• 首页 首页 icon
  • 工具库 工具库 icon
    • IP查询 IP查询 icon
  • 内容库 内容库 icon
    • 快讯库 快讯库 icon
    • 精品库 精品库 icon
    • 问答库 问答库 icon
  • 更多 更多 icon
    • 服务条款 服务条款 icon

无人机在道路桥梁病害检测的应用

武飞扬头像
倾斜摄影建模
帮助1

一种基于无人机的道路桥梁病害检测系统,分别对无人机软硬件系统进行了相应开发,形成了具有自主知识产权的无人机自动避障系统、病害识别系统和路桥巡检管理系统等,实现了对路桥病害等目标信息的高精度提取和变化检测。与传统路桥病害检测相比,具有经济性、高效性、全面性和安全性等特点,实现了路桥病害检测的智能化、信息数据化和可视化,为公路桥梁养护提供了有力支撑。

学新通
中维空间-无人机桥底检测三维模型

作为国民经济的重要保障,目前中国45%的桥梁已经进入使用超过25年的老龄期,桥梁检测与监测、巡检与养护显现出诸多问题,如检测范围不够全面细致、影响交通、作业效率低下、成本高昂、检测人员存在人身安全隐患等。如何及时有针对性地进行路桥巡查是路桥相关部门面临的现实问题。无人机通过挂载照相机和多种传感器设备,辅以高精度导航系统和避障系统,通过地面工作站病害识别和三维重建系统,从而实现为路桥检修提供科学和精准的判别,有效弥补了传统路桥病害检测过程中存在的不足。

一、系统总体结构

一套完整的旋翼无人机航摄检测系统主要由系统硬件和系统软件两部分构成。本文所设计的无人机系统中,高清相机、IMU(惯性测量单元)和激光雷达以无人机为载体,通过控制挂载在无人机上的高清相机获取目标图像信息,运用移动站实时追踪无人机位置及监控无人机拍摄画面,无人机借助激光雷达设备和飞控系统实现对障碍物的识别和躲避达到自动巡检的效果。巡检完成后通过无人机影像处理及三维重建软件系统实现对所获取的影像数据进行影像滤波、增强、融合、拼接、影像纠正,最后完成病害识别,同时利用激光雷达设备的三维点云数据实现对目标道路、桥梁的三维建模功能。如果发现异常情况,根据时间标记控制无人机回到可疑区域,对可疑区域进行进一步巡查,必要时由操作人员对无人机进行手动控制。通过路桥巡检管理系统对路桥的基本信息、无人机巡检信息进行精细化管理,并具备路桥健康状况信息汇总统计、路桥检修智能决策、三维模型展示等功能。其结构框架如图 1所示。

学新通
图 1 道路桥梁巡检管理系统总体架构

二、系统硬件实现

硬件这块就不细说了。激光雷达通过高速旋转得到的扫描数据经过处理可得到三维平面及上下空间上各障碍物的坐标与障碍物的大小。

主要实现的功能是:

1. 避 障

1) 前进方向上的主动避障

2) 升降方向的主动避障

2. 自主导航

三、系统软件实现

本系统通过高分辨率遥感影像数据结合数字高程模型可分析路桥所处地形特征,以制定远景飞行最优飞行计划,利用远景拍摄的影像建立路桥三维模型作为空间数据基础,利用近景拍摄病害,结合病害特征,进行识别和分析。其整体路桥病害检测流程如图 2所示。

学新通
图 2 无人机拍摄流程

1. 巡检方案制定

鉴于桥梁巡检比较复杂,无人机需要具备一定先验知识才能较好地完成自动巡检。新环境中首次巡检应通过操作人员手动操纵无人机飞行,以期相机视角可覆盖整个目标桥梁,同时通过IMU、GPS与激光雷达扫描并记录了无人机的航迹,并对周围的环境建立电子地图,完成同步定位与构图。地图建立完成后,无人机根据学习的飞行路线进行自动巡航。遇障躲避后返回原来的航线,基本无须人工干预。

2. 三维重建

目前,通过无人机进行数据采集,不仅具备高分辨率图像下复杂目标快速建模能力,而且具有真实可测量功能。

学新通
桥底侧面高分辨模型

3. 病害识别

基于无人机图像与地面DEM及其他相关资料相结合,面向道路、桥梁信息的智能化提取与变形监测;基于面向对象的影像分析方法,通过对高分辨率图像上的地物对象进行特征建模,通过影像的多尺度分割与多特征识别等关键技术,构建智能信息提取模型,完成对路桥关键目标信息的高精度提取与变化检测,其中病害识别具体技术流程为:

1) 通过目视解译建立病害特征群,作为已知类别的样本。

2) 利用一定数量的已知类别的病害样本的特征值确定判别函数中的待定参数。

3) 利用特征参数对无人机影像进行病害识别与提取。

4) 建立技术先进、普及性强的无人机图像路桥分析的框架体系。

4. 路桥巡检管理系统

路桥巡检管理系统实现与无人机影像处理及三维重建系统的业务和数据有效集成,有效地实现对道路桥梁基础信息维护管理,提供专题图展示、三维模型展示、统计分析、智能决策等功能,道路养管部门可通过路桥巡检管理系统获取桥梁的定期巡检影像数据和巡检结果,为桥梁后续的养管和维修决策的制定提供数据支持。

这篇好文章是转载于:学新通技术网

  • 版权申明: 本站部分内容来自互联网,仅供学习及演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,请提供相关证据及您的身份证明,我们将在收到邮件后48小时内删除。
  • 本站站名: 学新通技术网
  • 本文地址: /boutique/detail/tanhgeibif
系列文章
更多 icon
同类精品
更多 icon
继续加载