基于无人机及YOLOX视觉算法的大跨度钢结构吊装过程位移监测

作     者：李万润 范博源 赵文海 杜永峰 LI Wanrun;FAN Boyuan;ZHAO Wenhai;DU Yongfeng

作者机构：兰州理工大学防震减灾研究所兰州730050 兰州理工大学甘肃省土木工程减震隔震国际科技合作基地兰州730050 兰州理工大学西部土木工程防灾减灾教育部工程研究中心兰州730050 

出 版 物：《振动与冲击》 (Journal of Vibration and Shock)

年 卷 期：2024年第43卷第17期

页      面：61-70页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 08[工学] 081104[工学-模式识别与智能系统] 081402[工学-结构工程] 0804[工学-仪器科学与技术] 081304[工学-建筑技术科学] 0813[工学-建筑学] 081101[工学-控制理论与控制工程] 0814[工学-土木工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金资助项目(52068049,51568041) 兰州理工大学红柳杰出人才基金(HLLUT2022-003) 甘肃省杰出青年基金(21JR7RA267) 

主　　题：大跨度钢结构 无人机 图像拼接 YOLOX视觉算法 位移监测 

摘      要：在大跨度钢结构吊装施工过程中,节点位移及结构变形关系到吊装施工的安全和质量。对于传统接触式监测方法存在的耗时、耗力且维护费用高等问题,提出了一种以无人机为载体的非接触式监测方式。首先,针对大跨度钢结构吊装过程中无人机近距采集视角受限的问题,采用Harris图像拼接算法进行全景拼接,并与图像加权融合相结合,消除图像拼接中产生的不利光标及拼接缝,实现整体、高精度的大跨度结构图像的无缝拼接;其次,采用加入卷积块注意力机制(convolutional block attention module, CBAM)的YOLOX视觉算法解决复杂背景下不同像素面积的小目标图像识别、坐标提取和位移监测;最后,对四种不同检测模型进行对比评估,并通过对比实验室不同工况试验和实际工程验证该方法在施工环境下对大跨度钢结构测点位移监测的可行性。试验结果表明,加入CBAM注意力机制的YOLOX检测模型的平均精度及置信度均优于其他三种网络模型,且视觉识别的位移信息与Leica全站仪的误差均在亚毫米级内,满足实际工程精度的要求,实现了复杂背景下的小目标位移监测,具备较高的经济效益和广泛的应用前景。