铁路无人机巡检研究应用现状与发展趋势

时间：2024-07-28

姚建平蔡德钩安再展刘英石越峰刘瑞魏少伟

1.中国铁道科学研究院集团有限公司高速铁路轨道技术国家重点实验室，北京100081；2.中国铁道科学研究院集团有限公司铁道建筑研究所，北京100081；3.北京铁科特种工程技术有限公司，北京100081；4.中国铁路北京局集团有限公司，北京100081

截至2020年底，我国铁路运营里程超过14.6万km。常规的铁路巡检采用人工巡查，存在作业效率低、巡检环境危险、量测精度低、有检测盲区等问题，无法快速系统、全面准确地分析评判。随着铁路检测监测技术向天空地立体化发展，无人机逐渐被应用于铁路巡检中［1］。

无人机（Unmanned Aerial Vehicle，UAV）是由人为远程操控或由程序控制飞行的不载人飞行器。无人机技术以无人机为飞行平台，通过搭载的传感设备获取地物信息，具有机动性强、获取数据快和数据精度高的特点。该技术最早于20世纪20年代应用于军事领域，随着技术的成熟，制造成本大幅降低，其在民用领域也得到了广泛应用。美国、日本、法国、英国、荷兰等国家利用无人机对桥梁、轨道、路基等不同结构物服役状态进行辅助检查，取得了较好效果。近年来在我国铁路工程中也逐渐得到应用。本文总结了无人机在我国铁路桥梁、轨道、路基不同结构物，以及沿线地质灾害和周边环境中的应用现状，指出了铁路无人机巡检的不足，并对其未来进行展望。

1 无人机技术简介

无人机按照飞行平台构型可分为固定翼无人机、旋翼无人机、无人直升机和复合翼无人机。各机型无人机特点对比见表1。目前铁路中使用较多的是固定翼无人机和旋翼无人机。

表1 不同机型无人机特点

无人机通过搭载高分辨率数码相机、轻型光学相机、激光扫描仪、红外扫描仪、磁测仪、合成孔径雷达等传感设备获取地物信息。根据搭载检测设备和处理软件的不同，铁路无人机巡检主要分为倾斜摄影测量和激光雷达测量两种。倾斜摄影测量是在无人机上搭载多个摄像设备，分别从垂直和倾斜方向同时对地物多角度拍摄，不仅能够真实地反映地物情况，还可通过先进的定位、融合、建模等技术，生成真实的三维模型。目前常用的倾斜摄影图像处理软件有Pix4Dmapper、ContextCapture Center、Street Factory、PhotoMesh等。激光雷达测量利用三维激光扫描系统，采集测量对象的点云数据，并对点云数据进行分类。与倾斜摄影测量相比，其最大的技术优势是利用激光雷达主动发射激光束，能一定程度地穿透地表植被，滤除植被影响，获取地面真实地形特征。目前常用的激光雷达数据处理软件包括MicroStation V8i、SS-GINS、SS-Lipre、SS-LIDAR DC、SouthLidar等。

铁路无人机巡检流程主要包括巡检准备、数据采集和数据处理三个阶段。巡检准备阶段根据巡检对象及检测要求，预设像控点位置并规划巡检航线。数据采集阶段利用飞行控制软件实现无人机飞行模态的控制和任务管理，利用机载检测设备获取地物信息。数据处理阶段利用软件对拍摄图像、激光雷达点云数据等进行处理，生成数字正射影像（Digital Orthophoto Map，DOM）、数字高程模型（Digital Elevation Model，DEM）等，并对成果进行分析。

目前主要采用两种方法对无人机巡检结果进行分析：①生成影像，采用人工识别或智能识别技术对拍摄影像进行分析，查看环境信息，识别结构状态，判断是否发生病害等。②建立三维模型，直观展示巡检对象整体情况，可进行距离、坡度等查询，判断地质灾害规模，还可以通过对比不同时段的模型，分析巡检对象及周边环境的变化情况。

2 无人机在铁路巡检中的应用情况

2.1 无人机在铁路桥梁巡检中的应用

桥梁结构形式多样，所处环境复杂。传统的桥梁检测主要是人工攀爬或借助脚手架、吊车等工具进行，检测效率较低，安全风险较高，且存在检测盲区。利用无人机根据桥梁结构的检测需求规划巡检航线，可实现对桥梁支座、桥墩、桥面、桥腹、桥塔等部位的定点拍摄，安全快速全面获取桥梁影像，如图1所示。

图1 无人机桥梁巡检航线及拍摄点示意

目前无人机铁路桥梁巡检内容主要包括螺栓脱落检测、桥体裂缝检测、缆索聚乙烯防护层破损检测、支座滑移检测等。侯海方［2］利用多旋翼无人机搭载高清摄像头对桥墩进行拍摄，通过图像分析标注裂缝长度和宽度，检查支座锈蚀和滑移，并利用红外感应检测系统判断高强螺栓是否松弛。成都局利用无人机对梁侧、梁底、墩身中上部等人工不易到达和观察的特殊部位每半年进行一次巡检。以往主要采用人工识别方式对无人机拍摄影像进行分析，效率较低且不易定量分析。近年来随着机器学习技术的发展，智能识别算法也应用于无人机图像处理中。阮小丽等［3］将深度学习算法应用于桥梁图像处理，实现智能识别桥墩掉块、露筋区域并计算其面积大小。钟继卫等［4］研究了图像校正拼接技术与病害特征识别技术，对裂缝图像识别精度达到了0.1 mm，实现了桥梁的无人化检测。

2.2 无人机在铁路轨道巡检中的应用

无人机在铁路轨道巡检中的应用主要在钢轨识别、轨道中心线检测、轨枕损伤检测等方面。刘成等［5］编写了图像处理程序，对无人机获取的轨道图像进行处理与分析，采用连通区域检测算法识别出轨道区域，再利用边缘检测、霍夫直线变换等技术识别出轨道，计算出轨道中心线的坐标。张森［6］通过改进区域生长算法，实现轨道点云数据中钢轨点云的分割，同时采用点云数据封装方法处理钢轨三维点云数据并提取其轮廓特征，确定钢轨模型空间位置，完成线路的钢轨识别。徐崇文［7］结合图像处理算法及机器学习训练模型，将无人机拍摄的复杂背景图片作为训练集进行直线探测、铁轨分离、物体探测等，但对物体识别的准确率仅20%。目前无人机在铁路轨道中的应用还处于起步阶段，由于轨道检修精度要求较高，需要进一步研发高精度无人机测量技术和图像处理技术。

2.3 无人机在铁路路基及沿线地质灾害巡检中的应用

我国是一个自然灾害多发的国家，铁路线路较长且沿线环境复杂，路基和沿线地质灾害问题日益突出。目前铁路沿线一般采用人工徒步方式巡查病害，作业效率和量测精度低，无法对潜在隐患进行快速准确判断。在铁路沿线，尤其是在高寒、高海拔、复杂山区和特殊危险地段，无人机巡检技术可以极大提高巡检效率和精度，减小人员工作量和危险性。通过航拍摄影图像建立三维模型，无人机巡检不仅能够完成滑坡、泥石流、危岩落石等地质灾害的调查，而且可以实现岩性组合、结构面产状、卸荷带走向和宽度等的识别［8］。

目前各铁路局、设计院和研究单位陆续采用无人机进行铁路路基及沿线地质灾害巡检。成都局采用无人机采集铁路沿线滑坡、泥石流、大型岩崩、断层、堰塞湖等地质灾害点影像，结合激光雷达数字集和光谱特征集提取目标物的密度和强度、水域、植被覆盖、断面等数据进行地质灾害隐患排查，并建立3D模型实现边坡高度、坡率等数据的查询。通过对比分析根据同一区段不同时段航拍资料所建模型，快速掌握区段内地质情况发展变化趋势，及时发现潜在隐患。西安局通过无人机拍摄的影像资料对滑坡、陷穴、危岩落石等病害进行标记研判，对影像数据进行记录、整理，按线别、设备类型建立无人机影像数据库，并对重点地段进行周期性检查与对比分析。南昌局采用倾斜摄影技术采集铁路沿线三维影像数据，建立三维模型，同时结合现场实地勘查情况进行综合分析，开展隐患排查、应急抢险工作。南宁局利用无人机对铁路沿线进行全线航拍摄影，实现地形地貌、汇水面积和周边环境情况的直接查看，同时对重点地段建立三维实景模型，查询距离、坡度等数据，计算可能发生的崩塌、滑坡体积。北京局对邯郸—长治铁路K14+000—K123+000段地质灾害隐患进行排查与评估时，采用无人机激光雷达测量技术获取该区段山体激光雷达点云图（图2），直观观察滑坡灾害的整体情况，同时建立铁路轨道及其周围的三维地质模型，进行滑坡灾害的定性、定量分析，明确可能发生滑坡灾害的区域范围，为抢险方案的制定及实施提供支撑。冯威［9］分别采用倾斜摄影技术和机载雷达三维扫描技术对高寒高海拔地区铁路沿线的滑坡、危岩体、泥石流等地质灾害进行勘测，结果表明在复杂艰险环境采用无人机可以有效提高勘测精度和效率。李嘉雨等［10］将轻型无人机应用于铁路周边滑坡、塌陷、异常开挖等不良地质和异常情况的分析，降低了野外地质人员的安全风险，提高了勘察精度和效率。杨力龙［11］利用轻小型无人机摄影测量技术，获取隧道进口的高陡边坡影像，解译得到危岩体的节理产状及岩层信息，对危岩体的稳定性进行了分析。

图2 山体激光雷达点云图

2.4 无人机在铁路周边环境巡检中的应用

铁路建设里程长，沿线人员、设备、建筑与环境信息众多，采取人工调查巡检工作量巨大。无人机巡检覆盖范围广，周期短，受自然条件限制少，能提供高时效、多尺度的数据，直观准确反映实际情况。郑州局采用无人机摄影测量技术与卫星数字地图相结合的方式精准排查高速铁路周边环境隐患。胡记绪［12］利用3D建模相机，构建接触网附加悬挂的三维立体场景，形象直观地展示线路当前的空间形态；利用热成像镜头对接触网供电线接头、隔离开关设备线夹及触头等有无过热现象进行检测。蔡志洲等［13］通过无人机拍摄的高分辨率影像，对铁路施工期间周边环境进行监测，发现排水设施不完善、油料泄漏等问题，提高了监测质量和效率。徐建超［14］利用无人机拍摄的影像对武广客运专线开展了竣工验收工作，结果表明无人机拍摄的影像分辨率高、时效性强，将其与现场调查资料相结合，使验收工作效率大大提高。朱京海等［15］根据环保无人机拍摄的影像对京沪高速铁路镇江南站及周边的土地利用现状进行了分析，对研究区生态系统及高速铁路建设后的景观格局进行了定量分析与评价。