CN117808964B 一种基于bim的钢结构形变监测处理方法及系统 （山东程棋钢结构集团有限公司）

202311278790.52023.10.07一种基于BIM的钢结构形变监测处理方法及本发明公开了一种基于BIM的钢结构形变监BIM模型；采用GrabCut算法对数字图像进行处利用三维重建技术获取变形区域的三维信息数据；将变形区域的三维信息数据与BIM模型中的位置和形变程度；利用改进的CNN模型并基于三处理方案。本发明通过机器学习和深度学习技术，可以自动检测数字图像和三维信息中的变2S1、获取激光扫描仪对钢结构进行扫描得到的数字图像，并基于数字图像建立BIM模S5、根据钢结构检测结果，利用改进的CNN模型并基于三维信息对钢结构变形进行评3所述利用三维重建技术获取变形区域的三维信息数据包括2.根据权利要求1所述的一种基于BIM的钢3.根据权利要求1所述的一种基于BIM的将所述变形区域的三维信息数据与所述BIM模型中的三维信息数据进行比对，检测钢结构S42、使用ICP算法将所述变形区域的三维信息数据与所述BIM模型的三维信息数据进S43、使用计算机视觉中的形态差分法计算所述变形区域4.根据权利要求3所述的一种基于BIM的钢结构形变监S422、在变形区域的三维信息数据中的每个点找到BIM模型的三维信息数据中的最近45.根据权利要求1所述的一种基于BIM的S54：将预处理后的三维信息数据输入到训练好的6.根据权利要求1所述的一种基于BIM的钢结构所述根据知识图谱对复杂变形进行判断包括将复杂变形的变形评估结果输入到知识图谱中，并在知识图谱7.一种基于BIM的钢结构形变监测处理系统，用于所述数据采集与模型构建模块通过所述图像处理模块与所述变形所述数据采集与模型构建模块，用于获取激光扫描仪对钢结构进行扫5所述变形定位模块，用于将所述变形区域的三维信息数据与所述BIM模型中的三维信6[0008]为了克服以上问题，本发明旨在提出一种基于BIM的钢结构形变监测处理方法及7[0036]其中，所述通过双阈值算法和非最大值抑制来确定真正的边缘信息包括以下步8[0041]S2435、若弱边缘像素点的邻域内存在强边缘像素点，则该弱边缘也被确认为边[0048]可选地，所述将所述变形区域的三维信息数据与所述BIM模型中的三维信息数据[0050]S42、使用ICP算法将所述变形区域的三维信息数据与所述BIM模型的三维信息数[0051]S43、使用计算机视觉中的形态差分法计算所述变形区域的三维信息数据与所述[0056]S422、在变形区域的三维信息数据中的每个点找到BIM模型的三维信息数据中的9[0077]所述数据采集与模型构建模块通过所述图像处理模块与[0081]所述变形定位模块，用于将所述变形区域的三维信息数据与所述BIM模型中的三为变形的及时发现和处理提供依据；通过与BIM模型的比对，可以精确地定位到变形的位[0123]其中，所述通过双阈值算法和非最大值抑制来确定真正的边缘信息包括以下步[0128]S2435、若弱边缘像素点的邻域内存在强边缘像素点，则该弱边缘也被确认为边[0139]优选地，所述将所述变形区域的三维信息数据与所述BIM模型中的三维信息数据[0141]S42、使用ICP算法将所述变形区域的三维信息数据与所述BIM模型的三维信息数[0142]S43、使用计算机视觉中的形态差分法计算所述变形区域的三维信息数据与所述[0147]S422、在变形区域的三维信息数据中的每个点找到BIM模型的三维信息数据中的录和显示差异区域。这些技术的结合可以实现变形区域三维信息与BIM模型三维信息的精常设定变换参数的变化阈值和最大迭代次数。这两个阈值的设定需要平衡计算速度和精数的设定通常需要根据配准精度需求和计算[0185]所述数据采集与模型构建模块1通过所述图像处理模块2与所述变形检测模块3连[0186]所述数据采集与模型构建模块1，用于获取激光扫描仪对钢结构进行扫描得到的