电线短路导致巴黎圣母院火灾3d数字技术或信用贷款丰城铜闸阀连接阀水泥泵We

发布时间：2023-02-02 00:28:41

电线短路导致巴黎圣母院火灾，3d数字技术或助其重建

法国巴黎圣母院本周一发生严重火灾，一场突如其来的大火让这座850多年的世界瑰宝付之一炬，令人痛心疾首。不过媒体称，完美重建它的希望是存在的——巴黎圣母院详细的3d地图已经在几年前制作了出来。

法国巴黎圣母院本周一发生严重火灾，一场突如其来的大火让这座850多年的世界瑰宝付之一炬，令人痛心疾首。

起火原因可能是顶楼电线短路

根据法国媒体报道，大火起始于楼顶，火势蔓延迅猛，熊熊火焰从教堂两座钟楼喷射而出。大火摧毁了大部分屋顶，并吞噬了这座标志性建筑的塔尖。

法国动员了400名消防员参与救火，经过5小时的奋战，火势逐渐得到控制。

报道称目前司法部门已就火灾原因展开调查，外媒报道称巴黎圣母院起火原因可能是顶楼的电线短路。

法媒称这起大火可能是从屋顶上的脚手架开始燃烧，事发时这里的修缮工作已经进行了数月时间。值得一提的是，最新消息显示巴黎圣母院祭坛和十字架在火灾中幸存，包括荆棘王冠在内的部分珍贵文物获救。

3d地图或助力巴黎圣母院重建

总统马克龙承诺要重建这座复杂的哥特式大教堂，但重建工作不会很轻松，可能需要花几年甚至几十年的时间。

不过媒体称，完美重建它的希望是存在的巴黎圣母院详细的3d地图已经在几年前制作了出来。

瓦萨大学(vassar college)艺术学院副教授安德鲁·塔伦(andrew tallon)之前使用激光扫描DWC冲击实验低温槽是进行低温冲击实验的专用辅助制冷装备仪，创建了一个完美精确的巴黎圣母院模型。

andrew tallon在实地考察

塔伦在去年11月去世了，但他生前曾告诉媒体：把激光束安装在三脚架上，扫描大教堂唱诗班周围，并测量扫描仪与它扫到的每个点之间的距离，每一次测量都用一个色点表示，累积起来就形成了一幅大教堂的三维图像。按照这种方式，扫描的精确度在5毫米以内。

用于三维存档的技术叫做三维激光扫描/激光雷达，可以精确地（mm精度）、快速地（每秒测量数十万个点）获取建筑的三维几何信息。获得的数据被脚踏开关称为激光扫描数据或点云数据。

他在2014 - 2015年的工作发现，国王画廊(gallery of kings)几乎已经从铅锤中移出了一英尺，并且大教堂的这个区域可能在工作开始之前的十年内保持不变，让土壤有时间沉淀。他的作品还表明，巴黎圣母院的内部柱子并没有完美对齐。

虽然andrew tallon已经去世，但是希望他生前的工作能够对巴黎圣母院的重建起到一定作用！

面对火灾，ai能做些什么？

早在2016年，nasa位于加州的喷气推进实验室的研究人员就在利用ai助消防员一臂之力。ai能够收集温度、气体和其他危险信号的相关数据，让消防人员更准确地对火场情况进行综合评估，并引导救火队员在执行任务时安全地通过火场。

由nasa喷气推进实验室和美国国土安全部联合开发的新型ai系统可以对消防活动进行指导，有望提高救火效率，降低人员伤亡

该系统名为audrey，通过对火场环境相关数据的推理，提取和理解实现辅助消防的目的。audrey利用物联技术，将众多消防设备和传感器信息实现无线交互。在消防员衣服中的可穿戴传感器可以获取gps位置信息，其他房间的热量信息、危险化学品和气体成分信息，以及卫星图像等等。

nasa为消防员打造云端守护天使

作为基于云的软件，audrey不仅可以向现场人员发送数据，还可以学习并预测后续的资源需求。audrey就是消防员的云端守护天使， audrey项目经理edward chow说。由于传感器能够检测到所有数据，可以避免消防队员进入马上会崩溃的房间。

chow表示，ai消防的效果与分析和学习的数据量有关。数据越多，ai提出有用建议的可能性就越大。我们利用复分条机杂的推理来模拟人类的思考方式。这使我们能够为消防员提供比传统ai系统更有用的信息。

2018年9月19日，audrey项目研究人员与当地消防局人员一起对系统进行了模拟火灾现场测试。模拟起火建筑的是由现代可燃物组成的特制小屋，配备了复杂的热电偶传感器，先进的热成像和可视成像设备，甚至是耐热的360 相机。

ai助力，卫星定位森林火灾仅需几分钟

2018年11月美国加州的camp fire森林大火共造成85人死亡，249人失踪重大伤亡，18000多栋建筑被毁。一直以来，对森林大火成功预测、及早发现、及早扑救一直是人们努力的目标。

众所周知，预测森林大火是非常困难的，目前，大多数火灾都是通过911报警，商业航班或火警了望站报告的。这种效率不一的报告方式让一些森林火灾在起火后长达数小时、甚至数天内还无法发现。

nasa拍摄的camp fire森林大火卫在动载实验进程中星图像。这场大火共造成85人死亡，249人失踪

目前，围绕地球轨道运行的两颗nasa卫星每天扫描几乎整个地球，并且可以发现火灾的热特征。这个过程需要至少三个小时，在此期间内，卫星需要越过华盛顿特区外的太空飞行中心，向下传输数据，并通过超级计算机运行图像。

不过，nasa的一位工程师james mackinnon表示，ai神经络可以让这个过程缩短到几分钟。他使用来自世界各地的时间跨度长达一年卫星图像对系统进行训练，系统对火灾识别的准确率高达98%。

灾后信息汇总：利用社交媒体，30分钟摸清情况

在灾后恢复的信息交流上，社交媒体也发挥着不可替代的作用。灾害响应ai（aidr）就是一个用于标记并讨论灾后紧急状况和信息的社交开放平台。aidr使用机器学习对数百万条关于灾难的推文和facebook帖子进行分类。

紧急救灾人员可以向系统输入要查找的关键字列表来训练系统，例如＃campfire，或 paradise fire ，或者从中提升相干产业竞争优势提取社交媒体信息中的地理区域，系统只需30分钟即可了解灾区情况。

为此，facebook 研究团队就创建了名为灾害影响指数(dii) 的指标，可以衡量某地区自然灾害造成的破坏程度，该指数可用来评估火灾造成的损失程度。

这项研究由 facebook ai 研究部门的研究员 saikat basu、guan pang 以及 crowd ai 公司的机器学习主管 jigar doshi 共同完成舞蹈，目前，这套基于卷积神经络的评估工具的准确率达到80%以上。

（综合整理自腾讯科技、环球、新智元）

本文为edn电子技术设计原创文章，禁止转载。请尊重知识产权，违者本司保留追究的权利。