CN113092502A - 一种无人机路面破损检测方法与*** - Google Patents

一种无人机路面破损检测方法与*** Download PDF

Info

Publication number
CN113092502A
CN113092502A CN202110398472.7A CN202110398472A CN113092502A CN 113092502 A CN113092502 A CN 113092502A CN 202110398472 A CN202110398472 A CN 202110398472A CN 113092502 A CN113092502 A CN 113092502A
Authority
CN
China
Prior art keywords
image
unmanned aerial
aerial vehicle
road surface
damage
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110398472.7A
Other languages
English (en)
Inventor
曾维
胡笑林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Univeristy of Technology
Original Assignee
Chengdu Univeristy of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chengdu Univeristy of Technology filed Critical Chengdu Univeristy of Technology
Priority to CN202110398472.7A priority Critical patent/CN113092502A/zh
Publication of CN113092502A publication Critical patent/CN113092502A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • G01N2021/0106—General arrangement of respective parts
    • G01N2021/0112—Apparatus in one mechanical, optical or electronic block

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种无人机路面破损检测方法与***，所述方法包括：首先获取图像采集模块采集到的路面图像；然后在无人机端对路面图像进行预处理并发送给地面站端；地面站端将接收到的图像信息进行破损识别和分类，最后将检测结果发送至数据中心。本发明所述***：利用无人机搭载高清变焦摄像头采集路面信息，同时无人机端搭载的图像预处理板卡可实时处理图像信息，从而减少地面站端图像处理的工作量。在地面站端部署基于深度学习的路面破损检测模型，对处理后的路面图像进行检测，得到路面破损检测结果。与传统方法相比，本发明所提出的方法提高了路面破损检测的精度和效率，为路面破损检测工作提供了一种更快速、更高效的方法。

Description

一种无人机路面破损检测方法与***
技术领域
本发明属于道路工程学科技术领域，尤其涉及一种无人机路面破损检测方法与***。
背景技术
道路损伤检测作为道路维护工作的第一步也是至关重要的一环，受到了公路管理者的关注。路面破损的发生会导致驾驶舒适性和驾驶安全性的降低,缺乏及时的修复也会导致道路寿命的减少。因此,及早、大范围地检测和处理路面破损可以带来可观的社会效益和经济效益。
目前，路面破损检测主要以人工勘测方法为主。在人工勘测中，评估员需要行走在机动车道或机动车道周围来进行目视检查和拍摄照片，但这会对评估员造成潜在的安全风险。并且，人工勘测方法工作效率低下，路面检查结果易受到检查员的主观影响。
发明内容
针对以上问题，本发明提出一种无人机路面破损检测方法与***，以解决现有技术中存在的上述问题。其具体方案如下：
第一方面，本申请实例提供了一种无人机路面破损检测方法，包括：
通过无人机搭载的摄像头采集路面图像信息；
将采集到的路面图像送入无人机端中处理板卡中进行图像预处理，得到预处理后的图像；
将处理后的图像发送至地面站端，输入基于深度学习的路面破损模型中进行识别和分类。
第二方面，本申请实例提供了一种无人机路面破损检测***，包括：无人机***、图像采集模块、图像预处理模块、数据通信模块和破损图像识别模型。
优选地，所述无人机***，用于控制无人机飞行姿态，同时搭载相机云台和高清变焦摄像头；
优选地，所述图像采集模块，用于获取路面图像信息，摄像头与地面保持垂直；
优选地，所述图像预处理模块，用于将路面图像进行预处理，包括裁剪、放大、灰度处理；
优选地，所述数据通信模块，用于无人机端与地面端的数据通信，发送路面图像信息和无人机控制指令；
优选地，所述破损图像识别模型，用于将预处理后的图像进行路面破损识别和分类；
本发明中，本发明实施例首先获取图像采集模块采集到的路面图像；然后通过图像预处理模块对路面图像进行预处理包括裁剪、放大、灰度处理，得到处理后的图像信息；数据通信模块将处理过后的图像信息发送给地面站端；破损图像识别模型将接收到的图像信息进行破损识别和分类，最后将检测结果发送至数据中心，以使评估员根据路面破损检测结果进行进一步处理。本发明实施例通过以无人机为载体采集路面图像，并通过深度学习的方法对路面图像进行检测，得到路面破损检测结果，提高了路面破损检测的精度。在对路面图像检测前，能够在无人机端对路面图像进行预处理，从而减少在地面站端路面破损检测的工作，提高路面破损检测工作的效率，本发明为道路损伤检测工作提供了一种更快速、更高效的方法。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实例提供的一种无人机路面破损检测方法流程图。
图2为本申请实例提供的一种无人机路面破损检测***结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。
实施例1
本发明提供了一种无人机路面破损检测方法的实现流程，图1为本申请实例提供的一种无人机路面破损检测方法流程图，其主要包括以下步骤。
地面站端：
S101：地面站端***进行初始化，包括通信模块参数配置，深度学习模块启动，连接数据中心；
本申请实施例，通过自定地参数配置，建立无人机端和地面站端通信，路面图像可以包括视频和图片；
S102：搜索无人机信号，与无人机建立连接。若成功进入S104，若失败进入S103重新搜索无人机信号；
S104：无人机通信模块与地面站通信模块建立连接；
S105：地面站端向无人机端发送无人机控制指令和图片接收指令；
S106：将接收到的图片信息输入破损图像识别模型进行检测；
S107：经过破损图像识别模型的检测，得到路面破损种类和程度；
S108：将检测结果发送至数据中心，以供检测员进行进一步评估；
无人机端：
S201：无人机端***进行初始化，无人机起飞进入预定位置，图像采集模块启动；
S202：接收到地面站通信信号，与地面站建立连接；
S203：通过无人机端搭载的摄像头对路面进行图像采集；
S204：对摄像头采集到的的图片信息进行图像信息预处理；
S205：判断是否接收到地面站发出的操作指令；
S206：将预处理后的图片信息回传至地面站端；
S207：接收到地面站发来的无人机控制指令，按照指令对无人机进行控制；
实施例2
本申请提供了一种无人机路面破损检测***，图2为本申请实例提供的一种无人机路面破损检测***结构示意图。所述***由无人机端和地面站端两个部分组成，主要包括以下模块。
无人机10，用于搭载相机云台和高清变焦摄像头；
无人机飞行控制***20，用于控制无人机飞行姿态和相机云台姿态；
数据通信模块30，用于无人机端与地面端的数据通信，发送路面图像信息和无人机控制指令；
图像预处理模块40，用于将路面图像进行预处理，包括裁剪、放大、灰度处理；
图像采集模块50，用于获取路面图像信息，包括图片和视频；
无人机指令模块60，用于远程发送无人机飞行姿态指令和获取路面图像指令；
破损图像识别模型70，用于将预处理后的图像进行路面破损识别和分类；
数据中心80，用于存储路面破损检测结果，以使评估员根据检测结果进行进一步处理。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明的保护范围并不局限于此，上述实例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进均应包含在本发明的保护范围之内。

Claims (9)

1.一种无人机路面破损检测方法与***，其特征在于，包括：无人机***、图像采集模块、图像预处理模块、数据通信模块和破损图像识别模块。
2.根据权利要求1所述的一种无人机路面破损检测方法，其特征在于首先获取图像采集模块采集到的路面图像；然后在无人机端对路面图像进行预处理并发送给地面站端；地面站端将接收到的图像信息进行破损识别和分类，最后将检测结果发送至数据中心。
3.根据权利要求２所述的一种无人机路面破损检测方法，其特征在于无人机端搭载图像预处理板卡，对路面图像进行预处理，包括裁剪、放大、灰度处理。
4.根据权利要求2所述的一种无人机路面破损检测方法，其特征在于地面站部署有基于深度学习的路面破损识别模型，可对路面图像进行路面破损识别和分类处理。
5.根据权利要求1所述的一种无人机路面破损检测***，其特征在于，无人机***，用于控制无人机飞行姿态，同时搭载相机云台和高清变焦摄像头。
6.根据权利要求1所述的一种无人机路面破损检测***，其特征在于，图像采集模块，用于获取路面图像信息，摄像头放置于无人机下方，摄像头角度与地面垂直。
7.根据权利要求1所述的一种无人机路面破损检测***，其特征在于，图像预处理模块，用于将路面图像进行预处理，包括裁剪、放大、灰度处理。
8.根据权利要求1所述的一种无人机路面破损检测***，其特征在于，数据通信模块，用于无人机端与地面端的数据通信，发送路面图像信息和无人机控制指令。
9.根据权利要求1所述的一种无人机路面破损检测***，其特征在于，破损图像识别模块，用于将预处理后的图像进行路面破损识别和分类。
CN202110398472.7A 2021-04-14 2021-04-14 一种无人机路面破损检测方法与*** Pending CN113092502A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110398472.7A CN113092502A (zh) 2021-04-14 2021-04-14 一种无人机路面破损检测方法与***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110398472.7A CN113092502A (zh) 2021-04-14 2021-04-14 一种无人机路面破损检测方法与***

Publications (1)

Publication Number Publication Date
CN113092502A true CN113092502A (zh) 2021-07-09

Family

ID=76677066

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110398472.7A Pending CN113092502A (zh) 2021-04-14 2021-04-14 一种无人机路面破损检测方法与***

Country Status (1)

Country Link
CN (1) CN113092502A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114511551A (zh) * 2022-02-22 2022-05-17 金华高等研究院(金华理工学院筹建工作领导小组办公室) 一种基于机器视觉的地面损伤识别***
CN114650356A (zh) * 2022-03-16 2022-06-21 思翼科技（深圳）有限公司 一种高清无线数字图像传输***

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108416307A (zh) * 2018-03-13 2018-08-17 北京理工大学 一种航拍图像路面裂缝检测方法、装置及设备
CN108520516A (zh) * 2018-04-09 2018-09-11 陕西师范大学 一种基于语义分割的桥梁路面裂缝检测和分割方法
CN109255288A (zh) * 2018-07-23 2019-01-22 深圳市科思创动科技有限公司 一种路面破损检测方法、装置及终端设备
CN112198899A (zh) * 2020-09-30 2021-01-08 安徽乐道信息科技有限公司 基于无人飞行器的道路检测方法、设备和存储介质
CN112326686A (zh) * 2020-11-02 2021-02-05 坝道工程医院(平舆) 无人机智能巡航路面病害检测方法、无人机和检测***
CN112858307A (zh) * 2021-01-18 2021-05-28 安徽建筑大学 一种路面损伤检测无人机组及***

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108416307A (zh) * 2018-03-13 2018-08-17 北京理工大学 一种航拍图像路面裂缝检测方法、装置及设备
CN108520516A (zh) * 2018-04-09 2018-09-11 陕西师范大学 一种基于语义分割的桥梁路面裂缝检测和分割方法
CN109255288A (zh) * 2018-07-23 2019-01-22 深圳市科思创动科技有限公司 一种路面破损检测方法、装置及终端设备
CN112198899A (zh) * 2020-09-30 2021-01-08 安徽乐道信息科技有限公司 基于无人飞行器的道路检测方法、设备和存储介质
CN112326686A (zh) * 2020-11-02 2021-02-05 坝道工程医院(平舆) 无人机智能巡航路面病害检测方法、无人机和检测***
CN112858307A (zh) * 2021-01-18 2021-05-28 安徽建筑大学 一种路面损伤检测无人机组及***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李海东: "基于深度学习和无人机的重交通荷载公路病害定位和测量研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114511551A (zh) * 2022-02-22 2022-05-17 金华高等研究院(金华理工学院筹建工作领导小组办公室) 一种基于机器视觉的地面损伤识别***
CN114650356A (zh) * 2022-03-16 2022-06-21 思翼科技（深圳）有限公司 一种高清无线数字图像传输***

Similar Documents

Publication Publication Date Title
CN108022235B (zh) 高压输电铁塔关键部件缺陷识别方法
CN112164015A (zh) 单目视觉自主巡检图像采集方法、装置及电力巡检无人机
CN111339893B (zh) 基于深度学习和无人机的管道检测***及方法
CN113092502A (zh) 一种无人机路面破损检测方法与***
CN110046584B (zh) 一种基于无人机巡检的道路裂纹检测装置及检测方法
US11371851B2 (en) Method and system for determining landmarks in an environment of a vehicle
CN110866483B (zh) 一种动静结合的机场跑道异物视觉检测与定位方法
CN112348034A (zh) 基于无人机图像识别的起重机缺陷检测***和工作方法
CN109389056B (zh) 一种空基多视角协同的轨道周边环境检测方法
CN108961276B (zh) 基于视觉伺服的配电线路巡检数据自动采集方法及***
CN108564628B (zh) 一种面向掘进机自动化的截割头视觉定位定向***
CN112270267A (zh) 可自动抓拍线路故障的摄像识别***
CN106845566A (zh) 一种基于rfid技术的电力设备巡检方法和***
CN106339657A (zh) 基于监控视频的秸秆焚烧监测方法、装置
CN110807765A (zh) 一种基于图像处理的悬垂绝缘子串倾斜检测方法与***
CN112528979A (zh) 变电站巡检机器人障碍物判别方法及***
CN115588121A (zh) 基于传感数据和图像序列的塔吊吊物类别检测方法及***
Zhang et al. Aerial image analysis based on improved adaptive clustering for photovoltaic module inspection
CN114723271A (zh) 一种基于图像识别的输电工程质量检测方法及***
CN112508911A (zh) 基于巡检机器人的轨交接触网悬挂支撑部件裂纹检测***及其检测方法
CN115393347A (zh) 一种基于城市大脑的电网智能巡检方法及***
CN109325911B (zh) 一种基于注意力增强机制的空基铁轨检测方法
CN112926354A (zh) 一种基于深度学习的车道线检测方法及装置
WO2022104798A1 (zh) 基于5g的无人驾驶电子交警执勤***
CN112926415A (zh) 一种行人避让***和行人监测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210709