基于BIM的混凝土裂縫病害動態可視化研究

莊子婧， 鄒貽權， 嚴肖鋒

(湖北工業大學土木建筑與環境學院， 湖北 武漢 430068)

近年來，BIM (Building Information Management)技術廣泛應用在橋梁建設中，其核心是將橋梁各階段的信息集成在建筑三維模型中，達到信息交互及信息可視化的目的。在橋梁的定期巡檢中，通常使用人工登記或者拍照記錄的方式，但產生的數據記錄及大量圖片需要耗費后期運維人員大量時間進行判讀，效率低且信息智能化程度低。因此針對橋梁混凝土表面的病害信息展開研究對橋梁安全及養護具有重要的意義。

裂縫作為橋梁檢測中最常見的病害之一，在橋梁日常檢測與維修運維過程中占據著重要地位。由此本文建立了一套針對裂縫檢測信息的分類與編碼規則，并提出一種利用點云提取混凝土裂縫病害特征點，利用Rhino進行處理使病害信息附著在模型上的方法，達到對裂縫病害信息的管理，利用時間參數對裂縫病害的發展進行動態描述使之達到裂縫病害動態可視化。本文融合BIM技術可視化及信息交融的特點，對采集信息達到快速分析、精準處理、可視化強、數字化建檔的目的，并結合某跨江大橋的南引橋混凝土箱梁檢測結果為例，展開對橋梁裂縫病害的處理過程。

1 工程背景及可視化展示全過程

本文檢測數據選取某跨江大橋的南引橋，該南引橋共十二聯，本文選取其第一聯，且第一聯由一聯六跨連續剛構組成，橋墩編號為49#～55#，主梁為雙向預應力混凝土結構，每幅主梁采用單箱單室，單幅橋主梁頂寬17.60 m，底寬8.60 m,主梁梁高3.5 m,主梁兩側各懸臂4.05 m，懸臂端部厚度24 cm，懸臂根部厚度75 cm，頂板在箱室內凈跨8.60 m，板厚度30 cm，橫橋向單向放坡2.0%。通過人工檢測該南引橋混凝土箱梁K48-K53跨結果可獲得箱梁的混凝土裂縫病害數據及圖片，為后續裂縫病害信息的可視化展示提供了數據基礎與圖片參照。

依托這次人工檢測數據，對K48-K53段的檢測信息進行處理，對裂縫位置進行確定并構建一套關于裂縫編碼的規則。對檢測圖片進行預處理，并生成裂縫的點云數據。同時結合養護方提供的設計圖紙利用Rhion軟件對其橋進行建模，導入裂縫點云數據，利用Rhion對點云數據處理并得到裂縫線，將其附著于模型。利用BIM技術對以往病害信息進行關聯，形成病害庫，對該裂縫信息引入以往裂縫數據與時間，由此生成動態裂縫。利用相關規范對裂縫病害數據進行等級劃分，并顯示其時間與裂縫的關系為后期裂縫預測提供信息。下圖為該裂縫可視化展示全過程。

圖1 裂縫動態可視化展示全過程

2 檢測信息處理

根據橋梁運維檢測得到的信息，需要進一步對信息分析和整理，包括對裂縫位置的確定、病害編碼的規范整理以及基準點的設立。

2.1 病害位置確定

根據JTG H11-2004《公路橋涵養護規范》[5]的要求，檢查是將部件的病害類型，病害位置，性質、范圍、數量和程度等描述及照片編號計入外業數據采集表，以便于病害檔案體系的建立，病害的追蹤以及日后橋梁養護管理系統的建立。針對混凝土的結構裂縫檢查，本橋利用的是采用人工目視觀測，輔助刻度放大鏡或千分表測定混凝土裂縫的寬度及長度，同時拍下圖片以便后期記錄和查詢。

病害位置的描述是根據對給定構件的損壞位置，可以用前錨面、后錨面、頂面、底面等來描述損壞出現在構件那一個面上。而病害產生的具體位置最好用坐標法，里程樁號，參照物法等進行詳細記錄。針對本南引橋檢測采用的病害位置檢測記錄采用坐標法進行記錄。通過監測結果發現南引橋外部上游幅存在多條裂縫，裂縫類型包括斜向裂縫、橫向裂縫和縱向裂縫。其中，裂縫寬度≥0.2 mm的多為縱向裂縫，縱向裂縫最大寬度為0.25 mm，而橫向裂縫最大寬度為0.3 mm，且長度均為0.7 m，記錄時需采用帶單位的數字表示。如表1所示為裂縫位置及長度與寬度。

表1 混凝土箱梁K48-K53裂縫位置坐標

2.2 編碼規則

針對現場檢測的病害信息，為了使每一條病害都能建立規范的病害檔案且便于跟蹤，以及為日后建立橋梁養護管理系統提供數據支持。即需要對檢測橋梁的構造部件、構造物和構件等進行編碼或編號，且編碼或編號具有唯一性，方便后期病害位置錄入[6]。本橋檢測的混凝土箱梁編號采用施工期梁段編號，其中表1的K48代表橋梁跨數，該橋為跨江大橋則將其底板分為上游幅底板與下游幅底板。

檢測中的裂縫信息根據坐標法進行位置標注。其裂縫的編碼規則主要依據裂縫類型進行編碼，縱向裂縫a、橫向裂縫b、斜向裂縫c，對于一跨中多段縱向裂縫則按照從小跨至大跨方向依次進行排序，如上表中K48的裂縫記錄應為K48-a-01、K48-a-02，針對橋梁裂縫檢測人員會拍攝裂縫圖像，對于圖像的命名方式應與該編碼相同，利用這種編碼方式使每一條裂縫都具有唯一性，方便區分與查找。如圖2所示為該橋截面圖，橋面總寬34.5 m，單幅橋車行道為3.75+3*3.75 m，底板寬7 m。如圖2所示，以K52為例，將底板寬度(7 m)與跨度(62.5 m)形成一平面坐標系，以此記錄裂縫位置。

圖2 南引橋K52截面 mm

2.3 基準點設立

橋梁裂縫信息利用坐標法進行位置標注，則對橋梁病害信息進行錄入時需要建立基準點方便后期的查找和裂縫位置對接。以底板為例，本橋底板分為上游幅底板與下游幅底板，將上游幅底板基準點設立為A,下游幅底板基準點設立為B，如圖3所示，其基準點編號為A52、B52。

圖3 K52裂縫分布

混凝土裂縫的標注信息以m/mm為單位，而橋梁模型的數據相對于裂縫而言相對較大。要在橋梁BIM模型上精確找到裂縫位置，不僅需要對橋梁進行編碼還需對每跨箱梁設立基準點?；鶞庶c的設立使病害信息與BIM模型建立了信息交互的通道，利用基準點可以將裂縫信息附著在模型上，達到裂縫信息位置精確性高、附著速度快且表達直觀的特點。

3 橋梁裂縫圖像處理

對橋梁裂縫圖片進行參數提取之前，需要對圖像進行預處理，使裂縫在圖像內直觀明了。

3.1 檢測圖像預處理

在處理裂縫圖像之前，需對圖像進行簡單評估與挑選。對圖像高清且無干擾物的圖像進行保留，對圖像失真且干擾物較多的圖像進行去除； 圖像方向的不同會導致裂縫方向發生錯誤，圖像預處理過程中需將圖像方向按照基準點方向進行放置避免發生裂縫方向錯誤的現象[7]。 橋梁檢測中拍攝的圖像通常會出現部分區域暗沉或高亮的情況， 則需要對圖像進行灰度化處理，使圖像視覺效果好且清晰度強，以此來展現背景與裂縫之間的差別， 不僅保留了原有裂縫的形狀還增加了對比度。 圖像周邊也會有其他干擾因素，例如跨蜂窩、麻面、混凝土剝落等因素， 這些因素稱之為噪點。 為了突出圖像裂縫的特征， 則需要對圖像進行濾波去噪， 使裂縫圖像可以更加清晰且不影響裂縫的幾何形狀。 以K52-a-01裂縫的檢測圖像為例，圖像為單視角RGB圖像，對該圖像進行灰度化及濾波去噪的處理，將大塊混凝土剝落的噪點去除，得到清晰明亮的裂縫幾何形狀(圖4)。

隨著微創技術發展，其在臨床上的應用越來越廣泛，由于其具有創面小，對身體損傷小，術后恢復快的優點，在進行手術治療時往往會選用微創手術[1] 。在婦科上經常進行的微創手術是腹腔鏡手術，雖然它產生的創面小，但是圍手術期的護理對于患者的康復同樣重要，快速康復是近年來越來越成熟的一種臨床醫療護理理念，較多的研究已經證明其可縮短患者住院時間，降低住院費用，已經被應于胃癌、結直腸癌、肝膽疾病、心臟疾病等，對于減輕患者手術創傷以及術后恢復具有重要的作用。

圖4 處理前后對比

3.2 點云數據生成與處理

在以往的研究中，Lu[8]和楊永兆[9]分別通過深度金字塔網絡和稠密點云生成網絡分階段逐級對稀疏點云稠密重建。本文利用2D圖像編碼網絡(2D-E1)對輸入圖像提取目標形狀特征，而編碼網絡的構造依次是由卷積層、殘差模塊、注意力機制和最大池化層組成。其中殘差模塊、注意力機制和最大池化層是通過堆疊的方式構成2D圖像編碼網絡的核心組成部分，這樣是為了獲得基于注意力機制的目標形狀特征[10-11]。提取目標形狀特征后需根據點云算法的解碼器對細節特征通過全連接層輸出重建，由此得到稀疏點云。

生成的點云數據相對而言較為稀疏，但數據量仍然龐大，則需要對點云進行預處理。在水平方向及垂直方向上對數據進行處理，根據現場測量的寬度信息對裂縫兩側以外的不屬于裂縫范圍的點云數據進行剔除，在垂直方向上，結合原有圖像的裂縫路徑進行濾波去噪，取裂縫中心線以外的寬度范圍進行去噪，其中部分數據需要手動去噪，由此只保留了裂縫范圍內的點云數據(圖5)。

圖5 裂縫去噪后圖片

4 裂縫點提取與引入

橋梁檢測圖像經過一系列處理之后，得到裂縫點的位置及裂縫曲線路徑。本文為了體現BIM技術在信息處理上的技術優勢，提出將裂縫點提取并引入橋梁運維模型，讓病害信息還原在模型上，達到瀏覽病害信息時可以直觀查看并能容易獲取病害位置的目的。

4.1 BIM模型創建

橋梁后期檢測時需要建立后期運維系統，其中必不可少的步驟就是建立BIM模型[12]。對于老舊橋梁現代常用的建模軟件是3ds Max、Rhino、Revit、Bentley等，由于部分橋梁會出現缺少圖紙或橋梁信息不完全的情況，因此本文選擇應用Rhino這款軟件進行橋梁模型創建及病害信息引入和管理，其優點在于：1)硬件要求低，電腦適應性強;2)操作簡單，建模較快;3)位置信息及查找較方便;4)提供API功能，可開發。對后期展示功能及信息交互而言，Rhino建模可以達到預期的效果。

橋梁模型的建立需要按照原尺寸或者與原尺寸形成一定比例進行建模，以方便后期病害信息導入時與現實狀態形狀、大小一致。本文針對某一跨進行詳盡敘述，則按照1∶100進行建模，由此減少模型體量。取K52跨為例建立模型，如圖6所示。

圖6 K52跨模型

4.2 裂縫點提取與引入

圖像進行處理及生成點云數據后，需將產生的裂縫點提取到Rhino軟件中。橋梁檢測人員在對橋梁檢測時，由于環境、交通等因素使拍攝角度及拍攝距離會存在不同差別，主要在于裂縫圖片拍攝長度與實際檢測裂縫長度不一致。在提取裂縫點過程中，需要對裂縫首尾兩處的點進行距離測量，后根據實際檢測時所測量的數據進行縮放，由此使拍攝圖片長度與實際測量長度一致，達到裂縫真實數據展示的目的。

將圖像裂縫產生的點云數據導入到模型中，為了將裂縫位置準確無誤的附著在模型上，需利用基準點對裂縫位置進行定位?；鶞庶c位置根據跨度進行標記，利用相同的編碼方式對模型進行編碼。其中模型上編碼方式利用注釋點對橋梁跨度進行編號，方便后期查找與修改。裂縫點引入時需注意以下幾點要素：1)裂縫點的編碼與模型裂縫標注一致，即為圖像起始命名；2)裂縫點屬性內標注其裂縫類型、長度、寬度、起始坐標、檢測日期；3)改變裂縫點圖層，便于查找。如圖7所示為屬性展示。裂縫點引入需借助基準點，檢測人員檢測時以基準點為原點對裂縫進行測量得到裂縫坐標，將裂縫點首尾兩點坐標與測量的起始坐標重合得到裂縫的精準位置。

圖7 裂縫點屬性展示

4.3 裂縫形成

由圖像生成的點云數據經過處理后仍具有離散型大、數量多且多個點重復的特點。針對多個無序且雜亂的裂縫點，本文利用Grasshopper(簡稱GH)對點進行處理以達到裂縫點生成裂縫線的目的。應用GH對裂縫點進行可視化編程，其思路如下：1)拾取全部裂縫點至Point節點；2)用Great Set節點對重復點進行剔除；3)Deconstruct節點提取點X、Y、Z軸坐標；4)Sort List節點對Z軸坐標進行排序；5)Nurbs curve 節點應用提取的點生成裂縫線；6)根據實際數據增大裂縫線寬度。具體思路如圖8所示。

圖8 裂縫線生成機理

K52-a-01裂縫點共計589個坐標點，利用GH的可視化編程機理對坐標點進行處理，可得到一條由多個點所提取出的中心線，即為K52-a-01的裂縫線。實際檢測時該裂縫線寬度為0.15 mm，輸入實際裂縫寬度放大中心線，在模型上得到實際裂縫寬度由此達到模型裂縫與真實數據的對接(圖9)。

圖9 裂縫線生成前后

4.4 構建病害庫

圖10 構件病害庫搭建模式

5 裂縫動態可視化

橋梁檢測人員獲取的信息為靜態數據，其中包括裂縫位置、長度、寬度、圖片等信息，由此提出將裂縫靜態數據轉變為動態可視化模型。將靜態數據信息附著在橋梁模型上，使二維數據轉為三維數據，實現三維數據對病害信息的展示以及達到模型病害可視化的目的。

橋梁檢查周期時間一般為三年，對于非永久橋梁每年檢查一次。橋梁病害逐年呈動態發展，附著在模型上的裂縫信息需要不間斷更新使橋梁病害真實數據展示在橋梁模型上，而橋梁檢查周期長，對于橋梁運維人員而言無法直觀了解裂縫發生的過程及裂縫發展的趨勢。由此可引入時間參數，將每次檢測結果都導入到模型中，使可視化裂縫信息形成時間順序，通過對裂縫形狀、位置、長度的觀察也可借助部分算法，分析出裂縫的衍生規律以及對裂縫發展進行預判，達到對裂縫病害預警的目的。時間參數引入后，對裂縫變化值可以進行顏色標注使后期可簡單明了發現裂縫的延展。本文根據該橋2014-2019年以來的三次檢查結果對某裂縫病害信息進行了裂縫變化展示，如圖11所示。

圖11 2014-2019年裂縫變化圖

裂縫信息附著在構件模型上，引入《公路橋涵養護規范》(JTG H11—2004)的定性、定量判別標準對其裂縫進行等級評定[13]。導入附著裂縫的屬性(寬度、長度)，根據其規范標準進行對比，判斷該裂縫是否需要采取措施。如表2-4所示為裂縫判別標準。

表2 裂縫定性判別標準

表3 有發展性的裂縫判別標準

表4 不能確定有無發展性的裂縫判別標準

針對模型的裂縫信息已進行編碼處理，在模型上可通過搜索快速、準確的查找到裂縫信息，該編碼是病害唯一的信息關聯通道，會一直存在于模型全生命周期內，對后期運維快速查找病害提供了便捷。利用裂縫編碼信息可以找到該裂縫并對后期檢測時裂縫變化進行描述，添加到屬性內也可對裂縫的維修時間、方法進行記錄。

6 結束語

目前橋梁運維模型針對裂縫病害信息大多局限于圖片展示或人工標記的方法。而如何提高檢測信息利用率，如何利用智能化方式對裂縫病害信息進行處理，達到提高橋梁后期管養速度及降低后期管養成本的目的，本文探索了如何利用實際檢測結果對橋梁病害進行動態可視化展示的方法，以此得出了如下結論：

1)當前對橋梁檢測的裂縫病害信息表達還停留在文字、數據等靜態描述上，最多的描述是賦予圖片來表達。本文針對此現象基于橋梁BIM模型對裂縫病害信息進行附著可以達到清晰直觀表達目的。

2)針對檢測數據對橋梁裂縫進行了位置確定，并針對裂縫排列提出了固定的編碼規則與基準點，使每一條裂縫都具備唯一的編碼，方便后期裂縫病害信息的查找與修改，而基準點確定了裂縫的位置與方向。

3)基于Rhino軟件平臺，對雜亂無章的裂縫點進行可視化編程，實現了裂縫的生成與裂縫寬度的控制，并將裂縫賦予一定屬性，便于記錄裂縫的各項重要數據。構建病害庫，能查找構件病害信息實現精準定位，使病害種類系統化，有助于后期運維系統的構成。

4)引入時間參數，將三維模型擴展成動態模型，最終形成裂縫動態不斷更新的模型。利用時間的推移可對裂縫信息進行規律探索，達到對裂縫后期發展的預測，并根據裂縫判定標準對裂縫進行等級判定確定該裂縫是否采取措施。