CN116065638A - 一种高速公路的衔接桥钢桩的稳定性测试方法和装置 - Google Patents
一种高速公路的衔接桥钢桩的稳定性测试方法和装置 Download PDFInfo
- Publication number
- CN116065638A CN116065638A CN202310199927.1A CN202310199927A CN116065638A CN 116065638 A CN116065638 A CN 116065638A CN 202310199927 A CN202310199927 A CN 202310199927A CN 116065638 A CN116065638 A CN 116065638A
- Authority
- CN
- China
- Prior art keywords
- steel pile
- deformation
- compression
- bending
- model
- 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.)
- Granted
Links
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 286
- 239000010959 steel Substances 0.000 title claims abstract description 286
- 238000013112 stability test Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000005452 bending Methods 0.000 claims abstract description 138
- 230000006835 compression Effects 0.000 claims abstract description 134
- 238000007906 compression Methods 0.000 claims abstract description 134
- 238000012360 testing method Methods 0.000 claims abstract description 60
- 238000012430 stability testing Methods 0.000 claims abstract description 9
- 238000012937 correction Methods 0.000 claims description 44
- 238000004422 calculation algorithm Methods 0.000 claims description 28
- 239000000463 material Substances 0.000 claims description 10
- 238000002372 labelling Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 9
- 238000000605 extraction Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012669 compression test Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02D—FOUNDATIONS; EXCAVATIONS; EMBANKMENTS; UNDERGROUND OR UNDERWATER STRUCTURES
- E02D33/00—Testing foundations or foundation structures
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02D—FOUNDATIONS; EXCAVATIONS; EMBANKMENTS; UNDERGROUND OR UNDERWATER STRUCTURES
- E02D5/00—Bulkheads, piles, or other structural elements specially adapted to foundation engineering
- E02D5/22—Piles
- E02D5/24—Prefabricated piles
- E02D5/28—Prefabricated piles made of steel or other metals
-
- 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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Structural Engineering (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Civil Engineering (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Paleontology (AREA)
- Mining & Mineral Resources (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Architecture (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Graphics (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
- Placing Or Removing Of Piles Or Sheet Piles, Or Accessories Thereof (AREA)
Abstract
本发明涉及稳定性测试技术，揭露了一种高速公路的衔接桥钢桩的稳定性测试方法和装置，该方法包括：利用预设的深度扫描仪采集稳定测试中的衔接桥钢桩的形变图集；对形变图集进行点云匹配，得到钢桩形变点云集，对钢桩形变点云集进行三维重建，得到钢桩形变模型集；按照测试项目将钢桩形变模型集拆分为侧移模型集、受压模型集以及弯扭模型集，从侧移模型集中提取出侧移数据集，计算出衔接桥钢桩的侧移强度；计算出衔接桥钢桩的受压稳定系数；计算出衔接桥钢桩的弯扭稳定系数，将受压稳定系数和弯扭稳定系数汇集成稳定系数集，结束稳定测试。本发明还提出一种高速公路的衔接桥钢桩的稳定性测试装置。本发明可以提高钢桩稳定性测试的测试精度。
Description
技术领域
本发明涉及稳定性测试技术领域，尤其涉及一种高速公路的衔接桥钢桩的稳定性测试方法和装置。
背景技术
高速公路衔接桥是用于在两个高速公路之间进行公路衔接的桥梁，一般由钢桩和桥面组成，但为了了解衔接桥钢桩的稳定性，进而适配工程需求，需要对衔接桥钢桩进行稳定性测试。
现有的衔接桥钢桩的稳定性测试技术多为基于简单的人工建立等比例模型，在测试软件中进行模拟测试。例如，基于测试模拟软件CPillar的稳定性测试方法，实际应用中，测试模拟软件的建模可能与实际存在细微区别，且稳定性测试的质量受众多因素影响，单纯的基于模拟软件的测试方法可能导致钢桩稳定性测试的结果精确度较差。
发明内容
本发明提供一种高速公路的衔接桥钢桩的稳定性测试方法和装置，其主要目的在于解决钢桩稳定性测试的结果精确度较差的问题。
为实现上述目的，本发明提供的一种高速公路的衔接桥钢桩的稳定性测试方法，包括：
对所述衔接桥钢桩进行稳定测试，利用预设的深度扫描仪采集稳定测试中的所述衔接桥钢桩的形变图集；
对所述形变图集进行点云匹配，得到钢桩形变点云集，对所述钢桩形变点云集进行三维重建，得到钢桩形变模型集；
按照所述稳定测试的测试项目将所述钢桩形变模型集拆分为侧移模型集、受压模型集以及弯扭模型集，从所述侧移模型集中提取出侧移数据集，利用预设的侧移强度算法根据所述侧移数据集计算出所述衔接桥钢桩的侧移强度，其中，所述利用预设的侧移强度算法根据所述侧移数据集计算出所述衔接桥钢桩的侧移强度，包括：获取所述衔接桥钢桩的修正系数以及钢材弹性模量；利用如下的侧移强度算法根据所述侧移数据集、所述修正系数以及所述钢材弹性模量计算出所述衔接桥钢桩的侧移强度：
其中，是指所述侧移强度，是指所述修正系数，是指所述钢材弹性模量，是指所述侧移数据集中的极惯性矩，是指所述侧移数据集中的钢桩长度，是指所述侧移数据集中的极限侧移角度，是指所述侧移数据集中的斜架截面积，是指所述侧移数据集中的支撑截面积；
从所述受压模型集中提取出受压数据集，根据所述受压数据集和所述侧移数据集计算出所述衔接桥钢桩的受压稳定系数；
从所述弯扭模型集中提取出弯扭数据集，根据所述弯扭数据集和所述侧移数据集计算出所述衔接桥钢桩的弯扭稳定系数，将所述受压稳定系数和所述弯扭稳定系数汇集成稳定系数集，结束稳定测试。
可选地，所述对所述形变图集进行点云匹配，得到钢桩形变点云集，包括：
对所述形变图集中的每个图片进行畸变矫正，得到初始形变图集；
对所述初始形变图集中的每个图片进行极线矫正，得到标准形变图集；
对所述标准形变图集进行特征提取，得到钢桩特征点集；
计算出所述钢桩特征点集对应的匹配点，利用所述匹配点将所述标准形变图集转化为视差形变图集；
利用所述视差形变图集将所述标准形变图集转化为点位形变点云集，并对所述点位形变点云集进行坐标转化，得到钢桩形变点云集。
可选地，所述对所述形变图集中的每个图片进行畸变矫正，得到初始形变图集，包括：
逐个选取所述形变图集中的图片作为目标形变图片，获取所述目标形变图片对应的深度扫描仪的镜头畸变内参；
根据所述镜头畸变内参构建所述目标形变图片的畸变矫正模型；
逐个选取所述目标形变图片中的像素作为目标像素，利用所述畸变矫正模型计算出所述目标像素对应的矫正像素坐标；
根据所述矫正像素坐标对所述目标像素进行坐标更新，当所述目标像素为所述目标形变图片中的最后一个像素时，将坐标更新后的所述目标形变图片作为目标初始图片，并将所有的所述目标初始图片汇集成初始形变图集。
可选地，所述对所述初始形变图集中的每个图片进行极线矫正，得到标准形变图集，包括：
逐个选取所述初始形变图集中的图片作为目标初始图片，选取所述初始形变图集中与所述目标初始图片对应的双目图片作为目标双目图片；
利用所述目标初始图片对所述目标双目图片进行映射，得到横轴基向量；
根据所述横轴基向量计算出所述目标初始图片对应的畸变外参，根据所述畸变外参对所述目标初始图片进行极线矫正，得到目标标准图片，并将所有的所述目标标准图片汇集成标准形变图集。
可选地，所述对所述钢桩形变点云集进行三维重建，得到钢桩形变模型集，包括：
对所述钢桩形变点云集进行钢桩语义识别，得到钢桩部件集；
从所述钢桩形变点云集中提取出所述钢桩部件集对应的钢桩部件参数集；
根据所述钢桩部件参数集对所述衔接桥钢桩进行三维重建，得到钢桩形变模型集。
可选地，所述按照所述稳定测试的测试项目将所述钢桩形变模型集拆分为侧移模型集、受压模型集以及弯扭模型集，包括：
获取所述稳定测试中每个测试项目的项目时间戳；
按照所述项目时间戳将所述形变图集拆分成侧移图集、受压图集以及弯扭图集；
从所述钢桩形变模型集中分别提取出所述侧移图集对应的侧移模型集、所述受压图集对应的受压模型集以及所述弯扭图集对应的弯扭模型集。
可选地，所述从所述侧移模型集中提取出侧移数据集，包括：
从所述侧移模型集中筛选出侧移反弯模型集，对所述侧移反弯模型集中的每个侧弯模型进行侧弯点标注，得到侧弯标注模型集；
提取出所述侧弯标注模型集中每个模型对应的弯点距离，并根据所有的所述弯点距离计算出所述衔接桥钢桩的计算距离；
从所述侧弯标注模型集中提取出极限侧移模型，并获取所述极限侧移模型对应的极限侧移角度、钢桩长度、支撑截面积、斜架截面积以及极惯性矩，将所述计算距离、所述极限侧移角度、所述钢桩长度、所述支撑截面积、所述斜架截面积以及所述极惯性矩汇集成侧移数据集。
可选地，所述从所述受压模型集中提取出受压数据集，包括：
从所述受压模型集中提取极限受压模型；
提取出所述极限受压模型对应的受压惯性矩、受压截面模量、临界压力以及受压截面积；
将所述受压惯性矩、所述受压截面模量、所述临界压力以及所述受压截面积汇集成受压数据集。
可选地，所述根据所述受压数据集和所述侧移数据集计算出所述衔接桥钢桩的受压稳定系数，包括：
从所述侧移数据集中提取出计算距离，并获取所述衔接桥钢桩的钢材弹性模量；
利用如下的受压稳定公式根据所述计算距离、所述钢材弹性模量以及所述受压数据集计算出所述衔接桥钢桩的受压稳定系数：
其中，是指所述受压稳定系数，是指圆周率，是指所述钢材弹性模量，是指受压数据集中的受压惯性矩，是指所述受压数据集中的受压截面积，是指所述受压数据集中的受压截面模量，是指所述计算距离，是指所述受压数据集中的临界压力。
为了解决上述问题，本发明还提供一种高速公路的衔接桥钢桩的稳定性测试装置，所述装置包括：
图集采集模块，用于对所述衔接桥钢桩进行稳定测试，利用预设的深度扫描仪采集稳定测试中的所述衔接桥钢桩的形变图集；
三维重建模块，用于对所述形变图集进行点云匹配，得到钢桩形变点云集，对所述钢桩形变点云集进行三维重建，得到钢桩形变模型集；
侧移强度模块，用于按照所述稳定测试的测试项目将所述钢桩形变模型集拆分为侧移模型集、受压模型集以及弯扭模型集，从所述侧移模型集中提取出侧移数据集，利用预设的侧移强度算法根据所述侧移数据集计算出所述衔接桥钢桩的侧移强度，其中，所述利用预设的侧移强度算法根据所述侧移数据集计算出所述衔接桥钢桩的侧移强度，包括：获取所述衔接桥钢桩的修正系数以及钢材弹性模量；利用如下的侧移强度算法根据所述侧移数据集、所述修正系数以及所述钢材弹性模量计算出所述衔接桥钢桩的侧移强度：
其中，是指所述侧移强度，是指所述修正系数，是指所述钢材弹性模量，是指所述侧移数据集中的极惯性矩，是指所述侧移数据集中的钢桩长度，是指所述侧移数据集中的极限侧移角度，是指所述侧移数据集中的斜架截面积，是指所述侧移数据集中的支撑截面积；
受压系数模块，用于从所述受压模型集中提取出受压数据集，根据所述受压数据集和所述侧移数据集计算出所述衔接桥钢桩的受压稳定系数；
弯扭系数模块，用于从所述弯扭模型集中提取出弯扭数据集，根据所述弯扭数据集和所述侧移数据集计算出所述衔接桥钢桩的弯扭稳定系数，将所述受压稳定系数和所述弯扭稳定系数汇集成稳定系数集，结束稳定测试。
本发明实施例通过利用预设的深度扫描仪采集稳定测试中的所述衔接桥钢桩的形变图集，可以准确记录所述衔接桥钢桩的测试状况，方便后续提取出更加精确的测试参数，通过对所述形变图集进行点云匹配，得到钢桩形变点云集，对所述钢桩形变点云集进行三维重建，得到钢桩形变模型集，可以将形变图集采集到的图片转化为三维模型，从而更加直观的展示测试过程中钢桩的形变细节，得到更加准确的测试数据，通过按照所述稳定测试的测试项目将所述钢桩形变模型集拆分为侧移模型集、受压模型集以及弯扭模型集，可以方便地区分测试项目，从而为每个项目提取精确的测试参数，通过从所述侧移模型集中提取出侧移数据集，利用预设的侧移强度算法根据所述侧移数据集计算出所述衔接桥钢桩的侧移强度，可以提高侧移强度计算的准确性；
通过从所述受压模型集中提取出受压数据集，根据所述受压数据集和所述侧移数据集计算出所述衔接桥钢桩的受压稳定系数，可以对所述受压模型集中每个模型的受压状态进行分析，从而确保计算出的受压稳定系数的数据精度，通过利用所述弯扭公式根据所述计算距离以及所述弯扭数据集计算出所述衔接桥钢桩的弯扭稳定系数，可以满足局部稳定性要求，缩小了弯扭的范围，提高了弯扭稳定系数的计算精度。因此本发明提出的高速公路的衔接桥钢桩的稳定性测试方法和装置，可以解决钢桩稳定性测试的结果精确度较差的问题。
附图说明
图1为本发明一实施例提供的高速公路的衔接桥钢桩的稳定性测试方法的流程示意图；
图2为本发明一实施例提供的重建钢桩形变模型集的流程示意图；
图3为本发明一实施例提供的计算侧移强度的流程示意图；
图4为本发明一实施例提供的高速公路的衔接桥钢桩的稳定性测试装置的功能模块图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种高速公路的衔接桥钢桩的稳定性测试方法。所述高速公路的衔接桥钢桩的稳定性测试方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述高速公路的衔接桥钢桩的稳定性测试方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的高速公路的衔接桥钢桩的稳定性测试方法的流程示意图。在本实施例中，所述高速公路的衔接桥钢桩的稳定性测试方法包括：
S1、对所述衔接桥钢桩进行稳定测试，利用预设的深度扫描仪采集稳定测试中的所述衔接桥钢桩的形变图集。
本发明实施例中，所述衔接桥钢桩是指高速公路与高速公路之间的衔接桥的钢桩，所述钢桩由钢管、企口榫槽、企口榫销以及加强筋等部件构成，所述进行稳定性测试包括进行侧移测试、受压测试以及弯扭测试，其中，所述稳定性测试可以是利用等比例模型进行测试。
详细地，所述深度扫描仪可以是深度相机（Time of Flight，简称TOF）或双目相机，所述利用预设的深度扫描仪采集稳定测试中的所述衔接桥钢桩的形变图集是指利用多个配置在不同点位的所述深度扫描仪对稳定测试过程中的衔接桥钢桩进行拍摄，得到记录所述衔接桥钢桩形变情况的图集。
本发明实施例中，通过利用预设的深度扫描仪采集稳定测试中的所述衔接桥钢桩的形变图集，可以准确记录所述衔接桥钢桩的测试状况，方便后续提取出更加精确的测试参数。
S2、对所述形变图集进行点云匹配，得到钢桩形变点云集，对所述钢桩形变点云集进行三维重建，得到钢桩形变模型集。
本发明实施例中，参照图2所示，所述对所述形变图集进行点云匹配，得到钢桩形变点云集，包括：
S21、对所述形变图集中的每个图片进行畸变矫正，得到初始形变图集；
S22、对所述初始形变图集中的每个图片进行极线矫正，得到标准形变图集；
S23、对所述标准形变图集进行特征提取，得到钢桩特征点集；
S24、计算出所述钢桩特征点集对应的匹配点，利用所述匹配点将所述标准形变图集转化为视差形变图集；
S25、利用所述视差形变图集将所述标准形变图集转化为点位形变点云集，并对所述点位形变点云集进行坐标转化，得到钢桩形变点云集。
详细地，所述畸变矫正是指消除所述形变图集中的图片因为相机镜头曲率而造成的畸变，所述畸变实际上是光学透镜固有的透视失真的总称，也就是因为透视原因造成的失真，这种失真对于照片的成像质量是非常不利的，会影响图片中物体的形状，进一步影响后续提取的钢桩参数，因此需要对此进行矫正。
详细地，所述对所述形变图集中的每个图片进行畸变矫正，得到初始形变图集，包括：
逐个选取所述形变图集中的图片作为目标形变图片，获取所述目标形变图片对应的深度扫描仪的镜头畸变内参；
根据所述镜头畸变内参构建所述目标形变图片的畸变矫正模型；
逐个选取所述目标形变图片中的像素作为目标像素，利用所述畸变矫正模型计算出所述目标像素对应的矫正像素坐标；
根据所述矫正像素坐标对所述目标像素进行坐标更新，当所述目标像素为所述目标形变图片中的最后一个像素时，将坐标更新后的所述目标形变图片作为目标初始图片，并将所有的所述目标初始图片汇集成初始形变图集。
详细地，所述镜头畸变内参是指所述深度扫描仪的切向内参，所述畸变矫正模型是指预先利用训练集训练后的切向畸变矫正算法。
详细地，所述对所述初始形变图集中的每个图片进行极线矫正，得到标准形变图集，包括：
逐个选取所述初始形变图集中的图片作为目标初始图片，选取所述初始形变图集中与所述目标初始图片对应的双目图片作为目标双目图片；
利用所述目标初始图片对所述目标双目图片进行映射，得到横轴基向量；
根据所述横轴基向量计算出所述目标初始图片对应的畸变外参，根据所述畸变外参对所述目标初始图片进行极线矫正，得到目标标准图片，并将所有的所述目标标准图片汇集成标准形变图集。
详细地，所述双目图片是指所述目标初始图片对应的深度扫描仪在拍摄所述目标初始图片时同时拍摄的图片，所述横轴基向量是指所述目标初始图片在x轴上的基向量，所述基向量是指坐标轴旋转或移动后，各个坐标轴在世界坐标系下的新值；可以利用Fusiello算法根据所述横轴基向量计算出所述目标初始图片对应的畸变外参。
详细地，所述对所述标准形变图集进行特征提取，得到钢桩特征点集，包括对所述标准形变图集进行图片去噪，得到平滑形变图集；对所述平滑形变图集进行特征提取，得到特征像素集；提取出所述特征像素集的中心点组，并计算出所述中心点组对应的钢桩特征点集。
具体地，可以利用高速平滑算法对所述标准形变图集进行图片去噪，得到平滑形变图集，可以利用Hessian Matrix算法对所述平滑形变图集进行特征提取，得到特征像素集，可以利用Lowers算法计算出所述中心点组对应的钢桩特征点集；可以利用线性插值算法计算出所述钢桩特征点集对应的匹配点。
详细地，所述对所述钢桩形变点云集进行三维重建，得到钢桩形变模型集，包括：
对所述钢桩形变点云集进行钢桩语义识别，得到钢桩部件集；
从所述钢桩形变点云集中提取出所述钢桩部件集对应的钢桩部件参数集；
根据所述钢桩部件参数集对所述衔接桥钢桩进行三维重建，得到钢桩形变模型集。
详细地，可以利用预先利用钢桩点云训练过的卷积神经网络对所述钢桩形变点云集进行钢桩语义识别，得到钢桩部件集。
本发明实施例中，通过对所述形变图集进行点云匹配，得到钢桩形变点云集，对所述钢桩形变点云集进行三维重建，得到钢桩形变模型集，可以将形变图集采集到的图片转化为三维模型，从而更加直观的展示测试过程中钢桩的形变细节，得到更加准确的测试数据。
S3、按照所述稳定测试的测试项目将所述钢桩形变模型集拆分为侧移模型集、受压模型集以及弯扭模型集，从所述侧移模型集中提取出侧移数据集，利用预设的侧移强度算法根据所述侧移数据集计算出所述衔接桥钢桩的侧移强度。
本发明实施例中，所述按照所述稳定测试的测试项目将所述钢桩形变模型集拆分为侧移模型集、受压模型集以及弯扭模型集，包括：
获取所述稳定测试中每个测试项目的项目时间戳；
按照所述项目时间戳将所述形变图集拆分成侧移图集、受压图集以及弯扭图集；
从所述钢桩形变模型集中分别提取出所述侧移图集对应的侧移模型集、所述受压图集对应的受压模型集以及所述弯扭图集对应的弯扭模型集。
详细地，所述项目时间戳是指每个测试项目对应的开始时间戳和结束时间戳。
详细地，所述从所述侧移模型集中提取出侧移数据集，包括：
从所述侧移模型集中筛选出侧移反弯模型集，对所述侧移反弯模型集中的每个侧弯模型进行侧弯点标注，得到侧弯标注模型集；
提取出所述侧弯标注模型集中每个模型对应的弯点距离，并根据所有的所述弯点距离计算出所述衔接桥钢桩的计算距离；
从所述侧弯标注模型集中提取出极限侧移模型，并获取所述极限侧移模型对应的极限侧移角度、钢桩长度、支撑截面积、斜架截面积以及极惯性矩，将所述计算距离、所述极限侧移角度、所述钢桩长度、所述支撑截面积、所述斜架截面积以及所述极惯性矩汇集成侧移数据集。
详细地，所述侧移反弯模型集是指所述侧移模型集中出现反弯状态的模型组成的集合，所述反弯是指所述衔接桥钢桩的S型反弯，所述对所述侧移反弯模型集中的每个侧弯模型进行侧弯点标注，得到侧弯标注模型集是指对每个所述侧弯模型的侧弯点进行标注，所述侧弯点是指所述侧弯模型中正弯矩和反弯矩的分界点；所述弯点距离是指模型中两个侧弯点之间的竖直距离，所述计算距离是指所有的所述弯点距离的平均值。
详细地，所述极限侧移模型是指所述侧弯标注模型集中侧移幅度最大的模型，所述极限侧移角度是指所述极限侧移模型的支撑杆与水平面之间的夹角，所述钢桩长度是指所述极限侧移模型对应的衔接桥钢桩的高度，所述极惯性矩是指所述斜架截面积的对极点的二次矩。
本发明实施例中，参照图3所示，所述利用预设的侧移强度算法根据所述侧移数据集计算出所述衔接桥钢桩的侧移强度，包括：
S31、获取所述衔接桥钢桩的修正系数以及钢材弹性模量；
S32、利用如下的侧移强度算法根据所述侧移数据集、所述修正系数以及所述钢材弹性模量计算出所述衔接桥钢桩的侧移强度：
其中，是指所述侧移强度，是指所述修正系数，是指所述钢材弹性模量，是指所述侧移数据集中的极惯性矩，是指所述侧移数据集中的钢桩长度，是指所述侧移数据集中的极限侧移角度，是指所述侧移数据集中的斜架截面积，是指所述侧移数据集中的支撑截面积。
本发明实施例中，所述修正系数是指所述衔接桥钢桩的D值修正系数，所述钢材弹性模量与所述衔接桥钢桩的材质有关，通过利用所述侧移强度算法根据所述侧移数据集、所述修正系数以及所述钢材弹性模量计算出所述衔接桥钢桩的侧移强度，能够结合所述衔接桥钢桩的支撑杆考虑侧移强度，提高侧移强度计算的准确性。
本发明实施例中，通过按照所述稳定测试的测试项目将所述钢桩形变模型集拆分为侧移模型集、受压模型集以及弯扭模型集，可以方便地区分测试项目，从而为每个项目提取精确的测试参数，通过从所述侧移模型集中提取出侧移数据集，利用预设的侧移强度算法根据所述侧移数据集计算出所述衔接桥钢桩的侧移强度，可以提高侧移强度计算的准确性。
S4、从所述受压模型集中提取出受压数据集，根据所述受压数据集和所述侧移数据集计算出所述衔接桥钢桩的受压稳定系数。
本发明实施例中，所述从所述受压模型集中提取出受压数据集，包括：
从所述受压模型集中提取极限受压模型；
提取出所述极限受压模型对应的受压惯性矩、受压截面模量、临界压力以及受压截面积；
将所述受压惯性矩、所述受压截面模量、所述临界压力以及所述受压截面积汇集成受压数据集。
详细地，所述极限受压模型是指所述受压模型集中压力感应计位于临界值时对应的模型，所述受压惯性矩是指所述极限受压模型的面积二次矩，所述受压截面模量是指所述衔接桥钢桩的有效截面积，所述临界压力是指物体处于临界状态下的压力，所述受压截面积是指所述极限受压模型受压部分的截面积。
本发明实施例中，所述根据所述受压数据集和所述侧移数据集计算出所述衔接桥钢桩的受压稳定系数，包括：
从所述侧移数据集中提取出计算距离，并获取所述衔接桥钢桩的钢材弹性模量；
利用如下的受压稳定公式根据所述计算距离、所述钢材弹性模量以及所述受压数据集计算出所述衔接桥钢桩的受压稳定系数：
其中，是指所述受压稳定系数，是指圆周率，是指所述钢材弹性模量，是指受压数据集中的受压惯性矩，是指所述受压数据集中的受压截面积，是指所述受压数据集中的受压截面模量，是指所述计算距离，是指所述受压数据集中的临界压力。
本发明实施例中，通过利用所述受压稳定公式根据所述计算距离、所述钢材弹性模量以及所述受压数据集计算出所述衔接桥钢桩的受压稳定系数，可以考虑到二阶效应后的截面压应力，从而提高受压稳定系数计算的精确度。
本发明实施例中，通过从所述受压模型集中提取出受压数据集，根据所述受压数据集和所述侧移数据集计算出所述衔接桥钢桩的受压稳定系数，可以对所述受压模型集中每个模型的受压状态进行分析，从而确保计算出的受压稳定系数的数据精度。
S5、从所述弯扭模型集中提取出弯扭数据集，根据所述弯扭数据集和所述侧移数据集计算出所述衔接桥钢桩的弯扭稳定系数，将所述受压稳定系数和所述弯扭稳定系数汇集成稳定系数集，结束稳定测试。
本发明实施例中，所述从所述弯扭模型集中提取出弯扭数据集，包括：从所述弯扭模型集中提取极限弯扭模型，提取出所述极限弯扭模型对应的极限弯矩、弯扭截面模量以及弯扭截面积，并将所述极限弯矩、所述弯扭截面模量以及所述弯扭截面积汇集成弯扭数据集。
详细地，所述根据所述弯扭数据集和所述侧移数据集计算出所述衔接桥钢桩的弯扭稳定系数，包括：
从所述侧移数据集中提取出计算距离，利用如下的弯扭公式根据所述计算距离以及所述弯扭数据集计算出所述衔接桥钢桩的弯扭稳定系数：
其中，是指所述弯扭稳定系数，是指所述弯扭数据集中的极限弯扭，是指所述弯扭数据集中的弯扭截面积，是指所述计算距离，是指所述弯扭数据集中的弯扭截面模量。
本发明实施例中，通过利用所述弯扭公式根据所述计算距离以及所述弯扭数据集计算出所述衔接桥钢桩的弯扭稳定系数，可以满足局部稳定性要求，缩小了弯扭的范围，提高了弯扭稳定系数的计算精度。
本发明实施例通过利用预设的深度扫描仪采集稳定测试中的所述衔接桥钢桩的形变图集，可以准确记录所述衔接桥钢桩的测试状况，方便后续提取出更加精确的测试参数，通过对所述形变图集进行点云匹配，得到钢桩形变点云集，对所述钢桩形变点云集进行三维重建，得到钢桩形变模型集，可以将形变图集采集到的图片转化为三维模型，从而更加直观的展示测试过程中钢桩的形变细节，得到更加准确的测试数据，通过按照所述稳定测试的测试项目将所述钢桩形变模型集拆分为侧移模型集、受压模型集以及弯扭模型集，可以方便地区分测试项目，从而为每个项目提取精确的测试参数，通过从所述侧移模型集中提取出侧移数据集，利用预设的侧移强度算法根据所述侧移数据集计算出所述衔接桥钢桩的侧移强度，可以提高侧移强度计算的准确性；
通过从所述受压模型集中提取出受压数据集，根据所述受压数据集和所述侧移数据集计算出所述衔接桥钢桩的受压稳定系数，可以对所述受压模型集中每个模型的受压状态进行分析，从而确保计算出的受压稳定系数的数据精度，通过利用所述弯扭公式根据所述计算距离以及所述弯扭数据集计算出所述衔接桥钢桩的弯扭稳定系数，可以满足局部稳定性要求，缩小了弯扭的范围，提高了弯扭稳定系数的计算精度。因此本发明提出的高速公路的衔接桥钢桩的稳定性测试方法，可以解决钢桩稳定性测试的结果精确度较差的问题。
如图4所示，是本发明一实施例提供的高速公路的衔接桥钢桩的稳定性测试装置的功能模块图。
本发明所述高速公路的衔接桥钢桩的稳定性测试装置100可以安装于电子设备中。根据实现的功能，所述高速公路的衔接桥钢桩的稳定性测试装置100可以包括图集采集模块101、三维重建模块102、侧移强度模块103、受压系数模块104及弯扭系数模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述图集采集模块101，用于对所述衔接桥钢桩进行稳定测试，利用预设的深度扫描仪采集稳定测试中的所述衔接桥钢桩的形变图集；
所述三维重建模块102，用于对所述形变图集进行点云匹配，得到钢桩形变点云集，对所述钢桩形变点云集进行三维重建，得到钢桩形变模型集；
所述侧移强度模块103，用于按照所述稳定测试的测试项目将所述钢桩形变模型集拆分为侧移模型集、受压模型集以及弯扭模型集，从所述侧移模型集中提取出侧移数据集，利用预设的侧移强度算法根据所述侧移数据集计算出所述衔接桥钢桩的侧移强度，其中，所述利用预设的侧移强度算法根据所述侧移数据集计算出所述衔接桥钢桩的侧移强度，包括：获取所述衔接桥钢桩的修正系数以及钢材弹性模量；利用如下的侧移强度算法根据所述侧移数据集、所述修正系数以及所述钢材弹性模量计算出所述衔接桥钢桩的侧移强度：
其中，是指所述侧移强度，是指所述修正系数，是指所述钢材弹性模量，是指所述侧移数据集中的极惯性矩，是指所述侧移数据集中的钢桩长度，是指所述侧移数据集中的极限侧移角度，是指所述侧移数据集中的斜架截面积，是指所述侧移数据集中的支撑截面积；
所述受压系数模块104，用于从所述受压模型集中提取出受压数据集，根据所述受压数据集和所述侧移数据集计算出所述衔接桥钢桩的受压稳定系数；
所述弯扭系数模块105，用于从所述弯扭模型集中提取出弯扭数据集，根据所述弯扭数据集和所述侧移数据集计算出所述衔接桥钢桩的弯扭稳定系数，将所述受压稳定系数和所述弯扭稳定系数汇集成稳定系数集，结束稳定测试。
详细地，本发明实施例中所述高速公路的衔接桥钢桩的稳定性测试装置100中所述的各模块在使用时采用与上述图1至图3中所述的高速公路的衔接桥钢桩的稳定性测试方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种高速公路的衔接桥钢桩的稳定性测试方法，其特征在于，所述方法包括：
S1：对所述衔接桥钢桩进行稳定测试，利用预设的深度扫描仪采集稳定测试中的所述衔接桥钢桩的形变图集；
S2：对所述形变图集进行点云匹配，得到钢桩形变点云集，对所述钢桩形变点云集进行三维重建，得到钢桩形变模型集；
S3：按照所述稳定测试的测试项目将所述钢桩形变模型集拆分为侧移模型集、受压模型集以及弯扭模型集，从所述侧移模型集中提取出侧移数据集，利用预设的侧移强度算法根据所述侧移数据集计算出所述衔接桥钢桩的侧移强度，其中，所述利用预设的侧移强度算法根据所述侧移数据集计算出所述衔接桥钢桩的侧移强度，包括：
S31：获取所述衔接桥钢桩的修正系数以及钢材弹性模量；
S32：利用如下的侧移强度算法根据所述侧移数据集、所述修正系数以及所述钢材弹性模量计算出所述衔接桥钢桩的侧移强度：
其中，是指所述侧移强度，是指所述修正系数，是指所述钢材弹性模量，是指所述侧移数据集中的极惯性矩，是指所述侧移数据集中的钢桩长度，是指所述侧移数据集中的极限侧移角度，是指所述侧移数据集中的斜架截面积，是指所述侧移数据集中的支撑截面积；
S4：从所述受压模型集中提取出受压数据集，根据所述受压数据集和所述侧移数据集计算出所述衔接桥钢桩的受压稳定系数；
S5：从所述弯扭模型集中提取出弯扭数据集，根据所述弯扭数据集和所述侧移数据集计算出所述衔接桥钢桩的弯扭稳定系数，将所述受压稳定系数和所述弯扭稳定系数汇集成稳定系数集，结束稳定测试。
2.如权利要求1所述的高速公路的衔接桥钢桩的稳定性测试方法，其特征在于，所述对所述形变图集进行点云匹配，得到钢桩形变点云集，包括：
对所述形变图集中的每个图片进行畸变矫正，得到初始形变图集；
对所述初始形变图集中的每个图片进行极线矫正，得到标准形变图集；
对所述标准形变图集进行特征提取，得到钢桩特征点集；
计算出所述钢桩特征点集对应的匹配点，利用所述匹配点将所述标准形变图集转化为视差形变图集；
利用所述视差形变图集将所述标准形变图集转化为点位形变点云集，并对所述点位形变点云集进行坐标转化，得到钢桩形变点云集。
3.如权利要求2所述的高速公路的衔接桥钢桩的稳定性测试方法，其特征在于，所述对所述形变图集中的每个图片进行畸变矫正，得到初始形变图集，包括：
逐个选取所述形变图集中的图片作为目标形变图片，获取所述目标形变图片对应的深度扫描仪的镜头畸变内参；
根据所述镜头畸变内参构建所述目标形变图片的畸变矫正模型；
逐个选取所述目标形变图片中的像素作为目标像素，利用所述畸变矫正模型计算出所述目标像素对应的矫正像素坐标；
根据所述矫正像素坐标对所述目标像素进行坐标更新，当所述目标像素为所述目标形变图片中的最后一个像素时，将坐标更新后的所述目标形变图片作为目标初始图片，并将所有的所述目标初始图片汇集成初始形变图集。
4.如权利要求2所述的高速公路的衔接桥钢桩的稳定性测试方法，其特征在于，所述对所述初始形变图集中的每个图片进行极线矫正，得到标准形变图集，包括：
逐个选取所述初始形变图集中的图片作为目标初始图片，选取所述初始形变图集中与所述目标初始图片对应的双目图片作为目标双目图片；
利用所述目标初始图片对所述目标双目图片进行映射，得到横轴基向量；
根据所述横轴基向量计算出所述目标初始图片对应的畸变外参，根据所述畸变外参对所述目标初始图片进行极线矫正，得到目标标准图片，并将所有的所述目标标准图片汇集成标准形变图集。
5.如权利要求2所述的高速公路的衔接桥钢桩的稳定性测试方法，其特征在于，所述对所述钢桩形变点云集进行三维重建，得到钢桩形变模型集，包括：
对所述钢桩形变点云集进行钢桩语义识别，得到钢桩部件集；
从所述钢桩形变点云集中提取出所述钢桩部件集对应的钢桩部件参数集；
根据所述钢桩部件参数集对所述衔接桥钢桩进行三维重建，得到钢桩形变模型集。
6.如权利要求1所述的高速公路的衔接桥钢桩的稳定性测试方法，其特征在于，所述按照所述稳定测试的测试项目将所述钢桩形变模型集拆分为侧移模型集、受压模型集以及弯扭模型集，包括：
获取所述稳定测试中每个测试项目的项目时间戳；
按照所述项目时间戳将所述形变图集拆分成侧移图集、受压图集以及弯扭图集；
从所述钢桩形变模型集中分别提取出所述侧移图集对应的侧移模型集、所述受压图集对应的受压模型集以及所述弯扭图集对应的弯扭模型集。
7.如权利要求1所述的高速公路的衔接桥钢桩的稳定性测试方法，其特征在于，所述从所述侧移模型集中提取出侧移数据集，包括：
从所述侧移模型集中筛选出侧移反弯模型集，对所述侧移反弯模型集中的每个侧弯模型进行侧弯点标注，得到侧弯标注模型集；
提取出所述侧弯标注模型集中每个模型对应的弯点距离，并根据所有的所述弯点距离计算出所述衔接桥钢桩的计算距离；
从所述侧弯标注模型集中提取出极限侧移模型，并获取所述极限侧移模型对应的极限侧移角度、钢桩长度、支撑截面积、斜架截面积以及极惯性矩，将所述计算距离、所述极限侧移角度、所述钢桩长度、所述支撑截面积、所述斜架截面积以及所述极惯性矩汇集成侧移数据集。
8.如权利要求1所述的高速公路的衔接桥钢桩的稳定性测试方法，其特征在于，所述从所述受压模型集中提取出受压数据集，包括：
从所述受压模型集中提取极限受压模型；
提取出所述极限受压模型对应的受压惯性矩、受压截面模量、临界压力以及受压截面积；
将所述受压惯性矩、所述受压截面模量、所述临界压力以及所述受压截面积汇集成受压数据集。
9.如权利要求1所述的高速公路的衔接桥钢桩的稳定性测试方法，其特征在于，所述根据所述受压数据集和所述侧移数据集计算出所述衔接桥钢桩的受压稳定系数，包括：
从所述侧移数据集中提取出计算距离，并获取所述衔接桥钢桩的钢材弹性模量；
利用如下的受压稳定公式根据所述计算距离、所述钢材弹性模量以及所述受压数据集计算出所述衔接桥钢桩的受压稳定系数：
其中，是指所述受压稳定系数，是指圆周率，是指所述钢材弹性模量，是指受压数据集中的受压惯性矩，是指所述受压数据集中的受压截面积，是指所述受压数据集中的受压截面模量，是指所述计算距离，是指所述受压数据集中的临界压力。
10.一种高速公路的衔接桥钢桩的稳定性测试装置，其特征在于，所述装置包括：
图集采集模块，用于对所述衔接桥钢桩进行稳定测试，利用预设的深度扫描仪采集稳定测试中的所述衔接桥钢桩的形变图集；
三维重建模块，用于对所述形变图集进行点云匹配，得到钢桩形变点云集，对所述钢桩形变点云集进行三维重建，得到钢桩形变模型集；
侧移强度模块，用于按照所述稳定测试的测试项目将所述钢桩形变模型集拆分为侧移模型集、受压模型集以及弯扭模型集，从所述侧移模型集中提取出侧移数据集，利用预设的侧移强度算法根据所述侧移数据集计算出所述衔接桥钢桩的侧移强度，其中，所述利用预设的侧移强度算法根据所述侧移数据集计算出所述衔接桥钢桩的侧移强度，包括：获取所述衔接桥钢桩的修正系数以及钢材弹性模量；利用如下的侧移强度算法根据所述侧移数据集、所述修正系数以及所述钢材弹性模量计算出所述衔接桥钢桩的侧移强度：
其中，是指所述侧移强度，是指所述修正系数，是指所述钢材弹性模量，是指所述侧移数据集中的极惯性矩，是指所述侧移数据集中的钢桩长度，是指所述侧移数据集中的极限侧移角度，是指所述侧移数据集中的斜架截面积，是指所述侧移数据集中的支撑截面积；
受压系数模块，用于从所述受压模型集中提取出受压数据集，根据所述受压数据集和所述侧移数据集计算出所述衔接桥钢桩的受压稳定系数；
弯扭系数模块，用于从所述弯扭模型集中提取出弯扭数据集，根据所述弯扭数据集和所述侧移数据集计算出所述衔接桥钢桩的弯扭稳定系数，将所述受压稳定系数和所述弯扭稳定系数汇集成稳定系数集，结束稳定测试。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310199927.1A CN116065638B (zh) | 2023-03-06 | 2023-03-06 | 一种高速公路的衔接桥钢桩的稳定性测试方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310199927.1A CN116065638B (zh) | 2023-03-06 | 2023-03-06 | 一种高速公路的衔接桥钢桩的稳定性测试方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116065638A true CN116065638A (zh) | 2023-05-05 |
| CN116065638B CN116065638B (zh) | 2023-06-16 |
Family
ID=86180250
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310199927.1A Active CN116065638B (zh) | 2023-03-06 | 2023-03-06 | 一种高速公路的衔接桥钢桩的稳定性测试方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116065638B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117828901A (zh) * | 2024-03-04 | 2024-04-05 | 中交三航(南通)海洋工程有限公司 | 钢桩bim模型构建系统及方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105045950A (zh) * | 2015-05-28 | 2015-11-11 | 张家港江苏科技大学产业技术研究院 | 一种基于三维激光扫描的桥梁安全评估系统 |
| CN112539708A (zh) * | 2020-12-16 | 2021-03-23 | 北京北大千方科技有限公司 | 一种边坡变形的三维监测系统、方法、介质及设备 |
| CN112733221A (zh) * | 2020-12-25 | 2021-04-30 | 中国科学院地质与地球物理研究所 | 一种抗滑桩加固边坡的优化设计方法及系统 |
| CN115560690A (zh) * | 2022-10-09 | 2023-01-03 | 中交第三航务工程局有限公司 | 一种基于三维激光扫描技术的结构物整体变形分析方法 |
-
2023
- 2023-03-06 CN CN202310199927.1A patent/CN116065638B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105045950A (zh) * | 2015-05-28 | 2015-11-11 | 张家港江苏科技大学产业技术研究院 | 一种基于三维激光扫描的桥梁安全评估系统 |
| CN112539708A (zh) * | 2020-12-16 | 2021-03-23 | 北京北大千方科技有限公司 | 一种边坡变形的三维监测系统、方法、介质及设备 |
| CN112733221A (zh) * | 2020-12-25 | 2021-04-30 | 中国科学院地质与地球物理研究所 | 一种抗滑桩加固边坡的优化设计方法及系统 |
| US20220207196A1 (en) * | 2020-12-25 | 2022-06-30 | Institute Of Geology And Geophysics, Chinese Academy Of Sciences | Optimal design method and system for slope reinforcement with anti-slide piles |
| CN115560690A (zh) * | 2022-10-09 | 2023-01-03 | 中交第三航务工程局有限公司 | 一种基于三维激光扫描技术的结构物整体变形分析方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117828901A (zh) * | 2024-03-04 | 2024-04-05 | 中交三航(南通)海洋工程有限公司 | 钢桩bim模型构建系统及方法 |
| CN117828901B (zh) * | 2024-03-04 | 2024-05-24 | 中交三航(南通)海洋工程有限公司 | 钢桩bim模型构建系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116065638B (zh) | 2023-06-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| CN106875437B (zh) | 一种面向rgbd三维重建的关键帧提取方法 | |
| CN116065638B (zh) | 一种高速公路的衔接桥钢桩的稳定性测试方法和装置 | |
| CN110060329B (zh) | 一种基于彩色深度视频流数据的移动端人体模型重建方法 | |
| CN110189400B (zh) | 一种三维重建方法、三维重建系统、移动终端及存储装置 | |
| CN112419512B (zh) | 一种基于语义信息的空中三维模型修复系统及方法 | |
| CN108154104A (zh) | 一种基于深度图像超像素联合特征的人体姿态估计方法 | |
| CN111862299A (zh) | 人体三维模型构建方法、装置、机器人和存储介质 | |
| CN113177977A (zh) | 一种非接触式三维人体尺寸的测量方法 | |
| CN111680586B (zh) | 一种羽毛球运动员运动姿态估计方法及系统 | |
| CN112233249A (zh) | 基于密集点云的b样条曲面拟合方法及装置 | |
| CN112785654A (zh) | 轨道几何检测系统标定方法及装置 | |
| CN108663026A (zh) | 一种振动测量方法 | |
| CN112465977A (zh) | 基于稠密点云修补三维模型水面漏洞的方法 | |
| CN108871197B (zh) | 用于材料表面的位移场测量方法、装置、设备及存储介质 | |
| CN117808964A (zh) | 一种基于bim的钢结构形变监测处理方法及系统 | |
| CN117876397B (zh) | 一种基于多视角数据融合的桥梁构件三维点云分割方法 | |
| CN115638731B (zh) | 一种基于超分辨率的振动台试验计算机视觉位移测量方法 | |
| CN106952231B (zh) | 一种基于手机平台的图像实时校正方法 | |
| CN111735447A (zh) | 一种仿星敏式室内相对位姿测量系统及其工作方法 | |
| CN116664622A (zh) | 一种视觉运动控制方法和装置 | |
| CN116433811A (zh) | 一种虚拟3d角色的骨骼智能设计系统 | |
| CN116071485A (zh) | 一种人体三维重建方法及设备 | |
| CN113066188A (zh) | 一种用于室外施工作业的三维仿真方法及设备 | |
| CN112288817A (zh) | 基于图像的三维重建处理方法及装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |