[发明专利]基于计算机视觉的建筑结构改扩建安全排查方法与装置有效
申请号: | 202211713032.7 | 申请日: | 2022-12-30 |
公开(公告)号: | CN115661212B | 公开(公告)日: | 2023-06-06 |
发明(设计)人: | 樊健生;冯楚乔;刘宇飞 | 申请(专利权)人: | 清华大学 |
主分类号: | G06T7/30 | 分类号: | G06T7/30;G06T17/00 |
代理公司: | 北京华进京联知识产权代理有限公司 11606 | 代理人: | 贾卿芸 |
地址: | 10008*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 计算机 视觉 建筑结构 扩建 安全 排查 方法 装置 | ||
1.一种基于计算机视觉的建筑结构改扩建安全排查方法,其特征在于,所述方法包括:
在各预设检测时间对目标建筑进行扫描,得到所述目标建筑在各所述检测时间对应的点云数据集合;
将各所述点云数据集合包含的点云数据进行配准处理,得到配准结果;
根据所述配准结果和各所述点云数据集合包含的点云数据进行三维模型叠加处理,得到叠加后的三维模型;
根据所述叠加后的三维模型,展示所述目标建筑对应的目标模型,所述目标模型用于反映所述目标建筑的形变特征;
根据深度学习算法对各所述点云数据集合进行识别,得到各所述点云数据集合的识别结果;所述识别结果包括各构件的构件类别、各所述构件的几何中心的坐标、以及各所述构件类别对应的构件数量;
基于识别出的各所述构件类别、以及各所述构件类别对应的构件数量,确定所述目标建筑对应的合规性检测结果;
通过所述构件的几何中心的坐标得到构件间的绝对距离,将所述构件间的绝对距离与预设安全阈值进行对比,得到所述目标建筑对应的安全性检测结果;
根据所述合规性检测结果和所述安全性检测结果,输出所述目标建筑的检测报告。
2.根据权利要求1所述的方法,其特征在于,所述在各预设检测时间对目标建筑进行扫描,得到所述目标建筑在各所述检测时间对应的点云数据集合包括:
在各预设检测时间内,利用即时定位与地图构建算法对目标建筑进行扫描,得到所述目标建筑在各所述检测时间对应的点云数据集合。
3.根据权利要求1所述的方法,其特征在于,所述将各所述点云数据集合包含的点云数据进行配准处理,得到配准结果包括:
根据每个点云数据集合的时间将所述点云数据集合包含的点云数据进行排序,得到点云数据集合序列;
通过迭代最近点算法,对所述点云数据集合序列中相邻的点云数据集合包含的各点云数据进行配准处理,得到相邻的点云数据集合之间的配准结果。
4.根据权利要求1所述的方法,其特征在于,所述根据所述配准结果和各所述点云数据集合包含的点云数据进行三维模型叠加处理,得到叠加后的三维模型包括:
根据所述点云数据集合包含的点云数据对目标建筑建立三维模型;
根据所述配准结果对所述三维模型进行叠加,得到叠加后的三维模型。
5.根据权利要求4所述的方法,其特征在于,所述配准结果包括检测时间相邻的点云数据集合之间的旋转矩阵和平移矩阵;所述根据所述配准结果对所述三维模型进行叠加,得到叠加后的目标模型包括:
根据所述旋转矩阵和平移矩阵,对不同检测时间的三维模型进行坐标变换,得到叠加后的三维模型。
6.一种基于计算机视觉的建筑结构改扩建安全排查装置,其特征在于,所述装置包括:
扫描模块,用于在各预设检测时间对目标建筑进行扫描,得到所述目标建筑在各所述检测时间对应的点云数据集合;
配准模块,用于将各所述点云数据集合包含的点云数据进行配准处理,得到配准结果;
叠加模块,用于根据所述配准结果和各所述点云数据集合包含的点云数据进行三维模型叠加处理,得到叠加后的三维模型;
展示模块,用于根据所述叠加后的三维模型,展示所述目标建筑对应的目标模型,所述目标模型用于反映所述目标建筑的形变特征;
识别模块,用于根据深度学习算法对各所述点云数据集合进行识别,得到各所述点云数据集合的识别结果;所述识别结果包括各构件的构件类别、各所述构件的几何中心的坐标、以及各所述构件类别对应的构件数量;
确定模块,用于基于识别出的各所述构件类别、以及各所述构件类别对应的构件数量,确定所述目标建筑对应的合规性检测结果;
对比模块,用于通过所述构件的几何中心的坐标得到构件间的绝对距离,将所述构件间的绝对距离与预设安全阈值进行对比,得到所述目标建筑对应的安全性检测结果;
输出模块,用于根据所述合规性检测结果和所述安全性检测结果,输出所述目标建筑的检测报告。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学,未经清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211713032.7/1.html,转载请声明来源钻瓜专利网。