一种用于桥梁病害检测的分析方法技术

本发明专利技术属于检测领域，公开了一种用于桥梁病害检测的分析方法，包括：S1，分别计算桥梁表面的每个拍摄区域的感光度的数量；S2，根据感光度的数量对每个拍摄区域进行拍摄，得到每个拍摄区域的图像的集合；S3，对集合中的图像进行多帧合成处理，获得每个拍摄区域的合成图像；S4，将合成图像输入到预先训练好的神经网络模型中进行识别，获得识别结果。本发明专利技术提高了得到的合成图像的质量，从而有利于提高对桥梁的表面进行病害检测的准确率。梁的表面进行病害检测的准确率。梁的表面进行病害检测的准确率。

【技术实现步骤摘要】
一种用于桥梁病害检测的分析方法


[0001]本专利技术涉及检测领域，尤其涉及一种用于桥梁病害检测的分析方法。

技术介绍

[0002]传统的桥梁病害检测为通过目视的方式进行检测，这种检测方式效率比较低，而且对桥梁的侧面和底面进行目视检测是非常困难的。现有技术中，出现了利用无人机去拍摄桥梁表面的图像，然后通过图像识别技术对拍摄得到的图像进行识别，从而实现对桥梁的病害检测。但是，现有技术中，对桥梁的表面的每个区域的拍摄都是获取单一的图像，但是，桥梁表面的不同区域，光线条件并不一致，获得单一的图像可能导致部分区域的图像质量较差，降低了获得准确的检测结果的概率。

技术实现思路

[0003]本专利技术的目的在于公开一种用于桥梁病害检测的分析方法，解决如何提高对桥梁的表面进行病害检测的准确率的问题。
[0004]为了达到上述目的，本专利技术提供如下技术方案：
[0005]本专利技术提供了一种用于桥梁病害检测的分析方法，包括：
[0006]S1，分别计算桥梁表面的每个拍摄区域的感光度的数量；
[0007]S2，根据感光度的数量对每个拍摄区域进行拍摄，得到每个拍摄区域的图像的集合；
[0008]S3，对集合中的图像进行多帧合成处理，获得每个拍摄区域的合成图像；
[0009]S4，将合成图像输入到预先训练好的神经网络模型中进行识别，获得识别结果。
[0010]优选地，桥梁表面的拍摄区域的获取过程为：
[0011]S11，获取桥梁的三维模型；
[0012]S12，按照预设的规则获取三维模型的各个视角的平面图像；
[0013]S13，分别对每张平面图像进行划分处理，得到多个拍摄区域。
[0014]优选地，按照预设的规则获取三维模型的各个视角的平面图像，包括：
[0015]分别获取三维模型的主视图、后视图、左视图、右视图、俯视图和仰视图，将主视图、后视图、左视图、右视图、俯视图和仰视图作为三维模型投影到二维平面的平面图像。
[0016]优选地，分别对每张平面图像进行划分处理，得到多个拍摄区域，包括：
[0017]S131，获取平面图像的最小外接矩形；
[0018]S132，分别将每个外接矩形分为多个尺寸相同的子区域；
[0019]S133，判断获得的子区域中是否包含属于桥梁的像素点，若否，则将该子区域删除，将剩余的子区域在现实的桥梁中对应的区域作为拍摄区域。
[0020]优选地，子区域的尺寸的计算方式为：
[0021]子区域的长度的计算函数为：
[0022][0023]子区域的宽度的计算函数为：
[0024][0025]其中，silenth和siwidth分别表示子区域的长度和宽度，scal表示三维模型的缩放比值，shtfoglen表示对拍摄区域进行拍摄时所采用的焦距，eyefoglen表示标准镜头焦距，shtdist表示对拍摄区域进行拍摄时，拍摄设备距离桥梁表面的距离，bsdist表示预设的安全距离，subscal表示预设的调整比值，lenth和width分别表示拍摄设备在与桥梁之间的距离为shtdist时采用焦距shtfoglen进行拍摄获得的图像的长度和宽度在世界坐标系中对应的数值，α1、α2表示预设的权重值。
[0026]优选地，感光度的数量的获取方式为：
[0027]采用固定的计算周期计算拍摄区域的感光度的数量，感光度的数量计算完毕后，便对拍摄区域进行拍摄；
[0028]感光度的数量的计算函数为：
[0029][0030]其中，shocoef
h
和shocoef
h
‑1分别表示第h个和第h
‑
1个计算周期计算得到的感光度的数量，numdef
h
‑1和numdef
h
‑2分别表示第h
‑
1个和第h
‑
2个计算周期内，拍摄区域所对应的合成图像被检测出来的桥梁病害的数量，shoceof
std
表示预设的第一数量。
[0031]优选地，根据感光度的数量对每个拍摄区域进行拍摄，得到每个拍摄区域的图像的集合，包括：
[0032]S21，控制拍摄设备飞往拍摄区域；
[0033]S22，控制拍摄设备所携带的镜头的主光轴垂直于拍摄区域的中心；
[0034]S23，通过拍摄设备获取拍摄区域的环境亮度值和自动ISO值；
[0035]S24，由拍摄设备基于环境亮度值、自动ISO值和感光度的数量计算出感光度集合；
[0036]S24，由拍摄设备分别利用感光度集合中的每种感光度对拍摄区域进行拍摄，获得拍摄区域的图像的集合。
[0037]优选地，由拍摄设备基于环境亮度值、自动ISO值和感光度的数量计算出感光度集合，包括：
[0038]获取感光度集合中的元素的数量：
[0039][0040]其中，numfele表示感光度集合中的元素的数量，shocoef表示S1中得到的感光度的数量，envbri表示环境亮度值，stdbri表示预设的环境亮度的基准值，shocoef
ste
表示预设的第二数量；
[0041]若numfele为偶数，则采用如下函数计算感光度集合中的元素：
[0042][0043]若numfele为奇数，则采用如下函数计算感光度集合中的元素：
[0044][0045]其中，iso
k
表示感光度集合中的第k个元素，k∈[1,numfele]。
[0046]本专利技术通过先获取拍摄区域的感光度的数量，然后基于感光度的数量来控制拍摄区域中所需要拍摄的图像的数量，从而避免了对所有的拍摄区域均拍摄相同数量的图像。感光度的数量能够随着拍摄区域的实际情况以及拍摄区域之前的病害情况来得到，使得感光度的数量与拍摄区域的实际情况相适应，能够使得不同的拍摄区域都有足够数量的图像来进行多帧合成处理，提高了得到的合成图像的质量，从而有利于提高对桥梁的表面进行病害检测的准确率。
附图说明
[0047]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0048]图1为本专利技术一种用于桥梁病害检测的分析方法的一种示意图。
[0049]图2为本专利技术桥梁表面的拍摄区域的获取过程的一种示意图。
具体实施方式
[0050]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0051]如图1所示的一种实施例，本专利技术提供了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于桥梁病害检测的分析方法，其特征在于，包括：S1，分别计算桥梁表面的每个拍摄区域的感光度的数量；S2，根据感光度的数量对每个拍摄区域进行拍摄，得到每个拍摄区域的图像的集合；S3，对集合中的图像进行多帧合成处理，获得每个拍摄区域的合成图像；S4，将合成图像输入到预先训练好的神经网络模型中进行识别，获得识别结果。2.根据权利要求1所述的一种用于桥梁病害检测的分析方法，其特征在于，桥梁表面的拍摄区域的获取过程为：S11，获取桥梁的三维模型；S12，按照预设的规则获取三维模型的各个视角的平面图像；S13，分别对每张平面图像进行划分处理，得到多个拍摄区域。3.根据权利要求2所述的一种用于桥梁病害检测的分析方法，其特征在于，按照预设的规则获取三维模型的各个视角的平面图像，包括：分别获取三维模型的主视图、后视图、左视图、右视图、俯视图和仰视图，将主视图、后视图、左视图、右视图、俯视图和仰视图作为三维模型投影到二维平面的平面图像。4.根据权利要求3所述的一种用于桥梁病害检测的分析方法，其特征在于，分别对每张平面图像进行划分处理，得到多个拍摄区域，包括：S131，获取平面图像的最小外接矩形；S132，分别将每个外接矩形分为多个尺寸相同的子区域；S133，判断获得的子区域中是否包含属于桥梁的像素点，若否，则将该子区域删除，将剩余的子区域在现实的桥梁中对应的区域作为拍摄区域。5.根据权利要求4所述的一种用于桥梁病害检测的分析方法，其特征在于，子区域的尺寸的计算方式为：子区域的长度的计算函数为：子区域的宽度的计算函数为：其中，silenth和siwidth分别表示子区域的长度和宽度，scal表示三维模型的缩放比值，shtfoglen表示对拍摄区域进行拍摄时所采用的焦距，eyefoglen表示标准镜头焦距，shtdist表示对拍摄区域进行拍摄时，拍摄设备距离桥梁表面的距离，bsdist表示预设的安全距离，subscal表示预设的调整比值，lenth和width分别表示拍摄设备在与桥梁之间的距离为shtdist时采用焦距shtfoglen进行拍摄获得的图像的长度和宽度在世界坐标系中对应的数值，α1、α2表示预设的权重值。6...

【专利技术属性】
技术研发人员：胡晓，茅卫生，张德佳，刘钊，陶戴邦，朱明，
申请(专利权)人：上海城建城市运营集团有限公司上海城建智慧城市运营管理有限公司，
类型：发明
国别省市：