En el contexto de la demanda de operación digital a lo largo del ciclo de vida de los puentes, la tecnología de modelado inverso rápido de puentes se ha convertido en un eslabón clave para la construcción de una base de datos de operación. Los datos de nube de puntos 3D recopilados son un elemento clave para la formación de registros de operación y el gemelo digital. La precisión de la información semántica de los componentes en el marco de control digital depende de la precisión de la segmentación semántica de las instancias de nube de puntos. Para lograr una segmentación de instancias de alta precisión e interpretable de componentes de puente típicos, se introduce el conocimiento como información semántica y se estudian métodos de segmentación de instancias de nube de puntos impulsados por el conocimiento. En primer lugar, mediante el tratamiento de los datos de optimización basados en la agrupación en la clasificación de segmentación de nivel de categoría, es posible mejorar la precisión de la extracción de instancias. Luego, en base a las relaciones geométricas entre los componentes dadas por los criterios de diseño, se pueden determinar los límites del panel del puente y la distribución de los ejes de la viga. Finalmente, basándose en reglas formales para la línea central de las pilas del puente y la disposición cruzada y longitudinal de las vigas, se construyen cajas delimitadoras dinámicas para lograr la segmentación de instancias del panel del puente y las vigas. Los resultados obtenidos en datos reales de nube de puntos muestran que este método presenta un buen rendimiento en la segmentación de instancias, reduce la dependencia de los algoritmos de segmentación semántica de los datos y puede respaldar la tecnología de modelado automático de puentes, desde nubes de puntos hasta el gemelo digital.

nube de puntos 3D; componentes de puente; segmentación semántica; conocimiento impulsado; segmentación de instancias