概述

综合运用机器视觉、无人机、建筑信息模型、机器学习等技术研发一种快速、高效、非接触、智能的玻璃幕墙损伤检测方法。首先通过玻璃幕墙模型成像试验研究不同光照条件下影像反射/透射噪声的分布规律，为高质量的玻璃幕墙影像获取提供技术基础。其次，研究环境、影像及无人机自身约束下的无人机立体路径规划技术，在待检测建筑三维模型的基础上实现多尺度、多视角、多时段及多波段的玻璃幕墙影像贴近遍历采集。最后，研究利用可见光玻璃幕墙损伤影像建立训练样本库，通过深度学习算法构建玻璃幕墙损伤自动识别技术，并通过迁移学习实现基于热红外影像的玻璃幕墙损伤识别。

需求详情

综合运用机器视觉、无人机、建筑信息模型、机器学习等技术研发一种快速、高效、非接触、智能的玻璃幕墙损伤检测方法。首先通过玻璃幕墙模型成像试验研究不同光照条件下影像反射/透射噪声的分布规律，为高质量的玻璃幕墙影像获取提供技术基础。其次，研究环境、影像及无人机自身约束下的无人机立体路径规划技术，在待检测建筑三维模型的基础上实现多尺度、多视角、多时段及多波段的玻璃幕墙影像贴近遍历采集。最后，研究利用可见光玻璃幕墙损伤影像建立训练样本库，通过深度学习算法构建玻璃幕墙损伤自动识别技术，并通过迁移学习实现基于热红外影像的玻璃幕墙损伤识别。