在数字经济背景下，建筑行业正加速进行数字化转型升级。数字建造技术与施工项目的有机融合已成为现代建筑企业转型发展和驱动增长的重要措施。本研究基于交通基础设施项目的实践，深入探讨了数字建造技术，系统论述了BIM、无人机、无人船、三维激光扫描和3D打印等数字建造技术的实施路径。通过在空中、水面和地面不同施工场景中的创新应用，促进了施工管理方式的变革，实现了项目的降本增效目标，提升了企业的风险管理能力，并为交通基础设施行业的智能化和绿色发展提出了相关建议。

近年来，无人机(UAV)在大型工程施工领域的应用逐渐兴起，无人机可以用于工程测绘，高空航拍等，本文基于笔者经历的一个实际工程，创新性地探讨了无人机在工程施工中的应用，主要介绍了无人机的三种应用，即：实景分区图、全景图、三维实景建模技术，同时将无人机与BIM技术结合、硬件与软件结合形成BIM成果，辅助工程施工进度管理、质量管理、场地布置等，为工程施工管理提供了一种新的思路。

工程实景测绘不仅能辅助工程师发现工程进度、质量问题，更能结合其他信息处理技术，为进一步工程分析提供数据基础。相较于传统工程测绘技术，无人机低空摄影技术具有操作简便、经济性好、机动性强等优点。将无人机摄影技术引入土方工程，对其航迹规划问题展开讨论，旨在实现场地三维实景建模。对场地进行分区，将航迹规划问题简化为不规则场地下的全覆盖路径规划问题，且无需考虑避障规划。在方法层面上，将A^*算法与BINN算法结合，改进了BINN算法中可能出现的“死区”，并通过设置约束规则，解决了算法初期路径随机游走的问题。最终，以某项目土方工程的实景建模工作为案例，利用以上算法完成无人机航迹规划，证明了该算法的可行性。

本文研发基于YOLOv5算法的桥梁病害检测系统，用于无人机桥梁病害检测。首先，通过无人机巡航系统进行病害采集；其次，通过K-means聚类算法对YOLOv5算法中的先验框比例进行改进，获取桥梁病害的尺寸；再次，利用图像切割算法将无人机输入图像切割为640*640尺寸大小，减小模型训练与推理难度，同时利用APAP算法对切割图像识别结果进行拼接，达到完整无人机图像识别结果；最后，采用Python Flask搭建开放式桥梁病害检测Web前端，可根据实际需求调用不同桥梁部位病害权重，实现13种桥梁病害实时检测。结果表明，该模型可有效地降低硬件需求，可直接对无人机图像进行识别处理，实现快速病害检测，有望为桥梁病害检测提供一个高效、安全且具有前景的检测方法。

中南大学湘雅五医院是由美国Payette公司和湖南省建筑设计院有限公司共同设计，湖南省首批PPP示范项目。本文介绍了从方案设计到初设和施工图设计阶段湖南省院进行BIM正向设计的过程。结合使用本地工作站和云服务器平台综合管理超大体量、空间结构复杂的医院建筑三维模型，应用轻量化模型进行沟通和项目管控，充分发挥BIM正向设计的优势。针对医院建筑的特点进行专业的医疗工艺设计，结合绿色建筑分析、二次开发与编程处理、无人机倾斜摄影等技术，成功推进BIM正向设计的深度实现，为BIM技术在现代医疗建筑中的应用和拓展打下了良好基础。

本文以中山大学·深圳建设工程项目这种依山而建的大体量复杂山地群体工程为载体，对比了传统土石方量计算方法，如近似体积估算法、断面法及方格网法与基于无人机实测DTM法在基坑、边坡、场平等多种复杂土方平衡情况下的土方量计算准确性及工作效率；明确了无人机实测DTM的试用条件及优缺点，为后续同类工程的应用奠定基础。

超高层总承包施工对深化设计和协同工作具有很高的要求，随着BIM、实景建模、激光扫描等新技术的应用，深化设计、协同管理变得越来越高效和落地。本项目对本文针对保利金融城项目基于BIM的协同工作、深化设计、计划管理等应用进行了简要介绍和总结。

全景摄影是近几年流行并开始广泛应用的特殊摄像技术，用全景摄影技术可生成360°三维空间场景影像。全景相机，诸如理光景达、小米全景相机等，其操作应用简单、效果震撼，一键拍摄即可生成360°三维漫游影像，应用场景十分广泛。建筑工程领域引入全景摄像技术可拍摄全景样板、制作交互式全景漫游、制作全周期空中全景记录等，给现场管理带来全新的视觉体验，实例验证表明全景摄像技术在建筑工程中的应用有很大开拓空间。

建筑业的施工安全长久以来都是社会热点问题，然而消除施工安全隐患却始终是难点。随着无人机和人工智能技术的发展，将图像采集与识别技术应用到建筑施工安全防治领域是当前的研究热点之一。高空坠落事故是施工安全事故占比最大的事故类型，临边防护的缺失是导致高空坠落事故频发的主要原因之一。本文利用深度学习框架搭建了5种主流卷积神经网络模型，对无人机采集的3 600张施工现场图像数据集进行训练与测试。实验结果表明，5种模型识别安全检测中临边护栏的准确率皆已达到90%以上，经对比分析得出MobileNet模型对临边护栏识别效果最佳。研究结果验证了图像识别的CNN算法与无人机技术应用于快速识别施工现场安全隐患的有效性和可行性，有助于消除施工现场不安全隐患，提升建筑业的安全管理水平。

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。