输水隧洞管养巡检智能AR平台构建与技术实现

曾思远，曹生荣，邓 飞，严 鹏，李 爽

(1. 深圳市东江水源工程管理处，广东 深圳 518036；2. 武汉大学水资源与水电工程科学国家重点实验室，湖北 武汉 430072；3. 武汉大学测绘学院，湖北 武汉 430072)

1 技术现状与现实需求

由于城市的快速发展以及水资源的分布不均，各地兴建了许多调水、引水工程来保证水资源的供给。其中，输水隧洞作为最主要也是最重要的输水建筑物，其能否稳定运行将直接影响城市水资源供给的安全稳定[1-2]。

为了掌握隧洞的运行状态和安全状态，保障输水，隧洞的管养巡检工作极其重要[3]。城市供水保障要求极高，隧洞检修期一再压缩，时间紧迫。目前大多数隧洞的管养巡检仍然是以传统模式为主，依靠目测或初级测量工具，存在以下一些问题：①传统的人工巡检/管理模式效率较低，费时费力，工作强度高；②巡检效果与人员的素质和工程经验等职业素养密切相关，容易出现较大误差，准确性难以保障；③诸多工程相关的设计资料、施工、运行监测和管养巡检资料都是以传统的文字档案储存，其可读性、可传播性和共享性均较差，并且资料丢失了难以找回[4]。④传统的资料档案难以数字化，无法利用现代的信息技术/网络技术提高工作效率。

由于输水隧洞传统管养巡检模式存在着种种缺点，无法满足现代化管理的需要。我们需跳出传统模式的困境，有效提高数据资料的集成度、提高数据资料的可视化水平、优化管理模式，因此，笔者进行了基于“AR”的现代化输水隧洞管养巡检平台的研究。

所建立的平台具有以下特点：①快速、高效；②所建立的三维模型可以再现真实场景；③精度高；④自动实现对隧洞空间数据的快速处理，全自动识别相关缺陷；⑤工作人员使用手机拍照然后上传相关信息，系统内即可自动更新信息。该平台解决了人工巡检难度大、速度慢、危险系数高等缺陷；能识别肉眼难以分辨的细微裂纹等病害；能有效提高数据资料的集成度、提高数据资料的可视化水平；能实时掌握隧洞运行状态，为管理部门提供决策支持变革传统的巡检管理模式。因此，该平台的建立与应用具有十分重要的意义。

2 平台体系与框架构建

2.1 结构体系

输水隧洞管养巡检智能AR平台从结构体系上分析，可以划分为数据库系统、数据处理系统和人机交互系统。图1为平台结构体系简图。

图1 平台结构体系图

2.2 平台全流程解决方案

平台全流程解决方案主要有三部分，分别为：数据源、数据处理和二次开发。其流程图如图2所示。

图2 平台全流程解决方案图

1)数据源。即平台需要处理的图像数据，主要有通过专业倾斜摄影测量车所采集的影像、巡检人员智能手机拍照所得图片和上传的以往巡检图片资料等。

2)数据处理。即对上传至系统的图像资料进行相应的处理，以得到我们需要的成果。主要处理技术有三维全自动化建模系统(DP-Smart)、精细化建模系统(DP-Modeler)和增强现实系统(AR-Explorer)。

3)二次开发。基于AR开发面向用户的输水隧洞管养巡检智能平台，使其易于管理人员操作，优化管理模式。

2.3 数据库

平台会将所有上传的信息和经过平台处理的信息储存在数据库中，当工作人员在平台上执行操作时，相关数据会自动从相应的数据库中调出，经平台处理后，会以工作人员选择的形式展现，十分直观。

平台主要使用的数据库有：①资料库：存有工程设计资料、施工记录、验收记录、竣工图、补强加固记录和管养巡检记录等，在建模及工作人员查看以往资料时调用；②料性能库：存有包括各类岩体、混凝土、型钢和碳纤维布等材料的各项性能指标，所有指标均从相应规范中获取；③像库：存有在全面管养巡检时所拍摄的超高清影像、对于局部不清晰处的特写影像和工作人员智能手机拍摄的局部影像等，在平台建模、识别缺陷、缺陷发展追踪时调用；④维模型库：存有各期经过DP-Smart和DP-Modeler处理后建立的三维实景模型，在工作人员“漫游”、识别缺陷和动态对比时调用；⑤陷库：存有完备的输水隧洞存在的各类缺陷及其相关形态，在执行与缺陷有关操作时调用；⑥断标准库：存有图像识别的判断标准，在进行缺陷识别和动态对比时调用；⑦算模型与参数库:存有计算缺陷的几何参数的各类模型与计算参数，在进行缺陷识别时调用。

2.4 功能

针对传统的输水隧洞管养巡检模式存在的问题，笔者基于增强现实技术，应用DP-Smart和DP-Modeler，完成该平台的构建。平台具有的主要功能有：

1)三维全景建模。基于摄影测量和计算机视觉算法，支持密集点云生成，全自动生成高精度实景三维模型，并且可以兼容多种数据源。基于AR，通过对输水隧洞内部实景信息的多角度采集，精细化、高精度建模后，可以很好地再现隧洞内部的实况，使得工作人员无需下到隧洞里也能全面掌握隧洞内的情况。

2)信息与资料的综合与集成。将包括输水隧洞设计资料、施工、运行维护资料等上传至云端数据库保存，当需要查询相关信息时只需在平台内输入关键字便可快速找到想要的资料，并且支持各类信息的对比查看。

3)缺陷自动检测。保存各类缺陷的相关参数及对应图片，建立缺陷库，当倾斜摄影测量车或是工作人员上传图片时，平台将自动识别相应的缺陷并标注分类，最终会对所有类型的缺陷信息进行统计汇总，并以图表的形式对缺陷情况进行展现，工作人员可以按照缺陷类型或者时间进行查询，可以很好地掌握隧洞缺陷的概况及变化情况。进一步的发展，是对相应的缺陷进行识别，将检测出缺陷的长度、宽度等相关数据，例如裂缝的长度、宽度和深度，衬砌混凝土脱落的体积等。

4)专家远程联合会诊巡查。通过与相关专家在平台上进行对接，各专家首先可以通过平台对于隧洞内部的实景再现，对隧洞的运行情况有个初步判断，然后可以直接查阅隧洞设计资料和缺陷数据等来对隧洞运行情况进行进一步诊断，且诊断记录会自动以文字、图表等形式保存，便于后续查看。

3 主要技术实现

3.1 技术路线

通过增强现实技术构建集成环境；通过倾斜摄影测量技术对输水隧洞内部全景多角度、高精度的成像；再通过三维全自动化建模系统完成隧洞内三维模型的建立，再通过精细化建模系统对所建立模型进行精细化处理使模型更符合实际情况；最后再利用人工智能分析引擎通过对不同时间节点模型的对比分析，实现大范围、高精度、快速的隧洞缺陷巡查及发现、记录和报警。

3.2 重难点问题

由于输水隧洞的特殊性，以及技术层面的高要求，要构建输水隧洞管养巡检智能AR平台，存在着以下难点：

1)输水隧洞内充满水，无照明设备及通电条件，设备运行条件差。检修期(放空期)通风不良，湿度极大。

2)隧洞表面青苔、凹凸、裂纹、表面潮湿、混凝土掉块等到处都是，毫无规律，环境极其复杂，对于摄影设备的要求极高。纵向坡降变化大，通行条件恶劣。

3)隧洞一般较长，在隧洞内部通讯信号覆盖难度大，在隧洞内难以与外界进行及时有效的信息传输。

4)为了保障供水，输水隧洞一年一般只有20～30 d的停水检修期，对于管养巡检速度也提出了很高的要求。

5)如何在环境条件极差的隧洞内部进行快速有效的影像采集，并建立高精度的三维模型。

6)如何实现“漫游”，即使工作人员有身临其境的感觉，能够很直观的观察隧洞内部情况。

7)如何准确地识别隧洞衬砌的缺陷，例如裂缝、蜂窝麻面等；如何动态展示缺陷的扩展过程以便工作人员掌握实时情况。

3.3 主要技术措施

3.3.1 影像采集

在对隧洞进行完整的内部影像采集时，我们采用专用的摄影设备，包括有搬站式、移动推车式和智能巡检机器人三种，所有设备均配有3～4个高像素的可旋转摄像头，可以从多角度对隧洞内部进行影像采集。其中移动推车式和智能巡检机器人的检测速度可达5～15 km/h，可以快速、全面、高精度地完成影像采集工作，使得巡检工作速度与效率有巨大的提升。

在工作人员后期进行巡检时，若遇到新缺陷或是旧缺陷扩大，可以用随身携带的智能手机拍照，或者用专用相机重点拍摄，后期上传至平台即可识别归类，十分便捷。

3.3.2 高精度、精细化三维建模.

主要使用全自动三维建模软件(DP-Smart)和精细化三维建模软件(DP-Modeler)来有效地完成建模工作。

DP-Smart可以从多视影像，全自动生成高还原的三维模型。软件基于摄影测量、计算机视觉与计算几何算法，支持密集点云生成、构建网格、自动纹理映射等操作，使得三维模型的建立十分迅速。软件的处理流程如下：影像导入→生成密集点云→生成网格→自动纹理映射→输出成果。

然而通过DP-Smart建立的三维模型，可能具有局部不清晰或是局部单元的不规则，这时便可通过DP-Modeler来处理建立的模型。

DP-Modeler支持地面影像、全景影像和激光点云等多数据源集成，并且通过其特有的摄影测量算法，可以进行精细化单体建模以及修饰Mesh网格模型，有效地提高三维建模的精度及质量。同时，还支持与AutoCAD联动作业、支持超过一亿像素的影像无缝调度、与3DS Max设计软件联机作业和三维模型局部修改等功能。

我们所摄得的影像资料经过以上软件的处理，便可以生成符合我们要求的三维实体模型。

3.3.3 增强现实

AR技术即增强现实技术，可以通过电脑直接叠加或投射画面，可以让使用者在真实场景下与画面进行有效的互动[5-6]，近年来已广泛应用于教学培训、医疗研究与解剖和工程维护等领域[7]。

平台采用的增强现实系统AR-Explorer支持在三维场景中融合倾斜摄影、移动测量、手持数码设备获取的多源影像，全数据兼容，也支持在三维场景中加载倾斜三维模型、CAD模型等，并且可以将三维模型和影像等数据上传到云端。

在建立输水隧洞三维模型后，所摄隧洞内部影像经过AR-Explorer处理，与模型相融合，可以将实景再现，提升视觉效果，使得工作人员可以更直观地掌握隧洞运行状态。

3.3.4 图像智能识别

通过开发专用图像智能识别模块，实现对隧洞衬砌混凝土缺陷及病害的自动/半自动识别，主要涉及特征提取、特征选择和图像识别。

特征提取的作用是从图像像素中提取可以描述目标特性的表达量，把不同目标间的差异映射到低维的特征空间，从而有利于压缩数据量、提高识别率。表面缺陷检测通常提取的特征有纹理特征、几何形状特征、颜色特征、变换系数特征等，用这些多信息融合的特征向量来可靠地区分不同类型的缺陷；这些特征之间一般存在冗余信息，即并不能保证特征集是最优的，好的特征集应具备简约性和鲁棒性，为此，还需要进一步从特征集中选择更有利于分类的特征，即特征的选择。图像识别主要根据提取的特征集来训练分类器，使其对表面缺陷类型进行正确的分类识别。

3.3.5 缺陷发展追踪与动态对比

在每年的停水检修期进行全面的隧洞管养巡检时，使用全景摄像设备对隧洞内部进行摄像，由于设备使用的超高像素摄像头，能够清晰地展现隧洞内部实景，将影响资料上传后，通过AR-Explorer，平台能够智能检测识别隧洞的缺陷及其类别并做出相应标注，同时计算缺项的相关几何参数。除此之外还可以对多期影像数据进行对比分析，智能识别并计算同一处缺陷在不同时间节点的形状、大小等信息，便于工作人员了解隧洞缺陷的动态发展状况[8]。

4 技术指标

在本平台内，可实现对以下隧洞衬砌缺陷与病害的智能检测，具体类型和检测的技术指标如表1所示。

表1 可检测的缺陷与病害类型及技术指标表

5 结 语

本文从输水隧洞管养巡检模式实际情况出发，期望跳出传统模式的困境，开发了输水隧洞管养巡检智能AR平台，阐述了开发该平台的目标，并系统介绍了该平台的优势、特点、结构体系和功能。

本文利用DP-Smart、DP-Modeler以及AR-Explorer等技术来构建平台。相关技术目前已应用于电力巡检、桥梁管养巡检和交通隧洞管养巡检等领域，但在输水隧洞管养巡检中应用较少。该平台的开发，能够解决以往管养巡检效率低、费时费力、准确性得不到保证等问题，大大提高管养巡检的效率与准确性。同时，以往资料多以文字、图片等形式保存，不便于对比分析且易于丢失。该平台的建立，可将所有数据上传至云端保存，易于调用查看、分析且不会丢失。该平台投入使用后，将为管理者的决策提供更为准确的信息，这无疑会提升其管理水平，大大降低管理成本。可作为实现全生命周期管理，开展定期的安全鉴定，制定维护和大修计划的基础性工作，将有效延长设施使用寿命，提高资产价值。