論文の概要: Automated Translation of Rebar Information from GPR Data into As-Built
BIM: A Deep Learning-based Approach
- arxiv url: http://arxiv.org/abs/2110.15448v1
- Date: Thu, 28 Oct 2021 21:54:48 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-01 14:34:16.825836
- Title: Automated Translation of Rebar Information from GPR Data into As-Built
BIM: A Deep Learning-based Approach
- Title(参考訳): GPRデータからAs-Built BIMへの残響情報の自動翻訳:ディープラーニングによるアプローチ
- Authors: Zhongming Xiang, Ge Ou, Abbas Rashidi
- Abstract要約: 地中貫入レーダ(GPR)は、表面要素とリバーを備えたBIMを開発するための潜在的なソリューションを提供する。
我々は,より高速なR-CNNに基づいて,GPRデータとビルディング情報モデリングをリンクする手法を提案する。
- 参考スコア(独自算出の注目度): 0.9023847175654602
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Building Information Modeling (BIM) is increasingly used in the construction
industry, but existing studies often ignore embedded rebars. Ground Penetrating
Radar (GPR) provides a potential solution to develop as-built BIM with surface
elements and rebars. However, automatically translating rebars from GPR into
BIM is challenging since GPR cannot provide any information about the scanned
element. Thus, we propose an approach to link GPR data and BIM according to
Faster R-CNN. A label is attached to each element scanned by GPR for capturing
the labeled images, which are used with other images to build a 3D model.
Meanwhile, Faster R-CNN is introduced to identify the labels, and the
projection relationship between images and the model is used to localize the
scanned elements in the 3D model. Two concrete buildings is selected to
evaluate the proposed approach, and the results reveal that our method could
accurately translate the rebars from GPR data into corresponding elements in
BIM with correct distributions.
- Abstract(参考訳): 建設業界ではビル情報モデリング(BIM)がますます使われているが、既存の研究は組み込まれたリバーを無視していることが多い。
地中貫入レーダ(GPR)は、表面要素とリバーを備えたBIMを開発するための潜在的なソリューションを提供する。
しかしながら、GPRがスキャンされた要素に関する情報を一切提供できないため、GPRからBIMへの自動翻訳は困難である。
そこで我々は,Faster R-CNNによるGPRデータとBIMをリンクする手法を提案する。
gprがスキャンした各要素にラベルを付けてラベル付き画像をキャプチャし、他の画像とともに3dモデルを構築する。
一方、ラベルを識別するためにより高速なR-CNNを導入し、画像とモデルの間の投影関係を利用してスキャンした要素を3Dモデルにローカライズする。
提案手法を評価するために2つのコンクリート構造物を選定し, 本手法により, GPRデータからBIMの対応する要素への正確な変換が可能となった。
関連論文リスト
- Anyview: Generalizable Indoor 3D Object Detection with Variable Frames [63.51422844333147]
我々は,AnyViewという新しい3D検出フレームワークを実用化するために提案する。
本手法は, 単純かつクリーンなアーキテクチャを用いて, 高い一般化性と高い検出精度を実現する。
論文 参考訳(メタデータ) (2023-10-09T02:15:45Z) - Multi-View Fusion and Distillation for Subgrade Distresses Detection
based on 3D-GPR [19.49863426864145]
本稿では,3D-GPRデータからの多視点情報を活用することで,下級災害検知タスクの新たな手法を提案する。
マルチビューGPRデータセットを最適に活用するための新しいtextbfMulti-textbfView textbfVusion と textbfDistillation フレームワーク textbfGPR-MVFD を開発した。
論文 参考訳(メタデータ) (2023-08-09T08:06:28Z) - Zero-shot Composed Text-Image Retrieval [72.43790281036584]
合成画像検索(CIR)の問題点を考察する。
テキストや画像などのマルチモーダル情報を融合し、クエリにマッチする画像を正確に検索し、ユーザの表現能力を拡張できるモデルをトレーニングすることを目的としている。
論文 参考訳(メタデータ) (2023-06-12T17:56:01Z) - Underground Diagnosis Based on GPR and Learning in the Model Space [17.738464689511773]
地中レーダ(GPR)はパイプライン検出や地下診断に広く用いられている。
本稿では,モデル空間における学習に基づくGPR Bスキャン画像診断手法を提案する。
論文 参考訳(メタデータ) (2022-11-25T07:28:27Z) - Using Detection, Tracking and Prediction in Visual SLAM to Achieve
Real-time Semantic Mapping of Dynamic Scenarios [70.70421502784598]
RDS-SLAMは、一般的に使用されているIntel Core i7 CPUのみを使用して、動的シナリオのためのオブジェクトレベルでのセマンティックマップをリアルタイムで構築することができる。
我々は, TUM RGB-DデータセットにおけるRDS-SLAMを評価し, 動的シナリオにおいて, RDS-SLAMはフレームあたり30.3msで動作可能であることを示した。
論文 参考訳(メタデータ) (2022-10-10T11:03:32Z) - Meta-RangeSeg: LiDAR Sequence Semantic Segmentation Using Multiple
Feature Aggregation [21.337629798133324]
メタランジセグと呼ばれるLiDAR配列のセマンティックセグメンテーションに対する新しいアプローチを提案する。
空間時間情報をキャプチャするために、新しい範囲残像表現を導入する。
マルチスケール機能を得るために、効率的なU-Netバックボーンが使用される。
論文 参考訳(メタデータ) (2022-02-27T14:46:13Z) - Boosting Few-shot Semantic Segmentation with Transformers [81.43459055197435]
TRansformer-based Few-shot Semantic segmentation Method (TRFS)
我々のモデルは,グローバル・エンハンスメント・モジュール(GEM)とローカル・エンハンスメント・モジュール(LEM)の2つのモジュールから構成される。
論文 参考訳(メタデータ) (2021-08-04T20:09:21Z) - Robotic Inspection and 3D GPR-based Reconstruction for Underground
Utilities [11.601407791322327]
地中貫入レーダ (GPR) は、地中物体を検査・調査するための有効な非破壊評価(NDE)装置である。
GPRデータ収集の現在のプラクティスは、事前にマークされたグリッド線に沿ってGPRカートを動かすために、人間のインスペクタを必要とする。
本稿では,GPRデータの収集,GPRデータの解釈,地下ユーティリティのローカライズ,地下オブジェクトの高密度点雲モデルの再構築と可視化を行う新しいロボットシステムを提案する。
論文 参考訳(メタデータ) (2021-06-03T14:58:49Z) - Detector-Free Weakly Supervised Grounding by Separation [76.65699170882036]
Wakly Supervised phrase-Grounding (WSG)は、画像中の任意のテキストフレーズをローカライズするためにデータを使用するタスクを扱う。
本稿では,事前学習した検出器を使わずにWSGを解くための検出器フリーWSG(DF-WSG)を提案する。
我々は、以前のdf-wsg sotaと比較して最大8.5%の精度向上を示す。
論文 参考訳(メタデータ) (2021-04-20T08:27:31Z) - GPR-based Model Reconstruction System for Underground Utilities Using
GPRNet [12.334006660346935]
地中貫入レーダ(GPR)は、地中物を検出し、位置を特定するための最も重要な非破壊評価(NDE)機器の一つである。
従来の研究では、GPR画像に基づく特徴検出のみに焦点が当てられており、粗いGPR測定を処理して、より詳細な地下物体の3Dモデルを再構築することは不可能である。
本稿では,GPRデータを収集し,地下ユーティリティをローカライズし,地下オブジェクトの高密度点クラウドモデルを再構築する,新しいロボットシステムを提案する。
論文 参考訳(メタデータ) (2020-11-05T03:26:01Z) - High-Order Information Matters: Learning Relation and Topology for
Occluded Person Re-Identification [84.43394420267794]
本稿では,高次関係とトポロジ情報を識別的特徴とロバストなアライメントのために学習し,新しい枠組みを提案する。
我々のフレームワークはOccluded-Dukeデータセットで最先端の6.5%mAPスコアを大幅に上回っている。
論文 参考訳(メタデータ) (2020-03-18T12:18:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。