WO2021098457A1 - 一种实测实量任务点搜索与任务派发方法及系统 - Google Patents
一种实测实量任务点搜索与任务派发方法及系统 Download PDFInfo
- Publication number
- WO2021098457A1 WO2021098457A1 PCT/CN2020/124130 CN2020124130W WO2021098457A1 WO 2021098457 A1 WO2021098457 A1 WO 2021098457A1 CN 2020124130 W CN2020124130 W CN 2020124130W WO 2021098457 A1 WO2021098457 A1 WO 2021098457A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- wall
- task
- matching
- point
- template
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Abstract
一种实测实量任务点搜索与任务派发方法及系统,利用BIM信息绘制以不同颜色填充不同实体结构的模块化的户型图;计算户型图中所有的墙体像素厚度,绘制匹配模板,获取各个匹配模板的任务中心点;组合户型图中不同的实体结构,生成匹配源图像并与匹配模板匹配,识别不同任务点并获取任务点信息;根据每个房间的轮廓,计算得到户型中的所有测量站点;派发任务给测量机器人,采集所有测量站点的三维点云数据,获取完整户型的点云数据,利用任务点的ROI信息,分割出任务点的点云数据,并参考任务点的设计值信息,计算得到实测实量的结果。实现户型中实测实量任务点的自动识别与定位,测量机器人根据任务点自动实现实测实量。
Description
本公开以2019年11月19日递交的、申请号为201911135029.X且名称为“一种实测实量任务点搜索与任务派发方法及系统”的专利文件为优先权文件,其全部内容通过引用结合在本公开中。
本公开涉及一种任务点搜索方法及系统,具体涉及一种实测实量任务点搜索与任务派发方法及系统。
实测实量是指根据国家或行业相关质量验收规范,应用测量工具,通过对施工现场实体的现场测试、丈量而得到的能真实反应产品质量数据的一种方法。目前实测实量沿用了相对老旧的数据采集方式,而采用视觉传感器进行测量是一种智能化、自动化和可以极大地提高效率的有效测量手段。
目前,利用视觉传感器进行数据采集的主要方式有两种:人工选择测
量站点采集数据和使用SLAM(同步定位与建图)自主定位和导航(传感器需要搭载在自动导引运输车上)确定测量站点采集数据。其中,人工选择测站的方式使视觉传感器测量无法实现自动化;利用SLAM技术局部建图,还无法达到根据实时构建的地图信息直接分析出测量任务点的语义信息的能力。所以,通过这两种方式,机器人都无法自动分析户型中存在的所有的任务点信息(任务点指实测实量里需要测量的部分项目,包括:阴阳角,截面尺寸,门洞尺寸,窗洞尺寸,墙面平整度和垂直度等)。
利用AGV(自动导引运输车)搭载可以水平和垂直两方向旋转的视觉传感器,设计一个实测实量机器人,被配置为实现实测实量的自动化。目前实测实量机器人遇到的问题有:
(1)机器人无法自动获取一个户型中存在的待测任务点和对应的任务点的坐标;
(2)视觉传感器的视域有限,测量任务点的表面特征较少,单从视觉传感器获得的数据无法自动识别该数据包含的实际测量任务类型和对应的测量算法;
(3)机器人无法自动确定视野较好的AGV测量站点和位姿及视觉传感器的水平和垂直两方向的旋转角度;
(4)传感器采集到的数据不规范,可能包含许多干扰信息,导致实测实量算法失效。
这些问题导致实测实量机器人无法实现自动化。
发明内容
鉴于此,本公开提供了一种实测实量任务点搜索与任务派发方法,包括:
S1,利用BIM信息,绘制以不同颜色填充不同实体结构的模块化的户型图;
S2,计算户型图中所有的墙体像素厚度,根据墙体像素厚度和测量需求绘制匹配模板,并获取各个匹配模板的任务中心点,其中,所述匹配模板包括阳角模板,阴角模板,截面模板和墙面模板;
S3,组合户型图中不同的实体结构,生成匹配源图像并与匹配模板进行匹配,识别不同的任务点并获取任务点信息,其中,所述任务点信息包括任务点的类型、设计值信息和BIM坐标下的ROI信息;
S4,根据户型中每个房间的轮廓,计算得到户型中的所有测量站点;
S5,派发任务给测量机器人,机器人采集所有测量站点的三维点云数据,获取完整户型的点云数据,利用任务点的ROI信息,分割出该任务点的点云数据,并参考任务点的设计值信息,计算得到最终实测实量的结果。
作为本公开进一步的改进,S2包括:
S21,将户型图二值化,即将户型中的所有实体填充为白色,作为前景,将地面和户型外的区域填充为黑色,作为背景;
S22,利用二值图,提取所有的墙体,并计算墙体对应白色矩形的宽度,得到墙体像素厚度值,获取户型图中的墙体像素厚度种类;
S23,根据墙体像素厚度和比例尺,计算出每个墙体像素厚度对应的实际的墙体厚度设计值;
S24,根据不同的墙体厚度设计值绘制不同的匹配模板。
作为本公开进一步的改进,所述阳角模板的绘制方法为:取阳角所有的墙体像素厚度值,两两组合为一组,一组墙体像素厚度值作为一个阳角模板的两墙体像素厚度d1和d2,两墙面相接处的交点即为该阳角模板的任务中心点,该阳角模板中两墙表面外侧扩展填充黑色背景。
作为本公开进一步的改进,所述阴角模板的绘制方法为:阴角模板不包括阳角侧墙面和背景,阴角模板中两墙体像素厚度d1和d2均等于最小的墙体像素厚度,两墙面相接处的点即为该阴角模板的任务中心点。
作为本公开进一步的改进,所述截面模板的绘制方法为:将墙体厚度设计值作为截面模板中每一种墙体的墙体像素厚度d,并在截面墙体外侧填充黑色背景,截面上墙体像素厚度d的1/2处即为该截面模板的任务中心点。
作为本公开进一步的改进,所述墙面模板的绘制方法为:将最小的墙体像素厚度的1/2作为墙面模板中的墙体像素厚度,将需要测量的最小墙长度到最大墙长度之间的几个等间隔数值分别作为每一个墙面模板的墙体像素长度L,墙面上墙体像素长度L的1/2处即为该墙面模板的任务中心点。
作为本公开进一步的改进,S3包括:
S31,根据填充颜色将现浇结构墙、墙板、飘窗、门洞和窗洞进行实体结构分割;
S32,利用颜色和BIM信息,计算门洞和窗洞的任务点信息;
S33,对需要进行模板匹配识别的阳角、阴角、截面和墙面任务点,根据模板匹配需求,组合不同的实体结构并绘制生成匹配源图像,匹配计算后,标记阳角、阴角、截面和墙面的任务点,并剔除不合理或者不必要的任务点,得到所有的任务点;
S34,获取所有任务点的任务点信息。
作为本公开进一步的改进,S33中,在识别阳角和阴角任务点时,将现浇结构墙、飘窗和窗洞作为实体结构,填充为白色作为前景,其他为背景,绘制匹配源图像;在识别截面任务点时,将现浇结构墙、门洞和窗洞作为实体结构,填充为白色作为前景,其他为背景,绘制匹配源图 像;在识别墙面时,将现浇结构墙、门洞和窗洞作为实体结构,填充为白色作为前景,其他为背景,绘制匹配源图像。
作为本公开进一步的改进,S33中,在匹配计算时,计算匹配模板中任务中心点在匹配模板上的像素坐标,叠加匹配模板在源图像上的像素坐标,获得任务中心点在户型图上的像素坐标;匹配完成后,根据匹配框分别标记任务中心点、测量任务点和不测任务点。
作为本公开进一步的改进,S33中,在对截面匹配结束后,还需要判断是否安装墙板:提取所有的墙板,计算截面中心的标记点方向附近是否有墙板像素,若有墙板像素则需安装墙板,否则无需安装。
作为本公开进一步的改进,获取到的任务点信息为:阳角的任务中心点即为阳角的ROI信息,阴角的任务中心点即为阴角的ROI信息,截面两侧的角点为截面的ROI信息,墙面匹配框两端的中心位置为墙面的ROI信息。
作为本公开进一步的改进,S4包括:
S41,获取户型中的房间轮廓,并进行房间分割;
S42,计算所有分割房间的最大内接正矩形,在每个最大内接矩形的中央设置测量站点;
S43,计算每个分割房间剩余区域的最大内接正矩形,并在最大内接正矩形中央设置测量站点,直至剩余区域无需设置测量站点。
作为本公开进一步的改进,S5包括:
S51,将计算得到的测量站点和任务点的ROI信息和设计值信息一并发送给机器人;
S52,机器人根据测量站点的位置引导AGV移动到相应测量站点,获取整个站点覆盖区域的三维点云数据;
S53,通过采集数据中的机器人AGV的位姿信息,将采集到的三维点云数据归类到BIM的三维坐标下;
S54,通过相邻点云之间重叠区域的特征关系,将所有三维点云数据拼接到一起,得到整个户型的点云数据;
S55,读取任务点及其ROI信息和设计值信息,根据测量需求调整任务点的ROI信息,截出该任务点的测量数据;
S56,参考任务点的设计值信息,完成该任务点的计算;
S57,重复S55-S56,遍历识别到所有的任务点,完成一个户型中的实测实量任务。
本公开还提供了一种实测实量任务点搜索与任务派发系统,包括:
户型图模块,其被配置为利用BIM信息,绘制以不同颜色填充不同实体结构的模块化的户型图;
匹配模块绘制模块,其被配置为计算户型图中所有的墙体像素厚度,根据墙体像素厚度和测量需求绘制匹配模板,并获取各个匹配模板的任务中心点,其中,所述匹配模板包括阳角模板,阴角模板,截面模板和墙面模板;
任务点识别模块,其被配置为组合户型图中不同的实体结构,生成匹配源图像并与匹配模板进行匹配,识别不同的任务点并获取任务点信息,其中,所述任务点信息包括任务点的类型、设计值信息和BIM坐标下的ROI信息;
测量站点计算模块,其被配置为根据户型中每个房间的轮廓,计算得到户型中的所有测量站点;
任务派发模块,其被配置为派发任务给测量机器人,机器人采集所有测量站点的三维点云数据,获取完整户型的点云数据,利用任务点的ROI信息,分割出该任务点的点云数据,并参考任务点的设计值信息,计算得到最终实测实量的结果。
本公开的有益效果:
1、利用BIM信息绘制的模块化的户型图,以及根据实测实量任务二维特征(一般是颜色、形状和空间关系)绘制的匹配模块,可以自动识别出户型图中所有的任务点,并且生成带标记的户型图,户型图直观地展示了所有任务点(包括了阴阳角、门洞、窗洞、截面尺寸和墙面)的位置和对应的标记名称,标记的方向同时指明了测量的大致方向。
2、根据房间轮廓以房间为单位设置测量站点,获取了每个测量站点对应的AGV位姿,以及该房间的测量任务点对应的BIM坐标下的ROI信息和这个任务点对应的设计值信息,通过任务点ROI信息和设计值的信息,减少了任务点以外数据的干扰,提高了计算效率与准确度。
3、机器人根据计算的测量站点的位置,可以引导AGV运动到指定测量站点,并根据测量站点的位置控制视觉传感器水平和垂直方向电机旋转到指定角度,获取整个站点覆盖区域的三维点云数据。
4、利用采集数据,将数据信息的保存路径以及该数据指向的测量任务类型、ROI信息和设计值作为参数,传递给机器人,可以完成自动实测实量的任务。
通过参照附图详细描述其示例实施例,本公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本公开的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本公开实施例中一种实测实量任务点搜索与任务派发方法的流程示意图;
图2是绘制的户型图示意图;
图3是利用户型图绘制的墙板安装前的二值图;
图4是计算墙体像素厚度的墙体二值图,其中,图4(a)为竖向墙体二值图,图4(b)为横向墙体二值图;
图5是匹配模板的示意图,其中,图5(a)为阳角模板,图5(b)为阴角模板,图5(c)为截面模板,图5(d)为墙面模板;
图6是匹配结果的示意图,其中,图6(a)为阳角匹配结果,图6(b)为阴角匹配结果,图6(c)为截面匹配结果,图6(d)为墙面匹配结果;
图7是未分割的房间轮廓图的示意图;
图8是对房间轮廓进行测量站点分割的结果示意图;
图9是本公开实施例所述的一种实测实量任务点搜索与任务派发系统的系统框图。
下面将参照附图更详细地描述本公开的示例性实施例。
虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员以使得本公开所属技术领域的技术人员能够容易实施。正如本公开所属技术领域的技术人员能够容易理解,将在后面描述的实施例在不脱离本公开的概念和范围的基础上可变形为多种形式。在附图中尽量将相同或相似的部分用相同的附图标记表示。
在此使用的专业术语只是用来说明特定实施例而提供的,并不是用来限制本公开。在此使用的单数形式在没有表示明确的相反含义的情况下也包含复数形式。在说明书中使用的“包含”的具体化了特定的特性、领域、常数、步骤、动作、要素及/或成分,并不排除其他特定的特性、领域、常数、步骤、动作、要素、成分及/或组的存在或附加。
将下面使用的技术用语及科学用语包括在内的所有用语具有与本公开所属技术领域的技术人员一般理解的含义相同的含义。在词典中所定义的用语被补充解释为与相关技术文献和当前公开的内容相符的含义,在没有定义的情况下,不能被解释为具有非常正式的含义。
本公开实现了一种根据实测实量任务的二维特征(般是颜色、形状和空间关系),自动绘制任务模板的方法。基于BIM信息,实现了一种使用不同颜色填充不同实体结构的模块化的户型图绘制方法,不同实体的组合可以实现不同任务点的识别。基于前述两个方法,实现了一种基于模板匹配的自动识别户型内实测实量任务点的方法,包括阴阳角、门洞、窗洞、截面尺寸和墙面平整度的任务点识别定位。另外,本公开实现了一种根据户型中每个房间的轮廓和任务信息,计算传感器测量站点与位姿的方法,用于AGV的引导,便于后续实现视觉传感器水平和垂直方向电机的转角控制。基于前述四个方法,可以识别和定位任务点,然后控制AGV和电机进行测量站点的图像采集,即可将采集到的数据与任务类型对应,进而实现机器人的实测实量。
实施例1,本公开实施例所述的一种实测实量任务点搜索与任务派发方法,如图1所示,包括:
S1,利用BIM信息,绘制以不同颜色填充不同实体结构的模块化的户型图。
绘制完的户型图如图2所示,例如墙体为白色,现浇注结构墙为黑色、飘窗为蓝绿色,窗洞为深蓝色,墙板为绿色,门洞为黄色(颜色在视图中未示出)。
S2,计算户型图中所有的墙体像素厚度,根据墙体像素厚度和测量需求绘制匹配模板,并获取各个匹配模板的任务中心点,其中,匹配模板包括阳角模板,阴角模板,截面模板和墙面模板。
由于某些任务类型无法直接从BIM信息中获取,比如截面、阴阳角和墙面,所以需要利用模板匹配的方式,搜索任务点。S2设计匹配模板的方法具体包括:
S21,将户型图二值化,即将户型中的所有实体填充为白色,作为前景,将地面和户型外的区域填充为黑色,作为背景,如图3所示。
S22,利用二值图,提取所有的墙体,如图4所示,(其中,图4a为提取出的竖向墙体,图4b为提取出的横向墙体),计算墙体对应白色矩形的宽度,得到墙体像素厚度值,获取户型图中的墙体像素厚度种类。
通常墙厚设计为10cm、15cm、20cm和40cm。
S23,根据墙体像素厚度和比例尺,计算出每个墙体像素厚度对应的实际的墙体厚度设计值。
二值化便于计算墙的厚度,将所有的墙体提取填充为白色,其余为黑色,白色前景就是不同尺寸的矩形,计算这些矩形的宽度,得到墙体像素厚度值。绘制户型图时会选择一个比例尺,例如,本实施例中的图像比例尺为20:1,即一个像素代表20mm,根据比例尺以及设计值可以确定某一个墙体像素厚度值对应的实际设计值。
S24,根据不同的墙体厚度设计值绘制不同的匹配模板,以保证每个不同墙体厚度设计值的实际户型图任务点都有与之匹配程度接近100%的模板。
两堵墙垂直相接的突出的一面为阳角,如图5(a),阳角模板的绘制方法为:取阳角所有的墙体像素厚度值,两两组合为一组(假如有3种墙体像素厚度值,则需要设计3*3=9种模板),一组墙体像素厚度值作为一个阳角模板的两墙体像素厚度d1和d2,两墙面相接处的交点即为该阳角模板的任务中心点。阳角相交的两墙面需保证没有其他突起的情况,所以在阳角模板中两墙表面外侧扩展填充黑色背景。阳角测量时的角尺最长边为50cm,据此,设计两相接墙面的长度为L,像素长度为25(500/20=25)。L值可以根据测量的需求修改,比如使用边长25cm的角尺,规定当两墙面宽度大于30cm就要测量这个阳角,那么可以将L改为15个像素长度。
两堵墙垂直相接的凹陷的一面为阴角,阴角只对内侧墙面有要求,对外侧墙面的情况无要求,所以虽然阴阳角是一个实体的两个观察方向的结果,但是设计为不同模板。如图5(b),阴角模板的绘制方法为:阴角模板不包括阳角侧(外侧)墙面和背景,所以可以不考虑两面墙的厚度不同的情况,但是要考虑模板的两墙的墙体像素厚度d1和d2要不大于最小的墙体像素厚度,因此设计阴角模板中两墙体像素厚度d1和d2均等于最小的墙体像素厚度,两墙面相接处的点即为该阴角模板的任务中心点。由于阴角和阳角的测量工具和方法相似,两相接墙面的长度L与阳角模版类似。
截面尺寸的测量对象就是没有形成封闭的墙的截面,厚度就是墙体厚度设计值。如图5(c),截面模板的绘制方法为:将墙体厚度设计值作为截面模板中每一种墙体的墙体像素厚度d,并在截面墙体外侧填充黑色背景,截面上墙体像素厚度d的1/2处即为该截面模板的任务中心点。
二值图上反映的墙面就是白色墙体和黑色背景的交界,原理和截面检测相似,不用考虑墙面的厚度,但是墙的厚度不能大于最小墙厚,如图5(d),墙面模板的绘制方法为:将最小的墙体像素厚度的1/2作为墙面模板中的墙体像素厚度,将需要测量的最小墙长度到最大墙长度之间的几个等间隔数值分别作为每一个墙面模板的墙体像素长度L,墙面上墙体像素长度L的1/2处即为该墙面模板的任务中心点。例如,需要检测的最小墙长度为1.5m,最大墙长度为5m,那么设计模板为1.5m,1.7m,1.9m,…,5.1m。
S3,组合户型图中不同的实体结构,生成匹配源图像并与匹配模板进行匹配,识别不同的任务点并获取任务点信息,其中,任务点信息包括任务点的类型、设计值信息和BIM坐标下的ROI信息。S3具体包括以下方法:
S31,根据填充颜色将现浇结构墙、墙板、飘窗、门洞和窗洞进行实体结构分割。填充颜色例如S1中所绘制的户型图。
S32,利用颜色和BIM信息,计算门洞和窗洞的任务点信息。
S33,对需要进行模板匹配识别的阳角、阴角、截面和墙面任务点,根据模板匹配需求,组合不同的实体结构并绘制生成匹配源图像,匹配计算后,标记阳角、阴角、截面和墙面的任务点,并剔除不合理或者不必要的任务点,得到所有的任务点。
模板匹配可以直接使用OpenCV中的模板匹配(Match Template)函数,匹配结果是模板左上角(图像处理以图像左上角为原点)在源图像上的像素坐标。模板是一个矩形框区域,匹配位置为矩形框左上角的像素点在被匹配的图像上的位置。在匹配计算时,计算匹配模板中任务中心点在匹配模板上的像素坐标,叠加匹配模板在源图像上的像素坐标,获得任务中心点在户型图上的 像素坐标。在户型图任务点被识别以后需要展示任务点的位置,这里用任务中心点来代表。由于任务点都有四个方向,所以需要旋转模板进行匹配,每次旋转模板时需要重新计算任务中心点在模板中的像素坐标。匹配完成后,根据匹配框分别标记任务中心点、测量任务点和不测任务点。
其中,在识别阳角任务点时,阳角测量离地高度0.3m和1.5m,此处的门洞处无数据,而窗洞和飘窗下方有数据,所以将现浇结构墙、飘窗和窗洞作为实体结构,填充为白色作为前景,其他为背景,绘制匹配源图像。由于阳角只需要给出直角交点的BIM坐标,所以阳角的任务中心点即为阳角的ROI信息,匹配结果如图6(a)所示。
在识别阴角任务点时,阴角测量离地高度也是0.3m和1.5m,所以匹配源图像与阳角相同,阴角的任务中心点即为阴角的ROI信息,匹配结果如图6(b)所示。
在识别截面任务点时,为了排除门洞、窗洞截面的干扰,将现浇结构墙、门洞和窗洞作为实体结构,填充为白色作为前景,其他为背景,绘制匹配源图像。由于截面的测量只针对需要安装墙板的墙截面,因此在对截面匹配结束后,还需要判断是否安装墙板:提取所有的墙板,计算截面中心的标记点方向附近是否有墙板像素,若有墙板像素则需安装墙板,否则无需安装。据此,在墙板安装完以后就不需要再识别截面。
针对有些小尺寸的柱子,每个表面都可能是截面,应该提取出来专门处理(每次匹配后为了避免重复匹配都会做一个标记,标记会干扰到附近截面的检测,小尺寸的柱子会因此导致无法被检测出每一个可能的截面。),因此对每个面都进行是否需要安装墙板的判断和计算。截面尺寸的计算需要知道这个截面的位置以及方向,由于模板匹配的结果包括整个截面,且可以计算得到设计值,所以截面两侧的角点为截面的ROI信息,匹配结果如图6(c)所示。
在识别墙面时,由于墙面测量时门洞和窗洞均需要跨洞测量,所以将现浇结构墙、门洞和窗洞作为实体结构,填充为白色作为前景,其他为背景,绘制匹配源图像。故墙面的识别的模板图像和截面尺寸识别的源图像相同。墙面的识别需要确定整个墙面的位置,ROI需要包括整个墙面,而匹配结果有时无法包括整个墙面,由于墙面模板的长度设计值的最小间隔为10像素长度(即20cm,所以未包括的墙面边缘长度不长于20cm),因此墙面匹配框两端的中心位置为墙面的ROI信息,根据需求将ROI两侧延伸20cm或以上截取点云数据,匹配的匹配结果如图6(d)所示。
上述几个实例的源图像适用于墙板安装前的任务点识别,匹配源图像均移除了墙板模块(即绘制匹配源图像时,前景中不包含墙板)。若需要识别墙板安装后的任务点,只需在源图像的前景中加入墙板模块即可。
匹配的结果有时候会违反机器人工作的常理,比如机器人无法行走到户型外,测量外墙面。还有一些匹配的结果不需要测量,比如截面的测量是出于墙板安装的需求,不需要安装墙板的截面则不需要测量,因此墙板安装完以后不需要识别截面。根据这些判断信息,可以排除不合理或者不必要的测点。对于所有筛选后的测量任务点,可以在距离任务点一个较小距离处(标记尽量靠近任务点又能使两者的显示不重叠的值,大概15个像素左右)进行标记,作为标记点。由于墙面任务标记点较多,且容易与其他任务标记区域重合,故先标记其他任务点,最后判断墙面标记区域是否与其他标记区域重合,若有重合,将标记区域移动到最近的不重合的位置。保证标记区域的不重合,不仅有利于任务点的直观展示,还可以将标记区域作为人机互动的鼠标点击区域,实现自动和人手点选两种任务派发方式。例如,在匹配结果图中可以标记,红色框为成功匹配后的匹配框,红色点为任务中心点,蓝色点为测量任务点,绿色点为不测任务点(颜色在视图中未示出)。
S34,获取所有任务点的任务点信息。
门洞和窗洞的ROI信息为门窗宽度方向两侧的中点位置,至此,已经计算所有的任务点极其ROI信息。可以很好地完成任务点的数据分割,用于计算测量结果,提高了准确率与稳定性。
S4,根据户型中每个房间的轮廓,计算得到户型中的所有测量站点。
在墙板安装完以后,将户型以BIM信息中的房间为单位,计算每个房间的测量站点以及对应的AGV的位姿。可以使用视域为零到正无穷的三维激光扫描仪来进行房间点云数据的采集。使用该传感器需要考虑测站覆盖区域的数据不能被墙面遮挡,保证其可以获取一个测站区域里的完整的点云数据。房间轮廓一般为正矩形或者几个正矩形的组合,在一个为正矩形的房间里,使用三维激光扫描仪来采集数据时,数据不会有被遮挡的部分,所以,首先考虑将所有的房间分割为一个或者多个正矩形,分割的结果即为一个个测站设置区域。由于每设置一个测站进行数据采集都会增加相同的耗时,所以在保证数据的完整性的前提下应该尽可能减少测站的数量,所以在房间的测站区域分割时,需要计算最大内接正矩形。S4具体包括以下方法:
S41,获取户型中的房间轮廓,并进行房间分割。
S42,计算所有分割房间的最大内接正矩形,在每个最大内接矩形的中央设置测量站点。
S43,计算每个分割房间剩余区域的最大内接正矩形,并在最大内接正矩形中央设置测量站点,直至剩余区域无需设置测量站点。
例如,未分割的房间轮廓图如图5所示,其中白色填充的矩形区域为飘窗,为了排除飘窗区域的干扰,利用房间轮廓计算最大内接矩形时排除飘窗。例如5号房间,在房间中的任何位置都无法获取完整的点云数据,所以需要将房间分割成两个房间。虽然2号房间可以在合适的地方设置测站,获取完整的点云数据,但是由于距离较远的凸形轮廓部分的两侧墙面的激光入射角度较小,这会导致该区域获取的点云数据过于稀疏,所以需要将2号房间分割成三个房间。对房间轮廓进行测量站点分割的结果如图6所示,2、3、4、6、9和11号测量站点完全覆盖了房间轮廓;0、1、5、7和8号区域可以看到房间轮廓没有被完全包括,但是只要将测站放到测站区域的中心,依旧可以可获取完整的数据。
S5,派发任务给测量机器人,机器人采集所有测量站点的三维点云数据,获取完整户型的点云数据,利用任务点的ROI信息,分割出该任务点的点云数据,并参考任务点的设计值信息,计算得到最终实测实量的结果。
S5具体包括以下方法:
S51,将计算得到的测量站点和任务点的ROI信息和设计值信息一并发送给机器人。
S52,机器人根据测量站点的位置引导AGV移动到相应测量站点,获取整个站点覆盖区域的三维点云数据。
S53,通过采集数据中的机器人AGV的位姿信息,将采集到的三维点云数据归类到BIM的三维坐标下。
机器人采集到的数据时以AGV的站点为原点的一个三维点云数据,这个数据时Z轴朝上,X、Y轴根据AGV和上装电机的水平旋转角度来确定数据的水平朝向,根据朝向对三维点云数据进行归类。
S54,通过相邻点云之间重叠区域的特征关系,将所有三维点云数据拼接到一起,得到整个户型的点云数据。
S55,读取任务点及其ROI信息和设计值信息,根据测量需求调整任务点的ROI信息,截出该任务点的测量数据。
S56,参考任务点的设计值信息,完成该任务点的计算。
利用设计值信息,可以排除干扰异常数据,使得测量结果的偏差接近真值。
S57,重复S55-S56,遍历识别到所有的任务点,完成一个户型中的实测实量任务。
对于本身在BIM信息中具有设计值的门洞、窗洞可以直接根据门、窗的定位提取BIM中的设计值信息,墙体厚度可以通过确定匹配模板的尺寸与比例尺确定墙体厚度设计值。
实施例2,一种实测实量任务点搜索与任务派发系统,如图7所示,包括:户型图模块、匹配模块绘制模块、任务点识别模块、测量站点计算模
块和任务派发模块。
户型图模块配置为利用BIM信息,绘制以不同颜色填充不同实体结构的模块化的户型图。户型图模块具体实现方法参照实施例1中S1所述。
匹配模块绘制模块配置为计算户型图中所有的墙体像素厚度,根据墙体像素厚度和测量需求绘制匹配模板,并获取各个匹配模板的任务中心点,其中,匹配模板包括阳角模板,阴角模板,截面模板和墙面模板。匹配模块绘制模块具体实现方法参照实施例1中S2所述。
任务点识别模块配置为组合户型图中不同的实体结构,生成匹配源图像并与匹配模板进行匹配,识别不同的任务点并获取任务点信息,其中,任务点信息包括任务点的类型、设计值信息和BIM坐标下的ROI信息。任务点识别模块具体实现方法参照实施例1中S3所述。
测量站点计算模块配置为根据户型中每个房间的轮廓,计算得到户型中的所有测量站点。测量站点计算模块具体实现方法参照实施例1中S4所述。
任务派发模块配置为派发任务给测量机器人,机器人采集所有测量站点的三维点云数据,获取完整户型的点云数据,利用任务点的ROI信息,分割出该任务点的点云数据,并参考任务点的设计值信息,计算得到最终实测实量的结果。任务派发模块配置具体实现方法参照实施例1中S5所述。
至此,本领域技术人员应认识到,虽然本文已详尽示出和描述了本公开的多个示例性实施例,但是,在不脱离本公开精神和范围的情况下,仍可根据本发明公开的内容直接确定或推导出符合本公开原理的许多其他变型或修改。因此,本公开的范围应被理解和认定为覆盖了所有这些其他变型或修改。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本公开的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本公开的示例性实施例的描述中,本公开的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本公开要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本公开的单独实施例。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本公开的范围之内并且形成不同的实施例。例如,在权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
至此,本领域技术人员应认识到,虽然本文已详尽示出和描述了本公开的多个示例性实施例,但是,在不脱离本公开精神和范围的情况下,仍可根据本公开公开的内容直接确定或推导出符合本公开原理的许多其他变型或修改。因此,本公开的范围应被理解和认定为覆盖了所有这些 其他变型或修改。
Claims (17)
- 一种实测实量任务执行方法,其特征在于,包括:获取模块化的户型图,其中,所述户型图中不同的实体结构通过不同标识区分;根据所述户型图生成实测实量任务点的匹配模板;根据所述实体结构生成匹配源图像,将所述匹配模板与所述匹配源图像进行匹配,根据匹配结果识别出所述匹配源图像中的所述实测实量任务点。
- 根据权利要求1所述的方法,其特征在于,所述实测实量任务点包括阳角、阴角、截面以及墙面中的至少一个。
- 根据权利要求2所述的方法,其特征在于,所述获取模块化的户型图,包括:获取测量目标的建筑信息模型,根据所述建筑信息模型生成以不同颜色填充不同所述实体结构的模块化的户型图。
- 根据权利要求1所述的方法,其特征在于,所述根据所述户型图生成实测实量任务点的匹配模板,包括:对所述户型图进行二值化处理,将所有实体结构作为前景,将地面和所述户型图外的区域作为背景,得到二值化户型图;计算所述二值化户型图中目标墙体的原始墙体像素厚度值;根据所述原始墙体像素厚度值生成所述实测实量任务点的匹配模板。
- 根据权利要求4所述的方法,其特征在于,所述匹配模板包括阳角模板、阴角模板、截面模板以及墙面模板中的至少一个。
- 根据权利要求5所述的方法,其特征在于,所述根据所述墙体像素厚度值生成实测实量任务点的匹配模板,包括:所述阳角模板的生成,其中:生成互相垂直的第一墙体和第二墙体,其中,所述第一墙体与所述第二墙体的长度值为第一预设值,所述第一墙体的墙体像素厚度值和所述第二墙体的墙体像素厚度值分别为所述原始墙体像素厚度值中的任意值;将所述第一墙体的内外两侧和所述第二墙体的内外两侧扩展填充为背景,得到所述阳角模板,并将所述第一墙体和所述第二墙体相交处的外侧墙面的交点作为阳角模板的任务中心点;和/或所述阴角模板的生成,其中:生成互相垂直的第三墙体和第四墙体,其中,所述第三墙体与所述第四墙体的长度为第二预设值,所述第三墙体的墙体像素厚度值和所述第四墙体的墙体像素厚度值相同且为所述原始墙体像素厚度值的最小值;将所述第三墙体的内侧扩展和所述第四墙体的内侧扩展填充为背景,得到所述阴角模板,并将所述第三墙体和所述第四墙体相交处的内侧墙面的交点作为所述阴角模板的任务中心点;和/或所述截面模板的生成,其中:生成第五墙体,其中,所述第五墙体的长度值为第三预设值,所述第五墙体的墙体像素厚度值为所述原始墙体像素厚度值中的任意值;将所述第五墙体的一厚度侧和两长度侧填充为背景,得到所述截面模板,并将所述第五墙体像素厚度的中点处作为所述截面模板的任务中心点;和/或所述墙面模板的生成,其中:生成第六墙体,其中,所述第六墙体的长度分别为所述户型图中各待测量墙体的最小长度值与最大长度值之间的几个等间隔数值,所述第六墙体的墙体像素厚度为所述原始墙体像素厚度值的最小值的二分之一;将所述第六墙体的一长度侧填充为背景,得到所述墙面模板,并将所述第六墙体长度的中点作为所述墙面模板的任务中心点。
- 根据权利要求2所述的方法,其特征在于,所述根据所述实体结构生成匹配源图像,包括:根据所述实体结构的标识分割出所述户型图中的所述实体结构,所述实体结构包括结构墙、墙板、门洞、飘窗和窗洞;根据各所述匹配模板的匹配需求,将与所述匹配需求对应的实体结构进行组合,得到各所述匹配模板对应的匹配源图像。
- 根据权利要求7所述的方法,其特征在于,所述匹配源图像包括阴阳角匹配源图像、截面匹配源图像和墙面匹配源图像,所述根据各所述匹配模板的匹配需求,将与所述匹配需求对应的实体结构进行组合,得到各所述匹配模板对应的匹配源图像,包括:当所述匹配需求为识别所述阳角和/或所述阴角的任务点时,将除所述门洞以外的所述实体 结构作为前景,将所述门洞、所述地面和所述户型图外的区域作为背景,绘制所述阴阳角匹配源图像;当所述匹配需求为识别所述截面的任务点时,将除目标识别截面对应的目标实体结构以外的所述实体结构作为前景,将所述目标实体结构、所述地面和所述户型图外的区域作为背景,绘制所述截面匹配源图像;当所述匹配需求为识别所述墙面的任务点时,将所有所述实体结构作为前景,将所述地面和所述户型图外的区域作为背景,绘制所述墙面匹配源图像。
- 根据权利要求1所述的方法,其特征在于,所述将所述匹配模板与所述匹配源图像进行匹配,根据匹配结果识别出所述匹配源图像中的所述实测实量任务点,包括:将所述匹配源图像与所述匹配模板进行匹配,匹配出所述匹配源图像中的所述实测实量任务点,将所述匹配模板的任务中心点的坐标与所述实测实量任务点在所述匹配源图像上的坐标进行叠加,得到所述实测实量任务点在所述户型图中的坐标。
- 根据权利要求9所述的方法,其特征在于,在将所述匹配模板与所述匹配源图像进行匹配,根据匹配结果识别出所述匹配源图像中的所述实测实量任务点,还包括:将不测任务点从匹配出的所述实测实量任务点中剔除。
- 根据权利要求1或9所述的方法,其特征在于,在根据所述实体结构生成匹配源图像,将所述匹配模板与所述匹配源图像进行匹配,根据匹配结果识别出所述匹配源图像中的所述实测实量任务点之后,还包括:提取所述实测实量任务点的任务点信息,所述任务点信息包括:任务点类型、任务中心点信息和设计值信息。
- 根据权利要求11所述的方法,其特征在于,在提取所述实测实量任务点的任务点信息之后,还包括:根据所述户型图中每个房间的轮廓信息,计算得到所述户型中的目标测量站点。
- 根据权利要求12所述的方法,其特征在于,所述根据所述户型图中每个房间的轮廓信息,计算得到所述户型中的目标测量站点,包括:获取所述户型图中每个所述房间的所述轮廓信息,基于所述轮廓信息进行房间分割,得到分割房间;计算所述分割房间的最大内接矩形,在每个所述最大内接矩形的中心设置所述目标测量站点;计算所述分割房间剩余区域的最大内接矩形,并在所述剩余区域的最大内接矩形的中心设置所述目标测量站点,直至所述剩余区域无需设置测量站点。
- 根据权利要求13所述的方法,其特征在于,在根据所述户型图中每个房间的轮廓信息,计算得到所述户型中的目标测量站点之后,还包括:将所述目标测量站点派发至测量设备,以使所述测量设备采集所述目标测量站点的点云数据,获取完整户型的点云数据,根据任务点信息分割出任务点的点云数据,并计算得到实测实量结果。
- 根据权利要求14所述的方法,其特征在于,所述将所述目标测量站点派发至测量设备,以使所述测量设备采集所述目标测量站点的点云数据,获取完整的所述户型的点云数据,根据任务点信息分割出任务点的点云数据,并计算得到实测实量结果,包括:将所述任务点信息和所述目标测量站点派发至所述测量设备,以使所述测量设备被引导至所述目标测量站点的位置,采集所述目标测量站点的点云数据;根据所述测量设备的位姿信息,将所述测量设备采集到的点云数据转换至建筑信息模型的坐标系;根据相邻点云数据之间重叠区域的特征关系,将所有的所述点云数据进行拼接,得到所述完整户型的点云数据;读取所述任务点信息中的任务点类型、任务中心点信息和设计值信息,分割出所述实测实量任务点的点云数据;遍历识别所有的所述实测实量任务点,计算出各所述实测实量任务点的实测实量结果。
- 根据权利要求15所述的方法,其特征在于,还包括:根据各所述实测实量任务点的实测实量结果,参考所述实测实量任务点对应的设计值信息,计算得到最终实测实量的结果。
- 一种执行权利要求1-16任一项所述方法的实测实量任务执行系统,其特征在于,包括:户型图模块,被配置为获取模块化的户型图,其中,所述户型图中不同的实体结构通过不同标识区分;匹配模板绘制模块,被配置为根据户型图生成实测实量任务点的匹配模板;任务点识别模块,被配置为根据所述实体结构生成匹配源图像,将所述匹配模板与所述匹配源图像进行匹配,根据匹配结果识别出所述匹配源图像中的所述实测实量任务点。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911135029.XA CN111027118B (zh) | 2019-11-19 | 2019-11-19 | 一种实测实量任务点搜索与任务派发方法及系统 |
CN201911135029.X | 2019-11-19 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2021098457A1 true WO2021098457A1 (zh) | 2021-05-27 |
Family
ID=70205833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2020/124130 WO2021098457A1 (zh) | 2019-11-19 | 2020-10-27 | 一种实测实量任务点搜索与任务派发方法及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111027118B (zh) |
WO (1) | WO2021098457A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111027118B (zh) * | 2019-11-19 | 2024-01-19 | 广东博智林机器人有限公司 | 一种实测实量任务点搜索与任务派发方法及系统 |
CN111521162B (zh) * | 2020-04-15 | 2021-06-08 | 广东博智林机器人有限公司 | 一种测站的确定方法、装置、电子设备及存储介质 |
CN111931283B (zh) * | 2020-09-18 | 2021-02-23 | 深圳须弥云图空间科技有限公司 | 一种基于工程图纸的规划测点方法、装置和终端设备 |
CN112883481B (zh) * | 2021-04-12 | 2022-10-21 | 国网山东省电力公司济南供电公司 | 基于bim的智能变电站建模方法及系统 |
CN113313761B (zh) * | 2021-07-28 | 2022-04-01 | 盎锐(常州)信息科技有限公司 | 用于实测实量的站点获取方法、扫描装置及系统 |
CN113657303B (zh) * | 2021-08-20 | 2024-04-23 | 北京千丁互联科技有限公司 | 房间结构识别方法、装置、终端设备和可读存储介质 |
CN117236079B (zh) * | 2023-11-14 | 2024-03-15 | 元宇智数(深圳)科技有限公司 | 基于激光扫描的工程图纸标注方法、装置、系统及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170178222A1 (en) * | 2015-12-18 | 2017-06-22 | Wal-Mart Stores, Inc. | Apparatus and method for surveying premises of a customer |
CN107871193A (zh) * | 2016-09-28 | 2018-04-03 | 北京地厚云图科技有限公司 | 工程管理中实测实量的任务交互方法及装置 |
CN108510181A (zh) * | 2018-03-28 | 2018-09-07 | 浙江泛华工程监理有限公司 | 一种工程监理质量验收实测实量方法及其系统 |
CN109547960A (zh) * | 2018-11-16 | 2019-03-29 | 万翼科技有限公司 | 一种智能检测方法及系统 |
CN109828284A (zh) * | 2019-03-18 | 2019-05-31 | 上海盎维信息技术有限公司 | 基于人工智能的实测实量的方法及装置 |
CN111027118A (zh) * | 2019-11-19 | 2020-04-17 | 广东博智林机器人有限公司 | 一种实测实量任务点搜索与任务派发方法及系统 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI475187B (zh) * | 2010-10-27 | 2015-03-01 | Hitachi High Tech Corp | Image processing devices and computer programs |
WO2013116165A1 (en) * | 2012-02-03 | 2013-08-08 | Eagle View Technologies, Inc | Systems and methods for estimation of building floor area |
CN104268519B (zh) * | 2014-09-19 | 2018-03-30 | 袁荣辉 | 基于模式匹配的图像识别终端及其识别方法 |
KR101638378B1 (ko) * | 2014-11-28 | 2016-07-11 | 주식회사 어반베이스 | 2차원 도면에 기반한 3차원 자동 입체모델링 방법 및 프로그램 |
CN104766302B (zh) * | 2015-02-05 | 2017-11-24 | 武汉大势智慧科技有限公司 | 一种利用无人机图像优化激光扫描点云数据的方法及系统 |
CN104778308B (zh) * | 2015-03-19 | 2018-02-16 | 上海数设科技有限公司 | 飞机结构型材的识别方法和装置 |
US10655970B2 (en) * | 2017-09-07 | 2020-05-19 | Wichita State University | Beacon-based indoor wayfinding system with automated beacon placement |
CN109858504A (zh) * | 2017-11-30 | 2019-06-07 | 阿里巴巴集团控股有限公司 | 一种图像识别方法、装置、系统以及计算设备 |
CN108763606B (zh) * | 2018-03-12 | 2019-12-10 | 江苏艾佳家居用品有限公司 | 一种基于机器视觉的户型图元素自动提取方法与系统 |
CN109344900B (zh) * | 2018-09-30 | 2022-02-08 | 中民筑友科技投资有限公司 | 一种构件识别方法、装置、设备及计算机可读存储介质 |
CN109740506A (zh) * | 2018-12-29 | 2019-05-10 | 广东三维家信息科技有限公司 | 一种户型图像识别方法及装置 |
CN109711744B (zh) * | 2018-12-29 | 2024-02-06 | 南京天溯自动化控制系统有限公司 | 保洁任务自动生成、执行评价方法、保洁方法及装置 |
CN109960850B (zh) * | 2019-02-20 | 2022-07-08 | 江苏艾佳家居用品有限公司 | 一种计算室内全景图采集点及屋顶灯具布局的方法及系统 |
CN110163954A (zh) * | 2019-04-12 | 2019-08-23 | 平安城市建设科技(深圳)有限公司 | 三维户型模型生成方法、装置、设备及存储介质 |
-
2019
- 2019-11-19 CN CN201911135029.XA patent/CN111027118B/zh active Active
-
2020
- 2020-10-27 WO PCT/CN2020/124130 patent/WO2021098457A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170178222A1 (en) * | 2015-12-18 | 2017-06-22 | Wal-Mart Stores, Inc. | Apparatus and method for surveying premises of a customer |
CN107871193A (zh) * | 2016-09-28 | 2018-04-03 | 北京地厚云图科技有限公司 | 工程管理中实测实量的任务交互方法及装置 |
CN108510181A (zh) * | 2018-03-28 | 2018-09-07 | 浙江泛华工程监理有限公司 | 一种工程监理质量验收实测实量方法及其系统 |
CN109547960A (zh) * | 2018-11-16 | 2019-03-29 | 万翼科技有限公司 | 一种智能检测方法及系统 |
CN109828284A (zh) * | 2019-03-18 | 2019-05-31 | 上海盎维信息技术有限公司 | 基于人工智能的实测实量的方法及装置 |
CN111027118A (zh) * | 2019-11-19 | 2020-04-17 | 广东博智林机器人有限公司 | 一种实测实量任务点搜索与任务派发方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111027118A (zh) | 2020-04-17 |
CN111027118B (zh) | 2024-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021098457A1 (zh) | 一种实测实量任务点搜索与任务派发方法及系统 | |
Jung et al. | Automated 3D volumetric reconstruction of multiple-room building interiors for as-built BIM | |
US20220027622A1 (en) | System and Method for Detecting Features in Aerial Images Using Disparity Mapping and Segmentation Techniques | |
US11731762B2 (en) | Crisscross boustrophedonic flight patterns for UAV scanning and imaging | |
Borrmann et al. | A mobile robot based system for fully automated thermal 3D mapping | |
Tang et al. | Automatic reconstruction of as-built building information models from laser-scanned point clouds: A review of related techniques | |
US10102428B2 (en) | Systems and methods for surface and subsurface damage assessments, patch scans, and visualization | |
Wang et al. | Automatic BIM component extraction from point clouds of existing buildings for sustainability applications | |
Yu et al. | Semantic alignment of LiDAR data at city scale | |
Xiong et al. | Automatic creation of semantically rich 3D building models from laser scanner data | |
Previtali et al. | Towards automatic indoor reconstruction of cluttered building rooms from point clouds | |
Esfahani et al. | Quantitative investigation on the accuracy and precision of Scan-to-BIM under different modelling scenarios | |
CN106091921A (zh) | 用于确定场景中的尺寸的方法 | |
Fathi et al. | A videogrammetric as-built data collection method for digital fabrication of sheet metal roof panels | |
Quintana et al. | Door detection in 3D colored laser scans for autonomous indoor navigation | |
CN102589443A (zh) | 一种基于图像识别的管片拼装质量的智能检测系统及其检测方法 | |
Valero et al. | Detection, modeling, and classification of moldings for automated reverse engineering of buildings from 3D data | |
Díaz-Vilariño et al. | Door recognition in cluttered building interiors using imagery and LiDAR data | |
CN110044358B (zh) | 基于现场场线特征的移动机器人定位方法 | |
US11847739B2 (en) | Systems and methods for pitch determination | |
Debus et al. | Evaluation of 3D uas flight path planning algorithms | |
CN115493596A (zh) | 一种移动机器人语义地图构建与导航方法 | |
Luo et al. | LiDAR-based initial global localization using imperfect architectural skeleton information | |
US20240161397A1 (en) | Systems and methods for pitch determination | |
Kotthäuser et al. | Automatic reconstruction of polygonal room models from 3d point clouds |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 20888992 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 20888992 Country of ref document: EP Kind code of ref document: A1 |