CN115018870A - 基于bim的三维路面病害信息采集与可视化系统及方法 - Google Patents

基于bim的三维路面病害信息采集与可视化系统及方法 Download PDF

Info

Publication number
CN115018870A
CN115018870A CN202210674816.7A CN202210674816A CN115018870A CN 115018870 A CN115018870 A CN 115018870A CN 202210674816 A CN202210674816 A CN 202210674816A CN 115018870 A CN115018870 A CN 115018870A
Authority
CN
China
Prior art keywords
disease
bim
image
dimensional
model
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
CN202210674816.7A
Other languages
English (en)
Inventor
杨旭
李毅
管进超
刘文博
丁玲
汪海年
屈鑫
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.)
Changan University
Original Assignee
Changan University
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 Changan University filed Critical Changan University
Priority to CN202210674816.7A priority Critical patent/CN115018870A/zh
Publication of CN115018870A publication Critical patent/CN115018870A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00Three dimensional [3D] modelling, e.g. data description of 3D objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/242Query formulation
    • G06F16/2433Query languages
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/10Geometric CAD
    • G06F30/13Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/13Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/28Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/44Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Abstract

本发明公开了一种基于BIM的三维路面病害信息采集与可视化系统及方法,该方法将采集的病害图像进行处理后,通过BIM实现病害模型的建立,以实现对病害发展情况以及空间分布状况全面检测,同时,该系统利用BIM技术拓展新方法,实现对小尺度病害信息进行可视化管理,使得道路管理人员、养护人员、巡查人员清晰化工作任务,增强道路在信息化运维阶段的交互性和可达性。

Description

基于BIM的三维路面病害信息采集与可视化系统及方法
技术领域
本发明属于建筑信息技术领域,具体涉及一种基于BIM的三维路面病害信息采集与可视化系统及方法。
背景技术
随着交通量的飞速增长,在复杂的气候综合作用下,道路表面出现了大规模病害(裂缝,车辙,坑槽),严重影响道路安全性和行驶的舒适性。养护管理得当可以有效提高道路使用寿命和提高交通服务水平,而全面准确的病害信息是判断养护时机和养护管理决策的重要依据,传统的对道路病害信息的存储还处于二维阶段,因此,病害三维可视化是提供全面病害信息的有效手段。
建筑信息模型(Building Information Modeling,BIM)作为集成建筑信息的管理平台,具有可视化、数字化、协调性等优势,BIM技术的发展使得采集到的病害信息三维可视化成为可能,运用该BIM平台清晰化了道路检测与养护的工作内容。
目前,道路病害信息采集正逐步摆脱传统复杂且庞大的道路检测车设备,向便携、轻量化方向发展,其中相机摄影采集方式成为当下研究热点,许多学者开发了多种轻量化病害图像采集设备,如申请公布号为CN112176835A的中国发明专利“一种可调式桥梁、隧道及道路路面病害采集装置”、申请公布号为CN112145934A的中国发明专利“一种便携式道路病害采集设备”。其都是通过安装车载摄影设备采集路面高清视频来完成,在采集设备结构方面,前者通过调节机构实现不同位置病害采集,后者则是摆脱螺钉连接,实现设备便携快拆卸。但目前病害图像采集还局限于二维平面图像,最终以巡检报告的形式输出,不能采集全面三维的病害信息,做不到病害信息可视化。
为了实现检测数据可视化的需求,授权公告号为CN211552831U的实用新型专利“基于BIM的道路桥梁的施工检测装置”,其采用无人机设备拍摄照片传输至BIM模块,进行三维建模,来完成施工检测,该方案可以实现大尺度施工检测项目的可视化,但对于较小尺度的路面病害信息很难捕捉,且没有小尺度病害建模的方法,无法运用到路面病害信息采集的实际养护工作中来。
综上,目前路面病害信息采集还处于二维图像阶段,存在片面化、不可视等弊端,对于BIM技术的应用仅限于大尺度施工检测项目,对小尺度病害建模方法的研究还处于空白阶段,尚未发挥其在工程项目运维阶段可将病害信息可视化的独特优势。
发明内容
本发明的目的在于克服上述现有技术的缺点,提供一种基于BIM的三维路面病害信息采集与可视化系统及方法,以解决现有技术中路面病害信息处于二维图像阶段,存在片面化和不可视等弊端的问题。
为达到上述目的,本发明采用以下技术方案予以实现:
基于BIM的三维路面病害信息采集与可视化方法,其特征在于,包括以下步骤:
步骤1,采集病害图像;
步骤2,对病害图像进行像素级处理,生成正射影像;所述正射影像包括深度图像和彩色图像,所述彩色图像生成二值图像;
步骤3,建立第一病害模型或第二病害模型,实现三维路面病害信息采集与可视化;
所述第一病害模型的建立过程为,在BIM中建立矩阵点阵,依据矩阵点阵中的点阵节点创建地形表面;读取深度图像中像素点的深度值,将矩阵点阵中的纵坐标定义为深度值,并将所述深度值嵌套在点阵坐标的二维列表中,将二维列表扁平化处理生成一维列表;将一维列表和地形表面重排组合,对所有的点阵用曲面拟合,完成第一病害模型的建立;
所述第二病害模型的建立过程为,通过Matlab提取出二值图像中病害轮廓的点阵集,建立坐标系,基于坐标系对点阵集重排生成轮廓坐标;将轮廓坐标至于BIM中的坐标系中,在BIM的坐标系中绘制轮廓线,定义病害深度,对轮廓线进行深度方向的拉伸,完成第二病害模型的建立。
优选的,步骤2中,所述像素级处理的过程为:通过病害图像获取空间点和相机点的位置关系,通过位置关系重构出点云三维模型,通过点云三维模型生成正射影像。
优选的,步骤3中,所述第一病害模型中,在Dynamo中建立矩阵点阵,所述点阵的尺寸位置和精细度自定义。
优选的,步骤3中,所述第一病害模型的建立过程中,通过Image.Pixels节点命令识别灰度图像中每个点位的信息值,通过Color.Brightness节点命令识别深度图像中每个点位的深度值。
优选的,步骤3中,所述第一病害模型的建立过程中,通过Flatten节点使二维列表扁平化降为一维列表;通过Topography.ByPoint节点命令对所有的点阵用曲面拟合。
优选的,步骤3中,第二病害模型的建立过程中,通过Matlab提取二值图像中病害轮廓点阵集的过程为:通过edge()函数检测病害图像中病害轮廓,通过创建一个相同大小和形状的图像,将检测到病害轮廓的边缘赋值为1,非边缘部分赋值为0,获得病害轮廓的点阵集。
优选的,步骤3中,第二病害模型的建立过程中,BIM中的坐标系中坐标原点为Selection.PickPoint()函数选择的项目基准点。
优选的,步骤3中,在BIM的坐标系中绘制轮廓线的绘制过程为,通过定义GetcolsFromTable函数命令读取存储器中轮廓坐标数据,通过CreateBound命令依次连接轮廓坐标数据对应的轮廓点,绘制出轮廓线。
优选的,步骤3中,第二病害模型的建立过程中,通过定义NewExtrusion函数命令,依据病害轮廓线,设置拉伸放样路径和深度,对轮廓线进行深度方向的拉伸。
一种基于BIM的三维路面病害信息采集与可视化系统,包括:
SFM病害图像采集模块,用于采集病害图像;
像素级图像处理模块,用于对病害图像进行像素级处理,生成正射影像;
BIM病害可视化模块,用于建立第一病害模型或第二病害模型,实现三维路面病害信息采集与可视化;
所述第一病害模型的建立过程为,在BIM中建立矩阵点阵,依据矩阵点阵中的点阵节点创建地形表面;读取深度图像中像素点的深度值,将矩阵点阵中的纵坐标定义为深度值,并将所述深度值嵌套在点阵坐标的二维列表中,将二维列表扁平化处理生成一维列表;将一维列表和地形表面重排组合,对所有的点阵用曲面拟合,完成第一病害模型的建立;
所述第二病害模型的建立过程为,通过Matlab提取出二值图像中病害轮廓的点阵集,建立坐标系,基于坐标系对点阵集重排生成轮廓坐标;将轮廓坐标至于BIM中的坐标系中,在BIM的坐标系中绘制轮廓线,定义病害深度,对轮廓线进行深度方向的拉伸,完成第二病害模型的建立。
与现有技术相比,本发明具有以下有益效果:
本发明公开了一种基于BIM的三维路面病害信息采集与可视化方法,该方法将采集的病害图像进行处理后,通过BIM实现病害模型的建立,以实现对病害发展情况以及空间分布状况全面检测,同时,该系统利用BIM技术拓展新方法,实现对小尺度病害信息进行可视化管理,使得道路管理人员、养护人员、巡查人员清晰化工作任务,增强道路在信息化运维阶段的交互性和可达性。
本发明还公开了一种基于BIM的三维路面病害信息采集与可视化系统,该系统中的图像采集是借助三维立体视觉技术来完成,可以获得全面的病害纹理细节;像素级图像处理模块还原病害真实的三维点云信息,并进一步处理出多种类型综合图像供BIM病害可视化模块使用;BIM病害可视化模块可以提取病害深度图像中的像素点深度信息模拟地形曲面完成病害模型构建;BIM病害可视化模块也可以提取病害二值图像中的像素点轮廓信息构建病害族模型;BIM病害可视化模块实现了小尺度路面病害的全面管理;本系统可以一体化采集三维病害,发挥BIM将病害信息可视化的优势,协助病害管理的道路养护工作。
附图说明
图1为本发明基于BIM的三维路面病害信息采集与可视化系统的示意图;
图2为本发明中SFM病害图像采集装置的结构示意图;
其中,(a)图为整体结构示意图;(b)图为细节图;
其中101为三角支撑架装置,102为水平平衡杆,103为固定卡槽,104为固定GO Pro相机;
图3为本发明基于BIM的三维路面病害信息采集与可视化系统之图像处理模块流程图;
图4为本发明基于BIM的三维路面病害信息采集与可视化系统之BIM病害可视化模块建模流程图;
图5为本发明利用深度图像BIM病害建模效果图;
图6为本发明利用二值图像BIM病害建模效果图;
图7为本发明BIM病害与道路耦合综合效果图;
具体实施方式
下面结合附图对本发明做进一步详细描述:
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制;术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性;此外,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
如图1所示,本发明提供一种基于BIM的三维路面病害信息采集与可视化系统,该系统能够实现一体化路面病害三维采集和全面病害信息可视化管理,该系统主要包括SFM病害图像采集装置1、像素级图像处理模块2和BIM病害可视化模块3。
SFM病害图像采集模块1,基于立体视觉成像原理通过多台相机设备对同一病害区域进行图像采集,病害图像经过中继设备无线传输至图像处理模块,分析获取病害的三维空间信息;
像素级图像处理模块2,包含图像导入模块、图像分组模块、图像对齐模块、密集点云构建模块和点云文件导出模块。为优化处理速度,图像分组模块把同一路段每30~50张照片进一步细分,将不同位置相机拍摄照片汇总为一组处理;图像对齐模块把不同图片上的相同像素进行匹配;密集点云构建模块进行二维图像中的特征点提取和匹配,完成路面摄影测量和相机标定,获取病害空间有效像素点的信息,实现点云三维重构,重构点云模型通过标定和格式化转为正射影像,如深度图像、彩色图像、叠加图像等,用于BIM模块的使用;
BIM病害可视化模块3,BIM病害可视化模块3是该系统的核心部分,包含地形拟合病害构建模块和轮廓拟合病害构建模块,处理完成的病害图像传输至BIM模块中进行解析以及信息提取,经过最优病害构建模块选择,以实现病害信息的三维可视化。
信息存储器4,基于SQL Sever数据库和图像存储区,实现病害信息与BIM模型的动态联动以及原始病害图像的大量存储,以便通过BIM平台对病害信息的调用,达到病害科学可视化管理目的。
如图2所示,本发明提出了基于BIM的三维路面病害信息采集与可视化系统及方法,该系统包含基于SFM病害图像采集装置1提出路面病害图像采集的方法,实现病害的三维空间信息的获取,具体包括的步骤如下:
步骤1,选定待检测路段,规划采集路线,安装车载图像采集装置,通过控制无线遥控器,完成病害图像采集;
步骤1.1,参见图2和图3,安装图像采集装置:将三角支撑架装置101通过连接绳端卡扣固定于汽车尾部,水平平衡杆102安装在三角支撑架上,水平平衡杆上有三个固定卡槽103用于固定GO Pro相机104,相邻三个固定GO Pro相机104之间的距离相等,卡槽位置可以调整相机拍摄角度,将中间相机镜头垂直于地面,两侧相机向中间倾斜30°,使得拍摄效果最佳,图像重叠率达到70%~80%之间。
三个GoPro相机由一个智能遥控器控制,通过控制无线遥控器,可以控制三个相机同时捕捉图像,完成病害图像采集;
优选地,所述病害图像采集装置由水平支架配备三台GoPro HERO8相机安装于掀背式汽车尾部。
优选地,所述GoPro HERO8相机有1200万像素分辨率,拍摄速度快,便携易安装。
步骤1.2,病害图像采集:选择沥青路面病害采集路段,设置采集点和路线,控制搭载图像采集设备的汽车的行驶速度在3~15km/,以保证相机在移动时拍摄的稳定性,检测人员控制智能控制器,这三个GoPro相机由一个智能遥控器控制,可以控制三个相机同时捕捉图像;
优选地,所述病害图像采集装置的相机与路面的垂直距离为0.8m,相机水平的间距为0.6m,以保证视场与地面采样距离的平衡,使图像可以覆盖约2m2的路面,而且能够准确观察到0.27mm/pixel的最小细节。
步骤2,像素级图像处理:从采集中的图像中通过机器分给或人工分类,筛选出有病害的图像,即为病害图像,将采集到的病害图像无线传输至中继设备进行图像处理,首先是相机标定,通过获取相机的内参矩阵来描述空间点和相机点的位置关系;通过空间点和相机点的位置关系重构出点云三维模型,通过编辑python脚本调用Photoscan功能来进行图像组批量重建,重建完成的点云三维模型要进一步校准;最后,点云三维模型生成用于BIM模型构建的正射影像,正射影像的每一个像素点都代表点云空间信息,正射影像包括深度图像、彩色图像和二值图像。对于深度图像,每一个像素点代表对应空间点云区域的平均深度信息。对于彩色图像,每一个像素点代表对应空间点云区域的平均RGB值。对于二值图像,是通过人工标注小部分深度图像或彩色图像中的病害,再使用机器学习的方法识别预测剩余图像中的病害并输出的。
处理完成的正射影像传输至BIM模块中进行解析以及信息提取(灰度信息,有深度信息),BIM模块包含两个并行的地形拟合病害构建模块和轮廓拟合病害构建模块,对不同的病害类型运行最优的病害创建模块,如裂缝、坑槽等病害调用轮廓病害构建模块,网裂、车辙、拥包等病害调用地形病害构建模块。
本发明公开的实施例之一,公开了一种病害BIM拟合模型的重建方法,具体的为:基于病害深度图像的BIM模型构建,该构建方法借助Revit地形曲面点阵拟合原理创建,模型可以最大限度还原病害真实情况,构建复杂类型病害的效果最优,参见图4具体操作步骤如下:
步骤3.1,新建主工作空间:在Revit可视化编程插件Dynamo中新建主工作空间,通过连接自定义节点的方式进行编程;
步骤3.2,创建矩形点阵:在Dynamo中创建矩形点阵用来模拟病害图像中的像素点的空间信息,使用Point.ByCoordinates节点命令,连接代码块来定义点阵的参数,其参数包括点阵的位置信息和点阵的数量,点阵的尺寸位置以及精细程度可自定义调节,点阵的密集程度直接影响病害模型的真实还原度和程序的运行速度,在平衡病害模型的可视效果以及运行速率情况下,选取4~6万个点阵数最宜,打开定义点阵命令节点的预览模式,方便查看病害创建位置是否正确;
步骤3.3,创建地形表面:在Revit中依据点阵节点位置创建地形表面,地形表面要求覆盖矩形点阵,地形表面通过点阵来拟合病害表面的点达到模型重构目的,对较复杂病害如网裂,松散等效果较好;
步骤3.4,读取病害深度图像:使用输入图像节点命令读取病害深度图像,然后通过Image.Pixels节点命令来识别图像每个点位的信息值,再连接Color.Brightness节点读取图像深度值,为提升真实视觉效果,深度值优化增强处理,并放大系数还原真实深度与像素点位深度值的比例。
步骤3.5,定义点阵深度值:采用几何图形平移命令节点,定义步骤3.2的矩阵点阵的纵坐标Z值为读取到的深度值,矩阵点阵中每个点位的深度值都嵌套在一个二维列表中,因此要通过Flatten节点使其扁平化降为一维列表。
步骤3.6,病害曲面拟合:选取之前创建的地形表面,获取地形表面的轮廓顶点的坐标列表,如果创建的是矩形表面,则顶点坐标有四个,之后将一维列表与地形表面轮廓顶点列表重排组合形成完整的点阵数列集,点阵数列集的要求是同一像素区域位置有且只有一个坐标点,点阵重排组合的目的是将病害模型创建为三维闭合实体,最后调用Topography.ByPoint节点命令把所有点阵用曲面去拟合,要求曲面穿过所有点阵来完成重建三维地形拟合表面,实现对病害BIM模型的重构,病害模型如图5所示。
本发明公开的实施例之一,公开了一种病害BIM轮廓模型重建:基于病害二值图像BIM模型构建,该构建方法借助Revit API在Visual Studio中二次开发插件的方式,通过参数化控制病害轮廓,使病害物理信息可参数化计算,同时可以参数化管理病害,此方法对横缝、纵缝、坑槽等病害类型建模效果较好,具体操作步骤如下:
步骤4.1,病害轮廓提取:像素级图像处理模块对病害二值图像进一步处理,通过Matlab调用edge()函数,edge函数可以检测图像轮廓边缘,通过创建一个相同大小的图像,将检测到的边缘赋值为1,非边缘部分赋值为0,函数中需要使用边缘检测算子,算子包括种类很多,包括Sobel、Roberts、prewitt、log、canny等,优选用canny算子检测二值图像病害轮廓并提取,获得病害轮廓坐标的点阵集。
步骤4.2,建立坐标系:选定原点建立直角坐标系,读取病害轮廓坐标,将坐标按轮廓顺序依次读取重排,为提升建模速率,将轮廓坐标均匀简化并存储至信息存储器中;
步骤4.3,搭建二次开发框架:搭建Revit二次开发的VS框架,VS添加Revit动态链接库,库中封装了Revit二次开发的类和代码,引用Revit相关的API,调用IExternalCommand外部扩展命令,重载Execute函数,实现开发的界面在Revit中的嵌入;
步骤4.4,选定病害模型基准点:编程激活当前Revit界面,代码载入族样板,使用获取模型命令选取道面板,调用Selection.PickPoint()函数选择项目基准点,项目基准点选取为采集的病害起始位置相对坐标,相对坐标通过病害位置的GPS坐标相对于现场采集基准点换算而得到,以此作为病害模型的坐标原点;
步骤4.5,绘制病害轮廓:获取病害轮廓,通过自定义函数,读取存储在信息存储器中的DataTable轮廓坐标,解析坐标文件并分别定义数据源每列为XYZ坐标值,使用CreateBound命令利用for循环语句依次连接轮廓点绘制轮廓线CurveArrArray;
步骤4.6,定义病害深度:定义参数h为病害轮廓深度,关联Winform窗体的TextBox控件,方便用户自定义病害深度;优选的,病害深度为实际轮廓各个部分深度的平均值
步骤4.7,病害模型重构:通过调用空心拉伸放样实体的命令,依据病害轮廓线,设置拉伸放样路径和深度,其中Bool isSolid定义为False,用到了Application、Document、XYZ、Element、double h、轮廓线CurveArrArray等参数,完成病害模型的空心拉伸放样建模,病害模型如图6所示;
步骤4.8,窗体界面设计:用户界面Winform窗体设计,自定义窗体控件(包括浏览文件、深度定义、数据显示窗口等),代码编辑窗体控件对程序集的调用,实现界面窗体与用户的交互控制;
步骤4.9,封装Revit插件:将编写代码的.dll文件加载到Revit中,进一步封装成Revit按钮插件,方便用户直接通过窗体界面完成参数化病害模型的创建。
本发明公开的第一病害模型和第二病害模型的建模方法,都是在道路BIM模型上直接建模,实现病害模型与道路模型的快速耦合,综合效果如图7所示。
步骤5,BIM与数据库动态联动:在SQL Sever数据库中运用SQL语句创建病害数据库,数据库存储表格的标头与BIM模型的编码相一致,然后在VS(Visual Studio)中.NETFramework框架下添加System.Data.SqlClient的引用,使用Connection命令实现SQL数据库与Revit之间的链接,通过实例化SqlCommand()对象,调用SQL增删改以及查询等命令语句,完成BIM病害信息与数据库的动态关联,达到病害可视化管理的目的。
本发明还公开一种基于BIM的三维路面病害信息采集与可视化系统,包括:
SFM病害图像采集模块,用于采集病害图像;
像素级图像处理模块,用于对病害图像进行像素级处理,生成正射影像;
BIM病害可视化模块,用于建立第一病害模型或第二病害模型,实现三维路面病害信息采集与可视化;
所述第一病害模型的建立过程为,在BIM中建立矩阵点阵,依据矩阵点阵中的点阵节点创建地形表面;读取深度图像中像素点的深度值,将矩阵点阵中的纵坐标定义为深度值,并将所述深度值嵌套在点阵坐标的二维列表中,将二维列表扁平化处理生成一维列表;将一维列表和地形表面重排组合,对所有的点阵用曲面拟合,完成第一病害模型的建立;
所述第二病害模型的建立过程为,通过Matlab提取出二值图像中病害轮廓的点阵集,建立坐标系,基于坐标系对点阵集重排生成轮廓坐标;将轮廓坐标至于BIM中的坐标系中,在BIM的坐标系中绘制轮廓线,定义病害深度,对轮廓线进行深度方向的拉伸,完成第二病害模型的建立。
本发明综合运用了SFM立体视觉技术、图像处理技术和BIM技术,提出了基于BIM的路面三维病害信息采集与可视化系统及方法,把病害信息的采集从二维平面提升到三维阶段,并借助BIM平台对Revit进行二次开发,完成对路面病害的信息可视化集成,该平台以病害模型为基础帮助实现道路运维阶段不同信息的汇总,方便道路养护工作对信息的管理和查看,辅助判断养护时机和养护管理决策。
本发明所述的基于BIM的三维路面病害信息采集与可视化系统由SFM病害图像采集装置、中继传输设备、像素级图像处理模块、BIM病害可视化模块、信息存储器组成。所述SFM病害图像采集装置与中继传输设备无线连接,所述中继传输设备配备像素级图像处理模块和BIM病害可视化模块,所述BIM病害可视化模块与信息存储器电连接;
进一步,所述SFM病害图像采集装置是运用立体成像视觉技术,通过设置不同位置的多个相机来获取多幅二维图像,其原理是计算不同图像对应点的视差来恢复真实图像的深度信息,图像采集装置与中继传输设备无线连接,把采集到的图片传输到中继设备。
进一步,所述中继处理器通过接口电连接像素级图像处理模块,像素级图像处理模块将采集到的二维图像中的特征点进行提取和匹配,通过算法获取相机的空间位置,并进一步计算出图像场景中各个有效像素点的空间信息,实现点云三维重构。
进一步,像素级图像处理模块包含图像导入模块、图像分组模块、图像对齐模块、密集点云构建模块和点云文件导出模块,将SFM生成的点云模型通过标定和格式化转化为正射影像,如深度图像、RGB图像、二值图像等。
进一步,像素级图像处理模块电连接BIM病害可视化模块,BIM模块是该系统的核心部分,包含地形拟合病害构建模块和轮廓拟合病害构建模块,处理完成的病害图像传输至BIM病害可视化模模块中进行解析以及信息提取,最终重构出病害三维可视化模型。
进一步,所述信息存储器电连接BIM病害可视化模模块,用于存储处理完成的病害照片,另外信息存储器中建立了病害数据库,数据库与BIM模型动态链接,方便BIM模块对病害信息的存储和调用。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (10)

1.基于BIM的三维路面病害信息采集与可视化方法,其特征在于,包括以下步骤:
步骤1,采集病害图像;
步骤2,对病害图像进行像素级处理,生成正射影像;所述正射影像包括深度图像和彩色图像,所述彩色图像生成二值图像;
步骤3,建立第一病害模型或第二病害模型,实现三维路面病害信息采集与可视化;
所述第一病害模型的建立过程为,在BIM中建立矩阵点阵,依据矩阵点阵中的点阵节点创建地形表面;读取深度图像中像素点的深度值,将矩阵点阵中的纵坐标定义为深度值,并将所述深度值嵌套在点阵坐标的二维列表中,将二维列表扁平化处理生成一维列表;将一维列表和地形表面重排组合,对所有的点阵用曲面拟合,完成第一病害模型的建立;
所述第二病害模型的建立过程为,通过Matlab提取出二值图像中病害轮廓的点阵集,建立坐标系,基于坐标系对点阵集重排生成轮廓坐标;将轮廓坐标至于BIM中的坐标系中,在BIM的坐标系中绘制轮廓线,定义病害深度,对轮廓线进行深度方向的拉伸,完成第二病害模型的建立。
2.根据权利要求1所述的基于BIM的三维路面病害信息采集与可视化方法,其特征在于,步骤2中,所述像素级处理的过程为:通过病害图像获取空间点和相机点的位置关系,通过位置关系重构出点云三维模型,通过点云三维模型生成正射影像。
3.根据权利要求1所述的基于BIM的三维路面病害信息采集与可视化方法,其特征在于,步骤3中,所述第一病害模型中,在Dynamo中建立矩阵点阵,所述点阵的尺寸位置和精细度自定义。
4.根据权利要求1所述的基于BIM的三维路面病害信息采集与可视化方法,其特征在于,步骤3中,所述第一病害模型的建立过程中,通过Image.Pixels节点命令识别灰度图像中每个点位的信息值,通过Color.Brightness节点命令识别深度图像中每个点位的深度值。
5.根据权利要求1所述的基于BIM的三维路面病害信息采集与可视化方法,其特征在于,步骤3中,所述第一病害模型的建立过程中,通过Flatten节点使二维列表扁平化降为一维列表;通过Topography.ByPoint节点命令对所有的点阵用曲面拟合。
6.根据权利要求1所述的基于BIM的三维路面病害信息采集与可视化方法,其特征在于,步骤3中,第二病害模型的建立过程中,通过Matlab提取二值图像中病害轮廓点阵集的过程为:通过edge()函数检测病害图像中病害轮廓,通过创建一个相同大小和形状的图像,将检测到病害轮廓的边缘赋值为1,非边缘部分赋值为0,获得病害轮廓的点阵集。
7.根据权利要求1所述的基于BIM的三维路面病害信息采集与可视化方法,其特征在于,步骤3中,第二病害模型的建立过程中,BIM中的坐标系中坐标原点为Selection.PickPoint()函数选择的项目基准点。
8.根据权利要求1所述的基于BIM的三维路面病害信息采集与可视化方法,其特征在于,步骤3中,在BIM的坐标系中绘制轮廓线的绘制过程为,通过定义GetcolsFromTable函数命令读取存储器中轮廓坐标数据,通过CreateBound命令依次连接轮廓坐标数据对应的轮廓点,绘制出轮廓线。
9.根据权利要求1所述的基于BIM的三维路面病害信息采集与可视化方法,其特征在于,步骤3中,第二病害模型的建立过程中,通过定义NewExtrusion函数命令,依据病害轮廓线,设置拉伸放样路径和深度,对轮廓线进行深度方向的拉伸。
10.一种基于BIM的三维路面病害信息采集与可视化系统,其特征在于,包括:
SFM病害图像采集模块,用于采集病害图像;
像素级图像处理模块,用于对病害图像进行像素级处理,生成正射影像;
BIM病害可视化模块,用于建立第一病害模型或第二病害模型,实现三维路面病害信息采集与可视化;
所述第一病害模型的建立过程为,在BIM中建立矩阵点阵,依据矩阵点阵中的点阵节点创建地形表面;读取深度图像中像素点的深度值,将矩阵点阵中的纵坐标定义为深度值,并将所述深度值嵌套在点阵坐标的二维列表中,将二维列表扁平化处理生成一维列表;将一维列表和地形表面重排组合,对所有的点阵用曲面拟合,完成第一病害模型的建立;
所述第二病害模型的建立过程为,通过Matlab提取出二值图像中病害轮廓的点阵集,建立坐标系,基于坐标系对点阵集重排生成轮廓坐标;将轮廓坐标至于BIM中的坐标系中,在BIM的坐标系中绘制轮廓线,定义病害深度,对轮廓线进行深度方向的拉伸,完成第二病害模型的建立。
CN202210674816.7A 2022-06-15 2022-06-15 基于bim的三维路面病害信息采集与可视化系统及方法 Pending CN115018870A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210674816.7A CN115018870A (zh) 2022-06-15 2022-06-15 基于bim的三维路面病害信息采集与可视化系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210674816.7A CN115018870A (zh) 2022-06-15 2022-06-15 基于bim的三维路面病害信息采集与可视化系统及方法

Publications (1)

Publication Number Publication Date
CN115018870A true CN115018870A (zh) 2022-09-06

Family

ID=83075525

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210674816.7A Pending CN115018870A (zh) 2022-06-15 2022-06-15 基于bim的三维路面病害信息采集与可视化系统及方法

Country Status (1)

Country Link
CN (1) CN115018870A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115578430A (zh) * 2022-11-24 2023-01-06 深圳市城市交通规划设计研究中心股份有限公司 一种路面车辙病害的三维重构方法、电子设备及存储介质
CN116360485A (zh) * 2023-03-06 2023-06-30 广州天勤数字科技有限公司 一种应用于桥梁巡检的无人机避障方法及无人机
CN116758507A (zh) * 2023-07-03 2023-09-15 中铁建设集团有限公司 基于病害图像采集、分割的道面质量分析方法、装置及程序

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115578430A (zh) * 2022-11-24 2023-01-06 深圳市城市交通规划设计研究中心股份有限公司 一种路面车辙病害的三维重构方法、电子设备及存储介质
CN116360485A (zh) * 2023-03-06 2023-06-30 广州天勤数字科技有限公司 一种应用于桥梁巡检的无人机避障方法及无人机
CN116360485B (zh) * 2023-03-06 2024-02-27 广州天勤数字科技有限公司 一种应用于桥梁巡检的无人机避障方法及无人机
CN116758507A (zh) * 2023-07-03 2023-09-15 中铁建设集团有限公司 基于病害图像采集、分割的道面质量分析方法、装置及程序
CN116758507B (zh) * 2023-07-03 2023-12-19 中铁建设集团有限公司 基于病害图像采集、分割的道面质量分析方法、装置及程序

Similar Documents

Publication Publication Date Title
CN115018870A (zh) 基于bim的三维路面病害信息采集与可视化系统及方法
CN110263717B (zh) 一种融入街景影像的土地利用类别确定方法
CN109883401B (zh) 一种城市观山可视域的测量方法及系统
Garilli et al. Automatic detection of stone pavement's pattern based on UAV photogrammetry
CN106408015A (zh) 基于卷积神经网络的岔路口识别及深度估计方法
CN114332385A (zh) 一种基于三维虚拟地理场景的单目相机目标检测与空间定位方法
CN114399672A (zh) 一种基于深度学习的铁路货车闸瓦故障检测方法
CN111738056B (zh) 一种基于改进YOLO v3的重卡盲区目标检测方法
CN109297978B (zh) 基于双目成像的电力线路无人机巡检及缺陷智能诊断系统
CN111144418B (zh) 一种铁路轨道区域分割提取的方法
CN113807464A (zh) 基于改进yolo v5的无人机航拍图像目标检测方法
CN112258491A (zh) 一种电力设备缺陷三维模拟方法
CN109949231B (zh) 一种用于城市管理信息采集和处理的方法及装置
CN112418155A (zh) 一种检测地铁车侧巡检图像上工件的位置和类型的方法
CN113033516A (zh) 对象识别统计方法及装置、电子设备、存储介质
CN114972177A (zh) 道路病害识别管理方法、装置及智能终端
CN115661032A (zh) 一种适用于复杂背景的路面病害智能检测方法
Malini et al. An automatic assessment of road condition from aerial imagery using modified VGG architecture in faster-RCNN framework
CN113744226A (zh) 一种农业害虫智能识别与定位方法及系统
CN114998545A (zh) 一种基于深度学习的三维建模阴影识别系统
CN116030194A (zh) 一种基于目标检测规避的空地协同实景三维建模优化方法
Zhang et al. Pavement crack detection based on deep learning
CN116363426A (zh) 公路防眩板健康状态自动检测方法
CN116129327A (zh) 一种基于改进YOLOv7算法的红外车辆检测方法
KR102388777B1 (ko) 360도 vr 카메라를 이용한 연도변 조사 서비스 제공 시스템

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