基于水下声纳点云数据的生物污损覆盖桥墩形态评估

《ADVANCED ENGINEERING INFORMATICS》：Biofouling-covered bridge pile morphology assessment based on underwater sonar point cloud data

水下桩基生物污垢检测方法研究 基于水下声呐点云（USPCD）的切片形态评估算法和几何分析算法，提出倾斜桩轴心提取与污垢厚度量化方法，实验验证平均倾角偏差0.0016，污垢厚度加权均值绝对误差2.5mm，工程应用显示与潜水员测量结果一致。

　　

Jing Yan|Yanjie Zhu|Wen Xiong|Jinquan Zhang

东南大学交通学院桥梁工程系，中国南京211189

摘要

由于恶劣的水下环境和生物污损，沿海水下桩的安全服役和维护面临重大挑战。传统的检测方法（如潜水员和水下摄影）在评估深水和浑浊水域中生物污损覆盖的桩体形态时效率低下且不够准确。声纳技术的最新进展为这一问题提供了有希望的解决方案。然而，仍存在一些关键挑战，包括声纳数据噪声、分辨率有限以及水下桩检测中的生物污损干扰。此外，倾斜桩的形态识别比垂直桩更为复杂，这给研究带来了额外的限制。为了解决这些限制，本研究提出了一种基于水下声纳点云数据（USPCD）的方法来评估生物污损覆盖的桥梁桩体形态。首先，通过一种提出的基于USPCD切片的方法提取桩轴和倾斜角度。然后，使用开发的几何分析算法量化硬污损的厚度。为这两种算法的评估定义了两个标准：用于空间形态评估的切线倾斜角度（TIA）偏差和用于硬污损几何分析的加权平均厚度（MT_w）。在一个生物污损覆盖的桩体样本上进行了实验以评估该方法。结果表明，该方法具有出色的准确性和鲁棒性，平均TIA偏差为0.0016，硬污损MT_w偏差为2.5毫米。在长江上的一座桥梁上进行现场应用，测量得到的倾斜角度在允许的规范范围内，平均污损厚度为12.2厘米，与潜水员测量结果一致。所提出的USPCD分析方法展示了高精度和高效率，为沿海水下结构的长期结构健康监测提供了可靠的支持。

引言

沿海基础设施的老化在复杂的水文环境和腐蚀性条件下对水下桩基的安全评估带来了重大挑战[1]、[2]。在长期使用过程中，由于冲刷效应、意外撞击（例如船舶碰撞、漂浮物和地震）以及桩体位置偏差，桩体可能会出现混凝土剥落、开裂甚至空间变形。这些缺陷严重损害了海洋建筑的结构完整性。此外，生物污损和沉积物（例如贝类群落和泥浆沉积）通常会在水下桩体上形成[3]、[4]。这些生物生长会通过掩盖真实的结构形态、改变几何尺寸、表面粗糙度和质量分布来带来重大挑战，最终影响水动力特性和结构力学性能[5]。因此，结合污损特征识别的准确空间形态检测对于确保水下桩的长期稳定性至关重要。

在结构形态监测方面，传统的地面结构变形监测技术已经成熟，例如倾斜总站、水准仪和GPS系统。此外，Mi等人[6]和Wu等人[7]开发的基于摄像机的视觉方法展示了与手动总站测量相当的建筑倾斜检测精度。Guan等人[8]改进了基于图像的3D重建技术用于基坑监测，而Varbla等人[9]实现了用于大规模基础设施评估的无人机搭载的摄影测量技术。Seo等人[10]成功地将3D激光雷达技术应用于桩体建造监测。然而，恶劣的水下环境使得大多数现有的空间形态测量方法不适用于水下结构评估。

在生物污损研究中，污损生物（动物、植物和微生物）可以根据大小分为微污损物种（例如细菌、硅藻）和宏观污损物种（例如贻贝、藤壶、牡蛎、海绵和海鞘）[11]。研究表明，宏观污损引起的腐蚀每年在美国造成数十亿美元的经济损失[12]。因此，许多国家使用水下样本进行了现场暴露测试以研究海洋生物污损[13]、[14]。Blackwood等人[4]在新加坡海水中实验评估了宏观污损对不锈钢的局部腐蚀，确定了以下腐蚀严重程度排序：牡蛎 > 藤壶 > 贻贝。在实际应用中，Permeh等人[15]利用水下成像技术将佛罗里达桥梁桩上的严重局部腐蚀与宏观污损和微生物引起的腐蚀联系起来，表明仅靠阴极保护可能不足以抵御重污损条件下的缝隙腐蚀。最近的进展包括Habbouche等人[16]基于视频的智能检测模型用于涡轮机生物污损评估，而Mo等人[17]和Zhao等人[18]开发了基于相机图像的深度学习驱动的机器人系统用于船体污损检测。尽管基于水下摄像机的检测方法已得到广泛应用[19]、[20]、[21]、[22]、[23]，但这种方法仍受到水浊度和光照条件的根本限制，导致三维几何测量结果不可靠。

为了克服结构评估和污损评估的这些挑战，声纳技术作为一种有效的解决方案应运而生，特别是能够生成高分辨率点云的3D声纳系统，用于结构形态监测和表面生物污损识别。目前，声纳技术已广泛应用于冲刷检测[24]、[25]、[26]、[27]、[28]、水下结构表面测量[29]、[30]以及管道检测[32]、[33]、[34]、[35]、[36]。然而，关于水下桩体形态检测的研究仍然很少，尤其是对于几何形状复杂的倾斜桩。此外，几个关键限制继续阻碍着基于声纳的实际应用。具体来说，（1）高频三维（3D）声纳无法穿透钙质生物污损生物（例如牡蛎和藤壶）[37]，导致USPCD数据集中包含阻碍桩体形态分析的硬污损特征。（2）声纳生成的点云的真实性常常受到多种噪声源的影响，包括环境干扰、混响伪影和系统引起的噪声[38]、[39]，这阻碍了水下桩的空间形态识别和硬污损评估。尽管在低分辨率USPCD的噪声抑制和特征提取技术方面取得了显著进展[29]、[40]，并且初步研究探讨了2D成像声纳中的软污损效应[41]，但关于水下声纳检测中硬污损干扰的研究仍然不足。总之，USPCD噪声、分辨率有限和硬污损干扰的影响仍然是准确识别水下桩空间形态和评估生物污损的主要障碍。

为了解决上述挑战，本文提出了一种基于3D-USPCD的方法，用于桩体的空间形态检测和硬污损特征评估。主要贡献总结如下：

(1) 提出了一种基于迭代USPCD切片的空间形态算法，用于提取桩轴和倾斜角度评估，能够在复杂的水下环境中实现对桩的稳健几何重建。该研究采用切线倾斜角度的绝对误差（TIA_{absoluteError}）作为算法评估指标。与传统拟合方法不同，该算法结合了自适应的桩轴特征点异常值去除，以提高在浑浊条件下的检测精度。

(2) 提出了一种自动化的几何分析算法，用于量化水下桩的硬污损，采用自适应的高斯加权平均厚度（MT_w）指标来减轻3D-USPCD数据中的噪声干扰，从而实现稳健的污损厚度分布评估。并且采用MTw的绝对误差（MT_{w_AbsoluteError}）作为算法评估指标。与传统的人工检测技术相比，该方法消除了主观偏差，同时显著提高了测量效率，能够对大面积水下桩结构进行可扩展的污损特征识别。

为了进行实验验证，设计并制造了一个人工附着硬污损生物的桩体样本。使用3D激光扫描技术构建了高精度参考模型，生成了用于算法基准测试的虚拟3D-USPCD数据集。使用两个关键指标进行了定量评估：TIA_{absoluteError}用于空间形态评估；MT_{w_AbsoluteError}用于硬污损特征识别精度。此外，所提出的框架被应用于浑浊水域中倾斜桩的现场检测，测量得到的污损厚度值与潜水员检测结果进行了交叉验证。

本文的结构如下。第2节提供了所提出方法的概述，详细介绍了基于3D-USPCD的空间形态评估方法和硬污损的几何分析策略。第3节展示了所提出方法在真实项目中的应用。第5节总结了本研究。

方法论

为了克服水下桩检测中的关键挑战：低分辨率声纳点云、数据噪声干扰、桩倾斜效应和生物污损效应，本研究提出了一种考虑生物污损的桩体空间形态检测方法。所提出的方法基于水下观察得出的两个合理假设（见图1）：（i）硬污损沉积物在水下桩的相同高度上保持一致的厚度[42]；（ii）小规模

实验背景

在本研究中，使用3D实时多波束声纳系统进行了水下现场测量，该系统在原位检测方面具有明显优势，包括大量的声波束（128 × 128）、高效的三维数据采集和相对较高的空间分辨率。然而，由于其多波束配置，声纳系统容易受到声学多路径干扰的影响。在受限的水环境（如室内游泳池或实验室水箱）中，这种干扰更为明显

桥梁介绍

一座长江大桥位于长江入海口，距离东海约20公里。作为一座沿海桥梁，它受到多种海洋环境的影响，包括海水腐蚀、潮汐作用和生物污损。主桥设计为六跨连续钢梁桥，跨度布置为102米 + 4 × 185米 + 102米（总长度：944米）（见图8）。主桥的基础设施由矩形实心桥墩组成

讨论

在第3节的实验验证和第4节的工程应用基础上，本节重点讨论了USPCD噪声干扰以及该系统在多种水下环境中的适应性。

结论

由于恶劣的水下环境和生物污损，老化沿海基础设施的基础结构性能逐渐恶化，因此需要可靠的形态评估方法来确保沿海桥梁的长期适用性。虽然基于声纳的检测技术提供了潜在的解决方案，但其有效性仍受到数据噪声干扰、分辨率低、生物污损干扰等限制的影响

作者贡献声明

Jing Yan：撰写 – 审稿与编辑、撰写 – 原始草稿、验证、软件、方法论、调查、正式分析、数据整理。Yanjie Zhu：撰写 – 原始草稿、验证、监督、调查、资金获取、概念化。Wen Xiong：监督、调查、资金获取。Jinquan Zhang：监督。

利益冲突声明

作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：‘Yanjie Zhu’报告称获得了国家自然科学基金的支持。Wen Xiong报告称获得了国家自然科学基金的支持。如果有其他作者，他们声明没有已知的可能会影响研究的财务利益或个人关系

致谢

作者衷心感谢国家自然科学基金（项目编号：52378135、52478147）、国家重点研发计划（项目编号：2024YFE0216700）、中央高校基本科研业务费以及东南大学博士生创新能力提升计划（项目编号：CXJH_SEU 25180）对这项工作的财务支持。作者还感谢江苏省高速公路运营管理中心的帮助