通过统一合成框架弥合桥梁数字孪生的数据鸿沟
计算机视觉与模式识别
2025-09-08 v3 人工智能
摘要
作为关键交通运输基础设施，桥梁正面临日益严峻的老化和恶化挑战，而传统的人工检查方法效率低下。虽然3D点云技术提供了新的数据驱动范式，但其应用潜力常受到现实世界数据不完整的限制，这源于标签缺失和扫描遮挡。为克服现有合成数据方法泛化不足的瓶颈，本文提出了一个系统化的框架，用于生成3D桥梁数据。该框架可自动生成具备组件级实例标注、高保真配色和精确法向向量的完整点云。其可进一步扩展以模拟多样且物理上真实的不完整点云，以支持分割网络和完成网络的训练。实验表明，使用我们合成的数据训练的PointNet++模型在现实世界桥梁语义分割中达到84.2%的平均交并比（mIoU）。同时，微调的KT-Net在组件完成任务中表现出色。该研究提供了创新的方法论和基础数据集，用于3D桥梁结构的视觉分析，具有显著意义地推动基础设施自动化管理和维护。
引用
@article{arxiv.2507.05814,
title = {Empowering Bridge Digital Twins by Bridging the Data Gap with a Unified Synthesis Framework},
author = {Wang Wang and Mingyu Shi and Jun Jiang and Wenqian Ma and Chong Liu and Yasutaka Narazaki and Xuguang Wang},
journal= {arXiv preprint arXiv:2507.05814},
year = {2025}
}
备注
Due to the authors' failure to reach an agreement on the manuscript quality, they voluntarily waive their rights to be credited as authors