论文部分内容阅读
路桥病害的实时检测对于路桥的安全具有重要意义，也是公路巡检和维护工作的主要依据之一。路桥病害的数量和严重程度直接反映了路桥健康状况，同时，路桥病害的改变预示着路桥表层或者深层的病变，进而影响路桥的使用寿命和安全系数。线状病害、网状病害和坑洞作为路桥早期病害，是路桥表面的常见病害，其相关参数（如线状裂缝的形状、面积和位置等）是评估路桥健康状况的重要参数。传统路桥检测是采用路桥检测车加巡检员目视相结合的方法，具有检测效率低下、费时费力的缺点，而无人机作为新型的检测平台，具有采集影像角度灵活、成本低、效率高的特点。随着低空摄影测量和图像处理技术的发展，路桥病害的检测方法产生了显著变化，特别是无人机的发展对整个路桥病害检测体系产生了深刻影响。因此，研究基于无人机的路桥病害检测方法及其精度评估，对于路桥健康状况的评估和对应的巡检方案的安排都具有重要意义。 本研究基于路桥养护公司提供的路桥病害数据和大疆S900无人机搭载的SONY ILCE-7R相机拍摄得到的影像数据，首先采用无人机影像处理降低无人机影像模糊和影像高噪声，然后应用手持相机拍摄得到的路桥病害影像训练线状裂缝、网状裂缝和坑洞这三类早期和基础性的路桥病害的多部件形变模型，然后应用路桥部件的多部件形变模型在无人机影像上，通过检测得到路桥病害区域，再基于路桥病害区域影像应用边缘检测方法提取出路桥病害信息，最后对基于无人机影像的路桥病害检测系统进行了介绍和实力验证。通过分析无人机影像处理、路桥病害模型、模型检测和路桥信息提取方法和路桥病害检测系统，本研究得出了以下结论: (1)提出了一套创新性的基于无人机的路桥病害检测技术。本研究针对无人机影像特性比较了多种影像处理算法以提高影像质量;验证了描述路桥病害的形态、结构、纹理特性的多部件形变模型，及其模拟路桥病害的可行性，并建立了路桥病害模型库;检测出路桥病害影像区域并采用边缘检测算法来提取出路桥病害信息，显著提高了路桥病害检测和信息提取的效果;最后阐述了路桥病害检测系统功能、算法和实施验证。 (2)通过研究无人机影像特性和影像预处理方法，有效改善了无人机影像质量。在多参数条件下比较了去模糊概率模型和标准各向异性扩散这两种算法，证明了标准各向异性扩散函数在保存影像边缘特征的前提下，在消除无人机影像模糊方面表现更好。 (3)通过研究路桥病害影像特性和特征表达方法，创新性地提出将模拟了路桥病害影像形态、结构、纹理特性的多部件形变模型应用到路桥病害检测中，并比较了病害模型的模拟泛化性能。研究结果表明，线状裂缝模型模拟泛化能力良好，模型的平均精度AP=0.64891;网状裂缝模型模拟泛化能力较差，平均精度AP=0.5658;坑洞模型模型的泛化能力最强，平均精度AP=0.68254。在尽量全面地提取出路桥病害的要求下，如果要求路桥病害检准率较高，当召回率(recall)值在0.6时，精度(precision)值均在0.2～0.4之间。 (4)不同病害模型应用在无人机影像上，在响应度阈值的设定和检测效果上存在差异，边缘分割效果也具有显著差别。研究结果表明，线状裂缝响应度为-0.95时查全率最高，网状裂缝查全率最高出现在响应度为-0.99处，坑洞响应度为-0.9时查全率最高。对检出区域应用局部自适应阈值分割和最小连通域去除法提取路桥病害的边缘、形状等参数信息，与经典的Canny算法、Sobel算法相比，本实验提出的思路可以更准确地提取出路桥病害信息。 (5)通过编程实现基于无人机影像的路桥病害检测系统，在系统设计、功能实现和实例验证方面进行了阐述。实现结果表明，本文算法有效可靠、系统功能良好，具有良好的应用前景。