• ISSN: 1674-7461
  • CN: 11-5823/TU
  • 主管:中国科学技术协会
  • 主办:中国图学学会
  • 承办:中国建筑科学研究院有限公司

2022, 14(1): 126-131. doi: 10.16670/j.cnki.cn11-5823/tu.2022.01.16

基于YOLOv3的无人机建筑物空间特征提取方法研究

东南大学土木工程学院,南京 211189

通讯作者: 徐照,

网络出版日期: 2022-02-01

作者简介: 孙奥(2001-),男,在读本科生,主要研究方向:工程管理

基金项目: 教育部人文社科基金 20YJAZH114江苏省自然科学基金 BK20201280国家自然科学基金 72071043

Research on Extraction Method of UAV Building Spatial Features Based on YOLOv3

School of Civil Engineering of Southeastern University, Nanjing 211189, China

Corresponding author: Zhao Xu,

Available Online: 2022-02-01

引用本文: 孙奥, 金鑫, 管相源, 史平凡, 康蕊, 徐照. 基于YOLOv3的无人机建筑物空间特征提取方法研究[J]. 土木建筑工程信息技术, 2022, 14(1): 126-131. doi: 10.16670/j.cnki.cn11-5823/tu.2022.01.16

Citation: Ao Sun, Xin Jin, Xiangyuan Guan, Pingfan Shi, Rui Kang, Zhao Xu. Research on Extraction Method of UAV Building Spatial Features Based on YOLOv3[J]. Journal of Information Technologyin Civil Engineering and Architecture, 2022, 14(1): 126-131. doi: 10.16670/j.cnki.cn11-5823/tu.2022.01.16

摘要:随着智慧城市的发展,对建筑空间特征的采集速度和精度要求越来越高,针对市面上常见的空间特征提取方法灵活性差、智能化程度低、人力成本高等问题,本文提出了一种基于无人机扫描与YOLO识别的检测方法,完成了建筑物窗户构件的实时识别与提取。本文对YOLOv3算法进行了优化调整并运用自制的数据集对算法模型进行训练,使用Nginx搭建RTMP(Real Time Messaging Protocol)推流服务器接收无人机扫描信息,在地面平台显示实时识别结果,该方法大大提高了识别效率,降低了推流传输延迟,在无人机检测实验中体现出了实时、高效、智能的特点,借助无人机的灵活性,能够高效地满足建筑构件实时检测的需要。

关键词: 无人机, 目标检测, YOLOv3算法, 空间特征提取, 建筑物
[1]

林文修, 袁兵, 张超. 既有建筑BIM运维的实现方法研究[J]. 重庆建筑, 2020, 19(7): 18-20.doi: 10.3969/j.issn.1671-9107.2020.07.18

[2]

蒋璐. BIM技术在既有建筑检测中的应用研究[J]. 土木建筑工程信息技术, 2017, 9(3): 90-95. 

[3]

罗峰, 黄振妥. 基于无人机倾斜摄影测量技术的大区域房屋测量——以广州市金融城西区房屋现状摸查测量为例[J]. 工程勘察, 2019, 47(3): 55-58. 

[4]

杨明, 石小伟, 葛浩然. 无人机空地一体三维激光扫描技术应用研究[J]. 测绘通报, 2020(3): 134-139. 

[5]

马金龙, 于沭, 王国志, 等. 基于无人机巡检的渠道衬砌破损图像识别方法研究[J]. 水利科学与寒区工程, 2020, 3(5): 41-46.doi: 10.3969/j.issn.1002-3305.2020.05.009

[6]

邓瑞, 林金朝, 杨宏志. 基于深度学习的建筑物识别[J]. 重庆工商大学学报(自然科学版), 2019, 36(4): 17-22. 

[7]

高磊. 基于邻域高差分析的资源三号影像建筑物识别[J/OL]. 测绘地理信息: 1-7[2020-11-04]. http://kns.cnki.net/kcms/detail/42.1840.P.20200103.1540.022.html.

[8]

许博鸣, 刘晓峰, 业巧林, 等. 基于卷积神经网络面向自然场景建筑物识别技术的移动端应用[J]. 南京师范大学学报(工程技术版), 2019, 19(3): 37-44. 

[9]

Redmon J, Farhadi A. Yolov3: An incremental improvement[EB/OL]. (2018-04-08)[2019-12-05]. https://arxiv.org/ads/1804.02767.

[10]

Rebekka Volk, Julian Stengel, Frank Schultmann. Building Information Modeling(BIM)for existing buildings—2 Literature review and future needs[J]. Automation in Construction, 2014, 38. REDMON J, DIVVALA S, GIRSHICK R, etal. You only look once: Unified, real-time object detection[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2016: 779-788.

[11]

Pingbo Tang, Daniel Huber, Burcu Akinci, Robert Lipman, Alan Lytle. Automatic reconstruction of as-built building information models from laser-scanned point clouds: A review of related techniques[J]. Automation in Construction, 2010, 19(7).

[12]

Radim Tylecek, Radim Sara. Spatial Pattern Templates for Recognition of Objects with Regular Structure[C]//Proceedings of German conference on pattern recognition. 2013.

[13]

张峻宁, 苏群星, 刘鹏远, 等. 一种基于透视投影的单目3D目标检测网络[J]. 机器人, 2020, 42(3): 278-288. DOI:10.13973/j.cnki.robot.190221.doi: 10.13973/j.cnki.robot.190221

[14]

赵明月, 吴健平. 基于CityEngine的建筑物自动化建模[J]. 测绘地理信息, 2017, 42(5): 92-95. 

[15]

赵云凡, 邓雪原, 赖华辉. 基于深度学习的结构构件识别方法研究[A]. 中国图学学会建筑信息模型(BIM)专业委员会. 第五届全国BIM学术会议论文集[C]. 中国图学学会建筑信息模型(BIM)专业委员会: 中国建筑工业出版社数字出版中心, 2019, 4.

[16]

王炳德, 杨柳涛. 基于YOLOv3的船舶目标检测算法[J]. 中国航海, 2020, 43(1): 67-72. 

[17]

陶磊, 洪韬, 钞旭. 基于YOLOv3的无人机识别与定位追踪[J]. 工程科学学报, 2020, 42(4): 463-468. 

计量
  • PDF下载量(28)
  • 文章访问量(1359)
  • HTML全文浏览量(636)
目录

Figures And Tables

基于YOLOv3的无人机建筑物空间特征提取方法研究

孙奥, 金鑫, 管相源, 史平凡, 康蕊, 徐照

  • 版权所有© 《土木建筑工程信息技术》编辑部
  • 京ICP备17057008号
  • 地址:北京市朝阳区兴化路2号院1号楼
  • 电话:010-64517910 邮编:100013
  • 微信号:tmxxjs  QQ:342182902  E-mail:tmxxjs@163.com
本系统由北京仁和汇智信息技术有限公司设计开 技术支持: info@rhhz.net