研究领域

• 基于图像处理与深度学习的结构表观病害诊断
• 光测实验力学原理、方法及其应用
• 计算机视觉与摄影测量学原理与方法

1. 基于数字图像和深度学习技术的混凝土裂缝智能检测

裂缝检测是保障各类基础设施（如道路、桥梁、建筑、隧道等）服役安全的关键任务。随着深度学习的兴起，裂缝检测领域的研究逐步由采用传统图像处理技术转变为基于深度学习的方法进行检测。为开展混凝土裂缝检测任务，团队基于深度学习技术分别开发了目标检测模型和语义分割模型，实现了混凝土结构裂缝的有效检测，如下图所示。

2. 基于视觉图像的大型结构全场变形测量方法及应用

数字图像相关（Digital Image Correlation, DIC）技术在土木工程领域得到了广泛应用。单相机或双相机测量系统在视场与精度方面往往不能兼顾，通常需要采用多个相机方能观测整个试件。根据标定参数来获取各相机坐标系相对位置，从而获得结构全场变形数据。如图所示为团队开发的基于近景摄影测量的多相机标定系统，以及采用八相机测量系统获得的薄腹钢筋混凝土梁全场变形数据。

3. 面向复杂光照环境的图像特征鲁棒识别与追踪方法

户外长期测量过程中，视觉测量方法易受光照环境影响。针对这一问题，团队发展了基于同态滤波的圆形靶标鲁棒定位算法，该方法能够有效提高非均匀光照环境下圆形靶标定位精度，对于阴影遮挡情况同样具有良好的鲁棒性。此外，为降低复杂光照环境对结构位移测量的影响，设计了一种新型圆形图像特征，验证了不同光照环境下位移测量精度，并开展了相关试验，如下图所示。