基于無人機(jī)的外腳手架安全性自動檢查系統(tǒng)設(shè)計與實現(xiàn)

馬國鑫， 韓 豫， 孫佳寧， 顧月琴， 孫 昊， 尤少迪

(1. 江蘇大學(xué) 土木工程與力學(xué)學(xué)院， 江蘇 鎮(zhèn)江 212013； 2. 澳洲國立大學(xué) 國家信息通信技術(shù)中心， 堪培拉 2600)

外腳手架是重要的施工輔助裝置。隨著高層、超高層建筑的增多，外腳手架安全日益重要[1]。長期以來，外腳手架安全性檢查主要由人工完成，但隨著搭設(shè)高度增加，僅依靠人工已無法確定其安全狀態(tài)。因此，克服高度限制、提高外腳手架安全性檢查的效率、降低事故發(fā)生率意義重大。

目前，外腳手架安全管理主要關(guān)注事故原因及預(yù)防方法，并由受力計算向信息化管理發(fā)展。事故原因方面，主要由設(shè)計缺陷、整體穩(wěn)定性差、關(guān)鍵桿件缺失、現(xiàn)場控制缺乏等引起[2～5]。預(yù)防方法方面，主要使用ANSYS、層次分析法等分析影響因素，構(gòu)建安全管理模型[6,7]。同時，基于BIM的腳手架安全識別系統(tǒng)已建立[8]，移動IT、RFID等被用于腳手架的實時監(jiān)測[9,10]。但上述技術(shù)和方法集中于使用傳感器獲取狀態(tài)信息，無法非接觸地確定外腳手架的安全性。無人機(jī)航空攝影具有高效、便捷、低成本等優(yōu)勢。近年來，被用于大廈變形監(jiān)測、橋梁裂縫檢測、結(jié)構(gòu)健康監(jiān)測等[11～13]，基于顏色、形狀等的特征提取算法已用于農(nóng)作物監(jiān)測、種類識別等[14]。上述算法能夠滿足特征提取的基本需求，但對多特征并存的土木工程適用性不高，亟需針對性地研究與開發(fā)。

為此，本研究以圖像識別為核心支撐，以外腳手架桿件線性特征為突破口，設(shè)計并測試了外腳手架安全性自動檢查系統(tǒng)。以期改善外腳手架安全檢查方式，實現(xiàn)非接觸、自動化的外腳手架安全性檢查。

1 外腳手架安全性自動檢查系統(tǒng)架構(gòu)

本系統(tǒng)主要由圖像采集裝置、圖像處理及分析系統(tǒng)、標(biāo)志板、垂直度標(biāo)桿及用戶端構(gòu)成。其中，圖像處理及分析系統(tǒng)為本系統(tǒng)的核心。

1.1 系統(tǒng)構(gòu)成

本系統(tǒng)構(gòu)成及其功能見表1。

表1 系統(tǒng)構(gòu)成及功能

其中，圖像采集裝置由無人機(jī)和移動操控設(shè)備構(gòu)成，具體見圖1。

圖1 系統(tǒng)構(gòu)成

1.2 系統(tǒng)運(yùn)行流程

本系統(tǒng)運(yùn)行流程包括圖像采集、圖像特征分析和結(jié)果輸出(圖1)。

1.2.1圖像采集

根據(jù)建筑外立面特點和限制條件，將外腳手架立面劃分為若干矩形區(qū)域，并在矩形中心及角點設(shè)置圖像采集點。采集前，依據(jù)標(biāo)志板成像調(diào)整無人機(jī)角度，使其與作業(yè)平面垂直。采集時，無人機(jī)與腳手架立面呈90°，于各點采集4張圖像。然后，保持角度不變，控制無人機(jī)飛離腳手架并拍攝3張整體圖像，用于人工復(fù)核。對于采集的圖像，需保證圖像清晰，減少陰影等干擾。

1.2.2圖像特征分析

(1)圖像預(yù)處理：先畸變校正合格圖像，再使用Gauss濾波器平滑圖像，并進(jìn)行外腳手架和垂直度標(biāo)桿圖像的邊緣檢測和形態(tài)學(xué)變換。

(2)目標(biāo)提取及識別：使用Hough變換提取圖像中的直線并識別直線種類。

(3)安全性評價：1)根據(jù)垂直度標(biāo)桿的提取結(jié)果計算坐標(biāo)修正值和尺寸換算系數(shù)；2)在腳手架各面同一水平高度的部分立桿上設(shè)置沉降標(biāo)志，用于立桿沉降檢查；3)計算項目所需特征值，判斷是否符合規(guī)范。

(4)人工復(fù)核：檢查人員參照整體圖，校驗不符合規(guī)范的圖片，完善檢查報告。

(5)報告生成：根據(jù)分析結(jié)果和人工復(fù)核情況生成安全檢查項目的檢查報告。

(6)圖像拼接：使用基于尺度不變特征轉(zhuǎn)換 (Scale Invariant Feature Transform，SIFT)的圖像拼接方法，生成桿件提取效果的完整圖像。

1.2.3結(jié)果輸出

根據(jù)分析結(jié)果，輸出外腳手架安全性檢查報告及桿件提取效果的完整圖像，具體流程見圖2。

圖2 系統(tǒng)運(yùn)行流程

2 核心算法

本系統(tǒng)的核心算法包含外腳手架桿件特征提取方法和安全性分析方法。其中，核心問題是提取桿件線性特征及相關(guān)參數(shù)，并計算安全檢查項目所需特征值。

2.1 外腳手架桿件特征提取方法

2.1.1外腳手架圖像邊緣特征提取方法

(1)外腳手架圖像去噪

外腳手架圖像的質(zhì)量是桿件特征提取的基礎(chǔ)。然而，外腳手架圖像采集、傳輸中會存在較多噪聲，使特征退化，影響提取的準(zhǔn)確性。為保證獲得準(zhǔn)確的外腳手架圖像，可采用濾波方法。

由于大多數(shù)噪聲近似服從正態(tài)分布，高斯濾波具有較好的平滑效果和靈活的濾波調(diào)節(jié)尺度，因此，本文選用高斯濾波。首先，選擇3×3模板，以卷積的方法將各像素乘權(quán)重并計算加權(quán)平均值，代替當(dāng)前像素值。高斯濾波結(jié)果由式(1)可得：

(1)

式中：σ為標(biāo)準(zhǔn)差；x為像素值。

(2)外腳手架圖像邊緣檢測及形態(tài)學(xué)變換

外腳手架圖像的邊緣特征提取是桿件線性特征檢測的前提。常用的邊緣檢測算子有Sobel算子、Canny算子等，使用以上兩種算子提取腳手架圖像邊緣，效果如圖3。

圖3 外腳手架邊緣特征提取

可見，Canny算子邊緣提取效果較好，但存在極少邊緣斷裂和細(xì)微空洞。因此，本文選用形態(tài)學(xué)方法對邊緣圖像進(jìn)行閉運(yùn)算，并使用面積濾波，依據(jù)連通區(qū)域內(nèi)像素數(shù)目分離桿件和噪聲。

2.1.2外腳手架圖像桿件線性特征提取方法

外腳手架桿件線性特征的提取是安全性分析的關(guān)鍵。外腳手架桿件為直的鋼管，線性特征突出。大量的密目網(wǎng)、節(jié)點扣件是特征提取的重難點。Hough變換在檢驗已知形狀目標(biāo)方面具有受曲線間斷影響小和不受圖形旋轉(zhuǎn)影響的優(yōu)點。因此，本文選用Hough變換提取桿件線性特征。

Hough變換利用圖像和參數(shù)空間點線的對偶性，通過參數(shù)空間的累加統(tǒng)計，尋找累加峰值，基本原理為：對像素點逐一做點線變換，當(dāng)所得值落在某個(k,b)小格區(qū)間內(nèi)，小格的累加器加1。全部像素點變換完畢后，此時累加器的峰值對應(yīng)的(k,b)即為圖像中直線的斜率和截距。

2.2 外腳手架安全性分析方法

本文以扣件式腳手架為例，介紹外腳手架安全性分析方法。

首先，將檢測出的所有直線按照校正后的角度分為0°±10°，90°±10°及其他三類，并擬合直線方程。然后，結(jié)合外腳手架搭設(shè)規(guī)范，分析外腳手架安全性，具體如下。

(1)縱向水平桿檢查

1)計算每條直線兩端點縱坐標(biāo)差值并換算，判斷縱向水平桿水平度偏差是否符合規(guī)范；

2)計算相鄰兩條直線上對應(yīng)橫坐標(biāo)相同的像素點縱坐標(biāo)差值的最大值，換算后與設(shè)計值作差，判斷縱向水平桿間距偏差是否符合規(guī)范。

(2)架體立桿檢查

1)計算每條直線兩端點縱坐標(biāo)的差值，并將最大差值換算后作為架體高度。人工測量并輸入相關(guān)參數(shù)確定允許搭設(shè)高度，判斷搭設(shè)高度是否符合規(guī)范；

2)計算每條直線上沉降標(biāo)志中心至直線底部的縱坐標(biāo)差值，判斷沉降值是否符合規(guī)范；

3)計算相鄰兩根直線上對應(yīng)縱坐標(biāo)相同的點的橫坐標(biāo)差值的最大值，換算后與設(shè)計值作差，判斷立桿縱距偏差是否符合規(guī)范；

4)計算直線兩端點橫坐標(biāo)差值并換算，判斷立桿垂直度偏差是否符合規(guī)范。

(3)剪刀撐斜桿檢查

1)根據(jù)校正后的直線角度判斷剪刀撐斜桿與地面傾角是否符合規(guī)范；

2)計算兩條相交直線上縱坐標(biāo)相同時對應(yīng)點橫坐標(biāo)差值的最大值并換算為實際寬度；計算相鄰斜桿縱坐標(biāo)相同時對應(yīng)所有橫坐標(biāo)差值的最小值并換算為實際間距，判斷寬度和間距是否符合規(guī)范。

(4)桿件缺失檢查

根據(jù)擬合的直線方程，若存在2條及以上相同的直線方程，則存在缺失情況，判斷缺失種類。

3 系統(tǒng)實現(xiàn)與測試

3.1 系統(tǒng)實現(xiàn)

系統(tǒng)實現(xiàn)的重難點是在MATLAB平臺編譯并實現(xiàn)外腳手架圖像處理及分析的程序和功能。

(1)硬件實現(xiàn)

本系統(tǒng)使用四軸旋翼無人機(jī)作為圖像采集工具。其他還包括計算機(jī)、垂直度標(biāo)桿和標(biāo)志板。

(2)軟件實現(xiàn)

本系統(tǒng)基于MATLAB R2015b平臺，并安裝圖像處理工具箱。MATLAB圖像處理工具箱內(nèi)置了大量數(shù)字圖像處理的基本函數(shù)和通用算法，也提供了可用于二次開發(fā)的程序編譯平臺。

(3)測試環(huán)境

測試所使用的計算機(jī)環(huán)境為：Intel(R) Xeon(R) E5-1241 3.50 GHz處理器，32 GB RAM，Windows 8 64 bit，NVIDIA Quadro K1200圖形顯卡，安裝MATLAB 2015b軟件。

3.2 系統(tǒng)測試

為驗證外腳手架圖像采集和安全性分析的可操作性，進(jìn)一步提升其準(zhǔn)確性，需對系統(tǒng)進(jìn)行測試。本次測試采集了5個高層項目外腳手架圖像共100張，篩選后剩余80張符合質(zhì)量要求的圖像。

(1)外腳手架及垂直度標(biāo)桿特征提取

1)垂直度標(biāo)桿特征提取

垂直度標(biāo)桿豎直放置，使用無人機(jī)采集垂直度標(biāo)桿圖像，提取垂直度標(biāo)桿線性特征，計算坐標(biāo)修正值和尺寸換算系數(shù)，如圖4所示 。其中，圖4b中綠色直線為桿件線性特征提取結(jié)果，由MATLAB軟件根據(jù)編譯的算法對圖像運(yùn)算后生成。

圖4 垂直度標(biāo)桿桿件提取

提取結(jié)果表明垂直度標(biāo)桿與地面夾角為90°，因此坐標(biāo)修正值為(0,0)；垂直度標(biāo)桿實際長度為2 m，骨骼化后直線像素點數(shù)目為121，即尺寸換算系數(shù)為16.53 mm/像素。

2)外腳手架桿件特征提取

使用本文桿件特征提取方法提取500×400和1000×800圖像中桿件特征并人工復(fù)核，見圖5。

圖5 外腳手架特征提取效果

測試和分析發(fā)現(xiàn)，外腳手架桿件特征提取效果較好，平均正確率可達(dá)88.94%，相同像素點數(shù)目的圖像處理時間相差不大，處理時間與桿件根數(shù)、像素點數(shù)目有正相關(guān)趨勢，見表2和圖6。

表2 外腳手架特征提取效率統(tǒng)計

圖6 系統(tǒng)處理時間關(guān)系

(2)外腳手架安全性分析

在本次測試中，選用圖5中的第20幅圖作為外腳手架安全性分析的測試示例，并人工測量立桿、縱向水平桿及剪刀撐斜桿的實際間距。根據(jù)外腳手架桿件特征的提取結(jié)果，該圖像中的相關(guān)特征參數(shù)見表3。

提取結(jié)果表明垂直度標(biāo)桿夾角為90°，可知角度修正值為0°，分別擬合直線方程，見表4。

表3 外腳手架圖像相關(guān)參數(shù)

表4 直線方程擬合

根據(jù)表3，4進(jìn)行以下安全性檢查：

1)縱向水平桿檢查

由表3，4可知，縱向水平桿的4條直線的夾角為0°，直線的水平度偏差為0，符合規(guī)范?？v向水平桿間距計算見表5，間距偏差符合規(guī)范。

表5 桿件距離計算 m

2)架體立桿檢查

由表3,4可知，立桿直線角度為90°，垂直度偏差為0，符合規(guī)范。立桿間距計算見表5，間距偏差符合規(guī)范。同時，直線5，6端點像素縱坐標(biāo)差值桿件高度相等。由于示例圖像為局部圖像，桿件高度計算可行性已經(jīng)驗證，架體高度和沉降需在整體圖像中進(jìn)行，故不另贅述。

(3)剪刀撐斜桿檢查

由表3，4可知，斜桿直線夾角符合規(guī)范允許的45～60°。結(jié)合局部圖像可知，圖像中兩條直線相交，直線上對應(yīng)縱坐標(biāo)相同的點橫坐標(biāo)的最大差值為138，搜索下部圖像并計算后得到底部兩直線橫坐標(biāo)差值為340，換算后符合規(guī)范。由于該腳手架高于24 m，不考慮斜桿間距。

(4)桿件缺失情況檢查

根據(jù)擬合的桿件直線可知，三類桿件中直線方程互異，因此，均不存在桿件缺失情況。

4 結(jié)果分析

根據(jù)系統(tǒng)測試結(jié)果，分析系統(tǒng)主要流程和方法，找出系統(tǒng)優(yōu)勢及不足，進(jìn)一步完善系統(tǒng)。

(1)外腳手架特征提取準(zhǔn)確性及影響因素

本次測試中，腳手架圖像特征提取平均正確率達(dá)88.94%，平均誤檢率為2.8%，平均漏檢率為8.27%。邊緣提取時，密目網(wǎng)破洞、桿件顏色相似程度影響邊緣檢測效果。線性特征提取時，直線檢測依賴峰值設(shè)置準(zhǔn)確性。同時，閉運(yùn)算連接了邊緣，過小的桿件間距導(dǎo)致漏檢和交點錯位。

對此，在圖像采集時，應(yīng)充分考慮光照，在邊緣提取前加強(qiáng)圖像去噪。另外，優(yōu)化直線檢測中峰值的選擇，控制識別距離和精度，避免漏檢。

(2)外腳手架安全性分析準(zhǔn)確性及影響因素

測試發(fā)現(xiàn)，間距計算受直線提取效果影響，有一定波動性。由于桿件自身存在寬度，提取時將桿件簡化為寬度一致的直線，影響間距計算的準(zhǔn)確性。同時，桿件受力后的撓度會造成桿件間距和缺失判斷失誤。由于無人機(jī)只采集腳手架的表面特征，掃地桿、變形等特征未考慮，也是本系統(tǒng)需要完善之處。

對此，應(yīng)提高直線檢測精度，避免錯位導(dǎo)致的距離誤差。賦予替代直線一定寬度，增強(qiáng)真實性。另外，輔以人工測量，提高安全分析準(zhǔn)確性。

(3)系統(tǒng)操作體驗

本系統(tǒng)圖像采集裝置采用四軸旋翼無人機(jī)，操作便捷。但需適合的起降場地及足夠的空域范圍，且無法在雨、雪等天氣工作。同時，無人機(jī)續(xù)航時間約為20～25 min。在實際操作中，若采集點較多，更換電池后需重新校正無人機(jī)角度和距離。無人機(jī)的高空管制問題致使該系統(tǒng)應(yīng)用于超高層建筑時需考慮無人機(jī)重量及飛行高度。

對此，應(yīng)考慮選擇適合起降場地，同時，避免在極端天氣環(huán)境下執(zhí)行作業(yè)。另外，優(yōu)化采集路線，提高采集效率，避免更換電池等問題。

5 結(jié) 語

筆者基于無人機(jī)和圖像識別技術(shù)，設(shè)計并測試了外腳手架安全性自動檢查系統(tǒng)。該系統(tǒng)可用于外腳手架搭設(shè)高度、沉降、桿件間距、立桿垂直度偏差、縱向水平桿水平度偏差、斜桿寬度和間距、傾角以及桿件缺失的檢查，彌補(bǔ)了低成本、非接觸式的外腳手架安全性檢查技術(shù)的空白。

經(jīng)測試，桿件特征提取平均正確率達(dá)88.94%，平均誤檢率為2.8%，平均漏檢率為8.27%,可滿足實際需求。本系統(tǒng)具有成本低、自動化、效率高等優(yōu)勢。同時，對于大廈、橋梁等的變形監(jiān)測也有一定借鑒意義。

未來，將通過優(yōu)化桿件特征提取算法、輔以人工測量來提高外腳手架桿件提取和安全性分析的準(zhǔn)確性。在后續(xù)的研究中，需增加安全性分析的依賴特征，進(jìn)行多因素分析，完善本系統(tǒng)。