无人机倾斜摄影在既有建筑结构安全性检测中的数据精度提升与应用

1 引言

随着城市化加速，既有建筑尤其是服役超 30 年的老旧建筑和工业厂房，因材料老化等因素存在开裂、沉降等安全隐患，需定期进行结构安全性检测。然而，传统检测方法效率低、精度和安全性有限，处理大型或高层建筑耗时久，还易引发安全事故。为此，无人机倾斜摄影技术应运而生，它能快速生成高精度建筑三维模型为结构缺陷识别和测量提供数字化基础，但数据精度受多种因素影响，在高精度场景中需优化。本文旨在解决该技术在既有建筑结构安全性检测中的“精度瓶颈”问题，通过分析误差来源和技术优化，提升三维模型精度和质量，精准识别建筑缺陷，为既有建筑安全评估提供准确量化数据，推动检测技术向高效、数字和智能化发展。

2 无人机倾斜摄影技术原理与检测流程

2.1 技术原理

无人机倾斜摄影技术通过搭载 5 台（或更多）不同角度的相机（1 台垂直相机 +4 台倾斜相机），同步采集建筑顶部及东、南、西、北四个立面的影像数据，结合 GNSS（全球导航卫星系统）与 IMU（惯性测量单元）获取的位置与姿态信息，经空三加密、多视影像匹配、三维建模等步骤，生成包含空间坐标与纹理信息的三维模型。其核心优势在于：全方位覆盖，可获取传统方法难以触及的建筑立面屋顶等区域数据；数字化建模，三维模型可直接用于尺寸测量、缺陷标注与量化分析；非接触式作业，避免对既有建筑结构的二次扰动。

2.2 既有建筑检测流程

基于无人机倾斜摄影的既有建筑安全性检测流程分为 4 个阶段：

前期准备：建筑图纸分析、检测区域划分、飞行参数设计（高度、航向重叠度、旁向重叠度等）。

数据采集：无人机航线飞行、影像拍摄、地面控制点（GCP）布设与测量。

数据处理：影像预处理（畸变校正）、空三加密、三维模型构建（使用 ContextCapture、Pix4D 等软件）。

安全评估：基于三维模型的缺陷识别（裂缝、剥落）、尺寸测量（构件变形量）、沉降分析，结合规范判定结构安全性。

3 数据精度影响因素分析

无人机倾斜摄影数据精度（以三维模型坐标误差、纹理清晰度为核心指标）受多因素影响，结合既有建筑检测场景，主要误差来源包括：

3.1 硬件设备因素

无人机平台稳定性方面，多旋翼无人机在强风（风速＞5m/s）环境下易产生姿态抖动，导致影像模糊或重叠度不足，误差可增加20%-30%。相机参数上，非量测型相机（如消费级单反）的镜头畸变（径向畸变、切向畸变）未经过严格校准，会导致三维模型局部拉伸。传感器分辨率方面，像素低于 2000 万的相机难以识别宽度＜2mm 的裂缝，影响细微缺陷检测精度。

3.2 环境因素

光照条件上，逆光拍摄时建筑立面易出现阴影，纹理信息丢失；强光下则可能产生反光，导致影像匹配错误。建筑环境复杂性方面，密集建筑群中的遮挡（如树木、相邻建筑）会造成 “空洞” 区域，空三加密时无法生成有效点云。气候干扰方面，雨天、雾霾会降低空气透明度，影像对比度下降，直接影响特征点匹配精度。

3.3 操作与数据处理因素

飞行参数设计中，飞行高度过高（ >100m ）会降低地面分辨率（如 50mm 像素对应地面分辨率约 5cm），难以满足高精度测量需求；航向 / 旁向重叠度低于 80% 会导致影像拼接裂缝。地面控制点（GCP）布设上，GCP 数量不足（ <5 个 / 万平方米）或分布不均（集中在建筑边缘）会导致空三加密精度下降，平面误差可超过0.1m。数据处理算法方面，空三加密中特征点匹配算法（如 SIFT、SURF）对重复纹理区域（如玻璃幕墙）易产生误匹配，导致模型扭曲。

4 数据精度提升策略

针对上述误差来源，从硬件优化、操作规范、算法改进三方面提出精度提升方案：

4.1 硬件与环境适应性优化

设备选型上，选用工业级无人机（如大疆 Matrice 350 RTK）搭载量测型相机（如索尼 RX1R II），镜头经实验室畸变校正，确保内方位元素误差 <0.1mm 。环境适配方面，避开雨雪、强风天气，选择光照均匀时段（上午 9：00-11：00）作业；对玻璃幕墙等强反光区域，通过调整飞行角度（倾斜角 30° -45°）减少反光；对遮挡区域，采用 “无人机 + 手持扫描” 补测。

4.2 飞行与控制点优化

飞行参数设计中，针对 6-12 层既有建筑，飞行高度控制在50-80m，航向重叠度≥ 85%，旁向重叠度 ⩾80% ，确保立面细节清晰。GCP 布设采用 “均匀分布 + 特征点强化” 原则，在建筑转角、门窗等易识别位置布设圆形标志点（直径 15-20cm），GCP 数量按 0.5-1 个 / 100 ㎡设置，使用全站仪测量 GCP 坐标（平面精度≤5mm，高程精度 ⩽10mm ）。

4.3 数据处理算法改进

影像预处理引入暗通道去雾算法优化雾霾天气影像，对比度提升 15%-20%；采用光束平差法修正相机畸变，降低内方位元素误差影响。空三加密优化结合建筑轮廓约束（导入 CAD 底图）减少特征点误匹配，对遮挡区域采用 “InPaint” 算法填补点云空洞。模型精度验证使用全站仪对建筑特征点（如窗台角点）进行实地测量，与三维模型坐标对比，计算中误差（M），公式为：

＼（M = ＼sqrt{＼frac{＼sum_{i=1}^{n}（x_i - ＼hat{x}_i）^2 + （y_i - ＼hat{y}_i）^2 + （z_i - ＼hat{z}_i）^2}{3n}}＼）

（其中 ＼（x_i，y_i，z_i＼） 为实地测量坐标，＼（＼hat{x}_i，＼hat{y}_i，＼hat{z}_i＼） 为模型坐标，＼（n＼） 为验证点数量）

5 工程应用案例

5.1 案例概况

选取某市一栋 10 层砖混结构居民楼（建成于 1990 年）作为研究对象，该建筑存在外墙剥落、墙体裂缝等问题，需进行安全性检测。采用大疆 Matrice 300 RTK 无人机（搭载哈苏 H20T 相机），按优化方案开展数据采集：飞行高度 60m ，航向重叠度 85% ，旁向重叠度 80% ；布设 8 个 GCP（分布于建筑四周及中部），全站仪测量GCP 坐标；数据处理使用 ContextCapture 软件，生成三维模型（点云密度 50 点 / ㎡）。

5.2 精度验证结果

对 15 个特征点进行实地测量与模型对比，结果显示：三维模型平面中误差为 ±3.8mm，高程中误差为 ±5.2mm ，相对精度达1：180，满足《建筑变形测量规范》（JGJ 8-2016）中二级精度要求（平面 ±6mm，高程 ±8mm）。

5.3 检测成果

缺陷识别方面，通过三维模型放大分析，识别外墙裂缝 12 处（最长 2.3m，最宽 3.5mm ），剥落区域 4 处（总面积约 8.6 ㎡），与人工检测结果一致。变形分析中，对比建筑原始图纸，发现东立面中间层存在轻微外倾（最大变形量 18mm），判定为 “轻微损伤，需局部修复”。

6 结论

本文探讨了无人机倾斜摄影技术在既有建筑结构安全性检测中的应用，解决了传统检测方法效率低、成本高、可达性差等问题。通过分析误差来源，提出了一系列精度提升策略，包括硬件设备优化、飞行参数和控制点的精确设置以及数据处理算法的改进。研究结果表明，优化后的技术方案可将三维模型的相对精度提升至1：200以内，满足对结构裂缝、沉降等关键指标的检测需求。通过实际工程案例验证，该技术能有效识别建筑缺陷并进行结构安全性评估，为既有建筑安全评估提供了高效、精准的技术支持。研究推动了检测技术向高效、数字化和智能化发展，具有重要的实际应用价值。

参考文献

[1] 张祖勋，张剑清。倾斜摄影测量技术综述 [J]. 测绘学报，2014， 43 （7）：675-682.

[2] 建筑变形测量规范 ： JGJ 8-2016 [S]. 北京：中国建筑工业出版社，2016.

[3] 李明，王磊。无人机倾斜摄影在老旧小区安全检测中的应用 [J]. 测绘通报，2022 （5）：112-115.