三維點云的案例
光學3D表面輪廓儀可以測金屬嗎？
它利用光學投射原理，通過光學傳感器對物體表面進行掃描，并根據反射光的信息來重建物體的三維模型。這種測量方式具有非接觸性、高精度、高速度等優點，非常適合用于金屬等材料的表面測量。
光學3D表面輪廓儀可以測量金屬的形狀、表面缺陷、幾何尺寸等多個方面：
1、形狀測量。光學3D表面輪廓儀可以快速、準確地獲取金屬表面的曲率、凹凸等特征。
2、表面缺陷檢測。光學3D表面輪廓儀可以實時捕捉金屬表面的瑕疵、劃痕、凹陷等問題，以便及時修復和改進。
3、幾何尺寸測量。光學3D表面輪廓儀可以測量金屬制品的長度、寬度、高度等維度參數。
除了測量金屬表面的形狀和輪廓外，光學3D表面輪廓儀還可以生成三維點云數據和色彩圖像，用于進一步分析和展示：
1、三維點云數據可以用于進行CAD模型比對、工藝分析等，幫助優化生產流程和提高產品質量；
2、色彩圖像可以直觀地展示金屬表面的紋理、顏色等特征，為審美評價和設計提供參考。
SuperViewW1能夠以優于納米級的分辨率，測試各類表面并自動聚焦測量工件獲取2D，3D表面粗糙度、輪廓等一百余項參數，廣泛應用于光學，半導體，材料，精密機械等等領域。
總之，光學3D表面輪廓儀在金屬測量方面應用廣泛，可以實現非接觸式、高精度的測量。但是在測量前需要充分了解被測金屬的特性，通過合理的儀器操作和數據處理，才能得到精準的測量結果。想了解更多可咨詢中圖儀器。
展開 巖體不連續提取工具---Discontinuity Set Extractor (DSE)
輸入的數據是三維點云，三維點云數據由三維激光掃描儀如LiDAR或TLS【地面激光掃描儀TLS在巖土工程中的應用(2)---節理粗糙度JRC; 地面激光掃描儀(Terrestrial Laser Scanner)在巖土工程中的應用(1)---Rockfall】產生，也可以由數字攝影測量(digital photogrammetry)技術【攝影測量技術在巖石工程中的應用(application of photogrammetry)】或合成數據產生。這個工具可以從三維空間按平面排列的無組織的點云中半自動地識別和提取出不連續組。DSE使用MATLAB語言編寫，DSE的最新版本3.01需要在MATLAB R2021b環境下運行【個人觀點---為什么數值模擬優先使用Python而不是MATLAB】。
展開 超表面賦能結構光三維重建 | 實現超大視場高精度實時重建
，再經特征匹配與點云拼接獲取全場景三維信息。
大疆發布首款搭載三維航線的植保無人機，還要繼續深入農村
▲ 電線桿和電線的三維點云成像
通過結合數字波束合成技術，T16 還可實現三維點云成像，實時構建障礙物信息，在作業中可有效識別復雜農田場景，實現自主繞障飛行。
也就是說，如果無人機飛行時，前方有電線桿甚至電線，它的雷達也能夠探測出來，并且能夠「聰明」地以相對平滑的軌跡自動繞行避障。
這個雷達還支持地形坡度檢測，讓無人機在山地斜坡的場景下也可仿地起伏飛行，保持與農作物之間的噴灑高度。
據悉，大疆 T16 是目前國內首款搭載三維航線飛行功能的植保無人機。
在無人機噴灑前，先使用精靈 4 RTK 版本對農田進行測繪，再使用 PC 地面站專業版實現農田環境三維重建，通過人工智能進行場景識別，為 T16 規劃三維航線與作業流程。
這個解決方案在果園、茶園等地形復雜的經濟作物種植區中尤為適用。果樹模式下的 AI，能夠識別出果樹、建筑、地面、水面及電線桿等物體。
得益于測繪、三維建模以及 AI，果園里各棵果樹的位置與高度都能被感知，T16 只對果樹進行噴灑，并且能根據果樹的高度實時調整飛行高度。
T16 植保無人機的單價售價為 31888 元，遙控器售價為 4300 元，充電器為 4500 元，電池為 4000 元（保內 400 循環）/ 3500 元（保內 300 循環）。
T16 一整套配下來價格并不低，大疆表示，為了讓更多人能使用無人機，發布了針對上一代產品 MG-1P 植保無人機的合約機計劃：
支付 17188 元，可買到一臺全新 MG-1P 植保無人機（合約機版本）。當接到作業訂單時，用戶只需要按需充值，就可以進行作業，每畝作業費用為 0.5 元。當飛行作業超過 20000 畝次后，用戶將不再需要充值。
目前合約機計劃還沒有詳細公布，不過電池之類的配件應該還是要自己配齊的。
展開 
基于CATIA的汽車零部件逆向設計
數據處理，在三維掃描過程中，由于光線的明暗、輔助工具的介入、測量儀器的偶然因素、測量環境的震動干擾、操作者的操作水平等因素，就會產生測量噪聲和壞點，一般是不可能全部避免的，這樣就需要使用方法進行剔除。
首先反復觀察測量的物體與已經測量的點云數據，壞點非常容易判斷，比如跑到測量物體外面的游離點云就是壞點，必須手工刪除，有時直接觀察離散點，因為沒有消隱，分辨起來有點困難，可以將點云進行三角面渲染，點云實體化，就可以完成壞點刪除。數據處理的結果將影響模型重構的質量，通過CATIA軟件下“形狀”菜單“Digitized shape editor”及“Quick Surface reconstruction”模塊中各個工具進行數據分塊、數據光順、噪點濾波、特征提取、坐標重置等，完成點云數據處理工作，方便下一步逆向設計工作。
模型重構，是最重要的逆向造型過程，重構方案目前主要有三種：
1）以B-Spline或NURBS曲面為基礎的構造法;
2)以三角Bezier曲面片為基礎的曲面構造法；
3）以多面體面為基礎的曲面構造法。
圖2 網格化數據
NURBS曲面基礎的構造法，以上文所述零部件為例，使用CATIA軟件進行逆向設計，分別在Digitized shape editor模塊下進行坐標切割網格化操作，如圖2。
圖3 NURBS曲面
經網格化的點云數據可以進行點線面編輯，分別在CATIA創成式外形設計和Free Style兩個模塊進行NURBS成面設計，如圖3。
圖4 實體結構數據
根據逆向設計所需，本零部件主要用于質量分析，曲面貼合要求滿足點云誤差≤0.5mm即可，通過點→線→面→體，最終完成點云三維結構數據，如圖4。
成面過程中要注意的原則：
(1）分析被測量物體的部位與功能。
展開 低延遲高精度 地平線頂尖自動駕駛算法實力解析｜Waymo自動駕駛算法挑戰賽
如圖1所示，2D檢測任務是從圖像中檢測物體的二維邊框，而3D檢測任務是從激光雷達點云中檢測物體的三維邊框。
如前文所述，深度學習技術首先在計算機視覺領域取得了突破性的進展，從圖像中檢測二維物體的算法已經相對成熟，落地應用也很多。不同于二維圖像，激光雷達可以精確的測量物體的距離及其三維形狀，而且受天氣和環境的影響較小。這對于自動駕駛來說是非常重要的性質，因此近幾年來，學術界和工業界逐漸把目光轉移到基于激光
雷達的三維物體檢測算法上。與圖像的二維像素排列格式不同，激光雷達的數據是三維的點云，其密度隨著距離的增加而減少。此外，二維圖像采用的是透視坐標，而三維點云通常采用的是俯視坐標（Bird’s Eye View, BEV）。這些差別導致基于圖像數據設計的深度神經網絡無法直接應用到三維點云數據上。所以說，雖然激光雷達對于自動駕駛來說至關
重要，其感知算法的設計目前還面臨著巨大的挑戰。
圖1 二維物體檢測（左圖） vs. 三維物體檢測（右圖）
自從2017年VoxelNet發表以來，基于激光雷達點云的物體檢測取得很大的進展，各大研究機構紛紛提出自己的算法，報告的檢測率也不斷提升。
展開 在midas GTS NX中，如何建立復雜的幾何實體？
①地形數據生成器，在midas GTS中提供了基于三維點云生成地表面的地形數據生成器功能，具體實現是通過導入含有高程信息的等高線，選擇需要分析的區域生成地形面即可。
②層面助手需要結合地質勘測提供的層面助手來生成，原理是利用鉆孔點的坐標與每一個層面與鉆孔的距離，插值獲得真實的地形圖。層面助手最好和層面助手的模板excel一起使用，具體模板可以私信我獲得。（百度云鏈接有時候會失效。）
③直接導入三維等高線，然后選擇等高線上的點， 利用點云生成，但是這個功能需要把等高線打斷，這樣獲得的點才足夠多的，樣本數據足，生成的地形面才真實。需要注意的一點是：此功能對電腦配置要求較高，但是操作簡單粗暴，適合于有強勁電腦的人，普通電腦這一步花費的時間會比較久。
④從其他軟件進行導入，例如BIM軟件的civil3D，達索公司的CATIA，RHINO等等，可以參見我其他的帖子，這里不做贅述。
⑤如果實在信息有限，勘察只提供了平面圖與剖面圖，也是可以通過GTS的邊界面來生成需要的模型的。如下圖
展開 基于激光+視覺+IMU+RTK的三維重建
三維重建主要通過使用相關儀器來獲取物體的二維圖像或三維點云等數據信息, 然后, 再對獲取的數據信息進行分析處理, 最后, 利用三維重建的相關理論重建出真實環境中物體表面的輪廓信息，廣泛應用于人工智能、機器人、無人駕駛、SLAM (Simultaneous localization and mapping)、虛擬現實和 3D 打印等領域, 具有重要的研究價值也是未來發展的重要研究方向。
三維重建技術分類如下圖所示
三維重建技術分類
目前三維重建方法較多，但主要聚焦在激光和視覺，因為二者能輸出較出色的重建效果，激光和視覺重建的效果又有一些差異：
激光重建精度較高，不受光線影響，但是不具有顏色屬性。
視覺重建精度一般，具有顏色屬性，但效果易受光線影響。
無論是激光和是視覺做三維重建都需要做特征匹配，但是匹配都不能保證精度足夠，在一些特征不好的時候，建圖的效果較差，所以一般會加入IMU做匹配約
束，IMU傳感器能智能地融合多軸陀螺儀和加速度計，即只用內部傳感器就可以得到測量數據，而不需要任何外界幫助，提供可靠的位置和運動識別。
IMU在三維重建中采用的方法一般是通過卡爾曼濾波器或者優化的預積分模型進行對匹配進行相對約束，能大大提升匹配的精度和魯棒性。
基于濾波的IMU融合框架如下圖所示
基于濾波的IMU融合
基于優化的IMU融合如下圖所示
基于優化的IMU融合
兩種融合方式都有其應用的優點，基于濾波的計算量小，基于優化的計算兩較大，精度一般高于濾波方法。
激光三維重建的匹配原理如下圖所示
激光三維重建過程
激光匹配的本質就是對應點關聯，做剛體變換完成，典型算法是ICP,NDT。
展開 無人機技術：航測與激光測量
三維掃描儀外業數據，通過掃描儀自帶軟件進行拼站，賦予絕對坐標，去噪，導出通用點云格式，通過第三方軟件截取廠房的立面和內外平面正射照片。
使用廠房的立面和平面照片，結合外業拍攝的照片，畫廠房的外立面和內外平面
02
結束語
隨著無人機航測和三維掃描儀掃描技術不斷地成熟，測繪方式已經從原來全站儀，RTK測量地物特征點，然后內業勾勒特征點成圖，發展到無人機航測和三維激光掃描對地物全要素地理信息的獲取，內業專門航測和點云軟件處理多種數據格式的測繪成果（DOM，DSM，DEM，DLG，三維點云，三維模型等），可以更加真實直觀地反映地物現狀。但是這也帶來了海量數據，如何快速的使用這些數據，不讓其過多地消耗電腦配置，是下一個令人棘手的問題。魚和熊掌不可兼得也！
展開 無人機航測是選擇固定翼還是多旋翼？
無人機測繪通過無人機低空攝影獲取高清晰影像數據生成三維點云與模型，實現地理信息的快速獲取。效率高，成本低，數據準確，操作靈活，可以滿足測繪行業的不同需求。大大地節省了測繪人員野外測繪的工作量，取得了巨大的社會和經濟效益。
航測無人機
有的也叫做RTK無人機。
相較于航拍無人機，具有以下四個特點：
1、 快速航測反應能力
2、突出的時效性和性價比
3、監控區域受限制小
4、地表數據快速獲取和建模能力
首先明確無人機分為兩大類：固定翼和多旋翼
今天我們來了解下固定翼與多旋翼無人機的區別，在航測工作中如何選擇合適的無人機來進行作業。
多旋翼無人機
多旋翼無人機的優點：操作簡單，輕便，造價相對低廉，可以定點懸停
多旋翼適合航拍、環境監測、偵查、建筑建模、特殊物體運輸等小區域應用
多旋翼無人機的特點是它可以懸停，垂直升降對起飛場地要求低，但速度比較慢，續航時間段，所以在很多環境復雜，范圍不大的區域比較適合，比如：航拍，監控，偵查，建筑建模等。操作簡單，經過簡單的培訓就可以操作。
市面上像大疆，零度等消費級的無人機都是旋翼無人機。通常旋翼無人機續航時間都在20分鐘左右，載重基本就是個微單相機了。
而工業級旋翼無人機，有的最高載重在7KG，續航能達到40分鐘，相比普通消費級旋翼，也是大大提升了作業效率與適應力，在城區、礦區、災害應急等涉及區域不大的測繪有著不俗的表現。
固定翼無人機
固定翼無人機優點：續航時間長，抗風性能好，拍攝面積廣。
固定翼適合航測、區域監控、管道巡線、應急通訊等
固定翼無人機在飛行原理上與飛機類似，靠螺旋槳或者渦輪發動機產生的推力作為飛機向前飛行的動力，主要的升力來自機翼與空氣的相對運動。固定翼無人機必須要有一定的無空氣的相對速度才會有升力來飛行。
展開 寧夏：43條輸電線路實現無人機激光點云數據采集
“報告工作負責人，±660千伏銀東直流線路226號塔已完成激光點云數據采集，全線激光點云數據全部采集完畢！”國網寧夏檢修公司無人機班班員李波匯報道。
7月5日，隨著最后一架無人機緩緩落地，標志著由該公司無人機班巡檢作業團隊組織的全區750千伏及以上架空輸電線路無人機激光點云數據采集項目正式完成。該項目通過為期4個月的無人機三維激光雷達掃描，繪制出長達2874公里的輸電線路三維模型，為后續開展輸電線路無人機智慧巡檢奠定了基礎。
此次點云數據采集運用無人機搭載高精度多線程激光雷達對全區750千伏及以上電壓等級共計5984基桿塔的交直流輸電線路進行掃描。多線程激光雷達保證了掃描所獲取的三維點云數據精度高達厘米級，掃描獲取的激光點云數據可以直觀地觀察到線路通道走廊內目標物的空間位置和輪廓，確定導地線與地面、建筑、植被等目標物之間的距離，結合數字正射影像DOM、數字高程模型DEM建立三維可視化數據庫，同時生成“三跨點”報告、安全距離檢測分析報告及模擬工況分析報告等，形成一套多源數據融合的智慧三維數字電網。
目前，國網寧夏檢修公司所運維750千伏及以上電壓等級的主電網輸電線路分布區域廣，存在“三跨點”多，線路通道環境復雜。以往巡視方式為人工巡視、可視化監控以及無人機手動巡檢，面對全區近3000公里的主網線路仍存在巡視力度不夠的問題。
去年年底，檢修公司組建無人機巡檢作業團隊，運用無人機開展激光雷達掃描線路桿塔及通道走廊，利用激光點云數據建立輸電通道三維模型、無人機自主巡檢路徑規劃及三維可視化管理等，加強線路走廊樹障分布管控、“三跨點”治理、外破風險管控、輸電線路各類模擬工況分析，有效提高了輸電線路精益化管理。
?“所有點云數據采集完畢后，我們著手將建設智慧線路無人機巡檢一體化管控平臺。
展開 
康謀技術 | 多傳感器數據融合技術與策略解析
關于具體做法，這里舉一個簡單的例子：
1、相機與LiDAR融合
在實現激光雷達與相機標定、運動補償和時間同步后，通過多傳感器深度融合，執行幾何變換將三維點云數據投影至二維圖像平面，實現物理空間到視覺空間的映射。最后，整合深度信息與圖像像素數據，形成深度標簽圖像，從而為自動駕駛車輛的環境感知系統提供更為豐富和精確的數據支持。
2、融合方式
根據數據在整個流程中融合的不同位置，常見的融合方式可分為前融合、深度融合和后融合。
圖2：常見的融合方式
前融合（Early-Fusion）：是在最原始的層面上將不同傳感器的數據進行整合。這種融合方式涉及直接在空間上對齊傳感器數據，形成一個統一的多模態數據集。可以進行數據統一標識，降低信息損失。
深度融合（Deep-Fusion）：是在特征提取之后、決策之前進行的融合。這種融合方式涉及將不同傳感器的數據在特征空間中進行組合，通常通過級聯或元素相乘的方式實現。通過特征互補可以提高魯棒性和提升泛化能力。
后融合（Late-Fusion）：是在各個傳感器獨立完成目標檢測或分類等任務后，將它們的預測結果進行綜合分析，以做出最終的決策。通過綜合多個傳感器的預測結果，提高決策準確性。可根據需要靈活添加或替換傳感器模型。
3、應用場景
在多傳感器融合中，前融合、深度融合和后融合各有優勢和適用場景。
前融合：在數據層面上實現早期整合，適合對原始數據依賴性較強的應用。
深度融合：在特征層面上進行信息融合，適合需要特征互補的復雜感知任務。
后融合：在目標層面上進行決策整合，適合需要最終決策優化的場景。
在實際應用中，根據系統需求和傳感器特性，選擇合適的融合策略或多種策略的組合，以達到最佳的感知效果。
展開 Bert模型微調---產生自己的訓練數據模型
Characterization of brittle fracture in surface mines using conceptual simulation Failure of large rock slopes is often a combination of slip and/or opening of preexissting non-persistent discontinuities and intact rock failure. (3. a) 攝影測量得出的露天礦坡面的點云 b) 從三維點云生成的三維網格 c) 三維網格導入三維數值代碼(Slope Model) B-2. 利用概念模擬對露天礦的脆性斷裂進行表征，顯示大型巖石邊坡的破壞往往是滑移和/或預先存在的非貫通不連續體的張開與完整巖石破壞的結合。)
4 結束語
這個筆記使用一個小樣本數據集微調出新的訓練模型，并檢驗了新的模型是否可用。結果顯示目前使用的微調過程在本機上可以使用。以后我們將逐漸訓練出自己的GeotechSet模型。
展開 如何使用無人機進行三維建模
圖14 礦山地質環境模型（據聞彩煥等，2020）
圖15 礦山生態修復效果模型（據聞彩煥等，2020）
馮威基于無人機勘察數據和三維建模成果，實現了地層巖性、地質構造、不良地質等地質要素的準確判識，實現了巖體結構面等地質信息的定量提取，提高了勘察效率和精度，可推廣應用于復雜艱險山區工程勘察工作。
圖16 識別地質要素與巖體結構面提取（據馮威，2019）
王果等提出一種基于無人機傾斜攝影技術的全自動露天礦邊坡三維重建方法，重建的三維模型可全面表達露天礦邊坡整體形態和保持局部細節特征，而且具備高效低成本等特點，在露天礦三維地形滑坡動態監測和災害分析方面具有重要意義。
圖17 試驗區真三維模型（據王果等，2017）
圖18 試驗區重建效果局部放大（據王果等，2017）
何原榮等針對古建筑三維重建中傳統技術很難同時兼顧高精度三維信息快速獲取和多角度真實地物紋理特征準確采集的難題，提出了聯合三維激光掃描與傾斜攝影測量技術的古建筑三維重建新方法。該方法的建模效率比傳統方法高效，且三維激光點云數據和無人機傾斜攝影數據的直觀性可降低建模過程中內外業的出錯率，避免了傳統方法對于建筑部件的局部數據缺失而返回現場補充量測數據的成本。同時，三維激光點云數據與無人機傾斜攝影測量獲取的古建筑數據更加豐富且完整，是可存檔的原始三維空間模型數據，可為科研人員進行后續研究提供最原始的數據支撐。曲林等利用無人機影像建立實景三維模型。通過傾斜攝影數據建立的實景三維產品，可服務于規劃、國土資源管理、城市管理、招商引資等方面，提升城市的對外宣傳形象。
展開 一汽陳雪娟：主機廠量產之前為什么要自研L4高精地圖？
據介紹，一汽南京公司目前使用的是二維標注系統，并不是三維點云系統。這種非常基礎的標注系統也能夠滿足基本需求，畢竟大部分元素都是附著于地面，對于紅綠燈是額外處理的。這方面確實有些局限性，所以后期升級考慮開發基于三維點云的標注系統。
即使是將標注系統維度從二維換到三維，也難免遇到激光雷達地面反射率相近的情況，此時更靠譜的是引入圖像，依賴圖像+點云融合的數據進行標注，這也是日后技術的拓展方向。
建圖技術路線
建圖的流程和業內主流建圖方案一樣，分為五大步驟：采集數據、數據拼接與處理、標注、生成最終的地圖文件、地圖檢驗。現在是直接使用自動駕駛車輛來建圖，有兩個車型，一輛是是長春一汽集團總部提供的安裝機械式激光雷達的車，另一輛是南京研發的安裝固態激光雷達的車，后者是為量產化做的方案。之所以有不同的建圖車輛，是因為車輛所在的地域不同，車輛最初的設計方案不同。一汽集團目前僅在有自己研發機構的地方建圖，目前國內只有長春、南京、海南三地。三地均有自己不同類型的自動駕駛車輛在做測試。地圖團隊是服務于其他模塊，盡量做到現場有什么資源就利用什么資源，避免車輛的運輸，降低成本。
建圖數據采集車輛
獲取數據包后的數據的處理采用從上到下投影的方式，利用激光雷達的信息生成高精度地圖，數據包可以支持三種格式，因為集團不同版本自動駕駛車輛用的是不同的系統，所以會有不同的數據格式，要被動適應這些格式。
展開 