一种索穹顶节点检测与三维坐标重建系统、方法、可读存储介质

本发明涉及工程结构智能监测与工程信息学交叉，具体涉及基于无人机图像的空间结构节点目标检测与三维坐标重建，尤其是一种面向索穹顶等大跨度空间结构节点的深度学习识别与结构先验知识约束融合的三维坐标反演重建技术，具体是一种基于多模块优化uav-yolov11的索穹顶节点检测与三维坐标重建系统、方法、可读存储介质。

背景技术：

1、索穹顶结构作为一种高效的大跨度空间结构形式，广泛应用于体育场、展览中心等大型公共建筑中。节点作为索穹顶结构的关键传力部件，其空间位置的精准监测对于保障结构的施工成形精度及运营期安全至关重要。现有的索穹顶节点监测技术主要存在以下问题：1、传统测量手段局限性大，传统的全站仪或gps测量方式虽然精度较高，但需要布设控制网，作业效率低、成本高，且难以实现全场、高频次的实时化监测。2、视觉检测精度受限，现有的基于无人机影像的视觉检测方法，在高空航拍视角下，节点目标通常呈现小尺度、密集分布的特点，且极易受到索、杆等复杂背景的干扰，导致节点检测的精度与鲁棒性不足。3、重建缺乏物理约束，现有的三维重建方法多基于纯视觉几何原理（如sfm、mvs），在由二维像素向三维坐标反演的过程中，缺乏结构先验知识的指导。由于图像噪声和匹配误差，纯视觉重建结果往往存在系统性误差，且重建出的节点坐标可能违背结构的物理几何规律（如杆长变化、拓扑连接错误），导致结果缺乏工程可解释性。4、自动化程度低，现有系统各环节（采集、识别、重建）往往相互独立，缺乏协同融合机制，依赖人工介入衔接，难以满足现代工程对自动化、智能化监测的需求。

2、因此，研发一种能够实现无人机影像驱动下，融合结构先验知识，从智能识别到三维坐标自动化、高精度重建的一体化系统，是当前大跨度空间结构监测领域亟待解决的技术问题。

技术实现思路

1、本发明的目的在于针对现有索穹顶结构节点空间坐标监测过程中存在的缺陷和不足，尤其是传统测量方式效率低、成本高且难以实现全场实时化监测，以及现有基于无人机影像的视觉方法在复杂工况下识别与重建精度不稳定等问题，提供一种基于多模块优化uav-yolov11的索穹顶节点检测与三维坐标重建系统、方法、可读存储介质。

2、为了实现本发明的目的，本发明所采用的技术方案为：

3、公开一种基于多模块优化的索穹顶节点检测与三维坐标重建系统，包括：

4、影像采集模块，配置用于搭载于无人机平台，获取索穹顶结构的高分辨率影像数据，并进行相机标定与预处理；

5、多模块优化检测模块，与所述影像采集模块连接，用于接收所述影像数据，基于优化的uav-yolov11深度学习模型识别索穹顶节点，并输出节点的二维像素坐标信息；

6、结构知识约束模块，用于基于索穹顶结构的形态找形算法，提取结构的几何特性、拓扑连接关系及对称特性，并将其转化为数学约束方程；

7、坐标重建优化模块，与所述多模块优化检测模块和结构知识约束模块连接，用于根据所述二维像素坐标信息和相机参数进行三维坐标反演，并结合所述数学约束方程进行优化求解，输出节点三维坐标；

8、跨平台协同控制模块，用于控制上述各模块的数据交互与协同工作，实现从影像采集到三维坐标输出的全流程自动化运行。

9、所述多模块优化检测模块中的uav-yolov11深度学习模型包括主干网络、颈部网络和检测头；

10、所述主干网络或颈部网络中嵌入了c2psa-biformer注意力增强子模块，所述c2psa-biformer注意力增强子模块采用双层路由注意力机制，用于增强模型对节点特征的全局感知能力并抑制背景干扰；

11、所述主干网络或颈部网络中嵌入了c3k2-ghostmodule轻量化子模块，用于在保持特征提取能力的同时降低模型参数量和计算复杂度；

12、所述检测头采用nwd-ciou复合损失函数子模块进行边界框回归优化，所述nwd-ciou复合损失函数子模块结合了归一化wasserstein距离和交并比损失，用于提高小尺度节点的定位精度。

13、所述结构知识约束模块具体配置用于：

14、利用matlab环境进行索穹顶形态找形计算，获得结构的理论几何形态；

15、基于所述理论几何形态，构建包含杆件长度约束、节点连接拓扑约束以及结构整体对称性约束的约束集合；

16、将所述约束集合标准化处理，作为所述坐标重建优化模块中的正则化项或约束条件。

17、所述坐标重建优化模块的工作过程包括：

18、建立相机成像几何模型，构建像素坐标系与世界坐标系的映射关系；

19、基于所述二维像素坐标信息进行反投影计算，获得节点三维坐标的初始解；

20、构建包含重投影误差最小化项和结构先验约束误差最小化项的目标函数，利用优化算法对所述初始解进行迭代校正，输出最终节点三维坐标。

21、所述系统采用分级部署架构：所述影像采集模块部署于无人机端，所述多模块优化检测模块部署于边缘计算端或云端，所述坐标重建优化模块和结构知识约束模块部署于云端或地面工作站。

22、进一步的，本发明还公开一种基于以上所述系统的索穹顶节点检测与三维坐标重建方法，包括以下步骤：

23、s1：利用无人机规划航线采集索穹顶影像，进行数据筛选、标注及增强处理；

24、s2：构建并训练多模块优化uav-yolov11节点检测模型，引入双层路由注意力机制和轻量化卷积模块，对采集的影像进行推理，输出节点二维像素坐标；

25、s3：基于索穹顶结构设计参数进行形态找形计算，生成包含几何、拓扑及对称性的数学约束集合；

26、s4：建立相机成像模型，将节点二维像素坐标反投影得到三维初值，引入所述数学约束集合进行迭代优化，输出最终三维坐标。

27、在步骤s2中，所述多模块优化uav-yolov11节点检测模型的训练过程包括：

28、引入c2psa-biformer模块以抑制索杆复杂背景干扰；

29、引入c3k2-ghostmodule模块以降低模型推理开销；

30、采用nwd-ciou复合损失函数替代传统iou损失函数，以增强对小目标节点的定位鲁棒性。

31、所述方法还包括周期监测模式：

32、按设定周期重复执行步骤s1至s4，获取不同时间节点的三维坐标数据；

33、对比历史坐标数据，计算节点位移或偏差变化趋势，用于结构施工校核或运营期健康监测。

34、进一步的，本发明还公开一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述方法的步骤。

35、本发明的有益效果在于：

36、本发明所述系统的检测模块多模块协同优化，map@0.5:0.95达88.7%、召回率99.6%，兼顾高精度检测与轻量化设计，可直接适配无人机边缘部署场景。可实现融合结构先验知识约束开展三维重建，节点测量平均点误差仅2.72cm，优于传统系统，满足行业规范的工程级精度要求，通过跨平台协同控制实现影像采集到坐标输出的全流程自动化运行，无需人工介入衔接，大幅提升监测效率、降低人工成本与操作误差。

37、本发明以结构物理几何规律为约束求解坐标，解决传统系统重建结果无物理意义的问题，监测数据的工程可靠性与可解释性显著提升，采用模块化设计，可替换结构知识约束适配不同大跨度空间结构监测，硬件单元可灵活组合、升级，适配不同监测场景需求，采用无人机+边缘端+云端分级部署模式，软硬件均为工程化设计，适配现场复杂环境，操作便捷，可直接应用于结构施工与运营监测。