本發(fā)明涉及三維可視化領(lǐng)域，尤其涉及一種路基智能建造三維可視化作業(yè)控制方法與系統(tǒng)。

背景技術(shù)：

1、隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展和交通運(yùn)輸需求的增加，公路建設(shè)成為國家基礎(chǔ)設(shè)施建設(shè)的重要組成部分。路基是公路建設(shè)的基礎(chǔ)，其質(zhì)量和穩(wěn)定性直接影響到公路的使用壽命和安全性。在傳統(tǒng)的路基施工過程中，由于施工環(huán)境復(fù)雜，作業(yè)環(huán)節(jié)多，質(zhì)量控制難度較大，往往難以做到精細(xì)化管理，容易出現(xiàn)施工過程中各類問題，如質(zhì)量不達(dá)標(biāo)、施工周期長等。因此，如何提高路基施工的質(zhì)量、效率以及施工管理的精度成為了當(dāng)前道路建設(shè)中的一大挑戰(zhàn)。隨著信息技術(shù)和智能化技術(shù)的發(fā)展，三維可視化技術(shù)和作業(yè)控制方法被越來越多地應(yīng)用到工程建設(shè)中，尤其是在路基智能建造方面。三維可視化技術(shù)通過數(shù)字化手段將路基施工的各個(gè)環(huán)節(jié)、作業(yè)過程以及數(shù)據(jù)進(jìn)行集成、展示和分析，使得施工過程的監(jiān)控與管理更加直觀、透明。與此同時(shí)，智能建造的興起使得施工過程能夠借助自動(dòng)化、信息化技術(shù)，實(shí)時(shí)感知和控制施工環(huán)境與進(jìn)度，提升施工的精確性與安全性。但是由于路基工程涉及大規(guī)模地形與結(jié)構(gòu)模型，在復(fù)雜地質(zhì)場景中面臨嚴(yán)重的模型失真與加載卡頓問題?。

技術(shù)實(shí)現(xiàn)思路

1、鑒于此，本發(fā)明提出一種路徑智能建造三維可視化作業(yè)控制方法與系統(tǒng)，通過優(yōu)化三維模型渲染流程以及準(zhǔn)確性，實(shí)現(xiàn)三維模型的實(shí)時(shí)可視化，達(dá)到精確質(zhì)量管理和實(shí)時(shí)監(jiān)控的目的。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供的一種路基智能建造三維可視化作業(yè)控制方法，包括以下步驟：

3、s1：采集多源路基數(shù)據(jù)，利用改進(jìn)的slam算法對多源路基數(shù)據(jù)進(jìn)行位置校正，得到位置校正后的多源路基數(shù)據(jù)；

4、s2：對位置校正后的多源路基數(shù)據(jù)進(jìn)行多源融合，得到路基融合數(shù)據(jù)；

5、s3：基于路基融合數(shù)據(jù)構(gòu)建路基建造三維模型；

6、s4：采用二次誤差測度網(wǎng)格簡化算法對路基建造三維模型進(jìn)行輕量化處理，得到輕量化路基建造三維模型；

7、s5：對輕量化路基建造三維模型進(jìn)行動(dòng)態(tài)作業(yè)渲染，對路基建造過程進(jìn)行可視化作業(yè)渲染。

8、作為本發(fā)明的進(jìn)一步改進(jìn)方法：

9、可選地，所述三維點(diǎn)云數(shù)據(jù)包括三維位置坐標(biāo)以及顏色向量；

10、所述雷達(dá)回波數(shù)據(jù)包括三維位置坐標(biāo)、信號(hào)振幅、相位信息、干涉相位以及相干性；

11、所述衛(wèi)星定位數(shù)據(jù)包括三維位置坐標(biāo)以及運(yùn)動(dòng)速度；

12、所述多源路基數(shù)據(jù)的表示形式為：

13、；

14、；

15、其中：

16、g表示多源路基數(shù)據(jù)，表示三維點(diǎn)云數(shù)據(jù)集合，表示雷達(dá)回波數(shù)據(jù)集合，表示衛(wèi)星定位數(shù)據(jù)集合，n表示數(shù)據(jù)采集數(shù)目；

17、表示三維點(diǎn)云數(shù)據(jù)集合中的第n組三維點(diǎn)云數(shù)據(jù)，表示雷達(dá)回波數(shù)據(jù)集合中的第n組雷達(dá)回波數(shù)據(jù)，表示衛(wèi)星定位數(shù)據(jù)集合中的第n組衛(wèi)星定位數(shù)據(jù)；

18、利用改進(jìn)的slam算法構(gòu)建所述多源路基數(shù)據(jù)的多源因子誤差函數(shù)，所述多源因子誤差函數(shù)以全局位置校正參數(shù)為變量，以全局位置校正后多源路基數(shù)據(jù)的三維位置坐標(biāo)匹配程度為函數(shù)值，所述改進(jìn)的slam算法用于對多源路基數(shù)據(jù)進(jìn)行位置匹配，以三維點(diǎn)云數(shù)據(jù)、雷達(dá)回波數(shù)據(jù)以及衛(wèi)星定位數(shù)據(jù)中的三維位置坐標(biāo)為節(jié)點(diǎn)，節(jié)點(diǎn)之間的多源因子誤差函數(shù)為邊構(gòu)建因子圖。

19、可選地，所述多源因子誤差函數(shù)的表達(dá)式為：

20、；

21、；

22、；

23、；

24、；

25、；

26、其中：

27、表示第種因子誤差的質(zhì)量權(quán)重，表示待求解的全局位置校正參數(shù)，依次表示三維點(diǎn)云數(shù)據(jù)、雷達(dá)回波數(shù)據(jù)以及衛(wèi)星定位數(shù)據(jù)的位置校正參數(shù)，表示第種因子誤差函數(shù)，第1-3種因子誤差依次為三維點(diǎn)云數(shù)據(jù)、雷達(dá)回波數(shù)據(jù)以及衛(wèi)星定位數(shù)據(jù)的因子誤差，第1-3種因子誤差函數(shù)依次為三維點(diǎn)云數(shù)據(jù)、雷達(dá)回波數(shù)據(jù)以及衛(wèi)星定位數(shù)據(jù)的因子誤差函數(shù)，表示中n個(gè)三維位置坐標(biāo)的標(biāo)準(zhǔn)差；

28、表示l1范數(shù)，分別表示三維點(diǎn)云數(shù)據(jù)、雷達(dá)回波數(shù)據(jù)以及衛(wèi)星定位數(shù)據(jù)中的三維位置坐標(biāo)；

29、表示集合中與距離最近的三維位置坐標(biāo)；

30、表示集合中與距離最近的三維位置坐標(biāo)；

31、表示集合中與距離最近的三維位置坐標(biāo)。

32、可選地，以最小化所述多源因子誤差函數(shù)為目標(biāo)，對所述多源因子誤差函數(shù)進(jìn)行求解，得到全局位置校正參數(shù)，包括：

33、初始化生成全局位置校正參數(shù)，并將所生成全局位置校正參數(shù)作為所述多源因子誤差函數(shù)的輸入值；

34、計(jì)算多源因子誤差函數(shù)的一階梯度，作為所生成全局位置校正參數(shù)的雅可比矩陣，并計(jì)算雅可比矩陣的二階倒數(shù)，作為所生成全局位置校正參數(shù)的海森矩陣；

35、基于所述雅可比矩陣以及海森矩陣對所生成全局位置校正參數(shù)進(jìn)行迭代，并重新迭代后全局位置校正參數(shù)的雅可比矩陣以及海森矩陣；

36、每次迭代后計(jì)算所述全局位置校正參數(shù)的變化率，若變化率小于預(yù)設(shè)閾值，則終止迭代，將當(dāng)前迭代結(jié)果作為求解得到的全局位置校正參數(shù)；利用所述全局位置校正參數(shù)對所述多源路基數(shù)據(jù)中的三維位置坐標(biāo)進(jìn)行校正，得到位置校正后的多源路基數(shù)據(jù)。

37、可選地，對所述位置校正后的多源路基數(shù)據(jù)進(jìn)行多源融合，包括：

38、計(jì)算所述位置校正后的多源路基數(shù)據(jù)中三維點(diǎn)云數(shù)據(jù)、雷達(dá)回波數(shù)據(jù)以及衛(wèi)星定位數(shù)據(jù)之間的三維位置坐標(biāo)距離，將三維位置坐標(biāo)距離小于預(yù)設(shè)距離閾值的不同來源數(shù)據(jù)進(jìn)行融合，作為同一三維位置坐標(biāo)下的多源融合路基數(shù)據(jù)；

39、基于多源融合路基數(shù)據(jù)計(jì)算得到不同路基區(qū)域的多維特征熵，其中多維特征熵越大，則表示地表地形越復(fù)雜，并在多維特征熵高于預(yù)設(shè)熵閾值的路基區(qū)域進(jìn)行多次多源路基數(shù)據(jù)采集，基于全局位置校正參數(shù)，對新采集的多源路基數(shù)據(jù)中的三維位置坐標(biāo)進(jìn)行校正，并融入多源融合路基數(shù)據(jù)中，構(gòu)成路基融合數(shù)據(jù)。

40、可選地，所述路基建造三維模型包括濾波模塊以及三維表面重建模塊，所述濾波模塊用于提取所述路基融合數(shù)據(jù)中每組多源融合路基數(shù)據(jù)的多源信息，對所述多源融合路基數(shù)據(jù)進(jìn)行多尺度濾波處理，得到濾波后路基融合數(shù)據(jù)，三維表面重建模塊用于從濾波后路基融合數(shù)據(jù)提取三維位置坐標(biāo)以及多源信息，采用poisson?重建方式進(jìn)行三維網(wǎng)絡(luò)重建，得到路基建造三維模型；

41、所述多源融合路基數(shù)據(jù)中的多源信息為多源融合路基數(shù)據(jù)中的信號(hào)振幅、相位信息、干涉相位、相干性以及運(yùn)動(dòng)速度；

42、所述多尺度濾波處理方式為：基于多源信息計(jì)算得到多源融合路基數(shù)據(jù)的濾波尺度信息，若濾波尺度信息高于預(yù)設(shè)濾波閾值，則表示多源融合路基數(shù)據(jù)為噪聲數(shù)據(jù)；對所述路基融合數(shù)據(jù)中的噪聲數(shù)據(jù)進(jìn)行過濾清洗處理，得到濾波后路基融合數(shù)據(jù)；

43、所述poisson重建方式為：利用主成分分析計(jì)算所述濾波后路基融合數(shù)據(jù)中每組多源融合路基數(shù)據(jù)的法向量，其中相干性越高，則多源融合路基數(shù)據(jù)在法向量計(jì)算過程中的占比權(quán)重越高；

44、構(gòu)建八叉樹，存儲(chǔ)所述濾波后路基融合數(shù)據(jù)中的多源融合路基數(shù)據(jù)，對所述濾波后路基融合數(shù)據(jù)進(jìn)行空間層級(jí)劃分；

45、構(gòu)建不同空間層級(jí)的poisson方程，對poisson方程進(jìn)行求解，得到不同路基區(qū)域的光滑隱式曲面方程，提取等值面，生成封閉的三角網(wǎng)格，所述三角網(wǎng)格由三角面組成，識(shí)別并刪除小型孤立的三角面，得到路基建造三維模型。

46、可選地，采用二次誤差測度網(wǎng)格簡化算法對所述路基建造三維模型進(jìn)行輕量化處理，包括：

47、計(jì)算得到所述路基建造三維模型中每個(gè)三角面的法向量，計(jì)算三角面的法向量與鄰近法向量之間的差值之和，作為三角面的曲率，所述三角面的鄰近法向量為與三角面相接的三角面的法向量；

48、基于曲率計(jì)算得到三角面的誤差權(quán)重，基于誤差權(quán)重以及法向量計(jì)算得到三角面的平面加權(quán)誤差矩陣，所述平面加權(quán)誤差矩陣用于衡量三角面頂點(diǎn)到平面的距離，所述誤差權(quán)重的計(jì)算公式為：

49、；

50、其中：

51、表示曲率c對應(yīng)的誤差權(quán)重，表示預(yù)設(shè)的誤差權(quán)重閾值；

52、表示曲率c所對應(yīng)三角面的鄰近三角面曲率均值，f表示曲率c所對應(yīng)三角面法向量，表示重力向量，；

53、計(jì)算得到三角面頂點(diǎn)的所有相鄰平面加權(quán)誤差矩陣的累加，作為三角面頂點(diǎn)的誤差矩陣；

54、按照誤差矩陣l2范數(shù)值由低到高的順序選取三角面頂點(diǎn)，以及共享邊的三角面頂點(diǎn)，構(gòu)成三角面頂點(diǎn)對，計(jì)算得到使得合并三角面頂點(diǎn)對后，誤差矩陣最小的新三角面頂點(diǎn)，刪除被合并的三角面頂點(diǎn)，更新相鄰三角面，使其指向新的三角面頂點(diǎn)；

55、反復(fù)合并頂點(diǎn)，更新誤差矩陣，逐步減少三角面數(shù)量，直到達(dá)到設(shè)定的三角面總數(shù)，使用?laplacian?平滑處理合并后的三維模型，作為輕量化路基建造三維模型。

56、可選地，提取路基融合數(shù)據(jù)中的顏色向量，將顏色向量映射到所述輕量化路基建造三維模型的對應(yīng)位置處，得到顏色渲染后的輕量化路基建造三維模型，并在路基建造作業(yè)過程中實(shí)時(shí)采集多源路基數(shù)據(jù)，對所述輕量化路基建造三維模型進(jìn)行動(dòng)態(tài)更新。

57、為了解決上述問題，本發(fā)明提供一種路基智能建造三維可視化作業(yè)控制系統(tǒng)，所述路基智能建造三維可視化作業(yè)控制系統(tǒng)包括服務(wù)器以及數(shù)據(jù)采集裝置，所述服務(wù)器包括數(shù)據(jù)處理模塊以及三維可視化模塊：

58、所述數(shù)據(jù)處理模塊用于利用改進(jìn)的slam算法對多源路基數(shù)據(jù)進(jìn)行位置校正，對位置校正后的多源路基數(shù)據(jù)進(jìn)行多源融合，得到路基融合數(shù)據(jù)；

59、所述三維可視化模塊用于基于路基融合數(shù)據(jù)構(gòu)建路基建造三維模型，采用二次誤差測度網(wǎng)格簡化算法對路基建造三維模型進(jìn)行輕量化處理，得到輕量化路基建造三維模型，對輕量化路基建造三維模型進(jìn)行動(dòng)態(tài)作業(yè)渲染，對路基建造過程進(jìn)行可視化作業(yè)渲染；

60、所述數(shù)據(jù)采集裝置用于采集多源路基數(shù)據(jù)。

61、為了解決上述問題，本發(fā)明還提供一種電子設(shè)備，所述電子設(shè)備包括：

62、存儲(chǔ)器，存儲(chǔ)至少一個(gè)指令；

63、通信接口，實(shí)現(xiàn)電子設(shè)備通信；及

64、處理器，執(zhí)行所述存儲(chǔ)器中存儲(chǔ)的指令以實(shí)現(xiàn)上述所述的路基智能建造三維可視化作業(yè)控制方法。

65、為了解決上述問題，本發(fā)明還提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)有至少一個(gè)指令，所述至少一個(gè)指令被電子設(shè)備中的處理器執(zhí)行以實(shí)現(xiàn)上述所述的路基智能建造三維可視化作業(yè)控制方法。

66、相對于現(xiàn)有技術(shù)，本發(fā)明提出一種路基智能建造三維可視化作業(yè)控制方法，該技術(shù)具有以下優(yōu)勢：

67、首先，本方案提出一種全局位置校正方式，利用位置匹配算法對多源路基數(shù)據(jù)進(jìn)行位置校正，通過將數(shù)據(jù)采集渠道作為因子，識(shí)別不同因子之間的位置偏差，構(gòu)建多源因子誤差函數(shù)，對多源因子誤差函數(shù)進(jìn)行求解，得到全局位置匹配的校正結(jié)果，并在求解過程中引入表征因子質(zhì)量的質(zhì)量權(quán)重，其中質(zhì)量權(quán)重越高，則所采集數(shù)據(jù)的位置準(zhǔn)確性越高，最終生成高精度、對齊的多源融合路基數(shù)據(jù)，并根據(jù)不同路基區(qū)域的多維特征熵，篩選地形復(fù)雜的路基區(qū)域進(jìn)行多次重采樣，提高復(fù)雜路基區(qū)域的三維建模準(zhǔn)確性。

68、同時(shí)本方案提出一種三維建模方式，基于多源信息計(jì)算得到多源融合路基數(shù)據(jù)的濾波尺度信息，若濾波尺度信息高于預(yù)設(shè)濾波閾值，則表示多源融合路基數(shù)據(jù)為噪聲數(shù)據(jù)，構(gòu)建八叉樹，存儲(chǔ)濾波后路基融合數(shù)據(jù)中的多源融合路基數(shù)據(jù)，對濾波后路基融合數(shù)據(jù)進(jìn)行空間層級(jí)劃分，構(gòu)建不同空間層級(jí)的poisson方程，對poisson方程進(jìn)行求解，得到不同路基區(qū)域的光滑隱式曲面方程，提取等值面，生成封閉的三角網(wǎng)格，利用曲率對邊坡、斷層等關(guān)鍵區(qū)域進(jìn)行識(shí)別，其中高曲率三角面為邊坡、斷層等關(guān)鍵區(qū)域，低曲率三角面為平坦區(qū)域，通過引入局部曲率均值，對曲率進(jìn)行歸一化，確保曲率分布在不同三角面具有一致性，基于誤差矩陣合并低曲率區(qū)域的三角面頂點(diǎn)，減少三角網(wǎng)格復(fù)雜度，限制高曲率區(qū)域的三角形頂點(diǎn)合并，確保邊坡、斷層等特征完整。