CN113343016A - 一种监管建筑材料的系统及方法 - Google Patents
一种监管建筑材料的系统及方法 Download PDFInfo
- Publication number
- CN113343016A CN113343016A CN202110608716.XA CN202110608716A CN113343016A CN 113343016 A CN113343016 A CN 113343016A CN 202110608716 A CN202110608716 A CN 202110608716A CN 113343016 A CN113343016 A CN 113343016A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- target area
- information
- electronic record
- cloud data
- 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.)
- Granted
Links
- 239000004566 building material Substances 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 33
- 238000013135 deep learning Methods 0.000 claims description 23
- 230000005540 biological transmission Effects 0.000 claims description 14
- 238000012800 visualization Methods 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 12
- 239000004035 construction material Substances 0.000 claims description 11
- 239000000463 material Substances 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 6
- 229910000831 Steel Inorganic materials 0.000 claims description 4
- 239000004576 sand Substances 0.000 claims description 4
- 239000010959 steel Substances 0.000 claims description 4
- 239000004568 cement Substances 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 239000004575 stone Substances 0.000 claims description 3
- 239000002023 wood Substances 0.000 claims description 3
- 239000012774 insulation material Substances 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 239000011358 absorbing material Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种监管建筑材料的系统及方法，该系统包括：无人机模块，用于对目标区域进行扫描，处理模块，根据所述点云数据和所述坐标信息建立该目标区域的点云模型，并分析所述点云模型以检测到所述目标区域中的至少一种物体，以及基于检测到的至少一种物体更新与所述目标区域相关联的至少一个电子记录；信息存储模块，存储所述至少一个电子记录并根据所述至少一个电子记录建立信息库，其中，更新所述至少一个电子记录，提供对所述目标区域的至少一种物体相关联的至少一个电子记录进行索引，实现对所述目标区域的至少一种物体的监管。结合方法可以对建筑材料的种类信息、数量信息和位置信息进行标定，实现高效率监管。
Description
技术领域
本发明属于建筑材料监管领域，具体涉及一种建筑材料的监管系统及方法。
背景技术
目前，房地产行业蓬勃发展，对建筑材料的需求量也激增。在传统的建筑工地中，监管人员通过人工巡查方式记录建筑材料储存和使用情况。随着人力成本不断上涨，建筑行业用人难等问题逐渐显露出来，减少人力成本提高施工巡查效率是无可避免的过程。
现有技术中多应用于仓储管理，即利用仓库对建筑材料及相关设备进行物品的入库、存储、出库活动，包括对建筑材料的种类识别、数量追踪，但针对于室外场景，在庞大的场地下，如建筑工地等地方，缺少对施工现场的巡检技术，同时施工现场的面积大，对于测绘的工程量大、精度低，三维建模模型可视化程度低，难以应用，同时对于建筑材料需要人员看管，费时费力，对于各种建筑材料的种类信息、数量信息和位置信息难以标定，无法实现有效的监管。
发明内容
有鉴于此，本发明的目的在于提出一种监管建筑材料的系统，为解决在建筑工地或施工现场等区域的建筑材料的监管问题，实现对建筑材料的种类信息、数量信息和位置信息进行标定、存储与更新比对。
本发明提供一种物体的监管系统，包括：
无人机模块，用于对目标区域进行扫描，包括：
数据采集单元，用于采集所述目标区域的地面信息，获取所述目标区域的点云数据；
定位单元，用于定位所述点云数据相关的至少一个位置，得到该位置的坐标信息；
数据传输单元，用于传输所述点云数据和所述坐标信息；
无人机本体，用于搭载所述数据采集单元、所述定位单元及所述数据传输单元；
处理模块，根据所述点云数据和所述坐标信息建立该目标区域的点云模型，并分析所述点云模型以检测到所述目标区域中的至少一种物体，以及基于检测到的至少一种物体更新与所述目标区域相关联的至少一个电子记录；
信息存储模块，存储所述至少一个电子记录并根据所述至少一个电子记录建立信息库，其中，更新所述至少一个电子记录，提供对所述目标区域的至少一种物体相关联的至少一个电子记录进行索引，实现对所述目标区域的至少一种物体的监管。
作为优选，所述处理模块包括：
模型构建单元，根据所述点云数据建立点云模型；
可视化单元，将所述坐标信息输入到所述点云模型中进行可视化，可视化包括根据所述点云模型对所述至少一种物体的位置进行显示，以及根据所述点云模型对至少一种物体的属性值进行测量；
深度学习单元，将所述点云模型加入到深度学习网络中，对所述至少一种物体进行点云深度学习识别，根据所述至少一种物体建立信息库，对所述至少一种物体进行标注；
其中，还包括通过每次所述无人机模块的工作，利用所述深度学习单元，对所述点云模型迭代。
作为优选，所述点云数据为对应于所述至少一种物体的三维坐标信息、颜色信息或反射强度信息。
作为优选，所述处理模块还包括根据所述至少一种物体的坐标信息，识别所述至少一个物体相关的至少一个安全问题，并将所述至少一个安全问题记录在相关的所述至少一个电子记录中。
作为优选，所述处理模块还包括：分析所述点云模型以识别所述至少一种物体的至少一种属性，以及基于所述至少一种属性来更新与所述目标区域相关联的至少一个电子记录。
作为优选，所述点云数据至少包括对应于第一时间点的第一点云数据和对应于第二时间点的第二点云数据，所述第一时间点和所述第二时间点之间经过的时间至少为24小时，并且所述信息对比模块对至少一个电子记录的更新基于所述第一点云数据和所述第二点云数据的对比。
作为优选，所述数据采集单元包括：
至少一个激光传感器，通过激光技术对所述目标区域进行扫描，获取所述目标区域的点云数据。
作为优选，
所述数据采集单元还包括图像传感器，用于采集所述目标区域的图像数据；
所述处理单元包括从所述图像数据中提取所述目标区域的图像纹理，用于构造实景三维模型。
作为优选，所述物体包括建筑材料，所述建筑材料包括钢材、砂石材料、水泥制品、保温吸音材料、防水材料或木材。
基于上述目的，本发明还提出一种使用如上述的系统进行监管建筑材料的方法，其特征在于，包括步骤如下：
S1、使用所述无人机模块扫描所述目标区域，获取所述目标区域的点云数据以及与所述点云数据相关的坐标信息；
S2、所述处理模块根据所述点云数据和所述坐标信息建立点云模型，并分析所述点云模型以检测所述目标区域中的至少一种建筑材料，同时基于所述检测到的至少一种建筑材料更新与所述目标区域相关联的至少一个电子记录；
S3、所述信息存储模块存储并根据所述至少一个电子记录建立可搜索的信息库，根据所述可搜索的信息库进行索引，实现对所述建筑材料进行追踪监管。
与现有技术相比，本发明的益处有：
1、采用获取点云数据的方式对目标区域进行扫描，代替彩色摄像机拍照，降低了监测设备成本，提高监测效率，提高了采集数据的精度。
2、通过无人机模块实时处理采集数据，减少了采集设备上传地面主机的数据量。
3、通过点云深度学习，实现涵盖材料种类、数量和位置的完整监管流程，对大型的目标区域的物体、设备或设施的监管提供便利。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例1提供的一种监管建筑材料的系统的结构示意图；
图2是根据本发明实施例1提供的无人机模块的结构示意图；
图3是根据本发明实施例3提供的处理模块的结构示意图；
图4是根据本发明实施例4提供的方法流程示意图；
图5是一种实施例下对建筑材料的识别示意图；
其中，10：无人机模块，11：数据采集单元，12：定位单元，13：数据传输单元，20：处理模块，21：模型构建单元，22：可视化单元，23：深度学习单元，30：信息存储模块。
具体实施方式
以下将结合附图所示的具体实施方式对本发明进行详细描述，但这些实施方式并不限制本发明，本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。
术语“点云数据(point cloud data)”是指在一个三维坐标系统中的一组向量的集合，扫描整个目标区域以点的形式记录，每一个点包含有三维坐标。
实施例1
图1是根据本发明实施例1提供的一种监管建筑材料的系统的结构示意图，如图1所示，一种监管建筑材料的系统，包括：
一个或多个无人机模块10，用于对目标区域进行扫描，包括：
一个或多个数据采集单元11，用于采集所述目标区域的地面信息，获取所述目标区域的点云数据；
一个或多个定位单元12，用于定位所述点云数据相关的至少一个位置，得到该位置的坐标信息；
一个或多个数据传输单元13，用于传输所述点云数据和所述坐标信息；
无人机本体，用于搭载所述数据采集单元11、所述定位单元12及所述数据传输单元13；
一个或多个处理模块20，处理模块20根据所述点云数据和所述坐标信息建立该目标区域的点云模型，并分析所述点云模型以检测到所述目标区域中的至少一种物体，以及基于检测到的至少一种物体更新与所述目标区域相关联的至少一个电子记录；
一个或多个信息存储模块30，存储所述至少一个电子记录并根据所述至少一个电子记录建立信息库，其中，更新所述至少一个电子记录，提供对所述目标区域的至少一种物体相关联的至少一个电子记录进行索引，实现对所述目标区域的至少一种物体的监管。
本系统具体运行过程如下：
首先由所述无人机模块10在所述目标区域进行作业，使用所述数据采集模块对所述目标区域的地面和地物进行扫描，并获取点云数据，通过所述定位单元12对每个获取到的点云数据定位与其相关的一个位置，并得到这个位置在所述目标区域内的坐标信息，并且由所述数据传输单元13将所述点云数据及相关的坐标信息传输给所述处理模块20；所述处理模块20根据传输的点云数据和坐标信息建立所述目标区域的点云模型，通过分析所述点云模型以检测在所述目标区域的地面上的物体，并且基于检测到的每一个/种物体进行电子记录并根据每一次的所述无人机模块10作业获取的点云数据和坐标信息进行更新，由所述信息存储模块30把所有的电子记录汇总存储，并建立一个可供检索的信息库，同时该信息库根据所述电子记录进行更新，保证对该目标区域内的每一个/种物体的种类信息、数量信息和位置信息进行记录，通过对所述信息库进行搜索就可以实现对目标区域的每一个/种物体进行监管。
实施例2
基于实施例1，相同的，如图1所示，无人机模块10包括：
一个或多个数据采集单元11，用于采集所述目标区域的地面信息，获取所述目标区域的点云数据；
一个或多个定位单元12，用于定位所述点云数据相关的至少一个位置，得到该位置的坐标信息；
一个或多个数据传输单元13，用于传输所述点云数据和所述坐标信息；
无人机本体，用于搭载所述数据采集单元11、所述定位单元12及所述数据传输单元13；
可选的，所述数据采集单元11可以是激光雷达(Light Detection and Ranging,LiDAR)，利用无人机搭载激光雷达，通过激光技术对所述目标区域进行扫描，快速且高精度地获取所述目标区域内地面和地面上至少一种物体的点云数据；
可选的，所述点云数据至少包括对应于第一时间点的第一点云数据和对应于第二时间点的第二点云数据，所述第一时间点和所述第二时间点之间经过的时间至少为24小时，并且所述信息对比模块对至少一个电子记录的更新基于所述第一点云数据和所述第二点云数据的对比；即每一次无人机模块10的巡检工作时间间隔至少为24小时，保证一定的时间间隔，在降低监测成本的同时提高监管效率。
可选的,所述定位单元12可以是一个或多个定位传感器可以被配置为获取无人机模块10的定位信息,检测点云数据的位置变化和/或测量点位数据的位置。在某些示例中,定位传感器可以使用以下技术之一来实现:全球定位系统(GPS),全球卫星导航系统(GLONASS),伽利略全球导航系统,北斗导航系统,其他全球导航卫星系统(GNSS),本地定位系统(LPS),实时定位系统(RTLS),实时动态载波相位差分技术(RTK),基于Wi-Fi的定位系统,蜂窝三角测量等。
可选的，所述数据传输单元13与处理模块20可以是无线连接的方式进行数据传输，该无线连接可以是蓝牙连接、WIFI连接、近场通信NFC连接、ZigBee连接或其他实现无线连接的方式。
实施例3
图2为本实施例提供的处理模块20结构示意图，基于实施例1，一种监管建筑材料的系统，包括：一个或多个无人机模块10，用于对目标区域进行扫描，包括：
一个或多个数据采集单元11，用于采集所述目标区域的地面信息，获取所述目标区域的点云数据；
一个或多个定位单元12，用于定位所述点云数据相关的至少一个位置，得到该位置的坐标信息；
一个或多个数据传输单元13，用于传输所述点云数据和所述坐标信息；
无人机本体，用于搭载所述数据采集单元11、所述定位单元12及所述数据传输单元13；
一个或多个处理模块20，处理模块20根据所述点云数据和所述坐标信息建立该目标区域的点云模型，并分析所述点云模型以检测到所述目标区域中的至少一种物体，以及基于检测到的至少一种物体更新与所述目标区域相关联的至少一个电子记录；
一个或多个信息存储模块30，存储所述至少一个电子记录并根据所述至少一个电子记录建立信息库，其中，更新所述至少一个电子记录，提供对所述目标区域的至少一种物体相关联的至少一个电子记录进行索引，实现对所述目标区域的至少一种物体的监管。
此外，如图2所示，处理模块20包括：
一个或多个模型构建单元21，接收由无人机模块10传输的点云数据，并根据所述点云数据建立点云模型；其中，通过无人机模块10实现高精度点云数据采集，再根据点云数据中对点云特征点进行匹配，从而建立点云模型，具体过程如下：
安装Livox-SDK，安装驱动livox-ros-driver，初始化环境
cd～/catkin_ws/src
git clone https://github.com/Livox-SDK/livox_mapping.git
cd..
catkin_make
source～/catkin_ws/devel/setup.bash
启动Loam-Livox-horizon算法和livox-ros-driver算法
roslaunch livox_ros_driver livox_lidar_msg.launch
roslaunch loam_horizon loam_livox_horizon.launch。
一个或多个可视化单元22，将所述坐标信息输入到所述点云模型中进行可视化，可视化包括根据所述点云模型对所述至少一种物体的位置进行显示(例如，运用模型模拟物体在建筑工地中的实际位置)，以及根据所述点云模型对至少一种物体的属性值进行测量，具体过程如下：
通过livox-ros-driver读取点云数据
rosbag play YOUR_DOWNLOADED.bag
手动获取外部参数，手动进行参数校正
<rosparam param＝"ExtIL">[q.w,q.x,q.y,q.z,t.x,t.y,t.z]</rosparam>
然后运行程序
roslaunch loam_horizon loam_livox_horizon_ext_imu.launch
rosbag play imu-demo.bag；
一个或多个深度学习单元23，用于构建深度学习网络，将所述点云模型加入到深度学习网络中，对所述至少一种物体进行点云深度学习识别，根据所述至少一种物体建立信息库，对所述至少一种物体进行标注；其中，标注基于该物体的至少一种属性及其坐标信息，在进行初次点云深度学习识别后，可随机抽取样本进行识别精度的校验，对未识别的物体进行手动标注，具体过程如下：
xconv_param_name＝('K','D','P','C','links')
xconv_params＝[dict(zip(xconv_param_name,xconv_param))for xconv_paramin
[(8,1,-1,32*x,[]),
(12,2,768,32*x,[]),
(16,2,384,64*x,[]),
(16,6,128,128*x,[])]]
xdconv_param_name＝('K','D','pts_layer_idx','qrs_layer_idx')
xdconv_params＝[dict(zip(xdconv_param_name,xdconv_param))for xdconv_param in
[(16,6,3,2),
(12,6,2,1),
(8,6,1,0),
(8,4,0,0)]]
每个在xconv_params里的元素都是一个元组(K，D，P，C，links)，其中K是邻域大小，D是扩张率，P是输出中的代表性点数(-1时所有输出点都是特征点)，C是输出通道编号，links用于添加DenseNet格式的链接，例如[-1-2]会告诉当前层接受前两个层的输入，每个元素都指定一个X-Conv层的参数，堆叠起来建立深度神经网络
xdconv_params中的每个元素都是一个元组(K，D，pts_layer_idx，qrs_layer_idx)，其中K和D具有与xconv_params相同的含义，pts_layer_idx指定X-Conv层(来自xconv_params)的输出将是该X-DeConv层的输入，qrs_layer_idx指定X-Conv层(来自xconv_params)的输出将与X-DeConv层的输出融合。此X-DeConv层的P和C参数也由qrs_layer_idx确定。同样，每个元素都指定了一个X-DeConv层的参数，并堆叠起来创建所示深度学习网络；
此外，还包括通过每次所述无人机模块10的巡检工作，利用所述深度学习单元23提高每次处理模块20的检测或识别物体的精度，同时对所述点云模型迭代。
实施例4
基于实施例3，相同的，所述处理模块20包括：
一个或多个模型构建单元21，接收由无人机模块10传输的点云数据，并根据所述点云数据建立点云模型；其中，通过无人机模块10实现高精度点云数据采集，再根据点云数据中对点云特征点进行匹配，从而建立点云模型。
一个或多个可视化单元22，将所述坐标信息输入到所述点云模型中进行可视化，可视化包括根据所述点云模型对所述至少一种物体的位置进行显示(例如，运用模型模拟物体在建筑工地中的实际位置)，以及根据所述点云模型对至少一种物体的属性值进行测量；
一个或多个深度学习单元23，用于构建深度学习网络，将所述点云模型加入到深度学习网络中，对所述至少一种物体进行点云深度学习识别，根据所述至少一种物体建立信息库，对所述至少一种物体进行标注；其中，标注基于该物体的至少一种属性及其坐标信息，在进行初次点云深度学习识别后，可随机抽取样本进行识别精度的校验，对未识别的物体进行手动标注；
此外，还包括通过每次所述无人机模块10的巡检工作，利用所述深度学习单元23提高每次处理模块20的检测或识别物体的精度，同时对所述点云模型迭代。
可选的，所述处理模块20还包括可以分析所述点云模型以识别所述至少一种物体的至少一种属性，以及基于所述至少一种属性来更新与所述目标区域相关联的至少一个电子记录；其中，物体属性例如类型、配置、尺寸、重量、体积、占地面积等)。所述处理模块20可以基于至少一个属性进一步提供信息，例如通过从所述点云模型中呈现所测量物体的属性值(例如钢材的重量、砂石材料的体积)，从而进一步根据电子记录显示目标区域的项目计划和/或要求的属性值(或值的范围)，展示两者之间的差异，进而实现对物体进行监管或对项目进度进行追踪。
可选的，所述处理模块20还包括根据所述至少一种物体的坐标信息，识别所述至少一个物体相关的至少一个安全问题，并将所述至少一个安全问题记录在相关的所述至少一个电子记录中，根据物体位置的坐标信息，进行识别判断，该物体放置的位置是否会带来安全隐患，是否会造成安全问题，并生成与位置坐标信息相关联的安全问题记录。
如图5所示，基于本发明的一种实施例下的建筑材料的识别示意图，所述目标区域为一块建筑工地，其中，所述物体包括建筑材料，所述建筑材料可以包括钢材、砂石材料、水泥制品、保温吸音材料、防水材料或木材，在图中被识别到的建筑材料有SAND DUME(砂土)，以及停在建筑工地内的VEHICLE(车辆)，还包括此次识别到的但无法进行标识的其他物体UNSPECIFIED(未明确)。
实施例5
图4为一种监管建筑材料的方法流程图，如图4所示，具体步骤如下：
S1、使用所述无人机模块10扫描所述目标区域，获取所述目标区域的点云数据以及与所述点云数据相关的坐标信息；
S2、所述处理模块20根据所述点云数据和所述坐标信息建立点云模型，并分析所述点云模型以检测所述目标区域中的至少一种建筑材料，同时基于所述检测到的至少一种建筑材料更新与所述目标区域相关联的至少一个电子记录；
S3、所述信息存储模块30存储并根据所述至少一个电子记录建立可搜索的信息库，根据所述可搜索的信息库进行索引，实现对所述建筑材料进行追踪监管。
可选的，当目标区域为一个或多个建筑工地时，可搜索数据库可以包括与一个或多个建筑相关联的建筑材料有关的信息；在数据库中的建筑材料有关的信息可能包括建筑材料的属性、类型、配置、尺寸、重量、体积、位置，以此类推，本方法可以使用数据库，使用索引数据等方式进行搜索与建筑材料相关的信息。
在权利要求书中，词语“包括”不排除其他单元或步骤；词语“一”或“一个”并不排除多个。在权利要求书中，使用诸如“第一”“第二”等序数词来修饰权利要求元素本身并不意味着一个权利要求元素具有较另外一个权利要求元素的优先级、次序或者动作执行的时间顺序，而仅仅出于将一个权利要求的元素与另一个权利要求元素相区别的目的。尽管在互不相同的从属权利要求中分别记载了某些特定技术特征，但这并不意味着这些特定技术特征不能被组合利用。本发明的各个方面可单独、组合或者以未在前述实施例中具体讨论的各种安排来使用，从而并不将其应用限于前文所描述或附图中所示的组件的细节和排列。例如，可使用任何方式将一个实施例中描述的多个方面与其他实施例中描述的多个方面组合。多个模块或单元中所记载的步骤、功能或特征，可以由一个模块或一个单元执行或满足。本文所公开的方法的步骤不限于以任何特定的顺序执行，以其他的顺序执行部分或者全部的步骤时可能的。权利要求中的任何附图标记不应被解释为对权利要求范围的限制。
尽管为示例目的，已经公开了本发明的优选实施方式，但是本领域的普通技术人员将意识到，在不脱离由所附的权利要求书公开的本发明的范围和精神的情况下，各种改进、增加以及取代是可能的。
Claims (10)
1.一种监管建筑材料的系统，其特征在于，包括：
无人机模块，用于对目标区域进行扫描，包括：
数据采集单元，用于采集所述目标区域的地面信息，获取所述目标区域的点云数据；
定位单元，用于定位所述点云数据相关的至少一个位置，得到该位置的坐标信息；
数据传输单元，用于传输所述点云数据和所述坐标信息；
无人机本体，用于搭载所述数据采集单元、所述定位单元及所述数据传输单元；
处理模块，根据所述点云数据和所述坐标信息建立该目标区域的点云模型，并分析所述点云模型以检测到所述目标区域中的至少一种物体，以及基于检测到的至少一种物体更新与所述目标区域相关联的至少一个电子记录；
信息存储模块，存储所述至少一个电子记录并根据所述至少一个电子记录建立信息库，其中，更新所述至少一个电子记录，提供对所述目标区域的至少一种物体相关联的至少一个电子记录进行索引，实现对所述目标区域的至少一种物体的监管。
2.根据权利要求1所述的系统，其特征在于，所述处理模块包括：
模型构建单元，根据所述点云数据建立点云模型；
可视化单元，将所述坐标信息输入到所述点云模型中进行可视化，可视化包括根据所述点云模型对所述至少一种物体的位置进行显示，以及根据所述点云模型对至少一种物体的属性值进行测量；
深度学习单元，将所述点云模型加入到深度学习网络中，对所述至少一种物体进行点云深度学习识别，根据所述至少一种物体建立信息库，对所述至少一种物体进行标注；
其中，还包括通过每次所述无人机模块的工作，利用所述深度学习单元，对所述点云模型迭代。
3.根据权利要求1所述的系统，其特征在于，所述点云数据为对应于所述至少一种物体的三维坐标信息、颜色信息或反射强度信息。
4.根据权利要求1所述的系统，其特征在于，所述处理模块还包括根据所述至少一种物体的坐标信息，识别所述至少一个物体相关的至少一个安全问题，并将所述至少一个安全问题记录在相关的所述至少一个电子记录中。
5.根据权利要求1所述的系统，其特征在于，所述处理模块还包括：分析所述点云模型以识别所述至少一种物体的至少一种属性，以及基于所述至少一种属性来更新与所述目标区域相关联的至少一个电子记录。
6.根据权利要求1所述的系统，其特征在于，所述点云数据至少包括对应于第一时间点的第一点云数据和对应于第二时间点的第二点云数据，所述第一时间点和所述第二时间点之间经过的时间至少为24小时，并且所述信息对比模块对至少一个电子记录的更新基于所述第一点云数据和所述第二点云数据的对比。
7.根据权利要求1所述的系统，其特征在于，所述数据采集单元包括：
至少一个激光传感器，通过激光技术对所述目标区域进行扫描，获取所述目标区域的点云数据。
8.根据权利要求1所述的系统，其特征在于，
所述数据采集单元还包括图像传感器，用于采集所述目标区域的图像数据；
所述处理单元包括从所述图像数据中提取所述目标区域的图像纹理，用于构造实景三维模型。
9.根据权利要求1所述的系统，其特征在于，所述目标区域包括建筑工地，所述物体包括建筑材料，所述建筑材料包括钢材、砂石材料、水泥制品、保温吸音材料、防水材料或木材。
10.一种使用如权利要求1-9任意一项所述的系统进行监管建筑材料的方法，其特征在于，包括步骤如下：
S1、使用所述无人机模块扫描所述目标区域，获取所述目标区域的点云数据以及与所述点云数据相关的坐标信息；
S2、所述处理模块根据所述点云数据和所述坐标信息建立点云模型，并分析所述点云模型以检测所述目标区域中的至少一种建筑材料，同时基于所述检测到的至少一种建筑材料更新与所述目标区域相关联的至少一个电子记录；
S3、所述信息存储模块存储并根据所述至少一个电子记录建立可搜索的信息库，根据所述可搜索的信息库进行索引，实现对所述建筑材料进行追踪监管。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110608716.XA CN113343016B (zh) | 2021-06-01 | 2021-06-01 | 一种监管建筑材料的系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110608716.XA CN113343016B (zh) | 2021-06-01 | 2021-06-01 | 一种监管建筑材料的系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113343016A true CN113343016A (zh) | 2021-09-03 |
| CN113343016B CN113343016B (zh) | 2023-06-16 |
Family
ID=77474158
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110608716.XA Active CN113343016B (zh) | 2021-06-01 | 2021-06-01 | 一种监管建筑材料的系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113343016B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115439949A (zh) * | 2022-08-30 | 2022-12-06 | 中建三局智能技术有限公司 | 机器人自动巡检方法、装置、设备及存储介质 |
| CN116308083A (zh) * | 2023-02-27 | 2023-06-23 | 广东博嘉拓建筑科技有限公司 | 一种基于建筑机器人的多任务材料管控方法及系统 |
| TWI816550B (zh) * | 2022-09-15 | 2023-09-21 | 遠東資源開發股份有限公司 | 數位不動產點交方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106600680A (zh) * | 2015-10-20 | 2017-04-26 | 星际空间（天津）科技发展有限公司 | 一种建筑物体框模型批量精细三维建模方法 |
| CN106970375A (zh) * | 2017-02-28 | 2017-07-21 | 河海大学 | 一种机载激光雷达点云中自动提取建筑物信息的方法 |
| US20180158235A1 (en) * | 2016-12-01 | 2018-06-07 | Here Global B.V. | Method and apparatus for generating a cleaned object model for an object in a mapping database |
| CN108898662A (zh) * | 2018-05-30 | 2018-11-27 | 中国人民解放军陆军勤务学院 | 基于点云数据的管线设施bim模型自动化重建方法 |
| US20190325089A1 (en) * | 2018-04-18 | 2019-10-24 | Reconstruct Inc. | Computation of point clouds and joint display of point clouds and building information models with project schedules for monitoring construction progress, productivity, and risk for delays |
| CN110428490A (zh) * | 2018-04-28 | 2019-11-08 | 北京京东尚科信息技术有限公司 | 构建模型的方法和装置 |
| US20190347867A1 (en) * | 2018-05-10 | 2019-11-14 | Samsung Electronics Co., Ltd. | Method and apparatus for processing three dimensional object image using point cloud data |
| CN112233056A (zh) * | 2020-10-16 | 2021-01-15 | 北京恒华伟业科技股份有限公司 | 一种多源数据的点云融合方法、装置和存储介质 |
| CN112367514A (zh) * | 2020-10-30 | 2021-02-12 | 京东方科技集团股份有限公司 | 三维场景构建方法、装置、系统和存储介质 |
-
2021
- 2021-06-01 CN CN202110608716.XA patent/CN113343016B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106600680A (zh) * | 2015-10-20 | 2017-04-26 | 星际空间（天津）科技发展有限公司 | 一种建筑物体框模型批量精细三维建模方法 |
| US20180158235A1 (en) * | 2016-12-01 | 2018-06-07 | Here Global B.V. | Method and apparatus for generating a cleaned object model for an object in a mapping database |
| CN106970375A (zh) * | 2017-02-28 | 2017-07-21 | 河海大学 | 一种机载激光雷达点云中自动提取建筑物信息的方法 |
| US20190325089A1 (en) * | 2018-04-18 | 2019-10-24 | Reconstruct Inc. | Computation of point clouds and joint display of point clouds and building information models with project schedules for monitoring construction progress, productivity, and risk for delays |
| CN110428490A (zh) * | 2018-04-28 | 2019-11-08 | 北京京东尚科信息技术有限公司 | 构建模型的方法和装置 |
| US20190347867A1 (en) * | 2018-05-10 | 2019-11-14 | Samsung Electronics Co., Ltd. | Method and apparatus for processing three dimensional object image using point cloud data |
| CN108898662A (zh) * | 2018-05-30 | 2018-11-27 | 中国人民解放军陆军勤务学院 | 基于点云数据的管线设施bim模型自动化重建方法 |
| CN112233056A (zh) * | 2020-10-16 | 2021-01-15 | 北京恒华伟业科技股份有限公司 | 一种多源数据的点云融合方法、装置和存储介质 |
| CN112367514A (zh) * | 2020-10-30 | 2021-02-12 | 京东方科技集团股份有限公司 | 三维场景构建方法、装置、系统和存储介质 |
Non-Patent Citations (4)
| Title |
|---|
| 李亮: "基于机载LiDAR数据的建筑物快速三维建模", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
| 李亮: "基于机载LiDAR数据的建筑物快速三维建模", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》, 15 February 2017 (2017-02-15) * |
| 王凯: "基于点云特征提取的V型焊缝焊接系统研究", 中国优秀硕士学位论文全文数据库工程科技Ⅰ辑 * |
| 赖伟斌;张云生;杜守基;邹峥嵘;王伟玺;李晓明;: "一种三维实景模型单体建筑物提取方法", 测绘与空间地理信息, no. 04 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115439949A (zh) * | 2022-08-30 | 2022-12-06 | 中建三局智能技术有限公司 | 机器人自动巡检方法、装置、设备及存储介质 |
| TWI816550B (zh) * | 2022-09-15 | 2023-09-21 | 遠東資源開發股份有限公司 | 數位不動產點交方法 |
| CN116308083A (zh) * | 2023-02-27 | 2023-06-23 | 广东博嘉拓建筑科技有限公司 | 一种基于建筑机器人的多任务材料管控方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113343016B (zh) | 2023-06-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113343016B (zh) | 一种监管建筑材料的系统及方法 | |
| US11747477B2 (en) | Data collecting method and system | |
| Pučko et al. | Automated continuous construction progress monitoring using multiple workplace real time 3D scans | |
| Li et al. | Applications of multirotor drone technologies in construction management | |
| Otero et al. | Mobile indoor mapping technologies: A review | |
| US20230306674A1 (en) | Removable sensor payload system for unmanned aerial vehicle performing media capture and property analysis | |
| US10726167B2 (en) | Method and apparatus for determining a direction of interest | |
| CN104067145B (zh) | 剪枝机器人系统 | |
| KR20200121274A (ko) | 전자 지도를 업데이트하기 위한 방법, 장치 및 컴퓨터 판독 가능한 저장 매체 | |
| CN108027909B (zh) | 建筑材料管理系统与建筑材料管理方法 | |
| EP2297941B1 (en) | Image acquisition | |
| US20190285412A1 (en) | System and method for automatically acquiring two-dimensional images and three-dimensional point cloud data of a field to be surveyed | |
| US20200225660A1 (en) | Geocoding data for an automated vehicle | |
| CN106842193B (zh) | 道路检测信息的处理方法、装置和系统 | |
| EP3851793B1 (en) | Creating a ground control point file using an existing landmark shown in images | |
| Federman et al. | UAV photgrammetric workflows: A best practice guideline | |
| US20230162394A1 (en) | Aligning and Augmenting a Partial Subspace of a Physical Infrastructure with at Least One Information Element | |
| US20200242282A1 (en) | Apparatus for operation of connected infrastructure | |
| Zhuravska et al. | Detection the places of the heat energy leak on the underground thermal pipelines using the computer system | |
| Mourtzis et al. | Unmanned Aerial Vehicle (UAV) path planning and control assisted by Augmented Reality (AR): The case of indoor drones | |
| US11947354B2 (en) | Geocoding data for an automated vehicle | |
| Baeck et al. | Drone based near real-time human detection with geographic localization | |
| CN111562547B (zh) | 一种监测元件3d可视化方法及系统 | |
| Milz et al. | The H AI nich: A multidisciplinary vision data-set for a better understanding of the forest ecosystem | |
| Gubanov et al. | Algorithms and software for evaluation of plant height in vertical farm using uavs |
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 |