CN109492852A - 一种基于bim的水工构筑物的质量检查方法 - Google Patents

Abstract

本发明涉及工程建造技术领域，具体来说是一种基于BIM的水工构筑物的质量检查方法，包括如下步骤：基于无人机的倾斜摄影方法，建立厂区的真三维实景模型；将真三维实景模型轻量化导入BIM云平台，进行模型的色差分析，并在BIM云平台中呈现厂区混凝土结构的渗漏与渗流情况的分析成果；输出包含实际坐标与实地影像的分析成果。本发明同现有技术相比，其优点在于：基于无人机倾斜摄影方法，具备快速采集的能力，建立了污水处理厂区的实景三维模型，真实反映了现场的混凝土结构状况，高分比率的影像显示其纹理，相比较传统人工查询方式更加高效，短时间内能进行大范围的查询，且避免了人工查询的安全风险。

Description

一种基于BIM的水工构筑物的质量检查方法

技术领域

本发明涉及工程建造技术领域，具体来说是一种基于BIM的水工构筑物的质量检查方法。

背景技术

BIM，即“Building Information Model"，可以译为“建筑信息模型”。建筑信息模型是对一个设施的实体和功能特性的数字化表达方式。建筑信息模型是建筑学、工程学及土木工程的新工具，是以建筑工程项目的各项相关信息数据作为模型的基础，进行建筑模型的建立，通过数字信息仿真模拟建筑物所具有的真实信息。它具有可视化，协调性，模拟性，优化性和可出图性五大特点。

市政污水处理厂工程，构筑物单体工程较多，结构复杂，细部构造较多，涉及伸缩缝、施工缝和沉降缝等部位的渗漏；穿墙管道与混凝土之间的裂缝渗漏；池壁支模对拉螺栓部位的防水构造不合理导致的渗漏；水池壁外的防水层部位做法不合理导致的渗漏；对于各种施工情况造成污水处理结构的渗漏及渗流，不能及时发现，会影响整个污水处理厂工程的水处理质量或污水处理厂的正常运营，目前，常规方法采用人工观测，逐个结构部位进行查询，然后再去进行综合处理，对于整个厂区和多个厂区，一方面是需要设置较多的维护人员，结构渗漏与渗流的查询效率低下，且对高大的污水处理结构的渗漏与渗流查询，也存在一定的安全风险；另一方面对于一些隐蔽的结构区域，容易忽视，难以管控，进而造成更大的风险。

发明内容

本发明的目的在于解决现有技术的不足，提供一种基于BIM的水工构筑物的质量检查方法，真实反映了现场的混凝土结构状况，便于工程的及时维护。

为了实现上述目的，设计一种基于BIM的水工构筑物的质量检查方法，所述的方法包括如下步骤：

步骤a.基于无人机的倾斜摄影方法，建立厂区的真三维实景模型；

步骤b.将真三维实景模型轻量化导入BIM云平台，进行模型的色差分析，并在BIM云平台中呈现厂区混凝土结构的渗漏与渗流情况的分析成果；

步骤c.输出包含实际坐标与实地影像的分析成果。

本发明还具有如下优选的技术方案：

步骤b中所述的色差分析具体包括如下步骤：

b1.ID单体化，以分离出需要检测的建筑物模型；

b2.网格材质处理；

b3.体素化；

b4.通过色差分析算法确定与正常色值由偏差的点位及点位坐标，从而得到厂区混凝土结构的渗漏与渗流情况。

所述的步骤b1包括：对于真三维实景模型中的建筑，将需要检测的建筑物所对应的三角面中的所有顶点都存储同一ID值，从而实现ID单体化，以将需要检测的建筑物从整个三维场景中分离。

所述的步骤b2包括：建立物方点到像方点的映射关系，设物方坐标为Q＝[X,Y,Z,1]T，像点坐标为q＝[x,y,1]T，两者间的投影矩阵为P，每一张影像对应一个P矩阵，即

对P矩阵的求解是根据相机检校参数和影像的外方位元素得到：

P_3×4＝M_3×3V_3×4 (2)

式中，M为相机检校参数矩阵，fx和fy分别表示水平与垂直方向以像素为单位的相机焦距；cx和cy分别表示水平与垂直方向像主点位移量；s为扭曲因子；V为外方位元素矩阵，V＝[R－1－R－1Ts]3×4，是由[R－1]3×3和[－R－1T]3×1两个分块矩阵组成的增广矩阵，R为影像外方位角元素矩阵，Ts＝[Xs,Ys,Zs]T为影像外方位线元素矩阵。

所述的步骤b2包括纹理提取的方法，所述的纹理提取的方法如下：

纹理筛选：使用P矩阵把地物的三角面投影到每一张影像中，如果影像中存在地物的三角面则地物必在此影像的像幅内，否则越界舍去，根据此范围原则遍历每一个地物模型的三角面，并为每一个三角面创建一个纹理链表，链表中的每一个节点保存着符合范围原则的纹理信息；其纹理信息包括隶属影像的索引值、面积以及对应影像中的像素坐标序列；

遮挡处理：(1)首先，在每一张影像上建立稀疏网格，网格间距为s_w×s_h，每一张影像将建立(w/s_w)×(h/s_h)个内节点，其中w、h为影像的宽和高，单位为像素，这些内节点在每一张影像中形成纹理稀疏节点网，内节点指向节点链表，节点链表中每一个节点指向每一个地物三角面所对应纹理链表中的一个纹理节点；

(2)遍历所有的地物三角面并计算出地物三角面的中心点，如式(3)，(xi,yi,zi)为地物三角面的顶点坐标：

(3)逐个影像进行处理，即以一张影像对应的纹理稀疏网为处理单元，通过步骤(2)计算出的中心坐标，使用当前影像的P矩阵投影到影像中，根据投影后像距离最近原则把对应纹理节点加入最近内节点链表中；

(4)经过步骤(3)之后，每一张影像中的纹理稀疏网内节点都被填充了对应的纹理节点，使得每一个地物都被映射到2D维度中，因此判断纹理是否遮挡，只需判断某一个内节点及其一定范围内的邻域中节点内的纹理节点即可，这样判断遮挡就变成平面中判断两个三角形是否有交集的问题，这个问题能够简化为点是否在三角形内部的问题，即判断一个纹理三角形△ABC的顶点和与其他三角形△OPQ的交点M和N是否在三角形△OPQ的内部即可，根据式(4)—(6)计算出交点的坐标；根据公式(7)—(9)判断是否为遮挡点，设点M为待测点，如果{(u+v)＜1|v＞0,u＞0}，则待测点M在三角形△OPQ中，如果是遮挡点，再根据其空间摄影距离，选择删除较远距离对应的纹理节点

式(4)—式(6)中，p1、p2与p3、p4分别为直线段的两端点；pa与pb分别为p1p2与p3p4上的点，如果相交则令pa＝pb，即

式(7)—式(9)中，pi(i＝1,2,3)为三角形的3个顶点；pcheck为待测点；

经过以上剔除处理，选择纹理链表中首链位置的节点作为最优纹理，进行下一步纹理映射处理。

所述的步骤b3包括：首先设定模型体素化的分辨率，假设为N*N*N而后进行对模型表面的体素化：首先计算出模型的AABB包围盒，然后根据空间分辨率对包围盒进行划分，得到每个大小为(X/N)*(Y/N)*(Z/N)空间像素列表，然后对构成3D模型的多边形或三角形列表进行遍历，得到这些基本体元所对应的包围盒，然后由AABB求交运算得到这些基本体元所能影响到的体素单元，将这些体素单元做为待判断的基本对象，为了做进一步的精确判定，使用三角形与AABB的求交算法确定这些基本体元所能影响到最终体素，并将这些体素标记为非空。

所述的步骤b4包括：采用拟合直线斜率比值优化色差公式的方法CIELAB(1.50:1)与CIEDE2000(2.29:1)各自计算表面色差，然后将结果进行组合比较的方法得出最后的色差分析结果。

本发明同现有技术相比，其优点在于：本发明方法基于无人机倾斜摄影方法，具备快速采集的能力，建立了污水处理厂区的实景三维模型，真实反映了现场的混凝土结构状况，高分比率的影像显示其纹理，相比较传统人工查询方式更加高效，短时间内能进行大范围的查询，且避免了人工查询的安全风险。基于实景模型，创建了一种色差分析的方法，在BIM环境的云平台下，对真三维实景模型中混凝土结构的渗漏与渗流部位进行分析，输出含有真实坐标的分析结果，便于工程的维护，及时进行综合处理，避免更大的工程运营风险，有效解决了人工观测的繁琐与错漏，提高了工程结构的综合治理效率。

附图说明

图1是一实施方式中本发明基于BIM的水工构筑物的质量检查方法的流程示意图。

图2是一实施方式中本发明方向剔除原则的示意图。

图3是一实施方式中本发明影像稀疏网格的示意图。

图4是一实施方式中点是否在三角形内部的判断示意图。

图5是一实施方式中色差分析算法的实验对比图1。

图6是一实施方式中色差分析算法的实验对比图2。

图7是一实施方式中色差分析算法的实验对比图3。

图8是一实施方式中色差分析算法的实验对比图4。

图9是一实施方式中色差分析算法的实验对比图5。

图10是一实施方式中色差分析算法的实验对比图6。

图11是一实施方式中色差分析算法的实验对比图7。

图12是一实施方式中色差分析算法的实验对比图8。

具体实施方式

下面结合附图对本发明作进一步说明，这种方法的原理对本专业的人来说是非常清楚的。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参见图1，本实施方式中，所述的基于BIM的水工构筑物的质量检查方法，大体步骤如下：

步骤1:基于无人机的倾斜摄影技术，建立厂区的真三维实景模型。

步骤2:将真三维实景模型轻量化导入BIM云平台，进行模型的色差分析，得到厂区混凝土结构的渗漏与渗流分析，在BIM云服务数据分析平台中呈现渗漏与渗流情况的分析成果。

步骤3:输出分析成果，包含实际坐标与实地影像，便于维护人员进行检查结构渗流与渗漏点，及时综合治理。

本实施方式中采用倾斜摄影的方法以获得用于三维建模的影像，倾斜摄影，是国际测绘地理信息领域近些年发展起来的一项高新技术。它颠覆了传统方式三维建模效率低、成本高和失真等问题，通过在同一飞行平台上搭载多台传感器，同时从垂直、倾斜等不同角度采集遥感影像，获取地面物体更为完整准确的信息。倾斜摄影技术通过飞行器上搭载的5个镜头，同时从下、前、后、左、右五个不同的方向进行拍摄，让用户从多个角度观察地物，更加真实的反映地物的实际情况。拍摄到的影像可以直接进行包括高度、长度、面积、角度、坡度等的量测，这些数据极大方便了城市三维建模。

倾斜影像具备以下特点：

(1)、反映地物周边真实情况

相对于正射影像，倾斜影像能让用户从多个角度观察地物，更加真实的反映地物的实际情况，极大的弥补了基于正射影像应用的不足。

(2)、倾斜影像可实现单张影像测量

通过配套软件的应用，可直接基于成果影像进行包括调试、长度、面积、角度、坡度等的测量，扩展了倾斜摄影技术在行业中的应用。

(3)、建筑物侧面纹理可采集

针对各种三维数字城市应用，利用航空摄影大规模成图的特点，加上从倾斜影像批量提取及贴纹理的方式，能够有效的降低城市三维建模成本。

(4)、易于网络发布

倾斜影像的数据格式可采用成熟的技术快速进行网络发布，实现共享应用。

倾斜摄影技术原理如下：倾斜摄影的相机配有多个镜头，一般为3个或5个，同步获取同一地物东南西北及顶部方向的影像。因此能够获得具有多视角的影像，及详尽的侧面信息，而后将这些影像通过区域网联合平差、多视影像匹配、DSM生成、真正射纠正、三维建模等流程，形成最终产品。

倾斜摄影测量流程说明：

(1)、数据的获取

倾斜摄影技术不光在摄影方式上区别于传统的垂直航空摄影，其后期数据处理及成果也大不相同。倾斜摄影技术的主要目的是获取地物多个方位的信息并可供用户多角度浏览，实时测量，三维浏览等获取多方面的信息。倾斜摄影数据的获取是通过不同各类的飞行器，搭载不同型号的倾斜相机来进行采集从而实现覆盖高、中、低空的，满足不同面积、比例尺和分辨率需求的影像采集。

数据的获取系统主要分为三大部分：

A、飞行平台，小型飞机或者无人机。

B、机组成员和专业航飞人员或者地面指挥人员。

C、仪器部分，传感器和姿态定位系统。

(2)、数据的处理

A、空三加密及真正射影像

获取多视影像后，需要对其进行匀光匀色、几何校正、空三加密、DSM生成、真正射影像生产等处理。

B、三维建模

倾斜摄影获取的倾斜影像经过影像加工处理，通过专用测绘软件可以生成倾斜摄影模型，这种模型采用全自动化的生产方式，模型生产周期短、成本低，获得倾斜影像后，经过匀光匀色等步骤，通过专业的自动化建模软件生成三维模型，这种工艺流程一般会经过多视角影像的几何校正、联合平差等处理流程，可运算生成基于影像的超高密度点云，然后对点云进行抽稀，再构建三角网，最后贴上贴图。当前的建模算法并不会把建筑、地面、树木等地物区分出来，而是构建出一个连续的TIN模型，并以此生成基于影像纹理的高分辨率倾斜摄影三维模型，因此也具备倾斜影像的测绘级精度。

对于该数据处理的方法现有技术已较为成熟，具体可参见《基于倾斜摄影测量技术的实景三维建模及精度评估》：谭金石，黄正忠。

目前尚没有明确针对倾斜摄影的国家技术标准。行业内一般认为遵循传统航摄的相关技术规范。图像的获取应满足相关航空摄影标准，数据处理满足DOM、DEM、DLG等产品生产标准。影像重叠度均在60％到80％，最小不小于53％；对旋片角可放宽要求，应放宽至35度或抽片后达到常规航摄规范要求即可。

对于倾斜摄影生成的三维模型，本身是无法选中单个建筑的，需要进一步处理才能实现单体化。本实施方式中，利用三角面片中每个基点额外的存储空间，把对应的矢量面的ID值存储起来；即一个建筑所对应的三角面的所有顶点都存储了同一个ID值，从而实现ID单体化。将需要检测的建筑物从整个三维场景中分离出来。

而后需要对网格材质进行处理，其中涉及到确定投影关系的问题。确定投影关系就是建立物方点到像方点的映射关系，这里采用摄影测量计算机视觉方法，物方及像点坐标都使用齐次坐标表达式，即设物方坐标为Q＝[X,Y,Z,1]T，像点坐标为q＝[x,y,1]T，两者间的投影矩阵为P。由于摄影姿态的不同，每一张影像理论上都对应一个不同的P矩阵，即

对P矩阵的求解是根据相机检校参数和影像的外方位元素得到

P_3×4＝M_3×3V_3×4 (2)

式中，M为相机检校参数矩阵，fx和fy分别表示水平与垂直方向以像素为单位的相机焦距；cx和cy分别表示水平与垂直方向像主点位移量；s为扭曲因子；V为外方位元素矩阵，V＝[R－1－R－1Ts]3×4，是由[R－1]3×3和[－R－1T]3×1两个分块矩阵组成的增广矩阵，R为影像外方位角元素矩阵，Ts＝[Xs,Ys,Zs]T为影像外方位线元素矩阵。

而后进行纹理提取，包括纹理筛选和遮挡处理：

1)、纹理筛选

对纹理自动提取首先须对纹理进行初步筛选，初步筛选的原则为：使用P矩阵把地物三角面投影到每一张影像中，如果存在则必在此影像的像幅内，否则越界舍去。根据此范围原则遍历每一个地物模型的三角面(TIN模型，TIN为不规则三角网的缩写，在地理信息系统中有广泛应用：根据区域的有限个点集将区域划分为相等的三角面网络，数字高程有连续的三角面组成，三角面的形状和大小取决于不规则分布的测点的位置和密度，能够避免地形平坦时的数据冗余，又能按地形特征点表示数字高程特征。)，并为每一个三角面创建一个纹理链表，链表中的每一个节点保存着符合范围原则的纹理信息；其纹理信息包括隶属影像的索引值、面积以及对应影像中的像素坐标序列，这些信息可用于后续的纹理提取原则。后续的纹理提取原则包括：

(1)面积最大原则。遍历地物块的纹理链表计算像方面积，然后根据其面积的大小进行降序排列，链表前面的节点具有更高的优先级，即在后续的处理中链表前面的节点具有优先候选的资格。

(2)方向向量原则。每一个地物三角面按照一定的方向原则都有一个面向量，对应的每一张影像也仅有一个摄影主光轴向量，所以在选取的时候要顾及两个向量的方向问题，即当且仅当为钝角时，对应的纹理块才可以作为候选纹理块，否则将被剔除舍弃。如图2所示，建筑物nA和nB面与曝光光线的交角分别为α和β，但由于β为锐角，故只有nA面在影像中是有可利用纹理。

(3)遮挡剔除原则。经过方向向量和面积最大原则之后，反向的纹理块被剔除，但是还残留着一部分同向遮挡纹理块。由于本文使用的是高密度的地物模型，遮挡处理选择剔除舍去原则。利用一定优化的算法检测出被遮挡的纹理块。面积最大作为一个优先级的指标，遮挡处理从最高优先级的纹理三角面开始。

(4)纹理自动最优裁剪原则。筛选得到最优纹理块后，使用最小的矩形对其进行裁剪存储，并且纹理的大小最好是2的指数倍，如2×2、4×4等。

(5)纹理自动纠正。由于影像存在畸变，所以纹理在映射到地物面块之前需要对其进行基于物方的影像灰度重采样，以实现最优的纹理映射。

2)、遮挡处理

在纹理重建区域内，不可避免地存在着城市建筑物密集的现象，建筑物表面往往表现为相互遮挡。显然，这种遮挡所导致的建筑物墙面纹理图像不完整必将影响到建筑物真三维模型的真实性和视觉效果。尽管在纹理自动提取过程中考虑到了发生纹理遮挡的可能性，并通过几何纠正以及影像互相关方法从众多的备选影像中选择遮挡最少、最清晰的作为纹理影像源，但仍然不能保证生成的墙面纹理具有理想的视觉效果。本文采用了基于像方的遮挡处理方法，即利用P矩阵把地物面块映射到影像中，结合摄影距离进行二维的处理，降低其复杂性，并建立稀疏网格加速纹理映射。具体的处理方法如下：

(1)如图3所示，在每一张影像上建立稀疏网格，网格间距为s_w×s_h(推荐使用10×10)，这样每一张影像将建立(w/s_w)×(h/s_h)个内节点(其中w、h为影像的宽和高，单位为像素)，这些内节点在每一张影像中形成纹理稀疏节点网。内节点将存储指向的也是一个节点链表，其链表中每一个节点指向每一个地物三角面所对应纹理链表中的一个纹理节点。初始状态下没有纹理节点，内节点指向的是NULL空间。

(2)遍历所有的地物面块计算出地物块的中心点(xcenter,ycenter,zcenter)。如式(3)，(xi,yi,zi)为地物三角面的顶点坐标，即

(3)逐影像进行处理，即以一张影像对应的纹理稀疏网为处理单元，通过步骤(2)计算出的中心坐标，使用当前影像的P矩阵投影到影像中(如式(1)所示)，根据投影后像距离最近原则把对应纹理节点加入最近内节点链表中。

(4)经过步骤(3)之后，每一张影像中的纹理稀疏网内节点都被填充了对应的纹理节点，此时每一个地物都被映射到2D维度中，因此判断纹理是否遮挡，只需判断某一个内节点及其一定范围内的邻域中节点内的纹理节点即可；这样判断遮挡就变成平面中判断两个三角形是否有交集的问题。这个问题在一定程度上可以简化为点是否在三角形内部的问题，即判断一个纹理三角形△ABC的顶点和与其他三角形△OPQ的交点(点M、N)是否在三角形△OPQ的内部即可。如图4所示，根据式(4)—(6)计算出交点的坐标；根据公式(7)—(9)判断是否为遮挡点(内点)，设点M为待测点，如果{(u+v)＜1|v＞0,u＞0}，则待测点M在三角形△OPQ中，如果是内点，再根据其空间摄影距离，选择删除较远距离对应的纹理节点

式(4)—式(6)中，p1、p2与p3、p4分别为直线段的两端点；pa与pb分别为p1p2与p3p4上的点，如果相交则令pa＝pb，即

式(7)—式(9)中，pi(i＝1,2,3)为三角形的3个顶点；pcheck为待测点。

经过以上4步剔除处理，选择纹理链表中首链位置的节点作为最优纹理，进行下一步纹理映射处理。整个纹理映射过程中计算出的最佳纹理都以文件形式储存在磁盘中，需要显示加载的时候才加载，以减少纹理映射对内存的需求。

纹理提取完成后进行体素化，体素化(Voxelization)是将物体的几何形式表示转换成最接近该物体的体素表示形式，产生体数据集，其不仅包含模型的表面信息，而且能描述模型的内部属性。表示模型的空间体素跟表示图像的二维像素比较相似，只不过从二维的点扩展到三维的立方体单元，而且基于体素的三维模型有诸多应用。

由于使用的需要，需对模型进行体素化操作，这里采用了一种简单但却有效的操作方法。首先设定模型体素化的分辨率，假设为N*N*N，之后的操作主要包括两部分：对模型表面的体素化和对模型内部的体素化。

由于我们只需要针对模型表面进行色差分析，所以我们只做对模型表面的体素化。

首先计算出模型的AABB包围盒，然后根据空间分辨率对包围盒进行划分，得到每个大小为(X/N)*(Y/N)*(Z/N)空间像素列表。然后对构成3D模型的多边形或三角形列表进行遍历，得到这些基本体元所对就应的包围盒，然后由AABB求交运算得到这些基本体元所能影响到的体素单元，将这些体素单元做为待判断的基本对象。为了做进一步的精确判定，使用三角形与AABB的求交算法确定这些基本体元所能影响到最终体素，并将这些体素标记为非空，这样就完成了对3D模型表面的体素化操作。

而后通过的色差分析算法确定与正常色值有偏差的点位及点位坐标，由于图像是由大量不同颜色的像素点构成，是不均匀颜色样品，既不能用颜色测量解调器直接测量，也比均匀颜色样品颜色的计算复杂。国际照明委员会(CIE)在2011年10月发布了《图像色差评价方法》的技术报告，报告了当前图像色差研究的进展，并归纳了图像色差阈值的研究成果，给出了用图像阈值色差实验数据优化色差公式的结果。CIE技术报告中也对S－CIELAB色差公式评价图像色差的效果做了分析，证明S-CIELAB公式仅对评价图像噪声和图像压缩损失产生的色差计算有效，对图像颜色变化的评价效果不好。

于是，我们对相关的色差分析方法做了一个实验对比，结果如图5所示，用CIELAB(1:1)色差公式计算出的色差值与图像色差感觉之间具有一定的线性相关性，随着计算色差值的改变，色差感觉也相应变化。尽管实验数据有一定的分散，但相关系数远远大于相关系数临界值0.315，说明线性关系显著。使用S-CIELAB公式计算的结果差于CIELAB(1:1)的计算结果。

如图6-8所示，从图中可以明显看出，用CIELAB(1.50:1)公式计算的明度色差和彩度色差所对应的色差感觉规律很不一样，两个视觉属性的值形成了两个截然不同的分支，拟合直线的斜率分别为0.44和0.29，说明对CIELAB(1.50:1)彩度差的感觉要明显高于明度差。另外还可以看出，明度与彩度分开拟合的相关系数也有了一定提高，数据的离散性得到了改善。

如图9-12所示，根据图中结果可以看到，CIEDE2000(2.29:1)的斜率明显较小，截距也比较收敛，说明该公式的表现最好，图像的拟合直线平行度最高，截距也很接近。

根据结果显示，CIELAB(1.50:1)与CIEDE2000(2.29:1)与目视色差具有很高的一致性。

因此，我们采用拟合直线斜率比值优化色差公式的方法CIELAB(1.50:1)与CIEDE2000(2.29:1)各自计算表面色差，然后将结果进行组合比较的方法得出最后的色差分析结果。

所述的组合比较是指，对于存在一定差异性的纹理图，首先可以用CIELAB(1.50:1)去验证是否存在色差，验证通过后，再用CIEDE2000(2.29:1)进行判定是否存在色差，两者都通过，即发现了有渗流渗漏的混凝土表面与无渗流渗漏混凝土表面的色差差别，则做出判断成果：该区域有混凝土结构存在渗流渗漏现象。对于CIELAB(1.50:1)和CIEDE2000(2.29:1)两者的判定结果存在细微差距的情况，可以按照后一个CIEDE2000(2.29:1)的结果来做最终判定。

通过本实施方式的方法采用两种公式计算的色差，与认定的混凝土外观色调进行分析，能够得到混凝土结构渗漏的分析结果。局部的一些渗漏点、渗流区的混凝土结构，与常规的混凝土结构外观存在一定的色差，色差不明显时，人眼观察，难以发现，通过无人机实景模型的观测，计算机计算色差比对，判断结构上出现的渗漏与渗流区域。

Claims (7)

1.一种基于BIM的水工构筑物的质量检查方法，其特征在于所述的方法包括如下步骤：

步骤a.基于无人机的倾斜摄影方法，建立厂区的真三维实景模型；

步骤b.将真三维实景模型轻量化导入BIM云平台，进行模型的色差分析，并在BIM云平台中呈现厂区混凝土结构的渗漏与渗流情况的分析成果；

步骤c.输出包含实际坐标与实地影像的分析成果。

2.如权利要求1所述的一种基于BIM的水工构筑物的质量检查方法，其特征在于步骤b中所述的色差分析具体包括如下步骤：

b1.ID单体化，以分离出需要检测的建筑物模型；

b2.网格材质处理；

b3.体素化；

b4.通过色差分析算法确定与正常色值由偏差的点位及点位坐标，从而得到厂区混凝土结构的渗漏与渗流情况。

3.如权利要求2所述的一种基于BIM的水工构筑物的质量检查方法，其特征在于所述的步骤b1包括：对于真三维实景模型中的建筑，将需要检测的建筑物所对应的三角面中的所有顶点都存储同一ID值，从而实现ID单体化，以将需要检测的建筑物从整个三维场景中分离。

4.如权利要求2所述的一种基于BIM的水工构筑物的质量检查方法，其特征在于所述的步骤b2包括：建立物方点到像方点的映射关系，设物方坐标为Q＝[X,Y,Z,1]T，像点坐标为q＝[x,y,1]T，两者间的投影矩阵为P，每一张影像对应一个P矩阵，即

对P矩阵的求解是根据相机检校参数和影像的外方位元素得到：

P_3×4＝M_3×3V_3×4 (2)

式中，M为相机检校参数矩阵，fx和fy分别表示水平与垂直方向以像素为单位的相机焦距；cx和cy分别表示水平与垂直方向像主点位移量；s为扭曲因子；V为外方位元素矩阵，V＝[R－1－R－1Ts]3×4，是由[R－1]3×3和[－R－1T]3×1两个分块矩阵组成的增广矩阵，R为影像外方位角元素矩阵，Ts＝[Xs,Ys,Zs]T为影像外方位线元素矩阵。

5.如权利要求2所述的一种基于BIM的水工构筑物的质量检查方法，其特征在于所述的步骤b2包括纹理提取的方法，所述的纹理提取的方法如下：

纹理筛选：使用P矩阵把地物的三角面投影到每一张影像中，如果影像中存在地物的三角面则地物必在此影像的像幅内，否则越界舍去，根据此范围原则遍历每一个地物模型的三角面，并为每一个三角面创建一个纹理链表，链表中的每一个节点保存着符合范围原则的纹理信息；其纹理信息包括隶属影像的索引值、面积以及对应影像中的像素坐标序列；

遮挡处理：(1)首先，在每一张影像上建立稀疏网格，网格间距为s_w×s_h，每一张影像将建立(w/s_w)×(h/s_h)个内节点，其中w、h为影像的宽和高，单位为像素，这些内节点在每一张影像中形成纹理稀疏节点网，内节点指向节点链表，节点链表中每一个节点指向每一个地物三角面所对应纹理链表中的一个纹理节点；

(2)遍历所有的地物三角面并计算出地物三角面的中心点，如式(3)，(xi,yi,zi)为地物三角面的顶点坐标：

(3)逐个影像进行处理，即以一张影像对应的纹理稀疏网为处理单元，通过步骤(2)计算出的中心坐标，使用当前影像的P矩阵投影到影像中，根据投影后像距离最近原则把对应纹理节点加入最近内节点链表中；

(4)经过步骤(3)之后，每一张影像中的纹理稀疏网内节点都被填充了对应的纹理节点，使得每一个地物都被映射到2D维度中，因此判断纹理是否遮挡，只需判断某一个内节点及其一定范围内的邻域中节点内的纹理节点即可，这样判断遮挡就变成平面中判断两个三角形是否有交集的问题，这个问题能够简化为点是否在三角形内部的问题，即判断一个纹理三角形△ABC的顶点和与其他三角形△OPQ的交点M和N是否在三角形△OPQ的内部即可，根据式(4)-(6)计算出交点的坐标；根据公式(7)-(9)判断是否为遮挡点，设点M为待测点，如果{(u+v)＜1|v＞0,u＞0}，则待测点M在三角形△OPQ中，如果是遮挡点，再根据其空间摄影距离，选择删除较远距离对应的纹理节点

式(4)-式(6)中，p1、p2与p3、p4分别为直线段的两端点；pa与pb分别为p1p2与p3p4上的点，如果相交则令pa＝pb，即

式(7)-式(9)中，pi(i＝1,2,3)为三角形的3个顶点；pcheck为待测点；

经过以上剔除处理，选择纹理链表中首链位置的节点作为最优纹理，进行下一步纹理映射处理。

6.如权利要求2所述的一种基于BIM的水工构筑物的质量检查方法，其特征在于所述的步骤b3包括：首先设定模型体素化的分辨率，假设为N*N*N而后进行对模型表面的体素化：首先计算出模型的AABB包围盒，然后根据空间分辨率对包围盒进行划分，得到每个大小为(X/N)*(Y/N)*(Z/N)空间像素列表，然后对构成3D模型的多边形或三角形列表进行遍历，得到这些基本体元所对应的包围盒，然后由AABB求交运算得到这些基本体元所能影响到的体素单元，将这些体素单元做为待判断的基本对象，为了做进一步的精确判定，使用三角形与AABB的求交算法确定这些基本体元所能影响到最终体素，并将这些体素标记为非空。

7.如权利要求2所述的一种基于BIM的水工构筑物的质量检查方法，其特征在于所述的步骤b4包括：采用拟合直线斜率比值优化色差公式的方法CIELAB(1.50:1)与CIEDE2000(2.29:1)各自计算表面色差，然后将结果进行组合比较的方法得出最后的色差分析结果。