一种基于三维激光扫描建模的土方智能测量方法及系统

摘要

本发明提供了一种基于三维激光扫描建模的土方智能测量方法及系统，涉及智能测量技术领域，采集获得待测量土方的基础信息、初始设置图像集合与定位点分布坐标，构建控制参数分配模型进行分析，输出控制集合，控制三维扫描装置进行待测量土方的扫描采集，获得扫描点云数据并进行降噪拼接，完成待测量土方的建模测量，解决了现有技术中于土方工程中进行测量时，由于测量方法智能度不足，且存在多维影响因素，导致测量流程不够严谨且由于地势影响测量难度较大，致使测量结果精准度不足，造成后续铁路施工的潜在性风险的技术问题。通过对待测量土方进行三维激光扫描建模，确定目标一致性点云模型进行测量，弱化测量难度并保障测量结果的精准度。

权利要求

1.一种基于三维激光扫描建模的土方智能测量方法，其特征在于，所述方法应用于土方智能测量系统，所述土方智能测量系统与图像采集装置、三维扫描装置通信连接，所述方法包括：采集获得待测量土方的基础信息；

通过所述图像采集装置进行所述待测量土方的图像采集，获得初始设置图像集合；

对所述待测量土方进行定位点采集，获得定位点分布坐标；

将所述初始设置图像集合、所述基础信息所述定位点分布坐标输入控制参数分配模型，输出控制集合，其中，所述控制参数分配模型依据控制参数决策树执行神经网络训练搭建，所述控制参数决策树经由样本数据的决策处理所配置的层级识别节点与层级决策节点的层级映射关联搭建；

通过所述控制集合控制所述三维扫描装置进行所述待测量土方的扫描采集，获得扫描点云数据；

对所述初始设置图像集合进行所述待测量土方的特征提取噪音特征，其中，所述噪音特征具有位置标识；

通过所述噪音特征对所述扫描点云数据进行降噪拼接，基于降噪拼接结果进行所述待测量土方的建模测量；

其中，所述对所述初始设置图像集合进行所述待测量土方的特征提取噪音特征，包括：对所述初始设置图像集合进行图像内场景聚合，基于场景聚合结果生成场景分割区域；

基于所述场景分割区域分别进行材质识别，获得材质识别结果，将所述材质识别结果作为第一土方表面特征；

对所述场景分割区域进行土方表面粗糙度识别，获得粗糙度识别结果；

将所述粗糙度识别结果作为第二土方表面特征；

基于所述第一土方表面特征和所述第二土方表面特征提取获得所述噪音特征。

2.如权利要求1所述的方法，其特征在于，所述方法包括：当对所述扫描点云数据降噪完成后，通过所述定位点分布坐标获得点云初始定位分布结果；

基于所述点云初始定位分布结果进行点云第一聚类；

对第一聚类完成后的同类点云进行特征点云拼接，当拼接完成后，再执行点云聚类间拼接，基于聚类拼接结果进行所述待测量土方的建模测量。

3.如权利要求1所述的方法，其特征在于，所述土方智能测量系统与抖动监测装置通信连接，所述方法包括：通过所述抖动监测装置对所述三维扫描装置进行抖动监测，并根据抖动监测时间和三维采集参数建立抖动数据与扫描点云数据的映射关系；

对所述抖动数据进行抖动特征分析，提取抖动特征；

根据建立的映射关系，基于所述抖动特征进行所述扫描点云数据的去噪补偿。

4.如权利要求1所述的方法，其特征在于，所述方法包括：基于所述初始设置图像集合和土方建模进行地形特征评价，获得地形评价特征和特征值；

构建土方计量数据库；

基于所述地形评价特征和所述特征值对所述土方计量数据库进行计量方法筛选，获得筛选结果；

通过所述筛选结果和所述土方建模完成所述待测量土方的计量。

5.如权利要求1所述的方法，其特征在于，所述方法包括：对所述待测量土方进行测量结果验证，获得测量结果偏离值；

判断所述测量结果偏离值是否在预期偏离阈值范围内；

当所述测量结果偏离值不在所述预期偏离阈值范围内时，则对所述待测量土方进行建模测量的误差来源分析，获得误差来源分析结果；

基于所述误差来源分析结果构建土方建模计量补偿数据库。

6.如权利要求1所述的方法，其特征在于，所述方法包括：对所述扫描点云数据进行异常点分析，获得异常点分析结果；

当所述异常点分析结果的点异常值不能满足预设点阈值时，则执行重新采集指令，对异常点对应位置节点进行点云数据的重新采集。

7.一种基于三维激光扫描建模的土方智能测量系统，其特征在于，所述系统与图像采集装置、三维扫描装置通信连接，所述系统包括：信息采集模块，所述信息采集模块用于采集获得待测量土方的基础信息；

图像采集模块，所述图像采集模块用于通过所述图像采集装置进行所述待测量土方的图像采集，获得初始设置图像集合；

定位点采集模块，所述定位点采集模块用于对所述待测量土方进行定位点采集，获得定位点分布坐标；

控制分析模块，所述控制分析模块用于将所述初始设置图像集合、所述基础信息所述定位点分布坐标输入控制参数分配模型，输出控制集合，其中，所述控制参数分配模型依据控制参数决策树执行神经网络训练搭建，所述控制参数决策树经由样本数据的决策处理所配置的层级识别节点与层级决策节点的层级映射关联搭建；

点云数据采集模块，所述点云数据采集模块用于通过所述控制集合控制所述三维扫描装置进行所述待测量土方的扫描采集，获得扫描点云数据；

特征提取模块，所述特征提取模块用于对所述初始设置图像集合进行所述待测量土方的特征提取噪音特征，其中，所述噪音特征具有位置标识；

建模测量模块，所述建模测量模块用于通过所述噪音特征对所述扫描点云数据进行降噪拼接，基于降噪拼接结果进行所述待测量土方的建模测量；

场景分割模块，所述场景分割模块用于对所述初始设置图像集合进行图像内场景聚合，基于场景聚合结果生成场景分割区域；

材质识别模块，所述材质识别模块用于基于所述场景分割区域分别进行材质识别，获得材质识别结果，将所述材质识别结果作为第一土方表面特征；

表面粗糙度识别模块，所述表面粗糙度识别模块用于对所述场景分割区域进行土方表面粗糙度识别，获得粗糙度识别结果；

特征确定模块，所述特征确定模块用于将所述粗糙度识别结果作为第二土方表面特征；

噪音特征提取模块，所述噪音特征提取模块用于基于所述第一土方表面特征和所述第二土方表面特征提取获得所述噪音特征。

说明书

一种基于三维激光扫描建模的土方智能测量方法及系统

技术领域

[0001] 本发明涉及智能测量技术领域，具体涉及一种基于三维激光扫描建模的土方智能测量方法及系统。

背景技术

[0002] 土方工程包括土方的挖梆、填筑、运输等，为建筑工程中的主要工程之一，特别是针对铁路工程，因其工程量较大且施工条件复杂的特质，施工进程受限导致施工难度较大，为了保障最终的铁路施工能效，需提前进行土方测量规划。

[0003] 现如今，基于土方测量仪器进行现场测绘，辅助多种测量方法进行土方量计量。当前的传统测量方法多依靠专业人员，且由于存在的内外影响因素，易导致测量结果偏差，有待进行优化调整。

[0004] 现如今，于土方工程中进行测量时，由于测量方法智能度不足，且存在多维影响因素，导致测量流程不够严谨且由于地势影响测量难度较大，致使测量结果精准度不足，造成后续铁路施工的潜在性风险。

发明内容

[0005] 本申请提供了一种基于三维激光扫描建模的土方智能测量方法及系统，用于针对解决现有技术中存在的于土方工程中进行测量时，由于测量方法智能度不足，且存在多维影响因素，导致测量流程不够严谨且由于地势影响测量难度较大，致使测量结果精准度不足，造成后续铁路施工的潜在性风险的技术问题。

[0006] 鉴于上述问题，本申请提供了一种基于三维激光扫描建模的土方智能测量方法及系统。

[0007] 第一方面，本申请提供了一种基于三维激光扫描建模的土方智能测量方法，所述方法包括：

[0008] 采集获得待测量土方的基础信息；

[0009] 通过所述图像采集装置进行所述待测量土方的图像采集，获得初始设置图像集合；

[0010] 对所述待测量土方进行定位点采集，获得定位点分布坐标；

[0011] 将所述初始设置图像集合、所述基础信息所述定位点分布坐标输入控制参数分配模型，输出控制集合，其中，所述控制参数分配模型依据控制参数决策树执行神经网络训练搭建，所述控制参数决策树经由样本数据的决策处理所配置的层级识别节点与层级决策节点的层级映射关联搭建；

[0012] 通过所述控制集合控制所述三维扫描装置进行所述待测量土方的扫描采集，获得扫描点云数据；

[0013] 对所述初始设置图像集合进行所述待测量土方的特征提取噪音特征，其中，所述噪音特征具有位置标识；

[0014] 通过所述噪音特征对所述扫描点云数据进行降噪拼接，基于降噪拼接结果进行所述待测量土方的建模测量。

[0015] 第二方面，本申请提供了一种基于三维激光扫描建模的土方智能测量系统，所述系统包括：

[0016] 信息采集模块，所述信息采集模块用于采集获得待测量土方的基础信息；

[0017] 图像采集模块，所述图像采集模块用于通过所述图像采集装置进行所述待测量土方的图像采集，获得初始设置图像集合；

[0018] 定位点采集模块，所述定位点采集模块用于对所述待测量土方进行定位点采集，获得定位点分布坐标；

[0019] 控制分析模块，所述控制分析模块用于将所述初始设置图像集合、所述基础信息所述定位点分布坐标输入控制参数分配模型，输出控制集合，其中，所述控制参数分配模型依据控制参数决策树执行神经网络训练搭建，所述控制参数决策树经由样本数据的决策处理所配置的层级识别节点与层级决策节点的层级映射关联搭建；

[0020] 点云数据采集模块，所述点云数据采集模块用于通过所述控制集合控制所述三维扫描装置进行所述待测量土方的扫描采集，获得扫描点云数据；

[0021] 特征提取模块，所述特征提取模块用于对所述初始设置图像集合进行所述待测量土方的特征提取噪音特征，其中，所述噪音特征具有位置标识；

[0022] 建模测量模块，所述建模测量模块用于通过所述噪音特征对所述扫描点云数据进行降噪拼接，基于降噪拼接结果进行所述待测量土方的建模测量。

[0023] 本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

[0024] 本申请实施例提供的一种基于三维激光扫描建模的土方智能测量方法，采集获得待测量土方的基础信息、初始设置图像集合，对所述待测量土方进行定位点采集，获得定位点分布坐标；构建控制参数分配模型进行分析，输出控制集合，控制所述三维扫描装置进行所述待测量土方的扫描采集，获得扫描点云数据；提取噪音特征对所述扫描点云数据进行降噪拼接，基于降噪拼接结果进行所述待测量土方的建模测量，解决了现有技术中存在的于土方工程中进行测量时，由于测量方法智能度不足，且存在多维影响因素，导致测量流程不够严谨且由于地势影响测量难度较大，致使测量结果精准度不足，造成后续铁路施工的潜在性风险的技术问题。通过对待测量土方进行三维激光扫描建模，确定目标一致性点云模型进行测量，弱化测量难度并保障测量结果的精准度。

附图说明

[0025] 图1为本申请提供了一种基于三维激光扫描建模的土方智能测量方法流程示意图；

[0026] 图2为本申请提供了一种基于三维激光扫描建模的土方智能测量方法中噪音特征获取流程示意图；

[0027] 图3为本申请提供了一种基于三维激光扫描建模的土方智能测量方法中土方计量方法筛选流程示意图；

[0028] 图4为本申请提供了一种基于三维激光扫描建模的土方智能测量结构示意图。

[0029] 附图标记说明：信息采集模块11，图像采集模块12，定位点采集模块13，控制分析模块14，点云数据采集模块15，特征提取模块16，建模测量模块17。

具体实施方式

[0030] 本申请通过提供一种基于三维激光扫描建模的土方智能测量方法及系统，采集获得待测量土方的基础信息、初始设置图像集合与定位点分布坐标，构建控制参数分配模型进行分析，输出控制集合，控制三维扫描装置进行待测量土方的扫描采集，获得扫描点云数据并进行降噪拼接，基于降噪拼接结果进行所述待测量土方的建模测量，用于解决现有技术中存在的于土方工程中进行测量时，由于测量方法智能度不足，且存在多维影响因素，导致测量流程不够严谨且由于地势影响测量难度较大，致使测量结果精准度不足，造成后续施工的潜在性风险的技术问题。实施例一

[0031] 如图1所示，本申请提供了一种基于三维激光扫描建模的土方智能测量方法，所述方法应用于土方智能测量系统，所述土方智能测量系统与图像采集装置、三维扫描装置通信连接，所述方法包括：

[0032] 步骤S100：采集获得待测量土方的基础信息；

[0033] 具体而言，土方工程包括土方的挖梆、填筑、运输等，为建筑工程中的主要工程之一，特别是针对铁路工程，因其工程量较大且施工条件复杂的特质，施工进程受限导致施工难度较大，为了保障最终的铁路施工能效，本申请提供的一种基于三维激光扫描建模的土方智能测量方法应用于所述土方智能测量系统，所述系统为进行工程全周期测量的总控系统，所述系统与所述图像采集装置、所述三维扫描装置通信连接，所述图像采集装置用于进行所述待测量土方的实时图像采集，所述三维扫描装置为对所述待测量土方进行点云数据扫描采集的设备。具体的，所述待测量土方为即将进行工程施工的目标土方，对所述待测量土方进行覆盖面积、地貌信息、土壤容重、障碍物分布等信息进行采集，作为所述待测量土方的基础信息，所述基础信息为进行土方测量的基本依据。

[0034] 步骤S200：通过所述图像采集装置进行所述待测量土方的图像采集，获得初始设置图像集合；

[0035] 步骤S300：对所述待测量土方进行定位点采集，获得定位点分布坐标；

[0036] 具体而言，对所述待测量土方的覆盖区域进行所述图像采集装置的布设，基于所述图像采集装置对所述待测量土方进行全方位多角度图像采集，基于采集角度的推移对采集图像进行顺序调整，生成所述初始设置图像集合。优选的，可对图像采集距离进行设置调整，分别进行全局图像与局部图像的采集，以保障图像采集的完备性，确保图像覆盖信息完整性。

[0037] 进一步的，基于所述待测量土方的覆盖区域，基于空间位置确定坐标轴向，进而构建空间坐标系。对所述待测量土方进行结构识别，识别提取多个可表征所述待测量土方结构状况的定位点，例如拐角定位、边缘定位等。具体的定位点分布密集程度根据不同位置的结构复杂度而定。基于所述空间坐标系，对确定的多个定位点进行位置映射对应，确定于所述空间坐标系中的定位坐标，构成所述定位点分布坐标。基于所述定位点分布坐标，可确定所述待测量土方的主体架构。

[0038] 步骤S400：将所述初始设置图像集合、所述基础信息所述定位点分布坐标输入控制参数分配模型，输出控制集合，其中，所述控制参数分配模型依据控制参数决策树执行神经网络训练搭建，所述控制参数决策树经由样本数据的决策处理所配置的层级识别节点与层级决策节点的层级映射关联搭建；

[0039] 具体而言，构建所述控制参数分配模型，所述控制参数分配模型为进行三维扫描装置的点云扫描控制参数的分析模型。示例性的，如下为一种可实施性的建模方式：进行大数据调研统计，确定多个土方工程的工程数据，包括样本图像集合、样本基础信息，在此基础上进行定位点分析，确定样本定位点分布坐标，并提取各样本对应的控制参数，由于所述工程数据为已施工工程，上述参数数据可直接进行获取。将所述样本图像集合、所述样本基础信息与所述样本定位点分布坐标作为识别信息，确定层级识别节点，将对应的样本控制参数作为层级决策节点，对所述层级识别节点与所述层级决策节点进行映射连接，生成控制参数决策树，基于所述控制参数决策树，通过进行神经网络训练生成所述控制参数分配模型。将所述初始设置图像集合、所述基础信息与所述定位点分布坐标输入所述控制参数分配模型中，通过进行数据匹配映射，可直接确定对应的控制参数，作为所述控制集合进行输出。构建所述控制参数分配模型进行所述控制集合的确定，可保障分析速率，提高分析结果的客观性与准确度。

[0040] 步骤S500：通过所述控制集合控制所述三维扫描装置进行所述待测量土方的扫描采集，获得扫描点云数据；

[0041] 具体而言，所述控制集合为对所述三维扫描装置进行目标扫描的控制参数，例如扫描范围、点云间隔密度等。基于所述控制集合控制所述三维扫描装置，对所述待测量土方基于一定的扫描密度发射激光，示例性的，所述三维扫描装置可以是三维激光扫描仪，记录激光回波信号与激光飞行时长。基于所述激光飞行时长可确定所述待测量土方与所述三维扫描装置的距离；基于所述激光回波信号可确定所述待测量土方的点云位置、颜色信息、反射强度信息等，对各个点云数据进行归属整合，生成所述扫描点云数据。所述扫描点云数据为进行所述待测量土方建模的源数据。

[0042] 进一步而言，所述土方智能测量系统与抖动监测装置通信连接，本申请步骤S500还包括：

[0043] 步骤S510‑1：通过所述抖动监测装置对所述三维扫描装置进行抖动监测，并根据抖动监测时间和三维采集参数建立抖动数据与扫描点云数据的映射关系；

[0044] 步骤S520‑1：对所述抖动数据进行抖动特征分析，提取抖动特征；

[0045] 步骤S530‑1：根据建立的映射关系，基于所述抖动特征进行所述扫描点云数据的去噪补偿。

[0046] 进一步而言，本申请步骤S500还包括：

[0047] 步骤S510‑2：对所述扫描点云数据进行异常点分析，获得异常点分析结果；

[0048] 步骤S520‑2：当所述异常点分析结果的点异常值不能满足预设点阈值时，则执行重新采集指令，对异常点对应位置节点进行点云数据的重新采集。

[0049] 具体而言，所述三维扫描装置的目标扫描过程中，由于装置本身存在的系统误差，例如激光雷达旋转时引起的抖动，以导致点云数据采集结果存在偏差，通过进行抖动特征分析以进行偏差补偿。具体的，所述抖动监测装置为进行采集实况抖动监测的功能性设备，基于所述抖动监测装置，进行所述三维扫描仪的实时抖动监测，获取所述抖动数据。所述抖动数据带有所述抖动监测时间标识，所述三维采集参数为采集的点云数据对应的空间位置参数，将所述抖动监测时间与所述三维次啊及参数作为映射关联参考依据，对所述抖动数据与所述扫描点云数据进行映射对应，确定所述映射关系。进一步对素数抖数据进行抖动特征分析，包括抖动方向与抖动幅度，作为所述抖动特征，不同扫描点云数据对应的所述抖动特征不同。基于所述映射关系，对所述抖动特征与所述扫描点云数据进行匹配对应，以进行所述扫描点云数据空间位置的调整修正，以完成所述点云数据的去噪补偿，进一步提高数据精准度。

[0050] 进一步的，对所述扫描点云数据进行异常点分析，即进行异常数据判定，例如偏离同类型数据整体趋势的数据，则可视为异常数据，对所述扫描点云数据中的异常点进行标识，生成所述异常点分析结果，例如，基于特定标识符进行标识。设定所述预设点阈值，即判定点异常值异常程度的临界限定数据，例如点异常值小于10%。对所述异常点分析结果的点异常值不满足所述预设点阈值时，表明数据异常程度较高，为保障后续建模精准度，存在重新采样的必要性，生成所述重新采集指令，即重新进行异常点的扫描点云数据采集的开始指令，随着所述重新采集指令的接收，对所述异常点对应的位置节点执行点云数据的重新采集，并对异常点数据进行覆盖，保障数据的准确度。

[0051] 步骤S600：对所述初始设置图像集合进行所述待测量土方的特征提取噪音特征，其中，所述噪音特征具有位置标识；

[0052] 进一步而言，如图2所示，本申请步骤S600还包括：

[0053] 步骤S610：对所述初始设置图像集合进行图像内场景聚合，基于场景聚合结果生成场景分割区域；

[0054] 步骤S620：基于所述场景分割区域分别进行材质识别，获得材质识别结果，将所述材质识别结果作为第一土方表面特征；

[0055] 步骤S630：对所述场景分割区域进行土方表面粗糙度识别，获得粗糙度识别结果；

[0056] 步骤S640：将所述粗糙度识别结果作为第二土方表面特征；

[0057] 步骤S650：基于所述第一土方表面特征和所述第二土方表面特征提取获得所述噪音特征。

[0058] 具体而言，由于所述三维扫描装置对所述待测量土方扫描进程中，由于受到表面粗糙度、表面材质等因素的影响，会产生一定的区别于所述待测量土方本身实体的冗余数据，即噪音点，以影响后续三维建模精度与效率，对所述待测量土方进行噪音特征提取，以便后续执行降噪处理。

[0059] 具体的，基于所述初始设置图像集合进行场景识别，确定多维场景特征，例如地势特征、障碍物等。将所述多维场景特征作为场景聚合依据，对具有同特征属性的区域进行合并，对特征属性不同的区域进行分割，将所述待测量土方覆盖区域划分为多个子区域，作为所述场景分割区域。针对所述场景分割区域，对各场景区域分别进行材质识别，例如木材、石材、混凝土等，对所述材质识别结果与所述场景分割区域进行映射对应，作为所述第一土方表面特征。进一步对所述场景分割区域，分别进行土方表面粗糙度识别，例如可依据光学仪器直接进行表面粗糙度的测量，对测量结果与所述场景分割区域进行映射对应，生成所述粗糙度识别结果。将所述粗糙度识别结果作为所述第二土方表面特征。基于所述第一土方表面特征与所述第二土方表面特征进行判定，确定对应的噪音特征，例如激光回波信号的相位偏离等，对噪音点进行位置定位，进而对所述噪音特征进行位置标识。通过精准识别确定所述噪音特征，以便后续进行针对性噪音定位去除。

[0060] 步骤S700：通过所述噪音特征对所述扫描点云数据进行降噪拼接，基于降噪拼接结果进行所述待测量土方的建模测量。

[0061] 进一步而言，本申请步骤S700还包括：

[0062] 步骤S710‑1：当对所述扫描点云数据降噪完成后，通过所述定位点分布坐标获得点云初始定位分布结果；

[0063] 步骤S720‑1：基于所述点云初始定位分布结果进行点云第一聚类；

[0064] 步骤S730‑1：对第一聚类完成后的同类点云进行特征点云拼接，当拼接完成后，再执行点云聚类间拼接，基于聚类拼接结果进行所述待测量土方的建模测量。

[0065] 具体而言，基于所述噪音特征，对所述扫描点云数据进行特征识别，确定标识位置对应的数据并执行降噪处理，所述降噪处理方法不做具体限定，例如均值滤波法等，确定降噪完成的所述扫描点云数据。对所述定位点分布坐标与降噪完成的所述扫描点云进行匹配，将降噪完成的所述扫描点云数据于所述定位点分布坐标进行定位分布，作为所述点云初始定位分布结果。基于所述点云初始定位分布结果，基于分布位置对扫描点云进行聚类处理，例如基于所述场景分割区域，进行同区域内的扫描点云的拼接处理，执行点云第一聚类。

[0066] 进一步的，将同场景区域内的扫描点云作为同类扫描点云进行特征点云拼接。所述特征点云坐标的具体执行方式为，基于间接法进行地理坐标转换，确定多个特征点作为公共点，即相对参考特征，将同类扫描点云转换至统一坐标系中，完成点云拼接，点云拼接结果与所述场景分割区域相对应。进一步的，待拼接完成后，在此基础上再次执行点云拼接，具体拼接方式相同，将初次拼接获取的多个不同坐标系数据再次进行坐标转换，生成具有区域完备性的整体点云坐标数据，作为所述聚类拼接结果，所述聚类拼接结果与所述待测量土方相契合，所述聚类拼接结果为构建完成的点云模型，作为所述土方建模，基于所述土方建模进行所述待测量土方的测量，可有效弱化测量难度。

[0067] 进一步而言，如图3所示，本申请步骤S700还包括：

[0068] 步骤S710‑2：基于所述初始设置图像集合和土方建模进行地形特征评价，获得地形评价特征和特征值；

[0069] 步骤S720‑2：构建土方计量数据库；

[0070] 步骤S730‑2：基于所述地形评价特征和所述特征值对所述土方计量数据库进行计量方法筛选，获得筛选结果；

[0071] 步骤S740‑2：通过所述筛选结果和所述土方建模完成所述待测量土方的计量。

[0072] 具体而言，基于所述土方建模进行土方量的计算，由于具体地形的差异，导致不同计量方法的计量效率与效果不同，基于所述待测量土方的地形特征，匹配确定优选性计量方式。具体的，基于所述初始设置图像集合与所述土方建模，对所述待测量土方进行地形特征识别提取，例如地形起伏、地形规则程度等，作为所述地形评价特征，将具体的特征量值作为所述特征值，例如地形起伏的具体幅度等。进行大数据采集获取多种可执行性计量方式，并确定具体计量方法与适用土方特征，对其进行对应整合生成所述土方计量数据库，例如断面法适用于地形起伏较大、不规则地段。遍历所述土方计量数据库，基于所述地形评价特征与所述特征值进行匹配，筛选确定特征契合性计量方法，作为所述筛选结果。所述筛选结果为待执行计量方式，于所述土方建模中进行所述待测量土方的土方量计量，保障计量结果与所述待测量土方的一致性，优选的，可依据所述待测量土方的地势分布实况进行划分，针对不同地势状况分别进行优选性计量方式的匹配，可进一步提高计量效果。

[0073] 进一步而言，本申请还存在步骤S800，包括：

[0074] 步骤S810：对所述待测量土方进行测量结果验证，获得测量结果偏离值；

[0075] 步骤S820：判断所述测量结果偏离值是否在预期偏离阈值范围内；

[0076] 步骤S830：当所述测量结果偏离值不在所述预期偏离阈值范围内时，则对所述待测量土方进行建模测量的误差来源分析，获得误差来源分析结果；

[0077] 步骤S840：基于所述误差来源分析结果构建土方建模计量补偿数据库。

[0078] 具体而言，通过匹配优选性计量方式对所述待测量土方进行测量，获取所述测量结果。对所述测量结果进行验证以判定测量准确度，获取所述测量结果偏离值。示例性的，针对所述待测量土方确定多个验证点，可随机进行设定，进行实际测量，并与所述土方建模中对应的测量结果进行映射校对，确定所述测量结果偏离值。设定所述预期偏离值阈值，即进行测量结果偏离程度判定的临界数据，例如偏离幅度5%，进一步判定所述测量结果偏离值是否处于所述预期偏离值范围内，当处于时，表明偏离程度较小，可适当进行忽略；当不处于时，表明测量数据的偏离程度较大，需进行数据补偿以保障数据准确度，对所述待测量土方进行建模测量的误差来源分析，确定数据偏差方向与偏差幅度进行具体判定。具体的，对数据的采集与处理流程进行巡检，以进行误差来源定位，确定误差来源、误差方向与误差尺度，作为所述误差来源分析结果，所述误差来源分析结果为所述待测量土方的全覆盖性完整分析结果。确定所述误差来源分析结果。基于所述误差来源分析结果，确定不同误差位置的调整数据，集成生成所述土方建模计量补偿数据库。基于所述土方建模计量补偿数据库，对测量结果进行调整，进一步提高所述测量结果的精准度。实施例二

[0079] 基于与前述实施例中一种基于三维激光扫描建模的土方智能测量方法相同的发明构思，如图4所示，本申请提供了一种基于三维激光扫描建模的土方智能测量系统，所述系统包括：

[0080] 信息采集模块11，所述信息采集模块11用于采集获得待测量土方的基础信息；

[0081] 图像采集模块12，所述图像采集模块12用于通过所述图像采集装置进行所述待测量土方的图像采集，获得初始设置图像集合；

[0082] 定位点采集模块13，所述定位点采集模块13用于对所述待测量土方进行定位点采集，获得定位点分布坐标；

[0083] 控制分析模块14，所述控制分析模块14用于将所述初始设置图像集合、所述基础信息所述定位点分布坐标输入控制参数分配模型，输出控制集合，其中，所述控制参数分配模型依据控制参数决策树执行神经网络训练搭建，所述控制参数决策树经由样本数据的决策处理所配置的层级识别节点与层级决策节点的层级映射关联搭建；

[0084] 点云数据采集模块15，所述点云数据采集模块15用于通过所述控制集合控制所述三维扫描装置进行所述待测量土方的扫描采集，获得扫描点云数据；

[0085] 特征提取模块16，所述特征提取模块16用于对所述初始设置图像集合进行所述待测量土方的特征提取噪音特征，其中，所述噪音特征具有位置标识；

[0086] 建模测量模块17，所述建模测量模块17用于通过所述噪音特征对所述扫描点云数据进行降噪拼接，基于降噪拼接结果进行所述待测量土方的建模测量。

[0087] 进一步而言，所述系统还包括：

[0088] 场景分割模块，所述场景分割模块用于对所述初始设置图像集合进行图像内场景聚合，基于场景聚合结果生成场景分割区域；

[0089] 材质识别模块，所述材质识别模块用于基于所述场景分割区域分别进行材质识别，获得材质识别结果，将所述材质识别结果作为第一土方表面特征；

[0090] 表面粗糙度识别模块，所述表面粗糙度识别模块用于对所述场景分割区域进行土方表面粗糙度识别，获得粗糙度识别结果；

[0091] 特征确定模块，所述特征确定模块用于将所述粗糙度识别结果作为第二土方表面特征；

[0092] 噪音特征提取模块，所述噪音特征提取模块用于基于所述第一土方表面特征和所述第二土方表面特征提取获得所述噪音特征。

[0093] 进一步而言，所述系统还包括：

[0094] 分布结果确定模块，所述分布结果确定模块用于当对所述扫描点云数据降噪完成后，通过所述定位点分布坐标获得点云初始定位分布结果；

[0095] 点云聚类模块，所述点云聚类模块用于基于所述点云初始定位分布结果进行点云第一聚类；

[0096] 点云拼接模块，所述点云拼接模块用于对第一聚类完成后的同类点云进行特征点云拼接，当拼接完成后，再执行点云聚类间拼接，基于聚类拼接结果进行所述待测量土方的建模测量。

[0097] 进一步而言，所述系统还包括：

[0098] 映射关系建立模块，所述映射关系建立模块用于通过所述抖动监测装置对所述三维扫描装置进行抖动监测，并根据抖动监测时间和三维采集参数建立抖动数据与扫描点云数据的映射关系；

[0099] 抖动特征提取模块，所述抖动特征提取模块用于对所述抖动数据进行抖动特征分析，提取抖动特征；

[0100] 数据补偿模块，所述数据补偿模块用于根据建立的映射关系，基于所述抖动特征进行所述扫描点云数据的去噪补偿。

[0101] 进一步而言，所述系统还包括：

[0102] 地形特征评价模块，所述地形特征评价模块用于基于所述初始设置图像集合和土方建模进行地形特征评价，获得地形评价特征和特征值；

[0103] 数据库构建模块，所述数据库构建模块用于构建土方计量数据库；

[0104] 计量方法筛选模块，所述计量方法筛选模块用于基于所述地形评价特征和所述特征值对所述土方计量数据库进行计量方法筛选，获得筛选结果；

[0105] 土方计量模块，所述土方计量模块用于通过所述筛选结果和所述土方建模完成所述待测量土方的计量。

[0106] 进一步而言，所述系统还包括：

[0107] 结果验证模块，所述结果验证模块用于对所述待测量土方进行测量结果验证，获得测量结果偏离值；

[0108] 偏离值判定模块，所述偏离值判定模块用于判断所述测量结果偏离值是否在预期偏离阈值范围内；

[0109] 误差来源分析模块，所述误差来源分析模块用于当所述测量结果偏离值不在所述预期偏离阈值范围内时，则对所述待测量土方进行建模测量的误差来源分析，获得误差来源分析结果；

[0110] 补偿数据库构建模块，所述补偿数据库构建模块用于基于所述误差来源分析结果构建土方建模计量补偿数据库。

[0111] 进一步而言，所述系统还包括：

[0112] 异常点分析模块，所述异常点分析模块用于对所述扫描点云数据进行异常点分析，获得异常点分析结果；

[0113] 重新采集模块，所述重新采集模块用于当所述异常点分析结果的点异常值不能满足预设点阈值时，则执行重新采集指令，对异常点对应位置节点进行点云数据的重新采集。

[0114] 本说明书通过前述对一种基于三维激光扫描建模的土方智能测量方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于三维激光扫描建模的土方智能测量方法及系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

[0115] 对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。