李孟军 郭运冲
(河南大学,河南 开封475000)
随着国内建筑行业的快速发展,早期建设的高层建筑物表面会出现裂缝,影响建筑物的正常使用。表面裂缝可发展成具有破坏性的深长裂缝,进而影响建筑物的整体性[1],及时发现建筑物表面裂缝并加以维护,能够为建筑物的质量评估提供一定的参考和依据,有利于降低修复的成本,保障建筑与人身的安全[2]。目前以建筑物表面裂缝为代表的质量安全隐患大多以人工方式进行检查,人工检查效率较低且检测结果不客观,检测人员的主观因素影响较大,无法满足智能化的建筑物裂缝检测需求。总体来说,传统建筑物裂缝图像采集与处理技术仍处于基础阶段,功能不够全面。本文针对高层建筑物表面裂缝图像难以获取及墙面裂缝背景复杂等问题,提出一种基于无人机的建筑物表面裂缝图像采集与处理系统。
该系统主要包括主控制系统、图像采集装置、辅助照明系统、姿态控制系统、定位控制系统、图像无线传输、地面站图像处理系统。控制系统采用STM32F103ZET6 作为主控芯片[3],利用图像传感器OV7670 与强光光源组成裂缝图像采集系统,搭载MPU6050 六轴传感器用于检测无人机的飞行姿态并进行偏航角的控制,基于S1216F8-BD 模组与光流模块的无人机定位控制系统,通过nRF24L01 无线收发模块进行通信控制与图像数据传输,采用地面站MATLAB 图像处理工具对建筑物表面裂缝图像进行分析处理。系统总体结构框图如图1 所示。
图1 系统总体结构框图
系统采用ST 公司系列产品STM32F103ZET6 芯片作为无人机核心处理控制芯片,该芯片拥有的资源包括:64KB SRAM、512KB FLASH、2 个基本定时器、4 个通用定时器、2 个高级定时器、2 个DMA 控制器、3 个SPI、2 个IIC、5 个串口、1 个USB、1个CAN、3 个12 位ADC、1 个12 位DAC、1 个SDIO 接口、1 个FSMC 接口以及112 个通用IO 口。该芯片在STM32F103 里面配置非常强大,所以选择它作为无人机图像采集控制系统的主控芯片。
本系统的图像传感器采用OmniVision 公司的OV7670 模块,该传感器体积小、工作电压低,提供单片VGA 摄像头和影像处理器的所有功能。通过SCCB 总线控制,该传感器VGA 图像最高达到30 帧/秒。用户可以完全控制图像质量、数据格式和传输方式。OmmiVision 图像传感器应用独特的传感器技术,通过减少或消除光学或电子缺陷如图案噪声、拖尾、浮散等,提高图像质量,得到清晰稳定的彩色图像。控制部分通过对OV7670图像传感器寄存器的读写方式完成摄像头模块的初始化,将采集到的图像数据先存储在AL422B 芯片中,通过SCCB 接口对AL422B 芯片进行读写,将图像数据传输到STM32 微控制器中,图像数据通过无线模块发送到地面站。
本系统姿态控制部分采用InvenSense 公司的MPU6050 芯片,该芯片内部整合了3 轴陀螺仪和3 轴加速度传感器,并可利用自带的数字运动处理器硬件加速引擎,通过主IIC 接口,输出姿态解算后的数据。飞行器采集图像中,姿态传感器实时获取飞行器的状态信息,将实际姿态数据传送给控制器,通过无线通讯模块将遥控器的设定数据与实时目标数据进行对比,根据姿态信息结合控制算法计算控制器输出的PWM 信号,保持飞行器稳定飞行。
本系统可以根据建筑物场景需求选择定位、高度传感器。如果建筑物地面周围纹理明显,可以采用PMW3901 光流传感器负责测量水平移动,PMW3901 是PixArt 公司最新的高精度低功耗光学追踪模组,可直接获取xy 方向运动信息,VL53L1X 激光传感器负责测量距离,VL53L1X 是ST 公司的激光测距传感器,该芯片集成了激光发射器、SPAD 红外接收器、物理红外滤波器和光学元件,无论目标颜色和反射率如何,都可以进行距离测量,其抗干扰能力更强。如果是飞行高度较高、地面无明显特征的情况,可以采用GPS 进行定位控制,核心采用SkyTraq 公司的S1216F8-BD 模组,具有167 个通道,追踪灵敏度高达-165dBm,测量输出频率最高可达20Hz。从而能判断当前的速度和位置,发送信息到控制端。
本系统的无线通信传输采用nRF24L01 模块,nRF24L01 是一款工作在2.4~2.5GHz 世界通用ISM 频段的单片无线收发器芯片。无线收发器包括:频率发生器、增强型SchockBurstTM 模式控制器、功率放大器,晶体振荡器、调制器、解调器。输出功率、频道选择和协议的设置可以通过SPI 接口进行设置。该模块抗干扰性能强,传输距离远,采用高效GFSK 调制,126 频道可满足多点通信和调频通信需要,低功耗1.9-3.6V 工作,待机模式状态下电流22uA,具有低工作电压、低功耗和便于开发等特点,控制与图像数据传输部分选择nRF24L01 具有很大的优势。
在掌握建筑物裂缝特征基础上,结合使用无人机和图像处理技术,通过分析无人机传输到地面站的图像,使用MATLAB软件平台,智能快速地对建筑物表面裂缝进行特征检测,以便及时地处理和修复建筑物表面的裂缝。通过对建筑物表面裂缝采集、图像预处理、图像边缘检测和提取、图像二值化、图像特征测量等,实现了一种智能的建筑物裂缝图像采集处理系统。图像处理流程如图2 所示。
图2 图像处理流程图
搭建好完整的无人机图像采集系统后,适当调整图像传感器、辅助光源的角度与位置,通过无线传输可以在地面站查看采集到的裂缝图像,根据图像的质量适当调整成像效果,直至裂缝图像清晰。地面站图像处理系统是基于MATLAB R2019a,MATLAB 图像处理工具箱内置了数字图像处理的基本函数和通用算法,同时提供了可用于二次开发的程序编译平台。对采集到的建筑物裂缝图像进行处理,其结果如图3 所示。
图3 图像处理结果图
本文介绍设计了一种基于STM32 的建筑物表面裂缝图像采集与处理系统,详细分析了飞行器的结构方案和地面站数字图像处理方案,解决了传统人工检测效率低、结果误差大等问题。通过飞行器采集图像,对裂缝图像进行数字图像处理,实验证实该系统工作稳定,可有效的实现建筑物表面裂缝图像采集及图像处理,有较高的实用价值。