計(jì)及電網(wǎng)工程全壽命周期的輕量化三維模型自動化校驗(yàn)

張愛軍, 白 英, 邵雪瑾, 王新新

(1. 河海大學(xué) 能源與電氣工程學(xué)院, 南京 210098; 2. 寧夏寧電電力設(shè)計(jì)有限公司 變電設(shè)計(jì)中心, 銀川 750000)

隨著我國電力設(shè)計(jì)行業(yè)的發(fā)展,輸變電工程項(xiàng)目設(shè)計(jì)過程中諸多創(chuàng)新性數(shù)字化技術(shù)也逐漸投入應(yīng)用,并取得了若干探索性成果.在電力設(shè)計(jì)領(lǐng)域,三維設(shè)計(jì)已成為了重要的技術(shù)應(yīng)用,同時也令三維交底的重要性越發(fā)凸顯[1].國家電網(wǎng)公司指出,在輸變電工程的建設(shè)施工階段,以電力三維輕量化模型為代表的三維設(shè)計(jì)交底成為電力設(shè)計(jì)領(lǐng)域不可忽視的關(guān)鍵環(huán)節(jié)[2].但由于目前三維設(shè)計(jì)交底的校驗(yàn)水平不足,且缺乏自動化及數(shù)字化方法,因此在考慮電網(wǎng)工程全壽命周期前提下的三維設(shè)計(jì)交底實(shí)際完成情況仍不理想.

輸變電工程的三維設(shè)計(jì)交底與其數(shù)據(jù)密切相關(guān).電網(wǎng)信息模型(grid information model,GIM)的設(shè)計(jì)標(biāo)準(zhǔn)要求在輸變電工程的設(shè)計(jì)過程中,基于通用模型對電力設(shè)備設(shè)施開展精細(xì)化建模,由此促進(jìn)建筑信息模型(building information model,BIM)得到充分利用.BIM可以通過與電力設(shè)計(jì)數(shù)據(jù)的交互完成對輸變電工程設(shè)計(jì)的數(shù)字化管控,從而實(shí)現(xiàn)對項(xiàng)目設(shè)計(jì)的合理協(xié)調(diào)[3].然而,僅依靠BIM完成三維模型校驗(yàn)存在獲取數(shù)據(jù)成本較高且效率偏低的問題.當(dāng)前主流方法是將點(diǎn)云與BIM相結(jié)合,進(jìn)而輔助人工完成數(shù)據(jù)的獲取并實(shí)現(xiàn)三維模型校驗(yàn)[4].點(diǎn)云主要是根據(jù)屬性劃分?jǐn)?shù)據(jù),提取點(diǎn)特征后,將所得特征內(nèi)的三維幾何屬性輸入到分類模型中進(jìn)行標(biāo)簽分類,從而獲得相應(yīng)的判定結(jié)果.WANG等[5]針對城市激光雷達(dá)數(shù)據(jù),重點(diǎn)提取像素特征進(jìn)行比較,并通過隨機(jī)森林(random forest,RF)分類器完成特征分類;CHEN等[6]采用具有混合核函數(shù)的支持向量機(jī)(support vector machine,SVM)實(shí)現(xiàn)對點(diǎn)云特征的語義分類;徐國艷等[7]針對駕駛障礙物檢測的效率問題,通過點(diǎn)云過濾與分割算法完成點(diǎn)云縮減,并利用改進(jìn)的AdaBoost算法實(shí)現(xiàn)點(diǎn)云特征分類,以提高檢測精度.但上述方法主要是依靠大量實(shí)驗(yàn)獲取的先驗(yàn)知識來人工提取點(diǎn)云特征,并未考慮領(lǐng)域中各點(diǎn)間的關(guān)系,故難以避免噪聲影響,由此導(dǎo)致結(jié)果不穩(wěn)定.針對此問題,蔣騰平等[8]在三維點(diǎn)云中引入馬爾可夫隨機(jī)場(Markov random field,MRF),并結(jié)合殘差學(xué)習(xí)(ResNets)完成特征的自動提取;而邵磊等[9]則在考慮多尺度體素的基礎(chǔ)上,利用條件隨機(jī)場(conditional random field,CRF)實(shí)現(xiàn)了點(diǎn)云特征的分類.然而此類方法雖然改善了分類性能,但仍依賴人工設(shè)定的規(guī)則,對于不同場景的泛化使用性能較弱,未能完全實(shí)現(xiàn)自動化應(yīng)用的目的.

我國水資源總量為28 412億m3，居世界第六位，人均水資源量約2 100 m3，為世界平均值的28%。人多水少、水資源時空分布不均是我國的基本國情和水情。水資源的有效開發(fā)利用有力地支撐了經(jīng)濟(jì)社會的快速發(fā)展，但總量不足和水質(zhì)惡化導(dǎo)致的水資源短缺也成為制約我國經(jīng)濟(jì)社會發(fā)展一大“瓶頸”。

本文針對當(dāng)前輸變電工程三維設(shè)計(jì)交底過程中對三維輕量化模型自動化校驗(yàn)水平不足的問題,提出了一種計(jì)及電網(wǎng)工程全壽命周期的模型自動化校驗(yàn)方法.該方法在現(xiàn)有研究的基礎(chǔ)上分析了三維交底數(shù)據(jù)的需求,并基于GIM模型構(gòu)建輸變電工程輕量化三維模型,通過SLAM技術(shù)進(jìn)行相關(guān)工程三維點(diǎn)云的拼接重建;同時設(shè)計(jì)了改進(jìn)的KPConv模型來實(shí)現(xiàn)點(diǎn)云語義的分割,且最終根據(jù)節(jié)點(diǎn)對比結(jié)果完成自動化校驗(yàn).

首先，祭祖祀神可以滿足民眾祈求風(fēng)調(diào)雨順、五谷豐登、村族平安的愿望，即最基本的生存和生活愿望。“歷代俗民的生存愿望與生活需求是民俗得以產(chǎn)生、傳習(xí)、保存、應(yīng)用的基本動因?！薄鞍偌已纭眰鞒邪税俣嗄?，其根本原因也在此，雖然在現(xiàn)代社會人們生活水平已經(jīng)大大提高，但是這種訴求是永遠(yuǎn)無法完全滿足的，而祭祖祀神可以使人們在精神上得到慰藉。

1 輸變電工程三維設(shè)計(jì)交底

1.1 數(shù)據(jù)需求分析

輸變電工程三維設(shè)計(jì)交底是由相關(guān)工程設(shè)計(jì)單位向建管單位、施工單位進(jìn)行的設(shè)計(jì)方案交底.在工程全壽命周期中需要依據(jù)輸變電工程建設(shè)的有關(guān)規(guī)程規(guī)范,在考慮整體設(shè)計(jì)思路、強(qiáng)條反措、施工標(biāo)準(zhǔn)工藝、新設(shè)備與新材料使用情況等全壽命周期設(shè)計(jì)要素的基礎(chǔ)上,自動生成工程建設(shè)強(qiáng)制性條文庫、質(zhì)量監(jiān)督檢查表模板庫以及標(biāo)準(zhǔn)工藝庫等.

BIM技術(shù)可實(shí)現(xiàn)三維可視化,并將項(xiàng)目基礎(chǔ)數(shù)據(jù)進(jìn)行協(xié)同與共享,而工程量信息可以根據(jù)時空維度、構(gòu)件類型等進(jìn)行匯總、拆分及對比分析.因此在進(jìn)行輸變電工程三維設(shè)計(jì)交底時,需要在三維場景中對關(guān)鍵尺寸、角度和材質(zhì)等信息進(jìn)行標(biāo)注并作出必要施工要點(diǎn)的批注,進(jìn)而為交底過程中數(shù)據(jù)校驗(yàn)的精確定位提供依據(jù).三維模型數(shù)據(jù)的標(biāo)注如圖1所示.

1) 傳感器終端數(shù)據(jù)獲取.在視覺SLAM中通過負(fù)載的視覺傳感器終端獲取數(shù)據(jù)并讀取完成預(yù)處理,進(jìn)而生成局部三維點(diǎn)云.

患者得到以上實(shí)惠，靠的是“大醫(yī)星?！盇PP。此APP可用于預(yù)約掛號及支付管理、候診管理和智慧導(dǎo)診、會診轉(zhuǎn)診，以及電子病歷及報告查詢，也在開放接口實(shí)現(xiàn)了對接第三方醫(yī)療及健康類細(xì)分服務(wù)的作用?；颊摺⑨t(yī)生、醫(yī)院三位一體是軟件特色，服務(wù)模塊主要包含“門診業(yè)務(wù)”，提供自診、預(yù)約掛號、支付服務(wù)、候診管理、體檢套餐、床位信息等；“我的醫(yī)生”端口，可提供醫(yī)患在線圖文語音會話、通訊錄管理、消息群聊，報告查詢，提供就診化驗(yàn)、體檢數(shù)據(jù)查詢；“我的”端口，則能提供就診記錄查詢、健康卡管理、服務(wù)訂單、住院意見反饋，等等。

1.2 輸變電工程輕量化三維模型

1.2.1 GIM模型解析技術(shù)

本文引入GIM技術(shù)來構(gòu)建相關(guān)工程的輕量化三維模型.GIM梳理共性需求,且將可傳承性的輸變電工程信息加以規(guī)范,進(jìn)而建立統(tǒng)一的模型框架及描述方式,實(shí)現(xiàn)不同平臺的采集及應(yīng)用.

GIM文件內(nèi)存儲了輸變電工程的三維設(shè)計(jì)成果,包括三維模型和數(shù)字化參數(shù).其中電氣設(shè)備由GIM交互規(guī)范規(guī)定的基本圖元組成,文件中具體描述了其位置空間與尺寸[10-11].變電工程三維設(shè)計(jì)成果中的土建部分以IFC格式存儲在GIM文件中.但由于IFC文件對模型的描述沒有GIM文件直觀,因此需要研究其對模型位置空間尺寸的存儲規(guī)則或通過在GIM文件中引入特殊屬性描述的方式,對土建部分模型的位置空間尺寸進(jìn)行描述,以實(shí)現(xiàn)對該部分模型的關(guān)鍵數(shù)據(jù)提取.

“李鐵夫年八十以后所作”一印原石現(xiàn)存我館，邊款“鐵夫先生社長八十壽，叔厓敬祝，一九四九年十一月”，叔厓即錢瘦鐵⑥。所以，6件鈐有此兩印的作品（有3件同時署有“八十八老人”款）都為當(dāng)時書寫的作品，即創(chuàng)作時間為：1949年11月。

1.2.2 三維模型輕量化

輸變電工程的三維模型復(fù)雜程度高且數(shù)據(jù)規(guī)模龐大,為了能在用戶終端設(shè)備上快速顯示三維模型,實(shí)現(xiàn)模型的高效瀏覽和交互,需要研究一種多層次的三維輕量化圖形平臺.該平臺在保證三維模型對象可用性的前提下,還可對原始模型數(shù)據(jù)進(jìn)行壓縮、過濾及優(yōu)化,以減少模型的規(guī)模、降低內(nèi)存使用量及加快顯示速度.

SLAM技術(shù)主要通過移動機(jī)器人的視覺傳感器完成對未知環(huán)境的位置估計(jì),是建立語義地圖的核心,可直接影響到點(diǎn)云拼接重建的質(zhì)量.該技術(shù)主要由5個單元漸次構(gòu)成:傳感器終端、前端、后端、回環(huán)檢測以及語義地圖[13-14].具體分析如下:

以往4D模擬均依托處理過的模型進(jìn)行分析,存在信息丟失的問題.而本項(xiàng)目使用國網(wǎng)公司首批試點(diǎn)工程形成的三維數(shù)據(jù),并應(yīng)用GIM模型以保證結(jié)構(gòu)、模型和屬性的完整.所建立的輸變電工程輕量化三維模型如圖2所示.

圖2 輸變電工程輕量化三維模型Fig.2 3D model of power transmission and transformation project

2 三維模型點(diǎn)云拼接重建

在對輕量化算法研究的基礎(chǔ)上,為了減少模型渲染過程中的數(shù)據(jù)傳輸量,采用三維瓦片處理技術(shù)[12]在服務(wù)端將一個大場景切割成不同等級和范圍的瓦片.而客戶端則根據(jù)當(dāng)前屏幕顯示的區(qū)域與視角距離進(jìn)行動態(tài)按需獲取,并在客戶端進(jìn)行加密緩存及同步更新,從而有效解決網(wǎng)絡(luò)傳輸數(shù)據(jù)量較大的問題,且對性能進(jìn)行全面優(yōu)化.

男人說著就在女人臉上親了一口，女人摟著男人的脖子嗲聲嗲氣地說：“你還說！人家這不是在乎你嗎？哦，我忘了告訴你了，我那天在珠寶店看到一串項(xiàng)鏈，可漂亮了！”

你們具有承擔(dān)責(zé)任的能力（包括心理能力和行動能力）嗎?愛情不是只有甜蜜和溫馨，也有意外和傷害。意外懷孕了，你們有能力解決嗎？爭風(fēng)吃醋大打出手了，你們有能力去解決嗎？吵架分手后，若其中一方一哭二鬧三上吊，你們有能力化解嗎？沒有。那么，同學(xué)們，請問，現(xiàn)在的你們適合戀愛嗎？

2) 傳感器前端位姿估計(jì).該單元的作用在于當(dāng)相機(jī)發(fā)生位移時,通過幀間變換對所獲取的每幀圖像進(jìn)行位姿估計(jì),從而得到相機(jī)的位移軌跡,以實(shí)現(xiàn)即時跟蹤.本文采用特征點(diǎn)法完成位姿估計(jì),并通過對特征點(diǎn)的提取和匹配實(shí)現(xiàn)對SLAM技術(shù)的改進(jìn).特征點(diǎn)的提取需要描述圖中關(guān)鍵點(diǎn)的坐標(biāo)信息以及坐標(biāo)與周圍像素的關(guān)聯(lián)性,然后提取圖像中的可辨特征,再完成特征點(diǎn)匹配以估計(jì)位姿,從而建立稀疏性地圖,實(shí)現(xiàn)多視角的點(diǎn)云拼接.

3) 傳感器后端優(yōu)化.當(dāng)前端通過位姿估計(jì)完成相機(jī)初試位移軌跡預(yù)測后,考慮到位移中可能存在幀間誤差和噪聲導(dǎo)致的軌跡偏移誤差,采用非線性優(yōu)化方法來保證位移軌跡最優(yōu),進(jìn)而建立最優(yōu)語義地圖.采用卡爾曼濾波方法完成非線性優(yōu)化.

假設(shè)問題具有馬爾科夫性,按照某時刻輸入及觀察狀態(tài)計(jì)算現(xiàn)有的后驗(yàn)概率,即

(1)

詞條Mi的權(quán)重為TF與IDF的乘積,即

X*=argmaxP(x|z)=argmaxP(z|x)P(x)

(2)

4) 回環(huán)檢測.該單元主要用于分析相機(jī)位移過程中是否經(jīng)過同一點(diǎn)位,可通過對比當(dāng)前與歷史的圖像幀進(jìn)行確認(rèn).而考慮到對圖像直接進(jìn)行特征匹配會造成計(jì)算資源的浪費(fèi),故采用詞袋結(jié)構(gòu)完成回環(huán)檢測.同時為了提升區(qū)分度,還利用TF-IDF完成袋中節(jié)點(diǎn)的加權(quán).假設(shè)總的詞條數(shù)目為N,Ni表示某類詞條出現(xiàn)的頻次,則TF可表示為

在網(wǎng)絡(luò)技術(shù)飛速發(fā)展的今天，面對大學(xué)生人格發(fā)展歷程中可能出現(xiàn)的各種問題，所有的教育工作者都應(yīng)牢記榮格曾強(qiáng)調(diào)的“教育及心理治療的主要目的，并不是使求助者進(jìn)入一種不可能的幸福狀態(tài)，而是幫助他們樹立一種面對苦難的、哲學(xué)式的耐心和堅(jiān)定?！保?］

(3)

與之對應(yīng)的IDF為

IDFi=ln TFi

(4)

式中:P(x)為先驗(yàn)概率;P(x|z)與P(z|x)分別為后驗(yàn)概率和似然概率.可通過后驗(yàn)概率實(shí)現(xiàn)尋優(yōu)最大化,即

天氣實(shí)況分析資料來自常規(guī)氣象觀測資料和NCEP/FNL 1°×1°再分析資料。其中常規(guī)觀測資料為地面逐3 h資料,高空逐12 h資料;航空氣象自動觀測資料(以下稱為AWOS)為逐1 min觀測資料,包括風(fēng)場、氣壓、氣溫、降水量等氣象要素;形勢場分析和中尺度模式WRF模擬資料均采用NCE/FNL 1°×1°逐6 h再分析資料。

Wi=TFi×IDFi

(5)

由此可得到表征全部詞條權(quán)重的集合

C={(M1,W1),(M2,W2),…,(Mn,Wn)}

(6)

依照計(jì)算的相似性開展評估,若預(yù)測圖像與目標(biāo)圖像幀的相似度超過設(shè)定值,則判斷回環(huán)發(fā)生的概率較高.為了防范偶發(fā)性,還需要完成連續(xù)檢測才能最終確定,并通過非線性優(yōu)化消除誤差.

為構(gòu)造“反事實(shí)情形”從而使實(shí)施過境免簽政策的分組與對照組具有共同趨勢，本文采用傾向得分匹配法進(jìn)行匹配。采用馬氏距離方法進(jìn)行一對一的傾向得分匹配，結(jié)果如表3，即模型（2）所示。比較匹配前后結(jié)果可以發(fā)現(xiàn)，相比匹配前的數(shù)據(jù)，匹配后的數(shù)據(jù)的均值偏差、中位數(shù)偏差均顯著降低，匹配效果較好（表4）。進(jìn)而采用匹配后的數(shù)據(jù)再次進(jìn)行共同趨勢檢驗(yàn)，表2模型（3）表明依據(jù)匹配后的數(shù)據(jù)，政策虛擬變量并不顯著影響入境旅游人次，即匹配后的數(shù)據(jù)滿足共同趨勢假定。

3 三維模型自動化校驗(yàn)

3.1 KPConv模型原理及改進(jìn)

在二維圖像卷積理論的基礎(chǔ)上,對三維點(diǎn)云進(jìn)行KPConv卷積操作[15].將點(diǎn)云中的某點(diǎn)作為球心,從而構(gòu)建球狀卷積核,并針對核內(nèi)三維坐標(biāo)點(diǎn)進(jìn)行特征整合求解,即KPConv卷積的核心在于核函數(shù)的求解.

首先設(shè)定固定半徑為R的球狀卷積核鄰域,并建立K個核心點(diǎn)k0～kK-1,同時獲得K個初始化權(quán)重W0～WK-1.然后對于核內(nèi)任意一點(diǎn)y,核函數(shù)G(y)可通過加權(quán)求和得到,其中求和權(quán)重滿足

(7)

5) 語義地圖建立.在原有項(xiàng)目中增加自建節(jié)點(diǎn),集成SLAM技術(shù)中的RGB-SLAM3,從而完成點(diǎn)云的重建并建立語義地圖.利用各類標(biāo)簽表征物體的類型與坐標(biāo),實(shí)現(xiàn)精準(zhǔn)辨識及人機(jī)交互.

由此,通過KPConv卷積操作可以將輸變電工程輕量化三維模型點(diǎn)云的空間分布納入特征運(yùn)算中,以解決空間的不連續(xù)性問題.同時令該模型獲取三維模型的局部特征,進(jìn)而實(shí)現(xiàn)對三維模型的直接性語義學(xué)習(xí).

(8)

3.2 KPConv網(wǎng)絡(luò)結(jié)構(gòu)及改進(jìn)

KPConv網(wǎng)絡(luò)結(jié)構(gòu)主要由編碼器和解碼器組成.編碼器通過對殘差網(wǎng)絡(luò)進(jìn)行修改得到,其包含3個大小分別為1×1、3×3和1×1的卷積模塊串聯(lián)結(jié)構(gòu),能夠?qū)崿F(xiàn)對輸入特征的降維、變換與升維.編碼器結(jié)構(gòu)如圖3所示,圖中Dimi和Dimo分別表示輸入與輸出特征的維度,Dimb則表示3×3卷積層輸入和輸出的特征維度.

8月施肥處理下禾本科和莎草科DM載畜量最高(56.66和14.00羊單位/hm2)，補(bǔ)播處理下豆科DM載畜量(13.33羊單位/hm2)顯著高于施肥和CK(P<0.05)。9月份施肥對莎草科DM載畜量(8.54羊單位/hm2)促進(jìn)作用顯著高于補(bǔ)播和CK(P<0.05)，補(bǔ)播對禾本科和豆科DM載畜量促進(jìn)作用最強(qiáng)(38.14和8.63羊單位/hm2)。6，7和9月補(bǔ)播對禾本科、豆科和莎草科DM載畜量的促進(jìn)作用最佳，8月施肥對禾本科和莎草科的促進(jìn)效果最好。

圖4 KPConv模型解碼器結(jié)構(gòu)Fig.4 Decoder structure of KPConv model

3.3 自動化校驗(yàn)

在完成輸變電工程三維輕量化模型的點(diǎn)云語義分割后,與三維可視化系統(tǒng)進(jìn)行連接,通過對國網(wǎng)公司工程三維設(shè)計(jì)成果數(shù)據(jù)進(jìn)行對比完成自動化校驗(yàn),校驗(yàn)結(jié)果示例如圖5所示.

圖5 自動化校驗(yàn)示例圖Fig.5 Example diagram of automatic calibration

自動化校驗(yàn)的主要流程如下:

1) 點(diǎn)云顯示.將點(diǎn)云的三維空間映射至系統(tǒng)的二維界面進(jìn)行展示,以便于對比觀察.

表4中，M1為H1的檢驗(yàn)結(jié)果。其中，F(xiàn)S與RD顯著正相關(guān)（β=0.0018，p＜0.01），現(xiàn)金冗余可有效支持研發(fā)投入，H1得到驗(yàn)證。

2) 實(shí)景展示.模擬位移和觀察視角變動,展示實(shí)景及虛擬現(xiàn)實(shí)效果.

3) 重建驗(yàn)證.基于SLAM技術(shù)動態(tài)顯示工程實(shí)景,驗(yàn)證重建過程.

4) 語義檢測.結(jié)合改進(jìn)KPConv模型與點(diǎn)云顯示技術(shù),自動計(jì)算語義信息對比結(jié)果并通過可視化系統(tǒng)進(jìn)行展示.

4 實(shí)驗(yàn)分析

4.1 實(shí)驗(yàn)環(huán)境

為了檢驗(yàn)本文自動化校驗(yàn)方法的有效性,采用開源三維語義庫Torch-Points 3D對所提出的改進(jìn)KPConv模型進(jìn)行測試.實(shí)驗(yàn)數(shù)據(jù)來源于某省2019年4月～2022年4月的輸變電工程三維設(shè)計(jì)模型數(shù)據(jù),實(shí)驗(yàn)硬件環(huán)境如表1所示.

表1 實(shí)驗(yàn)硬件環(huán)境Tab.1 Hardware environment of experiment

4.2 實(shí)驗(yàn)結(jié)果

本次實(shí)驗(yàn)的源碼基于Torch-Points 3D 1.0.1版本設(shè)計(jì),將數(shù)據(jù)集按照9∶1的比例劃分為訓(xùn)練集和測試集,且每訓(xùn)練完1個epoch便開始進(jìn)行測試.其中,1個epoch包含輸入點(diǎn)云、定義標(biāo)簽、標(biāo)簽對比、計(jì)算損失函數(shù)以及反向傳播5個步驟.設(shè)定的模型參數(shù)如表2所示,優(yōu)化器選用隨機(jī)梯度下降法,分割損失函數(shù)使用負(fù)對數(shù)似然函數(shù).

表2 模型參數(shù)設(shè)置Tab.2 Settings of model parameters

為了對比改進(jìn)前后的KPConv模型校驗(yàn)效果,將兩種模型均交并比(mean intersection over union,MIOU)值隨迭代次數(shù)的波動情況進(jìn)行對比,所得結(jié)果分別如圖6、7所示.

圖6 改進(jìn)前KPConv模型的性能Fig.6 Performance of KPConv model before improvement

圖7 改進(jìn)后KPConv模型的性能Fig.7 Performance of KPConv model after improvement

由圖6、7可以看出,改進(jìn)前KPConv模型MIOU最大值為65.662 2%;而改進(jìn)后模型MIOU最大值則可達(dá)69.250 7%.通過對比可知,改進(jìn)后KPConv模型大幅減少了網(wǎng)絡(luò)參量,提高了運(yùn)算效率.而通過MIOU最大值的對比可以看出,改進(jìn)后模型相比改進(jìn)前具備更優(yōu)的校驗(yàn)精度及良好的自動化校驗(yàn)性能,更適用于輸變電工程輕量化三維模型的自動化校驗(yàn).由于MIOU曲線與擬合曲線的對比結(jié)果可以在一定程度上表征校驗(yàn)誤差[16],為了驗(yàn)證模型校驗(yàn)誤差,將改進(jìn)前后KPConv模型的MIOU曲線與其擬合曲線的均方根誤差(RMSE)進(jìn)行對比,所得結(jié)果如表3所示.由表3可以看出,改進(jìn)后KPConv模型MIOU曲線的RMSE低于改進(jìn)前KPConv模型MIOU曲線的RMSE,表明改進(jìn)后KPConv模型的穩(wěn)定性更好.所得自動化校驗(yàn)結(jié)果在三維可視化系統(tǒng)中的展示效果如圖8所示.從圖8中能夠清晰地看到三維交底效果較為理想.

表3 模型穩(wěn)定性對比Tab.3 Model stability comparison

圖8 自動化校驗(yàn)結(jié)果在三維可視化系統(tǒng)的展示圖Fig.8 Display drawing of automatic calibration results for 3D visualization system

5 結(jié) 論

本文提出了一種計(jì)及電網(wǎng)工程全壽命周期的輕量化三維模型自動化校驗(yàn)方法.通過分析基于BIM技術(shù)三維設(shè)計(jì)交底自動化校驗(yàn)的數(shù)據(jù)需求明確了數(shù)據(jù)來源,并在GIM模型的基礎(chǔ)上建立了輕量化三維模型,利用改進(jìn)SLAM技術(shù)完成三維點(diǎn)云的拼接重建.通過改進(jìn)KPConv模型的求和權(quán)重求解方法與解碼器的網(wǎng)絡(luò)結(jié)構(gòu),實(shí)現(xiàn)了快速三維點(diǎn)云的語義分割,且最終結(jié)合可視化系統(tǒng)完成自動化的校驗(yàn)及展示.實(shí)驗(yàn)結(jié)果表明,所提校驗(yàn)方法具有良好的校驗(yàn)精度及效率,能夠基于BIM技術(shù)完成相關(guān)工程輕量化三維模型的自動化校驗(yàn),有助于施工前三維交底工作的順利開展,對電網(wǎng)工程的三維設(shè)計(jì)具有重要意義.