施工进度管理贯穿项目全生命周期,是关系到项目人工、材料、机械有序运转的基础。然而传统的施工进度管理过程中,通过人工巡查、汇总数据的方式收集施工进度信息,以文字或表格等形式提供施工进度计划的执行情况。这种方式数据处理速度慢、出错率高,导致了施工进度管理效率低下,甚至造成一些项目发生工期延误的现象。随着行业内研究者们的推动,激光扫描、倾斜摄影、RFID等自动化、智能化的施工进度信息采集方式逐步被应用到施工进度管理中。然而这些智能化的方式设备成本高、操作较为繁琐,难以广泛应用到施工现场。本文通过查阅文献,以提高施工进度信息采集效率为目标,并兼顾经济成本与自动化水平要求,提出了一种基于深度学习三维重建和BIM结合的施工进度管理方法,以此来实现高效的施工进度监测,并优化施工进度管理流程,提高施工进度管理效率。本文从技术管理视角对施工进度管理进行研究,搭建了基于深度学习三维重建技术和BIM协同施工进度管理系统（RBP-C）。系统可以融合施工现场不同位置的高速摄像头采集的多视图图像,完成由二维图像到三维信息重建。通过三维重建点云模型与BIM模型的协同对比评估施工进度执行情况,实现施工进度监测。根据监测结果,当进度计划需要调整时,系统发出警报,优化该工序的施工进度计划,同时调整资源,实现施工进度-资源协同管理。实验过程中,RBP-C系统在混凝土结构施工、幕墙施工进度监测过程中三维重建所需的平均时间为93s,极大的提高了施工进度监测的速度。实验结果证明,本文所提出的RBP-C系统能够有效的实现施工工序的进度监测,并在资源配置上与施工进度达到协同,提高了施工进度管理效率。本文提出的RBP-C系统与激光扫描、倾斜摄影等施工进度监测方法相比,使用深度学习算法,不仅自动化程度高、而且经济成本低。该方法通过进度高效监测与资源的再配置,实现了施工工序进度的有效管控,进而促进了整个施工工期的实现。同时也为施工进度管理研究提供了新的思路。