完全满足现代工程的变形监测和分析的需求。 大地测量法虽然精度高达亚毫米级，但是，它监测的数据非常有限， 只是空间中的少数点，这种以点代线，以线代面的模式显然不能完全表 达出监测面的变形情况。 g p s 作为一种全新的现代测量技术，作业方式可分为周期性和连续 性两者种模式，同样存在着以点代线，以线代面的现象。 地面摄影测量技术是在变形监测中起步较早的一种方法，虽然该技 术获取的变形信息是较为全面的，但是由于摄影距离不能过远，绝对精 度较低，使得其应用受到严重影响。 为了解决上述问题，本文以地铁公主坟站施工隧道数据为例，采用 三维激光扫描仪作为主要监测仪器。利用该仪器获取的点云数据，大大 提高了变形监测的空间采样率。点云经过相应的算法生成深度图像，并 以此作为本文变形分析方法研究的源数据，既满足了远距离监测，的需 求，同时也满足了整体变形监测及整体变形分析的需求。 关键词：三维激光扫描技术；深度图像；变形监测；变形分析方法；整 体变形分析；局部变形分析 a b s t r a c t ab s t r a c t t h ed e f o r m a t i o no ft h ee x i s t i n gm e t h o d sa r eb a s e do nc o n v e n t i o n a l d e f o r m a t i o nm o n i t o r i n gm e a n s l o o k i n ga tt h ed e v e l o p m e n tp r o c e s so f m o n i t o r i n gt e c h n o l o g ya th o m ea n da b r o a df o rd e c a d e s ，t h ec o n v e n t i o n a l m e t h o d sw e r eu s e dt ot h em e t h o d so f g r o u n dd e f o r m a t i o nm e a s u r e m e n t s a n dc l o s e r a n g ep h o t o g r a m m e t r y a l t h o u g h t h e s ec o n v e n t i o n a l m o n i t o r i n g m e t h o d so ft e c h n i c a l p r o c e s s e sa n d s t a n d a r d sh a v em a t u r e d ，i ts t i l lc a nn o t f u l l ym e e tt h e m o d e r nd e f o r m a t i o nm o n i t o r i n ga n da n a l y s i sn e e d s a l t h o u g ht h ea c c u r a c yo fg e o d e t i cm e a s u r e m e n t st a l ls u b m ml e v e l ， b u ti ti sv e r yl i m i t e dm o n i t o r i n gd a t a ，o n l yaf e wp o i n t si ns p a c e ，s u c ha s af e wp o i n t so nb e h a l fo ft h el i n e s ，a n dt h e naf e wl i n e so nb e h a l fo ft h e s u r f a c e s ot h em o d e li sc l e a r l yn o tf u l l ye x p r e s st h es u r f a c ed e f o r m a t i o n m o n i t o r i n g g p sm e a s u r e m e n t sa san e wm o d e r nt e c h n o l o g y ，w h o s ep r a c t i c e sc a n b ed i v i d e di n t ot w ok i n d so fe p i s o d i ca n dc o n t i n u o u sm o d e t h e r ea r et h e s a m ep h e n o m e n o nt h a tu s e daf e wp o i n t so nb e h a l fo ft h el i n e s p h o t o g r a m m e t r i cg r o u n dd e f o r m a t i o nm o n i t o r i n gt e c h n o l o g y i sa n e a r l ys t a r ti naw a y ，t h o u g ht h ea c q u i r e dd e f o r m a t i o ni n f o r m a t i o nb yt h i s w a y i sm o r ec o m p r e h e n s i v e ，b u ti ti sn o tt o of a r a w a y f r o mt h e p h o t o g r a p h y ，l o w a b s o l u t ep r e c i s i o n ，m a k i n gi t s a p p l i c a t i o nh a sb e e n s e r i o u s l ya f f e c t e d i no r d e rt os o l v et h ea b o v ep r o b l e m s ，t h i sp a p e rt a k eg o n g z h u f e n s t a t i o n s u b w a y t u n n e ld a t aa st h e e x p e r i m e n t a l d a t a ， a n du s e t h r e e - d i m e n s i o n a ll a s e rs c a n n e ra st h em a i nm o n i t o r i n gi n s t r u m e n t s t h e a p p a r a t u s f o r p o i n tc l o u dd a t a ，g r e a t l yi m p r o v i n g t h ed e f o r m a t i o n m o n i t o r i n go ft h es p a t i a ls a m p l i n gr a t e p o i n tc l o u dg e n e r a t e db yt h e c o r r e s p o n d i n gd e p t hi m a g ea l g o r i t h m ，a n da s ad e f o r m a t i o na n a l y s i so f t h i sr a wd a t a ，i ti sn o t o n l ym e e t st h en e e d so fr e m o t em o n i t o r i n g ，b u t a l s ot om e e tt h eo v e r a l ld e f o r m a t i o no ft h ed e f o r m a t i o nm o n i t o r i n ga n d a n a l y s i sr e q u i r e m e n t s k e y w o r d s ：t h r e e d i m e n s i o n a ll a s e rs c a n n i n gt e c h n o l o g y ，d e f o r m a t i o n m o n i t o r i n g ，d e f o r m a t i o na n a l y s i s ，a n a l y s i so ft h eo v e r a l ld e f o r m a t i o n ， a n a l y s i so fl o c a ld e f o r m a t i o n i i 目录 目录 北京建筑工程学院硕士学位论文原创性声明 北京建筑工程学院硕士学位论文使用授权书 摘要i a b s t r a c t i i 目录i i i 第1 章绪论1 1 1 课题背景及研究的目的和意义1 1 2 变形分析方法的国内外研究现状2 1 3 本篇文章的研究内容与研究目标4 1 3 1 研究内容4 1 3 2 研究目标5 1 4 论文的组织与安排6 第2 章深度图像7 2 1 深度图像的概念7 2 2 深度图像的分类7 2 3 深度图像的获取方式8 2 4 深度图像与点云8 2 6 本章小结1 0 第3 章变形分析内涵及其理论1 l 3 1 变形分析内涵1 1 3 2 变形分析的基本理论与方法1 l 3 2 1 回归分析法1 1 3 2 2 时间序列分析模型1 2 3 2 3 灰色系统分析模型1 3 3 2 4k a l m a n 滤波模型1 4 3 2 5 人工神经网络1 5 3 2 6 频谱分析1 5 3 3 变形分析的发展前景1 6 3 4 本章小结：1 6 第4 章深度图像在变形分析方法研究的应用1 8 4 1 深度图像与变形分析方法1 8 4 2 整体变形分析1 8 日录 4 2 1 变彤等值线1 8 4 2 2 整体变形彩色图2 4 4 2 3 算法实现2 5 4 3 局部变形分析2 5 4 3 1 基准线2 5 4 3 2 针对性剖切2 6 4 3 3 原则剖切2 7 4 4 报表设计2 8 4 4 1 标题及属性信息2 8 4 4 2 整体变形分析2 9 4 4 3 局部变形分析3 0 4 5 本章小结3 l 第5 章实验系统设计与实现3 2 5 1 总体设计3 2 5 1 1 坏境与工具3 2 5 1 2 开发工具3 2 5 1 3 总体设计技术路线3 4 5 2 系统功能与用户界面设计3 6 5 2 1 用户界面设计3 6 5 2 2 主要功能3 7 结论与展望4 0 本文总结4 0 研究展望4 l 参考文献4 2 攻读硕士学位期间发表的论文和科研情况4 6 发表论文：4 6 科研项目：4 6 致j 谢4 7 i v 第l 章绪论 第1 章绪论 1 1 课题背景及研究的目的和意义 据国家安全生成监督管理总局官方网站不完全统计，20lo 年，我 们国家因道路、桥梁、隧道、施工生产工地塌陷导致的事故有55 起， 死亡人数达210 余人。事实上，因变形物变形所造成的人员死亡人数远 远不止这个数字。造成事故的原因很多，正如，2 0 0 8 年，杭州地铁一 号线萧山湘湖站发生地铁施工塌方事故时，相关负责人接受媒体采访时 表示，导致事故发生的原因是施工现场监测频率不高。虽然这个理由不 是造成各种坍塌事故的主要原因，但是从中铁集团总裁的回答中，我们 至少可以确定一件事情，那就是变形监测技术在预防类似变形体变形事 故中扮演着极为重要的角色。 目前，灾害的监测与防治已越来越受到全社会的普遍关注，各级政 府及主管部门对此问题十分重视，学者们数十年来的共同努力，在变形 分析领域取得了很大的成果川。 纵观变形监测发展史，传统的地标变形监测方法主要采用两种方 法：大地测量法和近景摄影测量法。这些方法在技术流程上虽然已经趋 于成熟和完善，但是其实际应用中依然不能完全满足我们的监测需求， 换句话说，事故依然频发。原因很简单，大地测量法，虽然能够达到很 高的精度，毫米级乃至亚毫米精度，但是它是基于整个监测区的少数点 的基础之上的，是一种以点代线，以线代面，以面代体的测量模式。相 比之下，摄影测量技术虽然是测量面状变形信息，但是它也存在着两个 制约因素：第一、摄影距离不能过远，第二、绝对精度较低，影响了其 在现实中的发展。 因此，寻找一种既能做到整体监测，又能达到较远距离，较高精度 的监测手段以及基于此手段的变形分析方法十分有必要。 上世纪末，三维激光扫描技术问世，很多学者称之为实景复制技术， 是因为该项技术能够将扫完整的现场数据搬到计算机中去处理，理论上 这些点云数据能够覆盖到三维场景中的每一个角落，这对传统的测量手 段的单点测量来说，将是一个巨大的创新点。所以说，三维激光扫描技 术的出现绝对是测绘界的一项重大突破。该项技术的原理可以简单的理 解为利用激光器主动发射激光波，并且大面积接收回波的时间、角度， 强度信号的过程。三维激光扫描技术有其自身的优点，比如扫描快速性、 扫描实时性、采集数据非接触性，并且精度较高，密度较大等特点，它 第1 章绪论 的这些优点是常规测量手段无可比拟的。 鉴于三维激光扫描技术的能够在变形监测领域为我们提供现有其 他仪器办不到的大规模快速的监测功能，本文将以三维激光扫描仪作为 变形物体监测仪器，通过获取的点云数据生成深度图像，最后实现基于 深度图像的变形分析方法研究。 1 2 变形分析方法的国内外研究现状 通常情况下，变形几何分析包含以下三个方面的内容【l4 】： 第一、所选择的参考点的稳定性分析。参考点是指变形分析中确定 空间位置不发生变化的点，只有确定参考点，变形分析才得以进行； 第二、观测数据的平差处理和处理完毕后的质量评定。观测值是指 我们观测到的用以反映变形体的变化的变量。经过参考点的转换后，前 后观测值之差直接代表变形体对应参数的变形情况； 第三、变形模型参考估计内容。这方面涉及到变形预测等模型的建 l 业： 很显然，变形体的变形信息是相对于参考点或者一定基准而言的， 可以想象，假如我们选择的基准本身都不稳定，那么由此获得的变形值 必然是不准确的。因此，我们在做变形监测数据处理必须首先考虑变形 基准的问题。查阅的文献显示，对于基准点的稳定性分析，我们已经有 了一定的成果，形成了很多方法，然而，这些方法主要局限于周期性的 监测网。总结目前的方法，笼统地可以分为五种，它们分别是： 第一、通过方差分析进行整体检验的汉诺威法； 第二、以b 检验法为基础的代尔夫特法，即单点唯一分量法； 第三、以方差分析和点的位移向量为基础的卡尔斯帮尔法； 第四、考虑大地基准的慕尼克法； 第五、以位移的不变函数分析为基础的弗雷德里克段法；经过后 人的发展，形成了我们常用的逐次定权迭代法。 观测值是我们直接通过仪器测量的值，用以反映变形体变形信息的 值，它是建立在一定的基准点基础之上的。观测值的质量高低将对变形 信息的精度和可靠性产生直接性的影响，因此为了提高信息的精度及可 靠性，观测值的平差处理和质量评定便成了非常重要的一个环节。 2 0 世纪80 年代初期，著名学者周江文等人，在固定基准的经典平 差基础之上，发展了重心基准的自由网平差，较好地控制了观测值误差。 2 0 世纪8 0 年代未期，陈永奇等人，在模型参数估计领域，总结了 两种方法：直接法和间接法。所谓直接法是指重复观测数据，然后直接 2 第l 币绪论 利用这些原始观测值米反映物体的变彤情况，比如，变化量，变化速率 等指标参数；相比较而言，间接法是利用各观测数据的平差值的差值来 计算应变分量，也就是说是先将观测值进行平差处理，再行比较分析， 因此，称为间接法。 2 0 世纪7 0 年代末期到9 0 年代初期，这个时期非常重要，因为在 这个时期里，是常规地面监测技术从稚嫩走向成熟的过程，发展速度非 常之快，常用的监测模式是周期性监测和连续性监测。这类监测模型我 们称之为静态模型，因为它关注的是变形物体各个时刻的空间状态，而 对于这些不同时刻的空间状态之间却没有给予太多的思考。事实上，变 形物体在不同空白j 状态之间是存在着非常紧密和微妙的时间相关性，一 些书籍称之为时间关联性。正因为如此，后来非常多的学者开始思考如 何建立它们之间的时间关联性，于是就出来现了对时序观测数据的动态 模型研究。这些动态研究的成果也很多，常见的有：时间序列分析方法、 卡尔曼滤波模型等方法【l7 。 值得一提的是时间域和频谱域都可以作为数据处理的环境域，动态 模型分析也可以在频谱域中进行。频谱分析方法的原理很简单，就是将 处在时域内的数据序列利用傅立叶转换，使其数据处理过程在频谱域中， 进行，从而提取出变形信息的过程。在频谱域中进行分析，有它固有的 l 优点，一是有利于确定这些时间序列需要花费多长时间轮回一次，二是 针对那些变形信息不容易被发现，并且信息内容较为复杂的数据，该方 法具有很强的判别能力。当然，要想获取变形的真正信息，在频谱域的 研究中，学者们还必须考虑时序观测资料的影响因素，这些因素很多， 确定影响因素需按照定性的方法筛选出来。 较长段时期以来，在上述线性模型发展的同时，许多非线性时间 序列预测方法也取得了很大的发展，解决了很多现实问题。比如应用灰 色理论的发展，使其在预测深基坑事故隐患扮演了较为重要的角色；又 如人工神经网络理论的发展，使得其在短期的变形预测领域发挥着重要 的作用。 事实上，我们很确定的一点是，变形分析方法中任何方法都不是万 能的，或多或少地存在自身的缺陷，因此伴之而来的便是多种方法相结 合的模式。对于各种方法理论相结合研究的情况，例子非常之多，最为 典型的当属以下几种结合：模糊数学模型原理和灰色理论相结合、模糊 数学与人工神经网络相结合、人工神经网络与专家系统相结合等，这些 结合在变形监测分析领域都起着令人意想不到的效果。 变形体的变形，不像我们想象得那么简单，不能用简单的线性思想 3 第l 章绪论 去完全地描述它，表达它，它是一个错综复杂的系统。这些系统中必然 含有许多非线性、不确定性等复杂因素。也正因为如此，20 世纪7 0 年 代以后，非线性科学理论在变形研究中得到了极大地发展。非线性科学 理论是一个科学理论体系的分支，其中最著名的是突变思想。非线性科 学理论的核心思想是事物之间的变形状态之间是非线性，不能用线性思 想简单地描述它 ”】。 在实际的工程应用中，单测点模型是我们使用最多的一种模型，因 为该模型简单、实用，方便处理，对复杂性不高，监测面积不大的工程， 其应用绰绰有余。但对于大型异性工程，其弊端是显而易见的，最为明 显的一个不足便是监测的信息量不够充分，不能很好的反应变形体的变 形信息。因此，为了顾及监测区域的整体空间分布特征，较大较全的反 映变形区域的信息变化，大面积密集测点变形监测模型应运而生，这很 大程度上推动了变形体整体变形的研究。 现行的变形分析方法在实用性上存在着很大的缺陷，那就是方法获 取信息的过程是事后的，无法进行监控和即时预报，这与其监测的初衷 完全不符。因此，研究在线实时分析与监控非常之有必要。实践证明， 在大坝动态监测领域，采用递推算法的贝叶斯动态模型是完全可行的。 2 0 世纪80 年代末，小波分析理论问世，该理论贡献非常之大。通 过小波变换提取变形特征，具备诸多优势，其中最为显著的优势是精度 高。因此，我们有理由相信，小波变换理论在变形分析方法研究上的突 破指同可待1 4 。 1 3 本篇文章的研究内容与研究目标 1 3 1 研究内容 论文主要研究内容包括深度图像数据读写及可视化、整体变形分 析、局部变形分析、分析数据的可视化及变形分析报表的建立等几个方 面。它们大致可以分为三大部分内容，一是深度图像数据读写及可视化， 二是分析方法的研究，三是变形分析报表的生成。这种分法也体现到本 文的章节安排之中。在进行以上几个方面的理论研究后，通过我院在公 主坟地铁隧道采集的不同时期的隧道点云数据来检验理论方法的可行 性和优越性。 1 3 1 1 深度图像数据读写及可视化 本课题将介绍本文所采用的深度图像的文本格式，详细说明数据各 参数所代表的意义，并且在n e t 环境下，利用o p e n g l 函数库实现深 4 第1 章绪论 度图像的可视化，包括深度图像的旋转，平移，缩放等常规功能。 1 3 1 2 变形区整体变形分析 通过不同时期的深度图像对比，获取变形区域的整体变形数据，在 整体变形分析上，本文采用整体变形彩色图像以及整体变形等值线图来 反映物体的整体变形情况。从图中，我们可以非常明显直观地看出变形 的总体分布情况，以及统计出各变形区域的范围大小。 1 3 1 3 变形区局部变形分析 局部分析主要是分析物体的局部变化，本文采用横剖切线、纵剖切 线来反映物体的局部变形信息。剖切位置宜采用人工选择和按照一定剖 切原则自动选择两种模式来确定。 1 3 1 4 变形分析数据的可视化 为了方便观察变形和交互使用，变形数据除了在内存中需存储变形 数组外，变形数据还需以三维图形的模式在界面中显示，即变形分析数 据的可视化，本文利用o p e n g l 技术与n e t 相结合的方式，实现变形 数据的可视化。 1 3 1 5 变形分析报表的设计 对于变形分析数据，除了可以观察，浏览，交互外，还需要生成相 应的变形分析报表作为变形分析的依据，提供给使用者参考。本文采用 e x c e l 表作为报表的载体，将内存的变量数据以文字、表格和图像的形 式存于e x c e l 报表中。 1 3 1 6 基于深度图像的变形分析原型系统的实现 研究软件系统的设计，在上述研究成果的基础上，设计三维对象数 据模型；并采用m i c r o s o f tv i s u a lc j f 和o p e n g l 图形库，设计用户界面 和软件功能，最后以实际项目中采集的数据来验证数据模型和软件的正 确性与可行性。 1 3 2 研究目标 ( 1 ) 基于多期深度图像的比较分析：深度图像至少在十期以上同时 做比较分析，获取各深度图像之问的变形分析数据以及相应报表。 ( 2 ) 原型系统：研制一个初步实现基于深度图像的变形分析管理系 统，该系统具备深度图像数据的输入、查询、比较、剖切、输出、转换 以及图像数据和变形分析数据的显示、缩放、平移、漫游等功能。 5 第1 章绪论 l i p ( 3 ) 整体变形分析：第一，任意选择两期f 同时期的深度图像，制 定相应的变形等级图例，生成整体变形彩色图，计算出变形的最大值， 最小值，平均值等属性数据。第二，任意选择两期不同时期的深度图像， 输入等值线的参数值，生成对应的总体变形等值线图。 ( 4 ) 局部变形分析：第一，通过深度图像的总体变形数据，有针对 性地实现多期深度图像的手工选点剖切，并且随剖切点的移动即时生成 多期深度图像的剖切线，计算出剖切线上变形的最大值，最小值，平均 值等属性数据。第二，导入剖切基准线，按照一定的剖切原则，比如， 等距，等角或者固定剖切数目的原则，实现多期深度图像的自动剖切， 并且计算出剖切线上变形的最大值，最小值，平均值等属性数据。 1 4 论文的组织与安排 根据论文的主要研究内容，本论文共分为六章，其组织结构安排如 下： 第l 章：绪论。主要介绍论文选题的研究背景与意义，变形分析方 法的国内外研究现状，最后说明论文的组织结构情况。 第2 章：深度图像。 第3 章：变形分析内涵及其理论。 第4 章：深度图像在变形分析方法研究中的应用。 第5 章：实验原型系统的设计与实现。将实验原型系统的总体结构 予以说明，并对软件实现的功能和特点应用实际数据进行说明。 第6 章：结论与展望。总结论文的贡献，实现的内容并且提出进一 步研究的方向。 6 第2 章深度图像 第2 章深度图像 本章节主要介绍深度图像的概念、分类、获取方法及与点云的区别 和联系。 2 1 深度图像的概念 目前大多数学者( 周振坏，2 0 01 ；邹宁等，2 0 01 ；何文峰，2 0 0 4 ；陶曼，2 0 0 6 ； 路兴昌，2 0 0 7 ) 在提到深度图像时大都认为：深度图像与灰度图像区别在 于：灰度图像用数学来描述就是一个矩阵，矩阵的行与列分别代表图像 平面坐标的横轴与纵轴，矩阵中每一点所处的行与列，分别代表了像素 在图像平面横坐标与纵坐标的位置，矩阵中每一点的元素值代表图像在 该点的像素值g ( x ，y ) ，也称灰度值或亮度值。深度图像也是一个矩阵， 矩阵的行与列也代表图像平面坐标的横轴与纵轴：所不同的是矩阵中每 点的数值不再代表图像的亮度，而是代表传感器焦平面到目标之间的距 离d ( x ，y ) 。 h e l m u tc a n t z l e r 于2 0 0 4 年给出的深度图像定义相对比较全面，定 义如下【1 】： r a n g ei m a g e sa r eas p e c i a lc l a s so fd i g i t a li m a g e s e a c hp i x e lo fa r a n g ei m a g ee x p r e s s e st h ed i s t a n c eb e t w e e nak n o w nr e f e r e n c ef r a m ea n d av i s i b l ep o i n ti nt h es c e n e t h e r e f o r e ，ar a n g ei m a g er e p r o d u c e st h e3d s t r u c t u r eo fas c e n e r a n g ei m a g e sa r ea l s or e f e r r e dt oa sd e p t hi m a g e s ， d e p t hm a p s ，x y zm a p s ，s u r f a c ep r o f i l e sa n d2 5 di m a g e s 我们对这段文字可以理解为：距离影像每一个象素值代表了场景中 可见点到某已知参考框架的距离。因此距离影像可以生成场景的三维结 构信息。距离影像也被称为深度图像( d e p t hi m a g e s ) 、深度图( d e p t h m a p s ) ，x y z 图( x y zm a p s ) ，表面轮廓( s u r f a c ep r o f i l e s ) 或者2 5 维图像 ( 2 5 di m a g e s ) 。同时h e l m u tc a n t z l e r 还指出，距离影像可以由两种基 本形式来表达。第一种是利用在给定参考体系中的一系列无序的3 维 坐标串，即点云来表示；第二种方式是以图像x ，y 轴作为坐标轴，用点 的深度值矩阵来表达距离影像，距离值矩阵隐含了点的空间组织信息。 由于距离影像也被称为深度图像，因此本文中所提到的距离影像和 深度图像是指同个概念。 2 2 深度图像的分类 根据深度图像的定义可知，深度图像并不仅仅局限于以平面作为参 7 第2 帚深度罔像 考框架，还叮以以空间点、线、血作为参考框架。深度图像按照参考基 准的不同可以分为三类，即以点、线、面为参考框架的深度图像【7 1 。线 基准可以包含指点基准和曲线基准等；面可以有很多种，其中规则的面 包括平面，柱面、球面、圆锥面、圆台面，圆环面等。在以点作为参考 框架时，由于深度图像记录点到基准面的距离，当球面、圆柱面、弯管 面半径为0 时，这些面分别表现为三维空间中的点、直线和曲线【3 】。 2 3 深度图像的获取方式 在计算机视觉中通常采用光学测距传感器，分为主动测距传感器和 被动测距传感器【2 】。对于主动测距传感器，它是通过主动向被测物体发 射能量( 比如光) ，来探测物体的位置。而对于被动测距传感器，只是依 靠图像灰度来重构出图像深度。主动测距传感器遵循一系列的物理原 理。最常用的传感器技术就是基于三角测量原理、雷达( 1 a d a r ) 声纳 ( s o n a r ) 原理、干涉莫尔信号和主动聚焦散焦。其中，三角测量就是利 用一台光学投影仪，并在离投影仪一个指定的距离处放置一台数码相 机。从投影仪发射出来的可以是单束光或是由光束扫出一个的平面。用 相机观测，得到一个法平面和视场平面相交的曲线，称之为条带。通过 三角测量，就能得到在交线上的物体表面点的深度图像。采用雷达 ( 1 a d a r ) 声纳( s o n a r ) 探测距离，是指电磁短波或声波遇到周围物体而产 生反馈( 或回声) ，记录下发射出短波( 声波) ，到碰到物体再到反射回来 所经过的时间，那么其间的距离就可以用这个时间来表示的函数解算出 来。莫尔干涉信号遇到物体，由于干涉而产生相位差，这个相位差可以 被计算出来。其他的相位传感器量测的是反射回来的波的相位偏移量。 通过相位差的函数来解算出距离的值。基于主动聚焦散焦原理的传感 器，就是对同一场景，在不同的焦距下拍多张照片，从中选出焦距最准 确的那一张。一旦确定了最佳的焦距值，就可以得到一个通过焦距来表 示距离的数学模型，来计算距离。从深度图像的获取方式可以看出，由 于目前三维激光测距系统主要采用的是基于脉冲飞行时间差测距的原 理、基于相位差测距的原理、基于激光三角形的原理的测距技术，因此 三维激光扫描是深度图像获取的主要的方式【6 1 。 2 4 深度图像与点云 从点云和深度图像的定义来看，点云是深度图像的一种间接表达形 式，它只是将深度图像的深度值换算到三维坐标系得到的三维坐标点。 从参考体系来看，点云是以大地坐标系或局部坐标系作为参考框架，点 8 第2 章深度图像 的x y z 坐标是相对于坐标系原点计算得到，而从深度图像的分类町知， 深度图像的参考基准则更加广泛，可以是空间中的点、线或面。从数据 的管理来看，激光扫描获取的点云数据是三维的散乱无序的点的集合， 而深度图像则是有序的2 5 维数据集合，其降低了数据的维数，因此其 相比点云来说数据量要小很多”】。 虽然三维激光扫描仪都是采用的激光测距原理来获取点到测站的 距离，但是目前流行的三维点云处理软件并没有对获取的距离影像进行 有效管理，而是将距离影像转换为三维点云进行管理和显示。同时在管 理点云方面仍然是以测站数据作为一个最小管理单元在进行管理，因 此，无法对古建筑构件进行有效查询。点数据类型的优点是可以对每个 点的所有属性如三维坐标、反射强度和颜色r g b 值进行管理。缺点是 每一个点需要用一条记录来存储，导致存储和检索费时。因此可以考虑 在空矗j 数据库中建立用户自定义的数据类型，对三维点云进行重新建 模、组织和管理。 综上所述，为了克服目前点云数据管理的缺陷，考虑深度图像的低 维性特点、以及参考框架灵活多样的特点。提出以下基本思想：采用深 度图像的第二种基本表达形式( 即以图像x ，y 轴作为坐标轴，建立点 的距离值矩阵的表达方式) ，分别以三维空间中的平面、柱面、球面作 为参考框架，来表达和管理古建筑构件模型。将古建筑每一个特征对象 如瓦片、梁、柱、抖、棋，利用以不同参考面作为基准的深度图像来进 行建模，并以深度图像作为数据库最小存储和管理单元，建立快速高效 的空间索引。这样不仅可以减少数据量，而且便于对大规模古建筑构件 模型的组织与管理，如果组织的好，便可实现对每一古建筑构件的快速 浏览显示和查询。 9 第2 章深度图像 2 5 深度图像文件和点云文件格式对比 西翟嬲忍玩觑描强翻骝虢搿黝臻捌氍f 僦凄磐耀缀搿戳搿麟搦嘲缀翰搦啪- 由女黼 文件哪岛嚣哐) 查看凹塾辽) 格五卿帮助q 1 ) 凸譬口国& j 毫。亳 t o t a l ：3 5 4 啪 6 r 钾s ：5 9 9 c o l s ：5 9 l o l ：- 6 2 4 6 l 钾：一5 2 1 7 9 7 7 x c e l l s z z e ：0 o l 印 舛e l l s z z e ：0 0 l 舳呻 曲x s p ：3 5 2 0 3 0 1 0 y 9 i 印：8 0 7 8 0 2 6 曲i s p ：1 5 4 8 8 9 9 5 z r o f ：一1 5 0 0 9 6 0 y e o f ：5 0 2 黼n s c a l e ：i 咖 一o 5 6 眄3 0 0 8 2 1 9 嚣m t 2 5 40 0 0 0 5 2 1 9 韶一0 砸鲺衢仉0 0 7 4 4 90 0 0 0 0 0 0 0 l 鲫l o o l 嘶吼9 鲥60 0 0 6 0 0 6 3 5 6 4 6 9 棚1 1 噼l i t 91 5 9 4 5 3 7 31 0 0 6 咖 一5 9 一1 0 1 4 6 1 0 1 4 3 1 0 1 4 3 - 1 0 1 4 3 - 1 0 1 4 3 - 1 0 1 4 0 - 1 0 1 4 0 - 1 0 1 4 0 - 1 0 1 4 0 一1 0 1 0 1 1 0 1 0 7 1 0 1 叮一1 0 1 6 7 - 1 0 1 6 7 - 1 0 1 0 7 - 1 0 1 6 7 - 1 0 1 0 7 - 1 0 1 0 7 - 1 0 1 0 i o l o t 一1 0 1 0 7 1 0 1 0 7 - 1 0 1 0 7 - 1 0 1 0 7 - 1 0 1 0 7 - 1 6 1 0 7 - 1 0 1 0 7 - 1 0 1 0 7 - 1 0 1 0 一1 0 1 0 7 - 1 0 1 0 7 - 1 0 1 0 7 - 1 0 1 0 7 - 1 0 1 0 7 - 1 0 1 0 7 - 1 0 1 0 7 1 0 1 0 7 1 0 1 0 7 1 0 1 0 1 0 1 0 7 - 1 0 1 0 7 - 1 0 1 0 7 - - 1 0 1 0 7 - 1 0 1 0 7 - 1 0 1 0 7 - 1 0 1 0 7 - 1 0 1 0 7 - i o i o t - 1 0 1 0 - 1 0 1 0 7 - 1 0 1 0 7 - 1 0 1 盯- 1 0 1 0 7 - 1 0 1 0 7 - 1 0 1 0 7 - 1 0 1 0 7 1 0 1 6 7 一t o l o ? 一1 0 1 6 。1 0 1 0 7 1 0 1 0 7 - - 1 0 1 0 7 1 0 1 0 7 - 1 6 1 0 7 - 1 0 1 0 7 - 1 0 1 0 7 - 1 0 1 0 7 - i o i o t - 1 6 1 0 n m 一 舯1 n - 1 n ，4 n l n 9 i i n ，一i n m 一n n ，一t n nv 、 要。话秭1 ，请掖1 1i 璩 翻搦熬狻懋施貔嬲嬲飘翻! 锄瀚i 文件哩，编辑查看凹插入。格式q ) 矧约 d 瞎q 函巳确蓦毽，黾，岛 5 0 6 0 “ 1 9 2 0 3 8 8 2 5 1 5 l 1 5 6 4 1 5 8 90 2 7 2 6 2 5 0 7 8 3 1 1 5 一o 6 2 1 8 7 20 0 0 2 5 2 3 0 6 2 1 8 7 60 7 8 3 11 3 - 0 0 0 2 11 5 - 0 0 0 0 6 6 00 0 0 3 2 2 60 9 9 9 9 9 5 0 7 8 3 l1 5 一o 6 2 1 8 7 20 0 0 2 5 2 30 o 6 2 1 8 7 60 7 8 3 1 1 3 0 0 0 2 l1 50 - 0 0 0 0 6 6 00 0 0 3 2 2 6 0 9 9 9 9 9 50 3 8 8 2 5 t 5 1 1 5 6 4 1 5 8 90 2 7 2 6 2 51 0 0 00 5 0 0 0 0 0 0 0 00 5 0 0 0 0 0 0 0 00 5 0 0 0 0 0 0 0 00 5 0 0 0 0 0 0 000 5 0 0 0 0 0 0 0 00 5 0 0 0 0 0 0 000 5 0 0 0 0 0 0 0 00 5 0 0 0 0 0 0 0 00 5 0 0 0 0 0 0 0 00 5 0 0 0 0 0 0 0 00 5 0 0 0 0 0 0 0 00 。5 0 0 0 0 0 v 要“帮助”。语按r l 文件鬯) 编辑格式 查看帮助 露0 0 0 6 2 6 日2 8 3 7 3 7 1 2 5 0 4 1 2 - 1 7 8 1 9 6 7 - 2 0 0 0 7 7 8 2 们4 0 5 3 - 2 0 2 3 2 3 9 - 2 6 0 8 8 0 j | - 2 6 0 2 1 2 1 - 2 0 0 2 0 2 9 - 2 们”8 5 - 2 昭4 5 0 0 - 2 们9 6 帕 - 2 帅6 6 6 8 - 2 0 0 7 2 7 8 - 2 0 1 4 8 7 7 - 2 0 1 9 6 9 9 - 2 们5 7 6 2 - 2 们2 1 帅 - 2 们9 6 3 8 - 2 们1 8 5 6 - 2 眩7 1 1 5 3 7 舫3 1 耳 一i t 6 4 6 2 8 6 - i t s 8 1 1 1 1 - i t 5 7 9 9 9 9 一l i 5 6 9 7 4 8 - i t 5 7 们1 i i l i 6 1 7 1 7 2 - i t 6 嘶9 1 1 9 - i t 5 1 9 5 1 6 - i t 5 4 7 3 1 8 - i t 5 1 1 8 9 9 6 - i t 5 3 1 1 9 2 7 - i t 5 5 2 1 日9 - i t 5 3 2 1 5 0 - i t 5 2 3 3 6 1 - i t 5 3 0 i t l l - i t 5 n 1 2 0 5 一5 1 4 5 7 2 - i t 5 b - 1 1 1 4 5 8 4 7 - 1 2 5 1 6 6 3 - 1 2 5 1 6 9 i t - 1 2 5 0 1 6 8 - 1 2 6 1 7 6 5 - 1 。2 6 7 8 3 8 - 1 2 5 1 8 7 7 - 1 2 5 0 4 7 3 - 1 2 5 2 7 9 2 - 1 2 5 7 6 7 5 1 2 7 0 阳s - 1 2 7 3 4 5 3 - 1 2 6 i t 9 6 9 - 1 2 6 0 8 1 8 - 1 2 6 1 1 9 9 9 - 1 2 6 6 2 5 1 - 1 2 6 6 8 6 1 - i 2 6 9 1 s 0 - i 2 6 1 4 5 9 图2 1 深度图像数据 图2 - 2 点云数据( p t x ) 图2 3 点云数据( x y z ) f i g 2 1r a n gi m a g ed a t a f i g 2 - 2p o i n t c l o u dd a t a ( p t x ) f i g 2 3p o i n t c l o u dd a t a ( x y z ) 如图2 1 3 所示，深度图像数据由格网点总数、格网行数、列数、 格网大小、七参数( 平移、缩放以及旋转) 、高程值组成；相比较 点云数据一般有两个存储格式，信息相对较全的格式为p t x 文件 而言， ，它由 点阵的行列数，七参数矩阵( 平移、缩放以及旋转