سایپرز، باشگاه دانش - ارائه دهنده مقالات ژورنالهای خارجی

اطلاعات و مشخصات مقاله

explorer iconلينك‌ها

[ بازگشت | جستجو | فهرست کلمات کلیدی | فهرست موضوعات | فهرست نویسندگان | فهرست ناشران | فهرست ژورنالها ]

info iconاطلاعات مقاله

[ 97 بار مشاهده چكيده]

عنوان مقاله:حوادث موتور سیکلت، رفتار سوار، و روانی مدل
ناشر: [ Elsevier BV ]
ژورنال
دوره (شماره):49 (0)
سال انتشار:January 2015
شماره صفحات: 239249239-249
نشانگر دیجیتالی شیء:[ 10.1016/j.autcon.2014.06.003 ]
شما اینجا هستید:
  1. Scipers, the Knowledge ClubScipers »
  2. Elsevier BV »
  3. Automation In Construction »
  4. Smart scanning and near real-time 3D surface modeling of dynamic construction equipment from a point cloud

report iconنمايش خلاصه مقاله

Smart Scanning And Near Real-time 3D Surface Modeling Of Dynamic Construction Equipment From A Point Cloud


مقاله: حوادث موتور سیکلت، رفتار سوار، و روانی مدل

نويسند‌گان:


خلاصه مقاله:


This paper introduces a framework of automatic object recognition and rapid surface modeling to aid the heavy equipment operation in rapidly perceiving 3D working environment at dynamic construction sites. A custom-designed data acquisition system was employed in this study to rapidly recognize the selected target objects in a 3D space by dynamically separating target object’s point cloud data from a background scene for a quick computing process. A smart scanning method was also applied to only update the target object’s point cloud data while keeping the previously scanned static work environments. Then the target’s point cloud data were rapidly converted into a 3D surface model using the concave hull surface modeling algorithm after a process of data filtering and downsizing to increase the model accuracy and data processing speed. The performance of the proposed framework was tested with two different heavy equipment types at a steel frame building construction site. The generated surface model and the point cloud of static surroundings were wirelessly presented to a remote operator. The field test results show that the proposed rapid target surface modeling method would significantly improve productivity and safety in heavy construction equipment operations by distinguishing a dynamic target object from a surrounding static environment in 3D views in near real time.


این مقاله یک چارچوب تشخیص شیء اتوماتیک و مدل سازی سطح سریع معرفی برای کمک به عملیات تجهیزات سنگین در سرعت درک 3D محیط کار در سایت های ساخت و ساز پویا. سیستم اکتساب داده سفارشی طراحی شده در این مطالعه استفاده شد به سرعت در حال رسمیت شناختن اشیاء هدف انتخاب شده در یک فضای 3D توسط پویا جدا داده ابر جسم هدف از صحنه پس زمینه برای یک فرایند محاسبات سریع است. روش اسکن هوشمند نیز استفاده شد به تنها روز رسانی اطلاعات نقطه ابر شیء هدف در حالی که نگه داشتن محیط کار شخص قبلا اسکن شده است. سپس داده های ابر نقطه هدف را به سرعت به مدل سطح 3D با استفاده از الگوریتم مدل سازی سطح پوست مقعر پس از یک روند فیلتر کردن داده ها و کوچک سازی به منظور افزایش دقت مدل و داده های سرعت پردازش تبدیل شد. عملکرد چارچوب ارائه شده با دو نوع مختلف تجهیزات سنگین در قاب فولاد سایت ساخت و ساز ساختمان مورد آزمایش قرار گرفت. مدل سطح تولید و ابر نقطه از محیط اطراف شخص بی سیم به یک اپراتور از راه دور ارائه شد. نتایج آزمون نشان می دهد که درست به هدف سریع روش مدل سازی سطح پیشنهاد قابل توجهی به بهبود بهره وری و ایمنی در عملیات تجهیزات ساخت و ساز سنگین تشخیص یک شی هدف پویا از یک محیط اطراف شخص در نمایش 3D در نزدیکی زمان واقعی است.


كلمات كليدي:

3D modeling, Construction equipment, Crane, Object recognition, Point cloud, Safety
مدل سازی 3D, تجهیزات ساخت و ساز, جرثقیل, تشخیص شیء, ابر نقطه ای, ایمنی


موضوعات:

Building and Construction, Civil and Structural Engineering, Control and Systems Engineering



[ ]

 

دسترسی بین المللی

اگر شما در داخل کشور (ایران) هستید و این صفحه را مشاهده می کنید، نشان می دهد که IP شما به هر دلیلی در لیست IP های ایران ثبت نشده است. برای رفع این مشکل کافی است IP خود را که در پایین این پیام درج شده از طریق آدرس ایمیل support@scipers.com به ما اطلاع دهید. پس از دریافت درخواست، کارشناسان فنی موضوع را بررسی می نمایند و در صورتی که محل اتصال شما از کشور ایران بوده باشد، به لیست استفاده کنندگان مجاز افزوده می شوید.
IP: 34.234.76.59

اطلاعات استنادی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

 

به اشتراک گذاری

این صفحه را با استفاده از انواع شبکه های اجتماعی با دوستان خود به اشتراک بگذارید.

فهرست مراجع و منابع




 

برگشت به بالا
رونمایی از اولین و تنها ربات تلگرامی جستجوی مقالات ژورنالی
×