王盛 杜斌

摘 要：隨著橋梁總數(shù)的不斷增長，橋梁檢測的市場需求越來越大，常規(guī)的檢測方法難以滿足，于是基于無人機的橋梁智能化檢測手段應運而生。本文從無人機安全飛行研究與智能化檢測研究兩個方面進行分析總結，該類型研究處于起步階段，未來必將大有所為。

關鍵詞：無人機;橋梁工程;常規(guī)檢測;智能化

中圖分類號：U446.2? ? ? ? 文獻標識碼：A? ? ? ? ? ? 文章編號：1006—7973（2021）11-0157-03

1引言

據(jù)交通運輸部統(tǒng)計從2010年到2020年十年時間里，公路橋梁增長了26.1萬座共計91.28萬座[1]，當橋梁投入運營后，通常每2-3年內會經(jīng)歷一次常規(guī)檢測，由于我國橋梁存量巨大，于是產(chǎn)生了巨大的檢測需求。當下的傳統(tǒng)檢測方式工作效率低下、檢測范圍小、檢測成本高[2]。于是嘗試引進新設備及技術來升級檢測方式，其中利用無人機搭載設備，結合智能化技術對橋梁進行檢測最為熱門，憑借無人機的機動靈活可擴大檢測范圍，借助智能化檢測技術可降低檢測成本、提高檢測效率，滿足我國對于橋梁常規(guī)檢測的需求。

2安全飛行研究

應用于橋梁檢測的無人機通常需要面對復雜多變的環(huán)境，如何保證其安全飛行成為該研究領域的基本前提，學者們提出兩種不同的防護方式，分別是增加輔助硬件或改變飛行器結構實現(xiàn)物理防護、借助計算機技術實現(xiàn)智能避障軟防護。

2.1物理防護

在物理防護改造中，都是利用多旋翼無人機作為改造平臺，其飛行速度適中、易定點懸停、有較大的改造空間。Takahiro等[3]，在無人機頂部安裝三自由度的力控制器，用以調整無人機的姿態(tài)及位置，從而避免無人機撞擊橋梁底板，如圖1所示。Sanchez等[4]，給無人機安裝旋翼緩沖保護裝置，可使無人機安全地貼近梁底飛行，即使碰撞到橋梁也能安然無恙，如圖2所示。Myeong等[5]，設計了無人機傾斜機構，并在無人機的四個旋翼位置安裝滾輪，通過PID控制飛行姿態(tài)，實現(xiàn)垂直墻壁飛行和沿弧形構件表面飛行，極大提高無人機的通過性、平穩(wěn)性和安全性，如圖3、4所示。

2.2智能軟防護

在利用計算機技術實現(xiàn)智能避障的軟防護研究方面有較多的方案，張?zhí)煲韀6]利用兩臺攝像機成像的立體視覺技術，成功設計了無人機障礙快速識別及躲避策略。馬躍濤[7]提出了基于超聲波測距、單攝像頭測距、被動式陣列磁感應天線裝置的多源信息融合算法，提升了無人機對于障礙物的感知能力。張陣委[8]提出一種在光線不足或沒有光線情況下，利用深度相機構建3D地圖，從而實現(xiàn)避開障礙物的智能防護辦法。

3檢測智能化研究

3.1變形檢測研究

傳統(tǒng)橋梁變形檢測常依賴于全站儀或水準儀，這導致檢測效率低、檢測投入成本高，于是學者們開啟了對變形檢測方式的改進探索，Ellenberg等[9]，首次嘗試了基于無人機的3D slam技術變形測量，并成功在室外完成了可行性測試。Daniel等[10]利用無人機攝像頭采集三維數(shù)字圖像，以非接觸光學測量的方式來檢測橋梁的幾何形變，且在兩座現(xiàn)役橋梁上取得了較好的表現(xiàn)。鐘文韜[11]提出了新型視覺測量方案，其選用固定參考點建立平面單應性變換，校正了由于無人機運動引起的虛假變形，使得變形測量結果更加準確。

3.2表觀病害識別研究

目前應用于橋梁表觀病害識別的方法多種多樣，如圖像處理技術、計算機視覺技術、深度學習算法等，它們在實際測試中均取得了不錯的效果，但仍有改進和優(yōu)化的余地。齊超[12]提出基于圖像處理與測量技術的梁底裂縫檢測方法，并開發(fā)了梁底裂縫識別測量軟件。姚學練[13]開展了復雜背景下的漏筋、蜂窩麻面和裂縫特征分割與提取研究，成功設計出基于MATLAB的橋梁底面缺陷視覺檢測系統(tǒng)。孫杰等[14]采用主動式紅外熱成像技術對橋梁鋼結構涂裝進行檢測，能夠準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，對混凝土裂縫、鋼構件銹蝕、鋼構件分層、螺栓銹蝕等病害的平均識別率達到84.7%。蔣燕芳[16]提出基于圖像處理和YOLO深度學習的橋梁表觀病害識別算法，成功實現(xiàn)了對7類混凝土表觀病害的識別，且識別精度達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，其研究學者少、研究方法及內容單一，基本上都是依賴于BIM技術。如曹再興[17]提出基于“表面點法”和“立體病害模型參數(shù)化”的橋梁結構病害BIM建模方法，成功將混凝土裂縫及表面破損等進行可視化顯示。馬繼駿等[18]，基于工業(yè)基礎類（Industry Foundation Classes，IFC）模式、語法及結構將病害信息幾何化和可視化，可實現(xiàn)BIM模型上病害信息的動態(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，實現(xiàn)了病害可視化標記、病害屬性及歷史展示、病害信息統(tǒng)計等功能，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

由于病害檢測數(shù)據(jù)難獲得、檢測數(shù)據(jù)難連續(xù)、檢測數(shù)據(jù)分析未重視、檢測橋梁分散無共性等，導致國內很少有對檢測病害數(shù)據(jù)的專業(yè)挖掘分析研究，現(xiàn)階段都是借助于BIM技術進行簡單的病害統(tǒng)計分析，如潘永杰等[20]，借助BIM技術構建了鐵路橋梁病害庫和運營養(yǎng)護系統(tǒng)，實現(xiàn)病害的簡單統(tǒng)計分析和橋梁狀態(tài)的定量評價。Shim等[21]，提出了基于BIM技術的數(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)和病害檢測系統(tǒng)融合在一起，達成檢測數(shù)據(jù)與維修數(shù)據(jù)不斷更新的狀態(tài)，然后分析動態(tài)更新的數(shù)據(jù)結果，為橋梁維護決策及應對突發(fā)狀況提供可靠的數(shù)據(jù)支持。

4結論與展望

本文從安全飛行研究和檢測智能化兩個方面，對現(xiàn)階段基于無人機的橋梁常規(guī)檢測智能化研究進展進行梳理，得出以下幾點總結與展望：

（1）在安全飛行研究中，增加輔助硬件或改變飛行器結構實現(xiàn)物理防護更具發(fā)展和研究潛力，增加接觸性輔助硬件便可調控無人機與橋梁間距離、搭載接觸式傳感器，以獲得更穩(wěn)定、更準確及更多樣化的檢測結果。其次是研究改變飛行器結構，制造出符合在復雜橋梁環(huán)境下工作的專業(yè)化無人機，可在狹小空間自由穿梭，以擴大檢測范圍和提高檢測能力。

（2）目前利用無人機對橋梁變形進行檢測的研究較少，因為之前無人機不能實現(xiàn)定點精確懸停，將導致測量誤差很大，但是隨著技術的進步，現(xiàn)在的無人機可配備多種精準懸停方式，組合定位懸停精度可達厘米級，這給無人機測量變形研究提供了實現(xiàn)的技術基礎，相信在不久的將來必能取得豐碩的成果。

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

（4）現(xiàn)階段對于病害的可視化研究較少，展現(xiàn)出研究手段單一、研究內容較淺的缺點，未來可有針對性地進行改變，如嘗試使用虛擬與現(xiàn)實技術對橋梁可視化進行研究。

（5）我國還未建立專業(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)進行智能化檢測和維護，若利用好無人機采集的病害數(shù)據(jù)，建立專用的橋梁病害數(shù)據(jù)庫，可實現(xiàn)飛行航線自動規(guī)劃、重點病害持續(xù)跟蹤、最佳維修時間預測、橋梁技術狀況等級自動評定、病害發(fā)展預測、結構功能退化預測等。

參考文獻：

[1] 2010-2020年交通運輸行業(yè)發(fā)展統(tǒng)計公報[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.年度研究進展[J].土木與環(huán)境工程學報（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?基于立體視覺的移動機器人避障技術研究[D].南京航空航天大學，2018.

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

[8]張陣委.基于機器視覺的小型四旋翼無人機智能避障研究[D].上海工程技術大學，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.基于無人機圖像的橋梁振動測量及模態(tài)分析[D].廣東工業(yè)大學，2020.

[12]齊超.橋梁裂縫檢測中圖像識別處理與測量技術的研究[D].北京交通大學，2014.

[13] 姚學練.基于機器視覺的橋梁底面缺陷自動檢測技術研究與應用[D].貴州大學，2019.

[14] 孫杰，甄宗標.紅外熱成像技術在橋梁鋼結構涂裝檢測中的應用[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習的RC橋梁表觀病害識別[D].重慶大學，2019.

[17] 曹再興.BIM技術在橋梁管養(yǎng)中的應用研究[D].重慶交通大學，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[J].土木工程與管理學報，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，2020.

[20] 潘永杰，魏乾坤，趙欣欣，等.鐵路橋梁病害庫和管養(yǎng)知識庫的構建及應用研究[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.