CN109342439B - 基于无人机的索结构外观检测方法 - Google Patents
基于无人机的索结构外观检测方法 Download PDFInfo
- Publication number
- CN109342439B CN109342439B CN201811228223.8A CN201811228223A CN109342439B CN 109342439 B CN109342439 B CN 109342439B CN 201811228223 A CN201811228223 A CN 201811228223A CN 109342439 B CN109342439 B CN 109342439B
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- image
- cable structure
- registration
- 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.)
- Active
Links
Images
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
- G01N21/8851—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
Abstract
本发明公开了一种基于无人机的索结构外观检测方法,通过图像处理技术得到索结构全景高清图和图像几何信息,得到索结构表面的所有表观缺陷信息,观测到索上划痕、锈蚀等缺陷信息,满足实际工程的需求;还可以获得索结构的表面缺陷宏观和微观的演变趋势,并建立索结构健康电子档案系统。
Description
技术领域
本发明涉及基于无人机的索结构外观检测方法。
背景技术
悬索桥、斜拉桥和拱桥是索支撑结构,高压输电线也是索结构,这些索是重要的受力构件或输电设备,它们的安全对于整个结构的安全至关重要,对它们的日常检测非常关键。
目前日常检测主要通过望远镜;定期检测通过卷扬机拉动钢丝绳提升吊篮,检测人员在吊篮中对缆索检测,这种检测效率低、成本高、安全性低。一种索结构外观检测装置及方法(CN2015108733787)发明了双轴平台采集索结构表面病害的方法和装置。但这种方法有存在一定的局限性:斜拉索外侧无法检测,平台检测耗时较长,效率不高等问题。
无人机在各行各业的逐渐应用,它已经变成会飞的生产工具,将无人机平台应用到索结构外观检测,配合相应的飞行路径规划方法和图像处理技术,将极大的提高检测效率,更加高效解决索结构检测难题。
发明内容
本发明所要解决的技术问题是,针对现有技术不足,提供一种基于无人机的索结构外观检测方法,提高检测效率。
为解决上述技术问题,本发明所采用的技术方案是:一种基于无人机的索结构外观检测方法,包括以下步骤:
1)根据结构物检测的精度γ要求、相机分辨率αL和αH、图像重叠率ol,确定单幅图像拍摄长度SL和高度SH,每张图的检测长度为S;
2)由镜头焦距、传感器尺寸和长度S,并计算出无人机距离待检索结构最小距离d;
3)将无人机飞行至待检索结构右下角,并通过测距传感器调整无人机至索结构距离,两者距离为d,停留获取此位置的经纬度(Lon1,Lat1)和高度信息H1;然后飞行至待检索结构左上角,调整无人机至索结构距离为d,获取此位置的经纬度(Lon2,Lat2)和高度信息H2,通过经纬度的计算,获得待检索结构的实际检测长度L;
4)将待检索结构进行等距离分区,进行无人机飞行路径规划,得到飞行路径点集M(n);
5)根据M(n),依次给无人机发送飞行任务;首先从待检索结构左上角出发,即首先到达M[n]位置,接着到达M[n-1],直至最后到达M[1],无人机返航。无人机在RTK定位信息指引依次到达指定位置悬停拍照,存储图像及其位置信息;
6)获取无人机系统拍摄的位置、高清图像数据和位置信息;
7)采用“多权重迭代最优缝合缝”方法对图像进行拼接处理;
8)对拼接后的图像进行配准处理;
9)矢量CAD文件确定配准后图像像元尺寸,并根据像元个数确定缺陷的长度、宽度和面积。
步骤3)中,
步骤7)的具体实现过程包括:
1)根据无人机路径点顺序,对待拼接图像Ic之间的拼接顺序进行预排序,其中c表示待拼接图像的数量;
2)采用SURF特征点检测算法,查找图像特征点;
3)选取待配准的相邻图像Ii,Ij,采用RANSAC算法结合图像之间的几何信息进行特征点提纯,得到初始匹配对;
4)从初始匹配对中通过多次迭代随机选取k个特征点匹配对,k≥4;对图像进行粗配准,并利用公式估算投影变换矩阵H,其中v1=(x1,y1,z1),v2=(x2,y2,z2)为Ii,Ij中对应的特征点,令z=1,通过v1,v2之间的齐次线性变换关系,求得H中元素Hi,j的值,H是一个3×3的齐次矩阵;
5)采用结构保持变形算法,对粗配准后的图像进行变形,得到Ii',Ij';
6)采用Graphcut算法,查找Ii',Ij'重叠区域的最佳缝合缝;
8)重复步骤3)~步骤7),计算所有可能的图像配准关系,将配准误差E(v)<δ的特征点对保留下来,通常取δ=100,对所有保留下来的特征点对合并,以此计算最终的图像配准关系,作为图像对Ii,Ij的最佳配准关系;
9)重复步骤8),计算所有相邻图像对之间的最佳配准关系;
10)采用光束法平差算法,对所有的图像配准关系进行优化;
11)采用Graphcut算法,查找步骤10)中最终配准后图像之间重叠区域的最佳缝合缝;
12)采用多波段融合技术实现图像的无缝融合拼接。
与现有技术相比,本发明所具有的有益效果为:本发明利用无人机进行索结构外观检测,无人机可以快速采集图像,且不受地理环境影响进行外业工作,提出了专为无人机拍摄图像的多站点图像拼接技术,可以通过图像处理技术得到索结构全景高清图和图像几何信息,得到索结构表面的所有表观缺陷信息,观测到索上划痕、锈蚀等缺陷信息,满足实际工程的需求;还可以获得索结构的表面缺陷宏观和微观的演变趋势,并建立索结构健康电子档案系统。
附图说明
图1是本发明提供的基于无人机的索结构外观检测系统的流程图;
图2是本发明提供的无人机索结构采集平台;
100为无人机,101高清图像采集模块,102测距仪,103GPS和RTK
图3是本发明无人机拍摄区域分区图;
图4是多站点图像拼接算法框图;
图5(1)是CAD图;图5(2)是配准前图像。
具体实施方式
下面结合附图对本发明进行详细的说明。
(1)无人机高清图像采集平台
无人机高清图像采集平台包括了无人机飞行翼电池等常规无人机模块100,厘米级导航定位RTK模块103,高分率(大于2000万像素)图像传感器的图像采集模块101,测距传感器102,无线传输模块和控制模块;其中无线传输模块将所拍摄的图像信息和RTK定位信息发送到地面控制中心,控制中心将指令传输给无人机。实施过程如下:
首先根据索结构检测精度要求、无人机的相机焦距及其传感器尺寸、图像重叠率确定无人机航线横向步长SL和竖向步长SH,并计算出无人机距离索的最小垂直距离d。
接着无人机在地面控制操作下到达图3的右下角即图中A点位置,调整无人机至索的垂直距离,直至测距为d,通过无人机定位系统读取此点的经纬度(Lon1,Lat1)和高度信息(H1);然后地面控制操作下到达图3的左上角即图中B点位置,调整无人机至索结构距离,直至测距传感器测距为d,读取此点的经纬度(Lon2,Lat2)和高度信息(H2),至此自动确定了索的检测区域,即如图3所示的直线区域。
然后根据检测区域和步长,无人机从B→A的路线规划飞行路径。首先无人机从图3的B点开始悬停,通过地面中心控制系统自动完成图像对焦和拍摄;无人机沿着索的方向移动至下一个网格点即图3中的黑色圆点,悬停对焦拍摄;直至到达图中A点位置,悬停对焦拍摄,最后返航,索一侧的图像采集工作结束。
(2)图像拼接处理
图3所示,无人机根据索结构的飞行路径规划点拍摄了n张高清图像,这些图像是无人机在不同位置上近距离拍摄的一系列图像,不同于固定位置的相机,这些图像存在运动视差,因此多站点图像拼接是此项技术的核心工作。
首先根据飞行路径点顺序将这些图像文件整理成顺序对应飞行路径点图像序列,如图3所示。具体拼接算法过程如图4所示,算法具体实现过程如下:
1、根据无人机路径点顺序,对待拼接图像Ic之间的拼接顺序进行预排序,其中c表示待拼接图像的数量;
2、采用SURF特征点检测算法,查找图像特征点;
3、选取待配准的相邻图像Ii,Ij,采用RANSAC算法结合图像之间的几何信息进行特征点提纯,得到初始匹配对;
4、从初始匹配对中通过多次迭代随机选取k个特征点匹配对,k≥4;对图像进行粗配准,并利用公式估算投影变换矩阵H,其中v1=(x1,y1,z1),v2=(x2,y2,z2)为Ii,Ij中对应的特征点,令z=1,通过v1,v2之间的齐次线性变换关系,求得H中元素Hi,j的值,H是一个3×3的齐次矩阵;
5、采用结构保持变形算法,对粗配准后的图像进行变形,得到Ii',Ij';
6、采用Graphcut算法,查找Ii',Ij'重叠区域的最佳缝合缝;
8、重复步骤3)~步骤7),计算所有可能的图像配准关系,将配准误差E(v)<δ的特征点对保留下来,通常取δ=100,对所有保留下来的特征点对合并,以此计算最终的图像配准关系,作为图像对Ii,Ij的最佳配准关系;
9、重复步骤8),计算所有相邻图像对之间的最佳配准关系;
10、采用光束法平差算法,对所有的图像配准关系进行优化;
11、采用Graphcut算法,查找步骤10)中最终配准后图像之间重叠区域的最佳缝合缝;
12、采用多波段融合技术实现图像的无缝融合拼接。
(3)图形配准处理
上一步骤完成了高清图片的拼接工作,索结构全景图像已经建立起来。接下来就是高清图像的配准工作,其目的是:对高清全景图像进行裁剪和校准,使得图像中索结构与相应的CAD矢量图坐标、尺寸相一致,即将索结构图像配准到CAD图形之中。
配准的方法是通过坐标变化将图像中的每个像素变换到CAD坐标系中对应的坐标位置,使得图像变成与地图类似具备几何坐标和尺寸信息的图像文件。其具体步骤如下:
a)将上述高清图图形进行灰度化、均衡化和二值化处理,获取图像中索结构的边界位置信息。
b)全景图像中的索结构与其实际形状和尺寸有偏差,如图5(1)和图5(2)所示,图形配准的目的就是将图像数据进行几何变换,实现与CAD图形一一对应。将图像中索结构边界坐标与CAD图中索结构边界坐标一一对应,通过双线性变化,来为图像中每个像素确定正确的坐标位置(x,y),图5(1)和图5(2)的双线映射关系如下:
c)将A和A’、B和B’等相应4个点分别带入式(9),即可求出上述a-h的8个系数。
e)通过上述变换后,实现每个像素的坐标与实际CAD图纸坐标一一对应,完成图像与CAD图纸配准。
(4)数据库系统
图形进行配准后,由矢量CAD文件确定了索图像像元与结构实际尺寸的关系。并根据像元个数确定缺陷的长度、宽度和面积。完成配准后的图像可以采用地图集的方式对索结构外观的缺陷进行标记和量测。并将这些缺陷数据如:位置、长度、宽度和面积记录到数据库之中,形成缺陷信息数据库。
在配准后的图像文件之中,对缺陷分类标注和编号,测量其位置和尺寸,得到能反映索结构健康状态的缺陷信息数据库。将历史检测结果进行对比分析,结合大数据技术,研究和判断索结构健康状态和趋势。为索结构的管养和维护提供科学、全面的数据。
Claims (6)
1.一种基于无人机的索结构外观检测方法,其特征在于,包括以下步骤:
1)根据结构物检测的精度γ要求、相机横向和竖向分辨率αL和αH、图像重叠率ol,确定单幅图像拍摄长度SL和高度SH,每张图的检测长度为S;
2)由镜头焦距、传感器尺寸和长度S,计算出无人机距离待检索结构最小距离d;
3)将无人机飞行至待检索结构右下角,并通过测距传感器调整无人机至索结构距离,两者距离为d,停留获取此位置的经纬度(Lon1,Lat1)和高度信息H1;然后飞行至待检索结构左上角,调整无人机至索结构距离为d,获取此位置的经纬度(Lon2,Lat2)和高度信息H2,通过经纬度的计算,获得待检索结构的实际检测长度L;
4)将待检索结构进行等距离分区,进行无人机飞行路径规划,得到飞行路径点集M(n);
5)根据M(n),依次给无人机发送飞行任务;首先从待检索结构左上角出发,即首先到达M[n]位置,接着到达M[n-1],直至最后到达M[1],无人机返航;无人机在RTK定位信息指引依次到达指定位置悬停拍照,存储图像及其位置信息;
6)获取无人机系统拍摄的位置、高清图像数据;
7)采用多权重迭代最优缝合缝方法对图像进行拼接处理;
8)对拼接后的图像进行配准处理;
9)矢量CAD文件确定配准后图像像元尺寸,并根据像元个数确定缺陷的长度、宽度和面积。
3.根据权利要求2所述的基于无人机的索结构外观检测方法,其特征在于,步骤2)中,dL=f×SL/SSL;dH=f×SH/SSH;d=min(dL,dH);其中,f为相机焦距,SSL和SSH为相机传感器感光片的长度和高度。
6.根据权利要求1所述的基于无人机的索结构外观检测方法,其特征在于,步骤7)的具体实现过程包括:
1)根据无人机路径点顺序,对待拼接图像Ic之间的拼接顺序进行预排序,其中c表示待拼接图像的数量;
2)采用SURF特征点检测算法,查找图像特征点;
3)选取待配准的相邻图像Ii,Ij,采用RANSAC算法结合图像之间的几何信息进行特征点提纯,得到初始匹配对;
4)从初始匹配对中通过多次迭代随机选取k个特征点匹配对,k≥4;对图像进行粗配准,并利用公式估算投影变换矩阵H,其中v1=(x1,y1,z1),v2=(x2,y2,z2)为Ii,Ij中对应的特征点,令z=1,通过v1,v2之间的齐次线性变换关系,求得H中元素Hi,j的值,H是一个3×3的齐次矩阵;
5)采用结构保持变形算法,对粗配准后的图像进行变形,得到Ii',Ij';
6)采用Graphcut算法,查找Ii',Ij'重叠区域的最佳缝合缝;
8)重复步骤3)~步骤7),计算所有可能的图像配准关系,将配准误差E(v)<δ的特征点对保留下来,取δ=100,对所有保留下来的特征点对合并,以此计算最终的图像配准关系,作为图像对Ii,Ij的最佳配准关系;
9)重复步骤8),计算所有相邻图像对之间的最佳配准关系;
10)采用光束法平差算法,对所有的图像配准关系进行优化;
11)采用Graphcut算法,查找步骤10)中最终配准后图像Ic之间重叠区域的最佳缝合缝;
12)采用多波段融合技术实现图像Ic的无缝融合拼接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811228223.8A CN109342439B (zh) | 2018-10-22 | 2018-10-22 | 基于无人机的索结构外观检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811228223.8A CN109342439B (zh) | 2018-10-22 | 2018-10-22 | 基于无人机的索结构外观检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109342439A CN109342439A (zh) | 2019-02-15 |
CN109342439B true CN109342439B (zh) | 2021-05-25 |
Family
ID=65311226
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811228223.8A Active CN109342439B (zh) | 2018-10-22 | 2018-10-22 | 基于无人机的索结构外观检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109342439B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115272276A (zh) * | 2022-08-12 | 2022-11-01 | 东南大学 | 基于红外光摄像的悬索桥主缆亚表面病害识别方法、装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105141889A (zh) * | 2015-07-28 | 2015-12-09 | 国家电网公司 | 一种基于图像视觉输电线路智能巡检系统 |
CN105352975A (zh) * | 2015-12-02 | 2016-02-24 | 湖南拓达结构监测技术有限公司 | 一种桥梁缆索外观检测方法 |
CN105957007A (zh) * | 2016-05-05 | 2016-09-21 | 电子科技大学 | 基于特征点平面相似度的图像拼接方法 |
CN106932411A (zh) * | 2017-04-06 | 2017-07-07 | 侯思明 | 一种应用于火电厂的设备检测方法及装置 |
CN107343177A (zh) * | 2017-08-07 | 2017-11-10 | 深圳市华琥技术有限公司 | 一种无人机全景视频的拍摄控制方法 |
CN108390645A (zh) * | 2018-02-11 | 2018-08-10 | 同济大学 | 基于无人机和热成像技术的光伏板故障定位方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120250010A1 (en) * | 2011-03-31 | 2012-10-04 | Richard Charles Hannay | Aerial Inspection System(s) and Method(s) |
-
2018
- 2018-10-22 CN CN201811228223.8A patent/CN109342439B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105141889A (zh) * | 2015-07-28 | 2015-12-09 | 国家电网公司 | 一种基于图像视觉输电线路智能巡检系统 |
CN105352975A (zh) * | 2015-12-02 | 2016-02-24 | 湖南拓达结构监测技术有限公司 | 一种桥梁缆索外观检测方法 |
CN105957007A (zh) * | 2016-05-05 | 2016-09-21 | 电子科技大学 | 基于特征点平面相似度的图像拼接方法 |
CN106932411A (zh) * | 2017-04-06 | 2017-07-07 | 侯思明 | 一种应用于火电厂的设备检测方法及装置 |
CN107343177A (zh) * | 2017-08-07 | 2017-11-10 | 深圳市华琥技术有限公司 | 一种无人机全景视频的拍摄控制方法 |
CN108390645A (zh) * | 2018-02-11 | 2018-08-10 | 同济大学 | 基于无人机和热成像技术的光伏板故障定位方法 |
Non-Patent Citations (2)
Title |
---|
"智能检测长大桥梁";王金权 等;《深度 聚焦》;20171231;第38-41页 * |
"近景摄影测量技术在斜拉桥桥塔健康监测中的应用研究";薛爱新 等;《中外公路》;20170630;第37卷(第3期);第90-93页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109342439A (zh) | 2019-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Morgenthal et al. | Framework for automated UAS-based structural condition assessment of bridges | |
CN109472778B (zh) | 一种基于无人机的高耸结构外观检测方法 | |
CN110595476B (zh) | 一种基于gps和图像视觉融合的无人机降落导航方法及装置 | |
CN108107462B (zh) | Rtk与高速相机组合的交通标志杆姿态监测装置及方法 | |
CN111260615B (zh) | 基于激光和机器视觉融合的无人机桥梁表观病害检测方法 | |
CN110826549A (zh) | 基于计算机视觉的巡检机器人仪表图像识别方法及系统 | |
CN107514993A (zh) | 基于无人机的面向单体建筑建模的数据采集方法及系统 | |
CN109446973B (zh) | 一种基于深度神经网络图像识别的车辆定位方法 | |
CN111241988B (zh) | 一种结合定位信息的大场景内运动目标检测识别方法 | |
CN101545776B (zh) | 基于数字地图的数码像片方位元素获取方法 | |
CN113066120B (zh) | 一种基于机器视觉的智能杆塔倾斜检测方法 | |
CN105352975A (zh) | 一种桥梁缆索外观检测方法 | |
CN115578315A (zh) | 一种基于无人机图像的桥梁应变近景摄影测量方法 | |
Kim et al. | As-is geometric data collection and 3D visualization through the collaboration between UAV and UGV | |
CN109342439B (zh) | 基于无人机的索结构外观检测方法 | |
CN114434036A (zh) | 用于大型船舶结构件龙门式机器人焊接的三维视觉系统及运行方法 | |
CN116824079A (zh) | 基于全信息摄影测量的三维实体模型构建方法和装置 | |
CN116736259A (zh) | 一种用于塔吊自动驾驶的激光点云坐标标定的方法及装置 | |
CN116594419A (zh) | 巡检航线规划方法、装置、电子设备及存储介质 | |
CN113822896B (zh) | 一种植物群体三维表型数据采集装置及方法 | |
CN115908562A (zh) | 一种异面点合作标志器及测量方法 | |
CN205158453U (zh) | 一种高耸结构外观检测装置 | |
CN115451964A (zh) | 基于多模态混合特征的船舶场景同时建图与定位方法 | |
Wang et al. | Fast stitching of DOM based on small UAV | |
Kye et al. | Feasibility study for the fine crack width estimation of concrete structures based on fiducial markers |
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 |