无人机在桥梁损伤检查中的应用研究

 无人机在桥梁损伤检查中的应用研究

 撒元强,邓爱华,张公艺，陈文韬,林国

中交三公局第六工程有限公司

【摘要】：我国公路桥梁已达到大约91万座，对如此庞大的桥梁群进行桥梁检查，采用传统的桥梁损伤检查手段，效率低，而且成本高,急切需要发掘先进的桥梁检查技术和方法。无人机作为一种先进的工具，搭载上高清镜头可以较好的观察桥梁的情况，具有灵活、成本低、信息获取能力强和自动化程度高等诸多优点。本文主要进行无人机路径规划，采用无人机摄影测量技术，在桥梁检查中获取桥梁的表观病害，并对其裂缝宽度进行精确测量。

【关键字】：无人机；桥梁检测；裂缝宽度；路径规划

1引言

由于钢筋混凝土结构成本低、取材方便等优点，在我国得到广泛使用。但由于混凝土易于开裂，并且随着裂缝宽度和长度的增加，由于钢筋没有了混凝土保护层的包裹，钢筋会逐渐发生锈蚀，减少桥梁的使用寿命。而现阶段的桥梁裂缝检查方法主要是通过桥检车到桥底，通过肉眼、刻度尺和裂缝测量仪获取桥梁底部的真是情况。对于桥墩高度较高的桥梁，采用桥检车进行桥梁检查时，效率较低而且具有较高的危险性。本文主要通过对无人机的航线进行优化，对桥梁裂缝裂缝进行精确的测量。

2无人机航线规划研究

1.1基于点云模型的无人机路径规划背景

数据采集和数据处理是桥梁检查的两个主要内容，在进行外业数据采集时，无人机的续航能力是有限的，在野外没有良好的能源供给，高效的无人机飞行航线变得尤为重要。在进行桥梁外观数据采集时，需要尽可能的贴近桥梁进行图像数据的采集，这样才能达到更好的效果，使得到的图像数据清晰、质量高。因此需要尽可能的优化无人机的飞行路线，达到缩短无人机飞行里程，提高图像数据质量的效果。

现阶段常规的路径规划算法主要有以下几种算法:蚂蚁算法，由Marco.Dorigo在1991年提出[1]，后面又由Marco.Dorigo等人对算法进行了改进[2]-[4]；A*算法适用于求解状态空间中的最小代价路径，首先设定适合的启发函数，对下一个状态的节点进行估计，寻找最小的代价路径，直至目标节点[5]。表达式为：

   （1-1）

其中，h(n)是此前节点到目标节点的估计代价，f(n)指的是此前节点的代价函数，g(n)指的是搜索空间中起始节点到当前点的距离真实代价。

人工势场法是对机器人路径规划的方法，最初是由Oussama Khatib提出，由此解决了机械臂路径规划的问题。但是每一个算法都有适合的应用场景，桥梁作为一个庞大的异形体，在使用无人机进行桥梁检查路线规划时，使用上述的的算法，会出现较大的误差。在使用蚁群算法进行最优路线规划时，无法根据桥梁的复杂结构做出变化，会增加大量的路径搜索时间。而A*算法适用于二维空间的路线规划，桥梁检查的路线规划是三维的，所以说A*算法不适用于桥梁检查的无人机路径规划。

1.2点云环境的无人机路径规划研究

在进行无人机飞行路线规划之前，需要建立一个环境模型作为无人机飞行路线规划的环境。本文将点云建立的空间环境作为无人机飞行路线规划的工作环境，在点云环境中获得桥梁结构的特征点，将特征点作为路径规划的依据。

1.2.1点云模型的建立

无人机点云模型的获得主要分为两个步骤，一是倾斜侧影数据图像的采集，二是对采集的数据进行点云模型的建立，在获得点云数据之后，需要对点云数据进行预处理，从而获得精度更高、建模速度更快的点云模型，最后获得无人机路径规划的环境模型。本次采用的无人机型号是大疆精灵4RTK,配套的软件是DJI pilot，该软件可以在指定无人机飞行的区域自动生成航线，总共有5条航线，主要分为两类，一类是正射图像，镜头是竖直向下的;二类是倾斜摄影航线，我们可以手动调节云台角度，已达到最佳的效果。云台的角度是根据建筑物的高度和间距来确定的，当建筑物高度大而且较密集时，云台角度θ>45°，相反则θ<45°。这样的目的是为了保证图像数据有较高的重叠度，从而保证无人机图像数据在进行建模对准时精确度能够得以保证。

图1 云台角度

将无人机拍回来的图像数据通过context capture等软件进行密集点云模型的建立，为无人机航线的规划提供空间环境。

图2 无人机环境点云模型

1.2.2航线算法研究

从点云密集模型中提取特征点，如果特征点过多会导致在matlab里面规划航线时难以计算航点。因此根据桥梁结构的特征，将结构分为桥墩和主梁两个部分，分别对其进行航线的规划，桥墩和主梁的形状特征都为长条状，这样的处理便于在规划航向时做简化处理。其次，由于支座作为扁平结构划入桥墩范围，但是支座并不会影响桥墩航线的规划。矩形桥墩和圆柱形桥墩的特征点如下图所示：

图3 矩形和圆形桥墩特征元素

根据矩形截面的四个角点以及高度，可以做出矩形四条边的直线，从而得出其直线方程。根据已有角点和直线方程，采用内插的方法，从而得到位于直线上的航点，内差值的大小与图像数据的相幅和图像的重叠程度有点，而且相幅与无人机和结构物表面的距离相关。圆形截面无人机航线规划主要思路如下图所示，矩形截面思路相同。

图4 圆形桥墩无人机路径规划

根据这三者的关系，采用matlab生成函数，以确定三者的关系。在一般情况下，无人机飞行时和结构物的距离在0.5m-2.0m之间，为了使矩形桥墩的两个邻边与坐标轴的X轴和Y轴平行，需要将航点进行一定角度的旋转，旋转矩阵为：

（1-2）

其中(x,y,z)是旋转以前的坐标值，(x’,y’,z’)是旋转以后的坐标值，θ是绕X轴旋转的角度。根据无人机建立的环境模型，在matlab中分别为桥墩和主梁规划飞行路径，确定航点信息、航偏角、云台俯仰角等信息，并且编入kml文件，导入无人机操控软件，让无人机根据规划航线进行作业。

图5 实桥点云无人机路径规划

3裂缝宽度测量技术

3.1图像预处理

在得到图像数据以后，面对全桥的图像数据，数量大，凭借人眼仅能判断一些明显的损伤情况，如蜂窝麻面等明显的问题。对于裂缝宽度的测量，需要进一步的处理。包括图像灰度化、图像滤波以及图像增强等处理方法，对于混凝土结构，大多是灰色，采用加权平均法处理效果更佳，相比于分量法和平均值法，这样裂缝的显示会更加清晰。经过对比，对于大面积混凝土，中值滤波效果更优，相比于均值和高斯滤波法，本文采用的是中值滤波法进行图像的处理。

图6  图像处理前（左）后（右）

3.2裂缝宽度测量

将裂缝分为横向裂缝、竖向裂缝和斜裂缝。对于横向裂缝和数量裂缝，可以根据划线法直接计算裂缝宽度，对于斜裂缝本文采用切线垂线法对裂缝宽度进行测量。首先对裂缝两侧的外骨架像素进行扫描，计算外围骨架像素的中心坐标，并对其拟合，得到两条拟合曲线，和分别计算出每个像素点处的切线方程，通过计算得到过该切线并且过该切点的垂线方程，此垂线方程与两条拟合曲线相交与两个点，两点之间得距离就是裂缝宽度。

图7  切线垂线法处理流程

为了验证裂缝宽度计算方法的可行性，采用上述计算方法计算实桥中的裂缝宽度，并与实际测量作对比分析，比较结果如下图：

在实桥裂缝宽度计算中，所采用的测量裂缝宽度仪器的精度为0.02mm。从计算结果可得出，根据图像计算出的裂缝理论计算宽度要大于实测值，其误差范围在3%-8%之间，满足要求。

结论

提出了在点云环境下无人机路线的规划，在matlab中进行无人机飞行路径算法的编写，计算出无人机的姿态信息和航点信息，使得无人机在进行桥梁检查时的工作效率和精度得到提高。

基于无人机获得的图像数据，经图像处理以后，采用切线垂线法计算桥梁裂缝宽度，可以较为准确的获得桥梁裂缝的宽度。采用此方法使得桥梁检查的危险性得到降低，同时减少成本，提高工作效率，特别是对于桥墩高度较大、环境条件较差的桥梁。

参考文献

[1]Colomi A,Dorigo M, Maniezzo Distributed Optimization by Ant Colonies[C].//Ecal91-EuropeanConference on Artificial Life. 1991:134-142

[2]Come D , Dorigo M , Glover F , et al New ideas in optimization[ C].ll mcgraw-hillLtd UK.1999:11-32

[3]Dorigo M , Birattari M , Blum C.Ant Colony Optimization and Swarm Intelligence[J]. SpringerVerlag, 2004,5217(8):767-771

[4]HART PE,NLLSSON N J ,RAPHAEL B.A formal basis for the heuristic detemination ofminimum cost paths[J].IEEE Transactions on Systems Science and Cybemetics,1968.4:100-107

[5]Koren Y , Borenstein J Potential field methods and their inherent limitations for mobile robotnavigation[C]. ll Robotics and Automation, 1991. Proceedings,1991IEEEInternational Conferenceon. 1991-1398-1404

[6]董永泉. 基于无人机摄影测量的桥梁检查新技术研究[D].重庆交通大学，2021.DOI:10.27671/d.cnki.gcjtc.2021.1学,2021.DOI:10.27671/d.cnki.gcjtc.2021.000741.