Page 195 - 中華技術127期

形框，再針對每個矩形框製作正射影像，並 在正射影像上進行裂縫偵測。本研究採用機 器學習(Machine Learning)的全卷積網路(Fully Convolution Network, FCN)[Long et al., 2015] 技術自動偵測裂縫，接著以影像處理優化裂縫 寬度，同時進行向量化、計算裂縫寬度與長度 等，並轉換成3D模型，以便於套疊在橋梁構件 3D模型上協助橋梁檢測。為了橋檢人員作業需 求，本研究同時開發一使用者視窗介面，稱為 LOC6D，可以讓橋檢人員在電腦前根據每個橋 梁構件，設定DERU與相關劣化參數，而若有同 一座橋多時期劣化區，亦可比對判識是否有持 續惡化的情形，以評估該橋梁結構是否安全? 以下詳細說明每個步驟。
一、現場勘查與地面控制測量
為確保無人機航拍作業安全，作業前應先 了解橋梁附近之環境，是否有竹林、樹木、管 線橋等物體太靠近橋梁，而影響無人機飛行。 此外，為了後續管理大量橋梁檢測資料，本研 究建議將所有橋梁三維模型都建立在相同的地 圖座標系統，例如TWD97。故在進行無人機 航拍前，先使用國土測繪中心之VBS RTK技術 (eGNSS)測量地面控制點絕對地理坐標，並轉換 到TWD97與正高系統。方便起見，建議地面控 制點可以選用測區內的既有控制點或橋面上道 路邊界線之角落。
二、無人機航拍影像與橋梁三維模型數化
為了製作完整的橋梁三維模型，可以採用 具有廣角、中低解析度、可上下180度轉動相機 的空拍機，例如Parrot Anafi，進行高重疊且有 規則的拍攝橋梁各處表面。此中低解析度影像 將來亦可協助混凝土剝落、鋼筋外露或鏽蝕、 滲水白華等劣化區之人工智慧自動判識。但若 為了偵測裂縫如此細小的劣化區，則需另外利 用類似Sony A7r2之類的高解析數位相機，搭配
50mm鏡頭，在離橋梁約2-3公尺處正對橋梁拍 攝，可達到0.2-0.3mm之空間解析度。由於大梁 與橋面板間之空間較狹小，則只能採用傾斜方 式拍攝大梁之側面。此外，拍攝時若因為周遭 環境與空間之限制，考量無人機安全問題，亦 可以長桿架設數位相機方式進行近距離拍照。
接著，將兩種影像同時以Metashape軟體， 透過SFM(Structure from Motion)技術[Furukawa, et al., 2009; Nurutdinova & Fitzgibbon, 2015; Carrivick et al., 2016]進行空三平差與相機率 定，以獲取照片之內、外方位參數。並且在確 定地面控制點與檢核點之定位精度符合需求 後，再使用密集影像匹配技術[Hirschmüller, 2008; Furukawa, et al., 2010]產製密集三維點 雲。接著，即可使用類似SketchUp或Revit等商 用軟體，數化橋梁3D CAD模型，同時將橋梁表 面切割或數化成許多矩形框多邊形。此時，若 為了後續能夠以構件為單位進行橋梁檢測，則 需進一步將屬於同一構件之矩形框，合併歸類 為同一群組，並按照構件編號命名。
三、正射影像製作
圖2為影像正射化示意圖，圖中左邊橋梁 表面矩形框，其四個角落之地理座標可從前述 橋梁表面矩形框數化過程得知，其大小約50cm X 50cm。首先，在上面以0.2mm之距離進行切 割，可以得到2500 x 2500個小矩形框，每個小 矩形框之地理座標(Xa,Ya,Za)亦可推算得知。接 著，利用攝影測量的共線條件式(式1)，反投影 到影像平面得到影像座標(xa,ya)，進而內插得到 灰度值，並儲存在右下角的正射影像對應的行 列中。式1中的(X0,Y0,Z0)與(ω,φ,k)為相機之外方 位參數，也就是位置與旋轉角，其中旋轉角可 用以計算得到m11~m33。另外，(xp,yp,c)為內方位 參數之像主點座標與鏡頭焦距，(∆x,∆y)為相機 附加參數(含透鏡畸變差)，可歸納在內方位參數 中。
4
No.127│July, 2020│ 193
特稿