一种基于无人机图像的结构损伤识别方法与系统与流程

本发明涉及结构健康监测领域，更具体地，涉及一种一种基于无人机图像的结构损伤识别方法与系统。

背景技术：

随着经济发展和人们对生活环境需求的增加，各种建筑结构拔地而起，这些结构都有一定的使用年限，但是在经受自然灾害或者人为原因的损害后，会对结构造成一定程度的损伤，若是没有尽早发现损伤的位置以及损伤的具体情况，会导致难以估计的人身及财产损失，所以进行结构的健康监测显得尤为重要。

传统的结构健康监测方法一般是在结构上布置传感器，通过传感器信号来判断结构的损伤情况，由于测量环境的复杂性以及难以确定的情况，在结构上布置传感器会受到限制，而且在大型的结构上布置很多的传感器显得不太现实，同时传统传感器测量方法测量效率低，并且在测量一些难以靠近的结构时，很难在结构上布置传感器。

技术实现要素：

本发明的首要目的是提供一种基于无人机图像的结构识别方法，针对传统传感器监测方法的局限性，将无人机应用在结构的健康监测上，实现了对结构快速、高精度的监测。

本发明的进一步目的是提供一种基于无人机图像的结构识别系统。

为解决上述技术问题，本发明的技术方案如下：

一种基于无人机图像的结构损伤识别方法，包括以下步骤：

s1：利用无人机获取包括待识别的结构的图像，通过无线通信将图像传输至计算模块；

s2：计算模块首先将图像接收储存后，对图像进行预处理；

s3：获取预处理后的图像中的结构的动态位移；

s4：通过结构的动态位移确定结构的曲率模态；

s5：通过结构的曲率模态确定结构的损伤位置和损伤程度。

曲率模态是随着结构的刚度变化而变化的，当结构发生损伤时，结构刚度会降低，而曲率模态则会增大，从而确定结构的损伤单元和损伤的程度。

优选地，在步骤s1前还通过获取待识别的结构在未损伤时的图像，得到未损伤时的结构的曲率模态。通过比较损伤时与未损伤时的曲率模态差去顶结构的损伤程度。

优选地，步骤s2中对图像进行预处理包括对图像进行灰度化处理和图像滤波。

优选地，步骤s3具体包括以下步骤：

s3.1：对预处理后的图像进行进一步处理，根据结构的尺寸将结构划分为n段，相邻两段之间的距离为lij，i＝1,2,…,n，j＝i+1且j不大于n；

s3.2：获取结构每个模块的位移yi，i＝1,2,…,n，yi为第i段的动态位移。

优选地，所述结构划分为n段，每一段的长度相等。

优选地，步骤s4中通过结构的动态位移确定结构的曲率模态，具体包括以下步骤：

计算结构的每相邻3段的曲率模态，计算方法如下：

步骤s5通过结构的曲率模态确定结构的损伤位置和损伤程度具体为通过比较s4计算得到的各曲率模态，得到结构的损伤位置和损伤程度。

一种基于无人机图像的结构损伤识别系统，包括无人机、图像获取模块、无线通讯模块、计算模块、图像处理模块以及结构损伤识别模块，其中：

图像获取模块安装在无人机上，获取包括待识别的结构的图像，将待识别的结构的图像通过无线通讯模块传送至计算模块中；

计算模块包括信息接收储存单元和图像预处理单元，所述信息接收储存单元将无人机中的图像接收储存后，由图像预处理单元对图像进行灰度化处理并进行图像滤波；

图像处理模块对于处理后的图像进行处理，获取图像中的结构的动态位移；

结构损伤识别模块根据结构的动态位移确定结构的曲率模态，通过曲率模态确定结构的损伤位置和损伤的程度。

与现有技术相比，本发明技术方案的有益效果是：

本发明利用无人机进行结构健康监测的结构损伤识别，具有便利性、精确性、高效率的损伤识别效果，同时本发明克服了传统的结构损伤识别方式，可采用无人机进行结构的损伤识别，获得结构的健康情况，最后本发明集成了无人机进行结构健康监测的识别系统，结合图像处理技术和无人机摄影测量技术，实现快速获取结构的损伤位置以及损伤的程度。

附图说明

图1为本发明的方法流程示意图。

图2为本发明的系统结构示意图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；

为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；

对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

下面结合附图和实施例对本发明的技术方案做进一步的说明。

实施例1

本实施例提供一种基于无人机图像的结构损伤识别方法，如图1，包括以下步骤：

s1：利用无人机获取包括待识别的结构的图像，通过无线通信将图像传输至计算模块；

s2：计算模块首先将图像接收储存后，对图像进行预处理；

s3：获取预处理后的图像中的结构的动态位移；

s4：通过结构的动态位移确定结构的曲率模态；

s5：通过结构的曲率模态确定结构的损伤位置和损伤程度。

在步骤s1前还通过获取待识别的结构在未损伤时的图像，得到未损伤时的结构的曲率模态。

步骤s2中对图像进行预处理包括对图像进行灰度化处理和图像滤波。

步骤s3具体包括以下步骤：

s3.1：对预处理后的图像进行进一步处理，根据结构的尺寸将结构划分为n段，相邻两段之间的距离为lij，i＝1,2,…,n，j＝i+1且j不大于n；

s3.2：获取结构每个模块的位移yi，i＝1,2,…,n，yi为第i段的动态位移。

所述结构划分为n段，每一段的长度相等。

步骤s4中通过结构的动态位移确定结构的曲率模态，具体包括以下步骤：

计算结构的每相邻3段的曲率模态，计算方法如下：

步骤s5通过结构的曲率模态确定结构的损伤位置和损伤程度具体为通过比较s4计算得到的各曲率模态，得到结构的损伤位置和损伤程度。

实施例2

本实施例提供一种基于无人机图像的结构识别系统，如图2，包括无人机、图像获取模块、无线通讯模块、计算模块、图像处理模块以及结构损伤识别模块，其中：

图像获取模块安装在无人机上，获取包括待识别的结构的图像，将待识别的结构的图像通过无线通讯模块传送至计算模块中；

计算模块包括信息接收储存单元和图像预处理单元，所述信息接收储存单元将无人机中的图像接收储存后，由图像预处理单元对图像进行灰度化处理并进行图像滤波；

图像处理模块对于处理后的图像进行处理，获取图像中的结构的动态位移；

结构损伤识别模块根据结构的动态位移确定结构的曲率模态，通过曲率模态确定结构的损伤位置和损伤的程度。

相同或相似的标号对应相同或相似的部件；

附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制；

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。