[发明专利]一种基于计算机视觉的大跨度桥梁拓扑感知三维重建方法

说明书

本发明提供一种基于计算机视觉的大跨度桥梁拓扑感知三维重建方法，属于土木工程健康监测与防灾减灾领域。该方法解决了现有技术在大跨度桥梁的自动化基于图像三维重建失效，仍需要人工建模和人工干预的问题。本发明通过建立大跨度桥梁的CAD数据集和基于计算机视觉和深度学习的三维重建网络，该网络能够从多视角渲染图像和三维点云中学习大跨度桥梁的参数化三维模型；然后利用建立的数据集对所述三维重建网络进行训练，得到训练好的模型，训练过程中使用多约束损失函数；最后将待重建桥梁的图像和点云输入到步骤三中所述训练所好的模型，得到参数化三维重建结果。本发明适用于土木工程健康监测以及防灾减灾。

技术领域

本发明涉及土木工程健康监测与防灾减灾领域，具体涉及一种大跨度桥梁拓扑感知三维重建方法。

背景技术

随着无人机的高速发展，其在工业领域的应用范围越来越广。无人机可以携带各种传感器，如数码相机、红外相机、激光扫描仪(LiDAR)等，可以探测人类本身无法到达的区域，因此在土木结构视觉健康监测系统中发挥越来越重要的作用，例如无人机搭载的数码相机可以捕捉结构不同角度的图像，并记录结构的外部状态。然而，目前的视觉监测系统提供了大量的时间上和空间上无序的数字图像，需要大量的人力来过滤和管理以供进一步使用，如何完全自动化这一任务的问题变得迫切需要解决。一种可行的解决方案是将这些图像集成到目标结构的三维模型上，使监测巡检人员能够更加直观地对这些图像进行处理，并通过记录和可视化整个结构的生命周期，提供更好的视觉监测方案。然而，现有的三维模型都是基于设计图纸的设计三维模型，与现有的实际结构存在一定的差异，并且无法表达结构的目前外部状态，故唯一可行的解决方案是对结构进行现场扫描和三维重建。

现有的基于图像的三维重建算法局限于使用特征点(关键点)的识别和匹配，侧重于生成三维点云。点云在实践中很少直接使用，因为它们实际上是非结构化的点集，并且无法进行纹理映射。在三维点云的基础上，实际工程中使用基于点云的表面重建算法生成多边形网格表面，或使用基于拟合的点云建模算法生成参数化几何模型。这些方法在曼哈顿世界的假设下，在建筑三维重建领域取得了很大的成功。但是当试图将这些方法迁移到具有复杂拓扑结构和构件关系的结构上时，如钢桁架和大跨度桥梁等，往往会失败，这是由于点云通常分布不均匀，带有噪声，并受到遮挡和不完整的影响，这对现有的算法提出了巨大的挑战，从这些高度非结构化的点云中用上述提到的自底向上的建模方法，难以恢复出满足要求的三维模型。实际生产中，这些结构往往使用人工建模的方法，但人工建模需要消耗大量的人力、物力、财力，并且建模的质量由于建模者的水平因素而参差不齐，如何自动化这些结构的建模程序，是一个亟待研究的问题。

发明内容

本发明的目的是为了解决现有技术在大跨度桥梁的自动化基于图像三维重建失效，仍需要人工建模和人工干预的问题，而提出了一种基于计算机视觉的大跨度桥梁拓扑感知三维重建方法。

本发明所述一种基于计算机视觉的大跨度桥梁拓扑感知三维重建方法，包括以下步骤：

步骤一、建立大跨度桥梁的CAD数据集，该数据集包含多类型大跨度桥梁的三维模型、结构划分关系、构件几何参数、多视角渲染图像以及不同密度的三维点云；

步骤二、建立基于计算机视觉和深度学习的三维重建网络，该网络能够从多视角渲染图像和三维点云中学习大跨度桥梁的参数化三维模型；

步骤三、利用步骤一中所建立的数据集对步骤二中所述三维重建网络进行训练，得到训练好的模型，训练过程中使用多约束损失函数；

步骤四、将待重建桥梁的图像和点云输入到步骤三中所述训练所好的模型，得到参数化三维重建结果。

本发明的有益效果为：