CN111501543A - 一种桥梁表面裂缝检测装置 - Google Patents
一种桥梁表面裂缝检测装置 Download PDFInfo
- Publication number
- CN111501543A CN111501543A CN202010325247.6A CN202010325247A CN111501543A CN 111501543 A CN111501543 A CN 111501543A CN 202010325247 A CN202010325247 A CN 202010325247A CN 111501543 A CN111501543 A CN 111501543A
- Authority
- CN
- China
- Prior art keywords
- image
- bridge surface
- crack
- bridge
- equipment
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 99
- 230000007246 mechanism Effects 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims description 32
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 238000005286 illumination Methods 0.000 claims description 7
- 239000007921 spray Substances 0.000 claims description 5
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 238000010438 heat treatment Methods 0.000 claims description 3
- 239000010426 asphalt Substances 0.000 abstract description 7
- 238000000034 method Methods 0.000 abstract description 7
- 238000004458 analytical method Methods 0.000 abstract description 3
- 230000004927 fusion Effects 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 4
- 230000008439 repair process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01D—CONSTRUCTION OF BRIDGES, ELEVATED ROADWAYS OR VIADUCTS; ASSEMBLY OF BRIDGES
- E01D19/00—Structural or constructional details of bridges
- E01D19/10—Railings; Protectors against smoke or gases, e.g. of locomotives; Maintenance travellers; Fastening of pipes or cables to bridges
- E01D19/106—Movable inspection or maintenance platforms, e.g. travelling scaffolding or vehicles specially designed to provide access to the undersides of bridges
-
- 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
- G01N21/8806—Specially adapted optical and illumination features
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30132—Masonry; Concrete
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明提供一种桥梁表面裂缝检测装置,包括检测车,检测车后侧设置有连接机构,连接机构与图像采集设备连接,用于固定图像采集设备并控制图像采集设备的水平高度;检测车内还设有定位设备和中控设备;中控设备分别与图像采集设备、连接机构和定位设备连接;图像采集设备将采集桥梁表面图像发送到中控设备,由中控设备根据桥梁表面图像进行裂缝识别检测,当检测到桥梁表面图像中存在裂缝时将该裂缝识别信息以及相应的定位信息发送到云端服务器。本发明通过控制检测车行驶遍历桥梁路面自动获取桥梁沥青路表面的图像,并自动对获取的图像进行智能分析,识别检测其中存在的裂缝信息,能够有效地降低人力成本以及提高桥梁表面裂缝检测的精确度。
Description
技术领域
本发明涉及桥梁检测设备技术领域,特别是一种桥梁表面裂缝检测装置。
背景技术
随着我国道路建设的发展,目前大多桥梁都铺设了沥青路面,提高桥梁路面的行车质量。
然而,桥梁表面的平整程度,特别是针对桥梁路面的平整程度,直接影响着桥梁路面质量。但由于受到长期行车荷载的作用以及自然等因素的影响,沥青路面上会产生裂缝,若裂缝不及时修补,则会产生路面坑洼,从而对沥青路面造成更深的损坏,降低桥梁路面质量,且还会影响行车安全。
现有技术中,对桥梁表面,特别是桥梁沥青路面的裂缝检测,通常是采用人工检测的方式,通过人工检测的方式需要耗费大量人力,同时人工检测主观性强,不能满足现代对桥梁表面裂缝检测的需求。
发明内容
针对上述问题,本发明旨在提供一种桥梁表面裂缝检测装置。
本发明的目的采用以下技术方案来实现:
提供一种桥梁表面裂缝检测装置,包括检测车,
检测车后侧设置有连接机构,连接机构与图像采集设备连接,用于固定图像采集设备并控制图像采集设备的水平高度;检测车内还设有定位设备和中控设备;中控设备分别与图像采集设备、连接机构和定位设备连接;
图像采集设备将采集桥梁表面图像发送到中控设备,由中控设备根据桥梁表面图像进行裂缝识别检测,当检测到桥梁表面图像中存在裂缝时将该裂缝识别信息以及相应的定位信息发送到云端服务器。
优选地,检测车底部还设置有强风设备;强风设备设置在检测车底部,强风设备的出风口向前设置,且出风口沿水平面向下倾斜10-30度设置。强风设备启动时,其出风口喷出强风。
优选地,强风设备还设有热风模块,热风模块用于对从强风设备喷出的强风进行加热。使得强风设备喷出热强风。
优选地,连接机构包括固定块、连接杆、第一电动推杆和连接块;其中:
固定块与检测车的后侧固定连接,固定块与连接杆的一端铰接;连接杆沿检测车后侧方向向上倾斜设置,连接杆的另一端与第一电动推杆的一端铰接,第一电动推杆沿竖直向下设置,第一电动推杆的下端部固定连接有连接块,连接块的下表面固定连接有图像采集设备,图像采集设备的采集方向沿竖直向下设置。
优选地,装置还包括照明设备,照明设备包括环形照明支架,环形照明支架包括与桥梁表面平行设置的环形块,环形块的上表面均匀分布设置有若干个第二电动推杆,第二电动推杆的一端与环形块的上表面连接,第二电动推杆的另一端与连接块的侧表面固定连接;
环形块靠近其轴心的内侧面上均匀分布设置有多个LED照明单元,LED照明单元被设置为其光源向环形块轴心且向下倾斜10-30度。
优选地,图像采集设备位于在环形块的上方,并设置在环形块的轴线上;
其中,通过调节第二电动推杆,使得LED照明单元与桥梁表面之间的距离满足如下函数:
式中,HLED表示LED照明单元到桥梁表面图像之间的垂直距离,rr表示环形块的内半径,rp表示图像采集设备采集桥梁表面图像的目标区域半径;A表示LED照明单元其光源的向下倾斜角度。
优选地,图像采集设备为CCD摄像头。
优选地,中控设备还包括:
接收单元,用于接收有图像采集设备采集的桥梁表面图像;
预处理单元,用于对桥梁表面图像进行增强和去噪处理,输出预处理后的桥梁表面图像;
裂缝检测单元,用于对预处理后的桥梁表面图像进行裂缝检测处理,其包括对预处理后的桥梁表面图像进行二值化以及边缘检测处理,获取图像中存在的边缘信息,并根据图像中的边缘信息进行识别筛选,检测图像中是否存在裂缝;
输出单元,用于当裂缝检测单元检测到图像中存在裂缝时将该裂缝识别信息以及相应的定位信息发送到云端服务器。
本发明的有益效果为:
1)本发明桥梁表面裂缝检测装置以检测车为载体,将图像采集设备,中空设备等搭载在检测车上,通过控制检测车行驶遍历桥梁路面自动获取桥梁沥青路表面的图像,并自动对获取的图像进行智能分析,识别检测其中存在的裂缝信息,客观性强,智能水平高,能够有效地降低人力成本以及提高桥梁表面裂缝检测的精确度;
2)同时,当识别到存在裂缝信息时,将该裂缝信息同步上传至云端服务器进行记录、存储和归档处理,有助于管理人员对从不同桥梁表面裂缝检测装置获取的裂缝信息进行管理,并进一步安排后续对裂缝的修补或维护工作,提高了桥梁裂缝检测的信息化水平。
3)还提出一种连接图像采集设备的连接机构,该连接机构结构简单,稳固程度高,能够通过电动推杆调节图像采集设备的水平高度,适应桥梁表面图像获取的需要。
4)还提出一种与图像采集设备配套设置的照明设备,该照明设备通过在环形块上设置向下倾斜的LED照明单元,能够避免因桥梁表面图像采集的过程中存在的阴影或者反光的情况而导致的对裂缝检测精度的影响,提高裂缝检测装置对桥梁表面裂缝检测的精确度。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明桥梁表面裂缝检测装置的结构图;
图2为本发明桥梁表面裂缝检测装置的内部框架结构图;
图3为本发明照明设备的正视剖面结构图;
图4为本发明环形块的仰视结构图;
图5为本发明环形块的正视剖面结构图
图6为本发明中控设备的框架结构图。
附图标记:
1-检测车,2-连接机构,3-图像采集设备,4-强风设备,5-定位设备,6-中控设备,7-照明设备,9-云端服务器,21-固定块,22-连接杆,23-第一电动推杆,24-连接块,61-接收单元,62-预处理单元,63-裂缝检测单元,64-输出单元,71-环形块,72-第二电动推杆,73-LED照明单元,
具体实施方式
结合以下应用场景对本发明作进一步描述。
参见图1、图2,其示出一种桥梁表面裂缝检测装置,包括检测车1,
检测车1后侧设置有连接机构2,连接机构2与图像采集设备3连接,用于固定图像采集设备3并控制图像采集设备3的水平高度;检测车1底部设置有强风设备4;检测车1内还设有定位设备5和中控设备6;中控设备6分别与图像采集设备3、连接机构2、强风设备4和定位设备5连接;
图像采集设备3将采集桥梁表面图像发送到中控设备6,由中控设备6根据桥梁表面图像进行裂缝识别检测,当检测到桥梁表面图像中存在裂缝时将该裂缝识别信息以及相应的定位信息发送到云端服务器9。
本发明上述实施方式,桥梁表面裂缝检测装置以检测车1为载体,将图像采集设备3,中空设备等搭载在检测车1上,通过控制检测车1行驶遍历桥梁路面自动获取桥梁沥青路表面的图像,并自动对获取的图像进行智能分析,识别检测其中存在的裂缝信息,客观性强,智能水平高,能够有效地降低人力成本以及提高桥梁表面裂缝检测的精确度。
优选地,云端服务器9接收由桥梁表面裂缝检测装置发送的裂缝识别信息以及与该裂缝对应的定位信息,并根据接收的信息自动生成裂缝检测日志,供管理人员调用,以及后续安排维护人员对桥梁进行精准维护。其中,接收的裂缝识别信息包括:包括该裂缝的桥梁表面图像、裂缝识别信息、裂缝宽度信息等。
当识别到存在裂缝信息时,将该裂缝信息同步上传至云端服务器9进行记录、存储和归档处理,有助于管理人员对从不同桥梁表面裂缝检测装置获取的裂缝信息进行管理,并进一步安排后续对裂缝的修补或维护工作,提高了桥梁裂缝检测的信息化水平。
优选地,连接机构2包括固定块21、连接杆22、第一电动推杆23和连接块24;其中:
固定块21与检测车1的后侧固定连接,固定块21与连接杆22的一端铰接;连接杆22沿检测车1后侧方向向上倾斜设置,连接杆22的另一端与第一电动推杆23的一端铰接,第一电动推杆23沿竖直向下设置,第一电动推杆23的下端部固定连接有连接块24,连接块24的下表面固定连接有图像采集设备3,图像采集设备3的采集方向沿竖直向下设置。
上述连接机构2结构简单,稳固程度高,能够通过电动推杆调节图像采集设备3的水平高度,适应桥梁表面图像获取的需要。
工作时,首先调节好连接杆22与固定杆的角度,使连接杆22检测车1后方延伸,确保图像采集设备3与检测车1后方保持一定距离;然后调节第一电动推杆23的长度从而控制图像采集设备3的水平高度,通过设置图像采集设备3与桥梁路面之间的距离,使得图像采集设备3在符合焦距、清晰度等因素的合适距离对桥梁路面进行拍摄,有助于提高图像采集设备3拍摄的桥梁表面图像的质量。在结束工作时,通过调节连接杆22的角度,将连接杆22靠近检测车1收起,减少连接机构2占用的空间。
优选地,参见图3、图4、图5,装置还包括照明设备7,照明设备7包括环形照明支架,环形照明支架包括与桥梁表面平行设置的环形块71,环形块71的上表面均匀分布设置有若干个第二电动推杆72,第二电动推杆72的一端与环形块71的上表面连接,第二电动推杆72的另一端与连接块24的侧表面固定连接;
环形块71靠近其轴心的内侧面上均匀分布设置有多个LED照明单元73,LED照明单元73被设置为其光源向环形块71轴心且向下倾斜10-30度。
优选地,图像采集设备3位于在环形块71的上方,并设置在环形块71的轴线上;
其中,通过调节第二电动推杆72,使得LED照明单元73与桥梁表面之间的距离满足如下函数:
式中,HLED表示LED照明单元73到桥梁表面图像之间的垂直距离,rr表示环形块71的内半径,rp表示图像采集设备3采集桥梁表面图像的目标区域半径;A表示LED照明单元73其光源的向下倾斜角度。
针对夜间作业或者光线不足的环境下作业的情况,由于图像采集设备3整体设置在检测车1后侧,因此其可能会存在以下情况导致图像采集区域的光线不符合要求的情况,例如1)车辆遮挡了路灯的光线使得采集区域光线不足;2)路面存在积水的情况下存在反光的情况导致图像采集不清晰的情况。
本发明上述实施方式还提出一种与图像采集设备3配套设置的照明设备7,该照明设备7通过在环形块71上设置向下倾斜的LED照明单元73,能够为图像采集设备3的采集区域提供多角度光源,能够避免因桥梁表面图像采集的过程中存在的阴影或者反光的情况而导致的对裂缝检测精度的影响,为桥梁表面图像的采集提供稳定可靠的光源,间接提高裂缝检测装置对桥梁表面裂缝检测的精确度。
同时,采用上述方式合理设置照明设备7和图像采集设备3的位置,通过设置LED照明光源的照射角度,能够使得照明设备7提供的光源与外部光源相配合,有效地避免传统拍摄光源中可能存在的道路积水而导致的光源反射到镜头而使图像出现过渡曝光从而无法进行正常检测的情况。
优选地,定位设备5为GPS定位设备。
优选地,图像采集设备3为CCD摄像头。
优选地,参见图6,中控设备6还包括一次连接的接收单元61、预处理单元62、裂缝检测单元63和输出单元64:
接收单元61,用于接收有图像采集设备3采集的桥梁表面图像;
预处理单元62,用于对桥梁表面图像进行增强和去噪处理,输出预处理后的桥梁表面图像;
裂缝检测单元63,用于对预处理后的桥梁表面图像进行裂缝检测处理,其包括对预处理后的桥梁表面图像进行二值化以及边缘检测处理,获取图像中存在的边缘信息,并根据图像中的边缘信息进行识别筛选,检测图像中是否存在裂缝;
输出单元64,用于当裂缝检测单元63检测到图像中存在裂缝时将该裂缝识别信息以及相应的定位信息发送到云端服务器9。
优选地,预处理单元62,对桥梁表面图像进行增强处理,其具体包括:
1)对获取的桥梁表面图像Q进行小波分解处理,获取该桥梁表面图像的低频小波分量c1和高频小波分量d1;
2)对获取的低频小波分量c1再次进行小波分解处理,获取低频小波分量c2;并对低频小波分量c2进行双线性内插,获取与获取的桥梁表面图像同尺寸的图像F2;
5)根据图像F1和图像F2对桥梁表面图像Q进行增强处理,获取增强处理后的桥梁表面图像Q′,其中,采用的目标增强处理函数为:
log(Q′)=α·log(Q)+β·log(F1)+γ·log(F2)
式中,Q′表示增强处理后的桥梁表面图像,Q表示获取的桥梁表面图像,α、β、γ分别表示增强调节因子,其中α+β+γ=1,且β≠0、γ≠0;log(·)表示对目标图像的灰度值取对数运算,图像相加运算为图像中对应的像素点的灰度值的对数值的相加运算。
本发明上述实施方式,提出了一种针对桥梁表面图像的预处理方法,该方法中以桥梁表面图像、低频小波分量图像,以及对高频小波分量进行阈值处理后的桥梁表面图像作为依据,能够在原始图像信息,反映图像灰度特征的低频分量图像以及去噪声处理后的原始图像中取得合理平衡后进行融合,最大程度的凸显出图像中存在的边缘细节信息,为之后的裂缝识别奠定基础。同时,相比于传统的图像灰度融合算法,本申请还提出一种基于对数的图像融合方式,该融合函数根据上述三个图像中同一位置的像素点的灰度值为基础,当同一位置的像素点在不同图像中的灰度值相差越大,则该位置存在边缘信息的机会会增大,因此通过取对数的融合方式,能够较常规融合方法更能凸显图像中的上述边缘信息像素点(由于在配合照明装置后获取的图像整体灰度值偏大,而采用对数融合方式能够有效降低边缘部分的灰度值,使得边缘信息更加凸显),提高裂缝检测的准确度。
其中采用的阈值处理函数为:
本发明上述实施方式,提出了一种针对高频分量进行阈值处理的方法,该方法中通过合理设置采用的阈值函数,能够避免现有技术中对高频小波分量进行阈值处理时,对绝对值小于阈值的高频分量直接归零的“一刀切”的情况,避免了对高频信号过处理从而导致使得图像有用信息缺失的情况;同时该阈值处理函数能够最大程度贴近桥梁表面图像中多为近距离采集的图像特性,最大程度的保留图像中的有用信息,间接提高了对桥梁表面图像处理的质量。
目前,针对桥梁路面裂缝的有效维护措施为采用贴缝带对裂缝进行修补,将贴缝带覆盖至裂缝表面后,经过挤压后贴缝带对道路裂缝完成修补和填充。但申请人发现,经过贴缝带修补过后的道路会存在贴缝带修补的痕迹(由于贴缝带与路面铺设的新旧程度不同,或者材料不相同等原因),在现有技术中存在的依托图像进行的裂缝检测,往往会将已经经过贴缝带修补的道路识别成裂缝,导致识别结果出现偏差的问题,影响了桥梁表面裂缝识别的准确性。
因此,针对上述问题,本发明还提出一种针对贴缝带的裂缝检测方法如下:
裂缝检测单元63,根据图像中存在的边缘信息进行裂缝识别筛选,其包括:
根据图像中存在的边缘信息进行裂缝识别筛选,筛选出初步确认的裂缝信息;对初步确认的裂缝信息进行二次筛选,确认最终的裂缝信息;
其中对初步确认的裂缝信息进行二次筛选,进一步包括:
根据裂缝边缘信息获取裂缝的轮廓信息以及裂缝的宽度信息,其中裂缝的轮廓信息包括裂缝轮廓的像素点坐标信息;
根据裂缝的轮廓信息以及裂缝的宽度信息判断该裂缝是否为贴缝带,如果判断为贴缝带,则将该裂缝信息识别为贴缝带;
其中根据裂缝的轮廓信息以及裂缝的宽度信息判断该裂缝是否为贴缝带,包括:
沿裂缝的边缘轮廓依次检测裂缝的宽度,其中采用的裂缝宽度获取函数为:
式中,L(n)表示裂缝边缘轮廓中第n个像素点对应的裂缝宽度,n=1,2,3,...,N,N表示裂缝边缘轮廓包括的像素点数目,r表示图像采集设备3采集桥梁表面图像的目标区域半径,dj表示图像采集设备3镜头与桥梁表面图像焦点之间的焦距;sx和sy分别表示采集的桥梁表面图像中长边和宽边的像素点数目,即的桥梁表面图像中包含的分别率为sx×sy;Cccdx和Cccdy分别图像采集设备3中CCD图像采集芯片的尺寸为Cccdx×Cccdy;mx和my分别表示裂缝沿图像长度方向占像素点的数量和裂缝沿图像宽度方向占像素点的数量;
根据沿裂缝的边缘轮廓依次获得的裂缝宽度L(n)与设定的贴缝带的宽度进行比较,当该裂缝中90%以上的裂缝宽度落入设定的贴缝带宽度阈值范围W=[1.2×G,.085G]内时,则判断该裂缝实际为贴缝带,并将该裂缝信息识别为贴缝带。
其中G表示设定的贴缝带宽度,根据实际情况,贴缝带的宽度一般设置为3cm、5cm、8cm。
上述实施方式中,为进一步解决将贴缝带误识别为道路裂缝的问题,裂缝检测单元63在根据常规方法对道路表面图像进行裂缝识别后,对检测到的裂缝信息进行进一步的二次识别,通过根据裂缝的边缘轮廓信息采用上述方式准确获取裂缝的宽度,并根据裂缝的宽度变化对该裂缝进行二次识别,判断该裂缝是否为贴缝带;若识别为贴缝带,则可根据实际需要对该裂缝信息进行标记为贴缝带或标记为非裂缝,能够有效提高桥梁表面裂缝检测的精确度。
同时,申请人还发现针对现有的裂缝带由于填补质量问题,该裂缝带与路面相比会存在轻微下凹的情况,在某些情况下(如在雨天的时候),该下凹的地方会存在积水,从而影响该位置桥梁表面图像的质量;针对上述问题,本申请还提出了一种采用强风设备4解决上述问题的技术方案如下:
优选地,强风设备4设置在检测车1底部,强风设备4的出风口向前设置,且出风口沿水平面向下倾斜10-30度设置。强风设备4启动时,其出风口喷出强风。
优选地,强风设备4还设有热风模块,热风模块用于对从强风设备4喷出的强风进行加热。使得强风设备4喷出热强风。
由于工作时检测车1向前开动,因此在检测车1底部设置强风设备4吹出强风,能够向检测车1的行驶方向的路面喷出强风,从而通过强风吹散路面中存在的积水或杂物,从而提高桥梁表面的洁净程度,减少了因杂物或积水导致的裂缝检测不准确的情况。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当分析,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (8)
1.一种桥梁表面裂缝检测装置,其特征在于,包括检测车,
所述检测车后侧设置有连接机构,所述连接机构与图像采集设备连接,用于固定所述图像采集设备并控制所述图像采集设备的水平高度;所述检测车底部设置有强风设备;所述检测车内还设有定位设备和中控设备;所述中控设备分别与所述图像采集设备、连接机构和定位设备连接;
所述图像采集设备将采集桥梁表面图像发送到中控设备,由所述中控设备根据所述桥梁表面图像进行裂缝识别检测,当检测到桥梁表面图像中存在裂缝时将该裂缝识别信息以及相应的定位信息发送到云端服务器。
2.根据权利要求1所述的一种桥梁表面裂缝检测装置,其特征在于,所述检测车底部还设置有强风设备;所述强风设备的出风口向前设置,且所述出风口沿水平面向下倾斜10-30度设置。所述强风设备启动时,其出风口喷出强风。
3.根据权利要求2所述的一种桥梁表面裂缝检测装置,其特征在于,所述强风设备还设有热风模块,所述热风模块用于对从强风设备喷出的强风进行加热。使得强风设备喷出热强风。
4.根据权利要求1所述的一种桥梁表面裂缝检测装置,其特征在于,所述连接机构包括固定块、连接杆、第一电动推杆和连接块;其中:
所述固定块与所述检测车的后侧固定连接,所述固定块与所述连接杆的一端铰接;所述连接杆沿所述检测车后侧方向向上倾斜设置,所述连接杆的另一端与第一电动推杆的一端铰接,所述第一电动推杆沿竖直向下设置,所述第一电动推杆的下端部固定连接有所述连接块,所述连接块的下表面固定连接有所述图像采集设备,所述图像采集设备的采集方向沿竖直向下设置。
5.根据权利要求4所述的一种桥梁表面裂缝检测装置,其特征在于,所述装置还包括照明设备,所述照明设备包括环形照明支架,所述环形照明支架包括与桥梁表面平行设置的环形块,所述环形块的上表面均匀分布设置有若干个第二电动推杆,所述第二电动推杆的一端与所述环形块的上表面连接,所述第二电动推杆的另一端与所述连接块的侧表面固定连接;
所述环形块靠近其轴心的内侧面上均匀分布设置有多个LED照明单元,所述LED照明单元被设置为其光源向所述环形块轴心且向下倾斜10-30度。
7.根据权利要求1或6任一项所述的一种桥梁表面裂缝检测装置,其特征在于,所述中控设备还包括:
接收单元,用于接收有所述图像采集设备采集的桥梁表面图像;
预处理单元,用于对所述桥梁表面图像进行增强和去噪处理,输出预处理后的桥梁表面图像;
裂缝检测单元,用于对预处理后的桥梁表面图像进行裂缝检测处理,其包括对预处理后的桥梁表面图像进行二值化以及边缘检测处理,获取图像中存在的边缘信息,并根据图像中的边缘信息进行识别筛选,检测图像中是否存在裂缝;
输出单元,用于当所述裂缝检测单元检测到图像中存在裂缝时将该裂缝识别信息以及相应的定位信息发送到云端服务器。
8.根据权利要求7所述的一种桥梁表面裂缝检测装置,其特征在于,所述预处理单元,对所述桥梁表面图像进行增强处理,其具体包括:
1)对获取的桥梁表面图像Q进行小波分解处理,获取该桥梁表面图像的低频小波分量c1和高频小波分量d1;
2)对获取的低频小波分量c1再次进行小波分解处理,获取低频小波分量c2;并对低频小波分量c2进行双线性内插,获取与获取的桥梁表面图像同尺寸的图像F2;
5)根据图像F1和图像F2对桥梁表面图像Q进行增强处理,获取增强处理后的桥梁表面图像Q′,其中,采用的目标增强处理函数为:
log(Q′)=α·log(Q)+β·log(F1)+γ·log(F2)
式中,Q′表示增强处理后的桥梁表面图像,Q表示获取的桥梁表面图像,α、β、γ分别表示增强调节因子,其中α+β+γ=1,且β≠0、γ≠0;log(·)表示对目标图像的灰度值取对数运算,图像相加运算为图像中对应的像素点的灰度值的对数值的相加运算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010325247.6A CN111501543B (zh) | 2020-04-22 | 2020-04-22 | 一种桥梁表面裂缝检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010325247.6A CN111501543B (zh) | 2020-04-22 | 2020-04-22 | 一种桥梁表面裂缝检测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111501543A true CN111501543A (zh) | 2020-08-07 |
CN111501543B CN111501543B (zh) | 2022-01-04 |
Family
ID=71871197
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010325247.6A Active CN111501543B (zh) | 2020-04-22 | 2020-04-22 | 一种桥梁表面裂缝检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111501543B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112211078A (zh) * | 2020-10-13 | 2021-01-12 | 安徽省新路建设工程集团有限责任公司 | 基于图像识别调查的路面挖补施工方法 |
CN113379717A (zh) * | 2021-06-22 | 2021-09-10 | 山东高速工程检测有限公司 | 一种适用于道路修补的图形识别装置及识别方法 |
CN113607052A (zh) * | 2021-08-09 | 2021-11-05 | 中铁北京工程局集团有限公司 | 一种市政桥梁工程的桥梁裂缝测量装置及方法 |
CN116091483A (zh) * | 2023-03-02 | 2023-05-09 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种基于openCV的水库大坝裂缝检测方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011241567A (ja) * | 2010-05-17 | 2011-12-01 | Mitsubishi Electric Corp | ボルト緩み検出システム、ボルト緩み検出装置、及びボルト管理具 |
CN105780631A (zh) * | 2014-12-23 | 2016-07-20 | 桂林电子科技大学 | 一种手推式水泥混凝土路面接缝损坏检测装置 |
CN205557277U (zh) * | 2016-03-15 | 2016-09-07 | 南京理工技术转移中心有限公司 | 一种路面裂缝病害检测系统 |
CN106296600A (zh) * | 2016-08-01 | 2017-01-04 | 大连理工大学 | 一种基于小波变换图像分解的对比度增强方法 |
CN206486785U (zh) * | 2017-02-23 | 2017-09-12 | 长安大学 | 基于图像采集技术的桥面裂缝检测装置 |
CN107798293A (zh) * | 2017-09-20 | 2018-03-13 | 罗明帅 | 一种道路裂缝检测装置 |
CN108332927A (zh) * | 2018-01-10 | 2018-07-27 | 深圳市晟达机械设计有限公司 | 一种桥梁表面裂缝检测装置 |
CN108389163A (zh) * | 2018-01-22 | 2018-08-10 | 西安工程大学 | 一种基于暗光彩色图像的自适应增强方法 |
CN209182255U (zh) * | 2018-10-30 | 2019-07-30 | 浙江南方工程建设监理有限公司 | 一种桥梁表面裂缝检测装置 |
CN210031439U (zh) * | 2019-03-18 | 2020-02-07 | 扬州工业职业技术学院 | 一种道路施工质量检测装置 |
CN110904798A (zh) * | 2019-12-05 | 2020-03-24 | 徐州市云天市政建设工程有限公司 | 一种用于检测路面裂缝的装置 |
-
2020
- 2020-04-22 CN CN202010325247.6A patent/CN111501543B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011241567A (ja) * | 2010-05-17 | 2011-12-01 | Mitsubishi Electric Corp | ボルト緩み検出システム、ボルト緩み検出装置、及びボルト管理具 |
CN105780631A (zh) * | 2014-12-23 | 2016-07-20 | 桂林电子科技大学 | 一种手推式水泥混凝土路面接缝损坏检测装置 |
CN205557277U (zh) * | 2016-03-15 | 2016-09-07 | 南京理工技术转移中心有限公司 | 一种路面裂缝病害检测系统 |
CN106296600A (zh) * | 2016-08-01 | 2017-01-04 | 大连理工大学 | 一种基于小波变换图像分解的对比度增强方法 |
CN206486785U (zh) * | 2017-02-23 | 2017-09-12 | 长安大学 | 基于图像采集技术的桥面裂缝检测装置 |
CN107798293A (zh) * | 2017-09-20 | 2018-03-13 | 罗明帅 | 一种道路裂缝检测装置 |
CN108332927A (zh) * | 2018-01-10 | 2018-07-27 | 深圳市晟达机械设计有限公司 | 一种桥梁表面裂缝检测装置 |
CN108389163A (zh) * | 2018-01-22 | 2018-08-10 | 西安工程大学 | 一种基于暗光彩色图像的自适应增强方法 |
CN209182255U (zh) * | 2018-10-30 | 2019-07-30 | 浙江南方工程建设监理有限公司 | 一种桥梁表面裂缝检测装置 |
CN210031439U (zh) * | 2019-03-18 | 2020-02-07 | 扬州工业职业技术学院 | 一种道路施工质量检测装置 |
CN110904798A (zh) * | 2019-12-05 | 2020-03-24 | 徐州市云天市政建设工程有限公司 | 一种用于检测路面裂缝的装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112211078A (zh) * | 2020-10-13 | 2021-01-12 | 安徽省新路建设工程集团有限责任公司 | 基于图像识别调查的路面挖补施工方法 |
CN113379717A (zh) * | 2021-06-22 | 2021-09-10 | 山东高速工程检测有限公司 | 一种适用于道路修补的图形识别装置及识别方法 |
CN113607052A (zh) * | 2021-08-09 | 2021-11-05 | 中铁北京工程局集团有限公司 | 一种市政桥梁工程的桥梁裂缝测量装置及方法 |
CN116091483A (zh) * | 2023-03-02 | 2023-05-09 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种基于openCV的水库大坝裂缝检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111501543B (zh) | 2022-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111501543B (zh) | 一种桥梁表面裂缝检测装置 | |
CN108918539B (zh) | 一种隧道结构表观病害检测装置及方法 | |
CN1133554C (zh) | 车辆用灯具装置 | |
WO2020199538A1 (zh) | 基于图像监控数据的桥梁关键构件病害预警系统及方法 | |
US8542881B2 (en) | Computer vision aided automated tire inspection system for in-motion inspection of vehicle tires | |
CN103907011B (zh) | 附着物检测器和车辆装备控制装置 | |
CN113780312B (zh) | 一种高速公路路面状况检测系统 | |
US7697727B2 (en) | Automated surface distress measurement system | |
CN110781883B (zh) | 一种基于360度环视摄像头的车位尺寸识别系统及方法 | |
CN105067633A (zh) | 基于图像处理的车载式路面破损自动识别装置及使用方法 | |
CN204882391U (zh) | 一种基于图像处理的车载式路面破损自动识别装置 | |
RU2010107337A (ru) | Способ наблюдения за взлетно-посадочной полосой и система для реализации способа | |
CN107014352A (zh) | 一种用于铁路隧道全断面综合检测的轨道车及检测方法 | |
KR102078908B1 (ko) | 무인 차량을 이용한 자동화 차선 도색 시스템 | |
CN107728136A (zh) | 一种机场跑道异物监测和清除引导系统及方法 | |
RU2013142167A (ru) | Система наблюдения и способ обнаружения засорения или повреждения аэродрома посторонними предметами | |
CN108230690A (zh) | 一种基于卷积神经网络的远光灯持续开启状态的判别方法 | |
CN111190174A (zh) | 一种机场道面异物探测及移除系统 | |
JP4177288B2 (ja) | 鉄道車両用屋根上機器監視測定装置 | |
CN113553998A (zh) | 基于深度学习算法下高速公路夜间车牌防炫目抓拍方法 | |
CN114407944A (zh) | 一种铁路巡检车、铁路巡检系统及其方法 | |
KR101259836B1 (ko) | 우적 감응형 와이퍼 장치 | |
WO2022104798A1 (zh) | 基于5g的无人驾驶电子交警执勤系统 | |
CN109614959A (zh) | 一种公路桥面图像获取方法 | |
CN111208146A (zh) | 一种隧道线缆检测系统及检测方法 |
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 |