基于多视图三维重建的中小型桥梁裂缝识别研究.pdfVIP

摘要

在桥梁基础设施中，随着时间的推移，设施不可避免地会出现损伤，其中

表面裂缝是这类结构设施最常见的问题之一。结构受损，其性能就会受到影响，

严重情况下甚至可能危及结构的使用安全。因此，我们需要及时发现这些潜在

的风险，并采取维护措施，以确保设施的正常运行。然而，传统的裂缝检测方

法主要依赖于人工巡查，这种方法不仅耗时费力、效率低下，而且误差较大，

甚至存在检测人员的安全隐患。因此，我们需要开发一种全新的智能化自动检

测技术，以提高检测的效率和准确度，并同时保障人员的安全。

目前的自动化裂缝检测技术通常依赖于几种固定设备进行检测。然而，这

些方法受到多种限制的影响，例如设备的工作环境限制、硬件技术的滞后以及

操作人员的不当使用，这些因素往往会导致检测效果不理想。因此，本研究将

通过软件算法的手段，采用最新的检测算法，并进行改进，以提高裂缝检测技

术的效率、精度和鲁棒性，同时降低自动化裂缝检测的成本。

为了实现以上目标，本文主要分为以下几个方面展开研究：

基于计算机视觉和深度学习算法，结合最新的语义分割模型、深度可分离

卷积模块以及多种注意力机制等优化技术，提出了一种改进型双U型神经网络

模型，用于建筑结构表面裂缝的识别。实验结果显示，相较于改进前的模型，

该模型在检测精度和效率上均取得了显著提升：F1分数指标提高了3.32%，平

均交并比指标提升了2.04%，同时检测速度从原来的100毫秒量级大幅下降到

10毫秒量级。

在完成裂缝检测的同时，为了实现更准确的信息识别，我们期望能够获取

建筑的三维模型。因此，本文在多视角图像运动结构恢复三维重建算法基础上

进行了改进。鉴于传统的尺度不变特征变换算法存在的不足，我们采用了方向

性快速与旋转二进制算法进行特征提取，并结合基于网格的运动统计算法来优

化特征匹配过程，从而提升了算法的精度和效率。实验结果表明，改进后的三

维重建算法在匹配准确率和匹配耗时方面均有所提升：特征提取和匹配速度提

高了一个数量级，同时匹配准确性提升了1.8%。

为了综合应用上述两种改进方法以提升自动化裂缝检测的效果，选择了广

东省深圳市南山区北环高发人行天桥作为实验对象。实验过程包含两个主要步

骤：首先，使用改进的语义分割模型对采集到的建筑图像进行裂缝损伤的识别

和分割，从而获取相关的裂缝图片；其次，利用改进后的运动结构恢复三维重

建算法对序列图像进行处理，以获取桥梁的三维模型。将分割出的裂缝图像精

准地叠加到三维桥梁结构模型上，从而实现了对裂缝的准确定位。

关键词:桥梁结构；裂缝检测；深度学习；计算机视觉；三维重建

Keywords:bridgestructure,crackdetection,deeplearning,computervision,

three-dimensionalreconstruction

目录

摘要I

ABSTRACTII

第1章绪论3

1.1课题背景及研究的目的和意义3

1.1.1课题来源3

1.1.2选题背景3

1.1.3研究目的和意义4

1.2国内外研究现状4

1.2.1桥梁建筑裂缝检测研究现状4

1.2.2三维重建研究现状8

1.3本文的主要研究内容11

第2章改进的U2NET的裂缝识别方法13

2.1引言13

2.2卷积神经网络简介13

2.2.1输入层14

2.2.2卷积层14

2.2.3激励层15

2.2.4池化层17

2.2.5全连接层18

2.3改进的U2NET网络19

2.3.1U2Net网络结构19

2.3.2深度可分离卷积模块22

2.3.3注意力机制模块23

2.4裂缝数据集采集与预处理25

2.4.1裂缝数据集的采集25

2.4.2裂缝数据集的预处理28

2.5改进的模型训练与结果分析33

2.5.1