daba1

作为世界上拥有水坝数量最多的国家,中国近年来迅猛的发展使得我们对于能源的需求也变得更加迫切。一个又一个的水坝被建立起来,随之而来的是水坝的安全防护,大坝表面的安全检测是其中最基础,同时也是非常重要的一环。

当前大坝表面检测的方式主要有两种:一是使用高倍望远镜进行观测,这种方法的优点是方便、省时省力,但存在检查不全面、观测不细致等致命缺点;二是使用人工吊篮进行贴近观测,相对望远镜来说,检查的较为全面,观察的也更为仔细,但是进行吊篮工作首先要进行打孔固定吊篮,危险系数过大,并且准备周期、耗费的人力物力都很大,检测效率也并不突出。为了使检测方式更加安全、高效、全面,针对结构复杂的坝体,天津杰创天成采用独特结构的无人机搭载超高清单反相机进行大坝表面整体影像的获取,之后利用处理软件进行影像分析,提取裂缝并计算裂缝的长度及宽度。同时利用获取的全方位影像创建大坝实景模型,通过模型确定缺陷的具体位置信息,为后期维护提供详细数据。接下来我们以贵州某水电站的坝体表面检测为例进行介绍整个检测系统。

 

一、 表面检测

(一)无人机特性

我国水坝较为重要的坝体基本都是混凝土结构,并且依山而建,例如著名的三峡大坝。由于地势的特殊性以及坝体结构的复杂性(表孔、中孔、底孔等结构),对于无人机的要求也相应的随之提高。首要的便是稳定性以及安全性,山体所带来的强磁场干扰是无人机飞行的最大危险,众所周知无人机之所以能够按照指令进行平稳的飞行完全靠的是内部各种传感器集成的飞控系统,而强磁场则会对罗盘等传感器造成强烈的干扰,导致无人机无法稳定而安全的飞行作业。为了解决这个问题,天津杰创天成的新技术采用的的无人机系统配备了三倍的抗磁场干扰传感器,将磁场干扰降到最小。同时为了机动性以及特殊结构检测的考虑,无人机采用八个小螺旋桨来增加它的灵活性及安全性(坏掉任意两个依然可以稳定飞行),如图所示。

daba2

图 | 强稳定性无人机设计

(二)影像获取

坝体影像获取一方面是为了进行坝体缺陷的识别与计算,另一方面也是为了建立一个实景的大坝三维模型,将这个三维模型进行存档,并在之后与未来的模型进行对比,对于研究坝体缺陷的发展趋势以及坝体不同时期的情况提供了很好的数据源。三维模型的建立则需要各个角度的坝体影像,而影像采集系统也就是无人机通过将单反相机前置,并添加了一个可以上下180°可旋转的云台,借此可以进行坝体的无死角拍摄,获取足够多的影像来构建三维模型,为智慧大坝提供强有力的数据支持。

和传统影像获取不同的是,无人机采集影像的方式更加系统化,可以获取更加系统化和规律化的影像,并且为了下一步的影像分析打下基础。

业内人士都知道,坝体结构非常复杂,以某大坝为例。根据设计图纸来看,整个坝体根据坝缝被分为了二十七个坝段,水面以上部位则每七十米修了一条马道,水面以上高约210米。为了便于影像处理,影像获取的方式采用的是根据坝段有规律的进行影像获取:利用无人机的稳定性以及可任意角度获取影像的特点,从每个坝段自上而下进行有规律并且有重叠度的拍摄获取影像;除坝段之外的水工结构,则是进行多角度的无遗漏拍摄,确保数据获取的完整性。

daba3

图 | 影像获取

天津杰创天成创新地将航测领域的拍摄方法引入到了坝体检测的拍摄中,使得坝体检测拍摄同航测一样有自己的航线、自己的航向重叠以及旁向重叠,通过高清的图传显示器来调整无人机的拍摄距离以及拍摄角度。这样的影像获取方式巨大的优点在于数据的规律性和完整性,便于数据查询及数据整理。

对整个大坝上游面和下游面水上部位总计68000多平米进行全覆盖检测,查明坝体表面现状,提取坝体表面裂缝并确定其所在位置以及长度宽度,并提供大坝表面模型,为大坝后期运维提供依据。现场工作人员两名,使用无人机外业飞行影像获取耗时10个工作日,飞行91个架次,共计拍摄影像数据2428张,并将所有照片按照坝段以及水工结构进行分类放置。

(三)影像处理

1、影像拼接

作为整个检测系统的核心步骤——将获取的影像进行拼接并分析,无人机大坝表面检测系统为之专项设计了一套软件。整个处理软件的流程:一是将获取的影像根据坝体结构即坝段进行拼接;二是将拼接过后的坝段影像进行缺陷分析,提取缺陷信息,确定缺陷位置。

在影像拼接阶段,目前绝大部分拼接方式都是将照片通过软件生成点云,再将点云拼接生成正射影像,这种拼接方式的优点是拼接快速,但是经过这样处理的影像都会出现类似视频掉帧的情况,图像分辨率明显下降。天津杰创天成大坝检测系统配备的图像拼接软件则是将所有的图像进行无损拼接,图像分辨率保持和源数据相同,为之后的图像分析提供了更好的数据基础。整个拼接过程不需要进行人工干预,只需要将文件夹位置进行导入即可。值得一提的是无人机有顺序并有重叠度的拍摄减少了软件运行时间并提高了算法计算的准确率,为影像拼接这一步骤提供了巨大便利。整个大坝水面以上所有坝段以及水工结构最后拼接而成的影像共计212张,其中水工结构占87张,如图所示。

daba4

图 | 坝前坝面及牛腿拼接结果

2、影像分析

坝体表面的缺陷检测是关注的核心,之前所做的影像获取以及影像拼接都是为这一步做准备。

无人机检测作为新兴的一种检测方式,从最开始的飞过去拍张照片之后取出来单纯的看照片到现在我们做的获取坝体所有部位影像并根据坝体结构进行拼接图像,最后将所有拼接而成的图像进行图像分析,自动提取缺陷部位:裂缝、钙质析出、渗水等,更为重要的是,根据最新的图像解析算法可以对裂缝进行宽度及长度计算。它的算法原则:整个软件背后有很大的数据库,在这个数据库里面有着全球各式各样的坝体缺陷图,在这个数据库的基础上,根据图像像素点之间的差异将图像上的缺陷自动提取出来;而对于裂缝长度以及宽度的计算则是软件另一个核心竞争力,它是将图像的每个像素点进行量化,即一个像素点所代表的长度是多少,然后再根据自动提取出来的裂缝像素多少进行计算,得出裂缝的长度和宽度。

混凝土裂缝是由于混凝土结构由于内外因素的作用而产生的物理结构变化,而裂缝是混凝土结构物承载能力、耐久性及防水性降低的主要原因。同时裂缝检测也是表面缺陷检测的重要一环。坝体表面检测其实相当于坝体普检,对整个坝体进行例行检查,将检查出来的问题写成报告,之后对每个缺陷进行二次排查,严重的则进行专项检查。裂缝自动提取并进行计算的误差在0.1mm,这个精度取决于无人机与坝体的距离。

大坝内业数据处理生成报告用时10个工作日。共计检测出裂缝152条,每条裂缝的位置信息、长度、宽度、现状等都在报告里呈现。其中裂缝的位置按照坝段编号、坝前或者坝后、桩号、高程进行确定。同时影像解析过后的图像以及原始影像也会放在一起进行对比,裂缝的长度、宽度以及裂缝可能形成原因也会进行标注,为后期运维人员提供参考,如图所示。

daba5

图 | 部分坝面检测报告

daba6

图 | 部分水工结构检测报告

结构的复杂性以及裂缝表面存在很多其他附着物,导致了软件进行自动识别与提取的时候存在个别误判和遗漏等情况,例如裂缝因表面渗水导致颜色与坝体背景色相同导致裂缝无法准确识别等。所以目前整个缺陷解析步骤在软件自动进行之后需要人工进行后期筛选与核对,来确定报告的完整性与准确性。不过更好的是由于数据源的存在,使得我们进行核对的时候有着完整的数据作为检校基础。

3、坝体模型的创建

目前,坝体安全管理系统已经在慢慢的从数字大坝向智慧大坝做转变,天津杰创天成这个新技术便是创新地将原来的图纸式坝体表现方式转化为实景三维模型,在这个模型上可以进行缩放旋转观看,可以进行量算,更可以进行精确位置的获取。由于坝体表面的裂缝成因有很多,并且是慢慢演变而成,所以这就需要我们进行高时间密度的检测来防护裂缝产生。在数据库里,可以将不同时期的模型进行对比研究,去发展坝体某部位或者某缺陷的发展规律及发展趋势等。在真实景三维模型中我们可以做到很多以前无法做到的事情,比如可以在这个模型上进行施工演习、人工调度演习等,使得所有的决策都更加的清晰直观,如图所示。

daba7

图 | 坝体模型效果

二、   技术方案总结

近年来随着无人机的迅猛发展以及时间流逝导致的年久坝体需要全面检查,使用无人机进行坝体检测越来越多。最开始人们的想法只是使用无人机飞到人力所不能及的地方获取照片或者录像,主要的检测方式还是人工检测为主。而无人机在各行各业的应用从来都是硬件配合软件进行使用才能达到最好的效果。作为一个数据获取工具,无人机只需要满足它获取数据所需要的硬件要求即可,当然这个要求是很高的,超强的稳定性是工作的前提,以好的操控性也是必不可少的。将获取的数据进行分析才是整个技术方案的重中之重,也是整个方案的核心内容。将庞大的数据进行拼接整合成可编号的数据,并进行缺陷的自动提取与计算,这样的工作模式给大坝检测所带来的冲击是巨大的。超低成本、超低风险以及超高效率的检测方式使得其在大坝表面检测领域有了自己的独特名声。

所有的技术方案都不是完美的,传统技术的根深蒂固以及社会的接受程度,检测标准规范等等的限制都是无人机检测方式前进的巨大阻碍。另外,这种检测方式也有它的不完美的一面,由于绝大部分工作都是软件自主完成,少了很多人机交互的步骤,导致了会有些许的误判漏判。但瑕不掩瑜,我们相信这种检测方式会随着会逐渐被更多的业主单位接受。

三、   展望

我们期待今后不论是硬件还是软件天津杰创天成都可以有一个更高的提升。在硬件方面,未来的无人机可以在没有GPS信号的条件下进行自主飞行与任意地点的悬停,利用环境感知系统有自己的智能判断,就如同人眼与人脑一样有着自己的思维,不一样的是它可以进行飞行。它在坝体上就如同人类在地面上,可以将坝体完整的巡视一遍,在发现缺陷之后可以根据内部软件系统自动进行缺陷识别与计算,将检测结果传回运维人员手中。在软件方面,在未来要做到的就是超大数据量的自动计算以及缺陷识别的准确度,可以进行自主记忆学习。我们相信在未来的大坝运维领域,无人机检测绝对会是检测的主力。