CN118134929A - 一种基于无人机图像采集的桥梁工程异常检测方法 - Google Patents

Abstract

本发明公开了一种基于无人机图像采集的桥梁工程异常检测方法，涉及图像处理技术领域，包括：根据桥梁的历史数据进行分析计算处理，获取桥梁图像的平均像素值和实际位移数据；采用无人机对桥梁进行图像采集，获取桥梁实时图像；根据分析结果对桥梁进行异常排除。本发明通过无人机采集桥梁的图像，以及读取桥梁的历史数据，对采集的图像和历史数据进行二值化处理，获取灰度图像和深度灰度图像，对灰度图像和深度灰度图像进行计算，根据不同时刻的图像进行对比，根据对比结果判断桥梁是否出现异常，再通过人工对异常点进行检测排除，缩短了桥梁异常排查周期，此外，还降低了工人的工作强度，降低了工人受到伤害的概率。

Description

一种基于无人机图像采集的桥梁工程异常检测方法

技术领域

本发明涉及图像处理技术领域，具体是涉及一种基于无人机图像采集的桥梁工程异常检测方法。

背景技术

桥梁作为关键的交通基础设施，对于维护交通运输的畅通与安全发挥着至关重要的作用。由于桥梁在日常使用过程中需承受各种负载、环境侵蚀和材料老化等多重影响，定期对其进行详细检查和维护显得尤为重要。

现有的桥梁异常检测是采用人工缓慢排查，当桥梁过长时，人工排查周期过长，增加了工人的工作强度，此外，桥梁常架设于危险的位置，工人在排查时可能会受到伤害。

发明内容

为解决上述技术问题，提供一种基于无人机图像采集的桥梁工程异常检测方法，本技术方案解决了上述背景技术中提出的现有的桥梁异常检测是采用人工缓慢排查，当桥梁过长时，人工排查周期过长，增加了工人的工作强度，此外，桥梁常架设于危险的位置，工人在排查时可能会受到伤害的问题。

为达到以上目的，本发明采用的技术方案为：

一种基于无人机图像采集的桥梁工程异常检测方法，包括：

获取桥梁的历史数据；其中，所述桥梁的历史数据包括桥梁开始通行的原始图像、原始深度图像、桥梁通行后天气状况和桥梁通行天数；

根据桥梁的历史数据进行分析计算处理，获取桥梁图像的平均像素值和实际位移数据；

采用无人机对桥梁进行图像采集，获取桥梁实时图像；其中，所述桥梁实时图像包括桥梁实时原始图像、桥梁实时深度图像；

根据桥梁实时图像进行分析计算处理，获取桥梁实时原始图像的平均像素值和实时位移数据；

根据桥梁实时图像的平均像素值和实时位移数据进行分析处理，获取分析结果；

根据分析结果对桥梁进行异常排除。

优选的，所述根据桥梁的历史数据进行分析计算处理，获取桥梁图像的平均像素值和实际位移数据具体包括如下步骤：

根据桥梁开始通行的原始图像、原始深度图像进行剪切处理，获取桥梁图像、桥梁深度图像；

根据桥梁图像、桥梁深度图像进行二值化处理，获取原始灰度图像、含有深度信息的灰度图像；

对原始灰度图像进行遍历计算处理，获取桥梁图像的平均像素值；

根据含有深度信息的灰度图像进行读取处理，获取深度像素值；

对深度像素值进行转换处理，获取实际位移数据。

优选的，所述对原始灰度图像进行遍历计算处理，获取桥梁图像的平均像素值具体包括如下步骤：

根据原始灰度图像进行遍历处理，获取图像像素值；

根据图像像素值进行求和计算处理，获取图像总像素值；

根据图像总像素值进行平均计算处理，获取桥梁图像的平均像素值。

优选的，所述对深度像素值进行转换处理，获取实际位移数据具体包括如下步骤：

获取原始灰度图像拍摄设备的参数数据；其中，所述参数数据包括焦距数据、视场角数据；

获取原始灰度图像拍摄设备的类型，获取原始灰度图像的编码方式；

根据参数数据和编码方式对深度像素值进行转换处理，获取实际位移数据。

优选的，所述采用无人机对桥梁进行图像采集，获取桥梁实时图像具体包括如下步骤：

获取桥梁开始通行的原始图像拍摄设备的参数数据，对无人机的拍摄设备进行参数调整；

获取桥梁开始通行的原始图像的拍摄位置，控制无人机在相同位置对桥梁进行拍摄，获取桥梁实时图像。

优选的，所述根据桥梁实时图像进行分析计算处理，获取桥梁实时原始图像的平均像素值和实时位移数据的具体包括如下步骤：

获取桥梁图像、桥梁深度图像剪切设备的参数数据；

根据剪切设备的参数数据对桥梁实时原始图像、桥梁实时深度图像进行剪切处理，获取桥梁实时图像、桥梁实时深度图像；

根据桥梁实时图像、桥梁实时深度图像进行二值化处理，获取实时灰度图像、含有实时深度信息的灰度图像；

对实时灰度图像进行遍历计算处理，获取桥梁实时原始图像的平均像素值；

根据含有实时深度信息的灰度图像进行读取处理，获取实时深度像素值；

对实时深度像素值进行转换处理，获取实时位移数据。

优选的，所述根据桥梁实时图像的平均像素值和实时位移数据进行分析处理，获取分析结果具体包括如下步骤：

根据桥梁通行后天气状况和桥梁通行天数进行计算处理，获取桥梁正常损耗图像的平均像素值；

根据桥梁正常损耗图像的平均像素值、桥梁实时图像的平均像素值、实时位移数据、桥梁图像的平均像素值和实际位移数据进行对比处理，获取分析结果。

优选的，所述根据桥梁通行后天气状况和桥梁通行天数进行计算处理，获取桥梁正常损耗图像的平均像素值具体包括如下步骤：

根据桥梁通行后天气状况进行计算处理，获取桥梁天气损耗系数；

获取桥梁的正常负载数据；

根据桥梁通行天数和正常负载数据进行计算处理，获取桥梁通行损耗系数；

根据桥梁天气损耗系数和桥梁通行损耗系数对桥梁开始通行的原始图像进行参数调节处理，获取桥梁正常损耗图像；

根据桥梁正常损耗图像进行二值化处理，获取桥梁正常损耗灰度图像；

对桥梁正常损耗灰度图像进行遍历计算处理，获取桥梁正常损耗图像的平均像素值。

优选的，所述根据桥梁正常损耗图像的平均像素值、桥梁实时图像的平均像素值、实时位移数据、桥梁图像的平均像素值和实际位移数据进行对比处理，获取分析结果具体包括如下步骤：

根据桥梁正常损耗图像的平均像素值和桥梁实时图像的平均像素值进行对比处理，获取第一对比结果；

根据第一对比结果进行判断处理，确定是否进行二次对比处理；

若桥梁实时图像的平均像素值大于桥梁正常损耗图像的平均像素值，则桥梁可能出现异常损耗，对实际位移数据和实时位移数据进行第二次对比处理，获取第二对比结果；

若桥梁实时图像的平均像素值小于桥梁正常损耗图像的平均像素值，则进行第三次对比处理，获取第三对比结果；

根据第一对比结果、第二对比结果和第三对比结果对桥梁进行异常排除。

优选的，所述若桥梁实时图像的平均像素值小于桥梁正常损耗图像的平均像素值，则进行三次对比处理，获取第三对比结果具体包括如下步骤：

根据桥梁实时图像的平均像素值和桥梁图像的平均像素值进行第三次对比判断处理；

若桥梁实时图像的平均像素值小于桥梁图像的平均像素值，则实际位移数据和实时位移数据进行对比处理，若实际位移数据大于实时位移数据，则桥梁出现凹陷；若实际位移数据小于实时位移数据，则进行现场排除；

若桥梁实时图像的平均像素值大于桥梁图像的平均像素值，则桥梁损耗为正常损耗。

与现有技术相比，本发明提供了一种基于无人机图像采集的桥梁工程异常检测方法，具备以下有益效果：

本发明通过无人机采集桥梁的图像，以及读取桥梁的历史数据，对采集的图像和历史数据进行二值化处理，获取灰度图像和深度灰度图像，对灰度图像和深度灰度图像进行计算，根据不同时刻的图像进行对比，根据对比结果判断桥梁是否出现异常，再通过人工对异常点进行检测排除，缩短了桥梁异常排查周期，此外，还降低了工人的工作强度，降低了工人受到伤害的概率。

附图说明

图1为本发明提出的异常检测方法中步骤S100-S600流程示意图；

图2为本发明提出的异常检测方法中步骤S201-S205流程示意图；

图3为本发明提出的异常检测方法中步骤S2031-S2033流程示意图；

图4为本发明提出的异常检测方法中步骤S2051-S2053流程示意图；

图5为本发明提出的异常检测方法中步骤S301-S302流程示意图；

图6为本发明提出的异常检测方法中步骤S401-S406流程示意图；

图7为本发明提出的异常检测方法中步骤S501-S502流程示意图；

图8为本发明提出的异常检测方法中步骤S5011-S5016流程示意图；

图9为本发明提出的异常检测方法中步骤S5021-S5025流程示意图；

图10为本发明提出的异常检测方法中步骤S50241-S50243流程示意图。

具体实施方式

以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。

参照图1所示，一种基于无人机图像采集的桥梁工程异常检测方法，包括：

S100、获取桥梁的历史数据；其中，所述桥梁的历史数据包括桥梁开始通行的原始图像、原始深度图像、桥梁通行后天气状况和桥梁通行天数；

S200、根据桥梁的历史数据进行分析计算处理，获取桥梁图像的平均像素值和实际位移数据；

S300、采用无人机对桥梁进行图像采集，获取桥梁实时图像；其中，所述桥梁实时图像包括桥梁实时原始图像、桥梁实时深度图像；

S400、根据桥梁实时图像进行分析计算处理，获取桥梁实时原始图像的平均像素值和实时位移数据；

S500、根据桥梁实时图像的平均像素值和实时位移数据进行分析处理，获取分析结果；

S600、根据分析结果对桥梁进行异常排除。

本领域技术人员可以理解的是，高温、低温、大重量、雨水等都会对桥梁产生损耗，但是低温、高温、雨水等都是正常损耗，当重量过大时，使桥梁处于超负荷工作，使桥梁产生异常损伤，但是人工排查周期太长，因此，通过无人机采集桥梁图像对桥梁进行排查，无人机图像中出现远程控制端无法辨别的异常图像时，人工前往桥梁进行现场排查，此种方式，不仅能够缩短排查周期，还能降低了工人的工作强度，但是，需要引入低温、高温、雨水以及正常重量作为正常损耗的参考标准，能够提高桥梁异常排除的精度。

参照图2所示，根据桥梁的历史数据进行分析计算处理，获取桥梁图像的平均像素值和实际位移数据具体包括如下步骤：

S201、根据桥梁开始通行的原始图像、原始深度图像进行剪切处理，获取桥梁图像、桥梁深度图像；

S202、根据桥梁图像、桥梁深度图像进行二值化处理，获取原始灰度图像、含有深度信息的灰度图像；

S203、对原始灰度图像进行遍历计算处理，获取桥梁图像的平均像素值；

S204、根据含有深度信息的灰度图像进行读取处理，获取深度像素值；

S205、对深度像素值进行转换处理，获取实际位移数据。

在本实施例中，桥梁开始通行的原始图像、原始深度图像都掺杂着不属于桥梁的区域，为了减少工作量，对桥梁开始通行的原始图像、原始深度图像进行剪切，去除不属于桥梁的部分区域，此外桥梁开始通行的原始图像、原始深度图像均为彩色图像，为了对桥梁的图像进行深层次的分析，对桥梁开始通行的原始图像、原始深度图像进行二值化处理，获取原始灰度图像、含有深度信息的灰度图像，在灰度图像中，像素点表现形式为单一的数值，使分析计算更加方便快捷，而在彩色图像中，每个像素点包括红、绿、蓝三个通道，对彩色图像进行处理，会加大计算量，占据了设备的大量的运算内存，且会延长排查周期，因此，在这里引入灰度图像。

本领域技术人员可以理解的是，仅仅进行图像表面的对比，无法判断出桥梁的异常，因此，对图像进行深层次的分析，当桥梁没有出现异常时，桥梁出现的损耗应该在正常范围内，即桥梁实时原始图像的平均像素值与高温、低温、大重量、雨水产生的损耗之和和桥梁图像的平均像素值相等。

参照图3所示，对原始灰度图像进行遍历计算处理，获取桥梁图像的平均像素值具体包括如下步骤：

S2031、根据原始灰度图像进行遍历处理，获取图像像素值；

S2032、根据图像像素值进行求和计算处理，获取图像总像素值；

S2033、根据图像总像素值进行平均计算处理，获取桥梁图像的平均像素值；

其中，获取桥梁图像的平均像素值的具体计算公式为：

式中，为桥梁图形的平均像素值；/>为原始灰度图像中每一个像素值；n为所有像素值的个数。

本领域技术人员可以理解的是，灰度图像内的像素点表现形式为单一的数值，因此，只需计算出灰度图像中像素点的个数和读取每个像素点对应的像素值，对每个像素点的像素值进行求和求平均计算即可得到桥梁图像的平均像素值，因此，引入灰度图像只需进行简单的数据求和求平均，避免了彩色图像的繁杂计算，降低了计算出错的风险，进一步提高了异常排查的精准度。

参照图4所示，对深度像素值进行转换处理，获取实际位移数据具体包括如下步骤：

S2051、获取原始灰度图像拍摄设备的参数数据；其中，所述参数数据包括焦距数据、视场角数据；

S2052、获取原始灰度图像拍摄设备的类型，获取原始灰度图像的编码方式；

S2053、根据参数数据和编码方式对深度像素值进行转换处理，获取实际位移数据。

在领域技术人员可以理解的是，深度值可以转换成实际距离，但是转换过程中拍摄设备的参数数据和类型是必不可少的参数，因此，需要从历史数据中获取拍摄设备的类型和参数数据，得到拍摄设备与桥梁之间的实际位移数据，当无人机在相同参数和相同位置对桥梁进行拍摄时得到的实时位移数据和实际位移数据具有很大差异时，此时，可以判断桥梁出现异常，需要工人对桥梁进行维护。

参照图5所示，采用无人机对桥梁进行图像采集，获取桥梁实时图像具体包括如下步骤：

S301、获取桥梁开始通行的原始图像拍摄设备的参数数据，对无人机的拍摄设备进行参数调整；

S302、获取桥梁开始通行的原始图像的拍摄位置，控制无人机在相同位置对桥梁进行拍摄，获取桥梁实时图像。

在本实施例中，无人机拍摄的图像应当与桥梁开始通行的原始图像、原始深度图像具有相同的像素信息和位置信息，不同的像素信息和位置信息会导致桥梁在图像中的表现形式不同，无法进行深层次的分析，导致无法进一步通过实时图像对桥梁进行异常排查。

参照图6所示，根据桥梁实时图像进行分析计算处理，获取桥梁实时原始图像的平均像素值和实时位移数据的具体包括如下步骤：

S401、获取桥梁图像、桥梁深度图像剪切设备的参数数据；

S402、根据剪切设备的参数数据对桥梁实时原始图像、桥梁实时深度图像进行剪切处理，获取桥梁实时图像、桥梁实时深度图像；

S403、根据桥梁实时图像、桥梁实时深度图像进行二值化处理，获取实时灰度图像、含有实时深度信息的灰度图像；

S404、对实时灰度图像进行遍历计算处理，获取桥梁实时原始图像的平均像素值；

S405、根据含有实时深度信息的灰度图像进行读取处理，获取实时深度像素值；

S406、对实时深度像素值进行转换处理，获取实时位移数据。

在本实施例中，获取桥梁实时原始图像的平均像素值和实时位移数据的步骤与参数和根据桥梁的历史数据进行分析计算处理，获取桥梁图像的平均像素值和实际位移数据的步骤与参数应该保持一致，若没有保持一致，在无人机拍摄出的图像与历史数据中的图像有很大的差异，无法进行异常排查。

参照图7所示，根据桥梁实时图像的平均像素值和实时位移数据进行分析处理，获取分析结果具体包括如下步骤：

S501、根据桥梁通行后天气状况和桥梁通行天数进行计算处理，获取桥梁正常损耗图像的平均像素值；

S502、根据桥梁正常损耗图像的平均像素值、桥梁实时图像的平均像素值、实时位移数据、桥梁图像的平均像素值和实际位移数据进行对比处理，获取分析结果。

参照图8所示，根据桥梁通行后天气状况和桥梁通行天数进行计算处理，获取桥梁正常损耗图像的平均像素值具体包括如下步骤：

S5011、根据桥梁通行后天气状况进行计算处理，获取桥梁天气损耗系数；

S5012、获取桥梁的正常负载数据；

S5013、根据桥梁通行天数和正常负载数据进行计算处理，获取桥梁通行损耗系数；

S5014、根据桥梁天气损耗系数和桥梁通行损耗系数对桥梁开始通行的原始图像进行参数调节处理，获取桥梁正常损耗图像；

S5015、根据桥梁正常损耗图像进行二值化处理，获取桥梁正常损耗灰度图像；

S5016、对桥梁正常损耗灰度图像进行遍历计算处理，获取桥梁正常损耗图像的平均像素值。

本领域技术人员可以理解的是，不同的天气情况会对桥梁造成不同程度的损伤，而这些都是无法避免的，因此，将因天气情况产生的损耗列入正常损耗中，提高了后续的异常排查的精准度，因此，在这里引入，因天气情况对桥梁造成损耗的计算模型：

式中，为桥梁天气损耗系数；a为高温天气的天数；/>为高温天气下对桥梁的损耗；b为低温天气的天数；/>为低温天气下对桥梁的损耗；c为雨水天气的天数；/>为雨水对桥梁的冲刷损耗；/>为雨水对桥梁的腐蚀损耗；d为大雪天气的天数；/>为大雪天气下对桥梁的损耗；e为大风天气下的天数；/>为大风天气下对桥梁的损耗；

此外，桥梁架设的目的是为了通行更加方便快捷，但是桥梁也会出现超负荷承载的情况，在超负荷承载的情况下，会导致桥梁出现凸起或凹陷，因此，在这里引入桥梁在正常承载范围内产生损耗的计算模型：

式中，为桥梁通行损耗系数；m为桥梁通行后的天数；/>为桥梁每天正常承载范围内的最大损耗；

在上述公式中，还存在如下关系：。

参照图9所示，根据桥梁正常损耗图像的平均像素值、桥梁实时图像的平均像素值、实时位移数据、桥梁图像的平均像素值和实际位移数据进行对比处理，获取分析结果具体包括如下步骤：

S5021、根据桥梁正常损耗图像的平均像素值和桥梁实时图像的平均像素值进行对比处理，获取第一对比结果；

S5022、根据第一对比结果进行判断处理，确定是否进行二次对比处理；

S5023、若桥梁实时图像的平均像素值大于桥梁正常损耗图像的平均像素值，则桥梁可能出现异常损耗，对实际位移数据和实时位移数据进行第二次对比处理，获取第二对比结果；

S5024、若桥梁实时图像的平均像素值小于桥梁正常损耗图像的平均像素值，则进行第三次对比处理，获取第三对比结果；

S5025、根据第一对比结果、第二对比结果和第三对比结果对桥梁进行异常排除。

本领域技术人员可以理解的是，若桥梁正常损耗图像的平均像素值大于或等于桥梁实时图像的平均像素值时，说明桥梁没有出现异常，一切损耗均在正常范围内，无需进行后续对比判断；若桥梁正常损耗图像的平均像素值小于桥梁实时图像的平均像素值时，说明桥梁可能出现异常损耗，则进行实际位移数据和实时位移数据的对比，若实际位移数据大于实时位移数据，则说明桥梁部分区域出现异常凸起，需要工人去现场对桥梁凸起进行评估维修；若实际位移数据等于实时位移数据，则说明桥梁没有出现异常凸起，或者无人机图像进行采集时出现误差，导致二者相等，则再一次进行无人机图像采集，进行分析判断，避免出现误判的情况；远程控制端根据检测结果对桥梁进行异常排查，若存在可疑点，则进行现场排查，降低了工人的工作强度，还缩短了异常排查周期。

参照图10所示，若桥梁实时图像的平均像素值小于桥梁正常损耗图像的平均像素值，则进行三次对比处理，获取第三对比结果具体包括如下步骤：

S50241、根据桥梁实时图像的平均像素值和桥梁图像的平均像素值进行第三次对比判断处理；

S50242、若桥梁实时图像的平均像素值小于桥梁图像的平均像素值，则实际位移数据和实时位移数据进行对比处理，若实际位移数据小于实时位移数据，则桥梁出现凹陷；若实际位移数据大于实时位移数据，则进行现场排除；

S50243、若桥梁实时图像的平均像素值大于桥梁图像的平均像素值，则桥梁损耗为正常损耗。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。

Claims (10)

1.一种基于无人机图像采集的桥梁工程异常检测方法，其特征在于，包括：

获取桥梁的历史数据；其中，所述桥梁的历史数据包括桥梁开始通行的原始图像、原始深度图像、桥梁通行后天气状况和桥梁通行天数；

根据桥梁的历史数据进行分析计算处理，获取桥梁图像的平均像素值和实际位移数据；

采用无人机对桥梁进行图像采集，获取桥梁实时图像；其中，所述桥梁实时图像包括桥梁实时原始图像、桥梁实时深度图像；

根据桥梁实时图像进行分析计算处理，获取桥梁实时原始图像的平均像素值和实时位移数据；

根据桥梁实时图像的平均像素值和实时位移数据进行分析处理，获取分析结果；

根据分析结果对桥梁进行异常排除。

2.根据权利要求1所述的一种基于无人机图像采集的桥梁工程异常检测方法，其特征在于，所述根据桥梁的历史数据进行分析计算处理，获取桥梁图像的平均像素值和实际位移数据具体包括如下步骤：

根据桥梁开始通行的原始图像、原始深度图像进行剪切处理，获取桥梁图像、桥梁深度图像；

根据桥梁图像、桥梁深度图像进行二值化处理，获取原始灰度图像、含有深度信息的灰度图像；

对原始灰度图像进行遍历计算处理，获取桥梁图像的平均像素值；

根据含有深度信息的灰度图像进行读取处理，获取深度像素值；

对深度像素值进行转换处理，获取实际位移数据。

3.根据权利要求2所述的一种基于无人机图像采集的桥梁工程异常检测方法，其特征在于，所述对原始灰度图像进行遍历计算处理，获取桥梁图像的平均像素值具体包括如下步骤：

根据原始灰度图像进行遍历处理，获取图像像素值；

根据图像像素值进行求和计算处理，获取图像总像素值；

根据图像总像素值进行平均计算处理，获取桥梁图像的平均像素值。

4.根据权利要求2所述的一种基于无人机图像采集的桥梁工程异常检测方法，其特征在于，所述对深度像素值进行转换处理，获取实际位移数据具体包括如下步骤：

获取原始灰度图像拍摄设备的参数数据；其中，所述参数数据包括焦距数据、视场角数据；

获取原始灰度图像拍摄设备的类型，获取原始灰度图像的编码方式；

根据参数数据和编码方式对深度像素值进行转换处理，获取实际位移数据。

5.根据权利要求1所述的一种基于无人机图像采集的桥梁工程异常检测方法，其特征在于，所述采用无人机对桥梁进行图像采集，获取桥梁实时图像具体包括如下步骤：

获取桥梁开始通行的原始图像拍摄设备的参数数据，对无人机的拍摄设备进行参数调整；

获取桥梁开始通行的原始图像的拍摄位置，控制无人机在相同位置对桥梁进行拍摄，获取桥梁实时图像。

6.根据权利要求1所述的一种基于无人机图像采集的桥梁工程异常检测方法，其特征在于，所述根据桥梁实时图像进行分析计算处理，获取桥梁实时原始图像的平均像素值和实时位移数据的具体包括如下步骤：

获取桥梁图像、桥梁深度图像剪切设备的参数数据；

根据剪切设备的参数数据对桥梁实时原始图像、桥梁实时深度图像进行剪切处理，获取桥梁实时图像、桥梁实时深度图像；

根据桥梁实时图像、桥梁实时深度图像进行二值化处理，获取实时灰度图像、含有实时深度信息的灰度图像；

对实时灰度图像进行遍历计算处理，获取桥梁实时原始图像的平均像素值；

根据含有实时深度信息的灰度图像进行读取处理，获取实时深度像素值；

对实时深度像素值进行转换处理，获取实时位移数据。

7.根据权利要求1所述的一种基于无人机图像采集的桥梁工程异常检测方法，其特征在于，所述根据桥梁实时图像的平均像素值和实时位移数据进行分析处理，获取分析结果具体包括如下步骤：

根据桥梁通行后天气状况和桥梁通行天数进行计算处理，获取桥梁正常损耗图像的平均像素值；

根据桥梁正常损耗图像的平均像素值、桥梁实时图像的平均像素值、实时位移数据、桥梁图像的平均像素值和实际位移数据进行对比处理，获取分析结果。

8.根据权利要求7所述的一种基于无人机图像采集的桥梁工程异常检测方法，其特征在于，所述根据桥梁通行后天气状况和桥梁通行天数进行计算处理，获取桥梁正常损耗图像的平均像素值具体包括如下步骤：

根据桥梁通行后天气状况进行计算处理，获取桥梁天气损耗系数；

获取桥梁的正常负载数据；

根据桥梁通行天数和正常负载数据进行计算处理，获取桥梁通行损耗系数；

根据桥梁天气损耗系数和桥梁通行损耗系数对桥梁开始通行的原始图像进行参数调节处理，获取桥梁正常损耗图像；

根据桥梁正常损耗图像进行二值化处理，获取桥梁正常损耗灰度图像；

对桥梁正常损耗灰度图像进行遍历计算处理，获取桥梁正常损耗图像的平均像素值。

9.根据权利要求7所述的一种基于无人机图像采集的桥梁工程异常检测方法，其特征在于，所述根据桥梁正常损耗图像的平均像素值、桥梁实时图像的平均像素值、实时位移数据、桥梁图像的平均像素值和实际位移数据进行对比处理，获取分析结果具体包括如下步骤：

根据桥梁正常损耗图像的平均像素值和桥梁实时图像的平均像素值进行对比处理，获取第一对比结果；

根据第一对比结果进行判断处理，确定是否进行二次对比处理；

若桥梁实时图像的平均像素值大于桥梁正常损耗图像的平均像素值，则桥梁可能出现异常损耗，对实际位移数据和实时位移数据进行第二次对比处理，获取第二对比结果；

若桥梁实时图像的平均像素值小于桥梁正常损耗图像的平均像素值，则进行第三次对比处理，获取第三对比结果；

根据第一对比结果、第二对比结果和第三对比结果对桥梁进行异常排除。

10.根据权利要求9所述的一种基于无人机图像采集的桥梁工程异常检测方法，其特征在于，所述若桥梁实时图像的平均像素值小于桥梁正常损耗图像的平均像素值，则进行三次对比处理，获取第三对比结果具体包括如下步骤：

根据桥梁实时图像的平均像素值和桥梁图像的平均像素值进行第三次对比判断处理；

若桥梁实时图像的平均像素值小于桥梁图像的平均像素值，则实际位移数据和实时位移数据进行对比处理，若实际位移数据小于实时位移数据，则桥梁出现凹陷；若实际位移数据大于实时位移数据，则进行现场排除；

若桥梁实时图像的平均像素值大于桥梁图像的平均像素值，则桥梁损耗为正常损耗。