CN112819766A - 一种桥梁缺陷检修方法、设备、系统及存储介质 - Google Patents

一种桥梁缺陷检修方法、设备、系统及存储介质 Download PDF

Info

Publication number
CN112819766A
CN112819766A CN202110096908.7A CN202110096908A CN112819766A CN 112819766 A CN112819766 A CN 112819766A CN 202110096908 A CN202110096908 A CN 202110096908A CN 112819766 A CN112819766 A CN 112819766A
Authority
CN
China
Prior art keywords
bridge
information
defect
point
unmanned aerial
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
CN202110096908.7A
Other languages
English (en)
Inventor
杨艳芳
殷芳锐
单庆洁
涂铭茜
尚春旭
李匡奚
谢雨霏
谭小龙
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 of Technology WUT
Original Assignee
Wuhan University of Technology WUT
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 of Technology WUT filed Critical Wuhan University of Technology WUT
Priority to CN202110096908.7A priority Critical patent/CN112819766A/zh
Publication of CN112819766A publication Critical patent/CN112819766A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Geometry (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种桥梁缺陷检修方法、设备、系统及存储介质，方法包括：将桥梁各点的三维信息发送至无人机，以使所述无人机规划出最优巡检路线后，按照所述巡检路线进行桥梁表面各点的桥梁信息采集；接收所述无人机反馈的桥梁信息，提取所述桥梁信息中关键帧图像后，根据所述桥梁信息对所述关键帧图像进行融合处理后，得到桥梁三维模型；采用预先训练完成的神经网络模型对所述桥梁三维模型进行识别，以识别出桥面缺陷信息；将所述桥面缺陷信息发送至检修车，以使所述检修车根据所述桥面缺陷信息对缺陷点进行修补。本发明解决了目前桥梁检修工作中工作效率低、作业周期长、人员风险大的问题。

Description

一种桥梁缺陷检修方法、设备、系统及存储介质
技术领域
本发明涉及桥梁检修技术领域，尤其涉及一种桥梁缺陷检修方法、设备、系统及存储介质。
背景技术
随着我国经济的飞速发展，公路桥梁建设事业发展迅猛，桥梁运输的频率和强度不断增大，导致桥梁的检测和维修工作需求大幅度提高，桥梁存在路面裂缝、路面沉降、局部损害等问题，而传统桥梁检测与维修工作中存在工作效率低、作业周期长、人员风险大等问题。
发明内容
有鉴于此，有必要提供一种桥梁缺陷检修方法、设备、系统及存储介质，用以解决目前桥梁检修工作中工作效率低、作业周期长、人员风险大的问题。
第一方面，本发明提供一种桥梁缺陷检修方法，包括如下步骤：
将桥梁各点的三维信息发送至无人机，以使所述无人机规划出最优巡检路线后，按照所述巡检路线进行桥梁表面各点的桥梁信息采集；
接收所述无人机反馈的桥梁信息，提取所述桥梁信息中关键帧图像后，根据所述桥梁信息对所述关键帧图像进行融合处理后，得到桥梁三维模型；
采用预先训练完成的神经网络模型对所述桥梁三维模型进行识别，以识别出桥面缺陷信息；
将所述桥面缺陷信息发送至检修车，以使所述检修车根据所述桥面缺陷信息对缺陷点进行修补。
优选的，所述的桥梁缺陷检修方法中，所述桥梁信息至少包括桥梁表面各点的视频信息、位置信息和桥梁表面各点的IMU信息。
优选的，所述的桥梁缺陷检修方法中，所述接收所述无人机反馈的桥梁信息，提取所述桥梁信息中关键帧图像后，根据所述桥梁信息对所述关键帧图像进行融合处理后，得到桥梁三维模型的步骤包括：
接收所述无人机反馈的桥梁信息，对所述桥梁信息中桥梁表面各点的视频信息进行阈值分割，以提取出所述桥梁表面各点的关键帧图像；
对所述关键帧图像进行预处理，以多个得到清晰的图像；
将多个清晰的图像、所述桥梁表面各点的位置信息以及桥梁表面各点的IMU信息进行融合，得到桥梁三维模型。
优选的，所述的桥梁缺陷检修方法中，采用yolo4算法构建所述神经网络模型。
优选的，所述的桥梁缺陷检修方法中，所述桥面缺陷信息至少包括缺陷类型和缺陷尺寸信息。
优选的，所述的桥梁缺陷检修方法中，所述缺陷类型至少包括路面沉降、路面局部损害和桥梁裂缝。
优选的，所述的桥梁缺陷检修方法中，所述缺陷尺寸信息至少包括桥梁缺陷的位置信息、长度信息、宽度信息和面积信息。
第二方面，本发明还提供一种桥梁缺陷检修设备，处理器和存储器；
所述存储器上存储有可被所述处理器执行的计算机可读程序；
所述处理器执行所述计算机可读程序时实现如上所述桥梁缺陷检修方法中的步骤。
第三方面，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上所述的桥梁缺陷检修方法中的步骤。
第四方面，本发明还提供一种桥梁缺陷检修系统，包括如上所述的桥梁缺陷检修设备、无人机和检修车，所述无人机和检修车均与所述桥梁缺陷检修设备通讯连接，其中，
所述无人机用于根据所述桥梁缺陷检修设备发出的桥梁各点的三维信息，规划处最优的巡检路线，并按照所述巡检路线进行桥梁表面各点的桥梁信息采集；
所述检修车用于根据所述桥梁缺陷检修设备发出的桥面缺陷信息对缺陷点进行修补。
相较于现有技术，本发明提供的桥梁缺陷检修方法、设备、系统及存储介质，通过控制无人机规划巡检路线并采集桥梁信息后，根据桥梁信息实现桥梁三维模型的构建，然后利用神经网络模型来对三维模型进行检测，从而可以快速检测出桥梁的缺陷，之后即可使检修车自动根据缺陷信息来实现缺陷的维修，代替了人工检测、人工维修或大型机器维修的过程，不但大大减少了工人的劳动量，保证了工人的生命财产安全，而且避免了封锁桥梁所造成的不良影响。同时可二十四小时的不间断自动工作，有利于问题的及时发现的预防。
附图说明
图1为本发明提供的桥梁缺陷检修方法的一较佳实施例的流程图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
请参阅图1，本发明实施例提供的桥梁缺陷检修方法，包括如下步骤：
S100、将桥梁各点的三维信息发送至无人机，以使所述无人机规划出最优巡检路线后，按照所述巡检路线进行桥梁表面各点的桥梁信息采集。
本实施例中，桥梁各点的三维信息已知，在进行无人机的路径规划时，首先将桥梁各点的三维信息发送至无人机，无人机根据桥梁各点的三维信息进行最短路径规划，并根据路径上探测到的障碍物进行修正，将已走过和障碍物所在三维空间坐标放入CLOSE链表，从OPEN链表中寻找新的点，根据权重等计算出最短路径，将路径上各点的桥梁信息传回桥梁缺陷检修设备。其中，所述桥梁信息至少包括桥梁表面各点的视频信息和GPS信息，所述GPS信息包括桥梁表面各点的位置信息和桥梁表面各点的IMU信息。
进一步来说，为了实现无人机的自动路径规划和桥梁信息采集，所述无人机采用最常见的四轴飞行器结构，机架上载有高度集成的定位与通讯模块以及控制模块，飞行器下端安装有视觉检测模块，所述视觉检测模块采用搭建在二维云台上的运动摄像头，能够有效防止抖动。
S200、接收所述无人机反馈的桥梁信息，提取所述桥梁信息中关键帧图像后，根据所述桥梁信息对所述关键帧图像进行融合处理后，得到桥梁三维模型。
具体的，当得到了无人机反馈的桥梁信息后，即可对桥梁信息进行处理，以实现桥梁三维模型的构建。具体实施时，所述步骤S200具体包括：
接收所述无人机反馈的桥梁信息，对所述桥梁信息中桥梁表面各点的视频信息进行阈值分割，以提取出所述桥梁表面各点的关键帧图像；
对所述关键帧图像进行预处理，以多个得到清晰的图像；
将多个清晰的图像、所述桥梁表面各点的位置信息以及桥梁表面各点的IMU信息进行融合，得到桥梁三维模型。
本实施例中，在接收到了桥梁信息后，采用，通过分帧处理将视频流分为不同的关键帧图像，然后利用图像处理技术对各个关键帧图像进行处理，使得图像达到预期的清晰度并去除缺陷以外的背景后保存为AVI格式。其中，图像处理技术的处理过程包括对图像的灰度化处理、滤波处理、去噪声处理、阈值分割处理等处理过程，以减少背景对识别的干扰。对所述关键帧图像处理完成后，为了方便后续的识别，本发明实施例将桥梁各点的GPS信息与所述处理后的图像进行融合滤波处理，进而可以得到桥梁三维模型，所述桥梁三维模型在建立后保存到数据库中，供后期修理使用。
S300、采用预先训练完成的神经网络模型对所述桥梁三维模型进行识别，以识别出桥面缺陷信息。
本实施例中，采用yolo4算法构建所述神经网络模型。训练中使用已经训练好的权重来进行迁移学习。迁移学习的好处在于，可以充分借用那些已经训练好的模型中已经配置优秀的参数来加快模型的训练过程，提高效率。其中，训练中的训练数据集有多张，其中的80％为训练集，用于训练网络；剩下15％是交叉验证集，来调整参数，获取最优模型；剩余5％是测试集，用于测试模型准确度。
当所述神经网络模型构建完成后，将所述桥梁三维模型输入至所述神经网络模型中，即可快速识别出桥面缺陷信息。
具体实施时，所述桥面缺陷信息至少包括缺陷类型和缺陷尺寸信息。其中，所述缺陷类型至少包括路面沉降、路面局部损害和桥梁裂缝。所述缺陷尺寸信息至少包括桥梁缺陷的位置信息、长度信息、宽度信息和面积信息。
S400、将所述桥面缺陷信息发送至检修车，以使所述检修车根据所述桥面缺陷信息对缺陷点进行修补。
本实施例中，当得到了桥面缺陷信息后，将所述桥面缺陷信息发送给自动检修车，检修车即可根据桥面缺陷信息自动进行缺陷点的修补。
在一个具体实施例中，所述检修车具有行走模块、压平模块、挤料模块、双目摄像头和电动推杆，其中，所述行走模块采用麦克纳姆轮，以使所述检修车行走，所述压平模块能够进行升降，所述挤料模块能够调节角度，以将灌封胶准确喷涂在缺陷点，双模摄像头的存在为检修车对于待修理裂缝的精准定位提供了物理基础，电动推杆则为检修车的挤料等提供了足够的动力。
进一步的实施例中，所述压平模块主要由电动机、压轮、压轮液压缸、压轮液压杆、压轮液压联建以及液压支撑等组成。电动机带动液压杆转动，液压杆在液压缸的约束下，压轮沿着既定角度旋转下降，当压轮压紧路面时，电机停止，检修车行走时带动压轮压实填充材料。
所述挤料模块主要由电动推杆伸缩杆、平板柱塞、外接舵机、扁平喷嘴装置组成，其中舵机负责控制挤料的角度和速度。
在具体实施时，检修车结合桥梁缺陷检修设备处理好的的桥面缺陷信息和双目摄像头定位，对裂缝逐一进行修补，首先由电动推杆带动挤料模块将灌封胶挤出、然后电机带动压平模块对灌封胶进行压平操作。
本发明一个具体实施例中，在进行桥面沉降缺陷检修时，主要依靠mpu6050传感器，无人车首先对桥面各点进行遍历，获取各点的三轴陀螺仪、三轴加速度计和gps的值，并采用卡尔曼滤波对于加速度和角速度数据进行融合，结合GPS信息，在桥梁缺陷检修设备中绘制对应的三维桥面图形，从而直观获得桥面沉降信息，然后即可发出指令至检修车进行桥面沉降的检修。
基于上述桥梁缺陷检修方法，本发明还相应的提供一种桥梁缺陷检修设备，包括：处理器和存储器；
所述存储器上存储有可被所述处理器执行的计算机可读程序；
所述处理器执行所述计算机可读程序时实现如上述各实施例所述的桥梁缺陷检修方法中的步骤。
由于上文已对桥梁缺陷检修方法进行详细描述，在此不再赘述。
基于上述桥梁缺陷检修方法，本发明还相应的提供一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上述各实施例所述的桥梁缺陷检修方法中的步骤。
由于上文已对桥梁缺陷检修方法进行详细描述，在此不再赘述。
基于上述桥梁缺陷检修方法和设备，本发明还相应的提供一种桥梁缺陷检修系统，包括如上述各实施例所述的桥梁缺陷检修设备、无人机和检修车，所述无人机和检修车均与所述桥梁缺陷检修设备通讯连接，具体可采用4g、5g等网络进行通信。
所述无人机用于根据所述桥梁缺陷检修设备发出的桥梁各点的三维信息，规划处最优的巡检路线，并按照所述巡检路线进行桥梁表面各点的桥梁信息采集。具体实施时，无人机主要由动力模块(电机、四旋翼、机架)、控制模块、导航定位模块(GPS、IMU)、4G通讯模块和配有视觉检测模块组成，主要负责根据预先设置的GPS点进行循迹，检测路径上的桥梁缺陷，将视频信息传输回。由于上文已进行详细描述，在此不再赘述。
所述检修车用于根据所述桥梁缺陷检修设备发出的桥面缺陷信息对缺陷点进行修补。检修车主要由行走模块、不平顺检测模块、视觉检测模块、挤料模块、压平模块和导航定位模块等组成，主要负责对于桥面整体的不平顺度(沉降)的检测、对于无人机检测到的桥面裂缝进行简易修补。由于上文已进行详细描述，在此不再赘述。
所述桥梁缺陷检修设备负责接收无人机和检修车的信息，并发出对应的控制信息，保障系统的整体运行。桥梁缺陷检修设备主要完成对于无人机和检修车拍摄画面、机器姿态、位置、电量等信息的接收和分析，同时具有对于无人机和无人车行驶的控制按钮，从而方便操作人员在必要情况下进行手动控制。由于上文已进行详细描述，在此不再赘述。
综上所述，本发明提供的桥梁缺陷检修方法、设备、系统及存储介质，通过控制无人机规划巡检路线并采集桥梁信息后，根据桥梁信息实现桥梁三维模型的构建，然后利用神经网络模型来对三维模型进行检测，从而可以快速检测出桥梁的缺陷，之后即可使检修车自动根据缺陷信息来实现缺陷的维修，代替了人工检测、人工维修或大型机器维修的过程，不但大大减少了工人的劳动量，保证了工人的生命财产安全，而且避免了封锁桥梁所造成的不良影响。同时可二十四小时的不间断自动工作，有利于问题的及时发现的预防。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种桥梁缺陷检修方法，其特征在于，包括如下步骤：
将桥梁各点的三维信息发送至无人机，以使所述无人机规划出最优巡检路线后，按照所述巡检路线进行桥梁表面各点的桥梁信息采集；
接收所述无人机反馈的桥梁信息，提取所述桥梁信息中关键帧图像后，根据所述桥梁信息对所述关键帧图像进行融合处理后，得到桥梁三维模型；
采用预先训练完成的神经网络模型对所述桥梁三维模型进行识别，以识别出桥面缺陷信息；
将所述桥面缺陷信息发送至检修车，以使所述检修车根据所述桥面缺陷信息对缺陷点进行修补。
2.根据权利要求1所述的桥梁缺陷检修方法，其特征在于，所述桥梁信息至少包括桥梁表面各点的视频信息、位置信息和桥梁表面各点的IMU信息。
3.根据权利要求2所述的桥梁缺陷检修方法，其特征在于，所述接收所述无人机反馈的桥梁信息，提取所述桥梁信息中关键帧图像后，根据所述桥梁信息对所述关键帧图像进行融合处理后，得到桥梁三维模型的步骤包括：
接收所述无人机反馈的桥梁信息，对所述桥梁信息中桥梁表面各点的视频信息进行阈值分割，以提取出所述桥梁表面各点的关键帧图像；
对所述关键帧图像进行预处理，以多个得到清晰的图像；
将多个清晰的图像、所述桥梁表面各点的位置信息以及桥梁表面各点的IMU信息进行融合，得到桥梁三维模型。
4.根据权利要求1所述的桥梁缺陷检修方法，其特征在于，采用yolo4算法构建所述神经网络模型。
5.根据权利要求3所述的桥梁缺陷检修方法，其特征在于，所述桥面缺陷信息至少包括缺陷类型和缺陷尺寸信息。
6.根据权利要求5所述的桥梁缺陷检修方法，其特征在于，所述缺陷类型至少包括路面沉降、路面局部损害和桥梁裂缝。
7.根据权利要求5所述的桥梁缺陷检修方法，其特征在于，所述缺陷尺寸信息至少包括桥梁缺陷的位置信息、长度信息、宽度信息和面积信息。
8.一种桥梁缺陷检修设备，其特征在于，包括：处理器和存储器；
所述存储器上存储有可被所述处理器执行的计算机可读程序；
所述处理器执行所述计算机可读程序时实现如权利要求1-7任意一项所述桥梁缺陷检修方法中的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1-7任意一项所述的桥梁缺陷检修方法中的步骤。
10.一种桥梁缺陷检修系统，其特征在于，包括如权利要求8所述的桥梁缺陷检修设备、无人机和检修车，所述无人机和检修车均与所述桥梁缺陷检修设备通讯连接，其中，
所述无人机用于根据所述桥梁缺陷检修设备发出的桥梁各点的三维信息，规划处最优的巡检路线，并按照所述巡检路线进行桥梁表面各点的桥梁信息采集；
所述检修车用于根据所述桥梁缺陷检修设备发出的桥面缺陷信息对缺陷点进行修补。
CN202110096908.7A 2021-01-25 2021-01-25 一种桥梁缺陷检修方法、设备、系统及存储介质 Pending CN112819766A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110096908.7A CN112819766A (zh) 2021-01-25 2021-01-25 一种桥梁缺陷检修方法、设备、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110096908.7A CN112819766A (zh) 2021-01-25 2021-01-25 一种桥梁缺陷检修方法、设备、系统及存储介质

Publications (1)

Publication Number Publication Date
CN112819766A true CN112819766A (zh) 2021-05-18

Family

ID=75859573

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110096908.7A Pending CN112819766A (zh) 2021-01-25 2021-01-25 一种桥梁缺陷检修方法、设备、系统及存储介质

Country Status (1)

Country Link
CN (1) CN112819766A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114322911A (zh) * 2021-12-31 2022-04-12 重庆大学 一种联合卡尔曼滤波的桥梁路面平整度间接精准识别方法
CN114519803A (zh) * 2022-01-24 2022-05-20 东莞理工学院 一种基于迁移学习的小样本目标识别方法
CN115096268A (zh) * 2022-06-17 2022-09-23 西南交通大学 基于无人机航拍及超声波探测的桥梁损伤深度检测方法
CN115318760A (zh) * 2022-07-29 2022-11-11 武汉理工大学 一种输电铁塔的无人机激光清洗方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109444171A (zh) * 2018-09-18 2019-03-08 山东理工大学 基于无人机的一体化桥梁检测方法
CN109872323A (zh) * 2019-02-28 2019-06-11 北京国网富达科技发展有限责任公司 输电线路的绝缘子缺陷检测方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109444171A (zh) * 2018-09-18 2019-03-08 山东理工大学 基于无人机的一体化桥梁检测方法
CN109872323A (zh) * 2019-02-28 2019-06-11 北京国网富达科技发展有限责任公司 输电线路的绝缘子缺陷检测方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张昌民: "分支河流体系基本特征与研究进展", 地质大学出版社, pages: 217 - 219 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114322911A (zh) * 2021-12-31 2022-04-12 重庆大学 一种联合卡尔曼滤波的桥梁路面平整度间接精准识别方法
CN114322911B (zh) * 2021-12-31 2023-08-04 重庆大学 一种联合卡尔曼滤波的桥梁路面平整度间接精准识别方法
CN114519803A (zh) * 2022-01-24 2022-05-20 东莞理工学院 一种基于迁移学习的小样本目标识别方法
CN115096268A (zh) * 2022-06-17 2022-09-23 西南交通大学 基于无人机航拍及超声波探测的桥梁损伤深度检测方法
CN115318760A (zh) * 2022-07-29 2022-11-11 武汉理工大学 一种输电铁塔的无人机激光清洗方法及系统
CN115318760B (zh) * 2022-07-29 2024-04-16 武汉理工大学 一种输电铁塔的无人机激光清洗方法及系统

Similar Documents

Publication Publication Date Title
CN112819766A (zh) 一种桥梁缺陷检修方法、设备、系统及存储介质
Li et al. Automatic bridge crack detection using Unmanned aerial vehicle and Faster R-CNN
CN108955702B (zh) 基于三维激光和gps惯性导航系统的车道级地图创建系统
CN106680290B (zh) 狭窄空间的多功能检测车
CN106595630B (zh) 一种基于激光导航变电站巡检机器人的建图系统与方法
CN107167139A (zh) 一种变电站巡检机器人视觉定位导航方法及系统
CN109885097B (zh) 一种桥梁外沿面巡检航线规划方法
CN112102403B (zh) 用于输电塔场景下的自主巡检无人机的高精度定位方法及其系统
CN210090988U (zh) 一种无人机巡检系统
CN113071518B (zh) 一种自动无人驾驶方法、小巴、电子设备以及存储介质
CN210005927U (zh) 一种桥梁巡检无人机系统
CN113111704B (zh) 基于深度学习的机场道面病害异物检测方法及系统
CN103266559A (zh) Bp桥梁安全巡检车及获取桥梁表面面相的方法
CN110021167A (zh) 一种高速公路云巡查系统及数据处理方法
CN106494611B (zh) 一种空轨两用巡检无人机
CN115452723A (zh) 一种桥梁工程用的桥梁缺陷检测设备及缺陷识别方法
CN116518984B (zh) 一种煤矿井下辅助运输机器人车路协同定位系统及方法
Minghui et al. Deep learning enabled localization for UAV autolanding
CN114812398A (zh) 一种基于无人机的高精度实时裂缝检测平台
CN210377164U (zh) 一种空地协同作业系统
CN113885504A (zh) 一种列检机器人自主巡检方法、系统及存储介质
CN112327925B (zh) 一种道路养护巡查协同辅助系统
CN116222579B (zh) 一种基于建筑施工的无人机巡察方法及系统
CN110696016A (zh) 一种适用于地铁车辆列检工作的智能机器人
CN116399884A (zh) 一种箱梁内部病害的自主扫描检测方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210518