論文の概要: Automated Detection and Analysis of Minor Deformations in Flat Walls Due to Railway Vibrations Using LiDAR and Machine Learning

• arxiv url: http://arxiv.org/abs/2501.06457v1
• Date: Sat, 11 Jan 2025 07:09:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-14 14:23:10.235482
• Title: Automated Detection and Analysis of Minor Deformations in Flat Walls Due to Railway Vibrations Using LiDAR and Machine Learning
• Title（参考訳）: LiDARと機械学習を用いた鉄道振動による平壁の微小変形の自動検出と解析
• Authors: Surjo Dey, Ankit Sharma, Hritu Raj, Susham Biswas,
• Abstract要約: 本研究では, 沿線線路の振動による平坦な壁面の微小変形を自動的に同定する手法を提案する。 高密度の地上レーザースキャナ(TLS)のLiDARサーベイとAI/ML技術を活用してデータの収集と分析を行う。 解析は平坦な壁に沿って断面を同定し,その変形を地盤の向きに対して推定することに焦点を当てた。
• 参考スコア（独自算出の注目度）: 0.34779962034842477
• License:
• Abstract: This study introduces an advanced methodology for automatically identifying minor deformations in flat walls caused by vibrations from nearby railway tracks. It leverages high-density Terrestrial Laser Scanner (TLS) LiDAR surveys and AI/ML techniques to collect and analyze data. The scan data is processed into a detailed point cloud, which is segmented to distinguish ground points, trees, buildings, and other objects. The analysis focuses on identifying sections along flat walls and estimating their deformations relative to the ground orientation. Findings from the study, conducted at the RGIPT campus, reveal significant deformations in walls close to the railway corridor, with the highest deformations ranging from 7 to 8 cm and an average of 3 to 4 cm. In contrast, walls further from the corridor show negligible deformations. The developed automated process for feature extraction and deformation monitoring demonstrates potential for structural health monitoring. By integrating LiDAR data with machine learning, the methodology provides an efficient system for identifying and analyzing structural deformations, highlighting the importance of continuous monitoring for ensuring structural integrity and public safety in urban infrastructure. This approach represents a substantial advancement in automated feature extraction and deformation analysis, contributing to more effective management of urban infrastructure.
• Abstract（参考訳）: 本研究では, 沿線線路の振動による平坦な壁面の微小変形を自動的に同定する手法を提案する。 高密度の地上レーザースキャナ(TLS)のLiDARサーベイとAI/ML技術を活用してデータの収集と分析を行う。 スキャンデータは詳細なポイントクラウドに処理され、グラウンドポイント、木、建物、その他のオブジェクトを識別するためにセグメンテーションされる。 解析は平坦な壁に沿って断面を同定し,その変形を地盤の向きに対して推定することに焦点を当てた。 RGIPTキャンパスで行った研究の結果、鉄道回廊に近い壁面に顕著な変形が見られ、最も高い変形は7～8cm、平均3～4cmであった。 対照的に、廊下の外側の壁は無視できる変形を示す。 特徴抽出および変形モニタリングのための自動プロセスの開発は、構造的健康モニタリングの可能性を示している。 この手法は、LiDARデータを機械学習と統合することにより、都市インフラにおける構造的整合性と公共の安全を確保するための継続的監視の重要性を強調し、構造的変形を特定し解析する効率的なシステムを提供する。 このアプローチは、自動特徴抽出と変形解析の大幅な進歩を示し、都市インフラのより効率的な管理に寄与する。

関連論文リスト

• Localized Gaussians as Self-Attention Weights for Point Clouds Correspondence [92.07601770031236]
  本稿では,エンコーダのみのトランスフォーマーアーキテクチャのアテンションヘッドにおける意味的意味パターンについて検討する。 注意重みの修正はトレーニングプロセスの促進だけでなく,最適化の安定性の向上にも寄与する。
  論文  参考訳（メタデータ） (2024-09-20T07:41:47Z)
• Machine Learning for Pre/Post Flight UAV Rotor Defect Detection Using Vibration Analysis [54.550658461477106]
  無人航空機(UAV)は将来のスマートシティにとって重要なインフラ要素となるだろう。 効率的な運用のためには、UAVの信頼性は障害や故障の常時監視によって保証されなければならない。 本稿では,信号処理と機械学習を利用して,包括的振動解析データを分析し,ローターブレードの欠陥の有無を判定する。
  論文  参考訳（メタデータ） (2024-04-24T13:50:27Z)
• Exploring Challenges in Deep Learning of Single-Station Ground Motion Records [0.0]
  実験の結果,P相とS相の到着情報に強く依存していることが判明した。 本研究は, 現場における潜在的なギャップを浮き彫りにして, 単一局地動記録の深層学習のためのロバストな手法が欠如していることを示唆する。
  論文  参考訳（メタデータ） (2024-03-12T11:56:50Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Detecting train driveshaft damages using accelerometer signals and Differential Convolutional Neural Networks [67.60224656603823]
  本稿では,高度2次元畳み込みニューラルネットワーク(CNN)アーキテクチャに基づく鉄道軸状態監視システムの開発を提案する。 その結果,鉄道軸受振動信号を時間周波数領域表現,すなわち分光図に変換し,そのひび割れに応じて2次元CNNを訓練する。
  論文  参考訳（メタデータ） (2022-11-15T15:04:06Z)
• Towards Scale Consistent Monocular Visual Odometry by Learning from the Virtual World [83.36195426897768]
  仮想データから絶対スケールを取得するための新しいフレームワークであるVRVOを提案する。 まず、モノクロ実画像とステレオ仮想データの両方を用いて、スケール対応の異種ネットワークをトレーニングする。 結果として生じるスケール一貫性の相違は、直接VOシステムと統合される。
  論文  参考訳（メタデータ） (2022-03-11T01:51:54Z)
• Robust Self-Supervised LiDAR Odometry via Representative Structure Discovery and 3D Inherent Error Modeling [67.75095378830694]
  そこで我々は,2段階のオドメトリ推定ネットワークを構築し,一連の部分領域変換を推定してエゴモーメントを求める。 本稿では,トレーニング,推論,マッピングフェーズにおける信頼できない構造の影響を軽減することを目的とする。 我々の2フレームのオードメトリーは、翻訳/回転誤差の点で、過去の芸術の状態を16%/12%上回っている。
  論文  参考訳（メタデータ） (2022-02-27T12:52:27Z)
• Analysis for full face mechanical behaviors through spatial deduction model with real-time monitoring data [21.131001656350712]
  空間トンネル構造は、多くの部分に分割され、マトリックスの形で再構成される。 トンネルの機械的挙動を調べるため, 現場の構造物に作用する外部荷重について検討した。 フルフェイス情報を得るために二重駆動モデルを開発した。
  論文  参考訳（メタデータ） (2021-09-27T16:28:21Z)
• Online structural health monitoring by model order reduction and deep learning algorithms [0.17499351967216337]
  オンラインダメージローカリゼーションに向けたシミュレーションに基づく分類戦略を提案する。 提案手法は2次元ポータルフレームと3次元ポータルフレーム鉄道橋に関する2つのケーススタディによって検証されている。
  論文  参考訳（メタデータ） (2021-03-26T08:40:41Z)
• RGB-D Railway Platform Monitoring and Scene Understanding for Enhanced Passenger Safety [3.4298729855744026]
  本稿では,人間を地上平面上で検出し追跡するための柔軟な解析手法を提案する。 我々は、RGBと深度に基づく検出と追跡の複数の組み合わせについて検討する。 その結果,奥行きに基づく空間情報と学習表現の組み合わせにより,検出精度と追跡精度が大幅に向上した。
  論文  参考訳（メタデータ） (2021-02-23T14:44:34Z)
• Deep Learning Framework for Detecting Ground Deformation in the Built Environment using Satellite InSAR data [7.503635457124339]
  我々は、全国規模の速度場における変形を検出するために、事前訓練された畳み込みニューラルネットワーク(CNN)を適用した。 我々は、以前特定された変形が石炭採掘、地下水流出、地すべり、トンネル掘削と関係している英国に焦点を当てる。 本研究は, 自動地動解析システムの開発に提案手法が適用可能であることを示すものである。
  論文  参考訳（メタデータ） (2020-05-07T03:14:00Z)

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。