CN114494274A - 建筑施工评估方法、装置、电子设备及存储介质 - Google Patents
建筑施工评估方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114494274A CN114494274A CN202210328043.7A CN202210328043A CN114494274A CN 114494274 A CN114494274 A CN 114494274A CN 202210328043 A CN202210328043 A CN 202210328043A CN 114494274 A CN114494274 A CN 114494274A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- building
- actual
- design
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 76
- 238000009435 building construction Methods 0.000 title claims abstract description 42
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 238000013461 design Methods 0.000 claims abstract description 132
- 238000010276 construction Methods 0.000 claims abstract description 59
- 238000000034 method Methods 0.000 claims abstract description 48
- 230000011218 segmentation Effects 0.000 claims abstract description 24
- 238000009826 distribution Methods 0.000 claims description 65
- 230000015654 memory Effects 0.000 claims description 30
- 238000005034 decoration Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000013136 deep learning model Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000013519 translation Methods 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
- G06T7/10—Segmentation; Edge detection
-
- 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
- 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
- G06T7/50—Depth or shape recovery
-
- 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
- G06T2207/10028—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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及建筑施工领域，具体涉及一种建筑施工评估方法、装置、电子设备及存储介质。该方法包括：获取目标建筑物的实际点云数据；对实际点云数据进行语义分割，确定目标建筑物中建筑构件的点云数据；基于建筑构件的点云数据进行模型重建，确定建筑构件的实际几何参数；根据实际几何参数以及建筑构件的设计几何参数的差异，确定目标建筑物的施工评估结果。采用该方法可以保证获取到的实际点云数据的准确且全面，且更加能够表征目标建筑物，进而保证了确定的目标建筑物的施工评估结果的准确性。
Description
技术领域
本发明涉及建筑施工领域，具体涉及一种建筑施工评估方法、装置、电子设备及存储介质。
背景技术
随着我国建筑信息化技术的提高以及智慧城市的建造，对于建筑项目的技术含量、建设质量和建设生命周期都提出了严格的标准和要求。在施工过程中，由于施工持续周期长，需要检测的条目众多，会耗费大量的人力和物理资源，但因为检测不及时，不完善或者验收一时疏忽，为施工质量埋下隐患，并因此造成了频发的建筑质量问题。而施工过程作为决定建筑质量的关键一环，施工过程中的建筑质量检测尤为重要。
在建筑测量领域，摄影测量法逐步发展，它是通过使用不同角度拍摄的建筑图像来建立和恢复三维场景，并将恢复的三维场景与建筑之前的三维模型进行对比，从而实现对建筑施工的评估。
但是，由于施工过程中建筑时刻变化以及对内部细节要求较高，而基于图像的测量方式，具有获取数据不全面，真实感不够高，对相机设备要求较高的局限性。因此，导致测量结果不准确，进而导致对建筑施工的评估不准确。
发明内容
有鉴于此，本发明实施例提供了一种建筑施工评估方法、装置、电子设备及存储介质，旨在解决现有技术中对实际建筑物测量结果不准确，进而导致对建筑施工的评估不准确
根据第一方面，本发明实施例提供了一种建筑施工评估方法，该方法包括：
获取目标建筑物的实际点云数据；
对实际点云数据进行语义分割，确定目标建筑物中建筑构件的点云数据；
基于建筑构件的点云数据进行模型重建，确定建筑构件的实际几何参数；
根据实际几何参数以及建筑构件的设计几何参数的差异，确定目标建筑物的施工评估结果。
本发明实施例提供的建筑施工评估方法，获取目标建筑物的实际点云数据，而不是目标建筑物的图片，因此可以保证获取到的实际点云数据的准确且全面，且更加能够表征目标建筑物。然后，对实际点云数据进行语义分割，确定目标建筑物中建筑构件的点云数据，从而可以保证获取到的建筑构件的点云数据的准确性。基于建筑构件的点云数据进行模型重建，确定建筑构件的实际几何参数，保证了确定的建筑构件的实际几何参数的准确性。根据实际几何参数以及建筑构件的设计几何参数的差异，确定目标建筑物的施工评估结果，保证了确定的目标建筑物的施工评估结果的准确性。
结合第一方面，在第一方面第一实施方式中，对实际点云数据进行语义分割，确定目标建筑物中建筑构件的点云数据，包括：
对实际点云数据进行语义分割，得到各实际点云数据对应的语义标签类别，语义标签类别包括建筑构件以及室内装修构件；
根据各语义标签类别，确定建筑构件的实际点云数据。
本发明实施例提供的建筑施工评估方法，对实际点云数据进行语义分割，得到各实际点云数据对应的语义标签类别，然后根据各语义标签类别，确定建筑构件的实际点云数据，保证了确定的建筑构件的实际点云数据的准确性。
结合第一方面，在第一方面第二实施方式中，根据实际几何参数以及建筑构件的设计几何参数的差异，确定目标建筑物的施工评估结果，包括：
获取建筑构件的设计几何参数；
将实际几何参数与设计几何参数进行对比，得到实际偏差；
将实际偏差与预设偏差进行对比，以确定目标建筑物的施工评估结果。
本发明实施例提供的建筑施工评估方法，获取建筑构件的设计几何参数；将实际几何参数与设计几何参数进行对比，得到实际偏差，从而可以保证得到的实际偏差的准确性。然后，将实际偏差与预设偏差进行对比，以确定目标建筑物的施工评估结果。上述方法，将实际偏差与预设偏差进行对比，而不是直接根据实际偏差确定目标建筑物的施工评估结果，因此可以保证目标建筑物的施工评估结果的准确性。
结合第一方面，在第一方面第三实施方式中，基于建筑构件的点云数据进行模型重建，包括：
根据建筑构件的点云数据，确定建筑构件对应的点云空洞位置；
基于建筑构件的点云数据，补全点云空洞位置对应的点云数据，得到建筑构件对应的完整点云数据；
基于建筑构件对应的完整点云数据进行模型重建。
本发明实施例提供的建筑施工评估方法，根据建筑构件的点云数据，确定建筑构件对应的点云空洞位置，保证了确定的点云空洞位置的准确性。然后，基于建筑构件的点云数据，补全点云空洞位置对应的点云数据，得到建筑构件对应的完整点云数据，保证了得到的建筑构件对应的完整点云数据的准确性。基于建筑构件对应的完整点云数据进行模型重建，保证建模结果的准确性，避免了点云空洞位置对建模结果的影响，进而保证了确定建筑构件的实际几何参数的准确性。
结合第一方面，在第一方面第四实施方式中，获取目标建筑物的实际点云数据之后，方法还包括：
获取目标建筑物的设计点云数据；
将实际点云数据与设计点云数据进行配准，以确定实际点云数据分布与设计点云数据分布之间的分布距离；
利用不同的标识可视化输出分布距离。
本发明实施例提供的建筑施工评估方法，获取目标建筑物的设计点云数据。然后将实际点云数据与设计点云数据进行配准，以确定实际点云数据分布与设计点云数据分布之间的分布距离，从而保证了确定的实际点云数据分布与设计点云数据分布之间的分布距离的准确性。然后，利用不同的标识可视化输出分布距离，使得用户可以清晰、准确且快速地获取到实际点云数据分布与设计点云数据分布之间的分布距离情况。
结合第一方面第四实施方式，在第一方面第五实施方式中，将实际点云数据与设计点云数据进行配准，包括：
获取实际点云数据中的实际关键点云数据以及设计点云数据中的设计关键点云数据；
根据实际关键点云数据以及设计关键点云数据的位置信息，对实际点云数据分布以及设计点云数据分布进行坐标系配准；
根据配准结果，对实际点云数据以及设计点云数据进行数据配准。
本发明实施例提供的建筑施工评估方法，获取实际点云数据中的实际关键点云数据以及设计点云数据中的设计关键点云数据；根据实际关键点云数据以及设计关键点云数据的位置信息，对实际点云数据分布以及设计点云数据分布进行坐标系配准，从而完成实际点云数据与设计点云数据的粗配准。然后，根据配准结果，对实际点云数据以及设计点云数据进行数据配准，完成实际点云数据与设计点云数据的细配准，从而保证了实际点云数据与设计点云数据配准的准确性。
结合第一方面第四实施方式，在第一方面第六实施方式中，确定实际点云数据分布与设计点云数据分布之间的分布距离，包括：
根据实际点云数据与设计点云数据的配准结果，确定与各实际点云数据距离最近设计点云数据；
计算各实际点云数据与距离最近的设计点云数据之间的点距离；
基于各点距离，确定分布距离。
本发明实施例提供的建筑施工评估方法，根据实际点云数据与设计点云数据的配准结果，确定与各实际点云数据距离最近设计点云数据，从而可以保证确定的与各实际点云数据距离最近设计点云数据的准确性，然后计算各实际点云数据与距离最近的设计点云数据之间的点距离，保证了计算得到的点距离的准确性。进而保证了基于各点距离，确定的分布距离的准确性。
根据第二方面，本发明实施例还提供了一种建筑施工评估装置，该装置包括：
第一获取模块，用于获取目标建筑物的实际点云数据；
分割模块，用于对实际点云数据进行语义分割，确定目标建筑物中建筑构件的点云数据；
确定模块，用于基于建筑构件的点云数据进行模型重建，确定建筑构件的实际几何参数；
评估模块，用于根据实际几何参数以及建筑构件的设计几何参数的差异，确定目标建筑物的施工评估结果。
本发明实施例提供的建筑施工评估装置，获取目标建筑物的实际点云数据，而不是目标建筑物的图片，因此可以保证获取到的实际点云数据的准确且全面，且更加能够表征目标建筑物。然后，对实际点云数据进行语义分割，确定目标建筑物中建筑构件的点云数据，从而可以保证获取到的建筑构件的点云数据的准确性。基于建筑构件的点云数据进行模型重建，确定建筑构件的实际几何参数，保证了确定的建筑构件的实际几何参数的准确性。根据实际几何参数以及建筑构件的设计几何参数的差异，确定目标建筑物的施工评估结果，保证了确定的目标建筑物的施工评估结果的准确性。
根据第三方面，本发明实施例提供了一种电子设备，包括存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行第一方面或者第一方面的任意一种实施方式中的建筑施工评估方法。
根据第四方面，本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质存储计算机指令，计算机指令用于使计算机执行第一方面或者第一方面的任意一种实施方式中的建筑施工评估方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，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 是应用本发明实施例提供的建筑施工评估方法的流程图；
图2 是应用本发明另一实施例提供的建筑施工评估方法的流程图；
图3是应用本发明另一实施例提供的建筑施工评估方法的流程图；
图4是应用本发明实施例提供的建筑施工评估装置的功能模块图；
图5是应用本发明实施例提供的建筑施工评估装置的功能模块图；
图6是应用本发明实施例提供的电子设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
需要说明的是，本申请实施例提供的建筑施工评估方法，其执行主体可以是建筑施工评估的装置，该建筑施工评估的装置可以通过软件、硬件或者软硬件结合的方式实现成为计算机设备的部分或者全部，其中，该计算机设备可以是服务器或者终端，其中，本申请实施例中的服务器可以为一台服务器，也可以为由多台服务器组成的服务器集群，本申请实施例中的终端可以是智能手机、个人电脑、平板电脑、可穿戴设备以及智能机器人等其他智能硬件设备。下述方法实施例中，均以执行主体是电子设备为例来进行说明。
在本申请一个实施例中，如图1所示，提供了一种建筑施工评估方法，以该方法应用于电子设备为例进行说明，包括以下步骤：
S11、获取目标建筑物的实际点云数据。
具体地，电子设备可以利用三维激光扫描仪获取目标建筑物的实际点云数据。
在一种可选的实施方式中，电子设备可以利用三维激光扫描仪从多个方位获取目标建筑物的实际点云数据，然后对从多个方位获取到的实际点云数据进行拼接，最终得到目标建筑物的实际点云数据。
其中，得到的目标建筑物的实际点云数据与当前通用的点云数据格式一致，包括ply，pcd，txt等格式，实际点云数据主要涵盖了每一个点的xyz坐标以及rgb颜色值，甚至法线信息。
S12、对实际点云数据进行语义分割，确定目标建筑物中建筑构件的点云数据。
在一种可选的实施方式中，由于现场扫描得到的实际点云数据，容易受到环境的影响，出现较多的杂点、噪声等，同时由于扫描设备的精度设置，得到的实际点云可能存在数据量大等问题。因此，电子设备可以是对采集到的实际点云数据进行点云滤波、下采样、特征提取等预处理步骤，得到一个采样密度和目标建筑物的设计模型采样密度基本一致或稍大于设计模型，且去除杂点的较干净的目标建筑物的实际点云数据。
在一种可选的实施方式中，电子设备可以根据实际点云数据的形态信息、位置信息等，对实际点云数据进行识别。然后，根据识别结果，从实际点云数据中确定目标建筑物中建筑构件的点云数据。可选的，电子设备还可以根据识别结果，从实际点云数据中剔除建筑构件之外的其他点云数据，例如室内家具对应的点云数据，从而确定目标建筑物中建筑构件的点云数据。
在另一种可选的实施方式中，电子设备可以利用预设的深度学习模型对实际点云数据进行识别，从而确定目标建筑物中建筑构件的点云数据。
其中，深度学习模型利用建筑构件点云数据、现有室内点云数据集（s3dis）以及必要情况下的标注模拟数据集的训练得到的。深度学习模型可以是基于pointnet系列以及point transformer的模型，也可以是其他深度学习模型，本申请实施例对深度学习模型不做具体限定。
可选的，深度学习模型的训练过程可以如下：
获取训练样本，其中，训练样本中包括样本点云数据以及样本点云数据对应的标签。其中，样本点云数据可以采用从IFC到BIM的合成数据做数据增强，（其中包括数据转换，数据清洗，标签合并，区域切割等步骤），从而解决了训练所需的点云标注数据不完善不充足的问题。
然后，将训练样本输入至深度学习网络，然后基于损失函数，训练样本点云数据，得到深度学习模型。
其中，在训练过程中，损失函数中引入焦点损失，焦点损失用于解决各类标签对应的训练样本比例失衡，样本不均衡的问题，比如墙面本身样本体量远大于柱的体量，样本分布是不均衡的，焦点损失的加入能改善这一问题。
S13、基于建筑构件的点云数据进行模型重建，确定建筑构件的实际几何参数。
具体地，在得到建筑构件的点云数据之后，电子设备可以基于建筑构件的点云数据，对于每一个建筑构件，有针对性的根据不同的建筑构件性质拟合。
示例性的，墙面用立方体平面拟合，得到长宽高的参数；管道数据，用圆柱体拟合，得到圆柱体的半径以及长度，能够更好检查实际建筑构件与模型建筑构件的一致性。
S14、根据实际几何参数以及建筑构件的设计几何参数的差异，确定目标建筑物的施工评估结果。
具体地，在确定了建筑构件的实际几何参数之后，电子设备可以将实际几何参数与建筑构件的设计几何参数进行对比，获取实际几何参数以及建筑构件的设计几何参数的差异，并根据实际几何参数以及建筑构件的设计几何参数的差异，确定目标建筑物的施工评估结果。
关于该步骤将在下文进行详细介绍。
本发明实施例提供的建筑施工评估方法，获取目标建筑物的实际点云数据，而不是目标建筑物的图片，因此可以保证获取到的实际点云数据的准确且全面，且更加能够表征目标建筑物。然后，对实际点云数据进行语义分割，确定目标建筑物中建筑构件的点云数据，从而可以保证获取到的建筑构件的点云数据的准确性。基于建筑构件的点云数据进行模型重建，确定建筑构件的实际几何参数，保证了确定的建筑构件的实际几何参数的准确性。根据实际几何参数以及建筑构件的设计几何参数的差异，确定目标建筑物的施工评估结果，保证了确定的目标建筑物的施工评估结果的准确性。
在本申请一个实施例中，如图2所示，提供了一种建筑施工评估方法，以该方法应用于电子设备为例进行说明，包括以下步骤：
S21、获取目标建筑物的实际点云数据。
请参见图1对S11的介绍，在此不再进行赘述。
S22、对实际点云数据进行语义分割，确定目标建筑物中建筑构件的点云数据。
在本申请一种可选的实施方式中，上述S22“对实际点云数据进行语义分割，确定目标建筑物中建筑构件的点云数据”，可以包括如下步骤：
S221、对实际点云数据进行语义分割，得到各实际点云数据对应的语义标签类别。
其中，语义标签类别包括建筑构件以及室内装修构件。
具体地，电子设备可以将实际点云数据输入至预设的深度学习模型，深度学习模型对实际点云数据进行特征提取，基于提取的特征确定各实际点云数据对应的语义标签类别。
S222、根据各语义标签类别，确定建筑构件的实际点云数据。
可选的，电子设备根据实际点云数据的语义标签类别，从实际点云数据中确定目标建筑物中建筑构件的点云数据。
可选的，电子设备还可以根据实际点云数据的语义标签类别，从实际点云数据中剔除建筑构件之外的其他点云数据，例如剔除室内家具对应的点云数据等，从实际点云数据中确定目标建筑物中建筑构件的点云数据。
S23、基于建筑构件的点云数据进行模型重建，确定建筑构件的实际几何参数。
在本申请一种可选的实施方式中，上述S23“基于建筑构件的点云数据进行模型重建”，可以包括如下步骤：
S231、根据建筑构件的点云数据，确定建筑构件对应的点云空洞位置。
具体地，电子设备可以对建筑构件的点云数据进行研究分析，并将建筑构件的点云数据与建筑构件的设计数据进行对比，根据对比结果确定建筑构件对应的点云空洞位置。
S232、基于建筑构件的点云数据，补全点云空洞位置对应的点云数据，得到建筑构件对应的完整点云数据。
具体地，电子设备可以基于建筑构件的点云数据，通过点云补全的方法，补全点云空洞位置对应的点云数据，弥补由于移除遮挡等造成的点云空洞问题，得到建筑构件对应的完整点云数据。
S233、基于建筑构件对应的完整点云数据进行模型重建。
具体地，在得到建筑构件对应的完整点云数据之后，对于每一个建筑构件，有针对性的根据不同的建筑构件性质进行局部重建。
示例性的，墙面用立方体平面拟合，得到长宽高的参数；管道数据，用圆柱体拟合，得到圆柱体的半径以及长度，能够更好检查实际建筑构件与模型建筑构件的一致性。
S24、根据实际几何参数以及建筑构件的设计几何参数的差异，确定目标建筑物的施工评估结果。
在本申请一种可选的实施方式中，上述S24“根据实际几何参数以及建筑构件的设计几何参数的差异，确定目标建筑物的施工评估结果”，可以包括如下步骤：
S241、获取建筑构件的设计几何参数。
具体地，电子设备可以接收用户输入的建筑构件的设计几何参数，也可以接收其他设备发送的建筑构件的设计几何参数，还可以获取建筑构件对应的设计模型，根据建筑构件的设计模型获取建筑构件的设计几何参数。本申请实施例对获取建筑构件的设计几何参数的具体方式不做具体限定。
S242、将实际几何参数与设计几何参数进行对比，得到实际偏差。
具体地，电子设备将实际几何参数与设计几何参数进行对比，根据对比结果，得到实际偏差。
S243、将实际偏差与预设偏差进行对比，以确定目标建筑物的施工评估结果。
具体地，在得到实际偏差之后，电子设备将实际偏差与预设偏差进行对比，然后根据对比结果，确定目标建筑物的施工评估结果。
其中，不同建筑构件对应的预设偏差可以相同，也可以不同，各建筑构件对应的预设偏差可以根据建筑构件的大小以及建筑构件的作用进行确定，在此不再进行限定。
示例性的，当建筑构件的尺寸较小时，很小的偏差对该建筑构件来说也很大，因此建筑构件对应的预设偏差要小一些；当建筑构件的尺寸较大时，建筑构件对应的预设偏差可以稍微大一点。
可选的，电子设备可以将各个建筑构件的实际偏差与对应的预设偏差进行对比，当建筑构件的实际偏差大于预设偏差时，电子设备可以确定该建筑构件的施工评估结果为不合格；当建筑构件的实际偏差小于或者等于预设偏差时，电子设备可以确定该建筑构件的施工评估结果为合格。电子设备可以根据各建筑构件的施工评估结果确定目标建筑物的施工评估结果，并生成建筑评估报告，指导建筑监管。
示例性的，当超过预设数量的建筑构件的施工评估结果为不合格时，确定目标建筑物的施工评估结果为不合格，并生成建筑评估报告，指导建筑监管。当小于或者等于预设数量的建筑构件的施工评估结果为不合格时，确定目标建筑物的施工评估结果为合格，并生成建筑评估报告，指导建筑监管
本发明实施例提供的建筑施工评估方法，获取目标建筑物的实际点云数据，然后对实际点云数据进行语义分割，得到各实际点云数据对应的语义标签类别，然后根据各语义标签类别，确定建筑构件的实际点云数据，保证了确定的建筑构件的实际点云数据的准确性。然后，根据建筑构件的点云数据，确定建筑构件对应的点云空洞位置，保证了确定的点云空洞位置的准确性。然后，基于建筑构件的点云数据，补全点云空洞位置对应的点云数据，得到建筑构件对应的完整点云数据，保证了得到的建筑构件对应的完整点云数据的准确性。基于建筑构件对应的完整点云数据进行模型重建，保证建模结果的准确性，避免了点云空洞位置对建模结果的影响，进而保证了确定建筑构件的实际几何参数的准确性。
此外，还获取建筑构件的设计几何参数；将实际几何参数与设计几何参数进行对比，得到实际偏差，从而可以保证得到的实际偏差的准确性。然后，将实际偏差与预设偏差进行对比，以确定目标建筑物的施工评估结果。上述方法，将实际偏差与预设偏差进行对比，而不是直接根据实际偏差确定目标建筑物的施工评估结果，因此可以保证目标建筑物的施工评估结果的准确性。
在本申请一个实施例中，如图3所示，提供了一种建筑施工评估方法，以该方法应用于电子设备为例进行说明，包括以下步骤：
S31、获取目标建筑物的实际点云数据。
请参见图2对S21的介绍，在此不再进行赘述。
S32、获取目标建筑物的设计点云数据。
其中，目标建筑物的实际点云数据与设计点云数据格式保持一致。
具体地，电子设备可以接收用户输入的目标建筑物的设计点云数据，也可以接收其他设备发送的目标建筑物的设计点云数据，还可以获取目标建筑物对应的设计模型，根据目标建筑物的设计模型获取建筑构件的设计几何参数。本申请实施例对获取建筑构件的设计几何参数的具体方式不做具体限定。
示例性的，电子设备可以获取目标建筑物对应的建筑BIM模型（rvt、obj、stl等格式），将目标建筑物对应的建筑BIM模型通过pcl或open3d等表面采样获得目标建筑物的设计点云数据。
S33、将实际点云数据与设计点云数据进行配准，以确定实际点云数据分布与设计点云数据分布之间的分布距离。
在本申请一种可选的实施方式中，上述S33“将实际点云数据与设计点云数据进行配准，以确定实际点云数据分布与设计点云数据分布之间的分布距离”，可以包括如下步骤：
S331、获取实际点云数据中的实际关键点云数据以及设计点云数据中的设计关键点云数据。
具体地，电子设备可以根据实际点云数据以及设计点云数据的位置信息，获取实际点云数据中的实际关键点云数据以及设计点云数据中的设计关键点云数据。
S332、根据实际关键点云数据以及设计关键点云数据的位置信息，对实际点云数据分布以及设计点云数据分布进行坐标系配准。
具体地，电子设备可以利用预设的粗配准方法，根据实际关键点云数据以及设计关键点云数据的位置信息，对实际点云数据分布以及设计点云数据分布进行旋转平移，从而完成坐标系配准。
其中，预设的预设的粗配准方法可以是SAC_IA(sample consensus initialalignment，随机采样一致性)方法，也可以是其他方法，本申请实施例对预设的粗配准方法不做具体限定。
S333、根据配准结果，对实际点云数据以及设计点云数据进行数据配准。
具体地，在根据实际关键点云数据与设计关键点云数据的位置信息，对实际点云数据分布以及设计点云数据分布进行坐标系配准之后，电子设备可以利用预设的精准配准方法，在粗配准的基础上，对实际点云数据以及设计点云数据的位置进行精细调整，从而实际点云数据以及设计点云数据的精准数据配准。
其中，预设的精准配准方法可以是ICP（Point to Point，就近点搜索法）方法，也可以是其他精准配准方法，本申请实施例对预设的精准配准方法不做具体限定。
上述配准过程中，如果直接进行精准配准方法往往会出现，迭代过程较慢，或由于初始位置相差较大，陷入局部最优，造成错误对齐，因此可以在精配准之前加上粗配准步骤，得到位置上大致相近的初始配准结果。
S334、根据实际点云数据与设计点云数据的配准结果，确定与各实际点云数据距离最近设计点云数据。
具体地，在得到实际点云数据与设计点云数据的配准结果之后，根据实际点云数据与设计点云数据的配准结果以及实际点云数据与设计点云数据的位置信息，确定与各实际点云数据距离最近设计点云数据。
S335、计算各实际点云数据与距离最近的设计点云数据之间的点距离。
具体地，在确定了与各实际点云数据距离最近设计点云数据之后，电子设备根据实际点云数据以及设计点云数据的位置信息，计算各实际点云数据与距离最近的设计点云数据之间的点距离。
S336、基于各点距离，确定分布距离。
具体地，在计算得到各实际点云数据与距离最近的设计点云数据之间的点距离之后，电子设备根据各点距离，确定分布距离。
S34、利用不同的标识可视化输出分布距离。
具体地，电子设备可以根据点距离计算的结果，将距离值映射到颜色空间，通过颜色的渐变（例如，从红色到黄色到绿色到蓝色的过渡），可视化显示实际点云数据与设计点云数据之间的分布距离。其中，分布距离可以用于表示实际点云数据与设计点云数据之间的距离误差值。
S35、对实际点云数据进行语义分割，确定目标建筑物中建筑构件的点云数据。
请参见图2对S22的介绍，在此不再进行赘述。
S36、基于建筑构件的点云数据进行模型重建，确定建筑构件的实际几何参数。
请参见图2对S23的介绍，在此不再进行赘述。
S37、根据实际几何参数以及建筑构件的设计几何参数的差异，确定目标建筑物的施工评估结果。
请参见图2对S24的介绍，在此不再进行赘述。
本发明实施例提供的建筑施工评估方法，获取目标建筑物的设计点云数据。获取实际点云数据中的实际关键点云数据以及设计点云数据中的设计关键点云数据；根据实际关键点云数据以及设计关键点云数据的位置信息，对实际点云数据分布以及设计点云数据分布进行坐标系配准，从而完成实际点云数据与设计点云数据的粗配准。然后，根据配准结果，对实际点云数据以及设计点云数据进行数据配准，完成实际点云数据与设计点云数据的细配准，从而保证了实际点云数据与设计点云数据配准的准确性。然后，根据实际点云数据与设计点云数据的配准结果，确定与各实际点云数据距离最近设计点云数据，从而可以保证确定的与各实际点云数据距离最近设计点云数据的准确性，然后计算各实际点云数据与距离最近的设计点云数据之间的点距离，保证了计算得到的点距离的准确性。进而保证了基于各点距离，确定的分布距离的准确性。然后，利用不同的标识可视化输出分布距离，使得用户可以清晰、准确且快速地获取到实际点云数据分布与设计点云数据分布之间的分布距离情况。
应该理解的是，虽然图1-3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-3中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
如图4所示，本实施例提供一种建筑施工评估装置，装置包括：
第一获取模块41，用于获取目标建筑物的实际点云数据；
分割模块42，用于对实际点云数据进行语义分割，确定目标建筑物中建筑构件的点云数据；
确定模块43，用于基于建筑构件的点云数据进行模型重建，确定建筑构件的实际几何参数；
评估模块44，用于根据实际几何参数以及建筑构件的设计几何参数的差异，确定目标建筑物的施工评估结果。
在本申请一个实施例中，上述分割模块42，具体用于对实际点云数据进行语义分割，得到各实际点云数据对应的语义标签类别，语义标签类别包括建筑构件以及室内装修构件；根据各语义标签类别，确定建筑构件的实际点云数据。
在本申请一个实施例中，上述评估模块44，具体用于获取建筑构件的设计几何参数；将实际几何参数与设计几何参数进行对比，得到实际偏差；将实际偏差与预设偏差进行对比，以确定目标建筑物的施工评估结果。
在本申请一个实施例中，上述确定模块43，具体用于根据建筑构件的点云数据，确定建筑构件对应的点云空洞位置；基于建筑构件的点云数据，补全点云空洞位置对应的点云数据，得到建筑构件对应的完整点云数据；基于建筑构件对应的完整点云数据进行模型重建。
在本申请一个实施例中，如图5所示，上述建筑施工评估装置，还包括：
第二获取模块45，用于获取目标建筑物的设计点云数据；
配准模块46，用于将实际点云数据与设计点云数据进行配准，以确定实际点云数据分布与设计点云数据分布之间的分布距离；
输出模块47，用于利用不同的标识可视化输出分布距离。
在本申请一个实施例中，上述配准模块46，具体用于获取实际点云数据中的实际关键点云数据以及设计点云数据中的设计关键点云数据；根据实际关键点云数据以及设计关键点云数据的位置信息，对实际点云数据分布以及设计点云数据分布进行坐标系配准；根据配准结果，对实际点云数据以及设计点云数据进行数据配准。
在本申请一个实施例中，上述配准模块46，具体用于根据实际点云数据与设计点云数据的配准结果，确定与各实际点云数据距离最近设计点云数据；计算各实际点云数据与距离最近的设计点云数据之间的点距离；基于各点距离，确定分布距离。
关于建筑施工评估装置的具体限定以及有益效果可以参见上文中对于建筑施工评估方法的限定，在此不再赘述。上述建筑施工评估装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于电子设备中的处理器中，也可以以软件形式存储于电子设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
本发明实施例还提供一种电子设备，具有上述图4以及图5所示的建筑施工评估装置。
如图6所示，图6是本发明可选实施例提供的一种电子设备的结构示意图，如图6所示，该电子设备可以包括：至少一个处理器51，例如CPU（Central Processing Unit，中央处理器），至少一个通信接口53，存储器54，至少一个通信总线52。其中，通信总线52用于实现这些组件之间的连接通信。其中，通信接口53可以包括显示屏（Display）、键盘（Keyboard），可选通信接口53还可以包括标准的有线接口、无线接口。存储器54可以是高速RAM存储器（Random Access Memory，易挥发性随机存取存储器），也可以是非不稳定的存储器（non-volatile memory），例如至少一个磁盘存储器。存储器54可选的还可以是至少一个位于远离前述处理器51的存储装置。其中处理器51可以结合图4以及图5所描述的装置，存储器54中存储应用程序，且处理器51调用存储器54中存储的程序代码，以用于执行上述任一方法步骤。
其中，通信总线52可以是外设部件互连标准（peripheral componentinterconnect，简称PCI）总线或扩展工业标准结构（extended industry standardarchitecture，简称EISA）总线等。通信总线52可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器54可以包括易失性存储器（英文：volatile memory），例如随机存取存储器（英文：random-access memory，缩写：RAM）；存储器也可以包括非易失性存储器（英文：non-volatile memory），例如快闪存储器（英文：flash memory），硬盘（英文：hard diskdrive，缩写：HDD）或固态硬盘（英文：solid-state drive，缩写：SSD）；存储器54还可以包括上述种类的存储器的组合。
其中，处理器51可以是中央处理器（英文：central processing unit，缩写：CPU），网络处理器（英文：network processor，缩写：NP）或者CPU和NP的组合。
其中，处理器51还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路（英文：application-specific integrated circuit，缩写：ASIC），可编程逻辑器件（英文：programmable logic device，缩写：PLD）或其组合。上述PLD可以是复杂可编程逻辑器件（英文：complex programmable logic device，缩写：CPLD），现场可编程逻辑门阵列（英文：field-programmable gate array，缩写：FPGA），通用阵列逻辑（英文：generic arraylogic, 缩写：GAL）或其任意组合。
可选地，存储器54还用于存储程序指令。处理器51可以调用程序指令，实现如本申请图1至3实施例中所示的建筑施工评估方法。
本发明实施例还提供了一种非暂态计算机存储介质，计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的建筑施工评估方法。其中，存储介质可为磁碟、光盘、只读存储记忆体（Read-Only Memory，ROM）、随机存储记忆体（Random Access Memory，RAM）、快闪存储器（Flash Memory）、硬盘（Hard Disk Drive，缩写：HDD）或固态硬盘（Solid-State Drive，SSD)等；存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种建筑施工评估方法，其特征在于，所述方法包括：
获取目标建筑物的实际点云数据；
对所述实际点云数据进行语义分割，确定所述目标建筑物中建筑构件的点云数据；
基于所述建筑构件的点云数据进行模型重建，确定所述建筑构件的实际几何参数；
根据所述实际几何参数以及所述建筑构件的设计几何参数的差异，确定所述目标建筑物的施工评估结果。
2.根据权利要求1所述的方法，其特征在于，所述对所述实际点云数据进行语义分割，确定所述目标建筑物中建筑构件的点云数据，包括：
对所述实际点云数据进行语义分割，得到各所述实际点云数据对应的语义标签类别，所述语义标签类别包括建筑构件以及室内装修构件；
根据各所述语义标签类别，确定所述建筑构件的实际点云数据。
3.根据权利要求1所述的方法，其特征在于，所述根据所述实际几何参数以及所述建筑构件的设计几何参数的差异，确定所述目标建筑物的施工评估结果，包括：
获取所述建筑构件的设计几何参数；
将所述实际几何参数与所述设计几何参数进行对比，得到实际偏差；
将所述实际偏差与预设偏差进行对比，以确定所述目标建筑物的施工评估结果。
4.根据权利要求1所述的方法，其特征在于，所述基于所述建筑构件的点云数据进行模型重建，包括：
根据所述建筑构件的点云数据，确定所述建筑构件对应的点云空洞位置；
基于所述建筑构件的点云数据，补全所述点云空洞位置对应的点云数据，得到所述建筑构件对应的完整点云数据；
基于所述建筑构件对应的完整点云数据进行模型重建。
5.根据权利要求1所述的方法，其特征在于，所述获取目标建筑物的实际点云数据之后，所述方法还包括：
获取所述目标建筑物的设计点云数据；
将所述实际点云数据与所述设计点云数据进行配准，以确定实际点云数据分布与设计点云数据分布之间的分布距离；
利用不同的标识可视化输出所述分布距离。
6.根据权利要求5所述的方法，其特征在于，所述将所述实际点云数据与所述设计点云数据进行配准，包括：
获取所述实际点云数据中的实际关键点云数据以及所述设计点云数据中的设计关键点云数据；
根据所述实际关键点云数据以及所述设计关键点云数据的位置信息，对所述实际点云数据分布以及所述设计点云数据分布进行坐标系配准；
根据配准结果，对所述实际点云数据以及所述设计点云数据进行数据配准。
7.根据权利要求5所述的方法，其特征在于，所述确定实际点云数据分布与设计点云数据分布之间的分布距离，包括：
根据所述实际点云数据与所述设计点云数据的配准结果，确定与各所述实际点云数据距离最近所述设计点云数据；
计算各所述实际点云数据与距离最近的所述设计点云数据之间的点距离；
基于各所述点距离，确定所述分布距离。
8.一种建筑施工评估装置，其特征在于，所述装置包括：
第一获取模块，用于获取目标建筑物的实际点云数据；
分割模块，用于对所述实际点云数据进行语义分割，确定所述目标建筑物中建筑构件的点云数据；
确定模块，用于基于所述建筑构件的点云数据进行模型重建，确定所述建筑构件的实际几何参数；
评估模块，用于根据所述实际几何参数以及所述建筑构件的设计几何参数的差异，确定所述目标建筑物的施工评估结果。
9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1-7中任一项所述的建筑施工评估方法。
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存储有计算机指令，所述计算机指令用于使计算机执行权利要求1-7中任一项所述的建筑施工评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210328043.7A CN114494274A (zh) | 2022-03-31 | 2022-03-31 | 建筑施工评估方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210328043.7A CN114494274A (zh) | 2022-03-31 | 2022-03-31 | 建筑施工评估方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114494274A true CN114494274A (zh) | 2022-05-13 |
Family
ID=81488871
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210328043.7A Pending CN114494274A (zh) | 2022-03-31 | 2022-03-31 | 建筑施工评估方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114494274A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115641001A (zh) * | 2022-11-05 | 2023-01-24 | 嘉泰工程技术有限公司 | 一种用于建筑的风险安全评估系统及其评估方法 |
| CN115661212A (zh) * | 2022-12-30 | 2023-01-31 | 清华大学 | 基于计算机视觉的建筑结构改扩建安全排查方法与装置 |
| CN116543127A (zh) * | 2023-04-25 | 2023-08-04 | 湖南湖大瑞格能源科技有限公司 | 一种建筑全过程数字点云校正处理方法 |
| WO2023226450A1 (zh) * | 2022-08-03 | 2023-11-30 | 南京工业大学 | 基于bim参数的装配式建筑设计与真实建造匹配评估方法 |
| CN118052664A (zh) * | 2024-03-21 | 2024-05-17 | 中建安装集团有限公司 | 用于节能减排的施工数据管理方法及系统 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150310135A1 (en) * | 2014-04-24 | 2015-10-29 | The Board Of Trustees Of The University Of Illinois | 4d vizualization of building design and construction modeling with photographs |
| CN107402001A (zh) * | 2017-06-30 | 2017-11-28 | 上海建工集团股份有限公司 | 基于3d扫描的超高层建筑施工偏差数字化检验系统及方法 |
| CN107702662A (zh) * | 2017-09-27 | 2018-02-16 | 深圳拎得清软件有限公司 | 基于激光扫描仪和bim的逆向监控方法及其系统 |
| CN108629849A (zh) * | 2018-05-16 | 2018-10-09 | 浙江大学 | 一种基于bim和点云技术的构件质检系统 |
| CN109558622A (zh) * | 2018-09-19 | 2019-04-02 | 中建科技有限公司深圳分公司 | 一种基于点云扫描的施工管理方法及装置 |
| CN110287519A (zh) * | 2019-05-14 | 2019-09-27 | 深圳大学 | 一种集成bim的建筑工程施工进度监测方法及系统 |
| CN110348621A (zh) * | 2019-07-02 | 2019-10-18 | 深圳大学 | 一种建筑拆除废弃物产生量的预测方法及装置 |
| 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 |
| US20200027266A1 (en) * | 2018-07-17 | 2020-01-23 | Uti Limited Partnership | Building contour generation from point clouds |
| CN110807571A (zh) * | 2019-09-19 | 2020-02-18 | 同济大学 | 基于3d激光传感与BIM结合的建筑工程质量控制系统 |
| KR20210026374A (ko) * | 2019-08-30 | 2021-03-10 | 삼육대학교산학협력단 | 건축물의 위험도 평가 시스템 |
| 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 |
| CN112966775A (zh) * | 2021-03-24 | 2021-06-15 | 广州大学 | 建筑构件的三维点云分类方法、系统、装置及存储介质 |
-
2022
- 2022-03-31 CN CN202210328043.7A patent/CN114494274A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150310135A1 (en) * | 2014-04-24 | 2015-10-29 | The Board Of Trustees Of The University Of Illinois | 4d vizualization of building design and construction modeling with photographs |
| CN107402001A (zh) * | 2017-06-30 | 2017-11-28 | 上海建工集团股份有限公司 | 基于3d扫描的超高层建筑施工偏差数字化检验系统及方法 |
| CN107702662A (zh) * | 2017-09-27 | 2018-02-16 | 深圳拎得清软件有限公司 | 基于激光扫描仪和bim的逆向监控方法及其系统 |
| 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 |
| CN108629849A (zh) * | 2018-05-16 | 2018-10-09 | 浙江大学 | 一种基于bim和点云技术的构件质检系统 |
| US20200027266A1 (en) * | 2018-07-17 | 2020-01-23 | Uti Limited Partnership | Building contour generation from point clouds |
| CN109558622A (zh) * | 2018-09-19 | 2019-04-02 | 中建科技有限公司深圳分公司 | 一种基于点云扫描的施工管理方法及装置 |
| CN110287519A (zh) * | 2019-05-14 | 2019-09-27 | 深圳大学 | 一种集成bim的建筑工程施工进度监测方法及系统 |
| CN110348621A (zh) * | 2019-07-02 | 2019-10-18 | 深圳大学 | 一种建筑拆除废弃物产生量的预测方法及装置 |
| KR20210026374A (ko) * | 2019-08-30 | 2021-03-10 | 삼육대학교산학협력단 | 건축물의 위험도 평가 시스템 |
| CN110807571A (zh) * | 2019-09-19 | 2020-02-18 | 同济大学 | 基于3d激光传感与BIM结合的建筑工程质量控制系统 |
| 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 |
| CN112966775A (zh) * | 2021-03-24 | 2021-06-15 | 广州大学 | 建筑构件的三维点云分类方法、系统、装置及存储介质 |
Non-Patent Citations (5)
| Title |
|---|
| MARIA CHIZHOVA 等: "SEMANTIC SEGMENTATION OF BUILDING ELEMENTS USING POINT CLOUD HASHING", 《THE INTERNATIONAL ARCHIVES OF THE PHOTOGRAMMETRY, REMOTE SENSING AND SPATIAL INFORMATION SCIENCES》 * |
| 李东声: "一种基于点云数据的建筑构部件尺寸质量智能检测算法研究", 《万方数据知识服务平台》 * |
| 钱海 等: "基于三维激光扫描和BIM的构件缺陷检测技术", 《计算机测量与控制》 * |
| 马伟明 等: "《Python金融数据分析 原书第2版》", 30 April 2021, 机械工业出版社 * |
| 高歌 等: "基于知识库的IFC模型检查方法研究", 《图学学报》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023226450A1 (zh) * | 2022-08-03 | 2023-11-30 | 南京工业大学 | 基于bim参数的装配式建筑设计与真实建造匹配评估方法 |
| CN115641001A (zh) * | 2022-11-05 | 2023-01-24 | 嘉泰工程技术有限公司 | 一种用于建筑的风险安全评估系统及其评估方法 |
| CN115661212A (zh) * | 2022-12-30 | 2023-01-31 | 清华大学 | 基于计算机视觉的建筑结构改扩建安全排查方法与装置 |
| CN115661212B (zh) * | 2022-12-30 | 2023-06-06 | 清华大学 | 基于计算机视觉的建筑结构改扩建安全排查方法与装置 |
| CN116543127A (zh) * | 2023-04-25 | 2023-08-04 | 湖南湖大瑞格能源科技有限公司 | 一种建筑全过程数字点云校正处理方法 |
| CN118052664A (zh) * | 2024-03-21 | 2024-05-17 | 中建安装集团有限公司 | 用于节能减排的施工数据管理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114494274A (zh) | 建筑施工评估方法、装置、电子设备及存储介质 | |
| Kim et al. | Fully automated registration of 3D data to a 3D CAD model for project progress monitoring | |
| CN109886928B (zh) | 一种目标细胞标记方法、装置、存储介质及终端设备 | |
| CN108171708B (zh) | 车辆定损方法与系统 | |
| Herrero-Huerta et al. | Automatic tree parameter extraction by a Mobile LiDAR System in an urban context | |
| CN109271861B (zh) | 多尺度融合的点云交通标识牌自动提取方法 | |
| CN113252700A (zh) | 一种结构裂缝检测方法、设备及系统 | |
| CN111221808A (zh) | 一种无人值守的高精度地图质检方法和装置 | |
| CN113705669A (zh) | 一种数据匹配方法、装置、电子设备以及存储介质 | |
| CN114677435A (zh) | 一种点云全景融合要素提取方法和系统 | |
| CN115290104A (zh) | 仿真地图生成方法、装置、设备及可读存储介质 | |
| CN110910379B (zh) | 一种残缺检测方法及装置 | |
| Keyvanfar et al. | Performance comparison analysis of 3D reconstruction modeling software in construction site visualization and mapping | |
| CN114595238A (zh) | 基于矢量的地图处理方法及装置 | |
| Demir | Automated detection of 3D roof planes from Lidar data | |
| CN111738259A (zh) | 一种杆塔状态检测方法及装置 | |
| CN111079752A (zh) | 识别红外图像中的断路器的方法、装置及可读存储介质 | |
| CN115861162A (zh) | 定位目标区域的方法、装置及计算机可读存储介质 | |
| CN116681792A (zh) | 矢量图纸的子图生成方法、装置、设备及可读存储介质 | |
| CN114239124A (zh) | 一种建筑图纸构件识别方法、系统、存储介质及设备 | |
| CN114037993A (zh) | 变电站指针仪表读数方法、装置、存储介质以及电子设备 | |
| CN113920267A (zh) | 三维场景模型构建方法、装置、设备及存储介质 | |
| US10339364B2 (en) | Apparatus and method for rejecting erroneous objects of extrusion in point cloud data | |
| EP4095795B1 (en) | Automated optical guide | |
| Hodgson et al. | A parameterization model for transportation feature extraction |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220513 |