一种基于BIM的无人机测绘方法及系统与流程

本发明涉及无人机测绘，具体为一种基于bim的无人机测绘方法及系统。

背景技术：

1、在现代城市规划和建筑工程中，无人机测绘已经成为一种重要的技术手段。然而，现有的无人机测绘技术面临诸多挑战。

2、传统无人机测绘方法可能缺乏精确的图像识别和特征提取手段，导致测绘精度受限。飞行路径的规划通常是静态的，缺乏对环境变化和特殊需求的实时响应能力。现有的数据处理方式可能未能充分利用激光雷达、gps坐标等多源信息，处理效率和准确性存在瓶颈。在实际测绘中，可能难以实现高精度、高细节的三维建筑模型的构建。现有技术可能缺乏对不同环境和测绘阶段的自适应优化能力。

3、此外，建筑信息模型(bim)在建筑领域的广泛应用和ar技术在空间定位方面的潜力表明了整合这些先进技术的重要性和紧迫性。

技术实现思路

1、鉴于上述存在的问题，提出了本发明。

2、因此，本发明解决的技术问题是：现有的测绘方法精度不足问题，传统测绘方法无法捕捉复杂建筑物的精确特征，缺乏实时反馈和调整机制，难以及时响应环境变化和潜在风险，同时效率较低，不能自动识别和规避障碍。

3、为解决上述技术问题，本发明提供如下技术方案：一种基于bim的无人机测绘方法，包括：

4、建立bim模型，通过ar锚点定义多维度权重，设定无人机的初步飞行路线，进行测绘；将无人机收集的数据处理，对图像数据进行学习分析，识别建筑物的特征，结合ar锚点的多维度权重信息将特征与bim模型进行对比；反馈对比分析结果，自主调整测绘策略；利用多源信息融合进行决策，优化无人机的飞行路径。

5、作为本发明所述的基于bim的无人机测绘方法的一种优选方案，其中：所述建立bim模型包括构建建筑物的3d模型，在bim模型中设定ar锚点，为每个锚点分配多维度权重。

6、所述多维度权重表示为，

7、wi＝α·wv,i+β·ws,i+γ·wd,i

8、其中，wi表示第i个ar锚点的综合权重，wv,i表示第i个ar锚点的视觉重要性权重，ws,i表示第i个ar锚点的结构重要性权重，wd,i表示第i个ar针点的距离重要性权重，α,β,γ表示调整系数，平衡各个维度的影响。

9、所述设定无人机的初步飞行路线包括利用ar锚点及多维度权重信息，采用基于凸壳算法和a*算法生成无人机的初步飞行路线，无人机根据所述初步飞行路线进行现场测绘。

10、所述凸壳算法包括确定ar锚点的外部边界，利用权重信息作为约束条件，收集所有ar锚点的坐标，为每个ar锚点计算权重，根据权重排序ar锚点，从权重最大的点开始，在凸壳计算的二维平面上，根据ar锚点的坐标和权重，创建一个权重场，选择权重最大的三个点，形成一个三角形，作为凸壳的初始形状，逐个考虑其余的ar锚点，并根据凸壳算法更新凸壳的形状若ar锚点在现有凸壳的外部，并且权重大于等于预设第一阈值，将所述ar锚点加入凸壳，并更新凸壳形状，若ar锚点在现有凸壳的外部，且权重小于预设第一阈值，则不加入凸壳形状，遍历素有ar锚点，确定最终凸壳形状。

11、作为本发明所述的基于bim的无人机测绘方法的一种优选方案，其中：所述a*算法包括计算飞行路径，将权重信息纳入a*算法的启发式函数，作为路径选择的优先级标准，确定初步飞行路线，进行初步测绘阶段。

12、所述初步飞行路线包括初始化阶段，确定起点和终点，选择无人机起飞和降落位置，开启列表存储待评估的节点，关闭列表存储已评估的节点，定义启发式函数，将起点加入开启列表，进入搜索阶段，选择启发式函数中最小值作为当前节点，检查当前节点是否为终点，若是终点，转入构建路径阶段，若不是终点，移动当前节点从开启列表到关闭列表，考虑当前节点的所有邻居节点为一级节点，若一级节点在关闭列表中，忽略所述一级节点，若一级节点不在开启列表中，计算一级节点的启发式函数值并加入开启列表，若一级节点已在开启列表中，但有更小的启发式函数值，更新启发式函数值，删除考虑所述一级节点的所有二级节点的部分，若开启列表为空，判断搜索失败，结束算法，若开启列表不为空，返回到开启列表，继续搜索。

13、所述启发式函数表示为，

14、f(n)＝g(n)+h(n)+λ·wi

15、其中，f(n)表示a*算法中的启发式函数，g(n)表示从起点到节点n的代价，h(n)表示节点n到终点的估计代价，λ表示启发式函数中权重的调节因子。

16、作为本发明所述的基于bim的无人机测绘方法的一种优选方案，其中：所述收集的数据包括通过多传感器同步获取图像、激光雷达及gps坐标数据。

17、所述数据处理包括对图像进行几何变换，对激光雷达数据利用ransac算法进行噪声滤除。

18、所述学习分析包括应用自适应选择算法，在初步测绘阶段利用cnn模型和hog特征与svm分类器进行ar锚点识别和特征提取，与bim模型进行对比匹配。

19、所述进行对比包括通过定义的多维度权重和ar锚点，将收集的图像数据、激光雷达数据和gps坐标与bim模型进行匹配，使用综合多源信息的融合方法，通过自适应选择算法和贝叶斯网络的优化进行实时优化。

20、作为本发明所述的基于bim的无人机测绘方法的一种优选方案，其中：所述对比分析结果包括通过测绘的图像数据、激光雷达数据和gps坐标与bim模型的一致性评估，分析差异，对测绘数据进行预处理，所述预处理包括图像校正、滤波、配准，使用三维对齐技术，通过ar锚点的多维度权重信息将测绘的图像数据、激光雷达数据与bim模型进行对齐，通过定义的一致性指标进行评估，计算测绘数据与bim模型之间的余弦相似度s；利用icp算法在三维空间中标记飞行路径中的关键区域，最小化每个点到其匹配点之间的距离迭代优化变换参数，依据一致性指标的阈值设置，对比分析测绘数据与bim模型的差异度d，识别差异区域，生成差异报告，通过可视化工具将差异区域在bim模型中高亮显示。

21、利用icp算法在三维空间中标记飞行路径中的关键区域，最小化每个点到其匹配点之间的距离迭代优化变换参数，依据一致性指标的阈值设置，对比分析测绘数据与bim模型的差异，识别差异区域，生成差异报告，通过可视化工具将差异区域在bim模型中高亮显示。

22、若s＜0.7，评分s3级，若0.7≤s≤0.9，评分s2级，若s＞0.9，评分s1级；

23、若d＞10％，评分d3级，若5％≤d≤10％评分d2级，若d＜5％，评分d1级。

24、作为本发明所述的基于bim的无人机测绘方法的一种优选方案，其中：所述调整测绘策略包括基于对比分析结果的飞行路径的实时调整，依据识别的差异区域和一致性评估，采用自适应选择算法结合当前飞行阶段需求，针对识别的差异区域进行关注和详细测绘，在后续飞行路径的实时调整阶段动态切换sift和surf算法。

25、若s评级和d评级均为最高级，采用sift算法，若s评级和d评级均为最低级，采用surf算法，若s评级高且d评级低，采用sift算法，若s评级低且d评级高，采用surf算法，若s评级等于d评级，自适应选择算法和当前飞行阶段需求，灵活切换sift和surf算法。

26、作为本发明所述的基于bim的无人机测绘方法的一种优选方案，其中：所述优化无人机的飞行路径包括采用数据融合框架，整合图像、激光雷达、gps坐标和ar锚点的多维度权重信息。

27、利用智能分析技术，自动识别测绘过程中的异常情况和潜在风险区域，并依据实时监测数据和孤立森林算法调整飞行路径。

28、本发明的另外一个目的是提供一种基于bim的无人机测绘系统，其能通过构建模块的精确三维建筑描述、路径规划模块的智能飞行路径优化、数据采集模块的全面数据同步采集和数据分析模块的实时匹配和分析，解决了现有测绘准确性、效率和可靠性方面的问题。

29、为解决上述技术问题，本发明提供如下技术方案：一种基于bim的无人机测绘系统，包括：模型构建模块、路径规划模块、数据采集模块以及数据分析模块；所述模型构建模块用于构建建筑物的3d模型，在bim模型中设定ar锚点，作为无人机测绘的参考，分配多维度权重，描述ar锚点的视觉重要性、结构重要性和距离重要性特征；所述路径规划模块用于根据ar锚点和多维度权重信息生成无人机的初步飞行路线，进行飞行路径的优化，对飞行路径进行实时调整，适应测绘过程中的异常情况和潜在风险区域；所述数据采集模块用于通过多传感器同步获取图像、激光雷达及gps坐标数据，进行数据的预处理；所述数据分析模块用于对收集的图像、激光雷达和gps数据进行学习分析和特征提取，进行对比匹配，识别与模型的差异区域，通过测绘数据与bim模型的一致性评估和差异报告生成，提供对测绘策略的反馈调整。

30、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上所述基于bim的无人机测绘方法的步骤。

31、一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上所述基于bim的无人机测绘方法的步骤。

32、本发明的有益效果：本发明提供的基于bim的无人机测绘方法更准确地捕捉建筑物的特征，提升测绘精度，通过实时优化飞行路径，提高测绘效率和适应性，提供更丰富的建筑信息，利用多源信息融合，支持更精细的三维建筑模型的创建，自动识别并应对测绘过程中的异常情况和潜在风险，具有更高的自适应和智能化水平。