基于無人機的仁新高速養護智能巡檢系統設計

蘭建雄，蘇義坤，譚 勇，潘 勇,歐鎮團

(1.廣東省南粵交通仁博高速公路管理中心仁新管理處，廣東 韶關 512600；2.東北林業大學 土木工程學院，黑龍江 哈爾濱 150040；3.廣州譽宸信息科技有限公司，廣州 廣東 510627)

0 引 言

隨著我國山區高速公路的建設發展，建設遇到的地形、環境也越來越復雜多樣化，不可避免的會遇到大量的高邊坡、橋梁等工程。而隨著外界環境的不斷變化影響，高速公路中的橋梁、高邊坡等關鍵位置參量發生改變，對這些變化進行巡查監測，制定相應維護和養護措施方案，對高速公路運營安全具有重大意義。目前，我國高速公路巡檢主要采用人工巡檢的方式。傳統的人工巡檢主要采用目測方式，巡檢結果的記錄一般采用手工記錄。但傳統的人工巡檢存在著危險系數高、巡檢不全面存在盲區、巡檢結果存在較大主觀因素，缺乏客觀科學性、巡檢結果數據庫儲存和系統管理不完善等弊端。傳統的巡檢方法和思維已不能適應新的項目形式、環境等情況的要求，因此迫切需要新的管理模式來適應這一要求。

近年來，隨著科技經濟的進步發展，對高速公路項目建設提出了更高的要求，交通運輸部提出“四個交通”建設，并把“智慧交通”作為四個交通發展的關鍵。探索設計智能化高速公路養護巡檢系統，是落實交通運輸部智能化高速公路建設科學高效的重要舉措。無人機作為智能化、信息化的重要載體，具有靈活輕便、快捷高效等優勢，被廣泛應用于各個領域。但目前在高速公路養護巡檢管理領域，仍處于初步探索階段，存在管理體制及技術手段不完善；智能化信息化程度不高；高速公路設施信息描述不規范；高速公路巡檢評估結果可信度較低等問題。現有學者利用GIS、激光點云、AR等技術對高速公路巡查系統進行設計與實現，為高速公路的巡檢養護管理提供了統一的平臺，相較于傳統人工巡檢更加的快捷高效，科學可靠。但很少有研究利用無人機技術對高速公路養護巡檢系統設計應用。本研究以仁新高速為研究對象，基于無人機攝影技術具有視角靈活、不收地形限制等優勢，以無人機攝影為主要技術手段，設計出一套完整的養護智能巡檢系統，及時發現異常/病害，提升高速公路管養智能化水平。

1 概況與需求

1.1 項目概況

廣東省仁化(湘粵界)至博羅公路仁化至新豐段是國家高速公路網“武漢至深圳高速公路”的重要組成部分，路線整體呈南北走向，路線全長163.933 km，共有特大橋、大橋31 503 m/85座，隧道27 705 m/14座，互通式立體交叉11處，分離式立體交叉3處，主線收費站1處，服務區3處，停車區3處，治超站1處。項目地處粵北山區，地形和地質條件極其復雜，橋隧比較高，土石方量大，高邊坡點多，運營安全風險大，養護巡查任務量大。

1.2 系統功能需求

本系統的設計是為了更高效、更安全、更便捷地對高速公路橋梁邊坡進行養護巡檢，實現對仁新高速公路巡檢工作的常態化智能管理。系統功能需求主要體現在以下幾個方面。

(1)系統用戶管理

對系統使用人員的用戶賬號與密碼、權限進行統一管理。

(2)無人機航拍管理

本高速公路巡檢系統借助無人機航拍進行路況圖像采集，利用無人機視角靈活、可懸停拍攝等特點可實現自主飛行、巡檢作業等功能。本系統需具備無人機機型選擇、無人機飛行航線規劃、無人機參數數據傳輸的功能。

(3)無人機圖像處理分析

系統可對無人機巡檢過程中拍攝到的圖像進行處理、分析。確保每張圖像都具備有效的屬性信息。

(4)巡檢任務管理

巡檢任務管理主要包括任務創建、任務保存、任務上傳、任務下載、任務執行五個方面。

(5)巡檢數據管理

利用無人機獲取采集到的數據是零碎、多樣、體積巨大的。系統應具備對大量數據可以處理分析、任務文件分類和存儲的功能。并可以運用曲線圖、柱狀圖等表示不同管理技術人員對問題異常的處理數據統計分析。

(6)系統基礎設置

系統基礎設置包括用戶管理、系統維護兩個方面。用戶管理是對用戶賬號、密碼進行管理，包括新增、刪除、修改等操作，對用戶權限進行設定。系統維護是對系統進行日常維護，并進行記錄。以滿足用戶的多樣化需求。

2 巡檢系統設計

2.1 系統總體架構

智能巡檢系統由Web端后臺管理平臺和巡檢APP兩個模塊組成。系統設計以網絡化可靠安全、穩定靈活、經濟創新為原則，系統總體框架分為四層：系統數據層、業務應用層、表現層、用戶層。智能巡檢系統總體架構如圖1所示。

圖1 巡檢系統總體架構圖

2.2 系統功能設計

在明確本巡檢系統需求的基礎上，設計出高速公路巡檢系統功能主要分為用戶登錄管理、無人機航拍管理、無人機航拍圖像分析處理、巡檢任務管理、數據智能管理、系統基礎設置六個功能模塊。系統功能框圖如圖2所示。

圖2 系統功能框圖

2.3 基于Faster R-CNN的圖像智能分析算法

Faster R-CNN進一步在Fast中加入了RPN網絡，為模型賦予了自動提取候選區域的能力。同時Faster R-CNN將RPN獲取得到的候選區域直接鏈接到ROI pooling層得到一個可端到端訓練的目標檢測框架。Faster R-CNN已經將特征抽取feature extraction，提取proposal，bounding box regression，classification都整合在了一個網絡中，使得綜合性能有較大提高，在檢測速度方面尤為明顯。

圖3 Faster R-CNN算法結構

3 結 語

本文提出了基于無人機攝影技術獲取多源圖像數據，對仁新高速養護巡檢的系統構建設計，對智能巡檢系統需求進行分析，論述了系統的總體結構、系統模塊和系統主要功能。該系統重點解決日常巡查中人員難以到達、有效檢測等問題，提升運營管養的能力，有效代替傳統的人工外業巡檢評估信息數據質量工作方式，加快了巡檢速度、確保了巡檢質量，使養護巡檢工作更加高效，獲取的檢測數據不受檢查人員責任心和經驗影響，更加客觀。促進了高速公路巡檢養護管理作業智能化、管理的科學化。系統應用效果良好，為高速公路巡檢養護決策提供了科學、有效的依據。