CN117421965A - 基于无人机技术的震后桥梁检测方法及系统 - Google Patents

基于无人机技术的震后桥梁检测方法及系统 Download PDF

Info

Publication number
CN117421965A
CN117421965A CN202311738657.3A CN202311738657A CN117421965A CN 117421965 A CN117421965 A CN 117421965A CN 202311738657 A CN202311738657 A CN 202311738657A CN 117421965 A CN117421965 A CN 117421965A
Authority
CN
China
Prior art keywords
bridge
earthquake
post
data
finite element
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
Application number
CN202311738657.3A
Other languages
English (en)
Other versions
CN117421965B (zh
Inventor
田志鹏
段隆焰
欧洋
汪建兵
黄世文
曾丹
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.)
Sichuan Institute of Building Research
Original Assignee
Sichuan Institute of Building Research
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 Sichuan Institute of Building Research filed Critical Sichuan Institute of Building Research
Priority to CN202311738657.3A priority Critical patent/CN117421965B/zh
Publication of CN117421965A publication Critical patent/CN117421965A/zh
Application granted granted Critical
Publication of CN117421965B publication Critical patent/CN117421965B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
    • G01M5/0008—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings of bridges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
    • G01M5/0066—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by exciting or detecting vibration or acceleration
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • 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
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/17—Terrestrial scenes taken from planes or by drones
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Multimedia (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Electromagnetism (AREA)
  • Bridges Or Land Bridges (AREA)

Abstract

本发明公开了基于无人机技术的震后桥梁检测方法及系统，应用于智能检测技术，方法包括：构建待检测桥梁的有限元模型；获取地震荷载谱；对有限元模型进行动力学加载计算，并获取感兴趣区域；通过无人机形成点云数据，并形成感兴趣图像；根据点云数据建立震后桥梁模型；形成比对数据和裂缝数据；根据比对数据和裂缝数据对待检测桥梁进行震后评估。本发明基于无人机技术的震后桥梁检测方法及系统，通过上述技术方案，可以快速的对震后桥梁进行检测评估，尤其是对长大桥梁来说，可以有效的规避大量的无效检测，实现对桥梁关键部位的精准检测，从而有效提高检测效率和检测精度，为震后交通线安全复通提供了有力支持。

Description

基于无人机技术的震后桥梁检测方法及系统
技术领域
本发明涉及智能检测技术，具体涉及基于无人机技术的震后桥梁检测方法及系统。
背景技术
地震可能导致桥梁结构损伤，进行震后检测可以及时发现并评估这些损伤，以确保结构的安全，这有助于保护人民的生命财产安全，特别是在交通要道上的桥梁，震后检测可以确保桥梁的交通功能得以快速恢复，从而维持正常的交通秩序和经济活动。为了保证震后对灾区的快速支援，需要对交通线上的桥梁进行快速的评估检测，以尽快提出加固方案，保证灾区救灾的时效性。
现有技术中，对建筑物的震后分析一般基于遥感图像进行，如申请号为202310055454 .8的中国专利公开了一种基于建筑物震害检测的极灾区快速判定方法及电子设备，通过结合高精细地理国情普查建筑物数据与震后无人机高分辨率遥感影像，并充分利用卷积神经网络强大的层次化特征学习能力和迁移性能，以建筑物震害检测为核心，从检测精度和检测时间两个角度，定位于快速判定，平衡检测精度和检测速度，构建出对应的建筑物震害检测模型，融合国情普查房屋建筑物数据提高震害检测的速度和效率，并借助于迁移学习将其应用于新发生地震，通过识别新发生地震震后遥感影像中的倒塌建筑物。其只能进行倒塌建筑物的识别，但是不能对桥梁的稳定性进行快速的分析和检测。
发明内容
为了至少克服现有技术中的上述不足，本申请的目的在于提供基于无人机技术的震后桥梁检测方法及系统。
第一方面，本申请实施例提供了基于无人机技术的震后桥梁检测方法，包括：
获取待检测桥梁的设计图纸，并根据所述设计图纸构建所述待检测桥梁的有限元模型；获取所述待检测桥梁经历的上一次地震的地震荷载谱；
对所述有限元模型进行静力学计算后，以所述地震荷载谱对所述有限元模型进行动力学加载计算，并获取所述有限元模型在所述地震荷载谱作用下应力峰值大于预设值的区域作为感兴趣区域；
通过无人机携带的激光雷达对所述待检测桥梁进行扫描，形成点云数据，并通过所述无人机携带的摄像头对所述感兴趣区域进行拍摄，形成感兴趣图像；
根据所述点云数据建立震后桥梁模型；
将所述震后桥梁模型与所述有限元模型进行比对形成比对数据，并根据所述点云数据对所述感兴趣图像进行图像识别形成裂缝数据；
根据所述比对数据和所述裂缝数据对所述待检测桥梁进行震后评估。
本申请实施例实施时，为了可以快速的对桥梁进行评估，需要针对性的获取相关数据，所以本申请实施例先基于待检测桥梁的设计图纸进行有限元模型的构建。目前主要用于桥梁结构计算的有限元软件，如midas等，其提供的大量通用构件可以使得桥梁建模非常快速的实现。同时，由于是震后桥梁检测，所以需要获取该次地震的地震荷载谱，即上一次地震的地震荷载谱，以用于向有限元模型进行动力加载。
在本申请实施例中，需要先进行有限元模型的静力学计算以获取相应的初始状态，再进行动力学加载计算以寻找感兴趣区域，应当理解的是，地震荷载谱的加载应当符合震源方向，以契合实际条件。本申请实施例中所指的感兴趣区域是指可能在表面存在裂缝的区域，其判断标准为一定范围内存在应力峰值大于预设值的区域。
在本申请实施例中，在已经获取了感兴趣区域的基础上，需要通过无人机对待检测桥梁进行相应的数据采集。其中一组数据为点云数据，其可以通过无人机携带激光雷达进行采集，而另一组数据为感兴趣区域的图像采集，由于在拍摄前就已经确定了需要进行拍摄的区域，所以可以极大的减少拍摄量和后续的裂缝识别的计算量。在本申请实施例中，通过比对数据可以判断桥梁不同部位的位移和变形情况，而通过裂缝数据可以判断震后桥梁的裂缝产生和发展情况，基于上述数据即可进行震后评估。本申请实施例通过上述技术方案，可以快速的对震后桥梁进行检测评估，尤其是对长大桥梁来说，可以有效的规避大量的无效检测，实现对桥梁关键部位的精准检测，从而有效提高检测效率和检测精度，为震后交通线安全复通提供了有力支持。
在一种可能的实现方式中，获取所述有限元模型在所述地震荷载谱作用下应力峰值大于预设值的区域作为感兴趣区域包括：
获取所述有限元模型应力峰值大于预设值的单元作为危险单元，并根据所述有限元模型的材料属性计算应力影响半径；
以所述危险单元为圆心构建应力影响区域，所述应力影响区域的半径小于或等于所述应力影响半径；
选取所述应力影响区域覆盖所述有限元模型外表面的区域作为感兴趣区域。
在一种可能的实现方式中，将所述震后桥梁模型与所述有限元模型进行比对形成比对数据包括：
获取所述待检测桥梁需要进行检测的关键部位，并从所述有限元模型中获取所述关键部位的空间位置和空间尺寸作为基准数据；所述关键部位包括柱身、墩身、桥台、支座、拱圈、横梁、纵梁和柱脚中的至少一种；
从所述震后桥梁模型中获取所述关键部位的空间位置和空间尺寸作为实际数据；
根据所述实际数据和所述基准数据的差异计算所述关键部位的变形数据和位移数据作为所述比对数据。
在一种可能的实现方式中，根据所述点云数据对所述感兴趣图像进行图像识别形成裂缝数据包括：
对所述感兴趣图像进行边缘检测识别出疑似裂缝；
对所述疑似裂缝进行人工甄别识别出准确裂缝；
如果所述准确裂缝延伸至所述感兴趣图像的边缘，则通过所述无人机携带的摄像头沿该准确裂缝的延伸方向再拍摄新的感兴趣图像并识别新的准确裂缝，直至所有准确裂缝被完整拍摄；
将所有所述准确裂缝作为所述裂缝数据。
在一种可能的实现方式中，对所述感兴趣图像进行边缘检测识别出疑似裂缝包括：
将所述感兴趣图像进行灰度处理形成灰度图像，并获取该灰度图像像素值的平均值；
根据所述平均值在预设的色差表中找出匹配于所述平均值的色差值；所述色差表为像素值和色差值的对应关系；
根据所述色差值对所述感兴趣图像进行边缘检测找出色差大于所述色差值且长度大于预设值的线条作为所述疑似裂缝。
第二方面，本申请实施例公开了基于无人机技术的震后桥梁检测系统，包括：
获取单元，被配置为获取待检测桥梁的设计图纸，并根据所述设计图纸构建所述待检测桥梁的有限元模型；获取所述待检测桥梁经历的上一次地震的地震荷载谱；
计算单元，被配置为对所述有限元模型进行静力学计算后，以所述地震荷载谱对所述有限元模型进行动力学加载计算，并获取所述有限元模型在所述地震荷载谱作用下应力峰值大于预设值的区域作为感兴趣区域；
扫描单元，被配置为通过无人机携带的激光雷达对所述待检测桥梁进行扫描，形成点云数据，并通过所述无人机携带的摄像头对所述感兴趣区域进行拍摄，形成感兴趣图像；
建模单元，被配置为根据所述点云数据建立震后桥梁模型；
识别单元，被配置为将所述震后桥梁模型与所述有限元模型进行比对形成比对数据，并根据所述点云数据对所述感兴趣图像进行图像识别形成裂缝数据；
评估单元，被配置为根据所述比对数据和所述裂缝数据对所述待检测桥梁进行震后评估。
在一种可能的实现方式中，所述计算单元还被配置为：
获取所述有限元模型应力峰值大于预设值的单元作为危险单元，并根据所述有限元模型的材料属性计算应力影响半径；
以所述危险单元为圆心构建应力影响区域，所述应力影响区域的半径小于或等于所述应力影响半径；
选取所述应力影响区域覆盖所述有限元模型外表面的区域作为感兴趣区域。
在一种可能的实现方式中，所述识别单元还被配置为：
获取所述待检测桥梁需要进行检测的关键部位，并从所述有限元模型中获取所述关键部位的空间位置和空间尺寸作为基准数据；所述关键部位包括柱身、墩身、桥台、支座、拱圈、横梁、纵梁和柱脚中的至少一种；
从所述震后桥梁模型中获取所述关键部位的空间位置和空间尺寸作为实际数据；
根据所述实际数据和所述基准数据的差异计算所述关键部位的变形数据和位移数据作为所述比对数据。
在一种可能的实现方式中，所述识别单元还被配置为：
对所述感兴趣图像进行边缘检测识别出疑似裂缝；
对所述疑似裂缝进行人工甄别识别出准确裂缝；
如果所述准确裂缝延伸至所述感兴趣图像的边缘，则通过所述无人机携带的摄像头沿该准确裂缝的延伸方向再拍摄新的感兴趣图像并识别新的准确裂缝，直至所有准确裂缝被完整拍摄；
将所有所述准确裂缝作为所述裂缝数据。
在一种可能的实现方式中，所述识别单元还被配置为：
将所述感兴趣图像进行灰度处理形成灰度图像，并获取该灰度图像像素值的平均值；
根据所述平均值在预设的色差表中找出匹配于所述平均值的色差值；所述色差表为像素值和色差值的对应关系；
根据所述色差值对所述感兴趣图像进行边缘检测找出色差大于所述色差值且长度大于预设值的线条作为所述疑似裂缝。
本发明与现有技术相比，具有如下的优点和有益效果：
本发明基于无人机技术的震后桥梁检测方法及系统，通过上述技术方案，可以快速的对震后桥梁进行检测评估，尤其是对长大桥梁来说，可以有效的规避大量的无效检测，实现对桥梁关键部位的精准检测，从而有效提高检测效率和检测精度，为震后交通线安全复通提供了有力支持。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本申请实施例方法步骤示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解，本申请中附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请实施例的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其它操作，也可以从流程图中移除一个或多个操作。
另外，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例，都属于本申请保护的范围。
请结合参阅图1，为本发明实施例所提供的基于无人机技术的震后桥梁检测方法的流程示意图，进一步地，所述基于无人机技术的震后桥梁检测方法具体可以包括以下步骤S1-步骤S6所描述的内容。
S1：获取待检测桥梁的设计图纸，并根据所述设计图纸构建所述待检测桥梁的有限元模型；获取所述待检测桥梁经历的上一次地震的地震荷载谱；
S2：对所述有限元模型进行静力学计算后，以所述地震荷载谱对所述有限元模型进行动力学加载计算，并获取所述有限元模型在所述地震荷载谱作用下应力峰值大于预设值的区域作为感兴趣区域；
S3：通过无人机携带的激光雷达对所述待检测桥梁进行扫描，形成点云数据，并通过所述无人机携带的摄像头对所述感兴趣区域进行拍摄，形成感兴趣图像；
S4：根据所述点云数据建立震后桥梁模型；
S5：将所述震后桥梁模型与所述有限元模型进行比对形成比对数据，并根据所述点云数据对所述感兴趣图像进行图像识别形成裂缝数据；
S6：根据所述比对数据和所述裂缝数据对所述待检测桥梁进行震后评估。
本申请实施例实施时，为了可以快速的对桥梁进行评估，需要针对性的获取相关数据，所以本申请实施例先基于待检测桥梁的设计图纸进行有限元模型的构建。目前主要用于桥梁结构计算的有限元软件，如midas等，其提供的大量通用构件可以使得桥梁建模非常快速的实现。同时，由于是震后桥梁检测，所以需要获取该次地震的地震荷载谱，即上一次地震的地震荷载谱，以用于向有限元模型进行动力加载。
在本申请实施例中，需要先进行有限元模型的静力学计算以获取相应的初始状态，再进行动力学加载计算以寻找感兴趣区域，应当理解的是，地震荷载谱的加载应当符合震源方向，以契合实际条件。本申请实施例中所指的感兴趣区域是指可能在表面存在裂缝的区域，其判断标准为一定范围内存在应力峰值大于预设值的区域。
在本申请实施例中，在已经获取了感兴趣区域的基础上，需要通过无人机对待检测桥梁进行相应的数据采集。其中一组数据为点云数据，其可以通过无人机携带激光雷达进行采集，而另一组数据为感兴趣区域的图像采集，由于在拍摄前就已经确定了需要进行拍摄的区域，所以可以极大的减少拍摄量和后续的裂缝识别的计算量。在本申请实施例中，通过比对数据可以判断桥梁不同部位的位移和变形情况，而通过裂缝数据可以判断震后桥梁的裂缝产生和发展情况，基于上述数据即可进行震后评估。本申请实施例通过上述技术方案，可以快速的对震后桥梁进行检测评估，尤其是对长大桥梁来说，可以有效的规避大量的无效检测，实现对桥梁关键部位的精准检测，从而有效提高检测效率和检测精度，为震后交通线安全复通提供了有力支持。
在一种可能的实现方式中，获取所述有限元模型在所述地震荷载谱作用下应力峰值大于预设值的区域作为感兴趣区域包括：
获取所述有限元模型应力峰值大于预设值的单元作为危险单元，并根据所述有限元模型的材料属性计算应力影响半径；
以所述危险单元为圆心构建应力影响区域，所述应力影响区域的半径小于或等于所述应力影响半径；
选取所述应力影响区域覆盖所述有限元模型外表面的区域作为感兴趣区域。
本申请实施例实施时，对于长大桥梁来说，通过无人机对每一个位置都进行拍摄检测需要大量时间成本，所以在本申请实施例中通过筛选感兴趣区域的方式进行拍摄可以极大的减少时间成本。其中感兴趣区域的计算可以根据有限元模型的动力计算结果实现；基于钢筋混凝土和钢材等材料的损伤理论，一般认为损伤会在应力过大处发生并在一定范围内进行发展，由于有限元计算一般难以对损伤进行直接模拟，所以选取危险单元后，可以选择对应的应力影响半径，应力影响半径与材料属性有关。示例的，可以选定一个区域内集中在一起的危险单元形成危险单元集合，再计算危险单元集合的半径；再以危险单元集合的半径的三倍作为应力影响半径。通过这种方式可以大致的分析出损伤可能会出现在桥梁的哪些表面，进而进行更为准确的有目的性的图像采集，提高图像采集效率。
在一种可能的实现方式中，将所述震后桥梁模型与所述有限元模型进行比对形成比对数据包括：
获取所述待检测桥梁需要进行检测的关键部位，并从所述有限元模型中获取所述关键部位的空间位置和空间尺寸作为基准数据；所述关键部位包括柱身、墩身、桥台、支座、拱圈、横梁、纵梁和柱脚中的至少一种；
从所述震后桥梁模型中获取所述关键部位的空间位置和空间尺寸作为实际数据；
根据所述实际数据和所述基准数据的差异计算所述关键部位的变形数据和位移数据作为所述比对数据。
本申请实施例实施时，变形和位移量是进行结构可靠性评价的重要指标，所以需要将关键部位的位移和变形数据进行获取以减少整体数据获取的运算压力，通过与基准数据的比对，可以计算出关键部位的变形数据和位移数据作为所述比对数据为评估提供数据依据。
在一种可能的实现方式中，根据所述点云数据对所述感兴趣图像进行图像识别形成裂缝数据包括：
对所述感兴趣图像进行边缘检测识别出疑似裂缝；
对所述疑似裂缝进行人工甄别识别出准确裂缝；
如果所述准确裂缝延伸至所述感兴趣图像的边缘，则通过所述无人机携带的摄像头沿该准确裂缝的延伸方向再拍摄新的感兴趣图像并识别新的准确裂缝，直至所有准确裂缝被完整拍摄；
将所有所述准确裂缝作为所述裂缝数据。
本申请实施例实施时，由于有限元模型计算是缺乏损伤模拟能力的，即不易模拟出损伤发生以后结构的变化情况，所以裂缝的发展在有限元模拟中是难以复现的，基于此，对于裂缝的识别本申请通过数据补充的方式进行进一步的甄别。其中准确裂缝是被呈现在感兴趣图像中并人工确认过的裂缝，如果该裂缝延伸到了感兴趣图像边缘，说明该裂缝的发展已经超过了当前的拍摄范围，需要进行补拍。通过多次的循环补拍，可以实现裂缝数据的补全。
在一种可能的实现方式中，对所述感兴趣图像进行边缘检测识别出疑似裂缝包括：
将所述感兴趣图像进行灰度处理形成灰度图像，并获取该灰度图像像素值的平均值；
根据所述平均值在预设的色差表中找出匹配于所述平均值的色差值；所述色差表为像素值和色差值的对应关系；
根据所述色差值对所述感兴趣图像进行边缘检测找出色差大于所述色差值且长度大于预设值的线条作为所述疑似裂缝。
本申请实施例实施时，在进行裂缝自动识别时，即边缘检测的过程中，由于长大桥梁不同部位受到养护条件和后期侵蚀光照等因素的影响不同，表面会呈现不同的颜色；同时不同部位在感兴趣图像拍摄时的光照环境也是不同的，所以通过统一的色差标准进行识别时误报率很高。所以本申请预先设置了色差表，色差表是一张图像中灰度平均值和裂缝色差的对应关系，其可以在实验室等各种环境中获取建立。通过这种方式可以有效的提高裂缝的检测精度。
基于同样的发明构思，还提供了基于无人机技术的震后桥梁检测系统，包括：
获取单元，被配置为获取待检测桥梁的设计图纸，并根据所述设计图纸构建所述待检测桥梁的有限元模型；获取所述待检测桥梁经历的上一次地震的地震荷载谱；
计算单元，被配置为对所述有限元模型进行静力学计算后，以所述地震荷载谱对所述有限元模型进行动力学加载计算，并获取所述有限元模型在所述地震荷载谱作用下应力峰值大于预设值的区域作为感兴趣区域；
扫描单元，被配置为通过无人机携带的激光雷达对所述待检测桥梁进行扫描，形成点云数据，并通过所述无人机携带的摄像头对所述感兴趣区域进行拍摄，形成感兴趣图像；
建模单元，被配置为根据所述点云数据建立震后桥梁模型；
识别单元，被配置为将所述震后桥梁模型与所述有限元模型进行比对形成比对数据，并根据所述点云数据对所述感兴趣图像进行图像识别形成裂缝数据；
评估单元，被配置为根据所述比对数据和所述裂缝数据对所述待检测桥梁进行震后评估。
在一种可能的实现方式中，所述计算单元还被配置为：
获取所述有限元模型应力峰值大于预设值的单元作为危险单元，并根据所述有限元模型的材料属性计算应力影响半径；
以所述危险单元为圆心构建应力影响区域，所述应力影响区域的半径小于或等于所述应力影响半径；
选取所述应力影响区域覆盖所述有限元模型外表面的区域作为感兴趣区域。
在一种可能的实现方式中，所述识别单元还被配置为：
获取所述待检测桥梁需要进行检测的关键部位，并从所述有限元模型中获取所述关键部位的空间位置和空间尺寸作为基准数据；所述关键部位包括柱身、墩身、桥台、支座、拱圈、横梁、纵梁和柱脚中的至少一种；
从所述震后桥梁模型中获取所述关键部位的空间位置和空间尺寸作为实际数据；
根据所述实际数据和所述基准数据的差异计算所述关键部位的变形数据和位移数据作为所述比对数据。
在一种可能的实现方式中，所述识别单元还被配置为：
对所述感兴趣图像进行边缘检测识别出疑似裂缝；
对所述疑似裂缝进行人工甄别识别出准确裂缝；
如果所述准确裂缝延伸至所述感兴趣图像的边缘，则通过所述无人机携带的摄像头沿该准确裂缝的延伸方向再拍摄新的感兴趣图像并识别新的准确裂缝，直至所有准确裂缝被完整拍摄；
将所有所述准确裂缝作为所述裂缝数据。
在一种可能的实现方式中，所述识别单元还被配置为：
将所述感兴趣图像进行灰度处理形成灰度图像，并获取该灰度图像像素值的平均值；
根据所述平均值在预设的色差表中找出匹配于所述平均值的色差值；所述色差表为像素值和色差值的对应关系；
根据所述色差值对所述感兴趣图像进行边缘检测找出色差大于所述色差值且长度大于预设值的线条作为所述疑似裂缝。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显然本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网格设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.基于无人机技术的震后桥梁检测方法，其特征在于，包括：
获取待检测桥梁的设计图纸，并根据所述设计图纸构建所述待检测桥梁的有限元模型；获取所述待检测桥梁经历的上一次地震的地震荷载谱；
对所述有限元模型进行静力学计算后，以所述地震荷载谱对所述有限元模型进行动力学加载计算，并获取所述有限元模型在所述地震荷载谱作用下应力峰值大于预设值的区域作为感兴趣区域；
通过无人机携带的激光雷达对所述待检测桥梁进行扫描，形成点云数据，并通过所述无人机携带的摄像头对所述感兴趣区域进行拍摄，形成感兴趣图像；
根据所述点云数据建立震后桥梁模型；
将所述震后桥梁模型与所述有限元模型进行比对形成比对数据，并根据所述点云数据对所述感兴趣图像进行图像识别形成裂缝数据；
根据所述比对数据和所述裂缝数据对所述待检测桥梁进行震后评估。
2.根据权利要求1所述的基于无人机技术的震后桥梁检测方法，其特征在于，获取所述有限元模型在所述地震荷载谱作用下应力峰值大于预设值的区域作为感兴趣区域包括：
获取所述有限元模型应力峰值大于预设值的单元作为危险单元，并根据所述有限元模型的材料属性计算应力影响半径；
以所述危险单元为圆心构建应力影响区域，所述应力影响区域的半径小于或等于所述应力影响半径；
选取所述应力影响区域覆盖所述有限元模型外表面的区域作为感兴趣区域。
3.根据权利要求1所述的基于无人机技术的震后桥梁检测方法，其特征在于，将所述震后桥梁模型与所述有限元模型进行比对形成比对数据包括：
获取所述待检测桥梁需要进行检测的关键部位，并从所述有限元模型中获取所述关键部位的空间位置和空间尺寸作为基准数据；所述关键部位包括柱身、墩身、桥台、支座、拱圈、横梁、纵梁和柱脚中的至少一种；
从所述震后桥梁模型中获取所述关键部位的空间位置和空间尺寸作为实际数据；
根据所述实际数据和所述基准数据的差异计算所述关键部位的变形数据和位移数据作为所述比对数据。
4.根据权利要求1所述的基于无人机技术的震后桥梁检测方法，其特征在于，根据所述点云数据对所述感兴趣图像进行图像识别形成裂缝数据包括：
对所述感兴趣图像进行边缘检测识别出疑似裂缝；
对所述疑似裂缝进行人工甄别识别出准确裂缝；
如果所述准确裂缝延伸至所述感兴趣图像的边缘，则通过所述无人机携带的摄像头沿该准确裂缝的延伸方向再拍摄新的感兴趣图像并识别新的准确裂缝，直至所有准确裂缝被完整拍摄；
将所有所述准确裂缝作为所述裂缝数据。
5.根据权利要求4所述的基于无人机技术的震后桥梁检测方法，其特征在于，对所述感兴趣图像进行边缘检测识别出疑似裂缝包括：
将所述感兴趣图像进行灰度处理形成灰度图像，并获取该灰度图像像素值的平均值；
根据所述平均值在预设的色差表中找出匹配于所述平均值的色差值；所述色差表为像素值和色差值的对应关系；
根据所述色差值对所述感兴趣图像进行边缘检测找出色差大于所述色差值且长度大于预设值的线条作为所述疑似裂缝。
6.使用权利要求1~5任意一项所述方法的基于无人机技术的震后桥梁检测系统，其特征在于，包括：
获取单元，被配置为获取待检测桥梁的设计图纸，并根据所述设计图纸构建所述待检测桥梁的有限元模型；获取所述待检测桥梁经历的上一次地震的地震荷载谱；
计算单元，被配置为对所述有限元模型进行静力学计算后，以所述地震荷载谱对所述有限元模型进行动力学加载计算，并获取所述有限元模型在所述地震荷载谱作用下应力峰值大于预设值的区域作为感兴趣区域；
扫描单元，被配置为通过无人机携带的激光雷达对所述待检测桥梁进行扫描，形成点云数据，并通过所述无人机携带的摄像头对所述感兴趣区域进行拍摄，形成感兴趣图像；
建模单元，被配置为根据所述点云数据建立震后桥梁模型；
识别单元，被配置为将所述震后桥梁模型与所述有限元模型进行比对形成比对数据，并根据所述点云数据对所述感兴趣图像进行图像识别形成裂缝数据；
评估单元，被配置为根据所述比对数据和所述裂缝数据对所述待检测桥梁进行震后评估。
7.根据权利要求6所述的基于无人机技术的震后桥梁检测系统，其特征在于，所述计算单元还被配置为：
获取所述有限元模型应力峰值大于预设值的单元作为危险单元，并根据所述有限元模型的材料属性计算应力影响半径；
以所述危险单元为圆心构建应力影响区域，所述应力影响区域的半径小于或等于所述应力影响半径；
选取所述应力影响区域覆盖所述有限元模型外表面的区域作为感兴趣区域。
8.根据权利要求6所述的基于无人机技术的震后桥梁检测系统，其特征在于，所述识别单元还被配置为：
获取所述待检测桥梁需要进行检测的关键部位，并从所述有限元模型中获取所述关键部位的空间位置和空间尺寸作为基准数据；所述关键部位包括柱身、墩身、桥台、支座、拱圈、横梁、纵梁和柱脚中的至少一种；
从所述震后桥梁模型中获取所述关键部位的空间位置和空间尺寸作为实际数据；
根据所述实际数据和所述基准数据的差异计算所述关键部位的变形数据和位移数据作为所述比对数据。
9.根据权利要求6所述的基于无人机技术的震后桥梁检测系统，其特征在于，所述识别单元还被配置为：
对所述感兴趣图像进行边缘检测识别出疑似裂缝；
对所述疑似裂缝进行人工甄别识别出准确裂缝；
如果所述准确裂缝延伸至所述感兴趣图像的边缘，则通过所述无人机携带的摄像头沿该准确裂缝的延伸方向再拍摄新的感兴趣图像并识别新的准确裂缝，直至所有准确裂缝被完整拍摄；
将所有所述准确裂缝作为所述裂缝数据。
10.根据权利要求9所述的基于无人机技术的震后桥梁检测系统，其特征在于，所述识别单元还被配置为：
将所述感兴趣图像进行灰度处理形成灰度图像，并获取该灰度图像像素值的平均值；
根据所述平均值在预设的色差表中找出匹配于所述平均值的色差值；所述色差表为像素值和色差值的对应关系；
根据所述色差值对所述感兴趣图像进行边缘检测找出色差大于所述色差值且长度大于预设值的线条作为所述疑似裂缝。
CN202311738657.3A 2023-12-18 2023-12-18 基于无人机技术的震后桥梁检测方法及系统 Active CN117421965B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311738657.3A CN117421965B (zh) 2023-12-18 2023-12-18 基于无人机技术的震后桥梁检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311738657.3A CN117421965B (zh) 2023-12-18 2023-12-18 基于无人机技术的震后桥梁检测方法及系统

Publications (2)

Publication Number Publication Date
CN117421965A true CN117421965A (zh) 2024-01-19
CN117421965B CN117421965B (zh) 2024-02-13

Family

ID=89523367

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311738657.3A Active CN117421965B (zh) 2023-12-18 2023-12-18 基于无人机技术的震后桥梁检测方法及系统

Country Status (1)

Country Link
CN (1) CN117421965B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016149823A1 (en) * 2015-03-23 2016-09-29 Mirshafiei Farshad Seismic response assessment of man-made structures
CN111368476A (zh) * 2020-03-05 2020-07-03 中南大学 近断层地震作用下高铁桥梁-轨道系统适用性评价方法
CN113971300A (zh) * 2020-07-22 2022-01-25 上海禅净数字技术有限公司 一种桥梁维修改造信息可视化方法
CN116384180A (zh) * 2023-03-13 2023-07-04 武汉理工大学 一种基于cdp模型的空腹式连续刚构桥开裂分析方法
CN116894364A (zh) * 2023-07-20 2023-10-17 中南大学 一种高速铁路轨道桥梁系统的震后损伤快速预测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016149823A1 (en) * 2015-03-23 2016-09-29 Mirshafiei Farshad Seismic response assessment of man-made structures
CN111368476A (zh) * 2020-03-05 2020-07-03 中南大学 近断层地震作用下高铁桥梁-轨道系统适用性评价方法
CN113971300A (zh) * 2020-07-22 2022-01-25 上海禅净数字技术有限公司 一种桥梁维修改造信息可视化方法
CN116384180A (zh) * 2023-03-13 2023-07-04 武汉理工大学 一种基于cdp模型的空腹式连续刚构桥开裂分析方法
CN116894364A (zh) * 2023-07-20 2023-10-17 中南大学 一种高速铁路轨道桥梁系统的震后损伤快速预测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ALP CANER等: ""Successful Seismic Performance of Bridges after Sivrice Earthquake"", 《JOURNAL OF PERFORMANCE OF CONSTRUCTED FACILITIES》, vol. 35, no. 4, 6 May 2021 (2021-05-06) *
关新 等: ""地震随机载荷作用下风力机整体振动非线性特性研究"", 《沈阳工程学院学报（自然科学版）》, vol. 17, no. 2, 15 April 2021 (2021-04-15), pages 1 - 5 *
罗梓桐 等: ""一种室外电梯L形空心钢柱受力性能分析"", 《建筑安全》, vol. 37, no. 5, 5 May 2022 (2022-05-05), pages 33 - 36 *

Also Published As

Publication number Publication date
CN117421965B (zh) 2024-02-13

Similar Documents

Publication Publication Date Title
Kim et al. Automated bridge component recognition from point clouds using deep learning
Akagic et al. Pothole detection: An efficient vision based method using rgb color space image segmentation
German et al. Rapid entropy-based detection and properties measurement of concrete spalling with machine vision for post-earthquake safety assessments
CN113252700B (zh) 一种结构裂缝检测方法、设备及系统
Jeong et al. Literature review and technical survey on bridge inspection using unmanned aerial vehicles
CN112884747B (zh) 一种融合循环残差卷积与上下文提取器网络的自动桥梁裂缝检测系统
CN114705689A (zh) 一种基于无人机的建筑物外立面裂缝检测方法及系统
Sánchez‐Rodríguez et al. Detection of structural faults in piers of masonry arch bridges through automated processing of laser scanning data
Kung et al. Application of deep learning and unmanned aerial vehicle on building maintenance
Dai et al. Surface damage quantification of postearthquake building based on terrestrial laser scan data
Rivera et al. Automated detection and measurement of cracks in reinforced concrete components
CN110852001A (zh) 一种基于图像处理的桥梁结构安全评估方法
Jayasundara et al. Locating and quantifying damage in deck type arch bridges using frequency response functions and artificial neural networks
KR102713576B1 (ko) 이미지 데이터를 활용한 조적조 건축물의 하이브리드 손상평가 시스템 및 그 방법
Bai et al. Deep cascaded neural networks for automatic detection of structural damage and cracks from images
CN114792024A (zh) 一种基于bim模型的建筑物安全巡查系统及方法
CN117421965B (zh) 基于无人机技术的震后桥梁检测方法及系统
CN117745713A (zh) 基于图像处理的护坡结构变形检测方法和系统
CN111709944A (zh) 一种基于数字化图像异常识别的桥隧结构裂缝监测方法
CN111563888A (zh) 一种定量裂缝生长监测方法
KR102467853B1 (ko) 컴퓨터 판독 가능한 기록매체에 저장되어 구조물의 크랙 측정 및 관리 방법을 수행하기 위한 컴퓨터 프로그램과 이를 이용하여 크랙 측정 및 관리용 시스템
JP7174601B2 (ja) 天端面段差抽出システム、及び天端面段差抽出方法
CN117523470B (zh) 一种钢结构疲劳裂缝识别方法及系统
CN116797407B (zh) 一种室外建筑场地施工管理方法及系统
He et al. Vision‐Based Dynamic Displacement Measurement of Isolation Bearing

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