CN101169380A - 桥梁拉索表面损伤动态检测方法及其装置 - Google Patents

Abstract

本发明提供一种桥梁拉索表面损伤动态检测方法及其装置，是在桥梁拉索表面上径向套设智能检测装置，智能化检测装置通过驱动装置在桥梁拉索表面上匀速行驶，由四个摄像头采集桥梁拉索表面图像送入图像处理记录系统；通过固化在系统DSP芯片中的桥梁拉索表面损伤动态检测算法程序判读采集的图像中是否存在损伤情况，如存在损伤则记录定位机构的移动距离，以准确定位损伤部位。拉索表面图像进行处理步骤为：并行图像采集；有效信息截取；滤波降噪；曲面投影校正；目标分割；缺陷识别和信息存储。通过上述算法完成对桥梁拉索表面损伤情况的快速判识、定位和存储，从而实现桥梁拉索表面损伤情况的动态检测目的。

Description

桥梁拉索表面损伤动态检测方法及其装置

技术领域

本发明涉及桥梁拉索表面损伤动态检测方法及其检测装置，具体涉及采用DSP平台对拉索表面图像进行一系列图像处理算法，来判识拉索表面是否存在缺陷的方法和装置。

背景技术

目前，国内外在拉索桥梁的日常维护中，针对拉索的健康检测，主要有两个方面：①表面保护材料层的检测；②内部钢丝结构的检测。而拉索表面保护层的检测主要包括对外表保护层因日晒雨淋及荷载振动影响而导致开裂、变形、剥落等情况进行检测。现有技术对拉索表面保护材料层的主要检测方法有：人工观测法和激光扫描法两种方法。人工观测法是通过拖车载人的方式，桥梁维护人员在拖车上对桥梁拉索进行定期寻查，检查拉索表面锈蚀、缺损和病害情况。由于斜拉索较长，这种方法不仅费时费力，效率不高，而且也常常给桥梁维护的工作人员带来安全上的隐患。激光扫描法主要利用光热技术和超声技术两种方式，实现对拉索表面的激光扫描检测，该方法的缺点在于检测缺陷不直观，扫描线为螺旋线，存在盲区，并且系统构成较大，价格昂贵，使用成本较高。

发明内容

针对现有技术存在的上述不足，本发明的目的在于提供一种快速、安全的通过图像识别来对桥梁拉索表面腐蚀破损情况进行动态检测的方法，实现对桥梁拉索表面情况实时动态非接触的精确检测。

本发明的另一目的是提供一种实现本方法的智能化检测装置。

本发明的目的是这样实现的：桥梁拉索表面损伤动态检测方法，其特征在于包括如下步骤：(1)在桥梁拉索表面上径向套设智能检测装置，智能化检测装置由驱动装置、计算位移的定位机构、周向设置互为90度的四个摄像头和图像处理记录系统构成；(2)智能检测装置通过驱动装置在桥梁拉索表面上匀速行驶，由四个摄像头采集桥梁拉索表面图像送入图像处理记录系统，通过固化在图像处理记录系统DSP芯片中的桥梁拉索表面损伤动态检测算法程序，判读采集的图像中是否存在损伤情况，如存在损伤则记录定位机构的移动距离和方位，以准确定位损伤部位。

所述图像处理记录系统的检测算法程序，按以下步骤对动态采集到的桥梁拉索表面图像进行处理：

(1)并行图像采集：主要包括对拉索表面模拟视频图像的获取和图像的数字化。通过在一个平面上位置互为90°的四个摄像头采集得到四幅模拟PAL制图像，然后送入DSP通过4路高速TVP5150视频解码芯片进行模/数转换，得到了4幅每帧720×576分辨率的数字图像，输出格式为ITU-R BT.656的数字色差信号(YUV4:2:2)，每一像素均由YUV三个分量信息表达，其中，Y表示图像的亮度；U和V分别表示图像的亮度信号与蓝色分量和红色分量的差值，均代表图像的色彩信息。

(2)有效信息截取：对于类圆柱体的拉索来说，在每一方向上的图像采集，得到的都是它竖直方向上的平面投影。因此，所获图像在水平方向上越靠近边界的纹理细节与实际表面差异性就越大。由此对这些图像进行有效区域截取，留取图像上拉索表面投影畸变较小的部分，而舍去那些平面投影畸变较大的部分。通过实验，设计沿拉索表面一周4个间隔90°摄像头的摄取方案，在同一时刻，对四个方向上所采到的720×576大小的表面图像，以其水平中心线为基准按90度视角的图像投影部分为有效部分(即中间的510×576)进行截取，而获得四幅有效图像。由于U、V分量对检测结果影响较小，为了减少存储和处理的数据量，只保存对检测图像有用的Y分量。

(3)滤波降噪：桥梁拉索表面缺陷检测系统采集得到的图像常常伴有大量的闪烁亮点，且这些噪声呈磁化的铁粉状。它们主要由图像采集系统器件和桥梁检测中的高空、水雾、较低照度环境所造成。这些噪声会对图像造成以下影响：一是淹没较小的缺陷目标，导致目标不可见；二是腐蚀目标的边缘，导致图像分辨率严重下降。因此，根据噪声的特点提出了利用通过求平均值同中值滤波算法相结合的一种快速中值滤波算法来对图像进行去噪，以提高图像质量。

(4)曲面投影校正：由于采集的拉索表面图像实际上是类圆柱体表面在平面上的投影，图像中肯定存在畸变和失真。因此，为了实现拉索表面上缺陷的精确检测，我们对所采集的曲面投影图像进行了插值运算以改善图像中的畸变和失真。

(5)目标分割：通过Sobel边缘检测、动态阈值分割和数学形态学的闭运算实现了拉索表面图像缺陷和背景的分离。

(6)缺陷识别：通过“边界扫描法”找到可疑缺陷区，并计算每个区域的面积，将大于系统要求的区域判定为缺陷区，若小于则判为背景。

(7)信息存储：为节约存储空间，只将包含有缺陷区域的图像进行存储，并同时记录下该缺陷在拉索上的位置信息。

实现该方法的智能化检测装置，其特征在于由机架、三个可调定位轮、驱动轮和驱动电机组成；机架为两个半圆环体，由铰链和锁扣连接组成一个圆环体；三个可调定位轮通过螺栓固定于机架的非同一平面上、并间隔120度用于将拉索卡住，可调定位轮在机架上可通过腰形孔径向调整距离；驱动轮通过支架的螺栓来连接在机架上位于可调定位轮的后部，并与驱动电机连接；机架上设有计算位移的定位机构以及检测用的摄像头和图像处理记录系统。

相比现有技术，本发明具有如下优点：

1、解决了人工检测方法费时费力、效率不高、随意性大的缺点，实现了对桥梁拉索表面情况实时高效动态非接触式的智能化精确检测；

2、克服了激光检测中仪器体积较大，价格昂贵，精度不高的劣势；

3、检测结果清楚直观，可达到如下性能指标：

(1)能检测出面积大于1cm²表面缺陷；

(2)缺陷识别分辨率：Robj＝0.2mm；

(3)采集的视场范围：100cm(H)×110cm(W)；

(4)每次采集和识别速度：3s；

(5)识别区域：每次10cm×10cm×4cm

(6)系统运算处理能力：超过4000MPIS。

4、智能化检测装置自带驱动装置，能够在桥梁拉索表面移动，稳定性好；与其他装置配套，就能检测拉索表面是否有损伤、拉索内部是否有裂纹，或者对拉索表面涂刷防腐漆等工作；极大地方便了索拉桥的日常保养、检测、维修等工作。而且，结构简单，使用方便、安全、灵活。

附图说明

图1是本发明检测方法的流程图；

图2是快速中值滤波算法流程图；

图3是曲面投影校正示意图；

图4-1是一实例的YUV数字化图像；

图4-2是图4-1的有效信息截取图像；

图4-3是图4-2滤波降噪图像；

图4-4是图4-3sobel边缘检测和动态阈值分割图像；

图4-5是图4-4闭运算结果图像；

图5是本发明装置的结构示意图；

图6是图5的A向视图。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步说明。

桥梁拉索表面损伤动态检测方法，包括如下步骤：

(1)在桥梁拉索表面上径向套设智能检测装置，智能化检测装置由驱动装置、计算位移的定位机构、周向设置互为90度的四个摄像头和图像处理记录系统构成。

(2)通过驱动装置在桥梁拉索表面上匀速行驶，由四个摄像头采集桥梁拉索表面图像送入图像处理记录系统，通过固化在系统DSP芯片中的桥梁拉索表面损伤动态检测算法程序判读采集的图像中是否存在损伤情况，如存在损伤则记录定位机构的移动距离，以准确定位损伤部位。

本发明检测方法包括并行图像采集，有效信息截取，滤波去噪，曲面投影校正，图像分割，缺陷识别和信息存储7个步骤，如图1所示。其功能分别如下：

(1)并行图像采集：桥梁拉索表面缺陷检测系统图像的采集，主要包括对拉索表面模拟视频图像的获取和图像的数字化。针对桥梁拉索的圆柱型结构，采用沿拉索表面一周位置互为90°的4个CCD摄像机组成并行式图像采集传感器阵列，来摄取拉索表面一周的图像。采集过程为：①智能化检测装置(爬行机器人)每运动10cm，发出采集信号，并行摄像机阵列采集到同一时刻拉索表面一周的4帧图像，其格式为PAL制式的模拟视频信号；②通过4路高速TVP5150视频解码芯片进行数字转换，得到了4幅每帧720×576分辨率的数字图像，输出格式为ITU-R BT.656的数字色差信号(YUV4:2:2)，每一像素均由YUV三个分量信息表达，其中，Y表示图像的亮度；U和V分别表示图像的亮度信号与蓝色分量和红色分量的差值，均代表图像的色彩信息。结果如图4-1所示。

(2)有效信息截取：对于类圆柱体的拉索来说，在每一方向上的图像采集，得到的都是它竖直方向上的平面投影。所获图像在水平方向上越靠近边界的纹理细节与实际表面差异性就越大。因此有必要进行有效区域截取，留取图像上拉索表面投影畸变较小的部分，而舍去那些平面投影畸变较大的部分。在同一时刻，对四个方向上所采到的表面图像，以其水平中心线为基准按90度视角的图像投影部分为有效部分(即中间的510×576)进行截取，而获得四幅有效图像。

由于U、V分量对缺陷检测影响较小，为了减少存储和处理的数据量，只保存对检测图像有用的Y分量。结果如图4-2所示。

(3)滤波降噪：桥梁拉索表面缺陷检测系统所采集的图像常常伴有大量的闪烁亮点，且这些噪声呈磁化的铁粉状。这些噪声主要有两类：一是高斯噪声，在图像上表现为细小、微弱的颗粒性亮点。二是脉冲噪声，在图像上的表现为较大的、明亮的随机性亮点。它们主要由光电转换器件、图像采集器件CCD和桥梁检测中的高空、水雾、较低照度环境所造成。它们将会对图像造成两种影响：一是淹没较小的缺陷目标，导致目标不可见；二是腐蚀目标的边缘，导致图像分辨率严重下降。在环境照度降低低的时候，噪声对图像影响会变得更加严重。

根据噪声特点，采用中值滤波算法来降噪，但传统中值滤波算法运算时间过长，不能满足本系统的实时要求，因此，提出了一种改进的快速算法来完成图像滤波降噪工作。算法流程如图2所示。其基本思想为：

(i)首先计算图像中以像素X_i，j为中心的某n×n窗口内所有像素X₁₁…X_nn的平均值X＝(X₁₁+X₁₂+…+X_nn)/(n×n)；

(ii)再求得该窗口内各值和均值的距离Z_kl＝|X-X_kl|(k＝1，…，n；l＝1，…，n)；

(iii)最后找出距离Z_kl序列中的最小值Z_pq和其位置下标(p，q)。因为离均值距离最小的元素，就是这一元素序列的中值。于是我们可以通过其位置下标(p，q)得到X₁₁…X_nn这一序列的中值X_pq，并将X_pq赋值给X_i，j。

对图像中每一像素点都依次进行上述三步运算就完成了整幅图像的滤波降噪工作。通过该算法对图像进行滤波降噪处理，就能快速获得符合要求的图像。结果如图4-3所示。

(4)曲面投影校正：由于采集的拉索表面图像实际上是类圆柱体表面在平面上的投影，图像中肯定存在畸变和失真。因此，为了实现拉索表面上缺陷的精确检测，对所采集的曲面投影图像进行了插值运算以改善图像中的畸变和失真。

如图3所示，实际采得的图像是拉索曲面在X平面上的投影JJ’。对于拉索曲面上两点AB，其实际距离为AB弧长，但在采样点密集的情况下，可以采用弦长代替弧长的方式来近似得到AB间的实际距离d_AB。而系统采集得到的图像中，则是利用两像素X₁X₂间的距离来近似AB间的实际距离，这样存在较大误差。因此，通过曲面的平面插值展开，用计算所得d_AB的距离来代替两像素X₁X₂间的距离来进行曲面投影校正。利用X²+(Y-R)²＝R²来计算相邻两个像素点A(X₁，Y₁)，B(X₂，Y₂)的实际距离为：

$d_{\mathrm{AB}}=\sqrt{2R^2-2X_1{X}_2-2\sqrt{(R^2-X_2^2)(R^2-X_1^2)}}$

把拉索圆柱面投影展成平面，是以对称中心为基准线向两侧延拓插值展开。实际曲面上的点在图像上的位置由d计算确定，中间像素点值由插值得到，其插值取两个相邻点的灰度平均值。

(5)图像分割：图像分割分三个步骤：sobel边缘检测、动态阈值分割和数学形态学闭运算。

首先，通过sobel算子求得图像中每一点的水平梯度和垂直梯度的绝对值的大值也就是该点的梯度幅值，即：T(i，j)＝MAX(|hori(i，j)|+|vert(i，j)|)，i＝1∶n；j＝1∶m，其中n，m分别表示图像的行数和列数，T(i，j)、hori(i，j)、vert(i，j)分别表示图像中某像素点X_i，j的梯度幅值、水平梯度和垂直梯度。

在获得图像每一点的梯度幅值之后，通过将各梯度值与某个给定的阈值作比较来判断是否存在边缘。如果梯度值大于这个给定值，则认为存在边缘。显然，阈值的选择非常重要，它是在丢失有效边缘和由于噪声所造成的错误边缘之间的一个折衷。为了较为准确的确定缺陷区域的边缘，采用如下方法确定梯度阈值：

(i)将所有n个梯度值的最大m个去掉，认为是由噪声引起的突变点；

(ii)求剩下n-m个梯度值的平均值作为图像的梯度值的门限：

$T_{\mathrm{th}}=k\×\left[\frac{1}{n-m}\mathrm{\ΣT}(i,j)\right]$

其中k为比例系数，由实验确定；T_th是梯度阈值；T(i，j)是某点X_i，j的梯度值；最后通过把图像每一点的梯度值与该阈值相比较，将大于阈值的像素点作为白色目标点，而其他像素点作为黑色背景点完成图像的二值化分割。结果如图4-4所示。

而只用sobel算子检测后的结果还有一些不需要的噪声点，而且边界有断裂现象。因此，最后采用数学形态学的方法先对图像进行闭合运算，去除比结构元素小的特定图像细节，同时保证不产生全局几何失真，并把比结构元素小的缺口或孔填充上，搭接短的间断而起到连通作用。结果如图4-5所示。

(6)缺陷识别：实际拉索由于实际缺陷可能为集中分布，也可能为弥散斑纹。对于图像分割后的二值图像，可疑缺陷区域(白像素点，灰度值为255)已从背景(黑像素点，灰度值为0)中独立出来，首先通过“边界扫描法”找到图像中的所有独立的可疑缺陷区域并分别标记为area1，area2，area3等，同时分别计算各区域的面积，即：

Area(k)＝∑∑G(i，j)    k＝1…n

其中，k表示第k个可疑缺陷区域，n表示可疑缺陷区域总个数。当像素g(i，j)∈areak，则G(i，j)＝1，否则G(i，j)＝0。

而本系统要求能自动实现拉索表面大于1cm²剥落面积的检出。对于拉索表面1/4的图像，其实际大小为100mm×110mm，通过系统标定，得到图像中每个像素的面积近似为3.7e^-4cm²；而1cm²面积的图像包含像素个数为2703。当Area(k)≥2703时，系统判定该图像中存在缺陷。

通过该算法求得图4-5中从左到右的四个区域面积分别为：area1＝10045，area2＝216，area3＝167，area4＝389。因此，该图像被判定为有一个缺陷，面积为3.716cm²。

(7)信息存储：在通过上述步骤对算法的处理后，为了节约空间，只是实时的将缺陷识别算法判定为有缺陷的图像进行存储，同时还把该图像对应在拉索上的位置信息也一同存储在SDRAM中。

以上整个过程在智能化检测装置到达下一采集区域时全部完成。(智能化检测装置运动速度为10cm/3s)。

参见图5，实现上述方法的智能化检测装置，由机架1、三个可调定位轮2、驱动轮3和驱动电机4组成；机架1为两个半圆环体，由铰链6和锁扣5连接组成一个圆环体；三个可调定位轮2通过螺栓固定于机架1的非同一平面上、并间隔120度用于将拉索卡住，可调定位轮2在机架1上可通过腰形孔径向调整距离；驱动轮3通过支架的螺栓来连接在机架1上位于可调定位轮2的下(后)部，并与驱动电机4连接；机架1上设有计算位移的定位机构以及图像处理计算用的图像处理计算系统。

定位机构由光电编码器和计数器组成，其光电编码器以螺丝方式固定安装在爬行机器人驱动轮3的转轴上，当定位机构移动时，它与驱动轮3一起旋转，同时输出脉冲给计数器。驱动轮3转动一周，就设定为一个脉冲，计数器通过计算收到的脉冲数量以及爬行轮3的直径，就能计算爬行机构在拉索上的移动距离；通过光电编码器和计数器的配合实现了拉索上移动距离的精确计算，并且在到达规定距离向检测装置发出采样信号。

Claims (3)

1.桥梁拉索表面损伤动态检测方法，其特征在于包括如下步骤：

(1)在桥梁拉索表面上径向套设智能检测装置，智能化检测装置由驱动装置、计算位移的定位机构、周向设置互为90度的四个摄像头和图像处理记录系统构成；

(2)智能检测装置通过驱动装置在桥梁拉索表面上匀速行驶，由四个摄像头采集桥梁拉索表面图像送入图像处理记录系统，通过固化在图像处理记录系统DSP芯片中的桥梁拉索表面损伤动态检测算法程序，判读采集的图像中是否存在损伤情况，如存在损伤则记录定位机构的移动距离，以准确定位损伤部位。

2.根据权利要求1所述的桥梁拉索表面损伤动态检测方法，其特征在于所述图像处理记录系统检测算法程序，按以下步骤对动态采集到的桥梁拉索表面图像进行处理：

(1)并行图像采集：主要包括对拉索表面模拟视频图像的获取和图像的数字化；

(2)有效信息截取：保存对检测图像有用的Y分量；

(3)滤波降噪：通过快速中值滤波算法来对图像进行去噪；

(4)曲面投影校正：对所采集的曲面投影图像进行了插值运算以改善图像中的畸变和失真；

(5)目标分割：通过Sobel边缘检测、动态阈值分割和数学形态学的闭运算实现了拉索表面图像缺陷和背景的分离；

(6)缺陷识别：通过“边界扫描法”找到可疑缺陷区，并计算每个区域的面积，将大于系统要求的区域判定为缺陷区，若小于则判为背景；

(7)信息存储：将包含有缺陷区域的图像进行存储，并同时记录下该缺陷在拉索上的位置信息。

3.实现权利要求1所述方法的智能化检测装置，其特征在于由机架(1)、三个可调定位轮(2)、驱动轮(3)和驱动电机(4)组成；机架(1)为两个半圆环体，由铰链(6)和锁扣(5)连接组成一个圆环体；三个可调定位轮(2)通过螺栓固定于机架(1)的非同一平面上、并间隔120度用于将拉索卡住，可调定位轮(2)在机架(1)上可通过腰形孔径向调整距离；驱动轮(3)通过支架的螺栓来连接在机架(1)上位于可调定位轮(2)的后部，并与驱动电机(4)连接；机架(1)上设有计算位移的定位机构以及检测用的摄像头和图像处理记录系统。

Images