[发明专利]一种基于无人机视觉的坝体裂纹识别与测量方法

说明书

一种基于无人机视觉的坝体裂纹识别与测量方法，它包括以下步骤：步骤1：进行图像的采集，采集待检测坝体的RGB图像，所采集的图像能够完整覆盖检测区域；步骤2：进行裂纹的粗检测；步骤3：进行基于视觉显著性的裂纹精识别；步骤4：进行边缘提取；步骤5：进行裂纹特征信息计算；步骤6：进行图像拼接，通过图像拼接还原坝体全景图，从而确定局部裂纹相对坝体的位置信息；步骤7：进行裂纹定位及评估。本发明的目的是为了解决现有技术对复杂环境下坝体裂纹检测误差较大以及裂纹几何信息测量中精度不高的技术问题，而提供的基于无人机视觉的坝体裂纹识别与测量方法。

技术领域

本发明涉及机器视觉检测及测量技术领域，尤其涉及一种基于无人机视觉的坝体裂纹识别与测量方法。

背景技术

裂缝是危害水电站坝体结构安全的重要病害，对裂缝的位置检测及几何形态尤其是宽度的测量是坝体检测的重要内容。传统的检测方法主要基于人工视觉检测，需要搭建脚手架、挂篮或者使用望远镜，耗费的人力物力较大，检测安全隐患大，检测效率较低，检测效果往往依赖于检测人员的经验丰富程度。

随着人工智能技术和无人机产业发展，越来越多运维人员将无人机结合AI巡检引入大坝或者道路桥梁等行业的运维工作中，通过遥控无人机采集待检测区域图像，然后使用计算机视觉技术识别裂纹，

例如申请号为2017103826144的专利文献提出了一种基于显著性检测的表面裂纹识别方法，该方法先将图像从RGB变换到Lab颜色空间，然后采用超像素分割算法对图像预分割，结合均值漂移算法对图像聚类，接着提取图像的颜色显著图和纹理显著图，最后自适应分割裂纹区域。

申请号为201811332035X的专利文献提出了一种基于无人机视觉的桥梁底面裂缝检测方法，该方法通过无人机搭载可见光相机按照预定轨迹对桥梁分块有序的拍摄系列RGB图像，并将图像编号处理，然后对图像进行增强和降噪等步骤提取裂纹特征，最后二值化分割裂纹区域。方法中还建立三层BP神经网络用于对裂纹的类型进行分类。

上述这些现有技术在面对复杂的背景环境时，存在算法识别精度低、速度慢，难以满足实时高效的裂纹检测需求的技术缺陷，同时在检测中缺少对裂纹长度或者宽度等信息的测量，导致裂纹风险评估不准。

发明内容

本发明的目的是为了解决现有技术对复杂环境下坝体裂纹检测误差较大以及裂纹几何信息测量中精度不高的技术问题，而提供的基于无人机视觉的坝体裂纹识别与测量方法。

一种基于无人机视觉的坝体裂纹识别与测量方法，它包括以下步骤：

步骤1：进行图像的采集，采集待检测坝体的RGB图像，所采集的图像能够完整覆盖检测区域；

步骤2：进行裂纹的粗检测；

步骤3：进行基于视觉显著性的裂纹精识别；

步骤4：进行边缘提取；

步骤5：进行裂纹特征信息计算；

步骤6：进行图像拼接；通过图像拼接还原坝体全景图，从而确定局部裂纹相对坝体的位置信息；

步骤7：进行裂纹定位及评估。

在步骤2中，使用预训练的卷积神经网络模型检测图像中是否有裂纹，如果没检测出裂纹，则不需要做下一步的精细化检测，从而提高算法效率；如果检测出裂纹则通过模型输出图像中裂纹边界框，从而过滤复杂的背景干扰信息，提高后续裂纹边缘提取的准确度和裂纹测量的精度。

在步骤3中，依据图像的裂纹相对于图像背景在颜色和亮度上的差异，使用FT算法先得的图像的显著图，再结合均值漂移算法自适应计算图像阈值，然后二值化分割裂纹。