CN110490415B - 一种多无人机视觉协同的建筑进度评估方法 - Google Patents
一种多无人机视觉协同的建筑进度评估方法 Download PDFInfo
- Publication number
- CN110490415B CN110490415B CN201910637196.8A CN201910637196A CN110490415B CN 110490415 B CN110490415 B CN 110490415B CN 201910637196 A CN201910637196 A CN 201910637196A CN 110490415 B CN110490415 B CN 110490415B
- Authority
- CN
- China
- Prior art keywords
- building
- height
- model
- point
- actual
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000000007 visual effect Effects 0.000 title claims description 7
- 238000010276 construction Methods 0.000 claims abstract description 33
- 238000011156 evaluation Methods 0.000 claims abstract description 15
- 230000011218 segmentation Effects 0.000 claims abstract description 4
- 238000010586 diagram Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000007726 management method Methods 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000009435 building construction Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063116—Schedule adjustment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种多无人机视觉协同的建筑进度评估方法,执行以下操作:根据建筑项目施工图建立整个建筑项目的BIM计划模型;使用多架无人机协同作业,在真实建筑场景中获取多方位多角度的施工场景图片组成图像集I;将无人机获得的施工场景图片图像集I通过Mask R‑CNN方法进行实例分割获得图像集I’,用图像集I’进行三维重建,获得当前建筑场景中建筑任务的当前3D模型,当前3D模型信息包含实际的建筑高度,实际的建筑表面材料信息和实际工时;将当前3D模型信息输入实际BIM模型中,基于模糊算法,用实际BIM模型估算BIM计划模型的总工程量完成时间;以实际BIM模型的实际工时与BIM计划模型的总工程量完成时间获得实时建筑进度指数。使用多无人机采集建筑施工现场的图像,提高了建筑进度评估的自动化程度。根据模糊算法对当前建筑进度进行评估,提高了建筑进度评估的可靠性和准确性。
Description
技术领域
本发明属于建筑进度评估领域,具体为一种多无人机视觉协同的建筑进度评估方法。
背景技术
背景技术的内容只是为了帮助理解技术内容,并非现有技术。
建筑业是国民经济的支柱产业,在经济和社会发展中发挥着至关重要的作用。建筑业已经普遍认识到对建筑施工的有效监控是建筑项目成功的关键因素之一,而有效的监控的基础是对建筑施工进度进行准确的评估。建筑施工阶段是建筑项目生命周期的重要阶段,建筑项目的时间和成本的投入大部分在项目的施工阶段,施工阶段的进度评估和监控对项目目标至关重要。
建筑项目的施工进度评估是一个动态的过程,需要不断的更新现场数据,由此产生了巨大的信息量,并且随着项目进度的进展项目信息量不断的动态增加。施工进度评估的实时信息的动态性和大量性对信息的存储、共享和管理有较高的要求。传统的方式主要是依靠传统手工的方式进行现场数据的采集,通过手工的测量和纸笔记录,然后计算数据生成报告。传统的现场数据手工采集方法已经不能满足现代项目施工进度评估的需要,其缺点日渐明显。项目管理人员需要花费大量的时间去等待和搜索报告中的信息以感知项目施工作业活动和进度的情况。由于传统的人工测量、记录以及计算需要耗费大量的人力物力财力,因此有必要研究一种自动化的建筑施工进度实时评估方法完成对建筑项目进度的准确评估。现有的建筑进度评估方法中,使用BIM(Building Information Modeling)技术代替人工对建筑项目的进行有效地管理,以做出准确的进度评估。但是,BIM技术是通过建立虚拟的建筑工程三维模型,利用数字化技术,为这个模型提供完整的、与实际情况一致的建筑工程信息库,需要对建筑施工现场进行数据采集,通过使用摄像测量技术、3D激光扫描仪或者RFID(Radio Frequency Identification)技术获取构件的进度信息,然后输入BIM模型中,进行建筑项目进度评估。当前的进度评估方法都需要人力进行现场采集,尤其是当建筑项目较大时,这种半自动的方式所需的人力物力成本就会很高,因此如何全自动化地对建筑项目做出准确有效的评估是急需解决的问题。
发明内容
本发明的目的在于提供一种基于多无人机协同拍摄获得建筑工地的实地场景、将实地场景的建筑信息与建筑项目的BIM计划模型的建筑信息进行比对,获得实际建筑进度的评估方法。
一种多无人机视觉协同的建筑进度评估方法,执行以下操作:
根据建筑项目施工图建立整个建筑项目的BIM计划模型;使用多架无人机协同作业,在真实建筑场景中获取多方位多角度的施工场景图片组成图像集I;将无人机获得的施工场景图像集I通过Mask R-CNN方法进行实例分割获得图像集I’,用图像集I’进行三维重建,获得当前建筑场景中建筑任务的当前3D模型,当前3D模型信息包含实际的建筑高度,实际的建筑表面材料信息和实际工时;将当前3D模型信息输入实际BIM模型中,基于模糊算法,用实际BIM模型估算BIM计划模型的总工程量完成时间;以实际BIM模型的实际工时与BIM计划模型的总工程量完成时间获得实时建筑进度指数。
作为优选的方案:获得实际的建筑高度的方法为:
1)、使用SFM方法对建筑图像集I进行处理,得到含建筑构件的场景点云,过滤场景点云的局外点和噪声,得到点云集合P;
2)、使用RANSAC方法得到点云集合P中的平面,根据集合P中各平面的上点云的Z轴坐标(即高度)的平均值,筛选出平均高度最小的平面即为地平面G0,获取与地平面G0垂直的平面作为建筑立面,获得地平面与建筑立面的交线,该交线作为建筑构件在地面的二维轮廓B;
3)、将点云集合P中、所有投影在二维轮廓B上的点剔除获得剩余点云,剔除二维轮廓覆盖的所有点之后,建筑构件点云只剩下建筑顶面的点云;对剩余点云进行欧式聚类,欧式聚类将剩余点云自动分类为建筑顶面子集CB和环境点云子集;
4)、以地平面G0任意一点为原点O,以地平面为X-Y平面,垂直地平面且指向建筑构件点云所在方向为Z方向,建立空间直角坐标系,计算建筑平面子集CB中点云中每个点在新坐标系下的坐标(x,y,z),z表示高度,(x,y)表示点在X-Y平面的投影位置;
5)、获得包围二维轮廓B的最小矩形区域,将最小矩形区域划分为多个大小相等的方格G={g(i,j)|1≤i≤w,1≤j≤h},其中w,h是区域内方格行列数,方格的数量越多则计算精度越高;将建筑平面子集CB中的点云垂直地向地平面投影,获得所有投影在到最小矩形区域的点,将投影在最小矩形区域的点按方格划分,取投影在方格内的点云的Z轴坐标平均值作为方格高度;以方格高度作为当前位置的建筑物高度;每个方格及其方格高度形成一个柱状模型,所有方格形成的柱状模型组成实际建筑构件的3D模型。
进一步,获得实际的建筑高度的方法的步骤5)中,若某方格无点云投影在其内,则将该无点云投影的方格高度设置为0;对于高度为0的方格,以跟该高度为0的方格最近的且在B中的方格高度进行插值,如对上述最近的且在B中的方格的高度取平均,以插值高度作为该高度为0的方格的模型高度,以该高度为0的方格和其模型高度形成该方格的柱状模型,所有方格形成的柱状模型组成实际建筑构件的3D模型。
作为优选的方案,获得实际的建筑表面材料信息的方法为:
用深度学习的Mask R-CNN算法从建筑图像集I中的建筑构件从背景中分割出来,将已建的建筑构件组成建筑构件图集I’,识别建筑构件图集I’中出现的表面材料。
进一步,将实际建筑构件的3D模型和表面材料输入实际BIM模型中,将实际建筑构件的点云集合中的所有点的坐标按照3D模型与BIM模型的比例关系转换为BIM模型中的坐标。3D模型的建筑构件和BIM模型的大小是有一个比例关系,3D模型的点云中点的坐标转换为BIM模型中的坐标就是用3D模型的坐标乘以这个比例得到BIM模型中的坐标。
作为优选的,用实际BIM模型估算BIM计划模型的总工程量完成时间的方法为:1)对于每一分部工程Ai(i=1,K,n),假设Ai是由Ai1,Ai2,K,Aim共m个关键任务组成,即Ai={Aij|j=1,2,K,m}。对于任务基元Aij,Tij为其所需的模糊时间,Ωij为已收集到的该任务的有限数据样本集合,可以得到一个Ωij到Tij的一个模糊映射,即fij:Ωij→Tij,Tij=fij(Ωij),分部工程的项目预测所需时间为
2)对于每一分部工程的各道工序在实施工程中容易受到人力、物力、财力、环境、管理等因素的影响,导致非关键工序变成了关键工序,引起了工期的滞后。对于单个关键工序而言,其所消耗的时间的分布是符合一定的数值分布规律的,假设Ωi1,Ωi2,K,Ωin是具有类似分布曲线的随机变量,即随机变量Ωi1,Ωi2,K,Ωin的风险为同质风险。分部工程的项目预测所需时间为
作为优选的方案,在本项目开建之后,以二维平面的离散点的方式记录高度、表面材料和时间的关系图,高度和表面材料各为一个坐标轴,高度和表面材料对应到一个点,该点表达时间含义;每更新一次高度、表面材料和时间的关系,就在关系图中增加一个点;关系图表示Ωij到Tij的模糊映射。
优选的,在估算分部工程的项目预测所需时间时,输入高度和表面材料信息,若关系图有相同的高度和表面材料信息,则直接输出时间;若关系图没有相同的高度和表面材料信息,则在关系图中根据输入的高度和表面材料新增一个点,寻找与新增点距离最近的第一点和第二点;计算新增点与第一点的距离Lx1,计算新增点与第二点的距离Lx2;计算第一权重第二权重/>新增点的时间Tij为,Tij=tx1×Q1+tx2×Q2,tx1是第一点的时间,tx2是第二点的时间。
本发明的有益效果是:
1、使用多无人机采集建筑施工现场的图像,提高了建筑进度评估的自动化程度。
2、根据模糊算法对当前建筑进度进行评估,提高了建筑进度评估的可靠性和准确性。
附图说明
图一为本发明三维重建方法示意图。
图二为本发明建筑总工程量预测时间和建筑进度指数示意图。
图三为本发明无人机拍照示意图。
具体实施方式
根据建筑项目施工图建立整个建筑项目的BIM计划模型;使用多架无人机协同作业,在真实建筑场景中获取多方位多角度的施工场景图片组成图像集I;将无人机获得的施工场景图像集I通过Mask R-CNN方法进行实例分割获得图像集I’,用图像集I’进行三维重建,获得当前建筑场景中建筑任务的当前3D模型,当前3D模型信息包含实际的建筑高度,实际的建筑表面材料信息和实际工时;将当前3D模型信息输入实际BIM模型中,基于模糊算法,用实际BIM模型估算BIM计划模型的总工程量完成时间;以实际BIM模型的实际工时与BIM计划模型的总工程量完成时间获得实时建筑进度指数。
作为优选的方案:获得实际的建筑高度的方法为:
1)、使用SFM方法对建筑图像集I进行处理,得到含建筑构件的场景点云,过滤场景点云的局外点和噪声,得到点云集合P;
2)、使用RANSAC方法得到点云集合P中的平面,根据集合P中各平面的上点云的Z轴坐标(即高度)的平均值,筛选出平均高度最小的平面即为地平面G0,获取与地平面G0垂直的平面作为建筑立面,获得地平面与建筑立面的交线,该交线作为建筑构件在地面的二维轮廓B;
3)、将点云集合P中、所有投影在二维轮廓B上的点剔除获得剩余点云,剔除二维轮廓覆盖的所有点之后,建筑构件点云只剩下建筑顶面的点云;对剩余点云进行欧式聚类,欧式聚类将剩余点云自动分类为建筑顶面子集CB和环境点云子集;
4)、以地平面G0任意一点为原点O,以地平面为X-Y平面,垂直地平面且指向建筑构件点云所在方向为Z方向,建立空间直角坐标系,计算建筑平面子集CB中点云中每个点在新坐标系下的坐标(x,y,z),z表示高度,(x,y)表示点在X-Y平面的投影位置;
5)、获得包围二维轮廓B的最小矩形区域,将最小矩形区域划分为多个大小相等的方格G={g(i,j)|1≤i≤w,1≤j≤h},其中w,h是区域内方格行列数,方格的数量越多则计算精度越高;将建筑平面子集CB中的点云垂直地向地平面投影,获得所有投影在到最小矩形区域的点,将投影在最小矩形区域的点按方格划分,取投影在方格内的点云的Z轴坐标平均值作为方格高度;以方格高度作为当前位置的建筑物高度;每个方格及其方格高度形成一个柱状模型,所有方格形成的柱状模型组成实际建筑构件的3D模型。
进一步,获得实际的建筑高度的方法的步骤5)中,若某方格无点云投影在其内,则将该无点云投影的方格高度设置为0;对于高度为0的方格,以跟该高度为0的方格最近的且在B中的方格高度进行插值,如对上述最近的且在B中的方格的高度取平均,以插值高度作为该高度为0的方格的模型高度,以该高度为0的方格和其模型高度形成该方格的柱状模型,所有方格形成的柱状模型组成实际建筑构件的3D模型。
作为优选的方案,获得实际的建筑表面材料信息的方法为:
用深度学习的Mask R-CNN算法从建筑图像集I中的建筑构件从背景中分割出来,将已建的建筑构件组成建筑构件图集I’,识别建筑构件图集I’中出现的表面材料。
进一步,将实际建筑构件的3D模型和表面材料输入实际BIM模型中,将实际建筑构件的点云集合中的所有点的坐标按照3D模型与BIM模型的比例关系转换为BIM模型中的坐标。3D模型的建筑构件和BIM模型的大小是有一个比例关系,3D模型的点云中点的坐标转换为BIM模型中的坐标就是用3D模型的坐标乘以这个比例得到BIM模型中的坐标。
作为优选的,用实际BIM模型估算BIM计划模型的总工程量完成时间的方法为:1)对于每一分部工程Ai(i=1,K,n),假设Ai是由Ai1,Ai2,K,Aim共m个关键任务组成,即Ai={Aij|j=1,2,K,m}。对于任务基元Aij,Tij为其所需的模糊时间,Ωij为已收集到的该任务的有限数据样本集合,可以得到一个Ωij到Tij的一个模糊映射,即fij:Ωij→Tij,Tij=fij(Ωij),分部工程的项目预测所需时间为
2)对于每一分部工程的各道工序在实施工程中容易受到人力、物力、财力、环境、管理等因素的影响,导致非关键工序变成了关键工序,引起了工期的滞后。对于单个关键工序而言,其所消耗的时间的分布是符合一定的数值分布规律的,假设Ωi1,Ωi2,K,Ωin是具有类似分布曲线的随机变量,即随机变量Ωi1,Ωi2,K,Ωin的风险为同质风险。分部工程的项目预测所需时间为
作为优选的方案,在本项目开建之后,以二维平面的离散点的方式记录高度、表面材料和时间的关系图,高度和表面材料各为一个坐标轴,高度和表面材料对应到一个点,该点表达时间含义;每更新一次高度、表面材料和时间的关系,就在关系图中增加一个点;关系图表示Ωij到Tij的模糊映射。
优选的,在估算分部工程的项目预测所需时间时,输入高度和表面材料信息,若关系图有相同的高度和表面材料信息,则直接输出时间;若关系图没有相同的高度和表面材料信息,则在关系图中根据输入的高度和表面材料新增一个点,寻找与新增点距离最近的第一点和第二点;计算新增点与第一点的距离Lx1,计算新增点与第二点的距离Lx2;计算第一权重第二权重/>新增点的时间Tij为,Tij=tx1×Q1+tx2×Q2,tx1是第一点的时间,tx2是第二点的时间。
本发明说明书中提到的所有专利和出版物都表示这些是本领域的公开技术,本发明可以使用。这里所引用的所有专利和出版物都被同样列在参考文献中,跟每一个出版物具体的单独被参考引用一样。这里所述的本发明可以在缺乏任何一种元素或多种元素,一种限制或多种限制的情况下实现,这里这种限制没有特别说明。例如这里每一个实例中术语“包含”,“实质由……组成”和“由……组成”可以用两者之一的其余2个术语代替。这里采用的术语和表达方式所为描述方式,而不受其限制,这里也没有任何意图来指明此书描述的这些术语和解释排除了任何等同的特征,但是可以知道,可以在本发明和权利要求的范围内做任何合适的改变或修改。可以理解,本发明所描述的实施例子都是一些优选的实施例子和特点,任何本领域的一般技术人员都可以根据本发明描述的精髓下做一些更改和变化,这些更改和变化也被认为属于本发明的范围和独立权利要求以及附属权利要求所限制的范围内。
Claims (8)
1.一种多无人机视觉协同的建筑进度评估方法,执行以下操作:
根据建筑项目施工图建立整个建筑项目的BIM计划模型;使用多架无人机协同作业,在真实建筑场景中获取多方位多角度的施工场景图片组成图像集I;将无人机获得的施工场景图像集I通过Mask R-CNN方法进行实例分割获得图像集I’,用图像集I’进行三维重建,获得当前建筑场景中建筑任务的当前3D模型,当前3D模型信息包含实际的建筑高度,实际的建筑表面材料信息和实际工时;将当前3D模型信息输入实际BIM模型中,基于模糊算法,用实际BIM模型估算BIM计划模型的总工程量完成时间;以实际BIM模型的实际工时与BIM计划模型的总工程量完成时间获得实时建筑进度指数;
获得实际的建筑高度的方法为:
1)、使用SFM方法对建筑图像集I进行处理,得到含建筑构件的场景点云,过滤场景点云的局外点和噪声,得到点云集合P;
2)、使用RANSAC方法得到点云集合P中的平面,根据集合P中各平面的上点云的Z轴坐标的平均值,筛选出平均高度最小的平面即为地平面G0,获取与地平面G0垂直的平面作为建筑立面,获得地平面与建筑立面的交线,该交线作为建筑构件在地面的二维轮廓B;
3)、将点云集合P中、所有投影在二维轮廓B上的点剔除获得剩余点云,剔除二维轮廓覆盖的所有点之后,建筑构件点云只剩下建筑顶面的点云;对剩余点云进行欧式聚类,欧式聚类将剩余点云自动分类为建筑顶面子集CB和环境点云子集;
4)、以地平面G0任意一点为原点O,以地平面为X-Y平面,垂直地平面且指向建筑构件点云所在方向为Z方向,建立空间直角坐标系,计算建筑平面子集CB中点云中每个点在新坐标系下的坐标(x,y,z),z表示高度,(x,y)表示点在X-Y平面的投影位置;
5)、获得包围二维轮廓B的最小矩形区域,将最小矩形区域划分为多个大小相等的方格G={g(i,j)|1≤i≤w,1≤j≤h},其中w,h是区域内方格行列数;方格的数量越多则计算精度越高;将建筑平面子集CB中的点云垂直地向地平面投影,获得所有投影在到最小矩形区域的点,将投影在最小矩形区域的点按方格划分,取投影在方格内的点云的Z轴坐标平均值作为方格高度;以方格高度作为当前位置的建筑物高度;每个方格及其方格高度形成一个柱状模型,所有方格形成的柱状模型组成实际建筑构件的3D模型。
2.如权利要求1所述的一种多无人机视觉协同的建筑进度评估方法,其特征在于:获得实际的建筑高度的方法的步骤5)中,若某方格无点云投影在其内,则将该无点云投影的方格高度设置为0;对于高度为0的方格,以跟该高度为0的方格最近且在二维轮廓B中的方格高度进行插值,以插值高度作为该高度为0的方格的模型高度,以该高度为0的方格和其模型高度形成该方格的柱状模型,所有方格形成的柱状模型组成实际建筑构件的3D模型。
3.如权利要求1或2所述的多无人机视觉协同的建筑进度评估方法,其特征在于:获得实际的建筑表面材料信息的方法为:
用深度学习的Mask R-CNN算法从建筑图像集I中的建筑构件从背景中分割出来,将已建的建筑构件组成建筑构件图集I’,识别建筑构件图集I’中出现的表面材料。
4.如权利要求3所述的多无人机视觉协同的建筑进度评估方法,其特征在于:将实际建筑构件的3D模型和表面材料输入实际BIM模型中,将实际建筑构件的点云集合中的所有点的坐标按照3D模型与BIM模型的比例关系转换为BIM模型中的坐标。
5.如权利要求1所述的一种多无人机视觉协同的建筑进度评估方法,用实际BIM模型估算BIM计划模型的总工程量完成时间的方法为:
1)对于每一分部工程Ai(i=1,...,n),假设Ai是由Ai1,Ai2,...,Aim共m个关键任务组成,即Ai={Aij|j=1,2,...,m};对于任务基元Aij,Tij为其所需的模糊时间,Ωij为已收集到的该任务的有限数据样本集合,可以得到一个Ωij到Tij的一个模糊映射,即fij:Ωij→Tij,Tij=fij(Ωij),分部工程的项目预测所需时间为
7.如权利要求5所述的一种多无人机视觉协同的建筑进度评估方法,在本项目开建之后,以二维平面的离散点的方式记录高度、表面材料和时间的关系图,高度和表面材料各为一个坐标轴,高度和表面材料对应到一个点,该点表达时间含义;每更新一次高度、表面材料和时间的关系,就在关系图中增加一个点;关系图表示Ωij到Tij的模糊映射。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910637196.8A CN110490415B (zh) | 2019-07-15 | 2019-07-15 | 一种多无人机视觉协同的建筑进度评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910637196.8A CN110490415B (zh) | 2019-07-15 | 2019-07-15 | 一种多无人机视觉协同的建筑进度评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110490415A CN110490415A (zh) | 2019-11-22 |
CN110490415B true CN110490415B (zh) | 2023-07-14 |
Family
ID=68547196
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910637196.8A Active CN110490415B (zh) | 2019-07-15 | 2019-07-15 | 一种多无人机视觉协同的建筑进度评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110490415B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111080491A (zh) * | 2019-12-12 | 2020-04-28 | 成都阳帆网络科技有限公司 | 一种基于视频识别的施工现场检查系统及方法 |
CN111524172A (zh) * | 2020-03-30 | 2020-08-11 | 平安城市建设科技(深圳)有限公司 | 建筑施工进度的评估方法、装置及存储介质 |
CN111754616B (zh) * | 2020-05-09 | 2024-06-14 | 国网浙江省电力有限公司 | 一种基于rtk技术的工程进度识别方法 |
CN112116195B (zh) * | 2020-07-21 | 2024-04-16 | 蓝卓数字科技有限公司 | 基于实例分割的铁路梁生产工序识别方法 |
CN111857187B (zh) * | 2020-08-21 | 2021-07-06 | 烟台大学 | 一种基于无人机的t梁施工追踪系统和方法 |
CN112669446B (zh) * | 2020-12-24 | 2024-04-19 | 联通(浙江)产业互联网有限公司 | 楼宇场景的建模方法和装置 |
CN112797906B (zh) * | 2021-01-04 | 2022-09-27 | 中宏检验认证集团有限公司 | 建筑的防火检测方法及系统 |
CN114882169A (zh) * | 2022-04-08 | 2022-08-09 | 国网浙江省电力有限公司经济技术研究院 | 一种基于三维数据的电网工程大数据智能分析系统及方法 |
CN114898235B (zh) * | 2022-07-13 | 2022-10-28 | 集展通航(北京)科技有限公司 | 一种基于无人机点云的高铁桥墩施工进度检测方法 |
CN114967760B (zh) * | 2022-07-20 | 2024-01-16 | 无锡建设监理咨询有限公司 | 基于无人机的建筑工程监理方法、系统及存储介质 |
CN116341875B (zh) * | 2023-04-25 | 2023-11-21 | 盐城市建设工程质量检测中心有限公司 | 应用于建筑施工现场的工程检测系统及方法 |
CN116451979B (zh) * | 2023-06-15 | 2023-08-18 | 河北建工集团有限责任公司 | 一种基于人工智能的智能建造一体化协同平台及方法 |
CN116824312B (zh) * | 2023-08-31 | 2023-11-03 | 北京华邑建设集团有限公司 | 一种基于大数据的施工数据处理方法及系统 |
CN117217715B (zh) * | 2023-11-03 | 2024-02-06 | 中招国际招标有限公司 | 一种基于工程电子地图的施工进程监测方法和系统 |
CN117808324B (zh) * | 2024-02-27 | 2024-06-04 | 西安麦莎科技有限公司 | 一种无人机视觉协同的建筑进度评估方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105334862A (zh) * | 2015-10-28 | 2016-02-17 | 上海同筑信息科技有限公司 | 基于bim的无人机监控方法及系统 |
CN107220786A (zh) * | 2017-07-26 | 2017-09-29 | 西交利物浦大学 | 一种建筑工地安全风险识别、评估和防范方法 |
CN109523107A (zh) * | 2018-09-12 | 2019-03-26 | 安徽建筑大学 | 一种基于bim的建筑施工管理系统及方法 |
CN109872125A (zh) * | 2019-01-30 | 2019-06-11 | 广州轨道交通建设监理有限公司 | 一种基于bim的工程信息管理方法、装置、终端及存储介质 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9129432B2 (en) * | 2010-01-28 | 2015-09-08 | The Hong Kong University Of Science And Technology | Image-based procedural remodeling of buildings |
US9070216B2 (en) * | 2011-12-14 | 2015-06-30 | The Board Of Trustees Of The University Of Illinois | Four-dimensional augmented reality models for interactive visualization and automated construction progress monitoring |
CN104680579B (zh) * | 2015-03-02 | 2017-09-01 | 北京工业大学 | 基于三维扫描点云的隧道施工信息化监测系统 |
CN105844629B (zh) * | 2016-03-21 | 2018-12-18 | 河南理工大学 | 一种大场景城市建筑物立面点云自动分割方法 |
CN105928493A (zh) * | 2016-04-05 | 2016-09-07 | 王建立 | 基于无人机的双目视觉三维测绘系统和方法 |
CN106022587A (zh) * | 2016-05-12 | 2016-10-12 | 广州络维建筑信息技术咨询有限公司 | 一种基于挣值原理的bim项目进度及成本管理系统 |
CN106886849A (zh) * | 2017-01-20 | 2017-06-23 | 深圳广田集团股份有限公司 | 一种bim模拟与航拍相结合的施工管控方法及系统 |
CN107066758B (zh) * | 2017-05-11 | 2020-09-29 | 中国十七冶集团有限公司 | 基于无人机摄影技术及bim技术下的室外施工方法 |
CN109389634A (zh) * | 2017-08-02 | 2019-02-26 | 蒲勇飞 | 基于三维重建和增强现实的虚拟购物系统 |
CN109754143A (zh) * | 2017-11-08 | 2019-05-14 | 上海宝冶集团有限公司 | 基于无人机航拍和建筑信息模型管理工程场地的方法 |
CN108549771A (zh) * | 2018-04-13 | 2018-09-18 | 山东天星北斗信息科技有限公司 | 一种挖掘机辅助施工系统及方法 |
CN109242855B (zh) * | 2018-07-19 | 2020-08-11 | 中国科学院自动化研究所 | 基于多分辨率三维统计信息的屋顶分割方法、系统及设备 |
CN109190219A (zh) * | 2018-08-21 | 2019-01-11 | 三峡大学 | 一种基于三维实景的工程项目形象进度控制系统 |
CN109447479B (zh) * | 2018-10-31 | 2021-12-21 | 广西路桥工程集团有限公司 | 一种基于三维可视化项目管理系统 |
CN109410330A (zh) * | 2018-11-12 | 2019-03-01 | 中国十七冶集团有限公司 | 一种基于bim技术无人机航拍建模方法 |
CN110008588A (zh) * | 2019-04-04 | 2019-07-12 | 南京林业大学 | 多维度一体化的公路工程施工进度信息管理系统及方法 |
-
2019
- 2019-07-15 CN CN201910637196.8A patent/CN110490415B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105334862A (zh) * | 2015-10-28 | 2016-02-17 | 上海同筑信息科技有限公司 | 基于bim的无人机监控方法及系统 |
CN107220786A (zh) * | 2017-07-26 | 2017-09-29 | 西交利物浦大学 | 一种建筑工地安全风险识别、评估和防范方法 |
CN109523107A (zh) * | 2018-09-12 | 2019-03-26 | 安徽建筑大学 | 一种基于bim的建筑施工管理系统及方法 |
CN109872125A (zh) * | 2019-01-30 | 2019-06-11 | 广州轨道交通建设监理有限公司 | 一种基于bim的工程信息管理方法、装置、终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110490415A (zh) | 2019-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110490415B (zh) | 一种多无人机视觉协同的建筑进度评估方法 | |
Lehner et al. | Digital geoTwin Vienna: Towards a digital twin city as geodata hub | |
WO2020233152A1 (zh) | 基于城市建筑空间数据的建成区边界识别方法及设备 | |
CN108182724B (zh) | 一种高精度城市热岛检测方法、设备及存储设备 | |
CN102096072B (zh) | 一种城市部件自动化测量方法 | |
CN110134752B (zh) | 三维大场景建模数据处理方法及装置 | |
CN101950434A (zh) | 一种车载激光雷达系统及城市部件自动化测量方法 | |
CN113487730A (zh) | 一种基于激光雷达点云数据的城市三维自动建模方法 | |
CN113360587B (zh) | 一种基于gis技术的土地测绘设备及测绘方法 | |
CN111496786A (zh) | 一种基于点云模型规划机械臂作业加工轨迹方法 | |
CN116337146B (zh) | 基于改进遥感生态指数的生态质量评价与分区方法及装置 | |
Tomljenovic et al. | Influence of point cloud density on the results of automated Object-Based building extraction from ALS data | |
CN116486289A (zh) | 一种多源数据和知识驱动下的燃气管道高后果区识别方法 | |
CN109684910A (zh) | 一种网络检测输电线路地表环境变化的方法及系统 | |
CN116822159B (zh) | 一种人机环境动静融合的数字孪生车间快速建模方法 | |
CN110174115B (zh) | 一种基于感知数据自动生成高精度定位地图的方法及装置 | |
CN114842356B (zh) | 一种高分辨率地表类型样本自动生成方法、系统及设备 | |
Rahmayudi et al. | Comparison of semi automatic DTM from image matching with DTM from Lidar | |
CN115861816A (zh) | 一种立体低涡识别方法、装置、存储介质及终端 | |
Erener et al. | An approach to urban building height and floor estimation by using LiDAR data | |
CN111047221A (zh) | 区域水资源生态安全评价的建模方法 | |
CN116882031B (zh) | 一种基于点云的建筑模型构建方法及系统 | |
CN112580137B (zh) | 一种房屋建筑规模快速计算方法 | |
Skwirosz et al. | The Inventory and Recording of Historic Buildings Using Laser Scanning and Spatial Systems | |
Zachar et al. | Application of AI tools to the inventory of technical and transportation infrastructure based on UAV data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |