(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211047193.7 (22)申请日 2022.08.29 (71)申请人 中铁云网信息科技有限公司 地址 101300 北京市顺 义区临空经济核心 区融慧园6号楼3 -156 (72)发明人 左睿　路耀邦　张红勇　王胜楠　 陈光　刘雪松　董海峰　陈世超　 张宁　宋林　 (74)专利代理 机构 北京驰纳南熙知识产权代理 有限公司 1 1999 专利代理师 马栋敏 (51)Int.Cl. G06T 7/521(2017.01) G01S 17/88(2006.01) G06T 15/00(2011.01)G06T 17/00(2006.01) (54)发明名称 一种铁路桥梁数字 孪生建模方法 (57)摘要 本发明提供一种铁路桥梁数字孪生建模方 法， 包括建立物理实体的三维物理模型， 还包括 以下步骤： 将所述物理模型映射到逻辑模型； 基 于开源图形场景构建可视化的仿真模 型； 基于多 源数据， 采用多目标优化蚁群算法对 所述仿真模 型进行训练和优化， 并将仿真结果反馈到所述物 理模型； 对 所述物理模型与所述仿真模型进行一 致性与可靠性验证； 构建可计算的数据模型； 集 成所述物理模型、 所述逻辑模型、 所述仿真模型 和所述数据模型， 通过映射重构和1∶ 1镜像， 建立 物理空间物理实体在虚拟空间的数字孪生体。 本 发明基于机器视觉和图形学技术、 利用图卷积和 Nerf的深度学习技术的铁路桥梁数字孪生模型 构建方法， 实现数字孪生体与物理实体 之间实时 信息交互与虚拟监控。 权利要求书2页 说明书6页 附图4页 CN 115222792 A 2022.10.21 CN 115222792 A 1.一种铁路桥梁数字孪生建模方法， 包括建立物理实体的三维物 理模型， 其特征在于， 还包括以下步骤： 步骤1： 将所述物理模型映射到 逻辑模型； 步骤2： 基于开源图形场景OpenSceneGraph构建可视化的仿真模型； 步骤3： 基于多源数据， 采用多目标优化蚁群算法对所述仿真模型进行训练和优化， 并 将仿真结果反馈 到所述物理模型； 步骤4： 对所述物理模型与所述仿真模型进行一 致性与可靠性验证； 步骤5： 构建可计算的数据模型； 步骤6： 集成所述物 理模型、 所述逻辑模型、 所述仿真模型和所述数据模型， 通过映射重 构和1∶ 1镜像， 建立物理 空间物理实体在虚拟空间的数字 孪生体。 2.如权利要求1所述的铁路桥梁数字孪生建模方法， 其特征在于， 所述建立物 理实体的 三维物理模型步骤包括基于输入的点云数据， 利用球查询建立图结构， 并通过图卷积算法 提取物理实体的三 维模型特征， 挖掘点云模型的几何特征， 以及隐藏的边缘信息。 最后基于 点的特征构建辐射场， 利用神经辐射场(Nerf)算法建立 三维模型。 3.如权利要求2所述的铁路桥梁数字孪生建模方法， 其特征在于， 所述步骤1包括通过 图形化、 形式化描述所述逻辑模 型的组成要 素、 组织结构和运行机制， 并通过所述逻辑模型 将各要素属性和行为反馈 到所述物理模型， 实现对所述物理模型的优化。 4.如权利要求3所述的铁路桥梁数字孪生建模方法， 其特征在于， 所述步骤4包括若满 足所述仿真模型的目标函数迭代优化条件， 则执 行所述步骤5， 否则， 执 行所述步骤1。 5.如权利要求4所述的铁路桥梁数字孪生建模方法， 其特征在于， 所述步骤5包括基于 多源异构数据融合和神经网络算法， 实现物理空间与 虚拟空间信息流、 控制流、 数据流和决 策流的数据清洗转换、 共享汇聚、 融合及迭代优化。 6.如权利要求5所述的铁路桥梁数字孪生建模方法， 其特征在于， 所述数字孪生建模方 法还包括以下步骤： 步骤a： 进行物理实体建模； 步骤b： 对物理实体模型进行优化 渲染； 步骤c： 搭建仿真场景； 步骤d： 进行多源数据融合； 步骤e： 通过基于分布式架构的数据库接口， 实现数字孪生体与物 理实体的实时交互及 同步反馈 。 7.如权利要求6所述的铁路桥梁数字孪生建模方法， 其特征在于， 所述步骤a包括以下 子步骤： 步骤a1： 利用激光雷达和相机采集点云数据， 根据图片生成点云并融合激光雷达采集 的点云， 通过图卷积网络提取点云的场景和几何特 征； 步骤a2： 利用提取的点云特征构建场景辐射场， 使用可微分的ray  marching实现高质 量渲染建立铁路桥梁的物理实体三维模型； 步骤a3： 使用l oss函数对模型进行训练优化。 8.如权利要求5所述的铁路桥梁数字孪生建模方法， 其特征在于， 所述图卷积的实现如 下公式：权　利　要　求　书 1/2 页 2 CN 115222792 A 2其中， Hl+1为第l层输出, σ 为激活函数,D为入度矩阵, 为带有自环的邻接矩阵,Hl为第l 层输入,Wl为模型权 重参数。 9.如权利要求8所述的铁路桥梁数字 孪生建模方法， 其特 征在于， 所述 loss函数为 其中， Lsparse为置信重建损失函数, γ 为 点云数量, γi为实际表面 点的置信度。 10.如权利要求8所述的铁路桥梁数字孪生建模方法， 其特征在于， 所述步骤b包括使用 3d建模软件和渲染工具对物理实体模型进行物理实体模型渲染、 贴图以及边 缘优化。权　利　要　求　书 2/2 页 3 CN 115222792 A 3