本发明专利技术公开了一种基于系留无人机的大型桥梁检测方法及检测装置,其中,检测方法包括步骤:将系留电源布置在桥面上,无人机从桥面起降,对桥梁表面进行检测;或者,将系留电源布置在地面上,无人机从地面起降,对桥梁表面进行检测。本发明专利技术基于系留无人机,提供了两种桥梁检测的作业方法,操作人员处于桥面或桥下安全地带,安全有保证,而且作业简单,同时不影响正常交通;此外系留无人机有地面供电,可以连续飞行,能够满足续航的要求。
【技术实现步骤摘要】
一种基于系留无人机的大型桥梁检测方法及检测装置
本专利技术涉及图像识别处理领域,尤其涉及一种基于系留无人机的大型桥梁检测方法及检测装置。
技术介绍
近十几年,我国交通事业的发展迅速,桥梁公路里程不断增加,截止到2015年底,全国桥梁公路达到77.92万座,4592.77万米。其中,特大桥梁3894座、690.42万米,大桥79512座、2060.85万米。同时,近年来随着国家路网的不断完善和物流产业的迅猛发展,公路交通流量显著增长,超大型运输车和超重车数量日益增多,桥梁在服役年限里加速了老化和破损,难以适应日益增长的交通运输量需求。据不完全统计,我国公路路网中有超过10万座桥梁被定为危桥。众多因素降低了桥梁承载能力和耐久性,甚至影响运营的安全,由此引起的一系列问题都需要相应的维修、改造和加固来解决,而这些工作又必须在对桥梁结构进行详细和全面检测的基础上才能进行。因此,准确、高效的桥梁检测工作十分重要。目前,常用的桥梁检测方法有很多种,例如支架检测、望远镜检测、爬壁机器人、桥梁检测车、桥梁承载能力检测等。不过,这些现有的大型桥梁检测方式还存在一些不足:1)可操作的难度非常大,对于桥梁的高墩结构以及涉水区段等,存在一定的检测盲区;2)实时性差,桥梁损坏事故发生后不能快速检测桥梁的最新情况;3)危险系数比较高,给检测人员带来一定的安全风险;4)进行桥梁的静载或动载检测会严重影响正常交通。因此,现有技术还有待于改进和发展。
技术实现思路
鉴于上述现有技术的不足,本专利技术的目的在于提供一种基于系留无人机的大型桥梁检测方法及检测装置,旨在解决现有的桥梁检测方法操作难度大、不安全、并且会影响正常的交通运行的问题。本专利技术的技术方案如下:一种基于系留无人机的大型桥梁检测方法,包括步骤:将系留电源布置在桥面上,无人机从桥面起降,对桥梁表面进行检测;或者,将系留电源布置在地面上,无人机从地面起降,对桥梁表面进行检测。所述的基于系留无人机的大型桥梁检测方法,其中,对桥梁表面进行检测的步骤包括:步骤S1:获取桥梁表面的初始影像,以及所述初始影像与桥梁表面对应的位置信息;步骤S2:对所述初始影像进行灰度校正,以去除辅助光照不均引起的噪声信号,得到校正后的影像;步骤S3:将所述校正后的影像分成三个级别:像素级影像、单元级影像和块级影像,然后基于所述像素级影像到单元级影像的灰度计算,消除随机噪声信号;基于所述单元级影像的块级影像进行邻域差分直方图分割计算,消除桥梁表面的背景信号,从而检测出桥梁表面的裂缝区域;其中,所述单元级影像是指裂缝影像的一部分,所述块级影像是指裂缝区域整体的影像。步骤S4:对所述裂缝区域进行边缘跟踪,提取裂缝的几何特征。所述的基于系留无人机的大型桥梁检测方法,其中,所述步骤S1中,获取所述初始影像与桥梁表面对应的位置信息,具体方法包括:采用惯性导航系统和/或GPS系统定位。所述的基于系留无人机的大型桥梁检测方法,其中,所述步骤S2包括:步骤S21、将所述初始影像的影像行中各像元与所述影像行的均值求差,得到差值影像行;步骤S22、对所述差值影像行采用正弦函数进行最小二乘拟合,得到所述影像行的噪声信号的正弦参数;步骤S23、通过所述正弦参数计算出所述噪声信号,对所述初始影像进行补偿,得到校正后的影像。所述的基于系留无人机的大型桥梁检测方法,其中,所述步骤S3中,所述灰度计算的离散数学模型为:Grayunit=λMinunit+(1-λ)Meanunit;其中,Grayunit为计算得到的单元级影像灰度值,Minunit为单元级影像最小灰度值,Meanunit为单元级影像灰度均值,λ为单元级影像最小灰度值的权重。所述的基于系留无人机的大型桥梁检测方法,其中,所述步骤S3中,所述邻域差分直方图分割计算的离散数学模型为:其中,Dhg为块级影像灰度级Gray((i+h)*m+(j+k)在影像中与其八邻域象素变化量的统计值,m为块级影像横向的单元数。n为块级影像纵向的单元数,g为灰度值,h和k是表示在影像取八邻域方向时能够遍历所有方向,起数学运算作用,无实际物理意义,g、h、i、j、k、m、n均为整数;g∈[0,255],h∈[-1,1],k∈[-1,1],i∈[0,n-1]、j∈[0,m-1]。所述的基于系留无人机的大型桥梁检测方法,其中,所述步骤S4中,所述几何特征包括点状特征、线状特征和面状特征。所述的基于系留无人机的大型桥梁检测方法,其中,包括:系留无人机,以及设置在所述系留无人机上的桥梁检测系统;所述系留无人机包括系留电源,以及与所述系留电源通过电连接的无人机。所述的基于系留无人机的大型桥梁检测方法,其中,所述桥梁检测系统包括:图像采集模块,用于获取桥梁表面的初始影像;定位导航模块,用于所述无人机的导航定位,并获取所述初始影像与桥梁表面对应的位置信息;处理器,分别与所述图像采集模块、所述定位导航模块通信连接,用于数据的处理计算;存储器,与所述处理器通信连接,所述存储器存储有计算机程序,所述计算机程序用于被执行时实现如上所述的方法。所述的基于系留无人机的大型桥梁检测方法,其中,所述图像采集模块包括云台和防抖相机。有益效果:本专利技术基于系留无人机,提供了两种桥梁检测的作业方法,操作人员处于桥面或地面安全地带,安全有保证,而且作业简单,同时不影响正常交通;此外相比单纯的无人机(续航大概30min),系留无人机有地面供电,可以连续飞行,不存在续航时间,对于大型桥梁检测来说,一次检测作业时间相对较长,系留无人机能够满足续航的要求。附图说明图1为本专利技术提供的一种大型桥梁检测方法的实施例的示意图。图2为本专利技术提供的另一种大型桥梁检测方法的实施例的示意图。图3为本专利技术提供的一种大型桥梁检测装置的结构示意图。具体实施方式本专利技术提供了一种基于系留无人机的大型桥梁检测方法及检测装置,为使本专利技术的目的、技术方案及效果更加清楚、明确,以下对本专利技术进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本专利技术,并不用于限定本专利技术。需要说明的是,本专利技术中,桥梁表面是指桥梁上不方便直接检测的部位,例如桥体的底面和侧面、桥墩的侧面等等。本专利技术提供的基于系留无人机的大型桥梁检测方法,其中一种实施如图1所示,将系留电源1布置在桥面上,无人机2从桥面3起降,对桥梁表面进行检测。另一种实施方式如图2所示,将系留电源1布置在地面上,无人机2从地面起降,对桥梁表面3进行检测。操作人员在桥下进行无人机起降。具体操作时,以桥面起降为例,起飞无人机之前,将系留模块中的线缆释放出足够长度,使得线缆依靠重力自然下垂,防止无人机的旋翼缠绕到线缆;操作人员在桥面上操控无人机的飞行及起降,数据采集及处理由无人机完成。本专利技术基于系留无人机的两种桥梁检测的作业方法,操作人员处于桥面或桥下安全地带,安全有保证,而且作业简单,同时不影响正常交通;此外相比单纯的无人机(续航大概30min),系留无人机有地面供电,可以连续飞行,不存在续航时间,对于大型桥梁检测来说,一次检测作业时间相对较长,系留无人机能够满足续航的要求。本专利技术还提供了系留无人机对桥面进行检测的较佳实施例,具体包括:步骤S1:获取桥梁表面的初始影像,以及所述初始影像与桥梁表面对应的位置信息。具体的,无人机抵近桥梁底面本文档来自技高网...
【技术保护点】
1.一种基于系留无人机的大型桥梁检测方法,其特征在于,包括步骤:将系留电源布置在桥面上,无人机从桥面起降,对桥梁表面进行检测;或者,将系留电源布置在地面上,无人机从地面起降,对桥梁表面进行检测。
【技术特征摘要】
1.一种基于系留无人机的大型桥梁检测方法,其特征在于,包括步骤:将系留电源布置在桥面上,无人机从桥面起降,对桥梁表面进行检测;或者,将系留电源布置在地面上,无人机从地面起降,对桥梁表面进行检测。2.根据权利要求1所述的基于系留无人机的大型桥梁检测方法,其特征在于,对桥梁表面进行检测的步骤包括:步骤S1:获取桥梁表面的初始影像,以及所述初始影像与桥梁表面对应的位置信息;步骤S2:对所述初始影像进行灰度校正,以去除辅助光照不均引起的噪声信号,得到校正后的影像;步骤S3:将所述校正后的影像分成三个级别:像素级影像、单元级影像和块级影像,然后基于所述像素级影像到单元级影像的灰度计算,消除随机噪声信号;基于所述单元级影像的块级影像进行邻域差分直方图分割计算,消除桥梁表面的背景信号,从而检测出桥梁表面的裂缝区域;其中,所述单元级影像是指裂缝影像的一部分,所述块级影像是指裂缝区域整体的影像。步骤S4:对所述裂缝区域进行边缘跟踪,提取裂缝的几何特征。3.根据权利要求2所述的基于系留无人机的大型桥梁检测方法,其特征在于,所述步骤S1中,获取所述初始影像与桥梁表面对应的位置信息,具体方法包括:采用惯性导航系统和/或GPS系统定位。4.根据权利要求2所述的基于系留无人机的大型桥梁检测方法,其特征在于,所述步骤S2包括:步骤S21、将所述初始影像的影像行中各像元与所述影像行的均值求差,得到差值影像行;步骤S22、对所述差值影像行采用正弦函数进行最小二乘拟合,得到所述影像行的噪声信号的正弦参数;步骤S23、通过所述正弦参数计算出所述噪声信号,对所述初始影像进行补偿,得到校正后的影像。5.根据权利要求2所述的基于系留无人机的大型桥梁检测方法,其特征在于,所述步骤S3中,所述灰度计算的离散数学模型为:Grayunit=λMinunit+(...
【专利技术属性】
技术研发人员:李清泉,王永全,汪驰升,朱家松,
申请(专利权)人:深圳大学,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。