C3 Classical Computer-vision Core
经典计算机视觉核心
无需训练,响应迅速
C3 基于传统计算机视觉方法(边缘检测、形态学运算、特征匹配等),不依赖训练数据或预训练权重,直接对剖面数据进行解析并标注疑似异常区域。
- ⚡推理速度快,适合现场快速筛查与强反射目标定位。
- ◎轻量、门槛低,打开即用,适合大型异常体的初步圈定。
Ground Penetrating Radar · B-scan
对应 BasbitGPRview-web 分析页:本地选择工程文件夹即可加载多厂商原始道集; 支持原始 / 一键 / 自定义处理链、AI 推理模式(C3 / TNN 双模型)、分屏对比、速度–深度换算、矢量标记与 CSV / PDF 导出。可选 WebAssembly 加速着色与部分解析流程。
Basbit
两路算力规格见各通道配置;在线人数与颜色表示当前负载,人越多颜色越偏红。
AI Inference
BasbitGPRview-web 集成 AI 推理能力,提供 C3 与 TNN 两套检测模型,分别侧重快速筛查与高精度识别。 可在分析页界面中一键切换,按任务需求在速度与精度之间灵活取舍。访问 basbit.cn 即可体验,无需安装客户端。
经典计算机视觉核心
无需训练,响应迅速
C3 基于传统计算机视觉方法(边缘检测、形态学运算、特征匹配等),不依赖训练数据或预训练权重,直接对剖面数据进行解析并标注疑似异常区域。
泰坦神经网络
深度学习,识别更精细
TNN 采用深度神经网络,经缺陷样本训练迭代,对复杂纹理背景、模糊或微小异常具有更强的特征表达与泛化能力。推理速度略慢于 C3,在常见硬件上仍可流畅完成实时推理。
| 模型 | 方案类型 | 是否训练 | 推理速度 | 适用场景 |
|---|---|---|---|---|
| C3 | 传统计算机视觉 | 无需训练 | 很快 | 快速筛查、强反射信号敏感 |
| TNN | 深度神经网络 | 已训练 | 相对较慢 | 高精度自动分类与筛选 |
说明:TNN 的「相对较慢」是相对于 C3 而言;在实际部署环境中,两种模型均可满足常规实时推理需求。
C3(Classical Computer-vision Core)与 TNN(Titan Neural Network)为 Basbit 定义的模型代号,分别体现传统视觉与深度学习两条技术路径。Basbit 团队 · 2026
Simulation
GPR 仿真指在已知地下介质模型、几何结构与天线激励条件下,用数值方法计算电磁波传播与散射,生成合成 B-scan(雷达剖面)。 它不替代现场采集,却能可控、可重复地检验成像假设、处理参数与解释流程,常用于算法研发、教学演示与方案预估。
工程上可把正演理解为「给定地下长什么样、天线怎么激发」,事先看一眼理论上应在雷达图上出现的反射轴、绕射双曲线与多次波形态; 再与实测剖面对照,有助于区分地质响应与采集/处理假象,或为测线布置与天线选型提供直觉依据。
Basbit 侧的仿真以云端计算交付结果:您在浏览器或配套流程中提交模型参数与尺度设定,服务端完成数值求解后返回剖面数据; 输出可与 BasbitGPRview-web 同一套查看、处理链、标记与 CSV / PDF 导出衔接,避免「算完还要换软件看图」的断点。
gprMax 是广泛使用的开源 GPR 电磁正演框架(典型为 FDTD)。通过脚本或命令行精细定义网格、材料与边界,适合科研与完全可控的可重复试验。
算力与耗时取决于本机 CPU / GPU、并行设置与模型规模;网格较细或模型较大时,往往需要较长运行时间或自建集群。
Basbit 仿真面向工勘与教研的快速闭环:参数与尺度在产品内流程中组织,计算在优化过的服务端流水线上执行,结果直接进入 Basbit 查看与协作语境。
强项是交互与时延与解释链路一体,而非替代 gprMax 做任意底层方程实验。
二者并非「谁代替谁」。gprMax 更适合开源验证、论文级细节或离线批算;Basbit 更适合在秒级到数十秒级内拿到剖面,并与 Web 端解释工具一条龙完成。
在服务器负载正常、排队较少的情况下,单次仿真从提交到返回结果往往在20 秒以内完成,便于现场讨论与课堂演示节奏。
实际耗时仍受模型尺度、离散分辨率、激励频带与当前队列影响。节假日或高峰时段并发升高时,等待可能延长。
以上为经验区间描述,不构成性能承诺;以您账号下实际任务记录与当时服务状态为准。
小结:Basbit 侧重「快速出剖面 + 同一套 Web 工具解释」;gprMax 侧重「本地可编程、任意细化网格与边界」。按任务选工具,二者可以并存。
Workflow
从原始文件到成果导出,与 Web端 左侧面板「文件 / 标记 / 数据编辑」三页结构一致。
.rd3 与 .rad、.dt1 与 .hd 等),详见下方格式说明。Data formats
下列扩展名与 Web 客户端识别列表一致;成对文件需放在同一目录以便自动关联。未列出的变体以实际加载结果为准。
主剖面与主机/定位侧车(与同基名文件置于同一目录便于关联):
.dzt:道集主文件。.dzx:常见于 SIR 4000 等主机导出的配套索引/元数据。.dzg:GPS / 定位等轨迹或地理相关侧车数据。
.dt1 与 .hd 为经典 Ekko 剖面与头文件成对互依。部分采集链使用 .data;.dat 道集需同目录 .gprhdr(头文件扩展名常见写法 gprhdr,与 gprhd 为同一类头文件)。
加载时需 .iprb 与 .iprh 同目录配套,自动识别数据位深。
FastWave / Focus 等 RIS 产品线常见道集扩展名为 .dt(与上方 Ekko 的 .dt1 不同族,请勿混用)。
OKO Geotech 采集设备导出的独立道集文件,无需配套头文件。
中国电波传播研究所等相关雷达道集;与同目录侧车一并加载时按解析器约定关联。
.prd 为双频道集;.srd 为单频数据集, 按实际导出约定置于同一工程目录以便关联加载。
成铁精测相关道集;与同目录侧车一并加载时按解析器约定关联。
筑升科技道集主文件;同目录可选 .zsinf 侧车(轨迹、标记等)。与同目录其它文件一并加载时按解析器约定关联。
波动雷达独立道集;同目录可选同名 .rtk 侧车用于轨迹关联。API 一键处理与网页「手动处理」默认步骤一致。
驰驭雷达独立道集,无法识别标记。
同目录同基名:.had 为头,.hcd 为道数据;可选 .hcm。
若存在同名 .csv 侧车文件,可用于辅助道序或空间信息关联。
Processing
以下为 BasbitGPRview-web「手动处理」中各步骤的物理/数学含义简介,便于方法文档与学术交流引用。
Pipeline preview
将直达波或地面耦合位置对齐到参考时刻;可选自动估计或手动指定延迟(ns),后续深度换算均依赖该时间原点。
沿剖面方向估计水平相干噪声子空间:奇异值分解(SVD)分离水平带状能量;均值法为更轻量的横向减除,适合弱非平稳场景。
补偿几何扩散与介质吸收导致的振幅衰减:能量衰减模型与球面扩散模型对应不同先验,用于抬升深部弱反射。
带通滤波突出有效频带、抑制高频振铃与低频漂移;支持由采样率与天线参数自动估计通带或手动给定上下截止(MHz)。
去除道内直流与低频趋势:直流去除与滑动平均型去漂移可改善基线弯曲而不显著损伤薄层反射。
在相邻道间做有限窗口平滑,抑制随机噪声并增强同相轴连续性;窗口以道数计,过大可能模糊精细结构。
解析信号与瞬时振幅(包络)估计,突出强散射体与多次波包络形态;沿慢时间(道)方向施加,便于与瞬时相位/频率分析衔接。
Visualization
与主画布、状态栏及工具栏控件对应的功能摘要。
本站关于 GPR 仿真的介绍与工程实践,受益于全球开源电磁正演社区的无私分享与长期维护。我们特别感谢下列项目、作者及公开讨论的贡献;BasbitGPRview 与之为独立产品关系,鸣谢不代表官方背书。