Команда Neimarker разработала и запатентовала метод семантического обогащения 3D-моделей с помощью нейросетей

Разработчик решений в сфере промышленного искусственного интеллекта и компьютерного зрения Neimarker зарегистрировал патент на изобретение, связывающее нейросетевой 2D-анализ с высокоточными трёхмерными цифровыми двойниками. Технология позволяет автоматически «переносить» найденные нейросетью негеометрические свойства — от микротрещин и ржавчины до типа материала — напрямую в объемную 3D-модель (облако точек, полигональную сетку или 3D-гауссианы).

Суть патента

Главная проблема традиционного 3D-сканирования (фотограмметрии или лазерного сканирования) заключается в том, что получаемая 3D-модель содержит только геометрию и цвет. Если распознать дефект на 2D-фотографии с помощью нейросети легко, то перенести эти данные в 3D-пространство с сохранением точных координат ранее требовало ручной работы.

Технологический конвейер Neimarker решает эту задачу в несколько шагов:

• Проецирование координат: Используя известные параметры камеры (фокусное расстояние, положение в пространстве), каждая 3D-точка объекта сопоставляется с её пиксельными координатами на 2D-фотографиях.
• Семантический анализ: Свёрточная нейронная сеть обрабатывает 2D-изображения, выполняя сегментацию (выделение точных контуров объектов или дефектов) и присваивая им метки классов (например, «трещина», «коррозия», «наледь»).
• Перенос атрибутов: Все 3D-локации (точки, вершины сетки или центры гауссиан), чьи проекции попали внутрь выделенных нейросетью 2D-масок, автоматически получают соответствующие атрибуты.

В результате формируется семантически обогащённый «цифровой двойник», где каждая точка объёмной модели хранит информацию о своих физических и эксплуатационных свойствах.

Сферы применения и практическая польза

Автоматическое обогащение 3D-моделей атрибутами открывает новые возможности для ключевых отраслей:

• Промышленность и обследование зданий: Автоматизированная дефектоскопия конструкций, эстакад и промышленных сооружений. Система формирует 3D-модель с точным указанием пространственных координат всех повреждений для автоматического расчёта объёма ремонтных работ.
• Горнодобывающая отрасль и логистика: Определение гранулометрического состава породы, классификация типов материалов и фиксация износа карьерной техники на 3D-модели.
• Транспортная инфраструктура: Оценка состояния дорожного покрытия и объектов транспортной сети с фиксацией выбоин, увлажнения или обледенения.

• Робототехника и автономные системы: Обогащённые 3D-карты позволяют роботам и беспилотным системам учитывать не только форму объектов, но и свойства поверхности (тип грунта, влажность, наличие препятствий) для построения безопасных маршрутов.
  
   

  

Опубликовано: 19 марта 2026 г. 9:18 Просмотры: 33