基于高斯点云的民用结构三维损伤可视化
计算机视觉与模式识别
2026-02-20 v1
摘要
近期的基础设施检查技术进步凸显了对数字孪生体进行精确三维（3D）损伤可视化的需求，这超越了传统基于二维图像的损伤识别方法。与常规 photogrammetry 3D 重建技术相比，现代方法如神经辐射场（NeRF）和高斯点云（Gaussian Splatting, GS）在场景表示、渲染质量以及处理无特征区域方面表现更佳。在其中，GS 因其效率优势而脱颈而出，利用离散各向异性 3D 高斯来表示辐射场，而 NeRF 则采用连续隐式模型。本研究引入一种针对有效 3D 损伤可视化的 GS 驱动数字孪生方法。该方法的关键贡献包括：1) 利用 GS 进行 3D 重建，以可视化 2D 损伤分割结果，同时降低分割误差；2) 开发多尺度重建策略，以平衡效率与损伤细节；3) 使数字孪生体随损伤演化而更新。该方法在开源合成数据集上进行了演示，旨用于地震事故检查，为民用基础设施数字孪生体的综合性 3D 损伤可视化提供了有前景的解决方案。
引用
@article{arxiv.2602.16713,
title = {Three-dimensional Damage Visualization of Civil Structures via Gaussian Splatting-enabled Digital Twins},
author = {Shuo Wang and Shuo Wang and Xin Nie and Yasutaka Narazaki and Thomas Matiki and Billie F. Spencer},
journal= {arXiv preprint arXiv:2602.16713},
year = {2026}
}