利用合成点云的钢筋混凝土桥梁实例分割

《国家桥梁检查标准》要求进行详细的构件级桥梁检查。传统上，检查员通过根据损坏情况对结构构件进行评级来手动分配状况评级，但这一过程费时费力。自动化构件级桥梁检查过程可以促进更全面的状况记录，从而改善整体桥梁管理。虽然桥梁点云的语义分割已被研究，但对桥梁构件实例分割的研究仍然有限，部分原因在于缺乏标注数据集以及训练模型难以泛化。为了解决这一问题，我们提出了一种使用三种不同方法生成合成数据的新颖方法。我们的框架利用 Mask3D transformer 模型，并通过超参数调优和一种新颖的遮挡技术进行了优化。该模型分别在真实 LiDAR 和摄影测量桥梁点云上取得了 SOTA 性能，证明了该框架在自动化构件级桥梁检查方面的潜力。