摘要：基于传统桥梁检测车裂缝宽度检测存在阻碍交通、受到桥型限制、使用维护费用高等问题。该文以旋翼无人飞机为工作平台,为满足0.2mm以上桥梁裂缝宽度识别要求,采用IMETRUM非接触式测量仪验证无人机悬停状态下机载成像质量具有可靠性;通过加装机载三点激光测距仪,测量物距并推导成像平面与被测平面夹角,计算并修正裂缝图像像素解析度;设计适于无人机成像的图像预处理程序、构建基于支持向量机(SVM)裂缝形态智能提取训练模型、裂缝法向实际宽度计算方法。以湘潭市湘江二大桥为研究对象,通过对实桥进行无人机裂缝宽度识别,并与传统人工测试进行比较,表明机载成像识别裂缝宽度满足工程精度要求,以无人飞机为工作平台替代桥检车或支架工作平台,实现结构表面裂缝形状与宽度识别具有可行性和广泛应用前景。

摘要：桥梁作为交通关键节点,承担与日俱增的交通流量压力,相当一部分桥梁尚未达到设计使用年限就出现较多的病害,技术状况不容乐观。高光谱成像运用光电技术检测物体对光谱波段信号的辐射和吸收情况,将该信号转换成图像和图形,可基于吸收峰的位置和强度分析被测物体的物理性质和物质组成,因此本文提出基于高光谱成像的桥梁混凝土表面露筋病害识别方法。利用线阵高光谱相机集成匀速步进滑轨装置,形成高光谱成像测试系统,采集桥梁混凝土表面露筋病害图像;基于桥梁露筋病害高光谱图像谱线与空间特征,结合预处理——平滑滤波-多元散射校准(Savizky-Golay-Multivariate scattering calibration,SG-MSC)、特征空间变换——光谱导数法(First derivative,FD)、特征变量选择算法——竞争自适应重加权抽样(Competitiveadapativereweighted sampling,CARS),将原始光谱曲线数据经特征空间转换提取相应特征值并显示波段;以光谱曲线特征向量构建数据集,基于支持向量机形成露筋病害识别预测模型。以某跨江大桥为例,以高光谱成像测试系统对实际桥梁混凝土露筋病害进行识别,将原始光谱数据经平滑特征空间变换与特征提取后放大差异,将254个波段数据维度降低到23个波段数据,模型预测精度达到94.6%,对比可见光成像高光谱成像具有更高维度信息可有效表征物质属性,表明高光谱成像对复杂表面环境下的桥梁病害识别具有可行性和广泛应用前景。