一种基于建筑施工的无人机巡察方法及系统技术方案

本发明专利技术公开了一种基于建筑施工的无人机巡察方法及系统，该方法包括以下步骤：基于无人机搭载的相机设备对建筑工地进行三维扫描，生成环境点云数据；建立无人机巡察模型，利用改进的ICP算法对环境点云数据进行配准，构建环境点云地图；利用卷积神经网络对环境点云地图处理；基于Fermat曲线的路径规划对环境点云地图的规律特征进行路径规划；将路径规划的信息传输到无人机中，对建筑工地进行巡察；采集巡察过程的数据，上传到云端；根据分析结果进行预警。本发明专利技术的Fermat曲线具有较快的搜索速度和高效的路径规划能力，在较短时间内计算出最优路径，提高无人机运动效率和工作效能。提高无人机运动效率和工作效能。提高无人机运动效率和工作效能。

【技术实现步骤摘要】
一种基于建筑施工的无人机巡察方法及系统


[0001]本专利技术涉及建筑施工领域，具体来说，涉及一种基于建筑施工的无人机巡察方法及系统。

技术介绍

[0002]无人机是一种具有动力装置和导航模块机且无人驾驶的航空器，通过无线电遥控技术或电脑编程能够在一定范围内实现自主飞行。无人机已经逐渐出现在人们的生活中，给人们深刻的印象是航拍，由于成本及维修费用低廉，得到了空前发展。无人机像手机一样拥有近乎无限的APP搭载能力，将应用于更多、更专业的领域，如灾害预测监测与评估、天气预报、农业监测管理、国土资源环境调查、城市管理、海事信息化建设和农业监测管理等。
[0003]近年来，随着建筑行业的不断扩大和发展，各个建筑工地不断兴建，但是建筑工地需要定期进行人工巡察，小范围内的巡察可以采用人工进行，但是整体范围内进行人工巡察则存在费事费力，效率低的情况，为了更好进行巡察，使用了巡察机器人，但是巡察机器人也存在很多的缺陷，例如：当路面有障碍或某一路段进行检修工作时，巡察机器人绕行存在困难，还有无法对高处进行有效巡察的问题。
[0004]随着无人机的发展，为了更好的进行巡察，将无人机引入了建筑工地巡察领域，无人机具有机动性强，方便操控，巡察范围广等优点，极大的提升了建筑工地巡察的效率和质量。
[0005]但是无人机在使用时，基于现有技术进行数据处理和分析需要耗费大量时间和精力，可能会影响实时性和应用效果，此外，缺乏与施工现场实际需求相适应的路径规划算法，导致无人机在施工现场巡察效率低下。
[0006]针对相关技术中的问题，目前尚未提出有效的解决方案。

技术实现思路

[0007]针对相关技术中的问题，本专利技术提出一种基于建筑施工的无人机巡察方法及系统，以克服现有相关技术所存在的上述技术问题。
[0008]为此，本专利技术采用的具体技术方案如下：根据本专利技术的一个方面，提供了一种基于建筑施工的无人机巡察方法，该无人机巡察方法包括以下步骤：S1、基于无人机搭载的相机设备对建筑工地进行三维扫描，生成环境点云数据，并上传至云端；S2、建立无人机巡察模型，利用改进的ICP算法对环境点云数据进行配准，提取出环境信息并构建环境点云地图；S3、利用卷积神经网络对环境点云地图处理，并提取环境点云地图的规律特征；S4、基于Fermat曲线的路径规划对环境点云地图的规律特征进行路径规划；S5、将路径规划的信息传输到无人机中，对建筑工地进行巡察；
S6、采集巡察过程中图像、视频的数据，上传到云端进行分析；S7、根据数据的分析结果进行预警，并基于无人机巡察模型提供决策参考。
[0009]进一步的，所述建立无人机巡察模型，利用改进的ICP算法对环境点云数据进行配准，提取出环境信息并构建环境点云地图包括以下步骤：S21、选择一个环境点云数据作为参考坐标系，将初始点云通过旋转矩阵和平移矩阵变换到参考坐标系中；S22、利用最近邻算法找到初始点云数据和目标点云数据之间的匹配点对；S23、以最小化匹配点对的距离误差为目标，运用最小二乘法计算旋转矩阵和平移矩阵，得到点云配准中的配准参数；S24、将配准参数应用于初始点云数据，更新点云数据；S25、设定阈值δ，若当前迭代的匹配点对与上一次迭代的匹配点对之间的距离误差小于阈值δ，则当前迭代的匹配点对最优的点云变换参数；若否，则继续迭代执行步骤S22；S26、利用最优的点云变换参数将点云数据变换到目标坐标系中，并合并得到环境点云地图。
[0010]进一步的，所述利用最近邻算法找到初始点云数据和目标点云数据之间的匹配点对包括以下步骤：S221、对于每个初始点云数据，计算与目标点云数据中所有点之间的距离，并将其按照距离从小到大排序；S222、取前n个距离最近的目标点作为该初始点云数据的n个最近邻点，并计算与初始点云数据中所有点之间的距离并按照距离从小到大排序；S223、取前n个距离最近的初始点云数据作为该目标点的k个最近邻点，并获取邻近点的距离最小为其匹配点。
[0011]进一步的，所述以最小化匹配点对的距离误差为目标，运用最小二乘法计算旋转矩阵和平移矩阵，得到点云配准中的配准参数包括以下步骤：S231、获取初始点云数据和目标点云数据的匹配点，根据匹配点得出初始点云数据和目标点云数据的距离；S232、定义误差函数，计算初始点云数据和目标点云数据的距离误差；S233、利用最小二乘法计算对误差函数进行求导，得出旋转矩阵和平移矩阵；S234、将旋转矩阵和平移矩阵作用于原始点云数据，得到变换后的点云数据。
[0012]进一步的，所述利用卷积神经网络对环境点云地图处理，并提取环境点云地图的规律特征包括以下步骤：S31、引入ε贪心策略并利用卷积神经网络对环境点云数据进行处理，用以提高卷积神经网络的性能和鲁棒性；S32、根据环境点云数据的重要程度，使用不同的抽样权重生成概率分布，并为卷积神经网络提供学习的样本；S33、利用卷积神经网络对环境点云地图进行处理，使用ε贪心策略来扩大样本空间，用以增强卷积神经网络的鲁棒性；S34、通过特征提取器对处理后的环境点云数据进行规律特征提取。
[0013]进一步的，所述根据环境点云数据的重要程度，使用不同的抽样权重生成概率分布，并为卷积神经网络提供学习的样本包括以下步骤：S321、根据环境点云数据的重要程度计算每个样本的抽样权重，并将所有样本的抽样权重标准化为概率分布，并按此概率抽取M个样本；S322、计算每个样本的学习率；S323、对于抽取出的M个样本根据样本误差更新M次网络参数。
[0014]进一步的，所述样本抽样概率计算公式如下：；式中，为样本；为优先级参数；N为经验回放池的样本总数；为优先级参数，选用第个样本的误差表示；n为经验回放池的样本数；计算每个样本的学习率计算公式如下：；式中，为学习率；N为经验回放池的样本总数；β为重要性采样超参数；为样本。
[0015]进一步的，所述基于Fermat曲线的路径规划对环境点云地图的规律特征进行路径规划包括以下步骤：S41、构建Fermat曲线笛卡尔参数方程式，其中，第一段Fermat回旋曲线和第二段Fermat回旋曲线作为过渡曲线；S42、根据不同的初始点和转向不同时不同的初始切角，计算第一段Fermat回旋曲线的方程表达式和第二段Fermat回旋曲线的方程表达式；S43、将第一段Fermat回旋曲线和第二段Fermat回旋曲线看成方向相反的同一段曲线，并计算其中一个Fermat回旋曲线的速度参数方程和加速度参数方程；S44、通过改变变量来消除奇点，并使用振幅相位表达法来简化速度参数方程与加速度参数方程；S45、消除奇点后，使得FS曲线用于路径跟踪，同时对环境点云地图的规律特征进行路径规划。
[0016]进一步的，所述将第一段Fermat回旋曲线和第二段Fermat回旋曲线看成方向相反的同一段曲线，并计算其中一个Fermat回旋曲线的速度参数方程和加速度参数方程包括以下步骤：S431、将第一段Fermat回旋曲线和第二段Fermat回旋曲线看成方向相反的同一段曲线，并让两段曲线的起点和终本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于建筑施工的无人机巡察方法，其特征在于，该无人机巡察方法包括以下步骤：S1、基于无人机搭载的相机设备对建筑工地进行三维扫描，生成环境点云数据，并上传至云端；S2、建立无人机巡察模型，利用改进的ICP算法对环境点云数据进行配准，提取出环境信息并构建环境点云地图；S3、利用卷积神经网络对环境点云地图处理，并提取环境点云地图的规律特征；S4、基于Fermat曲线的路径规划对环境点云地图的规律特征进行路径规划；S5、将路径规划的信息传输到无人机中，对建筑工地进行巡察；S6、采集巡察过程中图像、视频的数据，上传到云端进行分析；S7、根据数据的分析结果进行预警，并基于无人机巡察模型提供决策参考。2.根据权利要求1所述的一种基于建筑施工的无人机巡察方法，其特征在于，所述建立无人机巡察模型，利用改进的ICP算法对环境点云数据进行配准，提取出环境信息并构建环境点云地图包括以下步骤：S21、选择一个环境点云数据作为参考坐标系，将初始点云通过旋转矩阵和平移矩阵变换到参考坐标系中；S22、利用最近邻算法找到初始点云数据和目标点云数据之间的匹配点对；S23、以最小化匹配点对的距离误差为目标，运用最小二乘法计算旋转矩阵和平移矩阵，得到点云配准中的配准参数；S24、将配准参数应用于初始点云数据，更新点云数据；S25、设定阈值δ，若当前迭代的匹配点对与上一次迭代的匹配点对之间的距离误差小于阈值δ，则当前迭代的匹配点对最优的点云变换参数；若否，则继续迭代执行步骤S22；S26、利用最优的点云变换参数将点云数据变换到目标坐标系中，并合并得到环境点云地图。3.根据权利要求2所述的一种基于建筑施工的无人机巡察方法，其特征在于，所述利用最近邻算法找到初始点云数据和目标点云数据之间的匹配点对包括以下步骤：S221、对于每个初始点云数据，计算与目标点云数据中所有点之间的距离，并将其按照距离从小到大排序；S222、取前n个距离最近的目标点作为该初始点云数据的n个最近邻点，并计算与初始点云数据中所有点之间的距离并按照距离从小到大排序；S223、取前n个距离最近的初始点云数据作为该目标点的k个最近邻点，并获取邻近点的距离最小为其匹配点。4.根据权利要求2所述的一种基于建筑施工的无人机巡察方法，其特征在于，所述以最小化匹配点对的距离误差为目标，运用最小二乘法计算旋转矩阵和平移矩阵，得到点云配准中的配准参数包括以下步骤：S231、获取初始点云数据和目标点云数据的匹配点，根据匹配点得出初始点云数据和目标点云数据的距离；S232、定义误差函数，计算初始点云数据和目标点云数据的距离误差；
S233、利用最小二乘法计算对误差函数进行求导，得出旋转矩阵和平移矩阵；S234、将旋转矩阵和平移矩阵作用于原始点云数据，得到变换后的点云数据。5.根据权利要求1所述的一种基于建筑施工的无人机巡察方法，其特征在于，所述利用卷积神经网络对环境点云地图处理，并提取环境点云地图的规律特征包括以下步骤：S31、引入ε贪心策略并利用卷积神经网络对环境点云数据进行处理，用以提高卷积神经网络的性能和鲁棒性；S32、根据环境点云数据的重要程度，使用不同的抽样权重生成概率分布，并为卷积神经网络提供学习的样本；S33、利用卷积神经网络对环境点云地图进行处理，使用ε贪心策略来扩大样本空间，用以增强卷积神经网络的鲁棒性；S34、通过特征提取器对处理后的环境点云数据进行规律特征提取。6.根据权利要求5所述的一种基于建筑施工的无人机巡察方法，其特征在于，所述根据环境点云数据的重要程度，使用不...

【专利技术属性】
技术研发人员：李帅，徐杰，宋克滨，牟爱灵，郭晓欣，焦保全，李冲，王曼，黄海涛，李翠磊，陈萍，
申请(专利权)人：南京亦东科技有限公司，
类型：发明
国别省市：