CN118670275B - 一种建筑裂缝检测设备 - Google Patents
一种建筑裂缝检测设备 Download PDFInfo
- Publication number
- CN118670275B CN118670275B CN202411155896.0A CN202411155896A CN118670275B CN 118670275 B CN118670275 B CN 118670275B CN 202411155896 A CN202411155896 A CN 202411155896A CN 118670275 B CN118670275 B CN 118670275B
- Authority
- CN
- China
- Prior art keywords
- crack
- bridge
- fog
- unmanned aerial
- type
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012360 testing method Methods 0.000 title description 2
- 238000001514 detection method Methods 0.000 claims abstract description 76
- 230000009194 climbing Effects 0.000 claims abstract description 74
- 230000007613 environmental effect Effects 0.000 claims abstract description 28
- 230000008439 repair process Effects 0.000 claims description 48
- 238000010276 construction Methods 0.000 claims description 11
- 239000000463 material Substances 0.000 claims description 10
- 239000003595 mist Substances 0.000 claims description 10
- 238000001704 evaporation Methods 0.000 claims description 8
- 230000008020 evaporation Effects 0.000 claims description 8
- 230000003068 static effect Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000000034 method Methods 0.000 description 12
- 238000005070 sampling Methods 0.000 description 8
- 238000012423 maintenance Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000011161 development Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 2
- 238000009833 condensation Methods 0.000 description 2
- 230000005494 condensation Effects 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000003822 epoxy resin Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 229920000647 polyepoxide Polymers 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000002834 transmittance Methods 0.000 description 2
- 229920005830 Polyurethane Foam Polymers 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003763 carbonization Methods 0.000 description 1
- 239000011083 cement mortar Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000945 filler Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000011496 polyurethane foam Substances 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01D—CONSTRUCTION OF BRIDGES, ELEVATED ROADWAYS OR VIADUCTS; ASSEMBLY OF BRIDGES
- E01D19/00—Structural or constructional details of bridges
- E01D19/10—Railings; Protectors against smoke or gases, e.g. of locomotives; Maintenance travellers; Fastening of pipes or cables to bridges
- E01D19/106—Movable inspection or maintenance platforms, e.g. travelling scaffolding or vehicles specially designed to provide access to the undersides of bridges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
Landscapes
- Environmental & Geological Engineering (AREA)
- Engineering & Computer Science (AREA)
- Atmospheric Sciences (AREA)
- Structural Engineering (AREA)
- Civil Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Architecture (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及工程检测技术领域,具体涉及一种建筑裂缝检测设备,包括无人机、爬壁车、环境识别模块、裂缝识别模块和控制器,爬壁车设置在无人机的顶部,环境识别模块用于桥梁所处周围的环境参数,裂缝识别模块用于获取桥梁裂缝数据,控制器,被配置为:若桥梁所处周围的环境参数属于第一目标类型,则以第一检测模式进行检测;若桥梁所处周围的环境参数属于第二目标类型,则以第二检测模式进行检测,其中桥梁所处周围的环境参数至少包括天气信息。本发明提供的建筑裂缝检测设备,能够根据天气信息,合理选择检测模式,使得在尽可能保证检测结果准确度的情况下,提高无人机检测时的安全性。
Description
技术领域
本发明涉及工程检测技术领域,特别是涉及一种建筑裂缝检测设备。
背景技术
随着我国公路交通事业的不断发展,桥梁的数量也在日益增多,在桥梁的使用期间,其不可避免地要遭遇各种交通荷载和环境因素的影响,如随机车流荷载、大风、雨雪、地震、冰冻等环境因素的侵蚀,同时可能遭受重载交通,甚至超载以及撞击损伤等人为因素的损坏,这些损坏的表现形式多样,如混凝土碳化、破损开裂、钢筋锈蚀、支座脱空和变形等,在这其中,桥梁的损坏大都是由裂缝引起的,因此在桥梁结构的健康检测中,桥梁裂缝的检测识别提取以及裂缝扩展分析预测确保结构的运维安全显得尤为重要。
由于桥梁大多悬空架设,导致很多需要检测的区域,人员或检测设备无法直接到达,或者可以到达,但是无法靠近检测;而无人机具有机动灵活、可高空作业、可在人视距外获取图像信息的优势,因此随着无人机技术的快速发展,无人机被广泛地应用于桥梁检测中,采用无人机进行桥梁裂缝检测,不仅能够提高检测时的工作效率,而且能够使巡检人员的生命安全得到保障。
相关技术中,如授权公告号为CN108051450B的参考文献就公开了一种基于无人机的桥梁健康检测系统及方法,该基于无人机的桥梁健康检测系统通过无人机采集获取的检测裂缝数据,以数据库的历史数据作为依据进行对比,获得裂缝变化趋势,从而便于工作人员预测裂缝未来的发展情况,及时进行维护工作,提高了维护工作的效率,保证待测桥梁的正常使用。
当桥梁在山谷处架设时,受到山谷的特殊地理环境影响,桥梁常常被雾覆盖住,导致在通过无人机对该桥梁进行裂缝检测时,雾的存在会干扰无人机的检测结果。
发明内容
基于此,有必要针对目前的桥梁裂缝检测过程中所存在的检测结果不准确的问题,提供一种建筑裂缝检测设备。
上述目的通过下述技术方案实现:
一种建筑裂缝检测设备,包括:
无人机;
爬壁车,设置在所述无人机的顶部;
环境识别模块,用于获取桥梁所处周围的环境参数;
裂缝识别模块,用于获取桥梁裂缝数据;
控制器,被配置为:
若所述桥梁所处周围的环境参数属于第一目标类型,则以第一检测模式进行检测;
若所述桥梁所处周围的环境参数属于第二目标类型,则以第二检测模式进行检测;
其中所述桥梁所处周围的环境参数至少包括天气信息;
所述天气信息包括雾;所述环境识别模块同时用于识别雾的类型;
所述控制器,被配置为若所述桥梁所处周围的环境参数属于第一目标类型,则以第一检测模式进行检测,具体包括:
所述第一目标类型为有雾,当待检测区域部分在雾区时,根据所述雾的类型按照第一检测程序进行检测;
当所述待检测区域不在雾区时,按照第二检测程序进行检测;
其中,所述雾的类型至少包括上坡雾、山谷雾、平流雾和蒸发雾;
所述控制器,被配置为当待检测区域部分在雾区时,根据所述雾的类型按照第一检测程序进行检测,具体包括:
当所述雾的类型为上坡雾时,启动所述无人机,并移动至雾区的下方,当所述爬壁车接触所述桥梁壁面时,启动所述爬壁车,并按照第一预设路径在所述桥梁壁面上行进,同时通过所述裂缝识别模块对所述桥梁上的裂缝进行识别;
当所述雾的类型为平流雾/蒸发雾时,启动所述无人机,并移动至雾区的上方,当所述爬壁车接触所述桥梁壁面时,启动所述爬壁车,并按照第二预设路径在所述桥梁壁面上行进,同时通过所述裂缝识别模块对所述桥梁上的裂缝进行识别;
当所述雾的类型为山谷雾时,启动所述无人机,并移动至非雾区,当所述爬壁车接触所述桥梁壁面时,启动所述爬壁车,并按照第三预设路径在所述桥梁壁面上行进,同时通过所述裂缝识别模块对所述桥梁上的裂缝进行识别;
所述环境识别模块同时用于识别桥梁壁面的类型,所述桥梁壁面的类型至少包括直面、斜面、弧面中的一种或至少两种的结合;
所述控制器,被配置为,若所述桥梁所处周围的环境参数属于第二目标类型,则以第二检测模式进行检测,具体包括:
当所述桥梁壁面的类型为直面时,启动所述无人机,并按照第六预设路径进行飞行,同时通过所述裂缝识别模块对所述桥梁上的裂缝进行识别;
当所述桥梁壁面的类型为斜面、弧面或直面、斜面、弧面中至少两种的结合时,启动所述无人机,并移动至待检测区域,当所述爬壁车接触所述桥梁壁面时,启动所述爬壁车,并按照第七预设路径在所述桥梁壁面上行进,同时通过所述裂缝识别模块对所述桥梁上的裂缝进行识别。
进一步地,所述环境识别模块同时用于识别桥梁壁面的类型,所述桥梁壁面的类型至少包括直面、斜面、弧面中的一种或至少两种的结合;
所述控制器,被配置为当所述待检测区域不在雾区时,按照第二检测程序进行检测,具体包括:
当所述桥梁壁面的类型为直面时,启动所述无人机,并按照第四预设路径进行飞行,同时通过所述裂缝识别模块对所述桥梁上的裂缝进行识别;
当所述桥梁壁面的类型为斜面、弧面或直面、斜面、弧面中至少两种的结合时,启动所述无人机,并移动至所述待检测区域,当所述爬壁车接触所述桥梁壁面时,启动所述爬壁车,并按照第五预设路径在所述桥梁壁面上行进,同时通过所述裂缝识别模块对所述桥梁上的裂缝进行识别。
进一步地,所述待检测区域包括桥台的侧壁面、底面和桥墩的表面。
进一步地,所述建筑裂缝检测设备还包括第一获取模块,所述第一获取模块用于获取雾的浓度;
所述控制器,还被配置为:
当所述爬壁车在所述桥梁上行进时,根据所述雾的浓度正比例调节所述无人机上旋翼的转速。
进一步地,所述裂缝数据包括裂缝的长度和宽度;
所述控制器,还被配置为:
当所述裂缝的长度大于等于预设长度,且所述裂缝的宽度大于等于第一预设宽度时,将所述裂缝标记为第一修补梯队;
当所述裂缝的长度大于等于所述预设长度且所述裂缝的宽度小于所述第一预设宽度,或所述裂缝的长度小于所述预设长度且所述裂缝的宽度大于等于所述第一预设宽度时,将所述裂缝标记为第二修补梯队;
当所述裂缝的长度小于所述预设长度且所述裂缝的宽度小于所述第一预设宽度,将所述裂缝标记为第三修补梯队。
进一步地,所述控制器,还被配置为:
当所述裂缝属于第一修补梯队或第二修补梯队或第三修补梯队,且所述裂缝的宽度小于第二预设宽度时,将所述裂缝标记为需要扩宽;
其中,所述第二预设宽度小于所述第一预设宽度。
进一步地,所述裂缝数据还包括裂缝的类型;
所述控制器,还被配置为:
当所述裂缝属于第一修补梯队或第二修补梯队或第三修补梯队,且所述裂缝的类型为活动裂缝时,将所述活动裂缝标记为使用柔性材料进行修补;
当所述裂缝属于第一修补梯队或第二修补梯队或第三修补梯队,且所述裂缝的类型为静止裂缝时,将所述活动裂缝标记为使用刚性材料进行修补。
本发明的有益效果是:
本发明提供的一种建筑裂缝检测设备在使用时,首先通过环境识别模块获取桥梁所处周围的环境参数,当桥梁所处周围的环境参数属于第一目标类型时,则通过控制器控制无人机和爬壁车以第一检测模式进行检测,当桥梁所处周围的环境参数属于第二目标类型时,则通过控制器控制无人机和爬壁车以第二检测模式进行检测;从而能够根据天气信息,合理选择检测模式,使得在尽可能保证检测结果准确度的情况下,提高无人机检测时的安全性。
附图说明
图1为本发明一实施例提供的建筑裂缝检测设备的立体结构示意图;
图2为本发明提供的桥梁在山谷处架设的结构示意图;
图3为本发明一实施例提供的建筑裂缝检测设备的控制方法的流程图;
图4为本发明一实施例提供的建筑裂缝检测设备的控制方法的流程图。
其中:
1、无人机;
2、爬壁车;
3、桥台;
4、桥墩;41、直面;42、斜面;43、弧面。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下通过实施例,并结合附图,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本文中为组件所编序号本身,例如“第一”、“第二”等,仅用于区分所描述的对象,不具有任何顺序或技术含义。而本文所说“连接”、“联接”,如无特别说明,均包括直接和间接连接(联接)。在本发明的描述中,需要理解的是,术语“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
如图1所示,本发明一实施例提供的建筑裂缝检测设备设置为包括无人机1、爬壁车2、环境识别模块、裂缝识别模块和控制器,其中爬壁车2设置在无人机1的顶部;环境识别模块用于获取桥梁所处周围的环境参数;裂缝识别模块用于获取桥梁裂缝数据;控制器被配置为:如图3所示,若桥梁所处周围的环境参数属于第一目标类型,则以第一检测模式进行检测;若桥梁所处周围的环境参数属于第二目标类型,则以第二检测模式进行检测;其中桥梁所处周围的环境参数至少包括天气信息。
具体到本实施例中,环境识别模块设置为包括有线连接的第一摄像头和第一处理器,且均设置在无人机1上,以使用时,可通过第一摄像头实时获取桥梁所处周围环境图像,在导向无人机1飞行的同时将图像数据传输到第一处理器内,第一处理器对第一摄像头所获取的桥梁所处周围环境图像处理后,得到桥梁所处周围的环境参数;裂缝识别模块可以设置为包括有线连接的第二摄像头和第二处理器,且均设置在爬壁车2上,以在使用时,可通过第二摄像头实时获取桥梁图像,然后通过有线方式输入到第二处理器中,第二处理器对第二摄像头所获取的桥梁图像处理后,得到桥梁上的裂缝数据。
示范性地,第一摄像头和第二摄像头均可以采用维视图像MV-VD500SM/SC,分辨率1280×1024,像素尺寸2.2μm×2.2μm,采样频率设置3s/次,即每隔3s采一次样。
示范性地,第一处理器和第二处理器均可以采用Mali-C71型号的ARM微处理器,ARM微处理器既可以对桥梁周围环境图像进行识别,又可以对桥梁图像进行灰度校正和滤波去噪,并进行裂缝识别。
开以理解的是,第一处理器和第二处理器也可以设置为同一个处理器。
更具体的,控制器是指可以根据指令操作码和时序信号,产生操作控制信号的装置。例如,控制器可以设置为中央处理器(centralprocessing unit,CPU)、通用处理器网络处理器(network processor,NP)、数字信号处理器(digital signal pocessing,DSP)、微处理器、微控制器、可编程逻辑器件(programmable logic device,PLD)或它们的任意组合。控制器还可以是其它具有处理功能的装置,例如电路、器件或软件模块。
更具体的,天气信息设置为包括有雾和没雾。
使用过程中,首先启动无人机1,并操作无人机1飞行至预设高度,然后通过第一摄像头获取桥梁所处周围的图像,然后通过第一处理器对第一摄像头所获取的桥梁周围环境图像进行处理,得到桥梁所处周围的环境参数,当桥梁所处周围的环境参数属于第一目标类型时,则通过控制器控制无人机1和爬壁车2以第一检测模式进行检测,当桥梁所处周围的环境参数属于第二目标类型时,则通过控制器控制无人机1和爬壁车2以第二检测模式进行检测,并同时通过第二摄像头获取桥梁图像,然后通过第二处理器对第二摄像头所获取的桥梁图像进行处理,得到桥梁上的裂缝数据;从而能够根据天气信息,合理选择检测模式,使得在尽可能保证检测结果准确度的情况下,提高无人机1检测时的安全性。
在一些实施例中,如图3所示,天气信息包括雾;环境识别模块同时用于获取雾的类型;
控制器,被配置为若桥梁所处周围的环境参数属于第一目标类型,则以第一检测模式进行检测,具体包括:
第一目标类型为有雾,当待检测区域部分在雾区时,根据雾的类型按照第一检测程序进行检测;
当待检测区域不在雾区时,按照第二检测程序进行检测;
其中,雾的类型至少包括上坡雾、山谷雾、平流雾和蒸发雾。
具体到本实施例中,第一摄像头获取桥梁周围环境图像数据后,通过有线方式输入到第一处理器中,第一处理器对第一摄像头所获取的桥梁周围环境图像处理后,得到桥梁所处周围的环境参数和雾的类型。
更具体的,当桥梁所处周围的环境有雾时,由于不同类型的雾所覆盖的范围和对无人机1飞行轨迹的影响不同,因此为保证检测结果的准确性,设置为根据雾的类型并按照第一检测程序进行检测;其中,上坡雾是由于潮湿空气沿山坡上升冷却,水汽凝结而产生的雾,一般形成在山谷的高处;山谷雾特别指在山谷中形成的雾,通常在夜晚或清晨,当山谷内的空气冷却时,由水蒸气凝结而成,出现位置不定;平流雾是当温暖潮湿的空气流经冷地面时,空气冷却至露点温度以下形成,一般出现在山谷的低处;蒸发雾由温暖的空气经过寒冷水面时,温度下降,水面附近的空气迅速饱和形成,一般出现在山谷的低处;当桥梁所处周围的环境没雾时,为保证无人机1的安全和检测时的效率,设置为按照第二检测程序进行检测。
在进一步的实施例中,如图3所示,控制器,被配置为当待检测区域部分在雾区时,根据雾的类型按照第一检测程序进行检测,具体包括:
当雾的类型为上坡雾时,启动无人机1,并移动至雾区的下方,当爬壁车2接触桥梁壁面时,启动爬壁车2,并按照第一预设路径在桥梁壁面上行进,同时通过裂缝识别模块对桥梁上的裂缝进行识别;
当雾的类型为平流雾/蒸发雾时,启动无人机1,并移动至雾区的上方,当爬壁车2接触桥梁壁面时,启动爬壁车2,并按照第二预设路径在桥梁壁面上行进,同时通过裂缝识别模块对桥梁上的裂缝进行识别;
当雾的类型为山谷雾时,启动无人机1,并移动至非雾区,当爬壁车2接触桥梁壁面时,启动爬壁车2,并按照第三预设路径在桥梁壁面上行进,同时通过裂缝识别模块对桥梁上的裂缝进行识别。
具体到本实施例中,当雾的类型为上坡雾时,由于其主要形成在山谷的高处,当待检测区域部分在雾区时,上坡雾主要覆盖在待检测区域的上端,为提高无人机1在桥梁壁面上落点的准确性,避免出现撞机事故,设置为启动无人机1,并通过无人机1带动爬壁车2移动至雾区的下方,然后通过调整无人机1的姿态,使得无人机1能够带动爬壁车2向靠近桥梁壁面的方向移动,当爬壁车2接触桥梁壁面时,启动爬壁车2,并按照第一预设路径在桥梁壁面上行进,同时通过裂缝识别模块对桥梁上的裂缝进行识别;在爬壁车2行进的过程中,无人机1产生的升力使得爬壁车2能够以一定的压力被顶推在桥梁壁面上,进而使得爬壁车2和在桥梁壁面之间能够产生平衡掉无人机1和爬壁车2的重力的摩擦力,使得爬壁车2能够稳定的在桥梁壁面上行走,同时无人机1旋翼转动时产生的吸力能够将爬壁车2和桥梁壁面之间的雾气吸走,使得第二摄像头能够获取到清晰的图像。
可以理解的是,第一预设路径可以设置为沿先上后下或先下后上或向左后右或向右后左地S形轨迹,从而能够充分对待检测区域进行检测。
当雾的类型为平流雾/蒸发雾时,由于其主要形成在山谷的低处,当待检测区域部分在雾区时,平流雾/蒸发雾主要覆盖在待检测区域的下端,为提高无人机1在桥梁壁面上落点的准确性,避免出现撞机事故,设置为启动无人机1,并通过无人机1带动爬壁车2移动至雾区的上方,然后通过调整无人机1的姿态,使得无人机1能够带动爬壁车2向靠近桥梁壁面的方向移动,当爬壁车2接触桥梁壁面时,启动爬壁车2,并按照第二预设路径在桥梁壁面上行进,同时通过裂缝识别模块对桥梁上的裂缝进行识别。
可以理解的是,第二预设路径可以设置为沿先上后下或先下后上或向左后右或向右后左地S形轨迹,从而能够充分对待检测区域进行检测。
当雾的类型为山谷雾时,由于其成形的位置不定,当待检测区域部分在雾区时,为提高无人机1在桥梁壁面上落点的准确性,避免出现撞机事故,设置为启动无人机1,并通过无人机1带动爬壁车2移动至非雾区,然后通过调整无人机1的姿态,使得无人机1能够带动爬壁车2向靠近桥梁壁面的方向移动,当爬壁车2接触桥梁壁面时,启动爬壁车2,并按照第二预设路径在桥梁壁面上行进,同时通过裂缝识别模块对桥梁上的裂缝进行识别。
可以理解的是,第三预设路径可以设置为沿先上后下或先下后上或向左后右或向右后左地S形轨迹,从而能够充分对待检测区域进行检测。
在其他实施例中,如图3所示,环境识别模块同时用于识别桥梁壁面的类型,如图2所示,桥梁壁面的类型至少包括直面41、斜面42、弧面43中的一种或至少两种的结合;
控制器,被配置为当待检测区域不在雾区时,按照第二检测程序进行检测,具体包括:
当桥梁壁面的类型为直面41时,启动无人机1,并按照第四预设路径进行飞行,同时通过裂缝识别模块对桥梁上的裂缝进行识别;
当桥梁壁面的类型为斜面42、弧面43或直面41、斜面42、弧面43中至少两种的结合时,启动无人机1,并移动至待检测区域,当爬壁车2接触桥梁壁面时,启动爬壁车2,并按照第五预设路径在桥梁壁面上行进,同时通过裂缝识别模块对桥梁上的裂缝进行识别。
具体到本实施例中,当桥梁壁面的类型为直面41时,简单操控无人机1即可实现第二摄像头和桥梁壁面之间的距离保持不变,从而一方面能够有效避免取样范围过大时,因细小裂缝容易被忽略而导致的取样精度降低,另一方面能够有效避免取样范围过小时,导致的检测效率降低。
可以理解的是,第二预设路径可以设置为沿先上后下或先下后上地S形轨迹,从而能够充分对待检测区域进行检测。
更具体的,当桥梁壁面的类型为斜面42、弧面43或直面41、斜面42、弧面43中至少两种的结合时,要使得第二摄像头和桥梁壁面之间的距离保持不变,无人机1的飞行轨迹较为复杂,导致不仅容易出现漏检和重复检的问题,而且容易出现撞机事故,为避免出现上述情况的发生,因此设置为启动无人机1,并通过无人机1带动爬壁车2移动至待检测区域,然后通过调整无人机1的姿态,使得无人机1能够带动爬壁车2向靠近桥梁壁面的方向移动,当爬壁车2接触桥梁壁面时,启动爬壁车2,并按照第五预设路径在桥梁壁面上行进,同时通过裂缝识别模块对桥梁上的裂缝进行识别。
可以理解的是,第五预设路径可以设置为沿先上后下或先下后上或向左后右或向右后左地S形轨迹,从而能够充分对待检测区域进行检测。
在进一步的实施例中,待检测区域设置为包括桥台3的侧壁面、底面和桥墩4的表面。
在其他实施例中,在无人机1旋翼转速不变的情况下,当雾的浓度增大时,一方面无人机1旋翼产生的吸力有限,导致无法将爬壁车2和桥梁壁面之间的雾气吸干净,使得第二摄像头无法获取到清晰的桥梁图像,影响裂缝数据的准确性,另一方面会使得桥梁壁面更加湿润,进而使得爬壁车2行进过程中容易打滑,影响检测效率;为解决这一问题,如图3所示,建筑裂缝检测设备设置为还包括第一获取模块,第一获取模块用于获取雾的浓度;
控制器,还被配置为:
当爬壁车2在桥梁上行进时,根据雾的浓度正比例调节无人机1上旋翼的转速。
具体到本实施例中,第一获取模块可以设置为雾度计,且和控制器通过有线方式进行连接,雾度计测量的是光学透射率,光学透射率越低,说明雾越浓,能见度越低;当雾度计表征的雾的浓度增大时,通过控制器正比例增大无人机1上旋翼的转速,一方面使得无人机1旋翼能够产生足够的吸力,以将爬壁车2和桥梁壁面之间的雾气吸干净,避免影响第二摄像头获取的桥梁图像的清晰度,另一方面使得爬壁车2和桥梁壁面之间具有更大的接触力,避免产生打滑。
在另一些实施例中,如图3所示,环境识别模块同时用于识别桥梁壁面的类型,桥梁壁面的类型至少包括直面41、斜面42、弧面43中的一种或至少两种的结合;
控制器,被配置为,若桥梁所处周围的环境参数属于第二目标类型,则以第二检测模式进行检测,具体包括:
当桥梁壁面的类型为直面41时,启动无人机1,并按照第六预设路径进行飞行,同时通过裂缝识别模块对桥梁上的裂缝进行识别;
当桥梁壁面的类型为斜面42、弧面43或直面41、斜面42、弧面43中至少两种的结合时,启动无人机1,并移动至待检测区域,当爬壁车2接触桥梁壁面时,启动爬壁车2,并按照第七预设路径在桥梁壁面上行进,同时通过裂缝识别模块对桥梁上的裂缝进行识别。
具体到本实施例中,当桥梁壁面的类型为直面41时,简单操控无人机1即可实现第二摄像头和桥梁壁面之间的距离保持不变,从而一方面能够有效避免取样范围过大时,因细小裂缝容易被忽略而导致的取样精度降低,另一方面能够有效避免取样范围过小时,导致的检测效率降低。
可以理解的是,第六预设路径可以设置为沿先上后下或先下后上地S形轨迹,从而能够充分对待检测区域进行检测。
更具体的,当桥梁壁面的类型为斜面42、弧面43或直面41、斜面42、弧面43中至少两种的结合时,要使得第二摄像头和桥梁壁面之间的距离保持不变,无人机1的飞行轨迹较为复杂,导致不仅容易出现漏检和重复检的问题,而且容易出现撞机事故,因此为避免出现上述情况,设置为启动无人机1,并通过无人机1带动爬壁车2移动至待检测区域,然后通过调整无人机1的姿态,使得无人机1能够带动爬壁车2向靠近桥梁壁面的方向移动,当爬壁车2接触桥梁壁面时,启动爬壁车2,并按照第七预设路径在桥梁壁面上行进,同时通过裂缝识别模块对桥梁上的裂缝进行识别。
可以理解的是,第七预设路径可以设置为沿先上后下或先下后上或向左后右或向右后左地S形轨迹,从而能够充分对待检测区域进行检测。
在另一些实施例中,如图4所示,裂缝数据设置为包括裂缝的长度和宽度;
控制器,还被配置为:
当裂缝的长度大于等于预设长度,且裂缝的宽度大于等于第一预设宽度时,将裂缝标记为第一修补梯队;
当裂缝的长度大于等于预设长度且裂缝的宽度小于第一预设宽度,或裂缝的长度小于预设长度且裂缝的宽度大于等于第一预设宽度时,将裂缝标记为第二修补梯队;
当裂缝的长度小于预设长度且裂缝的宽度小于第一预设宽度,将裂缝标记为第三修补梯队。
具体到本实施例中,预设长度和第一预设宽度均为设定的宽度,可根据实际需求进行更改;示范性地,预设长度可以设置为50cm,第一预设宽度可以设置为5mm,当裂缝的长度大于等于50cm,且裂缝的宽度大于等于5mm时,说明该裂缝的情况非常严重,为避免该裂缝因自身因素和环境因素导致的进一步扩大,因此将该裂缝标记为第一修补梯队;当裂缝的长度大于等于50cm且裂缝的宽度小于5mm,或裂缝的长度小于50cm且裂缝的宽度大于等于5mm,说明该裂缝的情况较为严重,为避免该裂缝因自身因素和环境因素导致的进一步扩大,因此将该裂缝标记为第二修补梯队;当裂缝的长度小于50cm且裂缝的宽度小于5mm时,说明该裂缝的情况一般,为避免该裂缝因自身因素和环境因素导致的进一步扩大,因此将该裂缝标记为第三修补梯队;标记完成后,维护人员可按照优先级从高到低分别对第一修补梯队、第二修补梯队和第三修补梯队所属的裂缝进行及时修补。
在进一步的实施例中,如图4所示,控制器,还被配置为:
当裂缝属于第一修补梯队或第二修补梯队或第三修补梯队,且裂缝的宽度小于第二预设宽度时,将裂缝标记为需要扩宽;
其中,第二预设宽度小于第一预设宽度。
具体到本实施例中,第二预设宽度设置为设定的宽度,可根据实际需求进行更改;示范性地,第二预设宽度可以设置为2mm,当裂缝的宽度小于2mm时,填料较难填充到裂缝内,为避免影响修补工作,设置为在检测阶段对该裂缝进行标记,以便于在后续维护时,提前带好扩宽的工具,避免影响维护效率。
在其他实施例中,如图4所示,裂缝数据设置为还包括裂缝的类型;
控制器,还被配置为:
当裂缝属于第一修补梯队或第二修补梯队或第三修补梯队,且裂缝的类型为活动裂缝时,将活动裂缝标记为使用柔性材料进行修补;
当裂缝属于第一修补梯队或第二修补梯队或第三修补梯队,且裂缝的类型为静止裂缝时,将活动裂缝标记为使用刚性材料进行修补。
具体到本实施例中,可通过和历史数据的对比判断当前裂缝为活动裂缝还是静止裂缝;当为活动裂缝时,由于其可能会继续扩大,为避免影响修补效果,设置为在检测阶段对该裂缝进行标记,以便于在后续维护时,提前准备好柔性材料,以适应结构的变形,其中柔性材料可以设置为包括聚氨酯泡沫或弹性环氧树脂;当为静止裂缝时,为避免影响修补效果,设置为在检测阶段对该裂缝进行标记,以便于在后续维护时,提前准备好刚性材料,其中刚性材料可以设置为包括环氧树脂或水泥砂浆。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (7)
1.一种建筑裂缝检测设备,其特征在于,包括:
无人机;
爬壁车,设置在所述无人机的顶部;
环境识别模块,用于获取桥梁所处周围的环境参数;
裂缝识别模块,用于获取桥梁裂缝数据;
控制器,被配置为:
若所述桥梁所处周围的环境参数属于第一目标类型,则以第一检测模式进行检测;
若所述桥梁所处周围的环境参数属于第二目标类型,则以第二检测模式进行检测;
其中所述桥梁所处周围的环境参数至少包括天气信息;
所述天气信息包括雾;所述环境识别模块同时用于识别雾的类型;
所述控制器,被配置为若所述桥梁所处周围的环境参数属于第一目标类型,则以第一检测模式进行检测,具体包括:
所述第一目标类型为有雾,当待检测区域部分在雾区时,根据所述雾的类型按照第一检测程序进行检测;
当所述待检测区域不在雾区时,按照第二检测程序进行检测;
其中,所述雾的类型至少包括上坡雾、山谷雾、平流雾和蒸发雾;
所述控制器,被配置为当待检测区域部分在雾区时,根据所述雾的类型按照第一检测程序进行检测,具体包括:
当所述雾的类型为上坡雾时,启动所述无人机,并移动至雾区的下方,当所述爬壁车接触所述桥梁壁面时,启动所述爬壁车,并按照第一预设路径在所述桥梁壁面上行进,同时通过所述裂缝识别模块对所述桥梁上的裂缝进行识别;
当所述雾的类型为平流雾/蒸发雾时,启动所述无人机,并移动至雾区的上方,当所述爬壁车接触所述桥梁壁面时,启动所述爬壁车,并按照第二预设路径在所述桥梁壁面上行进,同时通过所述裂缝识别模块对所述桥梁上的裂缝进行识别;
当所述雾的类型为山谷雾时,启动所述无人机,并移动至非雾区,当所述爬壁车接触所述桥梁壁面时,启动所述爬壁车,并按照第三预设路径在所述桥梁壁面上行进,同时通过所述裂缝识别模块对所述桥梁上的裂缝进行识别;
所述环境识别模块同时用于识别桥梁壁面的类型,所述桥梁壁面的类型包括直面、斜面、弧面中的一种或任意两种或三种的结合;
所述控制器,被配置为,若所述桥梁所处周围的环境参数属于第二目标类型,则以第二检测模式进行检测,具体包括:
当所述桥梁壁面的类型为直面时,启动所述无人机,并按照第六预设路径进行飞行,同时通过所述裂缝识别模块对所述桥梁上的裂缝进行识别;
当所述桥梁壁面的类型为斜面、弧面或直面、斜面、弧面中至少两种的结合时,启动所述无人机,并移动至待检测区域,当所述爬壁车接触所述桥梁壁面时,启动所述爬壁车,并按照第七预设路径在所述桥梁壁面上行进,同时通过所述裂缝识别模块对所述桥梁上的裂缝进行识别。
2.根据权利要求1所述的建筑裂缝检测设备,其特征在于,所述环境识别模块同时用于识别桥梁壁面的类型,所述桥梁壁面的类型包括直面、斜面、弧面中的一种或任意两种或三种的结合;
所述控制器,被配置为当所述待检测区域不在雾区时,按照第二检测程序进行检测,具体包括:
当所述桥梁壁面的类型为直面时,启动所述无人机,并按照第四预设路径进行飞行,同时通过所述裂缝识别模块对所述桥梁上的裂缝进行识别;
当所述桥梁壁面的类型为斜面、弧面或直面、斜面、弧面中至少两种的结合时,启动所述无人机,并移动至所述待检测区域,当所述爬壁车接触所述桥梁壁面时,启动所述爬壁车,并按照第五预设路径在所述桥梁壁面上行进,同时通过所述裂缝识别模块对所述桥梁上的裂缝进行识别。
3.根据权利要求2所述的建筑裂缝检测设备,其特征在于,所述待检测区域包括桥台的侧壁面、底面和桥墩的表面。
4.根据权利要求1或2所述的建筑裂缝检测设备,其特征在于,所述建筑裂缝检测设备还包括第一获取模块,所述第一获取模块用于获取雾的浓度;
所述控制器,还被配置为:
当所述爬壁车在所述桥梁上行进时,根据所述雾的浓度正比例调节所述无人机上旋翼的转速。
5.根据权利要求1所述的建筑裂缝检测设备,其特征在于,所述裂缝数据包括裂缝的长度和宽度;
所述控制器,还被配置为:
当所述裂缝的长度大于等于预设长度,且所述裂缝的宽度大于等于第一预设宽度时,将所述裂缝标记为第一修补梯队;
当所述裂缝的长度大于等于所述预设长度且所述裂缝的宽度小于所述第一预设宽度,或所述裂缝的长度小于所述预设长度且所述裂缝的宽度大于等于所述第一预设宽度时,将所述裂缝标记为第二修补梯队;
当所述裂缝的长度小于所述预设长度且所述裂缝的宽度小于所述第一预设宽度,将所述裂缝标记为第三修补梯队。
6.根据权利要求5所述的建筑裂缝检测设备,其特征在于,所述控制器,还被配置为:
当所述裂缝属于第一修补梯队或第二修补梯队或第三修补梯队,且所述裂缝的宽度小于第二预设宽度时,将所述裂缝标记为需要扩宽;
其中,所述第二预设宽度小于所述第一预设宽度。
7.根据权利要求5所述的建筑裂缝检测设备,其特征在于,所述裂缝数据还包括裂缝的类型;
所述控制器,还被配置为:
当所述裂缝属于第一修补梯队或第二修补梯队或第三修补梯队,且所述裂缝的类型为活动裂缝时,将所述活动裂缝标记为使用柔性材料进行修补;
当所述裂缝属于第一修补梯队或第二修补梯队或第三修补梯队,且所述裂缝的类型为静止裂缝时,将所述活动裂缝标记为使用刚性材料进行修补。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202411155896.0A CN118670275B (zh) | 2024-08-22 | 2024-08-22 | 一种建筑裂缝检测设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202411155896.0A CN118670275B (zh) | 2024-08-22 | 2024-08-22 | 一种建筑裂缝检测设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118670275A CN118670275A (zh) | 2024-09-20 |
CN118670275B true CN118670275B (zh) | 2025-01-28 |
Family
ID=92725233
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202411155896.0A Active CN118670275B (zh) | 2024-08-22 | 2024-08-22 | 一种建筑裂缝检测设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118670275B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116972852A (zh) * | 2023-08-02 | 2023-10-31 | 河南水利与环境职业学院 | 一种桥梁健康监测方法 |
CN117928487A (zh) * | 2023-12-27 | 2024-04-26 | 浙江工业大学 | 基于机器视觉和人机交互的结构裂缝检测方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6454793B2 (ja) * | 2015-09-16 | 2019-01-16 | 富士フイルム株式会社 | 健全度判定装置、健全度判定方法および健全度判定プログラム |
US10101196B2 (en) * | 2016-02-17 | 2018-10-16 | Qualcomm Incorporated | Device for UAV detection and identification |
CN108051450B (zh) * | 2017-11-01 | 2020-08-25 | 中铁大桥科学研究院有限公司 | 一种基于无人机的桥梁健康检测系统及方法 |
KR102261323B1 (ko) * | 2019-06-14 | 2021-06-07 | 주식회사 한국건설방재연구원 | 드론 촬영 영상의 인공지능 분석을 통한 구조물의 안전진단방법 |
US11151713B2 (en) * | 2019-09-18 | 2021-10-19 | Wipro Limited | Method and system for detection of anomalies in surfaces |
US11656629B1 (en) * | 2020-12-08 | 2023-05-23 | Waymo Llc | Detection of particulate matter in autonomous vehicle applications |
KR102456987B1 (ko) * | 2022-03-15 | 2022-10-20 | 디엘이앤씨 주식회사 | 건물 외벽의 균열을 탐지하는 방법 |
CN116485709A (zh) * | 2023-02-01 | 2023-07-25 | 武汉科技大学 | 一种基于YOLOv5改进算法的桥梁混凝土裂缝检测方法 |
CN117635921A (zh) * | 2023-12-06 | 2024-03-01 | 中铁四局集团有限公司 | 一种基于图像分析的桥梁裂缝识别方法及系统 |
-
2024
- 2024-08-22 CN CN202411155896.0A patent/CN118670275B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116972852A (zh) * | 2023-08-02 | 2023-10-31 | 河南水利与环境职业学院 | 一种桥梁健康监测方法 |
CN117928487A (zh) * | 2023-12-27 | 2024-04-26 | 浙江工业大学 | 基于机器视觉和人机交互的结构裂缝检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN118670275A (zh) | 2024-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104599249B (zh) | 缆索承重桥梁桥面车辆载荷分布实时检测方法 | |
JP2022511313A (ja) | 物理オブジェクトの欠陥を判定するためのシステム及び方法 | |
AU2022349296B2 (en) | Road surface technical condition detection method and device based on three-dimensional contour | |
CN103786893B (zh) | 一种基于激光测距技术的飞机泊位自动引导方法及装置 | |
CN106428558B (zh) | 一种基于空-轨两用无人机的轨道综合巡检方法 | |
KR101030229B1 (ko) | 이동식점검대차를 이용한 교량점검시스템 | |
CN106740705A (zh) | 无人驾驶车辆在雾霾、沙尘天气下的行车装置和策略 | |
CN103266559B (zh) | Bp桥梁安全巡检车及获取桥梁表面面相的方法 | |
KR102305328B1 (ko) | 카메라 기반의 자동화된 정밀도로지도 생성 시스템 및 방법 | |
US11093877B2 (en) | Inspection plan drafting support system, method, and program | |
CN110008893A (zh) | 一种基于车载图像传感器的车辆行驶跑偏自动检测方法 | |
CN113160211B (zh) | 基于无人机平台的建筑物损伤判读系统 | |
CN106494611B (zh) | 一种空轨两用巡检无人机 | |
KR20200007165A (ko) | 무인비행체에 탑재된 비전센서를 활용한 포트홀 탐지 시스템 및 그 방법 | |
CN106741890A (zh) | 一种基于空轨两用无人机的高速铁路安全检测系统 | |
JP2020086965A (ja) | 道路ダメージ制御システム、道路ダメージ制御方法、および道路ダメージ制御プログラム | |
JP2020084582A (ja) | 道路ダメージ算出システム、道路ダメージ算出方法、および道路ダメージ算出プログラム | |
CN118670275B (zh) | 一种建筑裂缝检测设备 | |
KR101778623B1 (ko) | 2d 레이저 센서와 모터를 구비하는 스캐너를 이용하여 항공기를 주기장에 안전하게 유도하는 방법 | |
CN114359757A (zh) | 基于无人机的桥梁外观检测方法及系统 | |
CN105335764B (zh) | 一种入坞飞机机型识别验证系统及方法 | |
CN114775386B (zh) | 一种基于机器视觉的坑槽识别分割方法 | |
CN118294468A (zh) | 基于无人机的特殊桥梁检测方法 | |
WO2016084308A1 (ja) | 画像変換装置および画像変換方法 | |
CN118392050B (zh) | 基于贴近摄影测量的在役桥梁病害巡检装置和巡检方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |