CN111027118A - 一种实测实量任务点搜索与任务派发方法及系统 - Google Patents

Abstract

本发明提供一种实测实量任务点搜索与任务派发方法及系统，利用BIM信息绘制以不同颜色填充不同实体结构的模块化的户型图；计算户型图中所有的墙体像素厚度，绘制匹配模板，获取各个匹配模板的任务中心点；组合户型图中不同的实体结构，生成匹配源图像并与匹配模板匹配，识别不同任务点并获取任务点信息；根据每个房间的轮廓，计算得到户型中的所有测量站点；派发任务给测量机器人，采集所有测量站点的三维点云数据，获取完整户型的点云数据，利用任务点的ROI信息，分割出任务点的点云数据，并参考任务点的设计值信息，计算得到实测实量的结果。本发明实现户型中实测实量任务点的自动识别与定位，测量机器人根据任务点自动实现实测实量。

Description

一种实测实量任务点搜索与任务派发方法及系统

技术领域

本发明涉及一种任务点搜索方法及系统，具体涉及一种实测实量任务点搜索与任务派发方法及系统。

背景技术

实测实量是指根据国家或行业相关质量验收规范，应用测量工具，通过对施工现场实体的现场测试、丈量而得到的能真实反应产品质量数据的一种方法。目前实测实量沿用了相对老旧的数据采集方式，而采用视觉传感器进行测量是一种智能化、自动化和可以极大地提高效率的有效测量手段。

目前，利用视觉传感器进行数据采集的主要方式有两种：人工选择测量站点采集数据和使用SLAM(同步定位与建图)自主定位和导航(传感器需要搭载在自动导引运输车上)确定测量站点采集数据。其中，人工选择测站的方式使视觉传感器测量无法实现自动化；利用SLAM技术局部建图，还无法达到根据实时构建的地图信息直接分析出测量任务点的语义信息的能力。所以，通过这两种方式，机器人都无法自动分析户型中存在的所有的任务点信息(任务点指实测实量里需要测量的部分项目，包括：阴阳角，截面尺寸，门洞尺寸，窗洞尺寸，墙面平整度和垂直度等)。

利用AGV(自动导引运输车)搭载可以水平和垂直两方向旋转的视觉传感器，设计一个实测实量机器人，用于实现实测实量的自动化。目前实测实量机器人遇到的问题有：

(1)机器人无法自动获取一个户型中存在的待测任务点和对应的任务点的坐标；

(2)视觉传感器的视域有限，测量任务点的表面特征较少，单从视觉传感器获得的数据无法自动识别该数据包含的实际测量任务类型和对应的测量算法；

(3)机器人无法自动确定视野较好的AGV测量站点和位姿及视觉传感器的水平和垂直两方向的旋转角度；

(4)传感器采集到的数据不规范，可能包含许多干扰信息，导致实测实量算法失效。

这些问题导致实测实量机器人无法实现自动化。

发明内容

鉴于此，本发明提供了一种实测实量任务点搜索与任务派发方法，包括：

S1，利用BIM信息，绘制以不同颜色填充不同实体结构的模块化的户型图；

S2，计算户型图中所有的墙体像素厚度，根据墙体像素厚度和测量需求绘制匹配模板，并获取各个匹配模板的任务中心点，其中，所述匹配模板包括阳角模板，阴角模板，截面模板和墙面模板；

S3，组合户型图中不同的实体结构，生成匹配源图像并与匹配模板进行匹配，识别不同的任务点并获取任务点信息，其中，所述任务点信息包括任务点的类型、设计值信息和BIM坐标下的ROI信息；

S4，根据户型中每个房间的轮廓，计算得到户型中的所有测量站点；

S5，派发任务给测量机器人，机器人采集所有测量站点的三维点云数据，获取完整户型的点云数据，利用任务点的ROI信息，分割出该任务点的点云数据，并参考任务点的设计值信息，计算得到最终实测实量的结果。

作为本发明进一步的改进，S2包括：

S21,将户型图二值化，即将户型中的所有实体填充为白色，作为前景，将地面和户型外的区域填充为黑色，作为背景；

S22，利用二值图，提取所有的墙体，并计算墙体对应白色矩形的宽度，得到墙体像素厚度值，获取户型图中的墙体像素厚度种类；

S23，根据墙体像素厚度和比例尺，计算出每个墙体像素厚度对应的实际的墙体厚度设计值；

S24，根据不同的墙体厚度设计值绘制不同的匹配模板。

作为本发明进一步的改进，所述阳角模板的绘制方法为：取阳角所有的墙体像素厚度值，两两组合为一组，一组墙体像素厚度值作为一个阳角模板的两墙体像素厚度d1和d2，两墙面相接处的交点即为该阳角模板的任务中心点，该阳角模板中两墙表面外侧扩展填充黑色背景。

作为本发明进一步的改进，所述阴角模板的绘制方法为：阴角模板不包括阳角侧墙面和背景，阴角模板中两墙体像素厚度d1和d2均等于最小的墙体像素厚度，两墙面相接处的点即为该阴角模板的任务中心点。作为本发明进一步的改进，所述截面模板的绘制方法为：将墙体厚度设计值作为截面模板中每一种墙体的墙体像素厚度d，并在截面墙体外侧填充黑色背景，截面上墙体像素厚度d的1/2处即为该截面模板的任务中心点。

作为本发明进一步的改进，所述墙面模板的绘制方法为：将最小的墙体像素厚度的1/2作为墙面模板中的墙体像素厚度，将需要测量的最小墙长度到最大墙长度之间的几个等间隔数值分别作为每一个墙面模板的墙体像素长度L，墙面上墙体像素长度L的1/2处即为该墙面模板的任务中心点。

作为本发明进一步的改进，S3包括：

S31，根据填充颜色将现浇结构墙、墙板、飘窗、门洞和窗洞进行实体结构分割；

S32，利用颜色和BIM信息，计算门洞和窗洞的任务点信息；

S33，对需要进行模板匹配识别的阳角、阴角、截面和墙面任务点，根据模板匹配需求，组合不同的实体结构并绘制生成匹配源图像，匹配计算后，标记阳角、阴角、截面和墙面的任务点，并剔除不合理或者不必要的任务点，得到所有的任务点；

S34，获取所有任务点的任务点信息。

作为本发明进一步的改进，S33中，在识别阳角和阴角任务点时，将现浇结构墙、飘窗和窗洞作为实体结构，填充为白色作为前景，其他为背景，绘制匹配源图像；在识别截面任务点时，将现浇结构墙、门洞和窗洞作为实体结构，填充为白色作为前景，其他为背景，绘制匹配源图像；在识别墙面时，将现浇结构墙、门洞和窗洞作为实体结构，填充为白色作为前景，其他为背景，绘制匹配源图像。

作为本发明进一步的改进，S33中，在匹配计算时，计算匹配模板中任务中心点在匹配模板上的像素坐标，叠加匹配模板在源图像上的像素坐标，获得任务中心点在户型图上的像素坐标；匹配完成后，根据匹配框分别标记任务中心点、测量任务点和不测任务点。

作为本发明进一步的改进，S33中，在对截面匹配结束后，还需要判断是否安装墙板：提取所有的墙板，计算截面中心的标记点方向附近是否有墙板像素，若有墙板像素则需安装墙板，否则无需安装。

作为本发明进一步的改进，获取到的任务点信息为：阳角的任务中心点即为阳角的ROI信息，阴角的任务中心点即为阴角的ROI信息，截面两侧的角点为截面的ROI信息，墙面匹配框两端的中心位置为墙面的ROI信息。

作为本发明进一步的改进，S4包括：

S41，获取户型中的房间轮廓，并进行房间分割；

S42，计算所有分割房间的最大内接正矩形，在每个最大内接矩形的中央设置测量站点；

S43，计算每个分割房间剩余区域的最大内接正矩形，并在最大内接正矩形中央设置测量站点，直至剩余区域无需设置测量站点。

作为本发明进一步的改进，S5包括：

S51，将计算得到的测量站点和任务点的ROI信息和设计值信息一并发送给机器人；

S52，机器人根据测量站点的位置引导AGV移动到相应测量站点，获取整个站点覆盖区域的三维点云数据；

S53，通过采集数据中的机器人AGV的位姿信息，将采集到的三维点云数据归类到BIM的三维坐标下；

S54，通过相邻点云之间重叠区域的特征关系，将所有三维点云数据拼接到一起，得到整个户型的点云数据；

S55，读取任务点及其ROI信息和设计值信息，根据测量需求调整任务点的ROI信息，截出该任务点的测量数据；

S56，参考任务点的设计值信息，完成该任务点的计算；

S57，重复S55-S56，遍历识别到所有的任务点，完成一个户型中的实测实量任务。

本发明还提供了一种实测实量任务点搜索与任务派发系统，包括：

户型图模块，其用于利用BIM信息，绘制以不同颜色填充不同实体结构的模块化的户型图；

匹配模块绘制模块，其用于计算户型图中所有的墙体像素厚度，根据墙体像素厚度和测量需求绘制匹配模板，并获取各个匹配模板的任务中心点，其中，所述匹配模板包括阳角模板，阴角模板，截面模板和墙面模板；

任务点识别模块，其用于组合户型图中不同的实体结构，生成匹配源图像并与匹配模板进行匹配，识别不同的任务点并获取任务点信息，其中，所述任务点信息包括任务点的类型、设计值信息和BIM坐标下的ROI信息；

测量站点计算模块，其用于根据户型中每个房间的轮廓，计算得到户型中的所有测量站点；

任务派发模块，其用于派发任务给测量机器人，机器人采集所有测量站点的三维点云数据，获取完整户型的点云数据，利用任务点的ROI信息，分割出该任务点的点云数据，并参考任务点的设计值信息，计算得到最终实测实量的结果。

本发明的有益效果：

1、利用BIM信息绘制的模块化的户型图，以及根据实测实量任务二维特征(一般是颜色、形状和空间关系)绘制的匹配模块，可以自动识别出户型图中所有的任务点，并且生成带标记的户型图，户型图直观地展示了所有任务点(包括了阴阳角、门洞、窗洞、截面尺寸和墙面)的位置和对应的标记名称，标记的方向同时指明了测量的大致方向。

2、根据房间轮廓以房间为单位设置测量站点，获取了每个测量站点对应的AGV位姿,以及该房间的测量任务点对应的BIM坐标下的ROI信息和这个任务点对应的设计值信息，通过任务点ROI信息和设计值的信息，减少了任务点以外数据的干扰，提高了计算效率与准确度。

3、机器人根据计算的测量站点的位置，可以引导AGV运动到指定测量站点，并根据测量站点的位置控制视觉传感器水平和垂直方向电机旋转到指定角度，获取整个站点覆盖区域的三维点云数据。

4、利用采集数据，将数据信息的保存路径以及该数据指向的测量任务类型、ROI信息和设计值作为参数，传递给机器人，可以完成自动实测实量的任务。

附图说明

通过参照附图详细描述其示例实施例，本公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例中一种实测实量任务点搜索与任务派发方法的流程示意图；

图2是绘制的户型图示意图；

图3是利用户型图绘制的墙板安装前的二值图；

图4是计算墙体像素厚度的墙体二值图，其中，(图4a)为竖向墙体二值图，(图4b)为横向墙体二值图；

图5是匹配模板的示意图，其中，(图5a)为阳角模板，(图5b)为阴角模板，(图5c)为截面模板，(图5d)为墙面模板；

图6是匹配结果的示意图，其中，(图6a)为阳角匹配结果，(图6b) 为阴角匹配结果，(图6c)为截面匹配结果，(图6d)为墙面匹配结果；

图7是未分割的房间轮廓图的示意图；

图8是对房间轮廓进行测量站点分割的结果示意图；

图9是本发明实施例所述的一种实测实量任务点搜索与任务派发系统的系统框图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。

虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员以使得本发明所属技术领域的技术人员能够容易实施。正如本发明所属技术领域的技术人员能够容易理解，将在后面描述的实施例在不脱离本发明的概念和范围的基础上可变形为多种形式。在附图中尽量将相同或相似的部分用相同的附图标记表示。

在此使用的专业术语只是用来说明特定实施例而提供的，并不是用来限制本发明。在此使用的单数形式在没有表示明确的相反含义的情况下也包含复数形式。在说明书中使用的“包含”的具体化了特定的特性、领域、常数、步骤、动作、要素及/或成分，并不排除其他特定的特性、领域、常数、步骤、动作、要素、成分及/或组的存在或附加。

将下面使用的技术用语及科学用语包括在内的所有用语具有与本发明所属技术领域的技术人员一般理解的含义相同的含义。在词典中所定义的用语被补充解释为与相关技术文献和当前公开的内容相符的含义，在没有定义的情况下，不能被解释为具有非常正式的含义。

本发明实现了一种根据实测实量任务的二维特征(般是颜色、形状和空间关系)，自动绘制任务模板的方法。基于BIM信息，实现了一种使用不同颜色填充不同实体结构的模块化的户型图绘制方法，不同实体的组合可以实现不同任务点的识别。基于前述两个方法，实现了一种基于模板匹配的自动识别户型内实测实量任务点的方法，包括阴阳角、门洞、窗洞、截面尺寸和墙面平整度的任务点识别定位。另外，本发明实现了一种根据户型中每个房间的轮廓和任务信息，计算传感器测量站点与位姿的方法，用于AGV的引导，便于后续实现视觉传感器水平和垂直方向电机的转角控制。基于前述四个方法，可以识别和定位任务点，然后控制AGV和电机进行测量站点的图像采集，即可将采集到的数据与任务类型对应，进而实现机器人的实测实量。

实施例1，本发明实施例所述的一种实测实量任务点搜索与任务派发方法，如图1所示，包括：

S1，利用BIM信息，绘制以不同颜色填充不同实体结构的模块化的户型图。

绘制完的户型图如图2所示，例如墙体为白色，现浇注结构墙为黑色、飘窗为蓝绿色，窗洞为深蓝色，墙板为绿色，门洞为黄色(颜色在视图中未示出)。

S2，计算户型图中所有的墙体像素厚度，根据墙体像素厚度和测量需求绘制匹配模板，并获取各个匹配模板的任务中心点，其中，匹配模板包括阳角模板，阴角模板，截面模板和墙面模板。

由于某些任务类型无法直接从BIM信息中获取，比如截面、阴阳角和墙面，所以需要利用模板匹配的方式，搜索任务点。S2设计匹配模板的方法具体包括：

S21,将户型图二值化，即将户型中的所有实体填充为白色，作为前景，将地面和户型外的区域填充为黑色，作为背景，如图3所示。

S22，利用二值图，提取所有的墙体，如图4所示，(其中，图4a为提取出的竖向墙体，图4b为提取出的横向墙体)，计算墙体对应白色矩形的宽度，得到墙体像素厚度值，获取户型图中的墙体像素厚度种类。

通常墙厚设计为10cm、15cm、20cm和40cm。

S23，根据墙体像素厚度和比例尺，计算出每个墙体像素厚度对应的实际的墙体厚度设计值。

二值化便于计算墙的厚度，将所有的墙体提取填充为白色，其余为黑色，白色前景就是不同尺寸的矩形，计算这些矩形的宽度，得到墙体像素厚度值。绘制户型图时会选择一个比例尺，例如，本实施例中的图像比例尺为20：1，即一个像素代表20mm，根据比例尺以及设计值可以确定某一个墙体像素厚度值对应的实际设计值。

S24，根据不同的墙体厚度设计值绘制不同的匹配模板，以保证每个不同墙体厚度设计值的实际户型图任务点都有与之匹配程度接近100％的模板。

两堵墙垂直相接的突出的一面为阳角，如图5(a)，阳角模板的绘制方法为：取阳角所有的墙体像素厚度值，两两组合为一组(假如有3种墙体像素厚度值，则需要设计3*3＝9种模板)，一组墙体像素厚度值作为一个阳角模板的两墙体像素厚度d1和d2，两墙面相接处的交点即为该阳角模板的任务中心点。阳角相交的两墙面需保证没有其他突起的情况，所以在阳角模板中两墙表面外侧扩展填充黑色背景。阳角测量时的角尺最长边为50cm，据此，设计两相接墙面的长度为L,像素长度为25(500/20＝25)。L值可以根据测量的需求修改，比如使用边长25cm的角尺，规定当两墙面宽度大于30cm就要测量这个阳角，那么可以将L改为15个像素长度。

两堵墙垂直相接的凹陷的一面为阴角，阴角只对内侧墙面有要求，对外侧墙面的情况无要求，所以虽然阴阳角是一个实体的两个观察方向的结果，但是设计为不同模板。如图5(b),阴角模板的绘制方法为：阴角模板不包括阳角侧(外侧)墙面和背景，所以可以不考虑两面墙的厚度不同的情况，但是要考虑模板的两墙的墙体像素厚度d1和d2要不大于最小的墙体像素厚度，因此设计阴角模板中两墙体像素厚度d1和d2均等于最小的墙体像素厚度，两墙面相接处的点即为该阴角模板的任务中心点。由于阴角和阳角的测量工具和方法相似，两相接墙面的长度L与阳角模版类似。

截面尺寸的测量对象就是没有形成封闭的墙的截面，厚度就是墙体厚度设计值。如图5(c)，截面模板的绘制方法为：将墙体厚度设计值作为截面模板中每一种墙体的墙体像素厚度d，并在截面墙体外侧填充黑色背景，截面上墙体像素厚度d的1/2处即为该截面模板的任务中心点。

二值图上反映的墙面就是白色墙体和黑色背景的交界，原理和截面检测相似，不用考虑墙面的厚度，但是墙的厚度不能大于最小墙厚，如图5 (d)，墙面模板的绘制方法为：将最小的墙体像素厚度的1/2作为墙面模板中的墙体像素厚度，将需要测量的最小墙长度到最大墙长度之间的几个等间隔数值分别作为每一个墙面模板的墙体像素长度L，墙面上墙体像素长度L的1/2处即为该墙面模板的任务中心点。例如，需要检测的最小墙长度为1.5m，最大墙长度为5m，那么设计模板为1.5m，1.7m，1.9m，…， 5.1m。

S3，组合户型图中不同的实体结构，生成匹配源图像并与匹配模板进行匹配，识别不同的任务点并获取任务点信息，其中，任务点信息包括任务点的类型、设计值信息和BIM坐标下的ROI信息。S3具体包括以下方法：

S31，根据填充颜色将现浇结构墙、墙板、飘窗、门洞和窗洞进行实体结构分割。填充颜色例如S1中所绘制的户型图。

S32，利用颜色和BIM信息，计算门洞和窗洞的任务点信息。

S33，对需要进行模板匹配识别的阳角、阴角、截面和墙面任务点，根据模板匹配需求，组合不同的实体结构并绘制生成匹配源图像，匹配计算后，标记阳角、阴角、截面和墙面的任务点，并剔除不合理或者不必要的任务点，得到所有的任务点。

模板匹配可以直接使用OpenCV中的模板匹配(Match Template)函数，匹配结果是模板左上角(图像处理以图像左上角为原点)在源图像上的像素坐标。模板是一个矩形框区域，匹配位置为矩形框左上角的像素点在被匹配的图像上的位置。在匹配计算时，计算匹配模板中任务中心点在匹配模板上的像素坐标，叠加匹配模板在源图像上的像素坐标，获得任务中心点在户型图上的像素坐标。在户型图任务点被识别以后需要展示任务点的位置，这里用任务中心点来代表。由于任务点都有四个方向，所以需要旋转模板进行匹配，每次旋转模板时需要重新计算任务中心点在模板中的像素坐标。匹配完成后，根据匹配框分别标记任务中心点、测量任务点和不测任务点。

其中，在识别阳角任务点时，阳角测量离地高度0.3m和1.5m，此处的门洞处无数据，而窗洞和飘窗下方有数据，所以将现浇结构墙、飘窗和窗洞作为实体结构，填充为白色作为前景，其他为背景，绘制匹配源图像。由于阳角只需要给出直角交点的BIM坐标，所以阳角的任务中心点即为阳角的ROI信息，匹配结果如图6(a)所示。

在识别阴角任务点时，阴角测量离地高度也是0.3m和1.5m，所以匹配源图像与阳角相同，阴角的任务中心点即为阴角的ROI信息，匹配结果如图6(b)所示。

在识别截面任务点时，为了排除门洞、窗洞截面的干扰，将现浇结构墙、门洞和窗洞作为实体结构，填充为白色作为前景，其他为背景，绘制匹配源图像。由于截面的测量只针对需要安装墙板的墙截面，因此在对截面匹配结束后，还需要判断是否安装墙板：提取所有的墙板，计算截面中心的标记点方向附近是否有墙板像素，若有墙板像素则需安装墙板，否则无需安装。据此，在墙板安装完以后就不需要再识别截面。

针对有些小尺寸的柱子，每个表面都可能是截面，应该提取出来专门处理(每次匹配后为了避免重复匹配都会做一个标记，标记会干扰到附近截面的检测，小尺寸的柱子会因此导致无法被检测出每一个可能的截面。)，因此对每个面都进行是否需要安装墙板的判断和计算。截面尺寸的计算需要知道这个截面的位置以及方向，由于模板匹配的结果包括整个截面，且可以计算得到设计值，所以截面两侧的角点为截面的ROI信息，匹配结果如图6(c)所示。

在识别墙面时，由于墙面测量时门洞和窗洞均需要跨洞测量，所以将现浇结构墙、门洞和窗洞作为实体结构，填充为白色作为前景，其他为背景，绘制匹配源图像。故墙面的识别的模板图像和截面尺寸识别的源图像相同。墙面的识别需要确定整个墙面的位置，ROI需要包括整个墙面，而匹配结果有时无法包括整个墙面，由于墙面模板的长度设计值的最小间隔为10像素长度(即20cm，所以未包括的墙面边缘长度不长于20cm)，因此墙面匹配框两端的中心位置为墙面的ROI信息，根据需求将ROI两侧延伸20cm或以上截取点云数据，匹配的匹配结果如图6(d)所示。

上述几个实例的源图像适用于墙板安装前的任务点识别，匹配源图像均移除了墙板模块(即绘制匹配源图像时，前景中不包含墙板)。若需要识别墙板安装后的任务点，只需在源图像的前景中加入墙板模块即可。

匹配的结果有时候会违反机器人工作的常理，比如机器人无法行走到户型外，测量外墙面。还有一些匹配的结果不需要测量，比如截面的测量是出于墙板安装的需求，不需要安装墙板的截面则不需要测量，因此墙板安装完以后不需要识别截面。根据这些判断信息，可以排除不合理或者不必要的测点。对于所有筛选后的测量任务点，可以在距离任务点一个较小距离处(标记尽量靠近任务点又能使两者的显示不重叠的值，大概15个像素左右)进行标记，作为标记点。由于墙面任务标记点较多，且容易与其他任务标记区域重合，故先标记其他任务点，最后判断墙面标记区域是否与其他标记区域重合，若有重合，将标记区域移动到最近的不重合的位置。保证标记区域的不重合，不仅有利于任务点的直观展示，还可以将标记区域作为人机互动的鼠标点击区域，实现自动和人手点选两种任务派发方式。例如，在匹配结果图中可以标记，红色框为成功匹配后的匹配框，红色点为任务中心点，蓝色点为测量任务点，绿色点为不测任务点(颜色在视图中未示出)。

S34，获取所有任务点的任务点信息。

门洞和窗洞的ROI信息为门窗宽度方向两侧的中点位置，至此，已经计算所有的任务点极其ROI信息。可以很好地完成任务点的数据分割，用于计算测量结果，提高了准确率与稳定性。

S4，根据户型中每个房间的轮廓，计算得到户型中的所有测量站点。

在墙板安装完以后，将户型以BIM信息中的房间为单位，计算每个房间的测量站点以及对应的AGV的位姿。可以使用视域为零到正无穷的三维激光扫描仪来进行房间点云数据的采集。使用该传感器需要考虑测站覆盖区域的数据不能被墙面遮挡，保证其可以获取一个测站区域里的完整的点云数据。房间轮廓一般为正矩形或者几个正矩形的组合，在一个为正矩形的房间里，使用三维激光扫描仪来采集数据时，数据不会有被遮挡的部分，所以，首先考虑将所有的房间分割为一个或者多个正矩形，分割的结果即为一个个测站设置区域。由于每设置一个测站进行数据采集都会增加相同的耗时，所以在保证数据的完整性的前提下应该尽可能减少测站的数量，所以在房间的测站区域分割时，需要计算最大内接正矩形。S4具体包括以下方法：

S41，获取户型中的房间轮廓，并进行房间分割。

S42，计算所有分割房间的最大内接正矩形，在每个最大内接矩形的中央设置测量站点。

S43，计算每个分割房间剩余区域的最大内接正矩形，并在最大内接正矩形中央设置测量站点，直至剩余区域无需设置测量站点。

例如，未分割的房间轮廓图如图5所示，其中白色填充的矩形区域为飘窗，为了排除飘窗区域的干扰，利用房间轮廓计算最大内接矩形时排除飘窗。例如5号房间，在房间中的任何位置都无法获取完整的点云数据，所以需要将房间分割成两个房间。虽然2号房间可以在合适的地方设置测站，获取完整的点云数据，但是由于距离较远的凸形轮廓部分的两侧墙面的激光入射角度较小，这会导致该区域获取的点云数据过于稀疏，所以需要将2号房间分割成三个房间。对房间轮廓进行测量站点分割的结果如图 6所示，2、3、4、6、9和11号测量站点完全覆盖了房间轮廓；0、1、5、 7和8号区域可以看到房间轮廓没有被完全包括，但是只要将测站放到测站区域的中心，依旧可以可获取完整的数据。

S5，派发任务给测量机器人，机器人采集所有测量站点的三维点云数据，获取完整户型的点云数据，利用任务点的ROI信息，分割出该任务点的点云数据，并参考任务点的设计值信息，计算得到最终实测实量的结果。

S5具体包括以下方法：

S51，将计算得到的测量站点和任务点的ROI信息和设计值信息一并发送给机器人。

S52，机器人根据测量站点的位置引导AGV移动到相应测量站点，获取整个站点覆盖区域的三维点云数据。

S53，通过采集数据中的机器人AGV的位姿信息，将采集到的三维点云数据归类到BIM的三维坐标下。

机器人采集到的数据时以AGV的站点为原点的一个三维点云数据，这个数据时Z轴朝上，X、Y轴根据AGV和上装电机的水平旋转角度来确定数据的水平朝向，根据朝向对三维点云数据进行归类。

S54，通过相邻点云之间重叠区域的特征关系，将所有三维点云数据拼接到一起，得到整个户型的点云数据。

S55，读取任务点及其ROI信息和设计值信息，根据测量需求调整任务点的ROI信息，截出该任务点的测量数据。

S56，参考任务点的设计值信息，完成该任务点的计算。

利用设计值信息，可以排除干扰异常数据，使得测量结果的偏差接近真值。

S57，重复S55-S56，遍历识别到所有的任务点，完成一个户型中的实测实量任务。

对于本身在BIM信息中具有设计值的门洞、窗洞可以直接根据门、窗的定位提取BIM中的设计值信息，墙体厚度可以通过确定匹配模板的尺寸与比例尺确定墙体厚度设计值。

实施例2，一种实测实量任务点搜索与任务派发系统,如图7所示，包括：户型图模块、匹配模块绘制模块、任务点识别模块、测量站点计算模块和任务派发模块。

户型图模块配置为利用BIM信息，绘制以不同颜色填充不同实体结构的模块化的户型图。户型图模块具体实现方法参照实施例1中S1所述。

匹配模块绘制模块配置为计算户型图中所有的墙体像素厚度，根据墙体像素厚度和测量需求绘制匹配模板，并获取各个匹配模板的任务中心点，其中，匹配模板包括阳角模板，阴角模板，截面模板和墙面模板。匹配模块绘制模块具体实现方法参照实施例1中S2所述。

任务点识别模块配置为组合户型图中不同的实体结构，生成匹配源图像并与匹配模板进行匹配，识别不同的任务点并获取任务点信息，其中，任务点信息包括任务点的类型、设计值信息和BIM坐标下的ROI信息。任务点识别模块具体实现方法参照实施例1中S3所述。

测量站点计算模块配置为根据户型中每个房间的轮廓，计算得到户型中的所有测量站点。测量站点计算模块具体实现方法参照实施例1中S4 所述。

任务派发模块配置为派发任务给测量机器人，机器人采集所有测量站点的三维点云数据，获取完整户型的点云数据，利用任务点的ROI信息，分割出该任务点的点云数据，并参考任务点的设计值信息，计算得到最终实测实量的结果。任务派发模块配置具体实现方法参照实施例1中S5所述。

至此，本领域技术人员应认识到，虽然本文已详尽示出和描述了本发明的多个示例性实施例，但是，在不脱离本发明精神和范围的情况下，仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此，本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

至此，本领域技术人员应认识到，虽然本文已详尽示出和描述了本发明的多个示例性实施例，但是，在不脱离本发明精神和范围的情况下，仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此，本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。

Claims (14)

1.一种实测实量任务点搜索与任务派发方法，其特征在于，包括：

S1，利用BIM信息，绘制以不同颜色填充不同实体结构的模块化的户型图；

S2，计算户型图中所有的墙体像素厚度，根据墙体像素厚度和测量需求绘制匹配模板，并获取各个匹配模板的任务中心点，其中，所述匹配模板包括阳角模板，阴角模板，截面模板和墙面模板；

S3，组合户型图中不同的实体结构，生成匹配源图像并与匹配模板进行匹配，识别不同的任务点并获取任务点信息，其中，所述任务点信息包括任务点的类型、设计值信息和BIM坐标下的ROI信息；

S4，根据户型中每个房间的轮廓，计算得到户型中的所有测量站点；

S5，派发任务给测量机器人，机器人采集所有测量站点的三维点云数据，获取完整户型的点云数据，利用任务点的ROI信息，分割出任务点的点云数据，并参考任务点的设计值信息，计算得到最终实测实量的结果。

2.如权利要求1所述的一种实测实量任务点搜索与任务派发方法，其特征在于，S2包括：

S21,将户型图二值化，即将户型中的所有实体填充为白色，作为前景，将地面和户型外的区域填充为黑色，作为背景；

S22，利用二值图，提取所有的墙体，并计算墙体对应白色矩形的宽度，得到墙体像素厚度值，获取户型图中的墙体像素厚度种类；

S23，根据墙体像素厚度和比例尺，计算出每个墙体像素厚度对应的实际的墙体厚度设计值；

S24，根据不同的墙体厚度设计值绘制不同的匹配模板。

3.如权利要求2所述的一种实测实量任务点搜索与任务派发方法，其特征在于，所述阳角模板的绘制方法为：取阳角所有的墙体像素厚度值，两两组合为一组，一组墙体像素厚度值作为一个阳角模板的两墙体像素厚度d1和d2，两墙面相接处的交点即为该阳角模板的任务中心点，该阳角模板中两墙表面外侧扩展填充黑色背景。

4.如权利要求2所述的一种实测实量任务点搜索与任务派发方法，其特征在于，所述阴角模板的绘制方法为：阴角模板不包括阳角侧墙面和背景，阴角模板中两墙体像素厚度d1和d2均等于最小的墙体像素厚度，两墙面相接处的点即为该阴角模板的任务中心点。

5.如权利要求2所述的一种实测实量任务点搜索与任务派发方法，其特征在于，所述截面模板的绘制方法为：将墙体厚度设计值作为截面模板中每一种墙体的墙体像素厚度d，并在截面墙体外侧填充黑色背景，截面上墙体像素厚度d的1/2处即为该截面模板的任务中心点。

6.如权利要求2所述的一种实测实量任务点搜索与任务派发方法，其特征在于，所述墙面模板的绘制方法为：将最小的墙体像素厚度的1/2作为墙面模板中的墙体像素厚度，将需要测量的最小墙长度到最大墙长度之间的几个等间隔数值分别作为每一个墙面模板的墙体像素长度L，墙面上墙体像素长度L的1/2处即为该墙面模板的任务中心点。

7.如权利要求1所述的一种实测实量任务点搜索与任务派发方法，其特征在于，S3包括：

S31，根据填充颜色将现浇结构墙、墙板、飘窗、门洞和窗洞进行实体结构分割；

S32，利用颜色和BIM信息，计算门洞和窗洞的任务点信息；

S33，对需要进行模板匹配识别的阳角、阴角、截面和墙面任务点，根据模板匹配需求，组合不同的实体结构并绘制生成匹配源图像，匹配计算后，标记阳角、阴角、截面和墙面的任务点，并剔除不合理或者不必要的任务点，得到所有的任务点；

S34，获取所有任务点的任务点信息。

8.如权利要求7所述的一种实测实量任务点搜索与任务派发方法，其特征在于，S33中，在识别阳角和阴角任务点时，将现浇结构墙、飘窗和窗洞作为实体结构，填充为白色作为前景，其他为背景，绘制匹配源图像；在识别截面任务点时，将现浇结构墙、门洞和窗洞作为实体结构，填充为白色作为前景，其他为背景，绘制匹配源图像；在识别墙面时，将现浇结构墙、门洞和窗洞作为实体结构，填充为白色作为前景，其他为背景，绘制匹配源图像。

9.如权利要求8所述的一种实测实量任务点搜索与任务派发方法，其特征在于，S33中，在匹配计算时，计算匹配模板中任务中心点在匹配模板上的像素坐标，叠加匹配模板在源图像上的像素坐标，获得任务中心点在户型图上的像素坐标；匹配完成后，根据匹配框分别标记任务中心点、测量任务点和不测任务点。

10.如权利要求9所述的一种实测实量任务点搜索与任务派发方法，其特征在于，S33中，在对截面匹配结束后，还需要判断是否安装墙板：提取所有的墙板，计算截面中心的标记点方向附近是否有墙板像素，若有墙板像素则需安装墙板，否则无需安装。

11.如权利要求9或10所述的一种实测实量任务点搜索与任务派发方法，其特征在于，获取到的任务点信息为：阳角的任务中心点即为阳角的ROI信息，阴角的任务中心点即为阴角的ROI信息，截面两侧的角点为截面的ROI信息，墙面匹配框两端的中心位置为墙面的ROI信息。

12.如权利要求1所述的一种实测实量任务点搜索与任务派发方法，其特征在于，S4包括：

S41，获取户型中的房间轮廓，并进行房间分割；

S42，计算所有分割房间的最大内接正矩形，在每个最大内接矩形的中央设置测量站点；

S43，计算每个分割房间剩余区域的最大内接正矩形，并在最大内接正矩形中央设置测量站点，直至剩余区域无需设置测量站点。

13.如权利要求1所述的一种实测实量任务点搜索与任务派发方法，其特征在于，S5包括：

S51，将计算得到的测量站点和任务点的ROI信息和设计值信息一并发送给机器人；

S52，机器人根据测量站点的位置引导AGV移动到相应测量站点，获取整个站点覆盖区域的三维点云数据；

S53，通过采集数据中的机器人AGV的位姿信息，将采集到的三维点云数据归类到BIM的三维坐标下；

S54，通过相邻点云之间重叠区域的特征关系，将所有三维点云数据拼接到一起，得到整个户型的点云数据；

S55，读取任务点及其ROI信息和设计值信息，根据测量需求调整任务点的ROI信息，截出该任务点的测量数据；

S56，参考任务点的设计值信息，完成该任务点的测量；

S57，重复S55-S56，遍历识别到所有的任务点，完成一个户型中的实测实量任务。

14.一种实测实量任务点搜索与任务派发系统，其特征在于，包括：

户型图模块，其用于利用BIM信息，绘制以不同颜色填充不同实体结构的模块化的户型图；

匹配模块绘制模块，其用于计算户型图中所有的墙体像素厚度，根据墙体像素厚度和测量需求绘制匹配模板，并获取各个匹配模板的任务中心点，其中，所述匹配模板包括阳角模板，阴角模板，截面模板和墙面模板；

任务点识别模块，其用于组合户型图中不同的实体结构，生成匹配源图像并与匹配模板进行匹配，识别不同的任务点并获取任务点信息，其中，所述任务点信息包括任务点的类型、设计值信息和BIM坐标下的ROI信息；

测量站点计算模块，其用于根据户型中每个房间的轮廓，计算得到户型中的所有测量站点；

任务派发模块，其用于派发任务给测量机器人，机器人采集所有测量站点的三维点云数据，获取完整户型的点云数据，利用任务点的ROI信息，分割出该任务点的点云数据，并参考任务点的设计值信息，计算得到最终实测实量的结果。

Images