文件大小：1.3M
摘要：为克服传统桥梁维护中二维检测数据信息量不足、难以精准支撑维修决策的问题，该研究提出了一种基于深度学习与运动结构（Structure from Motion， SfM）技术的自动化桥梁损伤检测与定位方法，实现了从图像识别到损伤信息在建筑信息模型（BIM）中精准映射的完整流程。首先，利用YOLOv8深度学习模型实现桥梁损伤的自动检测；其次，应用SfM技术对损伤区域进行局部三维重建，并确定损伤的三维坐标；然后，采用最小二乘法将局部坐标系与全桥三维模型坐标系对齐，实现损伤位置信息的精准整合；最后，通过实际桥梁的案例验证，证明该方法的定位误差可控制在4 mm 至 15 mm范围内，有效提升了桥梁维护的效率和可靠性，为基于BIM的桥梁自动化维护提供了技术支撑。
文章目录
0引言
1 估计三维损伤位置的方法
1.1 损伤检测
1.1.1 基于深度学习的目标检测
1.1.2 模型训练
1.2 用局部三维模型估算损伤坐标
1.3 损伤坐标在全局三维模型中的反映
1.3.1对齐局部和全局三维模型的方法
1.3.2坐标系对齐步骤
1.4 基于BIM模型的损伤定位信息开发
2 实际桥梁案例研究
2.1 桥梁概况
2.2 图像采集与损伤检测
2.3 局部三维模型的构建与损伤定位
2.4 全局三维模型的构建与整合
2.5 基于 BIM 的损伤反映
2.6 数据整合与应用扩展
3 结论
