摘要
本申请公开了一种基于深度神经网络的基建数字孪生体动态配准方法、系统、设备、介质及产品,涉及数字孪生体配准领域,该方法包括:基于基建工程的项目设计构建数字孪生体模型;预测所述数字孪生体模型的生长数据;基于预测的生长数据,采用训练好的深度神经网络预测补偿误差;基于所述补偿误差对所述数字孪生体模型进行补偿,实现成数字孪生体模型的动态配准。本申请能够减少数字孪生体模型与物理实体之间的误差,提高数字孪生体模型与实际施工状态的拟合精度。
技术关键词
数字孪生体
深度神经网络
动态配准方法
补偿误差
训练样本集
基建
无人机拍摄图像
数据
配准系统
模型训练模块
实体
物理
主成分分析法
施工现场
处理器
项目
计算机程序产品
系统为您推荐了相关专利信息
切片
特征提取模型
细粒度特征
特征提取模块
识别系统
交通控制方法
飞行器
无线通信网络
动态频谱管理
路径规划算法
生长预测方法
机器学习模型
异常状态
支持向量机
计算机执行指令
特征提取器
信号识别方法
识别器
信道冲激响应
融合特征
车辆重识别模型
训练样本集
重识别方法
图像库
注意力机制