缺陷检测和复杂的城市地下管道现场的3D重建,用于下水道机器人
Ruihao Liu1, Zhongxi Shao1, Qiang Sun2
1School of Mechatronics Engineering, Harbin Institute of Technology, Harbin 150001, China.
Sensors (Basel, Switzerland)
|December 17, 2024
概括
本研究介绍了一种轻量级的计算机视觉模型,用于在边缘设备上高效地检测下水道缺陷. 该框架可以准确识别缺陷并进行3D管道重建,以加强城市地下基础设施监测.
科学领域:
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
- 城市基础设施监测 城市基础设施监测
背景情况:
- 检测下水道缺陷对于城市地下结构健康至关重要.
- 当前基于图像的模型往往复杂且资源密集.
- 现有解决方案中缺乏详细的损坏信息和边缘部署.
研究的目的:
- 为机器人下水道缺陷检测开发一种高效,轻量级的计算机视觉框架.
- 为了实现实时缺陷识别和边缘设备上的3D管道重建.
- 为了提高下水道检查的准确性和降低下水道检查的计算需求.
主要方法:
- 提出了一种基于YOLOv7-tiny的轻量级下水道-YOLO-Slim模型,其中包含了通道修剪.
- 实施了用于3D管道建模的多视图重建技术.
- 在边缘设备上部署模型,使用TensorRT进行加速.
主要成果:
- 下水道-YOLO-Slim实现了模型大小减少60.2%,mAP增加1.5%,达到93.5%.
- 修剪后的模型大小只有4.9 MB,检测速度为15.3 ms/image.
- 通过3D重建,最大的测量误差为0.57米.
结论:
- 拟议的框架有效地检测下水道缺陷,准确度高,计算成本低.
- 这种轻量级的模型适用于边缘设备的部署,使实时检查成为可能.
- 3D建模为管道数据可视化和缺陷测量提供了宝贵的见解.
