CN106645205A - 一种无人机桥梁底面裂纹检测方法及系统 - Google Patents

一种无人机桥梁底面裂纹检测方法及系统 Download PDF

Info

Publication number
CN106645205A
CN106645205A CN201710103625.4A CN201710103625A CN106645205A CN 106645205 A CN106645205 A CN 106645205A CN 201710103625 A CN201710103625 A CN 201710103625A CN 106645205 A CN106645205 A CN 106645205A
Authority
CN
China
Prior art keywords
image
unmanned plane
bridge bottom
bridge
crack
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710103625.4A
Other languages
English (en)
Inventor
杨文�
余淮
张恒
程文胜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN201710103625.4A priority Critical patent/CN106645205A/zh
Publication of CN106645205A publication Critical patent/CN106645205A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/888—Marking defects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Abstract

本发明提供一种无人机桥梁底面裂纹检测方法及系统，包括无人机端和地面工作站。无人机端利用机载激光雷达和惯性测量单元对无人机进行定位，并形成无人机周围障碍物点云，进行避障和路径规划；机载云台相机以固定频率拍摄桥梁底面并将高清影像存储在存储器中。地面工作站端对拍摄的影像进行处理，对桥墩间的影像进行拼接形成大尺度的桥底面影像；之后获取影像中的边缘信息，并对边缘进行形态学腐蚀膨胀和连接以提取完整的裂纹，依靠拼接影像所处的桥墩位置来对裂纹进行粗略定位；最后对裂纹进行评估，分析测量裂纹的长度、宽度、分布密度等信息。本发明自动化程度高，效率高，安全系数高，成本低，在桥梁底面巡检方面具有广阔的应用前景。

Description

一种无人机桥梁底面裂纹检测方法及系统
技术领域
本发明属于图像处理与无人机技术领域，特别涉及无人机桥下自主飞行技术及基于无人机图像的桥梁底面裂纹检测方法，是一种无人机桥梁底面裂纹检测方法。
背景技术
这些年来，大量的混凝土桥梁在全国各地兴起，桥梁工程的安全与否直接关系到人民群众的生命安危。我国桥梁底面裂纹检测的现状是以人工为主，依靠桥梁检测车等大型机械将桥梁检测专家送到桥底，用肉眼寻找裂纹并用裂纹观测仪或者标尺去测量裂纹尺寸。这种人工检测方法效率低下、成本高且存在安全隐患。
随着无人机技术的发展、高精度的各类传感器和高性能的电子器件的问世和应用，无人机在民用方面有着广泛的用途。无人机通过搭载各类传感器在警用、城市管理、农业、地质、气象、电力、抢险救灾等行业发挥着越来越重要的作用。因此，若能采用无人机对桥梁底面裂纹进行巡检，通过挂载照相机和多种传感设备，辅以高精度的导航模块和避障模块，通过地面工作站裂纹检测和图像拼接系统，可以为桥梁检修提供科学和精准的判别。相比传统的人工检测手段，无人机可以轻松到达桥梁底部获取桥梁底面高清图像，无需桥梁检测专家近距离接触桥底面，极大提高了桥梁检测的安全性；在日常巡检中，无需封闭道路中断交通，同时具备较高的检测精度和检测效率。
然而，无人机在桥下飞行时存在诸多问题，例如GPS信号丢失、定位不准、遥控信号因遮挡丢失、障碍物躲避等，这使得无人机需要借助其他传感器进行自身定位，同时提高自主飞行能力，才能避免在桥下飞行时撞击障碍或坠毁。用于桥梁底面裂纹检测时，无人机携带的云台相机需要拍摄分辨率在亚毫米级的图片才可以用于裂纹检测。此外，如何从大量的高分辨率影像自动高效地检测裂纹并对裂纹进行定位也是亟待解决的问题。目前的无人机桥梁底面裂纹检测方法及其系统还未有人实现过。
发明内容
鉴于现有的人工桥梁底面裂纹检测的不足之处，本发明的目的在于提供一种的无人机桥梁底面裂纹检测方法及系统，旨在代替现有人工桥梁底面裂纹检测方案，提高桥梁底面裂纹巡检的效率及检测精度，提高桥梁检测安全系数同时降低桥梁检测的成本。
为达到上述目的，本发明采取了以下技术方案：
一种无人机桥梁底面裂纹检测方法，所述方法包含以下步骤：
A：依靠机载激光雷达(LiDAR)和惯性测量单元(IMU)对桥下无人机自身进行定位；
B：依靠机载激光雷达(LiDAR)获取无人机周围障碍物点云进行避障和路径规划；
C：利用无人机机载高清相机拍摄桥梁底面影像并存储；
D：对机载高清相机进行标定并对拍摄影像进行预处理；
E：利用图像拼接方法获取大尺度完整桥梁底面影像，并进行裂纹检测；
F：利用裂纹影像和激光点云对裂纹进行定位，同时评估裂纹等级。
所述步骤A具体包括：
A1:激光雷达对无人机周围360°环境进行扫描，获取无人机飞行过程中的激光点云数据；
A2:获取每时刻激光点云相对于无人机的坐标，并匹配相邻时刻的激光点云数据，计算对应的坐标差，通过优化算法估计相邻两个时刻无人机的位移和姿态变化。
A3:以无人机初始位置建立三维坐标系，利用相邻两时刻无人机的姿态位移变化累计估计无人机位置，并利用无人机自身携带的IMU数据对累计误差进行校正。
所述步骤B具体包括：
B1:利用无人机自身携带的超声波数据控制无人机离地面以及离桥梁底面的安全拍摄距离；
B2:利用无人机当前时刻的位置和姿态信息，以及激光雷达所获取的360°障碍物点云数据，规划从当前位置到目标位置的飞行轨迹。
所述步骤C是在完成无人机自身定位，避障和路径规划的基础上，依靠机载云台相机等间隔时间向上拍摄桥梁底面影像，并存储在SD卡中供后续裂纹检测。
所述步骤D具体包括:
D1:用棋盘格法对高清相机进行标定，获取相机的焦距，径向畸变等参数；
D2:利用畸变参数对无人机拍摄的桥梁底面影像进行校正；
D3:对图像预处理，包括图像增强，去运动模糊。
所述步骤E具体包括:
E1:利用点云数据和影像数据拍摄时的关系获取两个桥墩间的所有影像数据；
E2:对两桥墩间的所有影像进行拼接处理，形成一张大尺度的高清桥底面影像；
E3:利用边缘检测算法获取大尺度高清桥底面影像中存在的所有边缘信息，并对边缘进行形态学腐蚀膨胀和连接，获取完整的裂纹条纹。
所述步骤F具体包括:
F1:完成桥梁底面影像裂纹检测后，通过利用拼接的影像和激光点云实现对裂纹的粗定位；
F2:测量裂缝的长度和宽度，以及分布密度等信息。
一种无人机桥梁底面裂纹检测系统，包括无人机端和地面工作站端，无人机端包括无人机系统模块、定位避障导航模块和桥梁底面影像获取模块，地面工作站端包括桥梁底面裂纹检测处理模块；
无人机系统模块：主要由多旋翼无人机构成。主要完成飞行功能，为其它各个模块提供载体；
定位避障导航模块：由激光雷达、机载惯性测量单元，GPS模块、超声波、机载计算机组成。机载计算机作为核心控制器，处理激光雷达等传感器的数据，对无人机自身进行定位，并获取无人机周围障碍信息，避开障碍并按照路径规划算法规划的路径进行飞行；
桥梁底面影像获取模块：由机载云台相机、存储器组成。主要在无人机在飞行作业时完成桥梁底面影像拍摄和存储功能；
多旋翼无人机分别与机载惯性测量单元，GPS模块、超声波模块、机载计算机连接，机载计算机分别与激光雷达、机载云台相机、存储器连接。
桥梁底面裂纹检测处理模块将存储的影像导入地面工作站并进行预处理，裂纹检测，裂纹评估等工作。
一种无人机桥梁底面裂纹检测系统，所述桥梁底面裂纹检测处理模块包括依次连接的影像预处理单元、影像拼接单元、裂纹检测定位单元、裂纹评估单元；
影像预处理单元，对拍摄的桥梁底面影像进行校正，去运动模糊，图像增强；
影像拼接单元，对两个桥墩之间的所有影像快速拼接形成大尺度高清影像；
裂纹检测定位单元，检测大尺度高清影像中的边缘，并通过数学形态学腐蚀膨胀，连接等过程形成完整的裂纹纹理；
裂纹评估单元，测量裂缝的长度和宽度，以及分布密度等信息。
本发明所述的无人机桥梁底面裂纹检测方法及系统，其完成的效果是：首先，无人机在桥梁下方飞行，离桥梁底面固定安全距离按照事先规定的轨迹飞行，避开桥墩等障碍物，在飞行过程中，安装在无人机上的云台相机以固定频率拍摄桥梁底面并将高清影像存储在存储器中；飞行任务结束后，地面工作站对存储器中的影像进行处理，首先对影像进行拼接，拼接完成后自动检测影像中存在的裂纹，依靠拼接影像所处的桥墩位置来对裂纹进行粗略定位；裂纹检测出来后，对裂纹进行评估，分析测量裂纹的长度、宽度、分布密度等信息。
本发明通过结合无人机技术和图像处理技术将无人机应用于桥梁检测领域，利用多种传感器，采用同时定位与制图算法、路径规划算法、边缘检测算法，实现桥梁底面裂纹检测和评估。相对于传统的基于桥梁检测车的人工检测方法，本发明自动化程度高，效率高，安全系数高，成本低。可广泛应用于桥梁裂纹检测，桥梁底面异常检测等应用。
附图说明
图1为无人机硬件模块示意图。
图2为无人机端工作流程。
图3为预先设定的无人机桥下巡检路线。
图4为地面工作站端的系统工作流程。
具体实施方式
本发明提供了一种无人机桥梁底面裂纹检测方法及其系统。为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图对本发明进一步详细说明。
本发明主要包含两个部分，无人机端和地面工作站图像数据处理端。无人机端的硬件结构和模块示意图参考图1，所述无人机端工作流程如图2。所述无人机桥梁底面裂纹检测系统无人机端包含如下步骤：
步骤S100:依靠机载激光雷达和惯性测量单元(IMU)对桥下飞行的无人机自身进行定位；
步骤S200:依靠S100获取的无人机当前的位置和姿态，以及利用机载激光雷达(LiDAR)获取无人机周围障碍物点云进行避障和路径规划；
步骤S300:当无人机在桥下飞行时，利用机载的高清云台相机拍摄桥梁底面影像，并将影像存储在内存卡中，供后续裂纹检测使用。
本发明的无人机端主要属于无人机技术领域，涉及空中机器人的基本问题，包括无人机自身定位、对飞行环境制图、避障、路径规划等。其中步骤S100主要利用机载激光雷达来增量式地计算里程计对无人机进行定位，同时由于增量累积法的误差会逐渐增大，因此采用IMU和激光点云融合来获取里程计，从而实现对无人机定位。步骤S200以S100为基础，只有在对无人机本身精确定位的条件下，才能实现路径规划，按照事先规定的巡检路线进行飞行。预先设定的无人机飞行路线请参考图3，主要是采用等间隔横切式巡检，这样能保证摄像头拍摄的面积足够大。同时，依靠激光点云，可以知道桥墩与无人机之间的距离，实现避障功能。步骤S300则是在完成无人机自身定位，避障和路径规划的基础上，依靠机载云台相机等间隔时间向上拍摄桥梁底面影像，并存储起来供后续裂纹检测。步骤S300实现则比较简单，依靠现有的大疆M100上的禅思X3或者X5相机就可以完成。下面主要对步骤S100和S200进行详细描述。
所述无人机桥梁底面裂纹检测方法，其中，无人机端步骤S100具体包括：
步骤S101:激光雷达对无人机周围360°环境进行扫描，获取无人机周围的激光点云数据通过串口或者USB连接到机载计算机上。由于桥下巡检时按照离桥梁底面固定高度飞行，不需要竖直方向的信息，因此我们采用的Hokuyo UTM-30LX型号的激光雷达，该雷达属于2D雷达，可以获取360°水平面的激光点云数据；
步骤S102:机载计算机获取每时刻激光点云相对于无人机的2维平面坐标，并匹配相邻时刻的激光点云数据，计算对应的坐标差，通过优化算法估计相邻两个时刻无人机的位移和姿态变化。
步骤S103:以无人机初始位置建立三维坐标系，主要是选择巡航任务开始的点为原点，固定竖直高度，保证无人机在水平的二维平面飞行所需的横坐标和纵坐标。利用相邻两时刻无人机的姿态位移变化累计估计无人机相对于坐标原点的位置移动和姿态变化，并利用无人机自身携带的IMU数据对累计误差进行校正。
所述无人机桥梁底面裂纹检测方法，其中，无人机端步骤S200具体包括：
S201:利用无人机自身携带的超声波数据控制无人机离地面以及离桥梁底面的安全拍摄距离。其具体做法是在无人机上安装向上和向下的超声测距模块，向下的测距模块主要是为了计算无人机的飞行高度，为飞行过程所需。向上则是为了计算无人机离桥梁底面的实际距离。为拍摄相同高分辨率的桥梁底面影像，拍摄过程中应维持拍摄距离，因此飞行任务采用的恒定高度水平面飞行。具体的，在实际飞行时，为保证拍摄的影像足够清晰，能够拍摄到桥梁底面的裂纹，同时又避免无人机靠桥梁底面过近引起局部风场的变化使无人机不稳定，采用的4～5米的恒距离飞行。所采用超声模块的可信测量距离范围最大可达到10米，因此满足实际需求。
S202:利用无人机当前时刻的位置和姿态信息，以及激光雷达所获取的360°障碍物点云数据，规划从当前位置到目标位置的飞行轨迹。对于桥墩与桥墩之间的无障碍区域，无人机将按照事先规划的路径进行巡航，而对于桥墩等复杂障碍物，我们采用代价地图的方法，首先利用激光雷达生成障碍物点云信息，然后不断更新当前无人机系统到达目的点的代价地图。其中，灰白色区域表示无障碍区域，其代价要比黑色区域的代价低，因此生成的轨迹航线如图中绿线所示。
本发明所包含的第二部分为地面工作站图像数据处理端。考虑到无人机机载计算机资源有限，处理大量的高清桥梁底面影像检测裂纹在地面工作站进行。所述无人机桥梁底面裂纹检测系统地面工作站图像数据处理端工作流程如图4，包含如下步骤：
步骤S400:首先对机载的高清相机进行标定，获取相机的焦距和畸变参数，并对拍摄影像进行预处理，得到高清、畸变小、无运动模糊的影像；
步骤S500:按照拍摄的影像序列，对不同桥墩之间的影像进行拼接获取大尺度完整桥梁底面影像，并进行裂纹检测；
步骤S600:利用裂纹影像和激光点云对裂纹进行定位，同时对裂纹的长度、宽度、深度等信息进行测量，评估裂纹等级。
地面工作站端主要涉及对影像进行批量处理，首先是对影像预处理，主要是对影像进行校正、增强和去运动模糊、消除不均匀光照，以得到高清无畸变的桥梁底面影像。由于无人机拍摄的每幅影像的视觉范围有限，因此需要通过图像拼接算法获取大视野的桥梁底面影像以进行裂纹检测。而桥梁底面裂纹检测主要包含图像边缘检测、形态学腐蚀和膨胀、边缘连接等步骤。最后是对检测的裂纹进行评估。
所述无人机桥梁底面裂纹检测方法，其中，无人机端步骤S400具体包括：
步骤S401:用棋盘格法对高清相机进行标定，获取相机的焦距，径向畸变等参数。由于采用的相机是广角定焦相机，相机标定相对简单。采用Matlab相机标定工具箱进行标定。相机参数包含相机的本真矩阵P(其中包含水平和垂直的相机焦距fx,fy,主点c＝[cx,cy]，偏移s),径向畸变k和偏心畸变p。
步骤S402:利用畸变参数对无人机拍摄的桥梁底面影像进行校正。此步主要利用相机的参数对所有拍摄的影像进行校正获取畸变小的影像。(xu,yu)为校正后的坐标，(x,y)为实际的像点坐标，校正过程为：
xu＝x+k1x(x2+y2)+p1(3x2+y2)+2p2xy
yu＝y+k2y(x2+y2)+p2(x2+3y2)+2p1xy
步骤S403:获取校正的影像后，需要对影像进一步处理。主要是去运动模糊，由于无人机在拍摄影像时处于运动状态，难免会引起图像模糊。采用的方法是首先计算模糊核，然后通过模糊核映射得到去运动模糊的影像。
所述无人机桥梁底面裂纹检测方法，其中，步骤S500具体包括:
步骤S501:利用点云数据和影像数据拍摄时的关系获取两个桥墩间的所有影像数据。此步主要是依靠影像拍摄和激光点云的同步扫描关系，每拍摄一幅影像，可以对应有一系列的激光点云。通过点云可以知道所拍摄影像离桥墩的距离。通过设定的无人机离桥墩的安全距离为依据，无人机两次到达此安全距离之间所有的影像为两个桥墩间的所有影像，得到许多的影像集合；
步骤S502:对两桥墩间的所有影像进行拼接处理，形成一张大尺度的高清桥底面影像。为实现快速高精度拼接，采用基于特征配准的方法。首先对所有图像利用SURF算法进行特征点定位，利用局部差分二进制描述子(LDB)描述。得到特征点后进行快速匹配，并估计初始的相机姿态，然后利用levenberg-Marquardt算法进行全局优化，得到精确的重映射相机参数。在二次投影时，选择强度代价和结构代价最小的拼接缝进行拼接，得到大尺度的高清桥梁底面影像。
步骤S503:利用边缘检测算法获取大尺度高清桥底面影像中存在的所有边缘信息，并对边缘进行形态学腐蚀膨胀和连接，获取完整的裂纹条纹。对于拼接后的影像，像幅一般很大，为快速得到图像中的裂纹信息，采用了一种基于子波变换树的边缘检测算法。这种方法依赖于子波变换树和对应的二叉树结构。这最终生成边缘概率图，然后通过KI阈值法提取裂纹图。
所述无人机桥梁底面裂纹检测方法，其中，步骤S600具体包括:测量裂缝的长度和宽度，以及分布密度等信息。测量长度为首先计算裂纹在图像中包含的像素个数，然后再利用相机参数(焦距，主点)和图像大小粗略计算裂缝的实际长度。关于裂缝宽度，则采用相似策略，统计垂直裂纹流线方向的像素个数，统计裂纹宽度最宽的像素个数，相似映射到真实桥梁的裂缝宽度。对于裂缝分布密度，则主要针对桥梁地面中存在大量的细小裂缝，统计细小的裂纹个数占区域面积的百分比，再就是裂缝区域占图像区域面积的百分比等等。
综上所述，本发明所述的无人机桥梁底面裂纹检测方法及系统，主要分为无人机端和地面工作站两部分。对于无人机端，主要以无人机在桥梁下方飞行同时拍摄桥梁底面高清影像存储在存储器中；地面工作站端则主要是对拍摄的影像进行处理，完成影像拼接和裂纹自动检测，并依靠拼接影像所处的桥墩位置来对裂纹进行粗略定位，之后则是对裂纹进行评估，分析测量裂纹的长度、宽度、分布密度等信息。本发明通过结合无人机技术和图像处理技术将无人机应用于桥梁检测领域，利用多种传感器，采用同时定位与制图算法、路径规划算法、边缘检测算法，实现桥梁底面裂纹检测和评估。相对于传统的基于桥梁检测车的人工检测方法，本发明自动化程度高，效率高，安全系数高，成本低。在桥梁底面巡检方面具有广阔的应用前景。

Claims (9)

1.一种无人机桥梁底面裂纹检测方法，其特征在于，所述方法包含以下步骤：
A、依靠机载激光雷达LiDAR和惯性测量单元IMU对桥下无人机自身进行定位；
B、依靠机载激光雷达LiDAR获取无人机周围障碍物点云进行避障和路径规划；
C、利用无人机机载高清相机拍摄桥梁底面影像并存储；
D、对机载高清相机进行标定并对拍摄影像进行预处理；
E、利用图像拼接方法获取大尺度完整桥梁底面影像，并进行裂纹检测；
F、利用裂纹影像和激光点云对裂纹进行定位，同时评估裂纹等级。
2.根据权利要求1所述的无人机桥梁底面裂纹检测方法，其特征在于，所述步骤A具体包括如下步骤：
A1、激光雷达对无人机周围360°环境进行扫描，获取无人机飞行过程中的激光点云数据；
A2、获取每时刻激光点云相对于无人机的坐标，并匹配相邻时刻的激光点云数据，计算对应的坐标差，通过优化算法估计相邻两个时刻无人机的位移和姿态变化；
A3、以无人机初始位置建立三维坐标系，利用相邻两时刻无人机的姿态位移变化累计估计无人机位置，并利用无人机自身携带的IMU数据对累计误差进行校正。
3.根据权利要求2所述的无人机桥梁底面裂纹检测方法，其特征在于，所述步
骤B具体包括如下步骤：
B1、利用无人机自身携带的超声波数据控制无人机离地面以及离桥梁底面的安全拍摄距离；
B2、利用无人机当前时刻的位置和姿态信息，以及激光雷达所获取的360°障碍物点云数据，规划从当前位置到目标位置的飞行轨迹。
4.根据权利要求3所述的无人机桥梁底面裂纹检测方法，其特征在于：所述步骤C是在完成无人机自身定位，避障和路径规划的基础上，依靠机载云台相机等间隔时间向上拍摄桥梁底面影像，并存储在SD卡中供后续裂纹检测。
5.根据权利要求4所述的无人机桥梁底面裂纹检测方法，其特征在于，所述步
骤D具体包括如下步骤：
D1、用棋盘格法对高清相机进行标定，获取相机的焦距，畸变参数；
D2、利用畸变参数对无人机拍摄的桥梁底面影像进行校正；
D3、对图像预处理，包括图像增强，去运动模糊，消除不均匀光照。
6.根据权利要求5所述的无人机桥梁底面裂纹检测方法，其特征在于，所述步
骤E具体包括如下步骤：
E1、 利用点云数据和影像数据拍摄时的关系获取两个桥墩间的所有影像数据；
E2、 对两桥墩间的所有影像进行拼接处理，形成大尺度的高清桥底面影像；
E3、 利用边缘检测算法获取大尺度高清桥底面影像中存在的所有边缘信息，并对边缘进行形态学腐蚀膨胀和连接，获取完整的裂纹条纹。
7.根据权利要求6所述的无人机桥梁底面裂纹检测方法，其特征在于，所述步骤F具体包括如下步骤：
F1、完成桥梁底面影像裂纹检测后，通过利用拼接的影像和激光点云实现对裂纹的粗定位；
F2、测量裂缝的长度和宽度，以及分布密度信息。
8.一种无人机桥梁底面裂纹检测系统，其特征在于：包括无人机端和地面工作站端，无人机端包括无人机系统模块、定位避障导航模块和桥梁底面影像获取模块，地面工作站端包括桥梁底面裂纹检测处理模块；
无人机系统模块包括多旋翼无人机；该模块完成飞行功能，为其它各个模块提供载体；
定位避障导航模块包括激光雷达、机载惯性测量单元，GPS模块、超声波模块、机载计算机；机载计算机作为核心控制器，处理激光雷达的数据，对无人机自身进行定位，并获取无人机周围障碍信息，避开障碍并按照路径规划算法规划的路径进行飞行；
桥梁底面影像获取模块包括机载云台相机、存储器；在无人机在飞行作业时完成桥梁底面影像拍摄和存储功能；
桥梁底面裂纹检测处理模块将存储的影像导入地面工作站并进行预处理，裂纹检测，裂纹评估工作；
多旋翼无人机分别与机载惯性测量单元，GPS模块、超声波模块、机载计算机连接，机载计算机分别与激光雷达、机载云台相机、存储器连接。
9.根据权利要求8所述的无人机桥梁底面裂纹检测系统，其特征在于，所述桥梁底面裂纹检测处理模块包括依次连接的影像预处理单元、影像拼接单元、裂纹检测定位单元、裂纹评估单元；
影像预处理单元，对拍摄的桥梁底面影像进行校正，去运动模糊，图像增强，消除不均匀光照；
影像拼接单元，对两个桥墩之间的所有影像快速拼接形成大尺度高清影像；
裂纹检测定位单元，检测大尺度高清影像中的边缘，并通过数学形态学腐蚀膨胀，连接过程形成完整的裂纹纹理；
裂纹评估单元，测量裂缝的长度和宽度，以及分布密度信息。
CN201710103625.4A 2017-02-24 2017-02-24 一种无人机桥梁底面裂纹检测方法及系统 Pending CN106645205A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710103625.4A CN106645205A (zh) 2017-02-24 2017-02-24 一种无人机桥梁底面裂纹检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710103625.4A CN106645205A (zh) 2017-02-24 2017-02-24 一种无人机桥梁底面裂纹检测方法及系统

Publications (1)

Publication Number Publication Date
CN106645205A true CN106645205A (zh) 2017-05-10

Family

ID=58847499

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710103625.4A Pending CN106645205A (zh) 2017-02-24 2017-02-24 一种无人机桥梁底面裂纹检测方法及系统

Country Status (1)

Country Link
CN (1) CN106645205A (zh)

Cited By (55)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107240063A (zh) * 2017-07-04 2017-10-10 武汉大学 一种面向移动平台的旋翼无人机自主起降方法
CN107272741A (zh) * 2017-08-04 2017-10-20 北京理工大学 一种基于最大内切圆圆心移动矢量的无人机自动避障方法
CN107389697A (zh) * 2017-07-10 2017-11-24 北京交通大学 一种基于半交互式的裂缝检测方法
CN107561085A (zh) * 2017-08-28 2018-01-09 武汉大学 一种大型水电站百米级引水竖井健康检测装备及方法
CN107966175A (zh) * 2017-10-31 2018-04-27 山西路桥集团试验检测中心有限公司 一种路桥检测系统及其检测方法
CN108082515A (zh) * 2018-01-11 2018-05-29 天津大学 一种基于无人机载成像的桥梁裂缝识别装置
CN108419056A (zh) * 2018-05-02 2018-08-17 西南大学 大数据图像的传输、查看方法和在桥梁隐患监控中的应用
CN108733079A (zh) * 2018-06-19 2018-11-02 上海扩博智能技术有限公司 通过无人机对风机进行自动巡检飞行路径确定方法及系统
CN108757345A (zh) * 2018-08-10 2018-11-06 上海扩博智能技术有限公司 通过无人机进行风机叶片的自动跟踪检测方法及系统
CN109060281A (zh) * 2018-09-18 2018-12-21 山东理工大学 基于无人机的一体化桥梁检测系统
CN109131895A (zh) * 2018-07-27 2019-01-04 上海扩博智能技术有限公司 用于叶片自动跟踪检测的无人机挂载装置、无人机及方法
CN109162879A (zh) * 2018-08-10 2019-01-08 上海扩博智能技术有限公司 通过多传感器控制无人机进行风机叶片检测方法及系统
CN109282808A (zh) * 2018-11-23 2019-01-29 重庆交通大学 用于桥梁三维巡航检测的无人机与多传感器融合定位方法
CN109300126A (zh) * 2018-09-21 2019-02-01 重庆建工集团股份有限公司 一种基于空间位置的桥梁病害高精度智能检测方法
CN109358071A (zh) * 2018-09-21 2019-02-19 浙江大学 自主覆盖式作业的大型设备表面损伤检测系统及其方法
CN109358058A (zh) * 2018-10-10 2019-02-19 中石化（洛阳）科技有限公司 管道状态检测系统和方法
CN109357663A (zh) * 2018-11-21 2019-02-19 陕西高速公路工程试验检测有限公司 桥梁检测系统
CN109406525A (zh) * 2018-08-24 2019-03-01 辽宁省交通规划设计院有限责任公司 桥梁表观病害的检测系统及其检测方法
CN109542116A (zh) * 2018-11-23 2019-03-29 重庆交通大学 用于桥梁检测的三维巡航方法及系统
CN109555654A (zh) * 2018-12-20 2019-04-02 上海扩博智能技术有限公司 基于风机模型重构的叶片自动跟踪检测方法及系统
CN109612427A (zh) * 2019-01-16 2019-04-12 兰州交通大学 一种多传感器协同的无人机公路桥梁形变检测方法及系统
CN109632807A (zh) * 2018-11-28 2019-04-16 陕西高速公路工程试验检测有限公司 一种便携式检测方法、装置及系统
CN109668547A (zh) * 2019-01-30 2019-04-23 湖北辉创重型工程有限公司 一种桥梁智能化检查系统
CN109753081A (zh) * 2018-12-14 2019-05-14 中国矿业大学 一种基于机器视觉的巷道巡检无人机系统及导航方法
CN109855822A (zh) * 2019-01-14 2019-06-07 中山大学 一种基于无人机的高铁桥梁竖向动扰度测量方法
CN109885097A (zh) * 2019-04-11 2019-06-14 株洲时代电子技术有限公司 一种桥梁外沿面巡检航线规划方法
CN109885098A (zh) * 2019-04-11 2019-06-14 株洲时代电子技术有限公司 一种桥梁边栏巡检航线规划方法
CN109901624A (zh) * 2019-04-11 2019-06-18 株洲时代电子技术有限公司 一种桥梁巡检方法
CN109901623A (zh) * 2019-04-11 2019-06-18 株洲时代电子技术有限公司 桥梁墩身巡检航线规划方法
CN109901625A (zh) * 2019-04-11 2019-06-18 株洲时代电子技术有限公司 一种桥梁巡检系统
CN109934871A (zh) * 2019-02-18 2019-06-25 武汉大学 一种面向高危环境的智能无人机抓取目标的系统和方法
CN109945874A (zh) * 2019-04-11 2019-06-28 株洲时代电子技术有限公司 一种桥梁巡检航线规划方法
CN109960280A (zh) * 2019-04-11 2019-07-02 株洲时代电子技术有限公司 一种桥梁墩身巡检航线规划方法
CN109959406A (zh) * 2019-04-17 2019-07-02 福州大学 轮式旋转悬臂水下桥墩检测装置及其工作方法
CN109990777A (zh) * 2019-04-11 2019-07-09 株洲时代电子技术有限公司 一种桥梁底面巡检航线规划方法
CN110097498A (zh) * 2019-01-25 2019-08-06 电子科技大学 基于无人机航迹约束的多航带图像拼接与定位方法
CN110109146A (zh) * 2019-04-30 2019-08-09 北京云迹科技有限公司 基于多线激光雷达的路面检测方法及装置
CN110145989A (zh) * 2019-06-11 2019-08-20 广州珠江黄埔大桥建设有限公司 基于无人机的混凝土裂缝检测装置及检测方法
CN110373978A (zh) * 2019-05-31 2019-10-25 中国民航机场建设集团有限公司 一种机场道面结构性能检测系统
CN110763697A (zh) * 2019-08-26 2020-02-07 清华大学 一种使用飞行器检测工程结构表面裂缝的方法
CN110928301A (zh) * 2019-11-19 2020-03-27 北京小米智能科技有限公司 一种检测微小障碍的方法、装置及介质
CN110963036A (zh) * 2019-12-20 2020-04-07 上海瓴云土木工程咨询有限公司 一种基于无人机进行建筑检测修复的装置及方法
CN111208526A (zh) * 2020-01-17 2020-05-29 西北工业大学 基于激光雷达与定位向量匹配的多无人机协同定位方法
CN111311555A (zh) * 2020-01-22 2020-06-19 哈尔滨工业大学 大型智能临时看台安全性检测系统
CN111709949A (zh) * 2020-08-19 2020-09-25 武汉精测电子集团股份有限公司 户外显示屏检测修复方法、装置、设备及存储介质
CN111784679A (zh) * 2020-07-06 2020-10-16 金陵科技学院 一种基于cnn和svm的挡土墙裂缝识别方法
CN111880166A (zh) * 2018-05-03 2020-11-03 联发科技股份有限公司 物体检测方法及装置
CN113403942A (zh) * 2021-07-07 2021-09-17 西北工业大学 一种基于标签辅助的桥梁检测无人机视觉导航方法
CN113640829A (zh) * 2021-08-18 2021-11-12 上海同陆云交通科技有限公司 一种基于LiDAR的无人机桥底检测系统
CN113791074A (zh) * 2021-08-12 2021-12-14 中国建筑股份有限公司 一种基于多传感器融合的无人机桥梁裂缝巡检系统及方法
CN114216962A (zh) * 2021-12-03 2022-03-22 浙江爱丽智能检测技术集团有限公司 一种支座变形裂纹检测方法、系统、终端及介质
CN114486908A (zh) * 2021-12-31 2022-05-13 长江航道工程局有限责任公司 一种桥墩病害识别检测无人机及检测方法
CN114943693A (zh) * 2022-05-09 2022-08-26 盐城工学院 一种基于JetsonNano桥梁裂纹检测方法及系统
CN116380935A (zh) * 2023-06-02 2023-07-04 中南大学 一种高铁箱梁损伤检测机器车及损伤检测方法
CN116612103A (zh) * 2023-06-01 2023-08-18 中国建筑科学研究院有限公司 一种基于机器视觉的建筑结构裂缝智能检测方法及其系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104568972A (zh) * 2015-02-09 2015-04-29 中核华泰建设有限公司 一种混凝土桥梁底面裂缝检测装置
CN104843176A (zh) * 2015-04-28 2015-08-19 武汉大学 一种用于桥梁隧道自动巡检旋翼无人机系统及导航方法
CN105551108A (zh) * 2016-02-16 2016-05-04 株洲时代电子技术有限公司 一种铁路线路巡检方法
CN103868521B (zh) * 2014-02-20 2016-06-22 天津大学 基于激光雷达的四旋翼无人机自主定位及控制方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103868521B (zh) * 2014-02-20 2016-06-22 天津大学 基于激光雷达的四旋翼无人机自主定位及控制方法
CN104568972A (zh) * 2015-02-09 2015-04-29 中核华泰建设有限公司 一种混凝土桥梁底面裂缝检测装置
CN104843176A (zh) * 2015-04-28 2015-08-19 武汉大学 一种用于桥梁隧道自动巡检旋翼无人机系统及导航方法
CN105551108A (zh) * 2016-02-16 2016-05-04 株洲时代电子技术有限公司 一种铁路线路巡检方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
重庆亚派科技有限公司: "无人机桥梁检测系统（具备自主飞行功能）", 《新浪博客，（HTTP://BLOG.SINA.COM.CN/S/BLOG_15B4A5C110102WX2H.HTML）》 *

Cited By (72)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107240063A (zh) * 2017-07-04 2017-10-10 武汉大学 一种面向移动平台的旋翼无人机自主起降方法
CN107389697A (zh) * 2017-07-10 2017-11-24 北京交通大学 一种基于半交互式的裂缝检测方法
CN107272741A (zh) * 2017-08-04 2017-10-20 北京理工大学 一种基于最大内切圆圆心移动矢量的无人机自动避障方法
CN107561085A (zh) * 2017-08-28 2018-01-09 武汉大学 一种大型水电站百米级引水竖井健康检测装备及方法
CN107966175A (zh) * 2017-10-31 2018-04-27 山西路桥集团试验检测中心有限公司 一种路桥检测系统及其检测方法
CN108082515A (zh) * 2018-01-11 2018-05-29 天津大学 一种基于无人机载成像的桥梁裂缝识别装置
CN108419056A (zh) * 2018-05-02 2018-08-17 西南大学 大数据图像的传输、查看方法和在桥梁隐患监控中的应用
CN108419056B (zh) * 2018-05-02 2019-02-26 西南大学 大数据图像的传输、查看方法和桥梁隐患监控方法
CN111880166A (zh) * 2018-05-03 2020-11-03 联发科技股份有限公司 物体检测方法及装置
CN108733079A (zh) * 2018-06-19 2018-11-02 上海扩博智能技术有限公司 通过无人机对风机进行自动巡检飞行路径确定方法及系统
CN108733079B (zh) * 2018-06-19 2021-08-10 上海扩博智能技术有限公司 通过无人机对风机进行自动巡检飞行路径确定方法及系统
CN109131895A (zh) * 2018-07-27 2019-01-04 上海扩博智能技术有限公司 用于叶片自动跟踪检测的无人机挂载装置、无人机及方法
CN108757345A (zh) * 2018-08-10 2018-11-06 上海扩博智能技术有限公司 通过无人机进行风机叶片的自动跟踪检测方法及系统
CN109162879A (zh) * 2018-08-10 2019-01-08 上海扩博智能技术有限公司 通过多传感器控制无人机进行风机叶片检测方法及系统
CN109406525B (zh) * 2018-08-24 2023-06-16 辽宁省交通规划设计院有限责任公司 桥梁表观病害的检测系统及其检测方法
CN109406525A (zh) * 2018-08-24 2019-03-01 辽宁省交通规划设计院有限责任公司 桥梁表观病害的检测系统及其检测方法
CN109060281A (zh) * 2018-09-18 2018-12-21 山东理工大学 基于无人机的一体化桥梁检测系统
CN109060281B (zh) * 2018-09-18 2022-01-18 山东理工大学 基于无人机的一体化桥梁检测系统
CN109300126A (zh) * 2018-09-21 2019-02-01 重庆建工集团股份有限公司 一种基于空间位置的桥梁病害高精度智能检测方法
CN109300126B (zh) * 2018-09-21 2022-01-07 重庆建工集团股份有限公司 一种基于空间位置的桥梁病害高精度智能检测方法
CN109358071A (zh) * 2018-09-21 2019-02-19 浙江大学 自主覆盖式作业的大型设备表面损伤检测系统及其方法
CN109358058A (zh) * 2018-10-10 2019-02-19 中石化（洛阳）科技有限公司 管道状态检测系统和方法
CN109357663A (zh) * 2018-11-21 2019-02-19 陕西高速公路工程试验检测有限公司 桥梁检测系统
CN109282808B (zh) * 2018-11-23 2021-05-04 重庆交通大学 用于桥梁三维巡航检测的无人机与多传感器融合定位方法
CN109282808A (zh) * 2018-11-23 2019-01-29 重庆交通大学 用于桥梁三维巡航检测的无人机与多传感器融合定位方法
CN109542116B (zh) * 2018-11-23 2022-02-11 重庆交通大学 用于桥梁检测的三维巡航方法及系统
CN109542116A (zh) * 2018-11-23 2019-03-29 重庆交通大学 用于桥梁检测的三维巡航方法及系统
CN109632807A (zh) * 2018-11-28 2019-04-16 陕西高速公路工程试验检测有限公司 一种便携式检测方法、装置及系统
CN109753081A (zh) * 2018-12-14 2019-05-14 中国矿业大学 一种基于机器视觉的巷道巡检无人机系统及导航方法
CN109555654A (zh) * 2018-12-20 2019-04-02 上海扩博智能技术有限公司 基于风机模型重构的叶片自动跟踪检测方法及系统
CN109855822A (zh) * 2019-01-14 2019-06-07 中山大学 一种基于无人机的高铁桥梁竖向动扰度测量方法
CN109855822B (zh) * 2019-01-14 2019-12-06 中山大学 一种基于无人机的高铁桥梁竖向动扰度测量方法
CN109612427A (zh) * 2019-01-16 2019-04-12 兰州交通大学 一种多传感器协同的无人机公路桥梁形变检测方法及系统
CN110097498A (zh) * 2019-01-25 2019-08-06 电子科技大学 基于无人机航迹约束的多航带图像拼接与定位方法
CN109668547A (zh) * 2019-01-30 2019-04-23 湖北辉创重型工程有限公司 一种桥梁智能化检查系统
CN109934871A (zh) * 2019-02-18 2019-06-25 武汉大学 一种面向高危环境的智能无人机抓取目标的系统和方法
CN109990777A (zh) * 2019-04-11 2019-07-09 株洲时代电子技术有限公司 一种桥梁底面巡检航线规划方法
CN109901625A (zh) * 2019-04-11 2019-06-18 株洲时代电子技术有限公司 一种桥梁巡检系统
CN109901623A (zh) * 2019-04-11 2019-06-18 株洲时代电子技术有限公司 桥梁墩身巡检航线规划方法
CN109885098A (zh) * 2019-04-11 2019-06-14 株洲时代电子技术有限公司 一种桥梁边栏巡检航线规划方法
CN109901624A (zh) * 2019-04-11 2019-06-18 株洲时代电子技术有限公司 一种桥梁巡检方法
CN109945874A (zh) * 2019-04-11 2019-06-28 株洲时代电子技术有限公司 一种桥梁巡检航线规划方法
CN109960280A (zh) * 2019-04-11 2019-07-02 株洲时代电子技术有限公司 一种桥梁墩身巡检航线规划方法
CN109901625B (zh) * 2019-04-11 2022-10-25 株洲时代电子技术有限公司 一种桥梁巡检系统
CN109945874B (zh) * 2019-04-11 2023-04-28 株洲时代电子技术有限公司 一种桥梁巡检航线规划方法
CN109885097A (zh) * 2019-04-11 2019-06-14 株洲时代电子技术有限公司 一种桥梁外沿面巡检航线规划方法
CN109901623B (zh) * 2019-04-11 2022-03-15 株洲时代电子技术有限公司 桥梁墩身巡检航线规划方法
CN109959406A (zh) * 2019-04-17 2019-07-02 福州大学 轮式旋转悬臂水下桥墩检测装置及其工作方法
CN109959406B (zh) * 2019-04-17 2024-02-02 福州大学 轮式旋转悬臂水下桥墩检测装置及其工作方法
CN110109146B (zh) * 2019-04-30 2021-05-14 北京云迹科技有限公司 基于多线激光雷达的路面检测方法及装置
CN110109146A (zh) * 2019-04-30 2019-08-09 北京云迹科技有限公司 基于多线激光雷达的路面检测方法及装置
CN110373978A (zh) * 2019-05-31 2019-10-25 中国民航机场建设集团有限公司 一种机场道面结构性能检测系统
CN110145989B (zh) * 2019-06-11 2020-12-29 广州珠江黄埔大桥建设有限公司 基于无人机的混凝土裂缝检测装置及检测方法
CN110145989A (zh) * 2019-06-11 2019-08-20 广州珠江黄埔大桥建设有限公司 基于无人机的混凝土裂缝检测装置及检测方法
CN110763697A (zh) * 2019-08-26 2020-02-07 清华大学 一种使用飞行器检测工程结构表面裂缝的方法
CN110928301B (zh) * 2019-11-19 2023-06-30 北京小米智能科技有限公司 一种检测微小障碍的方法、装置及介质
CN110928301A (zh) * 2019-11-19 2020-03-27 北京小米智能科技有限公司 一种检测微小障碍的方法、装置及介质
CN110963036A (zh) * 2019-12-20 2020-04-07 上海瓴云土木工程咨询有限公司 一种基于无人机进行建筑检测修复的装置及方法
CN111208526A (zh) * 2020-01-17 2020-05-29 西北工业大学 基于激光雷达与定位向量匹配的多无人机协同定位方法
CN111311555B (zh) * 2020-01-22 2023-07-14 哈尔滨工业大学 大型智能临时看台安全性检测系统
CN111311555A (zh) * 2020-01-22 2020-06-19 哈尔滨工业大学 大型智能临时看台安全性检测系统
CN111784679A (zh) * 2020-07-06 2020-10-16 金陵科技学院 一种基于cnn和svm的挡土墙裂缝识别方法
CN111709949A (zh) * 2020-08-19 2020-09-25 武汉精测电子集团股份有限公司 户外显示屏检测修复方法、装置、设备及存储介质
CN113403942A (zh) * 2021-07-07 2021-09-17 西北工业大学 一种基于标签辅助的桥梁检测无人机视觉导航方法
CN113791074A (zh) * 2021-08-12 2021-12-14 中国建筑股份有限公司 一种基于多传感器融合的无人机桥梁裂缝巡检系统及方法
CN113640829A (zh) * 2021-08-18 2021-11-12 上海同陆云交通科技有限公司 一种基于LiDAR的无人机桥底检测系统
CN114216962A (zh) * 2021-12-03 2022-03-22 浙江爱丽智能检测技术集团有限公司 一种支座变形裂纹检测方法、系统、终端及介质
CN114486908A (zh) * 2021-12-31 2022-05-13 长江航道工程局有限责任公司 一种桥墩病害识别检测无人机及检测方法
CN114943693A (zh) * 2022-05-09 2022-08-26 盐城工学院 一种基于JetsonNano桥梁裂纹检测方法及系统
CN116612103A (zh) * 2023-06-01 2023-08-18 中国建筑科学研究院有限公司 一种基于机器视觉的建筑结构裂缝智能检测方法及其系统
CN116612103B (zh) * 2023-06-01 2023-12-15 中国建筑科学研究院有限公司 一种基于机器视觉的建筑结构裂缝智能检测方法及其系统
CN116380935A (zh) * 2023-06-02 2023-07-04 中南大学 一种高铁箱梁损伤检测机器车及损伤检测方法

Similar Documents

Publication Publication Date Title
CN106645205A (zh) 一种无人机桥梁底面裂纹检测方法及系统
WO2022170878A1 (zh) 一种无人机测量输电线路影像距离的系统及方法
CA3027921C (en) Integrated sensor calibration in natural scenes
CN109931939B (zh) 车辆的定位方法、装置、设备及计算机可读存储介质
CN104200086A (zh) 宽基线可见光相机位姿估计方法
CN107527328B (zh) 一种兼顾精度与速度的无人机影像几何处理方法
CN106019264A (zh) 一种基于双目视觉的无人机危险车距识别系统及方法
Wang et al. Accuracy evaluation of 3d geometry from low-attitude uav collections a case at zijin mine
CN112288848A (zh) 无人机航拍三维建模计算工程量的方法
Ruzgienė et al. UAV photogrammetry for road surface modelling
Pecho et al. UAV usage in the process of creating 3D maps by RGB spectrum
CN115657706A (zh) 基于无人机的地貌测量方法及系统
CN114820793A (zh) 基于无人机的目标检测及目标点定位方法及系统
CN115077394A (zh) 电站大坝边坡位移检测方法、装置及电子设备
CN115328181A (zh) 一种无人机输电线路巡检中关键目标空间定位方法
CN114239995A (zh) 全区域巡航路线生成方法、系统、电子设备及存储介质
Markovic et al. Application of modern technologies in assessing facade condition of building structures
Ishii et al. Autonomous UAV flight using the Total Station Navigation System in Non-GNSS Environments
CN113532283B (zh) 基于消费级无人机协同gps监测基坑位移趋势的方法
Gabara et al. Application of UAV Imagery for Inventory Mapping–A Case of Industrial Estate
Li et al. High‐resolution model reconstruction and bridge damage detection based on data fusion of unmanned aerial vehicles light detection and ranging data imagery
Del Pizzo et al. Assessment of shoreline detection using UAV
CN117437368B (zh) 基于无人机的路面平整度测量方法、系统、终端和介质
Małek Assessment of the use of unmanned aerial vehicles for road pavement condition surveying
US20240096090A1 (en) Damage Detection and Image Alignment Based on Polygonal Representation of Objects

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170510