苏伟胜 梁才 罗祺
摘要:文章针对传统人工桥梁检测方法的不足,综述了无人机在桥梁裂缝、索力、劣化和振动检测中的应用情况,介绍了当前工程检测无人机的系统构成,探讨了无人机图像采集、分析、损伤智能识别技术的进展,阐述了无人机技术在桥梁多类型检测项目中的发展趋势,为未来桥梁检测系统实现经济、高效、精准、全方位的目标提供新思路。
关键词:无人机;桥梁检测;图像识别;红外成像
0引言
截止2021年末,我国桥梁数量已超过96.11万座。桥梁健康状况是确保交通安全的重要因素之一,随着国民经济的快速发展,交通出行越发集中,车辆荷载也越来越大,给桥梁造成的损伤也需要受到重视。桥梁损伤的原因可以分为施工或养护不当[1]、材料老化[2]、自然灾害和车辆超载等。桥梁一旦损伤势必会影响结构安全性、适用性及耐久性。桥梁检测[3]作为结构运营维护的重要环节,在桥梁结构承载力分析与评估中有着不可或缺的地位。定期的桥梁检测能够为桥梁保养和维修提供可靠的决策依据,对相关理论的适用性和可靠性进行相应的分析和验证,为桥梁的建设和管理养护提供合理意见。
目前,我国桥梁的检测方式仍然较为传统,主要依靠桥检车[4]、望远镜等来观测桥梁病害,如开裂[5]、钢筋锈蚀[6]、混凝土剥落、不均匀沉降等。而对于大跨度斜拉桥、悬索桥、钢管混凝土拱桥等,常规检测技术存在效率低、难度大、危险系数高、无法消除检查盲区的弊端。随着遥感和测绘技术的不断发展,公路管养机构也在不断尝试使用新方法、新技术对桥梁进行安全检测。随着无人机在工程勘察领域的大量应用,也逐渐受到桥梁损伤研究者的重视。
无人机可分为固定翼无人机、旋翼无人机,结构简单,工作效率高,可以根据桥梁检测目标,在无人机上安装不同类型的传感仪器,收集桥梁损伤信息,有效克服了人工和传统设备在桥梁检测过程中的局限性,为工作人员对桥梁健康状况评估提供理论支撑。本文综述了无人机在桥梁检测领域的运用情况,为桥梁病害的检测工作提供新的思路。
1 无人机桥梁检测系统构成与原理
无人机桥梁检测系统[7]主要包括多旋翼无人机、地面站系统、数据传输系统、任务荷载系统、其他设备等。旋翼无人机在桥梁检测中应用较多,其结构简单,能够进行垂直起降、空中悬停、快速飞行等动作,适合对大跨桥梁进行整体扫描和结构细节图像采集。数据传输系统用于实时传输各类文件、反馈传感器数据。地面站系统则用于定位无人机的飞行路径、发送飞控信号和实时观测桥梁明显病害。无人机可根据检测项目需求安装各类检测设备,如激光雷达、多光谱相机、超声波传感器、高清摄像装置等,其主要技术参数见表1。
无人机桥梁快速检测系统主要应用于桥梁外观病害识别,利用旋翼无人机高空悬停的特点,借助搭载的高清摄像采集系统,对桥梁重点部位进行拍照,将照片导入图像识别系统对桥梁进行病害识别,其识别精度可达毫米级。
2 无人机在桥梁裂缝检测中的应用
裂缝是评估桥梁安全性能的指标之一,裂缝的出现会直接导致结构外观破损、钢筋锈蚀以及承载能力下降,桥梁事故的发生多数也由裂缝的发生所导致。裂缝的出现直接缩短了桥梁的使用寿命,相当数量的桥梁在服役十几年后就出现开裂、耐久性失效。
目前,无人机裂缝检测技术[8]已经逐渐应用在桥梁的裂缝检测中,徐昊等[9]基于4旋翼无人机搭载高清运动相机,利用MAT LAB软件的Camera Calibrator工具箱对图像畸变进行矫正,针对桥梁裂缝的成像特征,开发了裂缝图像处理算法,利用这种裂缝检测系统对多处混凝土结构的裂缝进行图像采集,并将此技术与相关技术进行对比,测量结果如下页表2所示。
常廣利等[10]基于多旋翼无人机对桥梁表面裂缝进行拍摄,将桥梁裂缝图像进行灰度化处理、直方图均衡化、去噪、最大类间方差法识别,图像裂缝识别正确率达到89.3%,具有较好的裂缝识别度和鲁棒性。钟新谷等[11]采用IMETRUM测量仪对无人机表面标记点进行全程3D视频拍摄,验证无人机空中悬停状态下机载高清相机的成像性能;通过搭载的三点激光测距仪,测量无人机与物体的距离,推导相机成像平面与实际物体拍摄表面的夹角,对裂缝图像进行解析修正;基于MAT LAB软件对裂缝图像进行灰度变换、滤波增强、最大熵阈值分割,开发SVM机器学习算法,消除图像中混凝土的气孔、麻面、划痕以及模板接缝印记等噪声。同时利用上述裂缝识别方法对某桥梁进行检测,取得了很好的识别效果。
陶晓力等[12]首先对无人机拍摄图像进行灰度化处理和滤波去噪,减少图像噪音,突出局部裂缝,然后采用沈俊边缘检测算子将裂缝从图像中分离,并设计了裂缝线段连接方法,解决了边缘检测法对裂缝连续性的破坏,采用链码跟踪的方法记录裂缝边缘轮廓的走向,在此基础上获取裂缝的长度和宽度等信息,并根据裂缝的线性特征进行特征的选择检测。贺志勇等[13]根据现行无人机图像处理技术对图像进行灰度化和滤波去噪,利用0°、45°、90°、135°、180°、225°、270°、315°八方向的So-bel算子对裂缝图像进行边缘检测,并基于裂缝特征向量构件BP神经网络,利用该网络进行裂缝自动分类识别。
3 无人机在桥梁索力检测中的应用
拉索作为大跨桥梁的主要承力构件,索力的准确测量是桥梁线形和结构内力满足设计要求的重要前提。现有拉索索力的测量方法主要是在拉索表面安装振动加速度传感器或者磁通量传感器,通过分析拉索的振动信号和磁导率的变化确定拉索索力,这些方法在索力测试中受拉索边界条件和电磁场的干扰,导致测试数据误差较大,无法满足索力的测量精度。张建等[14]利用无人机搭载高清相机获取拉索在自然或人工激励作用下的振动图像序列;开发图像深度学习网络,然后利用振动图像序列构建样本训练数据库,对该网络对行训练;最后利用深度学习网络分析拉索频差与索力的关系。魏建东[15]利用无人机在桥梁侧面对拉索进行拍照,并对图像中的拉索进行识别,沿拉索长方向选取多个监测目标点,分析目标点在水平和竖直方向的位移数据,选取其中的3个目标点,利用拉索的线形方程,计算得到拉索状态参数,建立索力与目标点位移数据的函数关系,对该拉索表面3个目标点进行随机组合,可计算得到拉索的多个索力值,取其所有计算值中的最小值为拉索实测索力。
4 无人机在桥梁劣化检测中的应用
Rüdiger Escobar-Wolf等[16]基于混凝土结构缺陷区域传热梯度会发生变化特点,在无人机上安装红外和可见光摄像机,对密歇根州底特律I-96高速公路上的Merriman和Stark Road立交桥进行了现场测试,获取了桥梁的热图像,为了验证遥感数据的准确性,在桥面7个位置进行了锤击探测试验,并大致划定了潜在的分层区域,该区域与无人机红外图像识别具有一致性。
Tarek Omar等[17]探讨了无人机红外热成像技术在检测混凝土桥面下分层中的潜在应用,利用无人机载热成像系统对两个在役混凝土桥面进行了测量,使用高分辨率热成像仪通过低空飞行获取热图像;然后使用定制开发的代码对图像进行增强并缝合在一起,为整个桥面建立了热图像;创建了描述分层严重程度的条件图,利用基于k均值聚类技术的图像分析技术分割热图像并识别目标阈值;使用锤击测深和半电池电位测试对同一桥面进行测试,验证了无人机红外热成像结果。
5 无人机在桥梁振动检测中的应用
Gongfa Chen等[18]将无人机和数字图像相关技术结合起来,对桥梁进行振动测量。利用数字图像相关技术对无人机拍摄的桥梁视频进行分析,以跟踪测量点的位移;通过建立具有固定点的平面单应变换对图像进行几何校正,分离无人机本身运动对位移的影响,获得桥梁的真实位移,然后从目标点的位移时程曲线中提取频率和振型。
Zhaocheng Yan等[19]将无人机检测技术与卷积神经网络和Kanade-Lucas-Tomasi光流法相结合,对桥梁振动进行测量。该方法在桥梁背景中选取一个固定的参考点,使用无人机拍摄桥梁视频,利用KLT光流法跟踪桥梁上的目标点和视频中的参考点,以获得每帧图像上这些点的坐标。然后,卷积神经网络根据参考点和目标点的坐标来学习参考点与目标点之间的特征关系,校正目标点的位移时程曲线,其中包含无人机自主运动引起的虚假位移。最后,使用操作模态分析(OMA)从位移信号中提取结构的固有频率。
6 结语
无人机在桥梁检测中取得了良好的应用效果,弥补了传统桥梁检测存在效率低、操作难度大、危险系数高、无法消除检查盲区的弊端,以其良好的机动性、安全性和经济性,近年来在桥梁管理单位得到快速推广。但目前的无人机桥梁检测技术仍存在图像处理技术和机器识别算法不足的限制,无人机仅可作为桥梁安全检查的一种辅助性手段,对检测人员难以抵近或危险较大的部位进行检查。桥梁检测工作需要采取多种检测方法,优势互补,才能全面掌握桥梁的健康状况。随着无人机传感设备的不断更新以及深度学习网络等图像智能分析算法的不断进步,无人机桥梁检测的准确性也将不断提升,无人机桥梁检测技术有着极为广阔的应用前景。
参考文献:
[1]龙崇民.桥梁养护管理中的问题与对策研究[J].黑龙江交通科技,2021,44(10):116-117.
[2]Luis Duque,Junwon Seo,James Wacker.Bridge Deterioration Quantification Protocol Using UAV[J].Journal of Bridge Engineering,2018,23(10):04018080.
[3]贺拴海,王安华,朱 钊,等.公路桥梁智能检测技术研究进展[J].中国公路学报,2021,34(12):12-24.
[4]杨雪峰.桥梁检测车在桥梁检测中的应用价值分析[J].科技创新导报,2019,16(4):45,47.
[5]王俊勇,罗 斌,杨秀敏.基于空间网格分析法的箱形桥梁裂缝评估[J].建筑结构,2022,52(S1):2 267-2 272.
[6]姚剑虹.钢筋锈蚀对桥梁桩基础混凝土性能的影响研究[J].科学技术创新,2022(6):86-89.
[7]马学志,范剑雄,柴雪松,等.无人机巡检系统在铁路混凝土桥梁检测中的应用[J].铁道建筑,2021,61(12):76-80.
[8]余加勇,李 锋,薛现凯,等.基于无人机及Mask R-CNN的桥梁结构裂缝智能识别[J].中国公路学报,2021,34(12):80-90.
[9]徐 昊,彭雪村,卢志芳.基于四旋翼无人机的桥梁裂缝检测系统设计[J].水利水运工程学报,2018(1):102-110.
[10]常广利,冷 冰,杨凯银.基于多旋翼无人机桥梁裂缝智能化识别分析[J].市政技术,2021,39(10):46-48.
[11]钟新谷,彭 雄,沈明燕.基于无人飞机成像的桥梁裂缝宽度识别可行性研究[J].土木工程学报,2019,52(4):52-61.
[12]陶晓力,武 建,杨 坤.基于无人机视觉的桥梁裂缝检测[J].计算机技术与发展,2018,28(3):174-177.
[13]贺志勇,王 鹏.无人机视觉的桥梁底面裂缝检测方法[J].筑路机械与施工机械化,2019,36(6):131-137.
[14]张 建,张 成,田永丁.一种基于无人机平台和深度学习的复杂背景下索力快速测试系统及方法[P].江苏:CN111259770A,2020-06-09.
[15]魏建东.一种利用无人机测量斜拉桥拉索张力的方法[P].河南:CN105910743A,2016-08-31.
[16]Rüdiger Escobar-Wolf,Thomas Oommen,Colin N.Brooks,et al.Dobson,Theresa M.Ahlborn.Unmanned Aerial Vehicle (UAV)-Based Assessment of Concrete Bridge Deck Delamination Using Thermal and Visible Camera Sensors,A Preliminary Analysis[J].Research in Nondestructive Evaluation,2018,29(4):183-198.
[17]Tarek Omar,Moncef L.Nehdi.Remote sensing of concrete bridge decks using unmanned aerial vehicle infrared thermography[J].Automation in Construction,2017(83):360-371.
[18]Gongfa Chen,Qiang Liang,Wentao Zhong,et al.Homography-based measurement of bridge vibration using UAV and DIC method[J].Measurement,2020(170):108683.
[19]Zhaocheng Yan,Zihan Jin,Shuai Teng,et al.Measurement of Bridge Vibration by UAVs Combined with CNN and KLT Optical-Flow Method[J].APPLIED SCIENCES-BASEL,2022,12(10):5 181.
作者簡介:苏伟胜(1975—),高级工程师,研究方向:公路与桥梁检测。