工厂设备自动识别管道系统基于法线区域生长的算法

计算设计与工程杂志，卷。号11（2014）13~26www.jcde.org基于法线区域生长Kazuaki Kawashima*、Satoshi Kanai和Hiroaki Date北海道大学研究生院情报科学技术研究科，札幌，日本（2013年9月18日接收;2013年10月26日修订;2013年11月1日接受摘要最近，由于产品的寿命缩短，工厂设备的翻新变得更加频繁，并且根据大规模激光扫描数据构建的模型有望简化重建过程。然而，现有工厂的激光扫描数据具有大量的点，捕获复杂的对象，并且包括高噪声水平，因此手动重建3D模型非常耗时且成本高昂。在工厂设备中，管道系统所占比例最大因此，本研究的目的是提出一种算法，可以自动识别管道系统从地面激光扫描数据的工厂设备。该算法可以识别管道的直管段、连接部位和管道系统的连接关系基于法线的区域生长和圆柱面拟合可以提取管道的所有可能位置，包括直管、弯头和接头。跟踪管道系统的轴使得能够识别这些元件的位置及其连接关系。仅使用点云，可以以全自动的方式执行识别算法将该算法应用于石油钻机和化工厂的大规模扫描数据直管、弯管和接头的识别率分别达到约86%、88%和71%关键词：激光扫描;目标识别;竣工模型;管道系统;点云1. 介绍近年来，由于工厂产品的寿命短然而，在许多情况下，翻新的结果不一定记录在工厂图纸中。因此，现有设备和新设计的设备之间的意外碰撞经常发生在施工阶段。这导致额外的成本和劳动力。地面激光扫描仪的性能得到了快速发展，环境中物体的形状可以很容易地捕获为3D点云。利用这些现有工厂的激光扫描点云，可以重建工厂设备的竣工模型一旦模型被重建，非预期的作品可以在计算机上预先检查，并在规划阶段避免然而，现有工厂的激光扫描数据具有大量的点云，包括大量的噪声，并捕获缠结的物体。因此，从点云中识别每个植物成分，包括缠结的物体，并构建植物的3D模型几乎是可行的。不可能或非常耗时。因此，从点云的识别和3D模型构建过程的自动化需要在工厂工程领域中大力推广植物由许多类型的成分组成。管道系统是最重要的组成部分之一，它所占的比例最大，经常更新管道系统由各种元件及其连接关系组成：直管、连接部件（如接头和弯头）以及附属部件（如指示器和阀门）。已经提出了几项研究来识别管道系统从激光扫描点云。然而，这些算法不能应用于已经注册和强度的点云，或者只能识别少数几类管道系统。Masuda等人[1]提出了一种从植物扫描数据中识别平面和圆柱的方法然而，它需要扫描点和扫描仪反射强度的组合Rabbaini等人[2]提出了一种方法，该方法从点云和从同一位置拍摄的照片的组合中重建3D原始模型。然而，该方法需要一对点云数据和从扫描仪位置拍摄的照片。管道系统通常占据工厂的广阔区域，并且多次扫描及其*通讯作者。联系电话：+82-011-706-6449，传真：+82-011-706-7120电子邮件地址：k_kawashima@sdm.ssi.ist.hokudai.ac.jp© 2014 CAD/CAM工程师协会Techno-Press doi：10.7315/JCDE. 2014. 00214K. Kawashima等/Journal of Computational Design and Engineering，Vol.号11（2014）13~26A1•所有扫描点•法向量•网格宽度lg估计法向量•多项式曲面拟合•局部搜索半径r1•正规分组阈值τn识别管道系统A2•基于法线的区域生长•管道上的分组点•参数已安装的气缸·定义参数管道元件•连接关系•拟合阈值ε识别连接关系•圆柱接头·跟踪轴方法•线弧拟合图1.概述了所提出的管道系统识别算法。为了获得覆盖系统的整个形状的点云，不可避免地要进行配准因此，- se算法可能无法应用于从多次扫描生成的配准点云。Aurelien等人[3]提出了一种使用植物的先验CAD模型将优化的圆柱模型拟合到扫描点然而，具有相似半径和轴向的3D圆柱模型必须手动放置在管道上的点附近。Johnson等人[4]提出了一种使用自旋图像将数据库中的3D CAD模型与点云匹配的方法然而，由于直管的长度不固定，因此很难制备精确的3D模型。Namatame等人[5]提出了一种在曼哈顿世界语法假设下识别管道上点的方法。然而，该算法只能识别管道系统的 直 线 部 分 。 最 近 ， Lee et al.[6] 提 出 了 一 种 利 用Voronoi图从管道系统上的点识别直管、弯头和接头的方法然而，在他们的算法中，输入点云只包括管道本身，而不包括任何不需要的部件，如法兰或阀门，或支持管道，从而牺牲了通用性。Belton等人[7]和Rabbani等人。[8]提出了使用协方差分析并使用基于法线的区域生长和平面拟合的组合将植物的扫描点分类和划分为平面表面和圆柱表面上的扫描点的方法然而，弯头和接头上的点以及管道系统的连接性未得到确认。Vossel-man等人[9]提出了一种使用3D Hough变换进行识别的方法但是，在管道系统中只能识别直管El-Harawany等人。[10]提出了一种方法，从扫描的极点点识别圆柱体例如使用基于本征的分割、线性特征提取和圆柱拟合的组合的路边上的对象。然而，如果应用于植物的扫描点，只能从其中提取直管。Marshall等人[11]提出了一种基于非线性最小二乘的方法，将一般物体的扫描点分割为球体、圆柱体、圆锥体和圆环体。然而，该方法只处理形状相对简单的物体的点云，因此，它不能很好地适用于植物中的缠结对象因此，本研究的目的是提出一种新的算法，可以自动识别由直管和连接部件组成的管道元件及其连接关系，仅从整个工厂的原始激光扫描点云，其中包括点云以外的管道系统。对实际工厂的大规模激光扫描点云数据进行了测试，验证了该算法我们已经提出了一个类似的识别算法的管道系统，但它有一些问题[12]。在提取直管上的点的过程中，需要对搜索半径进行精细的参数设置应根据点所在的管道半径设置该因此，如果设备中的管道半径之间存在很大差异，则大多数管道不能被此外，该算法不能提取非直管周围的一些点，如支撑材料，附着部分，连接部分的直管。因此，如果缠结的管道集中在一个小区域内，这些管道将无法识别。为了解决这些问题，本文介绍了一种常规的-A3K. Kawashima等/Journal of Computational Design and Engineering，Vol.号11（2014）13~2615e1e- 2q1一体化区域直管分段区域肘部（一）结平面表面e- 2分段区域e1方向包围盒分割平面e- 2e1e- 2（b）第（1）款ee1e- 2e- 22投影点（c）第（1）款（d）其他事项图2.识别管道系统的管道：（a）法向基区域生长，（b）有向边界框，（c）投影点范围的中值，（d）集成区域。基于区域生长，自动提取管道系统上的点并将点分割到每个管道中。通过引入该算法，几乎所有的管道点可以提取无需计算法向张量。使用这种方法，与以前的方法相比，直管、接头和弯头的识别率有了很大的提高[12]。2. 算法概述如图1所示，所提出的识别算法由三个过程组成。首先，利用网格单元和二次曲面估计每个扫描点的法向量，e1e1e1e- 2e116K. Kawashima等/Journal of Computational Design and Engineering，Vol.号11（2014）13~26多项式曲面拟合然后，使用基于法线的区域生长提取每个管道上的点，并通过柱面拟合估计它们的最后，通过对管道轴线的跟踪和插值，识别出3. 估计法向量为了减少大量扫描点法向量的计算量，放置一个单元宽度为lg的网格来覆盖整个扫描空间。每个网格单元都将扫描点保存在单元内在算法中K. Kawashima等/Journal of Computational Design and Engineering，Vol.号11（2014）13~2617J我我我建议将lg设置为管道系统中要处理的最小管道半径rmin的三分之一接下来，为了估计所有扫描点的法向量，对于每个网格单元i，首先通过等式（1）计算协方差矩阵Ci|{p j}|gevectorrse1，e2，e3 areobtained. 一个不规则的边界块，其中，对矢量或矢量1、矢量2、矢量3的排序不符合点{pn}。 如图2（a）和图2（b）所示，如果扫描点存在于直管上，则区域呈在管轴上缺失的三角形，并且矢量1a近似于管的轴向。如果这些点位于弯头或交汇点上，则面域采用连接的1Ci=不∑（pj−bi）（pj− bi）（1）薄直条和薄圆条的形状与此相反，|{p}|j=1其中{pj}是单元i及其一个相邻26个网格单元内的点的位置向量的集合，并且bi是平均值位置向量的{p j} .特征值λ1 λ2 λ3（ λ1 ≥ λ2 ≥ λ3 ≥ 0）和相应的特征向量e1，e2，e3由Ci的特征值分析得到.如果la比管道的半径小得多{pj}近似分布在一个平面上，矢量e1和e2表示放置在平面上的主轴。因此，矢量e3近似于所有点{pj}处的法向矢量。因此，采用e3作为初始法向量nY。接下来，其原点位于bi的局部正交坐标系u −v − w 其中u//e 1，u//e 2，如果这些点存在于宽的平面上，例如地板或墙壁上，则该区域采用宽的形状。然后，如图2（c）所示，若干个具有不规则矢量的分割平面以规则的间隔等距分布，并且{pn}中的点被投影到最近的平面上。此外，在每个平面上，投影点的集合进一步投影到平行于e_2的线上，并且在该线上的投影点的排列是透明的。过时了 如果范围d的中值满足d∈ rw，其中rw是阈值，区域被分类为管道系统上的点，例如直管、弯头和接头。否则，它们被分类为其他组件上的点，例如平面。对于阈值，从简单的geo出发，将rw设为2.0 ·rmassincos并且选择w//nY。 然后，{pj}被投影到平面u-v 一个显式二次多项式曲面度量关系，其中r质量在测量的环境中。是最大管道的半径然后使用最小二乘法将等式（2）的w = h（ u，v）拟合到{pj}w = h（ u，v） = ao u2 + a1 u2 + a2 uv+a3 u + a4 v + a5（2）最后，将{pj}投影到曲面上，得到投影点{p′j}，并将原始坐标系（n，y，z）中每个投影点pY处的法向量w =h（ u，v）估计为pi的法向量ni。4. 识别管道系统4.1 管道系统上的提取点为了从所有扫描点P中提取管道系统上的点，对基于法线的区域生长进行了分解。首先，应用基于法线的区域生长。在区域生长中，从P中随机选取一个种子点ps∈ P 那么，{p i| pi ∈ P，pi ∈ N（ps，r1），<$ns·ni <$> rn}是 其中N（ps，r1）是包含在以ps为中心的半径r1的球体中的相邻扫描点的集合。基于我们的实验，阈值rn被设置为0.97。然后选择每个添加的点作为新的种子点，并且其他点满足相同的条件。该地区的人口正在逐步增加迭代这些步骤，直到满足条件的任何点存在于种子点的邻域中。在区域增长过程之后，为每个区域{pj}中的所有点计算 协 方 差 矩 阵 ， 并 且 特 征 值λ1 ， λ2 ， λ3（λ1≥λ2≥λ3≥0）和dcorrespondingei-对于在管道或接头上进行的分段，矢量1与管道的轴矢量不重合因此，为了修改分割，使用RANSAC将线拟合到每个区域。RANSAC中的采样数量为设置为50，并且将区域中的点与拟合线之间的距离的离群值阈值设置为d/ 2.0。最后，选择与拟合直线距离小于离群值阈值的点作为一个区域进行分割剩余的点将使用上述区域生长过程迭代地分割。4.2 管段上的顶点为了将分割的区域集成为属于同一管道的新首先，如图2（d）所示，协方差矩阵E是对于区域中的点的集合计算的特征向量，并且针对E的最大值的本征向量被分配给该区域中的所有扫描点接下来，从管道系统上的点中随机选择种子点ps。则满足-fy<$q<$1，s·q<$1，i<$>rq的其它点piCONTAINEDIn内伊格赫博林格将以ps为中心的pointsN（ ps，r1）添加到该区域中。基于我们的实验将rq设置为0.95。每个添加的点接下来被选择为新的种子点。迭代上述步骤，直到满足条件的任何点出现在种子点的邻域4.3 提取管道参数在对管段上的点进行分组之后，18K. Kawashima等/Journal of Computational Design and Engineering，Vol.号11（2014）13~26点v初始化R平面inits初始化拟合圆K法向量vinit分组点投影点分组单位球面装配v圆柱表面覆盖区域图3.初始气缸装配。拟合到每个管道区域，并估计管道的轴及其半径。如图3所示，对于每个区域，分组点的法向量首先投影到单位球面。然后，使用RANSAC将平面拟合到投影法向量，并且将平面的法向量确定为柱面vinit的初始轴向量。RANSAC中的采样数量被设置为50，并且异常值阈值为将法向量的内积的old设为0.01。然后，将区域中的所有 点 投 影 到 拟 合 平 面 上 ， 并 通 过 最 小 平 方 中 值（LMedS）将圆拟合到投影点[13]。LMedS中的采样数设置为50。圆的中心点和半径被确定为轴线上的点sinit和圆柱体的初始半径rinit。接下来，通过Levenberg-Marquardt方法[14]将圆柱体精确拟合到点上。该方法将圆柱模型的参数表示为七个变量（α，β，y，a，b，c，r），其中（α，β，y）为圆柱的单位轴矢量，（a，b，c）为轴上的点坐标，r为圆柱半径。最后，圆柱拟合的目标函数被表示为等式（3）、（4）和（5）。N-1图4.圆柱体的点覆盖如果分组点覆盖圆柱表面的小角度，则拟合圆柱的参数可能包含异常值。为了确认拟合后的柱面是否可靠，如图4所示，将柱面按角度θ等角度划分区域，并将扫描点投影到相应的划分柱面区域上。如果包含投影点的多个区域m不满足m>r，则从管道上的点移除这些点，其中r为π/36，r���为π/2。5. 管道系统5.1 跟踪管道的轴线在第4.2节的结果中，弯头上的点被划分为几个区域，并且许多圆柱体被拟合到弯头。因此，很难使用拟合的圆柱轴线来估计弯头为了校正这些部件的轴，管道系统的轴使用管道的区域及其管道参数来跟踪。如图5所示，对于每个管道区域，球体首先以轴段si的中点为中心，其中球体的半径被设置为拟合圆柱半径r的1.2倍。然后，在si的两侧，收集管道系统{pk}上几乎存在于球体上的点，并且获得一组偏移量。12N∑（ fi−r）i=0时→min（3）点{p′k}被生成为pY = pk + rnk，其中nk是朝向管道内部的法向量然后，将这些偏移点d的平均点确定为轴fi= m2 + n2 + o2（4）m = y（yj − b）− β（ zi − c）n = α（ zi − c） − y（zi − a）（5） o = β（zi −a） − α（ yi − b）其中，（ Zi，yi，zi）是分组点的位置向量。然后，基于从等式（3）获得的半径r，从管道系统上的点移除满足（r rmin）（ r > rmas）管的点重复这些过程，直到管道系统上的点存在于球体上，并且针对管道的每个区域获得轴点序列[d1，d2，然而，在这种方法中，如图6（a）所示，当轴点到达一个结点时，只能跟踪任何一个分支上的轴点，并且必须保留未跟踪的轴因此，可以保留未跟踪的轴。为了识别这些未跟踪的轴，如图6（b）所示，每个区域都被再次跟踪，但仅限于跟踪点K. Kawashima等/Journal of Computational Design and Engineering，Vol.号11（2014）13~2619轴点d（偏移点的平均点）SIKK我我我我71管区域偏移点图5.跟踪管道系统的轴。管道区域jsj管道跟踪轴sj无痕迹的管轴区域i点从sjSI跟踪轴si从si(a)（b）（c）（d）（e）图6.追踪轴点：（a）跟踪所有区域的点;（b）跟踪自身区域的点;（c）合并两个结果;（d）删除重复的点;（e）获得轴点序列。他们自己的区域的痕迹。在重新跟踪轴之后，如图6（c）所示，复制所获得的轴点序列的一部分。为了删除这些重复的轴点，如图6（d）所示，对于每个轴点d，如果在距离r内的轴点d附近存在在其他步骤中获得的其他轴点，则删除这些轴点，如图6（e）所示。5.2 连续圆弧线拟合在识别管道系统的轴点序列之后，使用先前的算法[15]将直线和圆弧交替拟合到点。如图7所示，首先定义一个经过三个点di，di+i，dj+1（ i + 1 j）的平面5，将序列[di，.，dj +1 ]中的轴点投影到该平面上，投影的点子序列[d′ i，（w<$2 −t <$2）λ2 +2{（ w·y） −（ t·z）} λ+（y 2 −z2） = 0（7）w = t −（ t ·v） vy = L-dY-{（L-dY）·v} v（8） z = L-M其中v是l1的方向向量。二次方程（7）的最大解给出了c的中心点和radiusRofC。根据这一解决方案，一个线性方程Y=dYM并给出了一个简单的公式Y=M1M2。如果任何线段没有到达最后一个轴点dn，则插入C和l2之间的切点M2作为新的轴点，并将新的直线和圆弧段拟合到保持。接下来，行l=dYdY，l=-剩余轴点[M 2，d Y ，.，d Y ]。1 7 七加一2yy+1j+1 n计算出L的截面对于每个投影点，dY ∈ {dY，. ， d Y } ， 圆 C ， 其 与 l 1 ， l 2 和然而，具有非常大半径的弧段有时与直管的轴心点拟合为了纠正这些结果，如果k i+1jdY，计算如下。C和11之间的切点M1满足等式（6）：R= c − dY= c − M1（6）其中c是C的中心点，R是C的半径。利用c = L + λt和M1=dY+ λ t的几何关系，其中t是l1和l2的平分线的方向向量，等式（6）可以重写为等式（7）和（8）。D图7.圆弧线拟合到轴点序列。无效的轴点扫描点SI我轴段球体表面M1L1L不 KM2L2R第C吉吉dj j1vC20K. Kawashima等/Journal of Computational Design and Engineering，Vol.号11（2014）13~26y y我n y77y yy yJ我IJ7 y77n7 y77y yJn7L...图8.交叉点的插值图9.肘关节内插连续的直线-弧-线段几乎共线，第一，一对线性分段函数为：li=e，e，e，e=eeY，which用一条线段代替三条线段5.3 在同一直管上互补线段满足|q i· q j| r和|u · e |>>另一个循环Cj，它是对Li、Lj和Eij的一个测试，r内，其中e和eY是轴段的边缘点，u是线段的单位方向矢量，eij是连接两个边缘点ei和ej的直线的单位矢量。 阈值r_inner被设置为0.98。如果e i和e j之间的距离小于l，则两个线段l i和l j被替换为新的线段lk=eYeY。更重要的是，如果有一个数据段与 ei或ej，则结可能被错误地识别为弧片段在这种情况下，将删除圆弧段5.4 在交汇点上补充线段在同一直管上的线段的互补之后，识别连接三个管道的接头如图8所示，首先，一对线段计算值为ed。 Li和Lj是两个相同的像素，ej是e j的投影边缘点。 通过比较Ci的半径Ri和C j的半径Rj，取较大值作为半径RM的最大值。接下来，如图9所示，切向圆C的半径在0和RM之间逐步改变，并且对于每个ep，line-arc-linee eegentsl n，i=aaeY，a=a e e y，anddl n，j=a，a，a，b，a，a，b，a，b，a，b，b，a，b，a，b，a，b，b，a，b，a，b，b，a，b，b，a，b，b，b，a，b，b，b，a，b，b，b，a，b，b，b，a，b，b，b 这两个柱面是环面的一部分，其轴线与这三个柱面重合。段，并计算扫描点与表面之间的距离误差。最后，选择具有最小距离误差的段5.6删除孤立的轴段li=eeY，l=eY，其中hhsat是fy|Q· Q|>| q i − e i|，其中q是|, are selected, where q i 和qj是两条直线L i和L j的公共垂线的交点的位置向量，这两条直线分别通过边缘点ei和ej，并且与直线轴线段li和lj共线。 rskew是L i和L j之间的偏斜距离的阈值。然后，如果线段对给出的距离小于线段ri的管道半径，则在qi处放置新的边缘点 e n 。 此 外 ， 段 li 和 li j 也 被 新 的 段 g 表 示 为 lk=e_k_j_j_j_j_j，l= e_j_j_j，e一旦完成任务，任务完成后，l，l，l，l，m分别在距qi的距离为rY的地方被分成两段，其中rY被设置为ri的1.1倍。连接qi的新划分的段被确定为接合段。5.5在弯头上补圆弧段如果肘部上的某些点由于遮挡而丢失在这种情况下，使用以下步骤在一对线段之间插入弧段。诸如支撑材料的管道对象仍然被错误地分类到管道系统中。为了移除它们，基于连接性，如果段不连接任何其他段并且段的长度小于阈值riso，则从管道系统的点移除段。6. 结果6.1 实验结果作为识别实验之一，如图10所示，通过地面激光扫描仪（Cyra Technologies CYRAX 2500）从真实石油钻机扫描大的点云。它有4，524，324点。使用的阈值为rmas= 0.20 ， rmin= 0.03 ， r1= 0.05 ， r1= 0.30 ， riso=0.3m。其他必要的参数值采用第3、4和5节中建议的参数值。整个识别过程在PC（Xeon E5520 2.27GHz）上花费了1234.8秒，其中包括kd树构建（20.8秒），创建网格单元（2.7秒），估计正常矢量（28.6秒），提取管道系统LJ Je埃吉jq勒勒埃吉Lm我K我勒勒JK我QILlen（qi）LLenL我eieie我CJe埃吉ej（aj）我a我RM埃吉PC一个jnee埃吉J我a我Rn埃吉PJ我内J我偏斜K. Kawashima等/Journal of Computational Design and Engineering，Vol.号11（2014）13~2621（837.1秒），估算管道系统上的管道（319.5秒），估计管道参数（13.9 秒），以及识别连接关系（6.2秒）。管道系统中直管、弯头和接头的识别结果如图10所示。绿色圆柱体表示直管，红色圆环表示弯头，蓝色圆柱体表示接头。直管和连接部分的识别精度也总结在表1中。通过对点云数据的观测，计算出元素的真实类。直管段的识别率为90%左右，弯管段的识别率为92%，接头段的识别与我们以前的研究[12]的识别率相比，直管、弯头和接头的识别率都有很大提高这种改进的原因被认为是，通过引入识别管道系统中的管道的步骤，几乎管道的所有部分都可以被详尽地提取和识别。作为图11中所示的识别的第二个示例，通过地面激光扫描仪从化工厂扫描大的点云。98，624，221点。所用阈值为rmas= 1.25，rmin= 0.05，r1= 0.03，r1= 0.70，riso= 0.30m。其他参数值被认为是第3、4和5节中建议的整个识别过程耗时33821.5秒，而在─包括 kd 树构 造（ 751.1秒） ，创 建网 格单 元（ 20.6秒），估计法向量（618.1秒），提取管道系统上的点（ 20051.2 秒 ） ， 估 算 管 道 系 统 上 的 管 道 （ 7952.9秒），估计管道参数（4332.2秒），以及识别连接关系（4.6秒）。管道系统中直管、弯头和接头的识别结果如图11所示。直管和连接部件的识别精度也总结在表2中。元件的真实类别由工厂的地面真实CAD数据给出，该数据已由熟练的操作员手动建模直管段的识别率为86%，弯管段的识别率为88%，接头段的识别率为71%。6.2 参数指南在管道系统的识别中，使用的五个阈值是 rmas、rmin、r1、r1和riso。这些阈值的选择标准分为逻辑标准和试错标准：R_mas和R_min是识别的管道的半径的最大和最小阈值。R_mas应该设置得比扫描环境中管道的最大半径大一点，而R_min应该设置得比它们的最小半径小一点。这些参数可以基于从观察管道系统的扫描点获得的估计的最大或最小管道半径r1是在区域生长中使用的局部搜索区域的半径。R1应该被设置为使得搜索区域包括至少一个相邻点。在我们的实验中，r1是设置为在具有最低密度点的管道上的搜索区域中包括大约10个点。r1是最大距离的阈值，两个近端轴段的端点将被连接。此外，还应通过反复试验来选择合适的值。riso 是ISO的最大长度的阈值。要删除的已校准轴段。为了检查改变r1和riso的效果，将石油钻机的部分点云（440，033个点）的结果与改变r1和riso的结果进行比较，并在图12和图13中示出。所用的阈值为rmax =0.20，rmin= 0.03和r1= 0.05m，而r1和riso分别改为0.10，0.30和1.50m。直管和连接部分的识别率也汇总在表3和表4中。如图12和表3所示，如果选择的r1远小于连接的管道半径（r1= 0.10 m），则大多数连接零件会被误认为弯头零件。为了避免这些情况，最好将r1设置为连接管道半径大小的至少3-4倍。相反，如果r1变得大于该值（r1= 1.50m），则一些假的线段对被连接。很难找到r1的最大范围，因为它在很大程度上取决于闭塞区域的范围和管道系统的结构。因此，到目前为止，r1已经都经历过反复试验另一方面，如图13和表4所示，如果riso选择得太小（r1 = 0. 10 m），一些非管道对象仍然保持为管道。相反，当riso过大（r1= 1.50m）时，一些孤立的直管消失。不幸的是，很难以先验的方式找到riso的最佳值因此，到目前为止，riso是以试错的方式设置的。然而，如实验的识别结果所示，riso的设置不一定严格。riso可以设置为小于长度的任何值，在该长度处可以将直管与非管道对象区分开实验结果表明，在满足该条件的情况下，riso对管道系统的识别率影响不大6.3 讨论在这些结果中，直管、弯头和接头的最低识别率分别为约86%、88%和相关工作[6]的识别率分别为97%、100%和86%。然而，他们的输入点云仅由管道上的云组成，并且管道对象的数量、密度和复杂性都比我们的小得多。另一方面[16，17]，工业工具和商品的圆柱表面的识别率范围为75%至90%。考虑到输入点云的复杂性，我们的识别率被认为是适当的。22K. Kawashima等/Journal of Computational Design and Engineering，Vol.号11（2014）13~2614.8[m]结果自动识别假识别管不承认总 识别率[%]假阴性[%]假阳性[%]真班管1301314390.99.137.1其他 77-----总207-----结果自动识别假识别肘结不承认总反硝化作用发生率[%]假阴性[%]假阳性[%]真班肘65057092.87.221.4结12022387.013.013.0别人163-----总8423-----4.5 [m]图10.原始扫描点（上）和石油钻机管道系统的识别结果（下）表1.石油钻机管道系统识别的准确性。(a) 管道（b）连接部件14.8 [m]2.9 [m]绿色：直管红色：弯头蓝色：连接K. Kawashima等/Journal of Computational Design and Engineering，Vol.号11（2014）13~2623自动识别错误再认管不承认总识别率[%]假阴性[%]假阳性[%]真班管1592418386.913.162.7其他267-----总426-----自动识别错误再认肘结不承认 总 识别率[%]假阴性[%]假阳性[%]真班肘800109088.911.162.4结52032871.428.651.2别人12621-----总21141-----9.6 [m]图11.化工厂管道系统的原始扫描点（上）和识别结果（下）表2.化工厂管道系统识别的准确性。(a)管道（b）连接部件41.9 [m]17.4 [m]绿色：直管红色：弯头蓝色：连接24K. Kawashima等/Journal of Computational Design and Engineering，Vol.号11（2014）13~26类τl= 0.10[m]τiso= 0.30[m]τl= 0.30[m]τiso= 0.30[m]τl= 1.50[m]τiso= 0.30[m]绿色图12.石油钻机管道系统的部分原始扫描点（左）和识别结果（右）表3.石油钻机管道系统识别的准确性。(a)管道（b）连接部件τl= 0.10[m]τ iso= 0.30[m]自动识别错误再认管不承认总 识别率[%]假阴性[%]假阳性[%]真班管 24103470.629.556.4其他 10-----总 55-----自动识别错误再认肘结不承认总反硝化作用发生率[%]假阴性[%]假阳性[%]真班肘7051258.341.750.0结511714.384.70.0别人20-----总141-----τl= 0.30[m]τ iso= 0.30[m]自动识别错误再认管不承认 总 识别率[%] 假阴性[%]假阳性[%]真班管3223494.15.928.9其他 13-----总45-----自动识别错误再认肘结不承认总 识别率[%]假阴性[%]假阳性[%]真班肘110191291.78.30.0结061785.714.30.0别人00-----总116-----τl= 1.50[m]τiso= 0.30[m]自动识别错误再认管不承认总 识别率[%]假阴性[%]假阳性[%]真班管 23113467.632.445.2其他 19-----总 42-----自动识别错误再认肘结不承认总反硝化作用发生率[%]假阴性[%]假阳性[%]真肘10021283.316.79.1结052771.428.628.6别人12-----总117-----K. Kawashima等/Journal of Computational Design and Engineering，Vol.号11（2014）13~2625τl= 0.30[m]τiso= 0.10[m]τl= 0.30[m]τiso= 0.30[m]τl= 1.50[m]τiso= 1.50[m]绿色图13.石油钻机管道系统的部分原始扫描点（左）和识别结果（右）表4.石油钻机管道系统识别的准确性。(a)管道（b）连接部件τl= 0.30[m]τ iso= 0.10[m]自动识别错误再认管不承认总 识别率[%]假阴性[%]假阳性[%]真班管3223494.15.937.6其他 19-----总51-----自动识别错误再认肘结不承认总反硝化作用发生率[%]假阴性[%]假阳性[%]真班肘11011291.78.30.0结061785.714.30.0别人00-----总116-----τl= 0.30[m]τ iso= 0.30[m]自动识别错误再认管不承认总 识别率[%]假阴性[%]假阳性[%]真班管3223494.15.928.9其他 13-----总45-----自动识别错误再认肘结不承认总反硝化作用发生率[%]假阴性[%]假阳性[%]真班肘11011291.78.30.0结061785.714.30.0别人00-----总116-----τl= 0.30[m]τ iso= 1.50[m]自动识别错误再认管不承认总 识别率[%]假阴性[%]假阳性[%]真班管2863482.317.70.0其他0-----总28-----自动识别错误再认肘结不承认总反硝化作用发生率[%]假阴性[%]假阳性[%]真班肘11011291.78.30.0结061785.714.30.0别人00-----总116-----26K. Kawashima等/Journal of Computational Design and Engineering，Vol.号11（2014）13~26如果存在具有大半径的任何管道，则要识别的管道半径的范围增加。因此，被误认为管道的非管道对象增加。这些错误识别的对象可以在补充直管、连接和弯头零件段的步骤中连接到其他真实因此，管道系统识别的精度变差。因此，在我们的结果中，识别化工厂的准确性低于识别石油钻机的此外，在这两个结果中，直管、接头和弯头的假阳性识别这是因为某些非管道对象（如H形梁）的部分形状与圆柱体的形状相似，而这些零件被误认为是管道。这两个问题可以通过横截面分析来减少。这是留给未来的工作。7. 结论提出了一种新的算法，可以自动识别管道系统从注册的激光扫描点的工厂。基于法线的区域生长允许人们穷举地提取管道系统上的点并分割每个管道的点。圆柱管接头只能提取点，包括直管、弯头和接头。通过轴线跟踪、圆弧线段拟合和线段补齐，可以识别出直管、弯头和接头的位置对实际植物的大规模点云进行了识别精度验证，结果表明，直管、弯头和连接处的识别率分别超过86%、88%和71%，说明了该算法在植物逆向工程中的有效性。然而，结合部的识别精度较低。此外，假阳性识别并不罕见。该精度的提高有待于今后的工作。致谢我们要感谢徕卡公司科学与工程研究所，Ltd和SankiCo.，有限公司提供的激光扫描数据集。本研究由日本文部科学省科学研究金提供资金(B)在项目No。24360057引用[1]放大图片作者：Masuda H，Tanaka I，Enomoto M.使用扫描仪相关参数从点云可靠地提取表面计算机辅助设计与应用。2012; 10（2）：265-277.[2]Rabbani T，Heuvel F.通过fit进行三维内毒素重建将CSG模型划分为图像和点的组合云于：《摄影测量、遥感和空间信息科学国际学报》，2004年7月12-23日，土耳其IST，35（B3）：第7 -12页。[3]Aurelien B ， Chaine R ， Marc R ， Thibault G ，Akkouche S.使用先验CAD模型从点云数据重建一致的3D CAD 模型。收录于：ISPRS Work-shop LaserScanning 2011; 2011年8月29-31日;加拿大卡尔加里;投稿-26。[4][10]杨文，李文，李文.复杂环境的半自动建模系统在：IEEE 3-D数字成像和建模最新进展国际会议论文集; 1997年5月12-15日;加拿大渥太华;第213 -220页。[5][10]陈文辉，陈文辉，陈文辉.使用曼哈顿世界假设的竣工建模（日语）。In：Proceedings of the 2011 JapanSociety for Precision Engineering Autumn meeting; 2011Sep 20-22; Kanazawa，Japan; F06.[6]Lee J，Kim C，Son H，Kim C.基于激光扫描数据的管道三维重建。In：Proceedings of the 2012 ASCEInternationalConferenceonComputinginCivilEngineering; 2012 Jun 17-20; Clearwater Beach，FL：p.245-252.[7]Belton D，Lichti D.利用局部方差信息对地面激光扫描点云进行国际摄影测量、遥感和空间信息科学文献。2006; 36（5）：44-49.[8]放大图片作者：J.利用平滑度约束分割点云国际摄影测量、遥感和空间信息科学文献。2006; 36：248-253.[9]Vosselman G，