面向抗洪抢险的无人机载堤坝险情识别系统的制作方法

本申请涉及坝体监测，具体为面向抗洪抢险的无人机载堤坝险情识别系统。

背景技术：

1、堤坝是用于防洪、蓄水或引导水流而修筑的水工建筑物，堤多沿河海延伸，主要用于阻挡洪水与海潮；坝则多横截河道，旨在拦截水流并抬高水位，作为统称，堤坝是人类用于控制水资源、调节水流以及保障周边安全的重要工程设施；

2、然而，目前传统的堤坝的巡检大多还是以人工现场监测和评价为主，存在对堤坝缺陷的监测范围小且精度低、评价准确度低的问题。

3、为此，本申请提出面向抗洪抢险的无人机载堤坝险情识别系统，用以解决上述现有技术中的不足。

技术实现思路

1、本申请的目的在于提供面向抗洪抢险的无人机载堤坝险情识别系统，用以解决上述背景技术中提出的问题。

2、本申请的目的可以通过以下技术方案实现：

3、面向抗洪抢险的无人机载堤坝险情识别系统，包括以下模块：

4、轨迹规划模块，根据目标堤坝的坝体相关参数预设无人机的巡检轨迹；

5、数据采集模块，通过无人机按照预设的巡检轨迹对目标堤坝进行数据采集，获取目标堤坝的表面图像数据，并对表面图像数据进行识别判断是否存在表面裂缝；

6、轨迹调整模块，若存在表面裂缝，将获取的表面裂缝数据与裂缝阈值比对，若表面裂缝数据超过裂缝阈值，则对目标堤坝上的表面裂缝进行标识标记，针对标记点实时新增巡检轨迹；

7、二次采集模块，根据所有新增巡检轨迹对所有标记点进行二次数据采集，获取裂缝内部数据；

8、数据分析模块，根据多个标记点的裂缝表面图像数据、裂缝内部数据进行数据分析，获取险情综合程度值。

9、优选的，所述数据采集模块进行工作的方法为：

10、根据巡检轨迹预设巡检误差范围；

11、无人机到达预设巡检起始位置后，按照预设巡检轨迹飞行，通过图像传感器持续获取坝体各区域表面影像数据，并同步获取每个图像数据对应的gps坐标；

12、若gps坐标超出预设巡检误差范围，则将gps坐标对应采集的表面图像数据标记为非标准表面图像数据；

13、对获取坝体表面图像数据进行预处理，对非标准表面图像数据进行修正与预处理；

14、对预处理后的坝体表面图像数据与修正后的非标准表面图像数据进行图像识别，判断是否存在表面裂缝。

15、优选的，所述修正后的非标准表面图像数据获取过程为：

16、获取非标准表面图像数据对应的实际gps坐标，根据预设巡检误差范围对应的允许坐标区域；

17、计算非标准表面图像数据对应的实际gps坐标与最近巡检误差范围边界的横向坐标偏差值与纵向坐标偏差值；

18、根据横向坐标偏差值与纵向坐标偏差值，获取无人机偏移类型，并获取非标准表面图像数据应标准拍摄位置，构建图像修正参照标准。

19、根据横向坐标偏差值与纵向坐标偏差值，通过图像几何变换算法对非标准图像进行校正、尺度调整，得到修正后的非标准图像。

20、优选的，所述轨迹调整模块进行工作的方法为：

21、预设裂缝阈值，将获取的所有表面裂缝数据与裂缝阈值进行比对；

22、对超出裂缝阈值的所有表面裂缝进行唯一标识标记，构建标记点数据集。

23、根据标记点数据集中的全部标记点，将其作为二次采集目标，生成覆盖所有标记点的新增巡检轨迹。

24、优选的，所述标识标记的过程为：

25、获取每条表面裂缝的最大长度、最大宽度、所属坝体区位；

26、根据表面裂缝所在的坝体区域，选取预设的对应裂缝阈值；

27、将单条表面裂缝的最大长度、最大宽度分别与裂缝阈值进行数值比对，计算获取单条表面裂缝最大长度、最大宽度与裂缝阈值的差值；

28、根据差值计算结果，逐一标注各参数是否超出阈值范围，形成单条表面裂缝的比对结果；

29、结合比对结果，筛选出全部超出裂缝阈值的表面裂缝目标，进行标识标记。

30、优选的，所述二次采集模块进行工作的方法为：

31、根据新增巡检轨迹与标记点数据集，获取每个标记点的裂缝位置、裂缝尺寸，设置无人机的悬停高度、环绕半径与成像参数；

32、驱使无人机沿新增巡检轨迹依次抵达各标记点，按照预设采集方案对目标裂缝开展近距离、多角度拍摄采集；

33、对实时采集的裂缝内部数据进行实时识别，判断是否存在成像模糊、区域遮挡、裂缝覆盖不全；

34、若数据不达标，则实时微调无人机位置与姿态进行补采，直至该标记点的内部数据满足分析要求。

35、优选的，所述数据分析模块进行工作的方法为：

36、对单个标记点的裂缝表面图像数据、裂缝内部数据进行空间位置匹配对齐；

37、从表面裂缝数据中获取裂缝最大长度、最大表面宽度、裂缝分支数、走向角度；

38、从裂缝内部数据中获取裂缝最大深度、内部宽度变化率、渗水程度、内部贯通性，将渗水程度、贯通性转换为标准化量化数值；

39、预设每项评估数据对应的风险分级阈值与分值映射规则，将单点裂缝的各项数据数值分别代入对应分级规则，逐一换算得到每项数据的单项风险分值，根据单项风险分值获取标记点的险情综合程度值；

40、将计算得出的险情综合程度值与预设的险情等级阈值进行比对，判定该标记点对应的险情等级。

41、优选的，所述险情综合程度值获取方法为：

42、预设表面裂缝数据与裂缝内部数据的权重系数，根据各标记点所属的坝体区域预设区域修正系数；

43、将各标记点下的单项风险分值与对应权重系数相乘，计算得到各数据的加权得分，再将所有加权得分累加求和，得到该点位的初始险情分值；

44、将初始险情分值与修正系数相乘，得到修正后的险情分值；

45、将修正后的险情分值进行归一化处理，生成标记点对应的险情综合程度值。

46、本申请的有益效果：

47、1.本申请通过轨迹规划模块预设无人机的巡航轨迹，使无人机按照预设的巡航轨迹移动采集坝体的表面数据，并对采集的表面数据进行图像辨别判断坝体表面是否存在裂缝，若坝体表面存在裂缝，根据坝体表面裂缝设定新增巡检轨迹，根据新增巡检轨迹对存在表面裂缝的区域进行二次巡检获取裂缝的内部数据，最后根据裂缝的表面数据与内部数据进行分析，获取险情综合程度值，有效提高了评价准确度。

48、当然，实施本申请的任一产品并不一定需要同时达到以上所述的所有优点。

1.面向抗洪抢险的无人机载堤坝险情识别系统，其特征在于，包括以下模块：

2.根据权利要求1所述的面向抗洪抢险的无人机载堤坝险情识别系统，其特征在于，所述数据采集模块进行工作的方法为：

3.根据权利要求2所述的面向抗洪抢险的无人机载堤坝险情识别系统，其特征在于，所述修正后的非标准表面图像数据获取过程为：

4.根据权利要求1所述的面向抗洪抢险的无人机载堤坝险情识别系统，其特征在于，所述轨迹调整模块进行工作的方法为：

5.根据权利要求4所述的面向抗洪抢险的无人机载堤坝险情识别系统，其特征在于，所述标识标记的过程为：

6.根据权利要求1所述的面向抗洪抢险的无人机载堤坝险情识别系统，其特征在于，所述二次采集模块进行工作的方法为：

7.根据权利要求1所述的面向抗洪抢险的无人机载堤坝险情识别系统，其特征在于，所述数据分析模块进行工作的方法为：

8.根据权利要求7所述的面向抗洪抢险的无人机载堤坝险情识别系统，其特征在于，所述险情综合程度值获取方法为：