基于无人机的桥梁病害检测系统研究.pdf

文章编号:():./.基于无人机的桥梁病害检测系统研究刘 睿(中铁第四勘察设计院集团有限公司 武汉市)摘 要:根据无人机在桥梁检测中的优势和发展阶段提出了一种全新的智能化无人机桥梁病害检测系统采用 建模、遗传算法与路径搜索和坐标映射三个模块使无人机能够在遍历所有区域的前提下检测的路径长度最短 通过病害图像拼接算法实现病害图像的准确拼接采用深度学习网络对病害图像进行训练和特征提取以提高病害自动识别准确率 无人机桥梁病害检测系统具有便捷快速、智能化、高效化和精准化等优势能够满足现代化桥梁检测要求 关键词:无人机桥梁病害检测系统 建模 算法中图分类号:.文献标识码:引言随着无人机技术和硬件不断升级飞行控制系统、传感器和相机等越来越先进无人机在桥梁检测中的应用更加精确可靠 人工智能和机器学习等技术的应用可以使无人机在桥梁检测中实现自主飞行自动识别缺陷和故障 无人机在桥梁检测中的优势体现在安全、高效、高精度、节约成本和数据分析等方面 这些优势将促进无人机在桥梁检测中的应用无人机在桥梁检测领域的发展经历了探索阶段、技术突破阶段、实际应用阶段和智能化阶段 初期探索阶段:这一阶段主要对无人机技术进行了初步探索但由于技术限制和设备成本等因素限制无人机在桥梁检测方面的应用比较有限 技术突破阶段:这一阶段无人机技术快速发展趋于成熟特别是小型无人机的出现使得无人机在桥梁检测中的应用开始受到关注 在实际应用阶段一些专业公司开始采用无人机进行桥梁检测并取得了初步成果 随着无人机技术日益成熟和成本降低无人机在桥梁检测领域得到了广泛应用 目前无人机的发展已经进入智能化阶段它们可以配备各种高精度的传感器和设备并利用人工智能等技术对数据进行分析和处理从而提高桥梁检测的智能性、效率和准确性 近几十年我国桥梁的数量和规模迅速提升上述无人机桥梁检测系统还需持续满足现代化桥梁检测的要求故有必要开发设计一种更加智能和自动化的无人机桥梁检测系统 为了促进这一目标的实现文章借助机器学习和人工智能等现代化技术提出了一种全新的无人机桥梁病害检测系统 系统总体架构如图 所示该系统的总体架构包括无人机检测路径规划、病害图像拼接算法和病害自动识别三大模块 其中无人机检测路径规划是整个架构的核心部分包括 建模、遗传算法、路径搜索和坐标映射四个模块图 系统总体技术架构首先 建模模块将桥梁表面划分为若干个区域以区域为节点建立 模型使无人机能够 年 第 期 北方交通在遍历所有区域的前提下实现路径长度最短 遗传算法与路径搜索模块采用遗传算法对 模型进行求解得到遍历所有区域的最短路径 坐标映射模块将无人机坐标系与桥梁表面坐标系进行映射使得无人机能够沿着预设路径飞行进行病害检测 其次是病害图像拼接算法部分包括 算法、特征匹配与图像拼接策略三个模块 利用 算法在不同尺度空间上查找病害图像的特征点并计算出其方向然后根据欧式距离进行特征点匹配从而达到精确拼接病害图像的目的 图像拼接策略模块采用多种图像拼接策略如基于区域分割的拼接策略、基于图像变换的拼接策略等用以解决病害图像拼接过程中出现的各种问题 最后是病害自动识别部分包括深度学习、特征提取、目标识别算法和梯度下降四个模块 深度学习与特征提取模块采用深度学习网络对病害图像进行训练和特征提取以提高病害自动识别的准确率 目标识别算法模块采用目标检测算法如 算法、算法等对病害图像进行目标识别从而自动识别病害 无人机检测路径规划.建模(旅行商问题)是一个经典的优化问题通常用于寻找遍历所有节点的最短路径 在无人机桥梁检测中 建模是无人机路径规划的重要部分可以将桥梁表面划分为若干个区域以区域为节点建立 模型使得无人机能够在遍历所有区域的前提下实现路径长度最短 具体而言是将桥梁表面划分为若干个区域以每个区域为节点建立 模型然后采用遗传算法等优化算法对 模型进行求解得到遍历所有区域的最短路径 得到最短路径后需要将无人机坐标系与桥梁表面坐标系进行映射使无人机能够沿着预设飞行路径进行病害检测 建模的应用可以使得无人机在桥梁检测中的路径规划更加合理高效 相较于传统的路径规划方法 建模能够避免无人机在桥梁表面上来回飞行减少能源消耗和飞行时间提高检测效率和准确性.遗传算法与路径搜索遗传算法是一种模拟生物进化过程中的选择和遗传机制的搜索优化方法能够有效地处理组合优化问题 在无人机桥梁检测中遗传算法可以用于求解 模型以得到遍历所有区域的最短路径遗传算法包括选择、交叉、变异等过程通过种群的进化逐步优化问题 在无人机桥梁检测中可以通过将 模型表示为染色体将每个节点表示为基因从而将遗传算法应用于路径规划中 遗传算法通过模拟自然进化过程中的选择、交叉和变异等机制不断提高种群中个体的适应度从而寻找出覆盖所有区域的最优解 遗传算法与路径搜索相结合的应用可以使无人机在桥梁检测中的路径规划更加高效准确 相比于传统的路径搜索方法遗传算法能够避免陷入局部最优解增加搜索空间提高路径规划的效率和准确性.坐标映射因为最终所需是经纬度坐标所以必须将模型中的坐标转换为世界坐标 需确定一个参照点即基准点每次检测时通过输入基准点经纬度坐标来完成校准 将世界和模型上的同一位置点绑定然后在模型中设定一个方向来指向模型中的北方以此将模型中的点坐标转换为世界坐标 转换坐标需要基准点经纬度基准点与待转化点之间的直线距离指向基准点以及转化点的向量与模型中基准方向(即正北方向)的夹角转化过程如图 所示图 坐标映射过程 病害图像拼接算法.算法与特征匹配飞行中无人机拍摄的图像通常只能覆盖桥梁的一部分而为了全面、详细地了解桥梁的状况需要将这些局部的图像拼接成一张全景图像以便于工程师对桥梁的状况进行全面分析和评估从而更加准确地确定桥梁的修缮和维护方案 同时图像拼接也可以消除相邻图像之间的重叠部分提高图像的清晰度和可读性北方交通 年 第 期()算法是一种常用的特征点检测和匹配算法可以用于图像拼接、目标识别等应用场景 算法可以在不同的图像尺度和旋转角度下提取出具有尺度不变性和旋转不变性的特征点具有良好的鲁棒性和稳定性 在桥梁检测中 算法可以用于提取桥梁照片中的特征点并将不同照片之间的特征点进行匹配以获取不同照片之间的相对位置和姿态信息 用高斯差分金字塔寻找图像的局部极值点并计算它们的尺度和位置()关键点定位:在每个尺度空间上使用()精确定位关键点()方向分配:利用特征点附近像素的梯度直方图找出最大峰值对应的方向作为其主方向()特征点描述:使用关键点周围的梯度信息生成一个描述子该描述子对旋转和尺度的变化不变()特征点匹配:将两幅图像中的特征点进行匹配可以使用暴力匹配的匹配算法.图像拼接策略在图像拼接前首先要对无人机采集的图像进行除畸变、校正角度、调整亮度和对比度等操作 使用 算法从每张图像中提取关键点和特征描述子这些特征在旋转、缩放和光照变化下保持稳定能够识别出不同图像中的相似点 对提取的特征进行匹配找出相邻图像间的匹配点对通常采用基于最近邻和次近邻距离比较的算法 根据匹配点对使用不同的拼接方法拼接相邻图像 常见拼接方法包括投影变换、仿射变换和透视变换等 对拼接后的图像进行后处理包括去除拼接痕迹、平滑边缘、调整颜色和对比度等提高图像的质量和可读性 病害自动识别.深度学习与特征提取病害自动识别是指利用计算机视觉和深度学习等技术分析处理无人机采集的桥梁图像自动识别和分类桥梁病害 通过桥梁病害自动识别可以提高桥梁检测的效率和准确性减少人力物力投入基于深度学习的桥梁检测的病害自动识别相比传统方法具有以下优势:一是深度学习算法可以从大量的数据中学习到特征表示识别出更复杂的病害二是可以根据输入数据自动调整模型参数自适应性较强适用于不同桥梁的病害检测任务三是对于图像中的噪声、遮挡等因素具有较好的鲁棒性可降低误判率四是可扩展性强通过增加训练数据、调整模型结构等方式可进一步提高检测准确性特征提取通常使用卷积神经网络()卷积神经网络是一种逐层提取特征的神经网络通常包含多个卷积层和池化层 在卷积神经网络中卷积层会提取图像中的各种特征例如边缘、纹理和形状等而池化层则会对特征进行降维减少计算复杂度防止过拟合 常见的卷积神经网络模型包括、和 等这些模型可以通过预训练的方式在大规模图像数据集上进行训练以提取通用的图像特征 进行病害自动识别时可以使用预训练的卷积神经网络模型提取图像特征并将这些特征输入到分类器中进行分类.目标识别算法()是一种基于深度学习的目标检测算法该算法可以快速准确地检测图像中的多个目标并在单个前向传递中直接回归目标框的坐标和类别概率 它的特点是通过一个单独的卷积神经网络同时预测图像中多个物体的类别和边界框且比传统的目标检测算法速度更快图 为 算法对桥梁病害的检测结果图 桥梁病害检测结果针对桥梁不同病害类型需要对 进行训练以便算法能够识别这些病害 通过标注和分类大量病害图像可以训练出准确率较高的 模型 实际检测过程中无人机会拍摄桥梁表面图像这些图像会被送入已训练好的 模型进行目标检测 算法会在图像中寻找可能的病害目 年 第 期 刘 睿:基于无人机的桥梁病害检测系统研究标并确定它们的位置和类别参考文献 卢玉韬韩春华曾鹏.基于 的无人机桥梁检测实施方案研究.土木建筑工程信息技术():.许宏元.无人机在桥梁检测中的应用.中国公路():.余加勇刘宝麟尹东等.基于 和 的桥梁裂缝智能识别与测量.湖南大学学报(自然科学版)():.():.(.)().(上接第 页)(.).北方交通 年 第 期