基于GPRNet的地下管线探地雷达模型重建系统
计算机视觉与模式识别
2021-05-19 v3 机器人学
图像与视频处理
摘要
探地雷达（GPR）是检测和定位地下物体（如钢筋、公用管道）最重要的无损评估（NDE）仪器之一。以往许多研究仅关注基于GPR图像的特征检测，尚无研究能够处理稀疏GPR测量数据以成功重建精细且详细的地下物体三维模型以实现更好的可视化。为解决此问题，本文提出一种新型机器人系统，用于采集GPR数据、定位地下管线并重建地下物体的稠密点云模型。该系统由三个模块组成：1）基于视觉-惯导的GPR数据采集模块，利用全向机器人提供的定位信息为GPR测量数据打上位置标签；2）深度神经网络（DNN）迁移模块，将原始GPR B扫描图像解析为物体模型的横截面；3）基于DNN的三维重建模块，即GPRNet，利用精细三维点云生成地下管线模型。本文中定量与定性实验结果均验证了我们的方法能够基于稀疏输入（即不完整的GPR原始数据及各种噪声）生成管状管线的稠密且完整点云模型。在合成数据与现场测试数据上的实验结果进一步支持了我们所提方法的有效性。
引用
@article{arxiv.2011.02635,
title = {GPR-based Model Reconstruction System for Underground Utilities Using GPRNet},
author = {Jinglun Feng and Liang Yang and Ejup Hoxha and Diar Sanakov and Stanislav Sotnikov and Jizhong Xiao},
journal= {arXiv preprint arXiv:2011.02635},
year = {2021}
}
备注
Accepted by ICRA 2021