徐 昊， 彭雪村， 盧志芳

(1. 武漢理工大學(xué) 土木工程與建筑學(xué)院， 湖北 武漢 430070； 2. 武漢理工大學(xué) 道路橋梁與結(jié)構(gòu)工程湖北省重點(diǎn)實(shí)驗(yàn)室， 湖北 武漢 430070)

裂縫是危害橋梁結(jié)構(gòu)安全的重要病害，對(duì)裂縫幾何形態(tài)尤其是寬度的測(cè)量是橋梁檢測(cè)的重要內(nèi)容。傳統(tǒng)的檢測(cè)方法主要基于人工視覺檢測(cè)，需要搭建腳手架、掛籃或者使用專門的橋梁檢測(cè)車，耗費(fèi)的人力物力較大，檢測(cè)效率較低，同時(shí)會(huì)妨礙交通運(yùn)營(yíng)，而檢測(cè)效果往往依賴于檢測(cè)人員的經(jīng)驗(yàn)豐富程度。對(duì)于大型橋梁，傳統(tǒng)檢測(cè)方法常常需要將檢測(cè)人員送到某些危險(xiǎn)的位置，存在較大安全隱患[1]。無人機(jī)技術(shù)的出現(xiàn)提供了消除上述傳統(tǒng)檢測(cè)方式弊端的新方案。利用遠(yuǎn)程控制或自動(dòng)飛行的無人機(jī)進(jìn)行橋梁檢測(cè)，具有成本低、靈活性高的優(yōu)勢(shì)[2]，可以有效提高橋梁檢測(cè)的水平。

文獻(xiàn)[3-4]分別基于視覺伺服方法和模糊控制方法研究了無人機(jī)在橋梁檢測(cè)中的控制策略；文獻(xiàn)[5-6]研究了無人機(jī)在橋梁等大型工程結(jié)構(gòu)檢測(cè)中的應(yīng)用，分析了影響視覺檢測(cè)質(zhì)量的因素；文獻(xiàn)[7]分析了無人機(jī)橋梁檢測(cè)的安全隱患，并提出了應(yīng)對(duì)策略；文獻(xiàn)[8]設(shè)計(jì)了基于旋翼無人機(jī)的橋梁裂縫快速掃描及識(shí)別算法；文獻(xiàn)[9]將三維重建技術(shù)與無人機(jī)技術(shù)結(jié)合，實(shí)現(xiàn)了結(jié)構(gòu)檢測(cè)中損傷位置的精確定位；文獻(xiàn)[10]通過框選平均值法，利用裂縫的面積除以計(jì)算長(zhǎng)度得到平均寬度，但這種方法不能求得裂縫的最大寬度；文獻(xiàn)[11]采用最小距離法，人工確定裂縫的上下緣，計(jì)算上緣各點(diǎn)到下緣所有點(diǎn)的距離，得到每點(diǎn)的最大寬度與平均寬度，該方法自動(dòng)化程度低且計(jì)算量較大；文獻(xiàn)[12]通過內(nèi)切圓直徑近似計(jì)算裂縫各位置的寬度，該方法在裂縫較細(xì)時(shí)難以精確求得各位置的內(nèi)切圓，同時(shí)在裂縫曲率較大的位置易造成較大誤差。而且上述研究在病害的識(shí)別上主要還是依靠人工，同時(shí)無法實(shí)現(xiàn)裂縫病害的自動(dòng)、定量測(cè)量，檢測(cè)效率較低，并且上述研究的圖像傳輸方案采用的是模擬信號(hào)傳輸或wifi傳輸，傳輸質(zhì)量、距離及實(shí)時(shí)性難以滿足工程要求，因此有必要研究適用于無人機(jī)的橋梁裂縫自動(dòng)檢測(cè)方案。

本文設(shè)計(jì)一種利用四旋翼無人機(jī)進(jìn)行橋梁裂縫寬度自動(dòng)測(cè)量的方案，包括無人機(jī)系統(tǒng)設(shè)計(jì)，攝像系統(tǒng)設(shè)計(jì)和數(shù)字圖像處理方法。在無人機(jī)系統(tǒng)設(shè)計(jì)中，基于無人機(jī)型號(hào)與動(dòng)力學(xué)模型搭建了旋翼無人機(jī)的硬件平臺(tái)，能夠滿足穩(wěn)定懸停、預(yù)定航線巡檢、遠(yuǎn)程控制、安全冗余的要求；在攝像系統(tǒng)設(shè)計(jì)中，通過對(duì)攝像機(jī)矯正、像素物理尺寸標(biāo)定、物距測(cè)量等步驟獲取裂縫圖像及輔助信息，并提出一種低成本的數(shù)字圖像傳輸方式，滿足關(guān)鍵圖像的實(shí)時(shí)傳輸；在數(shù)字圖像處理方法中，設(shè)計(jì)了一種裂縫寬度自動(dòng)測(cè)量的算法，利用中值濾波、拉普拉斯濾波器對(duì)圖像進(jìn)行去噪，通過閾值劃分、孤立點(diǎn)消除的方式獲取完整的裂縫二值圖像，通過改進(jìn)的框選法實(shí)現(xiàn)裂縫寬度的測(cè)量。

1 無人機(jī)系統(tǒng)設(shè)計(jì)

1.1 無人機(jī)選型

小型民用無人機(jī)通?？煞譃楣潭ㄒ?、旋翼、撲翼及無人飛艇等類型[13]。固定翼無人機(jī)效率較高、續(xù)航能力強(qiáng)，適用于長(zhǎng)巡航時(shí)間要求的場(chǎng)合，但是不能穩(wěn)定懸?；蛐“霃睫D(zhuǎn)彎；撲翼無人機(jī)是人們借鑒鳥類與昆蟲飛行方式設(shè)計(jì)的仿生飛行器，目前研究尚處于起步階段，在工程應(yīng)用中較少；旋翼無人機(jī)可以穩(wěn)定懸停，在較短的飛行時(shí)間內(nèi)可以沿各方向自由飛行。

四旋翼無人機(jī)是旋翼無人機(jī)中最為常見的一種，相比于單、雙旋翼，四旋翼具有更好的飛行控制性能，機(jī)動(dòng)性能良好；相比于六旋翼、八旋翼，四旋翼具有更低的能耗，同等條件下續(xù)航能力更強(qiáng)。

1.2 四旋翼無人機(jī)動(dòng)力學(xué)模型

動(dòng)力學(xué)模型描述了飛行器系統(tǒng)的行為隨時(shí)間的變化，將無人機(jī)視作剛體，則無人機(jī)的空間位置可以由包括平動(dòng)與轉(zhuǎn)動(dòng)的6個(gè)參數(shù)精確描述，飛行器的空間狀態(tài)示意如圖1。

定義飛行器的空間坐標(biāo)為：

Q=ξ,ηT=x,y,z,ψ,θ,φT

(1)

式中:ξ為飛行器相對(duì)于大地坐標(biāo)系的空間位置；η為飛行器相對(duì)于大地坐標(biāo)系的空間姿態(tài)；ψ，θ，φ分別為歐拉偏航角、歐拉俯仰角、歐拉滾轉(zhuǎn)角。

由歐拉-拉格朗日方法建立四旋翼無人機(jī)的動(dòng)力學(xué)模型，飛行上所受力與力矩如圖2。則四旋翼無人機(jī)的動(dòng)力學(xué)模型為：

(2)

式中：f為無人機(jī)上作用的豎向合力；τφ，τθ，τψ分別表示繞θ，φ，ψ的力矩。

圖1 四旋翼無人機(jī)空間狀態(tài)Fig.1 Spatial state of quad-rotor UAV

圖2 四旋翼無人機(jī)受力和力矩示意Fig.2 Force and moment acting on an quad-rotor UAV

圖3 四旋翼無人機(jī)系統(tǒng)實(shí)物圖(1為四旋翼無人機(jī)，2為地面站，3為遙控裝置)Fig.3 Practicality picture of quad-rotor UAV system (1-quad-rotor UAV; 2-ground station; 3-remote control)

1.3 無人機(jī)系統(tǒng)硬件平臺(tái)搭建

應(yīng)用于橋梁檢測(cè)的無人機(jī)系統(tǒng)在飛行動(dòng)力、飛行控制、圖像獲取、飛行安全及信號(hào)穩(wěn)定性方面需要滿足一定要求。在飛行動(dòng)力方面，需要具備大載重量、長(zhǎng)時(shí)間續(xù)航的能力；在飛行控制方面，需要具備穩(wěn)定懸停、姿態(tài)調(diào)整、視距外控制、路徑規(guī)劃、即時(shí)定位的能力；在圖像獲取方面，要具備成像穩(wěn)定清晰、實(shí)時(shí)傳輸?shù)哪芰?；在飛行安全方面，需要具備避障、突發(fā)情況應(yīng)急處理的能力[14]；在信號(hào)穩(wěn)定性方面，控制與圖像傳輸信號(hào)需要在鋼筋混凝土結(jié)構(gòu)的屏蔽下正常工作。針對(duì)上述要求并考慮飛行器動(dòng)力學(xué)特性，搭建了四旋翼無人機(jī)橋梁檢測(cè)硬件平臺(tái)，見圖3和4。

圖4 四旋翼無人機(jī)系統(tǒng)硬件組成Fig.4 Hardware design of quad-rotor UAV system

飛行動(dòng)力：采用軸距為550 mm的碳纖維機(jī)架，配備14寸碳纖維槳、6S/20000 mAh鋰電池，電機(jī)選用3508(KV380)型號(hào)，電子調(diào)速器選用40A型號(hào)，穩(wěn)定載質(zhì)量可達(dá)到5.8 kg，滿足橋梁檢測(cè)相關(guān)儀器的負(fù)載要求；滿載情況下，飛行時(shí)間可達(dá)40 min。

飛行控制：以STM32F427作為主控板，采用ARM Cortex M4架構(gòu)，利用MPU6050加速度計(jì)/陀螺儀、氣壓計(jì)等傳感器，獲取飛行器實(shí)時(shí)的三軸加速度及偏轉(zhuǎn)角，通過式(2)可以實(shí)現(xiàn)無人機(jī)的穩(wěn)定懸停與姿態(tài)調(diào)整。利用電子羅盤與GPS獲取飛行器的實(shí)時(shí)空間位置，實(shí)現(xiàn)巡檢路徑的規(guī)劃與實(shí)時(shí)定位。試驗(yàn)表明在環(huán)境條件相對(duì)穩(wěn)定時(shí)，GPS的定位精度與信號(hào)穩(wěn)定性可以滿足要求。地面站使用CC2500模塊向無人機(jī)發(fā)送指令，并通過5.8 GHz的圖像傳輸設(shè)備獲取攝像機(jī)的拍攝場(chǎng)景，監(jiān)視飛行狀態(tài)，完成視距外對(duì)無人機(jī)的控制。

圖5 無人機(jī)檢測(cè)結(jié)構(gòu)裂縫Fig.5 Detection of cracks in structures using UAV

圖像獲?。翰捎铭椦?S運(yùn)動(dòng)相機(jī)，攝像清晰度1 080 P，有效照相像素1 200萬。相機(jī)懸掛于三軸增穩(wěn)云臺(tái)上，在飛機(jī)抖動(dòng)時(shí)保持相機(jī)穩(wěn)定，同時(shí)當(dāng)相機(jī)軸線與目標(biāo)不垂直時(shí)，利用云臺(tái)三軸的舵機(jī)，調(diào)整相機(jī)x，y，z軸上的偏轉(zhuǎn)角，調(diào)整相機(jī)的姿態(tài)。圖像實(shí)時(shí)傳輸方案見2.4節(jié)。

飛行安全：以 STM32F103作為安全協(xié)處理器，設(shè)置冗余的16位微陀螺儀、14位微加速度計(jì)，并配有安全電源，以應(yīng)對(duì)飛行突發(fā)情況。上述無人機(jī)系統(tǒng)對(duì)工程結(jié)構(gòu)的實(shí)地測(cè)量如圖5。

信號(hào)穩(wěn)定性：對(duì)橋梁跨中底部等相對(duì)封閉混凝土構(gòu)筑物進(jìn)行檢測(cè)時(shí)，可能存在無人機(jī)遠(yuǎn)程控制信號(hào)受阻隔的問題，目前國(guó)內(nèi)外對(duì)此尚無明確可靠的理論分析，且實(shí)際的信號(hào)傳輸效果受場(chǎng)地影響較大。文獻(xiàn)[15-16]研究了電磁波在鋼筋混凝土結(jié)構(gòu)中傳播的衰減規(guī)律，表明鋼筋混凝土結(jié)構(gòu)對(duì)高頻信號(hào)的耦合度較高，頻率較高的信號(hào)可以繞過周期性鋼筋的局部不均勻區(qū)域進(jìn)行傳播，且更不易落入頻率截止區(qū)，因此高頻信號(hào)在鋼筋混凝土中的傳播相對(duì)容易?？紤]到檢測(cè)區(qū)域均非絕對(duì)封閉，且混凝土厚度的增加對(duì)信號(hào)的衰減影響較小，設(shè)計(jì)的無人機(jī)系統(tǒng)的控制頻率(2.4 G)，圖像傳輸頻率(5.8 G)可以滿足橋梁和其他大體積混凝土構(gòu)筑物檢測(cè)的一般需求?，F(xiàn)場(chǎng)試驗(yàn)表明，設(shè)計(jì)的無人機(jī)系統(tǒng)對(duì)箱型拱橋進(jìn)行檢測(cè)時(shí)，控制信號(hào)無明顯延遲，圖像傳輸畫面穩(wěn)定、清晰。對(duì)于建筑高度較大的橋梁，可以考慮設(shè)置信號(hào)中繼站進(jìn)行無線信號(hào)的增益。

2 攝像系統(tǒng)設(shè)計(jì)

無人機(jī)橋梁檢測(cè)系統(tǒng)需要同時(shí)滿足精確度與效率的要求。橋梁檢測(cè)的精確度要求較高，因此獲取的圖像必須經(jīng)過矯正，以消除相機(jī)本身的拍攝誤差。檢測(cè)效率依賴于檢測(cè)系統(tǒng)的自動(dòng)化程度，為實(shí)現(xiàn)通過圖像對(duì)裂縫進(jìn)行自動(dòng)測(cè)量，需要獲得每幅圖像的像素物理尺寸，同時(shí)為了及時(shí)獲得檢測(cè)信息，檢測(cè)系統(tǒng)應(yīng)當(dāng)具備關(guān)鍵圖像的實(shí)時(shí)傳輸能力?；谝陨弦螅O(shè)計(jì)如下的攝像系統(tǒng)。

2.1 相機(jī)畸變矯正

圖像的畸變是由于攝像系統(tǒng)的成像與實(shí)際物體的空間關(guān)系不能嚴(yán)格滿足中心投影模型，相機(jī)的鏡頭畸變可分為徑向畸變與切向畸變。徑向畸變由透鏡的形狀引起，即透鏡表面的徑向曲率變化不均勻，導(dǎo)致光線在遠(yuǎn)離透鏡中心的地方比靠近透鏡中心的地方更彎曲，常見的徑向畸變有筒形畸變、枕形畸變。切向畸變由相機(jī)的安裝引起，即安裝缺陷導(dǎo)致的透鏡主軸與圖像平面不平行[17]。

無人機(jī)機(jī)載相機(jī)通常使用廣角鏡頭，因此獲得的圖像往往枕形畸變嚴(yán)重(圖6(a))，矯正采用棋盤格標(biāo)定法，利用Matlab的Camera Calibrator工具箱進(jìn)行矯正，矯正的原始圖像為不同角度拍攝的11張棋盤格圖像(圖7)，矯正平均誤差為1.28 pixel。經(jīng)過徑向、切向矯正后的圖像見圖6(b)。

圖6 圖像畸變矯正Fig.6 Image distortion correction

圖7 矯正后計(jì)算所得的多角度拍攝相機(jī)位置Fig.7 Multiplane calibration camera locations after corrected by calculating

圖8 像素物理尺寸-物距擬合曲線Fig.8 Fitting curves of physical size of pixel-object distance

2.2 像素物理尺寸標(biāo)定

為了實(shí)現(xiàn)裂縫寬度的數(shù)字圖像測(cè)量，需要獲取圖像的像素物理尺寸(mm·pixel-1)，采用平行線測(cè)量的方法，具體為:用矯正好的相機(jī)對(duì)間距為10，20，30，40，50 mm的標(biāo)準(zhǔn)平行線進(jìn)行拍攝，保證相機(jī)主軸與平行線標(biāo)定板垂直，調(diào)節(jié)拍攝距離從100 mm變化至500 mm，步長(zhǎng)為100 mm；對(duì)拍攝得到的圖像進(jìn)行處理，分別獲取同一物距下不同間距平行線的像素物理尺寸，并做算術(shù)平均，擬合得到像素物理尺寸關(guān)于物距的函數(shù)曲線。本文采用HuaWei CMOS相機(jī)(2 336×4 160)與鷹眼5S相機(jī)(3 024×4 032)分別經(jīng)過上述處理流程，擬合得像素物理尺寸關(guān)于物距的函數(shù)曲線，如圖8。

2.3 物距測(cè)量

利用像素物理尺寸-物距曲線獲得各圖像的像素物理尺寸時(shí)，需要已知物距，因此在拍攝圖像的同時(shí)需要獲取相機(jī)到物體的距離，采用超聲波測(cè)距方式，設(shè)計(jì)了主板及從板。從板置于相機(jī)正下方，主板放置在地面站，主板與從板間通過nrf24l01模塊進(jìn)行無線通信，有效通信距離達(dá)2 000 m。超聲波測(cè)距裝置與圖像傳輸裝置通過SPI協(xié)議進(jìn)行通信，保證物距測(cè)量與下文的圖像傳輸同時(shí)進(jìn)行，在接收?qǐng)D像的同時(shí)獲取對(duì)應(yīng)的物距信息。

橋梁檢測(cè)通常需要實(shí)時(shí)反饋信息，以便檢測(cè)人員及時(shí)作出調(diào)整，因此需做到地面站與飛行器同步獲取檢測(cè)信息，傳統(tǒng)的5.8 G圖像傳輸方式，可以做到地面站實(shí)時(shí)接收機(jī)載相機(jī)畫面，但由于這種傳輸方式采用模擬信號(hào)傳輸，對(duì)圖像進(jìn)行了壓縮，使得地面站接收到的圖像失真嚴(yán)重，而高清數(shù)字圖傳COFDM成本較高且分辨率受限。

圖9 圖像傳輸系統(tǒng)結(jié)構(gòu)Fig.9 Structure diagram of image transmission system

針對(duì)以上圖像傳輸方式的不足，設(shè)計(jì)了針對(duì)無人機(jī)橋梁視覺檢測(cè)的圖像傳輸系統(tǒng)，將模擬圖像傳輸流暢、實(shí)時(shí)性好、成本低廉的優(yōu)勢(shì)，與數(shù)字圖像傳輸信號(hào)失真小的特點(diǎn)相結(jié)合，具體為：在飛行觀測(cè)部分，仍采用5.8 G模擬圖像傳輸，選用TS832+RC832模塊，有效傳輸距離1 500 m，用于飛行概況的整體規(guī)劃；對(duì)于裂縫圖像等需要進(jìn)行數(shù)字圖像處理的關(guān)鍵圖像，采用2.4 G數(shù)字信號(hào)傳輸，選用AS01-ML01DP5模塊，模塊芯片為nrf24l01，有效傳輸距離2 000 m，空中最大傳輸速率為2 M/s，對(duì)于1 200萬像素相機(jī)的圖像可在1～2 s完成傳輸，模塊與相機(jī)之間通過STM32 mini板連接，mini板MCU為STM32F407ZGT6,mini板配有64 Mb Flash及16 G SD卡，可以緩存多張圖像。圖像傳輸系統(tǒng)見圖9。

圖10 攝像系統(tǒng)采集得到的裂縫圖像Fig.10 Images acquired by camera system

圖11 數(shù)字圖像處理流程Fig.11 Process for digital image processing

2.4 工程實(shí)踐

利用上述攝像系統(tǒng)對(duì)江蘇省鹽城市亭湖區(qū)新躍進(jìn)橋的裂縫進(jìn)行了實(shí)地圖像采集，相機(jī)為鷹眼5S(配廣角鏡頭)，圖像的原始尺寸均為3 024×4 032，拍攝圖像104張，總計(jì)227 MByte。攝像系統(tǒng)的地面站設(shè)置在距離橋梁120 m的高地，圖像遠(yuǎn)程傳輸最大距離為150 m，平均傳輸速率為1.91 M/s。矯正后圖像見圖10。

3 數(shù)字圖像處理方法

規(guī)范[18]對(duì)于橋梁裂縫寬度有明確要求：梁體不允許產(chǎn)生豎向裂縫，縱向裂縫最大允許寬度為0.2 mm。傳統(tǒng)的無人機(jī)裂縫檢測(cè)系統(tǒng)中，對(duì)于采集到的裂縫圖像，由檢測(cè)人員進(jìn)行人工甄別，確定結(jié)構(gòu)的病害，這種方式處理效率低下、主觀性大，且對(duì)于裂縫損傷，精度難以達(dá)到要求。

圖12 圖像數(shù)字處理結(jié)果Fig.12 Image digital processing

針對(duì)橋梁裂縫的復(fù)雜噪聲(水漬、陰影等)，設(shè)計(jì)了一種適用于無人機(jī)采集的裂縫圖像的處理算法：首先通過模板較大的中值濾波器去除圖像的大面積噪聲，隨后通過拉普拉斯濾波器對(duì)裂縫的邊緣進(jìn)行增強(qiáng)，并抑制背景噪聲，再通過模板較小的中值濾波器去除點(diǎn)狀噪聲，接著通過最大類間方差法(Otsu)[19]對(duì)圖像進(jìn)行閾值分割，分割后的圖像再通過連通域的幾何特征消除孤立區(qū)域，最后結(jié)合上一章節(jié)的像素物理尺寸信息，計(jì)算得到裂縫的實(shí)際寬度。圖像處理流程見圖11，各步驟處理結(jié)果見圖12。

3.1 中值濾波

混凝土橋梁的材料特性及服役環(huán)境導(dǎo)致其表面裂縫圖像通常包含復(fù)雜噪聲?；炷帘旧淼奈⒘芽p會(huì)影響裂縫識(shí)別與測(cè)量精度；橋面裂縫的塵土填塞物會(huì)模糊裂縫與背景的界限，影響裂縫的識(shí)別，而路面指示標(biāo)識(shí)、伸縮縫在圖像中均屬于線性結(jié)構(gòu)，不進(jìn)行處理可能導(dǎo)致分割失敗；腹拱、拱圈、橋墩部分的裂縫往往會(huì)有滲水[20]，水漬本身顏色與裂縫接近且分布范圍較大，直接分割會(huì)使得裂縫寬度大于真實(shí)值；拍攝的光照條件不理想帶來的光斑與陰影會(huì)使得裂縫的重構(gòu)不完整。因此，橋梁裂縫的圖像在進(jìn)一步處理前應(yīng)當(dāng)進(jìn)行去噪處理。

圖13 中值濾波處理過程Fig.13 Median filter processing

Fujita等[21]研究發(fā)現(xiàn)，中值濾波對(duì)于去除混凝土裂縫的背景噪聲效果良好，尤其對(duì)于光照不均引起的陰影、光斑，滲水部分的水漬等噪聲效果顯著。中值濾波器的濾波效果與濾波器的模板大小有關(guān)，模板越大則濾波圖像越模糊，背景減除后面積較大的塊狀噪聲將被去除，模板越小則濾波圖像與原圖像越接近，背景減除后面積較小的點(diǎn)狀噪聲將被去除。中值濾波處理過程見圖13。

圖14 拉普拉斯濾波器Fig.14 Laplacian filter

3.2 邊緣增強(qiáng)

經(jīng)過較大模板的中值濾波器濾波后，圖像上將會(huì)存在大量噪點(diǎn)，分布在裂縫周邊的噪點(diǎn)使得裂縫邊緣不夠清晰，因此需要對(duì)噪點(diǎn)進(jìn)行抑制，同時(shí)增強(qiáng)邊緣。高通濾波器可以達(dá)到邊緣提取與強(qiáng)化的效果，通過拉普拉斯算子構(gòu)造了高通濾波器(見圖14)[22],對(duì)圖像濾波并歸一化處理后，保留直方圖前一部分的像素(取前5%)以達(dá)到邊緣提取、噪聲抑制的作用。

3.3 孤立點(diǎn)消除

經(jīng)過閾值分割的裂縫圖像，通常存在孤立的噪點(diǎn)，通過分析二值圖像連通域的幾何特征，對(duì)孤立的噪點(diǎn)或噪塊進(jìn)行消除，具體方法為：計(jì)算每一個(gè)連通區(qū)域Li的面積Ai、最小外接圓半徑Ri、最小外接矩形的長(zhǎng)a和寬b，設(shè)定孤立點(diǎn)的判斷標(biāo)準(zhǔn)為：連通域的最小面積限制,Ai≤Alim;連通域的線性度限制[23],定義連通域的線性度LE=ab/(πR2)≤LElim。

圖15 裂縫寬度計(jì)算Fig.15 Calculation of crack width

3.4 裂縫寬度計(jì)算

經(jīng)過閾值劃分、裂縫生長(zhǎng)后，得到了完整的二值化裂縫圖像,以縱向發(fā)展的單裂縫圖像為例，介紹所設(shè)計(jì)的計(jì)算裂縫寬度的方法，具體方法為：

3.5 綜合應(yīng)用

為驗(yàn)證提出的圖像處理方法對(duì)混凝土結(jié)構(gòu)裂縫的有效性與精度，對(duì)江蘇省鹽城市境內(nèi)的多處混凝土結(jié)構(gòu)工程的裂縫進(jìn)行圖像采集，包括梁橋(大慶橋)，拱橋(新躍進(jìn)橋)，斜拉橋(迎賓橋)，海堤護(hù)坡(濱?？h)，泵站進(jìn)水池護(hù)坡、翼墻、擋土墻、防洪閘(北坍翻水站)等。對(duì)采集到的圖像進(jìn)行處理，結(jié)果與Otsu方法進(jìn)行對(duì)比(見圖16)，不同方法得到的裂縫寬度測(cè)量結(jié)果見表1。

通過對(duì)比發(fā)現(xiàn)，當(dāng)裂縫與背景的灰度值差異較大且背景噪聲較小時(shí)，Otsu方法與本文算法的精度相近；但當(dāng)裂縫與背景的灰度接近，或者背景本身的紋理復(fù)雜時(shí)，Otsu方法的分割效果無法滿足測(cè)量要求，但是該算法仍然表現(xiàn)出良好的魯棒性。該算法在提取裂縫時(shí)，可能會(huì)遺漏部分細(xì)微的裂縫，但是針對(duì)橋梁混凝土結(jié)構(gòu)的裂縫檢測(cè)要求，本文算法的檢測(cè)精度可以滿足工程需要。

表1 不同方法測(cè)量的裂縫最大寬度比較Tab.1 Comparison of crack width measurement mm

圖16 不同圖片處理方法得到的混凝土裂縫Fig.16 Concrete cracks obtained by different image processing methods

4 結(jié) 語

設(shè)計(jì)了基于四旋翼無人機(jī)的橋梁裂縫半自動(dòng)檢測(cè)系統(tǒng)，從無人機(jī)平臺(tái)和攝像系統(tǒng)的設(shè)計(jì)及數(shù)字圖像處理等方面介紹了無人機(jī)橋梁檢測(cè)的實(shí)現(xiàn)方法與原理。

在無人機(jī)平臺(tái)設(shè)計(jì)中，針對(duì)橋梁檢測(cè)需求進(jìn)行了無人機(jī)選型；針對(duì)檢測(cè)系統(tǒng)的動(dòng)力、控制、安全要求，結(jié)合旋翼無人機(jī)的動(dòng)力特性，設(shè)計(jì)了四旋翼無人機(jī)的硬件平臺(tái)。在攝像系統(tǒng)設(shè)計(jì)中，通過相機(jī)的矯正提高測(cè)量的精度，借助像素物理尺寸標(biāo)定、物距測(cè)量獲取裂縫圖像自動(dòng)測(cè)量的輔助信息，設(shè)計(jì)了一種圖像無線傳輸方案，提高了裂縫檢測(cè)的效率。在數(shù)字圖像處理中，針對(duì)橋梁裂縫的成像特點(diǎn)與檢測(cè)要求，提出了一種基于中值濾波、邊緣增強(qiáng)、形態(tài)學(xué)處理的橋梁裂縫圖像處理方法。初步測(cè)試表明，該系統(tǒng)可以進(jìn)行懸停檢測(cè)、定點(diǎn)巡檢、裂縫寬度自動(dòng)測(cè)量，算法的魯棒性良好。

[1] ELLENBERG A, BRANCO L, KRICK A, et al. Use of unmanned aerial vehicle for quantitative infrastructure evaluation[J]. Journal of Infrastructure Systems, 2015, 21(3): 04014054.

[2] LIU P, CHEN A Y, HUANG Y N, et al. A review of rotorcraft unmanned aerial vehicle (UAV) developments and applications in civil engineering[J]. Smart Structures & Systems, 2014, 13(6): 1065- 1094.

[3] METNI N, Hamel T. A UAV for bridge inspection: Visual servoing control law with orientation limits[J]. Automation in Construction, 2007, 17(1): 3- 10.

[4] SAYFEDDINE D, BULGAKOV A, EMELIANOV S, et al. Inspection of flyover bridges using quadrotor[C]∥International Symposium on Automation and Robotics in Construction and Mining, 2015.

[5] HALLERMANN N, MORGENTHAL G. The application of unmanned aerial vehicles for the inspection of structures[C]∥PLSE-First International Conference on Performance-based and Life-cycle Structural Engineering, 2012.

[6] HALLERMANN N, MORGENTHAL G. Visual inspection strategies for large bridges using unmanned aerial vehicles (UAV)[C]∥7th International Conference on Bridge Maintenance, Safety and Management, IABMAS, 2014.

[7] AVENDANO J, OTERO L D, COSENTINO P. Towards the development of a complex structural inspection system using small-scale aerial vehicles and image processing[C]∥Systems Conference. IEEE, 2013: 420- 425.

[8] MAGSINO E R, CHUA J R B, CHUA L S, et al. A rapid screening algorithm using a quadrotor for crack detection on bridges[C]∥Region 10 Conference (TENCON)—Proceedings of the International Conference. IEEE, 2016: 1829- 1833.

[9] WEFELSCHEID C, HNSCH R, HELLWICH O. Three-Dimensional building reconstruction using images obtained by unmanned aerial vehicles[J]. ISPRS-International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2012, XXXVIII-1/C22(1).

[10] 葉貴如, 周青松, 林曉威. 基于數(shù)字圖像處理的表面裂縫寬度測(cè)量[J]. 公路交通科技, 2010, 27(2)： 75- 78. (YE Guiru, ZHOU Qingsong, LIN Xiaowei. Measurement of surface crack width based on digital image processing[J]. Journal of Highway and Transportation Research and Development, 2010, 27(2): 75- 78. (in Chinese))

[11] 劉學(xué)增,葉康. 隧道襯砌裂縫的遠(yuǎn)距離圖像測(cè)量技術(shù)[J]. 同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版), 2012, 40(6)： 829- 836. (LIU Xuezeng, YE Kang. A long-distance image measuring technique for crack on tunnel lining[J]. Journal of Tongji University(Nature Science), 2012, 40(6): 829- 836. (in Chinese))

[12] 裴耀東, 劉志文. 基于數(shù)字圖像處理的混凝土裂縫寬度檢測(cè)[C]∥第25屆全國(guó)結(jié)構(gòu)工程學(xué)術(shù)會(huì)議論文集, 2016. (PEI Yaodong, LIU Zhiwen. Detection of Concrete Crack Width based on Digital Image Processing[C]∥25thProceedings of the National Conference on Structural Engineering, 2016. (in Chinese))

[13] 洛扎諾, 陳自力, 蔚建斌, 等. 無人機(jī): 嵌入式控制[M]. 北京： 國(guó)防工業(yè)出版社, 2014. (LOZANO R， CHEN Zili, WEI Jianbin, et al. Unmanned aerial vehicles embedded control[M]. Beijing: National Defence Industry Press, 2014. (in Chinese))

[14] 亞力克斯·埃利奧特. 無人機(jī)玩家DIY指南[M]. 北京： 人民郵電出版社, 2016. (ELLIOTT A. Build your own drone manual[M]. Beijing: Posts and Telecommunications Press, 2016. (in Chinese))

[15] 劉韜. 電磁波在鋼筋混凝土墻中傳輸特性的有限元分析[D]. 西安： 西安電子科技大學(xué), 2010. (LIU Tao. Research on the propagation properties of electromagnetic waves in reinforced concrete wall with finite element method[D]. Xi’an: Xidian University, 2010. (in Chinese))

[16] 楊明珊, 孟小超, 邱志勇， 等. 基于FDTD 的鋼筋混凝土墻對(duì)通信信號(hào)衰減研究[J]. 鄭州大學(xué)學(xué)報(bào)(工學(xué)版), 2014, 35(3)： 60- 64. (YANG Mingshan， MENG Xiaochao， QIU Zhiyong, et al. Study on attenuation of reinforced concrete walls on communication signals based on FDTD[J]. Journal of Zhengzhou University (Engineering Science) , 2014, 35(3): 60- 64. (in Chinese))

[17] 布拉德斯基, 克勒. 學(xué)習(xí)OpenCV(中文版)[M]. 于仕琪, 劉瑞禎, 譯. 北京: 清華大學(xué)出版社, 2009. (BRADSKI G, KAEHLER A. Learning OpenCV[M]. Translated by YU Shiqi, LIU Ruizhen. Beijing: Tsinghua University Press, 2009. (in Chinese))

[18] JTG H11—2004 公路橋涵養(yǎng)護(hù)規(guī)范[S]. 北京： 人民交通出版社， 2004. (JTG H11—2004 Code for maintenance of highway bridges and culvers[S]. Beijing: China Communication Press, 2004. (in Chinese))

[19] OTSU N. A threshold selection method from gray level histograms[J]. IEEE Transactions on Systems Man & Cybernetics, 1979, 9(1): 62- 66.

[20] 葉文亞, 劉仲訓(xùn), 李國(guó)平. 混凝土橋梁常見病害與裂縫形態(tài)[C]∥中國(guó)交通土建工程學(xué)術(shù)研討會(huì). 2006.(YE Wenya, LIU Zhongxun, LI Guoping. Common diseases and cracks fracture morphology of concrete bridges[C]∥China Transportation and Civil Engineering Symposium, 2006. (in Chinese)))

[21] FUJITA Y, HAMAMOTO Y. A robust automatic crack detection method from noisy concrete surfaces[J]. Machine Vision and Applications, 2011, 22(2): 245- 254.

[22] GONZALEZ R C, WOODS R E, EDDINS S L. 數(shù)字圖像處理的MATLAB實(shí)現(xiàn)[M]. 2版. 阮秋琦， 譯. 北京: 清華大學(xué)出版社, 2013. (GONZALEZ R C, WOODS R E, EDDINS S L. Digital image processing using MATLAB[M]. 2nd ed. Translated by RUAN Qiuqi. Beijing: Tsinghua University Press, 2013. (in Chinese))

[23] 張德津, 李清泉, 陳穎, 等. 基于空間聚集特征的瀝青路面裂縫檢測(cè)方法[J]. 自動(dòng)化學(xué)報(bào), 2016, 42(3): 443- 454. (ZHANG Dejin, LI Qingquan, CHEN Ying, et al. Asphalt pavement crack detection based on spatial clustering feature[J]. Acta Automatica Sinica, 2016, 42(3): 443- 454. (in Chinese))