CN114004950A - 一种基于BIM与LiDAR技术的路面病害智能识别与管理方法 - Google Patents

一种基于BIM与LiDAR技术的路面病害智能识别与管理方法 Download PDF

Info

Publication number
CN114004950A
CN114004950A CN202111268806.5A CN202111268806A CN114004950A CN 114004950 A CN114004950 A CN 114004950A CN 202111268806 A CN202111268806 A CN 202111268806A CN 114004950 A CN114004950 A CN 114004950A
Authority
CN
China
Prior art keywords
pavement
disease
road surface
target detection
bim
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
Application number
CN202111268806.5A
Other languages
English (en)
Other versions
CN114004950B (zh
Inventor
谭毅
邓婷
陈鹏禄
陈丽梅
周志祥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen University
Original Assignee
Shenzhen University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen University filed Critical Shenzhen University
Priority to CN202111268806.5A priority Critical patent/CN114004950B/zh
Publication of CN114004950A publication Critical patent/CN114004950A/zh
Application granted granted Critical
Publication of CN114004950B publication Critical patent/CN114004950B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • 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
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明实施例公开了一种基于BIM与LiDAR技术的路面病害智能识别与管理方法。该方法通过LiDAR技术获取与目标检测路面匹配的路面点云数据；根据路面点云数据，获取目标检测路面中包括的至少一项路面病害以及各路面病害的描述信息；获取与目标检测路面匹配的目标BIM，并根据各路面病害的描述信息，将各路面病害贴图于目标BIM中进行可视化显示；根据目标BIM中包括的各路面病害，对目标检测路面进行路面病害评级；根据目标检测路面的路面病害评级结果，执行与路面病害评级结果匹配的管理操作。本发明实施例的技术方案提供一种高效率、高精度、低成本的道路病害自动识别及管理方法，以提高道路的管理水平。

Description

一种基于BIM与LiDAR技术的路面病害智能识别与管理方法
技术领域
本发明实施例涉及计算机数据处理技术，尤其涉及一种基于BIM与LiDAR技术的路面病害智能识别与管理方法、装置、设备和介质。
背景技术
传统的基于地面测量的监测方法(如监测车)，智能道路检测车以机动车为平台，搭载计算机***，综合应用光、机、电、算及“3S”(Remote sensing，RS，遥感技术、Geographyinformation systems，GIS，地理信息***和Global positioning systems，GPS，全球定位***)技术，装备的高分辨率线阵图像采集***可以采集公路路面图像，用以识别路面裂缝、坑槽等路面病害，激光结构光三维测量***可以连续测量路面车辙数据，多目CCD(Charge-Coupled Device，电荷耦合器件)立体测量***可以有效捕捉公路沿线立体景观图像，惯性补偿激光测距***则能精确的对公路平整度指数进行连续式测量。采集结束后，采集数据全部存储于大容量电脑硬盘中，通过后处理软件，可以生成检测路段的路面破损率、平整度指数、车辙深度数据、路面构造深度指标等。
发明人在实现本发明的过程中，发现现有技术主要存在如下缺陷：传统路面监测技术影响公路正常行驶、成本高、耗费大量的人力物力、抽样调查难以全面反映路面健康状况，并且对于病害的管理水平低下，无法实现病害实时更新、精准定位病害及可视化。
发明内容
本发明实施例提供一种基于BIM与LiDAR技术的路面病害智能识别与管理方法、装置、设备和介质，提供一种高效率、高精度、低成本的道路病害自动识别及管理方法，以提高道路的管理水平。
第一方面，本发明实施例提供了一种基于BIM与LiDAR技术的路面病害智能识别与管理方法，该方法包括：
通过LiDAR技术获取与目标检测路面匹配的路面点云数据；
根据所述路面点云数据，获取所述目标检测路面中包括的至少一项路面病害以及各路面病害的描述信息；
获取与所述目标检测路面匹配的目标BIM，并根据各所述路面病害的描述信息，将各所述路面病害贴图于所述目标BIM中进行可视化显示；
根据所述目标BIM中包括的各所述路面病害，对所述目标检测路面进行路面病害评级；
根据所述目标检测路面的路面病害评级结果，执行与所述路面病害评级结果匹配的管理操作。
第二方面，本发明实施例还提供了一种基于BIM与LiDAR技术的路面病害智能识别与管理装置，该装置包括：
点云数据获取模块，用于通过LiDAR技术获取与目标检测路面匹配的路面点云数据；
路面病害获取模块，用于根据所述路面点云数据，获取所述目标检测路面中包括的至少一项路面病害以及各路面病害的描述信息；
路面病害可视化模块，用于获取与所述目标检测路面匹配的目标BIM，并根据各所述路面病害的描述信息，将各所述路面病害贴图于所述目标BIM中进行可视化显示；
路面病害评级模块，用于根据所述目标BIM中包括的各所述路面病害，对所述目标检测路面进行路面病害评级；
管理操作执行模块，用于根据所述目标检测路面的路面病害评级结果，执行与所述路面病害评级结果匹配的管理操作。
第三方面，本发明实施例还提供了一种电子设备，该电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任意实施例所述的基于BIM与LiDAR技术的路面病害智能识别与管理方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如本发明任意实施例所述的基于BIM与LiDAR技术的路面病害智能识别与管理方法。
本发明通过LiDAR技术获取目标检测路面的路面点云数据，从而获取目标检测路面中包括的至少一项路面病害以及各路面病害的描述信息；并获取与目标检测路面匹配的目标BIM，根据各路面病害的描述信息，将各路面病害贴图于目标BIM中进行可视化显示；根据目标BIM中包括的各路面病害，对目标检测路面进行路面病害评级；并根据目标检测路面的路面病害评级结果，执行与路面病害评级结果匹配的管理操作，解决现有路面监测技术影响公路正常行驶、成本高、耗费大量的人力物力、抽样调查难以全面反映路面健康状况、对病害的管理水平低下、无法达到病害实时更新、精准定位病害及无法可视化等问题，提供一种高效率、高精度、低成本的道路病害自动识别及管理方法，以提高道路的管理水平。
附图说明
图1为本发明实施例一提供了一种基于BIM与LiDAR技术的路面病害智能识别与管理方法的流程图；
图2为本发明实施例二提供了一种基于BIM与LiDAR技术的路面病害智能识别与管理装置的结构示意图；
图3是本发明实施例三中提供了一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种基于BIM与LiDAR技术的路面病害智能识别与管理方法的流程图，本实施例可适用于对路面破损状况的监测情况，该方法可以由基于BIM与LiDAR技术的路面病害智能识别与管理装置来执行，该装置可以采用软件和/或硬件的方式来实现。该装置可配置于终端设备/服务器中，该方法具体包括：
S110、通过LiDAR技术获取与目标检测路面匹配的路面点云数据。
其中，目标检测路面可以是计划对其进行路面状况检测的路面。路面点云数据可以是描述目标检测路面的路面状况的数据，路面点云数据可以是一组包含三维坐标的向量的集合。
可选的，可以通过车载LiDAR技术获取目标检测路面周围的点云数据并生成精确的数字化三维模型，从而获取目标检测路面周围的三维实景。利用LiDAR技术的高效性及高精度快速获得路面密集的三维点云数据，能够准确识别裂缝和坑槽并有效测量宽度与尺寸。
S120、根据所述路面点云数据，获取所述目标检测路面中包括的至少一项路面病害以及各路面病害的描述信息。
其中，路面病害可以是道路表面出现的各种损坏、变形及其它缺陷。路面病害的描述信息可以是描述路面病害属性的信息，路面病害的描述信息可以包括：路面病害的病害类型、位置信息和尺寸信息。病害类型可以包括裂缝、凸起和凹陷等，位置信息可以通过三维坐标描述，尺寸信息可以包括长、宽、高、厚和体积等信息。
在本发明实施例中，根据获取的路面点云数据，可以识别筛选出至少一项路面病害及各路面病害对应的描述信息。
可选的，根据所述路面点云数据，获取所述目标检测路面中包括的至少一项路面病害以及各路面病害的描述信息，包括：将所述路面点云数据输入至预先训练的路面病害识别模型中，获取所述目标检测路面中包括的至少一项路面病害以及各路面病害的描述信息。
其中，路面病害识别模型可以是预先通过大量已有的各种路面病害点云数据经过至少一轮的训练验证出的模型，可以从路面点云数据中筛选出路面病害点云数据，并识别病害信息。
具体的，可以将获取的路面点云数据输入至路面病害识别模型中，通过预先训练的路面病害识别模型从路面点云数据中筛选出路面病害点云数据，从而根据路面病害点云数据识别至少一项路面病害及各路面病害的描述信息。
在本发明的一个可选实施例中，在将所述路面点云数据输入至预先训练的路面病害识别模型中之前，还可以包括：对所述路面点云数据进行点云去噪，和/或点云配准处理。
其中，点云去噪可以是从路面点云数据中去除不属于目标检测路面的数据，例如，目标检测路面周围环境中的树木、建筑物、人员和车辆，点云去噪可以通过基于格网化高程差的目标特征去噪。点云配准可以是在目标检测路面的不同位置下对其进行多次扫描，并对每个测点下获取的点云数据进行坐标***一，得到目标检测路面的完整点云数据信息的过程。
具体的，可以将通过LiDAR技术获取的路面点云数据输入至预先训练的路面病害识别模型中之前，可以对其仅进行点云去噪处理，可以对其仅进行点云配准处理，还可以既进行点云去噪，又进行点云配准处理。需要说明，由于实际现场中工作环境复杂，树木、建筑物遮挡、人员、车辆流动以及扫描目标本身反射特性的不均匀等影响，将会导致车载LiDAR技术获取的目标检测路面点云数据的不稳定以及包含较多的噪声。另外，在采集目标检测路面数据信息过程中，由于所需扫描的路面长度太长、存在转角、扫描角度等因素，单次的扫描得不到完整的数据信息，因此，需要在道路的不同位置下对其进行多次的扫描，以获得完整的路面数据信息；而由于在每个测点所获得的点云数据都是基于扫描仪自身的坐标系，且这些坐标系之间相互独立，因此，需要对每个测站下获取的点云数据进行坐标***一，进行点云配准。
S130、获取与所述目标检测路面匹配的目标BIM，并根据各所述路面病害的描述信息，将各所述路面病害贴图于所述目标BIM中进行可视化显示。
其中，目标BIM可以是将现实路面点云数据的坐标转换为BIM模型的坐标得到的BIM模型。
可选的，可以将现实路面点云数据的坐标系转化为BIM模型的坐标系，从而得到目标BIM，可以根据获取的路面病害的描述信息，生成各路面病害贴图并在目标BIM中对应的位置进行可视化显示。
在本发明的一个可选实施例中，根据各所述路面病害的描述信息，将各所述路面病害贴图于所述目标BIM中进行可视化显示，可以包括：根据各所述路面病害的病害类型以及尺寸信息，建立与各所述路面病害分别对应的病害贴图；根据各所述路面病害的位置信息，将各所述病害贴图添加于所述目标BIM中进行可视化显示。
其中，病害贴图可以是根据获取的路面病害的描述信息建立的路面病害以图片展示的实际样子。
在本发明实施例中，可以根据各路面病害的病害类型以及获取的路面病害的描述信息中的尺寸信息，建立与各路面病害对应的病害贴图，从而可以根据获取的路面病害的描述信息中的位置信息，将各路面病害贴图添加至目标BIM中的对应位置，进而实现路面病害的可视化显示。
这样设置的好处在于，通过路面点云数据与BIM模型数据融合，能够让道路养护人员能够快速以及准确地找出病害的位置。
S140、根据所述目标BIM中包括的各所述路面病害，对所述目标检测路面进行路面病害评级。
可选的，可以根据目标BIM中可视化的各路面病害，对目标检测路面的路面破损状况进行级别评判。
在本发明的一个可选实施例中，根据所述目标BIM中包括的各所述路面病害，对所述目标检测路面进行路面病害评级，可以包括：根据所述目标BIM中，各病害贴图的面积以及所属的病害类型，计算与每个病害类型分别对应的病害面积；根据与每个病害类型分别对应的病害面积，以及预设的各病害类型的参考权重，计算目标检测路面的路面异常率；根据所述路面异常率，计算目标检测路面的路面异常状况指数；根据所述路面异常状况指数，对所述目标检测路面进行路面病害评级。
其中，各病害类型的参考权重可以是不同病害类型在所有路面病害中的占比重要程度。路面异常率可以是指路面破损率。路面异常状况指数可以是路面破损程度的指数，可以用于评判目标检测路面的破损程度。
可选的，可以根据路面病害的描述信息中包含的尺寸信息得到各病害贴图的面积，结合各病害所属的病害类型，计算得到每个病害类型包含的所有病害的总病害面积；根据每个病害类型对应的总病害面积以及预先设定的各病害类型的参考权重(即重要程度)，加权求和可以得到目标检测路面的路面异常率；进而可以根据PCI＝100-15DR0.412计算得到目标检测路面的路面异常状况指数，其中，PCI表示路面异常状况指数，DR表示路面异常率；从而根据路面异常状况指数，评判路面病害级别。
可选的，根据所述路面异常状况指数，对所述目标检测路面进行路面病害评级，可以包括：根据所述路面异常状况指数，以及与每个路面病害等级匹配的路面异常状况指数门限区间，确定与所述路面异常状况指数匹配的路面病害等级。
其中，路面异常状况指数门限区间可以是路面异常状况指数的不同级别范围，例如，60-70、70-80和80-90。路面病害等级可以是路面病害程度的不同级别，例如，可以包括优、良、中、次和差。
具体的，预先对路面异常状况指数设定门限区间，可以通过判断每个路面病害等级处于路面异常状况指数的哪个门限区间，确定目标检测路面的路面病害等级。示例性的，如表1所示：
表1
评价等级 优 良 中 次 差
PCI ≥90 80≤PCI<90 70≤PCI<80 60≤PCI<70 <60
S150、根据所述目标检测路面的路面病害评级结果，执行与所述路面病害评级结果匹配的管理操作。
可选的，根据对目标检测路面的路面病害评级结果，可以通过大数据分析技术自动提出维护措施，执行匹配的管理操作，实现对路面的科学养护。
本实施例的技术方案，通过LiDAR技术获取目标检测路面的路面点云数据，从而获取目标检测路面中包括的至少一项路面病害以及各路面病害的描述信息；并获取与目标检测路面匹配的目标BIM，根据各路面病害的描述信息，将各路面病害贴图于目标BIM中进行可视化显示；根据目标BIM中包括的各路面病害，对目标检测路面进行路面病害评级；并根据目标检测路面的路面病害评级结果，执行与路面病害评级结果匹配的管理操作，解决现有路面监测技术影响公路正常行驶、成本高、耗费大量的人力物力、抽样调查难以全面反映路面健康状况、对病害的管理水平低下、无法达到病害实时更新、精准定位病害及无法可视化等问题，提供一种高效率、高精度、低成本的道路病害自动识别及管理方法，以提高道路的管理水平。
实施例二
图2为本发明实施例二提供了一种基于BIM与LiDAR技术的路面病害智能识别与管理装置的结构示意图。该装置可执行本发明任意实施例所提供的基于BIM与LiDAR技术的路面病害智能识别与管理方法，参照图2，该装置包括：点云数据获取模块210、路面病害获取模块220、路面病害可视化模块230、路面病害评级模块240和管理操作执行模块250。
点云数据获取模块210，用于通过LiDAR技术获取与目标检测路面匹配的路面点云数据；
路面病害获取模块220，用于根据所述路面点云数据，获取所述目标检测路面中包括的至少一项路面病害以及各路面病害的描述信息；
路面病害可视化模块230，用于获取与所述目标检测路面匹配的目标BIM，并根据各所述路面病害的描述信息，将各所述路面病害贴图于所述目标BIM中进行可视化显示；
路面病害评级模块240，用于根据所述目标BIM中包括的各所述路面病害，对所述目标检测路面进行路面病害评级；
管理操作执行模块250，用于根据所述目标检测路面的路面病害评级结果，执行与所述路面病害评级结果匹配的管理操作。
本实施例的技术方案，通过LiDAR技术获取目标检测路面的路面点云数据，从而获取目标检测路面中包括的至少一项路面病害以及各路面病害的描述信息；并获取与目标检测路面匹配的目标BIM，根据各路面病害的描述信息，将各路面病害贴图于目标BIM中进行可视化显示；根据目标BIM中包括的各路面病害，对目标检测路面进行路面病害评级；并根据目标检测路面的路面病害评级结果，执行与路面病害评级结果匹配的管理操作，解决现有路面监测技术影响公路正常行驶、成本高、耗费大量的人力物力、抽样调查难以全面反映路面健康状况、对病害的管理水平低下、无法达到病害实时更新、精准定位病害及无法可视化等问题，提供一种高效率、高精度、低成本的道路病害自动识别及管理方法，以提高道路的管理水平。
上述装置中，可选的是，路面病害获取模块220，可以包括：
路面病害描述信息获取子单元，可以具体用于将所述路面点云数据输入至预先训练的路面病害识别模型中，获取所述目标检测路面中包括的至少一项路面病害以及各路面病害的描述信息；
其中，所述路面病害的描述信息包括：路面病害的病害类型、位置信息和尺寸信息。
上述装置中，可选的是，还包括，点云数据处理模块，可以具体用于在将所述路面点云数据输入至预先训练的路面病害识别模型中之前，对所述路面点云数据进行点云去噪，和/或点云配准处理。
上述装置中，可选的是，路面病害可视化模块230，可以具体用于：
根据各所述路面病害的病害类型以及尺寸信息，建立与各所述路面病害分别对应的病害贴图；
根据各所述路面病害的位置信息，将各所述病害贴图添加于所述目标BIM中进行可视化显示。
上述装置中，可选的是，路面病害评级模块240，可以包括：
病害面积计算单元，具体用于根据所述目标BIM中，各病害贴图的面积以及所属的病害类型，计算与每个病害类型分别对应的病害面积；
路面异常率计算单元，具体用于根据与每个病害类型分别对应的病害面积，以及预设的各病害类型的参考权重，计算目标检测路面的路面异常率；
路面异常状况指数计算单元，具体用于根据所述路面异常率，计算目标检测路面的路面异常状况指数；
路面病害评级子单元，具体用于根据所述路面异常状况指数，对所述目标检测路面进行路面病害评级。
上述装置中，可选的是，路面病害评级子单元，还具体用于：
根据所述路面异常状况指数，以及与每个路面病害等级匹配的路面异常状况指数门限区间，确定与所述路面异常状况指数匹配的路面病害等级；
其中，所述路面病害等级包括优、良、中、次和差。
本发明实施例所提供的基于BIM与LiDAR技术的路面病害智能识别与管理装置可执行本发明任意实施例所提供的基于BIM与LiDAR技术的路面病害智能识别与管理方法，具备执行方法相应的功能模块和有益效果。
实施例三
图3为本发明实施例三提供的一种电子设备的结构示意图，如图3所示，该电子设备包括处理器310、存储装置320、输入装置330和输出装置340；设备中处理器310的数量可以是一个或多个，图3中以一个处理器310为例；设备中的处理器310、存储装置320、输入装置330和输出装置340可以通过总线或其他方式连接，图3中以通过总线连接为例。
存储装置320作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的基于BIM与LiDAR技术的路面病害智能识别与管理方法对应的程序指令/模块(例如，基于BIM与LiDAR技术的路面病害智能识别与管理装置中的点云数据获取模块210、路面病害获取模块220、路面病害可视化模块230、路面病害评级模块240和管理操作执行模块250)。处理器310通过运行存储在存储装置320中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的基于BIM与LiDAR技术的路面病害智能识别与管理方法，该方法可以包括：
通过LiDAR技术获取与目标检测路面匹配的路面点云数据；
根据所述路面点云数据，获取所述目标检测路面中包括的至少一项路面病害以及各路面病害的描述信息；
获取与所述目标检测路面匹配的目标BIM，并根据各所述路面病害的描述信息，将各所述路面病害贴图于所述目标BIM中进行可视化显示；
根据所述目标BIM中包括的各所述路面病害，对所述目标检测路面进行路面病害评级；
根据所述目标检测路面的路面病害评级结果，执行与所述路面病害评级结果匹配的管理操作。
存储装置320可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储装置320可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置320可进一步包括相对于处理器310远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置330可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置340可包括显示屏等显示设备。
实施例四
本发明实施例四还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现一种基于BIM与LiDAR技术的路面病害智能识别与管理方法，该方法可以包括：
通过LiDAR技术获取与目标检测路面匹配的路面点云数据；
根据所述路面点云数据，获取所述目标检测路面中包括的至少一项路面病害以及各路面病害的描述信息；
获取与所述目标检测路面匹配的目标BIM，并根据各所述路面病害的描述信息，将各所述路面病害贴图于所述目标BIM中进行可视化显示；
根据所述目标BIM中包括的各所述路面病害，对所述目标检测路面进行路面病害评级；
根据所述目标检测路面的路面病害评级结果，执行与所述路面病害评级结果匹配的管理操作。
当然，本发明实施例所提供的一种计算机可读存储介质，其上存储有计算机程序，该程序不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的基于BIM与LiDAR技术的路面病害智能识别与管理方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。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可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、闪存(FLASH)、硬盘或光盘等，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的方法。
值得注意的是，上述基于BIM与LiDAR技术的路面病害智能识别与管理装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种基于BIM与LiDAR技术的路面病害智能识别与管理方法，其特征在于，包括：
通过LiDAR技术获取与目标检测路面匹配的路面点云数据；
根据所述路面点云数据，获取所述目标检测路面中包括的至少一项路面病害以及各路面病害的描述信息；
获取与所述目标检测路面匹配的目标BIM，并根据各所述路面病害的描述信息，将各所述路面病害贴图于所述目标BIM中进行可视化显示；
根据所述目标BIM中包括的各所述路面病害，对所述目标检测路面进行路面病害评级；
根据所述目标检测路面的路面病害评级结果，执行与所述路面病害评级结果匹配的管理操作。
2.根据权利要求1所述的方法，其特征在于，根据所述路面点云数据，获取所述目标检测路面中包括的至少一项路面病害以及各路面病害的描述信息，包括：
将所述路面点云数据输入至预先训练的路面病害识别模型中，获取所述目标检测路面中包括的至少一项路面病害以及各路面病害的描述信息；
其中，所述路面病害的描述信息包括：路面病害的病害类型、位置信息和尺寸信息。
3.根据权利要求2所述的方法，其特征在于，在将所述路面点云数据输入至预先训练的路面病害识别模型中之前，还包括：
对所述路面点云数据进行点云去噪，和/或点云配准处理。
4.根据权利要求2所述的方法，其特征在于，根据各所述路面病害的描述信息，将各所述路面病害贴图于所述目标BIM中进行可视化显示，包括：
根据各所述路面病害的病害类型以及尺寸信息，建立与各所述路面病害分别对应的病害贴图；
根据各所述路面病害的位置信息，将各所述病害贴图添加于所述目标BIM中进行可视化显示。
5.根据权利要求4所述的方法，其特征在于，根据所述目标BIM中包括的各所述路面病害，对所述目标检测路面进行路面病害评级，包括：
根据所述目标BIM中，各病害贴图的面积以及所属的病害类型，计算与每个病害类型分别对应的病害面积；
根据与每个病害类型分别对应的病害面积，以及预设的各病害类型的参考权重，计算目标检测路面的路面异常率；
根据所述路面异常率，计算目标检测路面的路面异常状况指数；
根据所述路面异常状况指数，对所述目标检测路面进行路面病害评级。
6.根据权利要求5所述的方法，其特征在于，根据所述路面异常状况指数，对所述目标检测路面进行路面病害评级，包括：
根据所述路面异常状况指数，以及与每个路面病害等级匹配的路面异常状况指数门限区间，确定与所述路面异常状况指数匹配的路面病害等级；
其中，所述路面病害等级包括优、良、中、次和差。
7.一种基于BIM与LiDAR技术的路面病害智能识别与管理装置，其特征在于，包括：
点云数据获取模块，用于通过LiDAR技术获取与目标检测路面匹配的路面点云数据；
路面病害获取模块，用于根据所述路面点云数据，获取所述目标检测路面中包括的至少一项路面病害以及各路面病害的描述信息；
路面病害可视化模块，用于获取与所述目标检测路面匹配的目标BIM，并根据各所述路面病害的描述信息，将各所述路面病害贴图于所述目标BIM中进行可视化显示；
路面病害评级模块，用于根据所述目标BIM中包括的各所述路面病害，对所述目标检测路面进行路面病害评级；
管理操作执行模块，用于根据所述目标检测路面的路面病害评级结果，执行与所述路面病害评级结果匹配的管理操作。
8.根据权利要求7所述的装置，其特征在于，路面病害获取模块，包括：
路面病害描述信息获取子单元，用于将所述路面点云数据输入至预先训练的路面病害识别模型中，获取所述目标检测路面中包括的至少一项路面病害以及各路面病害的描述信息；
其中，所述路面病害的描述信息包括：路面病害的病害类型、位置信息和尺寸信息。
9.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的基于BIM与LiDAR技术的路面病害智能识别与管理方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的基于BIM与LiDAR技术的路面病害智能识别与管理方法。
CN202111268806.5A 2021-10-29 2021-10-29 一种基于BIM与LiDAR技术的路面病害智能识别与管理方法 Active CN114004950B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111268806.5A CN114004950B (zh) 2021-10-29 2021-10-29 一种基于BIM与LiDAR技术的路面病害智能识别与管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111268806.5A CN114004950B (zh) 2021-10-29 2021-10-29 一种基于BIM与LiDAR技术的路面病害智能识别与管理方法

Publications (2)

Publication Number Publication Date
CN114004950A true CN114004950A (zh) 2022-02-01
CN114004950B CN114004950B (zh) 2024-01-19

Family

ID=79924955

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111268806.5A Active CN114004950B (zh) 2021-10-29 2021-10-29 一种基于BIM与LiDAR技术的路面病害智能识别与管理方法

Country Status (1)

Country Link
CN (1) CN114004950B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115422418A (zh) * 2022-08-25 2022-12-02 新誉时代工程咨询有限公司 基于bim的公路建设数据监测方法、***、设备及存储介质
CN115880353A (zh) * 2022-09-29 2023-03-31 阿波罗智联(北京)科技有限公司 确定路面病害的面积的方法、装置及计算机程序产品

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106087679A (zh) * 2016-08-15 2016-11-09 浙江省交通集团检测科技有限公司 一种沥青路面病害识别与自动绘图***及其方法
CN107229770A (zh) * 2017-04-21 2017-10-03 深圳高速工程信息有限公司 道路病害诊断方法和***
CN107633516A (zh) * 2017-09-21 2018-01-26 武汉武大卓越科技有限责任公司 一种识别路面变形类病害的方法和装置
CN109697326A (zh) * 2018-12-28 2019-04-30 深圳高速工程信息有限公司 道路病害的处理方法、装置、计算机设备和存储介质
CN109800502A (zh) * 2019-01-17 2019-05-24 重庆交通大学 一种区域标记方法、装置及电子设备
CN109816626A (zh) * 2018-12-13 2019-05-28 深圳高速工程检测有限公司 路面裂缝检测方法、装置、计算机设备和存储介质
CN110700056A (zh) * 2019-10-18 2020-01-17 长安大学 一种沥青路面病害监控***及监测方法
CN111553017A (zh) * 2020-07-09 2020-08-18 江苏燕宁工程科技集团有限公司 基于bim的路面病害分析展示方法及***
CN111985494A (zh) * 2020-07-07 2020-11-24 深圳大学 一种基于轻量化车载终端的道路病害检测及分类方法
CN112487521A (zh) * 2020-11-03 2021-03-12 重庆大学 一种基于点云的隧道改建工程bim建模方法及***
CN112595719A (zh) * 2020-12-11 2021-04-02 江苏科技大学 一种基于三维激光扫描技术的路面病害精细化检测方法
CN112652015A (zh) * 2020-11-30 2021-04-13 中国公路工程咨询集团有限公司 基于bim的路面病害标记方法和装置
CN113155176A (zh) * 2020-01-07 2021-07-23 山东大学 一种隧道衬砌结构病害综合检测装置及方法
CN113424055A (zh) * 2019-10-09 2021-09-21 山东大学 隧道结构病害多尺度检测与智能诊断***及方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106087679A (zh) * 2016-08-15 2016-11-09 浙江省交通集团检测科技有限公司 一种沥青路面病害识别与自动绘图***及其方法
CN107229770A (zh) * 2017-04-21 2017-10-03 深圳高速工程信息有限公司 道路病害诊断方法和***
CN107633516A (zh) * 2017-09-21 2018-01-26 武汉武大卓越科技有限责任公司 一种识别路面变形类病害的方法和装置
CN109816626A (zh) * 2018-12-13 2019-05-28 深圳高速工程检测有限公司 路面裂缝检测方法、装置、计算机设备和存储介质
CN109697326A (zh) * 2018-12-28 2019-04-30 深圳高速工程信息有限公司 道路病害的处理方法、装置、计算机设备和存储介质
CN109800502A (zh) * 2019-01-17 2019-05-24 重庆交通大学 一种区域标记方法、装置及电子设备
CN113424055A (zh) * 2019-10-09 2021-09-21 山东大学 隧道结构病害多尺度检测与智能诊断***及方法
CN110700056A (zh) * 2019-10-18 2020-01-17 长安大学 一种沥青路面病害监控***及监测方法
CN113155176A (zh) * 2020-01-07 2021-07-23 山东大学 一种隧道衬砌结构病害综合检测装置及方法
CN111985494A (zh) * 2020-07-07 2020-11-24 深圳大学 一种基于轻量化车载终端的道路病害检测及分类方法
CN111553017A (zh) * 2020-07-09 2020-08-18 江苏燕宁工程科技集团有限公司 基于bim的路面病害分析展示方法及***
CN112487521A (zh) * 2020-11-03 2021-03-12 重庆大学 一种基于点云的隧道改建工程bim建模方法及***
CN112652015A (zh) * 2020-11-30 2021-04-13 中国公路工程咨询集团有限公司 基于bim的路面病害标记方法和装置
CN112595719A (zh) * 2020-12-11 2021-04-02 江苏科技大学 一种基于三维激光扫描技术的路面病害精细化检测方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
TAN YI ET AL.: "Automated geometric quality inspection of prefabricated housing units using BIM and LiDAR", 《REMOTE SENSING》, pages 1 - 46 *
何松霖 等: "基于车载三维激光扫描结果的桥面变形分析", 《科学技术与工程》, vol. 19, no. 8, pages 268 - 276 *
岳劲松: "基于LiDAR点云数据的路面表征病害三维检测技术研究", 《万方学位论文》, pages 1 - 115 *
肖慧胜: "基于BIM平台的路面病害可视化管理", 《中国优秀硕士学位论文全文数据库工程科技II辑》, pages 1 - 94 *
陈琦 等: "基于车载LiDAR点云的道路建模研究", 《北京测绘》, pages 1015 - 1019 *
陈飞 等: "大跨径钢桥面环氧沥青铺装破损状况评价体系研究", 《湖南交通科技》, vol. 43, no. 1, pages 112 - 117 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115422418A (zh) * 2022-08-25 2022-12-02 新誉时代工程咨询有限公司 基于bim的公路建设数据监测方法、***、设备及存储介质
CN115880353A (zh) * 2022-09-29 2023-03-31 阿波罗智联(北京)科技有限公司 确定路面病害的面积的方法、装置及计算机程序产品

Also Published As

Publication number Publication date
CN114004950B (zh) 2024-01-19

Similar Documents

Publication Publication Date Title
CN109101709A (zh) 3d激光扫描技术与bim技术相结合的现场施工管理***
CN106296814B (zh) 公路养护检测与可视化交互方法和***
CN112800911B (zh) 一种路面损伤快速检测及自然数据集构建方法
CN114004950B (zh) 一种基于BIM与LiDAR技术的路面病害智能识别与管理方法
CN101915570B (zh) 一种基于灭点的地面移动测量影像线段自动提取分类方法
CN103605978A (zh) 基于三维实景数据的城市违章建筑识别***及方法
CN110222959B (zh) 一种基于大数据的城市就业可达性测算方法及***
CN111581697B (zh) 基于bim的桥梁检测信息管理方法及***
CN108153979B (zh) 基于InSAR的形变信息提取方法、终端及存储介质
CN115331190B (zh) 一种基于雷视融合的道路隐患识别方法及装置
JP2016217084A (ja) 路面状況計測システム、路面状況計測方法並びに路面状況計測プログラム
JP2016090547A (ja) ひび割れ情報収集装置及びひび割れ情報を収集するためのサーバ装置
CN110134907B (zh) 一种降雨缺失数据填补方法、***及电子设备
CN116486289A (zh) 一种多源数据和知识驱动下的燃气管道高后果区识别方法
CN111881566B (zh) 基于实景仿真的滑坡位移检测方法及装置
CN113867406A (zh) 基于无人机的线路巡检方法、***、智能设备和存储介质
CN113156456A (zh) 一种路面、隧道一体化检测方法及检测设备、车辆
CN112166688B (zh) 基于小卫星的沙漠与沙漠化土地监测方法
CN112184903A (zh) 高压线行树障风险点的检测方法、装置、设备及介质
CN114577191B (zh) 基于地理空间信息数据的测绘数据采集方法及***
CN107860375A (zh) 一种基于三维激光扫描技术的滑坡灾害体积快速提取方法
Sobak et al. Terrestrial laser scanning assessment of generalization errors in conventional topographic surveys
Wu et al. Voxel-based marked neighborhood searching method for identifying street trees using vehicle-borne laser scanning data
CN116109259B (zh) 一种空间数据的智能审核方法及装置
CN117036611B (zh) 一种非矿山安全监测平台的三维场景构建方法及***

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