2d照片数据采集模块 相机控制模块 三维激光数据采集 图像路段编号 图像分割 安全分析模块 三维显示模块 技术栈：opencv，pytorch，maskrcnn，unet 我负责： 1.相机的数据采集 2.采集的数据与隧道路段对齐 3.图像的分割标注 4.分割识别 技术难点： 1.在光线昏暗的环境下识别效果差，第一通过人为补光，二通过数据增广，增加昏暗环境下的样本的比例，提高识别准确率 2.误检率高，会讲一些砖缝识别为裂隙，在后处理模块中，通过地质的业务逻辑，可以将规整的缝隙进行过滤，提高真裂隙的识别准确率。 3.定位问题，获取隧道口的桩号，结合实时获取车辆的行走距离，可以将采集的图片定位到对应的隧道的位置，从而将识别出的裂隙定位到隧道上，在三维显示模块以及安全分析模块中应用。

调理系统包括： 前端用户界面 机器人控制模块 相机控制模块 调理床控制模块 识别模块 后端调理逻辑 我负责 1.相机控制模块，使用的是kinect相机，总共4个相机，实时同步获取四个不同视角的人体照片 2.2d关键点识别模块，根据人体不同的姿势，识别人体穴位点，形成经络 3.调理逻辑模块，将识别的结果，组成人体不同的经络，同时控制机械臂和床的同步移动，完成人体经络的调理。 技术难点： 1.识别方面，遮挡识别，当机械臂遮挡人体，也需要识别出被遮挡的人体穴位点，在前期没有很多样本，开发新的数据增广（通过将单独的机械臂样本合成到原有的为遮挡的样本中去，随机模拟机械臂遮挡），同时增加训练迭代次数，最终能识别出遮挡的穴位点。 2.实时性，需要在调理的过程中，防止患者位置挪动导致机械臂行走不准，需实时识别，删除人体框检测模块，提供先验人体框，缩减识别的时间，同时将模型导出torchscript格式，c++后端调用，能达到实时识别。 3.增加先验骨骼约束，减少误检率。