基于Three.js引擎模块的隧道三维可视化系统设计与实现

为充分利用隧道管养阶段体量庞大的病害检测数据,提高隧道工程运管效率,提出了一种基于Three.js引擎模块的隧道三维可视化系统设计方案并成功实现。该系统基于Three.js强大且便捷的网页三维建模功能,借助自主研发的隧道智能数据采集系统,集成了基于人工智能深度学习与计算机视觉技术的隧道病害识别及处理技术,有效提高了病害识别率与准确率;平台将隧道表观病害以“纹理”的形式进行配置,并标注以病害参数,在轻量化模型的同时高效展示了衬砌病害;平台还实现了沉浸式隧道病害观察用户交互。结果表明:可视化系统能大幅提高隧道管养的工作效率,具有较高的应用前景和参考价值,为隧道管养提供了“信息技术时代新思路”。

基于多源数据融合的高速公路桩号数字化研究及应用

目前高速公路上普遍存在着设计、施工、运营等资料交接不全或分段设计施工的问题,交通行业相关运营管理部门急需一种能安全、快速、准确地调研桩号现状的方法及相关软硬件装备。基于多源数据融合算法,采用全球卫星定位系统(GNSS)、光电编码器(DMI)、图像识别数据融合的方法,建立了桩号测量及数据校核模型,应用人工智能深度学习对公里桩/百米桩智能提取算法。结果表明:对比人工徒步GNSS打点、车载人工GNSS打点等传统方法,所提方法能有效提升桩号测量效率,通过对道路环境图像和GNSS进行时空同步,将每个公里桩作为校正点,确保每个公里桩之间的误差不进行累积,定位误差不超过5 m。研究成果数据已服务于湖北交投运营集团的智慧养护管理系统底层数据库,为后期高速公路养护设计、检测、施工、信息化等提供了精准数据支撑。