桥梁的运营期安全评估是维持桥梁健康运行和提供维修养护意见的重要举措。混凝土材料的表面裂缝通常是其内部存在缺陷或者发生结构性损伤的重要标志，因此对桥梁表观裂缝检查和评估是桥梁健康监测的重要内容。目前传统的人工巡检方法不可避免地面临着效率低、搭乘设备昂贵、可到达性不足以及评价结果受检测人员的素质及主观性影响大，结果的可靠性无法评估等问题。
目前计算机科学和数字图像分析技术的发展，使得机器视觉得到广泛应用，加上民用无人机技术的成熟，以无人机为平台的移动机器视觉方法应用于桥梁表观损伤检测，伴随着操作简便、运动灵活、不需要依附条件、可搭载传感器丰富、巡视效率高、使用成本较低等诸多优点，探索基于无人机平台的桥梁表观裂缝检测移动机器视觉方法，具有重要工程应用意义。
桥梁表观损伤移动机器视觉检测系统整体框架如图1 所示，主要包括移动数据采集模块、飞行及数据采集遥控指令站和数据处理模块。基于无人机平台优秀的灵活性和可通过性，系统以无人机作为原始数据采集装置的载具，通过各传感器获得桥梁表观图像以及拍摄参数，经过图像裂缝的像素分割以及像片尺度标定，输出裂缝图像以及量化结果。
3、相机的尺度标定，即图像像素尺度到桥梁表面实际物理尺度的转换。
由于无人机在飞行过程中难以避免的振动和受气流影响的摇晃，为保证巡检过程中获得稳定清晰的原始图像，需要在无人机的传感器搭载支架上增设图像稳定云台系统。
常用的相机标定方法是在相机视野内采用在被拍摄表面粘贴标定板这类尺度标记物或者约束拍摄时相机运动与拍摄参数，此类方法无法适应在移动状态下无法粘贴参照物以及与拍摄对象相对位置信息会改变的情况。
因此我们探索一种基于相机成像几何模型融合激光测距传感器信息，可以在无标定物的情况下适应于外界拍摄参数改变的情况下能实时进行像素尺度标定的方法。
同时，为了校正因拍摄角度带来的倾斜误差，我们采用三条相交于一点的测距射线，获取相机与拍摄表面的相对方位信息，计算图像倾斜角度。
数据采集装置包括高清摄像机、标定好夹角的三线激光测距仪、采样同步配适模块以及数据存储器。数据存储器主要用于记录相机摄制的高清原始桥梁表面图像和拍摄时的相机参数以及各激光射线长度。飞行及数据采集遥控指令站用于调整飞行平台飞行轨迹及姿态，并在稳定的位置发出数据采集指令并调节拍摄角度与焦距。数据处理模块根据接收的图像、相机参数以及激光测距传感器参数，进行图像识别分割以及裂缝的量化评定。
其中对于图像的裂缝识别及分割，我们首先采用基于2D-APES增强的裂缝识别算法进行高效率的裂缝图像筛选，大大降低裂缝像素分割的工作量。由于图像处理技术对裂缝目标的提取通常伴随着形态学操作以及阈值分割导致的对完整裂缝像素不可逆损坏。对于包含裂缝的图像，我们采用带空洞卷积的编-解码器结构的
Deeplab v3+语义分割网络，通过大量裂缝图像样本 训练好的Deeplab v3+语义分割网络实现精确像素分割的裂缝。最后根据建立的尺度转换模型以及倾斜校正参数，实现裂缝的最终量化评价。
对于本方案的关键技术的详细介绍，将在后文中继续推出。
