紅外成像和傾斜攝影三維融合在建筑檢測中的應用

孫保燕，莫春華，薛 偉，張玉濤，葛廣昊

〈紅外應用〉

紅外成像和傾斜攝影三維融合在建筑檢測中的應用

孫保燕，莫春華，薛 偉，張玉濤，葛廣昊

（桂林電子科技大學 建筑與交通工程學院，廣西 桂林 541004）

針對建筑病害缺乏有效和高精度無損檢測手段，同時傳統人工檢測受建筑圍護結構飾面層病害區域的高度、面積等方面的限制，提出一種紅外成像和傾斜攝影三維融合并建立含有建筑病害信息的三維模型電子檔案的方法。本文以學校某教學樓為例，以紅外技術為主，傾斜攝影技術為輔的采集方案，采用同位空間坐標匹配法，經過坐標轉換和2種異源空間數據融合，獲取含有建筑病害信息的精細化三維模型電子檔案，并完成數據融合前后的模型精度對比評估。結果表明：此方法得到的融合模型精度高，點位誤差小，能快速、精準獲取建筑病害空間位置，為建筑無損檢測技術的實際應用提供新的思路，對建立建筑信息化監、修、管一體化運維體系具有研究價值和實際應用意義。

圍護結構飾面層；紅外檢測；傾斜攝影；無損檢測；異源空間數據融合；病害空間位置

0 引言

建筑圍護結構飾面層長期暴露于室外，當飾面層內部結構存在空鼓、空洞和裂縫等缺陷時，經過長期雨水沖涮，強風侵蝕，將導致建筑飾面層霉變、剝離、脫落，存在安全隱患。對于建筑圍護結構病害檢測，傳統的小錐子敲擊、目測和望遠鏡等檢測方式，安全性低，工作量大、局限性大、效率低。而且傳統的檢測方法所獲得的信息受到設備條件的限制，無法提取建筑圍護結構的三維和損傷信息，難以精確評估建筑圍護結構損傷程度和開展飾面層修復工作。因此，對建筑圍護結構飾面層內部質量缺陷進行無損檢測具有重大意義[1]。

近年來，建筑圍護結構飾面層內部質量缺陷檢測技術已發展成新產業，檢測技術也逐步向無損、便捷、快速的需求方向發展。相對于傳統的建筑病害檢測，無損檢測技術是目前建筑病害檢測最高效、準確的技術之一，其中無人機傾斜攝影和紅外技術融合是極具代表性的一項技術，具有效率高、非接觸、檢測范圍廣、精準定位等優勢，為建筑圍護結構飾面層的缺陷動態監測和質量評估提供技術支持。

紅外檢測技術是一種無損檢測的方式之一，具有非接觸、快速簡便、檢測范圍廣等優勢，廣泛應用在建筑面層缺陷、建筑節能、隧道裂縫等檢測。在建筑面層缺陷檢測方面，Edis等[2]利用紅外檢測技術檢測建筑飾面層瓷磚粘合耐久性，能獲取飾面層瓷磚內部水分分層信息；Brigitte等[3]利用紅外熱成像監測混凝土表面的熱響應，得到鋼筋的腐蝕位置分布；張銳等[4]提出了一種利用紅外熱成像自動檢測墻體裂縫的方法，得到該區域建筑物內部結構和外墻的損傷分布；馮力強[5]等利用紅外熱像儀對建筑外墻飾面磚飾面層內部缺陷進行檢測，驗證了紅外檢測技術能有效檢測出飾面磚飾面層的內部缺陷；鄧安仲等[6]總結紅外熱成像儀利用可實現對混凝土裂縫進行遠距離、非接觸、大面積的快速分布式監測。紅外檢測技術雖然取得了寶貴的成果，但由于紅外熱像儀檢測的結果以二維圖像呈現，在實際工程應用中無法對質量缺陷區域精確定位。

傾斜攝影技術是國際測繪領域認可的一項高新技術[7]，成為獲取空間數據的有效方式之一，該技術能夠呈現真實場景，構建精細化三維模型，解決紅外檢測技術精確定位難題。M. Satoru等[8]采用傾斜攝影測量方法，獲得隧道高精度三維模型及空間坐標；T. Zhou等[9]利用無人機傾斜攝影構建城市真實場景三維模型；吳熠文等[10]分析表明傾斜攝影技術能夠大范圍、多數據、高效率采集空間數據；馮增文等[11]運用傾斜攝影測量技術，為智慧地鐵提供了三維數據支撐；Gerke等[12]和眭海剛等[13]采用傾斜攝影技術實現震后建筑物三維損毀信息的提取，對震后城區建筑物的損毀情況進行評估。綜上所述，傾斜攝影技術能夠清晰獲取目標對象全方位的紋理信息，建立三維模型電子檔案。

因此，本研究以學校某教學樓為研究對象，以紅外成像技術為主，傾斜攝影技術為輔的采集方案，獲取建筑圍護結構飾面層高精度紅外圖像和精細化三維模型數據；其次經過坐標轉換和2種異源空間數據融合，建立含有質量缺陷的建筑三維模型電子檔案，快速獲取建筑病害區域空間位置，便于今后快速排查安全隱患和指導施工單位的修復工作。

1 關鍵技術分析及融合原理

本文關鍵檢測技術包括紅外檢測技術、傾斜攝影技術。充分結合兩種技術的優勢，可實現技術優勢互補，建立建筑病害三維模型電子檔案，形成空間立體坐標，確定建筑病害空間位置。無損檢測的關鍵流程有：①數據采集及處理；②坐標系轉換與統一；③異源空間數據匹配融合，融合模型精度的對比評估。

1.1 紅外檢測技術原理

紅外線是一種與無線電波和可見光相同本質的電磁波，自然界中的物體溫度高于絕對零度（－273.15℃）以上[14]，因自身分子熱運動產生并向外界發出紅外輻射能量。通過吸收被測物體發出的紅外輻射能量，從而在紅外熱成像儀存儲熱圖像，并建立紅外輻射和被測物體溫度的關系。被測物體的紅外輻射總能量與物體絕對溫度的四次方關系：

＝T4(0＜＜1) (1)

式中：為被測物體單位時間內的紅外輻射總能量；為輻射率；為斯特藩常量5.67×10－8W×m－2×K－4；為絕對溫度。

紅外熱成像儀檢測正是通過測量被測物體發出的紅外輻射能量，測出物體的表面絕對溫度和整體溫度分布狀況，并加以信號處理、光電轉換等手段，將不可見紅外輻射轉化為可見熱圖像，從而檢測出被測物體內部結構是否存在質量缺陷，為運維管理提供安全保障。其檢測工作原理如圖1所示。

圖1 紅外檢測工作原理

1.2 傾斜攝影技術原理

傾斜攝影技術以精度高、范圍廣的方式構建符合人眼視覺的真實場景[15-16]，在三維建模和工程測量中作為一項高新技術被廣泛應用。該技術通過在無人機云臺上搭載單個相機鏡頭，在飛控軟件設置環繞圓飛行航線、航高、環繞圓半徑等參數后，即可對建筑進行影像數據自動采集，獲取建筑全方位、清晰、完整、準確的紋理信息。傾斜攝影技術結合相關的三維實體建模軟件，經過影像信息匹配、空中三角測量計算、三維重建、生成DSM（Digital Surface Model）和紋理等過程，建立帶有真實紋理信息的精細化三維模型[17]。基于傾斜攝影技術獲取建筑三維點云數據及完整、高精度空間立體坐標，能夠確定病象空間位置，用于精確指導修復工作。其影像數據自動采集方式如圖2所示。

圖2 環繞航攝自動采集示意圖

1.3 異源坐標統一及匹配

異源坐標匹配融合是建筑裂縫無損檢測的關鍵點。基于計算機視覺原理實現2種異源坐標由相機坐標到世界坐標轉換，如圖3所示。異源坐標系統一后，選取傾斜模型同名特征點作為配準點，將二維質量缺陷圖像向傾斜三維模型的坐標數據匹配融合。2種異源坐標的匹配融合涉及旋轉和平移，由公式(2)求解旋轉矩陣和平移矩陣。

＝＋(2)

式中：為同名特征點在二維質量缺陷圖像的坐標；為同名特征點位在傾斜三維模型的坐標；、、分別表示繞軸、軸和軸旋轉矩陣，、、分別表示X軸、Y軸和Z軸旋轉角度；旋轉矩陣；為平移矩陣。

基于間接平差法按最小二乘求解原理，至少需要3個同名特征點坐標數據，求解2種異源坐標數據匹配融合的旋轉矩陣的3個旋轉參數(,,)和平移矩陣的3個平移參數(1,2,3)。

圖3 坐標系轉換示意圖

2 工程實例驗證

2.1 現場勘察

本文實驗目標是位于廣西桂林某高校內一棟教學樓，主體為框架結構，教學樓已投入使用5年。現用無損檢測技術對教學樓圍護結構飾面層進行病害檢測和傾斜攝影建模，建立帶有檢測信息的三維模型電子檔案，將建筑信息集成化管理，便于后期的運維管理。無損檢測數據采集技術路線如圖4所示。

2.2 數據采集

2.2.1 無人機航攝影像采集

試驗選用大疆精靈4 PRO V2.0專業智能4K超清航拍無人機采集影像數據。精靈4 PRO V2.0配備1英寸CMOS有效2000萬像素影像傳感器，相機鏡頭采用FOV 84° 8.8mm/24mm、光圈/2.8～/11帶廣角自動對焦，云臺可控俯仰轉動范圍－90°～＋30°，垂直懸停精度±0.1m。

針對被測建筑場地的特征，布設6個平高控制點和2個檢查點，設計出階梯和立面多基線組合式環繞航攝影像采集方案，如圖5所示。本文采用高精度RTK（Real-Time Kinematic）測量平高控制點和檢查點；采用上海珞琪軟件有限公司自主開發的Rocky Capture航線規劃飛控軟件，根據被測建筑物的地形環境、三維幾何參數長寬高，設置航高90m、繞圓半徑90m、相機俯仰度45°、環繞圓航攝方向數24的一階螺旋環繞圓攝取被測建筑物主體和地形環境的影像；設置航高60m、環繞圓半徑60m、相機俯仰度45°、環繞圓航攝方向數36的二階螺旋環繞圓精細化攝取被測建筑物的影像，增加三維模型的精度；同時設計立面多基線環繞航測攝取建筑物圍護結構的影像，保證三維模型的紋理完整度和清晰度。組合式環繞航攝采集影像要具有足夠重疊度的過度影像，確保影像匹配準確率，影像采集方式如圖5所示。無人機航攝速度為7m/s，總共拍攝了684張航片，航攝耗時137min。

圖4 無損檢測技術融合模型流程

圖5 組合式環繞航攝采集影像

Fig 5 Combined surround aerial photography to collect images

2.2.2 紅外熱成像數據采集

試驗選用FLIR T620BX紅外熱成像儀，標準測量溫度范圍為－40℃～＋650℃，在溫度低于30℃時熱靈敏度＜0.04℃@＋30℃，精確為±2°，內置GPS和可見光鏡頭，空間分辨率（IFOV）為0.69mrad。

選用紅外熱成像儀多波段動態成像檢測方法，調節裝置的輻射率為0.95、反射溫度＋20℃、大氣溫度＋18℃，調整裝置的檢測角度、焦距及其距離，以獲取熱圖像效果為最佳標準。將紅外熱成像儀架設在被檢測的圍護結構飾面層前面，對圍護結構飾面層四周不間斷探測，為確保全部飾面層檢測不遺漏，每間隔5m對飾面層攝取不同垂直角度下的熱圖像。紅外熱成像探測被測飾面層時，發現飾面層內部有病害缺陷時，使用裝置上的紅外激光指示器標定出病害缺陷區域，便于快速尋找出缺陷位置，如圖6所示。

圖6 紅外熱像儀探測示意圖

2.3 內業數據處理

2.3.1 傾斜影像數據處理與三維重建

采用多視覺影像密集匹配算子能夠得到高密度三維點云數據，通過三維點云生產三角面片，進而自動生成高精度的三維模型。無人機按照環繞航攝參數完成被測建筑物的影像采集，去除對焦模糊、冗余等不合格影像，校正影像畸變，對影像進行曝光修正和勻光勻色處理，為保證后期影像特征點快速識別和拼接。將篩選后的673張合格圖像導入到三維重建軟件Context Capture，導入RTK測量控制點的坐標，進行多視覺影像密集自動匹配，獲取高密度三維點云數據，再經過三角面片構建、三維白膜模型封裝、紋理映射等處理過程，最終重建出具有建筑物真實紋理信息的三維模型。將生產出的三維模型導入到模型編輯軟件進行修整，先認真查看模型紋理完整性，若有紋理模糊或缺失，應當進行局部補拍或者全部重拍；再利用編輯工具去除冗余物體，導出修正后的模型，如圖7所示。

圖7 帶真實紋理的三維模型

2.3.2 紅外熱圖像數據處理

篩選帶有紅外激光指示器標定出缺陷區域的熱圖像，編制熱圖像處理的MATLAB語言代碼。在MATLAB軟件中，將篩選后的熱圖像進行圖像類型轉換，需要調用函數rgb2ycbcr()將RGB圖像轉化為YcbCr格式；再對YcbCr圖像閾值分割，提取Cr分量圖，即獲取紅色區域；最后調用函數rgb2grgay()對紅色區域灰度處理，將灰度圖像轉換為二值圖像，即可得出缺陷圖像。圖8中(a)為采集到教學樓某一面圍護結構飾面層的空鼓病害紅外熱圖像，(b)為經過處理獲得的病害缺陷區域輪廓圖。

圖8 教學樓某一面圍護結構飾面層的空鼓病害紅外熱圖像及處理結果

3 坐標匹配融合及分析

3.1 異源空間數據融合

建筑的三維重建和圍護結構飾面層內部病害檢測中，紅外熱成像儀雖能夠快速獲取建筑整體的病害數據，但由于紅外熱成像儀設備受建筑表面溫度影響，無法獲取建筑的點云和病害空間位置。而傾斜攝影技術雖可以獲取建筑清晰的紋理和模型重建，但對病害空間位置無法直接識別。為精準獲取建筑病害空間位置，本文研究將二維病害區域圖像和傾斜攝影數據匹配融合，并建立含有建筑病害的三維模型電子檔案。

研究是采用同位空間坐標匹配法進行2種異源空間數據融合，其原理通過選取同位點求解旋轉矩陣和平移參數，將二維病害區域圖像和傾斜攝影數據統一到同一個坐標系下。在2種異源空間數據融合過程中，選取3組同位點分別在二維質量缺陷圖像坐標和傾斜攝影測量坐標，由公式(2)求解旋轉矩陣和平移矩陣的參數值。

根據求解旋轉矩陣和平移矩陣的數值，將二維病害熱圖像坐標中各點坐標(X,Y,Z)分別代入同名特征點坐標轉換公式(3)中，即可得到二維質量缺陷圖像坐標中的坐標數據在傾斜三維模型中的坐標值(X,Y,Z)。兩種異源數據通過同名特征點坐標匹配算法進行融合，即完成二維質量缺陷圖像向傾斜三維模型的數據匹配融合，建立含有建筑病害的三維模型電子檔案。

3.2 成果對比分析

3.2.1 病害區域信息獲取難易度對比分析

傳統檢測方法探測建筑病害區域時獲取的二維圖像不清晰，經過灰度圖像處理后，依舊模糊且工作量大和缺乏病害區域位置信息。獲取的二維圖像信息難以精確評估建筑圍護結構損傷程度和開展飾面層修復工作，運維管理成本高，工作效率低，病害區域空間位置定位復雜、難度大。傳統檢測獲取的二維圖像及灰度處理結果如圖9、10所示。

本文采用無損檢測技術建立含有建筑病害信息的精細化三維模型電子檔案，實現病害區域三維可視化，真實反映建筑病害區域輪廓及精準空間坐標，如圖11、12所示。維修單位從三維模型中直接獲取病害區域空間位置和清晰的輪廓，快速開展并精準維修，高效率排查安全隱患，減小事故發生率。同時，無損檢測獲取的建筑病害信息更加豐富且共享，可為建筑圍護結構飾面層的缺陷動態監測和質量評估提供數據資料保障。

圖9 空鼓病害二維圖像及灰度處理結果

圖10 裂縫病害二維圖像及灰度處理結果

圖11 空鼓病害區域標示圖

圖12 裂縫病害區域標示圖

3.2.2 融合模型精度對比分析

為了檢驗融合模型的空間位置精度是否存在偏差，隨機選取融合前后模型的12個特征點，采用點位誤差法對數據融合前后的三維模型精度對比。以傾斜攝影三維模型的坐標數據(X,Y,Z)作為基準點，相對應融合模型的坐標數據為(X,Y,Z)。

點位、、方向的誤差為：

則融合模型的點位誤差為：

由公式(4)、(5)計算后，異源數據融合模型精度誤差統計結果如表1。

表1 異源數據融合精度結果

本文異源空間數據融合模型精度誤差計算結果，點位各方向的誤差在0.020m以內，點位誤差在0.025m以內（如圖13所示），融合模型平均點位誤差為0.018m，模型平面和高程中誤差分別為0.041m、0.037m。由《三維地理信息模型數據產品規范》[18]規定平面中誤差0.3m，高程中誤差0.5m，因此，可得到異源數據融合的三維模型精度滿足規范要求。

圖13 融合模型精度誤差統計分析圖

綜上所述，本文采用無損檢測方法建立建筑病害信息的精細化三維模型電子檔案，具有精準定位、檢測范圍廣、成本低、效率高、安全性高等優勢。

4 結語

本文以學校某教學樓為研究對象，利用紅外檢測和傾斜攝影技術相融合的無損檢測技術完成異源空間數據匹配融合并處理生成含有建筑病害信息的精細化三維模型電子檔案，排查出裂縫隱患27處、滲漏水4處和空鼓7處，并可得出以下結論。

1）采用同位空間坐標匹配法實現2種異源空間數據匹配融合，更精確、更快速地獲取建筑圍護結構飾面層病害空間位置，為建筑病害信息集成化管理及信息共享提供數據支撐。

2）將紅外熱檢測和傾斜攝影技術有機整合，在無損前提下，解決建筑圍護結構飾面層開裂、脫落和滲漏水等安全隱患難排查難、檢測效率低、安全系數低等難題。

3）二維病害區域圖像和傾斜攝影數據匹配融合精度平均誤差為0.018m，數據精度高，滿足含有建筑缺陷的三維電子信息模型檔案保存需求。

綜上所述，紅外技術和傾斜攝影融合方法為建筑修復工作提供全方位、精準定位、完整二維及三維信息的數據資料。為建筑無損檢測的實際應用發展提供新的思路，對今后工程質量缺陷動態監測和精確評估具有研究價值和實際應用意義。

[1] 牛奕, 甘玲童, 馬云. 基于紅外無損檢測的非金屬材料粘貼缺陷識別[J]. 紅外技術, 2020, 42(4): 393-398.

NIU Yi, GAN Lingtong, Ma Yun. Identification of pasting defects of non-metallic materials based on infrared non-destructive testing[J]., 2020, 42(4): 393-398.

[2] Edis E, Flores Colen, Inês De Brito J. Passive thermographic inspection of adhered ceramic claddings: limitation and conditioning factors[J]., 2012, 27(6): 737-747.

[3] Goffin B, Banthia N, Yonemitsu N . Use of infrared thermal imaging to detect corrosion of epoxy coated and uncoated rebar in concrete[J]., 2020, 263:120162.

[4] ZHANG R, LI H, DUAN K, et al. Automatic detection of earthquake-damaged buildings by integrating UAV oblique photography and infrared thermal imaging[J]., 2020, 12(16): 1-28.

[5] 馮力強, 王歡祥, 晏大瑋, 等. 紅外熱像法檢測建筑外墻飾面層內部缺陷試驗研究[J]. 土木工程學報, 2014, 47(6): 51-56. Doi: 10.15951/j. tmgcxb.2014.06.015.

FENG Liqiang, WANG Huanxiang, YAN Dawei, et al. Experimental study on the detection of internal defects of building exterior wall finishing layer by infrared thermal imaging method[J]., 2014, 47(6): 51-56. Doi:10.15951/j.tmgcxb. 2014.06.015.

[6] 鄧安仲, 趙啟林, 李勝波, 等. 混凝土裂縫紅外熱成像分布式監測技術研究[J]. 建筑材料學報, 2013, 16(2): 284-288.

DENG Anzhong, ZHAO Qilin, LI Shengbo, et al. Research on distributed monitoring technology of concrete cracks with infrared thermal imaging [J]., 2013, 16(2): 284-288.

[7] 閆利, 程君. 傾斜影像三維重建自動紋理映射技術[J]. 遙感信息, 2015, 30(2): 31-35.

YAN Li, CHENG Jun. Automatic texture mapping technology for oblique image 3D reconstruction [J]., 2015, 30(2): 31-35.

[8] Satoru M, Takuji Y, Michio I, et al. Configuration and displacement measurement using vision metrology[J]., 2002, 2(5):395-398.

[9] ZHOU T, LV L, JIU T, et al. Application of UAV oblique photography in real scene 3d modeling[J]., 2021, XLIII-B2-2021: 413-418.

[10] 吳熠文, 余加勇, 陳仁朋, 等. 無人機傾斜攝影測量技術及其工程應用研究進展[J]. 湖南大學學報: 自然科學版, 2018, 45(S1): 167-172.

WU Yiwen, YU Jiayong, CHEN Renpeng, et al. Research progress on UAV oblique photogrammetry technology and its engineering application [J].: Natural Science Edition, 2018, 45(S1): 167-172.

[11] 馮增文, 李珂, 李梓豪, 等. 低空無人機的傾斜攝影測量技術在城市軌道交通建設中的應用[J]. 測繪通報, 2020(9): 42-45.

FENG Zengwen, LI Ke, LI Zihao, et al. Application of low-altitude UAV oblique photogrammetry technology in urban rail transit construction [J]., 2020(9): 42-45.

[12] Gerke M, Kerle N. Automatic structural seismic damage assessment with airborne oblique pictometry imagery[J]., 2015, 77(9): 885-898.

[13] 眭海剛, 劉超賢, 黃立洪, 等. 遙感技術在震后建筑物損毀檢測中的應用[J]. 武漢大學學報: 信息板, 2019, 44(7): 1008-1019. Doi: 10.13203/j.whugis20190070.

SUI Haigang, LIU Chaoxian, HUANG Lihong, et al. Application of remote sensing technology in post-earthquake building damage detection [J]., 2019, 44(7): 1008-1019. Doi: 10.13203/j.whugis20190070.

[14] 陳文, 孫保燕, 賈巧志. 基于激光標定的熱工缺陷面積測量方法[J]. 科學技術與工程, 2019, 19(2): 175-179.

CHEN Wen, SUN Baoyan, JIA Qiaozhi. Measurement method of thermal defect area based on laser calibration[J]., 2019, 19(2): 175-179.

[15] 李德仁, 肖雄武, 郭丙軒, 等. 傾斜影像自動空三及其在城市真三維模型重建中的應用[J]. 武漢大學學報: 信息科學版, 2016, 41(6): 711-721.

LI Deren, XIAO Xiongwu, GUO Bingxuan, et al. Automatic aerial triangulation of oblique images and its application in reconstruction of true 3D urban models [J].: Information Science Edition, 2016, 41(6): 711-721.

[16] 譚仁春, 李鵬鵬, 文琳, 等. 無人機傾斜攝影的城市三維建模方法優化[J]. 測繪通報, 2016(11): 39-42.

TAN Renchun, LI Pengpeng, WEN Lin, et al. Optimization of urban 3D modeling method based on UAV oblique photography [J]., 2016(11): 39-42.

[17] 張寅, 李陽, 陳家華, 等. 基于Smart 3D的多源影像實景三維建模研究[J]. 地球科學前沿, 2018, 8(8): 1316-1322.

ZHANG Yin, LI Yang, CHEN Jiahua, et al. Research on 3D modeling of multi-source images based on smart 3D [J]., 2018, 8(8): 1316-1322.

[18] 國家測繪地理信息局. 三維地理信息模型數據產品規范[S]. CH/T 9015-2012, [2021-12-09].

National Bureau of Surveying, Mapping and Geographic Information. 3D geographic information model data product specification[S]. CH/T 9015-2012, [2021-12-09].

Application of 3D Fusion of Infrared Imaging and Tilt Photography in Building Detection

SUN Baoyan，MO Chunhua，XUE Wei，ZHANG Yutao，GE Guanghao

(College of Architecture and Traffic Engineering, Guilin University of Electronic Technology, Guilin 541004, China)

Effective and high-precision non-destructive detection methods for building diseases are lacking, and traditional manual detection imposes limitations on the height and area of the disease area of the building envelope facing layer. To address these issues, this study proposes a method of 3D fusion of infrared imaging and oblique photography along with the establishment of 3D model electronic archives containing building disease information. Taking a teaching building in a school as an example, this study adopts the acquisition scheme mainly based on infrared technology and supplemented by tilt photography technology and the coordinate matching method in the same position space, obtains the refined three-dimensional model electronic file containing building disease information through coordinate conversion and two kinds of heterogeneous spatial data fusion, and completes the comparative evaluation of model accuracy before and after data fusion. The results show that the fusion model obtained by this method has a high accuracy and small point error and can quickly and accurately obtain the spatial position of building diseases. The method provides a new idea for the practical application of building nondestructive testing technology and has research value and practical application significance for establishing an integrated operation and maintenance system of building information supervision, repair, and management.

enclosure finish layer, infrared detection, oblique photography, non-destructive testing, heterogeneous spatial data fusion, spatial location of disease

TN215

A

1001-8891(2022)09-0991-08

2021-12-09；

2022-01-28.

孫保燕（1962-），男，本科，教授級高工，主要研究方向為建筑智能信息檢測、數字建造與BIM應用。E-mail: sunbaoyan@126.com。

廣西創新驅動發展專項資金項目（AA19182023）；廣西科學研究與技術開發計劃項目（1598019-8）；廣西研究生教育創新計劃項目（YCSW2020164）。