南京國立資產管理有限責任公司;江蘇金寓信息科技有限公司秦浩獲國家專利權
買專利賣專利找龍圖騰,真高效! 查專利查商標用IPTOP,全免費!專利年費監控用IP管家,真方便!
龍圖騰網獲悉南京國立資產管理有限責任公司;江蘇金寓信息科技有限公司申請的專利一種基于BIM和AR的機電管線安裝情況監測系統獲國家發明授權專利權,本發明授權專利權由國家知識產權局授予,授權公告號為:CN119885381B 。
龍圖騰網通過國家知識產權局官網在2025-09-26發布的發明授權授權公告中獲悉:該發明授權的專利申請號/專利號為:202510045664.8,技術領域涉及:G06F30/13;該發明授權一種基于BIM和AR的機電管線安裝情況監測系統是由秦浩;李少嵐;辛連春;史習雯;李強設計研發完成,并于2025-01-13向國家知識產權局提交的專利申請。
本一種基于BIM和AR的機電管線安裝情況監測系統在說明書摘要公布了:本發明公開了一種基于BIM和AR的機電管線安裝情況監測系統,涉及管線安裝技術領域。該基于BIM和AR的機電管線安裝情況監測系統,包括:三維掃描與數據預處理模塊、圖紙三維建模模塊、AR區別顯示與誤差識別模塊、修正建議與實時指導模塊、記錄與反饋改進模塊;通過三維掃描與數據預處理,實現了高精度的實際管線數據采集,為后續分析提供了堅實基礎。圖紙三維建模模塊的引入,使得設計與實際安裝的對比更加直觀。AR區別顯示與誤差識別模塊的應用,不僅提高了誤差識別的精度,還通過回歸模型預測誤差閾值,有效評估誤差嚴重程度。修正建議與實時指導模塊能夠即時提供修正建議,指導施工人員操作,提高施工效率和質量。
本發明授權一種基于BIM和AR的機電管線安裝情況監測系統在權利要求書中公布了:1.一種基于BIM和AR的機電管線安裝情況監測系統,其特征在于,包括: 三維掃描與數據預處理模塊,使用三維掃描技術捕捉機電管線的實際空間特征,并通過去噪、配準和拼接的預處理步驟生成三維掃描數據; 圖紙與實際三維建模模塊,用于依據設計圖紙創建機電管線的三維圖紙模型,并在實際安裝過程中導入預處理后的管線掃描數據,創建實際安裝的管線模型; AR區別顯示與誤差識別模塊,用于將三維圖紙建模和實際建模導入AR設備,通過區別顯示兩個模型,并計算空間距離以識別誤差,優化誤差計算方式以提高精度,并建立基于歷史數據訓練的回歸模型來預測閾值對比誤差,判斷誤差嚴重程度;同時提供誤差標記和修正建議顯示功能; 修正建議與實時指導模塊,對識別的誤差進行分類和量化,劃定每個誤差的大小和重要性,生成修正建議并在AR設備上實時展示,指導施工人員進行調整; 記錄與反饋改進模塊,記錄修正前后的管線空間特征數據和修正過程中識別的誤差數據,并記錄修正建議數據,作為歷史數據訓練并完善回歸模型; 所述AR區別顯示與誤差識別模塊的工作內容具體包括: 模型導入AR設備:將圖紙建模和實際建模的兩個模型以適當的格式導入到AR設備或支持AR的應用程序中; 區別顯示:在AR設備上,使用不同的顏色、透明度或線條樣式同時顯示兩個模型; 誤差識別:計算圖紙建模和實際建模中對應點或線段之間的空間距離,設空間距離在X、Y、Z三個坐標軸上的位置偏移量分別為Δx、Δy和Δz: Δx=x2-x1; Δy=y2-y1; Δz=z2-z1; 使用歐幾里得距離公式計算空間誤差距離d: ; 其中,(x1,y1,z1)和(x2,y2,z2)分別是圖紙建模和實際建模中對應點的坐標; 誤差閾值設置:定義一個誤差閾值,用于判斷兩個模型之間的差異是否構成誤差;誤差閾值基于歷史數據訓練的回歸模型預測得出,并根據項目要求和精度標準,自動調整誤差閾值; 誤差標記:使用AR設備上的視覺標記和語音或文字提示標記超過閾值的誤差; 誤差標記:對于超過誤差閾值的點或線段,使用AR設備上的視覺標記和語音或文字提示進行標記; 基于歷史數據訓練的回歸模型預測誤差閾值的步驟具體包括: B1.數據收集與預處理: 數據收集:從多個已完成的項目中收集關于誤差閾值、安裝精度、管線類型、材料、環境條件的數據,并記錄每個項目中實際使用的誤差閾值以及相應的安裝結果; 數據預處理:對收集到的數據進行清洗,去除不完整或異常的數據點,對數據進行歸一化處理,以確保不同特征在模型訓練中具有相同的權重; B2.特征選擇與模型訓練: 特征選擇:從收集的數據中選取與誤差閾值設定相關的特征,包括管線類型、材料、環境條件、安裝精度要求,將這些特征將作為回歸模型的輸入變量; 模型訓練:選擇線性回歸作為模型,使用預處理后的數據訓練回歸模型,目標是預測給定特征下合適的誤差閾值;然后使用均方誤差、均方根誤差或R2分數的指標評估模型的性能; B3.回歸模型公式表示為: T=β0+β1·F1+β2·F2+...+βp·Fp; 其中,T是預測的誤差閾值,β0是截距項,(β1,β2,...,βp)是回歸系數,(F1,F2,...,Fp)是選定的特征; 在模型訓練階段,通過最小化損失函數來求解回歸系數(β0,β1,...,βp); B4.實時應用與反饋: 在新項目中,根據項目的特征和精度要求,使用訓練好的回歸模型預測合適的誤差閾值,并將預測的誤差閾值應用于AR設備上的誤差識別過程,以指導施工人員進行管線安裝; 在項目完成后,收集關于實際安裝精度和使用的誤差閾值的數據用于更新回歸模型。
如需購買、轉讓、實施、許可或投資類似專利技術,可聯系本專利的申請人或專利權人南京國立資產管理有限責任公司;江蘇金寓信息科技有限公司,其通訊地址為:210000 江蘇省南京市秦淮區大光路41號光華大廈4樓;或者聯系龍圖騰網官方客服,聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。
1、本報告根據公開、合法渠道獲得相關數據和信息,力求客觀、公正,但并不保證數據的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據或者憑證。