[发明专利]融合SLAM和图像处理的施工进度实时识别方法

权利要求书

1.一种融合SLAM和图像处理的室内建筑施工进度实时识别方法，其特征在于包括以下步骤：

步骤1：数据采集：利用激光雷达SLAM技术对室内建筑环境进行全景扫描，获得二维图像；

步骤2：前端匹配：根据多帧激光束的匹配与激光帧的位姿变换，建立初始子地图submap，并在初始子地图的基础上依次创建后续子地图；

步骤3：后端优化：利用回环检测对多次创建子地图的累积误差进行优化，得到全局一致的轨迹和地图；

步骤4：利用卷积神经网络将SLAM建的地图进行轮廊提取得到轮廓图：在得到轮廓图的过程中，复合特征网络中每一层图像处理后的每个像素的损失函数定义如下：

其中

Y⁺和Y^-分别表示正样本集和负样本集；λ是平稳正负样本的参数；X_i表示当前像素的特征向量，y_i表示边缘概率值；P(X)表示标准sigmoid函数，W表示此网络结构将要学习的所有参数；由此得到复合特征网络总损失函数可以表述为：

此时表示第k阶段的CNN特征向量，k表示训练的阶层数，而表示最终融合层的特征向量，|I|表示图像的像素值；

步骤5：利用改进哈希算法将轮廓图与室内建筑工程制图进行对比得出施工进度：先把轮廊图缩放后进行灰度处理，再比较两幅图的像素灰度，若前一个像素的颜色强度大于第二个像素，则差异值设置为1，若不大于第二个像素，则设置为0，将差异值数组中每一个值看做一个字节，每8个组成一个十六进制值，将十六进制值连接起来转换为字符串，即得出哈希值，对比获取这两幅图像不同位数的哈希值，通过计算汉明距离对比出这两幅图像不同位数的值得出这两幅图像的相似度，通过相似度确定施工实际进度。

2.根据权利要求1所述的融合SLAM和图像处理的室内建筑施工进度实时识别方法，其特征在于：步骤1中获取的是二维占用栅格地图。

3.根据权利要求1所述的融合SLAM和图像处理的室内建筑施工进度实时识别方法，其特征在于：步骤2中初始子地图建立之后，后续子地图的创建方法如下：

每当得到一次激光扫描的数据后，便与最近建立的子地图submap进行匹配，使这一帧激光扫描数据帧插入到子地图submap上最优的位置，在不断插入数据帧的同时，该子地图submap也得到了更新，当不再有新的数据帧插入到该子地图中时，即为这个子地图submap已经创建完成，此时再去创建下一个子地图。

4.根据权利要求1所述的融合SLAM和图像处理的室内建筑施工进度实时识别方法，其特征在于：步骤3中环检测的具体方法为：在一个新的激光束插入到子地图中时，若此激光束的估计位姿与地图中某个子地图中的某个激光束的位姿足够接近时，找出建立这种约束关系的历史帧，通过扫描匹配就会找到该回环对应的子地图中的某个激光束的位姿，消除误差。

5.根据权利要求1所述的融合SLAM和图像处理的室内建筑施工进度实时识别方法，其特征在于：步骤4中利用卷积神经网络将SLAM建的地图进行轮廊提取得到轮廓图包括如下具体步骤：

去除VGG16卷积神经网络中的全连接层和池化层第五层，对VGG16卷积神经网络中的每个卷积层与1*1-21的卷积核相连，每层的结果特征映射被累积再使用一个按元素操作层eltwise layer，将每步中的输出进行相加得到一个复合特征；

再将每个按元素操作层eltwise layer后面加一个反卷积层deconv layer用来放大特征图尺寸，其次，在每个上采样层后用一个交叉熵损耗，随后将所有的上采样层的输出进行联系，再使用一个1*1的卷积层进行特征图融合，最后使用一个交叉熵损失函数得到轮廓图。