表面缺陷扩展的BIM生成利用无人机图像和深度学习
Lei Yang1,2, Keju Liu3, Ruisi Ou3
1Key Laboratory of Urban Land Resources Monitoring and Simulation, Ministry of Natural Resources, Shenzhen 518034, China.
Sensors (Basel, Switzerland)
|July 13, 2024
概括
这项研究引入了一种准确的深度学习方法,用于从无人机图像中检测建筑缺陷. 它将这些缺陷映射到建筑信息模型 (BIM) 上,以改善建筑的数字化.
科学领域:
- 建筑科学 建筑科学
- 计算机视觉 计算机视觉
- 建筑领域的数字化
背景情况:
- 建筑缺陷检查对于建筑数字化至关重要.
- 无人机和人工智能技术提供先进的检查工具.
- 将无人机缺陷数据集成到建筑信息建模 (BIM) 中面临着准确性和协调性挑战.
研究的目的:
- 为无人机图像开发一个准确的缺陷检测方法.
- 建立一个坐标映射技术,将缺陷数据集成到BIM中.
- 用表面缺陷信息创建一个丰富的BIM模型.
主要方法:
- 一种深度学习方法与用于缺陷检测的转移学习相结合.
- 一种纹理映射方法,将图像坐标转换为BIM项目坐标.
- 将检测到的缺陷投射到BIM表面,以创建一个表面缺陷扩展的BIM (SDE-BIM).
主要成果:
- 使用深度学习方法检测缺陷的高精度.
- 成功地将无人机图像中的缺陷映射到BIM模型.
- 在南通大学的一项现实实例研究中证明了适用性.
结论:
- 拟议的方法有效地将基于无人机的缺陷检查数据集成到BIM中.
- 这种方法增强了现有建筑的数字化.
- 经过验证的方法在各种建筑检查任务中具有广泛的适用性.
