利用LiDAR和机器学习自动检测与分析铁路振动引起的墙面微小变形
机器学习
2025-01-22 v3
摘要
本研究介绍了一种先进的方法，用于自动识别由附近铁路轨道振动引起的墙面微小变形。该方法利用高密度地面激光扫描仪（TLS）LiDAR测量和AI/ML技术收集和分析数据。扫描数据被处理成详细点云，并分割以区分地面点、树木、建筑物和其他物体。分析重点在于识别沿墙面的部分，并估计其相对于地面方向的变形。在RGIPT校区进行的研究结果显示，靠近铁路走廊的墙面存在显著变形，最大变形范围为7至8厘米，平均为3至4厘米。相比之下，远离走廊的墙面变形可忽略不计。所开发的自动特征提取和变形监测过程展示了结构健康监测的潜力。通过将LiDAR数据与机器学习相结合，该方法为识别和分析结构变形提供了一个高效系统，强调了持续监测对于确保城市基础设施结构完整性和公共安全的重要性。该方法代表了自动特征提取和变形分析的重大进步，有助于更有效地管理城市基础设施。
引用
@article{arxiv.2501.06457,
title = {Automated Detection and Analysis of Minor Deformations in Flat Walls Due to Railway Vibrations Using LiDAR and Machine Learning},
author = {Surjo Dey and Ankit Sharma and Hritu Raj and Susham Biswas},
journal= {arXiv preprint arXiv:2501.06457},
year = {2025}
}
备注
IEEE Conference Paper