CN113538373A - 一种基于三维点云的施工进度自动检测方法 - Google Patents
一种基于三维点云的施工进度自动检测方法 Download PDFInfo
- Publication number
- CN113538373A CN113538373A CN202110797008.5A CN202110797008A CN113538373A CN 113538373 A CN113538373 A CN 113538373A CN 202110797008 A CN202110797008 A CN 202110797008A CN 113538373 A CN113538373 A CN 113538373A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- voxel
- progress
- algorithm
- field
- 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
Links
- 238000010276 construction Methods 0.000 title claims abstract description 45
- 238000001514 detection method Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 43
- 230000008447 perception Effects 0.000 claims abstract description 24
- 238000012800 visualization Methods 0.000 claims abstract description 6
- 238000005070 sampling Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 7
- 238000000513 principal component analysis Methods 0.000 claims description 5
- 238000004040 coloring Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000012847 principal component analysis method Methods 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 8
- 230000000007 visual effect Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于三维点云的施工进度自动检测方法,包括如下步骤:将计划BIM模型和现场建筑图片序列发送至点云获取模块,点云获取模块根据计划BIM模型生成现场建筑点云和计划BIM点云发送至点云配准模块,点云获取模块分析现场建筑图片序列得到的现场相机内外参和矫正的现场图片发送至进度感知模块,点云配准模块对现场建筑点云和计划BIM点云配准,将两点云的配准结果发送至进度感知模块,进度感知模块根据相机参数、现场图片、配准后的计划点云和现场点云,通过算法推理生成四种不同的体素进度感知标签,实现施工进度的自动检测。本发明有效提升建设效率和建设质量,以及进度感知自动化、数字化和可视化程度,提高智慧建造发展水平。
Description
技术领域
本发明涉及BIM、三维重建、图像采集、点云配准等技术领域,特别是涉及一种基于三维点云的施工进度自动检测方法。
背景技术
当前,在智慧建造这一基础设施建设领域,我国与发达国家仍存在不小差距。将新一代信息技术与传统建筑业深度融合,促进建筑工业化、数字化、智能化升级,是我国抢占建筑业未来科技发展高地的战略选择。
现阶段,智慧建造中的项目控制仍采用传统的人工检验方法,进度感知自动化、数字化和可视化程度不足。在进度感知应用中,在建建筑点云和设计BIM模型点云仍采用手动或者半自动的配准方法。在再制造零件修复应用中,待修复空间的提取仍然采用借助点云处理软件手动选取的方法。在项目进度感知应用中,现场数据采集环境可能极为复杂,采集的现场数据很难完整地反映出现场在建建筑的全部元素。
发明内容
针对上述背景技术中存在的问题,本发明为提升项目进度自动化程度,降低人工主观操作干扰,保证采集数据完整性,提出的现场在建建筑和计划BIM模型进度自动检测方法主要由点云数据获得、点云空间配准、进度感知这三个管道流程组成。通过现场建筑点云数据获得计划BIM模型的点云表征;通过点云空间配准实现了现场建筑点云和计划BIM点云的空间一致性;最后,联合配准后的点云以及现场图像等其他信息实现施工进度检测。
为解决上述技术问题,本发明采用如下技术方案:一种基于三维点云的施工进度自动检测方法。包括如下步骤:
S1.将计划BIM模型和现场建筑图片序列发送至点云获取模块;
S2.点云获取模块根据计划BIM模型,结合摄影测量方法用STL面片随机采样方法生成现场建筑点云和计划BIM点云,并发送至点云配准模块;
S3.点云获取模块分析现场建筑图片序列,生成现场相机内外参和矫正的现场图片,并发送至进度感知模块;
S4.点云配准模块对现场建筑点云和计划BIM点云进行配准,考虑点云尺度差异问题,结合主成分分析OBB包围盒点云尺度估计算法和双向距离的Scale-ICP点云精配准算法生成两种点云配准结果,并发送至进度感知模块;
S5.进度感知模块根据相机参数、现场图片、配准后的计划点云和现场点云,通过点云孔洞推理算法和点云遮挡推理算法,生成四种不同的体素进度感知标签,完成施工进度的自动检测。
进一步,所述步骤S2中,所述的STL面片随机采样的点云生成方法,以点云数据到STL数据映射的完整性、均匀性和随机性为主要目标。以三角面片面积大小为指标,随机等概率地选择一个三角面片;在选定三角面片的基础上,随机等概率地生成一个离散点;通过循环上述操作,最终从STL文件中生成既定数量的点云。
进一步,所述步骤S4中,所述的主成分分析OBB包围盒点云尺度估计算法方法具体步骤包含如下子步骤:
S41:利用主成分分析法,计算两点云主轴;
S42:将两点云投影在主轴的三个平面上,绘制OBB包围盒;
S43:以两点云OBB包围盒体积比的立方根作为最终尺度估计值;
S44:算法结束。
进一步,所述步骤S4中,所述的双向距离的Scale-ICP点云精配准算法方法,对传统最近点迭代(ICP)算法进行改进,构建一个Scale-ICP精配准算法。在传统的ICP算法的平移向量和旋转矩阵之外引入尺度因子s,解决点云尺度不一问题,并引入判断是否由外点的逻辑变量ω和用于衡量对应点关系可靠性的连续变量ρ,从而实现两点云的精配准。
进一步,所述步骤S5中,所述施工进度检测算法方法具体包含如下子步骤:
S51:利用八叉树算法将配准后的点云进行体素化处理,并计算体素可见性顺序。体素可见性顺序衡量了该体素被遮挡的可能性大小;
S52:按照体素可见性顺序,遍历体素。若该体素其既包含现场建筑点云又包含计划BIM点云,则标记该体素为进度正常;若其仅包含现场点云,则标记该体素为进度超前;
S53:若该体素仅包含计划点云,则进一步利用点云遮挡推理算法判断其是否被遮挡。若其被遮挡,则标记该体素为进度遮挡;
S54:若该体素未被推理为进度遮挡,则进一步利用点云孔洞推理算法判断该体素是否为孔洞。若该体素被推理为孔洞,则标记该体素为进度滞后。否则,标记该体素为进度正常;
S55:继续遍历下一体素,重复Step2至Step4,直至所有体素均被标记。根据体素标记信息,对进度感知结果进行点云着色可视化处理。
S56:算法结束。
与现有技术相比,本发明的有益效果在于:
本发明基于智慧建造中施工进度感知问题现状,利用三维重建技术、点云自动配准技术、点云至图像映射技术及BIM技术,提出一种高度自动化的施工进度检测方法,实现通过现场在建建筑点云和计划BIM模型点云对比进行施工进度自动化监测。分析施工进度感知问题的数据逻辑和运算逻辑,提升建设效率和建设质量,以及进度感知自动化、数字化和可视化程度,提高智慧建造发展水平。
附图说明
图1为本发明系统整体框架图;
图2为本发明点云获取模块流程图;
图3为本发明点云配准模块流程图;
图4为本发明进度感知模块流程图。
具体实施方法
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面将结合附图及实施例对本发明作进一步说明,本发明提出一种基于三维点云的施工进度自动检测方法,利用三维重建、图像采集、点云配准,实现实现通过现场在建建筑点云和计划BIM模型点云对比进行施工进度自动化监测。其具体包括如下步骤:
S1.将计划BIM模型和现场建筑图片序列发送至点云获取模块;
S2.点云获取模块根据计划BIM模型,结合摄影测量方法用STL面片随机采样方法生成现场建筑点云和计划BIM点云,并发送至点云配准模块;
S3.点云获取模块分析现场建筑图片序列,生成现场相机内外参和矫正的现场图片,并发送至进度感知模块;
S4.点云配准模块对现场建筑点云和计划BIM点云进行配准,考虑点云尺度差异问题,结合主成分分析OBB包围盒点云尺度估计算法和双向距离的Scale-ICP点云精配准算法生成两种点云配准结果,并发送至进度感知模块;
S5.进度感知模块根据相机参数、现场图片、配准后的计划点云和现场点云,通过点云孔洞推理算法和点云遮挡推理算法,生成四种不同的体素进度感知标签,完成施工进度的自动检测。
在上述实施例中,如图1所示为一种基于三维点云的施工进度自动检测方法整体框架图,该方法由点云获取、点云配准以及进度感知三大模块组成。其中,点云获取模块为点云配准模块和进度感知模块提供图像和点云数据支持,以获取点云的完整度和精度,采用张正友标定法和基于序列图像的三维重建技术获得现场建筑点云;点云配准模块考虑现场建筑点云和BIM计划点云的配准性质,采用由粗到精的两阶段配准策略实现两点云配准,为进度感知模块提供空间一致性基础;进度感知模块负责计算并输出进度感知结果,考虑现场建筑点云表征现场建筑不完整,即可能存在点云遮挡和点云孔洞情况,将点云遮挡推理算法、点云孔洞推理算法和八叉树算法有机结合,实现体素级别的施工进度感知。将计划BIM模型和现场建筑图片序列输入到点云获取模块,点云获取模块通过一定方法输出的现场建筑点云和计划BIM点云作为点云配准模块的输入,得到配准后的现场建筑点云及配准后的计划BIM点云,将这两个配准后的点云以及点云获取模块输出的现场相机内外参和矫正的现场图片作为进度感知模块的输入,最终输出四种不同的体素进度标签,实现施工进度的自动检测。
点云获取模块具体流程如图2所示。点云的获取主要分为两个部分,第一部分是现场建筑点云的获取,现场点云的获取主要采取的技术是基于序列图像的三维重建技术,该技术的首要步骤是获取相机内参,本发明采用张正友标定法,利用两次极大似然估计获得相机内参。之后,利用相机对现场建筑进行大量和全方位的现场图片采集,利用采集的现场图片进行基于序列图像的三维重建算法处理。首先,利用SFM稀疏重建算法获取稀疏点云,其次,将稀疏点云、相机内外参以及校正后的现场图片输入至MVS稠密重建算法得到稠密点云,MVS算法步骤如下:
Step1:对现场图像进行领域对选择;
Step2:利用领域图像对逐像素地为匹配图像深度估计,获取图像深度图;
Step3:对合并后的图像深度图产生的冗余值进行深度融合处理;
Step4:重复上述三个步骤,获得唯一的现场图像各个像素的深度值,将像素重投影至世界坐标系获得稠密点云,算法结束。
第二部分是计划BIM点云的获取。首先,将BIM的RVT格式转换为三角面片(STL)格式;然后采用基于STL面片随机采样的点云生成方法实现逆向点云采样,定义三角面片中携带的三个顶点空间位置坐标SEQ是一个递增的序列,该序列中第i个元素为第一个三角面片到第i个三角面片的累加面积和。易知,seqN为STL所有三角面片的面积和。具体步骤如下:
Step2:选定采样点的采样面片,生成一个取值范围在1-seqN的随机数r,利用二分查找法index=l)wer_b)und(SEQ,r)在递增SEQ序列中,查找其面片索引index;
Step3:在选定的采样面片上生成点云离散点,利用 实现在给定三角面片的随机采样。其中0为采样点空间坐标;(v1,v2,v3)是选定采样面片的三个顶点空间坐标;r1,r2为随机数,r1,r2~U[0,1];
Step4:重复Step2和Step3,直到采样生成的点离散点数量达到既定值;
Step5:将生成的所有采样点以PLY点云格式输出形成点云文件,算法结束。
图3表示点云配准模块流程图。该模块主要分为四个部分。
1.点云预处理。现场点云和计划点云都属于未经处理的原始点云,如果直接用于配准算法会导致结果失真和算法效率降低,故要对原始点云进行预处理。首先,采用双边滤波算法对点云进行去噪滤波处理;然后,选定非均匀网格法作为点云数据精简算法对点云数据进行缩减。
2.点云尺度粗估计。考虑现场建筑点云和计划BIM点云的尺度不一,提出基于OBB包围盒(Oriented Bounding Box)的点云尺度估计算法以保持两点云尺度一致。具体步骤如下:
Step1:利用主成分分析法,计算两点云主轴;
Step2:将两点云投影在主轴的三个平面上,绘制OBB包围盒;
3.点云粗配准。粗配准方法采用基于特征的粗配准算法,通过对目标点云和源点云进行特征提取、特征描述、特征匹配、误匹配删除这一流程实现点云粗配准。
4.点云精配准。对传统最近点迭代(ICP)算法进行改进,构建一个Scale-ICP精配准算法。在传统的ICP算法的平移向量和旋转矩阵之外引入尺度因子s,解决点云尺度不一问题,并引入判断是否由外点的逻辑变量ω和用于衡量对应点关系可靠性的连续变量ρ,从而实现两点云的精配准。
图4表示进度感知模块的具体流程。该模块是施工进度自动检测方法最重要的部分。现场建筑点云和计划BIM点云在配准后进行空间占有比对,即可得到两点云的空间差异,记录此差异可以完成施工进度检测工作。但在实际应用中会出现点云遮挡和点云孔洞等因素,现场建筑点云不能完整的表征现场在建建筑,所以本发明设计了一个由八叉树算法、点云遮挡推理算法、点云孔洞推理算法有机组合,考虑现场建筑点云表征不完备的施工进度检测算法。
施工进度检测算法具体步骤如下:
S51:利用八叉树算法将配准后的点云进行体素化处理,并计算体素可见性顺序。体素可见性顺序衡量了该体素被遮挡的可能性大小;
S52:按照体素可见性顺序,遍历体素。若该体素其既包含现场建筑点云又包含计划BIM点云,则标记该体素为进度正常;若其仅包含现场点云,则标记该体素为进度超前;
S53:若该体素仅包含计划点云,则进一步利用点云遮挡推理算法判断其是否被遮挡。若其被遮挡,则标记该体素为进度遮挡;
S54:若该体素未被推理为进度遮挡,则进一步利用点云孔洞推理算法判断该体素是否为孔洞。若该体素被推理为孔洞,则标记该体素为进度滞后。否则,标记该体素为进度正常;
S55:继续遍历下一体素,重复Step2至Step4,直至所有体素均被标记。根据体素标记信息,对进度感知结果进行点云着色可视化处理;
S56:算法结束。
点云遮挡:指一个计划BIM点云中某一部分被遮挡,即指该部分计划BIM点云对应的现实在建建筑部件无法被现场的任意一个相机观测。在不具备更多先验信息和假设的基础上,现场在建建筑和计划BIM模型关于被遮挡部件的空间差异状态理论上无法通过现场建筑图像和现场建筑点云判别。因此,本发明设计了一种基于顺序可见性约束的点云遮挡推理算法,其具体步骤为:
Step1:初始化。首先对联合点云进行体素化,根据距离函数计算每个体素的顺序可见性;当体素在所有相机投影的初始化值像素数小于阈值时,即被推理为遮挡;
Step2:重投影。按顺序可见性遍历体素,将体素投影至现场相机上得到投影区域;
Step3:更新遮挡位图。当存在图片像素已被其他相机观测,则表示为非初始化值的新值。通过计算遮挡位图在投影区域的初始值像素数量将投影区域的值更新为新值;
Step4:遮挡判断。统计体素在所有相机中的投影像素数量,小于遮挡检测阈值则判断为遮挡,算法结束。
点云孔洞:当点云空间存在与之对应的现场在建建筑元素且现场相机也观测到该体素,然而,由于现场阴影、光照等因素,三维重建算法并未重建出该现场在建建筑元素,此场景属于点云孔洞问题。针对这一现象,本发明设计了基于视觉一致性约束的点云孔洞推理算法,具体步骤为:
Step1:算法初始化。将现场图像由RGB颜色空间变换到HSV颜色空间,设定最小像素数量阈值,统计各直方图相似度平均值大于此阈值时认为改组图像patch满足视觉一致性约束;
Step2:孔洞重投影得到现场图像patch。按照顺序可见性遍历点云孔洞的每个体素,利用重投影方法将其投影到现场每个可观测到该体素的相机上;
Step3:计算现场图像patch的HSV直方图,计算后每个图像patch由一64维颜色特征向量表征;
上述实施例只是用于对本发明的举例和说明,而非意在将本发明限制于所描述的实施例范围内。此外本领域技术人员可以理解的是,本发明不局限于上述实施例,根据本发明教导还可以做出更多种的变型和修改,这些变型和修改均落在本发明所要求保护的范围内。
Claims (5)
1.一种基于三维点云的施工进度自动检测方法,其特征在于,包括如下步骤:
S1.将计划BIM模型和现场建筑图片序列发送至点云获取模块;
S2.点云获取模块根据计划BIM模型,结合摄影测量方法用STL面片随机采样方法生成现场建筑点云和计划BIM点云,并发送至点云配准模块;
S3.点云获取模块分析现场建筑图片序列,生成现场相机内外参和矫正的现场图片,并发送至进度感知模块;
S4.点云配准模块对现场建筑点云和计划BIM点云进行配准,考虑点云尺度差异问题,结合主成分分析OBB包围盒点云尺度估计算法和双向距离的Scale-ICP点云精配准算法生成两种点云配准结果,并发送至进度感知模块;
S5.进度感知模块根据相机参数、现场图片、配准后的计划点云和现场点云,通过点云孔洞推理算法和点云遮挡推理算法,生成四种不同的体素进度感知标签,完成施工进度的自动检测。
2.根据权利要求1所述的一种基于三维点云的施工进度自动检测方法,其特征在于,所述步骤S2中,所述的STL面片随机采样的点云生成方法,以点云数据到STL数据映射的完整性、均匀性和随机性为主要目标;以三角面片面积大小为指标,随机等概率地选择一个三角面片;在选定三角面片的基础上,随机等概率地生成一个离散点;通过循环上述操作,最终从STL文件中生成既定数量的点云。
3.根据权利要求1所述的一种基于三维点云的施工进度自动检测方法,其特征在于,所述步骤S4中,所述的主成分分析OBB包围盒点云尺度估计算法方法具体步骤包含如下子步骤:
S41:利用主成分分析法,计算两点云主轴;
S42:将两点云投影在主轴的三个平面上,绘制OBB包围盒;
S43:以两点云OBB包围盒体积比的立方根作为最终尺度估计值;
S44:将计算出的尺度应用至源点云,算法结束。
4.根据权利要求1所述的一种基于三维点云的施工进度自动检测方法,其特征在于,所述步骤S4中,所述的双向距离的Scale-ICP点云精配准算法方法,对传统最近点迭代(ICP)算法进行改进,构建一个Scale-ICP精配准算法;在传统的ICP算法的平移向量和旋转矩阵之外引入尺度因子s,解决点云尺度不一问题,并引入判断是否由外点的逻辑变量ω和用于衡量对应点关系可靠性的连续变量ρ,从而实现两点云的精配准。
5.根据权利要求1所述的一种基于三维点云的施工进度自动检测方法,其特征在于,所述步骤S5中,所述施工进度检测算法方法具体包含如下子步骤:
S51:利用八叉树算法将配准后的点云进行体素化处理,并计算体素可见性顺序;体素可见性顺序衡量了该体素被遮挡的可能性大小;
S52:按照体素可见性顺序,遍历体素;若该体素其既包含现场建筑点云又包含计划BIM点云,则标记该体素为进度正常;若其仅包含现场点云,则标记该体素为进度超前;
S53:若该体素仅包含计划点云,则进一步利用点云遮挡推理算法判断其是否被遮挡;若其被遮挡,则标记该体素为进度遮挡;
S54:若该体素未被推理为进度遮挡,则进一步利用点云孔洞推理算法判断该体素是否为孔洞;若该体素被推理为孔洞,则标记该体素为进度滞后;否则,标记该体素为进度正常;
S55:继续遍历下一体素,重复Step2至Step4,直至所有体素均被标记;根据体素标记信息,对进度感知结果进行点云着色可视化处理;
S56:算法结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110797008.5A CN113538373A (zh) | 2021-07-14 | 2021-07-14 | 一种基于三维点云的施工进度自动检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110797008.5A CN113538373A (zh) | 2021-07-14 | 2021-07-14 | 一种基于三维点云的施工进度自动检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113538373A true CN113538373A (zh) | 2021-10-22 |
Family
ID=78099123
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110797008.5A Pending CN113538373A (zh) | 2021-07-14 | 2021-07-14 | 一种基于三维点云的施工进度自动检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113538373A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114898235A (zh) * | 2022-07-13 | 2022-08-12 | 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 |
CN115131520A (zh) * | 2022-09-01 | 2022-09-30 | 武汉天际航信息科技股份有限公司 | 基于三维点云的建筑施工监测方法、装置、设备和产品 |
CN115239873A (zh) * | 2022-06-22 | 2022-10-25 | 同济大学 | 基于深度图的建筑物的细粒度化分划与场景图组织方法 |
WO2023178729A1 (zh) * | 2022-03-24 | 2023-09-28 | 香港大学深圳研究院 | 一种基于bim和视频监控的博物馆参观分析的方法及系统 |
CN118052447A (zh) * | 2024-02-08 | 2024-05-17 | 江苏濠汉信息技术有限公司 | 一种施工进度实时检测方法及系统 |
CN118247669A (zh) * | 2024-05-28 | 2024-06-25 | 自然资源部第六地形测量队(自然资源部地下管线勘测工程院、四川省第三测绘工程院) | 一种违章建筑的检测方法、装置、电子设备及存储介质 |
CN118365821A (zh) * | 2024-06-19 | 2024-07-19 | 江西省送变电工程有限公司 | 一种工程进度视觉管理方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107704889A (zh) * | 2017-10-30 | 2018-02-16 | 沈阳航空航天大学 | 一种面向数字化检测的mbd模型阵列特征快速标注方法 |
CN112070884A (zh) * | 2020-08-29 | 2020-12-11 | 南京翱翔信息物理融合创新研究院有限公司 | 一种同步实现三维重建和ar虚实注册的方法、系统及装置 |
CN112633657A (zh) * | 2020-12-16 | 2021-04-09 | 中冶建筑研究总院有限公司 | 一种施工质量管理方法、装置、设备及存储介质 |
CN112687010A (zh) * | 2021-01-08 | 2021-04-20 | 中国计量大学 | 一种端框钻模的数字化计量方法 |
-
2021
- 2021-07-14 CN CN202110797008.5A patent/CN113538373A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107704889A (zh) * | 2017-10-30 | 2018-02-16 | 沈阳航空航天大学 | 一种面向数字化检测的mbd模型阵列特征快速标注方法 |
CN112070884A (zh) * | 2020-08-29 | 2020-12-11 | 南京翱翔信息物理融合创新研究院有限公司 | 一种同步实现三维重建和ar虚实注册的方法、系统及装置 |
CN112633657A (zh) * | 2020-12-16 | 2021-04-09 | 中冶建筑研究总院有限公司 | 一种施工质量管理方法、装置、设备及存储介质 |
CN112687010A (zh) * | 2021-01-08 | 2021-04-20 | 中国计量大学 | 一种端框钻模的数字化计量方法 |
Non-Patent Citations (2)
Title |
---|
SHIHUI YING ET AL.: "A Scale Stretch Method Based On ICP for 3D Data Registration", IEEE TRANSACTION ON AUTOMATION SCIENCE & ENGINEERING, 31 July 2009 (2009-07-31), pages 559 - 565, XP011331844, DOI: 10.1109/TASE.2009.2021337 * |
亓强强等: "基于三维点云的施工进度自动检测方法", 自动化与仪表, 31 August 2021 (2021-08-31), pages 63 - 69 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023178729A1 (zh) * | 2022-03-24 | 2023-09-28 | 香港大学深圳研究院 | 一种基于bim和视频监控的博物馆参观分析的方法及系统 |
CN115239873A (zh) * | 2022-06-22 | 2022-10-25 | 同济大学 | 基于深度图的建筑物的细粒度化分划与场景图组织方法 |
CN114898235A (zh) * | 2022-07-13 | 2022-08-12 | 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 |
CN115131520A (zh) * | 2022-09-01 | 2022-09-30 | 武汉天际航信息科技股份有限公司 | 基于三维点云的建筑施工监测方法、装置、设备和产品 |
CN116051778A (zh) * | 2022-09-01 | 2023-05-02 | 武汉天际航信息科技股份有限公司 | 基于三维点云的建筑施工监测方法、设备和存储介质 |
CN118052447A (zh) * | 2024-02-08 | 2024-05-17 | 江苏濠汉信息技术有限公司 | 一种施工进度实时检测方法及系统 |
CN118247669A (zh) * | 2024-05-28 | 2024-06-25 | 自然资源部第六地形测量队(自然资源部地下管线勘测工程院、四川省第三测绘工程院) | 一种违章建筑的检测方法、装置、电子设备及存储介质 |
CN118247669B (zh) * | 2024-05-28 | 2024-07-26 | 自然资源部第六地形测量队(自然资源部地下管线勘测工程院、四川省第三测绘工程院) | 一种违章建筑的检测方法、装置、电子设备及存储介质 |
CN118365821A (zh) * | 2024-06-19 | 2024-07-19 | 江西省送变电工程有限公司 | 一种工程进度视觉管理方法及系统 |
CN118365821B (zh) * | 2024-06-19 | 2024-09-10 | 江西省送变电工程有限公司 | 一种工程进度视觉管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113538373A (zh) | 一种基于三维点云的施工进度自动检测方法 | |
CN109872397B (zh) | 一种基于多目立体视觉的飞机零件的三维重建方法 | |
CN106709947B (zh) | 一种基于rgbd相机的三维人体快速建模系统 | |
Xu et al. | Reconstruction of scaffolds from a photogrammetric point cloud of construction sites using a novel 3D local feature descriptor | |
CN111815757A (zh) | 基于图像序列的大型构件三维重建方法 | |
CN110473221B (zh) | 一种目标物体自动扫描系统及方法 | |
JP2016128810A (ja) | 奥行きカメラを校正する方法 | |
CN114550021B (zh) | 基于特征融合的表面缺陷检测方法及设备 | |
CN107004266A (zh) | 检测轮胎表面上缺陷的方法 | |
CN117274756A (zh) | 基于多维特征配准的二维图像与点云的融合方法及装置 | |
Cohen et al. | Virtual reconstruction of archeological vessels using expert priors and intrinsic differential geometry information | |
CN115222884A (zh) | 一种基于人工智能的空间对象分析及建模优化方法 | |
Mousa et al. | Building detection and regularisation using DSM and imagery information | |
Zhang et al. | Lidar-guided stereo matching with a spatial consistency constraint | |
CN116805356A (zh) | 建筑模型的构建方法、设备及计算机可读存储介质 | |
CN111079826A (zh) | 融合slam和图像处理的施工进度实时识别方法 | |
CN114612412A (zh) | 三维点云数据的处理方法及其用途、电子设备、存储介质 | |
CN118247429A (zh) | 一种空地协同快速三维建模方法及系统 | |
CN118015190A (zh) | 一种数字孪生模型的自主构建方法及装置 | |
CN110969650B (zh) | 一种基于中心投影的强度图像与纹理序列间的配准方法 | |
CN116612091A (zh) | 一种基于多视角视图匹配的施工进度自动估计的方法 | |
CN113487741B (zh) | 稠密三维地图更新方法及装置 | |
Tylecek et al. | Depth map fusion with camera position refinement | |
Arevalo et al. | Improving piecewise linear registration of high-resolution satellite images through mesh optimization | |
He et al. | 3D reconstruction of Chinese hickory trees for mechanical harvest |
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 |