桥梁作为交通运输的关键设施,在人们日常出行中起着至关重要的作用。但随着我国公路桥梁等基础建设总量的不断增加,桥梁表面会因货车超载、交通事故、建材老化等因素产生裂缝等病害,许多在役桥梁不断恶化损坏从而导致桥梁坍塌事故发生,需要对其状况进行定期监测和评估。而传统的裂缝检测存在受地形限制导致检测难度大、效率低和尺寸测量误差高等问题,并且以往的裂缝形态分割方法均是在无落叶、水渍、车道线等障碍物干扰的理想背景下,不符合实际桥梁图像中的自然属性,很难满足实际工程的需要。针对以上问题,本提出一种基于SOLOv2分割模型的桥梁裂缝分割及测量技术。首先,本文选用无人飞机作为辅助设备,使用可挂载相机加装三点激光仪进行裂缝测量,从而获取到带有物距参数的桥梁裂缝图像,且以无人机为工作平台进行检测可克服因地形造成的影响且不占据车道,能够适应恶劣的自然环境,减轻工作强度,降低作业风险。其次,本文通过基于SOLOv2的实例分割网络来构建裂缝形态智能提取的模型,可以在复杂背景下实现裂缝形态自动化提取,并且本文对原模型进行了一定的优化,提升了分割效果。具体做法是在原有的实例分割网络模型SOLOv2内引入注意力机制,提高了骨干网络的特征提取能力,解决了不同特征对最终的识别结果占比不同而产生损耗的问题,从而获得更完整的裂缝信息,裂缝形态分割效果更为理想。在桥梁裂缝形态单一情况下,本文引入注意力模块的SOLOv2实例分割算法在公开数据集和无人机自采数据集上形态分割提取能够实现87.3%的精准度,相比基线方法提升2.1%以上。再者,本文在进行桥梁裂缝尺寸测量时,本文算法借助外部传感设备结合图像测量的方法,通过无人机挂载相机及激光测距仪获取裂缝图片和距离信息之后,首先通过中轴计算方法进行裂缝骨架提取操作,获得满足桥梁裂缝宽度计算精度的裂宽等像素大小。然后,考虑裂缝多分布于平面上,相机成像平面可能与裂缝区域平面并不平行,存在一定的偏斜角度,故文本通过使用三点法来测量物距,只需测量不在同一直线上的三点物距,即可求得裂缝平面与相机成像平面的相对夹角关系,从而可以对图像像素解析度进行修正,最终可以实现裂缝实际物理尺寸的精确计算。通过实验结果表明,本文提出的基于图像测量手段在进行裂缝尺寸测量的方法计算出的数据与人工使用裂缝测量仪检测的数据相比所得结果相差较小,误差可在接受范围内,测量准确率可达到98%,可满足实际工程的需要,有良好的应用前景。