徐 昊， 彭雪村， 盧志芳

(1. 武漢理工大學(xué) 土木工程與建筑學(xué)院， 湖北 武漢 430070； 2. 武漢理工大學(xué) 道路橋梁與結(jié)構(gòu)工程湖北省重點實驗室， 湖北 武漢 430070)

裂縫是危害橋梁結(jié)構(gòu)安全的重要病害，對裂縫幾何形態(tài)尤其是寬度的測量是橋梁檢測的重要內(nèi)容。傳統(tǒng)的檢測方法主要基于人工視覺檢測，需要搭建腳手架、掛籃或者使用專門的橋梁檢測車，耗費的人力物力較大，檢測效率較低，同時會妨礙交通運營，而檢測效果往往依賴于檢測人員的經(jīng)驗豐富程度。對于大型橋梁，傳統(tǒng)檢測方法常常需要將檢測人員送到某些危險的位置，存在較大安全隱患[1]。無人機技術(shù)的出現(xiàn)提供了消除上述傳統(tǒng)檢測方式弊端的新方案。利用遠程控制或自動飛行的無人機進行橋梁檢測，具有成本低、靈活性高的優(yōu)勢[2]，可以有效提高橋梁檢測的水平。

文獻[3-4]分別基于視覺伺服方法和模糊控制方法研究了無人機在橋梁檢測中的控制策略；文獻[5-6]研究了無人機在橋梁等大型工程結(jié)構(gòu)檢測中的應(yīng)用，分析了影響視覺檢測質(zhì)量的因素；文獻[7]分析了無人機橋梁檢測的安全隱患，并提出了應(yīng)對策略；文獻[8]設(shè)計了基于旋翼無人機的橋梁裂縫快速掃描及識別算法；文獻[9]將三維重建技術(shù)與無人機技術(shù)結(jié)合，實現(xiàn)了結(jié)構(gòu)檢測中損傷位置的精確定位；文獻[10]通過框選平均值法，利用裂縫的面積除以計算長度得到平均寬度，但這種方法不能求得裂縫的最大寬度；文獻[11]采用最小距離法，人工確定裂縫的上下緣，計算上緣各點到下緣所有點的距離，得到每點的最大寬度與平均寬度，該方法自動化程度低且計算量較大；文獻[12]通過內(nèi)切圓直徑近似計算裂縫各位置的寬度，該方法在裂縫較細時難以精確求得各位置的內(nèi)切圓，同時在裂縫曲率較大的位置易造成較大誤差。而且上述研究在病害的識別上主要還是依靠人工，同時無法實現(xiàn)裂縫病害的自動、定量測量，檢測效率較低，并且上述研究的圖像傳輸方案采用的是模擬信號傳輸或wifi傳輸，傳輸質(zhì)量、距離及實時性難以滿足工程要求，因此有必要研究適用于無人機的橋梁裂縫自動檢測方案。

本文設(shè)計一種利用四旋翼無人機進行橋梁裂縫寬度自動測量的方案，包括無人機系統(tǒng)設(shè)計，攝像系統(tǒng)設(shè)計和數(shù)字圖像處理方法。在無人機系統(tǒng)設(shè)計中，基于無人機型號與動力學(xué)模型搭建了旋翼無人機的硬件平臺，能夠滿足穩(wěn)定懸停、預(yù)定航線巡檢、遠程控制、安全冗余的要求；在攝像系統(tǒng)設(shè)計中，通過對攝像機矯正、像素物理尺寸標(biāo)定、物距測量等步驟獲取裂縫圖像及輔助信息，并提出一種低成本的數(shù)字圖像傳輸方式，滿足關(guān)鍵圖像的實時傳輸；在數(shù)字圖像處理方法中，設(shè)計了一種裂縫寬度自動測量的算法，利用中值濾波、拉普拉斯濾波器對圖像進行去噪，通過閾值劃分、孤立點消除的方式獲取完整的裂縫二值圖像，通過改進的框選法實現(xiàn)裂縫寬度的測量。

1 無人機系統(tǒng)設(shè)計

1.1 無人機選型

小型民用無人機通常可分為固定翼、旋翼、撲翼及無人飛艇等類型[13]。固定翼無人機效率較高、續(xù)航能力強，適用于長巡航時間要求的場合，但是不能穩(wěn)定懸停或小半徑轉(zhuǎn)彎；撲翼無人機是人們借鑒鳥類與昆蟲飛行方式設(shè)計的仿生飛行器，目前研究尚處于起步階段，在工程應(yīng)用中較少；旋翼無人機可以穩(wěn)定懸停，在較短的飛行時間內(nèi)可以沿各方向自由飛行。

四旋翼無人機是旋翼無人機中最為常見的一種，相比于單、雙旋翼，四旋翼具有更好的飛行控制性能，機動性能良好；相比于六旋翼、八旋翼，四旋翼具有更低的能耗，同等條件下續(xù)航能力更強。

1.2 四旋翼無人機動力學(xué)模型

動力學(xué)模型描述了飛行器系統(tǒng)的行為隨時間的變化，將無人機視作剛體，則無人機的空間位置可以由包括平動與轉(zhuǎn)動的6個參數(shù)精確描述，飛行器的空間狀態(tài)示意如圖1。

定義飛行器的空間坐標(biāo)為：

Q=ξ,ηT=x,y,z,ψ,θ,φT

(1)

式中:ξ為飛行器相對于大地坐標(biāo)系的空間位置；η為飛行器相對于大地坐標(biāo)系的空間姿態(tài)；ψ，θ，φ分別為歐拉偏航角、歐拉俯仰角、歐拉滾轉(zhuǎn)角。

由歐拉-拉格朗日方法建立四旋翼無人機的動力學(xué)模型，飛行上所受力與力矩如圖2。則四旋翼無人機的動力學(xué)模型為：

(2)

式中：f為無人機上作用的豎向合力；τφ，τθ，τψ分別表示繞θ，φ，ψ的力矩。

圖1 四旋翼無人機空間狀態(tài)Fig.1 Spatial state of quad-rotor UAV

圖2 四旋翼無人機受力和力矩示意Fig.2 Force and moment acting on an quad-rotor UAV

圖3 四旋翼無人機系統(tǒng)實物圖(1為四旋翼無人機，2為地面站，3為遙控裝置)Fig.3 Practicality picture of quad-rotor UAV system (1-quad-rotor UAV; 2-ground station; 3-remote control)

1.3 無人機系統(tǒng)硬件平臺搭建

應(yīng)用于橋梁檢測的無人機系統(tǒng)在飛行動力、飛行控制、圖像獲取、飛行安全及信號穩(wěn)定性方面需要滿足一定要求。在飛行動力方面，需要具備大載重量、長時間續(xù)航的能力；在飛行控制方面，需要具備穩(wěn)定懸停、姿態(tài)調(diào)整、視距外控制、路徑規(guī)劃、即時定位的能力；在圖像獲取方面，要具備成像穩(wěn)定清晰、實時傳輸?shù)哪芰?；在飛行安全方面，需要具備避障、突發(fā)情況應(yīng)急處理的能力[14]；在信號穩(wěn)定性方面，控制與圖像傳輸信號需要在鋼筋混凝土結(jié)構(gòu)的屏蔽下正常工作。針對上述要求并考慮飛行器動力學(xué)特性，搭建了四旋翼無人機橋梁檢測硬件平臺，見圖3和4。

圖4 四旋翼無人機系統(tǒng)硬件組成Fig.4 Hardware design of quad-rotor UAV system

飛行動力：采用軸距為550 mm的碳纖維機架，配備14寸碳纖維槳、6S/20000 mAh鋰電池，電機選用3508(KV380)型號，電子調(diào)速器選用40A型號，穩(wěn)定載質(zhì)量可達到5.8 kg，滿足橋梁檢測相關(guān)儀器的負載要求；滿載情況下，飛行時間可達40 min。

飛行控制：以STM32F427作為主控板，采用ARM Cortex M4架構(gòu)，利用MPU6050加速度計/陀螺儀、氣壓計等傳感器，獲取飛行器實時的三軸加速度及偏轉(zhuǎn)角，通過式(2)可以實現(xiàn)無人機的穩(wěn)定懸停與姿態(tài)調(diào)整。利用電子羅盤與GPS獲取飛行器的實時空間位置，實現(xiàn)巡檢路徑的規(guī)劃與實時定位。試驗表明在環(huán)境條件相對穩(wěn)定時，GPS的定位精度與信號穩(wěn)定性可以滿足要求。地面站使用CC2500模塊向無人機發(fā)送指令，并通過5.8 GHz的圖像傳輸設(shè)備獲取攝像機的拍攝場景，監(jiān)視飛行狀態(tài)，完成視距外對無人機的控制。

圖5 無人機檢測結(jié)構(gòu)裂縫Fig.5 Detection of cracks in structures using UAV

圖像獲取：采用鷹眼5S運動相機，攝像清晰度1 080 P，有效照相像素1 200萬。相機懸掛于三軸增穩(wěn)云臺上，在飛機抖動時保持相機穩(wěn)定，同時當(dāng)相機軸線與目標(biāo)不垂直時，利用云臺三軸的舵機，調(diào)整相機x，y，z軸上的偏轉(zhuǎn)角，調(diào)整相機的姿態(tài)。圖像實時傳輸方案見2.4節(jié)。

飛行安全：以 STM32F103作為安全協(xié)處理器，設(shè)置冗余的16位微陀螺儀、14位微加速度計，并配有安全電源，以應(yīng)對飛行突發(fā)情況。上述無人機系統(tǒng)對工程結(jié)構(gòu)的實地測量如圖5。

信號穩(wěn)定性：對橋梁跨中底部等相對封閉混凝土構(gòu)筑物進行檢測時，可能存在無人機遠程控制信號受阻隔的問題，目前國內(nèi)外對此尚無明確可靠的理論分析，且實際的信號傳輸效果受場地影響較大。文獻[15-16]研究了電磁波在鋼筋混凝土結(jié)構(gòu)中傳播的衰減規(guī)律，表明鋼筋混凝土結(jié)構(gòu)對高頻信號的耦合度較高，頻率較高的信號可以繞過周期性鋼筋的局部不均勻區(qū)域進行傳播，且更不易落入頻率截止區(qū)，因此高頻信號在鋼筋混凝土中的傳播相對容易。考慮到檢測區(qū)域均非絕對封閉，且混凝土厚度的增加對信號的衰減影響較小，設(shè)計的無人機系統(tǒng)的控制頻率(2.4 G)，圖像傳輸頻率(5.8 G)可以滿足橋梁和其他大體積混凝土構(gòu)筑物檢測的一般需求?，F(xiàn)場試驗表明，設(shè)計的無人機系統(tǒng)對箱型拱橋進行檢測時，控制信號無明顯延遲，圖像傳輸畫面穩(wěn)定、清晰。對于建筑高度較大的橋梁，可以考慮設(shè)置信號中繼站進行無線信號的增益。

2 攝像系統(tǒng)設(shè)計

無人機橋梁檢測系統(tǒng)需要同時滿足精確度與效率的要求。橋梁檢測的精確度要求較高，因此獲取的圖像必須經(jīng)過矯正，以消除相機本身的拍攝誤差。檢測效率依賴于檢測系統(tǒng)的自動化程度，為實現(xiàn)通過圖像對裂縫進行自動測量，需要獲得每幅圖像的像素物理尺寸，同時為了及時獲得檢測信息，檢測系統(tǒng)應(yīng)當(dāng)具備關(guān)鍵圖像的實時傳輸能力?；谝陨弦?，設(shè)計如下的攝像系統(tǒng)。

2.1 相機畸變矯正

圖像的畸變是由于攝像系統(tǒng)的成像與實際物體的空間關(guān)系不能嚴格滿足中心投影模型，相機的鏡頭畸變可分為徑向畸變與切向畸變。徑向畸變由透鏡的形狀引起，即透鏡表面的徑向曲率變化不均勻，導(dǎo)致光線在遠離透鏡中心的地方比靠近透鏡中心的地方更彎曲，常見的徑向畸變有筒形畸變、枕形畸變。切向畸變由相機的安裝引起，即安裝缺陷導(dǎo)致的透鏡主軸與圖像平面不平行[17]。

無人機機載相機通常使用廣角鏡頭，因此獲得的圖像往往枕形畸變嚴重(圖6(a))，矯正采用棋盤格標(biāo)定法，利用Matlab的Camera Calibrator工具箱進行矯正，矯正的原始圖像為不同角度拍攝的11張棋盤格圖像(圖7)，矯正平均誤差為1.28 pixel。經(jīng)過徑向、切向矯正后的圖像見圖6(b)。

圖6 圖像畸變矯正Fig.6 Image distortion correction

圖7 矯正后計算所得的多角度拍攝相機位置Fig.7 Multiplane calibration camera locations after corrected by calculating

圖8 像素物理尺寸-物距擬合曲線Fig.8 Fitting curves of physical size of pixel-object distance

2.2 像素物理尺寸標(biāo)定

為了實現(xiàn)裂縫寬度的數(shù)字圖像測量，需要獲取圖像的像素物理尺寸(mm·pixel-1)，采用平行線測量的方法，具體為:用矯正好的相機對間距為10，20，30，40，50 mm的標(biāo)準(zhǔn)平行線進行拍攝，保證相機主軸與平行線標(biāo)定板垂直，調(diào)節(jié)拍攝距離從100 mm變化至500 mm，步長為100 mm；對拍攝得到的圖像進行處理，分別獲取同一物距下不同間距平行線的像素物理尺寸，并做算術(shù)平均，擬合得到像素物理尺寸關(guān)于物距的函數(shù)曲線。本文采用HuaWei CMOS相機(2 336×4 160)與鷹眼5S相機(3 024×4 032)分別經(jīng)過上述處理流程，擬合得像素物理尺寸關(guān)于物距的函數(shù)曲線，如圖8。

2.3 物距測量

利用像素物理尺寸-物距曲線獲得各圖像的像素物理尺寸時，需要已知物距，因此在拍攝圖像的同時需要獲取相機到物體的距離，采用超聲波測距方式，設(shè)計了主板及從板。從板置于相機正下方，主板放置在地面站，主板與從板間通過nrf24l01模塊進行無線通信，有效通信距離達2 000 m。超聲波測距裝置與圖像傳輸裝置通過SPI協(xié)議進行通信，保證物距測量與下文的圖像傳輸同時進行，在接收圖像的同時獲取對應(yīng)的物距信息。

橋梁檢測通常需要實時反饋信息，以便檢測人員及時作出調(diào)整，因此需做到地面站與飛行器同步獲取檢測信息，傳統(tǒng)的5.8 G圖像傳輸方式，可以做到地面站實時接收機載相機畫面，但由于這種傳輸方式采用模擬信號傳輸，對圖像進行了壓縮，使得地面站接收到的圖像失真嚴重，而高清數(shù)字圖傳COFDM成本較高且分辨率受限。

圖9 圖像傳輸系統(tǒng)結(jié)構(gòu)Fig.9 Structure diagram of image transmission system

針對以上圖像傳輸方式的不足，設(shè)計了針對無人機橋梁視覺檢測的圖像傳輸系統(tǒng)，將模擬圖像傳輸流暢、實時性好、成本低廉的優(yōu)勢，與數(shù)字圖像傳輸信號失真小的特點相結(jié)合，具體為：在飛行觀測部分，仍采用5.8 G模擬圖像傳輸，選用TS832+RC832模塊，有效傳輸距離1 500 m，用于飛行概況的整體規(guī)劃；對于裂縫圖像等需要進行數(shù)字圖像處理的關(guān)鍵圖像，采用2.4 G數(shù)字信號傳輸，選用AS01-ML01DP5模塊，模塊芯片為nrf24l01，有效傳輸距離2 000 m，空中最大傳輸速率為2 M/s，對于1 200萬像素相機的圖像可在1～2 s完成傳輸，模塊與相機之間通過STM32 mini板連接，mini板MCU為STM32F407ZGT6,mini板配有64 Mb Flash及16 G SD卡，可以緩存多張圖像。圖像傳輸系統(tǒng)見圖9。

圖10 攝像系統(tǒng)采集得到的裂縫圖像Fig.10 Images acquired by camera system

圖11 數(shù)字圖像處理流程Fig.11 Process for digital image processing

2.4 工程實踐

利用上述攝像系統(tǒng)對江蘇省鹽城市亭湖區(qū)新躍進橋的裂縫進行了實地圖像采集，相機為鷹眼5S(配廣角鏡頭)，圖像的原始尺寸均為3 024×4 032，拍攝圖像104張，總計227 MByte。攝像系統(tǒng)的地面站設(shè)置在距離橋梁120 m的高地，圖像遠程傳輸最大距離為150 m，平均傳輸速率為1.91 M/s。矯正后圖像見圖10。

3 數(shù)字圖像處理方法

規(guī)范[18]對于橋梁裂縫寬度有明確要求：梁體不允許產(chǎn)生豎向裂縫，縱向裂縫最大允許寬度為0.2 mm。傳統(tǒng)的無人機裂縫檢測系統(tǒng)中，對于采集到的裂縫圖像，由檢測人員進行人工甄別，確定結(jié)構(gòu)的病害，這種方式處理效率低下、主觀性大，且對于裂縫損傷，精度難以達到要求。

圖12 圖像數(shù)字處理結(jié)果Fig.12 Image digital processing

針對橋梁裂縫的復(fù)雜噪聲(水漬、陰影等)，設(shè)計了一種適用于無人機采集的裂縫圖像的處理算法：首先通過模板較大的中值濾波器去除圖像的大面積噪聲，隨后通過拉普拉斯濾波器對裂縫的邊緣進行增強，并抑制背景噪聲，再通過模板較小的中值濾波器去除點狀噪聲，接著通過最大類間方差法(Otsu)[19]對圖像進行閾值分割，分割后的圖像再通過連通域的幾何特征消除孤立區(qū)域，最后結(jié)合上一章節(jié)的像素物理尺寸信息，計算得到裂縫的實際寬度。圖像處理流程見圖11，各步驟處理結(jié)果見圖12。

3.1 中值濾波

混凝土橋梁的材料特性及服役環(huán)境導(dǎo)致其表面裂縫圖像通常包含復(fù)雜噪聲。混凝土本身的微裂縫會影響裂縫識別與測量精度；橋面裂縫的塵土填塞物會模糊裂縫與背景的界限，影響裂縫的識別，而路面指示標(biāo)識、伸縮縫在圖像中均屬于線性結(jié)構(gòu)，不進行處理可能導(dǎo)致分割失??；腹拱、拱圈、橋墩部分的裂縫往往會有滲水[20]，水漬本身顏色與裂縫接近且分布范圍較大，直接分割會使得裂縫寬度大于真實值；拍攝的光照條件不理想帶來的光斑與陰影會使得裂縫的重構(gòu)不完整。因此，橋梁裂縫的圖像在進一步處理前應(yīng)當(dāng)進行去噪處理。

圖13 中值濾波處理過程Fig.13 Median filter processing

Fujita等[21]研究發(fā)現(xiàn)，中值濾波對于去除混凝土裂縫的背景噪聲效果良好，尤其對于光照不均引起的陰影、光斑，滲水部分的水漬等噪聲效果顯著。中值濾波器的濾波效果與濾波器的模板大小有關(guān)，模板越大則濾波圖像越模糊，背景減除后面積較大的塊狀噪聲將被去除，模板越小則濾波圖像與原圖像越接近，背景減除后面積較小的點狀噪聲將被去除。中值濾波處理過程見圖13。

圖14 拉普拉斯濾波器Fig.14 Laplacian filter

3.2 邊緣增強

經(jīng)過較大模板的中值濾波器濾波后，圖像上將會存在大量噪點，分布在裂縫周邊的噪點使得裂縫邊緣不夠清晰，因此需要對噪點進行抑制，同時增強邊緣。高通濾波器可以達到邊緣提取與強化的效果，通過拉普拉斯算子構(gòu)造了高通濾波器(見圖14)[22],對圖像濾波并歸一化處理后，保留直方圖前一部分的像素(取前5%)以達到邊緣提取、噪聲抑制的作用。

3.3 孤立點消除

經(jīng)過閾值分割的裂縫圖像，通常存在孤立的噪點，通過分析二值圖像連通域的幾何特征，對孤立的噪點或噪塊進行消除，具體方法為：計算每一個連通區(qū)域Li的面積Ai、最小外接圓半徑Ri、最小外接矩形的長a和寬b，設(shè)定孤立點的判斷標(biāo)準(zhǔn)為：連通域的最小面積限制,Ai≤Alim;連通域的線性度限制[23],定義連通域的線性度LE=ab/(πR2)≤LElim。

圖15 裂縫寬度計算Fig.15 Calculation of crack width

3.4 裂縫寬度計算

經(jīng)過閾值劃分、裂縫生長后，得到了完整的二值化裂縫圖像,以縱向發(fā)展的單裂縫圖像為例，介紹所設(shè)計的計算裂縫寬度的方法，具體方法為：

3.5 綜合應(yīng)用

為驗證提出的圖像處理方法對混凝土結(jié)構(gòu)裂縫的有效性與精度，對江蘇省鹽城市境內(nèi)的多處混凝土結(jié)構(gòu)工程的裂縫進行圖像采集，包括梁橋(大慶橋)，拱橋(新躍進橋)，斜拉橋(迎賓橋)，海堤護坡(濱?？h)，泵站進水池護坡、翼墻、擋土墻、防洪閘(北坍翻水站)等。對采集到的圖像進行處理，結(jié)果與Otsu方法進行對比(見圖16)，不同方法得到的裂縫寬度測量結(jié)果見表1。

通過對比發(fā)現(xiàn)，當(dāng)裂縫與背景的灰度值差異較大且背景噪聲較小時，Otsu方法與本文算法的精度相近；但當(dāng)裂縫與背景的灰度接近，或者背景本身的紋理復(fù)雜時，Otsu方法的分割效果無法滿足測量要求，但是該算法仍然表現(xiàn)出良好的魯棒性。該算法在提取裂縫時，可能會遺漏部分細微的裂縫，但是針對橋梁混凝土結(jié)構(gòu)的裂縫檢測要求，本文算法的檢測精度可以滿足工程需要。

表1 不同方法測量的裂縫最大寬度比較Tab.1 Comparison of crack width measurement mm

圖16 不同圖片處理方法得到的混凝土裂縫Fig.16 Concrete cracks obtained by different image processing methods

4 結(jié) 語

設(shè)計了基于四旋翼無人機的橋梁裂縫半自動檢測系統(tǒng)，從無人機平臺和攝像系統(tǒng)的設(shè)計及數(shù)字圖像處理等方面介紹了無人機橋梁檢測的實現(xiàn)方法與原理。

在無人機平臺設(shè)計中，針對橋梁檢測需求進行了無人機選型；針對檢測系統(tǒng)的動力、控制、安全要求，結(jié)合旋翼無人機的動力特性，設(shè)計了四旋翼無人機的硬件平臺。在攝像系統(tǒng)設(shè)計中，通過相機的矯正提高測量的精度，借助像素物理尺寸標(biāo)定、物距測量獲取裂縫圖像自動測量的輔助信息，設(shè)計了一種圖像無線傳輸方案，提高了裂縫檢測的效率。在數(shù)字圖像處理中，針對橋梁裂縫的成像特點與檢測要求，提出了一種基于中值濾波、邊緣增強、形態(tài)學(xué)處理的橋梁裂縫圖像處理方法。初步測試表明，該系統(tǒng)可以進行懸停檢測、定點巡檢、裂縫寬度自動測量，算法的魯棒性良好。

[1] ELLENBERG A, BRANCO L, KRICK A, et al. Use of unmanned aerial vehicle for quantitative infrastructure evaluation[J]. Journal of Infrastructure Systems, 2015, 21(3): 04014054.

[2] LIU P, CHEN A Y, HUANG Y N, et al. A review of rotorcraft unmanned aerial vehicle (UAV) developments and applications in civil engineering[J]. Smart Structures & Systems, 2014, 13(6): 1065- 1094.

[3] METNI N, Hamel T. A UAV for bridge inspection: Visual servoing control law with orientation limits[J]. Automation in Construction, 2007, 17(1): 3- 10.

[4] SAYFEDDINE D, BULGAKOV A, EMELIANOV S, et al. Inspection of flyover bridges using quadrotor[C]∥International Symposium on Automation and Robotics in Construction and Mining, 2015.

[5] HALLERMANN N, MORGENTHAL G. The application of unmanned aerial vehicles for the inspection of structures[C]∥PLSE-First International Conference on Performance-based and Life-cycle Structural Engineering, 2012.

[6] HALLERMANN N, MORGENTHAL G. Visual inspection strategies for large bridges using unmanned aerial vehicles (UAV)[C]∥7th International Conference on Bridge Maintenance, Safety and Management, IABMAS, 2014.

[7] AVENDANO J, OTERO L D, COSENTINO P. Towards the development of a complex structural inspection system using small-scale aerial vehicles and image processing[C]∥Systems Conference. IEEE, 2013: 420- 425.

[8] MAGSINO E R, CHUA J R B, CHUA L S, et al. A rapid screening algorithm using a quadrotor for crack detection on bridges[C]∥Region 10 Conference (TENCON)—Proceedings of the International Conference. IEEE, 2016: 1829- 1833.

[9] WEFELSCHEID C, HNSCH R, HELLWICH O. Three-Dimensional building reconstruction using images obtained by unmanned aerial vehicles[J]. ISPRS-International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2012, XXXVIII-1/C22(1).

[10] 葉貴如, 周青松, 林曉威. 基于數(shù)字圖像處理的表面裂縫寬度測量[J]. 公路交通科技, 2010, 27(2)： 75- 78. (YE Guiru, ZHOU Qingsong, LIN Xiaowei. Measurement of surface crack width based on digital image processing[J]. Journal of Highway and Transportation Research and Development, 2010, 27(2): 75- 78. (in Chinese))

[11] 劉學(xué)增,葉康. 隧道襯砌裂縫的遠距離圖像測量技術(shù)[J]. 同濟大學(xué)學(xué)報(自然科學(xué)版), 2012, 40(6)： 829- 836. (LIU Xuezeng, YE Kang. A long-distance image measuring technique for crack on tunnel lining[J]. Journal of Tongji University(Nature Science), 2012, 40(6): 829- 836. (in Chinese))

[12] 裴耀東, 劉志文. 基于數(shù)字圖像處理的混凝土裂縫寬度檢測[C]∥第25屆全國結(jié)構(gòu)工程學(xué)術(shù)會議論文集, 2016. (PEI Yaodong, LIU Zhiwen. Detection of Concrete Crack Width based on Digital Image Processing[C]∥25thProceedings of the National Conference on Structural Engineering, 2016. (in Chinese))

[13] 洛扎諾, 陳自力, 蔚建斌, 等. 無人機: 嵌入式控制[M]. 北京： 國防工業(yè)出版社, 2014. (LOZANO R， CHEN Zili, WEI Jianbin, et al. Unmanned aerial vehicles embedded control[M]. Beijing: National Defence Industry Press, 2014. (in Chinese))

[14] 亞力克斯·埃利奧特. 無人機玩家DIY指南[M]. 北京： 人民郵電出版社, 2016. (ELLIOTT A. Build your own drone manual[M]. Beijing: Posts and Telecommunications Press, 2016. (in Chinese))

[15] 劉韜. 電磁波在鋼筋混凝土墻中傳輸特性的有限元分析[D]. 西安： 西安電子科技大學(xué), 2010. (LIU Tao. Research on the propagation properties of electromagnetic waves in reinforced concrete wall with finite element method[D]. Xi’an: Xidian University, 2010. (in Chinese))

[16] 楊明珊, 孟小超, 邱志勇， 等. 基于FDTD 的鋼筋混凝土墻對通信信號衰減研究[J]. 鄭州大學(xué)學(xué)報(工學(xué)版), 2014, 35(3)： 60- 64. (YANG Mingshan， MENG Xiaochao， QIU Zhiyong, et al. Study on attenuation of reinforced concrete walls on communication signals based on FDTD[J]. Journal of Zhengzhou University (Engineering Science) , 2014, 35(3): 60- 64. (in Chinese))

[17] 布拉德斯基, 克勒. 學(xué)習(xí)OpenCV(中文版)[M]. 于仕琪, 劉瑞禎, 譯. 北京: 清華大學(xué)出版社, 2009. (BRADSKI G, KAEHLER A. Learning OpenCV[M]. Translated by YU Shiqi, LIU Ruizhen. Beijing: Tsinghua University Press, 2009. (in Chinese))

[18] JTG H11—2004 公路橋涵養(yǎng)護規(guī)范[S]. 北京： 人民交通出版社， 2004. (JTG H11—2004 Code for maintenance of highway bridges and culvers[S]. Beijing: China Communication Press, 2004. (in Chinese))

[19] OTSU N. A threshold selection method from gray level histograms[J]. IEEE Transactions on Systems Man & Cybernetics, 1979, 9(1): 62- 66.

[20] 葉文亞, 劉仲訓(xùn), 李國平. 混凝土橋梁常見病害與裂縫形態(tài)[C]∥中國交通土建工程學(xué)術(shù)研討會. 2006.(YE Wenya, LIU Zhongxun, LI Guoping. Common diseases and cracks fracture morphology of concrete bridges[C]∥China Transportation and Civil Engineering Symposium, 2006. (in Chinese)))

[21] FUJITA Y, HAMAMOTO Y. A robust automatic crack detection method from noisy concrete surfaces[J]. Machine Vision and Applications, 2011, 22(2): 245- 254.

[22] GONZALEZ R C, WOODS R E, EDDINS S L. 數(shù)字圖像處理的MATLAB實現(xiàn)[M]. 2版. 阮秋琦， 譯. 北京: 清華大學(xué)出版社, 2013. (GONZALEZ R C, WOODS R E, EDDINS S L. Digital image processing using MATLAB[M]. 2nd ed. Translated by RUAN Qiuqi. Beijing: Tsinghua University Press, 2013. (in Chinese))

[23] 張德津, 李清泉, 陳穎, 等. 基于空間聚集特征的瀝青路面裂縫檢測方法[J]. 自動化學(xué)報, 2016, 42(3): 443- 454. (ZHANG Dejin, LI Qingquan, CHEN Ying, et al. Asphalt pavement crack detection based on spatial clustering feature[J]. Acta Automatica Sinica, 2016, 42(3): 443- 454. (in Chinese))