基于无人机三维重建的支座垫板平整度智能检测方法

《Buildings》：An Intelligent Method for Bearing Pad Flatness Inspection Based on UAV-Enabled 3D Reconstruction

　　

支座垫板的平整度直接影响结构荷载传递安全性。然而，传统的基于全站仪的检测方法存在空间采样有限、检测效率低以及高空作业安全风险高等局限。为克服这些限制，本文提出UAV-FIBP（Unmanned Aerial Vehicle-based Flatness Inspection for Bridge Pads），一种利用无人机（UAV）三维重建的支座垫板平整度自动化智能检测方法。通过设计近距离多轨道环绕式无人机飞行路径并采集高重叠度影像（前向重叠85%，旁向重叠80%），利用摄影测量生成毫米级精度的三维模型，在垫板表面实现≥200点/cm²的高密度点云。经随机采样一致性（RANSAC）算法去噪和感兴趣区域分割后，研究人员采用主成分分析（PCA）拟合参考平面。随后引入双参数评估框架：均方根（RMS）偏差量化局部表面粗糙度，最大高程差由拟合平面法向量与水平面法向量夹角导出，从而实现对整体倾斜的综合评估。在实验室模拟装置和实际施工现场（涉及四个桥垫）的验证实验表明，所提方法与全站仪测量结果偏差≤2 mm，满足《公路工程质量检验评定标准》（JTG F80/1-2017）的要求。结果表明，UAV-FIBP实现了非接触、全覆盖、自动化的平整度检测，显著提升了检测效率和施工安全性。该工作为智能桥梁建设建立了一条可扩展的技术路径。

**论文解读文章**

**研究背景与问题**
桥梁支座垫板是连接盖梁与箱梁支座的关键传力构件，其顶面平整度直接影响支座接触状态和荷载分布均匀性。不平整的垫板会导致局部应力集中、加速支座退化甚至引发结构破坏，严重威胁桥梁运营安全。传统基于全站仪的点位高程测量方法仅采样角点或有限测点，空间采样密度低，无法捕捉局部表面起伏和细微不平整，存在随机误差大和缺陷漏检风险。尤其在墩柱高耸或地形复杂条件下，人工放置棱镜需高空作业，不仅效率低，还带来严重的安全隐患。因此，现有方法难以满足现代智能建造对高效、安全、全面质量管控的需求。

**研究内容与意义**
研究人员提出了一种基于无人机（UAV）三维重建的支座垫板平整度自动化智能检测方法（UAV-FIBP）。通过设计环绕式飞行路径获取高重叠度影像，利用运动恢复结构（SfM）和多视图立体（MVS）技术重建毫米级三维模型，再结合随机采样一致性（RANSAC）算法去噪和主成分分析（PCA）拟合参考平面，提出基于均方根（RMS）偏差和最大高程差的双参数评估框架。该方法实现了从数据采集、三维重建到智能评估的端到端自动化，克服了传统方法的采样局限和安全风险，为桥梁建造质量管控提供了高效、安全、可扩展的技术方案。论文发表在《Buildings》。

**关键技术方法**
研究人员采用的主要关键技术方法包括：（1）**无人机环绕式飞行路径规划**：设计多半径（2 m、3 m、4 m）和多高度（2 m、3 m、4 m）的水平圆形轨道，采集前向重叠85%、旁向重叠80%的高重叠度倾斜影像；（2）**SfM/MVS三维重建**：利用DJI Terra V4.3.1等摄影测量软件，通过空中三角测量和密集匹配生成点云密度≥200点/cm²的三维模型；（3）**RANSAC去噪与PCA平面拟合**：采用两阶段距离阈值策略（第一阶段2 mm去除粗差，第二阶段0.5 mm筛选高置信内点），对感兴趣区域点云进行鲁棒平面拟合，通过协方差矩阵特征值分解获取法向量；（4）**双参数平整度评估**：计算RMS偏差（局部粗糙度）和基于法向量夹角的全局最大高程差（Δ_max），依据双阈值标准（RMS≤1 mm，Δ_max≤2 mm）判定合格性。样本来源为实验室模拟台面（600 mm×600 mm）和广东省肇庆市某在建桥梁工地的四个现浇混凝土支座垫板（P1–P4，尺寸500 mm×500 mm）。

**研究结果**
**3.1 案例一：模拟环境精度验证**
在室外测试场地，以高精度平板台面模拟支座垫板，采用Leica TS50全站仪测量九个均匀分布点作为基准。利用DJI Terra、ContextCapture和Metashape三种摄影测量软件分别重建三维模型，对比平坦度评估结果。DJI Terra的RMS偏差为0.8 mm，Δ_max为1.6 mm，与全站仪参考值偏差最小（绝对误差0.5 mm）；ContextCapture的RMS偏差1.0 mm，Δ_max为3.1 mm（超出2 mm阈值）；Metashape的RMS偏差1.7 mm（超出1 mm阈值），Δ_max为0.9 mm。结果表明，UAV-FIBP方法在两种软件上达到可接受精度，且具有跨平台通用性。

**3.2 案例二：施工现场实地验证**
在肇庆市某在建桥梁工地，对四个支座垫板（P1–P4）进行UAV-FIBP检测，同时用全站仪测量四角高程作为参考。垫板P1全站仪测量Δ_max为12.0 mm，UAV-FIBP结果为5.0 mm。现场检查发现P1边缘存在混凝土剥落，导致全站仪棱镜接触不稳、读数偏高，UAV非接触测量给出更合理的估计。其余三个垫板UAV-FIBP与全站仪偏差均≤2.0 mm（P2：1.0 mm vs. 1.0 mm；P3：1.0 mm vs. 0.0 mm；P4：4.0 mm vs. 2.0 mm），表明方法在真实工地条件下具有良好的鲁棒性。统计分析显示，UAV-FIBP与全站仪的平均绝对误差为1.3 mm，均方根误差为1.6 mm（排除P1），重复性实验中变异系数小于6.2%。

**讨论与结论**
**讨论部分总结**：研究人员讨论了方法的性能与精度，指出UAV-FIBP在两种场景下均表现稳定；与现有技术（激光扫描、结构光、全站仪）相比，在成本、效率、安全和覆盖范围方面具有综合优势，尤其适用于高墩或深谷桥梁。误差来源包括：影像质量与光照条件（强反射、阴影影响SfM匹配）、点云分割的主观性（边界偏移1–2 cm导致RMS变化0.3 mm）、平面拟合算法对点云分布的敏感性、比例漂移（<0.5%对Δ_max影响可忽略）以及环境因素（风速、照明）。未来工作需提升自动化水平（如基于YOLOv8和PointNet++的端到端系统）和扩展验证规模。

**结论部分翻译**：本研究提出并实验验证了一种基于无人机（UAV）三维重建和多参数评估的桥梁支座垫板平整度自动化检测方法（UAV-FIBP）。主要结论如下，每条均有实验证据支持：
- UAV-FIBP方法通过高重叠度环绕飞行和SfM/MVS重建生成毫米级精度的三维模型，点云密度≥200点/cm²。模拟实验（表2）显示，三种软件平台偏差为0.4–1.0 mm，表明平台无关性。
- 所提出的双参数评估体系能够全面量化局部表面粗糙度和整体倾斜，克服了传统角点测量的局限性。
- 实验结果表明，在实地条件下，该方法与全站仪测量结果的最大偏差≤2.0 mm，具有高鲁棒性和工程适用性。
- 与传统方法相比，UAV-FIBP在安全性、成本效益和自动化水平方面具有显著优势，为智能建造提供了可扩展的技术路径。
- 未来工作将致力于提升方法的自动化能力和环境适应性，以促进其在大型基础设施检测中的广泛应用。
需要注意的是，这些结论基于有限样本（单一工地的四个垫板）和特定环境条件，所报告的精度依赖于推荐的飞行参数和操作条件，更大规模的多桥梁类型、地理区域和表面条件验证是必要的。