CN117494264A - 一种基于融合bim和gis的土方调配方法及系统 - Google Patents
一种基于融合bim和gis的土方调配方法及系统 Download PDFInfo
- Publication number
- CN117494264A CN117494264A CN202311455540.4A CN202311455540A CN117494264A CN 117494264 A CN117494264 A CN 117494264A CN 202311455540 A CN202311455540 A CN 202311455540A CN 117494264 A CN117494264 A CN 117494264A
- Authority
- CN
- China
- Prior art keywords
- soil
- earthwork
- fusion
- model
- image
- 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
- 230000004927 fusion Effects 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 27
- 239000002689 soil Substances 0.000 claims abstract description 102
- 238000010276 construction Methods 0.000 claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 239000002245 particle Substances 0.000 claims description 27
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 13
- 238000005516 engineering process Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 12
- 238000002592 echocardiography Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000009412 basement excavation Methods 0.000 claims description 6
- 238000005553 drilling Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000005260 corrosion Methods 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims 4
- 238000009435 building construction Methods 0.000 abstract description 2
- 238000013461 design Methods 0.000 description 4
- 238000011176 pooling Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012876 topography Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 108700041286 delta Proteins 0.000 description 1
- 230000000368 destabilizing effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012732 spatial analysis 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/043—Architecture, e.g. interconnection topology based on fuzzy logic, fuzzy membership or fuzzy inference, e.g. adaptive neuro-fuzzy inference systems [ANFIS]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
- G06N3/0455—Auto-encoder networks; Encoder-decoder networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/09—Supervised learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/32—Normalisation of the pattern dimensions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/467—Encoded features or binary features, e.g. local binary patterns [LBP]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Geometry (AREA)
- Medical Informatics (AREA)
- Mathematical Optimization (AREA)
- Computer Hardware Design (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Automation & Control Theory (AREA)
- Fuzzy Systems (AREA)
- Civil Engineering (AREA)
- Architecture (AREA)
- Structural Engineering (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于融合BIM和GIS的土方调配方法及系统，涉及建筑施工技术领域，包括：依据施工图纸建造BIM模型；拍摄项目地图像生成数据库，根据现场数据与数据库中图像生成GIS地形模型；将BIM模型载入GIS地形模型进行融合，获取地形融合模型；采用断面法将地形融合模型沿中心线按照固定间隔长度划分断面，获取断面面积；将断面面积乘以间隔长度，计算土方量；对地形融合模型进行分段，收集各个分段的土方量，获取土方挖填需求，生成土方调配方案。本发明通过将两模型进行融合，并同时将不符合建筑要求的土壤加入土方调配方案的土方量计算中，通过对土方量的精准计算节约了施工成本，加快了施工建设速度。
Description
技术领域
本发明涉及建筑施工技术领域，更具体的说是涉及一种基于融合BIM和GIS的土方调配方法及系统。
背景技术
传统工程施工时将设计图纸、施工组织设计等文件携带至现场进行施工，且交底时大多是生搬硬套图纸规范及类似项目，但此类文件体积大、包含内容复杂、翻阅困难、晦涩难懂；随着BIM技术的使用，使用BIM3D模型将二维图纸转变成三维模型，简化了施工识图难度，使作业人员更加易懂，加快了施工速度，提高了施工效率。该技术是BIM技术最基本的优势。
BIM与GIS原本是不同领域对于3D技术的开发结果，BIM普遍应用于建筑设计和建筑施工以及后期运营管理，模型本身具有庞大的参数信息，更倾向于建筑的设计与施工全过程的把控。GIS则偏向于空间管理的信息处理技术，涵盖着丰富的地理模型信息，比如高程信息、地形地质信息、水文信息等等，更倾向于对真实世界的建模。BIM技术的发展，倾向于模型的精细化程度，构建具体信息以及项目其他信息的记录与表示，而GIS体系已经发展为解决问题的科学性，具有完整的数据体系、数据标准、数据库，更倾向于空间分析与信息匹配，这就造成了思维角度不同上的融合困难。
土建项目土方量计算精度直接影响建设成本。以往施工采用传统人工RTK对数据采集后，通过绘制断面图进行土方工程量计算，该技术耗时、耗力，人为因素影响较大。
因此，如何对土方工程量进行计算是本领域技术人员亟需解决的问题。
发明内容
有鉴于此，本发明提供了一种基于融合BIM和GIS的土方调配方法及系统，通过地形勘察获取项目地的图像建立GIS模型，通过施工图纸建立BIM模型，将两模型进行融合，并同时将不符合建筑要求的土壤加入土方调配方案的土方量计算中，通过对土方量的精准计算节约了施工成本，加快了施工建设速度。
为了实现上述目的，本发明采用如下技术方案：
一种基于融合BIM和GIS的土方调配方法，包括：
步骤1：获取施工图纸，依据所述施工图纸建造BIM模型；
步骤2：拍摄项目地的地形图像生成图像数据库，根据现场数据与所述图像数据库中地形图像生成GIS地形模型；
步骤3：将所述BIM模型载入所述GIS地形模型进行融合，获取地形融合模型；
步骤4：采用断面法将所述地形融合模型沿中心线按照固定间隔长度划分断面，获取需要挖填区域的断面面积；
步骤5：采用人工RTK技术获取所述断面位置的截面面积，并设置差异值，将所述断面面积与所述截面面积进行比较，比较结果小于等于差异值，则进入步骤6，若比较结果大于差异值，则返回步骤4。
步骤6：将所述断面面积乘以所述间隔长度，计算土方量；
步骤7：对所述地形融合模型进行分段，收集各个分段的所述土方量，获取土方挖填需求，生成土方调配方案。
优选的，所述现场数据具体包括：所述项目地的地形高度数据、土壤数据。
优选的，所述步骤4还包括预设土壤阈值范围，所述土壤数据的数值超出所述土壤阈值范围，则将所述土壤数据的来源土壤一同进行划分断面操作，并将完成划分断面操作的所述来源土壤的面积计入所述断面面积。
优选的，所述地形高度数据具体包括：
获取项目地SAR图像，将所述地形图像和所述SAR图像与归一化数字表面模型一一对应形成训练集与测试集，并对训练集数据进行数据融合和数据增强的预处理操作；
构建基于编码器和解码器架构的高度识别模型；
构建网络模型损失函数，包括像素均方损失函数和二元交叉熵损失函数；
使用测试集对所述高度识别模型进行验证评估，得到评价指标，若评价指标达到要求，则使用所述高度识别模型获取所述地形高度数据。
优选的，所述土壤数据包括土壤含水量数据与土壤平均粒径数据。
优选的，所述土壤含水量数据具体包括：
对所述项目地的区域按固定间隔进行钻孔，收集土壤的超宽带土壤回波和对应土壤回波的土壤含水量，对土壤回波进行预处理；
构建自适应模糊推理系统，对预处理后的土壤回波进行特征向量提取；
使用随机森林算法构建分类器，得到含水量分类器；
所述含水量分类器根据不同土壤含水量对预处理后的所述土壤回波的特征向量进行分类识别，识别得出土壤含水量数据。
优选的，所述土壤平均粒径数据具体包括：
收集所述钻孔获取的不同地面深度的土壤，拍摄土壤图像并转化为灰度图像；
对所述灰度图像进行预处理，得到土壤颗粒的轮廓，统计所述灰度图像上每个土壤颗粒内的像素个数，建立平均像素个数与土壤平均粒径的定量关系，统计出平均每个土壤颗粒内的像素个数，进一步获取土壤平均粒径数据。
优选的，所述预处理具体包括：
将土壤颗粒和其他物质各视为一种物质，然后进行二值化，进而确定土壤颗粒的轮廓，通过开操作和闭操作去除所述灰度图像中孤立的噪声点，同时保留所述灰度图像中本来的细节结构；
将微观视频图像变换成单像素厚度组成的细线，保留微观视频图像中心线的细化，具体实现步骤如下：
做腐蚀操作，但不立刻删除像素，只打标记，将不破坏连通性的标记点删掉，重复执行，直到图像结果不发生变化，得到了细化结果。
优选的，所述网络模型损失函数具体包括：
L＝Lmse+Lbce；
其中，Lmse为像素均方损失函数，Lbce为二元交叉熵损失函数，y(a,b)为地形图像(a,b)上的真实值，p(a,b)为遥感图像(a,b)上的预测值，H和W分别表示地形图像的长和宽，pa为预测的概率值，ya为二分类真实值，n为训练集的样本个数。
一种基于融合BIM和GIS的土方调配系统，包括：
BIM模型建筑模块，获取施工图纸，依据所述施工图纸建造BIM模型；
GIS模型建造模块，拍摄项目地的地形图像生成图像数据库，根据现场数据与所述图像数据库中地形图像生成GIS地形模型；
模型融合模块，将所述BIM模型载入所述GIS地形模型进行融合，获取地形融合模型；
断面面积获取模块，采用断面法将所述地形融合模型沿中心线按照固定间隔长度划分断面，获取需要挖填区域的断面面积；
差异比较模块，采用人工RTK技术获取所述断面位置的截面面积，并设置差异值，将所述断面面积与所述截面面积进行比较，比较结果小于等于差异值，则进入土方量计算模块，若比较结果大于差异值，则返回断面面积获取模块；
土方量计算模块，将所述断面面积乘以所述间隔长度，计算土方量；
调配方案生成模块，对所述地形融合模型进行分段，收集各个分段的所述土方量，获取土方挖填需求，生成土方调配方案。
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种基于融合BIM和GIS的土方调配方法及系统，通过地形勘察获取项目地的图像建立GIS模型，通过施工图纸建立BIM模型，将两模型进行融合，并同时将不符合建筑要求的土壤同时加入土方调配方案的土方量计算中，降低了土方调配中由于实地施工时需要调配的土方量难以计算从而导致的成本，加快了施工建设速度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1附图为本发明提供的步骤流程示意图。
图2附图为本发明提供的模型融合流程图。
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，本领域普通技术人员在没有做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。
本发明实施例公开了一种基于融合BIM和GIS的土方调配方法，如图1、图2所示，包括：
步骤1：获取施工图纸，依据所述施工图纸建造BIM模型；
步骤2：拍摄项目地的地形图像生成图像数据库，根据现场数据与所述图像数据库中地形图像生成GIS地形模型；
步骤3：将所述BIM模型载入所述GIS地形模型进行融合，获取地形融合模型；
步骤4：采用断面法将所述地形融合模型沿中心线按照固定间隔长度划分断面，获取需要挖填区域的断面面积；
步骤5：采用人工RTK技术获取所述断面位置的截面面积，并设置差异值，将所述断面面积与所述截面面积进行比较，比较结果小于等于差异值，则进入步骤6，若比较结果大于差异值，则返回步骤4。
步骤6：将所述断面面积乘以所述间隔长度，计算土方量；
步骤7：对所述地形融合模型进行分段，收集各个分段的所述土方量，获取土方挖填需求，生成土方调配方案。
在一个具体实施例中，在地面融合模型上标识出滑坡体及失稳范围，便于现场提前做出预案，保证施工安全和生产进度。
在一个具体实施例中，采用Revit软件作为土方量计量软件，首先由Revit平台识别出断面面积，将其整理成excel表格。经过与现场人工RTK数据进行对比，整体差异＜3％，满足施工要求，差异大的地方基本都是沟深坎高的地区。
最后应用计算机电子表格功能，可以快速获取到整条线路的土方填挖需求情况。
在一个具体实施例中，所述现场数据具体包括：所述项目地的地形高度数据、土壤数据。
在一个具体实施例中，所述步骤4还包括预设土壤阈值范围，所述土壤数据的数值超出所述土壤阈值范围，则将所述土壤数据的来源土壤一同进行划分断面操作，并将完成划分断面操作的所述来源土壤的面积计入所述断面面积。
在一个具体实施例中，所述地形高度数据具体包括：
获取项目地SAR图像，将所述地形图像和所述SAR图像与归一化数字表面模型一一对应形成训练集与测试集，并对训练集数据进行数据融合和数据增强的预处理操作；
构建基于编码器和解码器架构的高度识别模型；
构建网络模型损失函数，包括像素均方损失函数和二元交叉熵损失函数；
使用测试集对所述高度识别模型进行验证评估，得到评价指标，若评价指标达到要求，则使用所述高度识别模型获取所述地形高度数据。
在一个具体实施例中，评价指标包括均方误差MSE和精确度delta1两个评价指标。
在一个具体实施例中，对训练集数据进行数据融合具体公式如下：
I＝Cat(Z(R),Z(G),Z(B),Z(Sar))；
其中，I为融合后的图像，R、G、B为地形图像三通道数据，Sar为SAR图像数据，Cat()为拼接函数；Z()为归一化函数，具体公式为：
其中，x为原始图像数据，Mean()为均值函数，Std()为方差函数。
在一个具体实施例中，构建基于编码器和解码器架构的高度识别模型具体包括用于下采样的编码器和用于上采样的解码器：
所述编码器包括五个特征提取下采样块，每个块末尾使用池化层增大感受野，并且保存池化后的相对位置，所述编码器共13层卷积层，5层池化层；
所述解码器包括五个上采样块，每个块开头使用上采样层放大地形图像，根据所述编码器阶段保存相对位置进行恢复，解码器共5层上采样层；最后一个上采样块添加Softmax激活层得到和原图相同尺寸的像素级高度值。
在一个具体实施例中，所述土壤数据包括土壤含水量数据与土壤平均粒径数据。
在一个具体实施例中，所述土壤含水量数据具体包括：
对所述项目地的区域按固定间隔进行钻孔，收集土壤的超宽带土壤回波和对应土壤回波的土壤含水量，对土壤回波进行预处理；
构建自适应模糊推理系统，对预处理后的土壤回波进行特征向量提取；
使用随机森林算法构建分类器，得到含水量分类器；
所述含水量分类器根据不同土壤含水量对预处理后的所述土壤回波的特征向量进行分类识别，识别得出土壤含水量数据。
在一个具体实施例中，对土壤回波进行预处理具体包括：
截取收集到的土壤回波中的部分时序序列，截取的部分时序序列未被耦合噪声吞没；
将截取的部分时序序列进行归一化处理，即将截取的部分时序序列的坐标调整至[0,1]间，归一化处理的公式如下：
式中，x(n)代表时序序列中的第n个时序点，xnorm(n)为第n个时序点归一化后的值，xmax与xmin分别为土壤回波中的最大值与最小值，即时序序列中时序点的最大值与最小值；
将归一化处理后的土壤回波复制五次级联在一起，组成一个新的时序序列。
构建5个阶段的自适应模糊推理系统，其中5个阶段有四个输入，单个输出，表达式如下：
式中，X＝(x1,x2,x3,x4)，是由自适应模糊推理系统四个输入值组成的输入向量，与/>代表高斯隶属度函数的调整参数，k＝(1,2,3,4),k表示输入的个数中的第几个，xk表示第k个输入，/>表示高斯隶属度函数符号，i表示四个输入中任选一种高斯隶属度函数相乘的组合规则个数中的第几个,/>表示第i个规则中权向量线性运算的各个系数,自适应模糊推理系统由三种参数c,m,σ控制性质；
将新的时序序列不断输入自适应模糊推理系统进行训练，直到输入的新的时序序列能够预测出下一个时序点的值，即训练结束；
提取训练结束后的自适应模糊推理系统的参数c,m,σ组成一个特征向量。
在一个具体实施例中，所述土壤平均粒径数据具体包括：
收集所述钻孔获取的不同地面深度的土壤，拍摄土壤图像并转化为灰度图像；
对所述灰度图像进行预处理，得到土壤颗粒的轮廓，统计所述灰度图像上每个土壤颗粒内的像素个数，建立平均像素个数与土壤平均粒径的定量关系，统计出平均每个土壤颗粒内的像素个数，进一步获取土壤平均粒径数据。
在一个具体实施例中，所述预处理具体包括：
将土壤颗粒和其他物质各视为一种物质，然后进行二值化，进而确定土壤颗粒的轮廓，通过开操作和闭操作去除所述灰度图像中孤立的噪声点，同时保留所述灰度图像中本来的细节结构；
将微观视频图像变换成单像素厚度组成的细线，保留微观视频图像中心线的细化，具体实现步骤如下：
做腐蚀操作，但不立刻删除像素，只打标记，将不破坏连通性的标记点删掉，重复执行，直到图像结果不发生变化，得到了细化结果。
在一个具体实施例中，所述网络模型损失函数具体包括：
L＝Lmse+Lbce；
其中，Lmse为像素均方损失函数，Lbce为二元交叉熵损失函数，y(a,b)为地形图像(a,b)上的真实值，p(a,b)为遥感图像(a,b)上的预测值，H和W分别表示地形图像的长和宽，pa为预测的概率值，ya为二分类真实值，n为训练集的样本个数。
一种基于融合BIM和GIS的土方调配系统，包括：
BIM模型建筑模块，获取施工图纸，依据所述施工图纸建造BIM模型；
GIS模型建造模块，拍摄项目地的地形图像生成图像数据库，根据现场数据与所述图像数据库中地形图像生成GIS地形模型；
模型融合模块，将所述BIM模型载入所述GIS地形模型进行融合，获取地形融合模型；
断面面积获取模块，采用断面法将所述地形融合模型沿中心线按照固定间隔长度划分断面，获取需要挖填区域的断面面积；
差异比较模块，采用人工RTK技术获取所述断面位置的截面面积，并设置差异值，将所述断面面积与所述截面面积进行比较，比较结果小于等于差异值，则进入土方量计算模块，若比较结果大于差异值，则返回断面面积获取模块；
土方量计算模块，将所述断面面积乘以所述间隔长度，计算土方量；
调配方案生成模块，对所述地形融合模型进行分段，收集各个分段的所述土方量，获取土方挖填需求，生成土方调配方案。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于融合BIM和GIS的土方调配方法，其特征在于，包括：
步骤1：获取施工图纸，依据所述施工图纸建造BIM模型；
步骤2：拍摄项目地的地形图像生成图像数据库，根据现场数据与所述图像数据库中地形图像生成GIS地形模型；
步骤3：将所述BIM模型载入所述GIS地形模型进行融合，获取地形融合模型；
步骤4：采用断面法将所述地形融合模型沿中心线按照固定间隔长度划分断面，获取需要挖填区域的断面面积；
步骤5：采用人工RTK技术获取所述断面位置的截面面积，并设置差异值，将所述断面面积与所述截面面积进行比较，比较结果小于等于差异值，则进入步骤6，若比较结果大于差异值，则返回步骤4；
步骤6：将所述断面面积乘以所述间隔长度，计算土方量；
步骤7：对所述地形融合模型进行分段，收集各个分段的所述土方量，获取土方挖填需求，生成土方调配方案。
2.根据权利要求1所述的一种基于融合BIM和GIS的土方调配方法，其特征在于，所述现场数据具体包括：所述项目地的地形高度数据、土壤数据。
3.根据权利要求2所述的一种基于融合BIM和GIS的土方调配方法，其特征在于，所述步骤4还包括预设土壤阈值范围，所述土壤数据的数值超出所述土壤阈值范围，则将所述土壤数据的来源土壤一同进行划分断面操作，并将完成划分断面操作的所述来源土壤的面积计入所述断面面积。
4.根据权利要求2所述的一种基于融合BIM和GIS的土方调配方法，其特征在于，所述地形高度数据具体包括：
获取项目地SAR图像，将所述地形图像和所述SAR图像与归一化数字表面模型一一对应形成训练集与测试集，并对训练集数据进行数据融合和数据增强的预处理操作；
构建基于编码器和解码器架构的高度识别模型；
构建网络模型损失函数，包括像素均方损失函数和二元交叉熵损失函数；
使用测试集对所述高度识别模型进行验证评估，得到评价指标，若评价指标达到要求，则使用所述高度识别模型获取所述地形高度数据。
5.根据权利要求2所述的一种基于融合BIM和GIS的土方调配方法，其特征在于，所述土壤数据包括土壤含水量数据与土壤平均粒径数据。
6.根据权利要求5所述的一种基于融合BIM和GIS的土方调配方法，其特征在于，所述土壤含水量数据具体包括：
对所述项目地的区域按固定间隔进行钻孔，收集土壤的超宽带土壤回波和对应土壤回波的土壤含水量，对土壤回波进行预处理；
构建自适应模糊推理系统，对预处理后的土壤回波进行特征向量提取；
使用随机森林算法构建分类器，得到含水量分类器；
所述含水量分类器根据不同土壤含水量对预处理后的所述土壤回波的特征向量进行分类识别，识别得出土壤含水量数据。
7.根据权利要求6所述的一种基于融合BIM和GIS的土方调配方法，其特征在于，所述土壤平均粒径数据具体包括：
收集所述钻孔获取的不同地面深度的土壤，拍摄土壤图像并转化为灰度图像；
对所述灰度图像进行预处理，得到土壤颗粒的轮廓，统计所述灰度图像上每个土壤颗粒内的像素个数，建立平均像素个数与土壤平均粒径的定量关系，统计出平均每个土壤颗粒内的像素个数，进一步获取土壤平均粒径数据。
8.根据权利要求7所述的一种基于融合BIM和GIS的土方调配方法，其特征在于，所述预处理具体包括：
将土壤颗粒和其他物质各视为一种物质，然后进行二值化，进而确定土壤颗粒的轮廓，通过开操作和闭操作去除所述灰度图像中孤立的噪声点，同时保留所述灰度图像中本来的细节结构；
将微观视频图像变换成单像素厚度组成的细线，保留微观视频图像中心线的细化，具体实现步骤如下：
做腐蚀操作，但不立刻删除像素，只打标记，将不破坏连通性的标记点删掉，重复执行，直到图像结果不发生变化，得到了细化结果。
9.根据权利要求4所述的一种基于融合BIM和GIS的土方调配方法，其特征在于，所述网络模型损失函数具体包括：
L＝Lmse+Lbce；
其中，Lmse为像素均方损失函数，Lbce为二元交叉熵损失函数，y(a,b)为地形图像(a,b)上的真实值，p(a,b)为遥感图像(a,b)上的预测值，H和W分别表示地形图像的长和宽，pa为预测的概率值，ya为二分类真实值，n为训练集的样本个数。
10.一种基于融合BIM和GIS的土方调配系统，其特征在于，包括：
BIM模型建筑模块，获取施工图纸，依据所述施工图纸建造BIM模型；
GIS模型建造模块，拍摄项目地的地形图像生成图像数据库，根据现场数据与所述图像数据库中地形图像生成GIS地形模型；
模型融合模块，将所述BIM模型载入所述GIS地形模型进行融合，获取地形融合模型；
断面面积获取模块，采用断面法将所述地形融合模型沿中心线按照固定间隔长度划分断面，获取需要挖填区域的断面面积；
差异比较模块，采用人工RTK技术获取所述断面位置的截面面积，并设置差异值，将所述断面面积与所述截面面积进行比较，比较结果小于等于差异值，则进入土方量计算模块，若比较结果大于差异值，则返回断面面积获取模块；
土方量计算模块，将所述断面面积乘以所述间隔长度，计算土方量；
调配方案生成模块，对所述地形融合模型进行分段，收集各个分段的所述土方量，获取土方挖填需求，生成土方调配方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311455540.4A CN117494264B (zh) | 2023-11-03 | 2023-11-03 | 一种基于融合bim和gis的土方调配方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311455540.4A CN117494264B (zh) | 2023-11-03 | 2023-11-03 | 一种基于融合bim和gis的土方调配方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117494264A true CN117494264A (zh) | 2024-02-02 |
| CN117494264B CN117494264B (zh) | 2024-04-26 |
Family
ID=89673869
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311455540.4A Active CN117494264B (zh) | 2023-11-03 | 2023-11-03 | 一种基于融合bim和gis的土方调配方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117494264B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107392348A (zh) * | 2017-05-31 | 2017-11-24 | 上海市政建设有限公司 | 利用bim技术对土石方调配方案进行优化的方法 |
| CN111125821A (zh) * | 2019-12-16 | 2020-05-08 | 福建建工集团有限责任公司 | 基于bim+gis地基与基础分部工程分析及选型方法 |
| CN111125820A (zh) * | 2019-12-16 | 2020-05-08 | 福建建工集团有限责任公司 | 一种基于bim+gis的施工场地空间虚拟施工方法 |
| CN111191307A (zh) * | 2019-12-16 | 2020-05-22 | 福建建工集团有限责任公司 | 一种基于bim+gis技术的土方工程虚拟施工方法 |
| CN111783193A (zh) * | 2020-06-12 | 2020-10-16 | 中国二十冶集团有限公司 | 不良地基道路的有效土方量计算方法 |
| CN113112057A (zh) * | 2021-03-29 | 2021-07-13 | 广东省建筑工程监理有限公司 | 一种无人机航测与bim技术结合管理污染场地修复土方量的方法 |
| CN113780475A (zh) * | 2021-10-08 | 2021-12-10 | 中国铁建重工集团股份有限公司 | 一种基于gis环境下山岭隧道模型融合方法 |
-
2023
- 2023-11-03 CN CN202311455540.4A patent/CN117494264B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107392348A (zh) * | 2017-05-31 | 2017-11-24 | 上海市政建设有限公司 | 利用bim技术对土石方调配方案进行优化的方法 |
| CN111125821A (zh) * | 2019-12-16 | 2020-05-08 | 福建建工集团有限责任公司 | 基于bim+gis地基与基础分部工程分析及选型方法 |
| CN111125820A (zh) * | 2019-12-16 | 2020-05-08 | 福建建工集团有限责任公司 | 一种基于bim+gis的施工场地空间虚拟施工方法 |
| CN111191307A (zh) * | 2019-12-16 | 2020-05-22 | 福建建工集团有限责任公司 | 一种基于bim+gis技术的土方工程虚拟施工方法 |
| CN111783193A (zh) * | 2020-06-12 | 2020-10-16 | 中国二十冶集团有限公司 | 不良地基道路的有效土方量计算方法 |
| CN113112057A (zh) * | 2021-03-29 | 2021-07-13 | 广东省建筑工程监理有限公司 | 一种无人机航测与bim技术结合管理污染场地修复土方量的方法 |
| CN113780475A (zh) * | 2021-10-08 | 2021-12-10 | 中国铁建重工集团股份有限公司 | 一种基于gis环境下山岭隧道模型融合方法 |
Non-Patent Citations (4)
| Title |
|---|
| CHO SUN等: "A stdudy on DEM-based Automatic calulation of earthwork volume for bim application", 《JOURNAL OF THE KOREAN SOCIETY OF SURVEYING》, vol. 38, no. 2, 31 December 2020 (2020-12-31), pages 131 - 140 * |
| 宋晨星等: "基于"BIM+GIS"技术的公路工程土方调配优化", 《中国公路》, no. 24, 16 December 2022 (2022-12-16), pages 90 - 93 * |
| 胡滨等: "基于三维实景与BIM模型的土方工程分区调配方法研究", 《土木建筑工程信息技术》, 10 November 2021 (2021-11-10), pages 525 - 531 * |
| 黄河;付庭茂;张亮;郑烨晨;: "西北复杂丘陵地形环境条件下的高速铁路路基土方算量工艺研究", 建筑施工, no. 01, 25 January 2020 (2020-01-25), pages 103 - 106 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117494264B (zh) | 2024-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ercanoglu | Landslide susceptibility assessment of SE Bartin (West Black Sea region, Turkey) by artificial neural networks | |
| Chauhan et al. | Landslide susceptibility zonation through ratings derived from artificial neural network | |
| CN113033520B (zh) | 一种基于深度学习的树木线虫病害木识别方法及系统 | |
| CN107067405B (zh) | 基于尺度优选的遥感影像分割方法 | |
| CN110135354B (zh) | 一种基于实景三维模型的变化检测方法 | |
| CN112633140B (zh) | 多光谱遥感图像城中村多类别建筑物语义分割方法及系统 | |
| Wang et al. | Construction and optimization method of the open-pit mine DEM based on the oblique photogrammetry generated DSM | |
| Trinder et al. | Knowledge-based road interpretation in aerial images | |
| CN104766090A (zh) | 一种基于bemd和sofm的探地雷达数据可视化方法 | |
| Liu et al. | Ephemeral gully recognition and accuracy evaluation using deep learning in the hilly and gully region of the Loess Plateau in China | |
| CN115512247A (zh) | 基于图像多参数提取的区域建筑损伤等级评定方法 | |
| CN105654477B (zh) | 一种条带状地下目标的探测定位方法 | |
| CN116305902A (zh) | 一种基于多模态遥感的洪涝最大淹没水深空间模拟方法 | |
| CN102609721B (zh) | 遥感影像的聚类方法 | |
| CN105975990A (zh) | 一种复垦土壤剖面的精细表达方法 | |
| CN117475314A (zh) | 一种地质灾害隐患立体识别方法、系统及介质 | |
| CN112883646A (zh) | 联合机器学习和土力学模型的建筑沉降量提取方法、系统及装置 | |
| CN117494264B (zh) | 一种基于融合bim和gis的土方调配方法及系统 | |
| Costantino et al. | Features and ground automatic extraction from airborne LiDAR data | |
| Li et al. | Detection of the foreign object positions in agricultural soils using Mask-RCNN | |
| Chang et al. | Landslide features interpreted by neural network method using a high-resolution satellite image and digital topographic data | |
| CN112907567B (zh) | 基于空间推理方法的sar图像有序人造构筑物提取方法 | |
| CN115655098A (zh) | 高密度激光点云技术用于电网工程挖填土石方测算方法 | |
| Gvozdev et al. | Constructing 3D models of rigid objects from satellite images with high spatial resolution using convolutional neural networks | |
| Lv et al. | An improved watershed algorithm on multi-directional edge detection for road extraction in remote images |
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 |