29、无人机监测与维护中的传感器、计算机视觉及信号处理

无人机监测与维护中的传感器、计算机视觉及信号处理

1. 传感器与计算机视觉应用

在结构监测与维护领域，不同类型的传感器被广泛应用。一些研究将定位问题视为优化问题，采用多项式混沌展开和随机优化方法。此外，还有研究利用非接触测量系统来进行测量，这种系统无需将传感器和电缆连接到结构上，就能收集信息，不会干扰结构本身。

计算机视觉在近年来得到了广泛探索，不过在结构健康监测（SHM）方面的应用仍处于起步阶段。多数相关工作聚焦于基础结构（如杆和板）或大型结构（如摩天大楼和桥梁）。例如，Jithin提出了一种分析轻细杆非接触振动的方法，传统方法可能会改变测试体的结构动力学，而该方法利用高速相机识别和监测杆的自然阻尼。对于难以安装仪器的结构，计算机视觉也能轻松估计其振动参数。Bartilson等人的工作采用了三种传感器（加速度计、应变仪、图像）来监测结构的跳动，证明了计算机视觉可准确确定固有频率。

2. 颤振认证方法

为了提升认证飞行，主要有两种方法。第一种方法致力于改进用于识别和监测气动弹性现象的软件，优化估计的数学模型，并提出提取动态特性的新方法。部分研究使用自回归移动平均（ARMA）、随机减量（RDD）和自然激励技术（NExT）等信号处理和动态系统识别技术的组合，以提高气动弹性不稳定性预测的准确性。

第二种方法侧重于数字信号处理，探索新的数据处理手段和方法。随着新技术的发展以及计算机系统的小型化和改进，新的飞行数据处理架构不断涌现。例如，DLR的研究人员开发了新的地面振动测试程序，降低了认证过程的成本。还有一种改进的传统认证飞行方法，将所有工具和工程师安排在被研究的飞机上。

3. 计算机视觉在飞行测量中的未来趋势