基于深度学习的数字全息三维路面病害数据识别分类方法

为弥补二维图像道路病害识别的不足,本研究采用数字全息三维路面病害数据,设计了适用于三维路面病害数据的识别方法:对三维病害数据进行预处理,获取病害特征高度突出的三维路面数据信息;搭建适用于路面三维病害图像分类的深度学习架构,建立三维路面病害数据库,通过人工标注病害类型和分类,利用不同深度神经网络架构和模型对数据库进行训练,构建了数字全息三维路面病害自动识别算法。三维病害AI智能识别准确率达到95.7%,在路面病害智能检测的应用中取得了较好成效。

三维激光移动扫描系统在地铁盾构隧道中的应用研究

地铁隧道投入运营后,随环境变化及结构劣化,不可避免出现病害。传统病害检测方法是借助全站仪、站式扫描仪等测量手段、通过人工现场巡视、确认的方法记录相关位置,此方法费事费力、成本高、不直观,且现场信息容易丢失。三维激光移动扫描系统可以借助轨道小车,通过匀速扫描获取地铁隧道全息三维数据,通过后期的点云处理、影像配对、影像正射数字化,借助影像匹配算法可以准确识别裂缝、漏水以及管片错台等相关病害,一键生成多样化格式报表。本文以青岛地铁2号线为例,探讨三维激光移动扫描系统外业采集和数据处理过程的重点和难点,分析其在地铁盾构隧道中的应用,为以后类似项目提供了良好借鉴。