建筑施工进度监测方法、装置、计算机设备、可读存储介质和程序产品

技术领域

本申请涉及计算机技术及金融科技领域，特别是涉及一种建筑施工进度监测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

背景技术

银行等金融机构需要对投放贷款后的房地产项目进行建筑施工进度监测，以确保投放资金的合理利用，有效防控风险，精准支持项目建设。

传统技术中，建筑施工进度监测一般采用人工监测的方式，即由专业执行人员通过实地观测的方式来评估建筑施工项目的完成情况，再根据评估结果来对建筑施工进度进行监测。然而，这种依靠人工的监测方式虽然可以完成预期监测任务，但存在监测效率低以及进度信息跟进不及时的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种建筑施工进度监测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种建筑施工进度监测方法，包括：

获取待监测建筑物不同视角的点云数据，对所述点云数据进行坐标系转换，得到统一坐标系下的完整点云数据；

根据所述完整点云数据，构建当前建筑施工阶段对应的初始建筑信息模型，并对所述初始建筑信息模型进行数据格式转换，得到预设格式的建筑信息模型；

对所述完整点云数据与所述预设格式的建筑信息模型进行数据配准，得到目标建筑信息模型；

将所述目标建筑信息模型划分为多个栅格单元，确定每一个所述栅格单元中的当前点云数据与当前建筑信息模型之间的重叠度；

将各所述重叠度与预设的重叠度阈值分别进行数值比较，并根据数值比较结果，得到建筑施工进度监测结果。

在其中一个实施例中，在根据所述完整点云数据，构建当前建筑施工阶段对应的初始建筑信息模型之前，还包括：

利用密度聚类算法，识别出所述完整点云数据中的噪声点和地面点；针对所述噪声点和所述地面点，以递归方式对所述完整点云数据进行滤波处理，得到滤波后的完整点云数据；所述根据所述完整点云数据，构建当前建筑施工阶段对应的初始建筑信息模型，包括：根据所述滤波后的完整点云数据，构建当前建筑施工阶段对应的初始建筑信息模型。

在其中一个实施例中，在对所述完整点云数据与所述预设格式的建筑信息模型进行数据配准之前，还包括：

分别对所述完整点云数据与所述预设格式的建筑信息模型进行特征点提取；利用预设描述子对所述特征点进行特征描述，得到所述特征点对应的特征信息，并根据所述特征信息，识别出所述特征点中配对的特征点对；根据所述特征点对，计算所述完整点云数据与所述预设格式的建筑信息模型之间的空间坐标变换参数。

在其中一个实施例中，所述对所述完整点云数据与所述预设格式的建筑信息模型进行数据配准，得到目标建筑信息模型，包括：

根据所述空间坐标变换参数，对所述完整点云数据与所述预设格式的建筑信息模型进行坐标系转换，得到坐标系统一的完整点云数据和建筑信息模型；对所述坐标系统一的完整点云数据和建筑信息模型进行数据配准，得到所述目标建筑信息模型。

在其中一个实施例中，所述确定每一个所述栅格单元中的当前点云数据与当前建筑信息模型之间的重叠度，包括：

在每一个所述栅格单元中，识别出所述当前点云数据与所述当前建筑信息模型的重叠区域；根据所述重叠区域在所述当前点云数据与所述当前建筑信息模型中所占的比例，确定所述重叠度。

在其中一个实施例中，所述对所述初始建筑信息模型进行数据格式转换，得到预设格式的建筑信息模型，包括：

从所述初始建筑信息模型中导出模型数据，对所述模型数据进行网格化处理；将网格化处理后的模型数据进行数据格式转换，得到所述预设格式的建筑信息模型。

在其中一个实施例中，在获取待监测建筑物不同视角的点云数据之后，还包括：

检测所述不同视角的点云数据是否存在数据缺失；在检测到任一视角的点云数据存在数据缺失的情况下，确定存在数据缺失的目标视角以及缺失的目标点云数据；根据所述目标视角对应的备份点云数据，对所述目标点云数据进行数据补录。

第二方面，本申请还提供了一种建筑施工进度监测装置，包括：

数据获取模块，用于获取待监测建筑物不同视角的点云数据，对所述点云数据进行坐标系转换，得到统一坐标系下的完整点云数据；

格式转换模块，用于根据所述完整点云数据，构建当前建筑施工阶段对应的初始建筑信息模型，并对所述初始建筑信息模型进行数据格式转换，得到预设格式的建筑信息模型；

数据配准模块，用于对所述完整点云数据与所述预设格式的建筑信息模型进行数据配准，得到目标建筑信息模型；

栅格划分模块，用于将所述目标建筑信息模型划分为多个栅格单元，确定每一个所述栅格单元中的当前点云数据与当前建筑信息模型之间的重叠度；

数值比较模块，用于将各所述重叠度与预设的重叠度阈值分别进行数值比较，并根据数值比较结果，得到建筑施工进度监测结果。

第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取待监测建筑物不同视角的点云数据，对所述点云数据进行坐标系转换，得到统一坐标系下的完整点云数据；根据所述完整点云数据，构建当前建筑施工阶段对应的初始建筑信息模型，并对所述初始建筑信息模型进行数据格式转换，得到预设格式的建筑信息模型；对所述完整点云数据与所述预设格式的建筑信息模型进行数据配准，得到目标建筑信息模型；将所述目标建筑信息模型划分为多个栅格单元，确定每一个所述栅格单元中的当前点云数据与当前建筑信息模型之间的重叠度；将各所述重叠度与预设的重叠度阈值分别进行数值比较，并根据数值比较结果，得到建筑施工进度监测结果。

第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

获取待监测建筑物不同视角的点云数据，对所述点云数据进行坐标系转换，得到统一坐标系下的完整点云数据；根据所述完整点云数据，构建当前建筑施工阶段对应的初始建筑信息模型，并对所述初始建筑信息模型进行数据格式转换，得到预设格式的建筑信息模型；对所述完整点云数据与所述预设格式的建筑信息模型进行数据配准，得到目标建筑信息模型；将所述目标建筑信息模型划分为多个栅格单元，确定每一个所述栅格单元中的当前点云数据与当前建筑信息模型之间的重叠度；将各所述重叠度与预设的重叠度阈值分别进行数值比较，并根据数值比较结果，得到建筑施工进度监测结果。

第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

获取待监测建筑物不同视角的点云数据，对所述点云数据进行坐标系转换，得到统一坐标系下的完整点云数据；根据所述完整点云数据，构建当前建筑施工阶段对应的初始建筑信息模型，并对所述初始建筑信息模型进行数据格式转换，得到预设格式的建筑信息模型；对所述完整点云数据与所述预设格式的建筑信息模型进行数据配准，得到目标建筑信息模型；将所述目标建筑信息模型划分为多个栅格单元，确定每一个所述栅格单元中的当前点云数据与当前建筑信息模型之间的重叠度；将各所述重叠度与预设的重叠度阈值分别进行数值比较，并根据数值比较结果，得到建筑施工进度监测结果。

上述建筑施工进度监测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，先通过对利用无人机激光扫描采集得到的建筑物点云数据进行坐标系转换，得到统一坐标系下的完整点云数据，以其非接触式的数据采集方式大大减少了人工的参与，在不影响正常施工作业的情况下不仅增加了数据的准确性，还降低了安全风险；再根据完整点云数据，构建当前建筑施工阶段对应的初始建筑信息模型，并对初始建筑信息模型进行数据格式转换，得到预设格式的建筑信息模型；然后对完整点云数据与预设格式的建筑信息模型进行数据配准，得到目标建筑信息模型；最后通过匹配分析最新获取的当前点云数据与当前建筑信息模型之间的重叠度，快速得到建筑物实际进度与计划进度的精确偏差，从而实现建筑物施工进度的自动化监测，避免了依靠人工进行核定测算和验证审核等繁琐的过程，同时提高了建筑施工进度监测效率以及进度信息跟进的及时性。

附图说明

为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对本申请实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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相关的附图。

图1为一个实施例中建筑施工进度监测方法的应用环境图；

图2为一个实施例中建筑施工进度监测方法的流程示意图；

图3为一个实施例中计算空间坐标变换参数步骤的流程示意图；

图4为一个具体实施例中建筑施工进度监测方法的流程示意图；

图5为一个应用实施例中建筑施工进度监测方法的流程示意图；

图6为一个实施例中建筑施工进度监测装置的结构框图；

图7为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的建筑施工进度监测方法，可以应用于如图1所示的应用环境中。其中，终端通过网络与服务器进行通信。数据存储系统可以存储服务器需要处理的数据。数据存储系统可以集成在服务器上，也可以放在云上或其他网络服务器上。

具体地，本申请实施例提供的建筑施工进度监测方法，可以由服务器执行。

示例性的，服务器获取待监测建筑物不同视角的点云数据，对点云数据进行坐标系转换，得到统一坐标系下的完整点云数据；服务器根据完整点云数据，构建当前建筑施工阶段对应的初始建筑信息模型，并对初始建筑信息模型进行数据格式转换，得到预设格式的建筑信息模型；服务器对完整点云数据与预设格式的建筑信息模型进行数据配准，得到目标建筑信息模型；服务器将目标建筑信息模型划分为多个栅格单元，确定每一个栅格单元中的当前点云数据与当前建筑信息模型之间的重叠度；服务器将各重叠度与预设的重叠度阈值分别进行数值比较，并根据数值比较结果，得到建筑施工进度监测结果。

在如图1所示的应用环境中，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑。服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或分布式系统，还可以是提供云计算服务的云服务器。

在一个示例性的实施例中，如图2所示，提供了一种建筑施工进度监测方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤S201至步骤S205。其中：

步骤S201，获取待监测建筑物不同视角的点云数据，对点云数据进行坐标系转换，得到统一坐标系下的完整点云数据。

其中，点云数据是指通过激光扫描或其他传感器获取的建筑物表面的三维点集合；本实施例中的点云数据可以通过以下方式得到：首先根据施工现场情况确定无人机航拍方案、规划航线以及设定参数等，并通过参数设置规划航线，其次通过机载激光雷达系统对建筑物进行全方位扫描，得到待监测建筑物不同视角的点云数据。

具体地，服务器获取待监测建筑物不同视角的点云数据，通过运算获取点云在大地坐标系下的目标参数，根据目标参数，对点云数据进行坐标系转换，得到统一坐标系下的完整点云数据。

举例说明，获取到的点云数据为机载激光雷达传感器每一次扫描所产生的点云，每个点云可以表示为Point(x,y,z)，原点（0，0，0）为无人机扫描时的坐标及高度；而在无人机飞行时，可以得到其坐标、高度和方向，即可通过运算获得点云在大地坐标系下的参数，从而将所有点云投影在一个三维坐标系下，完成多视角影响匹配。

步骤S202，根据完整点云数据，构建当前建筑施工阶段对应的初始建筑信息模型，并对初始建筑信息模型进行数据格式转换，得到预设格式的建筑信息模型。

其中，初始建筑信息模型可以是BIM模型（Building Information Modeling，建筑信息模型），其核心是一个包含建筑物各个方面信息的三维模型，包括几何形状、空间关系、构件属性和关联数据。

其中，预设格式的建筑信息模型可以是Mesh模型（三角网格模型），该模型由许多小的多边形组成，这些多边形通常是三角形或四边形，每个多边形由一组顶点和连接这些顶点的边组成。

具体地，服务器根据完整点云数据，构建当前建筑施工阶段对应的BIM模型，从BIM模型中导出模型数据，对模型数据进行网格化处理；将网格化处理后的模型数据进行数据格式转换，得到Mesh模型。

步骤S203，对完整点云数据与预设格式的建筑信息模型进行数据配准，得到目标建筑信息模型。

其中，数据配准是将来自不同数据源或不同时间的数据集在空间或时间上对齐的过程，这一过程旨在确保这些数据可以在相同的参考框架下进行比较、分析和集成。

举例说明，完整点云数据为世界坐标系，而转换后的BIM 模型为局部坐标系，因此需要将完整点云数据与BIM模型生成的Mesh模型进行配准，从而实现坐标系的统一，此处使用ICP算法（Iterative Closest Point，迭代最近点算法）进行配准，来实现两种数据在空间上的重叠。

具体地，服务器根据空间坐标变换参数，对完整点云数据与预设格式的建筑信息模型进行坐标系转换，得到坐标系统一的完整点云数据和建筑信息模型；对坐标系统一的完整点云数据和建筑信息模型进行数据配准，得到目标建筑信息模型。

步骤S204，将目标建筑信息模型划分为多个栅格单元，确定每一个栅格单元中的当前点云数据与当前建筑信息模型之间的重叠度。

其中，栅格单元可用于将目标建筑信息模型分割成均匀的网格单元，每个栅格单元代表了目标建筑信息模型中的一个小区域。

其中，重叠度是指当前点云数据与当前建筑信息模型之间的重叠程度，即它们共享的部分所占的比例。

具体地，服务器按照预设规则，将目标建筑信息模型划分为多个栅格单元，在每一个栅格单元中，识别出当前点云数据与当前建筑信息模型的重叠区域；根据重叠区域在当前点云数据与当前建筑信息模型中所占的比例，确定重叠度。

步骤S205，将各重叠度与预设的重叠度阈值分别进行数值比较，并根据数值比较结果，得到建筑施工进度监测结果。

举例说明，对于每一个栅格单元，通过比较扫描到的建筑物点云与BIM模型之间的重叠度，根据设定的重叠度阈值即可判断该单元内组件是否建造完成，最后汇总所有栅格单元的重叠情况，得到整体的施工进度。

具体地，服务器将各重叠度与预设的重叠度阈值分别进行数值比较，得到各栅格单元的重叠情况，对各栅格单元的重叠情况进行汇总分析，得到建筑施工进度监测结果。

上述建筑施工进度监测方法中，先通过对利用无人机激光扫描采集得到的建筑物点云数据进行坐标系转换，得到统一坐标系下的完整点云数据，以其非接触式的数据采集方式大大减少了人工的参与，在不影响正常施工作业的情况下不仅增加了数据的准确性，还降低了安全风险；再根据完整点云数据，构建当前建筑施工阶段对应的初始建筑信息模型，并对初始建筑信息模型进行数据格式转换，得到预设格式的建筑信息模型；然后对完整点云数据与预设格式的建筑信息模型进行数据配准，得到目标建筑信息模型；最后通过匹配分析最新获取的当前点云数据与当前建筑信息模型之间的重叠度，快速得到建筑物实际进度与计划进度的精确偏差，从而实现建筑物施工进度的自动化监测，避免了依靠人工进行核定测算和验证审核等繁琐的过程，同时提高了建筑施工进度监测效率以及进度信息跟进的及时性。

在其中一个实施例中，在根据完整点云数据，构建当前建筑施工阶段对应的初始建筑信息模型之前，本申请的方法还包括如下步骤：

利用密度聚类算法，识别出完整点云数据中的噪声点和地面点；针对噪声点和地面点，以递归方式对完整点云数据进行滤波处理，得到滤波后的完整点云数据；

上述步骤S202中，根据完整点云数据，构建当前建筑施工阶段对应的初始建筑信息模型，具体包括如下步骤：

根据滤波后的完整点云数据，构建当前建筑施工阶段对应的初始建筑信息模型。

其中，密度聚类算法是一种用于识别数据中高密度区域并将其视为簇的聚类方法，可以是DBSCAN（Density-Based Spatial Clustering of Applications with Noise，基于密度的空间聚类应用算法）。

其中，噪声点包括但不限于是堆放在地面的工程材料、塔吊、脚手架和施工人员等，这些噪声点会影响到下一步数据配准中特征点的提取结果；地面点则是指点云数据中代表地表表面的点。

具体地，服务器利用密度聚类算法，识别出完整点云数据中的噪声点和地面点；针对噪声点和地面点，以递归方式对完整点云数据进行滤波处理，得到滤波后的完整点云数据；根据滤波后的完整点云数据，构建当前建筑施工阶段对应的初始建筑信息模型。

举例说明，使用DBSCAN这个基于密度的聚类算法来实现点云去噪，该算法可以找到样本点的全部密集区域，并且把这些密集区域当作一个聚类簇；算法的核心点在于基于密度，对远离核心的噪声点鲁棒，无需知道族类簇的数量，可以发现任意形状的聚类簇特征；算法的流程是先指定一定区域的最小数量和密度，然后以某点为中心计算该点领域的激光脚点密度，并判断与给定阈值的关系，若小于给定的阈值，则认为该点是噪声点或地面点。此外，利用卡尔曼滤波等算法对建筑物特征点云再次进行滤波，得到施工建筑物的点云数据，通过多次去噪处理，来提高特征提取的精度。

本实施例中，通过对完整点云数据进行去噪和滤波处理，提高了点云数据的质量、清晰度和可用性，为后续建筑信息模型的构建提供更可靠的数据基础。

在其中一个实施例中，如图3所示，在对完整点云数据与预设格式的建筑信息模型进行数据配准之前，本申请的方法还包括如下步骤：

步骤S301，分别对完整点云数据与预设格式的建筑信息模型进行特征点提取。

步骤S302，利用预设描述子对特征点进行特征描述，得到特征点对应的特征信息，并根据特征信息，识别出特征点中配对的特征点对。

步骤S303，根据特征点对，计算完整点云数据与预设格式的建筑信息模型之间的空间坐标变换参数。

其中，描述子是在计算机视觉和模式识别领域中常用的一种表示方法，用于描述图像、点云和特征点等数据的局部特征或全局特征。

其中，空间坐标变换参数是指用于描述一个坐标系相对于另一个坐标系的位置、姿态或变换关系的参数。

具体地，服务器分别对完整点云数据与预设格式的建筑信息模型进行特征点提取；利用PFH（Point Feature Histograms，点特征直方图）描述子对特征点进行特征描述，得到关键点对应的特征信息，并根据特征信息，识别出特征点中配对的特征点对；根据特征点对，采用ICP（Iterative Closest Point，迭代最近点算法）算法计算完整点云数据与预设格式的建筑信息模型之间的空间坐标变换参数。

举例说明，采用ICP 算法进行点云数据配准，其算法原理为，给定一个参考点集P和一个数据点集Q（在给定的初始估计R，T），算法为Q中的每个点寻找P中对应的最近点，形成匹配点对。然后，将所有匹配点对的欧氏距离之和为待求解的目标函数，利用奇异值分解求出R和T以使目标函数最小，根据R，T转换得到新的Q’，再次找到对应的点对，如此迭代，直至最后完成两种点云的配准。

本实施例中，首先对不同数据选择点、线或面特征进行提取，其次利用特征的相似性寻找配对的特征，然后通过相匹配的特征对计算两种数据的空间坐标变换参数，从而实现了高精度的特征提取，并增加了数据的准确性。

在其中一个实施例中，上述步骤S203中，对完整点云数据与预设格式的建筑信息模型进行数据配准，得到目标建筑信息模型，具体包括如下步骤：

根据空间坐标变换参数，对完整点云数据与预设格式的建筑信息模型进行坐标系转换，得到坐标系统一的完整点云数据和建筑信息模型；对坐标系统一的完整点云数据和建筑信息模型进行数据配准，得到目标建筑信息模型。

具体地，服务器根据空间坐标变换参数，对完整点云数据与预设格式的建筑信息模型进行坐标系转换，得到坐标系统一的完整点云数据和建筑信息模型；对坐标系统一的完整点云数据和建筑信息模型进行数据配准，得到配准后的建筑信息模型，作为目标建筑信息模型。

本实施例中，通过对完整点云数据与预设格式的建筑信息模型进行数据配准，使不同数据源或不同时间采集的数据在相同空间或时间范围内对齐，以便于后续的重叠度计算以及建筑施工进度监测。

在其中一个实施例中，上述步骤S204中，确定每一个栅格单元中的当前点云数据与当前建筑信息模型之间的重叠度，具体包括如下步骤：

在每一个栅格单元中，识别出当前点云数据与当前建筑信息模型的重叠区域；根据重叠区域在当前点云数据与当前建筑信息模型中所占的比例，确定重叠度。

具体地，服务器按照预设划分条件，将目标建筑信息模型划分为多个栅格单元，在每一个栅格单元中，识别出当前点云数据与当前建筑信息模型的重叠区域；根据重叠区域在当前点云数据与当前建筑信息模型中所占的比例，确定重叠度。

本实施例中，通过根据重叠区域在当前点云数据与当前建筑信息模型中所占的比例，快速准确地确定出重叠度信息，为建筑施工进度监测提供了数据支撑。

在其中一个实施例中，上述步骤S202中，对初始建筑信息模型进行数据格式转换，得到预设格式的建筑信息模型，具体包括如下步骤：

从初始建筑信息模型中导出模型数据，对模型数据进行网格化处理；将网格化处理后的模型数据进行数据格式转换，得到预设格式的建筑信息模型。

其中，网格化处理涉及将BIM中的几何体转换为三角形网格或四边形网格，网格化的过程可能包括对模型进行细分、拓扑修复和表面平滑等操作。

具体地，服务器从初始建筑信息模型中导出为预设文件格式的模型数据，设置网格化过程中的参数，对模型数据进行网格化处理；将网格化处理后的模型数据进行数据格式转换，得到预设格式的建筑信息模型。

本实施例中，通过对导出的模型数据进行网格化处理，并根据实际需求将网格化处理后的模型数据进行数据格式转换，有助于实现点云数据与建筑信息模型的精准匹配。

在其中一个实施例中，在获取待监测建筑物不同视角的点云数据之后，本申请的方法还包括如下步骤：

检测不同视角的点云数据是否存在数据缺失；在检测到任一视角的点云数据存在数据缺失的情况下，确定存在数据缺失的目标视角以及缺失的目标点云数据；根据目标视角对应的备份点云数据，对目标点云数据进行数据补录。

具体地，服务器检测不同视角的点云数据是否存在数据缺失；在检测到任一视角的点云数据存在数据缺失的情况下，确定存在数据缺失的目标视角以及缺失的目标点云数据；根据目标视角对应的备份点云数据，对目标点云数据进行数据补录。

本实施例中，通过在检测到任一视角的点云数据存在数据缺失的情况下，确定存在数据缺失的目标视角以及缺失的目标点云数据，并根据目标视角对应的备份点云数据，对目标点云数据进行数据补录，从而使缺失的目标点云数据得到补充，保证了点云数据的完整性和可靠性。

在一个实施例中，如图4所示，提供了一个具体实施例中建筑施工进度监测方法，具体包括以下步骤：

步骤S401，获取待监测建筑物不同视角的点云数据，对点云数据进行坐标系转换，得到统一坐标系下的完整点云数据。

步骤S402，利用密度聚类算法，识别出完整点云数据中的噪声点和地面点；针对噪声点和地面点，以递归方式对完整点云数据进行滤波处理，得到滤波后的完整点云数据。

步骤S403，根据滤波后的完整点云数据，构建当前建筑施工阶段对应的初始建筑信息模型，并从初始建筑信息模型中导出模型数据，对模型数据进行网格化处理；将网格化处理后的模型数据进行数据格式转换，得到预设格式的建筑信息模型。

步骤S404，分别对完整点云数据与预设格式的建筑信息模型进行特征点提取；利用预设描述子对特征点进行特征描述，得到特征点对应的特征信息，并根据特征信息，识别出特征点中配对的特征点对；根据特征点对，计算完整点云数据与预设格式的建筑信息模型之间的空间坐标变换参数。

步骤S405，根据空间坐标变换参数，对完整点云数据与预设格式的建筑信息模型进行坐标系转换，得到坐标系统一的完整点云数据和建筑信息模型；对坐标系统一的完整点云数据和建筑信息模型进行数据配准，得到目标建筑信息模型。

步骤S406，将目标建筑信息模型划分为多个栅格单元，在每一个栅格单元中，识别出当前点云数据与当前建筑信息模型的重叠区域；根据重叠区域在当前点云数据与当前建筑信息模型中所占的比例，确定重叠度。

步骤S407，将各重叠度与预设的重叠度阈值分别进行数值比较，并根据数值比较结果，得到建筑施工进度监测结果。

本实施例中的建筑施工进度监测方法，实现了建筑物施工进度的自动化监测，避免了依靠人工进行核定测算和验证审核等繁琐的过程，同时提高了建筑施工进度监测效率以及进度信息跟进的及时性。

为了更清晰阐明本申请实施例提供的建筑施工进度监测方法，以下以一个具体的实施例对建筑施工进度监测方法进行具体说明。在一个实施例中，如图5所示，本申请还提供了一个应用实施例中建筑施工进度监测方法，具体包括以下步骤：

步骤一：建筑物点云数据获取，首先根据施工现场情况确定无人机航拍方案，并通过参数设置规划航线，其次通过机载激光雷达系统对建筑物进行全方位扫描，得到建筑物原始点云数据。

步骤二：点云数据处理，首先是将不同视角的点云数据进行准确配准，从而得到一个位于统一坐标系下的完整点云模型，以便进行后续的点云处理，其次通过聚类等算法对点云进行去噪处理，并过滤地面点，最后基于建筑物特征对点云再次进行滤波，得到施工建筑物的点云数据。

步骤三：BIM 模型创建，建筑施工是一个长期动态的过程，同时商业银行对房产企业发放贷款也是一笔一笔发放，每一笔资金都投放建筑施工的每一个阶段，因此房企在向商业银行提交贷款申请或银行放贷前，房企都将向银行提供贷款资金用途说明，及本阶段贷款资金相对应的施工计划及相对应的BIM模型。

步骤四：Mesh模型生成，BIM 模型通常采用体结构表示，且不包含真实的地理坐标，需要将原始BIM 模型数据转换成可以读取顶点坐标信息的数据格式，如三角网格（Mesh），以实现三维点云与BIM 模型的配准融合。

步骤五：建筑物点云数据与BIM 模型配准，点云数据为世界坐标系，而转换后的BIM 模型为局部坐标系，因此需要将建筑物点云数据与BIM模型生成的Mesh网格进行配准，从而实现坐标系的统一，此处使用ICP算法进行配准，实现两种数据在空间上的重叠。

步骤六：施工进度分析，首先将配准后的BIM模型划分为若干栅格单元，其次对于每一个栅格单元，通过比较扫描到的建筑物点云与BIM模型之间的重叠度，根据设定的重叠度阈值即可判断该单元内组件是否建造完成。最后汇总所有栅格单元的重叠情况，得到整体的施工进度。

上述实施例带来的有益效果如下：

本方案利用无人机激光扫描采集建筑物点云数据，以其非接触式的数据采集方式大大减少了人工的参与，在不影响正常施工作业的情况下不仅增加了数据的准确性，还避免了安全事故。同时对采集到的建筑物点云数据与施工建造计划的BIM模型进行对比，从而自动化的实现了建筑施工进度监测。此外，本方案通过对建筑施工进度的监测，实现对房企贷款资金的监管，保证资金的合理利用，有利于银行有效防控风险以及精准支持项目建设。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的建筑施工进度监测方法的建筑施工进度监测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个建筑施工进度监测装置实施例中的具体限定可以参见上文中对于建筑施工进度监测方法的限定，在此不再赘述。

在一个示例性的实施例中，如图6所示，提供了一种建筑施工进度监测装置，包括：

数据获取模块601，用于获取待监测建筑物不同视角的点云数据，对点云数据进行坐标系转换，得到统一坐标系下的完整点云数据；

格式转换模块602，用于根据完整点云数据，构建当前建筑施工阶段对应的初始建筑信息模型，并对初始建筑信息模型进行数据格式转换，得到预设格式的建筑信息模型；

数据配准模块603，用于对完整点云数据与预设格式的建筑信息模型进行数据配准，得到目标建筑信息模型；

栅格划分模块604，用于将目标建筑信息模型划分为多个栅格单元，确定每一个栅格单元中的当前点云数据与当前建筑信息模型之间的重叠度；

数值比较模块605，用于将各重叠度与预设的重叠度阈值分别进行数值比较，并根据数值比较结果，得到建筑施工进度监测结果。

在一个实施例中，建筑施工进度监测装置还包括去噪滤波模块，用于利用密度聚类算法，识别出完整点云数据中的噪声点和地面点；针对噪声点和地面点，以递归方式对完整点云数据进行滤波处理，得到滤波后的完整点云数据；格式转换模块602，还用于根据滤波后的完整点云数据，构建当前建筑施工阶段对应的初始建筑信息模型。

在一个实施例中，建筑施工进度监测装置还包括参数计算模块，用于分别对完整点云数据与预设格式的建筑信息模型进行特征点提取；利用预设描述子对特征点进行特征描述，得到特征点对应的特征信息，并根据特征信息，识别出特征点中配对的特征点对；根据特征点对，计算完整点云数据与预设格式的建筑信息模型之间的空间坐标变换参数。

在一个实施例中，数据配准模块603，还用于根据空间坐标变换参数，对完整点云数据与预设格式的建筑信息模型进行坐标系转换，得到坐标系统一的完整点云数据和建筑信息模型；对坐标系统一的完整点云数据和建筑信息模型进行数据配准，得到目标建筑信息模型。

在一个实施例中，栅格划分模块604，还用于在每一个栅格单元中，识别出当前点云数据与当前建筑信息模型的重叠区域；根据重叠区域在当前点云数据与当前建筑信息模型中所占的比例，确定重叠度。

在一个实施例中，格式转换模块602，还用于从初始建筑信息模型中导出模型数据，对模型数据进行网格化处理；将网格化处理后的模型数据进行数据格式转换，得到预设格式的建筑信息模型。

在一个实施例中，建筑施工进度监测装置还包括数据检测模块，用于检测不同视角的点云数据是否存在数据缺失；在检测到任一视角的点云数据存在数据缺失的情况下，确定存在数据缺失的目标视角以及缺失的目标点云数据；根据目标视角对应的备份点云数据，对目标点云数据进行数据补录。

上述建筑施工进度监测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个示例性的实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O）和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种建筑施工进度监测方法。

本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要符合相关规定。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性存储器和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-Only Memory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（Resistive Random Access Memory，ReRAM）、磁变存储器（Magnetoresistive RandomAccess Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic Random Access Memory，DRAM）等。本申请提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器、人工智能（Artificial Intelligence，AI）处理器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本申请记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。