基于無(wú)人機(jī)的橋梁常規(guī)檢測(cè)智能化研究進(jìn)展

王盛 杜斌

摘 要：隨著橋梁總數(shù)的不斷增長(zhǎng)，橋梁檢測(cè)的市場(chǎng)需求越來(lái)越大，常規(guī)的檢測(cè)方法難以滿足，于是基于無(wú)人機(jī)的橋梁智能化檢測(cè)手段應(yīng)運(yùn)而生。本文從無(wú)人機(jī)安全飛行研究與智能化檢測(cè)研究?jī)蓚€(gè)方面進(jìn)行分析總結(jié)，該類型研究處于起步階段，未來(lái)必將大有所為。

關(guān)鍵詞：無(wú)人機(jī);橋梁工程;常規(guī)檢測(cè);智能化

中圖分類號(hào)：U446.2? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? 文章編號(hào)：1006—7973（2021）11-0157-03

1引言

據(jù)交通運(yùn)輸部統(tǒng)計(jì)從2010年到2020年十年時(shí)間里，公路橋梁增長(zhǎng)了26.1萬(wàn)座共計(jì)91.28萬(wàn)座[1]，當(dāng)橋梁投入運(yùn)營(yíng)后，通常每2-3年內(nèi)會(huì)經(jīng)歷一次常規(guī)檢測(cè)，由于我國(guó)橋梁存量巨大，于是產(chǎn)生了巨大的檢測(cè)需求。當(dāng)下的傳統(tǒng)檢測(cè)方式工作效率低下、檢測(cè)范圍小、檢測(cè)成本高[2]。于是嘗試引進(jìn)新設(shè)備及技術(shù)來(lái)升級(jí)檢測(cè)方式，其中利用無(wú)人機(jī)搭載設(shè)備，結(jié)合智能化技術(shù)對(duì)橋梁進(jìn)行檢測(cè)最為熱門(mén)，憑借無(wú)人機(jī)的機(jī)動(dòng)靈活可擴(kuò)大檢測(cè)范圍，借助智能化檢測(cè)技術(shù)可降低檢測(cè)成本、提高檢測(cè)效率，滿足我國(guó)對(duì)于橋梁常規(guī)檢測(cè)的需求。

2安全飛行研究

應(yīng)用于橋梁檢測(cè)的無(wú)人機(jī)通常需要面對(duì)復(fù)雜多變的環(huán)境，如何保證其安全飛行成為該研究領(lǐng)域的基本前提，學(xué)者們提出兩種不同的防護(hù)方式，分別是增加輔助硬件或改變飛行器結(jié)構(gòu)實(shí)現(xiàn)物理防護(hù)、借助計(jì)算機(jī)技術(shù)實(shí)現(xiàn)智能避障軟防護(hù)。

2.1物理防護(hù)

在物理防護(hù)改造中，都是利用多旋翼無(wú)人機(jī)作為改造平臺(tái)，其飛行速度適中、易定點(diǎn)懸停、有較大的改造空間。Takahiro等[3]，在無(wú)人機(jī)頂部安裝三自由度的力控制器，用以調(diào)整無(wú)人機(jī)的姿態(tài)及位置，從而避免無(wú)人機(jī)撞擊橋梁底板，如圖1所示。Sanchez等[4]，給無(wú)人機(jī)安裝旋翼緩沖保護(hù)裝置，可使無(wú)人機(jī)安全地貼近梁底飛行，即使碰撞到橋梁也能安然無(wú)恙，如圖2所示。Myeong等[5]，設(shè)計(jì)了無(wú)人機(jī)傾斜機(jī)構(gòu)，并在無(wú)人機(jī)的四個(gè)旋翼位置安裝滾輪，通過(guò)PID控制飛行姿態(tài)，實(shí)現(xiàn)垂直墻壁飛行和沿弧形構(gòu)件表面飛行，極大提高無(wú)人機(jī)的通過(guò)性、平穩(wěn)性和安全性，如圖3、4所示。

2.2智能軟防護(hù)

在利用計(jì)算機(jī)技術(shù)實(shí)現(xiàn)智能避障的軟防護(hù)研究方面有較多的方案，張?zhí)煲韀6]利用兩臺(tái)攝像機(jī)成像的立體視覺(jué)技術(shù)，成功設(shè)計(jì)了無(wú)人機(jī)障礙快速識(shí)別及躲避策略。馬躍濤[7]提出了基于超聲波測(cè)距、單攝像頭測(cè)距、被動(dòng)式陣列磁感應(yīng)天線裝置的多源信息融合算法，提升了無(wú)人機(jī)對(duì)于障礙物的感知能力。張陣委[8]提出一種在光線不足或沒(méi)有光線情況下，利用深度相機(jī)構(gòu)建3D地圖，從而實(shí)現(xiàn)避開(kāi)障礙物的智能防護(hù)辦法。

3檢測(cè)智能化研究

3.1變形檢測(cè)研究

傳統(tǒng)橋梁變形檢測(cè)常依賴于全站儀或水準(zhǔn)儀，這導(dǎo)致檢測(cè)效率低、檢測(cè)投入成本高，于是學(xué)者們開(kāi)啟了對(duì)變形檢測(cè)方式的改進(jìn)探索，Ellenberg等[9]，首次嘗試了基于無(wú)人機(jī)的3D slam技術(shù)變形測(cè)量，并成功在室外完成了可行性測(cè)試。Daniel等[10]利用無(wú)人機(jī)攝像頭采集三維數(shù)字圖像，以非接觸光學(xué)測(cè)量的方式來(lái)檢測(cè)橋梁的幾何形變，且在兩座現(xiàn)役橋梁上取得了較好的表現(xiàn)。鐘文韜[11]提出了新型視覺(jué)測(cè)量方案，其選用固定參考點(diǎn)建立平面單應(yīng)性變換，校正了由于無(wú)人機(jī)運(yùn)動(dòng)引起的虛假變形，使得變形測(cè)量結(jié)果更加準(zhǔn)確。

3.2表觀病害識(shí)別研究

目前應(yīng)用于橋梁表觀病害識(shí)別的方法多種多樣，如圖像處理技術(shù)、計(jì)算機(jī)視覺(jué)技術(shù)、深度學(xué)習(xí)算法等，它們?cè)趯?shí)際測(cè)試中均取得了不錯(cuò)的效果，但仍有改進(jìn)和優(yōu)化的余地。齊超[12]提出基于圖像處理與測(cè)量技術(shù)的梁底裂縫檢測(cè)方法，并開(kāi)發(fā)了梁底裂縫識(shí)別測(cè)量軟件。姚學(xué)練[13]開(kāi)展了復(fù)雜背景下的漏筋、蜂窩麻面和裂縫特征分割與提取研究，成功設(shè)計(jì)出基于MATLAB的橋梁底面缺陷視覺(jué)檢測(cè)系統(tǒng)。孫杰等[14]采用主動(dòng)式紅外熱成像技術(shù)對(duì)橋梁鋼結(jié)構(gòu)涂裝進(jìn)行檢測(cè)，能夠準(zhǔn)確判斷出缺陷的形式及位置。Cha等[15]提出了基于區(qū)域的快速卷積神經(jīng)網(wǎng)絡(luò)，對(duì)混凝土裂縫、鋼構(gòu)件銹蝕、鋼構(gòu)件分層、螺栓銹蝕等病害的平均識(shí)別率達(dá)到84.7%。蔣燕芳[16]提出基于圖像處理和YOLO深度學(xué)習(xí)的橋梁表觀病害識(shí)別算法，成功實(shí)現(xiàn)了對(duì)7類混凝土表觀病害的識(shí)別，且識(shí)別精度達(dá)92%。

3.3病害可視化研究

目前病害的可視化研究屬于萌芽階段，其研究學(xué)者少、研究方法及內(nèi)容單一，基本上都是依賴于BIM技術(shù)。如曹再興[17]提出基于“表面點(diǎn)法”和“立體病害模型參數(shù)化”的橋梁結(jié)構(gòu)病害BIM建模方法，成功將混凝土裂縫及表面破損等進(jìn)行可視化顯示。馬繼駿等[18]，基于工業(yè)基礎(chǔ)類（Industry Foundation Classes，IFC）模式、語(yǔ)法及結(jié)構(gòu)將病害信息幾何化和可視化，可實(shí)現(xiàn)BIM模型上病害信息的動(dòng)態(tài)更新及發(fā)展歷程展示。王超凡[19]建立了橋梁病害分布BIM模型，實(shí)現(xiàn)了病害可視化標(biāo)記、病害屬性及歷史展示、病害信息統(tǒng)計(jì)等功能，使橋梁管理變得更加直觀。

3.4病害數(shù)據(jù)管理分析研究

由于病害檢測(cè)數(shù)據(jù)難獲得、檢測(cè)數(shù)據(jù)難連續(xù)、檢測(cè)數(shù)據(jù)分析未重視、檢測(cè)橋梁分散無(wú)共性等，導(dǎo)致國(guó)內(nèi)很少有對(duì)檢測(cè)病害數(shù)據(jù)的專業(yè)挖掘分析研究，現(xiàn)階段都是借助于BIM技術(shù)進(jìn)行簡(jiǎn)單的病害統(tǒng)計(jì)分析，如潘永杰等[20]，借助BIM技術(shù)構(gòu)建了鐵路橋梁病害庫(kù)和運(yùn)營(yíng)養(yǎng)護(hù)系統(tǒng)，實(shí)現(xiàn)病害的簡(jiǎn)單統(tǒng)計(jì)分析和橋梁狀態(tài)的定量評(píng)價(jià)。Shim等[21]，提出了基于BIM技術(shù)的數(shù)字孿生概念維修系統(tǒng)（DTM系統(tǒng)），將維修信息管理系統(tǒng)和病害檢測(cè)系統(tǒng)融合在一起，達(dá)成檢測(cè)數(shù)據(jù)與維修數(shù)據(jù)不斷更新的狀態(tài)，然后分析動(dòng)態(tài)更新的數(shù)據(jù)結(jié)果，為橋梁維護(hù)決策及應(yīng)對(duì)突發(fā)狀況提供可靠的數(shù)據(jù)支持。

4結(jié)論與展望

本文從安全飛行研究和檢測(cè)智能化兩個(gè)方面，對(duì)現(xiàn)階段基于無(wú)人機(jī)的橋梁常規(guī)檢測(cè)智能化研究進(jìn)展進(jìn)行梳理，得出以下幾點(diǎn)總結(jié)與展望：

（1）在安全飛行研究中，增加輔助硬件或改變飛行器結(jié)構(gòu)實(shí)現(xiàn)物理防護(hù)更具發(fā)展和研究潛力，增加接觸性輔助硬件便可調(diào)控?zé)o人機(jī)與橋梁間距離、搭載接觸式傳感器，以獲得更穩(wěn)定、更準(zhǔn)確及更多樣化的檢測(cè)結(jié)果。其次是研究改變飛行器結(jié)構(gòu)，制造出符合在復(fù)雜橋梁環(huán)境下工作的專業(yè)化無(wú)人機(jī)，可在狹小空間自由穿梭，以擴(kuò)大檢測(cè)范圍和提高檢測(cè)能力。

（2）目前利用無(wú)人機(jī)對(duì)橋梁變形進(jìn)行檢測(cè)的研究較少，因?yàn)橹盁o(wú)人機(jī)不能實(shí)現(xiàn)定點(diǎn)精確懸停，將導(dǎo)致測(cè)量誤差很大，但是隨著技術(shù)的進(jìn)步，現(xiàn)在的無(wú)人機(jī)可配備多種精準(zhǔn)懸停方式，組合定位懸停精度可達(dá)厘米級(jí)，這給無(wú)人機(jī)測(cè)量變形研究提供了實(shí)現(xiàn)的技術(shù)基礎(chǔ)，相信在不久的將來(lái)必能取得豐碩的成果。

（3）在橋梁檢測(cè)智能化研究中，雖然對(duì)于表觀病害識(shí)別技術(shù)的研究較成熟，也取得了不少的應(yīng)用成果，但仍有很大的提升空間，如擴(kuò)展可識(shí)別的病害種類、提升病害識(shí)別的準(zhǔn)確率、縮短病害的識(shí)別時(shí)間等。

（4）現(xiàn)階段對(duì)于病害的可視化研究較少，展現(xiàn)出研究手段單一、研究?jī)?nèi)容較淺的缺點(diǎn)，未來(lái)可有針對(duì)性地進(jìn)行改變，如嘗試使用虛擬與現(xiàn)實(shí)技術(shù)對(duì)橋梁可視化進(jìn)行研究。

（5）我國(guó)還未建立專業(yè)的橋梁病害數(shù)據(jù)管理與分析系統(tǒng)，未能利用大量病害數(shù)據(jù)進(jìn)行智能化檢測(cè)和維護(hù)，若利用好無(wú)人機(jī)采集的病害數(shù)據(jù)，建立專用的橋梁病害數(shù)據(jù)庫(kù)，可實(shí)現(xiàn)飛行航線自動(dòng)規(guī)劃、重點(diǎn)病害持續(xù)跟蹤、最佳維修時(shí)間預(yù)測(cè)、橋梁技術(shù)狀況等級(jí)自動(dòng)評(píng)定、病害發(fā)展預(yù)測(cè)、結(jié)構(gòu)功能退化預(yù)測(cè)等。

參考文獻(xiàn)：

[1] 2010-2020年交通運(yùn)輸行業(yè)發(fā)展統(tǒng)計(jì)公報(bào)[Z].

[2] 勾紅葉，楊彪，華輝，謝蕊，劉暢，劉雨，蒲黔輝.橋梁信息化及智能橋梁2019.年度研究進(jìn)展[J].土木與環(huán)境工程學(xué)報(bào)（中英文），2020，42（05）：14-27.

[3]Takahiro Ikeda et al. Stable impact and contact force control by UAV for inspection of floor slab of bridge[J].Advanced Robotics， 2018，32（19）：1061-1076.

[4] Sanchez-Cuevas P ，Ramon-Soria P ，Arrue B ，et al.Robotic System for Inspection by Contact of Bridge Beams Using UAVs[J].Sensors，2019，19（2）.

[5] Myeong w and Myung H.Development of a Wall-Climbing Drone Capable of Vertical Soft Landing Using a Tilt-Rotor Mechanism[J]，IEEE Access，2019（7）：4868-4879.

[6]張?zhí)煲?基于立體視覺(jué)的移動(dòng)機(jī)器人避障技術(shù)研究[D].南京航空航天大學(xué)，2018.

[7]馬躍濤.基于多源信息融合的無(wú)人機(jī)智能避障系統(tǒng)的研究與應(yīng)用[D].華北水利水電大學(xué)，2018.

[8]張陣委.基于機(jī)器視覺(jué)的小型四旋翼無(wú)人機(jī)智能避障研究[D].上海工程技術(shù)大學(xué)，2020.

[9]A. Ellenberg et al. Use of Unmanned Aerial Vehicle for Quantitative Infrastructure Evaluation[J]. Journal of Infrastructure Systems， 2014.

[10] Daniel Reagan and Alessandro Sabato and Christopher Niezrecki. Feasibility of using digital image correlation for unmanned aerial vehicle structural health monitoring of bridges[J]. Structural Health Monitoring， 2018， 17（5）：1056-1072.

[11]鐘文韜.基于無(wú)人機(jī)圖像的橋梁振動(dòng)測(cè)量及模態(tài)分析[D].廣東工業(yè)大學(xué)，2020.

[12]齊超.橋梁裂縫檢測(cè)中圖像識(shí)別處理與測(cè)量技術(shù)的研究[D].北京交通大學(xué)，2014.

[13] 姚學(xué)練.基于機(jī)器視覺(jué)的橋梁底面缺陷自動(dòng)檢測(cè)技術(shù)研究與應(yīng)用[D].貴州大學(xué)，2019.

[14] 孫杰，甄宗標(biāo).紅外熱成像技術(shù)在橋梁鋼結(jié)構(gòu)涂裝檢測(cè)中的應(yīng)用[J].世界橋梁，2019，47（5）：69-73.

[15] CHA Y J，CHOI W，SUH G，et al. Autonomous structural visual inspection using region-based deep learning for detecting multiple damage types [J].Computer-aided civil and infrastructure engineering，2017（4）： 1-17.

[16]蔣燕芳.基于圖像處理與深度學(xué)習(xí)的RC橋梁表觀病害識(shí)別[D].重慶大學(xué)，2019.

[17] 曹再興.BIM技術(shù)在橋梁管養(yǎng)中的應(yīng)用研究[D].重慶交通大學(xué)，2017.

[18] 馬繼駿，褚豪，孔令濤，郭向海，白勇.基于IFC的橋梁病害信息可視化表達(dá)[J].土木工程與管理學(xué)報(bào)，2020，37（04）：66-72.

[19] 王超凡.基于BIM的中小跨徑公路混凝土梁橋管理系統(tǒng)研究[D].北京交通大學(xué)，2020.

[20] 潘永杰，魏乾坤，趙欣欣，等.鐵路橋梁病害庫(kù)和管養(yǎng)知識(shí)庫(kù)的構(gòu)建及應(yīng)用研究[J].鐵道建筑，2019，59（1）：23-27.

[21] Chang-Su Shim et al. Development of a bridge maintenance system for prestressed concrete bridges using 3D digital twin model[J].Structure and Infrastructure Engineering，2019，15（10）：1319-1332.