施工进度信息处理方法

1.本发明涉及建筑施工技术领域，具体涉及一种施工进度信息处理方法。


背景技术：

2.在现代建筑工程施工之中，施工进度是影响工程整体质量的重大因素。传统的工地施工进度检查都是委派专业人员定期进行现场检查，检查内容繁琐，且不能掌握实时施工进度。由于不能获取实时施工进度，若在施工过程中现场施工人员在监理指令还未执行时就已经提前完成了后续连续实体工作，那么后续实体便面临着被拆除返工的风险，这样就会导致工期失去控制。


技术实现要素：

3.本发明的目的在于提供一种施工进度信息处理方法，以解决现有的施工进度不能实时查看的缺点。
4.本发明解决上述技术问题的技术方案如下：
5.本发明提供一种施工进度信息处理方法，所述施工进度信息处理方法包括以下步骤：
6.s1：采集多个施工现场图片，并对其中的每一个进行关键特征点提取；
7.s2：对每两张所述施工现场图片中的相同关键特征点进行匹配；
8.s3：根据所述相同关键特征点建立虚拟三维图像；
9.s4：将所述虚拟三维图像与预设模型进行对比，并根据对比信息确定当前施工进度。
10.可选择地，所述步骤s1包括以下分步骤：
11.s11：将多个所述施工现场图片置于坐标系中，并在所述坐标系中对每张所述施工现场图片的每一个像素进行坐标点提取；
12.s12：根据所述坐标点和高斯模糊模型生成新的输出；
13.s13：根据所述坐标点以及所述新的输出，构建差分尺度空间；
14.s14：根据所述差分尺度空间，并通过曲线拟合的方式确定所述关键特征点的大小；
15.s15：根据所述关键特征点的大小以及邻域半径，确定所述关键特征点的方向。
16.可选择地，所述步骤s11中，所述根据所述坐标点和高斯模糊模型生成新的输出采用以下公式：
[0017][0018]
其中，g(x,y,σ)表示高斯模糊模型函数，x为坐标点的横坐标值，y为坐标点的纵坐标值，σ为正态分布的标准差，m为高斯模糊模型的长度值，n为高斯模糊模型的宽度值。
[0019]
可选择地，所述s12中，所述构建差分尺度空间包括以下分步骤：
[0020]
s121：根据所述高斯模糊模型和所述施工现场图片对应的坐标点进行卷积计算，构建尺度空间；
[0021]
s122：对所述施工现场图片进行多次降阶采样，得到n层大小不一的图像；
[0022]
s123：对n层大小不一的图像建立n个尺度；
[0023]
s124：改变σ的值，并返回s120重新进行卷积计算，直到得到规定数量等级的尺度空间；
[0024]
s125：将相邻的不同尺度下的尺度空间相减，以获取差分尺度空间。
[0025]
可选择地，所述s121中，尺度空间通过如下公式表示：
[0026]
l(x,y,σ)＝g(x,y,σ)*i(x,y)
[0027]
其中，g(x,y,σ)表示高斯模糊模型函数，i(x,y)为施工现场图片对应的坐标点，l(x,y,σ)为所述高斯模糊模型与所述坐标点的卷积，即尺度空间；
[0028]
所述s125中，差分尺度空间通过如下公式表示：
[0029]
d(x,y,σ)＝(g(x,y,kσ)-g(x,y,σ))*i(x,y)
[0030]
其中，d(x,y,σ)表示差分尺度空间，g(x,y,σ)表示高斯模糊模型函数，i(x,y)为施工现场图片对应的坐标点，k为常数值。
[0031]
可选择地，所述s14中，所述确定所述关键特征点的大小通过以下公式进行计算：
[0032][0033]
其中，d(x)表示拟合函数，d即为d(x,y,σ)，表示差分尺度空间，d
t
表示d的转置(数学符号),表示求微分，x表示拟合函数d(x)里面的变量，且x＝(x,y,σ)
t
。
[0034]
所述s15中，确定所述关键特征点的方向采用梯度直方图的方法，并通过以下公式进行计算：
[0035][0036][0037]
其中，m(x,y)表示所述关键特征点对应直方图的大小，θ(x,y)表示所述关键特征点的方向，l表示关键点所在的尺度空间大小。
[0038]
可选择地，所述步骤s2包括：
[0039]
s21：通过以下公式计算所述相邻两个所述施工现场图片中的相同关键特征点之间的欧式距离：
[0040][0041]
其中，ρ为所述相邻两个所述施工现场图片中的相同关键特征点之间的欧式距离；(x1,y1)为前一张施工现场图片的坐标，(x2,y2)为后一张施工现场图片的坐标；
[0042]
s22：比较多个欧式距离的大小，确定最小欧式距离对应的坐标点即为相同关键特征点。
[0043]
可选择地，所述步骤s3包括以下分步骤：
[0044]
s31：根据所述相同关键特征点计算基础矩阵；
[0045]
s32：根据所述基础矩阵，得到相邻两个所述施工现场图片之间的投影矩阵；
[0046]
s33：根据所述投影矩阵以及所述特征匹配点，生成三维点云数据；
[0047]
s34：根据所述三维点云数据建立所述虚拟三维图像。
[0048]
可选择地，所述步骤s31中，所述基础矩阵的计算公式为：
[0049]
x
't
fx＝0
[0050]
其中，x和x'为一对特征匹配点，x＝(x1,y1,1)，x
′
＝(x2,y2,1)，(x1,y1)为前一张施工现场图片的坐标，(x2,y2)为后一张施工现场图片的坐标，f为基础矩阵；
[0051]
所述基础矩阵f包括两个所述施工现场图片之间的旋转和平移信息，以及相机的内参数，两个所述施工现场图片的所述相同关键特征点具有以下约束关系：
[0052][0053]
其中，f
ij
为基础矩阵f中的参数，其中i＝1、2、3；j＝1、2、3；
[0054]
所述步骤s31中，所述投影矩阵通过以下公式计算得到：
[0055]
p1＝c[i|0]
[0056]
p2＝c[r|t]
[0057]
f＝c-t
ec-1
[0058]
e＝[t]r
[0059]
其中，p1，p2分别为前一张和后一张图片的投影矩阵；i为单位矩阵；e为包含了两张图像之间的旋转和平移信息的矩阵；r和t分别为旋转矩阵和平移矩阵；对矩阵e进行奇异值分解之后，得到矩阵r和t，同时计算出两张图片的投影矩阵；c为矩阵符号。
[0060]
可选择地，所述步骤s4包括：
[0061]
通过虚拟三维图像的坐标值以及以下公式映射预设模型的高度：
[0062][0063]
上式中，h
′
为虚拟三维图像的高度，取最低点到最高点；w
′
为虚拟三维图像的宽度，取底座某一边的宽度，w为完整预设模型中对应边的宽度，h为完整预设模型的高度。
[0064]
本发明具有以下有益效果：
[0065]
通过上述技术方案，即通过本发明实施例所提供的施工进度信息处理方法，一方面，能够实时查看施工进度，从而有利于项目管理人员对施工流程进行控制，从而有效避免提前完成施工以及拖慢施工进度的现象；另一方面，能够有效节省巡查所需的人力，从而节约施工成本。
附图说明
[0066]
图1为本发明实施例所提供的施工进度信息处理方法的流程图；
[0067]
图2为本发明实施例所提供的施工进度信息处理方法的步骤s1的分步骤流程图；
[0068]
图3为本发明实施例所提供的施工进度信息处理方法的步骤s12的分步骤流程图；
[0069]
图4为本发明实施例所提供的施工进度信息处理方法的步骤s3的分步骤流程图。
具体实施方式
[0070]
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
[0071]
在本发明中，在未作相反说明的情况下，本发明所示用的术语“第一”、“第二”等是为了区分一个要素和另一个要素，不具有顺序性和重要性。术语“上”“下”以本发明中图1的上下位置为基准；术语“内”“外”表示物体的表面轮廓相对的内和外。在下面的描述中，当涉及到附图时，除非另有解释，不同的附图中相同的附图标记表示相同或相似的要素。上述定义仅用于解释和说明本公开，不应当理解为对本公开的限制。
[0072]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0073]
实施例
[0074]
本发明解决上述技术问题的技术方案如下：
[0075]
参考图1所示，本发明提供一种施工进度信息处理方法，所述施工进度信息处理方法包括以下步骤：
[0076]
s1：采集多个施工现场图片，并对其中的每一个进行关键特征点提取；
[0077]
s2：对每两张所述施工现场图片中的相同关键特征点进行匹配；
[0078]
s3：根据所述相同关键特征点建立虚拟三维图像；
[0079]
s4：将所述虚拟三维图像与预设模型进行对比，并根据对比信息确定当前施工进度。
[0080]
本发明具有以下有益效果：
[0081]
通过上述技术方案，即通过本发明实施例所提供的施工进度信息处理方法，一方面，能够实时查看施工进度，从而有利于项目管理人员对施工流程进行控制，从而有效避免提前完成施工以及拖慢施工进度的现象；另一方面，能够有效节省巡查所需的人力，从而节约施工成本。
[0082]
这里需要说明的是，多个施工现场图片的获取可以是任意的形式，例如智能手机、智能相机、智能巡查车、智能头盔、智能眼镜等，主要能够实现对图片的采集以及传输给后台服务器即可。在本发明中，选择采用智能头盔，这里的智能头盔携带有信息传输功能，主要是通过4g传输，这样，巡查人员只需要在施工现场头戴头盔，即可将现场施工状况拍摄下来，并传输给后台服务器。
[0083]
此外，拍摄到的施工现场图片还需至少包括以下三个特点：
[0084]
1、包含整栋建筑物；
[0085]
2、环绕建筑物一周拍摄至少8张图片；
[0086]
3、每次拍摄距离建筑物大小基本一致。
[0087]
以确保后续对图片处理的准确性以及信息获取的完整性。获取完施工现场图片以后，便要对所有的施工现场图片进行关键特征点提取，具体的，参考图2所示，提取分步骤
为：
[0088]
s11：将多个所述施工现场图片置于坐标系中，并在所述坐标系中对每张所述施工现场图片的每一个像素进行坐标点提取；
[0089]
s12：根据所述坐标点和高斯模糊模型生成新的输出；
[0090]
s13：根据所述坐标点以及所述新的输出，构建差分尺度空间；
[0091]
s14：根据所述差分尺度空间，并通过曲线拟合的方式确定所述关键特征点的大小；
[0092]
s15：根据所述关键特征点的大小以及邻域半径，确定所述关键特征点的方向。
[0093]
这里，坐标区域为以所述施工现场图片的左下角为坐标原点，在每一张施工现场图片进入坐标系以后，该施工现场图片的每个像素都会在该坐标系中生成一个坐标点。
[0094]
具体地，对8张照片进行编号，分别是第一图片、第二图片、第三图片
……
第八图片(省略号省略四至七图片，下同)，这样，每一张图片中都至少包括多个像素，以第一图片为例，第一图片至少包括第一像素、第二像素、第三像素
……
第n像素，这样每个像素都在坐标系中生成一个坐标，例如第一像素为(x1，y1)，第二像素(x2,y2)
……
第n像素(xn,yn)。
[0095]
除此之外，设定高斯模糊模型区域(m,n)，结合高斯模糊模型以及坐标点生成新的输出采用以下公式：
[0096][0097]
其中，g(x,y,σ)表示高斯模糊模型函数，x、y表示所述施工现场图片映射在所述坐标系上的坐标，x为坐标点的横坐标值，y为坐标点的纵坐标值，σ为正态分布的标准差，m为高斯模糊模型的长度值，n为高斯模糊模型的宽度值。
[0098]
这里，σ值越大，图像越模糊，因此在本发明中，σ取值为1。此外，为了使距离3σ之外的关键特征点不起作用，一般取m和n的长宽值在(6σ 1)2附近。这里需要注意的是，生成高斯模糊模型之后，为了使高斯模板中的元素处于[0,1]之间，应当将高斯模糊模型进行归一化(归一化是一种无量纲处理手段，使物理系统数值的绝对值变成某种相对值关系)处理。
[0099]
可选择地，所述s12中，参考图3所示，所述构建差分尺度空间包括以下分步骤：
[0100]
s121：根据所述高斯模糊模型和所述施工现场图片对应的坐标点进行卷积计算，构建尺度空间；
[0101]
s122：对所述施工现场图片进行多次降阶采样，得到n层大小不一的图像；
[0102]
s123：对n层大小不一的图像建立n个尺度；
[0103]
s124：改变σ的值，并返回s120重新进行卷积计算，直到得到规定数量等级的尺度空间；
[0104]
s125：将相邻的不同尺度下的尺度空间相减，以获取差分尺度空间。
[0105]
这里，由于σ值较大时若直接使用高斯模糊模型与施工现场图片做卷积运算，那么会导致像素缺失严重。因此，考虑到高斯模糊模型矩阵可分离为一个行向量乘以一个列向量相乘的形式，这时利用分离得到的行向量和列向量分别在实际图像上进行水平方向和竖直方向的卷积，从而能够有效避免像素缺失的现象。
[0106]
除此之外，为了检测不同尺度下的极值点，需要将原始施工现场图片进行不断降
阶(缩小)采样，从而得到n层大小不同的图片，这些图片构造为塔状结构，这里，n的计算公式如下：
[0107]
n＝log2{min(m,n)}-t
[0108]
其中，t为最小图像的对数值，t∈[0,log2{min(m,n)}]，m，n为所述施工现场图片的长和宽。
[0109]
由此，得到n之后，建立n个尺度，每个尺度对应规定数量等级的尺度空间，在本发明中，规定数量等级为5。此外，动态改变σ的值，设置σ的值为：
[0110][0111]
其中，k为常数值，在本发明中，k＝1，σ的维数为n
×
5。将σ代入尺度空间中，即可得到不同尺度下对应的高斯模糊图片。
[0112]
可选择地，尺度空间通过如下公式表示：
[0113]
l(x,y,σ)＝g(x,y,σ)*i(x,y)
[0114]
其中，g(x,y,σ)表示高斯模糊模型函数，i(x,y)为施工现场图片对应的坐标点，l(x,y,σ)为所述高斯模糊模型与所述坐标点的卷积，即尺度空间；最后将相邻的不同尺度下的尺度空间值相减，就可以得到差分尺度空间。
[0115]
这里，差分尺度空间通过如下公式表示：
[0116]
d(x,y,σ)＝(g(x,y,kσ)-g(x,y,σ))*i(x,y)
[0117]
其中，d(x,y,σ)表示差分尺度空间，g(x,y,σ)表示高斯模糊模型函数，i(x,y)为施工现场图片对应的坐标点，k为常数值。
[0118]
得到差分尺度空间之后，将每层图像的每一个像素点与它对应的上下两层以及本层的8个相邻像素点的图像域和尺寸域进行比较，这样就可以找到极大或者极小值点。然而由于差分尺度空间为离散空间，因此这样找到的极大值点或者极小值点并非是真正的极值点，因此需要结合曲线拟合的方式来确定真正的极值点，
[0119]
可选择地，所述确定所述关键特征点的大小通过以下公式进行计算：
[0120][0121]
其中，d(x)表示拟合函数，即差分尺度空间d(x,y,σ)，d
t
表示d的转置(数学符号),表示求微分，x表示拟合函数d(x)里面的变量，且x＝(x,y,σ)
t
。
[0122]
除此之外，得到了关键特征点的大小以后，还需要确定关键特征点的方向，确定关键特征点的方向需要借助关键特征点邻域内的其他像素(特征点)。这里，邻域的确定可以是任意范围，在本发明所提供的实施例中，邻域半径取3σ。此外，所述确定所述关键特征点的方向采用梯度直方图的方法，并通过以下公式进行计算：
[0123]
[0124][0125]
其中，m(x,y)表示所述关键特征点对应直方图的大小，θ(x,y)表示所述关键特征点的方向，l表示关键点所在的尺度空间大小。
[0126]
在获取到实际图片的特征点之后，需要对每两个所述施工现场图片中的相同特征点进行匹配：
[0127]
s21：通过以下公式计算所述相邻两个所述施工现场图片中的相同关键特征点之间的欧式距离：
[0128][0129]
其中，ρ为所述相邻两个所述施工现场图片中的相同关键特征点之间的欧式距离；(x1,y1)为前一张施工现场图片的坐标，(x2,y2)为后一张施工现场图片的坐标。这里，前、后是根据头盔传入到服务器的时间先后顺序判断的，因为智能头盔采集的图片是围绕建筑物顺序采集的，所以前后图片会有关联。
[0130]
s22：比较多个欧式距离的大小，确定最小欧式距离对应的坐标点即为特征匹配点。例如(x1,y1)与(x2,y2)之间的欧氏距离值最小，那么(x2,y2)就是(x1,y1)的相同关键特征点。
[0131]
除此之外，得到相同关键特征点之后，还需要建立虚拟三维图像。参考图4所示，本发明根据以下分步骤建议虚拟三维图像：
[0132]
s31：根据所述相同关键特征点计算基础矩阵；
[0133]
s32：根据所述基础矩阵，得到相邻两个所述施工现场图片之间的投影矩阵；
[0134]
s33：根据所述投影矩阵以及所述特征匹配点，生成三维点云数据；
[0135]
s34：根据所述三维点云数据建立所述虚拟三维图像。
[0136]
这里，得到图像之间的投影矩阵之后，利用投影矩阵和匹配点就可以求得对应的空间点，最终就会获得一系列的三维点云，然后保存三维点云为.txt文件，调用python的vispy库即可完成虚拟三维图像的重建。
[0137]
可选择地，所述步骤s31中，所述基础矩阵的计算公式为：
[0138]
x
't
fx＝0
[0139]
其中，x和x'为一对特征匹配点，x＝(x1,y1,1)，x
′
＝(x2,y2,1)，(x1,y1)为前一张施工现场图片的坐标，(x2,y2)为后一张施工现场图片的坐标，f为基础矩阵；
[0140]
所述基础矩阵f包括两个所述施工现场图片之间的旋转和平移信息，以及相机的内参数，两个所述施工现场图片的所述相同关键特征点具有以下约束关系：
[0141][0142]
其中，f
ij
为基础矩阵f中的参数，其中i＝1、2、3；j＝1、2、3；
[0143]
所述步骤s32中，所述投影矩阵通过以下公式计算得到：
[0144]
p1＝c[i|0]
[0145]
p2＝c[r|t]
[0146]
f＝c-t
ec-1
[0147]
e＝[t]r
[0148]
其中，p1，p2分别为前一张和后一张图片的投影矩阵；i为单位矩阵；e为包含了两张图像之间的旋转和平移信息的矩阵；r和t分别为旋转矩阵和平移矩阵；对矩阵e进行奇异值分解之后得到矩阵r和t，同时计算出两张图片的投影矩阵；c为矩阵符号，例如c[i|0]表示后面的i和0构成了一个矩阵，f中的c就是带入p1和p2。
[0149]
可选择地，所述步骤s4包括：
[0150]
通过虚拟三维图像的坐标值以及以下公式映射预设模型的高度：
[0151][0152]
上式中，h
′
为虚拟三维图像的高度，取最低点到最高点；w
′
为虚拟三维图像的宽度，取底座某一边的宽度，w为完整预设模型中对应边的宽度，h为完整预设模型的高度。
[0153]
这里的预设模型可以是任意模型，在本发明中，采用bim模型(building information modeling建筑信息模型)，考虑到bim模型是层层搭建的，当知道虚拟三维图像映射到bim模型的高度之后，就可以使高度值之下的模型构件着色为红色，表示修建完成；高度值之上的模型构件显示为透明色，表示未修建；在临界值的模型构件就显示为黄色，表示正在修建。当然，这里的颜色并不唯一局限于本发明，本领域技术人员可根据本发明变换模型显示颜色，以代表当前施工进度。
[0154]
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。