[发明专利]一种基于机器视觉技术的路桥病害自动检测方法

权利要求书

1.一种基于机器视觉技术的路桥病害自动检测方法，其特征在于，包括以下步骤：

步骤一：获取桥梁数据

将爬壁机器人吸附到桥梁的侧壁，启动爬壁机器人沿着桥梁侧壁移动，同时将爬壁机器人通过无线网络连接计算机绘图软件，爬壁机器人在移动的过程中，利用机器人上的高清摄像头拍摄桥梁表面的图片，同时利用机器人的红外测距仪测量桥梁表面各落差面的尺寸和距离，计算机绘图软件跟随机器人的移动绘画出桥梁的框架，爬壁机器人配备标准信息转化接口，用于传输文本、PDF、图像文件，并且融合Big data技术，采用分布式快速交换技术进行信息传输；

步骤二：获取桥梁图像和原始图片

启动无人机，利用无人机上的CCD摄像机、红外线光感仪再次获取桥梁的图像样本，然后接通市政数据网站，利用外部源、桥梁图片库及相应的传统知识库作为数据源，对数据进行选择、组合、内化外化和异构语义消除，获取该桥梁的原始图片数据，建为多源对比数据；

步骤三：图像处理

对步骤一中的高清摄像头拍摄桥梁表面的图片和步骤二中无人机获取的桥梁图像样本进行预处理，先降噪，获取图像中桥梁图层的颜色纹理分布，构成颜色样本集，然后对颜色样本集除重，对颜色、纹理交接处进行标记，集成为实时影像库，同时，提取多源对比数据中桥梁图层的颜色纹理分布并除重，对颜色、纹理交接处进行标记，集成为对比影像库；

步骤四：图像建模

将实时影像库和对比影像库的图像数据进行三维模型3D可视化，分别构建实时桥梁模型和对比桥梁模型，并对两个模型中相对应的颜色特征、纹理特征的数值矢量化，完成可视化实时桥梁矢量模型、可视化对比桥梁矢量模型；

步骤五：数据建模

对步骤一获取的桥梁框架图进行数据建模，首先，根据桥梁的空间位置确定Path和Row的具体时空数值范围，再对这些具体数值范围进行初步筛选，保证每Path和Row均对应桥梁的某一位置，得到将覆盖该桥梁的数据集合模型，然后对时空数据进行度量和辨别，利用数据概率值完成对不精确数据的分类淸洗，然后通过多次排序改进SNM算法,对数据集合模型中的相似重复数据进行清洗，得到精确且清晰直观的数据模型，然后利用SVG进行时空数据矢量化，形成点、线、面，由点、线、面组成具体时空数据坐标，构建矢量化数据模型；

步骤六：模型融合

将步骤五中的矢量化数据模型融合入步骤四中的可视化实时桥梁矢量模型中，基于可交换图像文件EXIF原理，以可视化实时桥梁矢量模型为载体融合矢量化数据模型，将关联的时空坐标信息嵌入到图像、颜色、纹理的物理结构中,实现关联的多元数据融合，构成完整的桥梁实物模型；

步骤七：模型对比

将步骤六得到的桥梁实物模型和步骤四得到的可视化对比桥梁矢量模型输入至元数据管理系统MDMS中，进行比对，重点对比颜色、纹理特征，挖掘关联信息和不同信息，并将不同的颜色和纹理要素在桥梁实物模型中标注出来，同时，同步提取该标注区域的相关摄像机拍摄图片，显示该区域的实景图像，操作人员根据该实景图像判断桥梁病害情况；

步骤八：确定病害位置

在桥梁实物模型中获取该标注区域相关联的时空坐标，根据红外测距仪、红外线光感仪所测量的桥梁尺寸、距离及比例，确定桥梁病害的具体位置。

2.根据权利要求1所述的一种基于机器视觉技术的路桥病害自动检测方法，其特征在于：所述步骤四中，三维模型3D可视化的具体操作为：采用ContextCapture对实时影像库和对比影像库的图像数据进行三维模型构建，将影像3D可视化，并通过符号化来增强显视效果，特别增强目标模型的颜色特征、纹理特征。

3.根据权利要求1所述的一种基于机器视觉技术的路桥病害自动检测方法，其特征在于：所述步骤五中，利用SVG进行时空数据矢量化，形成点、线、面，由点、线、面组成具体时空数据坐标，每个时空数据坐标均包含一景影像。

4.根据权利要求1所述的一种基于机器视觉技术的路桥病害自动检测方法，其特征在于：所述步骤六中，利用WebGIS应用软件提供的便捷式导入机制，实现桥梁实物模型中，时空坐标信息和图像、颜色、纹理物理结构的无缝对接、属性无损集成，为模型提供坐标查询的功能。

5.根据权利要求1所述的一种基于机器视觉技术的路桥病害自动检测方法，其特征在于：所述步骤七中，提取该标注区域的相关摄像机拍摄图片后，如果图片不清晰，对图片进行二次锐化，显示该区域高清的实景图像。