一种基于航拍无人机的高桥墩偏位检测方法

为解决高桥墩偏位人工检测难问题,提出了基于航拍无人机的高桥墩偏位检测方法。采用航拍无人机拍摄图片,经处理后导入Matlab程序,求出高桥墩中轴线方程,得到偏位角度,结合工程案例,验证了该方法的可行性。     

无人机桥梁检测技术进展与瓶颈问题分析

桥梁检测无人机以其机动性强、体积小、效率高、使用成本较低、模块化维修保养方便、安全风险低等优势,近年来受到桥梁养护管理部门的广泛关注。针对无人机桥梁检测技术的发展现状,分析了当前无人机桥梁检测多元化发展趋势及无人机图像采集下损伤诊断技术进展,总结出目前桥梁检测的无人机配置需求,研究了当前无人机桥梁检测技术在桥下定位、复杂环境下巡航能力、避障能力,以及在图像信息扰动下病害识别能力等方面存在的技术瓶颈问题,分析了已有解决方法的适用性。结果表明:现有的解决方案与技术尚不成熟。为全面掌握桥梁的健康技术状况,融合无人机、蛇形机器人、爬壁机器人、水下机器人等多种技术手段,形成多元化桥梁检测系统来实现高效、精准、全方位的检测作业,将成为自动化桥梁检测技术未来发展新趋势。     

基于UAV/VISSIM的城市交通控制评价与优化

针对当前我国城市交通控制对静动态道路交通信息一体化采集存在的难点,设计运用低空多旋翼无人机(multi-rotor UAV)加载高清摄像机及其相应的视频分析系统采集交通控制区域内交通控制评价与优化所需数据,在此基础上利用VISSIM软件进行城市交通控制效果的评价与配时方案优化,并以深圳市沙河西路—西丽湖路交叉口为例进行验证。结果表明,基于UAV/VISSIM的城市交通控制评价与优化方案具有可行性,优化后该路口的服务水平由目前的E 级提升至C级,有效提高城市交通控制评价和整体工作效率。     

基于无人机摄影测量的铁路地质灾害监测与评估研究

随着我国铁路建设规模不断扩大,铁路沿线地质灾害监测需求也在逐渐增加。针对铁路地质灾害的特点,提出基于无人机摄影测量的铁路地质灾害监测方法。详细阐述了无人机数据采集流程与数据处理技术,对某段运营期铁路现场踏勘并生成数字地形成果,并对存在地质灾害风险的区域进行数字地形成果综合解译。结果表明,无人机摄影测量技术可对铁路沿线地质灾害进行有效监测,为铁路运行安全提供科学可靠的数据支撑。     

基于多旋翼无人机航测的工程结构三维建模质量影响因素研究

多旋翼无人机在高铁建设领域的应用前景广泛,但目前无人机航测三维建模时建模质量的控制参数敏感性尚不明确,该问题对于响应高铁工程建设领域的高精度要求尤为重要。基于此问题,针对无人机航测过程中航高、重合度、环境光照3个主要控制因素,探究影响工程结构三维建模质量的图像数据获取的主要参数问题。通过对一例挡墙式边坡结构的三维建模进行系列正交试验,结果表明多旋翼无人机进行工程结构三维建模过程中,模型质量对无人机影像采集时环境光照条件、飞行高度的影响敏感,而对高重合度不敏感。     

小型无人机在大比例尺地形图测绘中的应用

近年来,随着技术的进步,无人机航空摄影测量技术在测绘行业中的应用越来越广。以小型无人机在大比例尺地形图测绘中的应用研究为目的,结合生产实践,进行了无人机航测实验。通过对小型无人机测图的流程及关键技术进行研究,并利用外业实测数据对航测精度进行评估,为小型无人机在在测绘领域的应用提供了参考。     

无人机三维实景测绘在地铁项目土石方规划及 现场实务的应用

施工前期土石方施工规划所需的测量工作,传统的都是先建网再进行逐步实测。在测量过程中,由于地形地貌复杂、测量难度大,导致原建筑物和地貌的尺寸数据不能准确及时地反映给工程技术人员。利用无人机3D实景测绘,360°视觉效果,可实时准确完成实景测绘,并直接从实景三维模型中获取坐标、距离、高差、面积、土石方,即足不出户也可以如在现场一般,既能了解现场情况,又可解决现场施工和管理工作等,极大地解放了生产力,促进现场测绘技术的发展与推广应用。     

基于点特征和边缘特征的无人机影像配准方法

为解决变形较大的无人机影像配准问题,提出了点特征和边缘特征相结合的配准方法.用尺度不变特征变换(SIFT)算法提取点特征,完成影像的初步配准,并通过多项式函数对影像进行粗校正.在此基础上提取影像的边缘特征信息,根据距离相似性对边缘特征信息进行配准;依据色彩能量差筛选点特征信息配准结果和边缘特征信息配准结果,采用小面元微分校正的方法对变形影像进行校正.实验结果表明:提出的配准方法能够弥补点特征配准方法和边缘特征配准方法的不足,其配准的鲁棒性提高10%左右,可以较好地完成变形较大的无人机影像配准.      

考虑超重超远客户的卡车无人机协同配送研究

卡车与无人机配送的母船模式是指卡车搭载无人机至离客户较近的地点后,由无人机起飞配送多个客户点,再与卡车汇合的协同配送方法,是交通工程领域中具有潜力的重要发展方向之一。考虑到现实中存在部分客户点需求量超出无人机最大载重,或所处位置超过无人机最大航程覆盖范围的情况,在母船模式基础上,提出考虑超重超远客户的卡车与无人机协同配送模式(Truck-Drone Joint Delivery with Consideration of Customers with Great Demands and at Great Distances, TDJD-CGDGD)。该模式允许卡车服务超重超远客户,并允许无人机起降于不同地点。该模式下待求解的问题为含无人机的旅行商问题。以最小化总配送成本为目标,构建了混合整数线性规划模型。为高效求解大规模算例,提出了一种融合贪婪随机自适应搜索(GRASP)与自适应大邻域搜索(ALNS)的混合算法。算法首先在附加约束条件下,生成车机共同配送路径,该约束可简化车机路径优化过程。随后放松附加约束,针对性地调整一部分无人机路径,进一步降低总成本。试验结果表明：所提算法具有较好的...     

基于改进Mask R-CNN的钢桥多病害智能识别

钢桥在现代交通基础设施中扮演着重要的角色,然而,由于长期服役与环境影响,钢桥可能出现涂层锈蚀、螺栓脱落等病害。为解决传统的钢桥病害检测需要人工参与,费时费力且主观性强的问题,提出了一种基于深度学习的钢桥病害检智能识别方法。利用无人机在图像采集方面的优势,采集大量高清病害图像,经图像增强、标注后建立钢桥病害图像库,用于模型的训练和测试;引入掩膜区域卷积神经网络(Mask R-CNN)构建钢桥病害识别模型,实现钢桥病害的自动识别;并通过更换骨干网络的方式进一步提升模型性能。研究结果表明：将骨干网络由传统的ResNet101替换为VoVNet后模型性能显著提升,交并比阈值为0.5与0.5∶0.95时,优化后模型的识别平均精确率分别为0.84与0.59;相同交并比阈值下较之优化前有约10%的提升。将改进的模型应用于上莘桥表观病害检测,其对涂层锈蚀、螺栓锈蚀与螺栓脱落的识别准确率分别达到了89.3%、85.7%、73.1%;改进的Mask R-CNN模型在钢桥病害识别任务中表现出了优异的性能,无人机与深度学习相结合的方法能够实现钢桥病害的高精度、自动化检测,具有重要的科学研究和工程应用价值。