本文選題：爬壁機(jī)器人 + 運(yùn)動(dòng)模糊��； 參考：《中國(guó)科學(xué)技術(shù)大學(xué)》2016年碩士論文

【摘要】：在我國(guó)交通運(yùn)輸建設(shè)過(guò)程中,公路橋梁是重要的組成部分�，F(xiàn)階段,我國(guó)每年步入維修期的公路橋梁數(shù)目在逐步增加,對(duì)橋梁安全檢測(cè)特別是橋梁裂縫檢測(cè)的需求已經(jīng)上升到了一個(gè)新的高度。傳統(tǒng)的人工檢測(cè)方法不僅工作危險(xiǎn)性大、作業(yè)成本高,而且工作效率低、檢測(cè)結(jié)果可靠性低。因此,有必要提出新的可視化裂縫檢測(cè)方法完成橋梁健康評(píng)估。本文工作基于一款自主研發(fā)的可實(shí)時(shí)獲取橋梁壁面圖像的仿生足式攀爬機(jī)器人,提出了用于橋梁結(jié)構(gòu)裂縫檢測(cè)的圖像處理算法,并運(yùn)用基于機(jī)器學(xué)習(xí)的方法完成對(duì)裂縫的分類。具體包含了以下幾個(gè)方面工作：1)圖像去運(yùn)動(dòng)模糊。實(shí)際工作過(guò)程中,爬壁機(jī)器人與橋梁裂縫之間有相對(duì)運(yùn)動(dòng),攝像頭拍攝到的裂縫圖片含有運(yùn)動(dòng)模糊。本文在實(shí)驗(yàn)比較了維納濾波、約束最小二乘方濾波、逆濾波這三種不同圖像復(fù)原方法后,使用維納濾波對(duì)裂縫圖片進(jìn)行復(fù)原。2)裂縫圖像檢測(cè)。本文提出了一種提取圖片中裂縫目標(biāo)的圖像處理算法,首先對(duì)復(fù)原后的裂縫圖片進(jìn)行小波粗分割,然后用圖像形態(tài)學(xué)分析方法去除圖像中噪聲塊,初步分割出裂縫目標(biāo)。3)裂縫連接。上述裂縫檢測(cè)方法會(huì)破壞裂縫連接性,為了使得裂縫更加完整、連續(xù),本文提出了一種基于KD樹(shù)思想的裂縫連接方法將斷開(kāi)的裂縫連接起來(lái)。首先計(jì)算每段裂縫的最小外接凸多邊形找出裂縫端點(diǎn)；然后判斷不同裂縫段端點(diǎn)之間的像素距離是否小于設(shè)定的閾值,如果小于則連接兩個(gè)端點(diǎn)；最后根據(jù)灰度特征將連線之間的裂縫連通域進(jìn)行填充,分割出完整裂縫。結(jié)果表明,本文提出的裂縫連接方法效果顯著。4)裂縫分類。不同類型的裂縫對(duì)橋梁的危害不同,因此在分割出完整裂縫目標(biāo)后,有必要對(duì)裂縫進(jìn)行分類。本文提出了一種基于支持向量機(jī)決策樹(shù)的學(xué)習(xí)型方法用于裂縫分類。首先提取6類裂縫特征；其次根據(jù)訓(xùn)練樣本訓(xùn)練出所需SVM決策樹(shù)分類器；最后將訓(xùn)練好的分類器對(duì)驗(yàn)證樣本集進(jìn)行分類。結(jié)果表明,本文提出的分類方法分類精度較高。目前,使用數(shù)字圖像處理技術(shù)對(duì)混凝土結(jié)構(gòu)橋梁的裂縫進(jìn)行檢測(cè)的研究得到了廣泛的關(guān)注和支持。本文研究的可視化檢測(cè)診斷方法不僅可以大大解放勞動(dòng)力,降低檢測(cè)成本和維護(hù)成本,而且也能夠有效排除人為因素的主觀干擾,具有很高的實(shí)用價(jià)值和應(yīng)用前景。
[Abstract]:In the process of transportation construction in China, highway bridge is an important part. At present, the number of highway bridges entering the maintenance period is increasing step by step, and the demand for bridge safety detection, especially bridge crack detection, has risen to a new height. The traditional manual detection method not only has high working risk, high activity cost, but also low work efficiency and low reliability of test results. Therefore, it is necessary to propose a new visual crack detection method to complete bridge health assessment. This paper presents an image processing algorithm for bridge structure crack detection based on a self-developed bionic foot climbing robot which can obtain the bridge wall image in real time. Specifically includes the following aspects of work: 1) Image deblurring. In the actual working process, there is a relative motion between the climbing robot and the cracks of the bridge, and the images of the cracks taken by the camera contain motion blur. In this paper, three different image restoration methods, Wiener filter, constrained least square filter and inverse filter, are compared experimentally. In this paper, an image processing algorithm is proposed to extract the crack target in the image. Firstly, the reconstructed crack image is segmented by wavelet transform, and then the noise block is removed by morphological analysis. Fracture target. 3) fracture connection. In order to make the fracture more complete and continuous, this paper proposes a method based on KD tree to connect the broken cracks. At first, the minimum convex polygon of each crack is calculated to find out the crack end point, and then the pixel distance between different crack segments is determined whether the pixel distance is less than the set threshold, and if it is smaller, two endpoints are connected. Finally, according to the grayscale feature, the crack connected region between the lines is filled, and the complete crack is segmented. The results show that the effect of the proposed method is significant. 4) fracture classification. The damage of different types of cracks to bridges is different, so it is necessary to classify the cracks after the complete crack targets are separated. This paper presents a learning method based on support vector machine decision tree for crack classification. First, six types of crack features are extracted; secondly, the required SVM decision tree classifier is trained according to the training sample; finally, the trained classifier is used to classify the test sample set. The results show that the classification method proposed in this paper has higher classification accuracy. At present, the application of digital image processing technology to the detection of cracks in concrete structure bridges has received extensive attention and support. The visual detection and diagnosis method studied in this paper can not only greatly liberate the labor force, reduce the cost of detection and maintenance, but also effectively eliminate the subjective interference of human factors. It has high practical value and application prospect.
【學(xué)位授予單位】：中國(guó)科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馮正霖;;我國(guó)橋梁技術(shù)發(fā)展戰(zhàn)略的思考[J];中國(guó)公路;2015年11期

2 徐威;唐振民;徐丹;吳國(guó)星;;融合多特征與格式塔理論的路面裂縫檢測(cè)[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2015年01期

3 任亮;徐志剛;趙祥模;周經(jīng)美;;基于Prim最小生成樹(shù)的路面裂縫連接算法[J];計(jì)算機(jī)工程;2015年01期

4 徐威;唐振民;呂建勇;;基于圖像顯著性的路面裂縫檢測(cè)[J];中國(guó)圖象圖形學(xué)報(bào);2013年01期

5 王繼平;孫華燕;章喜;;基于面形態(tài)學(xué)的靶場(chǎng)紅外小目標(biāo)檢測(cè)方法[J];裝備指揮技術(shù)學(xué)院學(xué)報(bào);2011年04期

6 鄒大鵬;吳百海;賴亞勇;龍建軍;;智能視頻橋梁檢測(cè)車工作臂超聲探障系統(tǒng)研究[J];機(jī)床與液壓;2010年13期

7 馬常霞;趙春霞;胡勇;王鴻南;陳海燕;;結(jié)合NSCT和圖像形態(tài)學(xué)的路面裂縫檢測(cè)[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2009年12期

8 周玉;彭召意;;運(yùn)動(dòng)模糊圖像的維納濾波復(fù)原研究[J];計(jì)算機(jī)工程與應(yīng)用;2009年19期

9 張維峰;劉萌;楊明慧;;基于數(shù)字圖像處理的橋梁裂縫檢測(cè)技術(shù)[J];現(xiàn)代交通技術(shù);2008年05期

10 曹固恩;;橋梁檢測(cè)技術(shù)綜述[J];山西建筑;2008年28期

相關(guān)博士學(xué)位論文 前5條

1 劉彥偉;爪刺式爬壁機(jī)器人仿生機(jī)理與系統(tǒng)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2015年

2 栗琳;基于視覺(jué)的高反射球面缺陷快速檢測(cè)關(guān)鍵技術(shù)研究[D];天津大學(xué);2013年

3 馬常霞;基于圖像分析的路面裂縫檢測(cè)的關(guān)鍵技術(shù)研究[D];南京理工大學(xué);2012年

4 徐樹(shù)奎;基于計(jì)算攝影的運(yùn)動(dòng)模糊圖像清晰化技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2011年

5 李剛;基于灰色系統(tǒng)理論的路面圖像裂縫檢測(cè)算法研究[D];武漢理工大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 齊超;橋梁裂縫檢測(cè)中圖像識(shí)別處理與測(cè)量技術(shù)的研究[D];北京交通大學(xué);2014年

2 劉小燕;基于數(shù)字圖像處理的混凝土橋梁底面裂縫的檢測(cè)[D];武漢理工大學(xué);2014年

3 王洪姣;圖像質(zhì)量評(píng)價(jià)方法的研究及實(shí)現(xiàn)[D];西安電子科技大學(xué);2014年

4 戴啟凡;橋梁檢測(cè)爬壁機(jī)器人及其自適應(yīng)控制技術(shù)研究[D];南京理工大學(xué);2014年

5 楊衍舒;橋底檢測(cè)爬壁機(jī)器人控制系統(tǒng)開(kāi)發(fā)[D];南京理工大學(xué);2013年

6 蔡光明;高速鐵路橋梁底面裂縫的視頻檢測(cè)系統(tǒng)研究[D];北京交通大學(xué);2011年

7 張國(guó)旗;基于圖像處理的混凝土橋梁底面裂縫檢測(cè)方法的研究[D];北京交通大學(xué);2010年

8 宋平麗;基于視頻圖像的橋梁裂縫檢測(cè)[D];武漢理工大學(xué);2010年

9 彭青建;運(yùn)動(dòng)模糊圖像復(fù)原算法研究[D];電子科技大學(xué);2010年

10 王春光;基于小波分析的圖像特征提取方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2004年

，

本文編號(hào)：1864331