由于铁路桥梁所处环境恶劣、受到疲劳荷载、高速行驶列车的冲击作用等因素,桥梁铆钉会经常发生病害。实际工程中,铆钉病害主要通过桥梁维护人员上桥定期巡查或借助望远镜目视检测,这种检测方法成本高、效率低、检测结果主观性强、可能危及桥梁维护人员的生命安全。近年来,人工智能快速发展,基于计算机视觉的无损检测法越来越成熟,本课题基于无人机平台、计算机视觉技术和深度学习算法研究铁路钢桁架桥梁铆钉病害的全场智能检测方法,主要研究内容如下:（1）基于超高分辨率的全景图像拼接技术。依托无人机搭载高清云台相机,规划合理飞行航迹,获取桥梁局部超高分辨率航拍图像;针对背景冗余信息对图像拼接干扰,分别研究适用于普通分辨率图像和超高分辨率图像的前景提取方法;通过SIFT特征点匹配计算相邻图像间的单应性矩阵,进而完成桥梁二维图像拼接,展示桥梁结构全场信息,为铆钉病害全场定位提供依据。（2）基于深度学习的铆钉锈蚀病害全场智能识别方法。基于桥梁全景图像制备铆钉锈蚀病害专用数据集;搭建深度学习模型SSD进行锈蚀特征提取与智能识别;针对铆钉目标小、检测精度低的问题,研究提高模型检测精度方法;基于桥梁铆钉空间分布规律的先验信息,优化算法,实现铆钉病害类型精准判别与定位;通过铆钉子图像与全景图像信息关联,完成锈蚀铆钉在桥梁全场的定位。（3）基于倾斜摄影的桥梁三维实景模型重构方法研究。依托无人机平台采集三维模型重构数据集;针对太阳光造成的桥梁背光侧阴影,研究图像局部增强方法,实现对图像特定区域增强处理;研究基于倾斜摄影的三维模型重构原理,基于影像POS数据和像素坐标生成三维密集点云,进而实现桥梁的三维实景模型重构,更加形象直观地展示桥梁构件信息。