論文の概要: Autonomous damage assessment of structural columns using low-cost micro aerial vehicles and multi-view computer vision

• arxiv url: http://arxiv.org/abs/2308.16278v1
• Date: Wed, 30 Aug 2023 19:09:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-01 18:39:58.764954
• Title: Autonomous damage assessment of structural columns using low-cost micro aerial vehicles and multi-view computer vision
• Title（参考訳）: 低コスト小型航空機と多視点コンピュータビジョンを用いた構造柱の自律的損傷評価
• Authors: Sina Tavasoli, Xiao Pan, T. Y. Yang, Saudah Gazi, Mohsen Azimi
• Abstract要約: 本研究は,コラムを自動スキャン・検査するためのMAVに基づく革新的エンド・ツー・エンドのマイクロエアロビー(MAV)アプローチを提案する。 提案手法は,複数の視角からの画像を効果的に収集し,重要なRC柱損傷を正確に評価する。
• 参考スコア（独自算出の注目度）: 5.897549460175895
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Structural columns are the crucial load-carrying components of buildings and bridges. Early detection of column damage is important for the assessment of the residual performance and the prevention of system-level collapse. This research proposes an innovative end-to-end micro aerial vehicles (MAVs)-based approach to automatically scan and inspect columns. First, an MAV-based automatic image collection method is proposed. The MAV is programmed to sense the structural columns and their surrounding environment. During the navigation, the MAV first detects and approaches the structural columns. Then, it starts to collect image data at multiple viewpoints around every detected column. Second, the collected images will be used to assess the damage types and damage locations. Third, the damage state of the structural column will be determined by fusing the evaluation outcomes from multiple camera views. In this study, reinforced concrete (RC) columns are selected to demonstrate the effectiveness of the approach. Experimental results indicate that the proposed MAV-based inspection approach can effectively collect images from multiple viewing angles, and accurately assess critical RC column damages. The approach improves the level of autonomy during the inspection. In addition, the evaluation outcomes are more comprehensive than the existing 2D vision methods. The concept of the proposed inspection approach can be extended to other structural columns such as bridge piers.
• Abstract（参考訳）: 構造柱は建物や橋の重要な荷積み構造である。 カラム損傷の早期検出は,残留性能の評価とシステムレベルの崩壊防止に重要である。 本研究は,コラムを自動スキャン・検査するためのMAVベースの革新的なアプローチを提案する。 まず,MAVに基づく自動画像収集手法を提案する。 MAVは構造柱とその周囲の環境を感知するようにプログラムされている。 ナビゲーション中、MAVはまず構造列を検出し、接近する。 そして、検出された列ごとに複数の視点で画像データを収集する。 第二に、収集した画像は損傷の種類や損傷箇所を評価するために使用される。 第3に、複数のカメラビューからの評価結果を用いて、構造柱の損傷状態を決定する。 本研究では, 鉄筋コンクリート(RC) 柱を選定し, 提案手法の有効性を実証する。 実験結果から,提案手法は複数の視角からの画像を効果的に収集し,重要なRC柱損傷を正確に評価できることがわかった。 このアプローチは、検査中の自律性レベルを改善する。 さらに,評価結果は既存の2次元視覚法よりも包括的である。 提案手法の概念は橋脚などの他の構造柱にも拡張することができる。

関連論文リスト

• RAD: A Comprehensive Dataset for Benchmarking the Robustness of Image Anomaly Detection [4.231702796492545]
  本研究では,自由なビュー,不均一な照度,ぼやけたコレクションを備えたロバスト異常検出データセットを提案する。 RADは、ワーキングプラットフォーム上の異物を異常として識別することを目的としている。 RADを用いた非教師ありゼロショット法11点の評価と解析を行った。
  論文  参考訳（メタデータ） (2024-06-11T11:39:44Z)
• Learning Feature Inversion for Multi-class Anomaly Detection under General-purpose COCO-AD Benchmark [101.23684938489413]
  異常検出(AD)は、しばしば産業品質検査や医学的病変検査のための異常の検出に焦点が当てられている。 この研究はまず、COCOをADフィールドに拡張することにより、大規模で汎用的なCOCO-ADデータセットを構築する。 セグメンテーション分野のメトリクスにインスパイアされた我々は、より実用的なしきい値に依存したAD固有のメトリクスをいくつか提案する。
  論文  参考訳（メタデータ） (2024-04-16T17:38:26Z)
• Towards Unified 3D Object Detection via Algorithm and Data Unification [70.27631528933482]
  我々は、最初の統一型マルチモーダル3Dオブジェクト検出ベンチマークMM-Omni3Dを構築し、上記のモノクロ検出器をマルチモーダルバージョンに拡張する。 設計した単分子・多モード検出器をそれぞれUniMODEとMM-UniMODEと命名した。
  論文  参考訳（メタデータ） (2024-02-28T18:59:31Z)
• SHM-Traffic: DRL and Transfer learning based UAV Control for Structural Health Monitoring of Bridges with Traffic [0.0]
  本研究は,橋梁における構造的健康モニタリング(SHM)の高度化に焦点をあてる。 無人航空機(UAV)の深部強化学習(DRL)に基づく制御手法を提案する。 本手法は,交通が進行している間にコンクリート橋脚の調査を行い,ひび割れを検知する。 我々は、CNNが最大12%のダメージ検出と1.8倍の報酬で、Cannyエッジ検出器がタスク完了時間を最大40%短縮するのを観察した。
  論文  参考訳（メタデータ） (2024-02-22T18:19:45Z)
• Improving Vision Anomaly Detection with the Guidance of Language Modality [64.53005837237754]
  本稿では,マルチモーダルの観点から視覚モダリティの課題に取り組む。 本稿では,冗長な情報問題とスパース空間問題に対処するために,クロスモーダルガイダンス(CMG)を提案する。 視覚異常検出のためのよりコンパクトな潜在空間を学習するために、CMLEは言語モダリティから相関構造行列を学習する。
  論文  参考訳（メタデータ） (2023-10-04T13:44:56Z)
• 3D vision-based structural masonry damage detection [6.442649108177674]
  正確な石英損傷検出のための3次元視覚に基づく手法を提案する。 まず、石造標本の画像を収集し、3D点雲を生成する。 第2に, 石英損傷を評価するために3次元点雲処理法を開発した。
  論文  参考訳（メタデータ） (2023-08-31T00:48:05Z)
• UAV-based Visual Remote Sensing for Automated Building Inspection [15.471860216370251]
  無人航空機(UAV)にコンピュータビジョンを組み込んだリモートセンシングシステムでは,地震時の建物建設や災害時の被害評価などの災害管理を支援する可能性を実証している。 本稿では,UAVに基づく画像データ収集による検査の自動化手法と,地震構造パラメータの推定を支援する後処理用ソフトウェアライブラリを提案する。
  論文  参考訳（メタデータ） (2022-09-27T14:18:14Z)
• Active Gaze Control for Foveal Scene Exploration [124.11737060344052]
  本研究では,葉型カメラを用いた人間とロボットが現場を探索する方法をエミュレートする手法を提案する。 提案手法は,同数の視線シフトに対してF1スコアを2～3ポイント増加させる。
  論文  参考訳（メタデータ） (2022-08-24T14:59:28Z)
• A hierarchical semantic segmentation framework for computer vision-based bridge damage detection [3.7642333932730634]
  遠隔カメラと無人航空機(UAV)を用いたコンピュータビジョンによる損傷検出は、効率的で低コストなブリッジの健康モニタリングを可能にする。 本稿では,コンポーネントカテゴリと損傷タイプ間の階層的意味関係を強制するセグメンテーションフレームワークを提案する。 このようにして、損傷検出モデルは、潜在的な損傷領域からのみ学習特徴に焦点をあてることができ、他の無関係領域の影響を避けることができる。
  論文  参考訳（メタデータ） (2022-07-18T18:42:54Z)
• Self-Supervised Predictive Convolutional Attentive Block for Anomaly Detection [97.93062818228015]
  本稿では,再建に基づく機能を,新たな自己監督型予測アーキテクチャビルディングブロックに統合することを提案する。 我々のブロックは、受容領域におけるマスク領域に対する再構成誤差を最小限に抑える損失を備える。 画像やビデオの異常検出のための最先端フレームワークに組み込むことで,ブロックの汎用性を実証する。
  論文  参考訳（メタデータ） (2021-11-17T13:30:31Z)
• RescueNet: Joint Building Segmentation and Damage Assessment from Satellite Imagery [83.49145695899388]
  RescueNetは、建物を同時に分割し、個々の建物に対する損傷レベルを評価し、エンドツーエンドでトレーニングできる統一モデルである。 RescueNetは大規模で多様なxBDデータセットでテストされており、従来の手法よりもはるかに優れたセグメンテーションと損傷分類性能を実現している。
  論文  参考訳（メタデータ） (2020-04-15T19:52:09Z)

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。