CN114140402A - 桥梁裂缝检测及可视化方法、装置、设备及可读存储介质 - Google Patents
桥梁裂缝检测及可视化方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN114140402A CN114140402A CN202111364130.XA CN202111364130A CN114140402A CN 114140402 A CN114140402 A CN 114140402A CN 202111364130 A CN202111364130 A CN 202111364130A CN 114140402 A CN114140402 A CN 114140402A
- Authority
- CN
- China
- Prior art keywords
- bridge
- cracks
- region
- crack
- interest
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Civil Engineering (AREA)
- Software Systems (AREA)
- Architecture (AREA)
- Computer Graphics (AREA)
- Quality & Reliability (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供一种桥梁裂缝检测及可视化方法、装置、设备及可读存储介质,桥梁裂缝检测及可视化方法包括:获取无人机拍摄得到的若干桥梁局部图像;基于所述若干桥梁局部图像,建立桥梁的三维实景模型以及确定桥梁裂缝对应感兴趣区域的位置坐标;基于所述位置坐标,获取无人机拍摄得到的感兴趣区域图像;基于所述感兴趣区域图像,得到所述桥梁裂缝的量化数据,其中,所述量化数据包括所述桥梁裂缝的长度及宽度信息;将所述三维实景模型与BIM平台的桥梁模型根据实际位置进行贴合,得到具有实景贴合的BIM模型;将所述量化数据显示在BIM模型上所述量化数据对应的桥梁裂缝处。通过本发明能够有效提升桥梁裂缝检测效率和精度,实现对裂缝数据的可视化展示。
Description
技术领域
本发明涉及桥梁检测技术领域,尤其涉及一种桥梁裂缝检测及可视化方法、装置、设备及可读存储介质。
背景技术
桥梁在使用过程中,由于长期经受外部压力和拉力的作用,会发生老化和损坏。如钢板组合梁桥的预制板、预制墩、浇筑环岛等混凝土构建普遍存在横向裂缝、竖向裂缝、径向裂缝等典型病害情况。通常下需要工程人员对桥梁进行全面监测,以避免桥梁受损导致的突发性事故。
目前桥梁的裂缝检测主要手段还是以人工目视巡检为主,此类方法存在着以下几个问题:第一,可靠性低。由于人工目视检查结果依赖于工程技术人员的主观经验,因此对于同一裂缝的检测结果具有不确定性;第二,工作效率低。对于人工检测,受限于活动范围以及裂缝识别速度,病害检测的整体效率低,不能及时发现重要缺陷,错过检修时机;第三,较大安全隐患。由于桥梁位置的复杂性,人工目视检查存在众多不便性与危险性,易出现较大安全隐患;第四,传统的人工观测方法除了受主观影响大,效率低等缺点外,人工观测结果常以纸质的观测记录表的形式存储,管理人员难以对桥梁整体病害情况进行把控。
发明内容
本发明的主要目的在于提供一种桥梁裂缝检测及可视化方法、装置、设备及可读存储介质,旨在解决现有技术中,人工检测整体桥梁裂缝的效率低、不确定性高以及对整体桥梁裂缝情况难以有效把控的技术问题。
第一方面,本发明提供一种桥梁裂缝检测及可视化方法,所述桥梁裂缝检测及可视化方法包括以下步骤:
获取无人机拍摄得到的若干桥梁局部图像;
基于所述若干桥梁局部图像,建立桥梁的三维实景模型以及确定桥梁裂缝对应感兴趣区域的位置坐标;
基于所述位置坐标,获取无人机拍摄得到的感兴趣区域图像;
基于所述感兴趣区域图像,得到所述桥梁裂缝的量化数据,其中,所述量化数据包括所述桥梁裂缝的长度及宽度信息;
将所述三维实景模型与BIM平台的桥梁模型根据实际位置进行贴合,得到具有实景贴合的BIM模型;
将所述量化数据显示在BIM模型上所述量化数据对应的桥梁裂缝处。
可选的,所述获取无人机拍摄得到的若干桥梁局部图像的步骤包括:
获取无人机以第一变焦倍数并以回型步进扫描的方式对所述桥梁的预制板梁进行拍摄,以及以第二变焦倍数并以预设竖直航线间隔预设距离对所述桥梁的桥墩进行拍摄得到的若干桥梁局部图像。
可选的,所述获取无人机拍摄得到的感兴趣区域图像的步骤包括:
当感兴趣区域位于所述桥梁的预制板梁处时,获取无人机以第三变焦倍数对所述感兴趣区域进行拍摄得到的感兴趣区域图像,其中,所述第三变焦倍数大于所述第一变焦倍数;
当感兴趣区域位于所述桥梁的桥墩处时,获取无人机以第四变焦倍数对所述感兴趣区域进行拍摄得到的感兴趣区域图像,其中,所述第四变焦倍数大于所述第二变焦倍数。
可选的,所述基于所述若干桥梁局部图像,建立桥梁的三维实景模型以及确定桥梁裂缝对应感兴趣区域的位置坐标的步骤包括:
将所述若干桥梁局部图像中相邻各个图像间的特征点进行匹配,得到各个图像间的三维几何关系,并基于所述三维几何关系,确定包含所述若干桥梁局部图像像素点的三维点阵;
基于稠密匹配,对所述三维点阵进行表面匹配及三角化,得到桥梁的三维实景模型;
获取所述若干桥梁局部图像中对应桥梁裂缝的图像特征,基于所述图像特征,确定桥梁裂缝对应的感兴趣区域及感兴趣区域的位置坐标。
可选的,所述基于所述感兴趣区域图像,得到所述桥梁裂缝的量化数据,其中,所述量化数据包括所述桥梁裂缝的长度及宽度信息的步骤包括:
将所述感兴趣区域图像输入到目标检测算法模型中,根据裂缝特征参数过滤虚假裂缝,得到真实裂缝,并确定所述真实裂缝所在区域的交叉点;
基于所述交叉点,将所述真实裂缝划分为若干小裂缝;
将所述若干小裂缝的最小外接矩形分割为若干小矩形区域,计算所述若干小矩形区域的裂缝特征参数,得到所述若干小裂缝的量化数据,其中,所述量化数据包括所述若干小裂缝的长度及宽度信息。
可选的,所述桥梁裂缝检测及可视化方法还包括:
将所述若干小裂缝对应的若干像素点进行连线,计算斜率并求平均,转化得到目标角度值,基于所述目标角度值,对所述若干小裂缝进行分类,并统计桥梁上各种类别的裂缝数量,其中,裂缝的类别包括横向裂缝、纵向裂缝以及斜向裂缝;
基于所述若干小裂缝的位置以及宽度信息,统计每一跨桥梁的裂缝数量以及超限裂缝的比例信息;
将所述每一跨桥梁的裂缝数量,桥梁上各种类别的裂缝数量以及超限裂缝的比例信息显示在所述BIM模型的展示界面。
第二方面,本发明还提供一种桥梁裂缝检测及可视化装置,所述桥梁裂缝检测及可视化装置包括:
第一获取模块,用于获取无人机拍摄得到的若干桥梁局部图像;
确定模块,用于基于所述若干桥梁局部图像,建立桥梁的三维实景模型以及确定桥梁裂缝对应感兴趣区域的位置坐标;
第二获取模块,用于基于所述位置坐标,获取无人机拍摄得到的感兴趣区域图像;
计算模块,用于基于所述感兴趣区域图像,得到所述桥梁裂缝的量化数据,其中,所述量化数据包括所述桥梁裂缝的长度及宽度信息;
贴合模块,用于将所述三维实景模型与BIM平台的桥梁模型根据实际位置进行贴合,得到具有实景贴合的BIM模型;
显示模块,用于将所述量化数据显示在BIM模型上所述量化数据对应的桥梁裂缝处。
可选的,所述第一获取模块,用于:
获取无人机以第一变焦倍数并以回型步进扫描的方式对所述桥梁的预制板梁进行拍摄,以及以第二变焦倍数并以预设竖直航线间隔预设距离对所述桥梁的桥墩进行拍摄得到的若干桥梁局部图像。
可选的,所述第二获取模块,用于:
当感兴趣区域位于所述桥梁的预制板梁处时,获取无人机以第三变焦倍数对所述感兴趣区域进行拍摄得到的感兴趣区域图像,其中,所述第三变焦倍数大于所述第一变焦倍数;
当感兴趣区域位于所述桥梁的桥墩处时,获取无人机以第四变焦倍数对所述感兴趣区域进行拍摄得到的感兴趣区域图像,其中,所述第四变焦倍数大于所述第二变焦倍数。
可选的,所述确定模块,用于:
将所述若干桥梁局部图像中相邻各个图像间的特征点进行匹配,得到各个图像间的三维几何关系,并基于所述三维几何关系,确定包含所述若干桥梁局部图像像素点的三维点阵;
基于稠密匹配,对所述三维点阵进行表面匹配及三角化,得到桥梁的三维实景模型;
获取所述若干桥梁局部图像中对应桥梁裂缝的图像特征,基于所述图像特征,确定桥梁裂缝对应的感兴趣区域及感兴趣区域的位置坐标。
可选的,所述计算模块,用于:
将所述感兴趣区域图像输入到目标检测算法模型中,根据裂缝特征参数过滤虚假裂缝,得到真实裂缝,并确定所述真实裂缝所在区域的交叉点;
基于所述交叉点,将所述真实裂缝划分为若干小裂缝;
将所述若干小裂缝的最小外接矩形分割为若干小矩形区域,计算所述若干小矩形区域的裂缝特征参数,得到所述若干小裂缝的量化数据,其中,所述量化数据包括所述若干小裂缝的长度及宽度信息。
可选的,所述显示模块,还用于:
将所述若干小裂缝对应的若干像素点进行连线,计算斜率并求平均,转化得到目标角度值,基于所述目标角度值,对所述若干小裂缝进行分类,并统计桥梁上各种类别的裂缝数量,其中,裂缝的类别包括横向裂缝、纵向裂缝以及斜向裂缝;
基于所述若干小裂缝的位置以及宽度信息,统计每一跨桥梁的裂缝数量以及超限裂缝的比例信息;
将所述每一跨桥梁的裂缝数量,桥梁上各种类别的裂缝数量以及超限裂缝的比例信息显示在所述BIM模型的展示界面。
第三方面,本发明还提供一种桥梁裂缝检测及可视化设备,所述桥梁裂缝检测及可视化设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的桥梁裂缝检测及可视化程序,其中所述桥梁裂缝检测及可视化程序被所述处理器执行时,实现如上述所述的桥梁裂缝检测及可视化方法的步骤。
第四方面,本发明还提供一种可读存储介质,其特征在于,所述可读存储介质上存储有桥梁裂缝检测及可视化程序,其中所述桥梁裂缝检测及可视化程序被处理器执行时,实现如上述所述的桥梁裂缝检测及可视化方法的步骤。
本发明中,获取无人机拍摄得到的若干桥梁局部图像;基于所述若干桥梁局部图像,建立桥梁的三维实景模型以及确定桥梁裂缝对应感兴趣区域的位置坐标;基于所述位置坐标,获取无人机拍摄得到的感兴趣区域图像;基于所述感兴趣区域图像,得到所述桥梁裂缝的量化数据,其中,所述量化数据包括所述桥梁裂缝的长度及宽度信息;将所述三维实景模型与BIM平台的桥梁模型根据实际位置进行贴合,得到具有实景贴合的BIM模型;将所述量化数据显示在BIM模型上所述量化数据对应的桥梁裂缝处。相比于现有的传统人工检测方式,本发明基于无人机平台进行裂缝图像的拍摄能够充分缓解恶劣环境的影响,并且可以将经过图像视觉识别出的裂缝数据经过可视化平台精确展示,有效地解决了传统人工检测方式低效,难以把控整体情况的问题。同时,本发明基于无人机平台进行对桥梁进行大范围的拍摄确定裂缝的定位后,再基于定位对目标裂缝区域进行精确识别得到裂缝的量化数据,可以完成裂缝病害的快速及高精度检测。
附图说明
图1为本发明实施例方案中涉及的桥梁裂缝检测及可视化设备的硬件结构示意图;
图2为本发明桥梁裂缝检测及可视化方法一实施例的流程示意图;
图3为本发明桥梁裂缝检测及可视化装置一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
第一方面,本发明实施例提供一种桥梁裂缝检测及可视化设备。
参照图1,图1为本发明实施例方案中涉及的桥梁裂缝检测及可视化设备的硬件结构示意图。本发明实施例中,桥梁裂缝检测及可视化设备可以包括处理器1001(例如中央处理器Central Processing Unit,CPU),通信总线1002,用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信;用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard);网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真WIreless-FIdelity,WI-FI接口);存储器1005可以是高速随机存取存储器(random access memory,RAM),也可以是稳定的存储器(non-volatilememory),例如磁盘存储器,存储器1005可选的还可以是独立于前述处理器1001的存储装置。本领域技术人员可以理解,图1中示出的硬件结构并不构成对本发明的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
继续参照图1,图1中作为一种计算机存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及桥梁裂缝检测及可视化程序。其中,处理器1001可以调用存储器1005中存储的桥梁裂缝检测及可视化程序,并执行本发明实施例提供的桥梁裂缝检测及可视化方法。
第二方面,本发明实施例提供了一种桥梁裂缝检测及可视化方法。
参照图2,图2为本发明桥梁裂缝检测及可视化方法一实施例的流程示意图。
在本发明桥梁裂缝检测及可视化方法一实施例中,桥梁裂缝检测及可视化方法包括:
步骤S10,获取无人机拍摄得到的若干桥梁局部图像;
进一步,一实施例中,所述步骤S10包括:
获取无人机以第一变焦倍数并以回型步进扫描的方式对所述桥梁的预制板梁进行拍摄,以及以第二变焦倍数并以预设竖直航线间隔预设距离对所述桥梁的桥墩进行拍摄得到的若干桥梁局部图像。
本实施例中,无人机平台在预设控制方式下沿整体桥梁巡视拍摄图像,获取无人机平台所拍摄得到的若干桥梁局部图像。桥梁整体由预制板梁与桥墩构成,对于预制板梁,因为预制板梁的表面面积比较大,获取预制板梁的局部图像必须按照预设路线行进,便于计算确定每张图像对应预制板梁的物理位置的关系,因此可以控制无人机以回型步进扫描的路线飞行巡拍。其中回型步进扫描的路线具体为:在定位的板梁宽度方向的两端点之间直线行驶后,以90°转向后直线行驶到达下一次定位的位于板梁宽度方向的本侧的端点后,向位于板梁宽度方向的另一侧端点直线行驶后,以90°转向后直线行驶到达下下一次定位的位于板梁宽度方向的本侧的端点后,向位于板梁宽度方向的另一侧端点直线行驶,每次转向朝着未被拍摄到的同一个方向,以此类推,直至完成预制板梁的局部图像的采集。在拍摄过程控制无人机保持匀速飞行,在定位的两端点之间直线行驶过程中,以预设频率每间隔预设高度距离拍摄预制板梁的局部图像,以此保证相邻的两张图片有大于或等于50%的重叠率,同时,拍摄过程中设置摄像头的变焦倍数为第一变焦倍数。
对于桥墩,因为桥墩一般为圆柱状,不能直接拍摄得到桥墩表面展开的平铺图,可以以桥墩横截面的圆心作为中心,设置大于桥墩横截面圆半径的预设半径的圆,得到该圆的圆内接正八边形的顶点,以每个顶点作垂直水平面的8条预设航线后,沿该8条预设航线飞行,航向上间隔预设距离对桥墩进行拍摄,这样每相邻45°的夹角拍摄得到的桥墩的局部图像,可以基于航向的夹角角度,计算确定每张图像对应桥墩的物理位置的关系,同时,拍摄过程中设置摄像头的变焦倍数为第二变焦倍数。
步骤S20,基于所述若干桥梁局部图像,建立桥梁的三维实景模型以及确定桥梁裂缝对应感兴趣区域的位置坐标;
进一步,一实施例中,所述步骤S20包括:
将所述若干桥梁局部图像中相邻各个图像间的特征点进行匹配,得到各个图像间的三维几何关系,并基于所述三维几何关系,确定包含所述若干桥梁局部图像像素点的三维点阵;
基于稠密匹配,对所述三维点阵进行表面匹配及三角化,得到桥梁的三维实景模型;
获取所述若干桥梁局部图像中对应桥梁裂缝的图像特征,基于所述图像特征,确定桥梁裂缝对应的感兴趣区域及感兴趣区域的位置坐标。
本实施例中,将所获取的若干桥梁局部图像进行处理,处理过程包括基于所获取的若干桥梁局部图像,建立桥梁的三维实景模型以及确定桥梁裂缝对应感兴趣区域的位置坐标。其中,基于所获取的若干桥梁局部图像建立三维实景模型的具体步骤为:将所获取的若干桥梁局部图像中相邻各个图像间的特征点进行匹配,因为所获得的相邻两张图像是保持了大于或等于50%重叠度的,所以所获取的相邻两张图像有至少50%的部分的像素点是重合的,提取图像的特征点,将特征点进行匹配,得到在两张图像上处于不同位置但是相对于桥梁的真实物理位置是一致的特征点,根据特征点来得到相邻两张图像的三维几何关系,以此类推得到各个图像间的三维几何关系。当得到各个图像间的三维几何关系后,基于所得到各个图像间的三维几何关系,可以将各个图像上的各像素点统一到同一像素点坐标系中,以此确定包含若干桥梁局部图像像素点的三维点阵,基于稠密匹配算法,对包含若干桥梁局部图像像素点的三维点阵进行表面匹配及三角化处理,得到桥梁的三维实景模型。
同时,基于所获取的若干桥梁局部图像确定桥梁裂缝对应感兴趣区域的位置坐标的具体步骤为:首先将所获取的图像先进行预处理,得到高对比度、高清晰度的预处理图像,对预处理图像利用图像特征提取的模型后,提取若干桥梁局部图像中包含的桥梁裂缝的图像特征,并对桥梁裂缝进行定位,因为桥梁裂缝为一定范围内不规则的图形,因此需要根据所提取的桥梁裂缝的图像特征确定桥梁裂缝对应的感兴趣区域,并将对应感兴趣区域的图像像素点转化为世界坐标系的坐标点,得到桥梁裂缝感兴趣区域的真实物理位置的坐标,这样可以完成对不规则裂缝的区间定位。
步骤S30,基于所述位置坐标,获取无人机拍摄得到的感兴趣区域图像;
进一步,一实施例中,所述步骤S30包括:
当感兴趣区域位于所述桥梁的预制板梁处时,获取无人机以第三变焦倍数对所述感兴趣区域进行拍摄得到的感兴趣区域图像,其中,所述第三变焦倍数大于所述第一变焦倍数;
当感兴趣区域位于所述桥梁的桥墩处时,获取无人机以第四变焦倍数对所述感兴趣区域进行拍摄得到的感兴趣区域图像,其中,所述第四变焦倍数大于所述第二变焦倍数。
本实施例中,基于所获取的桥梁裂缝对应的感兴趣区域的位置坐标,确定感兴趣区域后,控制无人机直接对所确定的桥梁裂缝对应的感兴趣区域进行拍摄,得到感兴趣区域图像。当确定感兴趣区域位于桥梁的预制板梁处时,获取无人机以第三变焦倍数对所述感兴趣区域进行拍摄得到的感兴趣区域图像,其中,因为直接对桥梁裂缝所在的感兴趣区域进行拍摄,且所获得的图像是为了得到桥梁裂缝的具体信息,所以拍摄时的变焦倍数要高于之前对整体桥梁进行预设路线的局部拍摄所设置的变焦倍数,即第三变焦倍数大于第一变焦倍数;同理,当感兴趣区域位于所述桥梁的桥墩处时,获取无人机以第四变焦倍数对所述感兴趣区域进行拍摄得到的感兴趣区域图像,摄像头拍摄时所设置的第四变焦倍数大于第二变焦倍数。
步骤S40,基于所述感兴趣区域图像,得到所述桥梁裂缝的量化数据,其中,所述量化数据包括所述桥梁裂缝的长度及宽度信息;
进一步,一实施例中,所述步骤S40包括:
将所述感兴趣区域图像输入到目标检测算法模型中,根据裂缝特征参数过滤虚假裂缝,得到真实裂缝,并确定所述真实裂缝所在区域的交叉点;
基于所述交叉点,将所述真实裂缝划分为若干小裂缝;
将所述若干小裂缝的最小外接矩形分割为若干小矩形区域,计算所述若干小矩形区域的裂缝特征参数,得到所述若干小裂缝的量化数据,其中,所述量化数据包括所述若干小裂缝的长度及宽度信息。
本实施例中,基于所获取的桥梁裂缝对应的感兴趣区域图像,可以得到桥梁裂缝的量化数据。具体地,将所获得的感兴趣区域图像经过预处理,例如,将所获得的感兴趣区域图像灰度化处理,使裂缝更加显著;以及对裂缝图像进行阈值分割以消除大部分背景的干扰;利用中值滤波对裂缝图像进行过滤消除较小的噪声点。再将经过预处理的感兴趣区域图像输入到目标检测算法模型,例如yolov4进行目标检测,通过裂缝连接后保留细小裂缝,将裂缝区域作为连通区域后,根据裂缝特征参数过滤掉虚假裂缝,得到真实裂缝,并确定真实裂缝所在区域的交叉点,基于所确定的交叉点,将真实裂缝划分为若干小裂缝后,将若干小裂缝的最小外接矩形分割为若干小矩形区域,计算若干小矩形区域的裂缝特征参数,得到若干小裂缝的量化数据,其中,量化数据包括若干小裂缝的长度及宽度信息。
步骤S50,将所述三维实景模型与BIM平台的桥梁模型根据实际位置进行贴合,得到具有实景贴合的BIM模型;
本实施例中,将基于所获得的若干桥梁局部图像建立得到的三维实景模型与BIM平台的桥梁模型根据对应的实际物理位置的坐标点进行贴合,因为三维实景模型是基于真实的桥梁局部图像建立的,所以三维实景模型包括桥梁的部分真实图像,所以在贴合过程中,针对于BIM平台中可调用查看的桥梁裂缝位置,会有对应的桥梁裂缝的真实图像,因此可以得到实景贴合的BIM模型。
步骤S60,将所述量化数据显示在BIM模型上所述量化数据对应的桥梁裂缝处。
进一步,一实施例中,所述桥梁裂缝检测及可视化方法还包括:
将所述若干小裂缝对应的若干像素点进行连线,计算斜率并求平均,转化得到目标角度值,基于所述目标角度值,对所述若干小裂缝进行分类,并统计桥梁上各种类别的裂缝数量,其中,裂缝的类别包括横向裂缝、纵向裂缝以及斜向裂缝;
基于所述若干小裂缝的位置以及宽度信息,统计每一跨桥梁的裂缝数量以及超限裂缝的比例信息;
将所述每一跨桥梁的裂缝数量,桥梁上各种类别的裂缝数量以及超限裂缝的比例信息显示在所述BIM模型的展示界面。
本实施例中,基于三维实景模型贴合得到的BIM模型,可以将获得的若干小裂缝的量化数据显示在BIM模型上所述量化数据对应的桥梁裂缝处。同时可以通过计算得出每一跨桥梁的裂缝数量,桥梁上各种类别的裂缝数量以及超限裂缝的比例信息,并将上述信息显示在BIM模型的展示界面。具体的,将所划分的若干小裂缝对应的若干像素点进行连线,计算斜率并求平均,转化得到目标角度值,基于目标角度值,对若干小裂缝进行分类,并统计桥梁上各种类别的裂缝数量,其中,裂缝的类别包括横向裂缝、纵向裂缝以及斜向裂缝;同时,可以基于若干小裂缝的位置以及宽度信息,统计每一跨桥梁的裂缝数量以及超限裂缝的比例信息,其中,位于桥梁不同部位的裂缝宽度不同,超过一定的宽度警戒值就是超限裂缝,因此可以直接根据识别的裂缝宽度对超限裂缝的数量进行计算。基于上述所获得的桥梁裂缝的信息,可以根据不同的动态加载精度,在BIM模型上进行相关的展示。当加载精度较低时,只在BIM模型标注每一跨病害数量,以及显示每种裂缝的数量以及超限裂缝的占比信息;当加载精度较高时,在此基础上,可以显示每一处裂缝所在的位置以及长度、宽度以及裂缝类别的信息便于查看。
本实施例中,获取无人机拍摄得到的若干桥梁局部图像;基于所述若干桥梁局部图像,建立桥梁的三维实景模型以及确定桥梁裂缝对应感兴趣区域的位置坐标;基于所述位置坐标,获取无人机拍摄得到的感兴趣区域图像;基于所述感兴趣区域图像,得到所述桥梁裂缝的量化数据,其中,所述量化数据包括所述桥梁裂缝的长度及宽度信息;将所述三维实景模型与BIM平台的桥梁模型根据实际位置进行贴合,得到具有实景贴合的BIM模型;将所述量化数据显示在BIM模型上所述量化数据对应的桥梁裂缝处。相比于现有的传统人工检测方式,本发明基于无人机平台进行裂缝图像的拍摄能够充分缓解恶劣环境的影响,并且可以将经过图像视觉识别出的裂缝数据经过可视化平台精确展示,有效地解决了传统人工检测方式低效,难以把控整体情况的问题。同时,本发明基于无人机平台进行对桥梁进行大范围的拍摄确定裂缝的定位后,再基于定位对目标裂缝区域进行精确识别得到裂缝的量化数据,可以完成裂缝病害的快速及高精度检测。
第三方面,本发明实施例还提供一种桥梁裂缝检测及可视化装置。
参照图3,桥梁裂缝检测及可视化装置一实施例的功能模块示意图。
本实施例中,所述桥梁裂缝检测及可视化装置包括:
第一获取模块10,用于获取无人机拍摄得到的若干桥梁局部图像;
确定模块20,用于基于所述若干桥梁局部图像,建立桥梁的三维实景模型以及确定桥梁裂缝对应感兴趣区域的位置坐标;
第二获取模块30,用于基于所述位置坐标,获取无人机拍摄得到的感兴趣区域图像;
计算模块40,用于基于所述感兴趣区域图像,得到所述桥梁裂缝的量化数据,其中,所述量化数据包括所述桥梁裂缝的长度及宽度信息;
贴合模块50,用于将所述三维实景模型与BIM平台的桥梁模型根据实际位置进行贴合,得到具有实景贴合的BIM模型;
显示模块60,用于将所述量化数据显示在BIM模型上所述量化数据对应的桥梁裂缝处。
进一步,一实施例中,所述第一获取模块10,用于:
获取无人机以第一变焦倍数并以回型步进扫描的方式对所述桥梁的预制板梁进行拍摄,以及以第二变焦倍数并以预设竖直航线间隔预设距离对所述桥梁的桥墩进行拍摄得到的若干桥梁局部图像。
进一步,一实施例中,所述第二获取模块30,用于:
当感兴趣区域位于所述桥梁的预制板梁处时,获取无人机以第三变焦倍数对所述感兴趣区域进行拍摄得到的感兴趣区域图像,其中,所述第三变焦倍数大于所述第一变焦倍数;
当感兴趣区域位于所述桥梁的桥墩处时,获取无人机以第四变焦倍数对所述感兴趣区域进行拍摄得到的感兴趣区域图像,其中,所述第四变焦倍数大于所述第二变焦倍数。
进一步,一实施例中,所述确定模块20,用于:
将所述若干桥梁局部图像中相邻各个图像间的特征点进行匹配,得到各个图像间的三维几何关系,并基于所述三维几何关系,确定包含所述若干桥梁局部图像像素点的三维点阵;
基于稠密匹配,对所述三维点阵进行表面匹配及三角化,得到桥梁的三维实景模型;
获取所述若干桥梁局部图像中对应桥梁裂缝的图像特征,基于所述图像特征,确定桥梁裂缝对应的感兴趣区域及感兴趣区域的位置坐标。
进一步,一实施例中,所述计算模块40,用于:
将所述感兴趣区域图像输入到目标检测算法模型中,根据裂缝特征参数过滤虚假裂缝,得到真实裂缝,并确定所述真实裂缝所在区域的交叉点;
基于所述交叉点,将所述真实裂缝划分为若干小裂缝;
将所述若干小裂缝的最小外接矩形分割为若干小矩形区域,计算所述若干小矩形区域的裂缝特征参数,得到所述若干小裂缝的量化数据,其中,所述量化数据包括所述若干小裂缝的长度及宽度信息。
进一步,一实施例中,所述显示模块60,还用于:
将所述若干小裂缝对应的若干像素点进行连线,计算斜率并求平均,转化得到目标角度值,基于所述目标角度值,对所述若干小裂缝进行分类,并统计桥梁上各种类别的裂缝数量,其中,裂缝的类别包括横向裂缝、纵向裂缝以及斜向裂缝;
基于所述若干小裂缝的位置以及宽度信息,统计每一跨桥梁的裂缝数量以及超限裂缝的比例信息;
将所述每一跨桥梁的裂缝数量,桥梁上各种类别的裂缝数量以及超限裂缝的比例信息显示在所述BIM模型的展示界面。
其中,上述桥梁裂缝检测及可视化装置中各个模块的功能实现与上述桥梁裂缝检测及可视化方法实施例中各步骤相对应,其功能和实现过程在此处不再一一赘述。
第四方面,本发明实施例还提供一种可读存储介质。
本发明可读存储介质上存储有桥梁裂缝检测及可视化程序,其中所述桥梁裂缝检测及可视化程序被处理器执行时,实现如上述的桥梁裂缝检测及可视化方法的步骤。
其中,桥梁裂缝检测及可视化程序被执行时所实现的方法可参照本发明桥梁裂缝检测及可视化方法的各个实施例,此处不再赘述。
需要说明的是,在本文中,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、物品或者***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、物品或者***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,并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种桥梁裂缝检测及可视化方法,其特征在于,所述桥梁裂缝检测及可视化方法包括:
获取无人机拍摄得到的若干桥梁局部图像;
基于所述若干桥梁局部图像,建立桥梁的三维实景模型以及确定桥梁裂缝对应感兴趣区域的位置坐标;
基于所述位置坐标,获取无人机拍摄得到的感兴趣区域图像;
基于所述感兴趣区域图像,得到所述桥梁裂缝的量化数据,其中,所述量化数据包括所述桥梁裂缝的长度及宽度信息;
将所述三维实景模型与BIM平台的桥梁模型根据实际位置进行贴合,得到具有实景贴合的BIM模型;
将所述量化数据显示在BIM模型上所述量化数据对应的桥梁裂缝处。
2.如权利要求1所述的桥梁裂缝检测及可视化方法,其特征在于,所述获取无人机拍摄得到的若干桥梁局部图像的步骤包括:
获取无人机以第一变焦倍数并以回型步进扫描的方式对所述桥梁的预制板梁进行拍摄,以及以第二变焦倍数并以预设竖直航线间隔预设距离对所述桥梁的桥墩进行拍摄得到的若干桥梁局部图像。
3.如权利要求2所述的桥梁裂缝检测及可视化方法,其特征在于,所述获取无人机拍摄得到的感兴趣区域图像的步骤包括:
当感兴趣区域位于所述桥梁的预制板梁处时,获取无人机以第三变焦倍数对所述感兴趣区域进行拍摄得到的感兴趣区域图像,其中,所述第三变焦倍数大于所述第一变焦倍数;
当感兴趣区域位于所述桥梁的桥墩处时,获取无人机以第四变焦倍数对所述感兴趣区域进行拍摄得到的感兴趣区域图像,其中,所述第四变焦倍数大于所述第二变焦倍数。
4.如权利要求1所述的桥梁裂缝检测及可视化方法,其特征在于,所述基于所述若干桥梁局部图像,建立桥梁的三维实景模型以及确定桥梁裂缝对应感兴趣区域的位置坐标的步骤包括:
将所述若干桥梁局部图像中相邻各个图像间的特征点进行匹配,得到各个图像间的三维几何关系,并基于所述三维几何关系,确定包含所述若干桥梁局部图像像素点的三维点阵;
基于稠密匹配,对所述三维点阵进行表面匹配及三角化,得到桥梁的三维实景模型;
获取所述若干桥梁局部图像中对应桥梁裂缝的图像特征,基于所述图像特征,确定桥梁裂缝对应的感兴趣区域及感兴趣区域的位置坐标。
5.如权利要求1所述的桥梁裂缝检测及可视化方法,其特征在于,所述基于所述感兴趣区域图像,得到所述桥梁裂缝的量化数据,其中,所述量化数据包括所述桥梁裂缝的长度及宽度信息的步骤包括:
将所述感兴趣区域图像输入到目标检测算法模型中,根据裂缝特征参数过滤虚假裂缝,得到真实裂缝,并确定所述真实裂缝所在区域的交叉点;
基于所述交叉点,将所述真实裂缝划分为若干小裂缝;
将所述若干小裂缝的最小外接矩形分割为若干小矩形区域,计算所述若干小矩形区域的裂缝特征参数,得到所述若干小裂缝的量化数据,其中,所述量化数据包括所述若干小裂缝的长度及宽度信息。
6.如权利要求5所述的桥梁裂缝检测及可视化方法,其特征在于,所述桥梁裂缝检测及可视化方法还包括:
将所述若干小裂缝对应的若干像素点进行连线,计算斜率并求平均,转化得到目标角度值,基于所述目标角度值,对所述若干小裂缝进行分类,并统计桥梁上各种类别的裂缝数量,其中,裂缝的类别包括横向裂缝、纵向裂缝以及斜向裂缝;
基于所述若干小裂缝的位置以及宽度信息,统计每一跨桥梁的裂缝数量以及超限裂缝的比例信息;
将所述每一跨桥梁的裂缝数量,桥梁上各种类别的裂缝数量以及超限裂缝的比例信息显示在所述BIM模型的展示界面。
7.一种桥梁裂缝检测及可视化装置,其特征在于,所述桥梁裂缝检测及可视化装置包括:
第一获取模块,用于获取无人机拍摄得到的若干桥梁局部图像;
确定模块,用于基于所述若干桥梁局部图像,建立桥梁的三维实景模型以及确定桥梁裂缝对应感兴趣区域的位置坐标;
第二获取模块,用于基于所述位置坐标,获取无人机拍摄得到的感兴趣区域图像;
计算模块,用于基于所述感兴趣区域图像,得到所述桥梁裂缝的量化数据,其中,所述量化数据包括所述桥梁裂缝的长度及宽度信息;
贴合模块,用于将所述三维实景模型与BIM平台的桥梁模型根据实际位置进行贴合,得到具有实景贴合的BIM模型;
显示模块,用于将所述量化数据显示在BIM模型上所述量化数据对应的桥梁裂缝处。
8.如权利要求7所述的桥梁裂缝检测及可视化装置,其特征在于,所述第一获取模块,用于:
获取无人机以第一变焦倍数并以回型步进扫描的方式对所述桥梁的预制板梁进行拍摄,以及以第二变焦倍数并以预设竖直航线间隔预设距离对所述桥梁的桥墩进行拍摄得到的若干桥梁局部图像。
9.一种桥梁裂缝检测及可视化设备,其特征在于,所述桥梁裂缝检测及可视化设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的桥梁裂缝检测及可视化程序,其中所述桥梁裂缝检测及可视化程序被所述处理器执行时,实现如权利要求1至6中任一项所述的桥梁裂缝检测及可视化方法的步骤。
10.一种可读存储介质,其特征在于,所述可读存储介质上存储有桥梁裂缝检测及可视化程序,其中所述桥梁裂缝检测及可视化程序被处理器执行时,实现如权利要求1至6中任一项所述的桥梁裂缝检测及可视化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111364130.XA CN114140402A (zh) | 2021-11-17 | 2021-11-17 | 桥梁裂缝检测及可视化方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111364130.XA CN114140402A (zh) | 2021-11-17 | 2021-11-17 | 桥梁裂缝检测及可视化方法、装置、设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114140402A true CN114140402A (zh) | 2022-03-04 |
Family
ID=80390476
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111364130.XA Pending CN114140402A (zh) | 2021-11-17 | 2021-11-17 | 桥梁裂缝检测及可视化方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114140402A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115761533A (zh) * | 2022-11-03 | 2023-03-07 | 四川省地震局 | 一种基于无人机技术的地震断裂检测方法 |
CN116087235A (zh) * | 2023-04-07 | 2023-05-09 | 四川川交路桥有限责任公司 | 一种多源耦合的桥梁损伤探测方法及*** |
CN117670874A (zh) * | 2024-01-31 | 2024-03-08 | 安徽省交通规划设计研究总院股份有限公司 | 一种基于图像处理的箱型梁内部裂缝检测方法 |
-
2021
- 2021-11-17 CN CN202111364130.XA patent/CN114140402A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115761533A (zh) * | 2022-11-03 | 2023-03-07 | 四川省地震局 | 一种基于无人机技术的地震断裂检测方法 |
CN115761533B (zh) * | 2022-11-03 | 2023-11-21 | 四川省地震局 | 一种基于无人机技术的地震断裂检测方法 |
CN116087235A (zh) * | 2023-04-07 | 2023-05-09 | 四川川交路桥有限责任公司 | 一种多源耦合的桥梁损伤探测方法及*** |
CN116087235B (zh) * | 2023-04-07 | 2023-06-20 | 四川川交路桥有限责任公司 | 一种多源耦合的桥梁损伤探测方法及*** |
CN117670874A (zh) * | 2024-01-31 | 2024-03-08 | 安徽省交通规划设计研究总院股份有限公司 | 一种基于图像处理的箱型梁内部裂缝检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114140402A (zh) | 桥梁裂缝检测及可视化方法、装置、设备及可读存储介质 | |
US9886632B1 (en) | Systems and methods for autonomous perpendicular imaging of test squares | |
EP3034995B1 (de) | Verfahren zum bestimmen eines position- und orientierungsversatzes eines geodätischen vermessungsgeräts und ebensolches vermessungsgerät | |
US20140132723A1 (en) | Methods for calibrating a digital photographic image of utility structures | |
US11523013B2 (en) | Damage diagram creation method, damage diagram creation device, damage diagram creation system, and recording medium | |
CN110763697B (zh) | 一种使用飞行器检测工程结构表面裂缝的方法 | |
US10521664B2 (en) | Systems and methods for autonomous perpendicular imaging of test squares | |
US20060078197A1 (en) | Image processing apparatus | |
EP3023913A1 (en) | Crack data collection method and crack data collection program | |
JP5909890B2 (ja) | 変位観測方法および変位観測システム | |
CN112798811B (zh) | 速度测量方法、装置和设备 | |
CN111260615A (zh) | 基于激光和机器视觉融合的无人机桥梁表观病害检测方法 | |
CN108476282A (zh) | 摄影辅助装置及摄影辅助方法 | |
CN109271861A (zh) | 多尺度融合的点云交通标识牌自动提取方法 | |
JP6337242B2 (ja) | 四角形や円錐台形状を持つ構築物の画像計測装置及びその方法 | |
KR20130133596A (ko) | 전주 기울기 측정 방법 및 장치 | |
CN116989679A (zh) | 一种基于图像处理的高速公路高边坡位移集成监测方法 | |
Ioli et al. | UAV photogrammetry for metric evaluation of concrete bridge cracks | |
CN116090838B (zh) | 一种基于摄像头的工地自动巡检*** | |
CN110944154A (zh) | 一种高空瞭望摄像头图像中固定物体的标注与识别方法 | |
JP7249828B2 (ja) | ひび割れ抽出システム、及びひび割れ抽出方法 | |
CN110307829B (zh) | 一种基于无人机视频的起重设备垂直度检测方法及*** | |
CN113744393A (zh) | 一种多层级边坡滑坡变化监测方法 | |
JP7174601B2 (ja) | 天端面段差抽出システム、及び天端面段差抽出方法 | |
CN114494573A (zh) | 三维管道模型标注方法、装置、电子设备及存储介质 |
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 |