CN114529596A - 基于切片法的预制构件逆向建模与质量控制方法 - Google Patents
基于切片法的预制构件逆向建模与质量控制方法 Download PDFInfo
- Publication number
- CN114529596A CN114529596A CN202210104963.0A CN202210104963A CN114529596A CN 114529596 A CN114529596 A CN 114529596A CN 202210104963 A CN202210104963 A CN 202210104963A CN 114529596 A CN114529596 A CN 114529596A
- Authority
- CN
- China
- Prior art keywords
- slice
- dimensional
- points
- point
- prefabricated part
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000003908 quality control method Methods 0.000 title claims abstract description 19
- 230000002093 peripheral effect Effects 0.000 claims abstract description 15
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 230000011218 segmentation Effects 0.000 claims abstract description 4
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000007635 classification algorithm Methods 0.000 claims description 5
- 238000013079 data visualisation Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 8
- 230000000007 visual effect Effects 0.000 abstract description 4
- 238000005259 measurement Methods 0.000 abstract description 3
- 238000004140 cleaning Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009435 building construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009417 prefabrication Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012795 verification 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
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/08—Projecting images onto non-planar surfaces, e.g. geodetic screens
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- 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
-
- 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
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Geometry (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了基于切片法的预制构件逆向建模与质量控制方法,包括:获取预制构件表面三维点云数据;对三维点云数据进行预处理;根据预处理后的点云数据设置参考线,沿参考线对预制构件进行切片分割,提取各切片的高度信息,将切片投影到二维平面;从二维切片平面外围轮廓上的点中提取特征点;将特征点连起来得到切片二维轮廓,将切片二维轮廓依据切片高度信息拉伸成三维切片,将所有的三维切片按照原位置组合形成逆向重建模型;对逆向重建模型以及正向设计的BIM模型进行配准,按照质量控制要求进行分析综合,评估装配式预制构件的质量是否符合要求。本发明方法替代传统人工肉眼观察以及尺量的方式,实现更严格、更自动化的生产质量控制。
Description
技术领域
本发明涉及基于切片法的预制构件逆向建模与质量控制方法,属于土木工程与测绘技术领域。
背景技术
装配式建筑采用预制与现浇结合的施工方式,施工工艺与传统的建筑类型存在较大的差异。装配式建筑预制构件通过在预制工厂流水线生产,再运输到装配式建筑施工现场。大部分情况下需要预制构件与现浇建筑配合使用。
流水线的生产模式具有较高的经济效益。但由于预制构件的生产不在现场,如果出现误差进行更改的可能性比较小,同时预制构件的质量误差会直接对装配式建筑的质量造成影响,因此对于预制构件的质量要求比较高。与现浇混凝土构件质量要求存在不同,预制构件生产标准化,构件内部的质量问题往往得到良好的控制。在目前的实践应用中,尽管预制构件是在工厂中进行标准化生产,但是在质量检测方面采用的方法多依靠人工测量、尺量。这种方式效率低下,而且误差较大,不利于装配式建筑预制构件的大批量生产质量控制。
发明内容
本发明所要解决的技术问题是:提供基于切片法的预制构件逆向建模与质量控制方法,利用激光扫描技术采集预制构件表面质量信息,并通过切片法进行逆向建模,对预制构件表面质量进行检验的方法,克服现有技术中对装配式建筑预制构件质量检测效率低下且非自动化的缺点。
本发明为解决上述技术问题采用以下技术方案:
基于切片法的预制构件逆向建模与质量控制方法,包括如下步骤:
步骤1,获取装配式建筑预制构件表面三维点云数据;
步骤2,对步骤1获取的三维点云数据进行预处理,区分平面点与边界点,并去除三维点云数据中的离散点和噪点;
步骤3,根据预处理后的点云数据设置一条参考线,沿参考线对装配式建筑预制构件进行切片分割,提取每一切片的高度信息,并将切片投影到二维平面得到二维切片平面;
步骤4,利用弦高差算法,从二维切片平面的外围轮廓上的点中提取特征点;
步骤5,将步骤4提取出的特征点连起来得到各切片的二维轮廓,将各切片的二维轮廓依据切片的高度信息拉伸成三维切片,将所有的三维切片按照原切片位置进行组合,形成逆向重建模型;
步骤6,对步骤5得到的逆向重建模型以及预制构件正向设计的BIM模型进行配准,按照质量控制要求进行分析综合,利用数据可视化的手段,评估装配式预制构件的质量是否符合要求。
作为本发明的一种优选方案,所述步骤1中,采用激光扫描仪获取的是.asc格式的预制构件表面三维点云数据。
作为本发明的一种优选方案,所述步骤2中,将.asc格式的预制构件表面三维点云数据转换为.obj格式,采用K最近邻分类算法对.obj格式的三维点云数据进行预处理。
作为本发明的一种优选方案,所述步骤3的具体过程如下:
步骤3.1,在预制构件的上表面预设一条参考线,建立三维直角坐标系定位预制构件,使预制构件的其中一个侧面位于YOZ平面,位于YOZ平面的侧面与拟切分的横切面平行,预设的参考线方向为X轴方向,在参考线所在的表面上随机下采样10%的点来拟合参考线,将随机下采样的点投影到XOY平面上,对XOY平面上投影得到的点进行拟合,通过最小化平方误差,得到唯一的二次多项式;
其中,平方误差公式为:
式中,E为平方误差,n为投影到XOY平面上得到的投影点的数量,yi为投影到XOY平面上得到的投影点的y坐标,p(xi)为第k次多项式的内插值;
将p(xi)表示为以下线性方程组:
式中,xi为投影到XOY平面上得到的点的x坐标,a0,a1,…,ak为系数;
A=(XTX)-1XTY,n>k
根据得到的A构造n个投影点中相邻两个投影点的内插点,即得到n-1个内插点,根据内插点拟合参考线,并计算参考线上每个内插点的切线,各内插点的切线斜率为:
tantj=f(x)′
式中,tantj为第j个内插点对应的切线斜率,f(x)为内插点拟合得到的参考线;
沿各内插点的法线方向对预制构件进行切分,将预制构件分成n个切片;
步骤3.2,设定每个切片沿着它的切线方向是直线,并且切片的横切面保持不变,将每个切片绕Z轴旋转:
式中,(x,y,z)为切片上点的坐标,(x′,y′,z′)为切片上点旋转后的坐标,为第j个切片的旋转角度,旋转角度为每个切片对应的法线方向与三维直角坐标系Y轴的夹角,利用每个切片对应的切线的中心点计算每个切片对应的法线方向;
利用旋转后切片上点的x坐标提取每个切片的高度信息,并切片投影到二维平面。
作为本发明的一种优选方案,所述步骤4的具体过程如下:
对于二维切片平面的外围轮廓上的点,采用弦高差算法确定每个点是否为特征点,具体如下:
对于第j个二维切片平面外围轮廓上的第m个点Pm,选取与其相邻的两个点Pm-1和Pm+1构造直线L:Amx+Bmy+Cm=0,计算点Pm到直线L的垂直距离dm,当dm大于等于设定阈值σ时,点Pm为特征点并进行提取;
式中,(xm,ym)为点Pm的坐标,Am、Bm、Cm为直线L的系数,Mj为第j个二维切片平面外围轮廓上点的数量,dm为第j个二维切片平面外围轮廓上第m个点的弦高差距离。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
1、本发明提出了创新性的数据标准化处理方法,对装配式建筑预制构件质量检测过程中产生的大批量数据采用KNN算法对数据进行清洗,在保留数据的几何特征的前提下将数据压缩至原数据点数量的87.41%;将采集到的点云模型进行坐标更改,使其底面位于三维空间直角坐标系的X-Y平面,方便后续切片法的应用。切片后的数据降维至二维平面数据,极大降低了后续工作的难度。
2、本发明提出了预制构件生产质量信息自动计算算法,通过切片法和弦高差算法提取出了装配式建筑预制构件的几何数据特征,通过霍夫变换实现了特征值拟合的自动化。改变了传统尺量的质量数据采集验证方式,实现了自动化精确化处理。
3、本发明将逆向建模的预制构件模型以IFC格式进行解析并储存,使逆向模型更具有数据上的兼容性,为后续处理提供数据支撑。对逆向模型和正向设计模型进行配准,通过可视化的手段展现预制构件表面质量,进行生产质量管理。
附图说明
图1是本发明点云数据转换流程图;
图2是本发明基于切片法的预制构件逆向建模与质量控制方法的流程图;
图3是本发明弦高差算法特征数据判断图;
图4是本发明预制构件质量检测可视化图。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本发明提出了一种利用激光扫描技术采集预制构件表面质量信息,并通过切片法进行逆向建模,对预制构件表面质量进行检验的方法,替代传统人工肉眼观察以及尺量的方式,以实现更严格、更自动化的生产质量控制。
本发明基于激光扫描技术和点云数据特性,提出以点云数据处理和计算为核心的预制构件质量检测方法。本发明使用KNN算法首先进行数据清洗,随后利用切片算法和弦高差算法提取特征值和装配式建筑预制构件的几何参数,通过霍夫变换实现特征参数的自动拟合,通过逆向模型和正向模型对比的方式实现了预制构件的几何质量精细化、自动化检测,提高了这一过程的效率。
图1是本发明点云数据转换流程图。图2是本发明基于切片法的装配式建筑预制构件逆向建模与质量控制方法的流程图,具体步骤如下:
S1,利用激光扫描仪获取装配式建筑预制构件表面三维点云数据;其中,利用激光扫描仪获取的是.asc格式的预制构件三维点云数据。
S2,对获得的三维点云数据进行预处理,采用K最近邻(k-NearestNeighbor,KNN)分类算法去除噪点,精简点云数据的数据量;
转换格式为.obj数据格式,应用K最近邻分类算法进行数据清洗:K最近邻分类算法对于数据点进行分类,设置对应的K值,通过给定的点云数据集,选取其中的数据并判断该点在距离交近的K个点中相同类型最多的点类型,并将这一类型赋予该被测点。临近算法可以保证在点云数据清洗过程中可以保留原有几何特征信息,有效区分平面点与边界点。在数据清洗过程中,K值产生一个距离阈值,即通过类型进行判断,阈值取不在相同类型下的点的距离最小值。超出该阈值的点被判定为噪点清洗剔除。
S3,将预处理后的点云数据设置一条参考线,沿线进行切片分割,提取每一切片的高度信息,同时将切片投影到二维平面;具体如下:
S3.1参考线计算:假设预制构件存在细微的弧度,建立三维直角坐标系定位预制构件,使其一面位于YOZ平面(一般为与拟切分的横切面平行的外表面)。假设一条曲线(一般为二阶曲线)作为研究的参考线,参考线方向为X轴方向。随机选择的参考线所在平面中的10%左右的点来拟合参考线。将随机下采样的点簇投影到XOY平面上,然后通过最小化平方误差,将唯一的二次多项式拟合到投影的n个点(xi,yi)上,假设x轴是主方向:
式中,p(xi)为第k次多项式的内插值,可表示为a0,a1,…,ak的线性方程组:
对Y=XA等号两边同时乘以XT,即XTY=XTXA,对矩阵方程XrY=XTXA进行逆变换得到:
A=(XTX)-1XTY,n>k (3)
根据得到的A构造n个投影点中相邻两个投影点的内插点,即得到n-1个内插点,根据内插点拟合参考线,并计算参考线上每个内插点的切线,各内插点的切线斜率为:
tantj=f(x)′ (4)
式中,tantj为第j个内插点对应的切线斜率,f(x)为内插点拟合得到的参考线;
沿各内插点的法线方向(公式(5))对预制构件进行切分,将预制构件分成n个切片;
S3.2高度信息提取:假设每个切片沿着它的切线方向是直线,并且该切片它的横截面保持不变。对于每个切片,使用公式(6)将切片绕Z轴旋转:
旋转的角度为每个切片j对齐的法线方向和整体直角坐标Y轴的夹角。由于切片的厚度较小,可以使用切片的中间值来计算每个切片的法线方向。
S4,利用弦高差算法,对切片的边缘特征数据进行提取,将提取出的数据进行拟合,得到相关的切片二维轮廓参数;
对于二维切片平面的外围轮廓上的点,采用弦高差算法(如图3所示)确定每个点是否为特征点,具体如下:
弦高距离可由公式(7)求得:
对于第j个二维切片平面外围轮廓上的第m个点Pm,选取与其相邻的两个点Pm-1和Pm+1构造直线L:Amx+Bmy+Cm=0,计算点Pm到直线L的垂直距离dm,当dm大于等于设定阈值σ时,点Pm为特征点并进行提取;(xm,ym)为点Pm的坐标,Am、Bm、Cm为直线L的系数,Mj为第j个二维切片平面外围轮廓上点的数量,dm为第j个二维切片平面外围轮廓上第m个点的弦高差距离。通过特征值提取的方式最终确定切片的特征点,并提取出切片轮廓图。
S5,将二维轮廓根据切片高度信息拉伸形成三维切片,将不同的切片按照原切片位置组合,形成逆向重建模型;
S6,对得到的逆向建模模型结合正向设计BIM的模型,按照质量控制要求进行分析综合,利用数据可视化的手段(如图4所示),直观的评估装配式预制构件的质量是否符合要求。
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (5)
1.基于切片法的预制构件逆向建模与质量控制方法,其特征在于,包括如下步骤:
步骤1,获取装配式建筑预制构件表面三维点云数据;
步骤2,对步骤1获取的三维点云数据进行预处理,区分平面点与边界点,并去除三维点云数据中的离散点和噪点;
步骤3,根据预处理后的点云数据设置一条参考线,沿参考线对装配式建筑预制构件进行切片分割,提取每一切片的高度信息,并将切片投影到二维平面得到二维切片平面;
步骤4,利用弦高差算法,从二维切片平面的外围轮廓上的点中提取特征点;
步骤5,将步骤4提取出的特征点连起来得到各切片的二维轮廓,将各切片的二维轮廓依据切片的高度信息拉伸成三维切片,将所有的三维切片按照原切片位置进行组合,形成逆向重建模型;
步骤6,对步骤5得到的逆向重建模型以及预制构件正向设计的BIM模型进行配准,按照质量控制要求进行分析综合,利用数据可视化的手段,评估装配式预制构件的质量是否符合要求。
2.根据权利要求1所述的基于切片法的预制构件逆向建模与质量控制方法,其特征在于,所述步骤1中,采用激光扫描仪获取的是.asc格式的预制构件表面三维点云数据。
3.根据权利要求2所述的基于切片法的预制构件逆向建模与质量控制方法,其特征在于,所述步骤2中,将.asc格式的预制构件表面三维点云数据转换为.obj格式,采用K最近邻分类算法对.obj格式的三维点云数据进行预处理。
4.根据权利要求1所述的基于切片法的预制构件逆向建模与质量控制方法,其特征在于,所述步骤3的具体过程如下:
步骤3.1,在预制构件的上表面预设一条参考线,建立三维直角坐标系定位预制构件,使预制构件的其中一个侧面位于YOZ平面,位于YOZ平面的侧面与拟切分的横切面平行,预设的参考线方向为X轴方向,在参考线所在的表面上随机下采样10%的点来拟合参考线,将随机下采样的点投影到XOY平面上,对XOY平面上投影得到的点进行拟合,通过最小化平方误差,得到唯一的二次多项式;
其中,平方误差公式为:
式中,E为平方误差,n为投影到XOY平面上得到的投影点的数量,yi为投影到XOY平面上得到的投影点的y坐标,p(xi)为第k次多项式的内插值;
将p(xi)表示为以下线性方程组:
式中,xi为投影到XOY平面上得到的点的x坐标,a0,a1,…,ak为系数;
A=(XTX)-1XTY,n>k
根据得到的A构造n个投影点中相邻两个投影点的内插点,即得到n-1个内插点,根据内插点拟合参考线,并计算参考线上每个内插点的切线,各内插点的切线斜率为:
tan tj=f(x)′
式中,tan tj为第j个内插点对应的切线斜率,f(x)为内插点拟合得到的参考线;
沿各内插点的法线方向对预制构件进行切分,将预制构件分成n个切片;
步骤3.2,设定每个切片沿着它的切线方向是直线,并且切片的横切面保持不变,将每个切片绕Z轴旋转:
式中,(x,y,z)为切片上点的坐标,(x′,y′,z′)为切片上点旋转后的坐标,为第j个切片的旋转角度,旋转角度为每个切片对应的法线方向与三维直角坐标系Y轴的夹角,利用每个切片对应的切线的中心点计算每个切片对应的法线方向;
利用旋转后切片上点的x坐标提取每个切片的高度信息,并切片投影到二维平面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210104963.0A CN114529596A (zh) | 2022-01-28 | 2022-01-28 | 基于切片法的预制构件逆向建模与质量控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210104963.0A CN114529596A (zh) | 2022-01-28 | 2022-01-28 | 基于切片法的预制构件逆向建模与质量控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114529596A true CN114529596A (zh) | 2022-05-24 |
Family
ID=81622663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210104963.0A Pending CN114529596A (zh) | 2022-01-28 | 2022-01-28 | 基于切片法的预制构件逆向建模与质量控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114529596A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115270250A (zh) * | 2022-07-19 | 2022-11-01 | 中国建筑西南设计研究院有限公司 | 基于bim的基础大样详图的自动校审方法、系统及介质 |
CN116049941A (zh) * | 2022-12-26 | 2023-05-02 | 北京建筑大学 | 装配式环桁架结构构件装配前多维度状态提取及分析方法 |
CN116341050A (zh) * | 2023-02-07 | 2023-06-27 | 浙江大学 | 一种基于点云数据的机器人智能建造方法 |
CN117090141A (zh) * | 2023-08-08 | 2023-11-21 | 中国铁建大桥工程局集团有限公司 | 基于三维激光扫描的三主桁钢梁高度差调节方法及系统 |
-
2022
- 2022-01-28 CN CN202210104963.0A patent/CN114529596A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115270250A (zh) * | 2022-07-19 | 2022-11-01 | 中国建筑西南设计研究院有限公司 | 基于bim的基础大样详图的自动校审方法、系统及介质 |
CN116049941A (zh) * | 2022-12-26 | 2023-05-02 | 北京建筑大学 | 装配式环桁架结构构件装配前多维度状态提取及分析方法 |
CN116049941B (zh) * | 2022-12-26 | 2024-05-03 | 北京建筑大学 | 装配式环桁架结构构件装配前多维度状态提取及分析方法 |
CN116341050A (zh) * | 2023-02-07 | 2023-06-27 | 浙江大学 | 一种基于点云数据的机器人智能建造方法 |
CN116341050B (zh) * | 2023-02-07 | 2024-01-30 | 浙江大学 | 一种基于点云数据的机器人智能建造方法 |
CN117090141A (zh) * | 2023-08-08 | 2023-11-21 | 中国铁建大桥工程局集团有限公司 | 基于三维激光扫描的三主桁钢梁高度差调节方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114529596A (zh) | 基于切片法的预制构件逆向建模与质量控制方法 | |
CN109993827B (zh) | 一种将建筑图纸转换为三维bim模型的立面图识别方法 | |
CN113722789B (zh) | 基于3d激光扫描和过程反馈的钢结构桥梁虚拟拼装方法 | |
CN110060338B (zh) | 一种基于bim模型的预制构件点云识别方法 | |
Boulaassal et al. | Automatic extraction of planar clusters and their contours on building façades recorded by terrestrial laser scanner | |
CN109949326A (zh) | 基于背包式三维激光点云数据的建筑物轮廓线提取方法 | |
CN113487722B (zh) | 一种基于三维激光扫描方法的混凝土构件自动化检测方法 | |
CN111272091B (zh) | 一种基于三维激光扫描的焊接工字钢大变形自动识别方法 | |
CN105550428A (zh) | 一种基于tls技术的桥梁安全评估方法 | |
Qin et al. | Automated reconstruction of parametric bim for bridge based on terrestrial laser scanning data | |
CN111738945A (zh) | 一种基于矿山的点云数据预处理方法 | |
Ma et al. | Review on automated quality inspection of precast concrete components | |
Masiero et al. | TLS for detecting small damages on a building façade | |
Mirzaei et al. | End-to-end point cloud-based segmentation of building members for automating dimensional quality control | |
CN115014198A (zh) | 一种基于三维激光扫描的钢筋安装检测方法 | |
CN1290049C (zh) | 强反射背景下粗糙纹理工件图像特征点自动提取方法 | |
CN116740060B (zh) | 基于点云几何特征提取的装配式预制构件尺寸检测方法 | |
CN113868904A (zh) | 一种基于三维点云自动化生成既有结构有限元模型的方法 | |
CN116681873B (zh) | 基于数字高程模型快速更新的影像正射纠正方法及系统 | |
CN112330733A (zh) | 一种基于激光扫描点云的装配式预制构件质量控制方法 | |
CN115540752A (zh) | 基于激光点云的工程质量允许偏差检测系统与构建方法 | |
CN112365534A (zh) | 一种基于单目相机三维重建的大型煤堆体积测量方法 | |
Polat et al. | Control of Building Components by Building Information Modeling Technology and 3D Laser Scanning İntegration Technique for Sustainable Building Quality | |
CN115272177B (zh) | 一种非接触式路面断面信息提取与分析方法 | |
Son et al. | Automated visual inspection planning for prefabricated modules with 3D laser scanning |
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 |