بازیابی هندسه پل ها در مقیاس وسیع با ترکیب تصاویر لیدار پهپاد و الگوریتم های یادگیری عمیق

پایش سلامت و ارزیابی دقیق وضعیت سازه های پل در مقیاس وسیع، همواره یکی از چالش های اساسی در حوزه مهندسی عمران و مدیریت زیرساخت ها بوده است. روش های سنتی برداشت و اندازه گیری هندسه پل ها، عمدتا مبتنی بر ابزارهای نقشه برداری زمینی هستند که با محدودیت هایی نظیر سرعت پایین، هزینه های بالا و پوشش ناقص نقاط برداشت شده مواجه اند. پژوهش حاضر با هدف ارائه یک چارچوب نوین برای بازیابی هندسه پل ها در مقیاس وسیع، از تلفیق داده های لیدار هوایی مبتنی بر پهپاد با الگوریتم های یادگیری عمیق بهره گرفته است. روش تحقیق از نوع توسعه ای-کاربردی بوده و جامعه آماری شامل پل های موجود در شبکه راه های کشور است. ابزار اصلی گردآوری داده ها، سامانه لیدار متصل به پهپاد بوده که امکان برداشت ابرنقاط با چگالی بالا را فراهم می آورد. برای پردازش داده ها، الگوریتم های بخش بندی معنایی مبتنی بر یادگیری عمیق و معماری شبکه های عصبی نقطه محور به کار گرفته شده است. یافته های پژوهش نشان می دهد که روش ترکیبی پیشنهادی، ضمن کاهش چشمگیر خطای اندازه گیری نسبت به روش های فتوگرامتری، زمان پردازش را به میزان قابل توجهی کاهش می دهد. دستاورد اصلی این پژوهش، ارائه یک سامانه یکپارچه برای مدل سازی سه بعدی دقیق، سریع و مقیاس پذیر از هندسه پل هاست که می تواند به عنوان پایه ای برای ایجاد دوقلوی دیجیتال و پایش مستمر وضعیت سازه ها مورد استفاده قرار گیرد.

کلیدواژه ها:

بازیابی هندسه ، پل ، لیدار پهپاد ، یادگیری عمیق ، بخش بندی معنایی ابرنقاط