一种建筑抹灰进度信息自动收集的方法及其装置

技术领域

本发明涉及建筑施工进度智能管理技术领域，特别涉及一种建筑抹灰进度信息自动收集的方法及其装置。

背景技术

进度控制一直是建设工程项目管理的重要目标之一。卓有成效的进度控制很大程度上依赖于管理者及时、正确的决策，而准确、及时且直观的施工现场进度信息则是管理者决策成功的关键因素。大部分建设项目仍采用传统的人工检查的方式了解施工现场的实际进度，这种方式不仅浪费人力、耗费时间，且过于依赖工人经验，易出错，信息反馈不及时，进度情况也只是以表格和文字的形式，不利于管理者的决策。

近几年，廉价和高分辨率的手机、数码相机和其他图像拍摄设备的普及使得高清晰度图像的获取变得极为简单。图像中像素的R、G、B三个颜色通道的数值及各像素之间的色彩关系存储了大量的信息，逐渐成熟的计算机视觉算法不仅能够读取、改变及重新保存这些信息，更能借助如今大热的人工智能与机器学习算法对这些信息进行分析、学习和识别。也即是说，计算机视觉技术能够模仿甚至代替人，对图像中的场景作为判断，再考虑到低成本的内存以及不断增加的带宽容量，利用图像获取设备、计算机视觉技术和网络传输的施工现场信息自动化收集方式成为了可能。

BIM(建筑信息模型，Building Information Modeling)是设施物理和功能特性的数字表达，是一个共享的知识资源。它起源于上世纪70年代的美国，旨在提供一个服务于建设项目全生命周期的信息模型，该模型不仅具有建筑物的功能特性、几何信息及构件的几何、材质、功能属性，同时还集合了项目的成本、进度和安全等信息。目前，我国通过应用BIM技术，已有大量建设项目成功地实现了设计方案三维可视化、设计错误检测、4D施工模拟和施工现场信息集成等。然而，BIM所能为建筑业提供的科技革新力远不止如此，BIM的信息化理念使得它能够与其他各学科结合，如BIM与GIS的结合应用于建筑材料的运输、BIM与计算机语义识别技术结合应用于建筑的合规检测以及BIM与计算机视觉相结合应用于施工现场的进度、安全管理等。

当前关于施工现场智能化管理的相关方法主要集中于信息管理和进出管理等方面，在智能监控工人抹灰工作的进度及劳动分析中存在很大的空缺。

发明内容

本发明的目的在于克服现有技术中的上述缺陷，提供一种建筑抹灰进度信息自动收集的方法及其装置，该方法和装置能够实时计算出抹灰的面积和进度，可以将实际完成进度进行可视化展示，能有效节约人力和物力，为工人劳动效率变化规律的分析提供了数据支持，也为精确的工人劳动效率统计提供了可能。

为实现上述目的，本发明提供了一种建筑抹灰进度信息自动收集的方法，包括以下步骤：

步骤S1，采集抹灰图像，建立抹灰图像数据库，将拍摄到的待检测抹灰图像进行分类和识别；

步骤S2，通过计算机视觉获取抹灰施工的边界轮廓，并将抹灰施工的边界轮廓以折线的形式提取出来；

步骤S3，根据步骤S1的识别结果，利用累计投票算法判断出抹灰施工的边界轮廓所处的方位；

步骤S4，对拍摄相机进行标定；

步骤S5，使用Autodesk Revit建模软件中的Revit族编辑器自定义一个相机族作为模型中虚拟的拍摄相机，获取拍摄相机与整个室内空间的相对位置，计算出建筑抹灰工作进度。

作为优选的，所述方法还包括步骤S6，根据步骤S5计算出建筑抹灰工作进度，采用Autodesk公司的BIM360Glue平台，对计算出建筑抹灰工作进度进行云端进度可视化。

作为优选的，所述步骤S1中包括以下步骤：

步骤S11，采集各个施工现场的抹灰图像数据，建立一个新的抹灰图像数据库；

步骤S12，对数据库的抹灰图像进行LBP特征提取，获取描述抹灰图像的特征向量；

步骤S13，将提取到的抹灰图像LBP特征输入至SVM分类器进行学习，利用训练好的SVM分类器对拍摄到的待检测抹灰图像进行分类；

步骤S14，采用多尺度检测算法对拍摄到的待检测抹灰图像进行识别，按设定的比例不断缩小对待检测抹灰图像进行处理，形成无数的子图像，构成一个图像金字塔；利用活动窗口遍历各个子图像，找到与SVM分类器要求相匹配的窗口位置，用矩形标记记录其所处位置，等比例的返回原图像中，并用矩形颜色框选出来。

作为优选的，所述步骤S2中还包括通过计算机视觉的Canny边缘检测算法获取抹灰施工的边界轮廓，并通过Hough变换算法将抹灰施工的边界轮廓以折线的形式提取出来。

作为优选的，所述步骤S3中包括以下步骤：

步骤S31，根据步骤S14中多尺度检测后识别出的抹灰图像的区域中心为计算点，根据矩形框Bounding Box的四个角点的像素坐标(x1,y1；x2,y2；x3,y3；x4,y4),计算矩形区域中心

步骤S32，分别创建从线段K起点指向直线终点的向量A和从该直线起点指向计算点的向量B，若A×B＜0，则点位于直线右侧，程序向右侧累计器投票，即valRight＝valRight+1；若A×B＞0，则点位于直线左侧，程序向左侧累计器投票，即valLeft＝valLeft+1；进入步骤34，其中变量valRight、valLeft分别代表位于直线右侧和左侧的计算点的累加和；

步骤S33，分别创建从线段K起点指向直线终点的向量A和从第一条直线起点指向计算点的向量B，若A×B＞0，则点位于直线右侧，程序向右侧累计器投票，即valRight＝valRight+1；若A×B＜0，则点位于直线左侧，程序向左侧累计器投票，即valLeft＝valLeft+1；进入步骤34，其中变量valRight、valLeft分别代表位于直线右侧和左侧的计算点的累加和；

步骤S34，根据累加和，若valRight＞valLeft，则认为所有已完成的抹灰区域位于步骤S2中边缘检测后的连续多段线右侧，反之位于左侧。

作为优选的，所述步骤S4中包括以下步骤：

步骤S41，使用印有固定边长的正方形黑白棋盘格的标定板，并固定拍摄相机的位置于拍摄角度，不断变换标定板的方位；

步骤S42，通过OpenCV中的find Chessboard Corners()函数将棋盘格的内角点识别出来，并且以棋盘格左下角的第一个点为起点，向图像坐标系中Y轴负方向将点进行编号，每列的最后一个点接下一列的起点；将世界坐标系的原点定在识别出的第一个角点处，世界坐标中Z轴垂直于标定板平面，棋盘格角点的编号方向为世界坐标中的Y轴正方向，棋盘格水平向右的方向为X轴正方向；

步骤S43，将所有标定照片的角点像素坐标与真实世界坐标组成数组输入到函数calibrate Camera()后，求出内参、外参及畸变系数；

步骤S44，将单张带有棋盘格的图片放置在地面上便可求出外参，以建立起抹灰平面上的点与图像像素点之间的对应关系；

步骤S45，将原点移动到拍摄相机投影点；根据下述公式(1)，将等式两边同时乘上外参矩阵的逆矩阵，并使拍摄相机坐标为(0,0,0)，则可求出拍摄相机在真实世界坐标系中的坐标；

式中：R为3×3的旋转矩阵，T为3×1的平移矩阵，O

使公式转换为(2)，式中所求坐标中，X和Y就是将真实世界坐标系原点移动到拍摄相机投影点的x与y方向距离，此时关键点坐标的映射关系，由原先的(u,v)→(X

作为优选的，所述步骤S5中包括以下步骤：

步骤S51，对相机族进行建立及坐标信息的录入；

步骤S52，由于Revit族编辑器中的每一个元素都对应着一个由多位数字组成的ID号，在知道所需元素ID的情况下，可进行相机信息提取；

步骤S53，通过二次开发提取Revit族编辑器中所需要房间墙壁的几何轮廓信息。

作为优选的，所述步骤S51中包括以下步骤：

步骤S511，用参照平面和尺寸标注分别设置相机与两侧墙体及参照标高之间的距离，这三个距离作为相机族的三个参数，分别命名为“X方向长度”、“Y方向长度”和“Z方向高度”；

步骤S512，由于相机内参和畸变系数只与相机自身有关，因此将这些参数也作为相机族的固有参数，为了之后将这些参数对应的信息提取出来，4个相机参数及5个畸变系数的参数分组方式都设定为“数据”，参数类型为“数值”；

步骤S513，该相机族共包含两组12个参数，这些参数在建模时均可根据实际情况重新赋值，相机构件本身并不是建筑物实际建造时的组成部分，只是作为一个临时存储数据的载体，因此仅用一个小型的球体来创建相机实体。

作为优选的，所述步骤S52中包括以下步骤：

步骤S521，从当前激活的窗口中获取当前模型文档，从文档中获得给定ID号的元素elem；

步骤S522，通过元素的类型ID来获取元素类型，而元素类型中得参数则是在步骤S51中自定义添加的参数类型；

步骤S523，用一个参数集合parameters将相机的所有类型参数都放在了一起；

步骤S524，创建了一个List，将名称为“X方向长度”和“Y方向长度”的类型参数对应的值存储到了这个List中，通过程序提取到的“X方向长度”和“Y方向长度”分别为X

(u,v)→(X

所述步骤S53中包括以下步骤：

步骤S531，用Room类来创建读取到的元素；

步骤S532，读取房间的Boundary参数中所有的Boundary Segment，即是房间的每一条轮廓线；

步骤S533，将每一条轮廓线和对应的起点、终点坐标读取出来；此时读取出来的各点坐标均是以软件默认的坐标系为参照，为了配合之前将坐标系原点移动到房间西南角的计算方法，筛选出横纵坐标最小的点，将这个点坐标归零，其余点等值变换后，获得了用于描绘房间墙壁几何轮廓的点坐标。

本发明还提供了一种建筑抹灰进度信息自动收集的装置，该装置包括：

数据采集单元，用于实时采集所述抹灰图像数据，所述数据采集单元为拍摄相机；

数据处理单元，与数据采集单元连接，所述数据处理单元内部装设有抹灰图像数据库，用于将拍摄到的待检测抹灰图像进行分类和识别；

输出显示单元，与数据处理单元连接，用于将计算出建筑抹灰工作进度进行统计和显示，采用Autodesk公司的BIM360Glue平台，对计算出建筑抹灰工作进度进行云端进度可视化。

与现有技术相比，本发明的有益效果在于：

本发明提供了一个综合了图像识别、边缘检测、相机标定等多类计算机视觉算法和BIM模型的施工现场室内抹灰实际完成工程量自动计算流程；将自动化的施工现场进度信息收集由施工工序层次细化到了具体的实际完成工程量层次，能够准确判断室内是否开始灰浆涂抹和计算出实时抹灰的面积；创造了将实际完成的进度在平面图中高亮显示的可视化展示方法；用本文的自动化施工现场进度信息收集方法连续获得进度信息后，大量的进度数据为工人劳动效率变化规律的分析提供了数据支持，也为精确的工人劳动效率统计提供了可能。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一提供的一种建筑抹灰进度信息自动收集的方法的步骤示意图；

图2是本发明实施例一提供的一种建筑抹灰进度信息自动收集的方法中相机族X方向和Y方向长度的参数设定；

图3是本发明实施例一提供的一种建筑抹灰进度信息自动收集的方法中相机族Z方向长度的参数设定；

图4是本发明实施例二提供的一种建筑抹灰进度信息自动收集的装置的结构示意图。

具体实施方式

下面将结合本发明本实施方式中的附图，对本发明本实施方式中的技术方案进行清楚、完整地描述，显然，所描述的本实施方式是本发明的一种实施方式，而不是全部的本实施方式。基于本发明中的本实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他本实施方式，都属于本发明保护的范围。

实施例一

请参考图1至图3，本发明实施例一提供了一种建筑抹灰进度信息自动收集的方法，包括以下步骤：

步骤S1，采集抹灰图像，建立抹灰图像数据库，将拍摄到的待检测抹灰图像进行分类和识别。具体的，所述步骤S1中包括以下步骤：

步骤S11，采集各个施工现场的抹灰图像数据，建立一个新的抹灰图像数据库；所述抹灰图像数据库中每一种纹理的抹灰图像分别采集于三种光照条件下，每种光照条件下包含三个不同的拍摄角度。

步骤S12，对数据库的抹灰图像进行LBP特征提取，获取描述抹灰图像的特征向量。

步骤S13，将提取到的抹灰图像LBP特征输入至SVM分类器进行学习，利用训练好的SVM分类器对拍摄到的待检测抹灰图像进行分类。

步骤S14，采用多尺度检测算法对拍摄到的待检测抹灰图像进行识别，按设定的比例不断缩小对待检测抹灰图像进行处理，形成无数的子图像，构成一个图像金字塔；利用活动窗口遍历各个子图像，找到与SVM分类器要求相匹配的窗口位置，用矩形标记记录其所处位置，等比例的返回原图像中，并用矩形颜色框选出来。

步骤S2，通过计算机视觉获取抹灰施工的边界轮廓，并将抹灰施工的边界轮廓以折线的形式提取出来；具体的，通过计算机视觉的Canny边缘检测算法获取抹灰施工的边界轮廓，并通过Hough变换算法将抹灰施工的边界轮廓以折线的形式提取出来。

步骤S3，根据步骤S1的识别结果，利用累计投票算法判断出抹灰施工的边界轮廓所处的方位。具体的，所述步骤S3中包括以下步骤：

步骤S31，根据步骤S14中多尺度检测后识别出的抹灰图像的区域中心为计算点，根据矩形框Bounding Box的四个角点的像素坐标(x1,y1；x2,y2；x3,y3；x4,y4),计算矩形区域中心

步骤S32，分别创建从线段K起点指向直线终点的向量A和从该直线起点指向计算点的向量B，若A×B＜0，则点位于直线右侧，程序向右侧累计器投票，即valRight＝valRight+1；若A×B＞0，则点位于直线左侧，程序向左侧累计器投票，即valLeft＝valLeft+1；进入步骤34，其中变量valRight、valLeft分别代表位于直线右侧和左侧的计算点的累加和。

步骤S33，分别创建从线段K起点指向直线终点的向量A和从第一条直线起点指向计算点的向量B，若A×B＞0，则点位于直线右侧，程序向右侧累计器投票，即valRight＝valRight+1；若A×B＜0，则点位于直线左侧，程序向左侧累计器投票，即valLeft＝valLeft+1；进入步骤34，其中变量valRight、valLeft分别代表位于直线右侧和左侧的计算点的累加和。

步骤S34，根据累加和，若valRight＞valLeft，则认为所有已完成的抹灰区域位于步骤S2中边缘检测后的连续多段线右侧，反之位于左侧。

步骤S4，对拍摄相机进行标定；获取多个视场(即标定板)下的标定图像；获取每张标定图像中三组以上具有已知图像像素坐标和其对应真实世界坐标的点，实现棋盘格坐标系向相机坐标系转换，使原点转移到了相机的投影中心，具体包括以下步骤。

步骤S41，使用印有固定边长的正方形黑白棋盘格的标定板，并固定拍摄相机的位置于拍摄角度，不断变换标定板的方位。

步骤S42，通过OpenCV中的find Chessboard Corners()函数将棋盘格的内角点识别出来，并且以棋盘格左下角的第一个点为起点，向图像坐标系中Y轴负方向将点进行编号，每列的最后一个点接下一列的起点；将世界坐标系的原点定在识别出的第一个角点处，世界坐标中Z轴垂直于标定板平面，棋盘格角点的编号方向为世界坐标中的Y轴正方向，棋盘格水平向右的方向为X轴正方向。

步骤S43，将所有标定照片的角点像素坐标与真实世界坐标组成数组输入到函数calibrate Camera()后，求出内参、外参及畸变系数。

步骤S44，将单张带有棋盘格的图片放置在地面上便可求出外参，以建立起抹灰平面上的点与图像像素点之间的对应关系。

步骤S45，将原点移动到拍摄相机投影点；根据下述公式(1)，将等式两边同时乘上外参矩阵的逆矩阵，并使拍摄相机坐标为(0,0,0)，则可求出拍摄相机在真实世界坐标系中的坐标；

式中：R为3×3的旋转矩阵，T为3×1的平移矩阵，O

使公式转换为(2)，式中所求坐标中，X和Y就是将真实世界坐标系原点移动到拍摄相机投影点的x与y方向距离，此时关键点坐标的映射关系，由原先的(u,v)→(X

步骤S5，使用Autodesk Revit建模软件中的Revit族编辑器自定义一个相机族作为模型中虚拟的拍摄相机，获取拍摄相机与整个室内空间的相对位置，计算出建筑抹灰工作进度。具体的，所述步骤S5中包括以下步骤：

步骤S51，对相机族进行建立及坐标信息的录入。具体包括以下步骤：

步骤S511，用参照平面和尺寸标注分别设置相机与两侧墙体及参照标高之间的距离，这三个距离作为相机族的三个参数，分别命名为“X方向长度”、“Y方向长度”和“Z方向高度”(如图2和图3所示)。

步骤S512，由于相机内参和畸变系数只与相机自身有关，因此将这些参数也作为相机族的固有参数，为了之后将这些参数对应的信息提取出来，4个相机参数及5个畸变系数的参数分组方式都设定为“数据”，参数类型为“数值”(如图2和图3所示)。

步骤S513，该相机族共包含两组12个参数，这些参数在建模时均可根据实际情况重新赋值，相机构件本身并不是建筑物实际建造时的组成部分，只是作为一个临时存储数据的载体，因此仅用一个小型的球体来创建相机实体。

步骤S52，由于Revit族编辑器中的每一个元素都对应着一个由多位数字组成的ID号，在知道所需元素ID的情况下，可进行相机信息提取；具体的，可以使用以下语句：Document.GetElement(new ElementId())来获取这个元素，以提取相机信息，包括以下步骤：

步骤S521，从当前激活的窗口中获取当前模型文档，从文档中获得给定ID号的元素elem。

步骤S522，通过元素的类型ID来获取元素类型，而元素类型中得参数则是在步骤S51中自定义添加的参数类型。

步骤S523，用一个参数集合parameters将相机的所有类型参数都放在了一起。

步骤S524，创建了一个List，将名称为“X方向长度”和“Y方向长度”的类型参数对应的值存储到了这个List中，通过程序提取到的“X方向长度”和“Y方向长度”分别为X

(u,v)→(X

本发明还编写了抹灰边长的提取程序。抹灰在Revit族编辑器中是依附于墙构件的，它的建模流程可以简单概括为：

1)在墙构件的类型参数——结构中添加一个有一定厚度的面层；

2)在修改中使用创建部件工具将面层与墙构件的结构层分离开；

3)最后选中分离出的面层，使用分割零件工具便可以用画草图的方式将面层分割成一片抹灰。

这种建模方式所创建的抹灰只是零件，没有类型参数，因此与相机信息提取不同，需要将抹灰零件从一个元素转换成一个几何实体来获得它的表面边长；

1)将提取到的元素转换成几何元素；

2)从几何元素中获得一个几何对象，再将这个几何对象转换成一个Solid，这个Solid不再具有其他的语义参数，而只有点、线、面等纯几何信息。对于一个抹灰所构成的Solid，它的形状就是一个底面为曲面柱状体；

3)筛选出柱状体中最长的边；

4)将模型中提取出的抹灰边长换算成以毫米为单位。

步骤S53，通过二次开发提取Revit族编辑器中所需要房间墙壁的几何轮廓信息。具体的，所述步骤S53中包括以下步骤：

步骤S531，用Room类来创建读取到的元素；

步骤S532，读取房间的Boundary参数中所有的Boundary Segment，即是房间的每一条轮廓线；

步骤S533，将每一条轮廓线和对应的起点、终点坐标读取出来；此时读取出来的各点坐标均是以软件默认的坐标系为参照，为了配合之前将坐标系原点移动到房间西南角的计算方法，筛选出横纵坐标最小的点，将这个点坐标归零，其余点等值变换后，获得了用于描绘房间墙壁几何轮廓的点坐标。

步骤S6，根据步骤S5计算出建筑抹灰工作进度，采用Autodesk公司的BIM360Glue平台，对计算出建筑抹灰工作进度进行云端进度可视化。具体的，采用Autodesk公司的BIM360Glue平台，将实际进度平面图同步上传至云端，实现了多方项目参建者随时随地获取施工现场实时进度的目标；这些实际进度平面图用云平台中的Attachments功能附着在对应的构件上。

实施例二

请参考图4，本发明实施例二提供了一种建筑抹灰进度信息自动收集的装置，该装置包括：

数据采集单元1，用于实时采集所述抹灰图像数据，所述数据采集单元为拍摄相机；

数据处理单元2，与数据采集单元连接1，所述数据处理单元内部装设有抹灰图像数据库，用于将拍摄到的待检测抹灰图像进行分类和识别；

输出显示单元3，与数据处理单元连接2，用于将计算出建筑抹灰工作进度进行统计和显示，采用Autodesk公司的BIM360Glue平台，对计算出建筑抹灰工作进度进行云端进度可视化。

综上所述，本发明的有益效果在于：

本发明提供了一个综合了图像识别、边缘检测、相机标定等多类计算机视觉算法和BIM模型的施工现场室内抹灰实际完成工程量自动计算流程；将自动化的施工现场进度信息收集由施工工序层次细化到了具体的实际完成工程量层次，能够准确判断室内是否开始灰浆涂抹和计算出实时抹灰的面积；创造了将实际完成的进度在平面图中高亮显示的可视化展示方法；用本文的自动化施工现场进度信息收集方法连续获得进度信息后，大量的进度数据为工人劳动效率变化规律的分析提供了数据支持，也为精确的工人劳动效率统计提供了可能。