System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及桥梁工程精细化管控,尤其涉及一种知识驱动的桥梁结构施工进度自动跟踪方法及装置。
技术介绍
1、桥梁作为重要的交通枢纽,对于基础交通设施建设具有重要意义。越来越多的大型桥梁在偏远和复杂地形环境下开工建设,然而复杂的工程环境、高难度的结构设计、大规模的工程建设,导致桥梁工程建设周期长、施工工序繁琐、建造难度升级。施工进度管理直接影响项目经济效益,是工程建设管理的核心。如果未能及时掌握桥梁工程施工进度,与施工计划存在偏差、滞后及超期失控都会严重影响工程的人力、物力、财力等资源需求分配计划,严重影响桥梁工程进度与质量,有损企业经济效益以及形象与信誉。因此对整个桥梁工程施工进度进行监测与跟踪,及时准确地掌握工程进度情况,对于整个桥梁工程施工至关重要。
2、在工程项目管理实践中,传统的施工进度管理方法大多通过人工填写工程日志报表、人工检查现场图像文件和数据记录,采用甘特图法管理项目施工进度,工作效率低、主观因素影响大,容易导致施工进度信息更新滞后,施工进度跟踪分析困难。随着数字化与信息化建设,施工进度管理也广泛引入信息化与bim技术以提升智能化管理水平。其中,改进solov2算法用于识别施工进度,将实际进度和差异进度整合到bim模型,实现施工现场的地基施工进度的监测,但只能识别已完成结构的类别,不能识别施工中结构的实际尺寸信息,无法准确识别桥梁施工结构具体的特征信息。基于时间序列和计划模型动态生成建筑模型,结合地理信息与bim模型对施工进度实时可视化,构建施工进度动态控制模型,形成bim+gis的施工进度管理系统,
3、综上,现有的桥梁结构施工进度管理方法存在难以准确获得桥梁工程施工进度、施工计划不能及时动态调整且易与实际脱节等问题,以及三维特征信息的缺乏、施工场景与结构的三维建模和进度对比计算耗时费力且成本高,导致施工进度管理与成本控制难以平衡的问题。
技术实现思路
1、鉴于此,本专利技术实施例提供了一种知识驱动的桥梁结构施工进度自动跟踪方法及装置,以消除或改善现有技术中存在的一个或更多个缺陷。
2、本专利技术的一个方面提供了一种知识驱动的桥梁结构施工进度自动跟踪方法,所述方法包括:
3、确定桥梁施工场地的地理空间范围,获取地理空间范围内的地形模型数据和高分辨率遥感影像,基于地形模型数据和高分辨率遥感影像得到用于表征桥梁施工场地及周围地理环境的地形空间特征信息的三维基础场景模型;
4、基于三维基础场景模型确定无人机的任务航线,通过无人机按照任务航线飞行来获取无人机影像和定姿定位数据,基于无人机影像和定姿定位数据得到用于表征桥梁施工细节的空间特征信息的多层级倾斜三维模型;
5、定期获取施工监测视频,基于施工监测视频构建桥梁施工结构的图像样本训练集和图像样本测试集,利用图像样本训练集对改进的yolo v5s模型进行训练,利用经训练的改进的yolo v5s模型识别和提取图像样本测试集中桥梁施工结构的特征,输出桥梁施工结构的类型和边缘信息,所述改进的yolo v5s模型在yolo v5s模型的基础上增加用于识别桥梁施工结构边缘轮廓的repvgg模块和用于增强repvgg模块对桥梁施工结构边缘轮廓的识别能力的检测头;
6、对桥梁施工结构的类型和边缘信息进行知识推理,得到当前所有正在施工结构的类型和边缘信息,并对当前所有正在施工结构的边缘信息提取关键特征信息,所述桥梁施工结构包括当前所有的正在施工结构;
7、基于当前所有正在施工结构的类型和关键特征信息对每个正在施工结构进行三维重构,得到多个局部结构模型,将多个局部结构模型分别和多层级倾斜三维模型进行配准融合并定期更新,得到多个桥梁局部结构动态变化模型;
8、获取桥梁bim设计模型,基于多个桥梁局部结构动态变化模型和桥梁bim设计模型分别得到桥梁施工结构的当前实际施工进度和计划施工进度,通过将每个桥梁施工结构的当前实际施工进度和计划施工进度进行对比分析,得到桥梁结构施工进度结果。
9、在本专利技术的一些实施例中,所述基于无人机影像和定姿定位数据得到用于表征桥梁施工细节的空间特征信息的多层级倾斜三维模型,包括:
10、对无人机影像进行质量检查和图像校正的预处理,对定姿定位数据进行差分解算预处理;
11、利用运动结构恢复算法提取预处理后的无人机影像和定姿定位数据的特征,得到地表特征点云;
12、对地表特征点云进行空三加密解算,生成网格模型,基于预处理后的无人机影像对网格模型进行纹理映射,得到高分辨率的三维网络模型;
13、利用八叉树数据结构原理对三维网格模型进行三维空间剖分,得到具有不同分辨率的多层级倾斜三维模型。
14、在本专利技术的一些实施例中,所述改进的yolo v5s模型包括:
15、输入端模块,用于对输入的图像样本进行图像增强、图像缩放和归一化的预处理;
16、骨干网络模块,所述骨干网络模块包括依次连接的多个特征提取器,每个特征提取器包括多个卷积层和池化层,所述多个特征提取器用于对经预处理的图像样本提取不同尺度的特征图;
17、颈部网络模块,所述颈部网络模块包括多尺度特征融合模块和repvgg模块,所述多尺度特征融合模块用于对不同尺度的特征图进行多尺度特征融合,并捕捉特征图中桥梁施工结构的细节信息和语义信息;所述repvgg模块用于对最后一个特征提取器输出的特征图进行桥梁施工结构的边缘轮廓检测;
18、检测头部模块,所述检测头部模块包括四个检测头,其中三个检测头包括卷积层和损失函数giou loss,用于对所述多尺度特征融合模块输出的结果进行目标检测,输出桥梁施工结构的类型和定位结果;第四个检测头包括卷积层和交叉熵损失判别函数,用于对所述repvgg模块输出的边缘轮廓检测结果进行增强,输出桥梁施工结构的边缘信息,所述边缘信息以二维平面点云坐标表示。
19、在本专利技术的一些实施例中,所述对桥梁施工结构的类型和边缘信息进行知识推理,得到当前所有正在施工结构的类型和边缘信息,并对当前所有正在施工结构的边缘信息提取关键特征信息,包括:
20、利用融合专家经验知识的知识解译器对桥梁施工结构的类型和边缘信息进行推理,得到当前本文档来自技高网...
【技术保护点】
1.一种知识驱动的桥梁结构施工进度自动跟踪方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述基于无人机影像和定姿定位数据得到用于表征桥梁施工细节的空间特征信息的多层级倾斜三维模型,包括:
3.根据权利要求1所述的方法,其特征在于,所述改进的Yolo V5S模型包括:
4.根据权利要求3所述的方法,其特征在于,所述对桥梁施工结构的类型和边缘信息进行知识推理,得到当前所有正在施工结构的类型和边缘信息,并对当前所有正在施工结构的边缘信息提取关键特征信息,包括:
5.根据权利要求4所述的方法,其特征在于,所述基于当前所有正在施工结构的类型和关键特征信息对每个正在施工结构进行三维重构,得到多个局部结构模型,将多个局部结构模型分别和多层级倾斜三维模型进行配准融合并定期更新,得到多个桥梁局部结构动态变化模型,包括:
6.根据权利要求3所述的方法,其特征在于,所述桥梁施工结构的类型至少包括承台、桥墩、塔柱、桥面和箱梁。
7.根据权利要求1所述的方法,其特征在于,所述基于多个桥梁局部结构动态变化模
8.一种知识驱动的桥梁结构施工进度自动跟踪装置,包括处理器和存储器,其特征在于,所述存储器中存储有计算机指令,所述处理器用于执行所述存储器中存储的计算机指令,当所述计算机指令被处理器执行时该装置实现如权利要求1至7中任一项所述方法的步骤。
9.一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,该计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。
10.一种计算机程序产品,包括计算机指令,其特征在于,该计算机指令被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。
...【技术特征摘要】
1.一种知识驱动的桥梁结构施工进度自动跟踪方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述基于无人机影像和定姿定位数据得到用于表征桥梁施工细节的空间特征信息的多层级倾斜三维模型,包括:
3.根据权利要求1所述的方法,其特征在于,所述改进的yolo v5s模型包括:
4.根据权利要求3所述的方法,其特征在于,所述对桥梁施工结构的类型和边缘信息进行知识推理,得到当前所有正在施工结构的类型和边缘信息,并对当前所有正在施工结构的边缘信息提取关键特征信息,包括:
5.根据权利要求4所述的方法,其特征在于,所述基于当前所有正在施工结构的类型和关键特征信息对每个正在施工结构进行三维重构,得到多个局部结构模型,将多个局部结构模型分别和多层级倾斜三维模型进行配准融合并定期更新,得到多个桥梁局部结构动态变化模型,包括:
6.根据权利要求3所述的方法,其特征在于,所述桥梁施...
【专利技术属性】
技术研发人员:郭鹏飞,王志华,王万齐,解亚龙,陈小冲,冯文晖,李烁,呼腊梅,王科伟,智鹏,张俊尧,徐志坚,乔方博,王丽玲,邵磐,
申请(专利权)人:中国铁道科学研究院集团有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。