[发明专利]基于无人机的索结构外观检测方法

权利要求书

1.一种基于无人机的索结构外观检测方法，其特征在于，包括以下步骤：

1)根据结构物检测的精度γ要求、相机横向和竖向分辨率α_L和α_H、图像重叠率ol，确定单幅图像拍摄长度S_L和高度S_H，每张图的检测长度为S；

2)由镜头焦距、传感器尺寸和长度S，计算出无人机距离待检索结构最小距离d；

3)将无人机飞行至待检索结构右下角，并通过测距传感器调整无人机至索结构距离，两者距离为d，停留获取此位置的经纬度(Lon₁,Lat₁)和高度信息H₁；然后飞行至待检索结构左上角，调整无人机至索结构距离为d，获取此位置的经纬度(Lon₂,Lat₂)和高度信息H₂，通过经纬度的计算，获得待检索结构的实际检测长度L；

4)将待检索结构进行等距离分区，进行无人机飞行路径规划，得到飞行路径点集M(n)；

5)根据M(n)，依次给无人机发送飞行任务；首先从待检索结构左上角出发，即首先到达M[n]位置，接着到达M[n-1]，直至最后到达M[1]，无人机返航；无人机在RTK定位信息指引依次到达指定位置悬停拍照，存储图像及其位置信息；

6)获取无人机系统拍摄的位置、高清图像数据；

7)采用多权重迭代最优缝合缝方法对图像进行拼接处理；

8)对拼接后的图像进行配准处理；

9)矢量CAD文件确定配准后图像像元尺寸，并根据像元个数确定缺陷的长度、宽度和面积。

2.根据权利要求1所述的基于无人机的索结构外观检测方法，其特征在于，步骤1)中，S_L＝γ×α_L×(1-ol)；S_H＝γ×α_H×(1-ol)；

3.根据权利要求2所述的基于无人机的索结构外观检测方法，其特征在于，步骤2)中，d_L＝f×S_L/SS_L；d_H＝f×S_H/SS_H；d＝min(d_L,d_H)；其中，f为相机焦距，SS_L和SS_H为相机传感器感光片的长度和高度。

4.根据权利要求1所述的基于无人机的索结构外观检测方法，其特征在于，步骤3)中，H＝H₂-H₁；其中，ER为地球半径。

5.根据权利要求1所述的基于无人机的索结构外观检测方法，其特征在于，步骤4)中，飞行区域数量为：

6.根据权利要求1所述的基于无人机的索结构外观检测方法，其特征在于，步骤7)的具体实现过程包括：

1)根据无人机路径点顺序，对待拼接图像I_c之间的拼接顺序进行预排序，其中c表示待拼接图像的数量；

2)采用SURF特征点检测算法，查找图像特征点；

3)选取待配准的相邻图像I_i，I_j，采用RANSAC算法结合图像之间的几何信息进行特征点提纯，得到初始匹配对；

4)从初始匹配对中通过多次迭代随机选取k个特征点匹配对，k≥4；对图像进行粗配准，并利用公式估算投影变换矩阵H，其中v₁＝(x₁,y₁,z₁)，v₂＝(x₂,y₂,z₂)为I_i，I_j中对应的特征点，令z＝1，通过v₁，v₂之间的齐次线性变换关系，求得H中元素H_i,j的值，H是一个3×3的齐次矩阵；

5)采用结构保持变形算法，对粗配准后的图像进行变形，得到I_i'，I_j'；

6)采用Graphcut算法，查找I_i'，I_j'重叠区域的最佳缝合缝；

7)利用公式计算图像重叠区域中的特征点到缝合缝上像素点的距离，作为配准误差，其中v_f表示随机选取的特征点，m表示v_f的数量，v_s表示缝合缝上像素点，n表示v_s的数量；

8)重复步骤3)～步骤7)，计算所有可能的图像配准关系，将配准误差E(v)＜δ的特征点对保留下来，取δ＝100，对所有保留下来的特征点对合并，以此计算最终的图像配准关系，作为图像对I_i，I_j的最佳配准关系；

9)重复步骤8)，计算所有相邻图像对之间的最佳配准关系；

10)采用光束法平差算法，对所有的图像配准关系进行优化；

11)采用Graphcut算法，查找步骤10)中最终配准后图像I_c之间重叠区域的最佳缝合缝；

12)采用多波段融合技术实现图像I_c的无缝融合拼接。