摘要：文章針對(duì)橋梁病害缺乏高精度定位方法且傳統(tǒng)拱橋檢測(cè)多以報(bào)告和照片儲(chǔ)存無法直接查看病害位置等問題，提出一種可視化的電子存檔方法和系統(tǒng)，直觀展示橋梁病害具體信息。同時(shí)以某單拱拱橋測(cè)量工程為實(shí)例，以無人機(jī)傾斜攝影和全站儀結(jié)合技術(shù)為主，人工檢測(cè)為輔采集信息，將傾斜攝影與全站儀坐標(biāo)進(jìn)行對(duì)比結(jié)合，獲得精準(zhǔn)的橋梁病害信息并融入三維模型中，對(duì)其精準(zhǔn)度進(jìn)行評(píng)估。結(jié)果表明：此方法能精準(zhǔn)定位病害的空間坐標(biāo)，誤差△S均＜0.01 m，符合規(guī)范要求；三維模型融入詳細(xì)坐標(biāo)信息后能精準(zhǔn)定位病害坐標(biāo)，簡(jiǎn)潔明了，且數(shù)據(jù)容量小，有利于儲(chǔ)存。該系統(tǒng)可為橋梁檢測(cè)后期數(shù)據(jù)存放和展示技術(shù)的實(shí)際應(yīng)用提供新方法，對(duì)于橋梁的監(jiān)控、檢測(cè)、維修、管理運(yùn)營(yíng)系統(tǒng)具有實(shí)際的應(yīng)用價(jià)值。

關(guān)鍵詞：橋梁病害；無人機(jī)攝像；三維模型；病害可視化

中圖分類號(hào)：U448.22 A 24 088 2

0 引言

拱橋按拱肋結(jié)構(gòu)可分為石橋、鋼拱橋、混凝土拱橋、鋼筋混凝土拱橋，其中石拱和混凝土拱橋在雨水的侵蝕下易出現(xiàn)多種橋梁病害［1-2］。傳統(tǒng)的檢測(cè)方法和結(jié)果報(bào)告關(guān)于病害的具體位置信息描述籠統(tǒng)不直觀，后期無法精準(zhǔn)定位病害空間位置。而無人機(jī)和全站儀技術(shù)結(jié)合獲取精準(zhǔn)的三維坐標(biāo)并融入三維模型中，具有高效率、范圍廣、精準(zhǔn)度高的優(yōu)勢(shì)，可為后期維修提供幫助。

無人機(jī)測(cè)量技術(shù)是國(guó)內(nèi)目前較為新穎的測(cè)量技術(shù)，有著范圍廣和效率高的優(yōu)勢(shì)，被廣泛地應(yīng)用于三維建模和數(shù)值化測(cè)繪當(dāng)中［3］。向華林等［4-7］通過改變無人機(jī)鏡頭數(shù)量來研究測(cè)量的數(shù)據(jù)精準(zhǔn)度，用全站儀驗(yàn)證模型的精度，最后得出以單鏡頭下攝影測(cè)量有良好的經(jīng)濟(jì)性，且精度能滿足Ⅰ類和Ⅱ類建筑的要求，表明無人機(jī)傾斜攝影技術(shù)能精準(zhǔn)地得到坐標(biāo)數(shù)據(jù)。

為了解決橋梁病害信息發(fā)散不統(tǒng)一的現(xiàn)象，當(dāng)前對(duì)病害可視化系統(tǒng)開始了研究。林國(guó)濤等［8-10］以BIM建模為基礎(chǔ)，通過結(jié)合實(shí)時(shí)檢測(cè)數(shù)據(jù)更新，建立了一套可記錄和展示病害的空間分布和發(fā)展方向的系統(tǒng)，能直觀進(jìn)行病害的三維顯示以及展示病害的處理情況。相關(guān)文獻(xiàn)表明，直觀的信息能提高后期的維修效率，能有效地檢測(cè)和觀察病害的發(fā)展情況。

因此，本研究以某單拱拱橋?yàn)閷?shí)踐基礎(chǔ)，采用無人機(jī)和全站儀結(jié)合的技術(shù)，以人工采集病害信息為輔，將傾斜攝影和全站儀數(shù)據(jù)融入三維模型，通過對(duì)比兩者采集的數(shù)據(jù)進(jìn)行模型的評(píng)估，建立高精度病害定位系統(tǒng)，快速顯示病害情況和精準(zhǔn)坐標(biāo)，有利于后期維修和運(yùn)營(yíng)監(jiān)控。

1 工程及定位原理

1.1 工程概況

本文以單跨拱橋檢測(cè)為工程基礎(chǔ)，該拱橋總長(zhǎng)為75.3 m，上部結(jié)構(gòu)采用（1～50）m板拱。橋面凈寬為7 m，橋下凈空為10.07 m。橋臺(tái)采用漿砌片石制成，屬于埋置衡重式橋臺(tái)。橋墩基礎(chǔ)由C30混凝土澆筑而成。橋梁于1991年8月竣工，設(shè)計(jì)荷載等級(jí)為公路-Ⅱ級(jí)。由于該拱橋建立時(shí)間久遠(yuǎn)，存在諸多病害，故對(duì)其進(jìn)行檢測(cè)。

1.2 高精度病害定位技術(shù)原理

精準(zhǔn)定位技術(shù)是以無人機(jī)傾斜攝影以及全站儀精準(zhǔn)定位為主，人工檢測(cè)為輔。其中，無人機(jī)傾斜攝影是通過無人機(jī)搭載攝影傳感器從多個(gè)角度對(duì)拍攝物體進(jìn)行信息采集，將采集的照片通過軟件處理形成三維模型，將其中所需要的坐標(biāo)提取出來。同時(shí)，采用全站儀紅外測(cè)距法將標(biāo)記點(diǎn)坐標(biāo)采集并記錄，如圖1所示。無人機(jī)傾斜攝影所建模型數(shù)據(jù)容量大，不易方便儲(chǔ)存，而高精度病害定位技術(shù)三維模型采用后期建模，模型簡(jiǎn)單明了，將無人機(jī)傾斜攝影以及全站儀采集的精準(zhǔn)坐標(biāo)融入至三維模型中。

將無人機(jī)傾斜攝影坐標(biāo)系Ri提取列出，其橋面幾何中心點(diǎn)坐標(biāo)為R0。由于全站儀站點(diǎn)坐標(biāo)以橋面幾何中心點(diǎn)為原點(diǎn)（0，0，0），兩坐標(biāo)系無法進(jìn)行對(duì)比，需將Ri坐標(biāo)系原點(diǎn)平移至R0，得出新坐標(biāo)系Rs，具體公式如下：

Ri=xiyi

zi，R0=x0y0

z0，Rs=xs

ys

zs

Rs=Ri-R0 （1）

2 工程實(shí)例驗(yàn)證

2.1 病害查詢及布點(diǎn)

為了清晰判斷病害情況，使用人工采集方法，采用高清晰度相機(jī)進(jìn)行拍攝。對(duì)橋面病害發(fā)現(xiàn)后及時(shí)拍照并標(biāo)記，橋下病害運(yùn)用橋檢車將工作人員放入橋下，對(duì)病害進(jìn)行評(píng)估并且標(biāo)記。所有標(biāo)記好的病害作為控制點(diǎn)進(jìn)行編號(hào)。

2.2 數(shù)據(jù)采集

無人機(jī)設(shè)備選用DJ-4Pro，配有4K超清影像采集FOV84°攝像頭，傳感器為有效2 000萬像素，光圈F為2.8-11超廣角自動(dòng)對(duì)焦，空中懸停精密度為±100 mm。

針對(duì)該拱橋的尺寸大小及現(xiàn)場(chǎng)環(huán)境，傾斜攝影方案布置4個(gè)控制點(diǎn)，設(shè)計(jì)出將拱橋整體完全拍攝的方案，如圖2所示。無人機(jī)航線一階螺旋環(huán)繞方向數(shù)為36，高程設(shè)置為50 m，環(huán)繞半徑為40 m，相機(jī)拍攝角度傾斜45°；二階螺旋環(huán)繞方向數(shù)為40，高程設(shè)置為40 m，環(huán)繞半徑為30 m，相機(jī)拍攝角度傾斜45°。無人機(jī)航拍速度為5 m/s，總拍攝時(shí)長(zhǎng)為60 min，采集照片404張。

全站儀采用徠卡TS16全自助高精度全站儀，在橋面幾何中心設(shè)置站點(diǎn)，定點(diǎn)為（0，0，0），對(duì)準(zhǔn)標(biāo)記的病害進(jìn)行定位測(cè)量，過程中轉(zhuǎn)站4次，對(duì)標(biāo)記點(diǎn)坐標(biāo)進(jìn)行詳細(xì)記錄。

2.3 數(shù)據(jù)處理

將無人機(jī)采集的數(shù)據(jù)用影像密集匹配算法自動(dòng)生成高精度三維模型。本次測(cè)量采用設(shè)計(jì)方案完成航拍，其中部分影像數(shù)據(jù)受對(duì)焦和曝光度的影響不合格，經(jīng)過篩選最后剩余396張合格影像數(shù)據(jù)，采用ContextCapture軟件處理影像數(shù)據(jù)后輸出控制點(diǎn)坐標(biāo)，記錄并保存好數(shù)據(jù)；全站儀數(shù)據(jù)采用CASS軟件進(jìn)行傳輸，篩選出控制點(diǎn)所需坐標(biāo)將其記錄并保存；人工采集數(shù)據(jù)收集病害處的高清照片，并進(jìn)行病害分析和數(shù)據(jù)坐標(biāo)匹配，將病害圖片和所得詳細(xì)坐標(biāo)輸入系統(tǒng)中，進(jìn)行空間匹配。

本次檢測(cè)共發(fā)現(xiàn)65處病害，其中上部結(jié)構(gòu)有48處，下部結(jié)構(gòu)有5處，橋面系有12處。由于篇幅原因，各類病害只列出一例進(jìn)行展示，如表1所示。

3 建立系統(tǒng)

3.1 結(jié)果展示

傾斜攝影建模后的三維模型數(shù)據(jù)較大不易儲(chǔ)存，后期采用Midas建模導(dǎo)出MCT文件，其數(shù)據(jù)容量小易導(dǎo)入系統(tǒng)進(jìn)行聯(lián)網(wǎng)操作，將人工、無人機(jī)和全站儀采集的數(shù)據(jù)整合在平臺(tái)系統(tǒng)中，最終呈現(xiàn)效果如圖3所示。

該模型簡(jiǎn)潔明了，數(shù)據(jù)容量小，橋梁病害以紅點(diǎn)形式呈現(xiàn)在橋梁模型上，單擊即可顯示該病害所在空間信息和詳細(xì)幾何信息，為后期維修提供詳細(xì)的信息和意見，在維修后可及時(shí)將維修動(dòng)態(tài)加入其中，使信息實(shí)時(shí)化。由于數(shù)據(jù)容量小，方便電子檔存儲(chǔ)和聯(lián)網(wǎng)共享。

3.2 精度對(duì)比

為了檢驗(yàn)標(biāo)記點(diǎn)的坐標(biāo)是否存在偏差，將傾斜攝影所提取的坐標(biāo)值Rs與全站儀的坐標(biāo)值Rq進(jìn)行對(duì)比，其結(jié)果為△R；對(duì)比坐標(biāo)誤差△S，若誤差值＜0.01 m，則說明模型偏差較小。而模型采用的坐標(biāo)則為Rs與Rq的均值，公式如下：

△R=Rs-Rq（2）

△S=（△x）2+（△y）2+（△z）2 （3）

經(jīng)式（2）、式（3）計(jì)算后，以橋面系病害控制點(diǎn)為例，其坐標(biāo)精度誤差統(tǒng)計(jì)分析如圖4所示。本文通過采用無人機(jī)傾斜攝影和全站儀采集控制點(diǎn)坐標(biāo)，兩者坐標(biāo)精度計(jì)算結(jié)果均符合《三維地理信息模型數(shù)據(jù)產(chǎn)品規(guī)范》（GH/T9015-2012）要求，X、Y、Z三軸誤差都在0.01 m以內(nèi)。

4 結(jié)語

本文以單跨拱橋?yàn)閷?shí)踐項(xiàng)目依托，利用無人機(jī)傾斜攝影和全站儀技術(shù)結(jié)合采集控制點(diǎn)坐標(biāo)，人工檢測(cè)輔助完成數(shù)據(jù)采集，后將數(shù)據(jù)融入三維模型中，生成了容量小且精密度高的三維電子模型和聯(lián)網(wǎng)操作平臺(tái)，排查出65處病害，并得出以下結(jié)論：

（1）使用無人機(jī)傾斜攝影和全站儀技術(shù)同時(shí)采集控制點(diǎn)坐標(biāo)，獲取方法高效簡(jiǎn)潔，且坐標(biāo)數(shù)據(jù)誤差小，精度高，誤差△S均＜0.01 m。

（2）采用人工檢測(cè)輔助，可解決遠(yuǎn)距離攝影像素不高、無法準(zhǔn)確分辨病害類型的問題，并獲取病害的詳細(xì)幾何尺寸。

（3）建立三維模型且融入詳細(xì)坐標(biāo)信息后，精度符合規(guī)范要求，能精準(zhǔn)定位病害坐標(biāo)，簡(jiǎn)潔明了，容量小，符合三維電子模型的存檔需求。

綜上所述，該方法能為橋梁病害的檢測(cè)和維修提供高精度定位、三維模型檔案和病害詳細(xì)信息，為橋梁在檢測(cè)和病害定位方面提供了新的思路，有利于日后維修工程的進(jìn)行，有著實(shí)際的研究?jī)r(jià)值。

參考文獻(xiàn)

［1］馬萬飛.橋梁支座病害成因及防治［J］.西部交通科技，2017（12）：56-58.

［2］黃小平，韋忠勝.鹽津河大橋病害分析及加固［J］.公路，2006（2）：12-18.

［3］李興華，歐陽(yáng)永金.廈門市某橋病害檢測(cè)及承載力評(píng)估［J］.橋梁建設(shè)，2003（6）：68-70.

［4］向華林，李秉興.單鏡頭無人機(jī)傾斜攝影測(cè)量的三維建模及精度評(píng)估［J］.測(cè)繪通報(bào)，2022（S2）：237-240.

［5］盛海泉，覃 婕，周 呂，等.無人機(jī)傾斜攝影測(cè)量與GNSS土方量測(cè)算精度對(duì)比分析［J］.測(cè)繪通報(bào)，2022（S2）：310-315.

［6］張書航，龐尹寧，張吳明，等.航空重力梯度標(biāo)定場(chǎng)無人機(jī)精細(xì)地形測(cè)量［J］.華中科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2022，50（9）：76-82.

［7］劉 洋，李秀麗，張凱想，等.基于無人機(jī)貼近攝影測(cè)量的橋梁精細(xì)化建模［J］.公路，2021，66（12）：106-109.

［8］林國(guó)濤，孫增奎，肖 斌，等.綜合無人機(jī)、GIS、BIM技術(shù)的道路設(shè)計(jì)研究［J］.公路，2021，66（3）：23-26.

［9］馬繼駿，褚 豪，孔令濤，等.基于IFC的橋梁病害信息可視化表達(dá)［J］.土木工程與管理學(xué)報(bào)，2020，37（4）：66-72.

［10］包龍生，安培磊，王 鵬，等.基于IFC的橋梁安全信息可視化研究［J］.沈陽(yáng)建筑大學(xué)學(xué)報(bào)（自然科學(xué)版），2022，38（4）：682-689.

收稿日期：2022-11-01