基于计算机视觉的建筑聚结形貌特征化场 imaging 框架：算法与应用

建筑聚结，包括砂砾、碎石和石砾，是建筑行业的核心构件。当前实践中的特征化方法主要依赖于视觉检查和手动测量。而现有聚结 imaging 方法存在局限，仅适用于受控条件下的常规尺寸聚结。本论文通过开发面向多情景场景的聚结形貌特征化场 imaging 框架来解决上述主要挑战。对于单个且不重叠的聚结，设计了场 imaging 系统，并开发了相关的分割和体积估计算法。对于储存堆中的聚结的2D图像分析，建立了自动化2D实例分割和形貌分析方法。对于储存堆中聚结的3D点云分析，建立了集成的3D 重建-分割-完善（RSC-3D）方法：从多视角图像进行3D重建、3D储存堆实例分割、以及3D形貌完善以预测未看见的侧面。首先，开发了基于所收集的聚结样本数据构建高保真3D模型的3D重建程序，并据此构建了3D聚结粒子库。随后，基于3D粒子库构建了两个数据集，用于3D学习：一个包含储存堆的合成数据集（带有ground-truth实例标签），以及一个包含部分-完整形状对的数据集，采用不同视角的光线投射方案构建。分别在所构建的数据集上训练了最先进的3D实例分割网络和3D形貌完善网络。通过在真实储存堆上应用该集成方法并用ground-truth进行验证，结果表明该方法在捕获和预测聚结未看见的侧面方面表现良好。