一种基于点云扫描的大跨斜拉桥施工进度统计方法技术

本发明专利技术涉及桥梁信息化及智慧工地技术领域，公开了一种基于点云扫描的大跨斜拉桥施工进度统计方法，包括以下步骤：大跨斜拉桥的实际进度与计划进度数据预处理；建立并划分斜拉桥点云数据集；建立并训练基于超点的图神经网络模型，获得桥梁点云构件的语义分割网络模型；基于最优模型对实际进度点云进行语义分割；基于凸包长度比值计算构件POC值。本发明专利技术采用点云数据记录斜拉桥的实际与计划进度，进度数据获取方面更加细致且准确，便于可视化显示；采用基于超点的图神经网络模型进行斜拉桥点云的语义分割，计算更加高效，且准确率较高；使得大跨斜拉桥各构件的POC值计算避免了人工跟踪的低精度和低效率问题。跟踪的低精度和低效率问题。跟踪的低精度和低效率问题。

【技术实现步骤摘要】
一种基于点云扫描的大跨斜拉桥施工进度统计方法


[0001]本专利技术涉及桥梁信息化及智慧工地
，特别涉及一种基于点云扫描的大跨斜拉桥施工进度自动统计方法。

技术介绍

[0002]大跨斜拉桥的项目建设属于历时工期长、施工工序复杂且涉及项目团队多的一项活动，每道施工工序的时间调整以及项目团队的计划安排变动都将对桥梁施工进度产生重大影响，使得项目管理团队对于斜拉桥的施工进度管理难度大。如何迅速且准确地获取大跨斜拉桥的施工进度情况是项目进度管理的首要问题，因此亟需更加自动化的斜拉桥施工进度识别方法。目前，在桥梁施工进度识别领域，使用点云的形式来记录桥梁施工现场的进度，并结合BIM模型记录计划进度安排，成为了自动化桥梁施工进度识别领域的热门研究领域。将该方式应用于斜拉桥施工进度识别，将大大提高斜拉桥施工进度的管理水平，更大程度提高管理效率。

技术实现思路

[0003]本专利技术所要解决的技术问题是克服大跨斜拉桥施工进度统计方法的局限性，为解决其技术问题，本专利技术所采用的技术方案是一种基于点云扫描的大跨斜拉桥施工进度统计方法，包括以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于点云扫描的大跨斜拉桥施工进度统计方法，其特征在于包括如下步骤：S1：对大跨斜拉桥的实际进度点云数据与计划进度点云数据预处理；S2：建立并划分斜拉桥点云数据集；S3：建立基于超点的图神经网络模型，输入S2获得的训练数据集，训练网络模型并获得桥梁点云构件的语义分割网络模型；S4：将测试数据输入训练后的网络模型中，选取测试指标最优的模型；向该模型输入S1获得的实际进度点云数据，获得点云的类别标签；S5：分别求得斜拉桥各构件的实际进度与计划进度的凸包长度，通过长度比值计算构件施工进度。2.根据权利要求1所述的一种基于点云扫描的大跨斜拉桥施工进度统计方法，其特征在于：步骤S1中，对于大跨斜拉桥的实际进度点云数据预处理方面，采用点云扫描记录大跨斜拉桥施工进度状况，获得大跨斜拉桥实际进度点云数据；对点云数据进行直通滤波及体素下采样。3.根据权利要求1所述的一种基于点云扫描的大跨斜拉桥施工进度统计方法，其特征在于：步骤S2中，斜拉桥点云数据集可基于两种方式建立：(1)采集实际斜拉桥的点云数据，建立真实数据集；(2)建立参数化的BIM模型，基于BIM转点云的方式建立合成数据集。4.根据权利要求1所述的一种基于点云扫描的大跨斜拉桥施工进度统计方法，其特征在于：步骤S3中，采用的深度学习模型为Weighted Superpoint Graph模型，该网络通过三个步骤提取点云特征并对每个点的进行语义信息预测：(1)将通过几何同质划分将全桥的点云数据聚合为超点；(2)建立基于超点的有向图网络；(3)利用图卷积的深度学习算法层层聚合并提取出超点的数据特征，从而将超点分类为不同构件类别。5.根据权利要求4所述的一种基于点云扫描的大跨斜拉桥施工进度统计方法，其特征在于：步骤S3中，几何同质划分需要建立无向图G
nn
＝(V,E
nn
)，V表示输入点云的点，其中每个点的特征d
v
＝5，分别表示线性度、平面度、散射度、垂直度和标高；E
nn
表示点云的邻近关系，为10个最近点的平均距离，将全桥点云聚合为超点的过程，看作连续空间内的能量模型最小化问...

【专利技术属性】
技术研发人员：陈成勇，冯东明，张同江，王阳春，赵昌勇，苏文明，徐长靖，蒋洪涛，张奔，张振东，葛健，
申请(专利权)人：山东高速工程检测有限公司山东高速沾临高速公路有限公司东南大学，
类型：发明
国别省市：