26、裂缝检测与无人机建模技术解析

裂缝检测与无人机建模技术解析

1. 裂缝自动检测方法

在当今社会，民用基础设施面临诸多挑战，如日常车辆交通和极端天气条件。这些因素可能导致结构恶化和损坏，甚至引发灾难性坍塌，造成重大的社会经济损失。因此，自动检查和维护在未来至关重要。为了进行质量评估，需要持续识别和监测混凝土建筑上的裂缝。

随着廉价设备的普及，基于图像处理的技术越来越受欢迎，但这些技术需要对大量数据进行严格分析。而且，图像中裂缝的检测仍然是一项具有挑战性的任务，因为裂缝结构对噪声和环境条件变化很敏感。

为了解决这些问题，研究人员提出了一种自动检测图像中裂缝的方法，并在异构高性能架构上进行并行实现，旨在实现整个过程的自动化并减少执行时间。

1.1 数学模型

变分方法在图像分割和边缘检测等问题上取得了成功。例如，Mumford和Shah提出的一阶泛函，通过分段光滑函数近似图像并检测图像强度的奇异点作为边缘。然而，这种模型不适用于裂缝检测，因为裂缝不是强度函数的奇异点，而是其梯度的奇异点。

因此，研究人员提出了基于Blake - Zissermann（BZ）泛函的二阶变分模型。该模型旨在克服MS方法的一些局限性，如过分割和无法检测梯度不连续性。由于原始公式不适合数值处理，研究人员采用了Ambrosio和Tortorelli对MS泛函的近似方法，引入两个辅助函数来指示强度不连续和梯度不连续集。

数值最小化算法采用“不精确”的块坐标下降方案（BCD），以适应异构环境。同时，由于模型的解对边界条件的依赖较弱且能量上接近初始数据，研究人员采用了分块方案来处理非常大的图像，将局部解合并得到全局最小化结果。

1.2 数值结果