基于无人机与计算机视觉的中国古建筑木结构裂缝监测系统设计

所属分类：建筑论文阅读291次时间：2021-02-22 09:19

本文摘要：摘要：中国古建筑木结构中裂缝繁多，裂缝成因与发展规律复杂，易引起木结构构件脆断，从而严重威胁中国古建筑木结构健康情况。该文基于无人机与计算机视觉技术设计了一套适用于中国古建筑木结构裂缝的监测系统，该监测系统包含无人机系统、相机系统和图像处

　　摘要：中国古建筑木结构中裂缝繁多，裂缝成因与发展规律复杂，易引起木结构构件脆断，从而严重威胁中国古建筑木结构健康情况。该文基于无人机与计算机视觉技术设计了一套适用于中国古建筑木结构裂缝的监测系统，该监测系统包含无人机系统、相机系统和图像处理系统。在无人机系统中，该文设计了一款适合于中国古建筑木结构裂缝监测的无人机，并分析其悬停拍照的可行性。在相机系统中，进行了相机畸变矫正、像素解析度标定，并提出了一种改进的SIFT+RANSAC方法以提高裂缝图像拼接精度。在图像处理系统中，选择了适用于中国古建筑木结构裂缝图像的预处理方式，并将Hessian矩阵与自适应阈值分割法融合，有效地提取了中国古建筑木结构裂缝特征，进而通过计算机视觉测量方法准确识别构件和裂缝的尺寸。最后，基于中国古建筑木结构亭子模型验证了所提出中国古建筑木结构裂缝监测系统的可行性。

　　关键词：中国古建筑木结构;结构健康监测;裂缝;无人机;计算机视觉

计算机网络

　　中国古建筑木结构具有极高的历史、文化价值，但在其漫长的服役周期中，环境、人为因素导致中国古建筑木结构出现各种形式的损伤。经调研，裂缝是中国古建筑木结构最为常见的损伤形式。中国古建筑木结构裂缝数量多、成因杂、危害大，发展规律难预测。中国古建筑木结构构件采用榫卯连接，裂缝引起的断裂会导致整体结构出现连续性倒塌[1]，故目前亟需对中国古建筑木结构裂缝进行监测。

　　计算机方向评职知识：无人机应用研究论文发表要求高吗

　　从其他领域危险裂缝监测案例来看，一般裂缝监测包括危险裂缝识别和危险裂缝生长监测两个步骤。在识别出结构中危险裂缝后，应实时将该裂缝的生长情况反馈给监测人员，方便监测人员根据该裂缝的发展规律判断结构是否需要修缮。但对于大多数中国古建筑木结构，目前仅用人工检测的方式识别和记录危险裂缝。少部分中国古建筑木结构引入了超声波[2]、应力波[3−4]、皮罗钉[5]等无损检测仪器。

　　但是上述裂缝检测方式存在如下弊端：上述方法人力、物力和财力消耗巨大;检测过程存在无法到达的盲区;检测结果误差大，且与检测人员自身专业水平息息相关;检测周期较长，导致其难以反馈结构突发事件，检测缺乏时效性。面对中国古建筑木结构裂缝，目前需要设计一种实时、在线、动态、无接触式、无需依赖人工的裂缝监测方法。目前中国古建筑木结构领域没有类似的方法，但近年来桥梁结构裂缝监测领域提出了基于无人机和计算机视觉的裂缝监测系统[6]。

　　通过分析可知，将上述系统用于中国古建筑木结构裂缝监测存在如下问题：1)对于无人机系统，其他领域无人机系统均依赖GPS信号，并自主规划路径[7]，对于监测路径可靠性要求极高，且所处环境GPS信号较弱的中国古建筑木结构来说，已有无人机很难对其裂缝进行监测;2)对于相机系统，中国古建筑木结构裂缝监测过程中需使用贴面正摄，拍摄距离和相机广角使得上述过程需引入图像拼接技术，对钢结构和混凝土结构裂缝进行监测时，拍摄距离足够且裂缝较为细小，因此并未使用图像拼接技术[8]，用于无人机遥感航拍的图像拼接技术往往可选特征多，拼接精度要求不高[9]，同样无法满足本文要求;3)对于图像处理系统，目前裂缝监测图像处理方法多源于钢结构和混凝土结构，这些结构的裂缝像素点占比少，与背景灰度值存在重叠，但与背景和噪声形态不同，因此，研究人员通常使用基于形态的受限玻尔兹曼机(RBM)[10]和深度卷积神经网络(DCNN)[11]提取裂缝信息。

　　但中国古建筑木结构裂缝与钢结构和混凝土结构裂缝差异较大，中国古建筑木结构裂缝像素点占比多，且与背景灰度值差别明显，但存在与裂缝形态相似的木纹噪声，因此目前常用的裂缝提取方法无法直接应用。综上所述：首先，介绍了中国古建筑木结构裂缝成因、发展规律和危险裂缝判别条件;其次，分别提出了适合于中国古建筑木结构裂缝监测的无人机系统、相机系统和图像处理系统;最后，利用中国古建筑木结构亭子模型验证本文设计的裂缝监测系统的可行性。

　　1 中国古建筑木结构裂缝特征

　　1.1 中国古建筑木结构裂缝成因与危害

　　中国古建筑木结构建造年代久远，很多木构件上皆存在裂缝，而中国古建筑木结构裂缝成因与其他结构(钢结构、混凝土结构)裂缝成因差异较大。中国古建筑木结构原料的生长过程和结构的建造过程均会产生裂缝，尤其是其服役过程，风吹日晒、腐朽虫蛀等环境影响，以及游客、改建等人为影响均会令古建筑木结构产生裂缝[12]。裂缝在后续荷载和环境作用下会进一步发展，且因木材的强正交各向异性和复杂的微观构造导致裂缝发展规律极其复杂[13]。

　　在现场很难确定古建筑木结构裂缝何时开始发展以及发展的速度。但因为中国古建筑木结构中的木材水分含量低，裂缝一旦扩展极易出现脆断现象，局部的脆断也将导致整体结构的连续性倒塌。因此相比于钢结构和混凝土结构，古建筑木结构更需要进行实时裂缝监测。

　　1.2 中国古建筑木结构危险裂缝评价指标

　　中国古建筑木结构中裂缝繁多，但并不是每一条裂缝的生长都会引起脆断。因此本文设计的裂缝监测系统首先应识别出危险裂缝，即该裂缝继续发展极可能造成构件断裂，识别后对危险裂缝的生长进行实时监测。据《古建筑木结构维护与加固技术规范》[14]《古建筑修建工程施工及验收规范》[15]。

　　2 无人机系统设计

　　2.1 无人机系统设计依据

　　无人驾驶飞机简称“无人机”(unmanned aerialvehicle，UAV)，因其使用费用低、飞行安全性高、自然环境适应性好，而被应用于农业灌溉、森林防火、电力和输油管巡检、灾后评估和建筑物外观检查等领域，但目前国内外并没有研究人员在中国古建筑木结构裂缝监测过程中使用无人机。不同领域需求不同，导致无人机系统设计存在差异，因此本研究设计了适用于中国古建筑木结构裂缝监测的无人机系统。展示了本文无人机系统的设计依据及其与目前已有无人机的差别。

　　2.2 无人机系统特点

　　本文设计的适用于中国古建筑木结构裂缝监测的无人机系统与目前已有的其他领域的无人机系统均不相同，其具有如下特点：1)该无人机属于轻小型无人机，机身最大对角轴距400 mm，总重量为907 g，能够满足中国古建筑木结构狭小空间内裂缝监测需求;2)该无人机为四旋翼，可直升直降、稳定悬停、姿势转换、小角度转弯，能够在复杂的中国古建筑木结构中使用;3)该无人机搭设1200万像素(1200万pixels)相机，可正直贴面拍摄，并获取精确的二维图像，用于中国古建筑木结构裂缝宽度和长度确定;

　　4)该无人机无需搭载多相机和额外载重，抗风要求低，故成本低。同时，低需求使得该无人机在装载高倍率电池后，能够实现40 min巡航，可满足中国古建筑木结构裂缝监测要求;针对中国古建筑木结构内GPS信号弱的现象，本文设计的无人机系统可通过APM飞控中的IMU(inertial measurement unit)模块实现惯性控制，IMU惯性模块中的加速度器、陀螺仪、电子罗盘、压力传感器可在低GPS信号的环境中获取无人机的姿态、航向、速度、位置等导航参数。

　　另外，中国古建筑木结构裂缝监测航线规划精确固定，故本文放弃目前其他领域民用无人机的航线自主优化功能，出现障碍则选择平稳降落，不进行新航线自主设计，确保结构和无人机自身安全。使用IMU惯性控制元件，辅助以RTK导航，结合Missionplanner软件航线记忆功能，实现精确可靠的航线规划。过程如下：监测人员首先对裂缝监测路径进行调研，确保所选路径能够获取精确的裂缝信息，同时确保无人机在该路径飞行时不会对中国古建筑木结构的历史、文化、宗教价值造成影响。

　　确定路径后，首飞需使用一体化遥控器人工控制无人机飞行，无人机中IMU模块将记录可以描述飞行路径和姿态的数据，并实时通过数传发送至PC端的Missionplanner软件，.kmz和.kml文件可在.tlog文件的基础上创建，文件中包含首飞的所有信息，在低GPS信号的环境中，飞行信息主要来自于IMU惯性控制元件。将上述记录的飞行信息再次输入Missionplanner软件，通过数传传递至无人机，无人机将能执行相同的飞行路线、飞行姿态等，以实现后续无人机自动监测。

　　3 相机系统设计

　　在无人机系统满足监测所需精度的基础上，相机系统也应能够提供精度较高的照片。本部分分别介绍了相机系统的畸变矫正过程，像素解析度标定过程和基于特征点的机载照片拼接过程。

　　4 图像处理系统设计

　　本节对图像处理系统中的预处理算法、裂缝提取算法、构件尺寸和构件裂缝尺寸获取算法进行介绍，并使用实验室木构件对上述算法进行验证。

　　4.1 图像预处理

　　在使用无人机对中国古建筑木结构裂缝进行监测时，原始机载照片存在成像光线不均、拍摄噪声多、图像对比度差等诸多问题，这些问题会严重影响裂缝监测精度。在裂缝提取前对机载照片的预处理十分重要。

　　5 验证分析

　　为验证上述无人机系统，相机系统和图像处理系统在中国古建筑木结构裂缝监测过程中的有效性，使用该系统对北京交通大学建立的中国古建筑木结构亭子模型中的裂缝进行监测。

　　5.1 监测模型

　　本次监测对象为北京交通大学古建筑结构研究所为服务于中国古建筑木结构健康监测所建立的中国古建筑木结构亭子模型。此亭子模型以故宫咸福宫井亭为原型建立，木料选用红松，相似比1∶1，结构构件尺寸和结构构件间的连接形式与原井亭完全相同。亭子模型保留中国古建筑木结构基本组成部分，即台基部分、木构造部分、屋顶部分。

　　该亭子模型保留这些部分的结构功能，而去除美观功能，例如保留斗拱均匀传递荷载，维持空间稳定性的功能，去除斗拱上的漆饰。另外，中国古建筑木结构屋顶多是美观之用，在结构中仅起到为木框架增加上部荷载的作用，故该模型中的屋顶可使用相同重量的钢筋混凝土板代替。因此本文监测对象与中国古建筑木结构形制相同，能够代表真实的中国古建筑木结构，以此亭子模型验证本文提出的系统的有效性是合理的。

　　6 结论

　　本文设计了一种基于UAV和CV的中国古建筑木结构裂缝监测系统，该系统包括无人机系统、相机系统和图像处理系统。

　　(1)在无人机系统中，本文设计了一款适合于中国古建筑木结构裂缝监测的无人机，该无人机区别于目前其他领域已有的民用无人机。该无人机体量轻小、易于操控、续航持久。使用AMP飞控中IMU惯性控制元件，结合Missionplanner软件中航线记忆功能，实现了中国古建筑木结构(低GPS环境)下高精度裂缝监测航线规划。加入超声波元件实现拍摄过程中相机光心到构件表面垂直距离的获取。将图传、数传、超声波元件、PC端和一体化遥控器结合，为中国古建筑木结构裂缝监测过程提供多重安全保障。

　　(2)相机系统中，本文使用MATLAB中CameraCalibration工具箱修正了机载广角相机的桶形畸变。使用平行线测量法获取机载相机的像素解析度。中国古建筑木结构裂缝监测过程受拍摄距离和相机广角等因素影响，需要引入图像拼接技术、特征点提取和特征点匹配技术是图像拼接的关键。针对特征点提取方法，本文提出了一种改进的SIFT特征点提取方法，该方法可对中国古建筑木结构裂缝监测机载相片中特征点进行增强，有效解决了中国古建筑木结构裂缝监测过程中无人机获取机载相片特征点少的问题。针对特征点匹配方法，本文在BBF特征点算法的基础上增加了RANSAC算法，减少特征点误匹配现象，提高了图像拼接精度，使原本“粗匹配”转为“精匹配”，进而提升裂缝尺寸测量精度。

　　(3)在图像处理系统中，考虑中国古建筑木结构裂缝监测过程中机载照片的特点，本文引入灰度变换、中值滤波、一阶微分Sobel算子边缘检测对已合成矫正的机载照片进行预处理。考虑中国古建筑木结构裂缝特征，提出基于Hessian矩阵优化的自适应阈值分割算法，有效地将中国古建筑裂缝从背景和木纹噪声中提取。最后应用基于计算机视觉的尺寸测量技术，实现了构件边缘尺寸和裂缝尺寸的准确测量，并通过实验室试件进行了验证。

　　(4)通过北京交通大学古建筑结构研究所建立的中国古建筑木结构亭子模型验证上述系统的有效性和准确性。基于设定的巡检路径，本文设计的监测系统能够实现实时、长期的中国古建筑木结构裂缝监测。将中国古建筑木结构裂缝监测系统监测结果与人工测量结果对比，验证了本系统的有效性和准确性。

　　参考文献：

　　Chen Z Y, Zhu E C, Pan J L, et al. Structural performanceof typical beam-column joints in Yingxian wood pagoda -an experimental study[J]. Key Engineering Materials,2012, 517(1): 669−676.

　　[1]Franciso A, Guillermo I, Miguel E, et al. Proposal ofmethodology for the assessment of existing timberstructures in Spain [C]// 16th International Symposium onNondestructive Testing and Evaluation of Wood. TexasUSA, 2009: 53−64.

　　作者：杨娜1，张翀2，李天昊1

转载请注明来自发表学术论文网：http://www.fbxslw.com/jzlw/25876.html

上一篇：智能矿山建设实践及关键技术

下一篇：基于物联网的智慧停车系统设计与实现

濠电姷顣槐鏇㈠磻閹达箑纾规俊銈呮噹閺嬩線鎮归崶褍鏂€缂傚倹宀搁弻锝呂旈埀顒勬偋婵犲洤纾块柣鏂垮悑閻撴盯鏌涢妷锝呭姎闁诲繆鏅犻弻娑㈠棘鐠囨彃濮庨梺瀹狀潐閸ㄨ泛顕ラ崟顐嬬喐娼幍顔炬晨闂佽姘﹂～澶娒哄⿰鍫濈獥闁哄诞鍛濠德板€愰崑鎾淬亜閹剧偨鍋㈢€规洜鍘ч埞鎴﹀醇濮橆兛澹曞銈嗘尪閸ㄦ椽鎮￠悩缁樼厵妞ゆ牕妫楅崯顖欑昂闂佽崵鍠愮划宥咁熆濡ソ娲Ω閳轰胶顔囬悷婊勬煥閻ｇ兘鎮㈢喊杈ㄦ櫌婵炶揪缍€濡椼劌效閿燂拷