【技術實現步驟摘要】
本專利技術涉及圖像處理，具體涉及一種超大跨度高精度異形結構構建監測方法、設備和介質。
技術介紹
1、目前的大型風洞的建造技術難以獲取，該類結構施工過程復雜，且精度要求極高，因此在設計階段需要探尋一種可以確保有效實現風洞試驗功能、確保能實現工藝要求精度、確保能保障結構設計安全性和可靠性的施工方案，并在此基礎上初步細化，以對后續的詳細施工方案編制進行指導，因此需要先基于數字化虛擬建造進行施工模型的分析計算，基于施工模型指導上部網架和上板的施工，該部分施工完成后利用三維掃描技術獲得網架定位的數據信息對下吊桿系統進行二次指導加工和安裝，提高施工精度和效率。在該高精度異形模型構建過程中，傳統超大跨度高精度異形結構構建監測方法逐漸不能適應需求，為了提高監測效率，監測手段正由接觸式測量向非接觸式測量轉變，但是傳統檢測手段的檢測效率較低，檢測效果較差，具體存在以下問題：
2、由于風洞的結構復雜性，結構存在無法用解析幾何準確描述的復雜曲面以及無法進行高精度控制的問題，在基于gps/bds組合的變形監測高精度解算模型構建中，現有的模型監測過程由于無法準確識別骨架輪廓結構，從而無法準確的生成骨架架構，導致對后期施工數據模型庫的優化不準確，會影響建筑結構模型的穩定性和解算精度，且傳統的數據融合方法融合簡單，不能動態地反映建筑結構的形變特點，導致數據使用不充分，形變特征精度低，存在實時性問題，從而在二次指導加工和安裝時無法進行準確指導。
技術實現思路
1、本專利技術所要解決的技術問題是現有的模型
2、本專利技術通過下述技術方案實現：
3、本專利技術第一方面提供一種超大跨度高精度異形結構構建監測方法，包括以下具體步驟：
4、生成施工數據模型庫，基于施工數據模型庫進行施工，根據施工實況，得到實況圖像數據；
5、對實況圖像數據進行預處理，得到實體施工結構的rgb圖像；
6、將rgb圖像轉換為hsl三通道，分別對三個通道的色調閾值進行劃分，根據色調閾值篩選得到建筑骨架圖像；
7、對建筑骨架圖像進行二值化處理，得到前景二值圖；
8、使用骨架提取算法從前景二值圖中提取建筑骨架的輪廓；
9、將二維平面的輪廓信息與三維點云數據結合，生成點云分布矩陣；
10、根據點云分布矩陣和建筑骨架的輪廓信息，提取出建筑骨架點云片段；
11、構建特征提取骨干網絡，對建筑骨架點云片段進行建筑骨架的特征提取，得到當前建筑骨架點云片段的局部特征；
12、基于提取的局部特征對建筑骨架點云片段進行融合，得到整體特征；
13、根據整體特征，生成建筑骨架；
14、基于建筑骨架和施工數據模型庫進行比對，二次指導加工和安裝，更新迭代施工數據模型庫。
15、進一步的，所述使用骨架提取算法從前景二值圖中提取建筑骨架的輪廓，具體包括：
16、對前景二值圖迭代腐蝕操作和開運算，在每次迭代中：
17、對圖像進行腐蝕操作，然后進行開運算；
18、獲取腐蝕結果與開運算結果的差，將差值累加到前景二值圖上，直到前景二值圖被完全腐蝕成空集，輸出與建筑骨架圖像大小相同，但只包含單像素寬度骨架的二值圖像。
19、進一步的，所述在提取出建筑骨架點云片段時，還包括：
20、查找點云畸變數據，識別并標記點云數據中的畸變部分，包括：獲取輸入圖像,對輸入圖像進行多次擬合,生成分段的多項式曲線，根據多項式曲線求出空洞部位的點坐標，繪制得到建筑骨架點云片段的不完整部位；
21、對標記的畸變部分進行去除處理，得到去畸變的點云數據；
22、通過多重優化對去畸變的點云數據進行平差計算，利用非線性優化方法對測站點的坐標進行校正，輸出建筑骨架點云片段。
23、進一步的，所述構建特征提取骨干網絡，提取當前建筑骨架點云片段的局部特征，具體包括：
24、基于u-net網絡引入多尺度特征組合模塊和多尺度特征增強模塊對建筑骨架點云片段進行多尺度特征的提取；
25、引入雙重注意力模塊學習通道和空間位置的特征重要性，對不同深度特征之間的差異進行處理，輸出當前建筑骨架點云片段的局部特征。
26、進一步的，所述多尺度特征組合模塊包括多尺度輸入和多尺度輸出，通過在編碼器和解碼器之間添加多尺度增強模塊，捕獲不同尺度的上下文信息，以獲得更加廣泛的感受野，具體包括：
27、將點云投影到圖像平面，并在垂直方向上進行拉伸，彌補點云的稀疏性；
28、構建兩級殘差結構的注意力融合模塊，采用并行注意力機制模塊替代直接的通道堆疊，融合建筑骨架點云片段和實體施工結構圖像數據，得到多感受野下的特征。
29、進一步的，所述基于提取的局部特征對建筑骨架點云片段進行融合，具體包括：
30、提取建筑骨架點云片段中的圖像坐標，提取圖像坐標中對應的點云坐標；
31、根據圖像坐標對應的點云特征，通過學習點云特征的偏移量，得到語義對齊后的特征；
32、采用交叉注意力融合語義對齊后的特征，得到整體特征。
33、進一步的，所述生成建筑骨架的過程，具體包括：
34、根據整體特征，生成初始建筑骨架；
35、對初始建筑骨架進行中值降采樣處理得到源點集；
36、對源點集進行體素降采樣得到初始收縮點集；
37、對初始收縮點集中的每個點，在其局部鄰域內進行迭代收縮，每一次迭代均得到新投影點集，迭代直至投影點集重新分布到源點集的中心為止，輸出最終建筑骨架。
38、進一步的，所述基于建筑骨架和施工數據模型庫進行比對，具體包括：
39、在建筑點云模型和施工數據模型隨機采樣樣本數據點進行擬合，確定建筑點云模型和施工數據模型的差異；
40、根據預設的擬合閾值，將擬合誤差在閾值范圍內的數據點視為參考點；
41、計算參考點集本文檔來自技高網...
【技術保護點】
1.一種超大跨度高精度異形結構構建監測方法，其特征在于，包括以下具體步驟：
2.根據權利要求1所述的超大跨度高精度異形結構構建監測方法，其特征在于，所述使用骨架提取算法從前景二值圖中提取建筑骨架的輪廓，具體包括：
3.根據權利要求1所述的超大跨度高精度異形結構構建監測方法，其特征在于，所述在提取出建筑骨架點云片段時，還包括：
4.根據權利要求1所述的超大跨度高精度異形結構構建監測方法，其特征在于，所述構建特征提取骨干網絡，提取當前建筑骨架點云片段的局部特征，具體包括：
5.根據權利要求4所述的超大跨度高精度異形結構構建監測方法，其特征在于，所述多尺度特征組合模塊包括多尺度輸入和多尺度輸出，通過在編碼器和解碼器之間添加多尺度增強模塊，捕獲不同尺度的上下文信息，以獲得更加廣泛的感受野，具體包括：
6.根據權利要求1所述的超大跨度高精度異形結構構建監測方法，其特征在于，所述基于提取的局部特征對建筑骨架點云片段進行融合，具體包括：
7.根據權利要求1所述的超大跨度高精度異形結構構建監測方法，其特征在于，所述生成建筑骨
8.根據權利要求1所述的超大跨度高精度異形結構構建監測方法，其特征在于，所述基于建筑骨架和施工數據模型庫進行比對，具體包括：
9.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1至8任一項所述的超大跨度高精度異形結構構建監測方法。
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1至8任一項所述的超大跨度高精度異形結構構建監測方法。
...【技術特征摘要】
1.一種超大跨度高精度異形結構構建監測方法，其特征在于，包括以下具體步驟：
2.根據權利要求1所述的超大跨度高精度異形結構構建監測方法，其特征在于，所述使用骨架提取算法從前景二值圖中提取建筑骨架的輪廓，具體包括：
3.根據權利要求1所述的超大跨度高精度異形結構構建監測方法，其特征在于，所述在提取出建筑骨架點云片段時，還包括：
4.根據權利要求1所述的超大跨度高精度異形結構構建監測方法，其特征在于，所述構建特征提取骨干網絡，提取當前建筑骨架點云片段的局部特征，具體包括：
5.根據權利要求4所述的超大跨度高精度異形結構構建監測方法，其特征在于，所述多尺度特征組合模塊包括多尺度輸入和多尺度輸出，通過在編碼器和解碼器之間添加多尺度增強模塊，捕獲不同尺度的上下文信息，以獲得更加廣泛的感受野，具體包括：
【專利技術屬性】
技術研發人員：馮遠，張彥，姚麗，王恒，陳志強，謝俊喬，王治原，石佳霖，羅二虎，韓夏，
申請(專利權)人：中國建筑西南設計研究院有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。