CN115183716B - 一种基于智能导航机器人的土方测量方法及*** - Google Patents
一种基于智能导航机器人的土方测量方法及*** Download PDFInfo
- Publication number
- CN115183716B CN115183716B CN202211104092.9A CN202211104092A CN115183716B CN 115183716 B CN115183716 B CN 115183716B CN 202211104092 A CN202211104092 A CN 202211104092A CN 115183716 B CN115183716 B CN 115183716B
- Authority
- CN
- China
- Prior art keywords
- navigation robot
- intelligent navigation
- dimensional absolute
- measuring
- calculating
- 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.)
- Active
Links
- 238000000691 measurement method Methods 0.000 title claims description 7
- 238000005259 measurement Methods 0.000 claims abstract description 62
- 238000010276 construction Methods 0.000 claims abstract description 57
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000013528 artificial neural network Methods 0.000 claims abstract description 29
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 238000004590 computer program Methods 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 9
- 238000005192 partition Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 2
- 101150105020 allD gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Navigation (AREA)
Abstract
本发明涉及一种基于智能导航机器人的土方测量方法,其方法包括:根据施工完成面的中心线和道路边界,确定智能导航机器人的行驶路线和多个测量点位;利用智能导航机器人遍历每个测量点位,计算并记录每个测量点位的三维绝对坐标;基于多个测量点位的三维绝对坐标和神经网络,建立施工完成面的拟合曲面模型;根据所述施工完成面的拟合曲面模型,分别计算垂直承载部分土方量、斜坡部分土方量和土方总量。本发明通过智能导航机器人测量的高精度的样本数据和神经网络的结合,实现了施工完成面的曲面模型的自动构建,以及基于所述曲面模型的土方量的高效高精度计算。
Description
技术领域
本发明属于道路工程与定位测量技术领域,具体涉及一种基于智能导航机器人的土方测量方法及***。
背景技术
土方施工是道路建设工程中的一项重要工程,准确测算土方的总量对于施工成本控制至关重要,也影响到随后的基础施工及场地土方平衡。目前,土方用量的测算还主要依赖人工测量,通过架设测量仪器,如水准仪、全站仪、GPS RTK等,逐点测量施工完成面的碎部点三维空间坐标,最后通过建立相关土方计算模型来计算土石方量。由于土方工程量大、劳动繁重、施工测量环境恶劣,尤其是大型道路建设项目,土方工程量达上万甚至十万立方米以上,施工面积达数平方千米,仅依靠人工测量,极大地制约了项目施工进度和质量,而且耗费较高的人力成本。因此在道路工程建设中,提高土方测量的速度和精度,具有重要的现实意义。
当前一些自动化的土方测量技术,如利用无人机的倾斜摄影测量技术、三维激光扫描技术,均能够快速实施道路完成面的三维数据建模和计算,提高了土方测量的效率。但是也存在着测量精度不高,土方测量的过程繁琐,需要多人协同完成测量等问题。
发明内容
为提高土方测量的自动化效率和测量精度,在本发明的第一方面提供了一种基于智能导航机器人的土方测量方法,包括:根据施工完成面的中心线和道路边界,确定智能导航机器人的行驶路线和多个测量点位;利用智能导航机器人遍历每个测量点位,计算并记录每个测量点位的三维绝对坐标;基于多个测量点位的三维绝对坐标和神经网络,建立施工完成面的拟合曲面模型;根据所述施工完成面的拟合曲面模型,分别计算垂直承载部分土方量、斜坡部分土方量和土方总量。
在本发明的一些实施例中,所述利用智能导航机器人遍历每个测量点位,计算并记录每个测量点位的三维绝对坐标包括:获取智能导航机器人在每个测量点位的三维绝对坐标和姿态角度;获取智能导航机器人的测量设备末端,在以导航机器人定位点为原点的车身坐标系下的坐标;根据所述智能导航机器人在每个测量点位的三维绝对坐标和姿态角度,以及测量设备末端在以导航机器人定位点为原点的车身坐标系下的坐标,计算测量设备末端的三维绝对坐标,并根据其计算每个测量点位的三维绝对坐标。
进一步的,所述测量设备末端的三维绝对坐标通过如下步骤计算:
,其中,(X i ,Y i ,Z i )表示智能导航机器人定位点的三维绝对坐标,(a,b,c)表示测量设备末端
在智能导航机器人定位点为原点的车身坐标系下的坐标,(roll i 、pitch i 、yaw i )表示智能导
航机器人的姿态角度,下标i表示测量点位的编号;样本点的三维绝对坐标:
其中,H i 为测量设备测量的测量设备末端对地距离。
在本发明的一些实施例中,所述根据所述施工完成面的拟合曲面模型,分别计算垂直承载部分土方量、斜坡部分土方量和土方总量包括:根据拟合曲面模型,通过网格法计算垂直承载部分土方量;根据拟合曲面模型,近似计算斜坡部分土方量;根据所述垂直承载部分土方量和所述斜坡部分土方量,计算土方总量。
进一步的,所述根据拟合曲面模型,通过网格法计算垂直承载部分土方量包括:
其中V 1表示垂直承载部分土方量,k表示方格的序号,M表示方格数量;f 1和f 2分别
表示第一完成面拟合曲面模型和第二完成面拟合曲面模型,(m k ,n k )表示第k个方格的中心
点坐标,表示方格的边长,S表示垂直承载部分的水平面投影区域。
在上述的实施例中,所述基于多个测量点位的三维绝对坐标和神经网络,建立施工完成面的拟合曲面模型包括:根据道路延伸方向,将施工完成面划分为多个包含相同样本测量点位的分区,相邻的两个分区之间至少包含有一个共同的测量点位;将每个分区的每个测量点位的三维绝对坐标作为样本,对应的已确定的施工完成面的拟合曲面模型函数作为标签,训练神经网络,直至所述神经网络的误差低于阈值且趋于稳定,得到训练完成的神经网络;将多个二维坐标输入到训练完成的神经网络,得到施工完成面的拟合曲面模型。
本发明的第二方面,提供了一种基于智能导航机器人的土方测量***,包括:第一计算模块,用于根据施工完成面的中心线和道路边界,确定智能导航机器人的行驶路线和多个测量点位;利用智能导航机器人遍历每个测量点位,计算并记录每个测量点位的三维绝对坐标;建立模块,用于基于多个测量点位的三维绝对坐标和神经网络,建立施工完成面的拟合曲面模型;第二计算模块,用于根据所述施工完成面的拟合曲面模型,分别计算垂直承载部分土方量、斜坡部分土方量和土方总量。
本发明的第三方面,提供了一种电子设备,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本发明在第一方面提供的基于智能导航机器人的土方测量方法。
本发明的第四方面,提供了一种计算机可读介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现本发明在第一方面提供的基于智能导航机器人的土方测量方法。
本发明的有益效果是:
本发明公开了基于智能导航机器人的土方测量与计算方法,利用智能导航机器人实施道路完成面三维真实数据的快速测量,解决人工测量效率低的问题,通过建立施工完成面的拟合曲面模型,精确计算土方量,解决常规方法测量精度不高的问题。通过本发明,能够解决传统道路施工中土方测算普遍存在的效率低、测量误差大等问题,同时克服了现有技术方案中存在的诸多缺陷,极大地提高施工测量的效率和质量。
附图说明
图1为本发明的一些实施例中的基于智能导航机器人的土方测量方法的基本流程示意图;
图2为本发明的一些实施例中的智能导航机器人的行驶路线与测量点位关系的几何示意图;
图3为本发明的一些实施例中的智能导航机器人对地高度测量的几何示意图;
图4为本发明的一些实施例中的智能导航机器人的位置和姿态信息的几何示意图;
图5为本发明的一些实施例中的测量点位的二维坐标与样本点三维绝对坐标的几何关系示意图;
图6为本发明的一些实施例中的施工完成面分区的几何关系示意图;
图7为本发明的一些实施例中的施工完成面的拟合曲面与水平面的几何关系示意图;
图8为本发明的一些实施例中的垂直承载部分水平投影区域划分微小方格的效果示意图;
图9为本发明的一些实施例中的近似计算斜坡部分土方用量的原理示意图;
图10为本发明的一些实施例中的基于智能导航机器人的土方测量***的结构示意图;
图11为本发明的一些实施例中的电子设备的结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
参考图1,在本发明的第一方面,提供了一种基于智能导航机器人的土方测量方法,包括:S100.根据施工完成面的中心线和道路边界,确定智能导航机器人的行驶路线和多个测量点位;利用智能导航机器人遍历每个测量点位,计算并记录每个测量点位的三维绝对坐标;S200.基于多个测量点位的三维绝对坐标和神经网络,建立施工完成面的拟合曲面模型;S300.根据施工完成面的拟合曲面模型,分别计算垂直承载部分土方量、斜坡部分土方量和土方总量。需要说明的是,本公开中的智能导航机器人是指具备自主导航功能且能按照预定轨迹进行测量自身位姿信息的智能机器人。
参考图2,在本发明的一些实施例的步骤S100中,根据施工完成面的中心线和道路边界,确定智能导航机器人的行驶路线和多个测量点位包括:根据施工完成面的中心线和道路边界,为智能导航机器人规划一系列行驶路线,该行驶路线均与中心线平行,相邻行驶路线间的距离均为D;以固定距离d做中心线的垂线,与各规划的行驶路线相交,获得所有的测量点位,该测量点位为中心线垂线与规划行驶路线的交点。所有测量点位的坐标为(X i ,Y i ),i=1, 2, 3, ……, N。N为测量点位的数量。
在本发明的一些实施例的步骤S100中,所述利用智能导航机器人遍历每个测量点位,计算并记录每个测量点位的三维绝对坐标包括:S101.获取智能导航机器人在每个测量点位的三维绝对坐标和姿态角度;S102.获取智能导航机器人的测量设备末端,在以导航机器人定位点为原点的车身坐标系下的坐标;S103.根据所述智能导航机器人在每个测量点位的三维绝对坐标和姿态角度,以及测量设备末端在以导航机器人定位点为原点的车身坐标系下的坐标,计算测量设备末端的三维绝对坐标,并根据其计算每个测量点位的三维绝对坐标。
具体地,如图3所示,智能导航机器人(以下或简称导航机器人)根据当前的行驶路线,选择下一个测量点位作为目标测量点位。根据自身位置坐标和目标测量点位的坐标,通过自身导航控制功能,自主行驶至目标测量点位停车;通过自身搭载的测量设备,测量对地距离为H i 。
进一步的,参考图4,所述测量设备末端的三维绝对坐标通过如下步骤计算:
,其中,(X i ,Y i ,Z i )表示智能导航机器人定位点的三维绝对坐标,(a,b,c)表示测量设备末端
在智能导航机器人定位点为原点的车身坐标系下的坐标,(roll i 、pitch i 、yaw i )表示智能导
航机器人的姿态角度,下标i表示测量点位的编号。
具体地,获取智能导航机器人定位点的三维绝对坐标(X i ,Y i ,Z i ),获取测量设备末端在以导航机器人定位点为原点的车身坐标系O-X body Y body Z body 下的坐标(a,b,c),获取导航机器人的姿态角度(roll i 、pitch i 、yaw i ),计算测量设备末端的三维绝对坐标,进而计算当前样本点的三维坐标。测量设备末端的三维绝对坐标和当前样本点三维绝对坐标计算公式包括:
测量设备末端的三维绝对坐标:
参考图5,在智能导航机器人完成当前样本点计算后,开展下一个测量点位测量,直至遍历所有测量点位,并计算得到所有样本点三维绝对坐标,其中所有样本点的三维绝对坐标为:(x i , y i , z i ), i=1, 2, 3, ……, N。
参考图6,在本公开的实施例的步骤S200中,所述基于多个测量点位的三维绝对坐标和神经网络,建立施工完成面的拟合曲面模型包括:S201.根据道路延伸方向,将施工完成面划分为多个包含相同样本测量点位的分区,相邻的两个分区之间至少包含有一个共同的测量点位;S202.将每个分区的每个测量点位的三维绝对坐标作为样本,对应的已确定的施工完成面的拟合曲面模型函数作为标签,训练神经网络,直至所述神经网络的误差低于阈值且趋于稳定,得到训练完成的神经网络;将多个二维坐标输入到训练完成的神经网络,得到施工完成面的拟合曲面模型。可以理解,当二维坐标(x,y)对应于测量点位的三维绝对坐标中的x、y维度上的分量时,即得到施工完成面的拟合曲面模型。
具体地,以道路向前延伸的方向为纵向,垂直于纵向的方向为横向。设定纵向分区为L 1行,横向分区为L 2列,得到L 1行×L 2列的分区,并确定分区内的样本数据点。同时,保证相邻分区内有共同的样本数据点。然后,可采用如下两种方法中的任意一种方法,来建立分区的拟合曲面模型:
(1)可以利用神经网络训练的方法,来建立分区的拟合曲面模型。假设建立的拟合曲面模型为z=f NN (x,y),其中,x、y、z表示拟合曲面上的任意点三维绝对坐标,f NN 表示利用神经网络训练得到的拟合模型函数。
(2)也可以利用最小二乘法,建立分区的拟合曲面模型。假设建立的拟合曲面模型为z=f LSM (x,y),其中,x、y、z表示拟合曲面上的任意点三维绝对坐标,f LSM 表示利用最小二乘法得到的拟合模型函数。
为了便于描述,不管使用哪一种方法,将拟合曲面模型统一写为:z=f(x,y)。其中,x、y、z表示拟合曲面上的任意点三维绝对坐标。
参考图7,道路是一个近似梯形柱体,将道路划分为垂直承载部分和斜坡部分。其中,垂直承载部分指道路中间矩形截面部分,斜坡部分指道路两侧三角截面部分。梯形柱体的体积取决于道路的下表面和上表面,考虑以下两种需求:
(1)当进行土方计量时,梯形柱体的下表面和上表面均是通过智能导航机器人获取样本点,采用拟合方法得到的下表面的拟合曲面和上表面的拟合曲面;拟合方法包括上述利用神经网络拟合曲面模型的方法,或利用最小二乘法拟合曲面模型的方法;
(2)当进行土方预算时,只能通过智能导航机器人获取梯形柱体的下表面的样本点,采用拟合方法得到的下表面的拟合曲面,梯形柱体的上表面是理论设计曲面,当前路面还未建成,因此无法用导航机器人获取样本点,但是该理论设计曲面是已知的,即理论设计曲面上任意点是可以通过勘测设计数据计算获取的。此时,无需通过神经网络来建立上表面的拟合曲面,直接根据预设参数而得出。
为了便于描述,不管是土方计量还是土方预算,其梯形柱体的下表面和上表面均可以获得的。将梯形柱体的下表面称为第一拟合曲面,将梯形柱体的上表面称为第二拟合曲面。
在本发明的一些实施例的S300中,所述根据所述施工完成面的拟合曲面模型,分别计算垂直承载部分土方量、斜坡部分土方量和土方总量包括:S301.根据拟合曲面模型,通过网格法计算垂直承载部分土方量;
参考图8,具体地,首先获取第一完成面拟合曲面模型z=f 1(x, y)和第二完成面拟
合曲面模型z=f 2(x, y),获取垂直承载部分的水平面投影区域范围S。然后将垂直承载部分
水平投影区域划分成边长为的微小方格,如图8所示。特别地,为了保障测量精度,可取=
0.01米,则第k个方格中心点坐标为(m k , n k ),k=1, 2, 3, …, M。其中,M表示微小方格数
量。最后计算垂直承载部分土方量,计量公式为:
S302.基于所述拟合曲面模型,近似计算斜坡部分土方量;参考图9,具体地,对于斜坡左半部分,获取第二完成面水平面投影左边界,对左边界进行等间距△l left 采样,得到离散坐标点(l x1, l y1)、(l x2, l y2)、(l x3, l y3)、…、(l xp , l yp )、…、(l xP , l yP ),p表示第p个采样点,P为采样个数。然后计算斜坡左半部分土方用量,计算公式为:
其中,I left 为斜坡左半部分坡度系数。
对于斜坡右半部分,获取第二完成面水平面投影右边界,对右边界进行等间距△l right 采样,得到离散坐标点(r x1, r y1)、(r x2, r y2)、(r x3, r y3)、…、(r xq , r yq )、…、(r xQ ,r yQ ),q表示第q个采样点,Q为采样个数。然后计算斜坡右半部分土方用量,计算公式为:
其中,I right 为斜坡右半部分坡度系数。
S303.根据所述垂直承载部分土方量和所述斜坡部分土方量,计算土方总量。具体地,土方用量计算公式为:V=V 1+V left +V right 。
实施例2
参考图10,发明的第二方面,提供了一种基于智能导航机器人的土方测量***1包括:第一计算模块11,用于根据施工完成面的中心线和道路边界,确定智能导航机器人的行驶路线和多个测量点位;利用智能导航机器人遍历每个测量点位,计算并记录每个测量点位的三维绝对坐标;建立模块12,用于基于多个测量点位的三维绝对坐标和神经网络,建立施工完成面的拟合曲面模型;第二计算模块13,用于根据所述施工完成面的拟合曲面模型,分别计算垂直承载部分土方量、斜坡部分土方量和土方总量。
进一步的,所述第一计算模块11:第一获取单元,用于获取智能导航机器人在每个测量点位的三维绝对坐标和姿态角度;第二获取单元,用于获取智能导航机器人的测量设备末端,在以导航机器人定位点为原点的车身坐标系下的坐标;计算单元,用于根据所述智能导航机器人在每个测量点位的三维绝对坐标和姿态角度,以及测量设备末端在以导航机器人定位点为原点的车身坐标系下的坐标,计算测量设备末端的三维绝对坐标,并根据其计算每个测量点位的三维绝对坐标。
实施例3
参考图11,发明的第三方面,提供了一种电子设备,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本发明在第一方面的方法。
电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图11了具有各种装置的电子设备500,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图11出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM 502被安装。在该计算机程序被处理装置501执行时,执行本公开的实施例的方法中限定的上述功能。需要说明的是,本公开的实施例所描述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开的实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个计算机程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++、Python,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。需要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于智能导航机器人的土方测量方法,其特征在于,包括:
根据施工完成面的中心线和道路边界,确定智能导航机器人的行驶路线和多个测量点位;利用智能导航机器人遍历每个测量点位,计算并记录每个测量点位的三维绝对坐标;
基于多个测量点位的三维绝对坐标和神经网络,建立施工完成面的拟合曲面模型:根据道路延伸方向,将施工完成面划分为多个包含相同测量点位的分区,相邻的两个分区之间至少包含有一个共同的测量点位;将每个分区的每个测量点位的三维绝对坐标作为样本,对应的已确定的施工完成面的拟合曲面模型函数作为标签,训练神经网络,直至所述神经网络的误差低于阈值且趋于稳定,得到训练完成的神经网络;将多个二维坐标输入到训练完成的神经网络,得到施工完成面的拟合曲面模型;
根据所述施工完成面的拟合曲面模型,分别计算垂直承载部分土方量、斜坡部分土方量和土方总量:获取第一完成面拟合曲面模型z=f 1(x, y)和第二完成面拟合曲面模型z=f 2(x, y),获取垂直承载部分的水平面投影区域范围S;然后将垂直承载部分水平投影区域划分成边长为ε的微小方格,计算垂直承载部分土方量:
其中,ε=0.01米;(m k , n k )为第k个方格中心点坐标,k=1, 2, 3, …, M;M表示微小方格数量;
基于所述拟合曲面模型,近似计算斜坡部分土方量:对于斜坡左半部分,获取第二完成面水平面投影左边界,对左边界进行等间距△l left 采样,得到离散坐标点(l x1, l y1)、(l x2,l y2)、(l x3, l y3)、…、(l xp , l yp )、…、(l xP , l yP ),p表示第p个采样点,P为采样个数;然后计算斜坡左半部分土方用量V left ,计算公式为:
其中,I left 为斜坡左半部分坡度系数;相应地,根据上述步骤计算斜坡右半部分土方用量V right 。
2.根据权利要求1所述的基于智能导航机器人的土方测量方法,其特征在于,所述利用智能导航机器人遍历每个测量点位,计算并记录每个测量点位的三维绝对坐标包括:
获取智能导航机器人在每个测量点位的三维绝对坐标和姿态角度;
获取智能导航机器人的测量设备末端在以导航机器人定位点为原点的车身坐标系下的坐标;
根据所述智能导航机器人在每个测量点位的三维绝对坐标和姿态角度,以及测量设备末端在以导航机器人定位点为原点的车身坐标系下的坐标,计算测量设备末端的三维绝对坐标,并根据其计算每个测量点位的三维绝对坐标。
4.一种基于智能导航机器人的土方测量***,其特征在于,包括:
第一计算模块,用于根据施工完成面的中心线和道路边界,确定智能导航机器人的行驶路线和多个测量点位;利用智能导航机器人遍历每个测量点位,计算并记录每个测量点位的三维绝对坐标;
建立模块,用于基于多个测量点位的三维绝对坐标和神经网络,建立施工完成面的拟合曲面模型:基于多个测量点位的三维绝对坐标和神经网络,建立施工完成面的拟合曲面模型:根据道路延伸方向,将施工完成面划分为多个包含相同测量点位的分区,相邻的两个分区之间至少包含有一个共同的测量点位;将每个分区的每个测量点位的三维绝对坐标作为样本,对应的已确定的施工完成面的拟合曲面模型函数作为标签,训练神经网络,直至所述神经网络的误差低于阈值且趋于稳定,得到训练完成的神经网络;将多个二维坐标输入到训练完成的神经网络,得到施工完成面的拟合曲面模型;
第二计算模块,用于根据所述施工完成面的拟合曲面模型,分别计算垂直承载部分土方量、斜坡部分土方量和土方总量:获取第一完成面拟合曲面模型z=f 1(x, y)和第二完成面拟合曲面模型z=f 2(x, y),获取垂直承载部分的水平面投影区域范围S;然后将垂直承载部分水平投影区域划分成边长为ε的微小方格,计算垂直承载部分土方量:
其中,ε=0.01米;(m k , n k )为第k个方格中心点坐标,k=1, 2, 3, …, M;M表示微小方格数量;
基于所述拟合曲面模型,近似计算斜坡部分土方量:对于斜坡左半部分,获取第二完成面水平面投影左边界,对左边界进行等间距△l left 采样,得到离散坐标点(l x1, l y1)、(l x2,l y2)、(l x3, l y3)、…、(l xp , l yp )、…、(l xP , l yP ),p表示第p个采样点,P为采样个数;然后计算斜坡左半部分土方用量V left ,计算公式为:
其中,I left 为斜坡左半部分坡度系数;相应地,根据上述步骤计算斜坡右半部分土方用量V right 。
5.根据权利要求4所述的基于智能导航机器人的土方测量***,其特征在于,所述第一计算模块包括:
第一获取单元,用于获取智能导航机器人在每个测量点位的三维绝对坐标和姿态角度;
第二获取单元,用于获取智能导航机器人的测量设备末端在以导航机器人定位点为原点的车身坐标系下的坐标;
计算单元,用于根据所述智能导航机器人在每个测量点位的三维绝对坐标和姿态角度,以及测量设备末端在以导航机器人定位点为原点的车身坐标系下的坐标,计算测量设备末端的三维绝对坐标,并根据其计算每个测量点位的三维绝对坐标。
6.一种电子设备,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,其特征在于,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至3任一项所述的基于智能导航机器人的土方测量方法。
7.一种计算机可读介质,其特征在于,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1至3任一项所述的基于智能导航机器人的土方测量方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211104092.9A CN115183716B (zh) | 2022-09-10 | 2022-09-10 | 一种基于智能导航机器人的土方测量方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211104092.9A CN115183716B (zh) | 2022-09-10 | 2022-09-10 | 一种基于智能导航机器人的土方测量方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115183716A CN115183716A (zh) | 2022-10-14 |
CN115183716B true CN115183716B (zh) | 2023-01-13 |
Family
ID=83524828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211104092.9A Active CN115183716B (zh) | 2022-09-10 | 2022-09-10 | 一种基于智能导航机器人的土方测量方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115183716B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116591008B (zh) * | 2023-07-17 | 2023-11-28 | 武汉光昱明晟智能科技有限公司 | 边线放样方法、***、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001304813A (ja) * | 2000-04-27 | 2001-10-31 | Kokusai Kogyo Co Ltd | 土運船の土量測定装置および土量測定方法 |
CN110285792A (zh) * | 2019-07-02 | 2019-09-27 | 山东省交通规划设计院 | 一种无人机倾斜摄影精细格网土方计量方法 |
CN111121748A (zh) * | 2019-12-09 | 2020-05-08 | 重庆巨能建设(集团)有限公司 | 基于挖掘机械土石方开挖作业的施工测量***及方法 |
CN111765868A (zh) * | 2020-06-12 | 2020-10-13 | 中国二十冶集团有限公司 | 基于倾斜摄影技术并按不同网格划分的土方测量方法 |
CN113219501A (zh) * | 2021-01-29 | 2021-08-06 | 上海井融网络科技有限公司 | 基于惯性测量单元土方测量方法、***及rtk接收机 |
WO2021238191A1 (zh) * | 2020-05-26 | 2021-12-02 | 珠海格力智能装备有限公司 | 机器人的定位补偿方法及装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ATE283945T1 (de) * | 2000-04-07 | 2004-12-15 | Verigrid Inc | Methode und einrichtung zur erdbaugittermessung |
US6966387B2 (en) * | 2001-07-05 | 2005-11-22 | Agtek Development Company, Inc. | Universal optical adapter for a three dimensional earthgrading system |
CN205262429U (zh) * | 2015-12-30 | 2016-05-25 | 中铁三局集团华东建设有限公司 | 一种施工现场土方量测定*** |
CN111765869A (zh) * | 2020-06-12 | 2020-10-13 | 中国二十冶集团有限公司 | 基于倾斜摄影技术的不同坡度道路土方测量方法 |
US11352769B1 (en) * | 2021-06-25 | 2022-06-07 | Built Robotics Inc. | Online machine learning for calibration of autonomous earth moving vehicles |
CN114549769A (zh) * | 2022-01-05 | 2022-05-27 | 中国水利水电第八工程局有限公司 | 基于bim的土石方工程量分期计量自动校核方法及装置 |
CN115031705B (zh) * | 2022-04-29 | 2024-05-31 | 武汉光昱明晟智能科技有限公司 | 一种智能导航机器人测量***及测量方法 |
-
2022
- 2022-09-10 CN CN202211104092.9A patent/CN115183716B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001304813A (ja) * | 2000-04-27 | 2001-10-31 | Kokusai Kogyo Co Ltd | 土運船の土量測定装置および土量測定方法 |
CN110285792A (zh) * | 2019-07-02 | 2019-09-27 | 山东省交通规划设计院 | 一种无人机倾斜摄影精细格网土方计量方法 |
CN111121748A (zh) * | 2019-12-09 | 2020-05-08 | 重庆巨能建设(集团)有限公司 | 基于挖掘机械土石方开挖作业的施工测量***及方法 |
WO2021238191A1 (zh) * | 2020-05-26 | 2021-12-02 | 珠海格力智能装备有限公司 | 机器人的定位补偿方法及装置 |
CN111765868A (zh) * | 2020-06-12 | 2020-10-13 | 中国二十冶集团有限公司 | 基于倾斜摄影技术并按不同网格划分的土方测量方法 |
CN113219501A (zh) * | 2021-01-29 | 2021-08-06 | 上海井融网络科技有限公司 | 基于惯性测量单元土方测量方法、***及rtk接收机 |
Also Published As
Publication number | Publication date |
---|---|
CN115183716A (zh) | 2022-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10801855B2 (en) | Method and system for creating map based on 3D laser | |
US20230204784A1 (en) | Segmenting ground points from non-ground points to assist with localization of autonomous vehicles | |
CN111596652A (zh) | 一种农药喷洒智能农机寻路导航控制方法及*** | |
CN111429575B (zh) | 一种三维可视化监测方法、***、设备和存储介质 | |
CN105044668A (zh) | 一种基于多传感器装置的wifi指纹数据库构建方法 | |
CN112082547B (zh) | 组合导航***优化方法、装置、电子设备及存储介质 | |
CN115183716B (zh) | 一种基于智能导航机器人的土方测量方法及*** | |
CN112214014A (zh) | 农机自动驾驶控制方法及*** | |
CN109855623A (zh) | 基于Legendre多项式和BP神经网络的地磁模型在线逼近方法 | |
CN111121758B (zh) | 室内磁地图的快速建模与可信定位方法 | |
CN110095108B (zh) | 一种基于bim无人机测绘装置及测绘方法 | |
CN113819894B (zh) | 利用高精度倾斜摄影模型的野外地质勘察点线放样方法 | |
CN104807462A (zh) | 室内地磁导航基准图生成方法及*** | |
CN110940336B (zh) | 捷联惯导仿真定位解算方法、装置及终端设备 | |
CN115792985A (zh) | 一种车辆定位方法、装置、电子设备、存储介质及车辆 | |
CN102083203A (zh) | 用于一移动设备的定位装置及定位方法 | |
US11835342B2 (en) | Calibration of inertial measurement units of vehicles using localization | |
CN113484843A (zh) | 一种激光雷达与组合导航间外参数的确定方法及装置 | |
CN114166172A (zh) | 一种混凝土地坪平整度连续测量方法 | |
CN114812447B (zh) | 地形面积计量方法及电动车辆 | |
CN112050804B (zh) | 一种基于地磁梯度的近场磁图构建方法 | |
CN112484740B (zh) | 用于港口无人物流车的自动建图与自动地图更新*** | |
CN110647591A (zh) | 用于测试矢量地图的方法和装置 | |
CN117804448B (zh) | 一种自主***定位方法、装置、计算机设备及存储介质 | |
CN114115339B (zh) | 基于gis平台的多规合一业务协同***、方法及设备 |
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 |