CN116183626A - 一种基于3d可视化的桥墩病害检测装置及方法 - Google Patents

一种基于3d可视化的桥墩病害检测装置及方法 Download PDF

Info

Publication number
CN116183626A
CN116183626A CN202310116761.2A CN202310116761A CN116183626A CN 116183626 A CN116183626 A CN 116183626A CN 202310116761 A CN202310116761 A CN 202310116761A CN 116183626 A CN116183626 A CN 116183626A
Authority
CN
China
Prior art keywords
disease
pier
bridge pier
detection
robot
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
CN202310116761.2A
Other languages
English (en)
Inventor
王如意
陈世全
何缘缘
刘军彤
赵顺通
马银鸽
黄悦翔
李华庆
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 CN202310116761.2A priority Critical patent/CN116183626A/zh
Publication of CN116183626A publication Critical patent/CN116183626A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • E01D19/02—Piers; Abutments ; Protecting same against drifting ice
    • 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
    • G01N21/8851—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
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9515—Objects of complex shape, e.g. examined with use of a surface follower device
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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
    • 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
    • G01N2021/8883—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 involving the calculation of gauges, generating models
    • 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
    • G01N2021/8887—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 based on image processing techniques
    • 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
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9515—Objects of complex shape, e.g. examined with use of a surface follower device
    • G01N2021/9518—Objects of complex shape, e.g. examined with use of a surface follower device using a surface follower, e.g. robot
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Architecture (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Computer Graphics (AREA)
  • Structural Engineering (AREA)
  • Civil Engineering (AREA)
  • Multimedia (AREA)
  • Medical Informatics (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Signal Processing (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明公开一种基于3D可视化的桥墩病害检测装置及方法，装置包括桥墩检测机器人和桥墩综合信息管理平台；桥墩检测机器人设有控制装置，吸附及运动装置，病害检测装置，清扫装置；桥墩综合信息管理平台设有智能机器人管理模块，病害处理及可视化模块，桥墩及病害信息管理模块。本发明通过机器人沿桥墩检测面吸附爬行，对桥墩检测面进行图像拍摄和病害识别，对桥墩检测面进行激光扫描，获取病害的激光点云数据并基于病害点云数据进行病害识别归类和病害三维模型构建，利用归类的病害类型对构建的病害三维模型进行矫正，将矫正后的病害三维模型与桥墩模型进行拼接，实现病害的三维可视化显示，解决现有桥墩病害图像检测不能清晰立体呈现病害的问题。

Description

一种基于3D可视化的桥墩病害检测装置及方法
技术领域
本发明涉及桥墩表面病害检测及三维可视化领域，具体涉及一种基于3D可视化的桥墩病害检测装置及方法。
背景技术
最近十年来，在国家经济快速发展推动下，中国桥梁以每年3万多座的速度递增，目前全国桥梁总数达100万座。如此庞大的桥梁数目，导致桥梁检测量也十分巨大。
现有的检测设备多以环抱桥墩，吸附桥墩或是无人机搭载摄像头用图像检测的方式检测桥墩病害，对于病害的呈现不够清晰立体。并且，对于桥墩信息的管理缺乏体系，不能对桥墩及病害进行信息化数据化的管理，同时对于检测结果没有进一步分析，存在难评估的问题。
发明内容
为克服上述现有技术的不足，本发明提供一种基于3D可视化的桥墩病害检测装置及方法，用以解决上述至少一个技术问题。
根据本发明说明书的一方面，提供一种基于3D可视化的桥墩病害检测装置，包括相互连接的桥墩检测机器人和桥墩综合信息管理平台；
所述桥墩综合信息管理平台包括：用户管理模块，用于信息输入及检测数据显示；信息储存模块，用于储存桥墩数据、病害库历史及更新数据、病害检测历史及更新数据；桥墩及病害信息管理模块，用于对桥墩信息、病害信息及病害库信息进行管理；数据处理及可视化模块，用于根据桥墩检测机器人上传的病害检测数据构建病害三维模型并识别归类病害，依据识别归类的病害类型矫正病害三维模型，将矫正后的病害三维模型与桥墩模型进行拼接和可视化显示；桥墩检测机器人管理模块，用于对桥墩检测机器人的自身工作参数进行管理；控制模块，用于根据输入的桥墩编号获取桥墩信息，根据桥墩检测机器人反馈的实时位置信息获取其在桥墩上的绝对位置，并将获取的绝对位置及桥墩信息传送至桥墩检测机器人；
所述桥墩检测机器人包括自主导航及避障系统，用于根据桥墩检测机器人在桥墩上的绝对位置及所处桥墩信息进行路径规划，同时感知障碍物信息进行路径重新规划；清扫装置，设置在桥墩检测机器人的下端面，用于根据控制装置输出的指令对桥墩表面进行清扫；病害检测装置，设置在桥墩检测机器人的前端面，用于根据控制装置输出的指令对桥墩检测面进行图像拍摄、三维扫描，并将拍摄图像及三维扫描数据发送至桥墩综合信息管理平台；吸附及运动装置，设置在桥墩检测机器人的相对两侧，用于根据控制装置输出的指令驱动桥墩检测机器人在桥墩表面进行移动或真空吸附，同时获取实时吸附压力并发送给控制装置；喷涂标识装置，用于根据控制装置输出的指令对检测到的病害进行喷涂标识；控制装置，用于控制吸附及运动装置按照规划路径工作，并控制清扫装置、病害检测装置执行清扫及病害检测工作。
上述技术方案通过桥墩检测机器人沿桥墩检测面吸附爬行，对桥墩检测面进行二维图像拍摄和三维激光扫描，基于扫描的三维激光点云数据进行病害识别分类并构建病害三维模型构建，利用识别分类的病害类型结合拍摄的二维图像对构建的病害三维模型进行矫正，将矫正后的病害三维模型与桥墩模型进行拼接，实现病害的三维可视化显示，解决了现有桥墩病害图像检测不能清晰立体呈现病害的问题。同时，在检测到病害后，利用喷涂标识装置对病害位置进行喷涂标识。
进一步地，在平台端，可通过建立病害三维模型数据库，对比分析历次检测数据，给出病害历程报告，解决了病害检测结果分析评估问题，实现了桥墩及病害信息的数据化管理。
进一步地，在桥墩检测机器人端，通过搭载检测设备获取桥墩检测面的检测数据，通过搭载传感设备获取机器人自身的运行数据，这些数据上传至平台进行处理和反馈，并依据反馈信息控制机器人工作状态。
进一步地，桥墩检测机器人端可配置现有的路径规划程序、避障规划程序及图像识别程序，以在机器人端进行路径规划、避障规划和图像识别。
可选地，所述桥墩检测机器人可配置有障碍物感知传感器，用于感知机器人行进方向的障碍物并传送给控制装置，以便于控制装置根据障碍物信息重新规划路径。
作为进一步的技术方案，所述装置还包括安全绳，与桥墩检测机器人的上端面相连，用于在桥墩检测机器人与桥墩表面之间的吸附气压大于临界安全气压时，保障桥墩检测机器人的安全。
可选地，所述安全绳配合对应的紧急处理算法，用于保障桥墩检测机器人在紧急状况下的安全。
可选地，所述紧急处理算法为：桥墩检测机器人的控制装置得到气压传感器电平信号，判断是否大于临界安全气压，若是，则桥墩检测机器人正常工作；若否，则直流电机停止运行，点亮报警指示灯，并反馈报警信号给用户端，由操作人员发出返回指令操作或做出相应的保护措施。
作为进一步的技术方案，所述病害检测装置包括：三维激光扫描仪，设置在桥墩检测机器人前端，用于在其行进过程中对桥墩检测面进行三维激光扫描；摄像头，设置在桥墩检测机器人前端右上方，用于在其行进过程中对桥墩检测面进行图像拍摄；GPRS模块，用于上传桥墩检测面的激光扫描信息、图像信息及桥墩检测机器人自身的参数信息；喷涂标识模块，设置在桥墩检测机器人后端，用于对病害区域进行喷涂标识。
可选地，所述桥墩检测机器人自身的参数信息包括机器人的吸附气压、实时电量及位移数据等。
作为进一步的技术方案，所述吸附及运动装置包括两组吸附组件，两组吸附组件分设于机器人相对两侧且每组吸附组件包括两个吸盘，在切换工作面时，所述控制装置利用机械臂控制其中一个吸盘脱离原工作面而进入下一工作面，此时其他三个吸盘吸附于原工作面，对剩下的吸盘执行相同操作且每次切换一个吸盘，当一侧的吸附组件切换完毕，机器人四个机械臂控制机器人主体重心从前一个检测面转换到下一检测面，再继续另一侧吸盘组的切换，直至全部吸盘切换至下一工作面。
可选地，所述吸附及运动装置包括吸盘气路、气缸气路、运动臂、直流电机。所述吸盘气路包括吸盘组、气压传感器、过滤器。所述气缸气路包括真空发生器、空气压缩机、电磁阀、分配器。所述的直流电机、吸盘组气路、气缸气路与控制装置相连，同时控制装置又与报警灯和PC机用户管理端相连。控制装置通过控制各吸盘交替吸附，并通过控制运动臂的运动辅助从当前工作面剥离的吸盘吸附到下一工作面，具体地是一组吸盘逐个切换到下一工作面，这样可以保证其余三组吸盘都吸附在壁面，同时采用过渡切换方式可最大程度保证机器人实现安全切换壁面。
作为进一步的技术方案，所述桥墩检测机器人的上端面还设有红外测距仪，用于获取桥墩检测机器人距离桥墩柱顶端的距离并将其传送至桥墩综合信息管理平台。
作为进一步的技术方案，所述桥墩检测机器人的滚轮上设有角位移传感器，用于在检测过程中，实时获取滚轮的位移数据并依据该位移数据对桥墩检测机器人的位置信息进行校正。
作为进一步的技术方案，所述数据处理及可视化模块通过逆向建模实现桥墩病害的三维可视化，进一步包括：识别归类方法及病害三维模型矫正方法；
所述识别归类方法采用一种基于协方差描述符的目标识别算法，提取三维病害信息包括深度、体积、颜色、形状、长宽比，将采集到的三维点云数据特征与二维病害图像结合共同进行深度学习，识别病害并将病害归类为横向裂缝、纵向裂缝、网状裂缝、混凝土脱落；
所述病害三维模型矫正方法为：基于激光扫描病害数据构建病害三维模型；对应病害类型矫正病害模型，即通过病害坐标实现该病害图像与该病害所有三维点云数据的对应，其次用矩形框限制病害图像上病害存在的区域，并确定矩形框的长宽(a,b),通过三维扫描仪上的标尺确定矩形框实际的长宽(A，B)，根据A，B及病害对应的坐标在桥墩三维模型上生成长方体边界，提取长方体内点的点云数据，根据图像识别得到的病害类型为其匹配相应病害类型的数据库，矫正模型，将矫正后的桥墩模型拼接，实现病害三维可视化。
可选地，在识别归类时，首先对获取的桥墩裂纹和混凝土脱落的点云滤波去噪，其次对点云进行提取大小、深度、体积、形状特征的提取，然后制作点云分类识别的训练及测试样本，利用基于径向基函数的支持向量机方法对训练样本进行学习，之后采用遗传算法对学习模型进行参数选优，最后采用扩展的特征向量的组合进行学习和目标识别。
作为进一步的技术方案，所述桥墩及病害信息管理模块通过以下方法建立病害库：通过病害模型特征信息比较将病害分为一级病害、二级病害、三级病害，具体地，对于横向裂缝、纵向裂缝，第一比较标准为长度，对于网状裂缝、混凝土脱落，第一比较标准为面积；最后将病害三维模型对应病害类别存入横向裂缝一级、二级、三级病害模型库，纵向裂缝一级、二级、三级病害模型库，网状裂缝一级、二级、三级病害模型库，混凝土脱落一级、二级、三级病害模型库。
可选地，建立病害库的方法还包括：将病害库分为一级、二级、三级病害库，将扫描得到的病害与一二级界定标准病害比较其大小、尺寸、范围，若其大小、尺寸比一二级界定标准病害小，则该病害为一级病害，存入一级病害库；若其大小、尺寸比一二级界定标准病害大，则将该病害与二三级界定标准病害对比其大小、尺寸、范围，若其大小、尺寸、范围比二三级界定标准病害小，则为二级病害存入二级病害库；若其大小、尺寸、范围比二三级界定标准病害大，则为三级病害，存入三级病害库。
作为进一步的技术方案，所述桥墩综合信息管理平台还包括病害历程报告模块，用于将每个桥墩每个检测的病害作为一个集合，提取该集合内病害颜色、深度、尺寸、位置的特征信息，与前一次检测病害库的病害位置信息进行比对，标记新增病害；以及，将前一次的病害特征信息与上次同一位置病害的特征信息进行比对，标出变化严重的病害，制作病害数量、病害评价尺寸及当年严重变化病害数量的数据图。
根据本发明说明书的一方面，提供一种基于3D可视化的桥墩病害检测方法，采用所述的装置实现，所述方法包括：
S1，桥墩检测机器人吸附于桥墩表面，获取自身距桥墩柱顶端的距离并上传至桥墩综合信息管理平台；
S2，桥墩综合信息管理平台基于接收到的距离，将机器人的三维模型投射到模拟的三维桥墩模型场景中，将机器人所在桥墩面默认为a面，若为圆柱形桥墩，则被检测桥墩面只有a面；若为矩形桥墩，则系统为桥墩其余各面依次标记为b,c,d面，得到桥墩检测机器人在桥墩上的绝对位置，并将该位置标为零点；
S3，桥墩综合信息管理平台获取桥墩编号，根据桥墩编号调取桥墩二维码以扫描获取桥墩信息，并将所述桥墩信息下发至桥墩检测机器人；
S4，桥墩检测机器人根据桥墩信息计算检测路径，若为圆柱形桥墩，则包括桥墩检测机器人沿桥墩轴向移动到桥墩端部时的沿桥墩周向的移动路程的规划；若为矩形桥墩，则包括规划桥墩面的检测顺序以及在每个桥墩面的检测路径；
S5，桥墩检测机器人基于绝对位置建立新的定位初始点，调整真空吸附参数后根据规划的检测路径开始检测，在检测过程中通过图像识别的同时利用三维点云数据对二维图像进行辅助判别病害，并通过喷涂方式标记病害。
作为进一步的技术方案，所述方法还包括：
若判断未完成所有桥墩面的检测，则检测人员按照规划的桥墩面的检测顺序将机器人吸附在下一检测面，执行下一桥墩面的检测；若判断已完成所有桥墩面的检测，则桥墩检测机器人回到定位初始位置，检测人员回收装置。
可选地，所述方法还包括桥墩检测机器人自检流程：桥墩信息管理后台对桥墩检测机器人进行基本功能检测，运动参数调整及电量检测。
可选地，所述方法还包括病害库搭建流程：通过病害模型特征信息比较将病害分为一级病害、二级病害、三级病害；最后将病害三维模型对应地存入一级病害三维模型库、二级病害三维模型库、三级病害三维模型库。
可选地，所述方法还包括病害历程报告生成流程：对病害检测的历史数据进行分析，得到病害历程报告，其算法包括将每个桥墩每次检测的病害作为一个集合，提取这个集合内病害颜色、深度、尺寸、位置的特征信息；接着与前一次检测的病害库进行特征信息比对，标记新增病害；然后将前一次的病害特征信息与当年同一位置病害的特征信息比对，标出变化严重的病害；最后制作病害数量、病害平均尺寸、该年变化严重病害数量的数据图。
与现有技术相比，本发明的有益效果在于：
(1)本发明提供一种基于3D可视化的桥墩检测装置，包括桥墩综合信息管理平台和桥墩检测机器人，桥墩检测机器人搭载摄像头和三维扫描仪，在桥墩壁面吸附爬行，识别扫描病害，通过对病害模型矫正、分类分级，建立病害模型数据库并对比分析历次检测数据给出病害历程报告，解决了桥墩病害检测中图像检测不能清晰立体的呈现病害，同时并未进一步对检测结果分析评估等问题，实现了桥墩病害的三维可视化、等级化、病害检测数据的规范化、标准化以及对桥墩及病害信息化数据化的管理。
(2)本发明通过将桥墩病害以三维模型的形式可视化，解决桥墩的检测信息难评估，并且检测手段单一的问题,其次可以对比桥墩病害检测的历史数据，生成病害历程报告，实现了对桥墩检测信息的深入挖掘与利用，另外通过对桥墩编号和生成二维码，实现桥墩信息的数据化管理。
附图说明
图1为本发明实施例中基于3D可视化的桥墩病害检测装置的系统组成结构图；
图2为本发明实施例中桥墩检测机器人装置的整体示意图；
图3为本发明实施例中桥墩检测机器人检测标识病害的流程示意图；
图4为本发明实施例中实现病害模型三维可视化方法的流程示意图；
图5为本发明实施例中桥墩机器人的定位流程示意图；
图6为本发明实施例中识别分离病害模型示意图。
图7为本发明实施例中识别三维病害识别算法流程图；
图8为本发明实施例中病害三维模型矫正算法流程图；
图9为本发明实施例中病害三维模型对比分级算法流程图；
图10为本发明实施例中得到一二级界定标准病害和二三级界定标准病害的算法流程图；
图11为本发明实施例中得到病害历程报告的算法流程图；
图12为本发明实施例中紧急处理算法流程图；
图13为本发明实施例中控制装置与吸附及运动装置的组成结构图；
图中：1、桥墩检测机器人手柄；2、摄像头；3、水平运动机械臂；4、纵向运动机械臂；5、吸附及运动装置吸盘；6、滚轮；7、清扫装置；8、三维激光扫描仪；9、警报灯；10、喷涂标识模块。
具体实施方式
以下将结合附图对本发明各实施例的技术方案进行清楚、完整的描述，显然，所描述发实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本发明所保护的范围。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接或可以相互通讯；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。
如图1-2所示，本发明一方面提供了一种基于3D可视化的桥墩病害检测装置，包括桥墩检测机器人，所述桥墩检测机器人上设有手柄1；摄像头2；水平运动机械臂3；纵向运动机械臂4；吸附及运动装置吸盘5；滚轮6；清扫装置7；三维激光扫描仪8；警报灯9；喷涂标识模块10。
所述桥墩检测机器人的手柄1设置在桥墩检测机器人上端。
所述摄像头2位于桥墩检测机器人前端右上方。
所述水平运动机械臂3位于桥墩检测机器人车体两侧，每侧各有两个，与桥墩检测机器人直接通过螺栓连接。
所述纵向运动机械臂4与水平运动机械臂3一一配套，通过螺栓直接连接。
进一步的，在水平运动机械臂3和纵向运动机械臂4转轴处各设有一个角位移传感器，用以检测机械臂转动，从而校准机械臂运动参数以及为机械臂定位提供辅助参数。
所述吸附及运动装置吸盘5与纵向运动机械臂4相连接。
所述吸附及运动装置包括吸盘气路、气缸气路、运动臂、直流电机。所述吸盘气路包括吸盘组、气压传感器、过滤器。所述气缸气路包括真空发生器、空气压缩机、电磁阀，分配器。所述的直流电机、吸盘组气路、气缸气路与控制装置相连，同时控制装置又与报警灯和PC机用户管理端相连。控制装置通过控制各吸盘交替吸附，并通过控制运动臂的运动辅助从当前工作面剥离的吸盘吸附到下一工作面，具体地是一组吸盘逐个切换到下一工作面，这样可以保证其余三组吸盘都吸附在壁面，同时采用过渡切换方式可最大程度保证机器人实现安全切换壁面。
所述机器人车体的底盘设置为具有弧度，以便于吸盘切换工作面。
所述滚轮6位于桥墩检测机器人车体下方，通过直流电机驱动。
所述滚轮上配置有角位移传感器，用以检测校准小车的运动参数，同时为小车定位提供辅助参数。
所述清扫装置7位于桥墩检测机器人车体底盘下方，包括两个毛刷，毛刷上方的伸缩杆，毛刷下方的红外线距离传感器。
进一步的，伸缩杆可以根据毛刷下方的红外线距离传感器调节毛刷到被检测桥墩壁面的距离，实现对桥墩壁面的有效清扫。
所述三维激光扫描仪设置在桥墩检测机器人前端正上方，与桥墩检测机器人直接连接。
所述警报灯设置在桥墩检测机器人车体上端，手柄前方。
所述标识喷头设置在桥墩检测机器人车体底盘尾部。
所述桥墩检测机器人连接桥墩综合信息管理平台，所述桥墩综合信息管理平台包括用户管理模块、信息储存模块、桥墩及病害库信息管理模块、数据处理及可视化模块、桥墩机器人管理模块及控制模块。通过参考桥墩位置及路段对桥墩编号并且生成二维码，实现了桥墩的信息数据化管理。
所述用户管理模块在PC端用于输入检测机器人操作指令，显示检测信息，所述检测信息包括桥墩检测机器人运动轨迹、电量、四个吸盘吸附气压、摄像头实时拍摄画面及最终检测结果。
所述信息储存模块和桥墩及病害库信息管理模块相连，用于储存已有数据和检测实时数据。
所述已有数据包括桥墩的地理位置、设计数据、检测数据、病害的二维图像病害数据库、三维病害模型数据库；桥墩的设计数据包括桥墩类型、尺寸、寿命、结构、制造单位，所述桥墩的检测数据包括桥墩的三维模型数据及检测后的历史数据；所述检测实时数据包括病害图像信息和病害三维模型数据。
所述桥墩及病害库信息管理模块用于检测完成后更新桥墩及病害库模型。更新后的数据存入信息储存模块。
所述数据处理及可视化模块用于对检测得到的病害图像处理，病害三维模型的识别分类及矫正。
所述桥墩机器人管理模块与信息储存模块和桥墩检测机器人相连，用于传输给桥墩检测机器人待检测桥墩的三维模型、尺寸信息，同时传回桥墩检测机器人的空间位置信息、剩余电量信息及四个吸盘气压信息。
所述桥墩检测机器人设有控制装置，用于与机器人其他部件相连并进行数据处理和控制。例如，控制吸附及运动装置按照规划路径工作，并控制清扫装置、病害检测装置执行清扫及病害检测工作等。
所述桥墩检测机器人设置有自主导航及避障系统，该自主导航及避障系统与吸附及运动装置和应急保障装置相连，用于根据桥墩所处位置进行路径规划，同时感知障碍物信息重新规划路径。具体地，所述自主导航及避障系统包括障碍物信息感知模块、路径规划模块，所述障碍物信息感知模块采用红外线距离传感器感知智能检测机器人周围是否有障碍物，同时检测到障碍物时否决路径重新规划，所述路径规划模块用于实现桥墩检测机器人的定位并根据桥墩三维模型数据和尺寸信息计算路径。
所述清扫装置设置在桥墩检测机器人车体下方，用于清扫桥墩表面，使桥墩表面较为整洁，便于桥墩机器人吸附在桥墩表面。
所述吸附及运动装置设置在桥墩检测机器人车体两侧，用于实现桥墩检测机器人在桥墩表面的吸附及运动。
具体地，如图13所示，所述吸附及运动装置包括吸盘气路、气缸气路、运动臂、直流电机。所述吸盘气路包括吸盘组、气压传感器、电磁阀、过滤器、空气压缩机，气压传感器与控制器相连，控制器又与气缸电磁阀和电机驱动机相连，所述气缸气路包括真空发生器、空气压缩机、电磁阀，所述的气压传感器、直流电机、吸盘组气路、气缸气路与中央处理器相连，同时中央处理器又与报警灯和PC机用户管理端相连。
所述病害检测模块设置在桥墩检测机器人前端，用于实现对桥墩病害的扫描。
具体地，所述病害检测模块包括三维激光扫描仪、GPRS模块、摄像头和喷涂标识模块，所述三维激光扫描仪安装在桥墩检测机器人前端，摄像头安装于桥墩检测机器人前端右上方，所述GPRS模块与控制装置、摄像头相连，同时又与桥墩综合信息管理平台相连，用于传输桥墩机器人检测的图像信息及桥墩检测机器人本身吸附气压、电量信息、位移数据，所述喷涂标识模块与桥墩机器人底盘相连，位于桥墩检测机器人后部，用于喷涂环形油漆标志。
所述应急保障装置包括安全绳和对应的紧急处理算法，用于保障桥墩检测机器人在紧急状况下的安全。
如图12所示，所述紧急处理算法为：控制系统得到气压传感器电平信号，判断是否大于临界安全气压，若是，则桥墩检测机器人正常工作；若否，则直流电机停止运行，点亮报警指示灯，并反馈报警信号给用户端，由操作人员发出返回指令操作或做出相应的保护措施。
本发明一方面还提供了一种基于3D可视化的桥墩病害检测方法，包括以下流程：桥墩检测机器人自检流程，病害扫描标记流程，病害三维数据处理可视化流程，病害库搭建流程，病害历程报告生成流程。
具体地，如图3所示，所述桥墩检测机器人自检流程为：桥墩信息管理后台对桥墩检测机器人进行基本功能检测，运动参数调整及电量检测。
具体地，如图4所示，所述病害扫描标记流程包括以下步骤：
S1，桥墩检测机器人吸附机构吸附桥墩后，桥墩检测机器人上的红外测距仪(设置在哪里)测量桥墩检测机器人距桥墩柱顶端的距离，将机器人的三维模型投射到模拟的三维桥墩模型场景中，其次，将机器人所在桥墩面默认为a面，若为圆柱形桥墩，则被检测桥墩面只有a面；若为矩形桥墩，则系统为桥墩其余各面依次标记为b,c,d面，得到在桥墩上的绝对位置关系。
S2,桥墩检测机器人PC端根据桥墩所处的路段、区域及坐标位置给予每一个桥墩的编号，通过输入桥墩编号，调取桥墩二维码并扫描获取桥墩类型、尺寸、使用寿命、制造单位历史检测信息、病害等级及变化规律趋势图的数据及信息；
S3，桥墩检测机器人自动导航及避障系统根据扫描桥墩二维码获取的桥墩信息计算检测路径，若为圆柱形桥墩，则包括桥墩检测机器人沿桥墩轴向移动到桥墩端部时的沿桥墩周向的移动路程的规划；若为矩形桥墩则包括规划桥墩面的检测顺序；
S4，桥墩检测机器人建立新的定位初始点并调整吸附参数后根据规划的路径开始检测，通过直流电机驱动滚轮，使吸附在桥墩面上的桥墩检测机器人沿桥墩轴向移动的同时避开障碍，通过图像识别病害，扫描病害并在桥墩上喷涂圆环形标记以标记病害；
S5，判断是否完成所有桥墩面的检测，若未完成对桥墩所有面的检测，检测人员按将S4中规划的桥墩面的检测顺序将机器人吸附在下一检测面，返回步骤S5，执行下一桥墩面的检测；若已完成所有桥墩面的检测，则桥墩检测机器人回到定位初始位置，检测人员回收装置；
进一步地，如图5所示，步骤S1中桥墩检测机器人定位的方法为：桥墩检测机器人吸附桥墩后，桥墩检测机器人上的红外测距仪定位测量桥墩检测机器人距桥墩柱顶端的距离，将机器人的三维模型投射到模拟的三维桥墩模型场景中，其次，将机器人所在桥墩面默认为a面，系统为桥墩其余各面依次标记为b,c,d面，得到在桥墩上的绝对位置关系，根据初始坐标数据和规划的路径在桥墩三维模型模拟检测过程，根据桥墩检测机器人轮子上的角位移传感器实时检测桥墩检测机器人的位移数据，对机器人的位置信息进行纠正。
进一步地，步骤S2中，桥墩检测机器人PC端输入桥墩编号调取桥墩二维码并扫描获取桥墩信息的具体方法为：通过在PC机用户管理端输入桥墩编号，调出桥墩二维码，PC机扫描识别二维码，在桥墩管理平台调取该被检测桥墩的三维模型数据及尺寸信息，桥墩信息管理后台将被检测桥墩的三维模型数据及尺寸信息打包，并将打包信息发送给桥墩检测机器人。
进一步地，步骤S3中，桥墩检测机器人自动导航及避障系统进行路径规划的方法为：根据桥墩信息管理后台发送的桥墩三维模型数据及尺寸信息及步骤S1中得到的桥墩位置信息规划检测路径，若为圆柱形桥墩则规划好检测路径即可；若为矩形墩则需先规划好桥墩的被检测面的顺序，其次规划好检测路径；
具体地，所述病害三维数据处理可视化流程为：通过对桥墩病害三维模型数据处理，逆向建模实现桥墩病害的三维可视化。
具体地，如图6所示，所述病害库搭建流程为：通过病害模型特征信息比较将病害分为一级病害、二级病害、三级病害；最后将病害三维模型对应地存入一级病害三维模型库、二级病害三维模型库、三级病害三维模型库。
具体地，所述病害历程报告生成流程为：对病害检测的历史数据进行分析，得到病害历程报告，其算法包括将每个桥墩每次检测的病害作为一个集合，提取这个集合内病害颜色、深度、尺寸、位置的特征信息；接着与前一次检测的病害库进行特征信息比对，标记新增病害；然后将前一次的病害特征信息与当年同一位置病害的特征信息比对，标出变化严重的病害；最后制作病害数量、病害平均尺寸、该年变化严重病害数量的数据图。
本实施例还提供了一种桥墩病害三维可视化的方法：
包括识别归类方法及病害三维模型矫正方法；
具体地，如图7所示，所述识别归类方法采用一种基于协方差描述符的目标识别算法，识别病害三维模型并将病害模型归类为裂纹和混凝土脱落，首先对获取的桥墩裂纹和混凝土脱落的点云滤波去噪，其次对点云进行提取大小、深度、体积、形状特征的提取，然后制作点云分类识别的训练及测试样本，利用基于径向基函数的支持向量机方法对训练样本进行学习，之后采用遗传算法对学习模型进行参数选优，最后采用扩展的特征向量的组合进行学习和目标识别。
具体地，如图8所示，所述的病害三维模型矫正方法为：对应病害类型矫正病害模型，即通过病害坐标实现该病害图像与该病害所有三维点云数据的对应，其次用矩形框限制病害图像上病害存在的区域，并确定矩形框的长宽(a,b),通过三维扫描仪上的标尺确定矩形框实际的长宽(A，B)，根据A，B及病害对应的坐标在桥墩三维模型上生成长方体边界，提取长方体内点的点云数据，根据图像识别得到的病害类型为其匹配相应病害类型的数据库，矫正模型，将矫正后的桥墩模型拼接，实现病害三维可视化。
具体地，如图9所示，病害模型对比分级实现的算法为：将扫描得到的病害与一二级界定标准病害比较其大小、尺寸、范围，若其大小、尺寸比一二级界定标准病害小，则该病害为一级病害；若其大小、尺寸比一二级界定标准病害大，则将该病害与二三级界定标准病害对比其大小、尺寸、范围；若其大小、尺寸、范围比二三级界定标准病害小，则为二级病害；若其大小、尺寸、范围比二三级界定标准病害大，则为三级病害。
具体地，如图10所示，所述一二级界定标准病害及二三级界定标准病害得到的方法为：收集关于桥墩裂纹，混凝土脱落病害的三维模型样本600个，通过对比其大小、尺寸、范围，将所有样本按其大小、尺寸、范围划分为为一级病害样本库，二级病害样本库，三级病害样本库，其中，一级病害样本库的病害，其大小、尺寸、范围最小，二级病害样本库的病害，其大小、尺寸、范围较大，三级病害样本库的病害，其大小、尺寸、范围最大；然后将一级病害库的病害样本与二级病害库的病害对比大小、尺寸、范围，得到介于一级病害库和二级病害库之间的10个病害样本，组成一二级界定标准病害，对比二级病害库的病害样本与三级病害库的病害样本的大小、尺寸、范围，得到介于一级病害库和二级病害库之间的10个病害样本，组成二三级界定标准病害。
具体地，所述的病害模型库是不同于病害模型样本库的，分为一级病害库，二级病害库，三级病害库，其病害模型数据都储存在桥墩信息管理平台中。
具体地，如图11所示，生成桥墩病害检测结果及病害历程报告的方法为：对病害检测的历史数据进行分析，得到病害历程报告，其算法包括将每个桥墩每次检测的病害作为一个集合，提取这个集合内病害颜色，深度，尺寸，位置的特征信息；接着与前一次检测的病害库进行特征信息比对，标记新增病害；然后将前一次的病害特征信息与当年同一位置病害的特征信息比对，标出变化严重的病害；最后制作病害数量、病害平均尺寸、该年变化严重病害数量的数据图。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案。

Claims (10)

1.一种基于3D可视化的桥墩病害检测装置，其特征在于，包括相互连接的桥墩检测机器人和桥墩综合信息管理平台；
所述桥墩综合信息管理平台包括：用户管理模块，用于信息输入及检测数据显示；信息储存模块，用于储存桥墩数据、病害库历史及更新数据、病害检测历史及更新数据；桥墩及病害信息管理模块，用于对桥墩信息、病害信息及病害库信息进行管理；数据处理及可视化模块，用于根据桥墩检测机器人上传的病害检测数据构建病害三维模型并识别归类病害，依据识别归类的病害类型矫正病害三维模型，将矫正后的病害三维模型与桥墩模型进行拼接和可视化显示；桥墩检测机器人管理模块，用于对桥墩检测机器人的自身工作参数进行管理；控制模块，用于根据输入的桥墩编号获取桥墩信息，根据桥墩检测机器人反馈的实时位置信息获取其在桥墩上的绝对位置，并将获取的绝对位置及桥墩信息传送至桥墩检测机器人；
所述桥墩检测机器人包括自主导航及避障系统，用于根据桥墩检测机器人在桥墩上的绝对位置及所处桥墩信息进行路径规划，同时感知障碍物信息进行路径重新规划；清扫装置，设置在桥墩检测机器人的下端面，用于根据控制装置输出的指令对桥墩表面进行清扫；病害检测装置，设置在桥墩检测机器人的前端面，用于根据控制装置输出的指令对桥墩检测面进行图像拍摄、三维扫描，并将拍摄图像及三维扫描数据发送至桥墩综合信息管理平台；吸附及运动装置，设置在桥墩检测机器人的相对两侧，用于根据控制装置输出的指令驱动桥墩检测机器人在桥墩表面进行移动或真空吸附，同时获取实时吸附压力并发送给控制装置；喷涂标识装置，用于根据控制装置输出的指令对检测到的病害进行喷涂标识；控制装置，用于控制吸附及运动装置按照规划路径工作，并控制清扫装置、病害检测装置执行清扫及病害检测工作。
2.根据权利要求1所述一种基于3D可视化的桥墩病害检测装置，其特征在于，所述病害检测装置包括：三维激光扫描仪，设置在桥墩检测机器人前端，用于在其行进过程中对桥墩检测面进行三维激光扫描；摄像头，设置在桥墩检测机器人前端右上方，用于在其行进过程中对桥墩检测面进行图像拍摄；GPRS模块，用于上传桥墩检测面的激光扫描信息、图像信息及桥墩检测机器人自身的参数信息；喷涂标识模块，设置在桥墩检测机器人后端，用于对病害区域进行喷涂标识。
3.根据权利要求1所述一种基于3D可视化的桥墩病害检测装置，其特征在于，所述吸附及运动装置包括两组吸附组件，两组吸附组件分设于机器人相对两侧且每组吸附组件包括两个吸盘，在切换工作面时，所述控制装置利用机械臂控制其中一个吸盘脱离原工作面而进入下一工作面，此时其他三个吸盘吸附于原工作面，对剩下的吸盘执行相同操作且每次切换一个吸盘，当一侧的吸附组件切换完毕，机器人四个机械臂控制机器人主体重心从前一个检测面转换到下一检测面，再继续另一侧吸盘组的切换，直至全部吸盘切换至下一工作面。
4.根据权利要求1所述一种基于3D可视化的桥墩病害检测装置，其特征在于，所述桥墩检测机器人的上端面还设有红外测距仪，用于获取桥墩检测机器人距离桥墩柱顶端的距离并将其传送至桥墩综合信息管理平台。
5.根据权利要求1所述一种基于3D可视化的桥墩病害检测装置，其特征在于，所述桥墩检测机器人的滚轮上设有角位移传感器，用于在检测过程中，实时获取滚轮的位移数据并依据该位移数据对桥墩检测机器人的位置信息进行校正。
6.根据权利要求1所述一种基于3D可视化的桥墩病害检测装置，其特征在于，所述数据处理及可视化模块通过逆向建模实现桥墩病害的三维可视化，进一步包括：识别归类方法及病害三维模型矫正方法；
所述识别归类方法采用一种基于协方差描述符的目标识别算法，提取三维病害信息包括深度、体积、颜色、形状、长宽比，将采集到的三维点云数据特征与二维病害图像结合共同进行深度学习，识别病害并将病害归类为横向裂缝、纵向裂缝、网状裂缝、混凝土脱落；
所述病害三维模型矫正方法为：基于激光扫描病害数据构建病害三维模型；对应病害类型矫正病害模型，即通过病害坐标实现该病害图像与该病害所有三维点云数据的对应，其次用矩形框限制病害图像上病害存在的区域，并确定矩形框的长宽(a,b),通过三维扫描仪上的标尺确定矩形框实际的长宽(A，B)，根据A，B及病害对应的坐标在桥墩三维模型上生成长方体边界，提取长方体内点的点云数据，根据图像识别得到的病害类型为其匹配相应病害类型的数据库，矫正模型，将矫正后的桥墩模型拼接，实现病害三维可视化。
7.根据权利要求1所述一种基于3D可视化的桥墩病害检测装置，其特征在于，所述桥墩及病害信息管理模块通过以下方法建立病害库：通过病害模型特征信息比较将病害分为一级病害、二级病害、三级病害，具体地，对于横向裂缝、纵向裂缝，第一比较标准为长度，对于网状裂缝、混凝土脱落，第一比较标准为面积；最后将病害三维模型对应病害类别存入横向裂缝一级、二级、三级病害模型库，纵向裂缝一级、二级、三级病害模型库，网状裂缝一级、二级、三级病害模型库，混凝土脱落一级、二级、三级病害模型库。
8.根据权利要求1所述一种基于3D可视化的桥墩病害检测装置，其特征在于，所述桥墩综合信息管理平台还包括病害历程报告模块，用于将每个桥墩每个检测的病害作为一个集合，提取该集合内病害颜色、深度、尺寸、位置的特征信息，与前一次检测病害库的病害位置信息进行比对，标记新增病害；以及，将前一次的病害特征信息与上次同一位置病害的特征信息进行比对，标出变化严重的病害，制作病害数量、病害评价尺寸及当年严重变化病害数量的数据图。
9.一种基于3D可视化的桥墩病害检测方法，采用权利要求1-8中任一项所述的装置实现，其特征在于，所述方法包括：
S1，桥墩检测机器人吸附于桥墩表面，获取自身距桥墩柱顶端的距离并上传至桥墩综合信息管理平台；
S2，桥墩综合信息管理平台基于接收到的距离，将机器人的三维模型投射到模拟的三维桥墩模型场景中，将机器人所在桥墩面默认为a面，若为圆柱形桥墩，则被检测桥墩面只有a面；若为矩形桥墩，则系统为桥墩其余各面依次标记为b,c,d面，得到桥墩检测机器人在桥墩上的绝对位置，并将该位置标为零点；
S3，桥墩综合信息管理平台获取桥墩编号，根据桥墩编号调取桥墩二维码以扫描获取桥墩信息，并将所述桥墩信息下发至桥墩检测机器人；
S4，桥墩检测机器人根据桥墩信息计算检测路径，若为圆柱形桥墩，则包括桥墩检测机器人沿桥墩轴向移动到桥墩端部时的沿桥墩周向的移动路程的规划；若为矩形桥墩，则包括规划桥墩面的检测顺序以及在每个桥墩面的检测路径；
S5，桥墩检测机器人基于绝对位置建立新的定位初始点，调整真空吸附参数后根据规划的检测路径开始检测，在检测过程中通过图像识别的同时利用三维点云数据对二维图像进行辅助判别病害，并通过喷涂方式标记病害。
10.根据权利要求9所述一种基于3D可视化的桥墩病害检测方法，其特征在于，所述方法还包括：
若判断未完成所有桥墩面的检测，则检测人员按照规划的桥墩面的检测顺序将机器人吸附在下一检测面，执行下一桥墩面的检测；若判断已完成所有桥墩面的检测，则桥墩检测机器人回到定位初始位置，检测人员回收装置。
CN202310116761.2A 2023-02-15 2023-02-15 一种基于3d可视化的桥墩病害检测装置及方法 Pending CN116183626A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310116761.2A CN116183626A (zh) 2023-02-15 2023-02-15 一种基于3d可视化的桥墩病害检测装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310116761.2A CN116183626A (zh) 2023-02-15 2023-02-15 一种基于3d可视化的桥墩病害检测装置及方法

Publications (1)

Publication Number Publication Date
CN116183626A true CN116183626A (zh) 2023-05-30

Family

ID=86439919

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310116761.2A Pending CN116183626A (zh) 2023-02-15 2023-02-15 一种基于3d可视化的桥墩病害检测装置及方法

Country Status (1)

Country Link
CN (1) CN116183626A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117036965A (zh) * 2023-10-08 2023-11-10 四川正路建设工程检测咨询有限公司 桥梁维修设备控制方法、电子设备和计算机可读介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117036965A (zh) * 2023-10-08 2023-11-10 四川正路建设工程检测咨询有限公司 桥梁维修设备控制方法、电子设备和计算机可读介质
CN117036965B (zh) * 2023-10-08 2024-01-05 四川正路建设工程检测咨询有限公司 桥梁维修设备控制方法、电子设备和计算机可读介质

Similar Documents

Publication Publication Date Title
KR101769284B1 (ko) 연계된 형태 쌍들을 사용하는 미확인 차량 회수
CN104203702B (zh) 检测车道标记
CN104714547B (zh) 带有相机的自主园林车辆
US11288526B2 (en) Method of collecting road sign information using mobile mapping system
US9062980B2 (en) Autonomous mobile system
EP3893074B1 (en) Localization method for mobile remote inspection and/or manipulation tools in confined spaces and associated system
US20180349746A1 (en) Top-View Lidar-Based Object Detection
CN104777835A (zh) 一种全向自动叉车及3d立体视觉导航定位方法
CN111531549A (zh) 一种机器人系统及定位导航方法
CN116183626A (zh) 一种基于3d可视化的桥墩病害检测装置及方法
Belter et al. Estimating terrain elevation maps from sparse and uncertain multi-sensor data
DE3741259A1 (de) Verfahren und vorrichtung zur autonomen steuerung eines fahrzeuges
CN107091643A (zh) 一种基于多台3d结构光相机拼接的室内导航方法
CN113532461B (zh) 一种机器人自主避障导航的方法、设备及存储介质
WO2020080088A1 (ja) 情報処理装置
CN112113568A (zh) 一种畜禽养殖场巡检机器人的位姿校正方法
CN113296501A (zh) 温室巡检机器人、温室环境立体监测系统及方法
CN214954692U (zh) 温室巡检机器人及温室环境立体监测系统
Fareh et al. An integrated vision-guided robotic system for rapid vehicle inspection
KR102249485B1 (ko) 로봇 자율주행 시스템 및 방법
CN115755888A (zh) 多传感器数据融合的agv障碍物检测系统及避障方法
CN110264020A (zh) 一种电动汽车充电控制系统及方法
CN113910265A (zh) 巡检机器人智能巡检方法及系统
Lourenço et al. A volumetric representation for obstacle detection in vegetated terrain
US20240161329A1 (en) Localization systems and methods

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