-
公开(公告)号：CN117171856A
公开(公告)日：2023-12-05
申请号：CN202311214527.X
申请日：2023-09-20
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于手持Lidar的公路铁路数字信息建模方法，旨在提供高效、精确的公路/铁路建模技术。本方法利用手持式Lidar激光雷达采集公路/铁路环境数据，并通过数据预处理和算法优化，实现公路/铁路建筑物和设施的三维模型自动生成。包括自适应场景点云滤波、尺度无关的地面提取方法、钢轨提取算法和电力线处理方法等关键结构提取算法。通过该方法可以快速生成公路/铁路模型，为公路/铁路规划、维护和安全管理等领域提供监测数据的载体，实现对公路/铁路状态的直观了解，并及时采取措施，保障公路/铁路交通的安全稳定运行。该方法具有高效性、精确性和可靠性的优势，对提升公路/铁路建模的效率和准确性具有重要意义。
-
公开(公告)号：CN115450642A
公开(公告)日：2022-12-09
申请号：CN202211388877.3
申请日：2022-11-08
Applicant: 西南交通大学
IPC: E21D9/093
Abstract: 本发明提供一种基于大数据的盾构姿态控制方法及系统，包括以下步骤：步骤1：收集既有隧道盾构参数样本；步骤2：计算参数均值和协方差矩阵的定值估计；步骤3：赋予超参数初始值，并采用吉布斯抽样获取基于既有隧道盾构信息的超参数稳定状态的概率分布模型；步骤4：收集目标隧道盾构参数样本，并计算目标隧道盾构参数均值和协方差矩阵的定值估计；步骤5：采用吉布斯抽样，获取当前区段盾构机姿态偏移量稳定状态的概率分布模型；步骤6：计算当前区段盾构机姿态偏移量，调整盾体油缸千斤顶顶推压力，减小盾构姿态失准。本发明对盾构机掘进姿态偏移量进行超前预测，为减小盾构机姿态失准提供指导。
-
公开(公告)号：CN118262161B
公开(公告)日：2024-10-18
申请号：CN202410365170.3
申请日：2024-03-28
Applicant: 西南交通大学
IPC: G06V10/764 , G06V10/774 , G06T15/00 , G06T11/00 , G06F30/20
Abstract: 本发明属于智能建造工程领域，公开一种骨料基因的数字图像生成方法、装置及介质，在基础骨料模型的基础上先加入导电骨料模型，随后再在加入导电骨料模型后的模型中的内部和表面增加水体从而得到具有含水率基因特性的第二骨料模型，并利用对应含水率和粒径的浮点型变量为第二骨料模型进行命名，随后构建真实模拟场景，对所生成的模型进行真实场景模拟后，再进行自动标记，以此可以得到批量的识别训练数据集，无需人工批注即可自动化地生成标签图，效率和准确性均有大大提升，解决了传统的骨料基因识别训练所需标签图制作效率低下和耗费人力等问题。
-
公开(公告)号：CN117495843B
公开(公告)日：2024-08-23
申请号：CN202311687791.5
申请日：2023-12-11
Applicant: 四川高速公路建设开发集团有限公司 , 西南交通大学 , 四川天眉乐高速公路有限责任公司
Abstract: 本发明涉及智能制造领域，提供一种料仓内不同景深的骨料级配智能检测方法及系统、设备，其中智能检测方法包括：基于预先构建的语义分割模型对采集的图像进行语义分割，确定图像中每个骨料的像素面积和像素周长；基于不同景深下骨料的像素面积与真实面积的对应关系以及骨料的像素面积，确定骨料的真实面积；基于不同景深下骨料的像素周长与真实周长的对应关系以及骨料的像素周长，确定骨料的真实周长；基于骨料的真实面积和真实周长，确定每个骨料的等效粒径，完成骨料级配智能检测。用以解决现有技术中不能对骨料级配进行及时的检测，导致生产效率较低，且骨料级配准确度不高的缺陷，能够对料仓内不同景深处的骨料进行精确的智能检测。
-
公开(公告)号：CN116524382A
公开(公告)日：2023-08-01
申请号：CN202310575729.0
申请日：2023-05-22
Applicant: 西南交通大学
Abstract: 本发明公开了一种桥梁转体合拢准确性检验方法系统、设备，属于智能建造工程领域。其包括以下步骤：步骤1：无人机采集桥梁的视频数据并制作图片数据集。步骤2：通过归一化进行特征提取；通过余弦相似度的判断准则和词汇树匹配算法进行特征匹配。步骤3：使用Multi‑ViewStereo，得到稠密的三维点云模型。步骤4：采用CloudCompare点云可视化软件，计算出桥梁转体部分两端的高度、水平度、位置和角度。步骤5：通过上述参数判断出桥梁转体是否能够合拢，如出现误差并给出修正建议。本发明在桥梁合拢之前可以判断出桥梁是否能够准确合拢，如果出现超出标准的误差能够及时修正，极大的提高桥梁合拢检测的效率。
-
Patent Agency Ranking
公开(公告)号：CN119693341A
公开(公告)日：2025-03-25
申请号：CN202411825560.0
申请日：2024-12-12
Applicant: 西南交通大学
Abstract: 本发明涉及智能制造领域，提供一种在不均匀光照条件下的骨/填料级配智能检测方法及系统、设备，方法包括：基于骨/填料图像的红色通道的每个像素值减去对应位置蓝色通道和绿色通道中较大值，确定骨/填料灰度图像的像素值；基于最大类间方差法将骨/填料灰度图像二值化，确定消除骨/填料阴影的二值化图像；基于连通域算法提取二值化图像中每个骨/填料，确定每个骨/填料面积、周长、内接圆半径和外接椭圆的长轴和短轴大小；基于每个骨/填料面积、周长、内接圆半径和外接椭圆的长轴和短轴大小输入预先构建的神经网络模型，确定每个骨/填料粒径大小，完成骨/填料级配检测；本发明能够对不均匀光照条件下的骨/填料进行精确的智能检测。
-
公开(公告)号：CN117171856B
公开(公告)日：2024-03-01
申请号：CN202311214527.X
申请日：2023-09-20
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于手持Lidar的公路铁路数字信息建模方法，旨在提供高效、精确的公路/铁路建模技术。本方法利用手持式Lidar激光雷达采集公路/铁路环境数据，并通过数据预处理和算法优化，实现公路/铁路建筑物和设施的三维模型自动生成。包括自适应场景点云滤波、尺度无关的地面提取方法、钢轨提取算法和电力线处理方法等关键结构提取算法。通过该方法可以快速生成公路/铁路模型，为公路/铁路规划、维护和安全管理等领域提供监测数据的载体，实现对公路/铁路状态的直观了解，并及时采取措施，保障公路/铁路交通的安全稳定运行。该方法具有高效性、精确性和可靠性的优势，对提升公路/铁路建模的效率和准确性具有重要意义。
-
公开(公告)号：CN115450642B
公开(公告)日：2023-02-17
申请号：CN202211388877.3
申请日：2022-11-08
Applicant: 西南交通大学
IPC: E21D9/093
Abstract: 本发明提供一种基于大数据的盾构姿态控制方法及系统，包括以下步骤：步骤1：收集既有隧道盾构参数样本；步骤2：计算参数均值和协方差矩阵的定值估计；步骤3：赋予超参数初始值，并采用吉布斯抽样获取基于既有隧道盾构信息的超参数稳定状态的概率分布模型；步骤4：收集目标隧道盾构参数样本，并计算目标隧道盾构参数均值和协方差矩阵的定值估计；步骤5：采用吉布斯抽样，获取当前区段盾构机姿态偏移量稳定状态的概率分布模型；步骤6：计算当前区段盾构机姿态偏移量，调整盾体油缸千斤顶顶推压力，减小盾构姿态失准。本发明对盾构机掘进姿态偏移量进行超前预测，为减小盾构机姿态失准提供指导。
-
公开(公告)号：CN119691870A
公开(公告)日：2025-03-25
申请号：CN202411827629.3
申请日：2024-12-12
Applicant: 西南交通大学
IPC: G06F30/13 , G06F30/27 , G06N3/0464 , G06N3/08 , G06F119/14
Abstract: 本发明公开了螺旋桩承载性能实时预测的数字孪生方法，属于智能建造工程领域，该方法包括：基于UE创建可输入参数的用户界面，创建根据参数自动化生成相应螺旋桩模型的蓝图。基于螺旋桩传感器协议将传感器数据传输到UE中，实时驱动UE中的虚拟螺旋桩。创建不同尺寸参数的螺旋桩，进行力学分析，获得各自的荷载‑沉降数据和曲线。基于卷积神经网络，对荷载‑沉降数据进行训练，得到螺旋桩荷载‑沉降预测代理模型。基于UE中的用户输入参数，将输入通过TCP通信传输到Python中的代理模型中。基于代理模型预测出对应沉降和极限承载力，传输回UE进行可视化。该方法解决了传统的螺旋桩极限承载力预测效率低下和限制较多的问题。
-
公开(公告)号：CN118262161A
公开(公告)日：2024-06-28
申请号：CN202410365170.3
申请日：2024-03-28
Applicant: 西南交通大学
IPC: G06V10/764 , G06V10/774 , G06T15/00 , G06T11/00 , G06F30/20
Abstract: 本发明属于智能建造工程领域，公开一种骨料基因的数字图像生成方法、装置及介质，在基础骨料模型的基础上先加入导电骨料模型，随后再在加入导电骨料模型后的模型中的内部和表面增加水体从而得到具有含水率基因特性的第二骨料模型，并利用对应含水率和粒径的浮点型变量为第二骨料模型进行命名，随后构建真实模拟场景，对所生成的模型进行真实场景模拟后，再进行自动标记，以此可以得到批量的识别训练数据集，无需人工批注即可自动化地生成标签图，效率和准确性均有大大提升，解决了传统的骨料基因识别训练所需标签图制作效率低下和耗费人力等问题。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.022 seconds)
