基于移动激光扫描的地铁隧道渗漏水定位及快速检测方法

P258; 渗漏水是地铁隧道最主要的病害之一,也会导致其他结构病害,开展地铁隧道渗漏水病害检测方法研究具有重要意义.本文聚焦于地铁隧道渗漏水问题,提出了一种基于移动激光扫描点云数据的渗漏水定位及检测方法.首先,结合移动激光扫描检测方法,开展了隧道精确定位方法研究.然后,对YOLOv7模型进行了改进,引入了 ConvNeXt网络和CBAM模块以使模型更好地捕获多尺度、多抽象级别的特征,增强对渗漏水关键特征的关注;使用GIoU Loss损失函数,使模型能够更好地处理不完整渗漏水框;预测时使用Soft-NMS加权平均的方法,保留更多的边界框,从而提高检测精度.结合在重庆地铁获取的激光扫描数据构建的盾...

Full description

Saved in:
Bibliographic Details
Published in测绘学报 Vol. 53; no. 6; pp. 1236 - 1250
Main Authors 纪长琦, 郭肇捷, 孙海丽, 钟若飞
Format Journal Article
LanguageChinese
Published 首都师范大学资源环境与旅游学院,北京 100048%首都师范大学资源环境与旅游学院,北京 100048 22.07.2024
首都师范大学三维信息获取与应用教育部重点实验室,北京 100048
Subjects
注意力机制
盾构法
mine method
attention mechanism
tunnel localization
shield method
激光点云
laser point cloud
隧道定位
渗漏水检测
矿山法
leakage detection
Online AccessGet full text
ISSN1001-1595
DOI10.11947/j.AGCS.2024.20230438

Cover

More Information
Summary:P258; 渗漏水是地铁隧道最主要的病害之一,也会导致其他结构病害,开展地铁隧道渗漏水病害检测方法研究具有重要意义.本文聚焦于地铁隧道渗漏水问题,提出了一种基于移动激光扫描点云数据的渗漏水定位及检测方法.首先,结合移动激光扫描检测方法,开展了隧道精确定位方法研究.然后,对YOLOv7模型进行了改进,引入了 ConvNeXt网络和CBAM模块以使模型更好地捕获多尺度、多抽象级别的特征,增强对渗漏水关键特征的关注;使用GIoU Loss损失函数,使模型能够更好地处理不完整渗漏水框;预测时使用Soft-NMS加权平均的方法,保留更多的边界框,从而提高检测精度.结合在重庆地铁获取的激光扫描数据构建的盾构法和矿山法隧道渗漏水数据集,验证了本文方法的高效性和稳健性.消融试验表明,本文方法相较于基线模型在不同数据集上均取得了显著的性能提升,在盾构法数据集中,准确率P提升了 8.1％,召回率R提升了 4％;在矿山法数据集中,准确率P提升了 8.6％,召回率R提升了 6.8％.同时,与主流目标检测算法,如Faster RCNN(Swin)、Faster RCNN(ConvNeXt)、YOLOv8对比,本文方法在精度和速度方面都表现出优势.最后,本文展示了部分隧道渗漏水的定位与检测结果,以验证本文方法的实用性.
ISSN:1001-1595
DOI:10.11947/j.AGCS.2024.20230438