CN111524172A - 建筑施工进度的评估方法、装置及存储介质 - Google Patents

建筑施工进度的评估方法、装置及存储介质 Download PDF

Info

Publication number
CN111524172A
CN111524172A CN202010236468.6A CN202010236468A CN111524172A CN 111524172 A CN111524172 A CN 111524172A CN 202010236468 A CN202010236468 A CN 202010236468A CN 111524172 A CN111524172 A CN 111524172A
Authority
CN
China
Prior art keywords
target building
model
construction
image
building
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.)
Pending
Application number
CN202010236468.6A
Other languages
English (en)
Inventor
徐徽
黄诗睿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Urban Construction Technology Shenzhen Co Ltd
Original Assignee
Ping An Urban Construction Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Urban Construction Technology Shenzhen Co Ltd filed Critical Ping An Urban Construction Technology Shenzhen Co Ltd
Priority to CN202010236468.6A priority Critical patent/CN111524172A/zh
Publication of CN111524172A publication Critical patent/CN111524172A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30132—Masonry; Concrete
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computing Systems (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Primary Health Care (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于施工数据处理技术领域，本发明提供一种建筑施工进度的评估方法、装置及计算机可读存储介质，其中的方法包括：通过摄像装置获取目标建筑施工图像；将目标建筑施工图像输入预设深度卷积神经网络特征提取模型，获得特征图像；根据特征图像创建目标建筑的基础3D模型；根据获取的目标建筑当前高度数据及预设目标建筑内部参数数据，对目标建筑的基础3D模型进行优化，得到3D重建模型；将3D重建模型和目标建筑当前施工时间一同输入预设施工进度评估模型，输出目标建筑施工进度评估结果。本发明能够直接输出目标建筑施工进度评估结果，能够多方面，多角度的获得目标建筑的施工进度，对目标建筑施工进度的评估结果更加准确。

Description

建筑施工进度的评估方法、装置及存储介质
技术领域
本发明属于施工数据处理技术领域，尤其涉及一种建筑施工进度的评估方法、装置及计算机可读存储介质。
背景技术
建筑工程施工中，建筑工程进度管理和工程质量、工程成本一样对工程的结果至关重要。建筑施工单位通过合理、科学的计划对整个施工做好把控，保证工程在合同要求的竣工期限内交付并通过验收。施工单位的工程施工效率是开发商考核选择施工方的重要指标之一。在施工过程中监管机构、业主方、监理方、工程总包方和分包方等利益相关方都需要及时了解建筑进度以了解项目的完成情况并评估项目风险。建筑工程进度是建筑工程成本核算的重要参考指标。如果业务方和施工方约定按分段结算的方式支付工程款，那么建筑施工进度是工程款支付的重要依据。
现有的建筑工程进度管理主要采用全人工的方式进行。其缺点在于：全人工方式费时费力，在确认过程中需要工程参与各方都指派相关人员参与确认。该过程需要各方协调相关人员在合适的时间点共同参与，有时难以找到各方都合适的时间；全人工方式对建筑施工的实时进度展示不清晰。
目前对建筑工程施工进度的评估方式一般为：从施工现场拍摄建筑的施工图片，根据建筑施工图片对施工的进度进行粗略评估，其评估的方式单一，而且评估的精确性差。
发明内容
基于上述现有技术中存在的问题，本发明提供一种建筑施工进度的评估方法、装置及计算机可读存储介质，其主要目的在于，通过目标建筑施工图像，提取出目标建筑施工图像中的图像特征及目标建筑的相关数据依次创建基础3D模型、3D重建模型，将3D重建模型及目标建筑当前施工时间一同输入预设施工进度评估模型，可直接输出目标建筑施工进度评估结果，能够多方面，多角度的获得目标建筑的施工进度，对目标建筑施工进度的评估结果更加准确。
第一方面，为实现上述目的，本发明提供一种建筑施工进度的评估方法，该方法包括：
通过摄像装置获取目标建筑施工图像；
将所述目标建筑施工图像输入预设深度卷积神经网络特征提取模型，获得目标建筑的特征图像；
根据所述特征图像创建目标建筑的基础3D模型；
根据所述目标建筑的当前高度数据及预设目标建筑内部参数数据，对所述目标建筑的基础3D模型进行优化，得到3D重建模型；
将所述3D重建模型和目标建筑当前施工时间一同输入预设施工进度评估模型，输出目标建筑施工进度评估结果。
第二方面，为实现上述目的，本发明还提供一种电子装置，该电子装置包括：存储器、处理器和摄像装置，所述存储器中存储有建筑施工进度的评估程序，所述建筑施工进度的评估程序被所述处理器执行时实现如下步骤：
通过摄像装置获取目标建筑施工图像；
将所述目标建筑施工图像输入预设深度卷积神经网络特征提取模型，获得目标建筑的特征图像；
根据所述特征图像创建目标建筑的基础3D模型；
根据所述目标建筑的当前高度数据及预设目标建筑内部参数数据，对所述目标建筑的基础3D模型进行优化，得到3D重建模型；
将所述3D重建模型和目标建筑当前施工时间一同输入预设施工进度评估模型，输出目标建筑施工进度评估结果。
第三方面，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有建筑施工进度的评估程序，所述建筑施工进度的评估程序被处理器执行时，实现如上所述的建筑施工进度的评估方法中的任意步骤。
本发明提出的建筑施工进度的评估方法、装置及计算机可读存储介质，通过获取目标建筑施工图像，提取目标建筑施工图像的图像特征，创建出基础3D模型，再根据目标建筑的施工数据对基础3D模型进行优化，重建出3D重建模型，将3D重建模型及目标建筑当前施工时间一同输入预设施工进度评估模型，能够直接输出目标建筑施工进度评估结果，能够多方面，多角度多方向的获取目标建筑施工进度，对目标建筑的评估结果更加准确。
附图说明
图1为本发明建筑施工进度的评估方法较佳实施例的流程图；
图2为本发明建筑施工进度的评估方法较佳实施例的应用环境示意图；
图3为图2中建筑施工进度的评估程序较佳实施例的模块示意图；
图4为本发明建筑施工进度的评估方法对应的系统逻辑图；
图5为本发明实施例中获取目标建筑高度数据应用的图像处理算法原理图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
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。
本发明提供一种建筑施工进度的评估方法。参照图1所示，为本发明建筑施工进度的评估方法较佳实施例的流程图。该方法可以由一个装置执行，该装置可以由软件和/或硬件实现。
在本实施例中，建筑施工进度的评估方法包括：步骤S10-步骤S50。
步骤S10，通过摄像装置获取目标建筑施工图像。
具体地，建筑在施工过程中，在施工进行了一段时间后，为了确保施工的进度，需要对正在施工的建筑进行进度评估，其中，目标建筑施工图像是通过摄像装置对正在施工过程中的建筑进行拍摄得到的图像，为了能够全面获取正在施工建筑的施工情况，可以从不同的角度对正在施工的建筑进行全方面多角度的拍摄。
针对正在施工的目标建筑复杂和不规则的情形，可在正在施工的目标建筑上方安装多个摄像装置，假定目标建筑可以通过一个n边型覆盖，则不失一般性可认为目标建筑通过大于等于n+1个摄像装置覆盖。通过摄像装置获取目标建筑施工图像，获取目标建筑施工图像的频率根据实际需要进行设定，例如，每天获取一次，其中，摄像装置优选为智能摄像机。
步骤S20，将目标建筑施工图像输入预设深度卷积神经网络特征提取模型，获得目标建筑的特征图像。
具体地，为了创建基础3D模型，需要从大量的目标建筑施工图像中提取出正在施工的目标建筑的特征数据，提取出每张目标建筑施工图像中的建筑中各部分之间的相互关联，如，房屋建筑图像，需要从大量的不同角度拍摄的房屋施工图像中提取出各个墙体之间的关系。
具体地，基础3D模型创建的过程涉及大量的图像处理运算。施工工地由于图像特征较为明显，为了高效提取特征可以采用深度卷积神经网络特征提取模型，实现图像处理。深度卷积神经网络至少包含一个卷积层，除卷积层外还会有池化层、全连接层等。深度卷积神经网络特征提取模型可以方便的实现局部感知并对局部信息进行合并。
在本发明的一个实施例中，预设深度卷积神经网络特征提取模型包括：输入层、卷积层、池化层、全局连接层及输出层；其中，
输入层用于获取目标建筑施工图像；
卷积层用于对目标建筑施工图像进行特征提取，得到目标建筑施工图像的图像特征；
池化层用于对目标建筑施工图像的图像特征进行过滤和特征信息的选取，得到待处理图像特征信息；
全局连接层用于对待处理图像特征信息进行特征组合处理，得到特征图像；
输出层用于输出特征图像。
步骤S30，根据特征图像创建目标建筑的基础3D模型。
具体地，按照提取到的特征图像中的目标建筑的各个部分之间的相互关系，创建出目标建筑的基础3D模型。
在本发明的一个实施例中，根据特征图像创建目标建筑的基础3D模型包括：
从特征图像中任选一张图像作为空间原点图像，通过特征查找匹配算法，从剩余的特征图像中选出与空间原点图像存在特征关联的图像，作为关联图像；
计算空间原点图像与关联图像之间的基础矩阵；
根据预设矩阵转换规则，将基础矩阵转化为本质矩阵；
根据本质矩阵建立空间坐标系；
通过奇异值算法计算空间坐标系到摄像装置的摄像头坐标系的转化矩阵；
根据转化矩阵创建目标建筑的基础3D模型。
具体地，3D基础模型需要建筑的三维模型信息。三维模型过程需要一系列运算。施工现场的摄像装置的摄像头可以拍摄到现场的图片。构建模型时选择其中的两张图片做初始化并选定其中一个作为空间原点。在应用SIFT(尺度不变特征变换算法)，SURF(加速稳健特征算法)等特征查找匹配算法后，用RANSAC(Random Sample Consensus，一种在立体视觉领域中同时解决一对相机的匹配点问题及基本矩阵的计算方法)算法计算两图之间的基础矩阵并用摄像装置内参矩阵推算出本质矩阵。接着运用SVD(奇异值算法)分解计算空间坐标系到摄像头坐标系的转化矩阵。最后经全局优化后完成3D基础模型的创建。
步骤S40，根据获取的目标建筑的当前高度数据及预设目标建筑内部参数数据，对目标建筑的基础3D模型进行优化，得到3D重建模型。
具体地，由于目标建筑当前高度数据不易测量，所以可以通过在目标建筑上方安装一个高度测量装置的方式获取到测量装置到地面的高度数据，再根据测量装置与目标建筑当前高度的对应关系得到目标建筑当前高度数据，例如，通过测量装置得到测量装置距地面高度为20米，测量装置安装在目标建筑上方5米处，则可得到目标建筑当前高度数据为25米。
为了便于获取目标建筑当前高度数据，高度测量装置可为定位系统，通过定位系统直接得到定位系统到地面的距离，高度测量装置也可为气压感知装置，气压感知装置通过将获取的气压转化为高度数据，得到气压感知装置与地面之间的距离，高度测量装置也可以为摄像装置，通过测距公式计算出所述摄像装置距离地面的高度，此种方法受外界条件影响较小，所以测量误差较小，当然为获取测量装置与地面的高度小误差高度数据，可以将上述三种方式同时使用，通过计算三组数据的平均值，得到小误差的高度数据。
在本发明的一个实施例中，通过摄像装置测量目标建筑当前高度数据的方法如下：
通过安装在目标建筑上方的摄像装置，获取目标建筑图像；
根据目标建筑图像的标识规律点、像素及摄像装置的摄像头旋转角度，估算出摄像装置的焦距；
根据摄像装置的焦距，通过测距公式计算出摄像装置距离地面的高度，将摄像装置距离地面的高度作为第一高度数据；
通过第一高度数据与目标建筑当前高度数据的关系，获取目标建筑当前高度数据。
测距公式为：
H1＝f*R/r
其中，所述H1为第一高度数据，f为摄像装置的焦距，R/r为预设常数值。
具体地，第一高度数据与目标建筑当前高度数据的关系可以预先设定，例如，设定摄像装置与目标建筑顶部始终保持预设距离，根据预设距离可得到目标建筑当前高度数据，当然也可通过图像处理算法计算得到目标建筑的当前高度，举例如下：
如图5所示，在目标建筑上方通过塔吊架设摄像装置，在目标建筑的附近安装地面摄装置根据图像处理算法计算原理得到：
Figure BDA0002431154800000061
h1为目标建筑的当前高度，h为摄像装置距离地面的高度，s为地面摄像装置距离安装有摄像装置的塔吊的水平距离，s1为地面摄像装置到塔吊阴影处的距离，r为塔吊半径，其中，s、r均为预设数据。
根据上述方式可获得目标建筑的当前高度，获取目标建筑的当前高度数据并不唯一，在此不作特别限定。
在本发明的一个实施例中，根据获取的目标建筑当前高度数据及预设目标建筑内部参数数据，对目标建筑的基础3D模型进行优化，得到3D重建模型包括：
根据目标建筑当前高度数据及预设目标建筑内部参数数据计算出目标建筑的当前层数，其中，目标建筑内部参数数据包括目标建筑的内部结构及每层高度；
根据目标建筑的当前层数，重建与目标建筑当前高度对应的3D模型，得到3D重建模型。
具体地，目标建筑随着施工进度的进行不断发生变化，目标建筑内部参数数据是根据图纸预先设计好的，例如，目标建筑内部结构，每层高度等。根据获取的目标建筑当前高度数据以及目标建筑的每层高度能够计算出目标建筑当前的层数，然后根据当前层数，对基础3D模型进行优化，得到3D重建模型。
在本发明的一个实施例中，在根据获取的目标建筑当前高度数据及预设目标建筑内部参数数据，对目标建筑的基础3D模型进行优化，得到3D重建模型之后，还包括：
获取目标建筑周围的地理信息数据；
根据目标建筑周围的地理信息数据，对3D重建模型进行环境渲染处理，得到3D展示模型。
具体地，结合GIS(地理信息数据)，应用3D展示模型可以远程展示建筑施工进度的3D效果。运用GIS数据可以渲染出建筑周围的环境信息。3D展示模型可以包含材质也可以不包含材质。施工进度的3D展示使无法赴工地现场考察者直观生动的了解建筑工程的进展。可应用BIM(建筑信息模型)辅助建立并渲染3D展示模型，让决策方更直观的了解建筑的细节并跟踪施工进展。
在本发明的一个实施例中，根据目标建筑周围的地理信息数据，对3D重建模型进行环境渲染处理，得到3D展示模型包括：
根据目标建筑周围的地理信息数据创建实物模型；
将实物模型与3D重建模型进行模型结合，得到3D展示模型。
步骤S50，将3D重建模型和目标建筑当前施工时间一同输入预设施工进度评估模型，输出目标建筑施工进度评估结果。
具体地，目标建筑施工进度评估需要根据当前的3D重建模型和目标建筑当前施工时间与预计的目标建筑3D样本模型和每个目标建筑3D样本模型对应的预计施工时间段的比对来进行评估。
在本发明的一个实施例中，在将3D重建模型和目标建筑当前施工时间一同输入预设施工进度评估模型，输出目标建筑施工进度评估结果前，还包括：
根据目标建筑图纸，创建各个施工时期的目标建筑3D样本模型；
为目标建筑3D样本模型匹配预计施工时间段，为每个预计施工时间段匹配相应的施工进度评估模板；
建立基础模型，对目标建筑3D样本模型、目标建筑3D样本模型匹配的预计施工时间段及每个预计施工时间段匹配的施工进度评估模板之间的对应关系进行模型训练，得到预设施工进度评估模型。
在本发明的一个实施例中，将3D重建模型和目标建筑当前施工时间一同输入预设施工进度评估模型，输出目标建筑施工进度评估结果包括：
将3D重建模型与目标建筑3D样本模型比对，获取最相似目标建筑3D样本模型；
根据最相似目标建筑3D样本模型，获取预计施工时间段；
选取与目标建筑当前施工时间对应的预计施工时间段，作为评估依据时间段；
根据评估依据时间段获取施工进度评估模板；
根据施工进度评估模板，输出目标建筑施工进度评估结果。
具体地，每个施工时期的目标建筑3D样本模型匹配有多个时间段，举例如下：完成10层的目标建筑3D样本模型可能匹配有1-3个月、3-6个月、6-10个月及10个月以上几种不同的施工时间段，其中，1-3个月的时间段匹配的施工进度评估模板的评估结果为施工进度较快；3-6个月的时间段匹配的施工进度评估模板的评估结果为施工进度正常，与预计进度相同；6-10个月的时间段匹配的施工进度评估模板的评估结果为施工进度较慢；10个月以上的时间段匹配的施工进度评估模板的评估结果为施工进度过慢等，可根据具体情况设定各个施工时期的目标建筑3D样本模型的时间段及施工进度评估模板。
在本发明的一个实施例中，在根据施工进度评估模板，输出目标建筑施工进度评估结果后，还包括：
根据目标建筑施工进度评估结果生成语音评估信息；
将语音评估信息输出。
本发明提供的建筑施工进度的评估方法，应用于一种电子装置1。参照图2所示，为本发明建筑施工进度的评估方法较佳实施例的应用环境示意图。
在本实施例中，电子装置1可以是服务器、智能手机、平板电脑、便携计算机、桌上型计算机等具有运算功能的终端设备。
该电子装置1包括：处理器12、存储器11、摄像装置15、网络接口13及通信总线14。
存储器11包括至少一种类型的可读存储介质。该至少一种类型的可读存储介质可为如闪存、硬盘、多媒体卡、卡型存储器11等的非易失性存储介质。在一些实施例中，可读存储介质可以是电子装置1的内部存储单元，例如该电子装置1的硬盘。在另一些实施例中，可读存储介质也可以是电子装置1的外部存储器11，例如电子装置1上配备的插接式硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(FlashCard)等。
在本实施例中，存储器11的可读存储介质通常用于存储安装于电子装置1的建筑施工进度的评估程序10等。存储器11还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)、微处理器或其他数据处理芯片，用于运行存储器11中存储的程序代码或处理数据，例如执行建筑施工进度的评估程序10等。
网络接口13可选地可以包括标准的有线接口、无线接口(如WI-FI接口)，通常用于在该电子装置1与其他电子设备之间建立通信连接。
通信总线14用于实现上述这些组件之间的连接通信。
该电子装置1还包括摄像装置15，摄像装置15独立于电子装置1。电子装置1可以为服务器，摄像装置15独立于该电子装置1、与该电子装置1通过有线或者无线网络连接。该摄像装置15安装于特定场所，包括室内即房屋的内部和室内的各个房间中，对进入该特定场所的目标进行实时拍摄得到实时图像，通过网络将拍摄得到的实时图像传输至处理器12。
图2仅示出了具有组件11-15的电子装置1，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
可选地，该电子装置1还可以包括用户接口，用户接口可以包括输入单元比如键盘(Keyboard)、语音输入装置比如麦克风(microphone)等具有语音识别功能的设备、语音输出装置比如音响、耳机等，可选地用户接口还可以包括标准的有线接口、无线接口。
可选地，该电子装置1还可以包括显示器，显示器也可以称为显示屏或显示单元。在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及有机发光二极管(Organic Light-Emitting Diode，OLED)触摸器等。显示器用于显示在电子装置1中处理的信息以及用于显示可视化的用户界面。
可选地，该电子装置1还包括触摸传感器。该触摸传感器所提供的供用户进行触摸操作的区域称为触控区域。此外，这里的触摸传感器可以为电阻式触摸传感器、电容式触摸传感器等。而且，触摸传感器不仅包括接触式的触摸传感器，也可包括接近式的触摸传感器等。此外，触摸传感器可以为单个传感器，也可以为例如阵列布置的多个传感器。
此外，该电子装置1的显示器的面积可以与所述触摸传感器的面积相同，也可以不同。可选地，将显示器与所述触摸传感器层叠设置，以形成触摸显示屏。该装置基于触摸显示屏侦测用户触发的触控操作。
可选地，该电子装置1还可以包括射频(Radio Frequency，RF)电路，传感器、音频电路等等，在此不再赘述。
在图2所示的装置实施例中，作为一种计算机存储介质的存储器11中可以包括操作系统以及建筑施工进度的评估程序10；处理器12执行存储器11中存储的建筑施工进度的评估程序10时实现如下步骤：
步骤S10、通过摄像装置获取目标建筑施工图像；
步骤S20将目标建筑施工图像输入预设深度卷积神经网络特征提取模型，获得特征图像；
步骤S30、根据特征图像创建目标建筑的基础3D模型；
步骤S40、根据获取的目标建筑当前高度数据及预设目标建筑内部参数数据，对目标建筑的基础3D模型进行优化，得到3D重建模型；
步骤S50、将3D重建模型和目标建筑当前施工时间一同输入预设施工进度评估模型，输出目标建筑施工进度评估结果。
为了高效提取目标建筑图像的图像特征，作为本发明的一个优选方案，预设深度卷积神经网络特征提取模型包括：输入层、卷积层、池化层、全局连接层及输出层；其中，
输入层用于获取目标建筑施工图像；
卷积层用于对目标建筑施工图像进行特征提取，得到目标建筑施工图像的图像特征；
池化层用于对目标建筑施工图像的图像特征进行过滤和特征信息的选取，得到待处理图像特征信息；
全局连接层用于对待处理图像特征信息进行特征组合处理，得到特征图像；
输出层用于输出特征图像。
作为本发明的一个优选方案，根据特征图像创建目标建筑的基础3D模型包括：
从特征图像中任选一张图像作为空间原点图像，通过特征查找匹配算法，从剩余的特征图像中选出与空间原点图像存在特征关联的图像，作为关联图像；
计算空间原点图像与关联图像之间的基础矩阵；
根据预设矩阵转换规则，将基础矩阵转化为本质矩阵；
根据本质矩阵建立空间坐标系；
通过奇异值算法计算空间坐标系到摄像装置的摄像头坐标系的转化矩阵；
根据转化矩阵创建目标建筑的基础3D模型。
作为本发明的一个优选方案，根据获取的目标建筑当前高度数据及预设目标建筑内部参数数据，对目标建筑的基础3D模型进行优化，得到3D重建模型包括：
根据目标建筑当前高度数据及预设目标建筑内部参数数据计算出目标建筑的当前层数，其中，目标建筑内部参数数据包括目标建筑的内部结构及每层高度；
根据目标建筑的当前层数，重建与目标建筑当前高度对应的3D模型，得到3D重建模型。
作为本发明的一个优选方案，在根据获取的目标建筑当前高度数据及预设目标建筑内部参数数据，对目标建筑的基础3D模型进行优化，得到3D重建模型之后，还包括：
获取目标建筑周围的地理信息数据；
根据目标建筑周围的地理信息数据，对3D重建模型进行环境渲染处理，得到3D展示模型。
作为本发明的一个优选方案，根据目标建筑周围的地理信息数据，对3D重建模型进行环境渲染处理，得到3D展示模型包括：
根据目标建筑周围的地理信息数据创建实物模型；
将实物模型与3D重建模型进行模型结合，得到3D展示模型。
作为本发明的一个优选方案，在将3D重建模型和目标建筑当前施工时间一同输入预设施工进度评估模型，输出目标建筑施工进度评估结果前，还包括：
根据目标建筑图纸，创建各个施工时期的目标建筑3D样本模型；
为目标建筑3D样本模型匹配预计施工时间段，为每个预计施工时间段匹配相应的施工进度评估模板；
建立基础模型，对目标建筑3D样本模型、目标建筑3D样本模型匹配的预计施工时间段及每个预计施工时间段匹配的施工进度评估模板之间的对应关系进行模型训练，得到预设施工进度评估模型。
作为本发明的一个优选方案，将3D重建模型和目标建筑当前施工时间一同输入预设施工进度评估模型，输出目标建筑施工进度评估结果包括：
将3D重建模型与目标建筑3D样本模型比对，获取最相似目标建筑3D样本模型；
根据最相似目标建筑3D样本模型，获取预计施工时间段；
选取与目标建筑当前施工时间对应的预计施工时间段，作为评估依据时间段；
根据评估依据时间段获取施工进度评估模板；
根据施工进度评估模板，输出目标建筑施工进度评估结果。
在其他实施例中，建筑施工进度的评估程序10还可以被分割为一个或者多个模块，一个或者多个模块被存储于存储器11中，并由处理器12执行，以完成本发明。
本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段。参照图3所示，为图2中建筑施工进度的评估程序10较佳实施例的程序模块图。所述建筑施工进度的评估程序10可以被分割为：目标建筑施工图像获取模块110、特征图像提取模块120、基础3D模型创建模块130、基础3D模型优化模块140、评估结果输出模块150。
所述模块110-150所实现的功能或操作步骤均与上文类似，此处不再详述，示例性地，例如其中：
目标建筑施工图像获取模块110：用于通过摄像装置获取目标建筑施工图像。
特征图像提取模块120：用于将目标建筑施工图像输入预设深度卷积神经网络特征提取模型，获得特征图像。
基础3D模型创建模块130：用于根据特征图像创建目标建筑的基础3D模型。
基础3D模型优化模块140：用于根据获取的目标建筑当前高度数据及预设目标建筑内部参数数据，对目标建筑的基础3D模型进行优化，得到3D重建模型。
评估结果输出模块150：用于将3D重建模型和目标建筑当前施工时间一同输入预设施工进度评估模型，输出目标建筑施工进度评估结果。
如图4所示，此外，与上述方法相对应，本发明的实施例还提出一种建筑施工进度的评估系统400，包括：目标建筑施工图像获取单元410、特征图像提取单元420、基础3D模型创建单元430、基础3D模型优化单元440、评估结果输出单元450，其中，目标建筑图像获取单元410、特征图像提取单元420、基础3D模型创建单元430、基础3D模型优化单元440和评估结果输出单元450的实现功能与实施例中建筑施工进度的评估方法的步骤一一对应。
目标建筑图像获取单元410：用于通过摄像装置获取目标建筑施工图像。
特征图像提取单元420：用于将目标建筑施工图像输入预设深度卷积神经网络特征提取模型，获得特征图像。
基础3D模型创建单元430：用于根据特征图像创建目标建筑的基础3D模型。
基础3D模型优化单元440：用于根据获取的目标建筑当前高度数据及预设目标建筑内部参数数据，对目标建筑的基础3D模型进行优化，得到3D重建模型。
评估结果输出单元450：用于将3D重建模型和目标建筑当前施工时间一同输入预设施工进度评估模型，输出目标建筑施工进度评估结果。
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质中存储有建筑施工进度的评估程序，所述建筑施工进度的评估程序被处理器执行时实现如下操作：
通过摄像装置获取目标建筑施工图像；
将目标建筑施工图像输入预设深度卷积神经网络特征提取模型，获得特征图像；
根据特征图像创建目标建筑的基础3D模型；
根据获取的目标建筑当前高度数据及预设目标建筑内部参数数据，对目标建筑的基础3D模型进行优化，得到3D重建模型；
将3D重建模型和目标建筑当前施工时间一同输入预设施工进度评估模型，输出目标建筑施工进度评估结果。
优选地，预设深度卷积神经网络特征提取模型包括：输入层、卷积层、池化层、全局连接层及输出层；其中，
输入层用于获取目标建筑施工图像；
卷积层用于对目标建筑施工图像进行特征提取，得到目标建筑施工图像的图像特征；
池化层用于对目标建筑施工图像的图像特征进行过滤和特征信息的选取，得到待处理图像特征信息；
全局连接层用于对待处理图像特征信息进行特征组合处理，得到特征图像；
输出层用于输出特征图像。
优选地，根据特征图像创建目标建筑的基础3D模型包括：
从特征图像中任选一张图像作为空间原点图像，通过特征查找匹配算法，从剩余的特征图像中选出与空间原点图像存在特征关联的图像，作为关联图像；
计算空间原点图像与关联图像之间的基础矩阵；
根据预设矩阵转换规则，将基础矩阵转化为本质矩阵；
根据本质矩阵建立空间坐标系；
通过奇异值算法计算空间坐标系到摄像装置的摄像头坐标系的转化矩阵；
根据转化矩阵创建目标建筑的基础3D模型。
优选地，根据获取的目标建筑当前高度数据及预设目标建筑内部参数数据，对目标建筑的基础3D模型进行优化，得到3D重建模型包括：
根据目标建筑当前高度数据及预设目标建筑内部参数数据计算出目标建筑的当前层数，其中，目标建筑内部参数数据包括目标建筑的内部结构及每层高度；
根据目标建筑的当前层数，重建与目标建筑当前高度对应的3D模型，得到3D重建模型。
优选地，在根据获取的目标建筑当前高度数据及预设目标建筑内部参数数据，对目标建筑的基础3D模型进行优化，得到3D重建模型之后，还包括：
获取目标建筑周围的地理信息数据；
根据目标建筑周围的地理信息数据，对3D重建模型进行环境渲染处理，得到3D展示模型。
优选地，根据目标建筑周围的地理信息数据，对3D重建模型进行环境渲染处理，得到3D展示模型包括：
根据目标建筑周围的地理信息数据创建实物模型；
将实物模型与3D重建模型进行模型结合，得到3D展示模型。
优选地，在将3D重建模型和目标建筑当前施工时间一同输入预设施工进度评估模型，输出目标建筑施工进度评估结果前，还包括：
根据目标建筑图纸，创建各个施工时期的目标建筑3D样本模型；
为目标建筑3D样本模型匹配预计施工时间段，为每个预计施工时间段匹配相应的施工进度评估模板；
建立基础模型，对目标建筑3D样本模型、目标建筑3D样本模型匹配的预计施工时间段及每个预计施工时间段匹配的施工进度评估模板之间的对应关系进行模型训练，得到预设施工进度评估模型。
优选地，将3D重建模型和目标建筑当前施工时间一同输入预设施工进度评估模型，输出目标建筑施工进度评估结果包括：
将3D重建模型与目标建筑3D样本模型比对，获取最相似目标建筑3D样本模型；
根据最相似目标建筑3D样本模型，获取预计施工时间段；
选取与目标建筑当前施工时间对应的预计施工时间段，作为评估依据时间段；
根据评估依据时间段获取施工进度评估模板；
根据施工进度评估模板，输出目标建筑施工进度评估结果。
本发明之计算机可读存储介质的具体实施方式与上述建筑施工进度的评估方法、电子装置的具体实施方式大致相同，在此不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种建筑施工进度的评估方法，应用于电子装置，其特征在于，所述方法包括：
通过摄像装置获取目标建筑施工图像；
将所述目标建筑施工图像输入预设深度卷积神经网络特征提取模型，获得目标建筑的特征图像；
根据所述特征图像创建目标建筑的基础3D模型；
根据所述目标建筑的当前高度数据及预设目标建筑内部参数数据，对所述目标建筑的基础3D模型进行优化，得到3D重建模型；
将所述3D重建模型和目标建筑当前施工时间一同输入预设施工进度评估模型，输出目标建筑施工进度评估结果。
2.根据权利要求1所述的建筑施工进度的评估方法，其特征在于，所述预设深度卷积神经网络特征提取模型包括：输入层、卷积层、池化层、全局连接层及输出层；其中，
所述输入层用于获取所述目标建筑施工图像；
所述卷积层用于对所述目标建筑施工图像进行特征提取，得到目标建筑施工图像的图像特征；
所述池化层用于对所述目标建筑施工图像的图像特征进行过滤和特征信息的选取，得到待处理图像特征信息；
所述全局连接层用于对所述待处理图像特征信息进行特征组合处理，得到特征图像；
所述输出层用于输出所述特征图像。
3.根据权利要求1所述的建筑施工进度的评估方法，其特征在于，所述根据所述特征图像创建目标建筑的基础3D模型包括：
从所述特征图像中任选一张图像作为空间原点图像，通过特征查找匹配算法，从剩余的所述特征图像中选出与所述空间原点图像存在特征关联的图像，作为关联图像；
计算所述空间原点图像与所述关联图像之间的基础矩阵；
根据预设矩阵转换规则，将所述基础矩阵转化为本质矩阵；
根据所述本质矩阵建立空间坐标系；
通过奇异值算法计算所述空间坐标系到所述摄像装置的摄像头坐标系的转化矩阵；
根据所述转化矩阵创建目标建筑的基础3D模型。
4.根据权利要求1所述的建筑施工进度的评估方法，其特征在于，所述根据获取的目标建筑当前高度数据及预设目标建筑内部参数数据，对所述目标建筑的基础3D模型进行优化，得到3D重建模型包括：
根据所述目标建筑当前高度数据及预设目标建筑内部参数数据计算出所述目标建筑的当前层数，其中，所述目标建筑内部参数数据包括目标建筑的内部结构及每层高度；
根据所述目标建筑的当前层数，重建与所述目标建筑当前高度对应的3D模型，得到3D重建模型。
5.根据权利要求1所述的建筑施工进度的评估方法，其特征在于，在根据获取的目标建筑当前高度数据及预设目标建筑内部参数数据，对所述目标建筑的基础3D模型进行优化，得到3D重建模型之后，还包括：
获取目标建筑周围的地理信息数据；
根据所述目标建筑周围的地理信息数据，对所述3D重建模型进行环境渲染处理，得到3D展示模型。
6.根据权利要求5所述的建筑施工进度的评估方法，其特征在于，所述根据所述目标建筑周围的地理信息数据，对所述3D重建模型进行环境渲染处理，得到3D展示模型包括：
根据所述目标建筑周围的地理信息数据创建实物模型；
将所述实物模型与所述3D重建模型进行模型结合，得到3D展示模型。
7.根据权利要求1所述的建筑施工进度的评估方法，其特征在于，在将所述3D重建模型和目标建筑当前施工时间一同输入预设施工进度评估模型，输出目标建筑施工进度评估结果前，还包括：
根据目标建筑图纸，创建各个施工时期的目标建筑3D样本模型；
为所述目标建筑3D样本模型匹配预计施工时间段，为每个所述预计施工时间段匹配相应的施工进度评估模板；
建立基础模型，对所述目标建筑3D样本模型、所述目标建筑3D样本模型匹配的预计施工时间段及每个所述预计施工时间段匹配的施工进度评估模板之间的对应关系进行模型训练，得到预设施工进度评估模型。
8.根据权利要求7所述的建筑施工进度的评估方法，其特征在于，所述将所述3D重建模型和目标建筑当前施工时间一同输入预设施工进度评估模型，输出目标建筑施工进度评估结果包括：
将所述3D重建模型与目标建筑3D样本模型比对，获取最相似目标建筑3D样本模型；
根据所述最相似目标建筑3D样本模型，获取预计施工时间段；
选取与所述目标建筑当前施工时间对应的预计施工时间段，作为评估依据时间段；
根据所述评估依据时间段获取施工进度评估模板；
根据所述施工进度评估模板，输出目标建筑施工进度评估结果。
9.一种电子装置，其特征在于，该电子装置包括：存储器、处理器和摄像装置，所述存储器中存储有建筑施工进度的评估程序，所述建筑施工进度的评估程序被所述处理器执行时实现如下步骤：
通过摄像装置获取目标建筑施工图像；
将所述目标建筑施工图像输入预设深度卷积神经网络特征提取模型，获得特征图像；
根据所述特征图像创建目标建筑的基础3D模型；
根据获取的目标建筑当前高度数据及预设目标建筑内部参数数据，对所述目标建筑的基础3D模型进行优化，得到3D重建模型；
将所述3D重建模型和目标建筑当前施工时间一同输入预设施工进度评估模型，输出目标建筑施工进度评估结果。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有建筑施工进度的评估程序，所述建筑施工进度的评估程序被处理器执行时，实现如权利要求1至8中任一项所述的建筑施工进度的评估方法的步骤。
CN202010236468.6A 2020-03-30 2020-03-30 建筑施工进度的评估方法、装置及存储介质 Pending CN111524172A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010236468.6A CN111524172A (zh) 2020-03-30 2020-03-30 建筑施工进度的评估方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010236468.6A CN111524172A (zh) 2020-03-30 2020-03-30 建筑施工进度的评估方法、装置及存储介质

Publications (1)

Publication Number Publication Date
CN111524172A true CN111524172A (zh) 2020-08-11

Family

ID=71901111

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010236468.6A Pending CN111524172A (zh) 2020-03-30 2020-03-30 建筑施工进度的评估方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN111524172A (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112733240A (zh) * 2021-01-15 2021-04-30 广州穗能通能源科技有限责任公司 施工进度评测方法、装置、计算机设备和存储介质
CN113128876A (zh) * 2021-04-22 2021-07-16 北京房江湖科技有限公司 基于图像的对象管理方法、装置及计算机可读存储介质
CN114240376A (zh) * 2021-12-17 2022-03-25 杭州正大装饰有限公司 一种项目进度跟踪方法、系统、装置及计算机可读介质
CN114357568A (zh) * 2021-12-10 2022-04-15 国网江苏省电力有限公司南通供电分公司 一种基于倾斜摄影的变电站工程钢结构安装智能验收方法
CN115775116A (zh) * 2023-02-13 2023-03-10 华设设计集团浙江工程设计有限公司 基于bim的路桥工程管理方法及系统
CN115860443A (zh) * 2023-03-02 2023-03-28 青岛研博数据信息技术有限公司 一种基于bim技术的建筑智能化管理方法及系统
CN116227803A (zh) * 2022-12-01 2023-06-06 中国建筑第四工程局有限公司 一种智能化建筑施工的数据处理方法
CN116361904A (zh) * 2023-05-30 2023-06-30 中国铁路设计集团有限公司 一种渲染引擎下城轨工程bim模型渲染质量审查方法及系统
CN116452753A (zh) * 2023-05-08 2023-07-18 杨浩 用于施工进度辨识的多数据映射系统
CN116542502A (zh) * 2023-07-07 2023-08-04 成都建工第三建筑工程有限公司 基于卷积神经网络的建筑物施工周期优化系统及方法
CN117634864A (zh) * 2024-01-24 2024-03-01 华仁建设集团有限公司 基于图像分析的智慧工地施工任务优化方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09268760A (ja) * 1996-03-28 1997-10-14 Shimizu Corp 工程計画管理支援システム
CN101038678A (zh) * 2007-04-19 2007-09-19 北京理工大学 基于单幅图像的光滑对称曲面重建方法
CN107679310A (zh) * 2017-09-26 2018-02-09 华北电力大学 基于bim和图像叠合技术的工程实时进度三维立体展示方法
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
CN110490415A (zh) * 2019-07-15 2019-11-22 同济大学 一种多无人机视觉协同的建筑进度评估方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09268760A (ja) * 1996-03-28 1997-10-14 Shimizu Corp 工程計画管理支援システム
CN101038678A (zh) * 2007-04-19 2007-09-19 北京理工大学 基于单幅图像的光滑对称曲面重建方法
CN107679310A (zh) * 2017-09-26 2018-02-09 华北电力大学 基于bim和图像叠合技术的工程实时进度三维立体展示方法
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
CN110490415A (zh) * 2019-07-15 2019-11-22 同济大学 一种多无人机视觉协同的建筑进度评估方法

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112733240A (zh) * 2021-01-15 2021-04-30 广州穗能通能源科技有限责任公司 施工进度评测方法、装置、计算机设备和存储介质
CN113128876A (zh) * 2021-04-22 2021-07-16 北京房江湖科技有限公司 基于图像的对象管理方法、装置及计算机可读存储介质
CN114357568A (zh) * 2021-12-10 2022-04-15 国网江苏省电力有限公司南通供电分公司 一种基于倾斜摄影的变电站工程钢结构安装智能验收方法
CN114357568B (zh) * 2021-12-10 2024-05-10 国网江苏省电力有限公司南通供电分公司 一种基于倾斜摄影的变电站工程钢结构安装智能验收方法
CN114240376A (zh) * 2021-12-17 2022-03-25 杭州正大装饰有限公司 一种项目进度跟踪方法、系统、装置及计算机可读介质
CN116227803A (zh) * 2022-12-01 2023-06-06 中国建筑第四工程局有限公司 一种智能化建筑施工的数据处理方法
CN116227803B (zh) * 2022-12-01 2024-02-09 中国建筑第四工程局有限公司 一种智能化建筑施工的数据处理方法
CN115775116A (zh) * 2023-02-13 2023-03-10 华设设计集团浙江工程设计有限公司 基于bim的路桥工程管理方法及系统
CN115860443A (zh) * 2023-03-02 2023-03-28 青岛研博数据信息技术有限公司 一种基于bim技术的建筑智能化管理方法及系统
CN115860443B (zh) * 2023-03-02 2023-06-02 青岛研博数据信息技术有限公司 一种基于bim技术的建筑智能化管理方法及系统
CN116452753B (zh) * 2023-05-08 2024-01-26 浙江省二建建设集团有限公司 用于施工进度辨识的多数据映射系统
CN116452753A (zh) * 2023-05-08 2023-07-18 杨浩 用于施工进度辨识的多数据映射系统
CN116361904A (zh) * 2023-05-30 2023-06-30 中国铁路设计集团有限公司 一种渲染引擎下城轨工程bim模型渲染质量审查方法及系统
CN116361904B (zh) * 2023-05-30 2023-08-22 中国铁路设计集团有限公司 一种渲染引擎下城轨工程bim模型渲染质量审查方法及系统
CN116542502B (zh) * 2023-07-07 2023-11-07 成都建工第三建筑工程有限公司 基于卷积神经网络的建筑物施工周期优化系统及方法
CN116542502A (zh) * 2023-07-07 2023-08-04 成都建工第三建筑工程有限公司 基于卷积神经网络的建筑物施工周期优化系统及方法
CN117634864A (zh) * 2024-01-24 2024-03-01 华仁建设集团有限公司 基于图像分析的智慧工地施工任务优化方法及系统
CN117634864B (zh) * 2024-01-24 2024-04-05 华仁建设集团有限公司 基于图像分析的智慧工地施工任务优化方法及系统

Similar Documents

Publication Publication Date Title
CN111524172A (zh) 建筑施工进度的评估方法、装置及存储介质
US20180276241A1 (en) System and method for telecom inventory management
TWI483215B (zh) 根據相關３ｄ點雲端資料強化影像資料
CN103703758B (zh) 移动增强现实系统
JP6700580B2 (ja) 状況判定システム、状況判定方法及び状況判定プログラム
US20180082414A1 (en) Methods Circuits Assemblies Devices Systems Platforms and Functionally Associated Machine Executable Code for Computer Vision Assisted Construction Site Inspection
US9864969B2 (en) Image processing apparatus for generating map of differences between an image and a layout plan
CN113240769B (zh) 空间链接关系识别方法及装置、存储介质
CN111028358B (zh) 室内环境的增强现实显示方法、装置及终端设备
US20170078648A1 (en) Systems and methods of creating a three-dimensional virtual image
KR101181967B1 (ko) 고유식별 정보를 이용한 3차원 실시간 거리뷰시스템
US20170039450A1 (en) Identifying Entities to be Investigated Using Storefront Recognition
CN111459269A (zh) 一种增强现实显示方法、系统及计算机可读存储介质
US11631195B2 (en) Indoor positioning system and indoor positioning method
CN113436338A (zh) 火灾现场的三维重建方法、装置、服务器及可读存储介质
US10665035B1 (en) System and process of using photogrammetry for digital as-built site surveys and asset tracking
CN114219855A (zh) 点云法向量的估计方法、装置、计算机设备和存储介质
CN112733641A (zh) 物体尺寸测量方法、装置、设备及存储介质
Xue et al. High-rise building construction progress measurement from top view based on component detection
US20150254527A1 (en) Methods for 3d object recognition and registration
Bae et al. High-precision and infrastructure-independent mobile augmented reality system for context-aware construction and facility management applications
CN117237681A (zh) 图像处理方法、装置及相关设备
KR101902131B1 (ko) 시뮬레이션 파노라마 실내영상 제작 시스템
US20160349409A1 (en) Photovoltaic shade impact prediction
CN115328320A (zh) 一种水利工程在线学习方法及系统

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200811

WD01 Invention patent application deemed withdrawn after publication