基于图像处理的桥梁裂缝检测技术

介绍了一种基于图像处理技术的无损检测方法用来检测桥梁裂缝。对系统架构进行了介绍,并研究了裂缝图像处理过程中的关键算法:图像灰度化、图像增强、裂缝测量。最后应用该方法对实际裂缝进行测量,并用结果验证了该方法对桥梁检测的可靠性。     

基于几何成像原理和图传系统的UAV桥检技术

基于影像几何原理,推导了无人机(UAV)进行桥梁检测中物高、物距、焦距和像高之间的关系。提出了适用于桥梁检测的无人机图像传输系统。通过对照试验分别探究相机的测量精度和测量距离之间的关系,测量精度和测量角度之间的关系,以及测量精度和本身裂缝大小之间的关系。经测试,文中提出的无人机图像系统能够满足桥梁裂缝测量的要求。     

基于单像摄影测量的桥梁裂缝快速测量方法

针对传统桥梁裂缝量测操作复杂、效率差、危险性高的现状,提出了一种基于单像摄影测量的桥梁裂缝快速测量方法。首先使用数码相机采集桥梁裂缝的单张影像;其次利用Levenberg-Marquardt算法进行相机标定并完成原始影像的畸变纠正;然后使用Wong-Ttrinder圆点定位算子自动定位出标志牌上标志点的中心位置并进行二维直接线性变换,实现影像平面坐标与物方空间坐标之间的转换;最后采用基于卡方检验的Canny边缘检测算子精确提取出裂缝边缘,并实现裂缝宽度的自动量测。实验结果表明,与裂缝测宽仪量测结果相比,本文方法的中误差为0.25 mm,相对误差的范围为0.15%~0.37%,能够满足桥梁裂缝监测工程的要求,在实际的应用中具有较强的鲁棒性、经济性与安全性。     

基于全卷积神经网络的桥梁裂缝分割和测量方法

为了提高桥梁病害检测自动化水平,解决当前人工检测耗时费力和传统图像分割方法存在去噪效果不明显、分割后裂缝连续性较差等问题,提出了一种基于全卷积神经网络的BCI-AS(Bridge Crack Image-Automatic Segmentation)桥梁裂缝自动分割模型和一种基于投影技术的最小二乘拟合中心线的裂缝宽度测量算法。基于BCI-AS的模型对桥梁裂缝图像数据集进行了精确的像素级分割,分割准确率达到94.45%。基于投影技术最小二乘拟合中心线的算法对分割的裂缝二值图进行了宽度测量,结果表明相对误差在7%以下,证明了所提出具体算法对裂缝分割和裂缝宽度计算的可行性。     

浅析预应力混凝土桥梁的裂缝评估及加固质量检测

对一个具体的桥梁，可根据实际情况和必要性确定是否进行荷载试验，关键是要掌握裂缝的成因，本文主要对公路预应力混凝土桥梁裂缝进行了检测，分析了裂缝产生的原因，并对桥梁的使用状态进行相关的评估，提出了加固处理措施。     

浅议混凝土桥梁裂缝的检测及处理

针对桥梁裂缝的危害，详细介绍了混凝土桥梁裂缝的检测方法，提出了裂缝的处理方法，包括表面封闭法、灌浆法和粘贴加固法等，并结合具体工程实例进行了说明，以解决混凝土桥梁的裂缝问题，延长桥梁的寿命。     

新型非接触式桥梁挠度和变形的检测方法

介绍了一种非接触式桥梁挠度变形的检测装置及测量方法。其核心技术为借助视频测量的图像散斑识别技术和二维图像处理技术,通过像素分析和已知几何尺寸的成像标定进行结构位移的测量。以某三跨预应力混凝土连续箱梁桥静载试验为背景,分别采用非接触式位移检测装置和传统的百分表测量方法进行对比测量研究,确认了非接触式桥梁位移测量精度可满足工程测量要求。结果表明非接触式位移检测法不仅测量时无需支架,省时省力,而且在100m以内对桥梁挠度具有较高的精度。     

无损检测方法在桥梁引道诊断中的应用

本文介绍了使用非破坏性道路路面诊断方法替代传统方法以评估桥梁物体附近过早裂缝原因的可能性,文中采用两种检测方法：激光扫描测量几何表面变形和探地雷达检测,用以评估路面状况。使用激光扫描仪,对桥梁旁边的几个引道路面进行了扫描,得到了关于路面变形的空间线性图,变形以参考表面和实际表面之间的偏差图。同时为检测路面结构层密度的不均匀性,采用探地雷达方法进行了现场测量和分析。通过对单个层的介电常数的分析,可以检测非均匀区域。利用标准侵入性测试对所进行的探地雷达测量进行验证,该测试通过钻孔、从路面上取岩芯以及测试沥青层中的压实和空隙含量来进行。结果表明,探地雷达方法和激光扫描技术可有效应用于路面状况的分析诊断。     

桥梁病害非接触检测系统及检测方法的实际应用

桥梁是一种非常常见的结构形式,是道路的重要组成部分,在交通系统中具有重要作用。但由于存在一定的影响因素,使得桥梁安全受到严重影响,因此,需要对其进行必要的检测。传统的检测方式具有一定的弊端,非接触检测系统和方法得到越来越多人的关注,如何有效的应用非接触检测系统和方法成为全新的课题。     

既有混凝土桥梁病害特征及病因浅析

根据重庆市某高速公路上21座既有混凝土桥梁的检测，既有混凝土桥梁存在梁体混凝土外观较差、梁底混凝土出现多处裂缝、曲线桥梁体滑移、预应力筋锚头及钢绞线外露、墩柱和盖梁产生裂缝、支座发生剪切变形等病害特征，并对这些病害产生的原因进行了细致的分析。对完善混凝土桥梁设计理论、施工技术、桥梁运营期间的监测及养护工作有一定的指导意义。     

基于无人飞机成像的桥梁裂缝宽度识别可行性研究

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。     

桥梁工程中混凝土裂缝的成因及防治

为了进一步加强对混凝土桥梁裂缝的认识,介绍了桥梁结构混凝土裂缝类型,同时分析了裂缝产生的原因,并提出了桥梁混凝土裂缝的控制措施和处理方法,以使桥梁混凝土结构的工程质量达到相关要求。     

浅谈混凝土桥梁裂缝的分类及其防治方法

针对混凝土裂缝的危害,分析了混凝土桥梁梁板裂缝的类型与产生的原因,介绍了混凝土桥梁裂缝的处理方法,并总结了混凝土桥梁梁板裂缝控制的措施,从而保证混凝土桥梁的工程质量。     

Image‐based crack assessment of bridge piers using unmanned aerial vehicles and three‐dimensional scene reconstruction

Crack assessment of bridge piers using unmanned aerial vehicles (UAVs) eliminates unsafe factors of manual inspection and provides a potential way for the maintenance of transportation infrastructures. However, the implementation of UAV‐based crack assessment for real bridge piers is hindered by several key issues, including the following: (a) both perspective distortion and the geometry distortion by nonflat structural surfaces usually appear on crack images taken by the UAV system from the pier surface; however, these two kinds of distortions are difficult to correct at the same time; and (b) the crack image taken by a close‐range inspection flight UAV system is partially imaged, containing only a small part of the entire surface of the pier, and thereby hinders crack localization. In this paper, a new image‐based crack assessment methodology for bridge piers using UAV and three‐dimensional (3D) scene reconstruction is proposed. First, the data acquisition of UAV‐based crack assessment is discussed, and the UAV flight path and photography strategy for bridge pier assessment are proposed. Second, image‐based crack detection and 3D reconstruction are conducted to obtain crack width feature pair sequences and 3D surface models, respectively. Third, a new method of projecting cracks onto a meshed 3D surface triangular model is proposed, which can correct both the perspective distortion and geometry distortion by nonflat structural surfaces, and realize the crack localization. Field test investigations of crack assessment of a real bridge pier using a UAV are carried out for illustration, validation, and error analysis of the proposed methodology.     

在役空心板梁桥底板纵向裂缝成因及处治对策分析

结合江苏省内某高速公路全线桥梁的定期检查及病害调研,总结了空心板梁桥底板纵向裂缝的一般特征,从设计、施工和运营等方面分析了底板纵向裂缝的成因。根据底板纵向裂缝的分布性状、板梁底板厚度不足及板梁自身渗漏水等实际情况,提出了底板纵向裂缝的灌浆处治对策,该处治对策的有益效果在于可主动封闭纵向裂缝、抑制板梁渗漏水进入裂缝内部以及防止预应力钢绞线锈蚀。该法能够提高空心板梁桥结构的耐久性和安全性,具有普遍的针对性和实用性。最后,详细阐述了灌浆施工工艺、流程及其注意事项。该项底板纵向裂缝的灌浆处治对策可被同类桥梁工程借鉴。     

公路桥梁混凝土裂缝原因及修补方法

对公路桥梁混凝土裂缝的危害进行了介绍,仔细地分析了桥梁混凝土裂缝的成因,提出了桥梁混凝土裂缝的修补措施,包括表面封闭法和灌浆法,以解决桥梁的裂缝问题,从而保证桥梁的正常运营.     

预应力砼连续箱梁0#块早期裂缝分析及预防措施

本文结合施工经历,介绍了连续箱梁0#块裂缝现象及其成因,并提出预防措施,避免桥梁通病的产生。     

Automated crack evaluation of a high‐rise bridge pier using a ring‐type climbing robot

This article proposes a deep learning‐based automated crack evaluation technique for a high‐rise bridge pier using a ring‐type climbing robot. First, a ring‐type climbing robot system composed of multiple vision cameras, climbing robot, and control computer is developed. By spatially moving the climbing robot system along a target bridge pier with close‐up scanning condition, high‐quality raw vision images are continuously obtained. The raw vision images are then processed through feature control‐based image stitching, deep learning‐based semantic segmentation, and Euclidean distance transform–based crack quantification algorithms. Finally, a digital crack map on the region of interest (ROI) of the target bridge pier can be automatically established. The proposed technique is experimentally validated using in situ test data obtained from Jang–Duck bridge in South Korea. The test results reveal that the proposed technique successfully evaluates cracks on the entire ROI of the bridge pier with precision of 90.92% and recall of 97.47%.