隧道横断面特征提取方法、装置、设备和存储介质制造方法及图纸

本申请涉及一种隧道横断面特征提取方法、装置、计算机设备、存储介质和计算机程序产品，应用于隧道三维点云数据特征提取技术领域，用于提高隧道横断面特征提取的准确率。所述方法包括：对目标隧道横断面的横断面数据进行抽样处理，得到抽样数据；将所述抽样数据输入至所述目标隧道横断面对应的参数估计模型中，通过所述参数估计模型基于所述抽样数据，对所述目标隧道横断面对应的轮廓线拟合模型中的参数进行估计，得到所述轮廓线拟合模型中的参数的估计值；将所述估计值输入至所述轮廓线拟合模型中，得到所述目标隧道横断面的轮廓线，作为所述目标隧道横断面的第一目标特征。所述目标隧道横断面的第一目标特征。所述目标隧道横断面的第一目标特征。

【技术实现步骤摘要】
隧道横断面特征提取方法、装置、设备和存储介质


[0001]本申请涉及隧道三维点云数据特征提取
，特别是涉及一种隧道横断面特征提取方法、装置、计算机设备、存储介质和计算机程序产品。

技术介绍

[0002]在隧道完成施工后，需要对开挖完成的隧道进行测量，获取隧道的实际尺寸，以确定隧道的实际尺寸与设计尺寸之间的误差，进而对后续轨道和接触网的施工进行合理调整。通过检测得到的隧道的实际尺寸与设计尺寸之间的偏差，还用于确定隧道拱顶沉降，超挖欠挖，轴线偏移等参数，以检验开挖完成的隧道是否满足目标任务要求。三维激光扫描技术具有速度高、精度准、操作方便等特点，并已逐步应用于隧道的测量。
[0003]然而通过三维激光扫描技术获取的三维点云数据非常庞大，传统技术中，常使用最小二乘方法拟合横断面，由延长度方向的横断面中心位置获取隧道的线型，但是，当三维点云数据中存在噪声点、异常值、衬砌内凹槽和凸起等数据时，最小二乘方法无法对这些异常数据进行滤除，使得隧道测量的准确率较低。若使用设定阈值的方式剔除异常数据，当参数选取不恰当时容易造成数据失衡，导致剩余数据的均值与实际均值存在偏差。因此，如何处理这些点云数据，并准确地提取出隧道横断面的特征和线型一直是工程应用中的难题。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够提高隧道横断面特征提取准确率的隧道横断面特征提取方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0005]第一方面，本申请提供了一种隧道横断面特征提取方法。所述方法包括：
[0006]对目标隧道横断面的横断面数据进行抽样处理，得到抽样数据；
[0007]将所述抽样数据输入至所述目标隧道横断面对应的参数估计模型中，通过所述参数估计模型基于所述抽样数据，对所述目标隧道横断面对应的轮廓线拟合模型中的参数进行估计，得到所述轮廓线拟合模型中的参数的估计值；
[0008]将所述估计值输入至所述轮廓线拟合模型中，得到所述目标隧道横断面的轮廓线，作为所述目标隧道横断面的第一目标特征。
[0009]在其中一个实施例中，通过所述参数估计模型基于所述抽样数据，对所述目标隧道横断面对应的轮廓线拟合模型中的参数进行估计，得到所述轮廓线拟合模型中的参数的估计值，包括：
[0010]通过所述参数估计模型对所述抽样数据进行概率统计处理，得到所述轮廓线模型中的参数的后验分布信息；
[0011]根据所述后验分布信息，对所述参数进行似然估计，得到所述参数的估计值。
[0012]在其中一个实施例中，在通过所述参数估计模型对所述抽样样本进行概率计算，得到所述参数的后验分布之前，还包括：
[0013]根据所述参数估计模型，对所述抽样数据进行概率分布处理，得到所述抽样数据的概率分布曲线；
[0014]根据所述概率分布曲线的尾部特征，对所述抽样数据进行标准差波动处理，得到处理后抽样数据；
[0015]所述通过所述参数估计模型对所述抽样数据进行概率统计处理，得到所述轮廓线拟合模型中的参数的后验分布信息，包括：
[0016]通过所述参数估计模型对所述抽样后抽样数据进行概率统计处理，得到所述轮廓线拟合模型中的参数的后验分布信息。
[0017]在其中一个实施例中，在将所述抽样数据输入至所述目标隧道横断面对应的参数估计模型中之前，还包括：
[0018]根据预设标准差和预设自由度，生成初始参数估计模型；
[0019]将所述横断面数据输入至与所述初始参数估计模型关联的均值统计模型中，得到所述初始参数估计模型中的均值参数数值；
[0020]使用所述均值参数数值更新所述初始参数估计模型中的均值参数，得到所述参数估计模型。
[0021]在其中一个实施例中，在对目标隧道横断面的横断面数据进行抽样处理，得到抽样数据之前，还包括：
[0022]对所述目标隧道横断面所处的场景所对应的三维点云数据进行数据提取处理，得到所述目标隧道横断面的初始横断面数据；
[0023]提取所述初始横断面数据中的平面坐标数据，得到所述横断面数据。
[0024]在其中一个实施例中，所述方法还包括：
[0025]将所述估计值输入至隧道横断面中心点模型中，得到所述目标隧道横断面的中心点坐标；
[0026]将所述中心点坐标确定为所述目标隧道横断面的第二目标特征。
[0027]第二方面，本申请还提供了一种隧道横断面特征提取装置。所述装置包括：
[0028]抽样模块，用于对目标隧道横断面的横断面数据进行抽样处理，得到抽样数据；
[0029]估计模块，用于将所述抽样数据输入至所述目标隧道横断面对应的参数估计模型中，通过所述参数估计模型基于所述抽样数据，对所述目标隧道横断面对应的轮廓线拟合模型中的参数进行估计，得到所述轮廓线拟合模型中的参数的估计值；
[0030]特征模块，用于将所述估计值输入至所述轮廓线拟合模型中，得到所述目标隧道横断面的轮廓线，作为所述目标隧道横断面的第一目标特征。
[0031]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0032]对目标隧道横断面的横断面数据进行抽样处理，得到抽样数据；
[0033]将所述抽样数据输入至所述目标隧道横断面对应的参数估计模型中，通过所述参数估计模型基于所述抽样数据，对所述目标隧道横断面对应的轮廓线拟合模型中的参数进行估计，得到所述轮廓线拟合模型中的参数的估计值；
[0034]将所述估计值输入至所述轮廓线拟合模型中，得到所述目标隧道横断面的轮廓线，作为所述目标隧道横断面的第一目标特征。
[0035]第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0036]对目标隧道横断面的横断面数据进行抽样处理，得到抽样数据；
[0037]将所述抽样数据输入至所述目标隧道横断面对应的参数估计模型中，通过所述参数估计模型基于所述抽样数据，对所述目标隧道横断面对应的轮廓线拟合模型中的参数进行估计，得到所述轮廓线拟合模型中的参数的估计值；
[0038]将所述估计值输入至所述轮廓线拟合模型中，得到所述目标隧道横断面的轮廓线，作为所述目标隧道横断面的第一目标特征。
[0039]第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0040]对目标隧道横断面的横断面数据进行抽样处理，得到抽样数据；
[0041]将所述抽样数据输入至所述目标隧道横断面对应的参数估计模型中，通过所述参数估计模型基于所述抽样数据，对所述目标隧道横断面对应的轮廓线拟合模型中的参数进行估计，得到所述轮廓线拟合模型中的参数的估计值；
[0042]将所述估计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种隧道横断面特征提取方法，其特征在于，所述方法包括：对目标隧道横断面的横断面数据进行抽样处理，得到抽样数据；将所述抽样数据输入至所述目标隧道横断面对应的参数估计模型中，通过所述参数估计模型基于所述抽样数据，对所述目标隧道横断面对应的轮廓线拟合模型中的参数进行估计，得到所述轮廓线拟合模型中的参数的估计值；将所述估计值输入至所述轮廓线拟合模型中，得到所述目标隧道横断面的轮廓线，作为所述目标隧道横断面的第一目标特征。2.根据权利要求1所述的方法，其特征在于，所述通过所述参数估计模型基于所述抽样数据，对所述目标隧道横断面对应的轮廓线拟合模型中的参数进行估计，得到所述轮廓线拟合模型中的参数的估计值，包括：通过所述参数估计模型对所述抽样数据进行概率统计处理，得到所述轮廓线模型中的参数的后验分布信息；根据所述后验分布信息，对所述参数进行似然估计，得到所述参数的估计值。3.根据权利要求2所述的方法，其特征在于，在通过所述参数估计模型对所述抽样样本进行概率计算，得到所述参数的后验分布之前，还包括：根据所述参数估计模型，对所述抽样数据进行概率分布处理，得到所述抽样数据的概率分布曲线；根据所述概率分布曲线的尾部特征，对所述抽样数据进行标准差波动处理，得到处理后抽样数据；所述通过所述参数估计模型对所述抽样数据进行概率统计处理，得到所述轮廓线拟合模型中的参数的后验分布信息，包括：通过所述参数估计模型对所述处理后抽样数据进行概率统计处理，得到所述轮廓线拟合模型中的参数的后验分布信息。4.根据权利要求1所述的方法，其特征在于，在将所述抽样数据输入至所述目标隧道横断面对应的参数估计模型中之前，还包括：根据预设标准差和预设自由度，生成初始参数估计模型；将所述横断面数据输入至与所述初始参数估计模型关联的均值统计模型...

【专利技术属性】
技术研发人员：陈前，崔力波，许丹，章邦超，周智，赵明明，赵国臣，林海斌，朱兴吉，
申请(专利权)人：中铁十一局集团有限公司江汉大学，
类型：发明
国别省市：