本發(fā)明涉及場景搭建，具體是涉及基于ai人工智能現(xiàn)實數(shù)字化場景混合搭建方法及其系統(tǒng)。

背景技術(shù)：

1、數(shù)字化場景搭建是一個綜合性的過程，它涉及多個技術(shù)和領(lǐng)域的融合，旨在通過數(shù)字技術(shù)對傳統(tǒng)實體場景進行改造和升級，以提升效率、降低成本、改善用戶體驗，數(shù)字化場景搭建的應(yīng)用案例有：利用物聯(lián)網(wǎng)、大數(shù)據(jù)和人工智能技術(shù)，對城市交通、公共安全、環(huán)境保護等領(lǐng)域進行數(shù)字化改造和升級，實現(xiàn)城市資源的優(yōu)化配置和高效管理，提高城市居民的生活質(zhì)量和幸福感；通過虛擬現(xiàn)實、三維建模等技術(shù)手段，打造沉浸式旅游體驗場景；游客可以在家中就能感受到旅游目的地的美麗風光和文化氛圍，提高旅游吸引力和滿意度；利用物聯(lián)網(wǎng)和人工智能技術(shù)，實現(xiàn)醫(yī)療設(shè)備的遠程監(jiān)控和智能診斷，提高醫(yī)療服務(wù)效率和質(zhì)量，降低醫(yī)療成本和風險；

2、其中在對交通路口進行混合搭建過程中，往往人們只會搭建出交通路口的建筑與一些障礙物的場景信息，搭建完成后去模擬出交通路口的車流量情況，而往往忽略掉一些細節(jié)，比如路面的坑陷裂紋情況，其中路面的坑陷裂紋是因為交通路口常年有集卡車經(jīng)過，而路面難以長時間的承受集卡車的碾壓，而導致路面出現(xiàn)裂紋坑陷的情況，而當路面產(chǎn)生裂縫坑陷后，往往亦會影響到當前路口的車流量，因此，我們提出了基于ai人工智能現(xiàn)實數(shù)字化場景混合搭建方法及其系統(tǒng)。

技術(shù)實現(xiàn)思路

1、為解決上述技術(shù)問題，提供基于ai人工智能現(xiàn)實數(shù)字化場景混合搭建方法及其系統(tǒng)，本技術(shù)方案解決了上述的的問題。

2、為達到以上目的，本發(fā)明采用的技術(shù)方案為：基于ai人工智能現(xiàn)實數(shù)字化場景混合搭建方法，搭建方法包括：

3、使用無人機對交通路口進行掃描識別，獲取三維點云數(shù)據(jù)；

4、對收集的數(shù)據(jù)進行預(yù)處理，將數(shù)據(jù)上傳至建模軟件中，進行路口的構(gòu)建，在計算機中構(gòu)建出路口；

5、獲取當前交通路口車流量情況，基于車流量情況，獲得集卡車的出現(xiàn)頻率；

6、根據(jù)集卡車的頻率，計算得到路面的受力情況，根據(jù)受力情況，在交通路口模型的路面上搭建出相應(yīng)的路面坑陷與裂紋效果；

7、根據(jù)搭建的數(shù)字化路口場景，模擬預(yù)測出路口的車流量與路面坑陷的情況，在真實環(huán)境中做出調(diào)整。

8、優(yōu)選地，無人機配置有三維激光掃描儀，無人機飛至路口上方，使用三維激光掃描儀對路口進行掃描，基于測量激光束與物體表面相交點的位置，獲取路口三維點云數(shù)據(jù)，將獲取的數(shù)據(jù)進行預(yù)處理，將處理后的數(shù)據(jù)上傳至建模軟件中，對路口進行構(gòu)建，三維點云數(shù)據(jù)預(yù)處理包括點云濾波、點云關(guān)鍵點提取與點云配準。

9、優(yōu)選地，路口構(gòu)建基于泊松重建算法將處理后的數(shù)據(jù)進行處理，在建模軟件中構(gòu)建，根據(jù)點云數(shù)據(jù)的密度，構(gòu)建八叉樹，為八叉樹定義出函數(shù)，函數(shù)形式為：

10、

11、其中x（q）為指示函數(shù)，用以定義空間中的點q是否位于物體m的表面，q為三維點云數(shù)據(jù)空間的點，m為測得的物體；

12、通過點云數(shù)據(jù)構(gòu)建向量場，利用向量場求解泊松方程，提取等值面，完成重建；

13、向量場公式為：

14、

15、其中v為點云數(shù)據(jù)中所有p的法向量的集合，p為點云中的一個點，w為點元，為點p的法向量，n為領(lǐng)域，即為點p周圍的空間范圍內(nèi)其他集合，將提取的等值面與原始點數(shù)據(jù)進行整合，形成完成的三維路口模型。

16、優(yōu)選地，基于路口監(jiān)控獲取得到歷史路口的車流量數(shù)據(jù)，通過圖像分析方式得到監(jiān)控中路口車流量數(shù)據(jù)，在單位時間內(nèi)，統(tǒng)計當前路口出現(xiàn)集卡車的次數(shù)，將此數(shù)據(jù)作為第一組數(shù)據(jù)，獲取多組數(shù)據(jù)樣本，作為數(shù)據(jù)集，獲得數(shù)據(jù)集中集卡車出現(xiàn)的平均值，頻率計算公式為：

17、

18、其中l(wèi)為集卡車出現(xiàn)的頻率，i為集卡車出現(xiàn)的次數(shù)，t為單位時間。

19、優(yōu)選地，計算一輛集卡車對路面造成的壓力值，計算前預(yù)先獲取集卡車滿載時的重量，根據(jù)集卡車的載重限額進行預(yù)估，計算公式為：

20、f=g=mo

21、其中g(shù)為重力，m為質(zhì)量，o為集卡車行駛過路面的車速，o基于集卡車經(jīng)過路面時的平均速度得到，f為路面受到的壓力；

22、路面所受的壓力的計算公式為：

23、

24、p為路面所受到的壓強，f為路面受到的壓力，s為受力面積，其中受力的面積為輪胎碾壓過路面的面積，輪胎與地面的接觸面是一個矩形或橢圓形，并根據(jù)輪胎的寬度與預(yù)測的接觸長度來計算受力面積。

25、優(yōu)選地，預(yù)估路面產(chǎn)生裂縫與坑陷的情況，其中路面坑陷產(chǎn)生的因素包括路面的材料結(jié)構(gòu)系數(shù)、交通路口中集卡車出現(xiàn)的頻率與施工質(zhì)量系數(shù)，其中路面的材料結(jié)構(gòu)影響因素基于路面的施工標準準則獲取得到，路面坑陷評估公式為：

26、

27、其中r為路面材料承受壓力的系數(shù)，l為集卡出現(xiàn)的頻率，p為路面所受到的壓強，b為施工質(zhì)量系數(shù)，h為路面出現(xiàn)坑陷的概率；

28、基于建模軟件進行路面的紋理效果搭建，路面效果包括裂紋與坑陷。

29、優(yōu)選地，在計算機中運用深度學習算法，根據(jù)得到的路面坑陷概率，去構(gòu)建出交通路面上的裂紋與坑陷效果，并對構(gòu)建出的裂紋與坑陷效果進行驗證，查看構(gòu)建出的裂紋與坑陷效果是否符合實際場景。

30、優(yōu)選地，對不同的數(shù)據(jù)集特征進行驗證，驗證公式為：

31、

32、其中z為給定特征的條件下，路面輸入的數(shù)據(jù)集是否屬于正常的裂紋類比，為實際場景中道路上裂紋與坑陷與路邊的距離閾值，為模型的參數(shù)向量，將搭建出的路面裂紋與坑陷效果數(shù)據(jù)集特征進行輸入，從而判斷出當前建立出的路面效果是否符合實際情況。

33、基于ai人工智能現(xiàn)實數(shù)字化場景混合搭建系統(tǒng)，場景混合搭建系統(tǒng)包括：建模模塊、路面受力分析模塊、預(yù)測模塊與采集模塊，其中建模模塊基于計算機為載體進行場景的混合搭建，路面受力分析模塊對路面的受力進行分析，預(yù)測模塊基于搭建出的數(shù)字化場景對實際中的路口狀況進行預(yù)測分析，采集模塊獲取實際中路口的數(shù)據(jù)進行采集，構(gòu)建成數(shù)據(jù)集。

34、優(yōu)選地，采集模塊基于無人機對交通路口的狀況進行實時的采集，并采集得到路口的三維點云數(shù)據(jù)，采集模塊還基于路口的監(jiān)控來得到路口的圖像數(shù)據(jù)，基于圖像分析方式對采集的圖像進行處理。

35、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果在于：

36、本發(fā)明通過無人機掃描交通路口的三維點云數(shù)據(jù)，上傳至計算機中對當前路口進行場景的搭建，并獲取了當前路口的集卡車出現(xiàn)頻率，實時分析出當前路面承受的壓力情況，結(jié)合與分析的數(shù)據(jù)，在搭建出的路口場景中，模擬實地場景中裂紋坑陷的場景，基于搭建的路口場景，預(yù)測出當前路口的車流量，根據(jù)預(yù)測的車流量，及時對實際中的路口進行調(diào)整管控，降低車流量，能夠有效的搭建出路面的裂紋場景，完善出路口中的細節(jié)，更好的幫助人們管控輔助交通，提供便捷。

技術(shù)特征：

1.基于ai人工智能現(xiàn)實數(shù)字化場景混合搭建方法，其特征在于，搭建方法包括：

2.根據(jù)權(quán)利要求1所述的基于ai人工智能現(xiàn)實數(shù)字化場景混合搭建方法，其特征在于，無人機配置有三維激光掃描儀，無人機飛至路口上方，使用三維激光掃描儀對路口進行掃描，基于測量激光束與物體表面相交點的位置，獲取路口三維點云數(shù)據(jù)，將獲取的數(shù)據(jù)進行預(yù)處理，將處理后的數(shù)據(jù)上傳至建模軟件中，對路口進行構(gòu)建，三維點云數(shù)據(jù)預(yù)處理包括點云濾波、點云關(guān)鍵點提取與點云配準。

3.根據(jù)權(quán)利要求2所述的基于ai人工智能現(xiàn)實數(shù)字化場景混合搭建方法，其特征在于，路口構(gòu)建基于泊松重建算法將處理后的數(shù)據(jù)進行處理，在建模軟件中構(gòu)建，根據(jù)點云數(shù)據(jù)的密度，構(gòu)建八叉樹，為八叉樹定義出函數(shù)，函數(shù)形式為：

4.根據(jù)權(quán)利要求1所述的基于ai人工智能現(xiàn)實數(shù)字化場景混合搭建方法，其特征在于，基于路口監(jiān)控獲取得到歷史路口的車流量數(shù)據(jù)，通過圖像分析方式得到監(jiān)控中路口車流量數(shù)據(jù)，在單位時間內(nèi)，統(tǒng)計當前路口出現(xiàn)集卡車的次數(shù)，將此數(shù)據(jù)作為第一組數(shù)據(jù)，獲取多組數(shù)據(jù)樣本，作為數(shù)據(jù)集，獲得數(shù)據(jù)集中集卡車出現(xiàn)的平均值，頻率計算公式為：

5.根據(jù)權(quán)利要求4所述的基于ai人工智能現(xiàn)實數(shù)字化場景混合搭建方法，其特征在于，計算一輛集卡車對路面造成的壓力值，計算前預(yù)先獲取集卡車滿載時的重量，根據(jù)集卡車的載重限額進行預(yù)估，計算公式為：

6.根據(jù)權(quán)利要求5所述的基于ai人工智能現(xiàn)實數(shù)字化場景混合搭建方法，其特征在于，預(yù)估路面產(chǎn)生裂縫與坑陷的情況，其中路面坑陷產(chǎn)生的因素包括路面的材料結(jié)構(gòu)系數(shù)、交通路口中集卡車出現(xiàn)的頻率與施工質(zhì)量系數(shù)，其中路面的材料結(jié)構(gòu)影響因素基于路面的施工標準準則獲取得到，路面坑陷評估公式為：

7.根據(jù)權(quán)利要求1所述的基于ai人工智能現(xiàn)實數(shù)字化場景混合搭建方法，其特征在于，在計算機中運用深度學習算法，根據(jù)得到的路面坑陷概率，去構(gòu)建出交通路面上的裂紋與坑陷效果，并對構(gòu)建出的裂紋與坑陷效果進行驗證，查看構(gòu)建出的裂紋與坑陷效果是否符合實際場景。

8.根據(jù)權(quán)利要求7所述的基于ai人工智能現(xiàn)實數(shù)字化場景混合搭建方法，其特征在于，對不同的數(shù)據(jù)集特征進行驗證，驗證公式為：

9.基于ai人工智能現(xiàn)實數(shù)字化場景混合搭建系統(tǒng)，其特征在于，場景混合搭建系統(tǒng)包括：建模模塊、路面受力分析模塊、預(yù)測模塊與采集模塊，其中建模模塊基于計算機為載體進行場景的混合搭建，路面受力分析模塊對路面的受力進行分析，預(yù)測模塊基于搭建出的數(shù)字化場景對實際中的路口狀況進行預(yù)測分析，采集模塊獲取實際中路口的數(shù)據(jù)進行采集，構(gòu)建成數(shù)據(jù)集。

10.根據(jù)權(quán)利要求9所述的基于ai人工智能現(xiàn)實數(shù)字化場景混合搭建系統(tǒng)，其特征在于，采集模塊基于無人機對交通路口的狀況進行實時的采集，并采集得到路口的三維點云數(shù)據(jù)，采集模塊還基于路口的監(jiān)控來得到路口的圖像數(shù)據(jù)，基于圖像分析方式對采集的圖像進行處理。

技術(shù)總結(jié)
本發(fā)明公開了基于AI人工智能現(xiàn)實數(shù)字化場景混合搭建方法，涉及場景搭建技術(shù)領(lǐng)域，搭建方法包括：使用無人機對交通路口進行掃描識別，獲取三維點云數(shù)據(jù)；對收集的數(shù)據(jù)進行預(yù)處理，將數(shù)據(jù)上傳至建模軟件中，進行路口的構(gòu)建，在計算機中構(gòu)建出路口；獲取當前交通路口車流量情況，基于車流量情況，獲得集卡車的出現(xiàn)頻率；根據(jù)集卡車的頻率。本發(fā)明還公開了基于AI人工智能現(xiàn)實數(shù)字化場景混合搭建系統(tǒng)。本發(fā)明基于搭建的路口場景，預(yù)測出當前路口的車流量，根據(jù)預(yù)測的車流量，及時對實際中的路口進行調(diào)整管控，降低車流量，能夠有效的搭建出路面的裂紋場景，完善出路口中的細節(jié)，更好的幫助人們管控輔助交通，提供便捷。

技術(shù)研發(fā)人員：鄒筱琦,鄒兵,項振軒
受保護的技術(shù)使用者：杭州中謙科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/30