公开(公告)号：CN113610957B

公开(公告)日：2023-05-30

申请号：CN202110773224.6

申请日：2021-07-08

Applicant: 哈尔滨工业大学水资源国家工程研究中心有限公司 ,  郑州大学

Inventor： 赵焱 ,  郑成志 ,  张娟 ,  张昭君 ,  钟汶均 ,  方宏远 ,  王念念 ,  黄帆

IPC: G06T17/00 ,  G06V10/762 ,  G06F30/18 ,  G06F30/13 ,  G06F119/02

公开(公告)号：CN114758222A

公开(公告)日：2022-07-15

申请号：CN202210226606.1

申请日：2022-03-09

Applicant: 哈尔滨工业大学水资源国家工程研究中心有限公司 ,  郑州大学

Inventor： 赵焱 ,  郑成志 ,  张昭君 ,  钟汶均 ,  方宏远 ,  王念念 ,  庞高兆

IPC: G06V20/10 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/08 ,  G06T7/00 ,  G06T7/13 ,  G06T7/62 ,  G06T7/80

Abstract: 本发明公开了一种基于PointNet++神经网络混凝土管道损伤识别与体积量化方法，包括获取混凝土管道损伤三维点云数据集，数据处理及划分，构建PointNet++神经网络模型并训练，模型调参，模型测试和体积量化的步骤。本发明方法研发了适用于混凝土管道损伤检测与体积量化的PointNet++神经网络算法，基于深度相机采集的三维数据进行模型训练，提高方法的鲁棒性和泛化能力，采用参数化点云投影并进行配准，利用球旋转算法自动完成损伤三维重建及体积量化，提高了混凝土管道损伤的识别效率和准确度。

公开(公告)号：CN113610957A

公开(公告)日：2021-11-05

申请号：CN202110773224.6

申请日：2021-07-08

Applicant: 郑州大学

Inventor： 赵焱 ,  郑成志 ,  张娟 ,  张昭君 ,  钟汶均 ,  方宏远 ,  王念念 ,  黄帆

IPC: G06T17/00 ,  G06K9/62 ,  G06F30/18 ,  G06F30/13 ,  G06F119/02

Abstract: 本发明公开了一种基于B I M的排水管道三维缺陷信息自动化管理方法，包括如下步骤：S1、使用深度相机采集受损管道深度图像，将深度图像转换为点云图数据；S2、对步骤S1获得的点云图数据进行预处理，得到损伤点云数据；S3、对损伤点云进行三维重建，计算得出损伤体积，并与损伤的真实体积进行对比以及误差分析；S4、使用Rev it软件建立管道B I M模型，将步骤S2得到的管道损伤点云集成到BI M模型中；S5、构建信息自动化管理平台，对信息进行可视化展示，展示管道的受损程度，实现管道寿命周期的监测。本发明使用管道结构表面损伤点云三维重建的方法，量化得出缺陷体积，准确度较高。提出了基于B I M的排水管道三维缺陷信息自动化管理平台，实现管道寿命周期的监测。

公开(公告)号：CN114758222B

公开(公告)日：2024-05-14

申请号：CN202210226606.1

申请日：2022-03-09

Applicant: 哈尔滨工业大学水资源国家工程研究中心有限公司 ,  郑州大学

Inventor： 赵焱 ,  郑成志 ,  张昭君 ,  钟汶均 ,  方宏远 ,  王念念 ,  庞高兆

IPC: G06V20/10 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/08 ,  G06T7/00 ,  G06T7/13 ,  G06T7/62 ,  G06T7/80

Abstract: 本发明公开了一种基于PointNet++神经网络混凝土管道损伤识别与体积量化方法，包括获取混凝土管道损伤三维点云数据集，数据处理及划分，构建Po i ntNet++神经网络模型并训练，模型调参，模型测试和体积量化的步骤。本发明方法研发了适用于混凝土管道损伤检测与体积量化的Po i ntNet++神经网络算法，基于深度相机采集的三维数据进行模型训练，提高方法的鲁棒性和泛化能力，采用参数化点云投影并进行配准，利用球旋转算法自动完成损伤三维重建及体积量化，提高了混凝土管道损伤的识别效率和准确度。

公开(公告)号：CN114694051A

公开(公告)日：2022-07-01

申请号：CN202210261292.9

申请日：2022-03-16

Applicant: 哈尔滨工业大学水资源国家工程研究中心有限公司 ,  中交第一公路勘察设计研究院有限公司 ,  郑州大学

Inventor： 赵焱 ,  郑成志 ,  张昭君 ,  张娟 ,  钟汶均 ,  方宏远 ,  王念念 ,  胡浩帮

IPC: G06V20/20 ,  G06V10/20 ,  G06V10/40 ,  G01V3/12 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于改进CapsNet网络的电磁法管道病害识别与定位方法，包括如下步骤：S1建立电磁图谱数据集；S2数据集处理；S3构建基于改进的CapsNet网络探地雷达图谱检测模型并训练；S4模型调参；S5进行模型测试，输出各项评价数值指标并保存最优模型，输出探地雷达图谱的识别结果；S6根据识别结果，由对应位置的探地雷达A‑scan数据实现管道病害的定位。本发明采用深度学习，基于电磁图谱大数据进行模型训练，新增了一个卷积层，用于再次提取位于画幅中不同位置的特征，优化特征提取的效果；改进了胶囊网络原本的动态路由算法使得参数量大大较少并且增大了允许接受的输入图片的尺度，提高模型检测的准确率，实现管道病害的智能、高效的识别。