aving access to accurate and recent digital twins of infrastructure assets benefits the renovation, maintenance, condition monitoring, and construction planning of infrastructural projects. There are many cases where such a digital twin does not yet exist, such as for legacy structures. In order to create such a digital twin, a mobile laser scanner can be used to capture the geometric representation of the structure. With the aid of semantic segmentation, the scene can be decomposed into different object classes. This decomposition can then be used to retrieve cad models from a cad library to create an accurate digital twin. This study explores three deep-learning-based models for semantic segmentation of point clouds in a practical real-world setting: PointNet++, SuperPoint Graph, and Point Transformer. This study focuses on the use case of catenary arches of the Dutch railway system in collaboration with Strukton Rail, a major contractor for rail projects. A challenging, varied, high-resolution, and annotated dataset for evaluating point cloud segmentation models in railway settings is presented. The dataset contains 14 individually labelled classes and is the first of its kind to be made publicly available. A modified PointNet++ model achieved the best mean class Intersection over Union (IoU) of 71% for the semantic segmentation task on this new, diverse, and challenging dataset.
As I gaze out of my window, I am met with a totem. This totem is gray and windowless, nestled in between offices and academic buildings. Behind it is a park, and the longer I stare, the deeper it becomes embedded in the natural landscape, after a bit I forget it’s there. But in the corner of my eye I can see another one; another totem. This one intimidates me with its red glow. These buildings came to serve as mystical pillars of data flows to me, they became sites of reification, sites where the cloud finally condensed and data rained down. They assumed a posthuman status; high-tech facilities where humans are only needed to keep other humans out. I always imagined data as something abstract, as a floating entity, but as my encounters with these pillars started a process of materialization, it simultaneously sparked a desire to interrogate and to demystify.
LINK
The digitalization of railroad infrastructure is aimed at the improvement of maintenance and construction activities. Currently, inspections are done manually, with a domain expert classifying objects. This is a challenging task, considering the Netherlands has more than 3,400 km of railways that need to be inspected and maintained.
Rugpijn komt voor bij veel paarden. De pijngrens van ieder paard is verschillend, het is lastig te constateren of een paard rugpijn heeft. De oorzaken van rugpijn kunnen uiteenlopen zoals slecht passend zadel, kreupelheid, orgaanproblemen, manier van rijden, overbelasting of wervelblokkades. Momenteel wordt rugpijn geconstateerd middels handelingen zoals voelen aan spieren of wervels, visueel beoordelen van de rug. Objectieve analyses op gebied van rug problematieken en bewegingskwaliteit zijn op dit moment erg uitdagend. Het is mensenwerk en vaak zijn de meningen verdeeld zelfs tussen experts met ruime ervaring. Het equine back measurement system kan voor de sector een gamechanger worden door de mogelijkheid om de rug/romp beweging van het paard te objectiveren en kwantificeren en zodoende rugklachten te kunnen aantonen. Het equine back measurement systeem maakt met behulp van sensoren een 3D scan van het rugoppervlak tijdens bewegen (stap/draf) op een lopende band. Middels AI software analyse volgt hieruit een resultaat van de metingen en geeft het systeem aan waar opvallende afwijkingen zitten in de bewegende oppervlaktepatronen. Met deze informatie kan dan bijv. een zadelmaker het zadel op de juiste manier instellen voor het betreffende paard of zijn er indicaties voor nader veterinair onderzoek. Het equine back measurement system zou gecombineerd kunnen worden met alle bestaande lopende band opstellingen voor paarden. In de toekomst zou het systeem zelfs gebruikt kunnen worden om een nieuw te ontwikkelen zadel met luchtkamers aan te sturen. In dit project ligt de focus op genereren van een 3D model met behulp van sensoren zoals dieptecamera’s. Op basis van de ervaring met bewegingsmetingen bij paarden van projectpartner Equimoves is gebleken dat het systeem 200 - 300 metingen per seconde moet kunnen maken om voldoende details te kunnen zien. Bij dit project zijn verder betrokken Peard (zadeldrukmetingen) en Paardenkliniek Venlo.
