闂傚倸鍊搁崐椋庣矆娓氣偓楠炲鏁撻悩鍐蹭画濡炪倖鐗滈崑娑㈠垂閸岀偛绾ч柛顐亜娴滄牕霉濠婂懏鍤€闂囧鏌ㄥ┑鍡樺櫤閻犳劧绻濋弻锝夋偄濞茬粯缍堢紓浣虹帛閻╊垶鐛€n喗鍊锋繛鍫熷濞堝綊姊绘担椋庝覆缂傚秳鐒︾粋宥夊醇閺囩偟鐣哄┑掳鍊愰崑鎾绘煃閽樺妯€妤犵偛閰i幊鐐哄Ψ椤旂懓浜剧€广儱鎳夐弨浠嬫煟濮楀棗浜滃ù婊堢畺濮婅櫣鎲撮崟顐㈠Ц濠碘槅鍋勭€氼噣鍩€椤掍浇澹樻い锕備憾閸┾偓妞ゆ巻鍋撶紒鐘茬Ч瀹曟洟鏌嗗鍛枃闁瑰吋鎯岄悡澶岀礊閺嶎厽鐓ラ柣鏇炲€圭€氾拷
时间:2020-09-04 10:33:48 所属分类:应用电子技术 浏览量: 200
结构裂缝影响了结构构件保护层对钢筋的保护作用,使钢筋腐蚀速度加快,快速降低构件刚度与耐久性。传统裂缝检测方法通常将人工目测与仪器量测相结合,主要使用读数显微镜、裂缝卡等,有时通过车载检测设备、望远镜等进行远程裂缝观测。现有检测方法虽原理简
濠电姷鏁告慨鎾儉婢舵劕绾ч幖瀛樻尭娴滈箖鏌¢崶銉ョ仼缁炬儳缍婇弻锝夋偄缁嬫妫嗗Δ鐘靛仦閹瑰洭寮诲☉婊庢Ъ濡炪們鍔岀换妯侯嚕椤愶箑纾兼繛鎴炵墧缁ㄥ姊洪崷顓炲妺闁搞劎鏁婚崺鈧い鎺戝€归弳顒傗偓瑙勬礃閸ㄥ潡鐛鈧顒勫Ψ閿旂粯缍岄梻鍌欐祰椤宕曢崗鍏煎弿闁靛牆顦介弫浣衡偓骞垮劚閹冲寮ㄦ禒瀣厽婵妫楁禍婊兠瑰⿰鍫㈢暫婵﹨娅i幉鎾礋椤愩垹笑婵犵妲呴崑鍕偓姘煎櫍閸┾偓妞ゆ帊娴囨竟妯汇亜閿曞倷鎲鹃柛鈹惧亾濡炪倖宸婚崑鎾剁磼閻樿尙效鐎规洘娲熼弻鍡楊吋閸涱垳鏋冮梺鐟板悑閹矂鎮℃径宀€绀婇柡宥庡幗閻撳繘鏌涢锝囩畺濠殿垰鍚嬬换娑㈠箻閹颁胶鍚嬮梺鍝勬湰濞茬喎鐣烽悡搴樻斀闁搞儜鍕典画闂備浇宕垫慨鐢稿礉韫囨稑绀堟繝闈涚墛瀹曞弶绻涢幋鐐殿暡閻庢碍姘ㄩ幉鍛婃償閿濆倸浜炬慨妯煎亾鐎氾拷
结构裂缝影响了结构构件保护层对钢筋的保护作用,使钢筋腐蚀速度加快,快速降低构件刚度与耐久性。传统裂缝检测方法通常将人工目测与仪器量测相结合,主要使用读数显微镜、裂缝卡等,有时通过车载检测设备、望远镜等进行远程裂缝观测。现有检测方法虽原理简单,但在实际应用过程中存在以下问题:①工作量较大,且效率低;②检测结果依赖于技术人员专业经验,易产生主观误差;③对大跨桥梁底面、高层建筑外立面进行检测时,通常需检测人员进行登高作业,存在一定安全隐患。近年来,无人机(unmannedaerialvehicle,UAV)由于灵活、成本低、环境适用性强[1],常被用于协助完成各类危险性较高的工作[2-3]。本研究通过无人机两点激光测距自动提取裂缝几何参数,结合无人机拍摄结构表面时的空间位置约束条件,建立相机成像模型与坐标转换关系,提出获得像素解析度的方法;对无人机拍摄得到的裂缝图像进行预处理,基于改进的自适应算法从背景中分割裂缝主体,自动提取裂缝长度、宽度和走向等几何特征;对建筑物外立面进行现场裂缝检测试验,并将试验结果与人工方法检测数据进行对比,验证本研究方法的可行性与准确性。
1图像畸变矫正理论
1.1像素解析度计算方法
像素解析度是物体实际物理尺寸与相机成像图像中对应像素数的比例关系,由于裂缝图像通常使用高倍光学变焦镜头拍摄,图像视野较小,且拍摄时光轴与被测平面法线的夹角较小,因此假定图像上所有像素点在实际空间中对应的物点距相机投影中心的距离相同,即每张裂缝图像中各像素位置具有相同的像素解析度。基于此假定,提出像素解析度计算方法。图像上任意位置处像素点(u1,v1)对应物点在世界坐标系下的坐标值可表示为:式中:hij为像素坐标转换至世界坐标时转换矩阵第i行、第j列元素。像素解析度可用相邻像素对应的物点间距表示,像素点(u1,v1)处横、纵向像素解析度为(2)为快速计算裂缝几何参数,引入以下简化条件。1)在无人机拍摄的裂缝图像中,被测平面虽不与相机光轴正交,但由于使用的高倍变焦镜头视野面积较小,无人机与被测平面的距离远大于实际图像长度,且相机光轴与被测平面法线的夹角小,实际图像中各像素点距相机的距离相差小,即各像素点对应物点在相机坐标系中距投影中心的距离相差较小。因此取平均距离处物点(图像上主点(u0,v0))对应的像素解析度作为全图像素解析度。2)取横、纵向像素解析度平均值作为像素平均解析度:(3)
1.2两点激光测距装置设计理论
采用两点激光测距,通过与光轴夹角相同的2束激光束,间接测量得到相机与被测平面的相对位置[4]。假设被拍摄平面为竖直平面,相机光轴保持水平。A'B'所在直线表示被测平面竖直方向投影(见图1);O'点表示光轴与被测平面交点,即世界坐标系原点;激光光源点A,B位于相机坐标系下xOy平面,激光光束AA'与BB'保持水平,与光轴的夹角∠ACO=∠BCO;由于对称性,假设BB'>AA',A″B'与AB平行,且与AA'延长线交于A″,可得相机光轴与被测平面法线夹角φ=∠A'B'A″,成像中心距被测平面的距离d=|OO'|。令AA'=l1,BB'=l2,AC=BC=l0,∠ACB=α,可得:
2图像预处理
为提高利用计算机进行图像分析的效率与准确性,应用MATLAB软件对拍摄图像进行畸变矫正、灰度化、图像增强与图像平滑处理。无人机拍摄初始图像为RGB色彩图像,为便于计算机处理,首先将图像转换为仅包含亮度信息的灰度图[5],如图2所示;然后进行帽变换,通过顶帽变换对图像背景中亮目标进行分离,通过底帽变换得到主要裂缝主体组合帽变换后的裂缝图像(见图3a);最后通过中值滤波法对帽变换后的裂缝图像进行平滑处理,减少背景噪点信息(见图3b)。
3图像后处理
裂缝图像经预处理后,真实信息得到还原,且突出了裂缝信息,提高了图像后处理效率与准确性。后处理将裂缝主体与裂缝骨架从图像中分割出来,实现裂缝长度、宽度和走向等几何特征的自动识别。3.1裂缝二值图像获取由Canny算法计算过程可知,高阈值Th需小于边缘像素最小灰度级,但如果选取过小,将包含噪点边缘;当Th小于最值灰度级(Vmax)1倍最值灰度级标准差(σmax)时,可包含大部分真实边缘像素,同时避免包含噪点伪边缘;低阈值Tl=0.4Th。综上所述,提出改进自适应阈值的计算方法为:(6)通过改进自适应阈值算法得到的裂缝边缘如图4a所示,通过形态学方法对裂缝边缘图像进行处理,得到裂缝分割二值图像,如图4b所示。对裂缝分割二值图像进行细化处理,获得裂缝骨架曲线(见图5),处理时须满足以下条件:①骨架曲线应为1条仅有1个像素宽的细线;②细化结果为原目标的中心线;③同一目标的细化结果应具有连通性;④细化结果应唯一。3.2裂缝几何特征获取裂缝走向通常反映裂缝成因,对建筑结构病害分析具有重要作用。对裂缝分割二值图像进行Radon变换,极值点对应的角度即为裂缝走向。在像素尺度上对裂缝骨架曲线长度进行统计计算,可得裂缝长度信息。需注意,单张裂缝图像中可能仅包含完整裂缝长度的一部分,需对裂缝各部分图像进行配准操作,得到完整裂缝图像后计算完整裂缝长度。裂缝宽度是结构健康状态的重要体现,也是裂缝检测中最关心的内容之一,本研究将各骨架像素点各方向距裂缝边界的欧氏距离最小值定义为裂缝宽度。需注意,分析图像边缘附近骨架点单点裂缝宽度时,程序将图像边缘作为裂缝主体边缘,即靠近图像边缘的骨架点单点裂缝宽度小于实际值,导致裂缝平均宽度变小,使结果趋于不保守。为此,将图像边缘3个像素内的骨架点判定为假点,不参与裂缝平均宽度的计算。
4实际检测验证
为验证本研究提出的无人机摄影测量检测结构裂缝方法的有效性,利用M210-RTK型无人机挂载Z30型相机与本研究研发的两点激光测距仪,对华东理工大学徐汇校区老图书馆进行裂缝实际检测。老图书馆位于上海市徐汇区梅陇路130号,于1955年落成,为3层混凝土砖木混合结构。外形呈中华古典复兴风格,具有传统建筑要素构件,如翘角飞檐、青砖堂瓦等,具有保护价值。2011年,老图书馆被列为徐汇区第6批登记不可移动文物,为三类保护建筑。选取南外立面窗下水平裂缝作为检测对象(见图6),检测时天气晴朗,风力3~4级。专业技术人员操作无人机安全稳定飞行,具备拍摄建筑物外立面的条件。通过改变相机方向使其对准裂缝,打开两点激光测距仪,确保激光光斑在建筑物立面上。将实拍裂缝图像按前文方法进行处理,如图7所示。对裂缝几何特征进行提取,可知裂缝走向为167°,长55.7mm,平均宽度0.28mm,最大宽度0.39mm。房屋质量检测报告中描述此裂缝为窗下墙西倾斜裂缝,水平裂缝较普遍,宽度为0.10~0.35mm。实际检测结果与房屋质量检测报告接近,可知检测方法可靠。
5结语
1)通过无人机拍摄结构竖直外立面特征,结合两点激光测距方法得到相机与被测平面的相对位置,计算平面像素点与对应物点的坐标关系及像素解析度。2)对无人机拍摄图像预处理方法进行研究,对图像进行畸变矫正,提高图像处理精度。对矫正后的图像进行灰度化处理,降低冗余数据量。对灰度化处理后的图像进行增强处理,突出裂缝几何特征。对增强处理后的图像进行中值滤波平滑处理,去除背景噪点,以提高后期图像分割效率。3)对无人机拍摄图像后处理方法进行研究,提出自适应Canny算法双阈值计算方法,对预处理后的图像进行分割。通过对裂缝主体图像进行细化处理得到裂缝骨架曲线,利用Radon变换得到裂缝走向,并计算裂缝长度和宽度。4)采用本研究提出的方法进行实际结构裂缝检测,并将检测结果与房屋质量检测报告结果进行对比,可知结果较接近,本研究检测方法可靠。
参考文献:
[1]毕凯,李英成,丁晓波,等.轻小型无人机航摄技术现状及发展趋势[J].测绘通报,2015(3):27-31,48.
[2]袁小祥,王晓青,丁香,等.基于无人机影像的九寨沟地震建筑物震害定量评估[J].中国地震,2017,33(4):582-589.
[3]李德宇.无人机在建筑施工现场的应用[J].电脑迷,2018(1):28.
[4]彭雄.基于无人飞机成像的桥梁裂缝形状和宽度识别研究[D].湘潭:湖南科技大学,2017.
[5]朱铮涛.基于计算机视觉图像精密测量的关键技术研究[D].广州:华南理工大学,2004.
《无人机摄影测量智能检测研究》来源:《施工技术》,作者:单伽锃 郭嘉 田坤 刘辉 龚治国 郑士举 李勇生
婵犵數濮烽弫鍛婃叏娴兼潙鍨傞柣鐔峰簻閼板潡寮堕崼娑樺婵炲懐濮垫穱濠囧Χ閸屾矮澹曢梺鍛婎殜娴滃爼寮婚妸鈺傚亞闁稿本绋戦锟�:闂傚倸鍊搁崐椋庣矆娓氣偓瀹曨垶骞愭惔銏$彿闁瑰吋鐣崹娲矗韫囨稒鐓熼柕蹇婃嚉瑜版帒绀勯柣妯肩帛閻撴洟鏌熸导瀛樻锭闁哄鍠栭弻娑氣偓锝庡亞婢ь剟鏌曢崶褍顏€殿噮鍣e畷鍫曗€栭鑺ュ磳婵﹤顭峰畷鐔碱敃閵囨妸鍥ㄧ厸閻忕偠顕ч埀顒佺墱缂傛捇鎳為妷銉х獮婵犮垼娉涢張顒勫疾婵傚憡鈷掑ù锝堟鐢盯鏌熺喊鍗炰簽婵″弶鍔欏鎾偐閹颁焦缍楅梻浣告惈閸燁偊鎮ч崱娆戜笉闁挎繂妫涚粻楣冩煕閳╁喚娈欓悗姘緲闇夋繝濠傚閸斻倝妫佹径鎰叆婵犻潧妫欓幖鎰版煕閺傛鍎愬ǎ鍥э躬椤㈡稑顫濋幑鎰儓闂備礁鎼惌澶屾崲濠靛棛鏆︽い蹇撴噺婵挳鏌涘☉姗堝姛濞存粍鐗犲缁樼瑹閳ь剟鍩€椤掑倸浠滈柤娲诲灦瀹曘垽宕ㄦ繝浣虹畾闂佺粯鍔栧ḿ娆戠箔瑜忕槐鎺楊敊鐟欏嫭鐝曢梺闈涚墳缂嶄礁鐣峰鈧俊鎼佹晜缂佹﹩妫ㄩ梻鍌氬€风欢姘缚閼姐倐鍋撻棃娑氱劯鐎规洏鍨洪妶锝夊礃閵娧屽晣闂備胶枪缁绘ê螞鐠恒劍宕查柛鈩兦滄禍婊堟煙闁箑鏋涢柡瀣闇夋繝濠傚暙閳锋梻绱掓潏銊﹀鞍闁瑰嘲鎳忛ˇ鐗堟償濡粯娅冮梻鍌欑劍閹爼宕濆鍜佹富闁芥ê顦介崵鏇㈡煙閹澘袚闁稿瀚伴弻锝夊箻閾忣偅宕冲銈嗘煥椤︻垶鈥旈崘顔嘉ч柛鈩冿供濮婂潡姊虹粙娆惧剱闁告梹娲熼敐鐐测攽鐎n€晠鏌嶉崫鍕偓濠氬矗閸℃せ鏀介柣鎰綑閻忥箑鐣濋敐鍛仴闁诡喚鍋ら弻銊р偓锝冨妺缁ㄥ姊洪崫鍕妞ゃ劌妫楅埢宥嗙節閸曘劌浜炬繛鍫濈仢閺嬨倕顭胯椤ㄥ﹪鐛崱娑樼睄闁割偅绻嶅ḿ濠囨⒑閺傘儲娅呴柛鐕佸亰椤㈡梹瀵肩€涙ǚ鎷绘繛杈剧到閹诧繝骞嗛崼銉︾厱濠电姴濯遍崷顓炲疾闂備線娼ц噹闁稿本绮屾晶楣冩⒒娴h櫣甯涢柛鏃€娲栬灒濠电姴娲ら悿顕€鏌涘☉妯兼憼闁绘挾濮烽惀顏堝级閸喛鍩炴繝鈷€鍌氬祮闁哄矉缍佹俊鐑藉Ψ閿曗偓濞堟姊洪崫鍕拱缂佸鍨块崺銏℃償閵娿儳鐤€濡炪倖甯掗崐椋庢濮椻偓濮婄粯绗熼埀顒€岣胯铻炴俊銈呮噹閻ゎ喖霉閸忓吋缍戠紒鐘靛枛閹鈽夊▍铏灦閸掑﹦鈧潧鎽滅壕濂告倵閿濆骸骞楃痪顓℃硾闇夋繝濠傚婢у灚鎱ㄦ繝鍐┿仢妤犵偞鍔栭幆鏃堟晲閸屾侗娼旈梻鍌欑閹碱偊鎮у⿰鍫濈婵ɑ澧庨崑鎾绘濞戞牕浠悗瑙勬礃閿曘垽銆佸▎鎾村殐闁冲搫鍟悙濠傗攽閻樺灚鏆╁┑顔绢棎婢ф繈姊虹粙娆惧剱闁圭ǹ澧藉Σ鎰板箻閹颁礁鎮戦梺绯曞墲閿曗晛螞閸愵喗鈷戠痪顓炴噺閻濐亪鏌熼悷鐗堝枠鐎殿噮鍋婇獮妯肩磼濡粯顏熼梻浣芥硶閸o箓骞忛敓锟�.闂傚倸鍊搁崐椋庣矆娓氣偓瀹曨垶宕稿Δ浣糕偓鍫曟煕椤愮姴鍔氶柣鎺戠仛閵囧嫰骞掑鍥舵М婵犫拃灞界仭缂佺粯绋撴禒锕傚磼濮橈絽浜炬繝闈涱儏閽冪喖鏌ㄥ☉妯侯仱闁稿鎹囬弫鎰償閳ヨ尙鏁栭梻浣规た閸樺ジ顢栨径鎰摕婵炴垶鍩冮崑鎾绘晲鎼存繄鏁栭柡浣哥墦閹鈻撻崹顔界亞闂佸憡顨嗘繛濠囧Υ娴g硶妲堟俊顖炴敱閻庡姊洪悷閭﹀殶濠殿噮鍙冨绋库枎閹剧补鎷绘繛杈剧悼鏋柟顔藉灦缁绘繈濮€閳藉懓鈧寧顨ラ悙璇у伐妞ゆ挸銈稿畷鍫曞煛閸愵亝娈介梻鍌欑閹碱偆绮旈弻銉ョ閹兼番鍔岄悡婵嬫煛閸愩劌鈧敻宕戦幘鑽ゅ祦闁割煈鍠栨慨搴♀攽閳藉棗浜濇い銊ワ工閻g兘濮€閵堝懐顔婂┑掳鍊撻懗鍫曞储閹间焦鈷戦柛鎾村絻娴滀粙鏌涚€n亜顏柡鍛埣椤㈡岸鍩€椤掆偓椤繘鎼圭憴鍕瀭闂佹寧绻傚Λ娆撴偟濮樿埖鍊甸悷娆忓缁岃法绱撳鍕槮妞ゆ洩缍佸畷婊勬媴閻熸壆锛忛梻渚€娼чオ鍨繆閸モ晝鐭撻柛鎾楀懐锛濋梺绋挎湰閻熴劑顢欐径鎰厱閻庯綆鍋呭畷宀勬煛瀹€瀣М妤犵偛顑夐幃娆撳幢濡櫣浼岄梺璇″枟椤ㄥ﹪銆佸璺虹劦妞ゆ帒瀚拑鐔兼煥濠靛棙濯兼繛灏栨櫊閺岋綁骞橀崘宸妷闂佽绻愬Λ娆戞崲濞戙垺鏅查柛娑卞枟閹瑩姊洪幐搴㈠濞存粠浜幃浼搭敊閻e瞼鎳濋梺閫炲苯澧寸€殿噮鍋婇獮妯肩磼濡粯顏熼梻浣芥硶閸o箓骞忛敓锟�,闂傚倸鍊搁崐椋庣矆娓氣偓楠炲鏁撻悩鍐蹭画濡炪倖鐗滈崑娑㈠垂閸岀偞鐓曟い顓熷灥娴滅偞銇勯埡鍐ㄥ幋闁哄本鐩、鏇㈡偐閼碱兛鎮i梺璇查閻忔岸鎮¢敓鐘茶摕闁靛ň鏅滈崑鍡涙煕鐏炲墽鈽夋い蹇ユ嫹闂傚倸鍊峰ù鍥敋瑜忛埀顒佺▓閺呯姴鐣峰Ο鑽ょ瘈婵﹩鍘搁幐鍐⒑閸涘﹥澶勯柛瀣崌閹虫捇宕稿Δ浣哄弰闂婎偄娴勭徊鑺ョ閺嶎灐鐟扳堪閸曨厾鐓€闁剧粯鐗犻弻銊モ攽閸℃ê娅i梺鍝勬閸嬨倝寮婚妸銉㈡闁惧浚鍋勯锟�婵犵數濮烽弫鎼佸磻濞戙垺鍋ら柕濞у啫鐏婇悗鍏夊亾闁告洦鍓欐禍閬嶆⒑閸涘﹣绶遍柛鐘冲哺閵嗗懘寮婚妷锔惧幍闂佺粯鍨堕敃鈺佲枔閺冨倻纾奸柍褜鍓熷畷鍗炩槈濞嗘垵骞楁繝纰樻閸ㄧ敻宕戦幇顔芥殰婵炴垯鍨洪悡鐔哥節閸偅灏伴悗姘炬嫹.
转载请注明来自:http://www.zazhifabiao.com/lunwen/dzxx/yydzjs/46579.html
上一篇:高速公路隧道照明技术分析
下一篇:机械电子工程行业现状及发展趋势