JPWO2020176304A5 - - Google Patents
Download PDFInfo
- Publication number
- JPWO2020176304A5 JPWO2020176304A5 JP2021534601A JP2021534601A JPWO2020176304A5 JP WO2020176304 A5 JPWO2020176304 A5 JP WO2020176304A5 JP 2021534601 A JP2021534601 A JP 2021534601A JP 2021534601 A JP2021534601 A JP 2021534601A JP WO2020176304 A5 JPWO2020176304 A5 JP WO2020176304A5
- Authority
- JP
- Japan
- Prior art keywords
- machine learning
- data
- building
- database
- components
- 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
Images
Claims (13)
- 一つ以上のデータプロセッサおよびメモリを有するコンピュータシステムと、
ユーザインターフェースであって、それを介してユーザへ情報が出力され、かつ、それを通じてユーザによって情報およびデータが入力され、前記データは、一つ以上の建造物、そのコンポーネント、またはその両方を同定するところのユーザインターフェースと、
データが格納されたデータベースと、
前記データを前記データベースに格納しかつ前記データベースから検索するべく、前記データベースと通信するデータベース管理システムと、
前記メモリ内に格納された非一過性データプロセッサ実行可能インストラクションであって、一つ以上の予めトレーニングされた機械学習モデルおよび一つ以上の後処理アルゴリズムを含む、ところのインストラクションと
を備え、
前記一つ以上の機械学習モデルは、(a)前記建造物の画像、前記建造物を特徴づけるポイントクラウドデータ、前記建造物の3次元表現、または前記構造物の図面から建造物のパフォーマンスまたは設計を評価し、(b)前記画像、前記ポイントクラウドデータ、前記3次元表現、または前記図面から前記建造物の一つ以上のコンポーネントを同定し、前記画像から前記建造物の前記一つ以上のコンポーネントを同定しかつ前記一つ以上のコンポーネントに関連するテキストを抽出し、前記画像もしくは前記ポイントクラウドデータまたはそれらの任意の組み合わせから前記建造物の前記一つ以上のコンポーネントにおけるダメージを同定かつ査定し、(c)同定済みの一つ以上のコンポーネントが個別に包囲された状態の第1出力ファイルを生成するべく、前記データベース内の前記データを処理するように予めトレーニングされ、
前記一つ以上の後処理アルゴリズムは、前記第1出力ファイルを処理し、かつ、前記同定済みの一つ以上のコンポーネントの分類および前記一つ以上のコンポーネントの分類毎の数、前記同定済みの一つ以上のコンポーネントの各々の面積測定、および、ひとつの前記機械学習モデルの出力と前記一つ以上のコンポーネントのベンチマーク、二次元ライン、三次元表現、またはこれらの任意の組み合わせとの間の偏りを生成する、量アルゴリズム、計測アルゴリズム、比較アルゴリズム、デジタルモデル生成アルゴリズム、またはそれらの任意の組み合わせを含み、
(1)前記計測アルゴリズムは、
(a)コンピュータビジョンを使って、前記一つ以上の機械学習モデルによって同定された領域内のエッジを検出するステップと、
(b)それらの領域内の画素距離を計算し、前記画素距離をカメラの特性および前記建造物に対する空間的関係に基づいてユーザによって特定した距離の他の単位へ変換するステップとを有し、
(2)前記比較アルゴリズムは、
(a)前記一つ以上の機械学習モデルから抽出した情報を、(i)ユーザによって入力され、(ii)物理的図面の機械学習解析を通じて自動的に取得され、または、(iii)デジタル図面またはデジタルモデルから自動的に取得されたベンチマークと比較するステップと、
(b)前記一つ以上の機械学習モデルから抽出した情報と前記ベンチマークとの間の任意の偏りを報告するステップとを有し、
(3)前記デジタルモデル生成アルゴリズムは、
同定済みコンポーネントの分類ごとの画素またはポイントをグループ化することにより同定済みエレメントの3次元デジタルモデルまたは2次元デジタル図面を生成するために前記一つ以上の機械学習モデルからの結果を使用するステップと、
画素またはポイントのグループを当該画素またはポイントのグループの中心を通過するラインまたはポリラインに削減することにより作成されるラインを有する3次元コンポーネントまたは2次元ラインへそれらを変換するステップと
を有し、
変換済みコンポーネントは、機械学習で同定済みの画素またはポイントのグループの外限界を判定し、その寸法、位置、および向きを判定し、前記分類、重心(位置)、角度(向き)および上で得られた寸法情報に基づいて適当なコンポーネントを生成することにより作成される、
ことを特徴とする機械学習ツール。 - 前記一つ以上の機械学習モデルは、前記建造物の前記設計を評価し、前記建造物の前記コンポーネントを同定し、前記建造物におけるダメージを査定するべく、前記データベース内の前記データを処理するよう予めトレーニングされる、ことを特徴とする請求項1に記載の機械学習ツール。
- 前記一つ以上の後処理アルゴリズムは、前記量アルゴリズム、前記計測アルゴリズム、前記比較アルゴリズム、および前記デジタルモデル生成アルゴリズムを含む、ことを特徴とする請求項1に記載の機械学習ツール。
- 前記一つ以上の機械学習モデルは、前記建造物の前記設計を評価し、前記建造物の前記コンポーネントを同定し、および前記建造物における前記ダメージを査定するべく、前記データベース内の前記データを処理するよう予めトレーニングされ、
前記一つ以上の後処理アルゴリズムは、前記量アルゴリズム、前記計測アルゴリズム、前記比較アルゴリズム、および前記デジタルモデル生成アルゴリズムを含む、ことを特徴とする請求項1に記載の機械学習ツール。 - 前記建造物の前記コンポーネントは構造コンポーネントおよび非構造コンポーネントを含む、ことを特徴とする請求項1に記載の機械学習ツール。
- 前記量アルゴリズムは、前記コンポーネントの分類ごとに同定されたコンポーネントの実例の合計数を与えるべく、前記一つ以上の機械学習モデルによって同定された一つ以上の分類内の前記コンポーネントの前記実例の数を合算する、ことを特徴とする請求項1に記載の機械学習ツール。
- 前記計測アルゴリズムを含む、請求項1に記載の機械学習ツール。
- 前記比較アルゴリズムを含む、請求項1に記載の機械学習ツール。
- 前記デジタルモデル生成アルゴリズムを含む、請求項1に記載の機械学習ツール。
- 一つ以上のデータプロセッサおよび非一過性データプロセッサ実行可能インストラクションを格納するメモリを有するコンピュータシステムと、
ユーザインターフェースであって、それを通じてユーザへ情報が出力され、かつ、それを通じて前記ユーザによって情報およびデータが入力される、ところのユーザインターフェースと、
データが格納されるデータベースと、
前記データベースへ前記データを格納しかつ前記データベースから前記データを検索するべく、前記データベースと通信するデータベース管理システムと、
を備え、
前記データプロセッサによって実行されたとき、前記非一過性データプロセッサ実行可能インストラクションは、
建造物の設計を評価し、前記建造物のコンポーネントを同定し、前記建造物におけるダメージを査定し、またはその任意の組み合わせを実行し、かつ、同定済みコンポーネントが包囲された状態の第1出力ファイルを生成するべく、予めトレーニングされた機械学習モデルを使って前記データを処理するステップと、
量アルゴリズム、計測アルゴリズム、比較アルゴリズム、デジタルモデル生成アルゴリズム、またはこれらの任意の組み合わせを呼び出すことにより、前のステップからの前記第1出力ファイルを処理し、かつ、前記同定済みコンポーネントの数および前記同定済みコンポーネントの計測を含む第2出力ファイルを生成するステップとを有効化し、
(1)前記計測アルゴリズムは、
(a)コンピュータビジョンを使って、前記一つ以上の機械学習モデルによって同定された領域内のエッジを検出するステップと、
(b)それらの領域内の画素距離を計算し、前記画素距離をカメラの特性および前記建造物に対する空間的関係に基づいてユーザによって特定した距離の他の単位へ変換するステップとを有し、
(2)前記比較アルゴリズムは、
(a)前記一つ以上の機械学習モデルから抽出した情報を、(i)ユーザによって入力され、(ii)物理的図面の機械学習解析を通じて自動的に取得され、または、(iii)デジタル図面またはデジタルモデルから自動的に取得されたベンチマークと比較するステップと、
(b)前記一つ以上の機械学習モデルから抽出した情報と前記ベンチマークとの間の任意の偏りを報告するステップとを有し、
(3)前記デジタルモデル生成アルゴリズムは、
同定済みコンポーネントの分類ごとの画素またはポイントをグループ化することにより同定済みエレメントの3次元デジタルモデルまたは2次元デジタル図面を生成するために前記一つ以上の機械学習モデルからの結果を使用するステップと、
画素またはポイントのグループを当該画素またはポイントのグループの中心を通過するラインまたはポリラインに削減することにより作成されるラインを有する3次元コンポーネントまたは2次元ラインへそれらを変換するステップと
を有し、
変換済みコンポーネントは、機械学習で同定済みの画素またはポイントのグループの外限界を判定し、その寸法、位置、および向きを判定し、前記分類、重心(位置)、角度(向き)および上で得られた寸法情報に基づいて適当なコンポーネントを生成することにより作成される、
ことを特徴とする機械学習ツール。 - 一つ以上のデータプロセッサおよびメモリを有するコンピュータシステムと、
ユーザインターフェースであって、それを通じてユーザへ情報が出力され、かつ、それを通じて前記ユーザによって情報およびデータが入力される、ところのユーザインターフェースと、
データが格納されたデータベースと、
前記データベースへ前記データを格納しかつ前記データベースから前記データを検索するために、前記データベースと通信するデータベース管理システムと、
前記メモリ内に格納された非一過性データプロセッサ実行可能インストラクションと
を備え、
前記データプロセッサによって実行されると、前記非一過性データプロセッサ実行可能インストラクションにより、前記ユーザインターフェースは、
機械学習解析およびデータフォーマットを選択するようユーザに促し、
前記ユーザから前記データを受信し、該データを前記データベース内に格納し、
画像またはポイントクラウドデータから建造物のコンポーネントを同定し、図面から前記建造物の前記コンポーネントを同定しかつ関連するテキストを抽出し、前記画像もしくは前記ポイントクラウドデータ、またはそれらの任意の組み合わせから前記建造物におけるダメージを同定しかつ査定することにより、前記画像、前記ポイントクラウドデータ、その3次元表現または図面から前記建造物のパフォーマンスまたは設計を評価するべく、前記データベース内の前記データを処理するよう予めトレーニングされた一つ以上の機械学習モデルの中から選択するようユーザに促し、
選択された機械学習モデルを呼び出し、呼び出した機械学習モデルを使って前記データを処理し、かつ、同定済みコンポーネントが包囲された状態の第1出力ファイルを生成し、
量アルゴリズム、計測アルゴリズム、比較アルゴリズム、デジタルモデル生成アルゴリズム、またはこれらの任意の組み合わせを含む一つ以上の後処理アルゴリズムを選択するよう前記ユーザに促し、
各後処理アルゴリズムを呼び出し、前記第1出力ファイルを処理し、かつ、第2出力ファイルを生成し、
(1)前記計測アルゴリズムは、
(a)コンピュータビジョンを使って、前記一つ以上の機械学習モデルによって同定された領域内のエッジを検出するステップと、
(b)それらの領域内の画素距離を計算し、前記画素距離をカメラの特性および前記建造物に対する空間的関係に基づいてユーザによって特定した距離の他の単位へ変換するステップとを有し、
(2)前記比較アルゴリズムは、
(a)前記一つ以上の機械学習モデルから抽出した情報を、(i)ユーザによって入力され、(ii)物理的図面の機械学習解析を通じて自動的に取得され、または、(iii)デジタル図面またはデジタルモデルから自動的に取得されたベンチマークと比較するステップと、
(b)前記一つ以上の機械学習モデルから抽出した情報と前記ベンチマークとの間の任意の偏りを報告するステップとを有し、
(3)前記デジタルモデル生成アルゴリズムは、
同定済みコンポーネントの分類ごとの画素またはポイントをグループ化することにより同定済みエレメントの3次元デジタルモデルまたは2次元デジタル図面を生成するために前記一つ以上の機械学習モデルからの結果を使用するステップと、
画素またはポイントのグループを当該画素またはポイントのグループの中心を通過するラインまたはポリラインに削減することにより作成されるラインを有する3次元コンポーネントまたは2次元ラインへそれらを変換するステップと
を有し、
変換済みコンポーネントは、機械学習で同定済みの画素またはポイントのグループの外限界を判定し、その寸法、位置、および向きを判定し、前記分類、重心(位置)、角度(向き)および上で得られた寸法情報に基づいて適当なコンポーネントを生成することにより作成される、
ことを特徴とするツール。 - 具体的ダメージが、市街、国などにおけるすべての建造物の最大限まで同定され、かつ、最小限の単一の建造物において考慮されるさまざまな条件に対するより広範な復元計画に組み込まれる、ことを特徴とする請求項1に記載の機械学習ツール。
- 一つ以上のデータプロセッサおよびメモリを有するコンピュータシステムと、
ユーザインターフェースであって、それを通じてユーザに方法が出力され、かつ、それを通じて前記ユーザによって情報およびデータが入力され、前記データは建造物、そのコンポーネント、またはその両方を同定するところのユーザインターフェースと、
データが格納されたデータベースと、
前記データベース内に前記データを格納しかつ前記データベースから前記データを検索するべく、前記データベースと通信するデータベース管理システムと、
前記メモリ内に格納された非一過性データプロセッサ実行可能インストラクションであって、
(A)一つ以上の予めトレーニングされた機械学習モデルであって、画像またはポイントクラウドデータから前記建造物のコンポーネントを同定し、図面から前記建造物の一つ以上のコンポーネントを同定しかつ関連するテキストを抽出し、前記画像もしくは前記ポイントクラウドデータ、またはその任意の組み合わせから前記建造物におけるダメージを同定しかつ査定することにより、前記一つ以上の機械学習モデルは、前記画像、前記ポイントクラウドデータ、またはその3次元表現もしくは図面から前記建造物のパフォーマンスまたは設計を評価し、かつ、同定済みコンポーネントが包囲された状態の第1出力ファイルを生成するべく、前記データベース内の前記データを処理するよう予めトレーニングされた、一つ以上の予めトレーニングされた機械学習モデルと、
(B)一つ以上の後処理アルゴリズムであって、前記第1出力ファイルを処理し、かつ、前記同定済みの一つ以上のコンポーネントの分類および前記一つ以上のコンポーネントの分類毎の数、前記同定済みの一つ以上のコンポーネントの各々の面積測定、および、ひとつの前記機械学習モデルの出力と前記一つ以上のコンポーネントのベンチマーク、二次元ライン、三次元表現、またはこれらの任意の組み合わせとの間の偏りを生成し、量アルゴリズム、計測アルゴリズム、比較アルゴリズム、デジタルモデル生成アルゴリズム、またはそれらの任意の組み合わせを含む一つ以上の後処理アルゴリズムと
を有する非一過性データプロセッサ実行可能インストラクションと
を備え、
(1)前記計測アルゴリズムは、
(a)コンピュータビジョンを使って、前記一つ以上の機械学習モデルによって同定された領域内のエッジを検出するステップと、
(b)それらの領域内の画素距離を計算し、前記画素距離をカメラの特性および前記建造物に対する空間的関係に基づいてユーザによって特定した距離の他の単位へ変換するステップとを有し、
(2)前記比較アルゴリズムは、
(a)前記一つ以上の機械学習モデルから抽出した情報を、(i)ユーザによって入力され、(ii)物理的図面の機械学習解析を通じて自動的に取得され、または、(iii)デジタル図面またはデジタルモデルから自動的に取得されたベンチマークと比較するステップと、
(b)前記一つ以上の機械学習モデルから抽出した情報と前記ベンチマークとの間の任意の偏りを報告するステップとを有し、
(3)前記デジタルモデル生成アルゴリズムは、
同定済みコンポーネントの分類ごとの画素またはポイントをグループ化することにより同定済みエレメントの3次元デジタルモデルまたは2次元デジタル図面を生成するために前記一つ以上の機械学習モデルからの結果を使用するステップと、
画素またはポイントのグループを当該画素またはポイントのグループの中心を通過するラインまたはポリラインに削減することにより作成されるラインを有する3次元コンポーネントまたは2次元ラインへそれらを変換するステップと
を有し、
変換済みコンポーネントは、機械学習で同定済みの画素またはポイントのグループの外限界を判定し、その寸法、位置、および向きを判定し、前記分類、重心(位置)、角度(向き)および上で得られた寸法情報に基づいて適当なコンポーネントを生成することにより作成される、
ことを特徴とする機械学習ツール。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962812029P | 2019-02-28 | 2019-02-28 | |
US62/812,029 | 2019-02-28 | ||
PCT/US2020/018770 WO2020176304A1 (en) | 2019-02-28 | 2020-02-19 | Machine learning tool for structures |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2022522257A JP2022522257A (ja) | 2022-04-15 |
JPWO2020176304A5 true JPWO2020176304A5 (ja) | 2022-05-17 |
JP7352632B2 JP7352632B2 (ja) | 2023-09-28 |
Family
ID=69811965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021534601A Active JP7352632B2 (ja) | 2019-02-28 | 2020-02-19 | 機械学習ツール |
Country Status (6)
Country | Link |
---|---|
US (1) | US11341627B2 (ja) |
EP (1) | EP3931768A1 (ja) |
JP (1) | JP7352632B2 (ja) |
CN (1) | CN113424206B (ja) |
CA (1) | CA3125524A1 (ja) |
WO (1) | WO2020176304A1 (ja) |
Families Citing this family (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018176000A1 (en) | 2017-03-23 | 2018-09-27 | DeepScale, Inc. | Data synthesis for autonomous control systems |
US11157441B2 (en) | 2017-07-24 | 2021-10-26 | Tesla, Inc. | Computational array microprocessor system using non-consecutive data formatting |
US11893393B2 (en) | 2017-07-24 | 2024-02-06 | Tesla, Inc. | Computational array microprocessor system with hardware arbiter managing memory requests |
US11409692B2 (en) | 2017-07-24 | 2022-08-09 | Tesla, Inc. | Vector computational unit |
US10671349B2 (en) | 2017-07-24 | 2020-06-02 | Tesla, Inc. | Accelerated mathematical engine |
US11561791B2 (en) | 2018-02-01 | 2023-01-24 | Tesla, Inc. | Vector computational unit receiving data elements in parallel from a last row of a computational array |
US11215999B2 (en) | 2018-06-20 | 2022-01-04 | Tesla, Inc. | Data pipeline and deep learning system for autonomous driving |
US11361457B2 (en) | 2018-07-20 | 2022-06-14 | Tesla, Inc. | Annotation cross-labeling for autonomous control systems |
US11636333B2 (en) | 2018-07-26 | 2023-04-25 | Tesla, Inc. | Optimizing neural network structures for embedded systems |
US11562231B2 (en) | 2018-09-03 | 2023-01-24 | Tesla, Inc. | Neural networks for embedded devices |
SG11202103493QA (en) | 2018-10-11 | 2021-05-28 | Tesla Inc | Systems and methods for training machine models with augmented data |
US11196678B2 (en) | 2018-10-25 | 2021-12-07 | Tesla, Inc. | QOS manager for system on a chip communications |
US11816585B2 (en) | 2018-12-03 | 2023-11-14 | Tesla, Inc. | Machine learning models operating at different frequencies for autonomous vehicles |
US11537811B2 (en) | 2018-12-04 | 2022-12-27 | Tesla, Inc. | Enhanced object detection for autonomous vehicles based on field view |
US11610117B2 (en) | 2018-12-27 | 2023-03-21 | Tesla, Inc. | System and method for adapting a neural network model on a hardware platform |
US11150664B2 (en) | 2019-02-01 | 2021-10-19 | Tesla, Inc. | Predicting three-dimensional features for autonomous driving |
US10997461B2 (en) | 2019-02-01 | 2021-05-04 | Tesla, Inc. | Generating ground truth for machine learning from time series elements |
US11567514B2 (en) | 2019-02-11 | 2023-01-31 | Tesla, Inc. | Autonomous and user controlled vehicle summon to a target |
US10956755B2 (en) | 2019-02-19 | 2021-03-23 | Tesla, Inc. | Estimating object properties using visual image data |
EP3980916A4 (en) * | 2019-06-06 | 2023-06-21 | Bluebeam, Inc. | METHODS AND SYSTEMS FOR AUTOMATIC DESIGN ELEMENT DETECTION IN A TWO-DIMENSIONAL DESIGN DOCUMENT |
US11904417B2 (en) * | 2019-10-15 | 2024-02-20 | International Business Machines Corporation | Automated material welding |
US20210358202A1 (en) * | 2020-05-13 | 2021-11-18 | Electronic Caregiver, Inc. | Room Labeling Drawing Interface for Activity Tracking and Detection |
US11461292B2 (en) * | 2020-07-01 | 2022-10-04 | International Business Machines Corporation | Quick data exploration |
US11657373B2 (en) * | 2020-08-21 | 2023-05-23 | Accenture Global Solutions Limited | System and method for identifying structural asset features and damage |
US11625141B2 (en) * | 2020-09-22 | 2023-04-11 | Servicenow, Inc. | User interface generation with machine learning |
CN112326552B (zh) * | 2020-10-21 | 2021-09-07 | 山东大学 | 基于视觉和力觉感知的隧道掉块病害检测方法和系统 |
CN112580574A (zh) * | 2020-12-28 | 2021-03-30 | 北京翰立教育科技有限公司 | 一种基于识别手写文字的智能学习方法及装置 |
CN113160112B (zh) * | 2020-12-30 | 2024-02-02 | 苏州特文思达科技有限公司 | 基于机器学习的钢格板产品智能识别检测方法 |
EP4348575A1 (en) * | 2021-05-31 | 2024-04-10 | Abyss Solutions Pty Ltd | Method and system for detecting coating degradation |
CN113533369B (zh) * | 2021-06-21 | 2024-05-17 | 国网山东省电力公司鱼台县供电公司 | 一种输电线路巡检装置 |
US20230153987A1 (en) * | 2021-11-17 | 2023-05-18 | Verizon Media Inc. | Object defect detection |
CN114863018B (zh) * | 2022-04-28 | 2024-06-25 | 北京石油化工学院 | 一种基于rgb-d深度图像的焊缝三维重建方法 |
US11710306B1 (en) * | 2022-06-24 | 2023-07-25 | Blackshark.Ai Gmbh | Machine learning inference user interface |
WO2024054815A1 (en) * | 2022-09-06 | 2024-03-14 | University Of Georgia Research Foundation, Inc. | Pavement management system using satellite data and machine learning |
Family Cites Families (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040054568A1 (en) | 2002-07-01 | 2004-03-18 | Bradley Gary J. | Automated construction project estimator tool |
US7587061B1 (en) | 2002-12-23 | 2009-09-08 | Pacenti James R | Symbol recognition system software and method |
JP2004362333A (ja) * | 2003-06-05 | 2004-12-24 | Mitsubishi Electric Corp | 写真計測システム及び写真計測方法 |
US9348141B2 (en) * | 2010-10-27 | 2016-05-24 | Microsoft Technology Licensing, Llc | Low-latency fusing of virtual and real content |
US9582932B2 (en) * | 2012-06-05 | 2017-02-28 | Apple Inc. | Identifying and parameterizing roof types in map data |
US9230339B2 (en) * | 2013-01-07 | 2016-01-05 | Wexenergy Innovations Llc | System and method of measuring distances related to an object |
JP6032812B2 (ja) * | 2013-02-19 | 2016-11-30 | Kddi株式会社 | 検査補助装置 |
US9082015B2 (en) | 2013-03-15 | 2015-07-14 | State Farm Mutual Automobile Insurance Company | Automatic building assessment |
US9041914B2 (en) * | 2013-03-15 | 2015-05-26 | Faro Technologies, Inc. | Three-dimensional coordinate scanner and method of operation |
JP5867432B2 (ja) * | 2013-03-22 | 2016-02-24 | ソニー株式会社 | 情報処理装置、記録媒体および情報処理システム |
US10861224B2 (en) | 2013-07-23 | 2020-12-08 | Hover Inc. | 3D building analyzer |
US20150186953A1 (en) | 2013-09-27 | 2015-07-02 | John Nicholas And Kristin Gross Trust U/A/D April 13, 2010 | Automated Tool for Property Assessment, Prospecting, and Targeted Marketing |
CN103605970A (zh) | 2013-12-02 | 2014-02-26 | 华中师范大学 | 一种基于机器学习的图纸建筑元素识别方法及系统 |
US20150161331A1 (en) * | 2013-12-04 | 2015-06-11 | Mark Oleynik | Computational medical treatment plan method and system with mass medical analysis |
JP6310288B2 (ja) * | 2014-03-20 | 2018-04-11 | 日本ユニシス株式会社 | 画像処理装置および3次元物体トラッキング方法 |
US10029422B2 (en) * | 2014-10-07 | 2018-07-24 | Voxel Llc | Three-dimensional modelling and/or manufacturing apparatus, and related processes |
GB2537681B (en) * | 2015-04-24 | 2018-04-25 | Univ Oxford Innovation Ltd | A method of detecting objects within a 3D environment |
US20170154314A1 (en) * | 2015-11-30 | 2017-06-01 | FAMA Technologies, Inc. | System for searching and correlating online activity with individual classification factors |
US10511676B2 (en) | 2016-03-17 | 2019-12-17 | Conduent Business Services, Llc | Image analysis system for property damage assessment and verification |
US9846915B2 (en) | 2016-03-17 | 2017-12-19 | Conduent Business Services, Llc | Image capture system for property damage assessment |
CN106204723B (zh) * | 2016-06-28 | 2019-01-11 | 浙江大学 | 一种面向三维服装模拟的纸样缝合信息自动设置方法 |
US11461690B2 (en) * | 2016-07-18 | 2022-10-04 | Nantomics, Llc | Distributed machine learning systems, apparatus, and methods |
GB2554361B8 (en) * | 2016-09-21 | 2022-07-06 | Emergent Network Intelligence Ltd | Automatic image based object damage assessment |
US20180082414A1 (en) | 2016-09-21 | 2018-03-22 | Astralink Ltd. | Methods Circuits Assemblies Devices Systems Platforms and Functionally Associated Machine Executable Code for Computer Vision Assisted Construction Site Inspection |
US10529029B2 (en) | 2016-09-23 | 2020-01-07 | Aon Benfield Inc. | Platform, systems, and methods for identifying property characteristics and property feature maintenance through aerial imagery analysis |
KR20180047232A (ko) * | 2016-10-31 | 2018-05-10 | 삼성에스디에스 주식회사 | 실시간 영상 스트리밍의 네트워크 패킷의 패턴 분석 기반 영상 분석 방법 및 그 장치 |
US10726558B2 (en) | 2017-02-27 | 2020-07-28 | Dolphin AI, Inc. | Machine learning-based image recognition of weather damage |
WO2018165753A1 (en) | 2017-03-14 | 2018-09-20 | University Of Manitoba | Structure defect detection using machine learning algorithms |
JP7113657B2 (ja) * | 2017-05-22 | 2022-08-05 | キヤノン株式会社 | 情報処理装置、情報処理方法、及びプログラム |
US20180373931A1 (en) * | 2017-06-21 | 2018-12-27 | Panton, Inc. | Image recognition system for roof damage detection and management |
CN108974044A (zh) * | 2018-08-09 | 2018-12-11 | 铁路愿景欧洲有限公司 | 铁路轨道资产勘测系统 |
US10769429B2 (en) * | 2018-08-31 | 2020-09-08 | Wipro Limited | Method and system for extracting text from an engineering drawing |
-
2020
- 2020-02-19 EP EP20711463.8A patent/EP3931768A1/en active Pending
- 2020-02-19 CA CA3125524A patent/CA3125524A1/en active Pending
- 2020-02-19 CN CN202080011231.6A patent/CN113424206B/zh active Active
- 2020-02-19 US US16/794,871 patent/US11341627B2/en active Active
- 2020-02-19 WO PCT/US2020/018770 patent/WO2020176304A1/en unknown
- 2020-02-19 JP JP2021534601A patent/JP7352632B2/ja active Active
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JPWO2020176304A5 (ja) | ||
CN108509848B (zh) | 三维物体的实时检测方法及系统 | |
Dimitrov et al. | Segmentation of building point cloud models including detailed architectural/structural features and MEP systems | |
CN107077744B (zh) | 使用边缘的三维模型生成的方法和系统 | |
Mian et al. | Three-dimensional model-based object recognition and segmentation in cluttered scenes | |
US10210656B2 (en) | Method and apparatus for searching a database of 3D items using descriptors | |
US20210027536A1 (en) | Network, System and Method for Multi-View 3D Mesh Generation via Deformation | |
Walsh et al. | Data processing of point clouds for object detection for structural engineering applications | |
CN110136156B (zh) | 一种多边形区域检测方法及装置 | |
JP4900204B2 (ja) | 物体認識方法 | |
JP2018537772A (ja) | 複数の写真の一致性に基づく保険賠償詐欺防止方法、システム、装置及び読み取り可能な記録媒体 | |
CN110276829A (zh) | 通过多尺度体素哈希处理的三维表示 | |
CN113838005B (zh) | 基于维度转换的岩体裂隙智能识别与三维重构方法及系统 | |
Pound et al. | A patch-based approach to 3D plant shoot phenotyping | |
EP4107698A1 (en) | Generating three-dimensional object models from two-dimensional images | |
US20200057778A1 (en) | Depth image pose search with a bootstrapped-created database | |
CN110633711B (zh) | 训练特征点检测器的计算机装置、方法及特征点检测方法 | |
JP7033439B2 (ja) | 石垣管理システム、石垣管理方法及びコンピュータプログラム | |
CN116229007A (zh) | 利用bim建模的四维数字图像构建方法、装置、设备及介质 | |
JP5704909B2 (ja) | 注目領域検出方法、注目領域検出装置、及びプログラム | |
CN111369611B (zh) | 图像像素深度值优化方法及其装置、设备和存储介质 | |
Gothandaraman et al. | Virtual models in 3D digital reconstruction: detection and analysis of symmetry | |
CN116051980B (zh) | 基于倾斜摄影的建筑识别方法、系统、电子设备及介质 | |
Ranade et al. | Novel single view constraints for manhattan 3d line reconstruction | |
Chen et al. | A 3-D point clouds scanning and registration methodology for automatic object digitization |