CN116448080A - 一种基于无人机倾斜摄影辅助土方开挖施工的方法 - Google Patents
一种基于无人机倾斜摄影辅助土方开挖施工的方法 Download PDFInfo
- Publication number
- CN116448080A CN116448080A CN202310717761.8A CN202310717761A CN116448080A CN 116448080 A CN116448080 A CN 116448080A CN 202310717761 A CN202310717761 A CN 202310717761A CN 116448080 A CN116448080 A CN 116448080A
- Authority
- CN
- China
- Prior art keywords
- model
- unmanned aerial
- aerial vehicle
- data
- oblique photography
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 108
- 238000009412 basement excavation Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 57
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 238000007689 inspection Methods 0.000 claims abstract description 14
- 238000012544 monitoring process Methods 0.000 claims abstract description 13
- 238000004088 simulation Methods 0.000 claims abstract description 13
- 238000013439 planning Methods 0.000 claims abstract description 10
- 238000012937 correction Methods 0.000 claims description 77
- 239000013598 vector Substances 0.000 claims description 46
- 238000012795 verification Methods 0.000 claims description 28
- 238000005259 measurement Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 17
- 230000001788 irregular Effects 0.000 claims description 16
- 238000005457 optimization Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000013178 mathematical model Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 7
- 239000011435 rock Substances 0.000 claims description 7
- 230000004888 barrier function Effects 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims 1
- 230000000007 visual effect Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 11
- 239000000463 material Substances 0.000 description 5
- 230000007547 defect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000011835 investigation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
- G01C11/30—Interpretation of pictures by triangulation
- G01C11/34—Aerial triangulation
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02D—FOUNDATIONS; EXCAVATIONS; EMBANKMENTS; UNDERGROUND OR UNDERWATER STRUCTURES
- E02D1/00—Investigation of foundation soil in situ
- E02D1/02—Investigation of foundation soil in situ before construction work
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02D—FOUNDATIONS; EXCAVATIONS; EMBANKMENTS; UNDERGROUND OR UNDERWATER STRUCTURES
- E02D17/00—Excavations; Bordering of excavations; Making embankments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C7/00—Tracing profiles
- G01C7/02—Tracing profiles of land surfaces
- G01C7/04—Tracing profiles of land surfaces involving a vehicle which moves along the profile to be traced
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- 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
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
- B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
- B64U2101/31—UAVs specially adapted for particular uses or applications for imaging, photography or videography for surveillance
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2201/00—UAVs characterised by their flight controls
- B64U2201/10—UAVs characterised by their flight controls autonomous, i.e. by navigating independently from ground or air stations, e.g. by using inertial navigation systems [INS]
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Software Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Life Sciences & Earth Sciences (AREA)
- Paleontology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Civil Engineering (AREA)
- Electromagnetism (AREA)
- Structural Engineering (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Geometry (AREA)
- Analytical Chemistry (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Computer Graphics (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Soil Sciences (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Chemical & Material Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
Abstract
本发明公开了一种基于无人机倾斜摄影辅助土方开挖施工的方法,该方法包括以下步骤:S1、按照土方工程项目策划分配先遣无人机;S2、派遣先遣无人机进行全区域倾斜摄影与激光雷达定位;S3、利用倾斜摄影数据与雷达定位数据进行三维建模,对全区域场景进行识别分析并构建数字孪生模型;S4、利用数字孪生模型进行施工仿真模拟;S5、依据实际施工方案分配工程施工任务;S6、设定巡检周期,派遣巡检无人机对实际施工场地进行周期性监测;S7、获取巡检无人机实时采集的摄影监测数据。本发明通过针对土方工程项目设定全区域巡航任务,将倾斜摄影与激光雷达定位结合,实现高精度的三维场景数据采集,及土方工程场地的实时可视化呈现。
Description
技术领域
本发明涉及无人机倾斜摄影技术领域,具体来说,涉及一种基于无人机倾斜摄影辅助土方开挖施工的方法。
背景技术
土方开挖是指通过机械设备和工具,将土壤、岩石等材料从地面或地下挖掘、开采或挖掘的过程。它通常用于建筑、工程、道路建设、矿山等领域。土方开挖的主要设备包括挖掘机、推土机、装载机、铲车等。在进行土方开挖之前,需要进行一系列准备工作,包括对现场进行勘察、设计开挖方案、确定挖掘深度、准备材料和设备等。同时,还需要考虑到安全问题,采取必要的安全措施保障工人的生命安全。
传统的土方开挖方法主要依赖于测量师进行手工测量,操作难度大,效率低,且测量结果精度难以保证。同时,由于人工测量难以达到完全覆盖和细致的要求,导致土方工程中存在大量未知区域,可能存在隐患,增加了工程建设风险。因此,需要借助现代技术对土方工程进行精准的测量和建模,以提高工作效率和精度。
倾斜摄影指的是在摄影过程中将相机倾斜一定角度,从而使照片中的主体或背景出现倾斜的效果。这种摄影技巧常常用于创造视觉冲击力强烈的效果,能够给人留下深刻印象。而无人机倾斜摄影是一种应用无人机技术进行的倾斜摄影,利用无人机上搭载的倾斜摄影仪器,在飞行过程中拍摄地面影像,生成倾斜摄影影像。与传统的倾斜摄影相比,无人机倾斜摄影具有更高的灵活性和精度,能够更好地拍摄到地形复杂或难以到达的区域,如山区、河谷、建筑群等。同时,由于无人机能够稳定地飞行,倾斜摄影仪器也能够准确地定位和控制倾斜角度,生成的影像更加精确、清晰。
无人机倾斜摄影技术可以在较短时间内获取大量高精度数据,因此在土方工程中被广泛应用。现有的无人机倾斜摄影技术已经能够满足土方工程的需求,但在实际应用中仍存在一些改进不足之处。
例如,1.定位精度不高:倾斜摄影中的相机位姿需要通过GPS/INS等传感器进行测量,而这些传感器存在定位误差,导致相机位姿精度不高,影响模型精度。2.数据密度不足:倾斜摄影获取的点云数据密度较低,不能够完全反映出地面上物体的形态和细节,影响后续的建模和分析。3.无法有效识别地面障碍物:倾斜摄影只能够获取地面上的影像信息,对于地面上的障碍物(如石头、管道等)无法进行有效的识别和测量。
针对相关技术中的问题,目前尚未提出有效的解决方案。
发明内容
针对现有技术的不足,本发明提供了基于无人机倾斜摄影辅助土方开挖施工的方法,具备应用无人机倾斜摄影、激光雷达定位和数字孪生模型等技术在土方工程领域,可以实现高效、高精度的土方工程场地信息采集、施工仿真模拟和巡检监测,提高土方工程的施工效率和质量,降低土方工程的安全风险和成本开支的优点,进而解决现有倾斜摄影技术在施工领域存在精度不足、障碍识别不清晰的问题。
为实现上述应用无人机倾斜摄影、激光雷达定位和数字孪生模型等技术在土方工程领域,可以实现高效、高精度的土方工程场地信息采集、施工仿真模拟和巡检监测,提高土方工程的施工效率和质量,降低土方工程的安全风险和成本开支的优点,本发明采用的具体技术方案如下:
一种基于无人机倾斜摄影辅助土方开挖施工的方法,该方法包括以下步骤:
S1、按照土方工程项目策划分配先遣无人机,设定全区域巡航任务;
S2、派遣先遣无人机进行全区域倾斜摄影与激光雷达定位;
S3、利用倾斜摄影数据与雷达定位数据进行三维建模,对全区域场景进行识别分析并构建数字孪生模型,再进行模型精度校验与重构优化;
S4、利用数字孪生模型进行施工仿真模拟,生成实际施工方案;
S5、依据实际施工方案分配工程施工任务,进行土方开挖施工;
S6、设定巡检周期,派遣巡检无人机对实际施工场地进行周期性监测;
S7、获取巡检无人机实时采集的摄影监测数据,同步至数字孪生模型,并对开挖进度及施工质量的进行分析评价。
进一步地,派遣先遣无人机进行全区域倾斜摄影与激光雷达定位包括以下步骤:
S21、选取土方工程全区域内任意区域作为校正区域,并在校正区域内设定八个组成立方体结构的模型校正点;
S22、设定测量得到的地面分辨率的最低标准,依据先遣无人机携带的摄像镜头焦距计算先遣无人机飞行高度,规划全区域巡航路线;
S23、派遣先遣无人机按照全区域巡航路线进行三角测量,实现全区域倾斜摄影及激光雷达定位。
进一步地,利用倾斜摄影数据与雷达定位数据进行三维建模,对全区域场景进行识别分析并构建数字孪生模型,再进行模型精度校验与重构优化包括以下步骤:
S31、分别对倾斜摄影数据与雷达定位数据进行去噪预处理;
S32、利用点云分割算法对雷达定位数据中原始点云数据进行分类;
S33、利用原始点云数据分类后的地面点云数据,结合倾斜摄影数据生成的密集点云数据构建三维土方模型;
S34、利用人工智能对倾斜摄影数据中出现的障碍物进行识别与标注,并获取不同类型障碍物物理属性参数,在三维土方模型中进行定位;
S35、利用原始点云数据分类后的障碍点云数据构建三维场景模型,并利用倾斜摄影数据进行修饰,与三维土方模型整合得到数字孪生模型;
S36、利用模型校正点对数字孪生模型进行精度校验,根据校验结果对数字孪生模型进行重构优化。
进一步地,原始点云数据包括地面点云数据、障碍点云数据及环境点云数据,障碍物包括建筑、植被、道路、岩石及水体;
八个模型校正点分别构成上下两个水平面,且两两模型校正点为一组,同一组内两个模型校正点保持水平坐标相同、高度不同。
进一步地,利用原始点云数据分类后的地面点云数据,结合倾斜摄影数据生成的密集点云数据构建三维土方模型包括以下步骤:
S331、对原始点云数据进行滤波处理,剔除地面点云数据以外的数据,并利用数据内插方式对数据空洞进行填补;
S332、采用金字塔匹配策略对倾斜摄影数据进行同名点自动匹配以及***光束平差,得到高分辨率的密集点云数据;
S333、对密集点云数据进行分块计算,转化为不规则三角网,并利用不规则三角网构建不规则三角网模型;
S334、利用倾斜摄影数据对不规则三角网模型进行纹理映射;
S335、将填补后的地面点云数据与不规则三角网模型进行融合得到完整的土方工程用三维土方模型。
进一步地,利用原始点云数据分类后的障碍点云数据构建三维场景模型,并利用倾斜摄影数据进行修饰,与三维土方模型整合得到数字孪生模型包括以下步骤:
S351、对各个不同类型的障碍物在三维土方模型中进行定位;
S352、对各个障碍物的关键特征点进行提取,计算每个关键特征点最邻近的n个邻域点并拟合出局部抛物面,并利用最小二乘法计算各个抛物面的拟合系数,再利用拟合系数计算对应关键特征点的局部曲率;
S353、利用计算机自动捕捉局部曲率大于预设曲率阈值的关键特征点,并确定该关键特征点的位置;
S354、依据每个障碍物的类型及其对应的关键特征点,对模型数据库进行遍历,利用模板匹配的方式构建每个障碍物的三维场景模型,并根据该障碍物的类型匹配对应的物理属性参数;
S355、整合三维土方模型内所有障碍物及其物理属性参数,并利用倾斜摄影数据对三维场景模型进行纹理自动映射,最终构建内土方工程全区域的数字孪生模型。
进一步地,利用模型校正点对数字孪生模型进行精度校验,根据校验结果对数字孪生模型进行重构优化包括以下步骤:
S361、确定每个模型校正点在数字孪生模型中对应的虚拟校正点,确定虚拟校正点的位置并计算数字物理量;
S362、获取模型校正点构成的立方体结构的实测物理量;
S363、利用误差分析数学模型计算数字物理量与实测物理量之间的误差量,实现数字孪生模型的精度校验;
S364、选取虚拟校正点及其对应的模型校正点计算模型方向向量与实测方向向量之间的偏移度;
S365、依据精度校验结果与偏移度结果对数字孪生模型进行修正调整及重构优化。
进一步地,利用误差分析数学模型计算数字物理量与实测物理量之间的误差量,实现数字孪生模型的精度校验包括以下步骤:
S3631、分别计算模型校正点、虚拟校正点构成的立方体结构的体积、同组内两个模型校正点的高度差以及同组内两个虚拟校正点的高度差;
S3632、利用误差分析数学模型计算模型校正点与虚拟校正点之间的误差量,误差分析数学模型的计算公式为:
;
式中,Q表示误差量,T R 表示实测物理量中八个模型校正点构成的立方体结构的体积,T S 表示数字物理量中八个虚拟校正点构成的立方体结构的体积,a 1 、a 2 、a 3 分别表示权重值,n表示八个虚拟校正点或八个模型校正点划分的组数,n=4,i表示每两个虚拟校正点或模型校正点所在的组数,R i 表示第i组中两个模型校正点之间的高度差,S i 表示第i组中两个虚拟校正点之间的高度差,R 0 表示四个模型校正点之间的平均高度差。
进一步地,选取虚拟校正点及其对应的模型校正点计算模型方向向量与实测方向向量之间的偏移度包括以下步骤:
S3641、随机选取一个虚拟校正点及其相邻的三个虚拟校正点,并确定对应的模型校正点及其三个相邻的模型校正点;
S3642、计算选定的虚拟校正点与模型校正点三个方向的向量,并分别计算两者之间对应方向向量的偏移值,偏移值计算公式为:
;
式中,表示虚拟校正点的方向向量与模型校正点的方向向量之间的向量偏移值,H j 表示虚拟校正点的方向向量,H l 表示模型校正点的方向向量,(x j ,y j )表示虚拟校正点的向量值,(x l ,y l )表示模型校正点的向量值,/>表示向量差值。
S3643、分别对三个方向向量的向量偏移值进行运算,将运算结果作为数字孪生模型的三个偏移度,运算公式为:
;
式中,U表示偏移度。
进一步地,设定巡检周期,派遣巡检无人机对实际施工场地进行周期性监测包括以下步骤:
S61、根据施工周期设定巡检无人机的巡检周期,并根据实时施工进展设定巡检无人机的巡检路线以及巡检范围;
S62、派遣巡检无人机对施工工地进行巡检倾斜摄影;
S63、利用巡检无人机对施工工地内车辆设备及施工人员位置进行捕获定位,并对施工工地内开挖基坑进行测量。
与现有技术相比,本发明提供了基于无人机倾斜摄影辅助土方开挖施工的方法,具备以下有益效果:
(1)通过针对土方工程项目设定全区域巡航任务,将倾斜摄影与激光雷达定位的结合,可实现高精度的三维场景数据采集,对土方工程区域内的地形、地貌、建筑物、植被等多类型障碍物信息进行高精度获取,再利用高精度三维数据快速构建出数字孪生模型,实现土方工程场地的实时可视化呈现,从而有效提高土方工程的施工效率和施工质量。
(2)通过自动识别多类型障碍物,构建三维土方模型和障碍物组成的三维场景模型,最终整合形成数字孪生模型,可在数字孪生模型中快速准确地定位和识别多类型障碍物,从而提高土方工程的安全性和效率;还可实现全面的施工仿真模拟,通过数字孪生模型对施工方案进行优化和调整,从而最大限度地减少土方工程的风险和成本;另外通过数字孪生模型实现实时监测和精准控制土方工程的进度和质量,及时发现和解决问题,确保土方工程的顺利进行。
(3)通过利用数学模型计算数字孪生模型与实测物理量之间的误差量,实现数字孪生模型的精度校验,并通过重构优化,能够有效提高数字孪生模型的精度和可靠性,根据数字孪生模型的精度校验结果,可以对施工方案进行优化和改进,以确保施工的精度和质量,同时通过提高数字孪生模型的精度和可靠性,可以降低施工成本,减少不必要的重复施工和修复工作,节约时间和资源。
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一些实施例,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,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的基于无人机倾斜摄影辅助土方开挖施工的方法的流程图。
具体实施方式
根据本发明的实施例,提供了一种基于无人机倾斜摄影辅助土方开挖施工的方法。
现结合附图和具体实施方式对本发明进一步说明,如图1所示,根据本发明实施例的基于无人机倾斜摄影辅助土方开挖施工的方法,该方法包括以下步骤:
S1、按照土方工程项目策划分配先遣无人机,设定全区域巡航任务。
在土方工程项目中,可以先遣无人机设定全区域巡航任务,以便对整个工程项目进行综合性、全方位的监测和调查。
按照土方工程项目的策划,分配先遣无人机是指在土方工程项目开始之前,需要将无人机进行部署,并将其分配到相应的区域进行巡航任务。这一步骤是土方工程项目实施的第一步,目的是通过无人机对施工场地进行全区域巡航,获取场地的基础数据,为后续的施工和数据分析提供基础。
在分配先遣无人机时,需要考虑项目的地形、区域大小和施工任务的要求,确定无人机的型号和数量,并制定合理的巡航计划,以便在最短的时间内完成全区域的巡航任务。同时,需要制定相应的安全措施,确保无人机能够安全地进行巡航任务,并减少对周围环境和人员的影响。
S2、派遣先遣无人机进行全区域倾斜摄影与激光雷达定位,包括以下步骤:
S21、选取土方工程全区域内任意区域作为校正区域,并在校正区域内设定八个组成立方体结构的模型校正点。
其中,八个模型校正点分别构成上下两个水平面,且两两模型校正点为一组,同一组内两个模型校正点保持水平坐标相同、高度不同。
S22、设定测量得到的地面分辨率的最低标准,依据先遣无人机携带的摄像镜头焦距计算先遣无人机飞行高度,规划全区域巡航路线。
地面分辨率的最低标准可以根据工程要求和测量精度要求来确定,一般情况下,地面分辨率的最低标准应该越高越好。接下来,利用先遣无人机携带的摄像镜头焦距计算先遣无人机飞行高度,以保证能够满足设定的地面分辨率标准。
实际应用时,根据先遣无人机携带的摄像镜头的像素大小、传感器尺寸、焦距等参数,可以计算出相机的水平视场角和垂直视场角。然后,结合设定的地面分辨率标准,可以根据三角测量原理计算出先遣无人机的飞行高度。根据先遣无人机的飞行高度,可以进一步规划全区域巡航路线,以实现全方位的无人机遥感测量和数据采集。
S23、派遣先遣无人机按照全区域巡航路线进行三角测量,实现全区域倾斜摄影及激光雷达定位。
在无人机倾斜摄影与激光雷达定位中,三角测量是常用的测量方法之一。通过在三维空间中建立三角形网格,测量三角形的各个边长和角度,可以计算出无人机与目标地点之间的距离、高度、角度等信息,从而实现倾斜摄影与激光雷达定位的精确测量。
S3、利用倾斜摄影数据与雷达定位数据进行三维建模,对全区域场景进行识别分析并构建数字孪生模型,再进行模型精度校验与重构优化。
利用倾斜摄影数据和激光雷达定位数据进行三维建模,可以构建出一个高精度的数字模型,包括地形地貌、建筑物、道路、植被等,以及工程施工中可能出现的障碍物等。通过识别分析数字模型中的各种要素,可以更好地了解工程区域的地理环境和构造特征,更好地规划施工方案,并能够预测施工过程中可能出现的问题。
数字孪生模型是实际物理环境与数字环境的双向对应关系,可以在数字环境中模拟实际环境的行为和响应,对工程施工方案进行仿真模拟,预测施工过程中可能出现的问题和难点。同时,数字孪生模型还可以在施工过程中进行实时监测,对施工质量和进度进行评估和优化。
其中,利用倾斜摄影数据与雷达定位数据进行三维建模,对全区域场景进行识别分析并构建数字孪生模型,再进行模型精度校验与重构优化包括以下步骤:
S31、分别对倾斜摄影数据与雷达定位数据进行去噪预处理。
具体的,在进行三维建模前,对倾斜摄影数据和激光雷达定位数据进行去噪预处理可以提高数据质量,避免噪声对建模结果产生干扰。
去噪预处理的具体方法可以根据数据的特点进行选择,如对于倾斜摄影数据,可以使用影像处理软件进行噪声滤波、锐化、降噪等处理;对于激光雷达定位数据,可以使用滤波算法如高斯滤波、中值滤波等进行去噪处理,同时根据数据情况进行参数调整以达到最优效果。
S32、利用点云分割算法对雷达定位数据中原始点云数据进行分类。
原始点云数据包括地面点云数据、障碍点云数据及环境点云数据,障碍物包括建筑、植被、道路、岩石及水体。
S33、利用原始点云数据分类后的地面点云数据,结合倾斜摄影数据生成的密集点云数据构建三维土方模型,包括以下步骤:
S331、对原始点云数据进行滤波处理,剔除地面点云数据以外的数据,并利用数据内插方式对数据空洞进行填补。
S332、采用金字塔匹配策略对倾斜摄影数据进行同名点自动匹配以及***光束平差,得到高分辨率的密集点云数据。
S333、对密集点云数据进行分块计算,转化为不规则三角网,并利用不规则三角网构建不规则三角网模型。
S334、利用倾斜摄影数据对不规则三角网模型进行纹理映射。
利用倾斜摄影数据对不规则三角网模型进行纹理映射,可以将倾斜摄影数据中拍摄到的真实颜色和纹理信息映射到三维模型表面,使得三维模型更加真实、逼真。
倾斜摄影数据中的颜色和纹理信息映射到三角网模型表面。这个过程通常分为两个步骤:
a.生成纹理图像:利用倾斜摄影数据中的照片和相机参数,可以生成每个像素点的颜色值。将这些颜色值整合成一张纹理图像,作为纹理映射的输入。
b.进行纹理映射:根据每个三角形的纹理坐标,将纹理图像中对应位置的颜色值映射到三角形表面,生成带有真实纹理的三维模型。
S335、将填补后的地面点云数据与不规则三角网模型进行融合得到完整的土方工程用三维土方模型。
S34、利用人工智能对倾斜摄影数据中出现的障碍物进行识别与标注,并获取不同类型障碍物物理属性参数,在三维土方模型中进行定位。
构建数字孪生模型需要采集障碍物的物理属性参数,对于常见的建筑、植被、道路、岩石和水体等障碍物,一般需要采集以下属性数据:
建筑:建筑的高度、立面材质、屋顶类型、建筑面积、建筑体量等。
植被:植被的种类、高度、覆盖面积、叶面积指数、树种信息等。
道路:道路的宽度、路面材质、路面坡度、路面质量、道路长度等。
岩石:岩石的类型、大小、形态、颜色、纹理、分布密度等。
水体:水体的类型、深度、水质、面积、水位变化等。
采集上述物理属性参数的方法包括遥感影像解译、现场勘测和其他地理信息采集技术。通过采集和分析这些属性数据,可以更加准确地构建数字孪生模型,为工程规划、设计、施工和管理提供更为精细化的支持。
S35、利用原始点云数据分类后的障碍点云数据构建三维场景模型,并利用倾斜摄影数据进行修饰,与三维土方模型整合得到数字孪生模型,包括以下步骤:
S351、对各个不同类型的障碍物在三维土方模型中进行定位。
S352、对各个障碍物的关键特征点进行提取,计算每个关键特征点最邻近的n个邻域点并拟合出局部抛物面,并利用最小二乘法计算各个抛物面的拟合系数,再利用拟合系数计算对应关键特征点的局部曲率。
;
;
式中,(x,y)表示关键特征点的水平坐标,P(x,y)表示局部抛物面的表达式,A、B、C、D、E、F分别表示局部抛物面的各个拟合系数,K表示关键特征点的局部曲率。
S353、利用计算机自动捕捉局部曲率大于预设曲率阈值的关键特征点,并确定该关键特征点的位置。
S354、依据每个障碍物的类型及其对应的关键特征点,对模型数据库进行遍历,利用模板匹配的方式构建每个障碍物的三维场景模型,并根据该障碍物的类型匹配对应的物理属性参数。
S355、整合三维土方模型内所有障碍物及其物理属性参数,并利用倾斜摄影数据对三维场景模型进行纹理自动映射,最终构建内土方工程全区域的数字孪生模型。
S36、利用模型校正点对数字孪生模型进行精度校验,根据校验结果对数字孪生模型进行重构优化,包括以下步骤:
S361、确定每个模型校正点在数字孪生模型中对应的虚拟校正点,确定虚拟校正点的位置并计算数字物理量。
S362、获取模型校正点构成的立方体结构的实测物理量。
S363、利用误差分析数学模型计算数字物理量与实测物理量之间的误差量,实现数字孪生模型的精度校验,包括以下步骤:
S3631、分别计算模型校正点、虚拟校正点构成的立方体结构的体积、同组内两个模型校正点的高度差以及同组内两个虚拟校正点的高度差。
S3632、利用误差分析数学模型计算模型校正点与虚拟校正点之间的误差量,误差分析数学模型的计算公式为:
;
式中,Q表示误差量,T R 表示实测物理量中八个模型校正点构成的立方体结构的体积,T S 表示数字物理量中八个虚拟校正点构成的立方体结构的体积,a 1 、a 2 、a 3 分别表示权重值,n表示八个虚拟校正点或八个模型校正点划分的组数,n=4,i表示每两个虚拟校正点或模型校正点所在的组数,R i 表示第i组中两个模型校正点之间的高度差,S i 表示第i组中两个虚拟校正点之间的高度差,R 0 表示四个模型校正点之间的平均高度差。
S364、选取虚拟校正点及其对应的模型校正点计算模型方向向量与实测方向向量之间的偏移度,包括以下步骤:
S3641、随机选取一个虚拟校正点及其相邻的三个虚拟校正点,并确定对应的模型校正点及其三个相邻的模型校正点。
S3642、计算选定的虚拟校正点与模型校正点三个方向的向量,并分别计算两者之间对应方向向量的偏移值,偏移值计算公式为:
;
式中,表示虚拟校正点的方向向量与模型校正点的方向向量之间的向量偏移值,H j 表示虚拟校正点的方向向量,H l 表示模型校正点的方向向量,(x j ,y j )表示虚拟校正点的向量值,(x l ,y l )表示模型校正点的向量值,/>表示向量差值。
S3643、分别对三个方向向量的向量偏移值进行运算,将运算结果作为数字孪生模型的三个偏移度,运算公式为:
;
式中,U表示偏移度。
S365、依据精度校验结果与偏移度结果对数字孪生模型进行修正调整及重构优化。
根据精度校验结果和偏移度结果,可以确定数字孪生模型中存在的误差和偏移,并通过修正调整和重构优化来提高数字孪生模型的精度和准确性。具体来说,可以采用以下措施:
根据精度校验结果,对数字孪生模型中存在的误差进行修正,例如对三维土方模型中的高度、体积等参数进行调整,对障碍物模型进行重新标注等。
根据偏移度结果,对数字孪生模型中存在的偏移进行调整,例如对模型中的坐标系进行调整,或对模型中的空间位置信息进行校正。
通过对数字孪生模型中的数据进行重构优化,提高其精度和准确性。例如可以对数字孪生模型中的数据进行加密压缩,或者利用新的数据处理算法来提高模型的分辨率和精度。
S4、利用数字孪生模型进行施工仿真模拟,生成实际施工方案。
通过数字孪生模型可以进行施工进度仿真、工艺模拟、安全风险评估等多个方面的模拟,帮助实现施工过程的优化和控制。
在施工仿真模拟中,可以通过数字孪生模型对施工过程中的风险因素进行评估,如机械设备的移动、物料的搬运、人员的活动等,从而提前识别可能存在的问题,并制定出针对性的解决方案。
基于数字孪生模型,可以进行不同土方开挖方案的模拟,评估其对场地环境和结构的影响,并确定最佳的开挖方案,从而最大程度地减少对现场环境和结构的影响,提高施工效率和质量。利用数字孪生模型进行施工仿真模拟,可以模拟不同条件下的土方开挖过程,评估施工风险,帮助施工团队预测可能出现的问题,并及时调整方案,减少施工风险,保证施工安全。
S5、依据实际施工方案分配工程施工任务,进行土方开挖施工。
S6、设定巡检周期,派遣巡检无人机对实际施工场地进行周期性监测。
设定巡检周期,派遣巡检无人机对实际施工场地进行周期性监测包括以下步骤:
S61、根据施工周期设定巡检无人机的巡检周期,并根据实时施工进展设定巡检无人机的巡检路线以及巡检范围。
S62、派遣巡检无人机对施工工地进行巡检倾斜摄影。
S63、利用巡检无人机对施工工地内车辆设备及施工人员位置进行捕获定位,并对施工工地内开挖基坑进行测量。
S7、获取巡检无人机实时采集的摄影监测数据,同步至数字孪生模型,并对开挖进度及施工质量的进行分析评价。
获取巡检无人机实时采集的摄影监测数据,可以通过图像处理技术对数据进行处理和分析,包括:利用图像分割技术提取出数字孪生模型中的土方区域,对比实际摄影数据中土方区域的像素值,以此评估土方开挖进度。
利用计算机视觉技术检测出数字孪生模型中的土方区域中的裂缝、塌方等缺陷情况,对比实际摄影数据中的缺陷情况,以此评估施工质量。
通过对数字孪生模型和实际监测数据的对比分析,可以及时发现土方开挖施工中的问题,并进行调整和优化,从而提高施工效率和质量。
综上所述,借助于本发明的上述技术方案,通过针对土方工程项目设定全区域巡航任务,将倾斜摄影与激光雷达定位的结合,可实现高精度的三维场景数据采集,对土方工程区域内的地形、地貌、建筑物、植被等多类型障碍物信息进行高精度获取,再利用高精度三维数据快速构建出数字孪生模型,实现土方工程场地的实时可视化呈现,从而有效提高土方工程的施工效率和施工质量。通过自动识别多类型障碍物,构建三维土方模型和障碍物组成的三维场景模型,最终整合形成数字孪生模型,可在数字孪生模型中快速准确地定位和识别多类型障碍物,从而提高土方工程的安全性和效率;还可实现全面的施工仿真模拟,通过数字孪生模型对施工方案进行优化和调整,从而最大限度地减少土方工程的风险和成本;另外通过数字孪生模型实现实时监测和精准控制土方工程的进度和质量,及时发现和解决问题,确保土方工程的顺利进行。通过利用数学模型计算数字孪生模型与实测物理量之间的误差量,实现数字孪生模型的精度校验,并通过重构优化,能够有效提高数字孪生模型的精度和可靠性,根据数字孪生模型的精度校验结果,可以对施工方案进行优化和改进,以确保施工的精度和质量,同时通过提高数字孪生模型的精度和可靠性,可以降低施工成本,减少不必要的重复施工和修复工作,节约时间和资源。
以上所述仅为本发明的较佳实施例而已,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 (10)
1.一种基于无人机倾斜摄影辅助土方开挖施工的方法,其特征在于,该方法包括以下步骤:
S1、按照土方工程项目策划分配先遣无人机,设定全区域巡航任务;
S2、派遣所述先遣无人机进行全区域倾斜摄影与激光雷达定位;
S3、利用倾斜摄影数据与雷达定位数据进行三维建模,对全区域场景进行识别分析并构建数字孪生模型,再进行模型精度校验与重构优化;
S4、利用所述数字孪生模型进行施工仿真模拟,生成实际施工方案;
S5、依据所述实际施工方案分配工程施工任务,进行土方开挖施工;
S6、设定巡检周期,派遣巡检无人机对实际施工场地进行周期性监测;
S7、获取所述巡检无人机实时采集的摄影监测数据,同步至所述数字孪生模型,并对开挖进度及施工质量的进行分析评价。
2.根据权利要求1所述的一种基于无人机倾斜摄影辅助土方开挖施工的方法,其特征在于,所述派遣所述先遣无人机进行全区域倾斜摄影与激光雷达定位包括以下步骤:
S21、选取土方工程全区域内任意区域作为校正区域,并在所述校正区域内设定八个组成立方体结构的模型校正点;
S22、设定测量得到的地面分辨率的最低标准,依据所述先遣无人机携带的摄像镜头焦距计算所述先遣无人机飞行高度,规划全区域巡航路线;
S23、派遣所述先遣无人机按照所述全区域巡航路线进行三角测量,实现全区域倾斜摄影及激光雷达定位。
3.根据权利要求2所述的一种基于无人机倾斜摄影辅助土方开挖施工的方法,其特征在于,所述利用倾斜摄影数据与雷达定位数据进行三维建模,对全区域场景进行识别分析并构建数字孪生模型,再进行模型精度校验与重构优化包括以下步骤:
S31、分别对所述倾斜摄影数据与所述雷达定位数据进行去噪预处理;
S32、利用点云分割算法对所述雷达定位数据中原始点云数据进行分类;
S33、利用所述原始点云数据分类后的地面点云数据,结合所述倾斜摄影数据生成的密集点云数据构建三维土方模型;
S34、利用人工智能对所述倾斜摄影数据中出现的障碍物进行识别与标注,并获取不同类型障碍物物理属性参数,在所述三维土方模型中进行定位;
S35、利用原始点云数据分类后的障碍点云数据构建三维场景模型,并利用所述倾斜摄影数据进行修饰,与所述三维土方模型整合得到数字孪生模型;
S36、利用模型校正点对所述数字孪生模型进行精度校验,根据校验结果对所述数字孪生模型进行重构优化。
4.根据权利要求3所述的一种基于无人机倾斜摄影辅助土方开挖施工的方法,其特征在于,所述原始点云数据包括地面点云数据、障碍点云数据及环境点云数据,所述障碍物包括建筑、植被、道路、岩石及水体;
八个所述模型校正点分别构成上下两个水平面,且两两所述模型校正点为一组,同一组内两个所述模型校正点保持水平坐标相同、高度不同。
5.根据权利要求4所述的一种基于无人机倾斜摄影辅助土方开挖施工的方法,其特征在于,所述利用所述原始点云数据分类后的地面点云数据,结合所述倾斜摄影数据生成的密集点云数据构建三维土方模型包括以下步骤:
S331、对所述原始点云数据进行滤波处理,剔除所述地面点云数据以外的数据,并利用数据内插方式对数据空洞进行填补;
S332、采用金字塔匹配策略对所述倾斜摄影数据进行同名点自动匹配以及***光束平差,得到高分辨率的密集点云数据;
S333、对所述密集点云数据进行分块计算,转化为不规则三角网,并利用所述不规则三角网构建不规则三角网模型;
S334、利用所述倾斜摄影数据对所述不规则三角网模型进行纹理映射;
S335、将填补后的所述地面点云数据与所述不规则三角网模型进行融合得到完整的土方工程用三维土方模型。
6.根据权利要求5所述的一种基于无人机倾斜摄影辅助土方开挖施工的方法,其特征在于,所述利用原始点云数据分类后的障碍点云数据构建三维场景模型,并利用所述倾斜摄影数据进行修饰,与所述三维土方模型整合得到数字孪生模型包括以下步骤:
S351、对各个不同类型的所述障碍物在所述三维土方模型中进行定位;
S352、对各个所述障碍物的关键特征点进行提取,计算每个所述关键特征点最邻近的n个邻域点并拟合出局部抛物面,并利用最小二乘法计算各个抛物面的拟合系数,再利用拟合系数计算对应所述关键特征点的局部曲率;
S353、利用计算机自动捕捉所述局部曲率大于预设曲率阈值的所述关键特征点,并确定该所述关键特征点的位置;
S354、依据每个所述障碍物的类型及其对应的所述关键特征点,对模型数据库进行遍历,利用模板匹配的方式构建每个所述障碍物的三维场景模型,并根据该障碍物的类型匹配对应的物理属性参数;
S355、整合所述三维土方模型内所有障碍物及其所述物理属性参数,并利用所述倾斜摄影数据对所述三维场景模型进行纹理自动映射,最终构建内土方工程全区域的数字孪生模型。
7.根据权利要求6所述的一种基于无人机倾斜摄影辅助土方开挖施工的方法,其特征在于,所述利用模型校正点对所述数字孪生模型进行精度校验,根据校验结果对所述数字孪生模型进行重构优化包括以下步骤:
S361、确定每个所述模型校正点在所述数字孪生模型中对应的虚拟校正点,确定所述虚拟校正点的位置并计算数字物理量;
S362、获取所述模型校正点构成的立方体结构的实测物理量;
S363、利用误差分析数学模型计算所述数字物理量与所述实测物理量之间的误差量,实现所述数字孪生模型的精度校验;
S364、选取所述虚拟校正点及其对应的模型校正点计算模型方向向量与实测方向向量之间的偏移度;
S365、依据精度校验结果与所述偏移度结果对所述数字孪生模型进行修正调整及重构优化。
8.根据权利要求7所述的一种基于无人机倾斜摄影辅助土方开挖施工的方法,其特征在于,所述利用误差分析数学模型计算所述数字物理量与所述实测物理量之间的误差量,实现所述数字孪生模型的精度校验包括以下步骤:
S3631、分别计算所述模型校正点、所述虚拟校正点构成的立方体结构的体积、同组内两个所述模型校正点的高度差以及同组内两个所述虚拟校正点的高度差;
S3632、利用所述误差分析数学模型计算所述模型校正点与所述虚拟校正点之间的误差量,所述误差分析数学模型的计算公式为:
;
式中,Q表示误差量;
T R 表示实测物理量中八个模型校正点构成的立方体结构的体积;
T S 表示数字物理量中八个虚拟校正点构成的立方体结构的体积;
a 1 、a 2 、a 3 分别表示权重值;
n表示八个虚拟校正点或八个模型校正点划分的组数,n=4;
i表示每两个虚拟校正点或模型校正点所在的组数;
R i 表示第i组中两个模型校正点之间的高度差;
S i 表示第i组中两个虚拟校正点之间的高度差;
R 0 表示四个模型校正点之间的平均高度差。
9.根据权利要求7所述的一种基于无人机倾斜摄影辅助土方开挖施工的方法,其特征在于,所述选取所述虚拟校正点及其对应的模型校正点计算模型方向向量与实测方向向量之间的偏移度包括以下步骤:
S3641、随机选取一个所述虚拟校正点及其相邻的三个所述虚拟校正点,并确定对应的所述模型校正点及其三个相邻的所述模型校正点;
S3642、计算选定的所述虚拟校正点与所述模型校正点三个方向的向量,并分别计算两者之间对应方向向量的偏移值,偏移值计算公式为:
;
式中,表示虚拟校正点的方向向量与模型校正点的方向向量之间的向量偏移值;
H j 表示虚拟校正点的方向向量;
H l 表示模型校正点的方向向量;
(x j ,y j )表示虚拟校正点的向量值;
(x l ,y l )表示模型校正点的向量值;
表示向量差值;
S3643、分别对三个方向向量的所述向量偏移值进行运算,将运算结果作为所述数字孪生模型的三个偏移度,运算公式为:
;
式中,U表示偏移度。
10.根据权利要求1所述的一种基于无人机倾斜摄影辅助土方开挖施工的方法,其特征在于,所述设定巡检周期,派遣巡检无人机对实际施工场地进行周期性监测包括以下步骤:
S61、根据施工周期设定巡检无人机的巡检周期,并根据实时施工进展设定所述巡检无人机的巡检路线以及巡检范围;
S62、派遣所述巡检无人机对施工工地进行巡检倾斜摄影;
S63、利用所述巡检无人机对施工工地内车辆设备及施工人员位置进行捕获定位,并对所述施工工地内开挖基坑进行测量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310717761.8A CN116448080B (zh) | 2023-06-16 | 2023-06-16 | 一种基于无人机倾斜摄影辅助土方开挖施工的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310717761.8A CN116448080B (zh) | 2023-06-16 | 2023-06-16 | 一种基于无人机倾斜摄影辅助土方开挖施工的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116448080A true CN116448080A (zh) | 2023-07-18 |
CN116448080B CN116448080B (zh) | 2023-09-05 |
Family
ID=87124146
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310717761.8A Active CN116448080B (zh) | 2023-06-16 | 2023-06-16 | 一种基于无人机倾斜摄影辅助土方开挖施工的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116448080B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116793256A (zh) * | 2023-08-21 | 2023-09-22 | 中铁十九局集团第六工程有限公司 | 一种基于三维激光扫描建模的土方智能测量方法及*** |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090154793A1 (en) * | 2007-12-17 | 2009-06-18 | Electronics And Telecommunications Research Institute | Digital photogrammetric method and apparatus using intergrated modeling of different types of sensors |
CN109520479A (zh) * | 2019-01-15 | 2019-03-26 | 成都建工集团有限公司 | 基于无人机倾斜摄影辅助土方开挖施工的方法 |
WO2021031336A1 (zh) * | 2019-08-16 | 2021-02-25 | 清华大学 | 一种基于建筑信息模型的施工进度资源自动优化方法 |
CN112927360A (zh) * | 2021-03-24 | 2021-06-08 | 广州蓝图地理信息技术有限公司 | 一种基于倾斜模型与激光点云数据融合的三维建模方法和*** |
CN112927370A (zh) * | 2021-02-25 | 2021-06-08 | 苍穹数码技术股份有限公司 | 三维建筑物模型构建方法、装置、电子设备及存储介质 |
CN113012292A (zh) * | 2021-04-28 | 2021-06-22 | 昭通亮风台信息科技有限公司 | 一种基于无人机航拍的ar远程施工监控方法及*** |
CN113050649A (zh) * | 2021-03-24 | 2021-06-29 | 西安科技大学 | 一种数字孪生驱动的巡检机器人远程控制***及方法 |
US20210381846A1 (en) * | 2020-12-15 | 2021-12-09 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Methods and apparatuses for navigation guidance and establishing a three-dimensional real scene model, device and medium |
CN114637026A (zh) * | 2022-03-18 | 2022-06-17 | 福建和盛高科技产业有限公司 | 一种基于三维仿真技术实现输电线路在线监测与智能巡检的方法 |
CN114943890A (zh) * | 2022-03-31 | 2022-08-26 | 国网福建省电力有限公司经济技术研究院 | 采用无人机载激光点云的变电站场地平整识别方法 |
CN115713607A (zh) * | 2022-10-21 | 2023-02-24 | 哈工大机器人(山东)智能装备研究院 | 基于激光雷达和倾斜摄影提升建模质量的方法 |
CN115936437A (zh) * | 2022-12-23 | 2023-04-07 | 浙江浙峰云智科技有限公司 | 一种基于数字孪生仿真平台的基坑施工风险评估方法及*** |
-
2023
- 2023-06-16 CN CN202310717761.8A patent/CN116448080B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090154793A1 (en) * | 2007-12-17 | 2009-06-18 | Electronics And Telecommunications Research Institute | Digital photogrammetric method and apparatus using intergrated modeling of different types of sensors |
CN109520479A (zh) * | 2019-01-15 | 2019-03-26 | 成都建工集团有限公司 | 基于无人机倾斜摄影辅助土方开挖施工的方法 |
WO2021031336A1 (zh) * | 2019-08-16 | 2021-02-25 | 清华大学 | 一种基于建筑信息模型的施工进度资源自动优化方法 |
US20210381846A1 (en) * | 2020-12-15 | 2021-12-09 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Methods and apparatuses for navigation guidance and establishing a three-dimensional real scene model, device and medium |
CN112927370A (zh) * | 2021-02-25 | 2021-06-08 | 苍穹数码技术股份有限公司 | 三维建筑物模型构建方法、装置、电子设备及存储介质 |
CN112927360A (zh) * | 2021-03-24 | 2021-06-08 | 广州蓝图地理信息技术有限公司 | 一种基于倾斜模型与激光点云数据融合的三维建模方法和*** |
CN113050649A (zh) * | 2021-03-24 | 2021-06-29 | 西安科技大学 | 一种数字孪生驱动的巡检机器人远程控制***及方法 |
CN113012292A (zh) * | 2021-04-28 | 2021-06-22 | 昭通亮风台信息科技有限公司 | 一种基于无人机航拍的ar远程施工监控方法及*** |
CN114637026A (zh) * | 2022-03-18 | 2022-06-17 | 福建和盛高科技产业有限公司 | 一种基于三维仿真技术实现输电线路在线监测与智能巡检的方法 |
CN114943890A (zh) * | 2022-03-31 | 2022-08-26 | 国网福建省电力有限公司经济技术研究院 | 采用无人机载激光点云的变电站场地平整识别方法 |
CN115713607A (zh) * | 2022-10-21 | 2023-02-24 | 哈工大机器人(山东)智能装备研究院 | 基于激光雷达和倾斜摄影提升建模质量的方法 |
CN115936437A (zh) * | 2022-12-23 | 2023-04-07 | 浙江浙峰云智科技有限公司 | 一种基于数字孪生仿真平台的基坑施工风险评估方法及*** |
Non-Patent Citations (1)
Title |
---|
韩光;陈龙庆;许义;王伟;路健;: "基于激光雷达与倾斜摄影融合技术的电力巡检***设计", 机械与电子, no. 10 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116793256A (zh) * | 2023-08-21 | 2023-09-22 | 中铁十九局集团第六工程有限公司 | 一种基于三维激光扫描建模的土方智能测量方法及*** |
CN116793256B (zh) * | 2023-08-21 | 2023-10-27 | 中铁十九局集团第六工程有限公司 | 一种基于三维激光扫描建模的土方智能测量方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN116448080B (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110285792B (zh) | 一种无人机倾斜摄影精细格网土方计量方法 | |
CN107066758B (zh) | 基于无人机摄影技术及bim技术下的室外施工方法 | |
CN105783810B (zh) | 基于无人机摄影技术的工程土方量测量方法 | |
CN102506824B (zh) | 一种城市低空无人机***生成数字正射影像图的方法 | |
CN112288848A (zh) | 无人机航拍三维建模计算工程量的方法 | |
Wang et al. | Estimating earthwork volumes through use of unmanned aerial systems | |
CN116448080B (zh) | 一种基于无人机倾斜摄影辅助土方开挖施工的方法 | |
CN115014224A (zh) | 基于LiDAR点云与倾斜航空影像的地表形变监测方法 | |
CN113032977A (zh) | 基于无人机逆建模技术的土石方量测算方法 | |
CN111256730A (zh) | 一种用于低空倾斜摄影测量技术的土方平衡修正计算方法 | |
WO2022104251A1 (en) | Image analysis for aerial images | |
CN114898053A (zh) | 基于三维空间影像技术的碎裂松动岩体发育范围圈定方法 | |
CN109063638A (zh) | 基于倾斜摄影预测废弃物产生量的方法、***及介质 | |
CN113538668A (zh) | 地质模型构建方法、***、存储介质以及电子设备 | |
CN114943890A (zh) | 采用无人机载激光点云的变电站场地平整识别方法 | |
CN117152358B (zh) | 一种用于检验的模拟激光点云获取方法 | |
Rebelo et al. | Building 3D city models: Testing and comparing Laser scanning and low-cost UAV data using FOSS technologies | |
CN116912443A (zh) | 一种使用无人机航测技术的矿区点云和影像融合建模方法 | |
CN111898869A (zh) | 一种结合倾斜摄影、rtk和bim技术的土石方测量计算方法 | |
CN116778097A (zh) | 一种基于无人机倾斜摄影技术与bim技术的场地设计方法 | |
CN115601517A (zh) | 岩体结构面信息采集方法、装置、电子设备及存储介质 | |
Casierra et al. | Methodology for Infrastructure Site Monitoring using Unmanned Aerial Vehicles (UAVs) | |
Sobak et al. | Terrestrial laser scanning assessment of generalization errors in conventional topographic surveys | |
Kaartinen et al. | EuroSDR building extraction comparison | |
Bioresita et al. | 3D Modelling of Sanggrahan Temple Using UAV Imagery and Terrestrial Photogrammetry Method |
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 |