申请/专利权人：南通杰蕾机械有限公司

申请日：2023-10-07

公开（公告）日：2024-04-02

公开（公告）号：CN117808964A

主分类号：G06T17/00

分类号：G06T17/00;G01B11/16;G06Q50/08;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明公开了一种基于BIM的钢结构形变监测处理方法及系统，用于钢结构安全监测领域，该方法包括以下步骤：获取激光扫描仪对钢结构进行扫描得到的数字图像，并基于数字图像建立BIM模型；采用GrabCut算法对数字图像进行处理，检测钢结构的表面变形情况，得到变形区域；利用三维重建技术获取变形区域的三维信息数据；将变形区域的三维信息数据与BIM模型中的三维信息数据进行比对，检测钢结构变形的精确位置和形变程度；利用改进的CNN模型并基于三维信息对钢结构变形进行评估；制定钢结构形变处理方案。本发明通过机器学习和深度学习技术，可以自动检测数字图像和三维信息中的变形，减轻人工检测的工作量。

主权项：1.一种基于BIM的钢结构形变监测处理方法，其特征在于，该钢结构形变监测处理方法包括以下步骤：S1、获取激光扫描仪对钢结构进行扫描得到的数字图像，并基于数字图像建立BIM模型；S2、采用GrabCut算法对数字图像进行处理，并对处理好的数字图像进行分析，检测钢结构的表面变形情况，得到变形区域；S3、利用三维重建技术获取变形区域的三维信息数据；S4、将所述变形区域的三维信息数据与所述BIM模型中的三维信息数据进行比对，检测钢结构变形的精确位置和形变程度；S5、根据钢结构检测结果，利用改进的CNN模型并基于三维信息对钢结构变形进行评估，判断实际的变形情况；S6、获取变形情况的评估结果，并制定钢结构形变处理方案；所述采用GrabCut算法对数字图像进行处理，并对处理好的数字图像进行分析，检测钢结构的表面变形情况，得到变形区域包括以下步骤：S21、对输入的数字图像进行标注，并将正常区域标注为背景像素，将疑似变形区域标注为前景像素；S22、根据标注的前景像素和背景像素构建颜色统计模型；S23、利用颜色统计模型对未标注的区域像素进行分类，并对未标注的区域像素进行判断；S24、利用图像边界信息，识别变形区域边界；S25、重复执行S23-S24的步骤，并优化颜色统计模型和变形区域边界；S26、对变形区域边界的分割结果进行评估，重新标注不准确的区域，并重复执行S21-S25的步骤；所述利用图像边界信息，识别变形区域边界包括以下步骤：S241、使用高斯滤波器来消除图像中的噪声；S242、计算图像的梯度强度和方向，找到边界的候选点；S243、通过双阈值算法和非最大值抑制来确定真正的边缘信息；S244、利用Hough变换对边缘信息进行形状分析，提取几何特征；S245、使用统计方法来比较变形区域和正常区域的边界特征的差异；S246、根据比较结果，设置阈值，将边界特征差异大于阈值的区域标记为变形区域；其中，所述通过双阈值算法和非最大值抑制来确定真正的边缘信息包括以下步骤：S2431、利用Sobel算子分别计算每个像素点在水平方向和竖直方向的梯度值；S2432、根据水平方向和竖直方向的梯度值计算每个像素点的梯度强度；S2433、在同一方向上，保留梯度强度最大的像素点，将其他像素点视为非边缘并进行抑制；S2434、设定一个高阈值和一个低阈值，其中，将梯度强度大于高阈值的像素点被确认为强边缘，将小于低阈值的像素点被确认为非边缘，将介于高阈值和低阈值之间的像素点被视为弱边缘；S2435、若弱边缘像素点的邻域内存在强边缘像素点，则该弱边缘也被确认为边缘，否则被确认为非边缘，所述改进的CNN模型为3DCNN模型；所述利用三维重建技术获取变形区域的三维信息数据包括以下步骤：S31、获取变形区域的数字图像；S32、若存在多个视角的数字图像，则对数字图像进行配准，建立数字图像中的特征点之间的对应关系；S33、判断是否有多个视角的图像，若存在，则选择多视图立体算法，若不存在，则选择单目立体算法；S34、根据判断结果选择三维重建算法，获得变形区域的三维信息；S35、对所述三维信息进行处理，所述处理至少包括三维信息补全、平滑及降噪。

全文数据：

权利要求：

百度查询： 南通杰蕾机械有限公司 一种基于BIM的钢结构形变监测处理方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD