CN119510419A 一种基于无人机的桥梁结构检测方法、产品、介质及设备 （浙江大学）

一种基于无人机的桥梁结构检测方法、产本申请公开了一种基于无人机的桥梁结构2获取桥梁结构的基础数据并根据基础数据构建出三维模型；所述基础数据包括长度、基于无人机的最优路径采集桥梁结构的待检测数据；所述待检测数使用搭载了激光雷达和高分辨率相机的无人机沿最优路径采用迭代最近点算法对点云数据进行点云配准预处理；采用时线估计算法和平面拟合算法对点云数据进行关键特3对预处理后的图像数据依次进行灰度化、对比度增强以及去噪处n11根据桥梁结构的旋转角度θ和位移D完成变形检测。理器执行时实现权利要求1_7中任一项所述的基于无人机的桥梁结构4[0003]无人机搭载激光雷达(LiDAR)和高分辨率相机，可以在短时间内采集大范围的高[0015]基于分层数量Nlayers，采用公式生成每一层的螺旋路径；5n11处理器执行时实现所述基于无人机的桥梁结算机程序被处理器执行时实现所述基于无人机6[0041]本申请基于无人机的桥梁结构检测方法为一种基于点云检测技术和无人机飞行78Bnew=6ou-7·Df(5)[0073]在确定出最优路径后，工作人员可根据最优路径预设飞行安全措施和应急预维模型构建和结构检测。使用搭载了激光雷达和高分辨率相机的无人机沿最优路径飞行，9[0091]无人机飞行任务结束后，需要对采集到的待检测数据进[0106]对每个点pi的邻域点集Ni进行统计分析，计算邻域点集Ni的平均距离μi和标准差[0113]具体地，采用法线估计算法和平面拟合算法对点云数据进行关键特征提取预处[0115]使用激光扫描仪、摄影测量技术(如无人机拍摄)或深度相机等设备采集环境数[0133]使用卷积神经网络(CNN)进行缺陷识别。卷积神经网络输入为点云数据的体素表u+w2交叉操作生成新的路径；Selection(Crossover(Pl))为对交叉生成的新路径进行选择操[0171]步骤6：基于预处理后的待检测数据进行裂缝检测和变形检测，实现桥梁结构检[0188]其中，yζ'为裂缝图像数据集中的真实标签；为裂缝图像数据集中的预测值；[0194]对不同时刻的预处理后的点云数据进行差分分析，计算桥梁结构的位移和变形Pt2分别为预处理后的点云数据中t1时刻和t2时刻的点云坐标；ΔP为[0200]基于点云数据计算桥梁表面的应变分布，使用最小二乘法拟合变形后的点云曲[0206]其中，Distance(fi,fj)为特征点fi和f[0228](2)精确性：本申请基于无人机的桥梁结构检测方法利用激光雷达和高分辨率相[0229](3)安全性：本申请基于无人机的桥梁结构检测方法避免了传统人工巡检的高风[0231](5)全面覆盖：本申请基于无人机的桥梁结构检测方法通过构建桥梁结构的三维[0232](6)创新路径规划：本申请基于无人机的桥梁结构检测方法采用分层螺旋路径规程序被处理器执行时实现所述的基于无人机的桥设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read(R