桥梁裂缝是常见的桥梁病害,桥梁裂缝测量是桥梁建成后养护桥梁的重要环节。传统的检测方法主要采用桥检车或者人工观测的方法,其检测存在较大盲区,而且检测可靠度较低。旋翼无人机在搭载摄像机或测量仪等检测设备后,可以近距离悬停观测待检测部位,对重点位置进行多角度重复拍摄,这种非接触观测桥梁病害方法,既提高检测效率,又降低了测量的危险系数、提高检测可靠性。但是基于微小型无人机平台的视觉检测方法由于动态视频采集,存在裂缝测量精度低、图像裂缝识别不准等弊端。针对动态视频检测的这些问题,本论文提出了一种基于微小型无人机平台的视觉系统的桥梁裂缝识别、测量方法,即基于改进的边界跟踪算法识别裂缝,再将图片深度信息与高精度裂缝图像融合,从而计算出裂缝尺寸信息,使这种微小型无人机视觉检测系统满足桥梁检测要求。本论文所做的主要工作是:(1)桥梁裂缝识别技术。主要介绍了裂缝图像预处理和处理后的裂缝识别方法。裂缝图像预处理即针对桥梁裂缝图像在无人机平台下动态采集过程中存在的一些问题,诸如曝光时间短带来的图像对比度较差、裂缝边缘不清晰,采用直方图均衡化进行灰度校正,自适应中值滤波进行滤波去噪,非锐化掩蔽和模糊复原对图像进行增强,Sobel算子对裂缝边缘进行提取,从而使得经过预处理后的裂缝图像中的待测裂缝区域和背景区域区别明显;在裂缝识别方面,使用改进的爬虫边界跟踪算法对经过预处理后的裂缝图片进行识别,有效避免了回溯跟踪情况,同时能够去除裂缝骨架短枝。(2)桥梁裂缝高精度测量技术。针对基于常规标定的摄影测量精度不能满足桥梁检测要求,改进相机标定方法。选用四次多项式来拟合成像平面像素当量模型,且通过标定实验拟合模型的系数。利用双目视觉深度信息与标定的非线性模型对图像进行高精度计算,获取裂缝尺寸参数。(3)无人机桥梁裂缝视觉测量技术验证。基于Windows下Visual Studio软件和OpenCV视觉库,根据本论文改进方法开发了一套能够识别桥梁裂缝、测量裂缝参数的软件,利用实验室研制无人机桥梁视觉检测系统,通过现场测试,获得了较好的实验效果,验证本论文所提算法的可行性。