具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

一种基于LiDAR的无人机桥底检测系统，如附图1所示，包括：

无人机：用于完成飞行功能，并为其他模块提供载体；

LiDAR采集及导航模块：包括GPS单元和惯性测量单元，用于对所述无人机进行定位，并获取障碍信息与桥梁三维信息；LiDAR采集及导航模块为一种固态激光雷达设备。

图像采集模块：包括广角相机和存储器，用于对检测区域的情况进行拍摄并储存；

传输模块：用于传输所述障碍信息、桥梁动态变化量和所述图像采集模块采集的图像信息；

地面控制中心：用于对接收到的信息进行处理，制定飞行路线，检测异常区域并对其进行评估；

所述无人机通过搭载固态激光雷达设备和广角相机进行现场信息的采集，并通过所述传输模块将采集到的信息传输至所述地面控制中心。

首先将广角相机用专用的固定支架通过螺栓安装于无人机顶部，再将固态激光雷达设备固定在支架上。需要检测固态激光雷达设备的扫描范围是否会被无人机身遮挡，若发生遮挡，则应当适当调整固态激光雷达的倾斜角度，或使设备沿固定支架整体向外移动。

进一步优化方案，固态激光雷达中的惯性测量单元用于扫描桥梁、桥底面、支座在内区域的三维点云信息，并形成三维点云数据。

进一步优化方案，所述LiDAR采集及导航模块还包括数据处理单元，所述数据处理单元用于对所述惯性测量单元扫描得到的三维点云数据进行检测。通过降噪方法对所述三维点云数据进行检测，用于定位所述桥梁长度、宽度、深度、高度以及位置信息，以获取所述障碍物信息和所述桥梁动态变化量。

检查激光雷达设备扫描得到的点云数据是否满足检测要求，包括两种方法。其一，首先需检查无人机辆静止状态下的激光雷达自身震动情况，应当避免仪器运转时的自身震动，这一条件就足以干扰后续实验数据。若震动不满足要求，可以在激光雷达设备与固定支架之间添加橡胶垫片等缓冲材料来降低其震动影响。其次，需校验三维点云数据的可视范围及其点间距。检测方法为使无人机前移一小段距离，获得一段平面扫描数据，从而判定激光雷达设备的可视范围。其二为手持高反射率材料的标志，沿线扫描来回移动，人工观察高反射值点的所在位置来判定点云数据的可视范围。最后，需调整激光雷达中激光扫描仪的角度，应使扫描线尽量保持与无人机身中轴线垂直，且其滚动角应当尽量归零。

采用上述方法所获得点云数据总量过于巨大，一般10m左右的点云数据就超过50万点，因此，需要采用高效的降噪方法对点云数据进行处理。采用的方法为对每一帧点云数据采用统计滤波器，相比而言，单帧点云数据的数据一般不超过4500点，且各点均在同一个平面内，可以按位置的先后顺序进行计算，避免点云数据无序化带来的计算困难。本发明所采用的降噪方法原理为：对每一个点搜索指定邻域点个数的相邻点，计算每个点到其相邻点的距离平均值，并计算这些平均值距离的均值和标准差。由于点云数据中两点间距一般符合高斯分布，故如果某个点到其相邻点的距离平均值大于最大距离，则认为该点是噪点，将其从数据中剔除掉。最大距离的计算公式为：

L＝M+k*σ

其中L为两点间可容许最大距离，M为各点距离平均值的均值，k为标准差放大系数，σ表示各点距离平均值的标准差。为了尽可能保留真实数据，本实施例中k的取值为3。

当数据处理通过三维点云数据进行空间测量，定位包括桥梁长度、宽度、深度、高度以及位置信息，通过对前后两次采集的激光三维扫描数据进行对比，以获取桥梁动态变化量。

传输模块传输障碍信息、桥梁动态变化量和图像采集模块采集的图像信息；传输模块通过无线通信的方式，例如4G、5G和wifi网络将信息传输至地面控制中心。

进一步优化方案，所述地面控制中心包括处理单元和检测定位单元和异常评估单元；

所述处理单元用于将接收到的图像进行校正，并根据接收到的所述障碍物信息制定所述无人机的飞行路线；

所述检测定位单元用于对检测出的异常区域进行定位；

所述异常评估单元用于所述异常区域的异常情况进行评估。

进一步优化方案，所述处理单元对接收到的图像进行校正，去运动模糊和图像增强，根据采集到的两桥墩之间的图像进行拼接操作，形成大尺度高清图像。

进一步优化方案，所述检测定位单元用于检测所述大尺度高清图像中的墩柱缺陷、柱身倾斜、桥底面裂纹、伸缩面不平的问题，并对其进行定位。

进一步优化方案，所述异常评估单元根据桥梁出现的问题，进行裂缝测量及密度分析，最终得到桥梁的故障类型。

首先，地面控制中心会根据接收到的障碍物信息进行无人机飞行路线的规划，通过获取无人机的位置和当前的姿态，以及利用激光雷达获取无人机周围360°障碍物点云数据，进行避障和路径规划。对于两个桥墩之间的无障碍物区域，无人机将会按照规划的路径进行巡航。如果遇到复杂障碍物，利用激光雷达计算里程数对无人机进行定位，在无人机本身精确定位的条件下，实现避障，规划处最优飞行路径。

其次，为了得到高分辨率的桥梁底面影像，再利用广角相机的拍摄过程中，应维持拍摄距离，因此在无人机飞行时，采用恒定高度水平面飞行，避免了无人机靠近桥梁底面时过近引起的拍摄影像不清晰或因风力变化使无人机不稳定，采用3米左右的拍摄距离进行拍摄。

当地面控制中心接收到拍摄的影像时，进行预处理操作，主要是对影像进行校正、增强和去运动模糊、消除不均匀光照，以得到高清无畸变的桥梁底面影像。由于无人机拍摄的每幅影像的视觉范围有限，因此需要通过图像拼接方式获取大视野的桥梁底面影像以进行故障的检测。

利用点云数据和影像数据拍摄时的关系获取两个桥墩间的所有影像数据。此步主要是依靠影像拍摄和激光点云的同步扫描关系，每拍摄一幅影像，可以对应有一系列的激光点云。通过点云可以知道所拍摄影像离桥墩的距离。通过设定的无人机离桥墩的安全距离为依据，无人机两次到达此安全距离之间所有的影像为两个桥墩间的所有影像，得到许多的影像集合。

得到完整的桥底影像之后，通过检测定位单元对其进行全面检测，包括墩柱缺陷、柱身倾斜、桥底面裂纹、伸缩面不平等问题。通过获取的点云数据能够对扫描过的桥梁进行三维重建，检测定位单元根据重建后的模型进行测量，检测出桥梁上的缺陷及缺陷所对应的位置。

最后根据出现的缺陷问题及定位信息，通过异常评估单元来确定桥梁故障的类型，并对安全隐患进行分类，然后通知管理人员及时进行修缮工作。

本发明产生了以下有益效果：

(1)本发明的桥底检测系统以无人机为平台，成本低、效率高、可靠性高、灵活性大，且检测时间不受限制，同时通过避障信息的检测，提高了无人机飞行的安全性；

(2)本发明系统采用激光扫描桥梁的三维信息，获得三维点云数据，通过对三维点云数据的处理，能够实现对桥梁的多维度检测，并能够准确定位桥梁缺陷的具体位置，与传统检测相比，本发明所述设备可以获取更为全面的桥梁信息。

(3)本发明系统通过对前后两次采集数据进行对比，能够动态检测桥梁变化量，有效地指导工人进行维护作业。

以上所述的实施例仅是对本发明优选方式进行的描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。