[发明专利]一种人机交互式高层建筑外墙病害智能检测方法在审

专利信息
申请号: 202111440209.6 申请日: 2021-11-30
公开(公告)号: CN114119567A 公开(公告)日: 2022-03-01
发明(设计)人: 谭毅;许文煜;宋典威;陈鹏禄;马俊 申请(专利权)人: 深圳大学
主分类号: G06T7/00 分类号: G06T7/00;G06T7/70;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08;G06T19/00
代理公司: 北京品源专利代理有限公司 11332 代理人: 潘登
地址: 518060 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 人机 交互式 高层建筑 外墙 病害 智能 检测 方法
【权利要求书】:

1.一种人机交互式高层建筑外墙病害智能检测方法,其特征在于,包括:

在虚拟环境中建立待检建筑的BIM模型;

通过无人机对所述待检建筑的外墙进行拍摄,并使用卷积神经网络智能识别出病害图像及所述病害图像的位置信息;

根据所述位置信息将所述病害图像映射到所述虚拟环境中,并与所述BIM模型进行匹配显示。

2.根据权利要求1所述的人机交互式高层建筑外墙病害智能检测方法,其特征在于,所述在虚拟环境中建立待检建筑的BIM模型,包括:

将所述BIM模型导入所述虚拟环境;

基于Unity 3D创建可交互AR界面,并利用MRTK工具对所述BIM模型进行空间映射,以得到所述虚拟环境中的所述BIM模型。

3.根据权利要求2所述的人机交互式高层建筑外墙病害智能检测方法,其特征在于,在所述基于Unity 3D创建可交互AR界面,并利用MRTK工具对所述BIM模型进行空间映射,以得到所述虚拟环境中的所述BIM模型之后,还包括:

接收用户对所述BIM模型的注视动作以产生坐标视图;

接收用户的虚拟交互操作,以对所述BIM模型进行放缩或旋转。

4.根据权利要求1所述的人机交互式高层建筑外墙病害智能检测方法,其特征在于,在所述通过无人机对所述待检建筑的外墙进行拍摄之前,还包括:

对所述无人机在拍摄所述待检建筑的外墙时所需的飞行地图进行网格化;

基于网格从预设起点开始拓展节点,并确定成本最小的默认飞行路线;

相应的,所述通过无人机对所述待检建筑的外墙进行拍摄,包括:

通过所述无人机沿所述默认飞行路线对所述待检建筑的外墙进行拍摄。

5.根据权利要求1所述的人机交互式高层建筑外墙病害智能检测方法,其特征在于,所述根据所述位置信息将所述病害图像映射到所述虚拟环境中,并与所述BIM模型进行匹配显示,包括:

根据所述位置信息在虚拟环境中将所述病害图像在所述BIM模型上的对应位置进行展示;或者,

根据所述位置信息在虚拟环境中将所述BIM模型上的对应位置进行标识,并在预设展示区域对所述病害图像进行展示。

6.根据权利要求1所述的人机交互式高层建筑外墙病害智能检测方法,其特征在于,所述根据所述位置信息将所述病害图像映射到所述虚拟环境中,并与所述BIM模型进行匹配显示,包括:

基于rosbridge协议和websocket协议将所述病害图像传递到所述虚拟环境中。

7.根据权利要求1所述的人机交互式高层建筑外墙病害智能检测方法,其特征在于,所述方法还包括:

接收用户的虚拟交互手势;

根据所述虚拟交互手势生成所述无人机的控制信号和/或自定义飞行路线。

8.一种人机交互式高层建筑外墙病害智能检测装置,其特征在于,包括:

模型建立模块,用于在虚拟环境中建立待检建筑的BIM模型;

病害识别模块,用于通过无人机对所述待检建筑的外墙进行拍摄,并使用卷积神经网络智能识别出病害图像及所述病害图像的位置信息;

病害展示模块,用于根据所述位置信息将所述病害图像映射到所述虚拟环境中,并与所述BIM模型进行匹配显示。

9.一种计算机设备,其特征在于,包括:

一个或多个处理器;

存储器,用于存储一个或多个程序;

当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的人机交互式高层建筑外墙病害智能检测方法。

10.一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,该程序被处理器执行时实现如权利要求1-7中任一所述的人机交互式高层建筑外墙病害智能检测方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳大学,未经深圳大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111440209.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top