买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江大学申请的专利一种基于2D-3D数据融合的桥梁病害检测与定位方法和装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119810084B 。

龙图腾网通过国家知识产权局官网在2025-09-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510013885.7，技术领域涉及：G06T7/00；该发明授权一种基于2D-3D数据融合的桥梁病害检测与定位方法和装置是由万华平;张文杰设计研发完成，并于2025-01-06向国家知识产权局提交的专利申请。

本一种基于2D-3D数据融合的桥梁病害检测与定位方法和装置在说明书摘要公布了：一种基于2D‑3D数据融合的桥梁病害检测与定位方法和装置，该发明利用图像和点云之间的同质性，能够在复杂背景和不平衡数据条件下实现桥梁病害识别。具体实施步骤为：①收集桥梁结构多视角图像和病害图像；②利用所述的多视角图像重建桥梁结构点云模型并输出深度图像；③搭建并训练ROI提取模型，利用深度图像输出去除复杂背景后的病害图像；④搭建并训练改进DeepLabv3+病害分割模型，检测ROI提取后病害图像中的桥梁病害，输出桥梁病害分割掩码；⑤基于桥梁病害分割掩码和点云模型实现病害的三维可视化。本发明公开的方法能够实现桥梁病害的高精度检测和定位，为桥梁结构的日常检测提供了有力工具。

本发明授权一种基于2D-3D数据融合的桥梁病害检测与定位方法和装置在权利要求书中公布了：1.一种基于2D‑3D数据融合的桥梁病害检测与定位方法，其特征在于，包括以下步骤： A.利用无人机收集桥梁结构多视角图像数据I1和桥梁结构近距离图像数据I2； B.利用所述的桥梁结构多视角图像数据I1重建桥梁三维点云模型，并通过坐标系转换生成多视角图像对应的深度图像D，并保存为灰度图像； C.搭建并训练基于RGB‑D图像的ROI提取模型，输出去除复杂背景后的桥梁图像； C1.搭建基于RGB‑D图像的MobileSal模型用于图像ROI提取，该模型由编码器、特征融合模块和解码器三部分组成； C2.对所述的桥梁结构多视角图像数据I1进行标注，标注对象为图像中桥梁结构部分的像素，生成桥梁结构多视角图像数据I1的相应分割掩码；整合对应的桥梁结构多视角图像数据I1、深度图像D和分割掩码，从而形成用于图像ROI提取模型训练的RGB‑D数据集； C3.将RGB‑D数据集分割为训练集与测试集，训练集用于训练ROI提取模型，测试集用于评估ROI提取模型的性能；使用训练好的ROI提取模型分割所述的图像数据I2，输出去除背景的图像数据I2； D.搭建并训练改进DeepLabv3+病害分割模型，输出病害分割掩码； D1.搭建改进DeepLabv3+病害分割模型，该模型由编码器和解码器组成：编码器利用ResNet101作为骨干网络，并结合Atrous Spatial Pyramid Pooling技术提取不同感受野的图像特征，从而生成整合了多尺度信息的图像特征；解码器处理来自骨干网络中间层的低级特征图和ASPP模块的输出，并通过多重卷积和插值升采样操作，生成预测的掩码； D2.为提高图像分割精度，在所述的DeepLabv3+病害分割模型中引入focal loss函数，以替代原有的交叉熵损失函数； D3.收集桥梁结构的病害图像数据，并对收集到的图像进行标注，标注对象为图像中桥梁病害的像素，包括裂缝、空洞、剥落、水侵蚀四类病害；引入copy‑paste数据增强技术对病害图像及其标注信息进行增强，增加其中病害像素所占的比例，缓解数据中的类间不平衡问题，进而形成用于改进DeepLabv3+病害分割模型训练的病害数据集； D4.将增强后病害数据集分割为训练集与测试集，训练集用于训练改进DeepLabv3+病害分割模型，测试集用于评估模型性能；使用训练好的改进DeepLabv3+病害分割模型检测所述的去除背景的图像数据I2，输出相应的病害分割掩码； E.基于病害分割掩码与重建桥梁点云实现桥梁病害的三维可视化； E1.为了避免从当前图像视角看到的点云中，隐藏在桥梁目标点后的隐藏点被错误地显示，采用了隐藏点去除算法，根据当前病害图像的拍摄位姿计算当前视角下点云的可见点； E2.将仅包含可见点的点云根据相机内外参投影到二维图像上，并建立图像像素点与三维点云中的点之间的对应关系； E3.将病害分割掩码与投影得到的二维图像相结合，判断二维图像上的像素点是否属于损伤；根据被确认为损伤的像素点，索引桥梁点云中相对应的点，将该点的颜色变更为预先设置的病害颜色，并附上病害信息； E4.遍历所有病害分割掩码，将从二维图像中检测到的病害信息显示在三维点云上，实现桥梁病害的三维可视化。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。