基于RGB-D摄像头和深度学习的预制盒子支架的波纹管道的自动识别和测量
Jiongyi Zhu1, Zixin Huang1, Dejiang Wang1
1Department of Civil Engineering, School of Mechanics and Engineering Science, Shanghai University, Shanghai 200444, China.
Sensors (Basel, Switzerland)
|May 14, 2025
概括
本研究介绍了一种具有成本效益的RGB-D摄像头和深度学习方法,用于精确测量混凝土结构中的波纹管道安装. 该技术准确地定位管道,改善了预制建筑的质量控制.
科学领域:
- 建筑工程工程 建筑工程
- 计算机视觉 计算机视觉
- 地理空间测量 空间测量
背景情况:
- 准确安装波纹管道对于预应力混凝土箱梁质量至关重要.
- 手动测量容易出现错误和劳动密集,而现有的自动化方法面临成本和阻塞挑战.
- 肋杆堵塞和长管道跨度 (高达30米) 复杂的精确定位.
研究的目的:
- 开发一种具有成本效益和准确的方法,用于在现场识别和测量波管道.
- 克服预制建筑中手动和现有的自动测量技术的局限性.
- 加强关键结构部件安装的质量控制.
主要方法:
- 使用RGB-D摄像头进行数据捕获,并采用最佳的注册方案来生成点云.
- 应用基于深度学习的语义细分来提取管道特征,解决钢筋堵塞问题.
- 在截面切片上采用曲线配合,特别是带有圆形配合的BP神经网络,以进行精确的测量.
主要成果:
- 在三个测试的管道中,平均测量误差为2.2mm,1.4mm和1.6mm.
- 记录的最大误差在 -5.8毫米以内,符合严格的行业标准.
- 在模拟的预制工厂环境中展示了精确的管道定位和测量.
结论:
- 拟议的RGB-D摄像头和深度学习方法为自动管道测量提供了可行的解决方案.
- 这种技术平衡了成本效益和准确性,超越了传统方法.
- 为预制建筑中的自动识别和测量提供了一条新的技术途径,改善质量保证.
