基于無人機巡檢的圍護結構頂部位移監測模型新方法

魯海霞 張 偉

（1.河南科技職業大學，河南 周口 466000；2.河南科技大學，河南 洛陽 471000）

0 引言

當前我國基礎設施建設迅速發展，在發展過程中出現了大量深基坑圍護工程，基坑圍護涉及巖土、結構等工程，其圍護的穩定性與施工安全密切相關，而復雜環境、建筑交錯等因素都對基坑圍護的強度和變形造成了影響，增加了圍護體系的風險[1-2]。為了防止圍護變形，對施工過程中的基坑圍護進行監測，設定監測預警值，對基坑開挖時周邊圍護的過大位移進行預警；當位移超過設定值時，及時采取應對措施，保障基坑、地下設施以及周圍建筑的安全[3-4]。

現階段，圍護監測模型的相關研究取得了較好發展，文獻[5]采用基于雙曲函數土體彈簧的圍護監測模型，通過原位測試，獲得了圍護結構土體的非線性彈簧參數，還可以對施工現場的監測數據進行分析，但該模型未采集基坑被動區域的參數，模型監測時所需要的數據量大。文獻[6]采用基于數值模擬的圍護監測模型，計算基坑圍護結構的斷面，測量圍護結構頂部的坑外位移，并將其與數值模擬結果進行對比，但該模型忽略了基坑安全冗余度對圍護體系的影響，模型所需要的數據量也較大。文獻[7]采用基于MATLAB的圍護監測模型，采用MATLAB中的擬合曲線，分析圍護體系的監測數據，結合人工神經網絡預報圍護情況，但該模型選取的神經網絡與擬合曲線的適應度較差，模型更新數據量大。

針對上述問題，該文基于無人機巡檢數據，構建了圍護結構頂部位移監測模型，利用無人機采集圍護結構的航拍數據，并對采集的數據進行處理，得到模擬圍護結構頂部真實形態的點云平面，確定圍護結構的頂部位移，降低監測對實測數據的需求量。

1 圍護結構頂部位移監測模型設計

1.1 基于無人機巡檢獲取圍護結構航拍數據

通過無人機巡檢采集圍護結構的航拍數據。在每個基坑邊布設1～3個觀測墩，在觀測墩頂部安裝整平鋼板作為工作基點，該基點也是無人機固定到達的巡檢點，選取低速低空飛行方案，根據預計的圖形比例尺和地面分辨率確定無人機的飛行高度，在無人機上安裝激光掃描儀和照相機，令激光掃描儀的排列陣面為矩形，采用垂直攝影和傾斜攝影2種方式[8]。無人機攝影高度S如公式（1）所示。

式中：E為像素原件尺寸；a為激光掃描儀鏡頭差距；b為影像地面分辨率[9]。

選擇最小步長節點，最小步長L如公式（2）所示。

式中：vi為第i路段的航跡航程；n為圍護邊的路段總數；I為路段距離的最小值。

將每個路段的方位角偏轉視為路徑偏轉角，計算無人機巡檢的最大路徑偏轉角K，如公式（3）所示。

式中：Pmin為無人機巡檢最小轉彎半徑；O為無人機巡檢速度；gmax為最大法向過載。

無人機巡檢路徑的目標函數如公式（4）所示。

式中：minV為最小目標值；G為懲罰函數；Hj為第j個監測點與相鄰布設點之間的距離；m為圍護結構布設的監測點數量[10]。

根據無人機和激光掃描儀的技術參數對minV進行約束，并求解minV的最優解。根據最優巡檢路徑設置無人機巡檢時與飛行角度相關的參數，使用無人機巡檢航線遍歷布設的所有監測點，獲得圍護結構的航拍數據。至此完成對基于無人機巡檢的圍護結構航拍數據的獲取。

1.2 增強航拍影像中圍護結構邊緣像素

預處理航拍數據，增強影像中圍護結構邊緣的像素。在拍攝設備中讀取圖像，預處理圍護結構航拍數據，將圖像轉化為灰度圖像。降噪轉換后的灰度圖像，并將圖像中大噪聲點、反射強度與周圍點云具有明顯差異的孤立點云當作無用點，對其進行手動剔除。過濾反射強度與周圍點云相近的噪聲點，計算像素點標準偏差Q，如公式（5）所示。

式中：l為像素值的臨界系數；xc為第c個像素點的像素值；C為像素點的總數量；為像素樣本值的均值[11]。

設定標準偏差的閾值，當像素點Q值大于設定閾值時，將其剔除；當Q值小于閾值時，則對其進行保留。完成點云去噪后，劃分圍護結構的目標像素點、地面植被的干擾像素點，分類和過濾點云數據，遍歷并提取目標像素的邊緣。將掃描得到的目標質心作為特征向量，并將包括圍護結構的圖像加入陣列，計算每幅影像質心的坐標數據。設過濾后的圖像為h（x，y）；其中，（x，y）為像素位置，d、e分別為x方向、y方向最大坐標和最小坐標的中間值，則質心位置R如公式（6）所示。

式中：P為無人機巡檢轉彎半徑；K為點云圖像的特征值。

結合時間參數和質心位置預測下一位置的目標質心，計算每幅紅外圖像中所有的質心坐標。其中，時間參數為影像中相鄰2幅紅外圖像的間隔，連接時間參數后得到連續軌跡，使圍護結構目標軌跡趨向穩定[12]。把圖像灰度概率分布作為直方圖變換的基礎，將灰度概率視為基本算子，像素點變換公式如公式（7）所示。

式中：w為基礎算子；f、g均為基礎算子的映射集合；Δf、Δg分別為各集合中基礎算子的增量值；hf（w）、hg（w）分別為集合f、g中的基礎算子灰度值。

通過公式（7）將集合f中的灰度值轉換至集合g，使輸出像素點灰度值位于[g，Δg]中，并輸出直方圖。

設灰度直方圖為h（x，y），根據直方圖的分布積分函數調整映射后的灰度，得到灰度分布函數J如公式（8）所示。

式中：u為像素灰度級的級數；X、Y分別為x方向、y方向的像素點數量；rk為同一灰度級的像素點數量。

以公式（8）為基礎，將圍護結構圖像灰度進行非線性變換，使像素點灰度概率與灰度級相對應，從而增強灰度圖像中圍護結構的輪廓像素。至此完成增強航拍影像中圍護結構邊緣像素的任務。

1.3 構建圍護結構頂部位移監測模型

沿著邊緣輪廓分割每幅圖像的圍護結構邊緣，并對分割數據進行匹配，建立用于圍護結構頂部位移監測的模型。連接圍護結構邊緣輪廓的像素點，把輪廓內的圖像像素點劃分為多個不同的子集，令子集歸屬于連續的局部區域內，在連續曲線上取固定距離，計算每段曲線的梯度幅值Z（x，y）和梯度方向U（x，y），如公式（9）所示。

式中：Wx、Wy分別為x方向、y方向的曲線固定距離；β為連續曲線相對x軸的夾角。

把梯度幅值Z（x，y）和梯度方向U（x，y）輸入卷積模板，多次迭代更新后，把梯度幅值和方向處于同一位置的像素點作為特征點。為每個特征點選擇一個主方向，沿著主方向配準特征像素點，過程中保持特征矢量旋轉不變，尋找每個特征點的最佳旋轉空間，使特征點投影到另一幅紅外圖像的特征點。投影空間M如公式（10）所示。

式中：T為協方差矩陣；N為無人機各拍攝角度相同特征點的數量；s1、s2分別為連續曲線特征點處的最大斜率、最小斜率。

將協方差矩陣T作為投影空間中的第一主成分，在M值的范圍內改變協方差矩陣的取值，最小化特征點的歐式距離，直至2幅紅外圖像的圍護結構完全配準，過程表達式如公式（11）所示。

式中：minF為最小歐式距離；t（x，y）、z（x，y）分別為目標點集、參考點集的配準坐標；o為不同攝影角度的點云數據關聯參數；M'為投影空間中對協方差矩陣的修改增量。

通過公式（11）對多個掃描角度的點云數據進行精細配準，然后將圍護結構頂部的邊緣輪廓切割成多份，將每個小份擬合成一個平面，柵格化處理圍護結構頂部，柵格化處理圍護結構頂部位移圖像后將其劃分至小正方體中，使每個對應的平面分配相等的體積，從而得到三維點云的最佳逼近平面。使用該最佳逼近平面表示圍護結構頂部的真實空間，根據小正方體內的像素坐標，結合圖形比例尺確定圍護結構頂部監測點的三維空間數據。設置圍護結構頂部位移的監測周期，記錄各監測周期下監測點的位置坐標，得到圍護結構頂部的位移量。至此完成對圍護結構頂部位移監測模型的構建，完成基于無人機巡檢對圍護結構頂部位移監測模型進行設計的工作。

2 實證研究

將該設計模型與基于雙曲函數土體彈簧的圍護監測模型（文獻[5]）、基于數值模擬的圍護監測模型（文獻[6]）以及基于MATLAB的圍護監測模型（文獻[7]）進行對比實驗，比較模型監測頂部位移時需要更新的數據量的大小。

2.1 基坑圍護工程概況

選取某基坑工程作為研究對象，該項目位于某市市中心，基坑開挖形式為放坡開挖，整體呈矩形，長度和寬度大約為179 m、96 m，占地面積約為17 184 m2，最大開挖深度為4.1 m，力學性質較差，土質為粉質黏土，深度為5 m～12 m。基坑圍護結構采用復合式土釘墻，預埋鋼筋的長度為20 cm，鋼筋頭磨成半球狀，鋼筋露出地面的長度為20 mm，圍護結構冠梁頂的鉆孔孔深為90 mm，觀測墩尺寸大小為140 mm×140 mm×280 mm。由于地質問題，因此造成圍護樁體下部咬合出現偏差，圍護結構頂部出現變形，圍護結構頂部變形標準為最大位移量小于50 mm。

2.2 建立模型

為了準確分析該工程圍護結構的頂部位移，每隔20 m沿直線設置1個監測點，整體監測區域為矩形，在2個長邊布置7個監測點，2個短邊布置5個監測點，使用直徑為10 cm的圓形紅色貼紙作為標靶并黏貼在監測點，具體分布位置如圖1所示。

圖1 圍護結構監測點布置

在基坑長邊兩側每隔32 m布設1個觀測墩，由內導對工字鋼進行焊接，工字鋼總長為5 m，夯入深度為4 m，在監測點附近安裝灌注樁，尺寸大小為20 mm×20 mm×30 mm。根據圖1所示的監測點和工作基點，應用Z字形的飛行方案，采用六旋翼無人機配置PLS8970型號激光掃描儀和工業照相機，設置的無人機飛行攝影參數見表1。

表1 無人機飛行攝影參數

分析處理掃描得到的點云數據，生成模擬圍護結構頂部真實空間的三維點云，確定結構頂部的位移量。

2.3 實驗結果分析

首先輸入模型的基礎數據，監測過程中不斷更新模型監測參數的實測數據，使其監測水平方向的圍護結構頂部的位移，監測結果如圖2所示。

圖2 圍護結構頂部水平位移監測結果

當4種模型在各個監測周期中的監測值能夠連接成線時，就可以判定監測結果符合圍護結構頂部實際的位移情況；因此，當達到圖2所示的監測值時，停止實測數據的更新。統計4種模型的數據更新量，實驗結果如圖3所示。

如圖3所示，當設計模型輸出圍護結構水平位移的監測值時，每個監測周期的平均數據更新量為2 240 MB，基于雙曲函數土體彈簧的圍護監測模型平均數據更新量為2 990 MB，基于數值模擬的圍護監測模型平均數據更新量為3 910 MB，基于MATLAB的圍護監測模型平均數據更新量為4 230 MB，設計模型數據更新量分別減少了750 MB、1 670MB以及1 990 MB。豎直方向監測結果如圖4所示。

圖3 水平位移監測數據更新量實驗對比結果

當模型輸出監測值達到圖4所示的數據時，無斷點且能夠表示豎直方向實際位移量時，停止數據量更新，此時已更新的數據量如圖5所示。

圖4 圍護結構頂部豎直位移監測結果

由圖5可知，當設計模型輸出圍護結構豎直位移的監測值時，每個監測周期的平均數據更新量為2 520 MB，基于雙曲函數土體彈簧的圍護監測模型平均數據更新量為3 310 MB，基于數值模擬的圍護監測模型平均數據更新量為3 960 MB，基于MATLAB的圍護監測模型平均數據更新量為4 310 MB，設計模型數據更新量分別減少了790 MB、1 440 MB以及1 790 MB。綜上所述，當該設計模型完成位移監測時，利用無人機巡檢圖像作為基礎數據，并將其預處理后的結果作為圍護結構頂部位移監測輸入，可以使模型的更新數據量更少，減少了對實測數據的需求，降低了圍護結構勘察的工作量。

圖5 豎直位移監測數據更新量實驗對比結果

3 結語

該研究利用無人機對圍護結構頂部進行巡檢，建立了一種位移監測模型，相比于常用模型，該模型降低了對圍護結構勘察數據量的需求；同時，以無人機巡檢生成圖像數據作為模型輸入，可以在一定程度上減少數據采集所耗費的時間，減少勘察的工作量。在今后的研究中，需要進一步討論模型的適用條件，使用更適用的監測數據處理方法對圍護結構進行有效反饋。