一种基于无人机视觉的建筑外立面裂缝破损检测方法与流程
本发明属于建筑结构健康监测,具体涉及一种基于无人机视觉的建筑外立面裂缝破损检测方法。
背景技术:
1、建筑外立面裂缝破损检测是建筑结构健康监测的重要环节,关系到既有建筑的安全使用与维护管理。现阶段,建筑外立面病害检测手段仍以人工目视巡检结合近距离摄影测量为主,该作业模式为目前中小型检测项目主流技术方案。
2、现有常规检测方法包括以下步骤:检测前期布点勘测,即检测人员现场踏勘作业面,通过搭设脚手架、架设登高作业设备完成作业平台搭建,依靠人工经验划分检测区域、标记重点病害观测点位,人工勘测主观性强,前期布设工序繁琐、耗时冗长;外立面图像采集,即检测人员依托登高设备贴近墙体表面,采用便携式摄像设备采集外立面图像,受高空作业安全约束与拍摄空间限制,拍摄物距、角度不可控,建筑阴角、檐口、悬挑结构等区域存在大量检测盲区;原始图像处理识别,即将采集图像导入基础图像处理系统,采用固定全局阈值分割算法完成图像灰度分割,依托单一灰度阈值区分墙体背景与疑似病害区域,仅能实现破损区域粗略划分,图像处理算法通用性差;人工核验判定结果,即算法输出疑似病害区域后,依托专业检测人员人工甄别墙面污渍、分格缝、光影杂点等干扰特征,手动修正病害边界、标注破损裂缝位置,最终人工整合数据编制检测报告。
3、然而,上述现有技术存在明显缺陷:作业风险高,检测时效性差,传统模式高度依赖人工高空作业,高空坠落安全隐患突出,同时设备搭设、人工勘测流程繁琐,单栋高层建筑检测周期长,巡检效率难以满足规模化检测需求;图像采集完整性差,数据一致性不足,人工拍摄无标准化采集参数,拍摄角度、距离随机性强,外立面隐蔽区域易形成检测盲区,微小裂缝、浅层剥落等病害漏检概率较高;传统阈值算法抗干扰能力弱,常规全局阈值分割算法固化单一阈值参数,无法适配户外复杂光照、墙面色差、灰尘附着等干扰场景,灰度分割极易出现过分割、欠分割现象,微小裂缝识别误检率、漏检率偏高;人工依赖度高,检测结果客观性弱,图像甄别、病害判定、数据标注环节人工干预占比大,检测结果受人员专业经验影响明显,数据重复性、标准化程度低,难以实现病害数据溯源管理。
4、针对上述问题,本发明提出了一种基于无人机视觉的建筑外立面裂缝破损检测方法。
技术实现思路
1、为解决现有技术中存在的上述问题,本发明的目的在于提供一种基于无人机视觉的建筑外立面裂缝破损检测方法。
2、为实现上述发明目的,本发明采取的技术方案是:
3、一种基于无人机视觉的建筑外立面裂缝破损检测方法,包括:
4、对搭载于无人机上的成像设备进行标定;规划无人机航线,控制所述无人机按所述航线自主飞行,采集建筑外立面图像,并同步记录每张图像的空间位置信息与飞行姿态信息;
5、对采集的原始图像进行预处理;采用自适应局部阈值分割算法对预处理后的图像进行二值化分割,提取疑似病害区域;
6、对提取的疑似病害区域进行边缘轮廓校验;提取校验后各连通区域的病害特征,与预设病害特征库进行比对,剔除伪病害,识别病害类型;根据识别结果对病害进行等级划分,并结合所述空间位置信息对病害进行空间定位;对检测数据进行归档,并生成检测报告。
7、优选地,对搭载于无人机上的成像设备进行标定包括:
8、采用棋盘格标定板,从不同角度拍摄多张标定图像;提取标定图像的角点坐标,求解相机内参矩阵和畸变系数;根据求解的标定参数对所有采集图像进行畸变校正。
9、优选地,规划无人机航线包括:采用正射航线与斜向航线复合的航线类型,所述正射航线用于整体覆盖,所述斜向航线用于拍摄隐蔽区域;根据成像设备参数和预设地面分辨率计算飞行高度,设置飞行速度、航向重叠率、旁向重叠率以及拍摄间隔;设置返航高度、低电量返航阈值和失联自动返航安全参数。
10、优选地,采集建筑外立面图像,并同步记录每张图像的空间位置信息与飞行姿态信息,包括:采用rtk实时动态载波相位差分定位,通过地面参考站接收差分修正数据,对卫星信号进行解算,获得高精度空间位置坐标;采用距离触发与时间触发相结合的备份触发模式,按距离设定拍摄间隔,同时以时间触发作为冗余触发方式。
11、优选地,对采集的原始图像进行预处理,包括:将采集的彩色图像转换为灰度图;采用高斯滤波对灰度图像进行去噪处理;采用拉普拉斯算子对去噪后的图像进行锐化处理;采用直方图均衡化调整图像对比度。
12、优选地,采用自适应局部阈值分割算法对预处理后的图像进行二值化分割,提取疑似病害区域,包括:采用滑动窗口遍历图像,计算每个像素局部窗口内的灰度均值和灰度标准差;根据所述灰度均值和所述灰度标准差,结合预设灵敏度系数及灰度动态范围归一化系数,计算每个像素的分割阈值;根据计算的阈值对每个像素进行二值化处理,区分前景与背景;对二值化处理后的图像进行形态学开运算去除噪声,再进行形态学闭运算连接断裂的边缘。
13、优选地,对提取的疑似病害区域进行边缘轮廓校验包括:
14、对二值化分割后的图像进行高斯滤波平滑处理;计算图像梯度幅值和方向,进行非极大值抑制,细化边缘至单像素宽;采用双阈值检测保留强边缘并连接相关弱边缘;采用最小二乘法拟合边缘点,修正锯齿状边界。
15、优选地,提取校验后各连通区域的病害特征,与预设病害特征库进行比对,剔除伪病害,识别病害类型,包括:
16、对每个连通区域提取几何特征、灰度特征和纹理特征;将提取的特征与病害特征库进行相似度比对,剔除相似度低于预设阈值的干扰项;根据特征匹配结果将病害分类为裂缝、空鼓、剥落和渗水;
17、其中,所述病害特征库包含各类病害对应的几何特征阈值范围、纹理特征阈值范围和灰度特征阈值范围,所述几何特征包括长宽比、面积和矩形度,所述纹理特征包括熵值和对比度,所述灰度特征包括平均灰度差。
18、优选地,根据识别结果对病害进行等级划分,包括:
19、依据裂缝宽度将裂缝分为四个等级:a级为裂缝宽度不超过0.2mm,b级为裂缝宽度大于0.2mm且不超过0.5mm,c级为裂缝宽度大于0.5mm且不超过1.5mm,d级为裂缝宽度大于1.5mm。
20、优选地,结合所述空间位置信息对病害进行空间定位包括:
21、将图像像素坐标转换为世界坐标;结合建筑bim模型,将病害位置与楼层、轴线进行绑定;生成病害密度云图,将密度超过预设阈值的区域列为重点关注区域。
22、有益效果
23、1、本发明通过采用无人机航测技术替代人工高空作业,完全取消人工高空作业,根除高空坠落安全隐患;依托无人机自主巡航实现快速采集与检测,单栋高层建筑检测时长缩短60%以上,适配城市批量建筑常态化巡检作业,规避了安全风险,大幅提升了检测效率。
24、2、本发明采用多视角拍摄模式,覆盖建筑檐口、阴角、悬挑构件等复杂区域,突破人工拍摄空间限制,精准捕捉隐蔽性微小裂缝与表层破损,消除了房屋外立面照片采样的检测盲区。
25、3、本发明采用改进的sauvola自适应局部阈值分割算法替代固定全局阈值,为每个像素动态计算分割阈值,算法环境适配性显著提升,可适应光照不均、墙面色差复杂场景;经实测,病害误检率、漏检率均控制在5%以内,识别精度远优于传统算法,优化了分割算法,降低了识别误差。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com