无人机在路桥病害检测中的设计与实现刘志华

(整期优先)网络出版时间:2019-01-11
/ 2

无人机在路桥病害检测中的设计与实现刘志华

刘志华

广州市交正交通建设工程检测有限公司510378

摘要:无人机如今在路桥病害的检测中发挥着重要的作用,围绕无人机进行病害检测技术的工作已经进行了很多的实践和测试,设计和研发了建立在无人机技术基础上的路桥病害检测系统。本文围绕无人机的软硬件系统的运行展开论述,包括自动避障系统、路桥巡检系统以及病害识别系统等,对我国自主知识产权的无人机技术展开论述,包括变化检测和高精度提取目标信息的功能。人为现代的无人机病害检测已经比传统的路桥病害检测在安全性能、全面高效、经济适用等方面获取了巨大的进步。而且随着信息数据化和智能化技术的进步,对于公路桥梁的养护工作无疑起到了重要的技术支持和保障作用。

关键词:无人机;路桥巡检;病害检测

交通运输部发布公报称,截至2014年底全国公路总里程达446.39万km,桥梁超过73.5万座。作为国民经济的重要保障,目前中国40%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。

1.无人机路桥病害检测系统概述

测试道路的疾病包括许多方面,桥梁的测试内容也更多,但对于一个小程序测试也是非常重要的,所以桥检测设备的多样性,因为很多检查是需要大机器,耗费时间或一个测试,需要一些大型试验机,使用无人机(uav)进行检测,不仅节省成本,还提高了工作效率。无人机有很多种类型,如旋翼无人机系统,包括软件和硬件组件。硬件由高清、激光雷达、测量模块等组成。通过悬挂在无人机上的高清摄像机完成目标图像信息的获取任务。利用激光雷达和飞行控制系统实现障碍物识别和避障自动检测。通过三维重建软件图像处理软件,没有人能够完成对采集的图像进行滤波、增强、融合、拼接和图像校正,对疾病程度进行准确的识别。然后利用激光雷达系统中的三维点云数据建立道路桥梁的三维模型。在三维模型中,可以清晰地看到异常,根据时间对区域进行标记,然后控制无人机进行再次检查。控件通常由操作员手动控制。将信息传递会路桥巡检管理系统,巡检的过程采用精细化的管理模式,进行健康状况信息汇总统计、智能路桥信息决策、三维模型展示等。

2.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。

3.系统软件实现

无人机的系统软件实现是结合了数字高程模型,通过高分辨率的遥感影像数据进行地形特征的判别,通过可分析数据系统制定出远景飞行计划,利用远景拍摄的影响建立路桥三维模型,利用近景拍摄病害,作为空间数据基础,结合病害的特征进行分析和识别。

其流程为:

制定巡检方案-近景拍摄(远景拍摄)-无人机三维映像-路桥三维模型制作-病害信息支持库-三维信息浏览-采取日常维护应急措施。

进行巡检的过程较为复杂,无人机在新的环境中必须要完成自动的选件,操作人员可以采用手动操控,这种方式能够覆盖整个相机的目标航迹。通过GPS、IMU等记录无人机周边的环境,建立同步定位构图和电子地图。根据飞行路线进行设定,自动避障,自动返回航线。不需要人工干预。

采用SIFT方法进行三维重建,是建立在三维重建的多视立体重建的基础上,从无人机飞行过程中大量获取的影像中提取到相关特征点,经过系统的校正、裁剪以及采样,形成了无人机的影响,其具有旋转不变、光线不变、尺度不变的特征。具有很好的鲁棒性,适合于款极基线的匹配,采用的匹配策略是从粗到系,获取冗余度较高的数码照片集,包含了图像的对应投影点,最后进行精度匹配的优化,使用非线性优化方法对相机的参数进行优化,运用贪婪搜索运动,结合五点法最终得到相机的标定值,避免非线性优化方法出现参数的系数导致了相机的错误标定结果。

4.病害识别

基于无人机图像、地面DEM等相关数据的路桥信息智能提取与变形监测基于面向对象的图像分析方法,基于高分辨率图像对象的特征建模功能,与多尺度分割图像的多个特征识别的关键技术,如建筑智能化信息提取模型,完成桥梁关键目标信息提取和变化检测、高精度无人机信息可以结合地面DEM数据,智能桥梁信息提取,对目标的影响进行有针对性的分析,得到高分辨率的图像特征和建模方法。利用多特征识别和多尺度分割技术,构建智能信息模型,完成道路桥梁病害的高精度变化检测与识别提取。技术流程如下:通过可视化建立疾病特征群,利用已知疾病样本识别特征值,获取参数,利用特征参数提取识别无人机图像,建立无人机图像路桥分析框架系统。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。

5.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。

结论

道路桥梁病害的检测已在学术界和工业界研究多年。针对无人机采集的路桥数据,提出了一种利用无人机图像检测复杂环境下路桥病害的方法。通过建立多层特征金字塔和多分量变形模型,提高了疾病模型的通用性,提取了复杂背景下的非固定形态疾病——道路桥梁裂缝和坑。无人机单次飞行获取的影像有成千上万幅,采用本文方法能从中检测出路桥病害,极大地减少了工作量。大量试验结果表明,本文的检测方法相比于其他基于边缘结构等信息的道路病害提取方法更加高效,对于不同环境、光照情况下的路桥病害提取具有更高的鲁棒性。未来的研究中,还将进一步提高病害识别的精度,以及进一步开展病害完整形态的提取和参数的计算。

参考文献:

[1]朱国祥.基于道路桥梁的养护技术与措施分析[J].交通世界(运输车辆),2015(6):212-213.

[2]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.

[3]敬家炽.桥梁检测无人飞行器系统航迹规划初步研究[D].湖南科技大学,2016.

[4]许宏元.无人机在桥梁检测中的应用[J].中国公路,2017(10):39~40.