CN108051450A - 一种基于无人机的桥梁健康检测系统及方法 - Google Patents
一种基于无人机的桥梁健康检测系统及方法 Download PDFInfo
- Publication number
- CN108051450A CN108051450A CN201711057595.4A CN201711057595A CN108051450A CN 108051450 A CN108051450 A CN 108051450A CN 201711057595 A CN201711057595 A CN 201711057595A CN 108051450 A CN108051450 A CN 108051450A
- Authority
- CN
- China
- Prior art keywords
- data
- crack
- detection
- fracture
- bridge
- 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.)
- Granted
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
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
-
- 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
- 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
- G01N2021/8874—Taking dimensions of defect into account
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Textile Engineering (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Bridges Or Land Bridges (AREA)
Abstract
本发明公开了一种基于无人机的桥梁健康检测系统,涉及桥梁检测领域,至少包括:数据采集子系统,其包括无人机,无人机上设有摄像设备,摄像设备用于对待测桥梁进行图像采集,获得检测裂缝数据;数据库,其用于预存多组历史裂缝数据;数据分析单元,其包括危害模拟模块,危害模拟模块通过将历史裂缝数据与检测裂缝数据进行统计分析,对裂缝的未来发展趋势进行预测,并获得裂缝预测数据。本发明对无人机采集获取的检测裂缝数据,以数据库的历史数据作为依据进行对比,获得裂缝变化趋势,从而便于工作人员预测裂缝未来的发展情况,及时进行维护工作,提高了维护工作的效率,保证待测桥梁的正常使用。
Description
技术领域
本发明涉及桥梁检测领域,具体涉及一种基于无人机的桥梁健康检测系统及方法。
背景技术
目前,对桥梁的安全检测有两种基本的方法,一种是利用安装在桥梁上的检测装置对桥梁进行实时的监测,另外一种是利用各种检测方法定期地对桥梁安全状况进行检测;
但传统的人工桥梁检测方法受高劳动力消耗、不可靠性和危险性等因素限制,已经不能满足现代社会经济发展的需求。
近年来在军事和民用领域中无人机得到了广泛应用,例如:侦察侦探,救援救灾,地质勘探,林业勘察,科学数据收集等;借助无人机来完成这些任务,可以大大降低成本、提高效率,以及避免产生人员伤亡;
同样,工作人员也希望能够将无人飞行器应用到桥梁检测中,协助技术人员完成相应检测任务,以降低桥梁数据收集和安全检测的成本。
发明内容
针对现有技术中存在的缺陷,本发明的目的在于提供一种基于无人机的桥梁健康检测系统及方法,对无人机采集获取的检测裂缝数据,以数据库的历史数据作为依据进行对比,获得裂缝变化趋势,从而便于工作人员预测裂缝未来的发展情况,及时进行维护工作,提高了维护工作的效率,保证待测桥梁的正常使用。
为达到以上目的,本发明采取的技术方案是:
一种基于无人机的桥梁健康检测系统,至少包括:
数据采集子系统,其包括无人机,所述无人机上设有摄像设备,所述摄像设备用于对待测桥梁进行图像采集,获得检测裂缝数据,所述检测裂缝数据包括检测裂缝宽度数据、检测裂缝长度数据、检测裂缝面积数据以及检测裂缝位置信息;
数据库,其用于预存多组历史裂缝数据,所述历史裂缝数据包括历史裂缝宽度数据、历史裂缝长度数据、历史裂缝面积数据以及历史裂缝位置信息;
数据分析单元,其包括危害模拟模块,所述危害模拟模块用于接收所述检测裂缝数据,从数据库中提取与所述检测裂缝数据对应的待测桥梁以及裂缝位置均相同的所述历史裂缝数据,将所述历史裂缝数据与所述检测裂缝数据进行统计分析,对所述裂缝的未来发展趋势进行预测,并获得所述裂缝预测数据,所述裂缝预测数据包括裂缝预测宽度数据、裂缝预测长度数据、裂缝预测面积数据以及裂缝预测位置信息。
在上述技术方案的基础上,所述数据分析单元还包括:
数据预筛选模块,用于接收所述检测裂缝数据,并识别所述检测裂缝数据的所述检测裂缝宽度数据,筛选出所述检测裂缝宽度数据中裂缝宽度超过安全宽度范围的所述检测裂缝数据,将筛选出的所述检测裂缝数据记作有效裂缝数据,所述有效裂缝数据包括有效裂缝宽度数据、有效裂缝长度数据、有效裂缝面积数据以及有效裂缝位置信息;
危害模拟模块接收所述有效裂缝数据,从所述数据库中提取与所述有效裂缝数据的待测桥梁以及裂缝位置均相同的所述历史裂缝数据,将所述历史裂缝数据与所述有效裂缝数据进行统计分析,对所述裂缝的未来发展趋势进行预测,并获得所述裂缝预测数据。
在上述技术方案的基础上,所述历史裂缝数据还包括:历史危害级别;
所述数据分析单元还包括:裂缝评级模块,用于接收所述检测裂缝数据,根据桥梁检测标准对所述检测裂缝数据进行评级,所述评级的结果记作检测危害级别。
在上述技术方案的基础上,所述数据分析单元还包括:三维重建模块,其根据所述无人机采集的图像构建实际桥梁包括裂缝情况的立体图像。
所述采集图像数据为所述摄像设备对待测桥梁进行图像采集时获得的,是获得所述检测裂缝数据的数据基础。
在上述技术方案的基础上,所述数据分析单元还包括:
数据更新模块,用于提取所述检测裂缝数据、与其对应的所述检测危害级别以及所述采集图像数据,并存入所述数据库,作为更新后的所述历史裂缝数据。
一种基于无人机的桥梁健康检测方法,其特征在于,所述桥梁健康检测方法包括以下步骤:
S1:建立数据库,将多组历史裂缝数据存储于数据库中,所述历史裂缝数据包括历史裂缝宽度数据、历史裂缝长度数据、历史裂缝面积数据以及历史裂缝位置信息;
S2:借助无人机采集待测桥梁进行图像采集,获得检测裂缝数据,所述检测裂缝数据包括检测裂缝宽度数据、检测裂缝长度数据、检测裂缝面积数据以及检测裂缝位置信息;
S3:接收所述检测裂缝数据,从所述数据库中提取与所述检测裂缝数据对应的待测桥梁以及裂缝位置均相同的所述历史裂缝数据,将所述历史裂缝数据与所述检测裂缝数据进行统计分析,对所述裂缝的未来发展趋势进行预测,并获得所述裂缝预测数据,所述裂缝预测数据包括裂缝预测宽度数据、裂缝预测长度数据、裂缝预测面积数据以及裂缝预测位置信息。
在上述技术方案的基础上,所述桥梁健康检测方法的步骤S3前还包括以下步骤:
识别所述检测裂缝数据的所述检测裂缝宽度数据,筛选出所述检测裂缝宽度数据中裂缝宽度超过安全宽度范围的所述检测裂缝数据,记作有效裂缝数据,所述有效裂缝数据包括有效裂缝宽度数据、有效裂缝长度数据、有效裂缝面积数据以及有效裂缝位置信息;
在S3中,在接收所述检测裂缝数据时,仅将所述历史裂缝数据与所述有效裂缝数据进行统计分析,对所述裂缝的未来发展趋势进行预测,并获得所述裂缝预测数据。
在上述技术方案的基础上,所述历史裂缝数据还包括历史危害级别;
所述桥梁健康检测方法的步骤S3后还包括以下步骤:
接收所述检测裂缝数据,根据桥梁检测标准对所述检测裂缝数据进行评级,所述评级的结果记作检测危害级别。
在上述技术方案的基础上,所述桥梁健康检测方法的步骤S3后包括以下步骤:
根据采集的图像构建实际桥梁包括裂缝情况的立体图像。
所述采集图像数据为对待测桥梁进行图像采集时获得的,是获得所述检测裂缝数据的数据基础。
在上述技术方案的基础上,所述桥梁健康检测方法的步骤S3后包括以下步骤:
提取所述检测裂缝数据、与其对应的所述检测危害级别以及所述采集图像数据,并存入所述数据库,作为更新后的所述历史裂缝数据。与现有技术相比,本发明的优点在于:
(1)本发明对无人机采集获取的检测裂缝数据,以数据库的历史数据作为依据进行对比,获得裂缝变化趋势,从而便于工作人员预测裂缝未来的发展情况,及时进行维护工作,提高了维护工作的效率,保证待测桥梁的正常使用。
(2)本发明仅需对有效裂缝数据进行接收并根据历史裂缝数据与有效裂缝数据进行统计分析,而无需对所有检测裂缝数据进行数据处理,减轻危害模拟模块的工作负担。
(3)本发明通过三维重建直观地查看桥梁现状,便于工作人员对检测裂缝的方位进行观察,方便后期维修工作。
(4)本发明将检测裂缝数据、与其对应的检测危害级别以及采集图像数据作为历史裂缝数据以及与其对应的历史危害级别,配合采集图像数据,为后期的检测提供更强大的数据支持,后期得到的结果趋于准确。
附图说明
图1为本发明实施例1中基于无人机的桥梁健康检测系统的结构框图;
图2为本发明实施例1中数据采集子系统的结构框图;
图3为本发明实施例1中数据分析单元的结构框图;
图4为本发明实施例2中数据分析单元的结构框图;
图5为本发明实施例3中数据分析单元的结构框图;
图6为本发明实施例4中数据分析单元的结构框图;
图7为本发明实施例5中数据分析单元的结构框图;
图8为本发明实施例6中数据分析单元的结构框图;
图9为本发明实施例7中数据采集子系统的结构框图;
图10为本发明实施例7中无人机的结构框图;
图中:1、数据采集子系统;101、无人机;1011、摄像设备;1012、光补偿设备;1013、激光测距设备;102、控制设备;2、数据库;3、数据分析单元;301、危害模拟模块;302、数据预筛选模块;303、裂缝评级模块;304、三维重建模块;305、危害预警模块;306、数据更新模块。
具体实施方式
以下结合附图对本发明的实施例作进一步详细说明。
实施例1
参见图1、2、3所示,本发明实施例提供一种基于无人机的桥梁健康检测系统,桥梁健康检测系统至少包括:数据采集子系统1,其包括:无人机101,无人机101上设有摄像设备1011,摄像设备1011用于对待测桥梁进行图像采集,获得检测裂缝数据,检测裂缝数据包括检测裂缝宽度数据、检测裂缝长度数据、检测裂缝面积数据以及检测裂缝位置信息;
数据库2,其用于预存多组历史裂缝数据,历史裂缝数据包括历史裂缝宽度数据、历史裂缝长度数据、历史裂缝面积数据以及历史裂缝位置信息;
数据分析单元3,其至少包括:危害模拟模块301,用于接收检测裂缝数据,从数据库2中提取与检测裂缝数据对应的待测桥梁以及裂缝位置均相同的历史裂缝数据,将历史裂缝数据与检测裂缝数据进行统计分析,对裂缝的未来发展趋势进行预测,并获得裂缝预测数据,裂缝预测数据包括裂缝预测宽度数据、裂缝预测长度数据、裂缝预测面积数据以及裂缝预测位置信息;
本发明对无人机101采集获取的检测裂缝数据,以数据库2的历史数据作为依据进行对比,获得裂缝变化趋势,从而便于工作人员预测裂缝未来的发展情况,及时进行维护工作,提高了维护工作的效率,保证待测桥梁的正常使用。
其中,根据历史裂缝数据与检测裂缝数据获得裂缝预测数据时,
当数据库2中只存在少量与检测裂缝数据对应的待测桥梁以及裂缝位置均相同的历史裂缝数据,则不进行预测,但仍然将检测裂缝数据存入数据库2中,其中判断数量为少量的依据为,根据该数量的历史裂缝数据预检测裂缝数据,无法模拟出有效的裂缝变化曲线;
当数据库2中存在足量的与检测裂缝数据的待测对象以及裂缝位置均相同的历史裂缝数据,则根据历史裂缝数据以及检测裂缝数据进行统计分析,并进行预测,获得裂缝随时间推移而发生变化的模拟曲线,从而获得裂缝预测数据;
另外,在数据库2中,均存储有裂缝预测数据、裂缝预测数据对应的待测桥梁图像以及待测桥梁图像的获取时间。
需要说明的是,无人机101借助摄像设备1011进行图像采集,然后对图像进行预处理,识别检测得到裂缝的几何尺寸以及具体方位。
在模拟过程中,存在三种不同的模拟模式,分别如下:
A、局部发展变化及趋势预警:计算裂缝的变化发展,给出局部预警;
B、部分发展变化及趋势预警:根据裂缝的发展变化及趋势,引入裂缝位置的重点程度、裂缝程度等参数进行桥梁结构的病害影响评价;
C、整体发展变化及趋势预警:统计桥梁所有裂缝的发展变化及趋势,给出整体预警。
需要说明的是,若在检测裂缝数据与多组历史裂缝数据进行比对时,未发现与检测裂缝数据对应的待测桥梁以及裂缝位置均相同的历史裂缝数据,则表明检测裂缝数据对应的裂缝为新出现的裂缝,则通过常用提示方式告知工作人员;
其中常用提示方式可以是语音提示或灯光提示。
实施例2
参见图4所示,本发明实施例提供一种基于无人机的桥梁健康检测系统,与实施例1的区别在于,数据分析单元3还包括:数据预筛选模块302,用于接收检测裂缝数据,并识别检测裂缝数据的检测裂缝宽度数据,筛选出检测裂缝宽度数据中裂缝宽度超过安全宽度范围的检测裂缝数据,记作有效裂缝数据,有效裂缝数据包括有效裂缝宽度数据、有效裂缝长度数据、有效裂缝面积数据以及有效裂缝位置信息;
数据预筛选模块302对检测裂缝数据,筛选出检测裂缝宽度数据中裂缝宽度超过安全宽度范围的检测裂缝数据,记作有效裂缝数据,即筛选出需要进行安全分析的待测桥梁上的裂缝;
而危害模拟模块301接收有效裂缝数据,从数据库2中提取与有效裂缝数据的待测桥梁以及裂缝位置均相同的历史裂缝数据,将历史裂缝数据与有效裂缝数据进行统计分析,对裂缝的未来发展趋势进行预测,并获得裂缝预测数据,此时危害模拟模块301仅需对有效裂缝数据进行接收并根据历史裂缝数据与有效裂缝数据进行统计分析,而无需对所有检测裂缝数据进行数据处理,减轻危害模拟模块301的工作负担。
本实施例中,0~0.1mm的裂缝宽度为安全裂缝宽度范围;
需要说明的是,安全宽度范围随着材料以及工艺的发展,会进行适应性调整。
实施例3
参见图5所示,本发明实施例提供一种基于无人机的桥梁健康检测系统,与实施例1、2的区别在于,历史裂缝数据还包括:历史危害级别;
数据分析单元3还包括:裂缝评级模块303,用于接收检测裂缝数据,根据桥梁检测标准对检测裂缝数据进行评级,评级的结果记作检测危害级别;
本发明利用桥梁检测标准作为评级工作的数据支持,以保障评级的准确。
其中,桥梁检测标准为桥梁建设以及桥梁检测的行业标准,包括根据桥梁裂缝进行危害评级的标准。
本发明中,历史危害级别具体为如下情况:
一级病害:不影响结构的承载能力和正常使用,但有可能对混凝土的耐久性产生影响,一般出现在结构的表层和附属设施上或其它轻微的损伤,通过一般性的小修保养即可修复。
二级病害:现存病害对结构的耐久性造成影响,不影响结构的承载能力但轻微地影响结构正常使用性能,需要良好的小修保养、中修,主要包括严重的附属设施病害及表层病害,及轻微的钢筋锈蚀、裂缝、构件变形等。
三级病害:影响结构的正常使用和耐久性,结构的承载能力弱化。包括中等的钢筋锈蚀、裂缝、构件的变形、结构的整体变形等,此时结构需要大修或加固补强。
四级病害:已经严重影响到结构的正常使用和耐久性,承载能力大大降低,已不能满足正常的使用功能。包括严重的钢筋锈蚀、裂缝、构件变形、结构整体变形或桥梁已经不能满足交通量需求,此时结构需要加固补强或者结构性加固,若病害达到一定的程度直接改扩建甚至废弃。
实施例4
参见图6所示,本发明实施例提供一种基于无人机的桥梁健康检测系统,与实施例1至3的区别在于,
数据分析单元3还包括:三维重建模块304,其根据无人机101采集的图像构建实际桥梁包括裂缝情况的立体图像。
采集图像数据为对待测桥梁进行图像采集时获得的,是获得检测裂缝数据的数据基础;
通过三维重建直观地查看桥梁现状,便于工作人员对检测裂缝的方位进行观察,方便后期维修工作。
实施例5
参见图7所示,本发明实施例提供一种基于无人机的桥梁健康检测系统,与实施例1至4的区别在于,数据分析单元3还包括:危害预警模块305,用于提取检测裂缝数据以及与其对应的检测危害级别,进行危害预警;
危害预警模块305可以是无线通信设备或有线通信设备,能够将检测裂缝数据以及与其对应的检测危害级别传输给其他设备以及工作人员进行危害预警。
实施例6
参见图8所示,本发明实施例提供一种基于无人机的桥梁健康检测系统,与实施例1至5的区别在于,数据分析单元3还包括:数据更新模块306,用于提取检测裂缝数据、与其对应的检测危害级别以及采集图像数据,并存入数据库2,作为更新后的历史裂缝数据;
采集图像数据为对待测桥梁进行图像采集时获得的,是获得检测裂缝数据的数据基础;
随着桥梁健康检测工作的进行,数据库2也需要不断的更新,从而保证在进行数据对比时,得到的结果趋于准确,因此这就需要大量的数据积累作为基础;
起初建立数据库2,其数据来源为以往历史检测过程中累积的数据,而随着工作的进行,利用数据更新模块306对数据库2进行充实,将检测裂缝数据、与其对应的检测危害级别以及采集图像数据作为历史裂缝数据以及与其对应的历史危害级别,配合采集图像数据,为后期的检测提供更强大的数据支持,后期得到的结果趋于准确。
实施例7
参见图9、10所示,本发明实施例提供一种基于无人机的桥梁健康检测系统,与实施例1至6的区别在于,数据采集子系统1还包括:光补偿设备1012,光补偿设备1012设置在无人机101上;控制设备102与光补偿设备1012信号连接;
由于桥梁结构的复杂性,进行图像采集飞行前,首先应该进行无人机101航迹规划,即在初始点和目标点之间规划一条能够满足无人机101性能、碰撞概率等约束条件的可行的飞行路径。在无人机101任务规划中,航迹规划是关键部分,其目标是计算出最优的能够避免障碍物的飞行轨迹,助无人机101顺利完成任务。通过设计模型建立目标桥梁的三维模型,可用于无人机101的航迹快速规划;
而在采集时,由于天气情况的多变,光补偿设备1012能够进行光线补偿,以便帮助摄像设备1011在图像采集时,获得足够的光线,从而获得较清晰的图像信息;
本发明借助摄像设备1011进行图像采集,并配合光补偿设备1012,进行协同合作,从而获得清晰准确的图像信息,以保证本发明对桥梁健康检测情况的准确性。
本实施例中,无人机101还包括激光测距设备1013;激光测距设备1013用于向无人机101附近环境发射激光进行测距,从而对待测桥梁的表面进行测距,配合摄像设备1011,进行像素标定;
无人机101具有避障功能,能够利用超声波等测距技术,使得无人机101与障碍物保持安全距离,
必要时,摄像设备1011选用高像素的摄像设备,在实际操作时,摄像设备1011的最佳采集图像距离为1-3m。
可选地,摄像设备1011以及激光测距设备1013均可利用云台设置在无人机101的顶部。
实施例8
本发明实施例提供一种基于无人机的桥梁健康检测方法,该桥梁健康检测方法包括以下步骤:
S1:建立数据库,将多组历史裂缝数据存储于数据库中,历史裂缝数据包括历史裂缝宽度数据、历史裂缝长度数据、历史裂缝面积数据以及历史裂缝位置信息;
S2:借助无人机采集待测桥梁进行图像采集,获得检测裂缝数据,检测裂缝数据包括检测裂缝宽度数据、检测裂缝长度数据、检测裂缝面积数据以及检测裂缝位置信息;
S3:接收检测裂缝数据,从数据库中提取与检测裂缝数据对应的待测桥梁以及裂缝位置均相同的历史裂缝数据,将历史裂缝数据与检测裂缝数据进行统计分析,对裂缝的未来发展趋势进行预测,并获得裂缝预测数据,裂缝预测数据包括裂缝预测宽度数据、裂缝预测长度数据、裂缝预测面积数据以及裂缝预测位置信息。
另外,在数据库中,均存储有裂缝预测数据、裂缝预测数据对应的待测桥梁图像以及待测桥梁图像的获取时间。
需要说明的是,无人机进行图像采集,然后对图像进行预处理,识别检测得到的裂缝的几何尺寸以及具体方位,再根据采集的图像数据进行筛选得到检测裂缝数据。
实施例9
本发明实施例提供一种基于无人机的桥梁健康检测方法,与实施例8的区别在于,桥梁健康检测方法的步骤S3前还包括以下步骤:
识别检测裂缝数据的检测裂缝宽度数据,筛选出检测裂缝宽度数据中裂缝宽度超过安全宽度范围的检测裂缝数据,记作有效裂缝数据,有效裂缝数据包括有效裂缝宽度数据、有效裂缝长度数据、有效裂缝面积数据以及有效裂缝位置信息;
在S3中,在接收检测裂缝数据时,仅将历史裂缝数据与有效裂缝数据进行统计分析,对裂缝的未来发展趋势进行预测,并获得裂缝预测数据。
本实施例中,0~0.1mm的裂缝宽度为安全裂缝宽度范围;
需要说明的是,安全宽度范围随着材料以及工艺的发展,会进行适应性调整。
实施例10
本发明实施例提供一种基于无人机的桥梁健康检测方法,与实施例8、9的区别在于,历史裂缝数据还包括历史危害级别;
桥梁健康检测方法的步骤S3后还包括以下步骤:
接收检测裂缝数据,根据桥梁检测标准对检测裂缝数据进行评级,评级的结果记作检测危害级别。
实施例11
本发明实施例提供一种基于无人机的桥梁健康检测方法,与实施例8至10的区别在于,该桥梁健康检测方法的步骤S3后还包括以下步骤:
B4:根据采集的图像构建实际桥梁包括裂缝情况的立体图像。
实施例12
本发明实施例提供一种基于无人机的桥梁健康检测方法,与实施例8至11的区别在于,桥梁健康检测方法的步骤S3后包括以下步骤:
C4:提取检测裂缝数据、与其对应的检测危害级别以及采集图像数据,并存入数据库,作为更新后的历史裂缝数据。
随着桥梁健康检测工作的进行,数据库也需要不断的更新,从而保证在进行数据对比时,得到的结果趋于准确,因此这就需要大量的数据积累作为基础。
本发明不仅局限于上述最佳实施方式,任何人在本发明的启示下都可得出其他各种形式的产品,但不论在其形状或结构上作任何变化,凡是具有与本发明相同或相近似的技术方案,均在其保护范围之内。
Claims (10)
1.一种基于无人机的桥梁健康检测系统,其特征在于,所述桥梁健康检测系统至少包括:
数据采集子系统(1),其包括无人机(101),所述无人机(101)上设有摄像设备(1011),所述摄像设备(1011)用于对待测桥梁进行图像采集,获得检测裂缝数据,所述检测裂缝数据包括检测裂缝宽度数据、检测裂缝长度数据、检测裂缝面积数据以及检测裂缝位置信息;
数据库(2),其用于预存多组历史裂缝数据,所述历史裂缝数据包括历史裂缝宽度数据、历史裂缝长度数据、历史裂缝面积数据以及历史裂缝位置信息;
数据分析单元(3),其包括危害模拟模块(301),所述危害模拟模块(301)用于接收所述检测裂缝数据,从数据库(2)中提取与所述检测裂缝数据对应的待测桥梁以及裂缝位置均相同的所述历史裂缝数据,将所述历史裂缝数据与所述检测裂缝数据进行统计分析,对所述裂缝的未来发展趋势进行预测,并获得所述裂缝预测数据,所述裂缝预测数据包括裂缝预测宽度数据、裂缝预测长度数据、裂缝预测面积数据以及裂缝预测位置信息。
2.如权利要求1所述的一种基于无人机的桥梁健康检测系统,其特征在于,所述数据分析单元(3)还包括:
数据预筛选模块(302),用于接收所述检测裂缝数据,并识别所述检测裂缝数据的所述检测裂缝宽度数据,筛选出所述检测裂缝宽度数据中裂缝宽度超过安全宽度范围的所述检测裂缝数据,将筛选出的所述检测裂缝数据记作有效裂缝数据,所述有效裂缝数据包括有效裂缝宽度数据、有效裂缝长度数据、有效裂缝面积数据以及有效裂缝位置信息;
危害模拟模块(301)接收所述有效裂缝数据,从所述数据库(2)中提取与所述有效裂缝数据的待测桥梁以及裂缝位置均相同的所述历史裂缝数据,将所述历史裂缝数据与所述有效裂缝数据进行统计分析,对所述裂缝的未来发展趋势进行预测,并获得所述裂缝预测数据。
3.如权利要求1所述的一种基于无人机的桥梁健康检测系统,其特征在于:所述历史裂缝数据还包括:历史危害级别;
所述数据分析单元(3)还包括:裂缝评级模块(303),用于接收所述检测裂缝数据,根据桥梁检测标准对所述检测裂缝数据进行评级,所述评级的结果记作检测危害级别。
4.如权利要求3所述的一种基于无人机的桥梁健康检测系统,其特征在于,所述数据分析单元(3)还包括:三维重建模块(304),其根据所述无人机(101)采集的图像构建实际桥梁包括裂缝情况的立体图像。
所述采集图像数据为所述摄像设备(1011)对待测桥梁进行图像采集时获得的,是获得所述检测裂缝数据的数据基础。
5.如权利要求4所述的一种基于无人机的桥梁健康检测系统,其特征在于,所述数据分析单元(3)还包括:
数据更新模块(306),用于提取所述检测裂缝数据、与其对应的所述检测危害级别以及所述采集图像数据,并存入所述数据库(2),作为更新后的所述历史裂缝数据。
6.一种基于无人机的桥梁健康检测方法,其特征在于,所述桥梁健康检测方法包括以下步骤:
S1:建立数据库,将多组历史裂缝数据存储于数据库中,所述历史裂缝数据包括历史裂缝宽度数据、历史裂缝长度数据、历史裂缝面积数据以及历史裂缝位置信息;
S2:借助无人机采集待测桥梁进行图像采集,获得检测裂缝数据,所述检测裂缝数据包括检测裂缝宽度数据、检测裂缝长度数据、检测裂缝面积数据以及检测裂缝位置信息;
S3:接收所述检测裂缝数据,从所述数据库中提取与所述检测裂缝数据对应的待测桥梁以及裂缝位置均相同的所述历史裂缝数据,将所述历史裂缝数据与所述检测裂缝数据进行统计分析,对所述裂缝的未来发展趋势进行预测,并获得所述裂缝预测数据,所述裂缝预测数据包括裂缝预测宽度数据、裂缝预测长度数据、裂缝预测面积数据以及裂缝预测位置信息。
7.如权利要求6所述的一种基于无人机的桥梁健康检测方法,其特征在于,所述桥梁健康检测方法的步骤S3前还包括以下步骤:
识别所述检测裂缝数据的所述检测裂缝宽度数据,筛选出所述检测裂缝宽度数据中裂缝宽度超过安全宽度范围的所述检测裂缝数据,记作有效裂缝数据,所述有效裂缝数据包括有效裂缝宽度数据、有效裂缝长度数据、有效裂缝面积数据以及有效裂缝位置信息;
在S3中,在接收所述检测裂缝数据时,仅将所述历史裂缝数据与所述有效裂缝数据进行统计分析,对所述裂缝的未来发展趋势进行预测,并获得所述裂缝预测数据。
8.如权利要求6所述的一种基于无人机的桥梁健康检测方法,其特征在于,所述历史裂缝数据还包括历史危害级别;
所述桥梁健康检测方法的步骤S3后还包括以下步骤:
接收所述检测裂缝数据,根据桥梁检测标准对所述检测裂缝数据进行评级,所述评级的结果记作检测危害级别。
9.如权利要求6所述的一种基于无人机的桥梁健康检测方法,其特征在于,所述桥梁健康检测方法的步骤S3后包括以下步骤:根据采集的图像构建实际桥梁包括裂缝情况的立体图像。
所述采集图像数据为对待测桥梁进行图像采集时获得的,是获得所述检测裂缝数据的数据基础。
10.如权利要求7所述的一种基于无人机的桥梁健康检测方法,其特征在于,所述桥梁健康检测方法的步骤S3后包括以下步骤:
提取所述检测裂缝数据、与其对应的所述检测危害级别以及所述采集图像数据,并存入所述数据库,作为更新后的所述历史裂缝数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711057595.4A CN108051450B (zh) | 2017-11-01 | 2017-11-01 | 一种基于无人机的桥梁健康检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711057595.4A CN108051450B (zh) | 2017-11-01 | 2017-11-01 | 一种基于无人机的桥梁健康检测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108051450A true CN108051450A (zh) | 2018-05-18 |
CN108051450B CN108051450B (zh) | 2020-08-25 |
Family
ID=62118857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711057595.4A Active CN108051450B (zh) | 2017-11-01 | 2017-11-01 | 一种基于无人机的桥梁健康检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108051450B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108989756A (zh) * | 2018-08-06 | 2018-12-11 | 百度在线网络技术(北京)有限公司 | 建筑工程质量监测方法、装置及存储介质 |
CN109187555A (zh) * | 2018-09-19 | 2019-01-11 | 苏州傲特欣智能科技有限公司 | 基于机器视觉的建筑外墙裂缝检测系统及方法 |
CN109302444A (zh) * | 2018-08-06 | 2019-02-01 | 佛山科学技术学院 | 一种基于区块链的无人机信息采集方法及系统 |
CN109596623A (zh) * | 2018-12-21 | 2019-04-09 | 无锡先导智能装备股份有限公司 | 一种缺陷检测方法及装置 |
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 |
CN109669474A (zh) * | 2018-12-21 | 2019-04-23 | 国网安徽省电力有限公司淮南供电公司 | 基于先验知识的多旋翼无人机自适应悬停位置优化算法 |
CN110222384A (zh) * | 2019-05-22 | 2019-09-10 | 微云(武汉)科技有限公司 | 一种桥梁裂缝分析方法、装置及存储介质 |
CN110703802A (zh) * | 2019-11-04 | 2020-01-17 | 中国科学院自动化研究所 | 基于多无人机协同作业的桥梁自动检测方法及系统 |
CN111707196A (zh) * | 2020-05-13 | 2020-09-25 | 苏州天炯信息科技有限公司 | 基于无人机的桥梁病害尺寸测量装置及测量方法 |
CN112485262A (zh) * | 2020-12-22 | 2021-03-12 | 常州信息职业技术学院 | 一种混凝土表观裂缝宽度及其扩展演化的检测方法及装置 |
CN112540089A (zh) * | 2020-12-16 | 2021-03-23 | 江苏法尔胜材料分析测试有限公司 | 数字成像系统在混凝土桥梁裂缝检测和分析中的应用方法 |
CN115511836A (zh) * | 2022-09-28 | 2022-12-23 | 丽水市市政设施管理中心(丽水市节约用水管理中心) | 基于强化学习算法的桥梁裂缝等级评估方法及系统 |
CN116434087A (zh) * | 2023-04-04 | 2023-07-14 | 中建二局土木工程集团有限公司 | 基于goa-svm协同算法与无人机的混凝土裂缝识别方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001020299A2 (en) * | 1999-09-16 | 2001-03-22 | Ut-Battelle, Llc | Nonlinear structural crack growth monitoring |
CN104268658A (zh) * | 2014-09-29 | 2015-01-07 | 招商局重庆交通科研设计院有限公司 | 一种桥梁结构安全监测数据的预测方法 |
CN104574912A (zh) * | 2015-02-08 | 2015-04-29 | 张朝利 | 一种高架桥变形定量监测系统及其预测方法 |
CN104567712A (zh) * | 2015-02-08 | 2015-04-29 | 张朝利 | 一种隧道变形定量监测系统及其预测方法 |
CN105735150A (zh) * | 2016-03-04 | 2016-07-06 | 浙江大学 | 一种移动多目视觉桥梁常规检测方法 |
CN106054916A (zh) * | 2016-05-20 | 2016-10-26 | 清华大学合肥公共安全研究院 | 一种无人机桥梁巡检系统及巡检方法 |
CN206160970U (zh) * | 2016-11-17 | 2017-05-10 | 刘鹏 | 一种水利工程裂缝变化定量监测装置 |
CN107063095A (zh) * | 2016-12-23 | 2017-08-18 | 张晓明 | 一种既有建筑房屋结构裂缝宽度变化的实时监测报警系统及识别方法 |
-
2017
- 2017-11-01 CN CN201711057595.4A patent/CN108051450B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001020299A2 (en) * | 1999-09-16 | 2001-03-22 | Ut-Battelle, Llc | Nonlinear structural crack growth monitoring |
CN104268658A (zh) * | 2014-09-29 | 2015-01-07 | 招商局重庆交通科研设计院有限公司 | 一种桥梁结构安全监测数据的预测方法 |
CN104574912A (zh) * | 2015-02-08 | 2015-04-29 | 张朝利 | 一种高架桥变形定量监测系统及其预测方法 |
CN104567712A (zh) * | 2015-02-08 | 2015-04-29 | 张朝利 | 一种隧道变形定量监测系统及其预测方法 |
CN105735150A (zh) * | 2016-03-04 | 2016-07-06 | 浙江大学 | 一种移动多目视觉桥梁常规检测方法 |
CN106054916A (zh) * | 2016-05-20 | 2016-10-26 | 清华大学合肥公共安全研究院 | 一种无人机桥梁巡检系统及巡检方法 |
CN206160970U (zh) * | 2016-11-17 | 2017-05-10 | 刘鹏 | 一种水利工程裂缝变化定量监测装置 |
CN107063095A (zh) * | 2016-12-23 | 2017-08-18 | 张晓明 | 一种既有建筑房屋结构裂缝宽度变化的实时监测报警系统及识别方法 |
Non-Patent Citations (1)
Title |
---|
胡皙: ""基于图像处理的地铁隧道裂缝检测技术研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109302444A (zh) * | 2018-08-06 | 2019-02-01 | 佛山科学技术学院 | 一种基于区块链的无人机信息采集方法及系统 |
CN108989756A (zh) * | 2018-08-06 | 2018-12-11 | 百度在线网络技术(北京)有限公司 | 建筑工程质量监测方法、装置及存储介质 |
CN109187555A (zh) * | 2018-09-19 | 2019-01-11 | 苏州傲特欣智能科技有限公司 | 基于机器视觉的建筑外墙裂缝检测系统及方法 |
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 |
CN109596623B (zh) * | 2018-12-21 | 2021-07-06 | 无锡先导智能装备股份有限公司 | 一种缺陷检测方法及装置 |
CN109596623A (zh) * | 2018-12-21 | 2019-04-09 | 无锡先导智能装备股份有限公司 | 一种缺陷检测方法及装置 |
CN109669474A (zh) * | 2018-12-21 | 2019-04-23 | 国网安徽省电力有限公司淮南供电公司 | 基于先验知识的多旋翼无人机自适应悬停位置优化算法 |
CN109669474B (zh) * | 2018-12-21 | 2022-02-15 | 国网安徽省电力有限公司淮南供电公司 | 基于先验知识的多旋翼无人机自适应悬停位置优化算法 |
CN110222384A (zh) * | 2019-05-22 | 2019-09-10 | 微云(武汉)科技有限公司 | 一种桥梁裂缝分析方法、装置及存储介质 |
CN110703802A (zh) * | 2019-11-04 | 2020-01-17 | 中国科学院自动化研究所 | 基于多无人机协同作业的桥梁自动检测方法及系统 |
WO2021088311A1 (zh) * | 2019-11-04 | 2021-05-14 | 中国科学院自动化研究所 | 基于多无人机协同作业的桥梁自动检测方法及系统 |
CN111707196A (zh) * | 2020-05-13 | 2020-09-25 | 苏州天炯信息科技有限公司 | 基于无人机的桥梁病害尺寸测量装置及测量方法 |
CN112540089A (zh) * | 2020-12-16 | 2021-03-23 | 江苏法尔胜材料分析测试有限公司 | 数字成像系统在混凝土桥梁裂缝检测和分析中的应用方法 |
CN112540089B (zh) * | 2020-12-16 | 2022-11-25 | 江苏法尔胜材料分析测试有限公司 | 数字成像系统在混凝土桥梁裂缝检测和分析中的应用方法 |
CN112485262A (zh) * | 2020-12-22 | 2021-03-12 | 常州信息职业技术学院 | 一种混凝土表观裂缝宽度及其扩展演化的检测方法及装置 |
CN112485262B (zh) * | 2020-12-22 | 2023-08-11 | 常州信息职业技术学院 | 一种混凝土表观裂缝宽度及其扩展演化的检测方法及装置 |
CN115511836A (zh) * | 2022-09-28 | 2022-12-23 | 丽水市市政设施管理中心(丽水市节约用水管理中心) | 基于强化学习算法的桥梁裂缝等级评估方法及系统 |
CN115511836B (zh) * | 2022-09-28 | 2023-10-27 | 丽水市市政设施管理中心(丽水市节约用水管理中心) | 基于强化学习算法的桥梁裂缝等级评估方法及系统 |
CN116434087A (zh) * | 2023-04-04 | 2023-07-14 | 中建二局土木工程集团有限公司 | 基于goa-svm协同算法与无人机的混凝土裂缝识别方法及装置 |
CN116434087B (zh) * | 2023-04-04 | 2024-01-23 | 中建二局土木工程集团有限公司 | 基于goa-svm协同算法与无人机的混凝土裂缝识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108051450B (zh) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108051450A (zh) | 一种基于无人机的桥梁健康检测系统及方法 | |
Peraka et al. | Pavement asset management systems and technologies: A review | |
CN104599249B (zh) | 缆索承重桥梁桥面车辆载荷分布实时检测方法 | |
KR102112046B1 (ko) | 시설물 안전진단 및 유지관리 방법 | |
CN103874807B (zh) | 应力和/或累积损伤监测系统 | |
CN110059631A (zh) | 接触网非接触式监测缺陷识别方法 | |
CN108828589A (zh) | 地铁盾构隧道衬砌质量高精度快速车载检测方法与装置 | |
CN103745477A (zh) | 基于机器视觉的建筑结构裂缝检测及修复方法 | |
CN106980113A (zh) | 物体检测装置和物体检测方法 | |
CN107328783A (zh) | 一种基于无人机的桥梁智能检测系统 | |
Soleymani et al. | Damage detection and monitoring in heritage masonry structures: Systematic review | |
CN109278053A (zh) | 一种铁路隧道检测方法 | |
CN103149042A (zh) | 工程起重机的安全评估决策系统及其安全评估决策方法 | |
CN109374631A (zh) | 一种隧道状态评测方法 | |
Benmhahe et al. | Automated pavement distress detection, classification and measurement: A review | |
CN103886602A (zh) | 一种基于纹理的射线图像缺陷检测方法 | |
Mustapha et al. | Pattern recognition based on time series analysis using vibration data for structural health monitoring in civil structures | |
Mancini et al. | Road pavement crack automatic detection by MMS images | |
CN112556760A (zh) | 一种桥梁裂缝监测系统 | |
CN116778329A (zh) | 城市道路地下浅层病害检测方法、装置、设备及介质 | |
CN104504769A (zh) | 轨道交通桥梁隧道结构电子病害采集系统及采集分析方法 | |
Purnomo et al. | Initial implementation of structural health monitoring system of a railway bridge | |
Zofka et al. | Assessment of pavement structures at traffic speed | |
CN115018292A (zh) | 一种城市轨道交通工程的风险评估方法 | |
CN116242774A (zh) | 适用于农村公路的轻量化三维检测方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |