ИННОВАЦИОННЫЕ ПОДХОДЫ К ОБСЛЕДОВАНИЮ ЗДАНИЙ С ПРИМЕНЕНИЕМ БПЛА И КОМПЬЮТЕРНОГО ЗРЕНИЯ

Актуальность. В настоящее время, учитывая увеличение сроков службы зданий и сооружений, длительное ухудшение состояния фасадов представляет риск для общественной безопасности и может повлечь значительные затраты на ремонт и восстановление. Основным методом технического обследования зданий является визуальный осмотр, в основном полагаются на ручные камеры для сбора изображений видимых повреждений (например, трещин и отслоений). Однако ручной сбор изображений всего здания является трудоемким, требует значительных затрат труда и сопряжен с рисками для здоровья и безопасности, особенно в случае высотных зданий.

В последние годы беспилотные летательные аппараты (БПЛА), оснащенные камерами, становятся все более популярными для обследования фасадов зданий, благодаря своим уникальным преимуществам, таким как высокая маневренность и доступность. В сочетании с современными технологиями обработки изображений (например, алгоритмы глубокого обучения и компьютерного зрения) повреждения теперь можно обнаруживать на изображениях, полученных с помощью БПЛА [1].

Метод исследования: анализ научной литературы (изучение существующих исследований, статей, монографий и нормативных документов, связанных с использованием БПЛА в строительстве и обследовании зданий и сооружений), сравнительный анализ (сравнение традиционных методов обследования зданий) с методами, использующими БПЛА).

Цель работы: анализ перспектив применения БПЛА с камерами для обследования зданий и сооружений капитального строительства с оценкой их преимуществ и ограничений.

Рассмотрим перспективные направления применения БПЛА. Одним из которых является автоматизированное преобразование фотографий фасада в BIM, выполненное с помощью БПЛА [2]. В настоящее время существует два основных подхода для 3D-реконструкции из изображений: 1) стереоскопическая фотограмметрия и 2) мозаичное объединение изображений.

Стереоскопическая фотограмметрия, может быть использована для создания 3D-модели здания из взаимно перекрывающихся изображений без предварительного знания сцены [3]. Сначала определяются относительные 3D-координаты камер путем сопоставления особенностей на взаимно перекрывающихся изображениях. Затем 3D-модель может быть получена на основе сопоставленных особенностей и координат камер с использованием триангуляции. Хотя стереоскопическая фотограмметрия проста в реализации, процесс 3D-реконструкции требует значительных вычислительных ресурсов, что приводит к длительному времени обработки. Кроме того, возможно ошибочное сопоставление и, как следствие, к пропущенным или разреженным областям в созданной 3D-модели [4].

3D-реконструкция на основе мозаичного объединения изображений предполагает наложение изображений на существующую 3D-модель BIM. По сравнению со стереоскопической фотограмметрией, этот метод более эффективен для регулярного обследования фасадов зданий, учитывая, что все новые здания имеют BIM модель, а BIM для существующих зданий может быть относительно легко создан с использованием современных технологий сканирования и преобразования чертежей в BIM [5]. Одной из ключевых проблем мозаичного объединения изображений является оценка относительного положения и ориентации между изображениями и исходной 3D-моделью. Хотя изображения с БПЛА обычно содержат соответствующие координаты GPS, точность локализации часто недостаточна для точного сопоставления.

Рисунок 1. (а) изображения с БПЛА; (b) виртуальные камеры в BIM модели; (c) шаблонные изображения; (d) преобразование изображения в BIM; (e) ортофотография

Как показано на рис. 1 (a), в ходе осмотра фасада БПЛА собрал в общей сложности 12 изображений (10 снимков для осмотра и 2 эталонных изображения), затем GPS-координаты, данные IMU и параметры оптических изображений. Соответствующие BIM-координаты двух эталонных изображений были измерены с помощью лазерного сканирования. После этого GPS-данные каждого снимка для осмотра были преобразованы в BIM-координаты для грубой регистрации изображений в BIM. Путем объединения BIM-координат с данными IMU и оптическими параметрами виртуальные камеры были автоматически настроены в Revit, как показано на рис. 1 (b). На рис. 1 (c) представлены полученные шаблонные изображения.

После получения шаблонных изображений компоненты фасада идентифицировались на снимках БПЛА. Как видно на рис. 1 (d), предложенный подход эффективно обнаруживает все окна и их вершины. Изображения с БПЛА проецируются на вид в плане по совпадающим вершинам, создавая актуальный ортофотоснимок (рис. 1 (e)). Вершины окон в BIM-шаблонах также используются для проецирования и оценки ошибок GPS-метода.

Результаты показывают, что предложенный подход обеспечивает высокую точность регистрации и может быть полезен для мониторинга и инспекции зданий, особенно в условиях плотной городской застройки.

Рассмотрим еще одно перспективное направление использования БПЛА - автоматизированный анализ трещин фасада с помощью БПЛА [6]. Статья посвящена разработке автоматизированной системы для анализа механизмов трещин на фасадах зданий с использованием БПЛА и технологий компьютерного зрения. Основная цель - различать структурные (опасные для целостности здания) и неструктурные трещины, что традиционно требует трудоёмкого ручного анализа. БПЛА делает снимки фасада, нейросеть VGG16 обнаруживает трещины, а алгоритмы разделяют их на типы: сетчатые (неструктурные, например, от усадки бетона) и изолированные (потенциально опасные). Рассмотрим пример работы системы:

Рисунок 2. обнаружение трещин (1-2); сегментация трещины (3); сопоставление с семантической картой (4); определение ограничивающих рамок (5); выделение структурного элемента (6)

На рисунке показаны этапы локализации трещины. Входные данные включают результат обнаружения трещин (рис.2 (1-2)), где трещина имеет изолированный паттерн. Сначала область трещины выделяется из с помощью пиксельной сегментации (рис.2 (3)). Затем накладывается, чтобы определить структурный элемент, на котором расположена трещина. Например, на (рис.2 (4)) трещина связана с крышей, что видно по семантическим меткам пикселей. Для анализа положения создаются ограничивающие рамки: пунктирная линия на (рис.2 (5)) для трещины и ​сплошная линия для элемента. Характеристики трещины описываются через ориентацию, вертикальное и горизонтальное положение, а также длину. Эти параметры устойчивы к искажениям при съёмке под углом. Ширина трещины не учитывается из-за переменного расстояния съёмки (5–10 м от фасада), что делает её измерения ненадёжными.

Выводы: Применение беспилотных летательных аппаратов (БПЛА) значительно повышает эффективность обследования зданий и сооружений, сокращает сроки работ и снижает риски для персонала. Совмещение БПЛА с технологиями компьютерного зрения и BIM позволяет автоматизировать обнаружение повреждений, проводить 3D-реконструкцию фасадов и формировать цифровые модели зданий. Особую ценность представляет автоматический анализ трещин, что упрощает классификацию дефектов без участия инженера.

Однако остаются ограничения: низкая точность GPS, зависимость от погодных условий, высокая вычислительная нагрузка. Перспективы развития связаны с внедрением RTK-навигации, улучшением нейросетей и стандартизацией методик обследований.

Использование БПЛА — это переход к более безопасной, быстрой и точной системе технического мониторинга зданий.

Список литературы:

1. Drone-assisted image processing scheme using frame-based location identification for crack and energy loss detection in building envelopes / S. Oh, S. Ham, S. Lee. // Energies 14 (19) (2021) 6359.
2. Automated UAV image-to-BIM registration for building façade inspection using improved generalised Hough transform / Cheng Zhang, Feng Wang, Yang Zou, Johannes Dimyadi, Brian H.W. Guo, Lei Hou // Automation in Construction. Volume 153, 2023, 104957, ISSN 0926-5805.
3. High-precision detection method for large and complex steel structures based on global registration algorithm and automatic point cloud generation / M. Guo, M. Sun, D. Pan, M. Huang, B. Yan, Y. Zhou, P. Nie, T. Zhou, Y. Zhao // Measurement. Volume 172, 2021, 108765, ISSN 0263-2241.
4. Fusing tie points’ RGB and thermal information for mapping large areas based on aerial images: a study of fusion performance under different flight configurations and experimental conditions / Y. Hou, R. Volk, M. Chen, L. Soibelman // Autom. Constr. Volume 124, 2021, 103554, ISSN 0926-5805.
5. A systematic review of automated bim modelling for existing buildings from 2D documentation / C. Zhang, Y. Zou, J. Dimyadi // Proceedings of the 38th International Symposium on Automation and Robotics in Construction (ISARC), International Association for Automation and Robotics in Construction (IAARC), Dubai, UAE, 2021, pp. 220–226.
6. Automated engineering analysis of crack mechanisms on building façades using UAVs / Yiqing Liu, David K.H. Chua, Justin K.W. Yeoh // Journal of Building Engineering. Volume 103, 2025, 112176, ISSN 2352-7102.