[發明專利]融合SLAM和圖像處理的施工進度實時識別方法

有效

• 申請號: 201911284647.0
• 申請日: 2019-12-13
• 公開（公告）號: CN111079826B
• 公開（公告）日: 2023-09-29
• 發明（設計）人: 吳懷宇;吳帆;丁元浩;李琳;張天宇;劉漢東
• 申請（專利權）人: 武漢科技大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/82;G01S17/89;G06V10/75;G06N3/0464;G06N3/048;G06N3/08;G06V10/80
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 胡琳萍

1.一種融合SLAM和圖像處理的室內建筑施工進度實時識別方法，其特征在于包括以下步驟：

步驟1：數據采集：利用激光雷達SLAM技術對室內建筑環境進行全景掃描，獲得二維圖像；

步驟2：前端匹配：根據多幀激光束的匹配與激光幀的位姿變換，建立初始子地圖submap，并在初始子地圖的基礎上依次創建后續子地圖；

步驟3：后端優化：利用回環檢測對多次創建子地圖的累積誤差進行優化，得到全局一致的軌跡和地圖；

步驟4：利用卷積神經網絡將SLAM建的地圖進行輪廊提取得到輪廓圖：在得到輪廓圖的過程中，復合特征網絡中每一層圖像處理后的每個像素的損失函數定義如下：

其中

Y⁺和Y^-分別表示正樣本集和負樣本集；λ是平穩正負樣本的參數；X_i表示當前像素的特征向量，y_i表示邊緣概率值；P(X)表示標準sigmoid函數，W表示此網絡結構將要學習的所有參數；由此得到復合特征網絡總損失函數可以表述為：

此時表示第k階段的CNN特征向量，k表示訓練的階層數，而表示最終融合層的特征向量，|I|表示圖像的像素值；

步驟5：利用改進哈希算法將輪廓圖與室內建筑工程制圖進行對比得出施工進度：先把輪廊圖縮放后進行灰度處理，再比較兩幅圖的像素灰度，若前一個像素的顏色強度大于第二個像素，則差異值設置為1，若不大于第二個像素，則設置為0，將差異值數組中每一個值看做一個字節，每8個組成一個十六進制值，將十六進制值連接起來轉換為字符串，即得出哈希值，對比獲取這兩幅圖像不同位數的哈希值，通過計算漢明距離對比出這兩幅圖像不同位數的值得出這兩幅圖像的相似度，通過相似度確定施工實際進度。

2.根據權利要求1所述的融合SLAM和圖像處理的室內建筑施工進度實時識別方法，其特征在于：步驟1中獲取的是二維占用柵格地圖。

3.根據權利要求1所述的融合SLAM和圖像處理的室內建筑施工進度實時識別方法，其特征在于：步驟2中初始子地圖建立之后，后續子地圖的創建方法如下：

每當得到一次激光掃描的數據后，便與最近建立的子地圖submap進行匹配，使這一幀激光掃描數據幀插入到子地圖submap上最優的位置，在不斷插入數據幀的同時，該子地圖submap也得到了更新，當不再有新的數據幀插入到該子地圖中時，即為這個子地圖submap已經創建完成，此時再去創建下一個子地圖。

4.根據權利要求1所述的融合SLAM和圖像處理的室內建筑施工進度實時識別方法，其特征在于：步驟3中環檢測的具體方法為：在一個新的激光束插入到子地圖中時，若此激光束的估計位姿與地圖中某個子地圖中的某個激光束的位姿足夠接近時，找出建立這種約束關系的歷史幀，通過掃描匹配就會找到該回環對應的子地圖中的某個激光束的位姿，消除誤差。

5.根據權利要求1所述的融合SLAM和圖像處理的室內建筑施工進度實時識別方法，其特征在于：步驟4中利用卷積神經網絡將SLAM建的地圖進行輪廊提取得到輪廓圖包括如下具體步驟：

去除VGG16卷積神經網絡中的全連接層和池化層第五層，對VGG16卷積神經網絡中的每個卷積層與1*1-21的卷積核相連，每層的結果特征映射被累積再使用一個按元素操作層eltwise?layer，將每步中的輸出進行相加得到一個復合特征；

再將每個按元素操作層eltwise?layer后面加一個反卷積層deconv?layer用來放大特征圖尺寸，其次，在每個上采樣層后用一個交叉熵損耗，隨后將所有的上采樣層的輸出進行聯系，再使用一個1*1的卷積層進行特征圖融合，最后使用一個交叉熵損失函數得到輪廓圖。