用于桥梁裂缝检测的无人机自主路径优化方法及系统
本发明涉及桥梁检测,具体为一种用于桥梁裂缝检测的无人机自主路径优化方法及系统。
背景技术:
1、桥梁裂缝通常通过无人机搭载相机进行非接触式巡检,并利用图像分析方法获得桥梁表面的裂缝检测结果;然而,无人机在实际巡检过程中受到桥底光照不均、阴影遮挡、无人机运动造成的图像模糊以及局部表面纹理干扰等因素影响,同一条裂缝不同位置的成像质量存在明显差异,由此造成裂缝检测结果的不确定性。尤其是在疑似裂缝的局部位置,当该位置的不确定性相对于同一裂缝相邻位置明显升高时,表明首次巡检获取的信息不足以形成稳定检测结果。对于此类位置,仅依赖首次巡检结果容易造成误检或漏检,因此需要无人机再次经过相应区域进行二次检测,以补充检测信息并降低检测结果的不确定性。
2、现有无人机二次检测路径主要依据疑似病害位置或高不确定位置及其几何距离进行规划,未充分利用复核位置不确定性及其周围区域的空间差异,难以引导无人机优先经过高检测不确定性的区域。
3、同时,在桥梁近壁飞行空间受限的条件下,现有路径规划难以兼顾高风险复核区域的重点检测需求与其他桥梁表面的常规复检需求,影响二次巡检的整体效率。
4、在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解,因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、本发明的目的在于提供一种用于桥梁裂缝检测的无人机自主路径优化方法及系统,以解决上述背景技术中提出的问题。
2、为实现上述目的,本发明提供如下技术方案:
3、一种用于桥梁裂缝检测的无人机自主路径优化方法,具体步骤包括:
4、s1.无人机沿预设检测路径采集桥梁巡检数据,将巡检数据输入预构建的双任务神经网络,得到桥梁表面各位置的裂缝概率与检测不确定性;
5、s2.依据裂缝概率提取桥梁表面疑似裂缝脊线,结合检测不确定性,在疑似裂缝脊线上选取复核基准点;
6、s3.依据无人机检测范围以及复核基准点,将桥梁表面划分为复核巡检区域与常规巡检区域,提取复核基准点处的原始不确定特征,复核巡检区域内各离散空间点位根据其与复核基准点的距离对原始不确定特征做距离衰减修正,得到衰减修正不确定特征,常规巡检区域内,以各离散空间点位为中心,取其检测邻域内的不确定性均值作为常规不确定特征;
7、s4.结合桥梁表面以及预设检测高度区间构建飞行区域,在复核巡检区域,依据衰减修正不确定特征及原始不确定特征的非支配排序结果,为飞行区域各位置赋予漏检惩罚代价,在常规巡检区域,依据常规不确定特征赋予飞行区域漏检惩罚代价;
8、s5.针对全部飞行区域,将几何飞行距离与未覆盖位置的漏检惩罚代价相加得到综合总代价,以该综合总代价最小为优化目标,求解最优二次检测路径,控制无人机沿最优二次检测路径对桥梁复核检测。
9、进一步地,所述桥梁巡检数据包括巡检图像、gps定位数据、位姿数据;
10、所述双任务神经网络包括主通道和次通道,主通道采用u-net风格解码器,次通道采用若干卷积层;
11、将巡检图像输入预构建的双任务神经网络,输出像素级的裂缝概率图与不确定性图,结合gps定位数据与位姿数据,将像素级的裂缝概率图、不确定性图映射至桥梁表面三维空间,得到桥梁表面各空间位置对应的裂缝概率与检测不确定性。
12、进一步地,依据裂缝概率提取桥梁表面疑似裂缝脊线,结合检测不确定性,在疑似裂缝脊线上选取复核基准点,具体步骤如下:
13、对桥梁表面各位置的裂缝概率进行极值筛选与骨架提取处理,提取由局部概率峰值点构成的连续线状骨架,得到桥梁表面的疑似裂缝脊线;
14、遍历每条疑似裂缝脊线上的所有点位,获取各点位对应的检测不确定性数值,将检测不确定性大于预设不确定性阈值的点位初步筛选为待选基准点;
15、对同一条疑似裂缝脊线上的多个待选基准点进行间隔筛选,按照预设空间间隔距离对待选基准点进行稀疏采样,仅保留离散分布、高不确定性的关键点位,将最终保留的关键点位确定为复核基准点。
16、进一步地,依据无人机检测范围以及复核基准点,将桥梁表面划分为复核巡检区域与常规巡检区域,具体步骤如下:
17、获取无人机单次成像对应的检测范围,以各复核基准点为中心,将桥梁表面上处于无人机检测范围内、且包含复核基准点的局部区域划定为复核巡检区域,该复核巡检区域覆盖疑似裂缝周边全部高风险检测范围,为需要二次复核的区域;
18、将桥梁表面中除所有复核巡检区域以外的剩余区域,统一划定为常规巡检区域,该常规巡检区域不存在高检测不确定性疑似裂缝点位,无需二次复核;
19、其中,各复核巡检区域的区域边界由复核基准点位置与无人机检测范围共同确定,不同复核基准点对应的复核巡检区域允许局部重叠,重叠区域统一归属为复核巡检区域。
20、进一步地,复核巡检区域内各离散空间点位根据其与复核基准点的距离对原始不确定特征做距离衰减修正,得到衰减修正不确定特征,具体步骤如下:
21、计算复核巡检区域内每一离散空间点位到所属复核基准点的空间距离;
22、选取复核基准点处的原始不确定特征作为基准特征量,引入距离衰减函数,依据空间距离增大、不确定特征逐步衰减的规律,对原始不确定特征进行衰减运算;
23、将经距离衰减函数运算后得到的特征量作为该位置对应的衰减修正不确定特征;
24、当同一位置隶属于多个复核巡检区域时,取多个衰减修正不确定特征中的最大值作为该位置最终的衰减修正不确定特征。
25、进一步地,结合桥梁表面以及预设检测高度区间构建飞行区域,具体步骤如下:
26、获取桥梁表面的三维空间几何信息,将桥梁表面沿法向向外偏移,得到无人机巡检允许到达的空间范围;
27、引入预设检测高度区间,对偏移得到的空间范围做高度约束,滤除低于最小检测高度以及高于最大检测高度的空间,得到高度方向上的飞行空间;
28、依据无人机飞行避障约束剔除桥梁本体的干涉空间,将余下的三维空间作为无人机的飞行区域。
29、进一步地,在复核巡检区域,为飞行区域各位置赋予漏检惩罚代价,具体步骤如下:
30、获取复核巡检区域内桥梁表面各离散空间点位的衰减修正不确定特征以及原始不确定特征;
31、对衰减修正不确定特征与原始不确定特征开展非支配排序,得到不同风险等级的层级序列;
32、依据非支配排序得到的风险层级,向飞行区域内对应桥梁表面点位上方的三维飞行位置分配漏检惩罚代价。
33、进一步地,在常规巡检区域,依据常规不确定特征赋予飞行区域漏检惩罚代价,具体步骤如下:
34、获取常规巡检区域内桥梁表面各离散空间点位的常规不确定特征,该常规不确定特征为以各点位为中心、其检测邻域内所有位置检测不确定性的算术平均值;
35、建立常规不确定特征与漏检惩罚代价之间的单调递增映射关系,依据单调递增映射关系,为常规巡检区域内桥梁表面各离散空间点位分配漏检惩罚代价;
36、将桥梁表面各离散空间点位的漏检惩罚代价沿法向映射至其上方预设检测高度区间内的三维飞行位置,使飞行区域内各空间位置获得对应的漏检惩罚代价。
37、进一步地,将几何飞行距离与未覆盖位置的漏检惩罚代价相加得到综合总代价,求解最优二次检测路径,具体逻辑如下:
38、获取无人机待规划路径,计算路径对应的几何飞行距离,该几何飞行距离用于表征无人机沿路径飞行的飞行能耗成本;
39、确定全部飞行区域内未被该待规划路径的检测覆盖范围所覆盖的空间位置,提取各未覆盖位置对应的漏检惩罚代价,对全部未覆盖位置的漏检惩罚代价进行累加求和,得到总漏检惩罚代价;
40、将几何飞行距离与总漏检惩罚代价相加,得到该待规划路径对应的综合总代价;
41、以综合总代价最小作为优化目标,采用a+算法在飞行区域内迭代求解,得到最优二次检测路径。
42、本发明另外提供一种用于桥梁裂缝检测的无人机自主路径优化系统,所述系统用于实现上述任一所述的用于桥梁裂缝检测的无人机自主路径优化方法,具体包括:
43、模型处理模块,用于无人机沿预设检测路径采集桥梁巡检数据,将巡检数据输入预构建的双任务神经网络,得到桥梁表面各位置的裂缝概率与检测不确定性;
44、点位筛选模块,用于依据裂缝概率提取桥梁表面疑似裂缝脊线,结合检测不确定性,在疑似裂缝脊线上选取复核基准点;
45、特征提取模块,用于依据无人机检测范围以及复核基准点,将桥梁表面划分为复核巡检区域与常规巡检区域,提取复核基准点处的原始不确定特征,复核巡检区域内各离散空间点位根据其与复核基准点的距离对原始不确定特征做距离衰减修正,得到衰减修正不确定特征,常规巡检区域内,以各离散空间点位为中心,取其检测邻域内的不确定性均值作为常规不确定特征;
46、代价构建模块,用于结合桥梁表面以及预设检测高度区间构建飞行区域,在复核巡检区域,依据衰减修正不确定特征及原始不确定特征的非支配排序结果,为飞行区域各位置赋予漏检惩罚代价,在常规巡检区域,依据常规不确定特征赋予飞行区域漏检惩罚代价;
47、路径规划模块,用于针对全部飞行区域,将几何飞行距离与未覆盖位置的漏检惩罚代价相加得到综合总代价,以该综合总代价最小为优化目标,求解最优二次检测路径,控制无人机沿最优二次检测路径对桥梁复核检测。
48、与现有技术相比,本发明的有益效果是:
49、本发明基于桥梁表面的裂缝概率与检测不确定性选取复核基准点,并将桥梁表面划分为复核巡检区域与常规巡检区域,进一步依据两类区域不同的不确定特征设置差异化的漏检惩罚代价,使路径规划能够区分不同区域的复核价值,从而引导无人机优先前往高检测不确定区域补充采集检测信息,同时兼顾其余具备检测价值的桥梁表面区域。
50、本发明将几何飞行距离与未覆盖位置的漏检惩罚代价共同纳入综合总代价,并以综合总代价最小为目标求解二次检测路径,使路径规划在控制飞行距离的同时考虑不同区域的漏检风险,从而兼顾局部高风险区域的重点复核需求与其余桥梁表面的常规复检需求,提高二次检测路径的整体合理性和巡检效率。
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