【技术实现步骤摘要】
利用无人机多目视觉重建高速公路的自动巡检方法及系统
[0001]本专利技术涉及无人机工业巡检、多目机器视觉及摄像装备领域,具体涉及利用无人机多目视觉重建高速公路的自动巡检方法及系统。
技术介绍
[0002]高速公路巡检是道路养护的第一步,坑洼裂痕,地表塌陷,以及路侧基塌方在高速公路上时有发生,尤其山区,我国西南地区,此类危害如果不被及时发现和修复就会迅速恶化,降低道路的使用寿命,严重威胁道路交通安全,甚至发生重大交通安全事故,危害人员的生命。目前大部分高速公路巡检主要依靠人工巡检和拍照记录来完成。漏检率高且效率低下,同时巡检人员在车流中开展路面巡检工作存在较大的安全隐患。
[0003]1.提高养护效率是保障高速公路安全运营的重要措施。目前人工巡检高速公路的方式不能及时发现道路损坏,缺乏实时性和准确率,费时费力,操作量大且危险系数高。公布号为CN109540104A的现有专利技术专利申请文献《一种利用摄影测量技术用于公路管理的无人机系统》包括无人机飞行单元、摄像采集单元及地面管理单元,其巡察管理流程如下,S1、设定飞行参数:规划无人机飞行单元的飞行航线,设定影像采集角度和采集频率;S2、公路巡察:摄像采集单元基于PPK和高清摄像机对公路进行影像拍摄,获取包含公路管理区的区域影像;S3、影像数据处理,对区域影像进行处理并比对,进而输出问题区。通过高清数字摄像机对公路实施航拍,并对航拍影像进行处理。该现有文献中披露的技术方案中采用了相机标定、相机投影以及点云分布处理技术,但从该现有专利申请文献的说明书中可知,该现有 ...
【技术保护点】
【技术特征摘要】
1.利用无人机多目视觉重建高速公路的自动巡检方法,其特征在于,所述方法包括:S1、以预置无人机按预置路线进行飞行巡检,并通过多目图像采集装置根据处理器采集命令,通过多目相机阵列采集高速公路的公路巡检图像;S2、利用GPS定位装置获取多目相机阵列定位信息,据以对所述多目相机阵列进行标定,据以得到多目相机阵列标定结果,其中,所述多目相机阵列标定结果包括:内参数和外参数;S3、利用预置5G通讯,将所述公路巡检图像及所述多目相机阵列标定参数回传至车载服务站;S4、以所述车载服务站从所述公路巡检图像中提取图像特征点,利用匹配算法处理所述图像特征点,据以获得特征点匹配对;S5、通过空三算法处理所述图像特征点,据以获取深度信息,并通过三维重建剔除所述公路巡检图像中的运动目标,以得到空三加密成果;S6、获取并根据所述空三加密成果与深度关系,将所述空三加密成果转化为深度信息,从而获得物体表面的三维点云,利用REMOVERT算法将目标地图分为静态点云地图及动态点云地图,其中,所述静态点云地图包括静态点云,所述动态点云地图包括动态点云;基于多重分辨率深度图像判断并剔除所述动态点云,以保留静态点,降低所述多重分辨率深度图像的分辨率,以从所述动态点云中,将误剔除静态点修复还原,并将所述误剔除静态点并入所述静态点云中,以剔除所述动态点云并构建适用静态点云;S7、根据所述适用静态点云进行点云网格化,据以得到道路三维模型;S8、分析当前及前次生成的所述道路三维模型,据以识别获取道路损坏类型分析数据,并通过所述预置5G通讯发送到监控中心;S9、在监控中心根据所述道路损坏类型分析数据向道路养护部门发出养护指示信号,据以维护所述高速公路。2.根据权利要求1所述的利用无人机多目视觉重建高速公路的自动巡检方法,其特征在于,所述步骤S2包括:S21、利用下述逻辑表示二维点m=[u,v]
T
与对应的三维点M=[X,Y,Z]
T
的增广向量:m
′
=[u,v,1]
T
M
′
=[X,Y,Z,1]
T
。S22、根据预置相机模型处理得到张正友标定法一般公式:sm
′
=A[R|t]M
′
其中,为相机内参矩阵,[R|t]为相机外参矩阵,s为缩放系数;S23、通过方程求解可得相机的所述内参数及所述外参数,并结合极大似然估计的非线性优化方法,以下述逻辑优化所述内参数及所述外参数:其中,n标定平面数量,m为标定平面角点数量。
3.根据权利要求1所述的利用无人机多目视觉重建高速公路的自动巡检方法,其特征在于,所述步骤S4包括:S41、根据一个像素与周围邻域的像素差别程度判断该所述像素是否为一个角点,其中,如果所述像素与周围邻域像素差别超出预置阈值,则判定该所述像素为所述角点;S42、非极大值抑制处理所述特征点,以在预置区域内保留响应极大值特征点;S43、采用二进制串作为描述向量,据以表示所述响应极大值特征点的邻域内的所述像素p、所述像素q的灰度值;S44、比较所述像素p与所述像素q的大小,据以获取n维像素特征点描述向量;S45、通过计算一个所述n维像素特征点描述向量与其他所有所述n维像素特征点描述向量之间的距离并排序,取所述距离最近的所述特征点作为匹配点,并选择已匹配的所述特征点,以预置判据判断是否匹配正确并滤除错误匹配结果,据以获取所述特征点匹配对。4.根据权利要求3所述的利用无人机多目视觉重建高速公路的自动巡检方法,其特征在于,所述步骤S41包括:S411、在所述公路巡检图像中选择所述像素p,其灰度值为I
p
,据以设置所述预置阈值T;S412、选择所述像素p周围半径为r的m个所述周围邻域像素,以作为比较像素;S413、选取的圆上有连续的N个所述比较像素大于I
p
+T或I
p
‑
T,判定所述像素p为所述特征点。5.根据权利要求1所述的利用无人机多目视觉重建高速公路的自动巡检方法,其特征在于,所述步骤S45中,以所述特征点之间的汉明距离小于最小距离的两倍作为所述预置判据,其中,汉明距离公式为其中i=0,1,
…
,n
‑
1,x、y都是n位的编码,表示亦或。6.根据权利要求1所述的利用无人机多目视觉重建高速公路的自动巡检方法,其特征在于,所述步骤S5包括:S51、进行数据准备工作,其中,依序准备构架航线及基本航线,所述构架航线的像片排列顺序与所述基本航线一致;S52、在预置区域范围内按所述构架航线及所述基本航线依次建立像对模型,并通过连接点实现所述构架航线及所述基本航线内的模型连接以及航线间模型连接;S53、再进行点位量测,以获取控制点并选定加密点;S54、进行空中三角测量平差处理,以得到平差数据;S55、利用下述逻辑根据所述平差数据及所述控制点检测加密精度,以得到所述加密点中的误差:其中,M
控
为控制点检测中误差,
△
为多余控制点的不符值,n为评定精度检测点个数。7.根据权利要求6所述的利用无人机多目视觉重建高速公路的自动巡检方法,其特征在于,所述步骤S54包括:S541、预平差剔除粗差点...
【专利技术属性】
技术研发人员:王智博,王志健,王斌,
申请(专利权)人:上海托旺数据科技有限公司,
类型:发明
国别省市:
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。