【技术实现步骤摘要】
本专利技术涉及图像检测，尤其涉及一种基于无人机的大坝表面病害识别方法和系统。
技术介绍
1、大坝是维护国家及地方水资源优质供应、抵御水灾、促进地区发展的重要水利设施，是保障人民群众生命财产安全的重要基础设施。大坝的出现不仅改变了水利工程的局面，还带来了一系列挑战和问题。在长期使用、自然灾害和非法占用等等原因下，大坝表面可能会出现各种病害，如渗透、裂缝、沉降、变形等病害。这些病害，如果没有及时修复、维护和管理，就会严重影响大坝的安全和稳定性，甚至可能引发灾害事故。
2、目前，针对大坝表面的病害识别和检测主要依靠人工巡视和目视检测。然而，人工巡视会面临人力、物力、时间等方面的限制，而目视检测的准确性和可靠性也存在着一定的局限性，这些都妨碍了对大坝表面病害的发现和处理。
技术实现思路
1、专利技术目的：本专利技术提出一种基于无人机的大坝表面病害识别方法及系统，旨在提高大坝病害现象的识别精度。
2、技术方案：一种基于无人机的大坝表面病害识别方法，包含以下步骤：
3、步骤1：无人机搭载的毫米波雷达对大坝环境点云数据进行采集，并构建环境模型，对无人机的航迹进行规划；
4、步骤2：在无人机航迹规划过程中，采用多因素约束函数对无人机航迹进行约束，以获取最优路径；
5、步骤3：无人机航行过程中，无人机搭载的相机采集大坝表面病害图像信息，采用新颖ccng算法对大坝表面病害信息进行识别分类。
6、进一步的，所述步骤1中的毫米波雷达完
7、毫米波雷达采集的点云数据集合为s＝{si}，其中i∈n，si＝[xi,yi,zi]t，i表示第i个点云数据，xi、yi、zi表示第i个点云的高度、宽度、深度；将三维点集区域划分为以成像边长ds为边长的有限体素集vi，保证视点所摄表面图像的完整性，体素的中心点视为体素坐标，则视点的选取计算公式为：
8、po＝vi，po∈po
9、其中，po为无人机航迹需要经过的点；po为无人机毫米波雷达采集的整个大坝表面的点云集；vi表示三维像素点。
10、进一步的，步骤1中对无人机的航迹进行规划是根据采集的点云数据，采用蜂群优化算法bco算法完成对无人机的最优航迹进行规划，当无人机运动遍历所有视点坐标位置时，则大坝巡检任务完成。
11、进一步的，所述步骤2中的采用多因素约束函数对无人机航迹进行约束，结合无人机飞行航迹的最短航迹约束函数f1、最小威胁约束函数f2、飞行高度约束函数f3和飞行转角约束函数f4，则基于多因素约束函数为：
12、
13、其中，bl为各因素的权重系数，xi为整条飞行路径。
14、进一步的，所述最短航迹约束函数f1具体为：
15、定义无人机的飞行航迹点为wij＝(xij,yij,zij)，表示在第i条飞行路径中第j个路径点的无人机三维空间位置，则整条飞行路径xi为包含n个路径点的三维数组；将两个航迹点之间的欧氏距离记作航迹段||wijwi,j+1||，则最短航迹约束函数f1的计算公式为：
16、
17、进一步的，所述最小威胁约束函数f2具体为：
18、设定障碍物威胁区，无人机的避障威胁成本与其航迹段||wijwi,j+1||和障碍物威胁区中心ck的距离dk成反比，则最小威胁约束函数f2的计算公式为：
19、
20、其中，k为飞行环境下的障碍物威胁区集合；与无人机当前航迹点wij相关的障碍约束函数tij的计算公式为：
21、
22、其中，障碍物威胁区半径为rk，障碍物威胁区外围为圆环形碰撞威胁警示区域d；γc为障碍物威胁成本惩罚系数。
23、进一步的，所述飞行高度约束函数f3具体为：
24、无人机在采集大坝病害信息的过程中飞行高度受到最小高度hmin和最大高度hmax的约束限制；将无人机在航迹点wij处距离基准地形地面的高度记作hij，则飞行高度约束函数f3的计算公式为：
25、
26、其中，与无人机当前航迹点wij相关的高度约束函数hij的计算公式为：
27、
28、其中，γh为无人机飞行高度超出约束限制条件的惩罚系数。
29、进一步的，所述飞行转角约束函数f4具体为：
30、无人机的飞行转角控制参数包括水平转弯角和竖直俯仰角，飞行转角约束函数f4计算公式为：
31、
32、其中，a1和a2分别为无人机的水平转弯角和竖直俯仰角超出约束限制条件的惩罚系数；αij和βi,j分别为无人机航迹过程中的第j个路径点水平转弯角和竖直俯仰角，βi,j-1表示第j-1个路径的竖直俯仰角点，βi,j+1表示第j+1个路径点的竖直俯仰角点，相关计算公式如下：
33、
34、
35、其中，||wijwi,j+1||和||wi,j+1wi,j+2||表示无人机飞行航迹径中的两个连续航迹段，wij'wi,j+1'和wij+1'wi,j+2'为连续两个航迹点在三维平面的投影，zi,j+1表示第j+1路径点竖直方向深度，zi,j表示第j路径点竖直方向深度，wij'wi,j+1'和wij+1'wi,j+2'的计算公式为：
36、wij'wi,j+1'＝k×(wijwi,j+1×k)
37、wij+1'wi,j+2'＝k×(wij+1wi,j+2×k)
38、其中，k为坐标轴正方向的单位向量；
39、进一步的，步骤3中所述新颖ccng算法包括cbdnet网络对采集的大坝表面病害图像降噪处理，cutmix数据增强对降噪处理后的图像数据进行混合叠加后获得增强的图像数据，利用nerf多视图分割模型对增强后的图像数据进行特征提取处理并对其进行分割，利用googlenet网络对大坝表面病害特征进行分类识别。
40、进一步的，所述大坝表面病害包括渗透、裂缝、沉降、变形。
41、一种基于无人机的大坝表面病害识别系统，包括无人机航迹规划系统和大坝表面病害识别系统；
42、所述无人机航迹规划系统在无人机航迹规划过程中，采用多因素约束函数对无人机航迹进行约束，以获取最优路径；
43、所述大坝表面病害识别系统在无人机航行过程中，无人机搭载的相机采集大坝表面病害图像信息，采用新颖ccng算法对大坝表面病害信息进行识别分类；
44、所述新颖ccng算法包括cbdnet网络对采集的大坝表面病害图像降噪处理，cutmix数据增强对降噪处理后的图像数据进行混合叠加后获得增强的图像数据，利用nerf多视图分割模型对增强后的图像数据进行特征提取处理并对其进行分割，利用googlenet网络对大坝表面病害特征进行分类识别。
45、有益效果：考虑到复杂的现实环境，本专利技术采用较为复杂的多因素航迹评价函数进行无人本文档来自技高网...
【技术保护点】
1.一种基于无人机的大坝表面病害识别方法，其特征在于，包含以下步骤：
2.根据权利要求1所述的一种基于无人机的大坝表面病害识别方法，其特征在于，所述步骤1中的毫米波雷达完成对大坝环境点云数据采集，其具体方法为：
3.根据权利要求1所述的一种基于无人机的大坝表面病害识别方法，其特征在于，步骤1中对无人机的航迹进行规划是根据采集的点云数据，采用蜂群优化算法BCO算法完成对无人机的最优航迹进行规划，当无人机运动遍历所有视点坐标位置时，则大坝巡检任务完成。
4.根据权利要求1所述的一种基于无人机的大坝表面病害识别方法，其特征在于，所述步骤2中的采用多因素约束函数对无人机航迹进行约束，结合无人机飞行航迹的最短航迹约束函数F1、最小威胁约束函数F2、飞行高度约束函数F3和飞行转角约束函数F4，则基于多因素约束函数为：
5.根据权利要求4所述的一种基于无人机的大坝表面病害识别方法，其特征在于，所述最短航迹约束函数F1具体为：
6.根据权利要求4所述的一种基于无人机的大坝表面病害识别方法，其特征在于，所述最小威胁约束函数F2具体为：p>
7.根据权利要求4所述的一种基于无人机的大坝表面病害识别方法，其特征在于，所述飞行高度约束函数F3具体为：
8.根据权利要求4所述的一种基于无人机的大坝表面病害识别方法，其特征在于，所述飞行转角约束函数F4具体为：
9.根据权利要求1所述的一种基于无人机的大坝表面病害识别方法，其特征在于，步骤3中所述新颖CCNG算法包括CBDNet网络对采集的大坝表面病害图像降噪处理，CutMix数据增强对降噪处理后的图像数据进行混合叠加后获得增强的图像数据，利用NeRF多视图分割模型对增强后的图像数据进行特征提取处理并对其进行分割，利用GoogLeNet网络对大坝表面病害特征进行分类识别。
10.一种基于无人机的大坝表面病害识别系统，其特征在于，包括无人机航迹规划系统和大坝表面病害识别系统；
...【技术特征摘要】
1.一种基于无人机的大坝表面病害识别方法，其特征在于，包含以下步骤：
2.根据权利要求1所述的一种基于无人机的大坝表面病害识别方法，其特征在于，所述步骤1中的毫米波雷达完成对大坝环境点云数据采集，其具体方法为：
3.根据权利要求1所述的一种基于无人机的大坝表面病害识别方法，其特征在于，步骤1中对无人机的航迹进行规划是根据采集的点云数据，采用蜂群优化算法bco算法完成对无人机的最优航迹进行规划，当无人机运动遍历所有视点坐标位置时，则大坝巡检任务完成。
4.根据权利要求1所述的一种基于无人机的大坝表面病害识别方法，其特征在于，所述步骤2中的采用多因素约束函数对无人机航迹进行约束，结合无人机飞行航迹的最短航迹约束函数f1、最小威胁约束函数f2、飞行高度约束函数f3和飞行转角约束函数f4，则基于多因素约束函数为：
5.根据权利要求4所述的一种基于无人机的大坝表面病害识别方法，其特征在于，所述最短航迹约束函数f1具...
【专利技术属性】
技术研发人员：张志荣，孙凯，沈娴娴，仲安婕，张楚，彭甜，唐中一，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。