[发明专利]基于WSN及无人机的地空协同全域建筑健康监测方法

说明书

本发明公开了一种基于WSN及无人机的地空协同全域建筑健康监测方法，确定待监测区域，估算无人机和待监测区域的距离，无人机上搭载摄像头，飞行时对待检测区域拍照，将无人机获得的图像中的待检测区域分离出来，获取待检测区域所占的像素点数量，计算像素点的实际尺寸，筛选出待检测区域具有足够的像素点的图像作为待处理视频；使WSN网络和无人机摄像头同步开启待处理数据；用WSN数据校正图像数据的位移信息，融合获得高精度的密集测量数据；解决了WSN(无线传感网络)监测的高成本并且简化数据处理，同时提高了强噪条件下视觉测量结果的精度。

技术领域

本发明涉及智能建造技术领域，特别是一种监测建筑物健康状况的方法。

背景技术

基础设施的安全使用和安全事故的预防对于保障设施正常运转和提高人民群众的安全感，规避经济损失有重大意义。

结构健康监测指的是针对工程结构的损伤识别及其特征化的策略和过程，可以尽早的发现故障有利于结构的维护与维修，以避免进一步损坏，保障设施的安全。

采用加速度传感器等实现接触式测量是一种常用的监测结构状态随时间变化的方法，费用低廉而且易于使用，然而对于大型结构会因为线缆过长而导致信号噪声过大。基于WSN的监测网络可以有效避免这类问题，但是随着结构设施的复杂化以及监测算法趋于数据驱动，密集的监测点往往导致过高成本和数据处理的复杂化，对于精密结构还会有质量效应，影响测量精度。

基于视觉的非接触式结构健康监测是一种新兴的非接触式结构测量方法。摄像机通过图像的采集和分析可完成视觉的各种测量，视觉测量方法具有测量范围宽，测点密集，无负载效应等许多优点。受限于摄像头的分辨率和帧率等相机参数以及自然环境的多样性引入的噪声，难以达到采用接触式传感器的WSN方法监测的精度。

发明内容

为了克服上述缺陷，本发明提供一种基于WSN(无线传感网络)及无人机平台的地空协同全域高精度建筑健康监测方法，基于WSN及视觉测量两种检测方法的特点，研究及设计了一种能够融合WSN高精度稀疏监测数据与视觉低精度密集测量数据得到较高精度的密集测量结果，解决了WSN(无线传感网络)监测的高成本并且简化数据处理，同时提高了强噪条件下视觉测量结果的精度。

基于WSN及无人机的地空协同全域高精度建筑健康监测方法，该方法执行以下操作，确定待监测区域，估算无人机和待监测区域的距离，无人机上搭载摄像头，无人机飞行时对待检测区域拍照，将无人机获得的图像中的待检测区域分离出来，获取待检测区域所占的像素点数量，计算像素点的实际尺寸，像素点的实际尺寸＝待检测区域的实际尺寸/物体图上所占的像素点数量，筛选出待检测区域具有足够的像素点的图像作为待处理视频；使WSN网络和无人机摄像头同步开启待处理数据；对待处理视频的每个测量区域以第一帧为基准、利用滤波后的相位谱图获得从第二帧开始的每帧图像与第一帧的相位差，该相位差表征振动位移；用WSN 数据校正图像数据的位移信息，融合获得高精度的密集测量数据。

优选的，筛选待处理视频时，将像素点的实际尺寸和待检测区域期待位移精度相差在3个数量级之内的图像作为待处理视频的图像。

优选的，在记录WSN数据之后，对WSN数据噪声处理：对原始WSN数据进行变换，得到大小不同的小波系数，先通过阈值剔除噪声系数，然后通过小波变换对保留的小波系数进行信号重构，得到降噪WSN数据。

其中，ψ_m，n(t)为小波级数，s(t)为原始信号。

监测网络存在距离较近的节点，此时不同节点监测到同一个目标状态数据的概率较高，需要对数据去冗余。

优选的，采用K-MEANS算法，以最小化平方误差和作为目标对WSN簇内数据进行簇内数据去冗余：去冗余处理；其中，平方误差和定义为：