馮正坤 劉國懿 沈沛誠 盧卓成 蘇毅

南京林業(yè)大學(xué)，中國·江蘇 南京 210037

橋梁結(jié)構(gòu)；無人機；非接觸式視覺技術(shù)；結(jié)構(gòu)檢測；圖像處理

1 引言

橋梁是交通運輸系統(tǒng)的重要組成部分，為了維持橋梁結(jié)構(gòu)的健康工作狀態(tài)需要對橋梁進(jìn)行定期檢測。傳統(tǒng)上的橋梁結(jié)構(gòu)檢測是依靠專業(yè)的技術(shù)人員親臨現(xiàn)場，利用某種檢測方法對結(jié)構(gòu)病害的外在表現(xiàn)進(jìn)行檢測，例如用裂縫刻度尺和放大鏡量測裂縫寬度是最常用混凝土表面裂縫測量方法；或是利用傳感器與評價系統(tǒng)對結(jié)構(gòu)進(jìn)行實時的監(jiān)測，如布置光纖傳感器對橋梁的動力特性等進(jìn)行數(shù)據(jù)采集等[1]。如今人工結(jié)構(gòu)檢測難度不斷提高，而為大量橋梁結(jié)構(gòu)專門建立監(jiān)測系統(tǒng)成本過高。因此，尋找一種高效、安全可靠、低成本的檢測方式，對結(jié)構(gòu)檢測評估、制定加固方案有著積極的意義。

目前，無人機在結(jié)構(gòu)檢測方面已有了較多的應(yīng)用。以旋翼無人機為例，其具有操作簡單、環(huán)境適應(yīng)能力強等優(yōu)點，尤其適用于人工難以檢測的場合。然而。目前基于無人機非接觸式視覺技術(shù)的檢測方法技術(shù)新、經(jīng)驗少，技術(shù)不系統(tǒng)，較難開展進(jìn)一步研究。論文以無人機路線規(guī)劃、數(shù)據(jù)采集、分析評估為技術(shù)路線對這種檢測技術(shù)進(jìn)行總結(jié)與回顧，旨在為無人機應(yīng)用于結(jié)構(gòu)的無損檢測提供新思路與新啟發(fā)。

2 無人機檢測路線規(guī)劃

橋梁結(jié)構(gòu)作為現(xiàn)代交通的生命線工程，其規(guī)?？蛇_(dá)數(shù)千米，這就對檢測用無人機的持續(xù)工作能力提出了較高的要求。無人機的檢測需要向著智能化、自動化的方向發(fā)展，應(yīng)快速確定橋梁需要檢測的重要部位，進(jìn)行合理快速的路線規(guī)劃。

2.1 結(jié)構(gòu)重要部位的確定

為提高檢測效率，首要的任務(wù)就是確定橋梁結(jié)構(gòu)重要的待測部位。一般重要部位可利用力學(xué)分析、計算機模擬或根據(jù)規(guī)范方法來確定?！度S混凝土結(jié)構(gòu)“優(yōu)先開裂”裂縫開展全過程分析》[2]對混凝土梁裂縫開展全過程仿真分析，即基于有限元方法的“優(yōu)先開裂”準(zhǔn)則的混凝土開裂迭代流程。該方法通過對每個開裂點逐次進(jìn)行應(yīng)力釋放、剛度修正，并通過剛度矩陣局部修正方法計算開裂后結(jié)構(gòu)總體剛度矩陣，進(jìn)行結(jié)構(gòu)位移、應(yīng)力重分布。該迭代策略結(jié)合彌散裂縫模型可實現(xiàn)混凝土開裂精細(xì)化數(shù)值仿真。通過這樣的方法，可以實現(xiàn)快速判別危險點的位置?！豆窐蚝B(yǎng)護(hù)規(guī)范》[3]中則詳細(xì)規(guī)定了推薦的橋梁各部權(quán)重及綜合評定方法，可作為判斷重要部位的依據(jù)。

2.2 室外自動巡航

無人機自主巡線是快速完成檢測作業(yè)的重要保障，需結(jié)合檢測作業(yè)環(huán)境輔以傳感器監(jiān)測進(jìn)行自動巡航路線規(guī)劃?！禔 flexible reference point-based multi-objective evolutionary algorithm: An application to the UAV route planning problem》[4]研究了無人機在連續(xù)地形中移動的多目標(biāo)航線規(guī)劃問題，提出一種基于偏好的多目標(biāo)進(jìn)化算法，以實現(xiàn)總距離最小化，這種方法可以適用于待測點較多而且會根據(jù)檢測要求發(fā)生改變的情況，利用這種算法有助于無人機在確定檢測部位后快速進(jìn)行路線的規(guī)劃。

3 無人機的數(shù)據(jù)采集與分析

實現(xiàn)無人機結(jié)構(gòu)檢測，要求無人機能在調(diào)查過程中準(zhǔn)確地獲取圖像并且能夠?qū)D像進(jìn)行簡單的處理以獲得關(guān)鍵數(shù)據(jù)，并由計算機根據(jù)原始數(shù)據(jù)完成破壞情況的智能判別。

3.1 無人機飛行姿態(tài)穩(wěn)定性控制

為獲取清晰準(zhǔn)確的圖像，無人機應(yīng)具有擾動抑制能力。目前主要有兩類擾動抑制方法。第一類是基于系統(tǒng)動態(tài)模型的控制方法；第二類是采用閉環(huán)控制策略來抑制擾動的基于擾動觀測器（簡稱DOB）控制方法?！痘诩铀俣确答佋鰪姷男頍o人機抗風(fēng)擾控制》[5]提出了一種使用加速度反饋數(shù)據(jù)進(jìn)行控制的方法，利用狀態(tài)傳感器獲得無人機的擾動（包括外力擾動以及內(nèi)部擾動）基本信息，推算擾動和系統(tǒng)之間的關(guān)系，以此實現(xiàn)擾動抑制。

3.2 數(shù)據(jù)的采集

傳統(tǒng)上的無人機都是靠搭載的吊艙里的攝像機進(jìn)行圖像數(shù)據(jù)采集的。隨著計算機處理能力的提高，傾斜攝影技術(shù)[6]得到了更加廣泛的應(yīng)用，這種圖像采集技術(shù)可以對無人機在傾斜角度下拍攝得到的畸變照片進(jìn)行矯正以滿足后續(xù)圖像處理的要求，能夠幫助在某些結(jié)構(gòu)發(fā)生嚴(yán)重傾斜的情況下快速準(zhǔn)確地獲取信息。

4 圖像的分析與評估方法

4.1 尺寸測量方法

裂縫是混凝土結(jié)構(gòu)破壞的直接表現(xiàn)形式之一，結(jié)構(gòu)的安全性受裂縫的長度、寬度、分布情況影響較大。有關(guān)如何利用無人機以及圖像識別技術(shù)進(jìn)行裂縫尺寸的測量，可總結(jié)出一種目前應(yīng)用較為廣泛的測試方法，在已獲得原始圖像的情況下，裂縫尺寸的計算應(yīng)分為圖像預(yù)處理和尺寸測量兩個部分進(jìn)行：首先對采集到的圖像通過一種基于改進(jìn)的SFC 結(jié)合法的圖像處理方法進(jìn)行處理，利用Canny[7]算子完成裂縫邊緣特征的確定，接著通過閾值分割的方式裂縫圖像轉(zhuǎn)化為只有黑白兩色的二值圖像。然后利用圖像數(shù)值化的方法[8]，將處理后的裂縫輪廓二值圖像上的每一個像素點進(jìn)行位置標(biāo)定，便可獲得任意兩點之間的像素個數(shù)，通過與實際參照物的大小比對就可以計算出某特定方向上的裂縫尺寸。

4.2 圖像分析方法

當(dāng)完成尺寸計算后，就需要對測得結(jié)果進(jìn)行分析以及進(jìn)行結(jié)構(gòu)安全性評估。根據(jù)裂縫進(jìn)行判斷與評估主要分為兩種模式：其一為根據(jù)裂縫的尺寸判斷結(jié)構(gòu)構(gòu)件的技術(shù)狀況；即根據(jù)《公路橋涵養(yǎng)護(hù)規(guī)范》中規(guī)定的不同形式的橋梁裂縫寬度容許值以及根據(jù)對應(yīng)的技術(shù)狀況評定標(biāo)準(zhǔn)，將無人機測得的裂縫寬度值與規(guī)范的規(guī)定進(jìn)行比對便可以得到相關(guān)的評估結(jié)果。其二為根據(jù)裂縫的分布模式判斷結(jié)構(gòu)構(gòu)件的破壞模式。隨著計算機技術(shù)的發(fā)展，有關(guān)利用計算機進(jìn)行裂縫模式的識別與對比的研究也正在開展。例如，2017年，加拿大的曼尼托巴大學(xué)的Young-Jin Cha 教授與麻省理工的Oral Buyukozturk 教授利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行裂縫識別[9]，使用了四萬張裂縫照片進(jìn)行卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練，實現(xiàn)了了98%的準(zhǔn)確率。表明使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行裂縫識別相較于傳統(tǒng)的Canny和Sobel 邊緣檢測算法相比具有更高的準(zhǔn)確性，對環(huán)境的變化也具有更好的魯棒性，適用于復(fù)雜多變的工程環(huán)境。

4.3 無人機針對橋梁支座病害的檢測方法

橋梁支座的病害是對橋梁使用影響較大的病害之一，橋梁長期受到偏心荷載、水平荷載的作用或者受到地震、沖擊等偶然荷載作用都有可能發(fā)生支座位移或者制作損壞。隨著計算機技術(shù)與人工智能技術(shù)的發(fā)展，由人工智能進(jìn)行支座破壞情況的判斷準(zhǔn)確率已經(jīng)接近甚至超過人類。因此，利用圖像識別技術(shù)與卷積算法進(jìn)行支座的檢測已經(jīng)具有了相當(dāng)?shù)膶嵱眯浴?/p>

《基于圖像處理的橋梁支座病害自動識別關(guān)鍵技術(shù)研究》[10]提出了一種基于圖像識別的橋梁支座檢測方法，針對橋梁支座圖像的特點，指出在保證橋梁支座的病害特征在圖像處理后不改變的前提下，可運用圖像處理的手段實現(xiàn)訓(xùn)練數(shù)據(jù)庫的擴增，并進(jìn)行深度卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，采用遷移學(xué)習(xí)技術(shù)提高了神經(jīng)網(wǎng)絡(luò)的識別精度。基于卷積神經(jīng)網(wǎng)絡(luò)和無人機圖像識別的橋梁支座病害自動識別技術(shù)有希望通過學(xué)科交叉結(jié)合形成一種更具優(yōu)勢的橋梁支座檢測方法，使橋梁支座的檢測更加高效。

5 結(jié)論與展望

綜上所述，論文對無人機非接觸式視覺在橋梁結(jié)構(gòu)檢測中技術(shù)要點進(jìn)行了綜述。概括為：無人機檢測路線規(guī)劃、數(shù)據(jù)采集、結(jié)果分析評估，并將之整理為明確的技術(shù)路線，旨在對通過對現(xiàn)有技術(shù)的分析和總結(jié)為后續(xù)的研究指出可能存在的問題和研究方向。經(jīng)過分析，目前無人機非接觸式視覺在橋梁結(jié)構(gòu)檢測領(lǐng)域還存在以下關(guān)鍵問題需展開深入的研究:

（1）無人機檢測可利用5G技術(shù)實現(xiàn)長距離操作、圖像實時云端存儲、實時處理等功能，但目前還鮮有此方面的研究。

（2）目前無人機僅能借助圖像進(jìn)行檢測，應(yīng)配置輔助操作工具進(jìn)行其他檢測內(nèi)容，使其檢測功能更完善。

（3）還需研發(fā)二次開發(fā)的商業(yè)軟件或編寫并行有限元程序自動判斷各種結(jié)構(gòu)的檢測重點部位。