CN113375642B - 一种基于无人机自动拍照的桥梁拉索检测方法 - Google Patents
一种基于无人机自动拍照的桥梁拉索检测方法 Download PDFInfo
- Publication number
- CN113375642B CN113375642B CN202110710548.5A CN202110710548A CN113375642B CN 113375642 B CN113375642 B CN 113375642B CN 202110710548 A CN202110710548 A CN 202110710548A CN 113375642 B CN113375642 B CN 113375642B
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- module
- bridge
- route
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 34
- 230000008569 process Effects 0.000 claims abstract description 19
- 230000003993 interaction Effects 0.000 claims abstract description 15
- 238000012937 correction Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 22
- 238000007689 inspection Methods 0.000 claims description 19
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 239000000523 sample Substances 0.000 claims description 6
- 230000003321 amplification Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 4
- 244000207740 Lemna minor Species 0.000 claims description 3
- 235000006439 Lemna minor Nutrition 0.000 claims description 3
- 235000001855 Portulaca oleracea Nutrition 0.000 claims description 3
- 238000004040 coloring Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 229910000831 Steel Inorganic materials 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000001915 proofreading effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于无人机自动拍照的桥梁拉索检测方法，包括桥体、拉索、服务器、人机交互设备和拉索校测***，所述桥梁拉索检测采用无人机设备，所述无人机设备放置于桥体面的中央位置，所述无人机设备上设有移动追踪结构，所述移动追踪结构上设有云台相机，所述云台相机采用DJIH20T、DJIP1。本发明通过设置的航线偏移检测，在风力等级过大时，无人机偏移既定的航线较大，此时偏移报警模块会自动报警，工作人员触发人机交互设备上的按钮，使得快捷返航模块介入，无人机设备返航；低于预先设定的偏移阈值时，报警模块不会介入，此时校正模块对无人机进行强力干涉，使其更接近既定路线，保障了无人机设备在检测过程中的安全性和稳定性。
Description
技术领域
本申请涉及桥梁检测技术领域，尤其涉及一种基于无人机自动拍照的桥梁拉索检测方法。
背景技术
目前，斜拉桥又称斜张桥，是将主梁用许多拉索直接拉在桥塔上的一种桥梁，是由承压的塔、受拉的索和承弯的梁体组合起来的一种结构体系。其可看作是拉索代替支墩的多跨弹性支承连续梁。其可使梁体内弯矩减小，降低建筑高度，减轻了结构重量，节省了材料。斜拉桥主要由索塔、主梁、斜拉索组成。斜拉桥(cable stayedbridge)作为一种拉索体系，比梁式桥的跨越能力更大，是大跨度桥梁的最主要桥型。斜拉桥由许多直接连接到塔上的钢缆吊起桥面，斜拉桥主要由索塔、主梁、斜拉索组成。索塔型式有A型、倒Y型、H型、独柱，材料有钢和混凝土的。斜拉索布置有单索面、平行双索面、斜索面等。第一座现代斜拉桥是1955年德国DEMAG公司在瑞典修建的主跨为182.6米的斯特伦松德桥。世界上建成的最大跨径的斜拉桥为俄罗斯的俄罗斯岛大桥，主跨径为1104米，于2012年7月完工。拉索在使用过程中需要定期检测，虫害得问题会对拉索造成严重的侵蚀，定期的检查和维护是相当有必要的。
现有的桥梁拉索检测方法存在以下问题：
1.利用无人机对桥梁高处的拉索进行检测时，环境风力影响因素是很大的，预先了解到的天气预报存在不实时性和准确性，无人机检测时很难精准检测；
2.传统检测的大多方式是人工检测，检测效率低，检测不充分；
3.现有的无人机检测方案中，往往只有一条既定的路线，检测过程中容易造成部分位置的检测误差，无法准确对标点位置清洗图像采集。
现有专利不易解决此类问题，因此，亟需一种基于无人机自动拍照的桥梁拉索检测方法来解决上述问题。
发明内容
本发明的目的在于提供一种基于无人机自动拍照的桥梁拉索检测方法，以解决上述背景技术中提出的问题。
本申请实施例采用下述技术方案：
一种基于无人机自动拍照的桥梁拉索检测方法包括桥体、拉索、服务器、人机交互设备和拉索校测***，所述桥梁拉索检测采用无人机设备，所述无人机设备放置于桥体面的中央位置，所述无人机设备上设有移动追踪结构，所述移动追踪结构上设有云台相机，所述云台相机采用DJIH20T、DJIP1，所述基于无人机自动拍照的桥梁拉索检测方法包括以下步骤：
S1：将巡航无人机在地面安全展开，通过交互设备上的移动端控制无人机飞行开始路线采集；
S2：根据采集到的拉索附近路线信息，通过路线规划模块开始制定自主飞行路线；
S3：启动自动巡航***，使得无人机按照制定的航线开始定速巡检拉索；
S4：巡检过程中，通过无人机设备上的高清探头和***内的图像采集模块对桥梁拉索进行防抖动拍摄；
S5：拍摄过程中对明显的拉索问题进行定点追踪，整体的巡检结束后，通过航线复核模块对定点位置进行放大拍摄；
S6：通过数据处理模块对图像进行处理，同时利用采集到的信息进行计算和建模；
S7：巡检结束，对建模得到的3D模型进行观测，并记录结果完成此次桥梁拉索的整体巡检任务。
优选的，所述人机交互设备包括移动端和PC端，拉索检测***包括控制模块、数据库、通讯模块、检测模块、路线采集模块、图像采集模块、标记模块、航线复核模块、存储模块和数据处理模块，且人机交互设备和拉索校测***通过服务器相连，拉索校测***还设有航线偏移检测，航线偏移检测包括偏移报警模块、校正模块、风机测算模块、快捷返航模块和智能防撞模块。
优选的，所述S1中，路线采集模块用于人为控制人机交互设备中的无人机对桥梁拉索进行路线信息采集，无人机机型为大风青萍+DJIM300、御RTK。
优选的，所述S2中，路线规划模块用于整合路线采集模块采集到的数据信息，制定有效的巡检路线。
优选的，所述S3中，PC端控制无人机设备沿着既定路线进行巡检，保持无人机为匀速飞行。
优选的，所述S4中，云台相机上的高清探头对桥梁拉索进行摄拍，同时将信息反馈到图像处理模块中，图像处理模块用于将图片信息进行整合对齐。
优选的，所述S5中，航线复核模块用于对飞行拍摄过程中明显问题位置进行标记，再利用定点追踪模块指引无人机设备靠近问题位置，通过图像放大模块对问题位置进行放大处理，闪拍模块用于对放大后的位置进行闪拍，存储模块用于对拍摄图片进行临时储存。
优选的，所述S6中，数据处理模块包括路线规划模块、图像处理模块、计算模块和模型创建模块，三维模型创建的方法包括以下步骤：
(1)无人机根据预设航线，自动执行桥梁巡检任务，任务过程中，无人机通过改变相机位置和姿态，提取到多视角下的桥梁各部件相关照片；
(2)数据采集完成后，***通过图像特征点匹配，采用SFM(运动结构恢复)进行实际拍摄位置及姿态还原；
SFM的基本算法为：
d.世界坐标系转换为相机坐标系
e.相机坐标系转换为图像物理坐标系
f.图像物理坐标系转换为图像像素坐标系
(3)***自动计算点云位置并且重建三维稀疏点云；
(4)采用patch match算法和德劳内三角剖分得出精准的桥梁三维稠密点云，德劳内三角剖分是一种常用的三角剖分方法，其有着最大化最小角，“最接近于规则化的“的三角网和唯一性(任意四点不能共圆)等优点，然后patch match算法为使用欧式距离公式和曼哈顿距离公式计算全图3×3快q与原p的最小L2距离，
∑|pij-qij|曼哈顿公式
之后求出全图patch与P的距离，以得出最小距离的q集合，通过KNN算法找出与原patch最近的相似块，可以继续使用曼哈顿距离公式：
|xp-xq|+|yp-yq|其中(x，y)是patch的中心坐标；
(5)将得到的桥梁点云拟合网格化，将每个点云转换成为小平面体并且上色；
(6)最后整理网格贴图，生成桥梁真实的三维模型。
优选的，所述S7中，通过真实三维模型图片组观测桥梁拉索信息，近距离对桥梁拉索进行检测。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：
其一，通过设置的航线偏移检测，无人机在飞行检测的时候，大风级风力对无人机设备的影响很大，特别是在搭载云台相机对桥梁拉索进行检测，设置的航线偏移检测内设有偏移报警模块、校正模块、风级测算模块、快捷返航模块和智能防撞模块，在风力等级过大时，无人机偏移既定的航线较大，此时偏移报警模块会自动报警，同时利用风级测算模块将风级强度反馈到人机交互设备端上，例如，低于预先设定的偏移阈值时，报警模块不会介入，此时校正模块对无人机进行强力干涉，使其更接近既定路线，当风级等级较高，达到或者超过设定阈值时，此时偏移报警模块开始报警，工作人员触发人机交互设备上的按钮，使得快捷返航模块介入，无人机设备自主返航，同时返航过程中，智能防碰撞模块介入，保障了无人机设备在检测过程中的安全性和稳定性；
其二，通过设置的航线复核模块，在无人机设备航行检测过程中，摄录的照片的可能会存在明显的问题位置，此时云台相机就会智能标记该位置，在整体飞行检测完毕后，根据智能标记的位置利用定位追踪模块重返标记位置，利用图像放大模块对图片进行放大，再通过闪拍模块对问题位置进行放大拍摄，更加具有针对性；
其三，通过设置的模型创建模块，模型创建模块配合严谨的patch match算法和德劳内三角剖分得出精准的桥梁三维稠密点云，再通过曼哈顿公式和欧式公式计算得到桥梁点，最后生成桥梁云搭建真实的三维模型，更加近距离且方便的观测桥梁拉索问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是本实施例的桥梁拉索示意图；
图2是本实施例的拉索校测***的结构框图；
图3是本实施例中数据处理模块的流程框图；
图4是本实施例中航线偏移检测结构示意图；
图5是本实施例中航线复核模块结构框图；
图6是本实施例中基于无人机自动拍照的桥梁拉索检测方法流程图；
图7是本实施例中德劳内三角剖分示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
以下结合附图，详细说明本申请各实施例提供的技术方案。
请参阅图1-图6，本发明提供一种基于无人机自动拍照的桥梁拉索检测方法技术方案：包括包括桥体、拉索、服务器、人机交互设备和拉索校测***，桥梁拉索检测采用无人机设备，无人机设备放置于桥体面的中央位置，无人机设备上设有移动追踪结构，移动追踪结构上设有云台相机，云台相机采用DJIH20T、DJIP1，基于无人机自动拍照的桥梁拉索检测方法包括以下步骤：
S1：将巡航无人机在地面安全展开，通过交互设备上的移动端控制无人机飞行开始路线采集；
S2：根据采集到的拉索附近路线信息，通过路线规划模块开始制定自主飞行路线；
S3：启动自动巡航***，使得无人机按照制定的航线开始定速巡检拉索；
S4：巡检过程中，通过无人机设备上的高清探头和***内的图像采集模块对桥梁拉索进行防抖动拍摄；
S5：拍摄过程中对明显的拉索问题进行定点追踪，整体的巡检结束后，通过航线复核模块对定点位置进行放大拍摄；
S6：通过数据处理模块对图像进行处理，同时利用采集到的信息进行计算和建模；
S7：巡检结束，对建模得到的3D模型进行观测，并记录结果完成此次桥梁拉索的整体巡检任务。
请参阅图2、图3、图4和图5，人机交互设备包括移动端和PC端，拉索检测***包括控制模块、数据库、通讯模块、检测模块、路线采集模块、图像采集模块、标记模块、航线复核模块、存储模块和数据处理模块，且人机交互设备和拉索校测***通过服务器相连，拉索校测***还设有航线偏移检测，航线偏移检测包括偏移报警模块、校正模块、风机测算模块、快捷返航模块和智能防撞模块。
请参阅图2，S1中，路线采集模块用于人为控制人机交互设备中的无人机对桥梁拉索进行路线信息采集，无人机机型为大风青萍+DJIM300、御RTK。
请参阅图2和图3，S2中，路线规划模块用于整合路线采集模块采集到的数据信息，制定有效的巡检路线。
请参阅图2，S3中，PC端控制无人机设备沿着既定路线进行巡检，保持无人机为匀速飞行。
请参阅图3和图4，S4中，云台相机上的高清探头对桥梁拉索进行摄拍，同时将信息反馈到图像处理模块中，图像处理模块用于将图片信息进行整合对齐。
请参阅图4和图5，S5中，航线复核模块用于对飞行拍摄过程中明显问题位置进行标记，再利用定点追踪模块指引无人机设备靠近问题位置，通过图像放大模块对问题位置进行放大处理，闪拍模块用于对放大后的位置进行闪拍，存储模块用于对拍摄图片进行临时储存。
请参阅图1、图6和图7，S6中，数据处理模块包括路线规划模块、图像处理模块、计算模块和模型创建模块，三维模型创建的方法包括以下步骤：
(1)无人机根据预设航线，自动执行桥梁巡检任务，任务过程中，无人机通过改变相机位置和姿态，提取到多视角下的桥梁各部件相关照片；
(2)数据采集完成后，***通过图像特征点匹配，采用SFM(运动结构恢复)进行实际拍摄位置及姿态还原；
SFM的基本算法为：
g.世界坐标系转换为相机坐标系
h.相机坐标系转换为图像物理坐标系
i.图像物理坐标系转换为图像像素坐标系
(3)***自动计算点云位置并且重建三维稀疏点云；
(4)采用patch match算法和德劳内三角剖分得出精准的桥梁三维稠密点云，德劳内三角剖分是一种常用的三角剖分方法，其有着最大化最小角，“最接近于规则化的“的三角网和唯一性(任意四点不能共圆)等优点，然后patch match算法为使用欧式距离公式和曼哈顿距离公式计算全图3×3快q与原p的最小L2距离，
∑|pij-qij|曼哈顿公式
之后求出全图patch与P的距离，以得出最小距离的q集合，通过KNN算法找出与原patch最近的相似块，可以继续使用曼哈顿距离公式：
|xp-xq|+|yp-yq|其中(x，y)是patch的中心坐标；
(5)将得到的桥梁点云拟合网格化，将每个点云转换成为小平面体并且上色；
(6)最后整理网格贴图，生成桥梁真实的三维模型。
请参阅图2、图3和图4，S7中，通过真实三维模型图片组观测桥梁拉索信息，近距离对桥梁拉索进行检测。
需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (8)
1.一种基于无人机自动拍照的桥梁拉索检测方法，其特征在于：包括桥体、拉索、服务器、人机交互设备和拉索校测***，所述桥梁拉索检测采用无人机设备，所述无人机设备放置于桥体面的中央位置，所述无人机设备上设有移动追踪结构，所述移动追踪结构上设有云台相机，所述云台相机采用DJIH20T、DJIP1，所述人机交互设备包括移动端和PC端，拉索检测***包括控制模块、数据库、通讯模块、检测模块、路线采集模块、图像采集模块、标记模块、航线复核模块、存储模块和数据处理模块，且人机交互设备和拉索校测***通过服务器相连，拉索校测***还设有航线偏移检测，航线偏移检测包括偏移报警模块、校正模块、风力测算模块、快捷返航模块和智能防撞模块，所述基于无人机自动拍照的桥梁拉索检测方法包括以下步骤：
S1：将巡航无人机在地面安全展开，通过交互设备上的移动端控制无人机飞行开始路线采集；
S2：根据采集到的拉索附近路线信息，通过路线规划模块开始制定自主飞行路线；
S3：启动自动巡航***，使得无人机按照制定的航线开始定速巡检拉索，低于预先设定的偏移阈值时，报警模块不会介入，此时校正模块对无人机进行强力干涉，使其更接近既定路线，当风级等级较高，达到或者超过设定阈值时，此时偏移报警模块开始报警，工作人员触发人机交互设备上的按钮，使得快捷返航模块介入，无人机设备自主返航，同时返航过程中，智能防碰撞模块介入；
S4：在正常风力事，无人机的巡检通过无人机设备上的高清探头和***内的图像采集模块对桥梁拉索进行防抖动拍摄；
S5：拍摄过程中对明显的拉索问题进行定点追踪，整体的巡检结束后，通过航线复核模块对定点位置进行放大拍摄；
S6：通过数据处理模块对图像进行处理，同时利用采集到的信息进行计算和建模；
S7：巡检结束，对建模得到的3D模型进行观测，并记录结果完成此次桥梁拉索的整体巡检任务。
2.根据权利要求1所述的一种基于无人机自动拍照的桥梁拉索检测方法，其特征在于：所述S1中，路线采集模块用于人为控制人机交互设备中的无人机对桥梁拉索进行路线信息采集，无人机机型为大风青萍+DJIM300、御RTK。
3.根据权利要求1所述的一种基于无人机自动拍照的桥梁拉索检测方法，其特征在于：所述S2中，路线规划模块用于整合路线采集模块采集到的数据信息，制定有效的巡检路线。
4.根据权利要求1所述的一种基于无人机自动拍照的桥梁拉索检测方法，其特征在于：所述S3中，PC端控制无人机设备沿着既定路线进行巡检，保持无人机为匀速飞行。
5.根据权利要求1所述的一种基于无人机自动拍照的桥梁拉索检测方法，其特征在于：所述S4中，云台相机上的高清探头对桥梁拉索进行摄拍，同时将信息反馈到图像处理模块中，图像处理模块用于将图片信息进行整合对齐。
6.根据权利要求1所述的一种基于无人机自动拍照的桥梁拉索检测方法，其特征在于：所述S5中，航线复核模块用于对飞行拍摄过程中明显问题位置进行标记，再利用定点追踪模块指引无人机设备靠近问题位置，通过图像放大模块对问题位置进行放大处理，闪拍模块用于对放大后的位置进行闪拍，存储模块用于对拍摄图片进行临时储存。
7.根据权利要求1所述的一种基于无人机自动拍照的桥梁拉索检测方法，其特征在于：所述S6中，数据处理模块包括路线规划模块、图像处理模块、计算模块和模型创建模块，三维模型创建的方法包括以下步骤：
（1）无人机根据预设航线，自动执行桥梁巡检任务，任务过程中，无人机通过改变相机位置和姿态，提取到多视角下的桥梁各部件相关照片；
（2）数据采集完成后，***通过图像特征点匹配，采用SFM（运动结构恢复）进行实际拍摄位置及姿态还原；
SFM的基本算法为：
世界坐标系转换为相机坐标系
相机坐标系转换为图像物理坐标系
图像物理坐标系转换为图像像素坐标系
（3）***自动计算点云位置并且重建三维稀疏点云；
（4）采用patch match算法和德劳内三角剖分得出精准的桥梁三维稠密点云，德劳内三角剖分是一种常用的三角剖分方法，其有着最大化最小角，“最接近于规则化的“的三角网和唯一性（任意四点不能共圆）等优点，然后patch match 算法为使用欧式距离公式和曼哈顿距离公式计算全图3×3快q与原p的最小L2距离，
之后求出全图patch与P的距离，以得出最小距离的q集合，通过KNN算法找出与原patch最近的相似块，可以继续使用曼哈顿距离公式：
（5）将得到的桥梁点云拟合网格化，将每个点云转换成为小平面体并且上色；
（6）最后整理网格贴图，生成桥梁真实的三维模型。
8.根据权利要求1所述的一种基于无人机自动拍照的桥梁拉索检测方法，其特征在于：所述S7中，通过真实三维模型图片组观测桥梁拉索信息，近距离对桥梁拉索进行检测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110710548.5A CN113375642B (zh) | 2021-06-25 | 2021-06-25 | 一种基于无人机自动拍照的桥梁拉索检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110710548.5A CN113375642B (zh) | 2021-06-25 | 2021-06-25 | 一种基于无人机自动拍照的桥梁拉索检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113375642A CN113375642A (zh) | 2021-09-10 |
| CN113375642B true CN113375642B (zh) | 2022-11-08 |
Family
ID=77579154
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110710548.5A Active CN113375642B (zh) | 2021-06-25 | 2021-06-25 | 一种基于无人机自动拍照的桥梁拉索检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113375642B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115278070B (zh) * | 2022-07-23 | 2023-06-02 | 宁波市杭州湾大桥发展有限公司 | 一种桥面监控视频防抖方法、***、存储介质及智能终端 |
| CN115185290B (zh) * | 2022-08-12 | 2024-05-14 | 东南大学 | 一种无人机悬索桥主缆巡检路径规划的方法及装置 |
| CN117570911B (zh) * | 2024-01-15 | 2024-03-26 | 张家口市际源路桥工程有限公司 | 一种桥梁用现浇箱梁钢筋施工间距偏差检测***及方法 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102591355A (zh) * | 2012-02-24 | 2012-07-18 | 山东电力研究院 | 无人机电力巡线安全距离检测方法 |
| CN107004344A (zh) * | 2016-11-23 | 2017-08-01 | 深圳市大疆创新科技有限公司 | 无人飞行器控制方法、服务器及遥控器 |
| CN107221200A (zh) * | 2017-05-18 | 2017-09-29 | 毕雪松 | 具有气象预警功能的无人机管控***和管控方法 |
| CN107526362A (zh) * | 2016-06-30 | 2017-12-29 | 常州工学院 | 无人机的飞行控制***及其工作方法 |
| CN206990108U (zh) * | 2017-07-13 | 2018-02-09 | 深圳市宇驰检测技术股份有限公司 | 一种基于无人机的火烟监控*** |
| CN109253729A (zh) * | 2018-09-19 | 2019-01-22 | 沈阳无距科技有限公司 | 一种无人机航线规划方法、装置及电子设备 |
| CN109960256A (zh) * | 2018-10-24 | 2019-07-02 | 大连永航科技有限公司 | 基于面部识别预警的自动导航*** |
| CN109992006A (zh) * | 2019-05-31 | 2019-07-09 | 江苏方天电力技术有限公司 | 一种电力巡检无人机的精准回收方法和*** |
| CN110011223A (zh) * | 2019-05-07 | 2019-07-12 | 江苏方天电力技术有限公司 | 适于区域输电线路的多无人机协作巡检方法和*** |
| CN110989659A (zh) * | 2019-11-19 | 2020-04-10 | 深圳市方斯精密科技有限公司 | 一种无人机飞行控制方法及其装置 |
| CN111510686A (zh) * | 2020-04-27 | 2020-08-07 | 中国南方电网有限责任公司超高压输电公司天生桥局 | 一种基于车载的无人机电力巡检飞行管控方法和*** |
| CN111897361A (zh) * | 2020-08-05 | 2020-11-06 | 广州市赛皓达智能科技有限公司 | 一种无人机自主航线规划方法及其*** |
| CN112053461A (zh) * | 2020-09-16 | 2020-12-08 | 江苏伊卡洛斯电力无人机通用技术有限公司 | 一种基于无人机的电力巡检方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104843176B (zh) * | 2015-04-28 | 2017-04-19 | 北京恒华伟业科技股份有限公司 | 一种用于桥梁隧道自动巡检旋翼无人机***及导航方法 |
| CN105184863A (zh) * | 2015-07-23 | 2015-12-23 | 同济大学 | 一种基于无人机航拍序列影像的边坡三维重建方法 |
| KR20180074325A (ko) * | 2016-12-23 | 2018-07-03 | 삼성전자주식회사 | 복수의 드론을 제어하는 전자 장치 및 방법 |
| CN109901625B (zh) * | 2019-04-11 | 2022-10-25 | 株洲时代电子技术有限公司 | 一种桥梁巡检*** |
-
2021
- 2021-06-25 CN CN202110710548.5A patent/CN113375642B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102591355A (zh) * | 2012-02-24 | 2012-07-18 | 山东电力研究院 | 无人机电力巡线安全距离检测方法 |
| CN107526362A (zh) * | 2016-06-30 | 2017-12-29 | 常州工学院 | 无人机的飞行控制***及其工作方法 |
| CN107004344A (zh) * | 2016-11-23 | 2017-08-01 | 深圳市大疆创新科技有限公司 | 无人飞行器控制方法、服务器及遥控器 |
| CN107221200A (zh) * | 2017-05-18 | 2017-09-29 | 毕雪松 | 具有气象预警功能的无人机管控***和管控方法 |
| CN206990108U (zh) * | 2017-07-13 | 2018-02-09 | 深圳市宇驰检测技术股份有限公司 | 一种基于无人机的火烟监控*** |
| CN109253729A (zh) * | 2018-09-19 | 2019-01-22 | 沈阳无距科技有限公司 | 一种无人机航线规划方法、装置及电子设备 |
| CN109960256A (zh) * | 2018-10-24 | 2019-07-02 | 大连永航科技有限公司 | 基于面部识别预警的自动导航*** |
| CN110011223A (zh) * | 2019-05-07 | 2019-07-12 | 江苏方天电力技术有限公司 | 适于区域输电线路的多无人机协作巡检方法和*** |
| CN109992006A (zh) * | 2019-05-31 | 2019-07-09 | 江苏方天电力技术有限公司 | 一种电力巡检无人机的精准回收方法和*** |
| CN110989659A (zh) * | 2019-11-19 | 2020-04-10 | 深圳市方斯精密科技有限公司 | 一种无人机飞行控制方法及其装置 |
| CN111510686A (zh) * | 2020-04-27 | 2020-08-07 | 中国南方电网有限责任公司超高压输电公司天生桥局 | 一种基于车载的无人机电力巡检飞行管控方法和*** |
| CN111897361A (zh) * | 2020-08-05 | 2020-11-06 | 广州市赛皓达智能科技有限公司 | 一种无人机自主航线规划方法及其*** |
| CN112053461A (zh) * | 2020-09-16 | 2020-12-08 | 江苏伊卡洛斯电力无人机通用技术有限公司 | 一种基于无人机的电力巡检方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113375642A (zh) | 2021-09-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113375642B (zh) | 一种基于无人机自动拍照的桥梁拉索检测方法 | |
| CN111289533B (zh) | 风机叶片的巡检方法、装置、无人机和存储介质 | |
| CN110879601B (zh) | 一种对于未知风机结构的无人机巡检方法 | |
| CN109324337B (zh) | 无人飞行器的航线生成及定位方法、装置及无人飞行器 | |
| CN108109437B (zh) | 一种基于地图特征的无人机自主航线提取生成方法 | |
| Vallet et al. | Photogrammetric performance of an ultra light weight swinglet UAV | |
| CN109901625B (zh) | 一种桥梁巡检*** | |
| CN109901580A (zh) | 一种无人机与无人地面机器人协作循径避障***及其方法 | |
| CN106979803B (zh) | 一种基于航拍无人机的测量河道流量的方法 | |
| KR20190134237A (ko) | 맵핑드론을 이용한 건설공사 관리 시스템 | |
| CN112200863B (zh) | 基于同步定位与建图的无人机监测电线杆倾斜度*** | |
| CN112904877A (zh) | 一种基于无人机的风机叶片自动巡检***及方法 | |
| KR20190051703A (ko) | 스테레오 드론 및 이를 이용하는 무기준점 토공량 산출 방법과 시스템 | |
| CN110223386A (zh) | 一种基于多源无人机遥感数据融合的数字地形建模方法 | |
| CN103606852A (zh) | 无人直升机的电力线巡检方法 | |
| CN110687925A (zh) | 一种无人机自主巡航导线及地线巡检检测装置和方法 | |
| CN113010958A (zh) | 自航船舶的模拟***及其运作方法 | |
| KR20210007767A (ko) | 딥러닝-영상인식 기반 해상폐기물 제거용 자율운항 선박 시스템 | |
| CN105045276A (zh) | 无人机飞行控制方法及装置 | |
| CN107167126A (zh) | 一种自主式水下机器人组合导航方法和*** | |
| CN114396871B (zh) | 一种基于三维激光扫描的预制墩柱安装位置姿态监测方法 | |
| CN109764869A (zh) | 一种双目相机和惯导融合的自主巡检机器人定位与三维地图构建方法 | |
| CN110186468A (zh) | 用于自动驾驶的高精度地图制作方法和制作装置 | |
| CN107741233A (zh) | 一种三维室外地图的构建方法 | |
| CN105738909B (zh) | 一种适用于低空植保无人直升机作业边界提取方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |