本發(fā)明屬于土建工程施工，涉及一種基于無人機(jī)測量的土方工程實(shí)時(shí)三維建模、土方工程量計(jì)算及施工進(jìn)度監(jiān)測方法。

背景技術(shù)：

1、傳統(tǒng)的土方工程調(diào)配方法主要依賴人工勘測和經(jīng)驗(yàn)判斷，存在準(zhǔn)確性不高、效率低下和缺乏智能化的問題。人工勘測需要耗費(fèi)大量人力和時(shí)間，尤其對于復(fù)雜地形和大規(guī)模工程而言，工作量龐大且耗時(shí)長，限制了土方工程調(diào)配的準(zhǔn)確性和效率。此外，傳統(tǒng)方法往往依賴經(jīng)驗(yàn)判斷，容易受個(gè)人主觀因素的影響，導(dǎo)致結(jié)果的一致性和可靠性不足。同時(shí)，由于地形的復(fù)雜性和原有結(jié)構(gòu)物的遮擋，傳統(tǒng)方法難以準(zhǔn)確預(yù)測土方工程量、實(shí)現(xiàn)挖填平衡，并可能導(dǎo)致資源的浪費(fèi)和環(huán)境的影響。

2、然而，隨著無人機(jī)測量和計(jì)算機(jī)視覺技術(shù)的快速進(jìn)展，為土建工程施工帶來了新的數(shù)字化和智能化的機(jī)遇。無人機(jī)測量技術(shù)擁有高精度和快速獲取地形數(shù)據(jù)的優(yōu)勢。然而，傳統(tǒng)的無人機(jī)測量方法仍存在一些問題和局限性，影響其效率和準(zhǔn)確性。比如在處理復(fù)雜地形時(shí)，傳統(tǒng)方法所建立的三維重建模型存在不同特征元素辨識性較差的缺點(diǎn)，無法區(qū)分土方工程不同階段的如填土面、挖土面，施工人員和機(jī)械等的特征信息，難以實(shí)現(xiàn)對復(fù)雜場景的特征要素如人員和設(shè)備的自動監(jiān)測管理，監(jiān)測結(jié)果與數(shù)字模型無法實(shí)現(xiàn)精細(xì)對接，不便后續(xù)應(yīng)用和管理決策。且在復(fù)雜地形中，無人機(jī)進(jìn)行高精度掃描時(shí)建模速度較慢，對于點(diǎn)云數(shù)據(jù)的處理技術(shù)沒有得到相應(yīng)的更新，建模時(shí)間過長會導(dǎo)致大型土方工程的監(jiān)測效率下降，對后續(xù)土方工程的進(jìn)度安排參考意義不大。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明實(shí)施例的目的在于提供一種基于無人機(jī)測量的土方工程實(shí)時(shí)三維建模、土方工程量計(jì)算及施工進(jìn)度監(jiān)測方法，以解決現(xiàn)有方法在復(fù)雜地形中，傳統(tǒng)方法無人機(jī)測量方法中所建立的三維重建模型存在不同特征元素辨識性較差，建模速度較慢的缺點(diǎn)，無法區(qū)分土方工程不同階段的特征信息，難以實(shí)現(xiàn)對復(fù)雜場景的特征要素的自動監(jiān)測，監(jiān)測結(jié)果與數(shù)字模型無法實(shí)現(xiàn)精細(xì)對接以及建模速度較慢導(dǎo)致監(jiān)測效率過低的問題。

2、本發(fā)明實(shí)施例所采用的技術(shù)方案是：基于無人機(jī)測量的土方工程實(shí)時(shí)三維建模方法，包括以下步驟：

3、步驟s1、利用無人機(jī)與規(guī)劃航線，獲取全區(qū)域多視圖影像數(shù)據(jù)，結(jié)合傾斜攝影測量和三維重構(gòu)算法，獲取全區(qū)域的三維地形網(wǎng)格；

4、步驟s2、利用多視圖影像數(shù)據(jù)和語義分割模型，標(biāo)注土方工程區(qū)域的復(fù)雜地形特征點(diǎn)的位置和屬性信息，并利用機(jī)載激光雷達(dá)掃描標(biāo)注的復(fù)雜地形特征點(diǎn)所在區(qū)域，獲取復(fù)雜地形的地面點(diǎn)云數(shù)據(jù)；

5、步驟s3、利用機(jī)載激光雷達(dá)的地面點(diǎn)云數(shù)據(jù)和基于注意力機(jī)制的卷積神經(jīng)網(wǎng)絡(luò)，獲取校正后的復(fù)雜地形特征點(diǎn)的位置和屬性信息，并實(shí)現(xiàn)無人機(jī)傾斜攝影測量的三維地形網(wǎng)格精度的校準(zhǔn)；

6、步驟s4、利用復(fù)雜地形特征點(diǎn)的位置和屬性信息以及高精度的三維地形網(wǎng)格，生成精細(xì)化的土方工程三維模型，并實(shí)時(shí)更新并可視化土方工程三維模型。

7、進(jìn)一步的，所述步驟s1的具體實(shí)現(xiàn)過程為：

8、步驟s11、在開始無人機(jī)測量之前進(jìn)行試飛和前期調(diào)查，前期調(diào)查包括對測量區(qū)域進(jìn)行地形分析、地圖研究和數(shù)據(jù)收集，以確定測量需求并選擇合適的無人機(jī)、傳感器和測量參數(shù)；

9、步驟s12、根據(jù)地形特征和測量要求，制定無人機(jī)的航線設(shè)計(jì)方案，確定飛行高度、航線間距、航線方向；

10、步驟s13、無人機(jī)按照預(yù)定航線和設(shè)定的拍攝頻率飛行，通過傾斜攝影測量方法，以不同角度和高度拍攝地面影像，獲取地面多視圖影像數(shù)據(jù)，并與精確的時(shí)間和空間同步，形成地面多視圖影像序列；

11、步驟s14、對獲取的多視圖影像數(shù)據(jù)進(jìn)行校正和圖像處理，圖像處理包括圖像配準(zhǔn)、幾何校正、色彩平衡，消除因飛行運(yùn)動、光照變化引起的畸變和誤差；

12、步驟s15、結(jié)合無人機(jī)獲取的多視圖影像數(shù)據(jù)和傾斜攝影方法，進(jìn)行數(shù)據(jù)處理和點(diǎn)云生成，使用三維重建算法將點(diǎn)云轉(zhuǎn)化為可視化的三維地形網(wǎng)格，數(shù)據(jù)處理包括網(wǎng)格化處理、曲面重建、紋理映射。

13、進(jìn)一步的，所述步驟s15的具體實(shí)現(xiàn)過程為：

14、步驟s151、多視圖影像處理：通過特征匹配算法并利用最近鄰匹配原理高效匹配特征點(diǎn)，對傾斜攝影數(shù)據(jù)進(jìn)行同名特征點(diǎn)的自動匹配，建立影像空間的拓?fù)潢P(guān)系；

15、步驟s152、空中三角測量和稀疏點(diǎn)云生成：采用光束法區(qū)域網(wǎng)平差進(jìn)行空中三角測量，將多組地面特征點(diǎn)與對應(yīng)影像點(diǎn)進(jìn)行配對，結(jié)合特征點(diǎn)的真實(shí)三維坐標(biāo)和多個(gè)匹配影像，建立多個(gè)共線條件方程組，見式(1)和式(2)，利用最小二乘法和已知地面特征點(diǎn)坐標(biāo)，求解成像參數(shù)即內(nèi)外方位元素值，進(jìn)而通過確定的成像參數(shù)和共線條件方程組，推導(dǎo)出地面特征點(diǎn)以外其他待定地面點(diǎn)在三維坐標(biāo)系中的準(zhǔn)確坐標(biāo)，形成稀疏三維點(diǎn)云模型：

16、

17、其中，x、y、z為地面點(diǎn)坐標(biāo)；xs、ys、zs為地面輔助坐標(biāo)系下攝影中心坐標(biāo)；f為焦距；δx、δy為系統(tǒng)誤差修正值，一般通過對像控點(diǎn)的反復(fù)測量，統(tǒng)計(jì)獲得各像控點(diǎn)在影像坐標(biāo)系中的觀測誤差，基于此，采用最小二乘法或kalman濾波等方法，估計(jì)出系統(tǒng)誤差修正值；x0、y0為內(nèi)方位元素，a1、a2、a3、b1、b2、b3、c1、c2、c3組成3×3的旋轉(zhuǎn)矩陣，其中，a1、a2、a3表示的是旋轉(zhuǎn)矩陣的行，b1、b2、b3表示的是旋轉(zhuǎn)矩陣的列，c1、c2、c3表示的是旋轉(zhuǎn)矩陣的值；

18、步驟s153、多視圖密集匹配和超高密度點(diǎn)云生成：首先將原始點(diǎn)云數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化和歸一化處理，以便于深度學(xué)習(xí)模型的訓(xùn)練和預(yù)測，使用cnn從點(diǎn)云中提取特征，利用提取的特征，通過上采樣技術(shù)增加點(diǎn)云中的點(diǎn)數(shù)，從而提高其分辨率，最后對生成的高分辨率點(diǎn)云進(jìn)行優(yōu)化和修正，以提高其質(zhì)量和準(zhǔn)確性，這種方法的優(yōu)點(diǎn)是能夠自動學(xué)習(xí)點(diǎn)云數(shù)據(jù)的復(fù)雜模式，并生成更加精細(xì)和高質(zhì)量的點(diǎn)云。

19、進(jìn)一步的，所述步驟s2的具體實(shí)現(xiàn)過程為：

20、步驟s21、據(jù)前期調(diào)查和土方工程的要求，確定復(fù)雜地形區(qū)域，在復(fù)雜地形區(qū)域內(nèi)布置地形特征點(diǎn)，作為測量區(qū)域內(nèi)的參考點(diǎn)；

21、步驟s22、收集和整理無人機(jī)獲取的多視圖影像數(shù)據(jù)，并運(yùn)用語義分割算法對復(fù)雜地形區(qū)域的地形特征點(diǎn)進(jìn)行識別和分類，標(biāo)注地形特征點(diǎn)的位置和屬性信息，屬性信息包括高度信息和體積信息；

22、步驟s23、根據(jù)初始三維地形網(wǎng)格和地形特征點(diǎn)數(shù)據(jù)，重新優(yōu)化無人機(jī)的航線設(shè)計(jì)方案，并利用機(jī)載激光雷達(dá)獲取標(biāo)注的復(fù)雜地形特征點(diǎn)所在區(qū)域的準(zhǔn)確坐標(biāo)和高精度點(diǎn)云數(shù)據(jù)。

23、進(jìn)一步的，所述步驟s3的具體實(shí)現(xiàn)過程為：

24、步驟s31、卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)與訓(xùn)練：針對地形特征點(diǎn)的識別和測量精度校準(zhǔn)任務(wù)，設(shè)計(jì)一個(gè)基于注意力機(jī)制的卷積神經(jīng)網(wǎng)絡(luò)模型；

25、步驟s32、地形特征點(diǎn)識別：利用訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)模型對步驟s2中機(jī)載激光雷達(dá)獲取的復(fù)雜地形的地面點(diǎn)云數(shù)據(jù)進(jìn)行識別，獲取校正后的復(fù)雜地形特征點(diǎn)的位置和屬性信息；

26、步驟s33、測量精度校準(zhǔn)：基于校正后的地形特征點(diǎn)的位置和屬性信息，對無人機(jī)傾斜測量的三維地形網(wǎng)格進(jìn)行精度校準(zhǔn)。

27、進(jìn)一步的，所述步驟s33的具體實(shí)現(xiàn)過程為：

28、將步驟s1中無人機(jī)多視圖傾斜攝影測量獲取的三維地形點(diǎn)云數(shù)據(jù)與校正后的地形特征點(diǎn)的位置和屬性信息進(jìn)行比較，通過最小二乘法量化測量結(jié)果的誤差，進(jìn)而根據(jù)不同特征點(diǎn)的誤差分布規(guī)律，對整體測量結(jié)果進(jìn)行糾正，以校正和修正無人機(jī)初步測量數(shù)據(jù)的系統(tǒng)誤差。

29、進(jìn)一步的，所述步驟s4的具體實(shí)現(xiàn)過程為：

30、步驟s41、模型優(yōu)化和完善：基于復(fù)雜地形特征點(diǎn)的位置、屬性信息以及高精度的三維地形網(wǎng)格，對無人機(jī)傾斜攝影測量生成的三維模型進(jìn)行優(yōu)化和完善，包括去除冗余信息、填補(bǔ)空洞、平滑處理和糾正模型偏差；

31、步驟s42、實(shí)時(shí)模型生成和更新：

32、根據(jù)步驟s2，基于復(fù)雜地形區(qū)域的選取原則和無人機(jī)多視圖影像數(shù)據(jù)，運(yùn)用語義分割算法對復(fù)雜地形區(qū)域的地面點(diǎn)云數(shù)據(jù)進(jìn)行分類，將地面點(diǎn)云數(shù)據(jù)劃分為不同語義類別，進(jìn)行變化明顯的特征要素的識別和分類，特征要素包括地形輪廓線、開挖面、填土面、建筑物、道路、河流、植被；

33、將激光雷達(dá)校正后的真實(shí)地面點(diǎn)云數(shù)據(jù)和語義分割算法輸出的語義信息導(dǎo)入到步驟s41生成的土方工程三維模型中，修正地面部分的細(xì)節(jié)和結(jié)構(gòu)。

34、進(jìn)一步的，對于被識別為地面類別的點(diǎn)云，生成對應(yīng)的地面三維模型以還原真實(shí)地面的形狀和細(xì)節(jié)；

35、對于被識別為地面結(jié)構(gòu)物類別的點(diǎn)云，進(jìn)行標(biāo)記和定位，建立相應(yīng)的三維模型和與點(diǎn)云數(shù)據(jù)相對應(yīng)的三維實(shí)體，并進(jìn)行標(biāo)注和屬性關(guān)聯(lián)，為每個(gè)特征要素添加標(biāo)簽和描述信息，為不同類別的地面點(diǎn)云添加填土面、挖土面的類型標(biāo)簽，為人員點(diǎn)云添加角色標(biāo)簽，為機(jī)械點(diǎn)云添加設(shè)備種類標(biāo)簽。

36、本發(fā)明實(shí)施例所采用的另一技術(shù)方案是：基于無人機(jī)測量的土方工程量計(jì)算方法，具體過程為：

37、步驟1、按照如上所述的基于無人機(jī)測量的土方工程實(shí)時(shí)三維建模方法構(gòu)建土方工程三維實(shí)時(shí)模型；

38、步驟2、利用機(jī)載激光雷達(dá)的地面點(diǎn)云數(shù)據(jù)和基于注意力機(jī)制的卷積神經(jīng)網(wǎng)絡(luò)，獲取校正后的復(fù)雜地形特征點(diǎn)的位置和屬性信息，并實(shí)現(xiàn)無人機(jī)傾斜攝影測量的三維地形網(wǎng)格精度的校準(zhǔn)后，得到密度在100～1000個(gè)點(diǎn)/m2的點(diǎn)云數(shù)據(jù)并導(dǎo)入到建立的土方工程實(shí)時(shí)三維模型中，獲得第一期土方數(shù)據(jù)；

39、步驟3、根據(jù)場地設(shè)計(jì)高程即設(shè)計(jì)文件要求的最終完成面的坐標(biāo)點(diǎn)數(shù)據(jù)，與當(dāng)前土方測量數(shù)據(jù)進(jìn)行比較，確定挖填區(qū)域以及所需的挖填土方量；

40、步驟4、再利用機(jī)載激光雷達(dá)的地面點(diǎn)云數(shù)據(jù)和基于注意力機(jī)制的卷積神經(jīng)網(wǎng)絡(luò)實(shí)時(shí)更新土方工程三維模型點(diǎn)云數(shù)據(jù)，重復(fù)以上一期土方測量數(shù)據(jù)的確定方法，生成第二期土方測量數(shù)據(jù)即更新后當(dāng)前土方測量數(shù)據(jù)，并通過與場地設(shè)計(jì)高程比較，確定更新后的挖填區(qū)域和剩余的挖填土方工程量；

41、按照一定的間隔時(shí)間，重復(fù)上述步驟4的過程，利用無人機(jī)的實(shí)時(shí)數(shù)據(jù)進(jìn)行當(dāng)前土方測量數(shù)據(jù)的實(shí)時(shí)更新，并通過實(shí)時(shí)確定剩余的挖填土方工程量與初始的挖填土方工程量之比，來反映土方工程整體的剩余工程比例。

42、本發(fā)明實(shí)施例所采用的另一技術(shù)方案是：基于無人機(jī)測量的土方工程施工進(jìn)度監(jiān)測方法，包括以下步驟：

43、按照如上所述的基于無人機(jī)測量的土方工程實(shí)時(shí)三維建模方法構(gòu)建土方工程三維實(shí)時(shí)模型；

44、根據(jù)土方工程實(shí)時(shí)三維模型和人員、機(jī)械的三維實(shí)體，提取土方工程進(jìn)程信息，實(shí)時(shí)反饋施工現(xiàn)場情況，包括：

45、測量和計(jì)算挖填土方作業(yè)的完成情況，展示土方施工的整體進(jìn)度；

46、定義填土面和挖土面，區(qū)分挖填區(qū)域，判斷當(dāng)前施工的挖填作業(yè)是否在規(guī)劃的挖填區(qū)域內(nèi)，如不在區(qū)域內(nèi)則發(fā)出警告；

47、根據(jù)挖填施工區(qū)域內(nèi)人員和機(jī)械的位置，判斷施工人員位置是否符合安全規(guī)范；

48、監(jiān)測施工機(jī)械是否在正確施工區(qū)域開展工作。

49、本發(fā)明實(shí)施例的有益效果是：

50、(1)利用機(jī)載激光雷達(dá)實(shí)時(shí)獲取高質(zhì)量地面點(diǎn)云數(shù)據(jù)，提供了更豐富完整的三維信息，并可以清晰準(zhǔn)確地將地面點(diǎn)云劃分為不同的語義，例如填土面和挖土面等，從而根據(jù)設(shè)計(jì)高程數(shù)據(jù)，確定挖填區(qū)域和挖填土方量，能夠高效準(zhǔn)確地提取出土方工程量的目標(biāo)區(qū)域，提高了測量結(jié)果的準(zhǔn)確性，解決了現(xiàn)有的三維重建模型，不同特征元素辨識度較差的缺點(diǎn)，無法區(qū)分土方工程不同階段的特征信息；

51、(2)本發(fā)明首先利用時(shí)間序列多幀輸入方法，實(shí)時(shí)追蹤特征目標(biāo)的變化，這一步驟有助于捕捉到場景中移動或被遮擋的目標(biāo)的動態(tài)變化。然后運(yùn)用深度學(xué)習(xí)語義分割技術(shù)，自動識別各類工程要素的語義信息，這包括人員、機(jī)械等在內(nèi)的各類要素，通過高精度識別，可以更準(zhǔn)確地理解施工場景。然后，將識別出的分類結(jié)果與三維模型進(jìn)行對接融合。最終實(shí)現(xiàn)對土方目標(biāo)特征的端到端管理，無需反復(fù)調(diào)用不同時(shí)刻的三維模型，提高了工作效率。本發(fā)明解決了現(xiàn)有的三維重建結(jié)果無法區(qū)分土方工程不同階段的特征信息的問題，實(shí)現(xiàn)了對復(fù)雜場景的特征要素的自動監(jiān)測。同時(shí)，該監(jiān)測結(jié)果與數(shù)字模型實(shí)現(xiàn)了精細(xì)對接。本發(fā)明能夠全天候運(yùn)行，不受天氣、光照等因素的影響，提高了測量結(jié)果的穩(wěn)定性；

52、(3)通過無人機(jī)提供的高精度測量數(shù)據(jù)，結(jié)合計(jì)算機(jī)視覺算法對地形表面、現(xiàn)場人員和工程機(jī)械等目標(biāo)進(jìn)行識別和分割，能夠準(zhǔn)確提取出各個(gè)目標(biāo)的空間位置和特征，基于三維建模，能夠更準(zhǔn)確預(yù)測土方工程量、實(shí)現(xiàn)挖填平衡，提高調(diào)配的準(zhǔn)確性和減少資源的浪費(fèi)；

53、(4)通過實(shí)時(shí)三維建模，能夠?qū)崿F(xiàn)對土方工程進(jìn)度的實(shí)時(shí)監(jiān)測和控制；通過對比當(dāng)前狀態(tài)與預(yù)定進(jìn)度的差異，可以及時(shí)發(fā)現(xiàn)工程進(jìn)度偏差，并采取相應(yīng)的調(diào)整措施，提供施工精度動態(tài)監(jiān)測管理與土方施工方案修改的閉環(huán)支撐；區(qū)分不同的工期信息，實(shí)時(shí)、準(zhǔn)確計(jì)算挖填土方工程量的變化，提供可靠的整體進(jìn)度監(jiān)測，方便測算和管理施工成本；可視化技術(shù)，有效監(jiān)測人員設(shè)備運(yùn)行安全，進(jìn)而可以提高工程施工的效率，避免時(shí)間和資源的浪費(fèi)；

54、(5)實(shí)現(xiàn)了土方工程調(diào)配的自動化處理和智能化決策，通過智能算法和實(shí)時(shí)建模，可以自動識別目標(biāo)、預(yù)測量、分析數(shù)據(jù)，減少人工干預(yù)和主觀判斷的需求，減少了人為誤差的影響，促進(jìn)土方工程施工管理的數(shù)字化和智能化發(fā)展。