CN113076591A - 基于模糊数学的建筑区域结构特征提取及震害预测方法 - Google Patents

基于模糊数学的建筑区域结构特征提取及震害预测方法 Download PDF

Info

Publication number
CN113076591A
CN113076591A CN202110480648.3A CN202110480648A CN113076591A CN 113076591 A CN113076591 A CN 113076591A CN 202110480648 A CN202110480648 A CN 202110480648A CN 113076591 A CN113076591 A CN 113076591A
Authority
CN
China
Prior art keywords
building
model
earthquake damage
damage prediction
building area
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110480648.3A
Other languages
English (en)
Inventor
季静
陈熹俊
王雨
黄建良
韩小雷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN202110480648.3A priority Critical patent/CN113076591A/zh
Publication of CN113076591A publication Critical patent/CN113076591A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Computer Graphics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Architecture (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Structural Engineering (AREA)
  • Civil Engineering (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明公开了基于模糊数学的建筑区域结构特征提取及震害预测方法，包括以下步骤：S1、根据需要测量的建筑区域，规划无人机的拍摄巡航路线和航高；S2、所述无人机进行倾斜摄影，得到影像；S3、根据所述影像建立点云三维模型；S4、根据所述点云三维模型提取建筑几何信息；S5、取多个典型模型建立模型数据库，并通过服务器更新所述模型数据库；S6、所述模型数据库结合模糊识别原则得到震损预测模型，所述建筑几何信息通过震损预测模型得到震损数据。本发明可对建筑区域内多个建筑物进行批量提取，显著减少了工作时间，提高了工作效率；通过建筑几何信息预测震损情况具有便捷、高效等特点。

Description

基于模糊数学的建筑区域结构特征提取及震害预测方法
技术领域
本发明涉及无人机应用领域,尤其涉及基于模糊数学的建筑区域结构特征提取及震害预测方法。
背景技术
随着城市中人口、建筑和基础设施的密集化发展，城市中一旦发生地震灾害将导致严重的后果，区域震害预测对减轻地震灾害风险具有非常重要的意义。
基于易损性矩阵的结构易损性方法因其简单易行的优点，曾广泛应用于上个世纪的城市区域震害模拟中。该方法主要通过调查震害历史，给出不同建筑类型在不同地震烈度下达到某一破坏状态的概率，利用概率论的方法进行震害模拟。但其缺点在于，由于采用统计学的方法进行震害预测，其结果无法反映具体建筑物的破坏状态。为弥补上述方法的缺点，美国联邦应急管理署(Federal Emergency Management Agency)提出了基于能力-需求分析的建筑震害预测方法，并开发了HAZUS(The Hazards U.S，灾害评估管理系统)软件。该方法采用拟静力分析代替动力分析，通过地震动反应谱与建筑性能曲线的交点，来进行建筑的震害预测，目前已在全球范围内有了广泛的应用。然而，由于其采用单自由度体系对建筑进行简化，高阶振型对结构震害的影响是无法考虑的。鉴于HAZUS以上缺点，有学者采用精细模型(有限元模型或离散元模型)对城市区域建筑进行建模，并用其进行区域震害模拟，例如日本东京大学堀宗朗教授以建筑物高度估算结构平动周期、建筑类型估算阻尼比，通过多自由度剪切层模型评估城市级别的建筑结构地震响应的方法和清华大学陆新征提出的层剪切模型，都已在单体建筑的震害模拟中得到了较为广泛的应用。由于采用精细模型进行分析，并且满足区域震害预测时效性的需求，计算系统只能依靠超级计算机完成城市区域的震害模拟，难以得到广泛应用。
上述方法对于每一个新的区域，都需要重新进行勘察、建模和运算。上述方法逆向演绎思路即是用区域模型中的建筑特征信息，匹配结构数据库中的易损性结果，进而得出区域性震害损失评估。逆向评估由于建立在精确的区域模型和易损性分析之上，故在数据库足够的情况下，精度显然高于前者；而从计算量来看，针对一个新的区域，前者的计算复杂度是指数级的，而后者则是对数级的。
发明内容
本发明的目的是为了克服以上现有技术存在的高阶振型对结构震害的影响是无法考虑和只能依靠超级计算机完成城市区域的震害模拟难以广泛应用的技术问题，提供了基于模糊数学的建筑区域结构特征提取及震害预测方法。
本发明的目的通过以下的技术方案实现：基于模糊数学的建筑区域结构特征提取及震害预测方法，包括以下步骤：
S1、根据需要测量的建筑区域规划无人机的拍摄巡航路线和航高；
S2、所述无人机进行倾斜摄影得到影像；
S3、根据所述影像建立点云三维模型；
S4、根据所述点云三维模型提取建筑几何信息；
S5、取多个典型模型建立模型数据库，并通过服务器更新所述模型数据库；
S6、所述模型数据库结合模糊识别原则得到震损预测模型，所述建筑几何信息通过震损预测模型得到震损数据。
更优的选择，步骤S1中的所述拍摄巡航路线的航向重叠率包括60％～80％。
更优的选择，步骤S1中的所述航高比所述建筑区域的最高建筑物高50mm，且所述航高大于1.5倍所述最高建筑物的高度。
更优的选择，步骤1中的所述建筑区域为居民社区，所述航高为100～300m。
更优的选择，步骤S3包括以下步骤：
S31、所述影像通过多视立体匹配算法和运动恢复目标结构算法得到密集三维点云；
S32、所述密集三维点云通过柏松表面重建估算物体的指示函数得到似然值；
S33、根据所述似然值得到等值面，所述等值面通过重建三角网格空间得到点云三维模型。
更优的选择，步骤S4包括以下步骤：
S41、所述点云三维模型通过ArcGIS转化为深度影像图；
S42、所述深度影像图转化为二值图；
S43、寻找所述二值图的外接轮廓，并将所述外接轮廓保存于轮廓向量；
S44、通过计算所述轮廓向量得到所述平面几何信息。
更优的选择，步骤S5包括以下步骤：
S51、将多个所述典型模型转换为多个弹塑性分析模型；
S52、搭建服务器，所述服务器设有模型数据库，将多个所述弹塑性分析模型储存于模型数据库；
S53、所述模型数据库通过服务器收集数据并更新模型数据库。
更优的选择，步骤S51中的所述弹塑性分析模型包括YTP弹塑性分析模型和YTO弹塑性分析模型。
本发明相对现有技术具有以下优点及有益效果：
1、本发明通过基于模糊数学的建筑区域结构特征提取及震害预测方法，可对建筑区域内多个建筑物进行批量提取，显著减少了工作时间，提高了工作效率；相比于传统的震害预测方法，本发明通过建筑几何信息预测震损情况具有便捷、高效等特点。
附图说明
图1为基于模糊数学的建筑区域结构特征提取及震害预测方法的流程示意图；
图2为点云三维模型转化后的深度影像图；
图3为获得建筑外接轮廓的二值图；
图4为建筑区域的结构内梁损坏比例；
图5为建筑区域的结构内柱损坏比例；
图6为建筑区域的内结构的宏观损伤状态。
具体实施方式
下面结合附图和具体实施例对本发明的发明目的作进一步详细地描述,实施例不能在此一一赘述,但本发明的实施方式并不因此限定于以下实施例。
本实施例以住宅区为例，基于模糊数学的建筑区域结构特征提取及震害预测方法，包括以下步骤：
S1、根据需要测量的建筑区域，规划无人机的拍摄巡航路线，该无人机为大疆PHANTOM 4PRO V2.0。拍摄巡航路线的航向重叠率包括60％～80％。在每一次拍摄时，记录拍摄时刻无人机的坐标、运动姿势，以便利用图像信息及坐标信息进一步完善影像的拼接。无人机选择合适的航高，保证无人机拍摄照片的数量和分辨率。航高比建筑区域的最高建筑物高50mm，且航高大于1.5倍的最高建筑物的高度。该建筑区域为一般居民社区，航高为100～300m。
S2、无人机采用倾斜摄影组合镜头(1个正射镜头加上4个倾斜镜头)进行倾斜摄影，也可以通过无人机的单镜头和多航线的组合来代替倾斜摄影组合镜头，得到影像；确保相邻的影像之间有足够的重叠度，达到有效地进行影像匹配。
S3、根据影像建立建筑区域的点云三维模型。
S31、点云三维模型的建立采用MVS(Multi-view Stereo，多视立体匹配)，基于无人机所摄的一系列多角度影像，影像通过基于面元的PMVS(Patch-based Multi-viewStereo，多视立体匹配算法)和SFM(Structure Form Motion，运动恢复目标结构算法)得到密集三维点云。
S32、由于密集点云本身仍然包含着众多噪声，MVS未能有效消除点云离散性、不均匀性甚至数据丢失问题。密集三维点云通过柏松表面重建(Poisson SurfaceReconstruction)估算物体的指示函数得到似然值。
S33、根据似然值得到等值面，通过重建三角网格空间，逼近真实表面，得到点云三维模型，点云三维模型包括表面及空间几何结构。
S4、点云三维模型通过ArcGIS转化为深度影像图，再通过OpenCV提取建筑几何信息；
S41、点云三维模型通过ArcGIS(地理信息平台)转化为深度影像图。深度影像图是利用像素值表达图像采集器到场景中各点的相对距离(深度)值的图像，如图2所示。其建立过程为通过逐点内插的方法将点云三维模型转化为格网化的数字表面模型，再按照实际高程进行图像中灰度值的量化，得到能够同时表征平面和高度信息的深度影像图，因此建筑物的高程即可通过读取连通域内的灰度值获取。建筑物高度的提取采用Depth Image(深度图像)直接反映，即该三维模型的正射平面图像通过灰度值来表示该点在空间的相对高程，灰度值越大表示相对高程越大，在图像的颜色就越白，最大值为255白色，而最小值则为0黑色。
其中，点云三维模型中的高程值Zi与深度影像中的灰度值Gi满足以下关系：
Figure BDA0003048433260000061
其中计算公式中的Zmin、Zmax
S42、深度影像图转化为二值图。图像分割为基于OpenCV(Open Source ComputerVision Library，开源计算机视觉库)提供的API(Application Programming Interface，应用程序接口)，调用阈值分割threshold()将深度影像图转化为二值图，如图3所示，将待测的建筑区域与周围景观分离出来。在这个过程中会产生很多噪声和细小的空洞，调用高斯双边滤波bilateralFilter()去除二值图的噪声，调用种子填充floodFill()对二值图填补细小空洞。
S43、将处理后的二值图代入到OpenCV提供的API接口寻找外接轮廓findContours()，把建筑区域的建筑物的轮廓保存到轮廓向量contours中。
S44、通过计算轮廓向量得到所述平面几何信息。将所获得的轮廓向量contours代入到OpenCV提供的API接口最小外接矩形minAreaRect()计算获取建筑区域的建筑物的外接轮廓，即可提取各建筑物的平面几何信息。
S5、取多个典型YJK模型建立模型数据库，并搭建阿里云服务器收集数据并更新模型数据库，结合模糊识别原则得到震损预测模型。
S51、将集中塑性铰单元和刚度纤维单元模拟梁构件和柱构件，将多个典型YJK(盈建科)结构模型转换为OpenSEES(Open System for Earthquake EngineeringSimulation，地震工程模拟的开放体系软件软件)弹塑性分析模型；根据《建筑抗震设计规范》，每个典型YJK结构模型需要进行7条地震波的时程分析，同时进行IDA(Incrementaldynamic analysis，动力增量弹塑性分析)，每条地震波设置了4个PGA(Peak groundacceleration，峰值地面加速度)工况，完成四倍于模型数的地震动工况时程分析。
S52、搭建服务器，服务器设有模型数据库，多个弹塑性分析模型储存于模型数据库。搭建阿里云服务器，将YTP(YJK TO PERFORM-3D，盈建科—三维结构非线性分析与性能评估软件接口)弹塑性分析模型和YTO(YJK TO OpenSEES，盈建科—地震工程模拟的开放体系软件)弹塑性分析模型转换接口网络化，并提供给工程师及研究人员免费使用。
S53、模型数据库通过服务器收集数据并更新模型数据库。在接口的使用过程中，阿里云服务器将在协议的保护下收集模型数据，从而引入社会力量共建模型数据库。随着数据库的增加，模糊数学方法得到的震损预测模型的结果精度将会提升。提取每次时程分析中的震损指标，基于目前工程的实际，选用宏观的结构层次指标和构件损伤指标作为震损预测模型的输出参数。宏观结构层次指标分别为：最大层间位移角，残余层间位移角，最大层间剪力和最大水平位移，而构件层次的损伤将根据广东省标准《建筑工程混凝土结构抗震性能设计规程》(DBJ/T 15-151-2019)中提出的构件损伤指标，对建筑区域的抗震性能水准进行评估。
S6、建筑几何信息输入到震损预测模型得到震损数据，即是建筑几何信息与模型数据库中结构模型匹配，利用基于加权海明距离的模糊识别方法确定隶属度得到震损数据，通过震损数据预测建筑区域的建筑物震损情况。
以最大隶属度原则为模糊识别原则，处理建筑区域建筑物与模型数据库中结构模型的匹配问题。假设有n个模糊模式论域U为{A1,A2,...,An}，待识别的对象x0∈U，若Ai(x0)＝max[A1,A2,...,An]，则x0优先隶属于模糊模式Ai，即x0可被接受为xi，以xi表征x0。由此，待匹配的建筑区域的建筑物与模型数据库中结构模型的隶属程度即可得到可靠的量化，从而以模型数据库中隶属度最大的结构模型的损伤值来代表匹配建筑区域的建筑物的损伤。在进行隶属度计算之前，为了消除建筑结构几何特征间绝对尺度差异的影响，应基于标准模式对几何特征值做归一化处理，具体如式所示：
Figure BDA0003048433260000081
其中xij为第i个结构模型的第j项几何特征值(平面长度、平面宽度、建筑高度)；xj,max为第j项几何特征值的最大值；xj,min为第j项几何特征值的最小值；Φij为归一化后第i个结构模型的第j项几何特征值。
在与模型数据库的匹配过程中，各个特征对于匹配结果具有不同的地位和作用，为反映各特征的重要程度，应赋予相应的权重。本实施例以建筑几何参数和工程中最常用的宏观指标最大层间位移角进行相关性分析，计算各个几何参数的spearman(斯皮尔曼)系数，并以下列公式计算各个参数的权重：
Figure BDA0003048433260000082
其中Wa为某一参数(平面长度、平面宽度、建筑高度中任意一个)的权重；Sa为该参数的spearman系数值；Sb及Sc为另外两个参数的spearman系数值。
结合数据归一化的分布特点，采用加权海明距离来计算隶属度Ai，待匹配识别的建筑区域的建筑物与模型数据库中结构模型的隶属程度便可由此得到可靠的量化，继而找到代表其损失模式的结构模型，用模型数据库中隶属度最大的结构模型的结构损伤来代表待匹配建筑区域的建筑物的结构损伤，具体如式所示：
Figure BDA0003048433260000091
其中，Xj为待识别建筑物的第j项几何特征值；xj,max为第j项几何特征值的最大值；xj,min为第j项几何特征值的最小值；Φj为归一化后的待识别建筑物的第j项几何特征值。
Figure BDA0003048433260000092
其中，Wa为某一参数(平面长度、平面宽度、建筑物高度中任意一个)的权重；Φij为归一化后第i个结构模型的第j项几何特征值；m是几何特征值的总数，m为3个，分别为长、宽和高；Φj为归一化后的待识别建筑物的第j项几何特征值。
在获得建筑区域的建筑几何信息后，建立模糊数学的预测震损模型，基于加权海明距离计算区域群体结构与模型数据库中结构模型的隶属度，即可选取隶属度最大的结构模型来表征实际区域内结构的宏观损伤指标及构件损伤状态，构件损伤状态如图4、图5所示。根据构件损伤状态，即可得到每栋建筑物的宏观损坏程度，进而对其抗震性能水准进行评估。
本发明未详细公开的部分属于本领域的公知技术。
上述具体实施方式为本发明的优选实施例，并不能对本发明进行限定，其他的任何未背离本发明的技术方案而所做的改变或其它等效的置换方式，都包含在本发明的保护范围之内。

Claims (8)

1.基于模糊数学的建筑区域结构特征提取及震害预测方法，其特征在于，包括以下步骤：
S1、根据需要测量的建筑区域规划无人机的拍摄巡航路线和航高；
S2、所述无人机进行倾斜摄影得到影像；
S3、根据所述影像建立点云三维模型；
S4、根据所述点云三维模型提取建筑几何信息；
S5、取多个典型模型建立模型数据库，并通过服务器更新所述模型数据库；
S6、所述模型数据库结合模糊识别原则得到震损预测模型，所述建筑几何信息通过震损预测模型得到震损数据。
2.根据权利要求1所述基于模糊数学的建筑区域结构特征提取及震害预测方法，其特征在于，步骤S1中的所述拍摄巡航路线的航向重叠率包括60％～80％。
3.根据权利要求1所述基于模糊数学的建筑区域结构特征提取及震害预测方法，其特征在于，步骤S1中的所述航高比所述建筑区域的最高建筑物高50mm，且所述航高大于1.5倍所述最高建筑物的高度。
4.根据权利要求1所述基于模糊数学的建筑区域结构特征提取及震害预测方法，其特征在于，步骤S1中的所述建筑区域为居民社区，所述航高为100～300m。
5.根据权利要求1所述基于模糊数学的建筑区域结构特征提取及震害预测方法，其特征在于，步骤S3包括以下步骤：
S31、所述影像通过多视立体匹配算法和运动恢复目标结构算法得到密集三维点云；
S32、所述密集三维点云通过柏松表面重建估算物体的指示函数得到似然值；
S33、根据所述似然值得到等值面，所述等值面通过重建三角网格空间得到点云三维模型。
6.根据权利要求1所述基于模糊数学的建筑区域结构特征提取及震害预测方法，其特征在于，步骤S4包括以下步骤：
S41、所述点云三维模型通过ArcGIS转化为深度影像图；
S42、所述深度影像图转化为二值图；
S43、寻找所述二值图的外接轮廓，并将所述外接轮廓保存于轮廓向量；
S44、通过计算所述轮廓向量得到所述平面几何信息。
7.根据权利要求1所述基于模糊数学的建筑区域结构特征提取及震害预测方法，其特征在于，步骤S5包括以下步骤：
S51、将多个所述典型模型转换为多个弹塑性分析模型；
S52、搭建服务器，所述服务器设有模型数据库，将多个所述弹塑性分析模型储存于模型数据库；
S53、所述模型数据库通过服务器收集数据并更新模型数据库。
8.根据权利要求7所述基于模糊数学的建筑区域结构特征提取及震害预测方法，其特征在于，步骤S51中的所述弹塑性分析模型包括YTP弹塑性分析模型和YTO弹塑性分析模型。
CN202110480648.3A 2021-04-30 2021-04-30 基于模糊数学的建筑区域结构特征提取及震害预测方法 Pending CN113076591A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110480648.3A CN113076591A (zh) 2021-04-30 2021-04-30 基于模糊数学的建筑区域结构特征提取及震害预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110480648.3A CN113076591A (zh) 2021-04-30 2021-04-30 基于模糊数学的建筑区域结构特征提取及震害预测方法

Publications (1)

Publication Number Publication Date
CN113076591A true CN113076591A (zh) 2021-07-06

Family

ID=76616097

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110480648.3A Pending CN113076591A (zh) 2021-04-30 2021-04-30 基于模糊数学的建筑区域结构特征提取及震害预测方法

Country Status (1)

Country Link
CN (1) CN113076591A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115267883A (zh) * 2022-06-23 2022-11-01 华南理工大学 地震响应预测模型训练及预测方法、系统、设备及介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190197311A1 (en) * 2017-12-26 2019-06-27 Harbin Institute Of Technology Evaluation Method of Solar Energy Utilization Potential in Urban High-density Areas Based on Low-altitude Photogrammetry
CN110796152A (zh) * 2020-01-06 2020-02-14 杭州鲁尔物联科技有限公司 一种基于倾斜摄影的群体建筑物震害提取方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190197311A1 (en) * 2017-12-26 2019-06-27 Harbin Institute Of Technology Evaluation Method of Solar Energy Utilization Potential in Urban High-density Areas Based on Low-altitude Photogrammetry
CN110796152A (zh) * 2020-01-06 2020-02-14 杭州鲁尔物联科技有限公司 一种基于倾斜摄影的群体建筑物震害提取方法及系统

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
LU X ET AL.: "Real-time city-scale time-history analysis and its application in resilience-oriented earthquake emergency responses", 《APPLIED SCIENCES》 *
中华人民共和国住房与城乡建设部: "《高层建筑混凝土结构技术规程(JGJ3-2010)》", 1 October 2010 *
中华人民共和国住房和城乡建设部: "《建筑设计规范（GB50011-2010）》", 15 August 2010, 中国建筑工业出版社 *
冯德益 等: "模糊数学方法在地震研究中的应用", 《地震学刊》 *
钱稼茹 等: "静力弹塑性分析--基于性能位移抗震设计的分析工具", 《建筑结构》 *
陈相兆 等: "基于CityEngine的城市建筑群三维震害模拟研究", 《地震工程与工程振动》 *
黄建良: "区域性建筑地震直接经济损失预测方法研究", 《中国优秀硕士学位论文全文数据库工程科技II辑》 *
黄群贤: "新型砌体填充墙框架结构抗震性能与弹塑性地震反应分析方法研究", 《中国博士学位论文全文数据库工程科技II辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115267883A (zh) * 2022-06-23 2022-11-01 华南理工大学 地震响应预测模型训练及预测方法、系统、设备及介质
CN115267883B (zh) * 2022-06-23 2023-08-29 华南理工大学 地震响应预测模型训练及预测方法、系统、设备及介质

Similar Documents

Publication Publication Date Title
KR102126724B1 (ko) 포인트 클라우드 데이터를 복구하기 위한 방법 및 장치
CN111462329A (zh) 一种基于深度学习的无人机航拍影像的三维重建方法
CN111429574A (zh) 基于三维点云和视觉融合的移动机器人定位方法和系统
CN112347550B (zh) 耦合式室内三维语义建图及建模方法
CN110866531A (zh) 一种基于三维建模的建筑物特征提取方法、系统及存储介质
CN110223351B (zh) 一种基于卷积神经网络的深度相机定位方法
CN114758337B (zh) 一种语义实例重建方法、装置、设备及介质
CN112818925A (zh) 一种城市建筑和树冠识别方法
CN116258608B (zh) 融合gis和bim三维技术的水利实时监测信息管理系统
CN116222577B (zh) 闭环检测方法、训练方法、系统、电子设备及存储介质
CN112148820B (zh) 一种基于深度学习的水下地形数据识别和服务方法及系统
Khayyal et al. Creation and spatial analysis of 3D city modeling based on GIS data
CN116343103B (zh) 一种基于三维gis场景与视频融合的自然资源监管方法
CN116563493A (zh) 基于三维重建的模型训练方法、三维重建方法及装置
CN114842139A (zh) 一种基于空间分析的建筑三维数字化模型构建方法
CN113076591A (zh) 基于模糊数学的建筑区域结构特征提取及震害预测方法
Borisov et al. An automated process of creating 3D city model for monitoring urban infrastructures
KR101079475B1 (ko) 포인트 클라우드 필터링을 이용한 3차원 도시공간정보 구축 시스템
CN111080080B (zh) 一种村镇地质灾害风险预估方法及系统
KR101079531B1 (ko) 포인트 클라우드 데이터를 이용한 도로 레이어 생성 시스템
KR102564218B1 (ko) 드론 영상과 인공지능을 이용한 침수 범람 예측 시스템
CN116912817A (zh) 三维场景模型拆分方法、装置、电子设备和存储介质
CN114820965B (zh) 一种全息地图建设用实景三维建模方法
CN115187736A (zh) 目标地图生成方法以及装置、ar地图生成方法以及装置
CN114998539A (zh) 一种智慧城市传感器地形定位建图方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20210706

RJ01 Rejection of invention patent application after publication