CN116341050B - 一种基于点云数据的机器人智能建造方法 - Google Patents
一种基于点云数据的机器人智能建造方法 Download PDFInfo
- Publication number
- CN116341050B CN116341050B CN202310074561.5A CN202310074561A CN116341050B CN 116341050 B CN116341050 B CN 116341050B CN 202310074561 A CN202310074561 A CN 202310074561A CN 116341050 B CN116341050 B CN 116341050B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- prefabricated
- component
- building
- 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.)
- Active
Links
- 238000010276 construction Methods 0.000 title claims abstract description 25
- 238000009434 installation Methods 0.000 claims abstract description 27
- 238000004519 manufacturing process Methods 0.000 claims abstract description 21
- 238000013439 planning Methods 0.000 claims abstract description 18
- 238000011161 development Methods 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 31
- 238000013461 design Methods 0.000 claims description 11
- 230000033001 locomotion Effects 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 6
- 239000012636 effector Substances 0.000 claims description 4
- 239000012528 membrane Substances 0.000 claims description 4
- 230000000750 progressive effect Effects 0.000 claims description 4
- 238000013500 data storage Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000013523 data management Methods 0.000 claims description 2
- 238000012986 modification Methods 0.000 claims description 2
- 230000004048 modification Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 11
- 238000007726 management method Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 238000000465 moulding Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 206010011409 Cross infection Diseases 0.000 description 2
- 206010029803 Nosocomial infection Diseases 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000004064 recycling Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008521 reorganization Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Structural Engineering (AREA)
- Civil Engineering (AREA)
- Architecture (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种基于点云数据的机器人智能建造方法，该方法包括：首先利用装配式建筑预制构件几何特征与所属点云空间的拓扑关系特征对装配式建筑点云数据的预制构件进行识别和分割，并基于Revit开发点云数据调用API接口，在Revit端读取点云数据实现逆向建模；然后基于Omniclass信息分类体系建立预制构件编码体系，在基于IFC标准建立的BIM模型和智能制造端传递数据；再对构件进行划和定位，并对基于Scan‑vs‑BIM的预制构件进行预拼装，以获取最优的构件拼装方案；最后对装配式建筑各预制构件自动化安装路径进行规划，以智能建造装配式建筑。本发明能够快速建造“制造‑安装”高度融合的装配式建筑。
Description
技术领域
本发明涉及BIM的应用，尤其涉及BIM在机器人智能建造领域的应用，尤其涉及一种基于点云数据的机器人智能建造方法。
背景技术
目前，装配式结构体系仍存在比传统现浇体系成本高的发展瓶颈，这在一定程度上影响了装配式结构体系的推广。导致成本偏高的原因主要在于预制构件的装配自动化程度不高，需要在操作人员的牵引下进行作业，人工成本降低不明显。目前机器人的应用正在从传统的制造领域向非制造领域扩展，建筑机器人已成为现代机器人技术的研究重点。已有研究表明，机器人技术能够有效地在装配式建筑吊装过程中取代人工。但目前已有技术缺乏对装配式建筑的BIM与机器人平台的智能建造点云数据交互方法的探究。有效的数据交互方法能够为机械臂的自动化作业提供技术支撑。因此，本发明在现有技术基础上，进一步探究BIM与机器人平台的点云数据交互的智能建造方法。
发明内容
本发明的目的在于针对现有技术的不足，提供一种基于点云数据的机器人智能建造方法。
本发明的目的是通过以下技术方案来实现的：一种基于点云数据的机器人智能建造方法，包括以下步骤：
(1)利用装配式建筑预制构件几何特征与所属点云空间的拓扑关系特征，对装配式建筑点云数据的预制构件进行识别和分割，并基于Revit开发点云数据调用API接口，以在Revit端读取点云数据，实现逆向建模；
(2)基于Omniclass信息分类体系建立装配式建筑预制构件编码体系，以在通过所述步骤(1)逆向建模所建立的BIM模型和智能制造端传递数据；
(3)根据所述步骤(2)的预制构件编码体系将装配式建筑BIM模型参照构件库进行构件划分并定位各构件拟吊装位置，并基于Scan-vs-BIM的预制构件进行预拼装，以获取最优的构件拼装方案；
(4)根据所述步骤(3)获取的构件拼装方案及逆运动学数值解法和渐进最优快速随机搜索树，对装配式建筑各预制构件自动化安装路径进行规划，以智能建造装配式建筑。
可选地，所述步骤(1)中对装配式建筑点云数据的预制构件进行识别具体为：依据几何特征对预制构件类型进行标识，通过在点云中搜索几何特征，提取构件的点云数据，以获取类型属性。
可选地，所述Omniclass信息分类体系采用SQL Server作为构件库的关系型数据存储机制进行数据库功能设计。
可选地，所述Scan-vs-BIM的配准方法对每个点云模型的关键膜片进行提取，对需要进行拼装的构件的膜片进行边界提取和特征点提取，基于特征点对构件进行虚拟装配。
可选地，所述关键膜片包括构件之间相连接的混凝土平面及其上的连接件。
可选地，所述构件拼装方案包括包括各构件的安装顺序和定位。
可选地，所述步骤(4)中，根据构件拼装方案生成构件安装顺序和定位后，对装配式建筑各预制构件自动化安装路径进行规划时，引导机械臂自动规划其末端执行器运动路径抓取构件并运动至拟安装拼接位置。
本发明的有益效果是，本发明能够基于三维激光扫描技术获取装配式建筑的点云数据信息，准确识别出组成预制构件点云并分割，并快速逆向成型建筑BIM模型，形成兼容制造、装配工序生产格式的数据有效传递框架，指导机械臂的自动化作业。基于BIM的可视化算法在其空间参考系中标记各预制构件的坐标数据作为安装定位，并基于各构件定位坐标值生成装配式建筑安装顺序列表。然后，RRT-Star算法根据BIM环境中标记的各构件安装定位和顺序生成机械臂关节参数，并将关节控制信号发布到现实世界中机械臂的数字处理器。在这种情况下，机械臂的各关节将受信号驱动，从材料存储处抓取预制构件，并按照预定顺序将各个构件运送至安装坐标。整个技术自动化地实现了由BIM模型到机械臂控制参数过程，在实际工程应用中具有如下优点：本发明构建基于构件模块单元的建筑形体自动化逆向成型技术，基于BIM信息化管理云平台的预制构件智能制造技术，和基于BIM可视化编程的建筑机器人智能建造技术，形成兼容制造、装配工序生产格式的数据有效传递框架；本发明可以用于代替人工安装装配式建筑，其中需要一名工人来协助机器人平台内部的数据传输。在这种情况下，与传统方法相比，施工过程中所需的工人数量可以显著减少，有效解决了目前装配式建筑安装自动化程度不高、施工效率低、现场工人交叉感染等问题。
附图说明
图1是本发明实施例的基于点云数据的机器人智能建造方法的流程图；
图2是基于BIM标准化构件库的装配式建筑形体自动化逆向成型示意图；
图3是基于IFC数据格式的建筑模块全生命周期信息管理示意图；
图4是Omniclass预制构件编码结构示意图；
图5是预制构件虚拟预拼装流程示意图。
具体实施方式
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，本领域技术人员在没有作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。
参见图1，本发明的基于点云数据的机器人智能建造方法，包括以下步骤：
(1)构件识别与逆向建模：利用装配式建筑预制构件几何特征与所属点云空间的拓扑关系特征，对装配式建筑点云数据的预制构件进行识别和分割，并基于Revit开发点云数据调用API接口，以在Revit端读取点云数据，实现逆向建模。
应当理解的是，Revit是Autodesk公司一套系列软件的名称，Revit软件是为建筑信息模型(BIM)构建的，可以帮助建筑设计师设计、建造和维护质量更好、能效更高的建筑。
本实施例中，对该预制构件进行识别和分割的算法能够依据几何特征对预制构件类型进行标识，通过在点云中搜索几何特征，提取构件的点云数据，从而获取类型属性。
点云采集是此发明建筑形体自动化逆向成型技术的第一步。三维激光扫描技术可实现高分辨率和高精度下广泛而简便的测量，且通常不受操作期间的环境条件的限制，与其他测量技术相比，激光扫描还可实现快速，详细的几何数据收集，更好地全面解决当前监测低效的问题。构件识别是BIM模型自动构建的核心任务，即从整体点云中标记同属一个构件的点集。通过三维激光扫描仪现场扫描与采集数据并经过预处理后的点云表达的是建筑的整体，未对构件进行区分。此发明基于上下环境识别(Recognition using context)方法，利用物体与几何图元的空间拓扑关系来减少识别结果的模糊性。根据需要识别的对象设计几何形状的特征识别描述符，如识别圆形构件，可通过曲率一定进行识别，这些描述符可存储在模型数据中。
Revit是BIM领域较为常用的建模软件，此发明开发基于Revit的点云数据调用API接口，实现点云数据在Revit端的读取，用于将分割的构件点云数据生成Revit“族”文件。Revit的“族”功能具有完整记录构件几何尺寸、截面信息、材料特性等参数的能力。这种能力为建立装配式建筑的BIM标准化构件库找到了一种有效方法，即将Revit“族”技术应用到装配式建筑设计中去，利用“族”命令对装配式建筑涉及到的标准化预制构件点云进行定义形成图元形式的构件对象，就可以把各个构件整理形成BIM标准化构件库。基于装配式工程的结构体系特点，在BIM项目中载入所需的构件族即可完成装配式建筑形体自动化逆向成型，如图2所示。
(2)预制构件编码体系与智能制造：基于Omniclass信息分类体系建立装配式建筑预制构件编码体系，以在通过步骤(1)逆向建模所建立的BIM模型和智能制造端之间传递数据，用于解决基于IFC标准建立的BIM模型在与制造端数据传递过程中存在的信息缺失问题。
需要说明的是，BIM模型同时也是基于IFC(Industry Foundation Classes)标准建立的。
基于IFC的特定数据格式，实现对模型信息的提取、结构化存储和兼容制造业生产格式的重组输出如图3所示。基于IFC标准文件，建立适用于建筑模块全生命周期信息管理的数据库。该数据库接受建筑设计阶段模型导出生成的IFC标准文件，对其中结构化和非结构化信息进行有效提取，生成适应于工业制造、施工安装、运营维护和拆除回收不同阶段的数据模型。同时该数据库也能接受在后续阶段中模型问价发生的改变，从而及时更新建筑模块相关数据，实现有效的建筑模块的全生命周期信息管理。
Omniclass信息分类体系是一个在BIM技术中广泛应用的构件分类系统，合并了许多正在使用中的分类系统作为其构建分类体系的基础。Omniclass的范围包含了整个建筑环境从搭建到完成的多尺度描述，适用于设施的全生命周期，从构思、设计、建造到最终拆卸、解构、回收或重新利用。通过使用表格来跟踪和记录设施的生命周期的各个阶段的数据，以达到信息分类的标注。在制造数据转换方面，由于BIM相关应用软件的数据接口对IFC标准的支持力度各不相同，使得基于IFC标准建立的BIM模型在与制造端数据传递过程中存在信息的缺失问题。因此，此发明对各构件信息进行合理编码使之形成统一可识别的语言。基于Omniclass信息分类体系为装配式建筑的预制构件设计分类体系和编码体系。基于Omniclass的预制构件编码结构如图4所示，该结构体系在以下六个方面对预制构件进行编码：建筑生命周期阶段、建筑结构类型、构件类别、构件名称、构件分类和构件细分(即位于建筑坐标系位置)。在预制构件设计分类体系和编码体系确立后，采用SQL Server作为构件库的关系型数据存储机制进行数据库设计。通过对数据库系统进行数据管理，以达到在建筑的全生命周期各个阶段都可以访问数据库，进而对构件信息进行增、减、查、改等工作。将数据库链接到网页，就可以通过互联网访问构件库中的信息，再授予不同工作人员不同的权限，就可以实现数据在制造阶段的分权限管理。
BIM模型经过拆分，能够细化到每个构件的加工模型。通过BIM信息化管理平台(如iTWO4.0 5D BIM云平台、EBIM-现场BIM数据协同管理平台等)，将基于SQL Server的构件关系型数据库上传到平台中。生产管理端通过平台获取设计后的成果，包括构件模型(IFC格式)、图纸(RVT格式)、表格、文件等，对构件信息进行提取与实时更新，借助BIM模型和云平台实现由设计到构件加工的信息传递。构件模具模型对构件的外观质量起着非常重要的作用，构件模具的精细程度决定了构件生产的精细程度，构件生产的精细程度又决定了构件安装的准确度和可行性。本实施例采用KUKA工业机器人(型号KR120 R3100，额定有效载荷：120kg，臂展：3100mm)作为预制构件加工布模的执行器。基于RRT-Star(渐进最优快速随机搜索树)路径规划和逆运动学数值解法为机械臂建立运动规划算法，用于机械臂自主抓取并拼装构件预制模具。
(3)预制构件预拼装：根据步骤(2)的预制构件编码体系将装配式建筑BIM模型参照构件库进行构件划分并定位各构件拟吊装位置，并基于Scan-vs-BIM的预制构件进行预拼装，，以获取最优的构件拼装方案。
参照已建立的标准化构件库，基于BIM可视化编程工具Dynamo中图元类别运算节点对装配式建筑BIM模型进行解构。Dynamo是Revit中的一款插件，内置了许多节点，包括常用的几何形体创建与编辑、列表和数组的运算操作，并且支持Python脚本的运行，支持数据的输入输出，通过程序流执行创建、修改、提取、导出对象等功能。对解构获得的构件依据《装配式建筑国家标准》的安装次序编号。根据《技术标准》，预制构件的安装一般按施工段依次进行，其次序为先左后右，先下后上，先骨架后面板。记录每个安装编号对应构件在BIM模型坐标系下的位置。通过质心检索运算节点确定各构件质心在BIM模型坐标系下的坐标，并根据《技术标准》中规定施工段顺序，使用Dynamo多维度列表功能确定各构件质心坐标在预先建立的3D轴网系统中的逻辑顺序(即为各构件安装顺序)。同时，算法的功能设计考虑Dynamo与机器人离线/在线编程端之间的数据格式转换，采用BIM和机器人编程端均可兼容的Industry Fundatin Classes(IFC)格式，实现构件安装顺序和定位等数据在机器人作业流程中的自动化引用。
在装配式装配式建筑的建造过程中，构件的拼装误差会随着构件连接数量的增多而累积，所以对单个构件连接质量的控制并不能保证整体结构的成功拼装和装配质量。Scan-vs-BIM意为将已有建筑的图像或点云扫描数据同该设施的三维BIM模型进行比较/配准的过程。本实施例中通过Scan-vs-BIM配准对每个点云模型的关键膜片进行提取，对需要进行拼装的构件的膜片进行边界提取和特征点提取，基于特征点对构件进行BIM虚拟装配。通过虚拟预装配可以规划构件的拼接流程，对构件之间的碰撞进行检测，而且可以控制整体结构的装配质量并量化误差。在一个装配式建筑的施工过程中，本发明根据结构的BIM模型制定预制构件的拼装次序，并在拼装过程中量化累积误差，保证整体结构的装配质量。通过比对不同拼装方案的中构件的连接质量、构件碰撞情况、整体拼装误差等，得出一个最优的构件拼装方案，该方案包括各构件的安装顺序和定位，如图5所示。
需要说明的是，关键膜片主要是包括构件之间相连接的混凝土平面及其上的连接件。
(4)预制构件安装路径：根据步骤(3)获取的构件拼装方案及逆运动学数值解法和渐进最优快速随机搜索树(RRT star)，对装配式建筑各预制构件自动化安装路径进行规划，以智能建造装配式建筑。
基于RRT-Star路径规划和逆运动学数值解法建立预制构件自动化安装和路径障碍物规避算法。RRT-Star路径规划算法是一种基于采样的路径规划算法，适合解决高维空间和复杂约束下的移动机器人路径规划问题。基本思想是以产生随机点的方式通过一个步长向目标点搜索前进，有效躲避障碍物，避免路径陷入局部极小值，具有收敛速度快的优势。逆运动学求解是决定要达成所需要的机械臂末端执行器的位置所要设置的关节可活动对象的参数的过程。同时，地面线形滑轨的添加使KR120 R3100机械臂自由度由6升至7，使本发明成为求解自由度冗余齐次运动学方程组的问题。RRT-Star和逆运动学求解叠合使用的算法创新，为自变量冗余的方程组增加多一维的运动学约束，可以求得机器人在线性滑轨上的最优运动路径和机器人各个关节的最优运动轨迹，从而控制工作。
已有方法中对于机械臂路径规划算法的设计较多是将构件当作质点考虑，而建筑预制构件在运动中其实是有具体形状的刚体。此发明基于拟抓取构件刚体模型建立机械臂自动化安装作业的路径规划、避障算法。具体做法是在RRT-Star算法中搭载闵可夫斯基差算子。闵可夫斯基差是两个欧几里得空间的点集的差值，将判断机器人杆件与环境中物体是否会发生碰撞的问题转化为求解中心线上各点与障碍物表面各点间的最小距离问题，从而用中心线上各点在自运动过程中远离碰撞危险点的距离描述避障成功的概率。当差值中存在0值时，两个点集有重叠部分，碰撞检测结果则为“预期发生”。
本实施例中，该路径规划算法是一种基于采样的算法，从起始点进行扩展，在空间中通过随机函数进行采样得到随机点，利用节点扩展策略得到新节点，通过闵可夫斯基差算子进行碰撞检测判断是否将新节点加入随机树中，经多次探索和扩展最终将目标点加入随机树中，即成功找到了路径。具体地，该算法架构为：在算法开始时，首先生成随机点；然后设置每个循环节点探索步长；其次寻找距随机点最近且在轨迹树上的节点，并将该点连接到轨迹树；然后闵可夫斯基差碰撞检测；如此反复，最终生成的随机点在目标点阈值范围内，搜索结束，并生成搜索路径，算法结束。
在机器人离线/在线编程端获得BIM端生成的构件安装定位等数据后，基于逆运动学解析、路径规划架构的构件安装机械臂运动规划算法引导机械臂自动规划其末端执行器运动路径抓取构件并运动至拟安装拼接位置。
本发明开发了基于构件模块单元建立建筑形体自动化逆向成型技术，基于BIM信息化管理云平台的预制构件智能加工技术，基于Scan-vs-BIM的预制构件虚拟预拼装方法，和基于RRT-Star路径规划的预制构件机器人自动化拼装算法。该方法通过三维激光扫描技术获取装配式建筑的点云数据信息，准确识别出组成预制构件点云并分割，为建筑形体自动化逆向成型提供有效的数据支撑。同时，本发明方法可以向机械臂的数字处理器发布控制信号，用以指导机械臂自动化安装装配式建筑各预制构件，有效解决了目前装配式建筑安装自动化程度不高、施工效率低、现场工人交叉感染等问题。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (4)
1.一种基于点云数据的机器人智能建造方法，其特征在于，包括以下步骤：
(1)利用装配式建筑预制构件几何特征与所属点云空间的拓扑关系特征，对装配式建筑点云数据的预制构件进行识别和分割，并基于Revit开发点云数据调用API接口，以在Revit端读取点云数据，实现逆向建模；
所述步骤(1)中对装配式建筑点云数据的预制构件进行识别具体为：依据几何特征对预制构件类型进行标识，通过在点云中搜索几何特征，提取构件的点云数据，以获取类型属性；
通过三维激光扫描仪现场扫描与采集数据并经过预处理后的点云表达的是建筑的整体，未对预制构件进行区分，基于上下环境识别方法，利用物体与几何图元的空间拓扑关系识别结果，根据需要识别的对象设计几何形状的特征识别描述符，并将该描述符存储在模型数据中；
(2)基于Omniclass信息分类体系建立装配式建筑预制构件编码体系，以在通过所述步骤(1)逆向建模所建立的BIM模型和智能制造端传递数据；
所述Omniclass信息分类体系采用SQL Server作为构件库的关系型数据存储机制进行数据库功能设计，通过对数据库系统进行数据管理，以达到在建筑的全生命周期各个阶段访问数据库，进而对构件信息进行增、减、查、改工作；
(3)根据所述步骤(2)的预制构件编码体系将装配式建筑BIM模型参照构件库进行构件划分并定位各构件拟吊装位置，并基于Scan-vs-BIM的预制构件进行预拼装，以获取最优的构件拼装方案；
所述Scan-vs-BIM的配准方法对每个点云模型的关键膜片进行提取，对需要进行拼装的构件的膜片进行边界提取和特征点提取，基于特征点对构件进行虚拟装配；
(4)根据所述步骤(3)获取的构件拼装方案及逆运动学数值解法和渐进最优快速随机搜索树，对装配式建筑各预制构件自动化安装路径进行规划，以智能建造装配式建筑。
2.根据权利要求1所述的基于点云数据的机器人智能建造方法，其特征在于，所述关键膜片包括构件之间相连接的混凝土平面及其上的连接件。
3.根据权利要求1所述的基于点云数据的机器人智能建造方法，其特征在于，所述构件拼装方案包括包括各构件的安装顺序和定位。
4.根据权利要求1所述的基于点云数据的机器人智能建造方法，其特征在于，所述步骤(4)中，根据构件拼装方案生成构件安装顺序和定位后，对装配式建筑各预制构件自动化安装路径进行规划时，引导机械臂自动规划其末端执行器运动路径抓取构件并运动至拟安装拼接位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310074561.5A CN116341050B (zh) | 2023-02-07 | 2023-02-07 | 一种基于点云数据的机器人智能建造方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310074561.5A CN116341050B (zh) | 2023-02-07 | 2023-02-07 | 一种基于点云数据的机器人智能建造方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116341050A CN116341050A (zh) | 2023-06-27 |
| CN116341050B true CN116341050B (zh) | 2024-01-30 |
Family
ID=86881204
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310074561.5A Active CN116341050B (zh) | 2023-02-07 | 2023-02-07 | 一种基于点云数据的机器人智能建造方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116341050B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116911033A (zh) * | 2023-07-21 | 2023-10-20 | 广州大学 | 一种基于bim平台的钢结构虚拟试装配方法 |
| CN117058314B (zh) * | 2023-08-16 | 2024-04-12 | 广州葛洲坝建设工程有限公司 | 一种基于点云数据的现浇结构模板逆向建模方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106484988A (zh) * | 2016-09-30 | 2017-03-08 | 中国建筑局（集团）有限公司 | 一种三维点云数据逆向建立bim模型的方法 |
| 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 |
| CN108898662A (zh) * | 2018-05-30 | 2018-11-27 | 中国人民解放军陆军勤务学院 | 基于点云数据的管线设施bim模型自动化重建方法 |
| KR20200116660A (ko) * | 2019-04-02 | 2020-10-13 | 세종대학교산학협력단 | 역설계를 활용한 건축물의 화재안전 성능평가 방법 및 시스템 |
| CN113868733A (zh) * | 2021-09-01 | 2021-12-31 | 浙江大学 | 一种基于三维点云的既有结构bim模型自动化生成方法 |
| CN114529596A (zh) * | 2022-01-28 | 2022-05-24 | 东南大学 | 基于切片法的预制构件逆向建模与质量控制方法 |
| CN114547866A (zh) * | 2022-01-26 | 2022-05-27 | 深圳大学 | 基于bim-无人机-机械狗的预制构件智能检测方法 |
| CN114818061A (zh) * | 2022-04-13 | 2022-07-29 | 东南大学 | 基于Revit API和Dynamo的预制构件BIM模型点云生成方法 |
| CN115033967A (zh) * | 2022-06-27 | 2022-09-09 | 北京航空航天大学 | 一种基于点云数据的建筑物模板实例化建模方法 |
| CN115391610A (zh) * | 2022-08-24 | 2022-11-25 | 中国核工业华兴建设有限公司 | 一种bim模型的结构树重构方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9811714B2 (en) * | 2013-08-28 | 2017-11-07 | Autodesk, Inc. | Building datum extraction from laser scanning data |
| US10706185B2 (en) * | 2016-04-26 | 2020-07-07 | Arizona Board Of Regents On Behalf Of Arizona State University | Systems and methods for automated spatial change detection and control of buildings and construction sites using three-dimensional laser scanning data |
| EP3635619A4 (en) * | 2017-05-07 | 2021-01-20 | Manam Applications Ltd. | SYSTEM AND PROCESS FOR 3D MODELING AND ANALYSIS OF A CONSTRUCTION |
-
2023
- 2023-02-07 CN CN202310074561.5A patent/CN116341050B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106484988A (zh) * | 2016-09-30 | 2017-03-08 | 中国建筑局（集团）有限公司 | 一种三维点云数据逆向建立bim模型的方法 |
| 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 |
| CN108898662A (zh) * | 2018-05-30 | 2018-11-27 | 中国人民解放军陆军勤务学院 | 基于点云数据的管线设施bim模型自动化重建方法 |
| KR20200116660A (ko) * | 2019-04-02 | 2020-10-13 | 세종대학교산학협력단 | 역설계를 활용한 건축물의 화재안전 성능평가 방법 및 시스템 |
| CN113868733A (zh) * | 2021-09-01 | 2021-12-31 | 浙江大学 | 一种基于三维点云的既有结构bim模型自动化生成方法 |
| CN114547866A (zh) * | 2022-01-26 | 2022-05-27 | 深圳大学 | 基于bim-无人机-机械狗的预制构件智能检测方法 |
| CN114529596A (zh) * | 2022-01-28 | 2022-05-24 | 东南大学 | 基于切片法的预制构件逆向建模与质量控制方法 |
| CN114818061A (zh) * | 2022-04-13 | 2022-07-29 | 东南大学 | 基于Revit API和Dynamo的预制构件BIM模型点云生成方法 |
| CN115033967A (zh) * | 2022-06-27 | 2022-09-09 | 北京航空航天大学 | 一种基于点云数据的建筑物模板实例化建模方法 |
| CN115391610A (zh) * | 2022-08-24 | 2022-11-25 | 中国核工业华兴建设有限公司 | 一种bim模型的结构树重构方法 |
Non-Patent Citations (4)
| Title |
|---|
| BIM-based task and motion planning prototype for robotic assembly of COVID-19 hospitalisation light weight structures;Yifan Gao;《Automation in Construction》;全文 * |
| 基于BIM可视化编程的轻型结构机器人智能建造研究;高一帆 等;《建筑结构学报》;第43卷;第296-304页 * |
| 基于IFC标准的建筑构件点云信息处理方法;徐照;康蕊;孙宁;;东南大学学报(自然科学版)(第06期);全文 * |
| 基于IFC的预制构件切片点云模型三维重构;梁阳泽 等;《土木工程与管理学报》;第38卷(第6期);第163-169页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116341050A (zh) | 2023-06-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116341050B (zh) | 一种基于点云数据的机器人智能建造方法 | |
| CN110227876B (zh) | 基于3d点云数据的机器人焊接路径自主规划方法 | |
| CN112818446B (zh) | 一种智能车间数字孪生系统的构建方法 | |
| CN108665245B (zh) | 一种基于dt-bim的装配式预制构件信息融合管理系统及方法 | |
| Correa | Cyber-physical systems for construction industry | |
| Guo et al. | Working mode in aircraft manufacturing based on digital coordination model | |
| Sturges Jr et al. | Towards an integrated design for an assembly evaluation and reasoning system | |
| WO2015096511A1 (zh) | 飞机结构件智能数控加工编程系统及方法 | |
| CN109544084B (zh) | 一种装配式建筑系统的应用方法、系统及终端设备 | |
| CN114384881A (zh) | 基于数字孪生的车间物流监测与仿真系统及方法 | |
| CN114357596B (zh) | 一种bim构件资源快捷设计方法及系统 | |
| CN114473309A (zh) | 用于自动焊接系统的焊接位置识别方法及自动焊接系统 | |
| CN114707186A (zh) | 一种数字三维逆向建模方法及系统 | |
| CN116690988A (zh) | 一种大型建筑模型3d打印系统和方法 | |
| US20240054116A1 (en) | Database for a coordinate system of an aircraft | |
| Caesar et al. | Extracting functional machine knowledge from step files for digital twins | |
| CN113112601A (zh) | 一种基于bim技术的建筑施工预拼装方法 | |
| Chervinskii et al. | Auto-Assembly: a framework for automated robotic assembly directly from CAD | |
| CN113836662B (zh) | 凸轮曲线槽机构设计缺陷的动态辨识及去特征化修复方法 | |
| Zhang et al. | Virtual commissioning and machine learning of a reconfigurable assembly system | |
| CN114474004A (zh) | 一种多因素耦合车载建筑机器人误差补偿规划控制策略 | |
| Hu et al. | The architecture, methodology and implementation of step-nc compliant closed-loop robot machining system | |
| Lindberget | Automatic generation of robot targets: A first step towards a flexible robotic solution for cutting customized mesh tray | |
| Li et al. | Defining a feature-level digital twin process model by extracting machining features from MBD models for intelligent process planning | |
| Kirkpatrick | Digital Twins in Advanced Manufacturing to Enhance Manufacturing Efficiency |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |