毕业生简介
刘颖华
北京建筑大学2020届测绘工程硕士研究生
指导老师：侯妙乐教授、陈军院士
论文发表及获奖情况：
1.刘颖华,解琳琳,李爱群,侯妙乐,刘浩宇.古木建筑裂缝多LoD表达与信息自动集成[J].图学学报,2019,40(06):1123-1129.
2.2018年“创青春”首都大学生创业大赛铜奖
参加会议及项目经历：
1.2017 年09 月 哈尔滨第四届全国成像光谱技术与应用研讨会
2.2019 年05 月 厦门第五届全国激光雷达大会
3.清代古门楼构件精细测绘与数字化项目
4.北京后黑龙庙村壁画虚拟修复
5.重庆大足石刻科普创作申报书撰写与项目申报工作
成果展示
1
研究背景与现状
古木建筑具有深厚的历史文化与艺术价值，但由于其生物材料的特质，易产生糟朽、弯垂变形等损伤，其中裂缝分布构件广、数量多、体量不一，是典型的损伤类型。裂缝损伤不仅影响美观，且会降低整体建筑的安全性能。因此自动检测裂缝，把握其损伤程度对了解古建现状与日后修缮具有重要意义。
现在众多发展成熟与热点新兴技术可为木裂缝检测等研究提供技术方法支撑，如图像处理、深度学习技术等。但目前已有研究对象与成果多集中在混凝土裂缝，木裂缝研究很少，因此有必要将相关技术应用于木裂缝研究，进一步推动古木建筑保护与发展。
2
技术路线与研究思路
图1 技术路线图
2.1 YOLO-V3裂缝自动检测
基于深度学习的裂缝检测演示视频
YOLO算法的朴素思想是将原始图片通过卷积进行下采样，结束后再进行两次上采样，最终生成三种尺度特征图，特征图中的每个元素（cell）用来预测中心点落在该小方格内的目标。
图2 YOLOV3算法示意图
（1）数据获取
选择中国某近千年的古木塔，使用数码相机采集1500余幅原始影像。将其以800*800规格进行裁切并用labelImg软件进行位置与类别标注，建立实验数据集。该数据集共7020个，使用镜像翻转将数据增广为14040个，并按一定比例分为训练集、测试集、验证集。
图3 木裂缝示意图
（2）模型训练
为了探究不同网络的检测效果，本研究在YOLOv3框架下，除了其主干网络DarkNet-53，又引入ResNetv2-50与MobileNet进行模型训练。训练过程分为预训练与全网训练两个阶段，预训练指只训练模型后三层，全网训练是基于预训练结果进行所有层数的训练而得到最终模型。
图4 DarkNet-53结构图
图5 Resnetv2-50结构图
图6 Mobilenet结构图
（3） 实验验证
由结果可见，三种模型相比，YOLOv3-DarkNet53与YOLOv3-ResNetv250网络层数相当，但YOLOv3-DarkNet53准确率度最高，可达90%以上；YOLOv3-MobilNet速度最快，处理每张图片只需0.04秒。因此在实际检测裂缝任务中，面对高精度需求时，使用YOLOv3-DarkNet53模型，面对高速度需求时，使用YOLOv3-MobileNet模型。
图7 三种模型测试结果
YOLOv3算法下的三种模型均可较精确地检测出不同大小的木裂缝，且可有效抵抗图像不同光照背景等劣质情况，具有较好的适用性。
图8 测试结果图
2.2 多视几何裂缝参数量测
为测量裂缝宽度，利用OTSU算法对二值化裂缝图像，提取裂缝骨架线。通过霍夫变换将骨架线拟合为若干收尾相接的线段。然后提取裂缝的两条边缘线，对骨架线段上的像素点做垂线，搜索其与两条边缘线的交点，两个交点的距离即为每一点处的裂缝宽度。
图9 裂缝长度宽度量取示意图
以柱构件为代表，自动测量柱子上的裂缝最大深度。主要包含三步：（1）正则化点云数据，使圆截面与x-y轴相切；（2）将点云投影到x-y平面，得到圆柱外围圆周与裂缝深度信息点的投影图；（3）利用圆柱圆截面的方程计算圆截面内最深点与圆周的距离，即为裂缝的最深尺寸。
图10 裂缝深度量取示意图
2.3 HBIM裂缝信息集成表达
面对裂缝信息量庞大的问题，基于HBIM技术，首先建议了一套裂缝信息多细节层级表达标准。标准的原则是裂缝损伤程度越重，则模型表达的信息越丰富，使用色块的颜色更鲜亮。这种方法的提出有利于提高裂缝建模效率，可视化显示各个构件裂缝的受损程度。
表1 裂缝损伤信息多 LoD 表达标准
为了更好地提高效率，之后将标准与Revit二次开发相结合生成插件，实现信息自动化集成更新。如下图，64根柱子的裂缝信息于4秒便可与建筑模型相关联。这种方法可以高效完成一些工作量较大、规律性较强的工作，有利于历史建筑信息的全生命周期管理，便于安全性能评估。
图11 信息更新插件
图12 裂缝多LoD表达与信息集成
3
论文意义
本研究选取裂缝损伤为实验对象，面向实际工作中对象数量众多的现状，采用深度学习技术、多视几何技术、HBIM技术进行裂缝检测与信息表达管理的自动化研究，取得了部分进展。总的来说，本研究旨在为古建保护课题提出新的解决问题思路，为古建等文物的可持续发展做出绵薄之力。
扫描二维码 关注我们
遗产数字化与虚拟修复团队公众号
微信号 : relics-conservations