一种BIM模型与全景图像融合比对的工程云眼系统技术方案

本发明专利技术提供了一种BIM模型与全景图像融合比对的工程云眼系统，包括有控制模块，所述控制模块上电性连接有数据处理模块，所述数据处理模块上电性连接有通讯模块，所述通讯模块上电性连接有视频模块；所述数据处理模块上电性连接有全景模块和BIM模块，所述全景模块和所述BIM模块上共同电性连接有图像比较模块，所述图像比较模块上电性连接有图像处理模块，所述图像处理模块上电性连接有图像融合模块；本发明专利技术通过通讯模块和数据处理模块实现对视频模块中采集的数据信息进行传输，通过全景模块和BIM模块实现对云眼系统进行图像处理，实现对全景图像和三维图像进行比较后进行融合处理，形成新的实景三维图像，便于云眼系统能够形成和实景相同的图像。形成和实景相同的图像。形成和实景相同的图像。

【技术实现步骤摘要】
一种BIM模型与全景图像融合比对的工程云眼系统


[0001]本专利技术涉及云眼系统领域，具体而言，涉及一种BIM模型与全景图像融合比对的工程云眼系统。

技术介绍

[0002]全景图通过广角的表现手段以及绘画、相片、视频、三维模型等形式，尽可能多表现出周围的环境。360全景，即通过对专业相机捕捉整个场景的图像信息或者使用建模软件渲染过后的图片，使用软件进行图片拼合，并用专门的播放器进行播放，即将平面照片或者计算机建模图片变为360度全观，用于虚拟现实浏览，把二维的平面图模拟成真实的三维空间，呈现给观赏者。
[0003]建筑信息模型是建筑学、工程学及土木工程的新工具。它是来形容那些以三维图形为主、物件导向、建筑学有关的电脑辅助设计。它可以帮助实现建筑信息的集成，从建筑的设计、施工、运行直至建筑全寿命周期的终结，各种信息始终整合于一个三维模型信息数据库中，设计团队、施工单位、设施运营部门和业主等各方人员可以基于BIM进行协同工作，有效提高工作效率、节省资源、降低成本、以实现可持续发展。
[0004]BIM的核心是通过建立虚拟的建筑工程三维模型，利用数字化技术，为这个模型提供完整的、与实际情况一致的建筑工程信息库。该信息库不仅包含描述建筑物构件的几何信息、专业属性及状态信息，还包含了非构件对象(如空间、运动行为)的状态信息。借助这个包含建筑工程信息的三维模型，大大提高了建筑工程的信息集成化程度，从而为建筑工程项目的相关利益方提供了一个工程信息交换和共享的平台。
[0005]随着建筑工程的日新月异，建筑工程现在越来越实现智能化，对于建筑模型的建设，以及实现实时更新，通过云眼系统实现对数据建筑工程进行全景展示。
[0006]但是，现有的工程云眼系统存在有以下问题：
[0007]即现有的工程云眼系统仅仅是对采集的图像信息进行处理，然后实现融合，形成全景图像，但是，并且有结合建筑工程在检测之初建设的BIM模型进行结合，使得全景图在使用的时候，脱离的设计之初，无法有效的实现对建筑工程进行比对和校准，容易造成实际建设的过程脱离初始设计等问题。

技术实现思路

[0008]为了弥补以上不足，本专利技术提供了一种BIM模型与全景图像融合比对的工程云眼系统，旨在改善现有的工程云眼系统仅仅是对采集的图像信息进行处理，然后实现融合，形成全景图像，但是，并且有结合建筑工程在检测之初建设的BIM模型进行结合，使得全景图在使用的时候，脱离的设计之初，无法有效的实现对建筑工程进行比对和校准，容易造成实际建设的过程脱离初始设计等问题的问题。
[0009]本专利技术是这样实现的：
[0010]一种BIM模型与全景图像融合比对的工程云眼系统，包括有控制模块，所述控制模
块上电性连接有数据处理模块，所述数据处理模块上电性连接有通讯模块，所述通讯模块上电性连接有视频模块，所述数据处理模块用于实现对数据信息进行处理，提高数据信息传输的精准度和安全性，所述通讯模块用于实现对数据信息进行通讯传输，实现对所述视频模块采集的图像进行实时的传输，保持数据信息的更新，提高精准度，所述视频模块用于实现对建筑工程的现场进行实时的图像拍摄，并且所述视频模块采用的是鱼眼相机；
[0011]所述数据处理模块上电性连接有全景模块和BIM模块，所述全景模块和所述BIM模块上共同电性连接有图像比较模块，所述图像比较模块上电性连接有图像处理模块，所述图像处理模块上电性连接有图像融合模块，所述全景模块用于实现对所述视频模块采集到的图像进行接收和处理，并且实现对图像信息进行预处理，所述BIM模块用于实现对BIM模型进行存储，并且在使用的过程中，实现对实际的建造过程中的一些参数进行录入，实现对BIM模型进行更新，所述图像比对模块通过对图像的特征进行比较，实现对图像进行分析和认定，所述图像处理模块用于实现对图像信息进行图像增强和复原、图像分割，所述图像增强和复原能够提高图像的质量，如去除噪声，提高图像的清晰度，所述图像分割将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础，所述图像融合模块是采用图像拼接技术将数张有重叠部分的图像拼成一幅无缝的全景图或高分辨率图像的技术，并且结合BIM模型生成三维视图；
[0012]所述图像分割是基于提高特征分辨率的分割方法实现的，所述基于提高特征分辨率的分割方法采用的是深度卷积神经网络进行计算处理，所述深度卷积神经网络的计算公式如下；
[0013]则输入的图片矩阵以及后面的卷积核,特征图矩阵都是方阵,设输入矩阵大小为w，卷积核大小为k，步幅为s，补零层数为p，则卷积后产生的特征图大小计算公式为:
[0014][0015]输入公式为：
[0016]V＝cosv2(W,X,"valid")+b，
[0017]输出公式为：
[0018][0019]上面的输入输出公式是对每一个卷积层而言的，每一个卷积层都有一个不同的权重矩阵W，并且W，X，Y是矩阵形式，对于最后一层全连接层，设为第L层,输出是向量形式的y
L
，期望输出是d，则有总误差公式：
[0020][0021]conv2()是Matlab中卷积运算的函数，第三个参数valid指明卷积运算的类型，前面介绍的卷积方式就是valid型，W是卷积核矩阵，X是输入矩阵，b是偏置，是激活函数，总误差中的d，y分别是期望输出和网络输出的向量，||x||2表示向量x的2
‑
范数，计算表达式为全连接层神经元的输入输出计算公式与BP网络完全相同。
[0022]本专利技术的一种实施例中，所述通讯模块上通讯连接有移动设备，所述移动设备包
括有收集、笔记本电脑和平板，所述移动设备用于实现实时的获取工程建设的全景图，便于实时的进行监控处理。
[0023]本专利技术的一种实施例中，所述数据处理模块包括有用于接收数据信息的信息获取电路、用于转换数据信息的信息转换电路、用于放大数据信息的信息增益电路和用于实现对数据信息中的杂波进行滤除的信息滤波电路；
[0024]所述信息滤波电路采用的是二阶IIR低通滤波器；
[0025]所述二阶IIR低通滤波的计算公式如下：
[0026][0027]y(n)为输出数据，x
n
为输入数据，a和b为滤波器的系数，n为滤波次数，k＝0为该次处理的数据信息，k＝1为下次处理的数据信息，n
‑
k为数据信息的位置。
[0028]本专利技术的一种实施例中，所述全景模块中采用FAST角点特征提取实现对图像进行识别，所述FAST角点特征提取要判断一个候选点是否为角点，依据的是在一个像素点为圆心，半径为3个像素的离散化Bresenllam圆周上，在给定阈值的条件下，确定在圆周上有多个连续的像素灰度值大于或小于，且为了加快算法的检测速度，使用机器学习ID3贪心算法来构建决策树。
[0029]本专利技术的一种实施例中，所述全景模块还对图像进行灰度三色处理处理，所述三色处本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种BIM模型与全景图像融合比对的工程云眼系统，其特征在于，包括有控制模块，所述控制模块上电性连接有数据处理模块，所述数据处理模块上电性连接有通讯模块，所述通讯模块上电性连接有视频模块，所述数据处理模块用于实现对数据信息进行处理，提高数据信息传输的精准度和安全性，所述通讯模块用于实现对数据信息进行通讯传输，实现对所述视频模块采集的图像进行实时的传输，保持数据信息的更新，提高精准度，所述视频模块用于实现对建筑工程的现场进行实时的图像拍摄，并且所述视频模块采用的是鱼眼相机；所述数据处理模块上电性连接有全景模块和BIM模块，所述全景模块和所述BIM模块上共同电性连接有图像比较模块，所述图像比较模块上电性连接有图像处理模块，所述图像处理模块上电性连接有图像融合模块，所述全景模块用于实现对所述视频模块采集到的图像进行接收和处理，并且实现对图像信息进行预处理，所述BIM模块用于实现对BIM模型进行存储，并且在使用的过程中，实现对实际的建造过程中的一些参数进行录入，实现对BIM模型进行更新，所述图像比对模块通过对图像的特征进行比较，实现对图像进行分析和认定，所述图像处理模块用于实现对图像信息进行图像增强和复原、图像分割，所述图像增强和复原能够提高图像的质量，如去除噪声，提高图像的清晰度，所述图像分割将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础，所述图像融合模块是采用图像拼接技术将数张有重叠部分的图像拼成一幅无缝的全景图或高分辨率图像的技术，并且结合BIM模型生成三维视图；所述图像分割是基于提高特征分辨率的分割方法实现的，所述基于提高特征分辨率的分割方法采用的是深度卷积神经网络进行计算处理，所述深度卷积神经网络的计算公式如下；则输入的图片矩阵以及后面的卷积核,特征图矩阵都是方阵,设输入矩阵大小为w，卷积核大小为k，步幅为s，补零层数为p，则卷积后产生的特征图大小计算公式为:输入公式为：V＝cosv2(W,X,"valid")+b，输出公式为：上面的输入输出公式是对每一个卷积层而言的，每一个卷积层都有一个不同的权重矩阵W，并且W，X，Y是矩阵形式，对于最后一层全连接层，设为第L层,输出是向量形式的y
L
，期望输出是d，则有总误差公式：conv2()是Matlab中卷积运算的函数，第三个参数valid指明卷积运算的类型，前面介绍的卷积方式就是valid型，W是卷积核矩阵，X是输入矩阵，b是偏置，是激活函数，总误差中的d，y分别是期望输出和网络输出的向量，||x||2表示向量x的2
‑
范数，计算表达式为
全连接层神经元的输入输出计算公式与BP网络完全相同。2.根据权利要求1所述的一种BIM模型与全景图像融合比对的工程云眼系统，其特征在于，所述通讯模块上通讯连接有移动设备，所述移动设备包括有收集、笔记本电脑和平板，所述移动设备用于实现实时的获取工程建设的全景图，便于实时的进行监控处理。3.根据权利要求2所述的一种BIM模型与全景图像融合比对的工程云眼系统，其特征在于，所述数据处理模块包括有用于接收数据信息的信息获取电路、用于转换数据信息的信息转换电路、用于放大数据信息的信息增益电路和用于实现对数据信息中的杂波进行滤除的信息滤波电路；所述信息滤波电路采用的是二阶IIR低通滤波器；所述二阶IIR低通滤波的计算公式如下：y(n)为输出数据，x
n
为输入数据，a和b为滤波器的系数，n为滤波次数，k＝0为该次处理的数据信息，k＝1为下次处理的数据信息，n
‑
k为数据信息的位置。4.根据权利要求1所述的一种BIM模型与全景图像融合比对的工程云眼系统，其特征在于，所述全景模块中采用FAST角点特征提取实现对图像进行识别，所述FAST角点特征提取要判断一个候选点是否为角点，依据的是在一个像素点为圆心，半径为3个像素的离散化Bresenllam圆周上，在给定阈值的条件下，确...

【专利技术属性】
技术研发人员：刘玉建，轩阳，张龙亮，姚涵斌，王明虎，吉新超，杜喆，黄萌萌，
申请(专利权)人：河北深保投资发展有限公司，
类型：发明
国别省市：