無人機(jī)巡檢系統(tǒng)在鐵路混凝土橋梁檢測中的應(yīng)用

馬學(xué)志 范劍雄 柴雪松 李會強(qiáng) 暴學(xué)志 李健超

1.中國鐵道科學(xué)研究院集團(tuán)有限公司鐵道建筑研究所，北京 100081；2.中鐵科學(xué)技術(shù)開發(fā)有限公司，北京 100081；3.中國鐵路上海局集團(tuán)有限公司，上海 200071；4.中國鐵路廣州局集團(tuán)有限公司，廣州 510699

21世紀(jì)以來，隨著我國鐵路技術(shù)快速發(fā)展，鐵路運(yùn)營里程不斷增加。我國地域遼闊、地形復(fù)雜，鐵路橋梁數(shù)量也隨之不斷增加。為保障列車運(yùn)行和出行人員的安全，鐵路橋梁安全隱患排查成為鐵路工作者的工作重點(diǎn)。傳統(tǒng)橋梁檢測手段存在效率低、作業(yè)危險性高、盲區(qū)多等問題。近年來，無人機(jī)技術(shù)日益成熟，在工程中越來越多地得到應(yīng)用［1］，使得無人機(jī)巡檢代替?zhèn)鹘y(tǒng)檢測手段進(jìn)行鐵路橋梁病害檢測成為可能。

無人機(jī)是通過人遠(yuǎn)程控制或程序自動控制的不載人飛行器，通過安裝在無人機(jī)上的高清相機(jī)、激光測距儀等傳感器獲取待測物體相關(guān)信息。本文從鐵路橋梁檢測方面將無人機(jī)巡檢和現(xiàn)有橋梁檢測手段進(jìn)行對比，介紹無人機(jī)數(shù)據(jù)處理方法，并通過現(xiàn)場試驗(yàn)證明處理算法的可行性。

1 鐵路橋梁檢測現(xiàn)狀

我國現(xiàn)有鐵路橋梁超過20萬座。隨著運(yùn)營時間增加，橋梁中裂縫、蜂窩麻面、鋼筋銹蝕、支座異常變位等病害呈多發(fā)趨勢，存在一定的安全隱患，甚至危及行車安全。因此鐵路橋梁定期檢測，及時發(fā)現(xiàn)、處理問題顯得尤為重要。目前主要通過簡易檢測平臺、橋梁檢測車、橋底檢修通道［2］進(jìn)行鐵路橋梁病害檢測。

簡易檢測平臺主要是借助梯子、腳手架，使檢測人員靠近橋梁，通過目視觀察或利用尺子、測寬儀等工具檢測橋梁病害。該檢測方式的缺點(diǎn)是：①效率低下，梯子和腳手架體積較大，搬運(yùn)、搭建比較耗時；②人員成本較高，需要多人配合完成；③使用場景受限，只適用于凈空較低且橋梁底部環(huán)境相對簡單的橋梁檢測；④安全性較差，登高作業(yè)存在一定風(fēng)險。

橋梁檢測車上搭載有機(jī)械平臺或檢測設(shè)備，作業(yè)時機(jī)械臂伸展至橋梁附近，使檢測人員或檢測設(shè)備靠近橋梁進(jìn)行檢測［3］。機(jī)械臂伸展開時可緩慢行駛，相比于簡易檢測平臺其效率和安全性得到提升，但也存在缺點(diǎn)：①橋梁檢測車價格較高；②使用場景受限，只適用于車輛可接近的鐵路橋梁。

橋底檢修通道是建設(shè)期或運(yùn)營期設(shè)計建造的，貼近橋梁底面或橋墩，方便橋梁底部檢測的懸掛式通道。其不足之處在于：①檢修通道位置固定，只能檢測通道附近位置；②只有個別橋梁擁有檢修通道，不能推廣應(yīng)用。

隨著飛行控制、無線遙感等技術(shù)的快速發(fā)展以及機(jī)載傳感設(shè)備的輕量化、多樣化，國內(nèi)外許多學(xué)者都在積極探索其在橋梁檢測中的應(yīng)用。2015年Waheed等［4］在無人機(jī)上安裝非接觸式多光譜傳感器，用于快速識別橋梁表面開裂及內(nèi)部分層情況。2016年美國特拉華河灣管理局利用無人機(jī)對特拉華紀(jì)念橋進(jìn)行檢查，確認(rèn)橋梁狀態(tài)。2017年Oreifej等［5］在無人機(jī)上搭載熱成像儀對兩座橋梁進(jìn)行檢測，核查混凝土橋梁面板中的分層情況。2017福建省南平市公路局利用無人機(jī)檢測金溪大橋時發(fā)現(xiàn)多處裂縫、加固鋼板銹蝕、弦桿貫穿性斷裂、混凝土剝落等病害［6］。2018年張平等［7］利用兩架無人機(jī)分別采集了重慶萬州長江公路大橋的視頻和高清圖像，發(fā)現(xiàn)多處裂縫、鋼筋銹蝕等病害。2020年劉威等［8］耗時2 h，依據(jù)預(yù)先規(guī)劃的8條無人機(jī)飛行路徑，完成了惠平路藻浜大橋的全面檢測，檢測精度可達(dá)厘米級。

目前無人機(jī)在橋梁檢測中主要用于檢測較大尺寸的病害，對毫米級甚至不足1 mm寬度的裂縫檢測效果不佳，因此本文主要研究寬度不足1 mm的裂縫等細(xì)小病害的數(shù)據(jù)采集、自動識別及特征信息的提取。

2 無人機(jī)巡檢系統(tǒng)

無人機(jī)巡檢系統(tǒng)由數(shù)據(jù)采集、處理兩個子系統(tǒng)構(gòu)成。數(shù)據(jù)采集子系統(tǒng)集成在無人機(jī)上，主要用于完成鐵路橋梁圖像數(shù)據(jù)的快速采集、存儲，數(shù)據(jù)處理子系統(tǒng)部署于機(jī)房，用于完成鐵路橋梁圖像數(shù)據(jù)的自動分析，識別出其中的病害并計算其長寬等特征信息。

2.1 數(shù)據(jù)采集子系統(tǒng)

數(shù)據(jù)采集子系統(tǒng)由無人機(jī)、相機(jī)模塊及機(jī)載計算機(jī)控制軟件組成。

1）無人機(jī)

無人機(jī)選用大疆經(jīng)緯M300，該無人機(jī)具備24 h全天候長續(xù)航能力，能夠滿足鐵路橋梁檢測長時間作業(yè)要求，配備雙慣性測量單元（Inertial Measurement Unit，IMU）、氣壓計及指南針，配合智能電機(jī)驅(qū)動器，提供了敏捷、穩(wěn)定、安全的飛行性能。這些配置可避免對鐵路橋梁檢測時無人機(jī)侵入鐵路限界，對行車安全造成威脅。

2）相機(jī)模塊

相機(jī)模塊選用大疆禪思H20，該相機(jī)模塊集成2 000萬像素變焦相機(jī)、1 200萬像素廣角相機(jī)、30 Hz熱成像相機(jī)及探測距離達(dá)1 200 m的激光測距儀于一體，同時配備水平方向±320°，垂直方向-120°～+30°大角度云臺，可滿足不同檢測需求。

相機(jī)成像是將世界坐標(biāo)系下的物體轉(zhuǎn)換到圖像像素坐標(biāo)系下，用像素的多少來表示物體的實(shí)際大小。由于廣角鏡頭存在畸變，導(dǎo)致圖像變形，嚴(yán)重影響橋梁病害的自動識別，故鐵路橋梁病害檢測中需使用相機(jī)模塊中的變焦相機(jī)。依據(jù)相機(jī)成像原理，只有當(dāng)相機(jī)云臺角度為0（相機(jī)光軸垂直于待檢橋梁表面）時采集到的圖像才不會發(fā)生變形，才可以準(zhǔn)確提取病害長寬等特征信息，故須保持相機(jī)云臺角度始終為0，“正視”待檢橋梁表面。相機(jī)模塊配合M300無人機(jī)可實(shí)現(xiàn)打點(diǎn)定位、精準(zhǔn)復(fù)拍功能，方便橋梁多次檢測作業(yè)，便于歷史檢測數(shù)據(jù)的對比分析。

3）機(jī)載計算機(jī)控制軟件

機(jī)載計算機(jī)控制軟件主要用于依據(jù)設(shè)定的圖像采集策略，自動控制數(shù)據(jù)的采集，減少操作人員的工作量。

無人機(jī)巡檢距離（與待檢橋梁的水平距離）和鏡頭焦距是直接影響成像清晰度的關(guān)鍵參數(shù)。巡檢距離不變，焦距越大，像素精度越高，成像越清晰；同樣，焦距不變，巡檢距離越近，像素精度越高，成像也越清晰，但單張圖像分辨率固定時像素精度越高意味著視野越小，采集效率越低，故須選擇合適的巡檢距離和鏡頭焦距。

鐵路橋梁表觀裂縫寬度通常在0.2～1.0 mm，因此必須保證圖像具備足夠高的像素精度，才能使裂縫等細(xì)小病害清晰成像。采用打印有不同寬度橫線的A4紙靶標(biāo)模擬鐵路橋梁裂縫，見圖1（a）。通過改變無人機(jī)巡檢距離、鏡頭焦距等參數(shù)獲取試驗(yàn)狀態(tài)下的不同圖像。

以不同巡檢距離、鏡頭焦距拍攝懸掛于垂直墻面上的裂縫靶標(biāo)。巡檢距離過近存在無人機(jī)碰撞隱患，過遠(yuǎn)則會導(dǎo)致圖像不清晰；焦距過大會影響采集效率，過小會導(dǎo)致圖像精度不足。經(jīng)過多次試驗(yàn)，無人機(jī)巡檢距離為5 m，鏡頭焦距為150 mm時圖像清晰度和采集效率比較好。利用此參數(shù)采集到的鐵路橋梁裂縫見圖1（b）。經(jīng)現(xiàn)場測量L1裂縫寬0.2 mm。該裂縫在圖中清晰可見，證明無人機(jī)巡檢距離為5 m，鏡頭焦距為150 mm時采集到的圖像像素精度優(yōu)于0.2 mm，將此參數(shù)組合設(shè)置為機(jī)載計算機(jī)控制軟件的默認(rèn)參數(shù)。

圖1 試驗(yàn)用靶標(biāo)及采集到的混凝土鐵路橋梁裂縫

H20相機(jī)模塊單張圖像分辨率為5 188×3 888，若要滿足像素精度優(yōu)于0.2 mm，則單張圖像視野約1 m，極有可能無法包含完整病害，影響自動識別結(jié)果。為保證檢測出完整病害，得到病害準(zhǔn)確位置與尺寸，須將多張原始圖像拼接成完整大圖，在大圖中檢測病害并獲取其準(zhǔn)確位置。這就要求采集圖像時相鄰圖像有一部分重合。經(jīng)多次計算，相鄰圖像重合25%左右可確保拼接準(zhǔn)確。在機(jī)載計算機(jī)控制軟件中設(shè)置相機(jī)等距離采集圖像數(shù)據(jù)，同時獲取無人機(jī)當(dāng)前位置經(jīng)緯坐標(biāo)、測距傳感器距離、相機(jī)云臺角度、鏡頭焦距等數(shù)據(jù)，同步保存至圖像屬性信息中，并完成各類數(shù)據(jù)的匹配融合，用于后續(xù)數(shù)據(jù)處理。

2.2 數(shù)據(jù)處理子系統(tǒng)

數(shù)據(jù)處理子系統(tǒng)包括數(shù)據(jù)處理服務(wù)器和數(shù)據(jù)存儲單元。

1）數(shù)據(jù)處理服務(wù)器

數(shù)據(jù)處理服務(wù)器主要用于完成無人機(jī)圖像拼接、病害自動識別及其特征信息的提取。

①圖像拼接

圖像拼接采用sift匹配算法［9-11］。首先在兩幅圖像中大概重合區(qū)域分別檢測sift特征點(diǎn)，同一特征點(diǎn)的特征向量必然是相同或相似的，故需尋找兩幅圖像中特征向量最相近的兩個點(diǎn)組成一個匹配點(diǎn)對，見圖2。其中每條線兩端連接的就是一個匹配點(diǎn)對，由多個匹配點(diǎn)對計算得到表示兩幅圖像相對關(guān)系的變換矩陣。利用該矩陣可將兩幅圖像統(tǒng)一到同一個坐標(biāo)系下，進(jìn)而完成兩幅圖像的準(zhǔn)確拼接，見圖3。

圖2 相鄰圖像匹配結(jié)果

圖3 圖像拼接效果

重復(fù)拼接過程，即可得到反映整座橋梁的完整大圖。對大圖進(jìn)行自動識別，可檢測出完整病害，并對病害準(zhǔn)確定位。

②病害自動識別及特征信息提取

采用了基于PSPNet的語義分割網(wǎng)絡(luò)［12］對病害樣本庫進(jìn)行訓(xùn)練。由于組成PSPNet網(wǎng)絡(luò)的ResNet101參數(shù)多，嚴(yán)重影響訓(xùn)練速度，故采用改進(jìn)后的ResNet18作為分割網(wǎng)絡(luò)的特征提取網(wǎng)絡(luò)（主干網(wǎng)絡(luò)）。由于裂縫、掉塊等病害尺寸相差較大，故采用PPM網(wǎng)絡(luò)作為解碼網(wǎng)絡(luò)。解碼網(wǎng)絡(luò)可以將卷積神經(jīng)網(wǎng)絡(luò)中提取的特征信息轉(zhuǎn)換為分割結(jié)果，并且可以處理不同尺度的圖像，提取不同子區(qū)域之間的上下文信息，最終生成精確的分割圖。

病害自動識別算法流程見圖4。首先建立樣本庫，使用標(biāo)注工具對超過1 000張圖像進(jìn)行像素級語義分割標(biāo)注，建立橋梁病害樣本數(shù)據(jù)集，按一定比例分為訓(xùn)練集和驗(yàn)證集；然后構(gòu)建基于編碼（ResNet18網(wǎng)絡(luò)）-解碼（PPM網(wǎng)絡(luò)）架構(gòu)的深度神經(jīng)網(wǎng)絡(luò)傷損分割模型［13-14］，將訓(xùn)練集中的圖片輸入到分割模型的編碼網(wǎng)絡(luò)中提取特征信息，輸入到解碼網(wǎng)絡(luò)中生成對象分割結(jié)果，持續(xù)進(jìn)行模型訓(xùn)練；最后通過驗(yàn)證集對模型識別能力進(jìn)行評估，找到最優(yōu)的模型參數(shù)，實(shí)現(xiàn)對裂縫、梁縫、掉塊等不同橋梁病害的自動化檢測、病害趨勢分析和狀態(tài)評定。

圖4 自動識別算法流程

針對識別出的裂縫病害，采用基于中軸線的裂縫寬度計算方法，結(jié)合三次cardinal樣條插值擬合裂縫邊緣，從而獲取反映裂縫實(shí)際寬度的亞像素寬度。

2）數(shù)據(jù)存儲單元

數(shù)據(jù)存儲單元主要用于存放無人機(jī)歷次檢測原始圖像數(shù)據(jù)及其處理結(jié)果，需滿足容量大、安全性高的要求。選用工業(yè)級磁盤陣列充當(dāng)數(shù)據(jù)存儲單元，容量不低于40 TB，可存放不少于500 km鐵路橋梁無人機(jī)數(shù)據(jù)。數(shù)據(jù)存放過程中按照線路名稱-檢測時間分級存放，方便進(jìn)行歷史檢測數(shù)據(jù)的對比，重點(diǎn)關(guān)注新增病害和舊病害的持續(xù)發(fā)展。

3 現(xiàn)場試驗(yàn)

為測試無人機(jī)巡檢效果，2021年4月對朔黃鐵路潴龍河特大橋進(jìn)行了試驗(yàn)，該橋?yàn)?4×32 m預(yù)應(yīng)力鋼筋混凝土橋，全長1 452 m。試驗(yàn)中檢測了第8跨、第9跨梁體的上下行線。梁體檢測分4次完成，每次檢測一跨一側(cè)。由于要求像素精度小于0.2 mm，故檢測單側(cè)梁體時也需采集多張圖片。

檢測過程中按從小里程往大里程的方向進(jìn)行，由機(jī)載計算機(jī)依據(jù)預(yù)先設(shè)置的參數(shù)組合自動采集圖像數(shù)據(jù)。檢測過程中無人機(jī)飛行軌跡如圖5所示。圖中一個小方格代表一張圖像，檢測一跨單側(cè)梁體用時30 min，檢測橋梁兩跨共用時2 h。

圖5 無人機(jī)飛行軌跡示意

兩跨梁體數(shù)據(jù)處理時長見表1。計算可得：處理一跨32 m梁體單側(cè)數(shù)據(jù)總用時249.25 s。

表1 兩跨梁體數(shù)據(jù)處理時長 s

裂縫現(xiàn)場實(shí)測值與無人機(jī)巡檢系統(tǒng)檢測值對比見表2。可見：現(xiàn)場實(shí)測的裂縫均被準(zhǔn)確識別出來，且實(shí)測值與檢測值的長度誤差不超過50 mm，寬度誤差不超過0.1 mm。這表明無人機(jī)巡檢系統(tǒng)采集的圖像數(shù)據(jù)清晰有效，數(shù)據(jù)處理算法滿足需求。

表2 裂縫現(xiàn)場實(shí)測值與無人機(jī)巡檢系統(tǒng)檢測值對比mm

4 結(jié)語

針對傳統(tǒng)鐵路橋梁檢測手段的局限性，結(jié)合國內(nèi)外無人機(jī)在橋梁檢測方面的應(yīng)用現(xiàn)狀，設(shè)計了無人機(jī)巡檢系統(tǒng)，用于檢測鐵路橋梁表面病害。該系統(tǒng)通過選用合適的參數(shù)組合，合理安排無人機(jī)圖像采集路徑，可檢測并自動識別出寬度0.2 mm裂縫等細(xì)小病害，對鐵路橋梁養(yǎng)護(hù)維修具有實(shí)用價值。