原文传递
基于深度学习的斜拉桥结构感知三维重建方法研究
| 论文题名： | 基于深度学习的斜拉桥结构感知三维重建方法研究 |
| 关键词： | 深度学习;递归神经网络;结构感知;三维重建;斜拉桥 |
| 摘要： | 随着传感技术和计算机技术的发展，结构健康监测系统在土木工程领域得到了广泛的应用。目前视觉检测方面，基于计算机视觉的智能检测技术一定程度上解决了传统人工目视巡检存在的一些问题，例如成本高昂、效率较低、难以量化、主观性较强等。但目前的视觉检测技术仍存在如整体性不足的局限性，表现为影像数据缺乏结构性、检测对象局限于单个构件、检测结果难以用于整体评估等。因此，基于影像数据的检测与结构化三维重建模型相结合已逐渐成为智能视觉检测的新趋势。 传统的桥梁结构化三维重建通常局限于特定的结构类型如混凝土梁桥等，且对于点云质量的鲁棒性较差，而针对斜拉桥体系的结构化三维重建研究目前仍处于起步阶段。为此，本文利用计算机视觉和深度学习方法，对斜拉桥的结构感知三维重建问题进行了研究。主要研究内容包括： 研究考虑结构关系的斜拉桥结构感知建模方法。本文首先提出了一种层次二叉树模型来描述斜拉桥结构的高层次关系，即结构构件间的拓扑关系及相似关系。其次，基于二叉树的叶节点，采用几何型元和体素模型两种表达方式对低层次的三维形状进行几何建模。因此，将整个斜拉桥的三维模型被嵌入表示为一个二叉树模型。该模型对点云噪声和扫描缺失具有鲁棒性。 研究斜拉桥结构感知模型的深度学习建模方法。特征提取部分，本研究采用多视角卷积神经网络和点云神经网络从图像和和三维点云中提取混合特征；而模型的解码部分使用递归二叉树网络来构建高层级结构关系图并预测低层级的三维几何形状。 对所提出方法的有效性进行验证。以两座真实的斜拉桥为例，试验结果表明，该方法成功地重建出斜拉桥模型，包含结构构件及其相互关系。定量结果表明，预测模型平均F1分数为99.01%，网格到点云的平均距离为1.78m。所得到的结果在构件重建准确度上与人工重建方法相近，而空间精度明显高于人工重建方法。 |
| 作者： | 胡芳侨 |
| 专业： | 土木工程 |
| 导师： | 李惠 |
| 授予学位： | 硕士 |
| 授予学位单位： | 哈尔滨工业大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
