CN117058152A - 基于点云数据的装配式建筑构建质量智能检测方法 - Google Patents
基于点云数据的装配式建筑构建质量智能检测方法 Download PDFInfo
- Publication number
- CN117058152A CN117058152A CN202311323496.1A CN202311323496A CN117058152A CN 117058152 A CN117058152 A CN 117058152A CN 202311323496 A CN202311323496 A CN 202311323496A CN 117058152 A CN117058152 A CN 117058152A
- Authority
- CN
- China
- Prior art keywords
- parameter
- assembly
- model
- preset
- actual
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 30
- 238000010276 construction Methods 0.000 title claims description 10
- 230000009467 reduction Effects 0.000 claims description 17
- 238000009435 building construction Methods 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 4
- 238000000034 method Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- 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
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及点云数据分析技术领域,尤其涉及一种基于点云数据的装配式建筑构建质量智能检测方法,本发明通过在装配区域设置振动采集单元,采集装配区域的振动幅值以及振动频率,根据振动幅值以及振动频率计算扰动参数,并基于扰动参数划分装配区域的振动状态,在装配区域构建虚拟空间坐标系,并预先在虚拟空间坐标系中构建装配组件的样本三维模型,响应于预设条件,采集装配组件的点云数据并在虚拟空间坐标系中对应构建实际三维模型,基于装配组件所处装配区域的振动状态确定对实际三维模型进行分析的方式,通过上述过程,提高了在振动环境下通过点云数据进行质量检测的精度,并提高了检测的效率。
Description
技术领域
本发明涉及点云数据分析技术领域,尤其涉及一种基于点云数据的装配式建筑构建质量智能检测方法。
背景技术
点云数据是由大量的点组成的三维数据集,每个点都包含了其在空间中的位置信息和其他属性信息,点云数据可以用于生成三维模型,在实时建模领域被广泛应用,尤其是在装配式建筑领域,通过检测装配式建筑的点云数据构建三维模型即可分析装配式建筑是否存在异常,相关的检测方法应运而生。
例如,中国专利公开号:CN114036665A,公开了一种装配调整系统,该系统包含三维测量系统、三维建模模块、虚拟仿真模块、控制系统和工装;三维测量系统获得异形复杂零件的外形数据;三维建模模块建立零件的理想数模,将所有零件理想数模装配在一起,将点的云数据对应的理想数模进行比对,获得其与理想状态的区别,对所有的异形复杂零件进行调整;控制系统将获取的异形复杂零件调整数据转化成工装执行结构的执行数据,并将信号传输给工装系统;工装系统根据接收到的执行数据执行位移量,完成异形复杂零件基准坐标系下的调整。该发明解决了异形复杂结构件装调中存在的“盲目性”和随机性,解决了效率低下和质量一致性低的技术问题。
但是,现有技术中,还存在以下问题:
在现有技术中,未考虑建筑场景由于施工因素可能会存在振动,而振动会导致检测物晃动,进而使得通过点云数据采集的三维模型存在误差,导致后续基于三维模型所做的数据分析存在误差。
发明内容
为解决上述问题,本发明提供一种基于点云数据的装配式建筑构建质量智能检测方法,其包括:
步骤S1,在装配区域设置振动采集单元,采集装配区域的振动幅值以及振动频率,根据所述振动幅值以及振动频率计算扰动参数,并基于所述扰动参数划分所述装配区域的振动状态;
步骤S2,在所述装配区域构建虚拟空间坐标系,并预先在所述虚拟空间坐标系中构建装配组件的样本三维模型;
步骤S3,响应于预设条件,采集装配组件的点云数据并在所述虚拟空间坐标系中对应构建实际三维模型,基于所述装配组件所处装配区域的振动状态确定对实际三维模型进行分析的方式,其中,
在所述装配区域处于第一振动状态下,将实际三维模型以及样本三维模型进行对比,采集特征区域外实际三维模型对应的体积,并基于所述体积判定装配是否符合标准,所述特征区域为所述虚拟空间坐标系中样本三维模型对应空间区域外的区域;
在所述装配区域处于第二振动状态下,将实际三维模型划分为实际子模型,将样本三维模型划分为样本子模型,基于所述装配区域的扰动参数调整缩小比例,并将各所述实际子模型缩小对应比例后与对应的样本子模型进行对比,计算各实际子模型与对应样本子模型几何中心的距离值,以及计算实际子模型与对应样本子模型的体积差,基于所述距离值以及体积差计算差异参量,并基于所述差异参量的大小判定装配是否符合预定标准;
所述预设条件为,装配组件已组装完成,且位于所述装配区域内。
进一步地,在所述步骤S1中,根据所述振动幅值以及振动频率计算扰动参数,其中,
按照公式(1)计算扰动参数D,
(1)
公式(1)中,A表示所述装配区域的振动幅值,A0表示预设的幅值对比参量,P表示所述装配区域的振动频率,P0表示预设的频率对比参量。
进一步地,在所述步骤S1中,基于所述扰动参数划分所述装配区域的振动状态,其中,
将所述扰动参数与预设的第一参数对比阈值进行对比,
若对比结果满足第一参数条件,将所述装配区域的振动状态划分为第一振动状态;
若对比结果满足第二参数条件,将所述装配区域的振动状态划分为第二振动状态;
其中,所述第一参数条件为所述扰动参数小于所述第一参数对比阈值,所述第二参数条件为所述扰动参数大于等于所述第一参数对比阈值。
进一步地,在所述步骤S3中,基于所述体积判定装配是否符合标准,其中,
将所述体积与预设的体积对比阈值进行对比,
在预设体积对比结果下,判定装配符合标准;
其中,所述预设体积对比结果为所述体积小于所述体积对比阈值。
进一步地,在所述步骤S3中,将实际三维模型划分为实际子模型,将样本三维模型划分为样本子模型,其中,
在所述虚拟空间坐标系中构建切割面组,所述切割面组将所述实际三维模型划分为若干实际子模型,以及,将所述样本三维模型划分为若干样本子模型,所述切割面组为若干平行于装配区域的水平面且间距相等的平面的组合。
进一步地,在所述步骤S3中,基于所述装配区域的扰动参数调整缩小比例,其中,
设置有所述扰动参数处于不同区间下对缩小比例进行调整时的若干比例调整方式,各所述比例调整方式对所述缩小比例的调整量不同。
进一步地,在所述步骤S3中,按照公式(2)计算实际子模型与对应样本子模型几何中心的距离值,其中,
(2)
公式(2)中,L表示距离值,X1表示所述实际子模型在所述虚拟空间坐标系中X轴的坐标值,X2表示所述样本子模型在所述虚拟空间坐标系中X轴的坐标值,Y1表示所述实际子模型在所述虚拟空间坐标系中Y轴的坐标值,Y2表示所述样本子模型在所述虚拟空间坐标系中Y轴的坐标值,Z1表示所述实际子模型在所述虚拟空间坐标系中Z轴的坐标值,Z2表示所述样本子模型在所述虚拟空间坐标系中Z轴的坐标值。
进一步地,所述步骤S3中,基于所述距离值以及体积差根据公式(3)计算差异参量,其中,
公式(3)中,C表示差异参量,L表示距离值,L0表示预设的距离阈值,表示体积差,/>表示预设的体积差阈值。
进一步地,在所述步骤S3中,基于所述差异参量的大小判定装配是否符合预定标准,其中,
将所述差异参量与预设的差异参量阈值进行对比,
若所述差异参量小于预设的差异参量阈值,则判定装配符合预定标准。
进一步地,在所述步骤S3中还包括,在预设条件下,判定无法确定装配是否符合标准,所述预设条件为装配区域对应的扰动参数大于预设的扰动极限阈值。
与现有技术相比,本发明通过在装配区域设置振动采集单元,采集装配区域的振动幅值以及振动频率,根据振动幅值以及振动频率计算扰动参数,并基于扰动参数划分装配区域的振动状态,在装配区域构建虚拟空间坐标系,并预先在虚拟空间坐标系中构建装配组件的样本三维模型,响应于预设条件,采集装配组件的点云数据并在虚拟空间坐标系中对应构建实际三维模型,基于装配组件所处装配区域的振动状态确定对实际三维模型进行分析的方式,通过上述过程,提高了在振动环境下通过点云数据进行质量检测的精度,并提高了检测的效率。
尤其,本发明中,基于扰动参数划分装配区域的振动状态,扰动参数基于装配区域的振动幅值以及振动频率计算所得,装配区域的振动幅值以及振动频率表征了装配区域的振动程度的大小,在实际情况中,装配区域的振动程度越大,获取的点云数据越不准确,在虚拟空间坐标系中构建装配组件的实际三维模型的效果越差,因此通过计算扰动参数将振动程度数据化,并根据扰动参数划分振动状态,后续针对不同的振动状态作出对应的处理,以提高通过点云数据进行质量检测的效率与效果。
尤其,本发明中,在装配区域处于第一振动状态下,采集特征区域外实际三维模型对应的体积,并基于体积判定装配是否符合标准,第一振动状态表征了装配区域的振动程度较小,因此所获取的装配组件的点云数据较准确,基于点云数据所构建的实际三维模型的误差较小,因此,直接将实际三维模型与样本三维模型进行对比,将不重合区域即特征区域的体积作为判定装配是否符合标准的依据,提高了通过点云数据进行质量检测的效率。
尤其,本发明中,第二振动状态表征了装配区域的振动程度较大,由于装配组件的振动导致所采集的点云数据中的点的位置偏离实际轮廓,进而导致通过点云数据所构建的实际三维模型产生偏差,采用整体对比误差较大,因此将各所述实际子模型缩小对应比例后与对应的样本子模型进行对比,对三维模型进行适应性削减,减小振动所带来的误差,求解体积差异量以表征差异程度,并且考虑采用特征点对比的形式,进而减少振动带来的误差,提高通过点云数据进行质量检测的效率以及准确性。
附图说明
图1为发明实施例的基于点云数据的装配式建筑构建质量智能检测方法步骤示意图;
图2为发明实施例的装配区域的振动状态判定流程图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
请参阅图1以及图2所示,图1为本发明实施例的基于点云数据的装配式建筑构建质量智能检测方法,图2为发明实施例的装配区域的振动状态判定流程图,本发明的基于点云数据的装配式建筑构建质量智能检测方法包括:
步骤S1,在装配区域设置振动采集单元,采集装配区域的振动幅值以及振动频率,根据所述振动幅值以及振动频率计算扰动参数,并基于所述扰动参数划分所述装配区域的振动状态;
步骤S2,在所述装配区域构建虚拟空间坐标系,并预先在所述虚拟空间坐标系中构建装配组件的样本三维模型;
步骤S3,响应于预设条件,采集装配组件的点云数据并在所述虚拟空间坐标系中对应构建实际三维模型,基于所述装配组件所处装配区域的振动状态确定对实际三维模型进行分析的方式,其中,
在所述装配区域处于第一振动状态下,将实际三维模型以及样本三维模型进行对比,采集特征区域外实际三维模型对应的体积,并基于所述体积判定装配是否符合标准,所述特征区域为所述虚拟空间坐标系中样本三维模型对应空间区域外的区域;
在所述装配区域处于第二振动状态下,将实际三维模型划分为实际子模型,将样本三维模型划分为样本子模型,基于所述装配区域的扰动参数调整缩小比例,并将各所述实际子模型缩小对应比例后与对应的样本子模型进行对比,计算各实际子模型与对应样本子模型几何中心的距离值,以及计算实际子模型与对应样本子模型的体积差,基于所述距离值以及体积差计算差异参量,并基于所述差异参量的大小判定装配是否符合预定标准;
所述预设条件为,装配组件已组装完成,且位于所述装配区域内。
具体而言,对振动采集单元的具体结构不做限定,其可以是振动传感器,用以采集装配组件的振动幅值以及振动频率。
具体而言,对于点云数据构建三维模型的具体形式本发明不做具体限定,本领域技术人员应当明白,点云数据是由大量三维点坐标组成的数据集,可以通过这些点坐标来构建三维模型,此为现有技术,不再赘述。
具体而言,对于装配组件的具体形式不做限定,在实际施工中,装配组件为预制的可以组合的构件,本领域技术人员可根据具体的工程需要使用对应的装配组件。
具体而言,对于样本三维模型的构建方式,本发明不做具体限定,样本三维模型可基于施工要求进行构建,在虚拟空间坐标系中构建符合施工要求以及装配标准的装配组件的三维模型,此处不再赘述。
具体而言,在所述步骤S1中,根据所述振动幅值以及振动频率计算扰动参数,其中,
按照公式(1)计算扰动参数D,
(1)
公式(1)中,A表示所述装配区域的振动幅值,A0表示预设的幅值对比参量,P表示所述装配区域的振动频率,P0表示预设的频率对比参量。
具体而言,在本实施例中,幅值对比参量A0为预先检测所得,其中,设置可以调整振动幅值的振动板,将装配组件放置在振动板上,测定装配组件晃动角度为10°时振动板的振动幅值,将所述振动幅值确定为幅值对比参量A0;
具体而言,在本实施例中,频率对比参量P0在区间[15Hz,50Hz]。
具体而言,在所述步骤S1中,基于所述扰动参数划分所述装配区域的振动状态,其中,
将所述扰动参数D与预设的第一参数对比阈值D1进行对比,
若对比结果满足第一参数条件,将所述装配区域的振动状态划分为第一振动状态;
若对比结果满足第二参数条件,将所述装配区域的振动状态划分为第二振动状态;
其中,所述第一参数条件为D<D1,所述第二参数条件为D≥D1。
具体而言,在本实施例中,第一参数对比阈值D1基于A=A0以及P=P0下计算所得的扰动参数De所确定,设定D1=De×α1,α1表示第一误差系数,0.8<α1<0.9。
具体而言,本发明中,基于扰动参数划分装配区域的振动状态,扰动参数基于装配区域的振动幅值以及振动频率计算所得,装配区域的振动幅值以及振动频率表征了装配区域的振动程度的大小,在实际情况中,装配区域的振动程度越大,获取的点云数据越不准确,在虚拟空间坐标系中构建装配组件的实际三维模型的效果越差,因此通过计算扰动参数将振动程度数据化,并根据扰动参数划分振动状态,后续针对不同的振动状态作出对应的处理,以提高通过点云数据进行质量检测的效率与效果。
具体而言,在所述步骤S3中,基于所述体积判定装配是否符合标准,其中,
将所述体积V与预设的体积对比阈值V0进行对比,
在预设体积对比结果下,判定装配符合标准;
其中,所述预设体积对比结果为V<V0。
具体而言,本发明中,在装配区域处于第一振动状态下,采集特征区域外实际三维模型对应的体积,并基于体积判定装配是否符合标准,第一振动状态表征了装配区域的振动程度较小,因此所获取的装配组件的点云数据较准确,基于点云数据所构建的实际三维模型的误差较小,因此,直接将实际三维模型与样本三维模型进行对比,将不重合区域即特征区域的体积作为判定装配是否符合标准的依据,提高了通过点云数据进行质量检测的效率。
具体而言,在本实施例,体积对比阈值V0基于装配组件的样本三维模型的总体积Vm所确定,在本实施例中,设定V0=β1×Vm,β1表示第一精度系数,0.05<β1<0.15。
具体而言,在所述步骤S3中,将实际三维模型划分为实际子模型,将样本三维模型划分为样本子模型,其中,
在所述虚拟空间坐标系中构建切割面组,所述切割面组将所述实际三维模型划分为若干实际子模型,以及,将所述样本三维模型划分为若干样本子模型,所述切割面组为若干平行于装配区域的水平面且间距相等的平面的组合,在本实施例中间距可在区间[2cm,5cm]内设定。
具体而言,在所述步骤S3中,基于所述装配区域的扰动参数调整缩小比例,其中,
设置有所述扰动参数处于不同区间下对缩小比例进行调整时的若干比例调整方式,各所述比例调整方式对所述缩小比例的调整量不同;
在本实施例中提供至少三种比例调整方式,其中,
将所述扰动参数D与预设的第二参数对比阈值D2以及第三参数对比阈值D3进行对比,D1<D2<D3,
第一比例调整方式为将所述比例调整至第一缩小比例值R1;
第二比例调整方式为将所述比例调整至第二缩小比例值R2;
第三比例调整方式为将所述比例调整至第三缩小比例值R3;
其中,所述第一比例调整方式需满足D≥D3,所述第二比例调整方式需满足D2≤D<D3,所述第三比例调整方式需满足D<D2,R1<R2<R3。
具体而言,在本实施例,第二参数对比阈值D2以及第三参数对比阈值D3根据第一参数对比阈值D1所确定,在本实施例中,设定D2=D1×1.15,D3=D1×1.3,0.80<R1<0.85<R2<0.90<R3<0.95。
具体而言,在所述步骤S3中,按照公式(2)计算实际子模型与对应样本子模型几何中心的距离值,其中,
(2)
公式(2)中,L表示距离值,X1表示所述实际子模型在所述虚拟空间坐标系中X轴的坐标值,X2表示所述样本子模型在所述虚拟空间坐标系中X轴的坐标值,Y1表示所述实际子模型在所述虚拟空间坐标系中Y轴的坐标值,Y2表示所述样本子模型在所述虚拟空间坐标系中Y轴的坐标值,Z1表示所述实际子模型在所述虚拟空间坐标系中Z轴的坐标值,Z2表示所述样本子模型在所述虚拟空间坐标系中Z轴的坐标值。
具体而言,所述步骤S3中,基于所述距离值以及体积差根据公式(3)计算差异参量,其中,
公式(3)中,C表示差异参量,L表示距离值,L0表示预设的距离阈值,表示体积差,/>表示预设的体积差阈值。
具体而言,在本实施例,L0基于样本三维模型的体积Vy所确定,设定
,β2表示第二精度系数,0.05<β2<0.1,体积差阈值△V0基于样本子模型的平均体积Vz所确定,设定/>,β3表示第三精度系数,0.1<β3<0.2。
具体而言,在所述步骤S3中,基于所述差异参量的大小判定装配是否符合预定标准,其中,
将所述差异参量与预设的差异参量阈值进行对比,
若所述差异参量小于预设的差异参量阈值,则判定装配符合预定标准。
具体而言,本发明中,第二振动状态表征了装配区域的振动程度较大,由于装配组件的振动导致所采集的点云数据中的点的位置偏离实际轮廓,进而导致通过点云数据所构建的实际三维模型产生偏差,采用整体对比误差较大,因此将各所述实际子模型缩小对应比例后与对应的样本子模型进行对比,对三维模型进行适应性削减,减小振动所带来的误差,求解体积差异量以表征差异程度,并且考虑采用特征点对比的形式,进而减少振动带来的误差,提高通过点云数据进行质量检测的效率以及准确性。
具体而言,在本实施例,差异参量阈值C0基于L=L0以及△V=△V0下计算所得的差异参量Cm所确定,设定C0=Cm×α2,α2表示第二误差系数,1.1<α2<1.3。
具体而言,在所述步骤S3中还包括,在预设条件下,判定无法确定装配是否符合标准,所述预设条件为装配区域对应的扰动参数大于预设的扰动极限阈值。
具体而言,在本实施例,扰动极限阈值Dm基于第一参数对比阈值D1所确定,设定Dm=γ×D1,1.5<γ<1.7。
本发明的一种基于点云数据的装配式建筑构建质量智能检测方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中,基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤,而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (10)
1.一种基于点云数据的装配式建筑构建质量智能检测方法,其特征在于,包括:
步骤S1,在装配区域设置振动采集单元,采集装配区域的振动幅值以及振动频率,根据所述振动幅值以及振动频率计算扰动参数,并基于所述扰动参数划分所述装配区域的振动状态;
步骤S2,在所述装配区域构建虚拟空间坐标系,并预先在所述虚拟空间坐标系中构建装配组件的样本三维模型;
步骤S3,响应于预设条件,采集装配组件的点云数据并在所述虚拟空间坐标系中对应构建实际三维模型,基于所述装配组件所处装配区域的振动状态确定对实际三维模型进行分析的方式,其中,
在所述装配区域处于第一振动状态下,将实际三维模型以及样本三维模型进行对比,采集特征区域外实际三维模型对应的体积,并基于所述体积判定装配是否符合标准,所述特征区域为所述虚拟空间坐标系中样本三维模型对应空间区域外的区域;
在所述装配区域处于第二振动状态下,将实际三维模型划分为实际子模型,将样本三维模型划分为样本子模型,基于所述装配区域的扰动参数调整缩小比例,并将各所述实际子模型缩小对应比例后与对应的样本子模型进行对比,计算各实际子模型与对应样本子模型几何中心的距离值,以及计算实际子模型与对应样本子模型的体积差,基于所述距离值以及体积差计算差异参量,并基于所述差异参量的大小判定装配是否符合预定标准;
所述预设条件为,装配组件已组装完成,且位于所述装配区域内。
2.根据权利要求1所述的基于点云数据的装配式建筑构建质量智能检测方法,其特征在于,在所述步骤S1中,根据所述振动幅值以及振动频率计算扰动参数,其中,
按照公式(1)计算扰动参数D,
(1)
公式(1)中,A表示所述装配区域的振动幅值,A0表示预设的幅值对比参量,P表示所述装配区域的振动频率,P0表示预设的频率对比参量。
3.根据权利要求1所述的基于点云数据的装配式建筑构建质量智能检测方法,其特征在于,在所述步骤S1中,基于所述扰动参数划分所述装配区域的振动状态,其中,
将所述扰动参数与预设的第一参数对比阈值进行对比,
若对比结果满足第一参数条件,将所述装配区域的振动状态划分为第一振动状态;
若对比结果满足第二参数条件,将所述装配区域的振动状态划分为第二振动状态;
其中,所述第一参数条件为所述扰动参数小于所述第一参数对比阈值,所述第二参数条件为所述扰动参数大于等于所述第一参数对比阈值。
4.根据权利要求1所述的基于点云数据的装配式建筑构建质量智能检测方法,其特征在于,在所述步骤S3中,基于所述体积判定装配是否符合标准,其中,
将所述体积与预设的体积对比阈值进行对比,
在预设体积对比结果下,判定装配符合标准;
其中,所述预设体积对比结果为所述体积小于所述体积对比阈值。
5.根据权利要求1所述的基于点云数据的装配式建筑构建质量智能检测方法,其特征在于,在所述步骤S3中,将实际三维模型划分为实际子模型,将样本三维模型划分为样本子模型,其中,
在所述虚拟空间坐标系中构建切割面组,所述切割面组将所述实际三维模型划分为若干实际子模型,以及,将所述样本三维模型划分为若干样本子模型,所述切割面组为若干平行于装配区域的水平面且间距相等的平面的组合。
6.根据权利要求1所述的基于点云数据的装配式建筑构建质量智能检测方法,其特征在于,在所述步骤S3中,基于所述装配区域的扰动参数调整缩小比例,其中,
设置有所述扰动参数处于不同区间下对缩小比例进行调整时的若干比例调整方式,各所述比例调整方式对所述缩小比例的调整量不同。
7.根据权利要求1所述的基于点云数据的装配式建筑构建质量智能检测方法,其特征在于,在所述步骤S3中,按照公式(2)计算实际子模型与对应样本子模型几何中心的距离值,其中,
(2)
公式(2)中,L表示距离值,X1表示所述实际子模型在所述虚拟空间坐标系中X轴的坐标值,X2表示所述样本子模型在所述虚拟空间坐标系中X轴的坐标值,Y1表示所述实际子模型在所述虚拟空间坐标系中Y轴的坐标值,Y2表示所述样本子模型在所述虚拟空间坐标系中Y轴的坐标值,Z1表示所述实际子模型在所述虚拟空间坐标系中Z轴的坐标值,Z2表示所述样本子模型在所述虚拟空间坐标系中Z轴的坐标值。
8.根据权利要求7所述的基于点云数据的装配式建筑构建质量智能检测方法,其特征在于,所述步骤S3中,基于所述距离值以及体积差根据公式(3)计算差异参量,其中,
公式(3)中,C表示差异参量,L表示距离值,L0表示预设的距离阈值,表示体积差,表示预设的体积差阈值。
9.根据权利要求1所述的基于点云数据的装配式建筑构建质量智能检测方法,其特征在于,在所述步骤S3中,基于所述差异参量的大小判定装配是否符合预定标准,其中,
将所述差异参量与预设的差异参量阈值进行对比,
若所述差异参量小于预设的差异参量阈值,则判定装配符合预定标准。
10.根据权利要求1所述的基于点云数据的装配式建筑构建质量智能检测方法,其特征在于,在所述步骤S3中还包括,在预设条件下,判定无法确定装配是否符合标准,所述预设条件为装配区域对应的扰动参数大于预设的扰动极限阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311323496.1A CN117058152B (zh) | 2023-10-13 | 2023-10-13 | 基于点云数据的装配式建筑构建质量智能检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311323496.1A CN117058152B (zh) | 2023-10-13 | 2023-10-13 | 基于点云数据的装配式建筑构建质量智能检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117058152A true CN117058152A (zh) | 2023-11-14 |
CN117058152B CN117058152B (zh) | 2024-01-09 |
Family
ID=88654012
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311323496.1A Active CN117058152B (zh) | 2023-10-13 | 2023-10-13 | 基于点云数据的装配式建筑构建质量智能检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117058152B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102003938A (zh) * | 2010-10-11 | 2011-04-06 | 中国人民解放军信息工程大学 | 大型高温锻件热态在位检测方法 |
AU2020100930A4 (en) * | 2019-07-03 | 2020-07-09 | Wuhan University Of Science And Technology | Quad-rotor uav-based autonomous inspection method for large storage tank |
CN115307716A (zh) * | 2022-08-15 | 2022-11-08 | 贵州电网有限责任公司 | 一种基于数据映射的主变压器振动可视化检测方法 |
CN116310192A (zh) * | 2022-12-28 | 2023-06-23 | 江苏省测绘研究所 | 一种基于点云的城市级建筑物三维模型单体重建方法 |
CN116678368A (zh) * | 2023-07-28 | 2023-09-01 | 山东德丰重工有限公司 | 基于bim技术的装配式钢结构数据智能采集方法 |
-
2023
- 2023-10-13 CN CN202311323496.1A patent/CN117058152B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102003938A (zh) * | 2010-10-11 | 2011-04-06 | 中国人民解放军信息工程大学 | 大型高温锻件热态在位检测方法 |
AU2020100930A4 (en) * | 2019-07-03 | 2020-07-09 | Wuhan University Of Science And Technology | Quad-rotor uav-based autonomous inspection method for large storage tank |
CN115307716A (zh) * | 2022-08-15 | 2022-11-08 | 贵州电网有限责任公司 | 一种基于数据映射的主变压器振动可视化检测方法 |
CN116310192A (zh) * | 2022-12-28 | 2023-06-23 | 江苏省测绘研究所 | 一种基于点云的城市级建筑物三维模型单体重建方法 |
CN116678368A (zh) * | 2023-07-28 | 2023-09-01 | 山东德丰重工有限公司 | 基于bim技术的装配式钢结构数据智能采集方法 |
Non-Patent Citations (1)
Title |
---|
高林;: "一种振动突频快速统计与瀑布图重建分析系统", 火箭推进, no. 05 * |
Also Published As
Publication number | Publication date |
---|---|
CN117058152B (zh) | 2024-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109443351B (zh) | 一种稀疏环境下的机器人三维激光定位方法 | |
CN117252863B (zh) | 一种地理信息异常数据快速检测分析方法 | |
US7787696B2 (en) | Systems and methods for adaptive sampling and estimating a systematic relationship between a plurality of points | |
CN108345823A (zh) | 一种基于卡尔曼滤波的障碍物跟踪方法和装置 | |
CN113761705A (zh) | 基于多维属性相关分析的多传感器融合方法及系统 | |
CN115840205A (zh) | 一种基于激光雷达技术的地形面积计量方法和系统 | |
CN110398775B (zh) | 隧道突涌水灾害微震事件信号波动初至拾取方法及系统 | |
CN1566907A (zh) | 大型结构损伤状况实时识别的变时基监测技术 | |
CN110310322B (zh) | 一种10微米级高精度器件装配表面检测方法 | |
CN117058152B (zh) | 基于点云数据的装配式建筑构建质量智能检测方法 | |
CN104794332A (zh) | 一种高层建筑风致响应分析模型的不确定性分析方法 | |
CN112989453B (zh) | 一种基于bim的全息变形信息提取方法 | |
CN116522096B (zh) | 基于动作捕捉的三维数字孪生内容智能制作方法 | |
CN111735443A (zh) | 一种基于赋值矩阵的密集目标航迹关联方法 | |
CN114841077A (zh) | 一种风电功率预测方法、装置、介质 | |
CN112344966B (zh) | 一种定位失效检测方法、装置、存储介质及电子设备 | |
CN115310516A (zh) | 自动化设备状态稳定判断方法、系统及可读存储介质 | |
CN115243192A (zh) | 基于蓝牙数据耦合气压数据的楼层定位方法、装置及设备 | |
CN117648596B (zh) | 一种建筑施工的数字孪生与智能传感器融合方法与系统 | |
CN111640149A (zh) | 一种评估点云建模误差的分析方法 | |
CN116299374B (zh) | 基于机器视觉的声呐成像水下自动校准定位方法和系统 | |
CN116910888B (zh) | 一种装配式建筑bim模型构件生成方法及系统 | |
JP7106175B1 (ja) | 作業判別システム | |
CN117496051A (zh) | 一种结合激光雷达的bim模型构建方法和系统 | |
CN118112595A (zh) | 一种激光雷达数据处理算法及监测系统 |
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 |