基于BIM+機(jī)器視覺的工務(wù)運(yùn)維圖像數(shù)據(jù)智能化管理方法研究

校穎浩 何越磊 路宏遙 葉 鵬

(上海工程技術(shù)大學(xué)城市軌道交通學(xué)院，上海 201620)

1 研究背景

近年來，BIM技術(shù)在鐵路建設(shè)與運(yùn)維中得到了廣泛的應(yīng)用，為該領(lǐng)域全生命周期從信息化到智能化的持續(xù)推進(jìn)提供了重要支撐。從時間跨度看，運(yùn)維階段在鐵路全生命周期中占有最大的比重，因此，智能化運(yùn)維是鐵路智能化發(fā)展的重要方向。

工務(wù)部門是整個鐵路運(yùn)輸?shù)幕A(chǔ)，隨著工務(wù)運(yùn)維管理的不斷發(fā)展，工務(wù)運(yùn)維中采集的圖像數(shù)據(jù)越來越成為一種重要的工務(wù)運(yùn)維數(shù)據(jù)。與傳統(tǒng)的工務(wù)運(yùn)維數(shù)據(jù)(如幾何形位數(shù)據(jù))不同，圖像數(shù)據(jù)是一種典型的“非結(jié)構(gòu)化”數(shù)據(jù)，這類數(shù)據(jù)沒有根據(jù)一定的結(jié)構(gòu)或規(guī)則預(yù)定義數(shù)據(jù)模型，難以進(jìn)行高效的管理，制約了利用這些數(shù)據(jù)對工務(wù)設(shè)備進(jìn)行更精準(zhǔn)和高效的運(yùn)營維護(hù)。

在基于BIM技術(shù)的基礎(chǔ)設(shè)施全生命周期的多源數(shù)據(jù)管理方面，有許多研究進(jìn)行了探索，如在文獻(xiàn)[1]中，基于數(shù)據(jù)融合的理念，對建立了工程管理信息系統(tǒng)，該系統(tǒng)基于基本建設(shè)程序和地圖網(wǎng)格化的時空數(shù)據(jù)融合方法，為工程建設(shè)智慧監(jiān)管平臺的數(shù)據(jù)集成設(shè)計提供了借鑒作用；文獻(xiàn)[2]提出BIM+GIS集成平臺技術(shù)架構(gòu)方案，以GIS為骨架將BIM-IFC模型數(shù)據(jù)的分級集成，形成面向城市軌道交通工程的BIM+GIS平臺整體技術(shù)架構(gòu)，在城市軌道交通工程領(lǐng)域得到了應(yīng)用；文獻(xiàn)[3]針對建筑設(shè)施設(shè)備的運(yùn)維管理數(shù)字化水平低及可視化程度低等問題，提出了基于BIM的建筑設(shè)備可視化運(yùn)維管理系統(tǒng)，提高設(shè)備運(yùn)維管理和作業(yè)效率，充分保障建筑場所的功能發(fā)揮和運(yùn)行安全。

在圖像數(shù)據(jù)管理方面，有研究嘗試?yán)脵C(jī)器視覺技術(shù)，對圖像內(nèi)容進(jìn)行分析和提取，定義具體的圖像數(shù)據(jù)結(jié)構(gòu)，建立設(shè)施全生命周期動態(tài)圖像數(shù)據(jù)庫，實(shí)現(xiàn)設(shè)備智能化運(yùn)營維護(hù)，如文獻(xiàn)[4]中，在飛機(jī)維修的作業(yè)環(huán)境中，通過識別飛機(jī)結(jié)構(gòu)零部件，管理維修過程產(chǎn)生的數(shù)據(jù)信息和圖像信息，輔助維修技術(shù)人員的人工作業(yè)，提高了數(shù)據(jù)管理的效率和準(zhǔn)確率；文獻(xiàn)[5]中，在機(jī)械工廠的裝配和維護(hù)培訓(xùn)中，提出了一種基于室內(nèi)位置信息的環(huán)境感知方法，輔助工廠維修技術(shù)人員人工作業(yè)，實(shí)際應(yīng)用結(jié)果顯示，使用這種數(shù)據(jù)管理方法的技術(shù)人員在作業(yè)中錯誤更少；文獻(xiàn)[6]中，德國博世汽車服務(wù)解決方案公司推出了通用增強(qiáng)現(xiàn)實(shí)平臺(CAP)，該平臺綜合運(yùn)用了環(huán)境感知傳感器和機(jī)器視覺技術(shù)，實(shí)時的作業(yè)數(shù)據(jù)也可以根據(jù)需求快速更新到3D模型、照片、文本、技術(shù)圖紙、技術(shù)手冊中，形成多源信息融合的數(shù)據(jù)庫，提升了人工作業(yè)和數(shù)據(jù)管理的效率。

在鐵路行業(yè)，國內(nèi)也有對于這些新技術(shù)應(yīng)用的嘗試，如文獻(xiàn)[7]提出一種基于BIM和移動增強(qiáng)現(xiàn)實(shí)技術(shù)相結(jié)合的鐵路工務(wù)智能維修方法，可實(shí)現(xiàn)作業(yè)模擬、自由拆裝和信息服務(wù)功能，提升了檢修作業(yè)的效率；文獻(xiàn)[8]提出了基于移動終端的鐵路設(shè)備培訓(xùn)的AR培訓(xùn)系統(tǒng)，實(shí)現(xiàn)了圖文資料、3D模型的管理。

因此，本文綜合了基于BIM技術(shù)的工程全生命周期數(shù)據(jù)管理方法和基于機(jī)器視覺的圖像數(shù)據(jù)管理方法，研究了工務(wù)運(yùn)維圖像數(shù)據(jù)智能化管理方法，利用圖像數(shù)據(jù)進(jìn)一步提升了工務(wù)運(yùn)維作業(yè)的精準(zhǔn)度和效率。

2 方法的設(shè)計與實(shí)現(xiàn)

2.1 方法整體流程

工務(wù)運(yùn)維圖像數(shù)據(jù)智能化管理方法的實(shí)現(xiàn)過程如圖1所示：

(1)在數(shù)據(jù)層，使用Mysql數(shù)據(jù)庫管理系統(tǒng)，建立軌道板空間位置數(shù)據(jù)庫和工務(wù)設(shè)施圖像數(shù)據(jù)庫。其中，軌道板空間位置數(shù)據(jù)庫中的軌道板空間位置坐標(biāo)可以根據(jù)軌道線路設(shè)計資料和軌道布板設(shè)計資料計算得到，用于支持工務(wù)運(yùn)維BIM模型參數(shù)化建模；工務(wù)設(shè)施圖像數(shù)據(jù)庫用于管理工務(wù)運(yùn)維圖像數(shù)據(jù)，支持從移動端存儲和檢索查詢。

(2)在模型層，定義軌道結(jié)構(gòu)單元，根據(jù)軌道板空間位置數(shù)據(jù)，與真實(shí)的工務(wù)設(shè)施一一對應(yīng)，參數(shù)化建立工務(wù)運(yùn)維BIM模型。

(3)在技術(shù)層，將BIM技術(shù)與機(jī)器視覺技術(shù)相結(jié)合，提出了一種利用工務(wù)設(shè)施BIM模型識別工務(wù)設(shè)備的圖像識別方法，利用該方法，再根據(jù)圖像的內(nèi)容獲取圖片數(shù)據(jù)類別信息。利用GPS定位技術(shù)，獲取圖像數(shù)據(jù)的位置信息，同時與工務(wù)運(yùn)維BIM模型相關(guān)聯(lián)。

(4)在功能層，開發(fā)了圖像數(shù)據(jù)采集和查詢功能。在采集數(shù)據(jù)時，根據(jù)圖像的類別信息和位置信息，按照關(guān)系型數(shù)據(jù)模型，生成圖像數(shù)據(jù)記錄，存儲至圖像數(shù)據(jù)庫中。在查詢數(shù)據(jù)時，通過位置信息將工務(wù)設(shè)施與工務(wù)運(yùn)維BIM模型關(guān)聯(lián)起來，使用工務(wù)運(yùn)維BIM模型作為可視化平臺，調(diào)取圖像數(shù)據(jù)庫中的數(shù)據(jù)，實(shí)現(xiàn)工務(wù)設(shè)施圖像數(shù)據(jù)的便捷查詢。

圖1 整體流程

通過以上過程，本方法實(shí)現(xiàn)了工務(wù)運(yùn)維圖像數(shù)據(jù)的高效管理。在圖像數(shù)據(jù)的支持下，提升了工務(wù)運(yùn)維的精準(zhǔn)度與效率。

2.2 工務(wù)運(yùn)維BIM模型建立

2.2.1 軌道板空間位置數(shù)據(jù)庫

BIM模型是信息化模型，也是可視化的數(shù)據(jù)交互平臺。因此，首先根據(jù)軌道線路設(shè)計資料和軌道布板設(shè)計資料，根據(jù)文獻(xiàn)[9]計算每塊軌道板的空間位置數(shù)據(jù)；再根據(jù)文獻(xiàn)[10]計算軌道板定位平面坐標(biāo)轉(zhuǎn)換為經(jīng)緯度坐標(biāo)；最終生成軌道板空間位置數(shù)據(jù)庫，數(shù)據(jù)表結(jié)構(gòu)如表1所示。

表1 軌道板空間位置數(shù)據(jù)表結(jié)構(gòu)

2.2.2 建立工務(wù)運(yùn)維BIM模型

與設(shè)計階段、建設(shè)階段不同，運(yùn)維階段的BIM模型更關(guān)注數(shù)據(jù)的完整性和可交互性。因此，選擇Unity三維互動引擎作為模型搭建平臺，利用Unity引擎的數(shù)據(jù)交互API接口，根據(jù)設(shè)備實(shí)際服役狀態(tài)，不斷增量附加相應(yīng)的數(shù)據(jù)，形成設(shè)備全生命周期完整的數(shù)據(jù)記錄。此外，使用Unity引擎建立工務(wù)運(yùn)維BIM模型，發(fā)布在移動端，可以從移動端便捷地調(diào)取所需的數(shù)據(jù)，輔助運(yùn)維作業(yè)。

本文建立的工務(wù)運(yùn)維BIM模型分為線路層級、軌道結(jié)構(gòu)單元層級和模型族庫層級，整個建模過程如圖2所示，分為如下三步：

圖2 建模過程

(1)線路層級

在Unity引擎中，使用WorldComposer插件生成對應(yīng)區(qū)域的真實(shí)地圖作為底圖，然后通過編程語言C#調(diào)取軌道板空間位置數(shù)據(jù)庫中的軌道板定位坐標(biāo)，生成可交互的軌道線路里程控制點(diǎn)，每個控制點(diǎn)對應(yīng)一塊軌道板，在Unity引擎中拾取里程控制點(diǎn)生成軌道線路示意圖。

(2)軌道結(jié)構(gòu)單元層級

分析無砟軌道結(jié)構(gòu)，單塊無砟軌道板及其相關(guān)結(jié)構(gòu)構(gòu)件定義為1個軌道結(jié)構(gòu)單元，則整條線路可以看作是由軌道結(jié)構(gòu)單元組成的。在定位點(diǎn)生成軌道結(jié)構(gòu)單元后，再根據(jù)調(diào)取的方向角、仰角數(shù)據(jù)調(diào)整軌道結(jié)構(gòu)單元的角度。

(3)模型族庫層

根據(jù)對軌道結(jié)構(gòu)單元的層次分析，按照軌道部件的真實(shí)尺寸，在Revit軟件中建立軌道結(jié)構(gòu)單元的組成構(gòu)件，然后按照軌道構(gòu)件的相對位置關(guān)系，將其組合成軌道結(jié)構(gòu)單元。

建立完成后的工務(wù)運(yùn)維BIM模型，在Unity平臺中通過腳本編程，通過軌道板編號、里程信息、GPS定位信息等多種方式查詢工務(wù)設(shè)施檢修臺賬(包含圖片數(shù)據(jù))、線路檢修數(shù)據(jù)和維修計劃，完成工務(wù)運(yùn)維BIM模型與工務(wù)運(yùn)維多源數(shù)據(jù)庫的關(guān)聯(lián)，在多源數(shù)據(jù)的支撐下對工務(wù)設(shè)施服役全生命周期進(jìn)行智能化檢修。

2.3 工務(wù)設(shè)施圖像識別

工務(wù)運(yùn)維中產(chǎn)生的圖像數(shù)據(jù)是一種典型的“非結(jié)構(gòu)化數(shù)據(jù)”。這類數(shù)據(jù)當(dāng)前通常作為工務(wù)檢修臺賬的一項(xiàng)進(jìn)行管理。這種管理方法造成數(shù)據(jù)結(jié)構(gòu)不固定，不能進(jìn)行標(biāo)準(zhǔn)化，無法使用關(guān)系型數(shù)據(jù)庫管理，在運(yùn)維作業(yè)中難以實(shí)時快速查詢、更新，也不能與線路檢修數(shù)據(jù)、維修計劃數(shù)據(jù)等結(jié)構(gòu)化運(yùn)維數(shù)據(jù)進(jìn)行融合，使用多源數(shù)據(jù)融合的方式提升了工務(wù)運(yùn)維的效率與精準(zhǔn)度。

近年來，機(jī)器視覺技術(shù)的不斷發(fā)展為圖像數(shù)據(jù)的管理提供了新思路。利用機(jī)器視覺技術(shù)，根據(jù)圖片內(nèi)容對圖片進(jìn)行分類和區(qū)域提取，定義“線名”、“對應(yīng)軌道板編號”、“設(shè)施類型”、“拍攝時間”等字段建立圖像數(shù)據(jù)庫，并根據(jù)數(shù)據(jù)記錄對提取的圖像區(qū)域進(jìn)行命名保存；然后將圖像數(shù)據(jù)根據(jù)軌道板編號與工務(wù)運(yùn)維BIM模型相關(guān)聯(lián)，即可實(shí)現(xiàn)對圖片數(shù)據(jù)的結(jié)構(gòu)化管理。

因此，本文使用機(jī)器視覺技術(shù)，使用工務(wù)設(shè)施信息化模型生成算法訓(xùn)練圖片，以移動端為載體，實(shí)現(xiàn)了工務(wù)設(shè)施圖像識別，在此基礎(chǔ)上實(shí)現(xiàn)了對圖片數(shù)據(jù)對結(jié)構(gòu)化管理。本文以單塊CRTSⅡ無砟軌道板為例，介紹了方法的實(shí)現(xiàn)過程，并驗(yàn)證了方法的有效性。

2.3.1 方法流程概述

機(jī)器視覺領(lǐng)域的目標(biāo)檢測算法，能夠識別出圖片中的工務(wù)設(shè)施類型，并在識別的同時提取出工務(wù)設(shè)施在圖片中的區(qū)域。將這種算法應(yīng)用在工務(wù)設(shè)施識別中存在以下兩個障礙：

(1)缺少訓(xùn)練數(shù)據(jù)集。目標(biāo)檢測算法識別工務(wù)設(shè)施，需要先使用海量的工務(wù)設(shè)施圖片，人工標(biāo)注出其中的工務(wù)設(shè)施區(qū)域，輸入算法進(jìn)行訓(xùn)練。由于鐵路行業(yè)專業(yè)性較強(qiáng)，缺少公開地針對工務(wù)設(shè)施圖片數(shù)據(jù)集。即使搜集到大量的工務(wù)設(shè)施圖片，對圖片中目標(biāo)工務(wù)設(shè)施的進(jìn)行區(qū)域標(biāo)注，也是一項(xiàng)繁瑣耗時的工作。

(2)目標(biāo)檢測算法對終端設(shè)備性能要求較高，巡檢過程中使用的移動智能終端性能難以滿足要求。有研究表明，不使用實(shí)拍的圖片，而是使用三維模型渲染圖片，同樣可對目標(biāo)檢測算法的進(jìn)行訓(xùn)練[11]。 且相較于使用實(shí)拍圖片，渲染圖片可以模擬不同天氣、光照、角度下拍攝的工務(wù)設(shè)施圖片，甚至隨機(jī)的設(shè)置模型的位置、材質(zhì)、光照等參數(shù)，可以使算法獲得更好的魯棒性[12]。對于移動端設(shè)備性能不足的問題，可以充分利用當(dāng)前快速發(fā)展的云計算技術(shù)和5G通訊技術(shù)，將算法的訓(xùn)練與推理環(huán)節(jié)放在云端運(yùn)行，利用云端設(shè)備的計算性能，實(shí)現(xiàn)移動端識別工務(wù)設(shè)施。

因此，本文提出的工務(wù)設(shè)施圖像識別方法如圖3所示，分為如下四步：

圖3 圖像識別流程

第一步：建立工務(wù)運(yùn)維BIM模型，根據(jù)運(yùn)維階段管理需求，提取出單塊CRTSⅡ無砟軌道板及其相關(guān)軌道設(shè)備為基本識別單元，并將其轉(zhuǎn)化為.FBX文件。

第二步：將基本識別單元導(dǎo)入三維互動引擎Unity中，生成圖片集，同時確定設(shè)備所在像素區(qū)域，生對應(yīng)標(biāo)注文件。在云AI平臺上，使用前述圖片和對應(yīng)的標(biāo)注文件，進(jìn)行算法訓(xùn)練。訓(xùn)練完成后將軌道設(shè)備識別算法在云端設(shè)置成一項(xiàng)遠(yuǎn)程識別服務(wù)。

第三步：在移動端調(diào)用該項(xiàng)服務(wù)，對拍攝的工務(wù)設(shè)施圖片進(jìn)行區(qū)域提取和類別判斷，本地根據(jù)調(diào)用返回信息，對圖片進(jìn)行結(jié)構(gòu)化保存。

第四步：移動終端融合作業(yè)信息、位置數(shù)據(jù)、圖像數(shù)據(jù)信息和形成完整的工務(wù)設(shè)施多源動態(tài)數(shù)據(jù)庫。

2.3.2 數(shù)據(jù)集制作

根據(jù)實(shí)際工務(wù)運(yùn)維中的病害情況和圖片數(shù)據(jù)采集需求，分為三類，共識別了六種軌道部件：

1)鋼軌類：鋼軌；

2)扣件系統(tǒng)類：彈條、螺栓；

3)軌道板類：CRTSⅡ無砟軌道板、板間寬窄接縫、CA砂漿層。

本文以單塊CRTSⅡ無砟軌道板為例，說明制作工務(wù)設(shè)施識別訓(xùn)練數(shù)據(jù)集的制作過程。如圖4所示，整個過程分為圖片生成部分和圖片標(biāo)注兩個部分：

圖4 數(shù)據(jù)集制作流程

第一部分，圖片生成分為三步：

1)將信息化模型由.RVT格式轉(zhuǎn)化為.FBX格式，導(dǎo)入Unity引擎中；

2)在場景中設(shè)置隨機(jī)的位置、數(shù)量、光照條件等參數(shù)，形成一組模型；

3)將攝像機(jī)旋轉(zhuǎn)對準(zhǔn)該組模型的中心，通過模擬拍攝的方式生成圖片。攝像頭在三維場景中旋轉(zhuǎn)量的四元數(shù)計算公式為：

其中，(xc，yc，zc)為攝像機(jī)空間位置，xi為第i個模型位置在x方向的分量。

第二部分圖片標(biāo)注部分，分為三步：

1)在圖片上建立坐標(biāo)系，以左下角為原點(diǎn)。在模型組中心區(qū)域生成初始的模型所在像素區(qū)域框；

2)開發(fā)射線探測算法，對當(dāng)前攝像機(jī)視口下的每一個像素位置發(fā)出射線，當(dāng)射線探測到模型時，將改點(diǎn)坐標(biāo)與該模型的矩形框坐標(biāo)對比，更新區(qū)域范圍；

3)完成探測后，將結(jié)果信息編寫成XML文件，生成對應(yīng)圖片的標(biāo)注文件，最終生成訓(xùn)練數(shù)據(jù)集。

2.3.3 目標(biāo)檢測算法的訓(xùn)練

本文基于傳統(tǒng)的Faster-RCNN網(wǎng)絡(luò)，將其特征提取網(wǎng)絡(luò)(backbone)由VGG19替換為Resnet50深度殘差網(wǎng)絡(luò)，得到的Faster-RCNN-ResNet50網(wǎng)絡(luò)。在本文建立的云端AI框架下，訓(xùn)練參數(shù)設(shè)定學(xué)習(xí)率(learning_rate)為0.002，每步訓(xùn)練的圖片數(shù)量(batch_size)為1，硬件選擇GPU：1*p100， CPU：8核64GiB，5 000張圖片訓(xùn)練耗時3小時58分，20 000次迭代之后的召回率R為98.36%(成功檢測出4 918個，未檢測出82個)，準(zhǔn)確率P為99.47%(正確檢測4 892個，錯誤檢測26個)。

圖5 樣本檢出結(jié)果

訓(xùn)練完成后，使用實(shí)拍480工務(wù)設(shè)施圖片，測試算法的可行性。測試的軟硬件配置如表2所示。

表2 測試主要參數(shù)表

實(shí)測結(jié)果召回率R為97.85%，準(zhǔn)確率P為98.76%，與訓(xùn)練結(jié)果的對比圖如圖6所示,證明了本方法的有效性。

圖6 實(shí)拍圖片與渲染圖片檢測對比

3 實(shí)例測試

3.1 工務(wù)設(shè)施與工務(wù)運(yùn)維BIM模型關(guān)聯(lián)

該功能的實(shí)現(xiàn)分為如下三步：

(1)如圖7所示，在移動終端，通過GPS定位功能，確定當(dāng)前位置坐標(biāo)，將GPS位置坐標(biāo)轉(zhuǎn)化為平面投影坐標(biāo)，在工務(wù)運(yùn)維BIM模型線路地圖上初步確定當(dāng)前的位置；

圖7 GPS初步定位

(2)如圖8所示，在BIM模型中，通過范圍檢索的方式，查找當(dāng)前定位點(diǎn)附近的軌道結(jié)構(gòu)單元；GPS的定位精度為10m，因此以定位點(diǎn)為中心，創(chuàng)建直徑為10m的球形檢索范圍，檢索該范圍內(nèi)的所有的軌道板，返回得到的所有軌道板編號，進(jìn)行人工選擇后，點(diǎn)擊對應(yīng)的軌道板編號，確定當(dāng)前軌道板；

圖8 范圍檢索精確定位

(3)如圖9所示，將真實(shí)的工務(wù)設(shè)施與對應(yīng)的BIM模型關(guān)聯(lián)起來后，進(jìn)入功能菜單，可以按需求選取相應(yīng)的菜單進(jìn)行操作。

圖9 工務(wù)設(shè)施與BIM模型關(guān)聯(lián)

3.2 圖像數(shù)據(jù)采集

當(dāng)需要進(jìn)行圖像數(shù)據(jù)采集時，在圖7中底圖界面點(diǎn)擊紅色標(biāo)記，系統(tǒng)調(diào)取前述“工務(wù)設(shè)施與工務(wù)運(yùn)維BIM模型關(guān)聯(lián)”功能，確定當(dāng)前位置與軌道板編號，然后點(diǎn)擊“數(shù)據(jù)采集”按鈕，進(jìn)入數(shù)據(jù)采集頁面，進(jìn)行數(shù)據(jù)采集。

數(shù)據(jù)采集功能實(shí)現(xiàn)分為兩步：

(1)如圖10所示，需要采集一張反映CRTSⅡ軌道板寬窄接縫病害的圖片，點(diǎn)擊數(shù)據(jù)采集按鈕，進(jìn)入數(shù)據(jù)采集頁面。使用移動終端拍攝軌道板圖片，遠(yuǎn)程調(diào)用識別算法，自動識別并提取出圖像中不同的工務(wù)設(shè)施；

圖10 圖像的拍攝與識別

(2)如圖11(a)所示，在數(shù)據(jù)記錄生成界面，根據(jù)關(guān)聯(lián)的工務(wù)運(yùn)維BIM模型，調(diào)用相關(guān)數(shù)據(jù)，填充“ID”、“線名”、“軌道板編號”、“設(shè)備類型”等字段。

針對出現(xiàn)傷損的板間寬窄接縫，作業(yè)員工根據(jù)現(xiàn)場實(shí)際測量數(shù)據(jù)，通過交互操作，在備注欄記錄傷損等級。點(diǎn)擊關(guān)聯(lián)按鈕，再點(diǎn)擊對應(yīng)的BIM模型(圖中綠框高亮顯示)將提取的圖像區(qū)域與對應(yīng)的工務(wù)設(shè)施BIM模型進(jìn)行進(jìn)一步關(guān)聯(lián)。更加精細(xì)的管理圖像數(shù)據(jù)，如圖11(b)所示。

圖11 數(shù)據(jù)記錄的生成

采集完成后，圖片使用對應(yīng)數(shù)據(jù)記錄的ID進(jìn)行命名，保存在移動終端中，作業(yè)完成后，與對應(yīng)的數(shù)據(jù)記錄一起上傳至數(shù)據(jù)庫。

3.3 圖像數(shù)據(jù)調(diào)用

在工務(wù)運(yùn)維中，可以查詢工務(wù)設(shè)施歷史圖像數(shù)據(jù)，作業(yè)員工在現(xiàn)場可以快速掌握工務(wù)設(shè)施服役狀態(tài)演化過程與歷史維修記錄，輔助當(dāng)前的運(yùn)維作業(yè)。

如圖12(a)所示，在工務(wù)設(shè)施與BIM模型關(guān)聯(lián)之后，進(jìn)入數(shù)據(jù)查詢頁面，點(diǎn)擊“全部圖像數(shù)據(jù)”按鈕，可調(diào)取當(dāng)前軌道結(jié)構(gòu)單元全部歷史圖像數(shù)據(jù)記錄。

如圖12(b)所示，點(diǎn)擊寬窄接縫的BIM模型，可以查看寬窄接縫的歷史圖像數(shù)據(jù)記錄。點(diǎn)擊對應(yīng)的查看按鈕，可調(diào)取對應(yīng)的圖片。

圖12 圖像數(shù)據(jù)查詢

現(xiàn)場測試結(jié)果表明，本文研究的工務(wù)運(yùn)維圖像數(shù)據(jù)采集、圖像數(shù)據(jù)查詢功能均達(dá)到了預(yù)期效果。

與已有的工務(wù)運(yùn)維數(shù)據(jù)管理方法相比，本方法實(shí)現(xiàn)了數(shù)據(jù)庫、BIM模型、工務(wù)設(shè)施三者的互通互聯(lián)。以工務(wù)運(yùn)維BIM模型提供的可視化平臺為核心，實(shí)現(xiàn)了工務(wù)運(yùn)維圖像數(shù)據(jù)的分類存儲，通過長期積累，有效地減少了工務(wù)運(yùn)維圖像數(shù)據(jù)的流失。在制定維修計劃時，積累的工務(wù)運(yùn)維圖像能夠幫助員工快速掌握工務(wù)設(shè)施的服役狀態(tài)演化過程，相較于單純的測量數(shù)據(jù)，圖像數(shù)據(jù)更有利于研判工務(wù)設(shè)施病害的成因，從而選擇更加合適的時機(jī)，制定更加合理的方案維護(hù)工務(wù)設(shè)施。

在運(yùn)維作業(yè)中，員工攜帶移動終端即可快速檢索查詢工務(wù)設(shè)施檢修臺賬(包含圖片數(shù)據(jù))、線路檢修數(shù)據(jù)和維修計劃，掌握工務(wù)設(shè)施的服役狀態(tài)演化過程，輔助員工高效地完成當(dāng)前的維修任務(wù)。

此外，隨著圖像技術(shù)的不斷發(fā)展，通過圖像自動化判定設(shè)施服役狀態(tài)、預(yù)測設(shè)施壽命的技術(shù)日益成熟，這些技術(shù)的迭代進(jìn)步都需要以大量的圖像數(shù)據(jù)作為基礎(chǔ)，工務(wù)運(yùn)維圖像的高效管理與長期積累具有十分重要的意義。

4 結(jié)論與展望

本文針對工務(wù)運(yùn)維中圖像數(shù)據(jù)的管理問題，以BIM技術(shù)和機(jī)器視覺技術(shù)為基礎(chǔ)，以移動智能終端為載體，研究了工務(wù)運(yùn)維圖像數(shù)據(jù)智能化管理方法，主要結(jié)論如下：

(1)通過移動終端GPS定位與工務(wù)運(yùn)維BIM模型相結(jié)合的方法，實(shí)現(xiàn)工務(wù)設(shè)施與工務(wù)運(yùn)維BIM模型的對應(yīng)關(guān)聯(lián)，為工務(wù)運(yùn)維作業(yè)提供可視化數(shù)據(jù)交互平臺；

(2)工務(wù)與工務(wù)運(yùn)維BIM模型關(guān)聯(lián)后，可以通過圖像識別算法，實(shí)現(xiàn)工務(wù)運(yùn)維圖像數(shù)據(jù)的自動分類，提升圖像數(shù)據(jù)采集的便捷性，使圖像數(shù)據(jù)得到結(jié)構(gòu)化的長期積累。在圖像數(shù)據(jù)的支撐下，可以制定更加精準(zhǔn)的維修計劃；

(3)在工務(wù)運(yùn)維中，使用移動終端即可查詢工務(wù)設(shè)施檢修臺賬(包含圖片數(shù)據(jù))、線路檢修數(shù)據(jù)和維修計劃，快速掌握工務(wù)設(shè)施服役狀態(tài)演化過程，避免了運(yùn)維作業(yè)中攜帶大量紙質(zhì)資料的不便，提升工務(wù)運(yùn)維作業(yè)的精準(zhǔn)度和效率。