基于三维视觉的结构砖造损伤检测
探索使用多视角图像和 AI 实现可靠的灾后建筑损伤分类方法,提出基于多视角卷积神经网络结构的损伤预测模型可以提高灾后建筑损伤等级的准确度和可靠性。
Aug, 2022
通过自动化检测建筑结构外观缺陷的方式进行视觉检查至关重要,然而,现有研究主要集中在混凝土和沥青方面,较少关注砖砌缝隙。本文提出了一个包括砖块、破损砖块和裂缝的实例分割数据集,并测试了几种领先的算法。我们提出了两种自动化执行方法,并成功提出了基于单目摄像头和 Hough 线变换的自动图像转换方法,在估计裂缝尺寸方面取得了较好的结果。总体而言,本文填补了自动化砖砌缝隙检测和尺寸估计方面的重要研究空白。
Jan, 2024
通过创新的无人机(MAVs)为基础的自动扫描和检查柱,本研究提出一种自动图像采集方法,利用收集的图像数据对结构柱的损坏类型和位置进行评估,并通过多个相机视角的综合评估结果确定结构柱的损害状态。实验结果表明,该方法能有效地从多个视角收集图像,并准确评估重要的钢筋混凝土柱损伤,提高了检查的自主性和评估结果的全面性。
Aug, 2023
本论文提出一种基于无人机图像数据收集和后期处理的自动化方法,旨在通过估算地震结构参数,帮助建筑结构的弱点检查和减少人工,时间和成本消耗。这里考虑的关键参数是邻近建筑之间的距离,建筑平面形状,建筑平面面积,屋顶上的物体和屋顶布局。实地测量和 Google 地球数据表明所提出的方法在估算这些参数方面的准确性得到了验证。
Sep, 2022
在本研究中,我们基于视觉变换器和拉普拉斯金字塔缩放网络开发了一个语义分割网络,用于高效解析高分辨率的视觉检测图像。通过在桥梁检测报告图像数据集上进行全面的实验评估,我们的提出的框架在像素级材料检测方面具有广泛的应用价值。
Aug, 2023
这项研究引入了一种创新的卷积神经网络算法来检测结构损伤,通过从时间序列数据中提取深度空间特征,并利用长期时间连接教授卷积神经网络识别时空特征,结合两类时间序列数据(完好和损坏)的方法验证了其有效性,并证明该新的卷积神经网络算法在检测结构退化方面非常准确。
Nov, 2023
本文提出了一种使用普通 2D 相机来实现实时人机碰撞预警的新框架,该框架设计了一个单目 3D 目标检测模型和后处理分类模块,用于识别危险、潜在危险、关注和安全等四个预定义的接近程度,精度达到了 75%,可用于监测建筑工地的人机接近度以避免碰撞。
May, 2023
DAVI 是一种基于图像分割和任务特定知识的灾害评估方法,能够在无需目标地区地面真值标签的情况下,准确检测结构性损害,并在不同地理景观和灾害类型的情况下展现出优异性能。
Jun, 2024
在这项研究中,我们概述了在视觉检测、异常检测、损坏数据挖掘和预测性维修方面的不平衡数据问题,并提供了在木材、混凝土损坏和灾难损害等视觉数据集上的清晰示例,证明了正例比率范围越大,异常检测应用的准确性提高越高的假设结果。
Jul, 2023