CN116168386A - 一种基于激光雷达扫描的桥梁施工进度识别方法 - Google Patents

一种基于激光雷达扫描的桥梁施工进度识别方法 Download PDF

Info

Publication number
CN116168386A
CN116168386A CN202310203967.9A CN202310203967A CN116168386A CN 116168386 A CN116168386 A CN 116168386A CN 202310203967 A CN202310203967 A CN 202310203967A CN 116168386 A CN116168386 A CN 116168386A
Authority
CN
China
Prior art keywords
point cloud
progress
bridge
component
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.)
Pending
Application number
CN202310203967.9A
Other languages
English (en)
Inventor
冯东明
葛健
吴刚
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.)
Southeast University
Original Assignee
Southeast 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 Southeast University filed Critical Southeast University
Priority to CN202310203967.9A priority Critical patent/CN116168386A/zh
Publication of CN116168386A publication Critical patent/CN116168386A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • 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
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/176—Urban or other man-made structures
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Hardware Design (AREA)
  • Architecture (AREA)
  • Computer Graphics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种基于激光雷达扫描的桥梁施工进度识别方法，包括：采用激光雷达扫描仪采集得到全桥点云数据；获得实际进度点云数据；获取计划施工进度的3D BIM模型；获得含有构件类别信息的计划进度点云数据；将实际进度点云数据与计划进度点云数据进行配准，采用最近邻搜索及基于点云颜色的区域生长方法划分实际进度点云数据，获得各构件的点云，以代表各构件的在对应时间节点的施工进度；分别求得各构件的计划进度与实际进度的最小外接立方体，通过立方体纵向长度的比值计算获取单个构件的POC值，更新桥梁构件的施工进度值。本发明能够更细致的获取单构件的百分比进度值，提高了桥梁施工进度统计的精细化程度。

Description

一种基于激光雷达扫描的桥梁施工进度识别方法
技术领域
本发明属于桥梁信息化及智慧工地技术领域，特别涉及一种基于激光雷达扫描的桥梁施工进度识别方法。
背景技术
随着当前桥梁建设体量的增大，工程类型愈加复杂，施工环境多样化，桥梁工程的建设管理难度愈加提高。桥梁建设本身就是一项复杂程度高的活动，涉及多方团队的协调，建设周期长且易受到环境因素的影响，合理的施工进度识别方法对于桥梁建设起到至关重要的作用。传统的施工进度识别方法依赖施工进度计划图与统计报表的对比，进度数据的采集属于劳动密集型的信息收集，人工跟踪缺乏精度和效率，人为干预程度大。因此，桥梁建设亟需更加智能化的施工进度识别方法来保障工程推进与及时调整施工计划。
通过激光雷达扫描仪获取桥梁点云数据的方式，在桥梁交通领域已广泛应用于路面分割、道路标记、边缘提取、基于移动激光雷达的人行横道自动识别等方面，且站立式激光扫描仪在获取点云数据方面可以提供高精度的三维点云数据。目前在桥梁项目建设中，往往存在对应的桥梁BIM模型的构建与维护，该技术广泛应用于建筑分析、施工阶段应用、设施运维管理及可视化应用等方面。但目前尚未有基于点云数据来识别桥梁的施工进度的技术方案。
发明内容
解决的技术问题：为了克服传统施工进度识别方法的局限性，本发明提供一种基于激光雷达扫描的桥梁施工进度识别方法，采用激光雷达扫描仪获取全桥三维点云数据，结合BIM模型进行桥梁施工进度识别。
技术方案：
一种基于激光雷达扫描的桥梁施工进度识别方法，所述桥梁施工进度识别方法包括以下步骤：
S1，采用激光雷达扫描仪采集得到全桥点云数据；
S2，采用直通滤波算法去除无效点和离群点，采用基于体素的方法对全桥点云数据进行一致性采样，获得实际进度点云数据；
S3，基于桥梁4D BIM模型获取计划施工进度的3D BIM模型，3D BIM模型与实际进度点云数据的时间节点保持一致；将计划施工进度BIM模型转换为点云模型，获得含有构件类别信息的计划进度点云数据；
S4，将实际进度点云数据与计划进度点云数据进行配准，采用最近邻搜索及基于点云颜色的区域生长方法划分实际进度点云数据，获得各构件的点云，以代表各构件的在对应时间节点的施工进度；
S5，分别求得各构件的计划进度与实际进度的最小外接立方体，通过立方体纵向长度的比值计算获取单个构件的POC值，基于POC值更新桥梁构件的施工进度值。
进一步地，步骤S1中，采用激光雷达扫描仪采集得到全桥点云数据的过程包括以下子步骤：
S11，根据桥梁施工环境布设激光雷达扫描仪测点，采集各站点的点云数据，相邻测点的点云数据问的重叠率超过预设的最低重叠率阈值；
S12，对各站点的点云数据进行点云配准，将各站点的点云数据坐标系转化到统一的坐标系中，获得全桥点云数据。
进一步地，步骤S11中，以桥梁点云数据的完整性为约束条件，根据激光雷达扫描仪的分辨率、激光雷达扫描仪与测量目标距离的远近分析得到各测点位置；相邻测点采集数据时，在站点位置间放置标靶球。
进一步地，步骤S3中，获得含有构件类别信息的计划进度点云数据的过程包括以下子步骤：
S31，采用Autodesk Revit获取3D BIM模型；
S32，采用Revit2Obj插件，将BIM模型转换为网格模型；
S33，采用CloudCompare对网格模型进行点云采样，获得点云模型；
S34，采用CloudCompare对点云模型的不同构件分类别标注，并记录标注序号与构件名称之间的对应关系。
进一步地，步骤S4中，将实际进度点云数据与计划进度点云数据进行配准，采用最近邻搜索及基于点云颜色的区域生长方法划分实际进度点云数据，获得各构件的点云，以代表各构件的在对应时间节点的施工进度的过程包括以下子步骤：
S41，分别对每个构件的计划进度进行基于体素的下采样，体素大小的设置与步骤S2中所采用的体素下采样方式相同；
S42，计算实际进度点云与每个构件的计划进度点云中最近点的距离，将距离阈值内的点作分别标注为对应的构件；
S43，采用基于点云颜色的区域生长方式，将各构件所属的实际进度点云分簇；
S44，对于每个构件，计算实际进度点云每簇点的平均颜色与计划进度点云的颜色距离，选取颜色距离阈值内的点簇，划定为属于该构件的部分，由此获得各构件的实际进度点云，以代表各构件的在对应时间节点的施工进度。
进一步地，步骤S44中，点P1和点P2之间的颜色距离Color Distance(P1，P2)的计算公式为：
Figure BDA0004110141870000031
式中，R1、G1、B1是点P1的RGB值，R2、G2、B2分别是点P2的RGB值。
进一步地，步骤S5中，分别求得各构件的计划进度与实际进度的最小外接立方体，通过立方体纵向长度的比值计算获取单个构件的施工进度值，基于施工进度值更新桥梁构件的施工进度值的过程包括以下子步骤：
S51，计算得到计划进度点云与实际进度点云的最小外接立方体；
S52，获取实际进度和计划进度点云的最小外接立方体的纵向长度，计算各构件的施工进度值，纵向长度为计划进度点云最小外接立方体的最长维度方向。
进一步地，各构件的施工进度值POC的计算公式如下：
Figure BDA0004110141870000032
式中，L′和L分别是实际进度和计划进度的最小外接立方体的纵向长度。
进一步地，将施工进度值赋予到桥梁各构件时，遵循以下原则：(1)若构件存在上个施工时期的施工进度值，则该构件施工进度值取当前计算获取的施工进度值与上个施工时期的施工进度值的较大值；(2)若施工进度值小于10％，默认置零；(3)若施工进度值大于90％，则直接取100％。
有益效果：
(1)与传统的施工进度统计相比，本发明基于激光雷达扫描仪获取点云三维数据，避免了人工跟踪缺乏精度和效率的问题，提高了数据获取的智能化和自动化程度；
(2)本发明提供的施工进度识别方法不局限于单个构件0/1式的进度统计，能够更细致的获取单构件的百分比进度值，提高了桥梁施工进度统计的精细化程度；
(3)本发明提供的施工识别方法，具备高效率、高精准度、良好的可视化效果及对真实施工场景的还原程度高，相较于传统的施工进度识别及基于二维图像的施工进度识别具有显著优势。
附图说明
图1为本发明使用激光雷达扫描仪进行桥梁施工进度自动识别的方法流程图；
图2为本发明使用激光雷达采集点云数据时，标靶球的相对位置关系；
图3为本发明中将BIM模型转换为三维点云模型的过程示意图；
图4是本发明采用最近邻搜索及基于点云颜色的区域生长方法进行点云构件分割的方法流程图；
图5是基于本发明提供的识别方法获得的施工进度识别结果示意图。
具体实施方式
下面的实施例可使本专业技术人员更全面地理解本发明，但不以任何方式限制本发明。
如图1所示，本发明提供了一种基于激光雷达扫描的桥梁施工进度识别方法，主要分为数据获取，构件分割、各构件进度值计算及更新三个部分，包括以下步骤：
S1：根据桥梁施工环境布设激光雷达扫描仪测点，采集各站点的点云数据，相邻测点之间的距离应使得点云数据间满足一定的重叠率；并对各站点的点云数据进行点云配准，将各站点点云数据坐标系转化到统一的坐标系中，获得全桥点云数据；
S2：采用直通滤波算法去除无效点和离群点，采用基于体素的方法对全桥点云数据进行一致性采样，获得实际进度点云数据；
S3：基于桥梁4D BIM模型获取计划施工进度的3D BIM模型，3D BIM模型与实际进度点云数据的时间节点应保持一致；将计划施工进度BIM模型转换为点云模型，获得含有构件类别信息的计划进度点云数据：
S4：将实际进度与计划进度点云数据进行配准，采用最近邻搜索及基于点云颜色的区域生长方法划分实际进度点云数据，获得各构件的点云，以代表各构件的在对应时间节点的施工进度；
S5：分别求得各构件的计划进度与实际进度的最小外接立方体，通过立方体纵向长度的比值计算获取单个构件的POC值，基于POC值更新桥梁构件的施工进度值。
步骤S1中，激光雷达扫描仪的相邻测点之间的距离应根据分辨率设置、与测量目标距离的远近及数据完整性合理设置，且相邻测点采集数据时，应在站点位置间放置标靶球，标靶球放置的相对位置关系如图2所示。
步骤S2中，对全桥点云数据进行直通滤波，去除点云中的无效点和离群点；且考虑到激光雷达点云密度差异的问题，基于体素进行一致性采样，由此获取实际进度点云模型。
步骤S3中，基于4D BIM模型与实际进度点云采集时间获取3D BIM模型，其中4DBIM模型是指包含时间维度与对应施工进度模型的四维BIM模型；若该模型不可获取，可基于施工进度规划及最终成桥状态BIM模型，建立对应时间节点的计划进度BIM模型。
步骤S3中，将BIM模型转换为三维点云模型的过程如图3所示，该方法可以基于3DBIM模型获得含有构件类别信息的计划进度点云数据，包括以下步骤：
(1)采用AutodeskRevit获取3D BIM模型；
(2)采用Revit2Obj插件，将BIM模型转换为网格模型；
(3)采用CloudCompare对网格模型进行点云采样，获得点云模型；
(4)采用CloudCompare对点云模型的不同构件分类别标注，并记录标注序号与构件名称之间的对应关系。
步骤S4中，实际进度点云与计划进度点云数据的配准过程分为粗配准与精配准，粗配准主要基于点对匹配，精配准采用ICP(Iterative Closest Point)算法迭代计算。经过此步骤，实际进度点云与计划进度点云的空间位置一致。
步骤S4中采用最近邻搜索及基于点云颜色的区域生长方法进行点云构件分割的方法如图4所示，主要包括以下步骤：
(1)分别对每个构件的计划进度进行基于体素的下采样，体素大小的设置与S2中所采用的体素下采样方式相同；
(2)计算实际进度点云与每个构件的计划进度点云中最近点的距离，将距离阈值内的点作分别标注为对应的构件；
(3)采用基于点云颜色的区域生长方式，将各构件所属的实际进度点云分簇；
(4)对于每个构件，计算实际进度点云每簇点的平均颜色与计划进度点云的颜色距离，选取颜色距离阈值内的点簇，划定为属于该构件的部分，由此获得各构件的实际进度点云，以代表各构件的在对应时间节点的施工进度。
其中，颜色距离的计算公式(Color Distance)定义为：
Figure BDA0004110141870000051
式中，R1，G1，B1和R2，G2，B2分别是点P1与点P2的RGB值。
步骤S5中，采用基于点云最小外接立方体计算各构件的POC值，，计算单个构件的进度值的主要步骤为：
(1)计算单构件实际进度和计划进度点云的最小外接立方体；
(2)获取实际进度和计划进度点云的最小外接立方体的纵向长度，计算各构件的施工进度值，纵向长度为计划进度点云最小外接立方体的最长维度方向。
其中，各构件的施工进度值，即POC(Percentage ofCompletion)，计算公式如下：
Figure BDA0004110141870000052
式中，L′和L分别是实际进度和计划进度的最小外接立方体的纵向长度。
步骤S5中，将POC值赋予到桥梁各构件时，应当遵循以下原则：(1)若构件存在上个施工时期的POC值，则该构件POC值取当前计算获取的POC值与上个施工时期的POC值的较大值；(2)若POC值小于10％，可默认置零；(3)若POC值大于90％，则可直接取100％。最终得到的桥梁施工进度如图5所示。
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (9)

1.一种基于激光雷达扫描的桥梁施工进度识别方法，其特征在于，所述桥梁施工进度识别方法包括以下步骤：
S1，采用激光雷达扫描仪采集得到全桥点云数据；
S2，采用直通滤波算法去除无效点和离群点，采用基于体素的方法对全桥点云数据进行一致性采样，获得实际进度点云数据；
S3，基于桥梁4D BIM模型获取计划施工进度的3D BIM模型，3D BIM模型与实际进度点云数据的时间节点保持一致；将计划施工进度BIM模型转换为点云模型，获得含有构件类别信息的计划进度点云数据；
S4，将实际进度点云数据与计划进度点云数据进行配准，采用最近邻搜索及基于点云颜色的区域生长方法划分实际进度点云数据，获得各构件的点云，以代表各构件的在对应时间节点的施工进度；
S5，分别求得各构件的计划进度与实际进度的最小外接立方体，通过立方体纵向长度的比值计算获取单个构件的POC值，基于POC值更新桥梁构件的施工进度值。
2.根据权利要求1所述的基于激光雷达扫描的桥梁施工进度识别方法，其特征在于，步骤S1中，采用激光雷达扫描仪采集得到全桥点云数据的过程包括以下子步骤：
S11，根据桥梁施工环境布设激光雷达扫描仪测点，采集各站点的点云数据，相邻测点的点云数据间的重叠率超过预设的最低重叠率阈值；
S12，对各站点的点云数据进行点云配准，将各站点的点云数据坐标系转化到统一的坐标系中，获得全桥点云数据。
3.根据权利要求2所述的基于激光雷达扫描的桥梁施工进度识别方法，其特征在于，步骤S11中，以桥梁点云数据的完整性为约束条件，根据激光雷达扫描仪的分辨率、激光雷达扫描仪与测量目标距离的远近分析得到各测点位置；相邻测点采集数据时，在站点位置间放置标靶球。
4.根据权利要求1所述的基于激光雷达扫描的桥梁施工进度识别方法，其特征在于，步骤S3中，获得含有构件类别信息的计划进度点云数据的过程包括以下子步骤：
S31，采用Autodesk Revit获取3D BIM模型；
S32，采用Revit2Obj插件，将BIM模型转换为网格模型；
S33，采用CloudCompare对网格模型进行点云采样，获得点云模型；
S34，采用CloudCompare对点云模型的不同构件分类别标注，并记录标注序号与构件名称之间的对应关系。
5.根据权利要求1所述的基于激光雷达扫描的桥梁施工进度识别方法，其特征在于，步骤S4中，将实际进度点云数据与计划进度点云数据进行配准，采用最近邻搜索及基于点云颜色的区域生长方法划分实际进度点云数据，获得各构件的点云，以代表各构件的在对应时间节点的施工进度的过程包括以下子步骤：
S41，分别对每个构件的计划进度进行基于体素的下采样，体素大小的设置与步骤S2中所采用的体素下采样方式相同：
S42，计算实际进度点云与每个构件的计划进度点云中最近点的距离，将距离阈值内的点作分别标注为对应的构件；
S43，采用基于点云颜色的区域生长方式，将各构件所属的实际进度点云分簇；
S44，对于每个构件，计算实际进度点云每簇点的平均颜色与计划进度点云的颜色距离，选取颜色距离阈值内的点簇，划定为属于该构件的部分，由此获得各构件的实际进度点云，以代表各构件的在对应时间节点的施工进度。
6.根据权利要求5所述的基于激光雷达扫描的桥梁施工进度识别方法，其特征在于，步骤S44中，点P1和点P2之间的颜色距离Color Distance(P1，P2)的计算公式为：
Figure FDA0004110141840000021
式中，R1、G1、B1是点P1的RGB值，R2、G2、B2分别是点P2的RGB值。
7.根据权利要求1所述的基于激光雷达扫描的桥梁施工进度识别方法，其特征在于，步骤S5中，分别求得各构件的计划进度与实际进度的最小外接立方体，通过立方体纵向长度的比值计算获取单个构件的施工进度值，基于施工进度值更新桥梁构件的施工进度值的过程包括以下子步骤：
S51，计算得到计划进度点云与实际进度点云的最小外接立方体；
S52，获取实际进度和计划进度点云的最小外接立方体的纵向长度，计算各构件的施工进度值，纵向长度为计划进度点云最小外接立方体的最长维度方向。
8.根据权利要求7所述的基于激光雷达扫描的桥梁施工进度识别方法，其特征在于，各构件的施工进度值POC的计算公式如下：
Figure FDA0004110141840000022
式中，L′和L分别是实际进度和计划进度的最小外接立方体的纵向长度。
9.根据权利要求1所述的基于激光雷达扫描的桥梁施工进度识别方法，其特征在于，将施工进度值赋予到桥梁各构件时，遵循以下原则：(1)若构件存在上个施工时期的施工进度值，则该构件施工进度值取当前计算获取的施工进度值与上个施工时期的施工进度值的较大值；(2)若施工进度值小于10％，默认置零；(3)若施工进度值大于90％，则直接取100％。
CN202310203967.9A 2023-03-06 2023-03-06 一种基于激光雷达扫描的桥梁施工进度识别方法 Pending CN116168386A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310203967.9A CN116168386A (zh) 2023-03-06 2023-03-06 一种基于激光雷达扫描的桥梁施工进度识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310203967.9A CN116168386A (zh) 2023-03-06 2023-03-06 一种基于激光雷达扫描的桥梁施工进度识别方法

Publications (1)

Publication Number Publication Date
CN116168386A true CN116168386A (zh) 2023-05-26

Family

ID=86411436

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310203967.9A Pending CN116168386A (zh) 2023-03-06 2023-03-06 一种基于激光雷达扫描的桥梁施工进度识别方法

Country Status (1)

Country Link
CN (1) CN116168386A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118279091A (zh) * 2024-05-27 2024-07-02 深圳大学 装配式桥梁施工进度智能监控方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109767464A (zh) * 2019-01-11 2019-05-17 西南交通大学 一种低重叠率的点云配准方法
CN110969624A (zh) * 2019-11-07 2020-04-07 哈尔滨工程大学 一种激光雷达三维点云分割方法
CN112446114A (zh) * 2020-12-08 2021-03-05 国网江苏省电力工程咨询有限公司 基于三维模型比对的输电线路工程施工进度监测方法
CN112731440A (zh) * 2020-12-25 2021-04-30 中国铁道科学研究院集团有限公司 高速铁路边坡形变检测方法及装置
CN113587835A (zh) * 2021-07-22 2021-11-02 河北工业大学 一种利用三维激光扫描技术进行桥梁工程质量验收的方法
CN114677674A (zh) * 2022-04-15 2022-06-28 河北农业大学 一种基于双目点云的苹果快速识别定位方法
CN115393745A (zh) * 2022-08-24 2022-11-25 东南大学 一种基于无人机与深度学习的桥梁形象进度自动识别方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109767464A (zh) * 2019-01-11 2019-05-17 西南交通大学 一种低重叠率的点云配准方法
CN110969624A (zh) * 2019-11-07 2020-04-07 哈尔滨工程大学 一种激光雷达三维点云分割方法
CN112446114A (zh) * 2020-12-08 2021-03-05 国网江苏省电力工程咨询有限公司 基于三维模型比对的输电线路工程施工进度监测方法
CN112731440A (zh) * 2020-12-25 2021-04-30 中国铁道科学研究院集团有限公司 高速铁路边坡形变检测方法及装置
CN113587835A (zh) * 2021-07-22 2021-11-02 河北工业大学 一种利用三维激光扫描技术进行桥梁工程质量验收的方法
CN114677674A (zh) * 2022-04-15 2022-06-28 河北农业大学 一种基于双目点云的苹果快速识别定位方法
CN115393745A (zh) * 2022-08-24 2022-11-25 东南大学 一种基于无人机与深度学习的桥梁形象进度自动识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
NISHA PURI 等: "Bridge construction progress monitoring using lidar and 4D design models", AUTOMATION IN CONSTRUCTION, 31 December 2020 (2020-12-31), pages 1 - 15 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118279091A (zh) * 2024-05-27 2024-07-02 深圳大学 装配式桥梁施工进度智能监控方法及系统
CN118279091B (zh) * 2024-05-27 2024-08-06 深圳大学 装配式桥梁施工进度智能监控方法及系统

Similar Documents

Publication Publication Date Title
CN108898662B (zh) 基于点云数据的管线设施bim模型自动化重建方法
Xia et al. Geometric primitives in LiDAR point clouds: A review
CN111563442B (zh) 基于激光雷达的点云和相机图像数据融合的slam方法及系统
CN111273305B (zh) 基于全局与局部栅格图多传感器融合道路提取与索引方法
Zai et al. 3-D road boundary extraction from mobile laser scanning data via supervoxels and graph cuts
CN110222626B (zh) 一种基于深度学习算法的无人驾驶场景点云目标标注方法
US8396293B1 (en) Recognizing geometrically salient objects from segmented point clouds using strip grid histograms
Li et al. An overlapping-free leaf segmentation method for plant point clouds
CN114612488A (zh) 建筑物单体化信息提取方法、计算机装置及存储介质
CN112560747B (zh) 基于车载点云数据的车道边界交互式提取方法
CN116168386A (zh) 一种基于激光雷达扫描的桥梁施工进度识别方法
CN116071283B (zh) 基于计算机视觉的三维点云图像融合方法
Luo et al. Multiple lane detection via combining complementary structural constraints
CN114332348A (zh) 一种融合激光雷达与图像数据的轨道三维重建方法
CN110443142A (zh) 一种基于路面提取与分割的深度学习车辆计数方法
CN115690138A (zh) 一种融合车载影像与点云的道路边界提取与矢量化方法
CN113469178A (zh) 一种基于深度学习的电力表计识别方法
CN115588047A (zh) 一种基于场景编码的三维目标检测方法
CN115457780A (zh) 一种基于先验知识集合的车流量流速自动测算方法及系统
CN114092658A (zh) 一种高精度的地图构建方法
Martens et al. VOX2BIM+-A Fast and Robust Approach for Automated Indoor Point Cloud Segmentation and Building Model Generation
Miyazaki et al. Line-based planar structure extraction from a point cloud with an anisotropic distribution
CN117523403A (zh) 一种宅基地图斑变化检测方法、系统、设备及介质
CN114820931B (zh) 基于虚拟现实的智慧城市cim可视化实时成像方法
CN109191473A (zh) 一种基于对称分析的车辆粘连分割方法

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