基于多视角2D GPR图像的地下管道轻量级识别与空间定位框架
计算机视觉与模式识别
2025-12-29 v1 人工智能
摘要
为解决使用3D GPR进行地下管道检测时，多视角特征关联性弱、小尺寸目标识别精度低且在复杂场景下鲁棒性不足的问题，本文提出了3D管道智能检测框架。首先，基于B/C/D-Scan三视图联合分析策略，建立了通过使用FDTD方法获取的正向仿真结果与实际测量数据进行交叉验证的三维管道三视图特征评估方法。其次，提出DCO-YOLO框架，将DySample、CGLU和OutlookAttention跨维度关联机制集成到原始YOLOv11算法中，显著提高了小尺寸管道边缘特征提取能力。进一步提出一种3D-DIoU空间特征匹配算法，将三维几何约束和中心距离惩罚项集成，实现多视角标注的自动关联。三视图融合策略解决了单视图检测固有的歧义问题。基于真实城市地下管道数据的实验表明，所提方法在复杂多管道场景下的准确率、召回率和平均精度分别为96.2%、93.3%和96.7%，分别比基线模型高出2.0%、2.1%和0.9%。消融实验验证了动态特征增强模块与Grad-CAM++热图可视化，表明改进模型显著增强了其对管道几何特征的关注能力。该研究将深度学习优化策略与3D GPR的物理特性相结合，为地下管道的智能识别与定位提供了一种高效可靠的新型技术框架。
引用
@article{arxiv.2512.20866,
title = {Lightweight framework for underground pipeline recognition and spatial localization based on multi-view 2D GPR images},
author = {Haotian Lv and Chao Li and Jiangbo Dai and Yuhui Zhang and Zepeng Fan and Yiqiu Tan and Dawei Wang and Binglei Xie},
journal= {arXiv preprint arXiv:2512.20866},
year = {2025}
}