CN117828901A - 钢桩bim模型构建系统及方法 - Google Patents
钢桩bim模型构建系统及方法 Download PDFInfo
- Publication number
- CN117828901A CN117828901A CN202410242716.6A CN202410242716A CN117828901A CN 117828901 A CN117828901 A CN 117828901A CN 202410242716 A CN202410242716 A CN 202410242716A CN 117828901 A CN117828901 A CN 117828901A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- steel pile
- deviation
- point
- 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
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 248
- 239000010959 steel Substances 0.000 title claims abstract description 248
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000010276 construction Methods 0.000 title claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000007405 data analysis Methods 0.000 claims abstract description 7
- 238000013507 mapping Methods 0.000 claims description 28
- 239000003086 colorant Substances 0.000 claims description 27
- 238000005259 measurement Methods 0.000 claims description 14
- 239000002131 composite material Substances 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 230000007423 decrease Effects 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000007670 refining Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 12
- 238000013461 design Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
Classifications
-
- 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
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Architecture (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供一种钢桩BIM模型构建系统及方法,涉及钢桩BIM模型构建技术领域,包括:数据获取模块,用于通过激光扫描仪对钢桩进行三维扫描,获取钢桩的点云数据,点云数据包括钢桩的长度、直径、周长、椭圆度和垂直度;数据处理模块,用于将点云数据进行数据处理,生成点云数据的坐标数据;数据分析模块,用于根据坐标数据,构建钢桩的BIM模型,并依据钢桩的BIM模型生成钢桩的理论模型。本发明通过多个模块的配合,获取并处理多个点云数据,自动分析实际点云数据和理论模型之间的偏差,并实时调整实际点云数据和钢桩的理论模型的偏差,以及利用色彩的变化,提供可视化的色彩偏差信息,使得钢桩的几何特征在BIM建模中更准确地拟合实际场景。
Description
技术领域
本发明涉及钢桩BIM模型构建技术领域,具体为一种钢桩BIM模型构建系统及方法。
背景技术
大直径单桩产品理论模型数据是进行产品生产质量检测的参照,每一根桩都是一个独立的BIM模型,Inventor是一款专业的三维机械类BIM软件,其不但具备较强的建模功能,还可以通过软件进行功能设计,直观、快速、准确地反映零部件之间的装配关系,钢桩生产过程中,每一个钢桩管节都可以视作为一个零件,通过装配约束将所有管节按照顺序进行拼接,从而形成整桩BIM模型。
在现有技术中,钢桩的BIM模型构建,通常采集长度、直径等,将长度等相关参数进行分析处理,以此构建钢桩的BIM模型,但是缺少将实际点云数据和钢桩的理论模型比较,以此获得实际点云数据和钢桩的理论模型之间的偏差值,并将偏差值和预设的偏差值阈值比较,判断实际点云数据和钢桩的理论模型偏差程度的过程,且偏差值的实时动态调整和显示没有提供可视化。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解,因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明的目的在于提供一种钢桩BIM模型构建系统及方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种钢桩BIM模型构建系统,包括:
数据获取模块,用于通过激光扫描仪对钢桩进行三维扫描,获取钢桩的点云数据,所述点云数据包括钢桩的长度、直径、周长、椭圆度和垂直度;
数据处理模块,用于将所述点云数据进行数据处理,生成点云数据的坐标数据;
数据分析模块,用于根据所述坐标数据,构建钢桩的BIM模型,并依据所述钢桩的BIM模型生成钢桩的理论模型,并将所述钢桩的理论模型和实际点云数据自动对齐,使其完全重叠,通过所述点云数据和钢桩的BIM模型的相对位置关系,生成所述实际点云数据和钢桩的理论模型之间的偏差值,将所述偏差值和预设的偏差值阈值比较,判断所述实际点云数据和钢桩的理论模型偏差程度;
调整模块,用于根据所述偏差值,构建目标函数,并根据所述目标函数,调整所述实际点云数据和钢桩的理论模型的偏差;
映射模块,用于将所述点云数据的每个点与理论模型上的对应点之间的偏差值映射到颜色上,形成色彩偏差,通过所述色彩偏差反映实际点和钢桩的理论点的偏差情况。
进一步地,所述数据处理模块将点云数据进行数据处理,生成所述点云数据的坐标数据的过程如下:
S11.采用激光扫描原理:激光扫描仪通常通过发射激光束并测量其返回时间或相位来获取目标表面的距离信息,这些信息用于构建点云数据;
S12.定义扫描区域:确定需要扫描的钢桩区域,确保扫描仪可以完整地覆盖整个钢桩表面;
S13.确定扫描分辨率:根据应用需求和精度要求,确定激光扫描的分辨率,分辨率越高,生成的点云数据越密集;
S14.执行激光扫描:激光扫描仪通过发射激光束,记录激光束被目标表面反射的时间或相位信息,这个过程在整个扫描区域内进行,生成点云的一系列距离测量值,距离测量值包括长度、直径、周长、椭圆度和垂直度;
S15.根据长度、直径、周长、椭圆度和垂直度生成坐标数据:
长度生成:根据钢桩的长度,在垂直方向上均匀采样生成一系列高度值;
直径生成:在每个高度处,根据钢桩的直径,在水平方向上均匀采样生成一系列半径值;
周长生成:在每个高度和半径交点处,根据钢桩的周长,生成相应角度范围内的坐标点;
椭圆度调整:根据椭圆度参数,调整每个水平切面上的点的位置,使得生成的截面更符合椭圆形状;
垂直度调整:根据垂直度参数,调整整个点云数据在垂直方向上的位置,以匹配实际钢桩的倾斜或竖直姿态;
S16.坐标数据融合:将生成的每个高度处的坐标数据合并,形成完整的点云数据。
进一步地,所述数据分析模块根据坐标数据,构建钢桩的BIM模型,并依据所述钢桩的BIM模型生成钢桩的理论模型的过程如下:
S21.导入坐标数据:首先,将之前生成的完整点云数据导入到BIM软件中,这可以通过文件导入功能实现,确保点云数据正确对应到软件中的三维空间;
S22.创建结构元素:使用BIM软件的工具,创建钢桩的基本结构元素,例如桩,这通常包括选择适当的几何形状和尺寸,以匹配实际的钢桩几何特征;
S23.点云数据对齐:将导入的点云数据与创建的结构元素进行对齐,这可以通过将点云数据与结构元素进行匹配,确保它们在相同的坐标系中,以便正确映射点云到结构元素上;
S24.点云数据建模:利用导入的点云数据,通过BIM软件提供的工具进行建模,包括将点云数据用于创建钢桩的表面或体积,可以使用点云数据作为基础,推断并创建实际的物理几何模型;
S25.调整几何形状:根据需要,对钢桩的BIM模型的几何形状进行调整,包括对某些部分进行细化、裁剪或添加细节,以更好地反映实际的钢桩形状;
S26.属性和参数设置:为钢桩的BIM模型添加属性和参数;
S27.生成理论模型:基于钢桩的BIM模型,生成钢桩的理论模型。
进一步地,将所述钢桩的理论模型和实际点云数据自动对齐,使其完全重叠,通过所述点云数据和钢桩的BIM模型的相对位置关系,生成实际点云数据和钢桩的理论模型之间的偏差值的过程如下:
S31.坐标系对齐:确保点云数据和BIM模型使用相同的坐标系;
S32.建立参考点:在点云数据和BIM模型中选择一些共同的参考点,这些点在实际场景中应该是可识别和测量的,并且它们在点云数据和BIM模型中都能被明确定位;
S33.点云数据与理论模型的配准:利用配准算法将点云数据与BIM模型进行对齐,这可以通过选择参考点并进行变换,以最小化点云数据和BIM模型之间的差异来实现;
S34.偏差计算:通过比较已对齐的点云数据和BIM模型,计算它们之间的偏差,
其中,点云数据和BIM模型的偏差,可以采用最小二乘法拟合的方式,计算平均偏差量量化点云数据和BIM模型偏差的程度,依据的公式如下:
;
其中,为第i个点云数据中的数值,/>为第i个BIM模型中对应点的数值,n是数据点的数量;
计算最大偏差量化点云数据和BIM模型偏差的程度,依据的公式如下:
;
其中,为第i个点云数据中的数值,/>为第i个BIM模型中对应点的数值;
计算标准差量化点云数据和BIM模型偏差的程度,依据的公式如下:
;
其中,为第i个点云数据中的数值,/>为点云数据的均值,n是数据点的数量;
将所述平均偏差量、最大偏差/>和标准差/>进行无量纲化处理,并进行相关性分析,生成用于判断实际点云数据和钢桩的理论模型偏差程度的综合指数/>,依据的公式如下:
;
其中,为最大偏差/>的比例因子系数,/>为标准差/>的比例因子系数,/>为平均偏差量/>的比例因子系数,相对来说,更关注整体的一致性和极端的偏差情况,因此将α=β>γ>0,且α+β+γ=1。
进一步地,计算所述综合指数和预设的综合指数的阈值/>的差值CZ,依据的公式如下:
;
将综合指数定义为目标函数,用于降低差值CZ的数值,该目标函数为下式:
;
通过梯度下降算法,对差值CZ调整,过程如下:
S41.初始化参数:初始化归一化的偏差量,,/>、/>和调整系数μ,定义目标函数,即综合指数的函数:/>;
S42.计算梯度:计算目标函数对每个参数的偏导数,得到梯度,、/>、;
S43.更新参数:使用梯度信息来更新每个参数,以减小目标函数的值,、/>、/>;
其中,为更新后的最大偏差,/>为更新后的标准差,/>为更新后的平均偏差量,μ是调整系数,控制每次更新的步长;
S44.使用调整后的归一化值重新计算综合指数:;
S45.评估差异:比较调整后的综合指数与预设阈值/>的差异,判断是否已经接近;
S46.迭代过程:根据差异的方向和大小来更新调整系数μ,并重复步骤S42-S45,反复迭代,直到所述综合指数ZS与预设阈值的差值CZ降低到0。
进一步地,将所述点云数据的每个点与理论模型上的对应点之间的偏差映射到颜色上,形成色彩偏差,通过所述色彩偏差反映实际点和钢桩的理论点偏差情况,过程如下:
S51.偏差计算:对于每个点,通过下式的欧氏距离法,计算点云数据的每个点与理论模型上的对应点之间的偏差值,公式如下:
;
其中,为点云数据的每个点与理论模型上的对应点之间的偏差值,是点云数据的点的坐标,/>是理论模型上对应点的坐标;
S52.偏差归一化:将计算得到的偏差进行归一化,将其映射到[0, 1]的范围内,确保不同数据集的偏差范围可以映射到相同的颜色空间,公式如下:
;
其中,ND为归一化后的偏差值,AD是点的实际偏差,MiD偏差的最小值,MaD偏差的最大值;
S53.将归一化后的偏差值ND映射到选择的颜色范围,采用颜色映射函数,依据的公式如下:
;
其中,为映射得到的颜色的色相值,/>和/>为选择的颜色范围的最大和最小色相值;
S54.颜色插值:使用归一化后的偏差值在颜色映射函数中进行插值,得到相应的颜色,在HSV颜色模型中,可以通过调整色相来表示偏差大小,依据的公式如下:
;
其中,为映射得到的颜色的色相值,/>和/>为选择的颜色范围的最大和最小色相值;
S55.HSV颜色到RGB颜色转换:将插值得到的颜色应用到点云数据上,为每个点分配相应的颜色,颜色的深浅将与偏差大小成比例, 一旦获得了插值后的颜色信息,接下来是将颜色应用到点云数据上,为每个点分配相应的颜色。
进一步地,将得到的RGB颜色应用到点云数据中的每个点,即:
S551.加载点云数据:从文件或其他数据源加载点云数据;
S552.生成RGB颜色:使用之前生成的RGB颜色信息;
S553.为点云赋值颜色:遍历点云中的每个点,并将相应的颜色信息赋值给每个点;
S554.保存或可视化:选择保存带有颜色的点云或将其可视化。
一种钢桩BIM模型构建方法,具体步骤包括:
S1.通过激光扫描仪对钢桩进行三维扫描,获取钢桩的点云数据,所述点云数据包括钢桩的长度、直径、周长、椭圆度和垂直度;
S2.将所述点云数据进行数据处理,生成点云数据的坐标数据;
S3.根据所述坐标数据,构建钢桩的BIM模型,并依据所述钢桩的BIM模型生成钢桩的理论模型,并将所述钢桩的理论模型和实际点云数据自动对齐,使其完全重叠,通过所述点云数据和钢桩的BIM模型的相对位置关系,生成所述实际点云数据和钢桩的理论模型之间的偏差值,将所述偏差值和预设的偏差值阈值比较,判断所述实际点云数据和钢桩的理论模型偏差程度;
S4.根据所述偏差值,构建目标函数,并根据所述目标函数,调整所述实际点云数据和钢桩的理论模型的偏差;
S5.将所述点云数据的每个点与理论模型上的对应点之间的偏差值映射到颜色上,形成色彩偏差,通过所述色彩偏差反映实际点和钢桩的理论点偏差情况。
与现有技术相比,本发明的有益效果是:
本发明通过获取钢桩的长度、直径、周长、椭圆度和垂直度,将钢桩的长度、直径、周长、椭圆度和垂直度进行数据处理,生成点云数据的坐标数据,根据坐标数据,构建钢桩的BIM模型,并依据BIM模型生成钢桩的理论模型,将钢桩的理论模型和实际点云数据自动对齐,使其完全重叠,通过点云数据和钢桩的BIM模型的相对位置关系,生成实际点云数据和钢桩的理论模型之间的偏差值,将偏差值和预设的偏差值阈值比较,判断实际点云数据和钢桩的理论模型偏差程度,根据偏差值,构建目标函数,调整实际点云数据和钢桩的理论模型的偏差,以及将点云数据的每个点与理论模型上的对应点之间的偏差映射到颜色上,形成色彩偏差,通过色彩偏差反映实际点和钢桩的理论点的偏差情况。因此,通过多个模块的配合,获取并处理多个点云数据,自动分析实际点云数据和理论模型之间的偏差,实时调整实际点云数据和钢桩的理论模型的偏差,以及利用色彩的变化,提供可视化的色彩偏差信息,使得钢桩的几何特征在BIM建模中更准确地拟合实际场景。
附图说明
图1为本发明的模块组成框图;
图2为本发明的色彩偏差示意图;
图3为本发明的整体方法流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,对本发明进一步详细说明。
需要说明的是,除非另外定义,本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”“下”“左”“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
实施例
请参阅图1至图2,本发明提供一种技术方案:
一种钢桩BIM模型构建系统,如图1所示,包括:
数据获取模块,用于通过激光扫描仪对钢桩进行三维扫描,获取钢桩的点云数据,点云数据包括钢桩的长度、直径、周长、椭圆度和垂直度;
数据处理模块,用于将点云数据进行数据处理,生成点云数据的坐标数据;
数据分析模块,用于根据坐标数据,构建钢桩的BIM模型,并依据钢桩的BIM模型生成钢桩的理论模型,并将钢桩的理论模型和实际点云数据自动对齐,使其完全重叠,通过点云数据和钢桩的BIM模型的相对位置关系,生成实际点云数据和钢桩的理论模型之间的偏差值,将偏差值和预设的偏差值阈值比较,判断实际点云数据和钢桩的理论模型偏差程度;
调整模块,用于根据偏差值,构建目标函数,并根据目标函数,调整实际点云数据和钢桩的理论模型的偏差;
映射模块,用于将点云数据的每个点与理论模型上的对应点之间的偏差值映射到颜色上,形成色彩偏差,通过色彩偏差反映实际点和钢桩的理论点的偏差情况。
当钢桩的长度不同时,钢桩的BIM模型就不同,以下为具体原因:
几何模型变化:钢桩的长度是其一个重要的几何参数,改变钢桩的长度会直接影响到BIM 模型中的几何表示,变更长度会导致整个几何形状的调整。
连接和关系的变化:钢桩是建筑或工程结构的一部分,其长度的变化可能需要重新考虑与其他结构元素的连接和关系,这可能包括重新设计连接节点,重新调整结构的布局。
模型的可视化效果变化:钢桩作为建筑元素的一部分,其长度的变化可能影响模型的可视化效果。这包括模型的外观、比例和空间感觉等方面的调整。
因此,通过测量钢桩的长度的准确性,对于构建钢桩的BIM模型尤为重要,如可做到会产生如下效果:
准确的几何建模:测量钢桩长度可以确保 BIM 模型中的几何表示是准确的,这是因为钢桩的长度是其主要的几何参数之一,而 BIM 模型的主要目的之一是准确地描述建筑或工程元素的几何形状。
精确的结构性能分析:钢桩的长度是影响其结构性能的重要因素之一,通过准确测量长度,BIM 模型可以提供更精确的结构性能分析,包括对荷载、承载能力、稳定性等方面的更准确的信息。
可靠的连接和关系设计:钢桩的长度对于与其他结构元素的连接和关系设计至关重要,准确的长度测量可以确保 BIM 模型中的连接节点和相邻元素的关系是可靠的,有助于避免设计和施工阶段的问题。
当钢桩的直径不同时,钢桩的BIM模型就不同,以下为具体原因:
几何形状变化:钢桩的直径变化会导致整个结构的几何形状发生变化,BIM模型基于钢桩直径构建,那么改变直径会影响整个结构的几何形状和尺寸。
结构性能和稳定性:钢桩的直径是其结构性能的一个重要因素,较大直径的钢桩通常具有更高的承载能力,但也可能影响稳定性,因此,改变直径需要重新评估整个结构的性能和稳定性,并进行相应的调整。
连接和支撑系统的变化:钢桩的直径变化会影响与其他结构元件的连接方式,不同直径的钢桩需要不同的连接节点和构建方法。
因此,通过测量钢桩的直径的准确性,对于构建钢桩的BIM模型尤为重要,如可做到会产生如下效果:
准确的几何建模:测量钢桩直径确保了BIM模型中几何形状的准确表示,准确的几何建模是BIM的基础,对于设计、分析和可视化都至关重要。
精确的结构性能分析:钢桩直径是影响其结构性能的关键参数之一,准确测量直径有助于提供更精确的结构性能分析,包括荷载、承载能力、稳定性等方面的准确信息。
当钢桩的周长不同时,钢桩的BIM模型就不同,以下为具体原因:
几何形状的调整:钢桩的周长变化会直接影响其截面积和形状,这种变化需要在BIM模型中进行相应的调整,以确保模型能够准确反映钢桩的实际形态。
结构性能的重新评估:钢桩的周长变化会影响其承载能力和稳定性,BIM模型需要重新评估这些参数,以确保结构在设计和施工阶段的安全性和可靠性。
连接方式和支撑系统的变更:不同周长的钢桩可能需要不同的连接和支撑系统,因此,钢桩周长的变化可能需要调整模型中的连接节点和支撑结构,以适应新的设计要求。
因此,通过测量钢桩的周长的准确性,对于构建钢桩的BIM模型尤为重要,如可做到会产生如下效果:
精确的几何建模:准确测量周长确保BIM模型中钢桩的几何形状和截面积的准确表示,这直接影响了结构的几何建模,对于设计和分析是至关重要的。
精确的结构性能分析:周长是影响钢桩结构性能的关键参数之一,准确测量周长有助于提供准确的截面积,从而支持更精确的结构性能分析,包括承载能力和稳定性等方面。
当钢桩的椭圆度不同时,钢桩的BIM模型就不同,以下为具体原因:
几何形状的调整:椭圆度是椭圆的偏离程度,即离完全圆形的程度,当椭圆度不同时,椭圆的形状会发生变化,BIM模型需要相应地调整以准确表示椭圆形状,包括椭圆的长轴、短轴等几何参数。
因此,通过测量钢桩的椭圆度的准确性,对于构建钢桩的BIM模型尤为重要,如可做到会产生如下效果:
精确的几何建模:准确测量椭圆度有助于确保钢桩几何形状的精确表示,BIM模型中的几何建模需要考虑钢桩的实际椭圆度,以便准确地反映其形态和截面特征。
当钢桩的垂直度不同时,钢桩的BIM模型就不同,以下为具体原因:
几何形状的调整:钢桩的垂直度直接影响其几何形状,垂直度的不同会导致钢桩截面的变化,因此需要在BIM模型中进行相应的几何调整,以确保模型反映出实际的垂直状态。
因此,通过测量钢桩的垂直度的准确性,对于构建钢桩的BIM模型尤为重要,如可做到会产生如下效果:
精确的结构模型:准确测量垂直度有助于确保BIM模型中钢桩的几何形状和位置准确表示,这对于建筑结构的准确建模至关重要,影响到设计、分析和施工的可靠性。
准确的结构性能分析:垂直度是影响钢桩结构承载能力和稳定性的重要因素之一,准确测量垂直度有助于提供准确的结构性能分析所需的数据,确保结构在设计要求范围内的性能。
准确的结构监测和维护:垂直度的准确测量提供了钢桩结构监测和维护的重要数据基础,通过监测垂直度的变化,可以及时发现结构的变形或移位,有助于及时采取维护措施,保障结构的安全性和稳定性。
综上所述,数据获取模块获取钢桩的长度、直径、周长、椭圆度和垂直度对构建钢桩的BIM模型有着极为重要的作用,以下为本实施方式中构建钢桩的BIM模型的具体实施方式。
在上述实施例的基础上,数据处理模块将点云数据进行数据处理,生成点云数据的坐标数据的过程如下:
S11.采用激光扫描原理:激光扫描仪通常通过发射激光束并测量其返回时间或相位来获取目标表面的距离信息,这些信息用于构建点云数据;
S12.定义扫描区域:确定需要扫描的钢桩区域,确保扫描仪可以完整地覆盖整个钢桩表面;
S13.确定扫描分辨率:根据应用需求和精度要求,确定激光扫描的分辨率,分辨率越高,生成的点云数据越密集;
S14.执行激光扫描:激光扫描仪通过发射激光束,记录激光束被目标表面反射的时间或相位信息,这个过程在整个扫描区域内进行,生成点云的一系列距离测量值,距离测量值包括长度、直径、周长、椭圆度和垂直度;
S15.根据长度、直径、周长、椭圆度和垂直度生成坐标数据:
长度生成:根据钢桩的长度,在垂直方向上均匀采样生成一系列高度值;
直径生成:在每个高度处,根据钢桩的直径,在水平方向上均匀采样生成一系列半径值;
周长生成:在每个高度和半径交点处,根据钢桩的周长,生成相应角度范围内的坐标点;
椭圆度调整:根据椭圆度参数,调整每个水平切面上的点的位置,使得生成的截面更符合椭圆形状;
垂直度调整:根据垂直度参数,调整整个点云数据在垂直方向上的位置,以匹配实际钢桩的倾斜或竖直姿态;
S16.坐标数据融合:将生成的每个高度处的坐标数据合并,形成完整的点云数据。
S161.其中,每个高度处的坐标数据合并,形成完整的点云数据的过程如下:
对于每个高度(或离散的垂直切面)的坐标数据,会形成一系列离散的点集,每个点集代表了钢桩在该高度上的横截面,将每个高度处生成的坐标数据集合并在一起,形成一个更大的点集,可以将各个点集的坐标连接在一起,或者通过一些插值或平滑的方法进行更复杂的整合;将每个高度的整合后的点集按照垂直方向堆叠在一起,形成完整的三维点云数据,这个点云数据包含了钢桩表面在整个高度范围内的几何形状信息。
在上述实施例的基础上,数据分析模块根据坐标数据,构建钢桩的BIM模型,并依据BIM模型生成钢桩的理论模型的过程如下:
S21.导入坐标数据:首先,将之前生成的完整点云数据导入到BIM软件中,这可以通过文件导入功能实现,确保点云数据正确对应到软件中的三维空间;
S22.创建结构元素:使用BIM软件的工具,创建钢桩的基本结构元素,例如桩,这通常包括选择适当的几何形状和尺寸,以匹配实际的钢桩几何特征;
S23.点云数据对齐:将导入的点云数据与创建的结构元素进行对齐,这可以通过将点云数据与结构元素进行匹配,确保它们在相同的坐标系中,以便正确映射点云到结构元素上;
S24.点云数据建模:利用导入的点云数据,通过BIM软件提供的工具进行建模,包括将点云数据用于创建钢桩的表面或体积,可以使用点云数据作为基础,推断并创建实际的物理几何模型;
S25.调整几何形状:根据需要,对钢桩的BIM模型的几何形状进行调整,包括对某些部分进行细化、裁剪或添加细节,以更好地反映实际的钢桩形状;
S26.属性和参数设置:为钢桩的BIM模型添加属性和参数;
S27.生成理论模型:基于钢桩的BIM模型,生成钢桩的理论模型。
在上述实施例的基础上,将钢桩的理论模型和实际点云数据自动对齐,使其完全重叠,通过点云数据和钢桩的BIM模型的相对位置关系,生成实际点云数据和钢桩的理论模型之间的偏差值的过程如下:
S31.坐标系对齐:确保点云数据和BIM模型使用相同的坐标系;
S32.建立参考点:在点云数据和BIM模型中选择一些共同的参考点,这些点在实际场景中应该是可识别和测量的,并且它们在点云数据和BIM模型中都能被明确定位;
S33.点云数据与理论模型的配准:利用配准算法将点云数据与BIM模型进行对齐,这可以通过选择参考点并进行变换,以最小化点云数据和BIM模型之间的差异来实现;
S34.偏差计算:通过比较已对齐的点云数据和BIM模型,计算它们之间的偏差,
其中,点云数据和BIM模型的偏差,可以采用最小二乘法拟合的方式,计算平均偏差量量化点云数据和BIM模型偏差的程度,依据的公式如下:
;
其中,为第i个点云数据中的数值,/>为第i个BIM模型中对应点的数值,n是数据点的数量;
计算最大偏差量化点云数据和BIM模型偏差的程度,依据的公式如下:
;
其中,为第i个点云数据中的数值,/>为第i个BIM模型中对应点的数值;
计算标准差量化点云数据和BIM模型偏差的程度,依据的公式如下:
;
其中,为第i个点云数据中的数值,/>为点云数据的均值,n是数据点的数量;
将平均偏差量、最大偏差/>和标准差/>进行无量纲化处理,并进行相关性分析,生成用于判断实际点云数据和钢桩的理论模型偏差程度的综合指数/>,依据的公式如下:
;
其中,为最大偏差/>的比例因子系数,/>为标准差/>的比例因子系数,/>为平均偏差量/>的比例因子系数,相对来说,更关注整体的一致性和极端的偏差情况,因此将α=β>γ>0,且α+β+γ=1。
在上述实施例的基础上,计算综合指数和预设的综合指数的阈值/>的差值CZ,依据的公式如下:
;
将综合指数定义为目标函数,用于降低差值CZ的数值,该目标函数为下式:
;
通过梯度下降算法,对差值CZ调整,过程如下:
S41.初始化参数:初始化归一化的偏差量,,/>、/>和调整系数μ,定义目标函数,即综合指数的函数:/>;
S42.计算梯度:计算目标函数对每个参数的偏导数,得到梯度,、/>、;
S43.更新参数:使用梯度信息来更新每个参数,以减小目标函数的值,、/>、/>;
其中,为更新后的最大偏差,/>为更新后的标准差,/>为更新后的平均偏差量,μ是调整系数,它控制每次更新的步长,μ的选择对于梯度下降的性能至关重要,过小的μ可能导致收敛速度过慢,而过大的μ可能导致震荡或发散,因此要控制每次调整系数μ的大小;
S44.使用调整后的归一化值重新计算综合指数:;
S45.评估差异:比较调整后的综合指数与预设阈值/>的差异,判断是否已经接近;
S46.迭代过程:如果差异仍然很大,可以根据差异的方向和大小来更新调整系数μ,并重复步骤S42-S45,这个过程可以反复迭代,直到综合指数ZS与预设阈值的差值CZ降低到0。
在上述实施例的基础上,如图3所示,将点云数据的每个点与理论模型上的对应点之间的偏差映射到颜色上,形成色彩偏差,通过色彩偏差反映实际点和钢桩的理论点的偏差情况,过程如下:
S51.偏差计算:对于每个点,通过下式的欧氏距离法,计算点云数据的每个点与理论模型上的对应点之间的偏差值,公式如下:
;
其中,为点云数据的每个点与理论模型上的对应点之间的偏差值,是点云数据的点的坐标,/>是理论模型上对应点的坐标;
S52.偏差归一化:将计算得到的偏差进行归一化,将其映射到[0, 1]的范围内,确保不同数据集的偏差范围可以映射到相同的颜色空间,公式如下:
;
其中,ND为归一化后的偏差值,AD是点的实际偏差,MiD偏差的最小值,MaD偏差的最大值;
S53.将归一化后的偏差值ND映射到选择的颜色范围,采用颜色映射函数,依据的公式如下:
;
其中,为映射得到的颜色的色相值,/>和/>为选择的颜色范围的最大和最小色相值;
S54.颜色插值:使用归一化后的偏差值在颜色映射函数中进行插值,得到相应的颜色,在HSV颜色模型中,可以通过调整色相来表示偏差大小,依据的公式如下:
;
其中,为映射得到的颜色的色相值,/>和/>为选择的颜色范围的最大和最小色相值;
S55.HSV颜色到RGB颜色转换:将插值得到的颜色应用到点云数据上,为每个点分配相应的颜色,颜色的深浅将与偏差大小成比例, 一旦获得了插值后的颜色信息,接下来是将颜色应用到点云数据上,为每个点分配相应的颜色。
在HSV颜色模型中,颜色信息主要由色相、饱和度和亮度三个分量组成,通过插值得到了色相值,为了方便计算和比较颜色的偏差,在插值过程中,只有色相值会根据归一化后的偏差值进行插值,而保持饱和度和HSV中的亮度不变,每个通道的值都乘以RGB中的亮度(V) 并四舍五入到最接近的整数,如下式:
;
将得到的RGB颜色应用到点云数据中的每个点,即:
S551.加载点云数据:从文件或其他数据源加载点云数据;
S552.生成RGB颜色:使用之前生成的RGB颜色信息;
S553.为点云赋值颜色:遍历点云中的每个点,并将相应的颜色信息赋值给每个点;
S554.保存或可视化:选择保存带有颜色的点云或将其可视化。
公式中的α、β和γ的具体取值一般由本领域技术人员根据实际情况来确定,该公式本质为加权求和进行综合分析,由本领域技术人员采集多组样本数据,并对每一组样本数据设定对应的预设比例系数,将设定的预设比例系数和采集的样本数据代入公式,通过反复试验和参数调整,观察模型输出的准确性和结果的合理性,逐步调整这些因子系数,并对比不同参数设置下模型的性能和效果,找到最优的系数组合,将计算得到的因子系数进行筛选并取均值,得到α、β和γ的取值。
另外,预设因子系数的大小是为了将各个参数进行量化得到的一个具体的数值,其为了便于后续比较,关于系数的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的预设比例系数,并不唯一,只要不影响参数与量化后数值的比例关系即可。
请参阅图3,一种钢桩BIM模型构建方法,具体步骤包括:
S1.通过激光扫描仪对钢桩进行三维扫描,获取钢桩的点云数据,点云数据包括钢桩的长度、直径、周长、椭圆度和垂直度;
S2.将点云数据进行数据处理,生成点云数据的坐标数据;
S3.根据坐标数据,构建钢桩的BIM模型,并依据钢桩的BIM模型生成钢桩的理论模型,并将钢桩的理论模型和实际点云数据自动对齐,使其完全重叠,通过点云数据和钢桩的BIM模型的相对位置关系,生成实际点云数据和钢桩的理论模型之间的偏差值,将偏差值和预设的偏差值阈值比较,判断实际点云数据和钢桩的理论模型偏差程度;
S4.根据偏差值,构建目标函数,并根据目标函数,调整实际点云数据和钢桩的理论模型的偏差;
S5.将点云数据的每个点与理论模型上的对应点之间的偏差值映射到颜色上,形成色彩偏差,通过色彩变化偏差实际点和钢桩的理论点的偏差情况。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。本领域技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够、电子硬件,或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方法来执行,取决于技术方案的特定应用和设计约束条件。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,既可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
Claims (8)
1.一种钢桩BIM模型构建系统,其特征在于,包括:
数据获取模块,用于通过激光扫描仪对钢桩进行三维扫描,获取钢桩的点云数据,所述点云数据包括钢桩的长度、直径、周长、椭圆度和垂直度;
数据处理模块,用于将所述点云数据进行数据处理,生成点云数据的坐标数据;
数据分析模块,用于根据所述坐标数据,构建钢桩的BIM模型,并依据所述钢桩的BIM模型生成钢桩的理论模型,并将所述钢桩的理论模型和实际点云数据自动对齐,使其完全重叠,通过所述点云数据和钢桩的BIM模型的相对位置关系,生成所述实际点云数据和钢桩的理论模型之间的偏差值,将所述偏差值和预设的偏差值阈值比较,判断所述实际点云数据和钢桩的理论模型偏差程度;
调整模块,用于根据所述偏差值,构建目标函数,并根据所述目标函数,调整所述实际点云数据和钢桩的理论模型的偏差;
映射模块,用于将所述点云数据的每个点与理论模型上的对应点之间的偏差值映射到颜色上,形成色彩偏差,通过所述色彩偏差反映实际点和钢桩的理论点的偏差情况。
2.根据权利要求1所述的一种钢桩BIM模型构建系统,其特征在于,所述数据处理模块将点云数据进行数据处理,生成所述点云数据的坐标数据的过程如下:
S11.采用激光扫描原理:激光扫描仪通常通过发射激光束并测量其返回时间或相位来获取目标表面的距离信息,这些信息用于构建点云数据;
S12.定义扫描区域:确定需要扫描的钢桩区域,确保扫描仪可以完整地覆盖整个钢桩表面;
S13.确定扫描分辨率:根据应用需求和精度要求,确定激光扫描的分辨率,分辨率越高,生成的点云数据越密集;
S14.执行激光扫描:激光扫描仪通过发射激光束,记录激光束被目标表面反射的时间或相位信息,这个过程在整个扫描区域内进行,生成点云的一系列距离测量值,距离测量值包括长度、直径、周长、椭圆度和垂直度;
S15.根据长度、直径、周长、椭圆度和垂直度生成坐标数据:
长度生成:根据钢桩的长度,在垂直方向上均匀采样生成一系列高度值;
直径生成:在每个高度处,根据钢桩的直径,在水平方向上均匀采样生成一系列半径值;
周长生成:在每个高度和半径交点处,根据钢桩的周长,生成相应角度范围内的坐标点;
椭圆度调整:根据椭圆度参数,调整每个水平切面上的点的位置,使得生成的截面更符合椭圆形状;
垂直度调整:根据垂直度参数,调整整个点云数据在垂直方向上的位置,以匹配实际钢桩的倾斜或竖直姿态;
S16.坐标数据融合:将生成的每个高度处的坐标数据合并,形成完整的点云数据。
3.根据权利要求2所述的一种钢桩BIM模型构建系统,其特征在于,所述数据分析模块根据坐标数据,构建钢桩的BIM模型,并依据所述钢桩的BIM模型生成钢桩的理论模型的过程如下:
S21.导入坐标数据:首先,将之前生成的完整点云数据导入到BIM软件中,这可以通过文件导入功能实现,确保点云数据正确对应到软件中的三维空间;
S22.创建结构元素:使用BIM软件的工具,创建钢桩的基本结构元素,例如桩,这通常包括选择适当的几何形状和尺寸,以匹配实际的钢桩几何特征;
S23.点云数据对齐:将导入的点云数据与创建的结构元素进行对齐,这可以通过将点云数据与结构元素进行匹配,确保它们在相同的坐标系中,以便正确映射点云到结构元素上;
S24.点云数据建模:利用导入的点云数据,通过BIM软件提供的工具进行建模,包括将点云数据用于创建钢桩的表面或体积,可以使用点云数据作为基础,推断并创建实际的物理几何模型;
S25.调整几何形状:根据需要,对钢桩的BIM模型的几何形状进行调整,包括对某些部分进行细化、裁剪或添加细节,以更好地反映实际的钢桩形状;
S26.属性和参数设置:为钢桩的BIM模型添加属性和参数;
S27.生成理论模型:基于钢桩的BIM模型,生成钢桩的理论模型。
4.根据权利要求1所述的一种钢桩BIM模型构建系统,其特征在于,将所述钢桩的理论模型和实际点云数据自动对齐,使其完全重叠,通过所述点云数据和钢桩的BIM模型的相对位置关系,生成实际点云数据和钢桩的理论模型之间的偏差值的过程如下:
S31.坐标系对齐:确保点云数据和BIM模型使用相同的坐标系;
S32.建立参考点:在点云数据和BIM模型中选择一些共同的参考点,这些点在实际场景中应该是可识别和测量的,并且它们在点云数据和BIM模型中都能被明确定位;
S33.点云数据与理论模型的配准:利用配准算法将点云数据与BIM模型进行对齐,这可以通过选择参考点并进行变换,以最小化点云数据和BIM模型之间的差异来实现;
S34.偏差计算:通过比较已对齐的点云数据和BIM模型,计算它们之间的偏差,
其中,点云数据和BIM模型的偏差,可以采用最小二乘法拟合的方式,计算平均偏差量量化点云数据和BIM模型偏差的程度,依据的公式如下:
;
其中,为第i个点云数据中的数值,/>为第i个BIM模型中对应点的数值,n是数据点的数量;
计算最大偏差量化点云数据和BIM模型偏差的程度,依据的公式如下:
;
其中,为第i个点云数据中的数值,/>为第i个BIM模型中对应点的数值;
计算标准差量化点云数据和BIM模型偏差的程度,依据的公式如下:
;
其中,为第i个点云数据中的数值,/>为点云数据的均值,n是数据点的数量;
将所述平均偏差量、最大偏差/>和标准差/>进行无量纲化处理,并进行相关性分析,生成用于判断实际点云数据和钢桩的理论模型偏差程度的综合指数ZS,依据的公式如下:
;
其中,为最大偏差/>的比例因子系数,/>为标准差/>的比例因子系数,/>为平均偏差量/>的比例因子系数,相对来说,更关注整体的一致性和极端的偏差情况,因此将/>=/>>/>>0,且/>+/>+/>=1。
5.根据权利要求4所述的一种钢桩BIM模型构建系统,其特征在于,计算所述综合指数和预设的综合指数的阈值/>的差值CZ,依据的公式如下:
;
将综合指数定义为目标函数,用于降低差值CZ的数值,该目标函数为下式:
;
通过梯度下降算法,对差值CZ调整,过程如下:
S41.初始化参数:初始化归一化的偏差量,,/>、/>和调整系数μ,定义目标函数,即综合指数的函数:/>;
S42.计算梯度:计算目标函数对每个参数的偏导数,得到梯度, 、/>、;
S43.更新参数:使用梯度信息来更新每个参数,以减小目标函数的值,、/>、/>;
其中,为更新后的最大偏差,/>为更新后的标准差,/>为更新后的平均偏差量,μ是调整系数,控制每次更新的步长;
S44.使用调整后的归一化值重新计算综合指数:;
S45.评估差异:比较调整后的综合指数与预设阈值/>的差异,判断是否已经接近;
S46.迭代过程:根据差异的方向和大小来更新调整系数μ,并重复步骤S42-S45,反复迭代,直到所述综合指数ZS与预设阈值的差值CZ降低到0。
6.根据权利要求1所述的一种钢桩BIM模型构建系统,其特征在于,将所述点云数据的每个点与理论模型上的对应点之间的偏差映射到颜色上,形成色彩偏差,通过所述色彩偏差反映实际点和钢桩的理论点偏差情况,过程如下:
S51.偏差计算:对于每个点,通过下式的欧氏距离法,计算点云数据的每个点与理论模型上的对应点之间的偏差值,公式如下:
;
其中,为点云数据的每个点与理论模型上的对应点之间的偏差值,/>是点云数据的点的坐标,/>是理论模型上对应点的坐标;
S52.偏差归一化:将计算得到的偏差进行归一化,将其映射到[0, 1]的范围内,确保不同数据集的偏差范围可以映射到相同的颜色空间,公式如下:
;
其中,ND为归一化后的偏差值,AD是点的实际偏差,MiD偏差的最小值,MaD偏差的最大值;
S53.将归一化后的偏差值ND映射到选择的颜色范围,采用颜色映射函数,依据的公式如下:
;
其中,为映射得到的颜色的色相值,/>和/>为选择的颜色范围的最大和最小色相值;
S54.颜色插值:使用归一化后的偏差值在颜色映射函数中进行插值,得到相应的颜色,在HSV颜色模型中,可以通过调整色相来表示偏差大小,依据的公式如下:
;
其中,为映射得到的颜色的色相值,/>和/>为选择的颜色范围的最大和最小色相值;
S55.HSV颜色到RGB颜色转换:将插值得到的颜色应用到点云数据上,为每个点分配相应的颜色,颜色的深浅将与偏差大小成比例, 一旦获得了插值后的颜色信息,接下来是将颜色应用到点云数据上,为每个点分配相应的颜色。
7.根据权利要求6所述的一种钢桩BIM模型构建系统,其特征在于,将得到的RGB颜色应用到点云数据中的每个点,即:
S551.加载点云数据:从文件或其他数据源加载点云数据;
S552.生成RGB颜色:使用之前生成的RGB颜色信息;
S553.为点云赋值颜色:遍历点云中的每个点,并将相应的颜色信息赋值给每个点;
S554.保存或可视化:选择保存带有颜色的点云或将其可视化。
8.一种钢桩BIM模型构建方法,其特征在于,具体步骤包括:
S1.通过激光扫描仪对钢桩进行三维扫描,获取钢桩的点云数据,所述点云数据包括钢桩的长度、直径、周长、椭圆度和垂直度;
S2.将所述点云数据进行数据处理,生成点云数据的坐标数据;
S3.根据所述坐标数据,构建钢桩的BIM模型,并依据所述钢桩的BIM模型生成钢桩的理论模型,并将所述钢桩的理论模型和实际点云数据自动对齐,使其完全重叠,通过所述点云数据和钢桩的BIM模型的相对位置关系,生成所述实际点云数据和钢桩的理论模型之间的偏差值,将所述偏差值和预设的偏差值阈值比较,判断所述实际点云数据和钢桩的理论模型偏差程度;
S4.根据所述偏差值,构建目标函数,并根据所述目标函数,调整所述实际点云数据和钢桩的理论模型的偏差;
S5.将所述点云数据的每个点与理论模型上的对应点之间的偏差值映射到颜色上,形成色彩偏差,通过所述色彩偏差反映实际点和钢桩的理论点偏差情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410242716.6A CN117828901B (zh) | 2024-03-04 | 2024-03-04 | 钢桩bim模型构建系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410242716.6A CN117828901B (zh) | 2024-03-04 | 2024-03-04 | 钢桩bim模型构建系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117828901A true CN117828901A (zh) | 2024-04-05 |
CN117828901B CN117828901B (zh) | 2024-05-24 |
Family
ID=90519488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410242716.6A Active CN117828901B (zh) | 2024-03-04 | 2024-03-04 | 钢桩bim模型构建系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117828901B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016006253A (ja) * | 2014-06-20 | 2016-01-14 | 東亜建設工業株式会社 | 鋼管杭の回転ずれ監視方法およびシステム |
CN111809648A (zh) * | 2020-06-30 | 2020-10-23 | 中交第三航务工程局有限公司 | 海上风电大直径单桩生产过程数据的测量分析方法 |
CN116065638A (zh) * | 2023-03-06 | 2023-05-05 | 南昌路兴交通工程监理咨询有限公司 | 一种高速公路的衔接桥钢桩的稳定性测试方法和装置 |
-
2024
- 2024-03-04 CN CN202410242716.6A patent/CN117828901B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016006253A (ja) * | 2014-06-20 | 2016-01-14 | 東亜建設工業株式会社 | 鋼管杭の回転ずれ監視方法およびシステム |
CN111809648A (zh) * | 2020-06-30 | 2020-10-23 | 中交第三航务工程局有限公司 | 海上风电大直径单桩生产过程数据的测量分析方法 |
CN116065638A (zh) * | 2023-03-06 | 2023-05-05 | 南昌路兴交通工程监理咨询有限公司 | 一种高速公路的衔接桥钢桩的稳定性测试方法和装置 |
Non-Patent Citations (1)
Title |
---|
金权;马益平;牛文栋;杨艳婷;王朴炎;: "一种新型的锁口H钢桩支护结构自动计算与设计", 自动化与仪器仪表, no. 04, 25 April 2020 (2020-04-25) * |
Also Published As
Publication number | Publication date |
---|---|
CN117828901B (zh) | 2024-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108846888B (zh) | 一种古木建筑构件精细尺寸信息自动化提取方法 | |
CN110095060A (zh) | 基于三维扫描技术的钢结构快速质量检测方法 | |
US6922234B2 (en) | Method and apparatus for generating structural data from laser reflectance images | |
US7065461B2 (en) | Point cloud measuring system and method | |
Neuner et al. | Overview on current modelling strategies of point clouds for deformation analysis | |
CN113916130B (zh) | 一种基于最小二乘法的建筑物位置测量方法 | |
CN111913169B (zh) | 激光雷达内参、点云数据的修正方法、设备及存储介质 | |
CN115560690A (zh) | 一种基于三维激光扫描技术的结构物整体变形分析方法 | |
JP2006214893A (ja) | 対象物測定方法及びコンピュータシステムを用いて対象物の三次元形状を計測するためのコンピュータソフトウエアプログラム | |
US20220156427A1 (en) | Construction management system, construction management method, and storage medium, accompanied by physical simulation | |
Bergelt et al. | Improving the intrinsic calibration of a Velodyne LiDAR sensor | |
CN112446844B (zh) | 一种基于点云特征提取与配准融合方法 | |
JP4602844B2 (ja) | 変位情報測定システム及び方法並びにプログラム | |
EP3792591B1 (en) | Surveying data processing device, surveying data processing method, and surveying data processing program | |
CN117828901B (zh) | 钢桩bim模型构建系统及方法 | |
CN111709131A (zh) | 隧道轴线确定方法及装置 | |
CN113432572B (zh) | 一种基于三维扫描的复杂结构最优测点规划方法 | |
CN112365602B (zh) | 一种基于激光点云的路面三维重构误差计算方法 | |
CN115953604B (zh) | 一种不动产地理信息测绘数据采集方法 | |
CN108595373B (zh) | 一种无控制dem配准方法 | |
CN115859445A (zh) | 基于全站扫描技术和逆向算法的桥梁组装仿真测试方法 | |
CN111284014B (zh) | 基于激光遥感成像和3d打印技术的体积测量方法及系统 | |
CN116793256B (zh) | 一种基于三维激光扫描建模的土方智能测量方法及系统 | |
Smítka et al. | 3D scanner point cloud denoising by near points surface fitting | |
CN117090141B (zh) | 基于三维激光扫描的三主桁钢梁高度差调节方法及系统 |
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 |