CN110163845A - 一种基于机载相机雷达桥梁裂缝检测系统 - Google Patents
一种基于机载相机雷达桥梁裂缝检测系统 Download PDFInfo
- Publication number
- CN110163845A CN110163845A CN201910310898.5A CN201910310898A CN110163845A CN 110163845 A CN110163845 A CN 110163845A CN 201910310898 A CN201910310898 A CN 201910310898A CN 110163845 A CN110163845 A CN 110163845A
- Authority
- CN
- China
- Prior art keywords
- camera
- crack
- radar
- calibration
- control unit
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4038—Scaling the whole image or part thereof for image mosaicing, i.e. plane images composed of plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于机载相机雷达桥梁裂缝检测系统,包括无人机搭载相机与雷达裂缝图像采集系统、相机标定与校正单元、以及像素标定与裂缝测量单元;相机内外参数标定与校正单元,用于从相机坐标系到像平面坐标系的变换、优化,得到所有的相机内外参数;无人机搭载相机与雷达裂缝图像采集系统,用于控制搭载相机与雷达裂缝图像采集;像素标定与裂缝预处理单元,用于根据已知相机内外参数,通过图像处理的方式多的像素坐标,利用像素坐标计算出真实世界坐标,得到像素标定的真实尺寸,通过对图像处理的方法对裂缝图像进行灰度化,滤波和阈值提取等预处理,实现裂缝测量。这样,不仅可以实现非接触测量,而且使得测量精度更高。
Description
技术领域
本发明涉及桥梁检测领域,特别涉及一种基于机载相机雷达桥梁裂缝检测系统。
背景技术
桥梁工程在我国的飞速发展中占据重要的地位。这些年来,大量的混凝土桥梁在全国各地兴建,所以桥梁工程的安全与否也直接关系到人民群众的生命安危。钢筋混凝土桥梁中最普遍的早期危害是出现可见裂缝,其他桥梁病害最终的不利表现也往往归结于出现不允许的裂缝,因此及时检测混凝土桥梁的裂缝是否发生、扩展,是有效减少桥梁病害状况及其影响的重要手段。按照《公路桥梁养护规范》要求,桥梁中大于0.1mm的裂缝必须进行封缝修补,否则将导致内部钢筋的锈蚀,严重危害桥梁安全。
由于桥梁距离地面普遍达到5m以上,传统的接触式检测手段,需要检测人员利用脚手架或桥梁检测车,在桥梁表面利用80倍读数显微镜进行人工读数计量,其危险性极高、劳动强度巨大、检测的客观性严重不足。人工检测方法有很多弊端:第一,成本高,桥梁检测车等大型机械造价高,消耗大。第二,效率低,利用人工寻找裂缝是一项复杂且低效的工作,往往一座大桥的检测要进行两三个月的时间。第三,人力安全问题,人工依靠大型机械在桥底操作,势必会有一定的危险。第四,精度低,桥梁裂缝的测量需要人工用桥梁观测仪等仪器去读取裂缝的尺寸,会带有一定的主观性与随机误差。而目前先进的无损检测方法如弹性波法、电磁波法及传感仪器检测法存在着仪器昂贵、测量范围小、无法完全实现非接触测量等缺点。在工程领域,无损检测技术尽管经历了长期应用,而且桥梁结构的安全问题日益突出,但是先进的无损检测技术却未引起高度重视。在与桥梁结构检测方面的专家探讨时发现,一些经常性的桥梁检测项目依然沿用桥梁常规检测中的基本技术,如利用读数显微镜近距离人工读数的方法,而且传统的无损检测技术也仅仅是外观检测的补充手段,几乎没有先进的技术含量。
发明内容
本发明要解决的技术问题是提供一种基于机载相机雷达桥梁裂缝检测系统,用以解决一方面人工用桥梁观测仪等仪器去读取裂缝的尺寸,会带有一定的主观性与随机误差的问题;另一方面先进的无损检测方法如弹性波法、电磁波法及传感仪器检测法存在着仪器昂贵、测量范围小、无法完全实现非接触测量等缺点的问题。
为了解决上述技术问题,本发明的技术方案为:
一种基于机载相机雷达桥梁裂缝检测系统,包括无人机搭载相机与雷达裂缝图像采集系统、相机标定与校正单元、以及像素标定与裂缝测量单元;
相机内外参数标定与校正单元,用于从相机坐标系到像平面坐标系的变换、优化,得到所有的相机内外参数;
无人机搭载相机与雷达裂缝图像采集系统,用于控制搭载相机与雷达裂缝图像采集;
像素标定与裂缝预处理单元,用于根据已知相机内外参数,通过图像处理的方式多的像素坐标,利用像素坐标计算出真实世界坐标,得到像素标定的真实尺寸,通过对图像处理的方法对裂缝图像进行灰度化,滤波和阈值提取等预处理,实现裂缝测量。
优选的,无人机搭载相机与雷达裂缝图像采集系统,包括激光测距仪与高清相机同步采集电路和双控制单元,双控制单元通过激光测距仪与高清相机同步采集电路控制激光测距仪和高清相机。
优选的,双控制单元包括机载控制单元和地面端控制单元,所述机载控制单元与地面端控制单元通过无线信号连接。
采用上述技术方案,高清相机和激光雷达以无人机为载体,通过控制挂载在无人机上的高清相机获取目标图像信息,运用地面端控制单元实时追踪无人机位置及监控无人机拍摄画面,无人机借助激光雷达设备和飞控系统实现对目标桥梁裂缝图像进行拍摄采集。图像采集完成后,通过高精度相机标定方法与图像处理技术实现对所获取的影像数据进行影像滤波、增强、融合、拼接、阈值提取,像素统计,最后完成桥梁裂缝基本参数测量。这样,不仅可以实现非接触测量,而且使得测量精度更高。
附图说明
图1为本发明提供的基于机载相机雷达桥梁裂缝检测系统的结构框图;
图2为本发明中无人机搭载相机与雷达裂缝图像采集系统的结构框图。
图中,1-相机内外参数标定与校正单元,2-无人机搭载相机与雷达裂缝图像采集系统,21-地面端控制单元,22-机载控制单元,23-激光测距仪与高清相机同步采集电路,24-高清相机,25-激光测距仪。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。在此需要说明的是,对于这些实施方式的说明用于帮助理解本发明,但并不构成对本发明的限定。此外,下面所描述的本发明各个实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互组合。
一种基于机载相机雷达桥梁裂缝检测系统,包括无人机搭载相机与雷达裂缝图像采集系统、相机标定与校正单元、以及像素标定与裂缝测量单元;
相机内外参数标定与校正单元,用于从相机坐标系到像平面坐标系的变换、优化,得到所有的相机内外参数;
无人机搭载相机与雷达裂缝图像采集系统,用于控制搭载相机与雷达裂缝图像采集;
像素标定与裂缝预处理单元,用于根据已知相机内外参数,通过图像处理的方式多的像素坐标,利用像素坐标计算出真实世界坐标,得到像素标定的真实尺寸,通过对图像处理的方法对裂缝图像进行灰度化,滤波和阈值提取等预处理,实现裂缝测量。
优选的,无人机搭载相机与雷达裂缝图像采集系统,包括激光测距仪与高清相机同步采集电路和双控制单元,双控制单元通过激光测距仪与高清相机同步采集电路控制激光测距仪和高清相机。
优选的,双控制单元包括机载控制单元和地面端控制单元,所述机载控制单元与地面端控制单元通过无线信号连接。
工作原理:高清相机和激光雷达以无人机为载体,通过控制挂载在无人机上的高清相机获取目标图像信息,运用地面端控制单元实时追踪无人机位置及监控无人机拍摄画面,无人机借助激光雷达设备和飞控系统实现对目标桥梁裂缝图像进行拍摄采集。图像采集完成后,通过高精度相机标定方法与图像处理技术实现对所获取的影像数据进行影像滤波、增强、融合、拼接、阈值提取,像素统计,最后完成桥梁裂缝基本参数测量。
一种基于机载相机雷达桥梁裂缝检测系统,利用光学相机标定与几何校正以及裂缝的鲁棒性提取的方法可以实现桥梁裂缝的高精度检测。本发明实施原理主要依据近景摄影测量基本原理、计算机视觉理论与方法、系统基本组成雷达测距和高分辨率成像相机。本发明配合无人机成像姿态参数,实现相机标定与0.1mm的高精度裂缝测量。本发明的无人机搭载相机与雷达裂缝检测技术消除了上述传统人工检测的弊端,利用远程控制或自动飞行的无人机加上数字图像处理技术进行桥梁检测,具有成本低、灵活性高的优势,可以有效提高桥梁检测的水平。
本发明利用无人机搭载的相机雷达系统对桥梁裂缝图像进行采集,利用高精度的高清相机标定对裂缝进行测量的方法。无人机搭载雷达相机的方式消除传统检测方式的低效率和高危险性;利用远程控制或自动飞行的无人机进行桥梁检测,具有成本低、灵活性高的优势,可以有效提高桥梁检测的水平。通过高精度的高清相机内外参标定,并且利用相关的图像处理技术可以实现高精度的裂缝检测与测量,精度可达0.1mm,有效地减小了传统检测方法中人工检测的主观性和测量误差。
以上结合附图对本发明的实施方式作了详细说明,但本发明不限于所描述的实施方式。对于本领域的技术人员而言,在不脱离本发明原理和精神的情况下,对这些实施方式进行多种变化、修改、替换和变型,仍落入本发明的保护范围内。
Claims (3)
1.一种基于机载相机雷达桥梁裂缝检测系统,其特征在于:包括无人机搭载相机与雷达裂缝图像采集系统、相机标定与校正单元、以及像素标定与裂缝测量单元;
相机内外参数标定与校正单元,用于从相机坐标系到像平面坐标系的变换、优化,得到所有的相机内外参数;
无人机搭载相机与雷达裂缝图像采集系统,用于控制搭载相机与雷达裂缝图像采集;
像素标定与裂缝预处理单元,用于根据已知相机内外参数,通过图像处理的方式多的像素坐标,利用像素坐标计算出真实世界坐标,得到像素标定的真实尺寸,通过对图像处理的方法对裂缝图像进行灰度化,滤波和阈值提取等预处理,实现裂缝测量。
2.根据权利要求1所述的基于机载相机雷达桥梁裂缝检测系统,其特征在于:所述无人机搭载相机与雷达裂缝图像采集系统,包括激光测距仪与高清相机同步采集电路和双控制单元,双控制单元通过激光测距仪与高清相机同步采集电路控制激光测距仪和高清相机。
3.根据权利要求2所述的基于机载相机雷达桥梁裂缝检测系统,其特征在于:所述双控制单元包括机载控制单元和地面端控制单元,所述机载控制单元与地面端控制单元通过无线信号连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910310898.5A CN110163845A (zh) | 2019-04-18 | 2019-04-18 | 一种基于机载相机雷达桥梁裂缝检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910310898.5A CN110163845A (zh) | 2019-04-18 | 2019-04-18 | 一种基于机载相机雷达桥梁裂缝检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110163845A true CN110163845A (zh) | 2019-08-23 |
Family
ID=67639514
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910310898.5A Pending CN110163845A (zh) | 2019-04-18 | 2019-04-18 | 一种基于机载相机雷达桥梁裂缝检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110163845A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111340890A (zh) * | 2020-02-20 | 2020-06-26 | 北京百度网讯科技有限公司 | 相机外参标定方法、装置、设备和可读存储介质 |
-
2019
- 2019-04-18 CN CN201910310898.5A patent/CN110163845A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111340890A (zh) * | 2020-02-20 | 2020-06-26 | 北京百度网讯科技有限公司 | 相机外参标定方法、装置、设备和可读存储介质 |
CN111340890B (zh) * | 2020-02-20 | 2023-08-04 | 阿波罗智联(北京)科技有限公司 | 相机外参标定方法、装置、设备和可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105784710B (zh) | 一种基于数字图像处理的混凝土桥梁裂缝检测装置 | |
CN109544679B (zh) | 管道内壁的三维重建方法 | |
CN108918539A (zh) | 一种隧道结构表观病害检测装置及方法 | |
CN103454285A (zh) | 基于机器视觉的传动链条质量检测系统 | |
CN102346013A (zh) | 一种隧道衬砌裂缝宽度的测量方法及装置 | |
CN102135236A (zh) | 双目视觉管道内壁自动无损检测方法 | |
CN103605978A (zh) | 基于三维实景数据的城市违章建筑识别系统及方法 | |
CN204405556U (zh) | 一种基于数字图像处理的混凝土桥梁裂缝检测装置 | |
CN110472722A (zh) | 基于机器视觉技术的钢坯计数装置和方法 | |
CN111307046B (zh) | 基于半球图像的树高测量方法 | |
CN115578315A (zh) | 一种基于无人机图像的桥梁应变近景摄影测量方法 | |
CN114638909A (zh) | 基于激光slam和视觉融合的变电站语义地图构建方法 | |
CN115035141A (zh) | 基于图像处理的隧道裂缝远程监测与预警方法 | |
Rolfsen et al. | The use of the BIM-model and scanning in quality assurance of bridge constructions | |
CN110163845A (zh) | 一种基于机载相机雷达桥梁裂缝检测系统 | |
Feng et al. | Crack assessment using multi-sensor fusion simultaneous localization and mapping (SLAM) and image super-resolution for bridge inspection | |
CN115063477A (zh) | 红外可见光双通道同步成像实时配准融合采集方法及装置 | |
Motayyeb et al. | Fusion of UAV-based infrared and visible images for thermal leakage map generation of building facades | |
CN109827515A (zh) | 一种分离式的螺纹钢丝头尺寸检测系统和方法 | |
CN111898474B (zh) | 基于光学传感感知的目标表面特征变化识别系统与方法 | |
CN113359154A (zh) | 一种室内外通用的高精度实时测量方法 | |
CN210533296U (zh) | 一种隧道洞周变形监测系统 | |
CN104034729A (zh) | 用于电路板分选的五维成像系统及其成像方法 | |
CN110963036A (zh) | 一种基于无人机进行建筑检测修复的装置及方法 | |
Ziqiang et al. | Research of the algorithm calculating the length of bridge crack based on stereo vision |
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 |