无人机测量在工程审计中应用

无人机测量在工程审计中应用

[摘要]工程审计是高校内部审计工作的重要内容之一。施工现场一般较为复杂,面积覆盖范围广、立体交叉、危险因素多、特殊区域难以进入,审计窗口期较窄。研究无人机测量技术在跟踪审计取证鉴证、收量复核、检查监督等方面的应用,可满足审计工作的需要,有效解决工程审计中的困难,提高审计质量,降低审计风险。

[关键词]无人机;内部审计;测量技术;工程项目

程项目审计是高校审计工作的一项重要内容。审计是评价工程项目流程是否合规、工程质量是否达标、资金使用是否合理的关键环节,需要及时对现场工程量及其变更进行核定,并对结算进行最终审定。高校工程项目具有施工现场复杂、交叉施工多、工期长短不一、时效性强等特点,受施工现场不确定因素多、内审力量不足、安全管理欠缺等方面的约束,审计取证鉴证、收量复核、检查监督等工作量大、时效差、效率低,审计工作存在较大风险。工程施工阶段工艺复杂,工程变更时有发生、工程隐蔽不可避免,跟踪审计管理难以全部到位;鉴证资料不完备、议价不及时、工程计量不准确、传统方法核实困难等问题经常出现,审计质量难免受到影响,增大审计风险。无人机适合复杂场地作业,在取证鉴证、复核收量、检查监督等审计环节进行应用,可拓宽取证鉴证的空间视野,增强审计的时效性,有效解决跟踪审计获取原始资料的困难。无人机应用于审计领域,可丰富审计工作方法,提升审计效率,降低审计风险。2020年,在山东科技大学校内豆沫山绿化项目审计工作中,采用无人机低空倾斜摄测量技术,创新性开展了山地绿化工程审计方法研究,对该工程项目进行了现场取证鉴证、收量复核和检查监督工作。

一、豆沫山综合治理工程审计主要内容及困难

豆沫山位于校园中部偏西,系小珠山支脉,为花岗岩山地,风景优美,海拔140米,山麓周长约2300米,投影面积约0.3平方千米。山表覆土与碎石较多,开垦较为严重,植被破坏较多,土壤碎石松动,雨天易造成泥石流,易引发局部地质灾害,带来较大危险。豆沫山东侧为体育运动场、篮球场、网球场,学生、员工活动密度大;南侧为环山主干道和教工生活区,车流人流密集;西侧为驾培基地、实训中心,实习人员流动持续;北侧为实习实训环山交通道路,车流人流难以管控。校园师生员工及流动人口约4万多人,山上人员常有活动。影像图见图1。为改善办学基础设施保障条件、优化生态环境并保障学校安全,2019—2020年对豆沫山进行综合治理,主要内容包括对篮球场挡土墙进行维护,对西侧土堆滑坡进行护理,对山坡泄流排水渠进行修建,进行草皮绿化、植树造林等。该项工程审计存在的主要困难有:一是涉及多家施工单位,头绪多,施工工期较长,部分工程时段又比较集中。比如,排水渠修建维护集中在雨季,反复施工,工程量不易计量,收量复核较为困难。二是危险因素多,山地施工交叉作业多,工况复杂、地形起伏,取证鉴证、检查监督等工作受安全施工和人员不足等因素制约,获取全面的审计资料具有一定困难,审计作业存在安全风险。

二、审计技术方案与路线

针对工程实际,依据审计要求,制订审计资料采集方案。方案采用无人机航摄审计测量实施作业工方法,无人机搭载5镜头,从5个不同视角进行倾斜摄影测量采集审计场景影像,航片要求分辨率精度3厘米,无特别遮挡物,飞行高度为150米。经现场踏勘,确定无人机起飞、降落地区位于高地运动场;在现场呈矩形布设6个像控点,并进行十字标注;后期制作1:500地形模型,获取到信息丰富的地表覆盖物和地形高分辨率图斑;使用Smart3D软件建立豆沫山实景三维模型;利用EPS和CASS软件对豆沫山三维数据进行采集、分析并导出模型。通过GNSS、惯性测量单元IMU、POS数据等进行空中三角测量、密集匹配、数据融合等环节和步骤,生成数字表面模型DSM,通过纹理映射进一步生成审计场景实景三维模型,可获取审计项目区域内的数字正射影像图DOM和数字高程模型DEM,清晰记录施工现场情况、提取审计鉴证资料。根据鉴证资料进一步完成长度、高差、表面积、体积等测量工作,实现工程区段长度、区域面积、土石方等工程量的收量复核。具体技术路线见图2。

三、审计数据采集与处理

(一)审计原始数据外业采集

选用大疆精灵4pro无人机搭载DJIFC6310S相机(感应器尺寸13.2毫米,焦距8.8毫米)作为审计数据鉴证作业平台。为满足任务的精度要求,航向重叠率设置为80%,旁向重叠率设置为80%,高度设置为150米,分3个步骤完成航摄任务,航摄规划路线见图3。

(二)审计原始数据内业处理

将无人机三维坐标(经度、纬度、飞行高度)、姿态(航向角、俯仰角和翻滚角)与对应影像数据重新加载,附加PPK天线与GPS测量仪数据提升精度。

(三)审计鉴证资料生成

模型生成阶段的主要步骤有:首先,将航测影像及实测POS数据导入Smart3D软件中,进行空中三角测量解算;其次,用POS数据对导入的影像进行“刺点”操作,使像控点坐标与影像中对应位置点的坐标相对应,同时进行二次空中三角测量解算;再次,分块重建后生成OSGB格式豆沫山三维模型;最后,采用Meshmixer软件对模型明显缺陷进行修补,形成审计鉴证影像资料。审计人员可以多角度观察地物,直观得到地物的实际纹理和基础信息,见图4。

四、审计工程量收量计算

(一)植被面积计算

将生成的豆沫山三维模型导入3dsMax软件中,计算出豆沫山山体的表面积SA。通过监督分类和目视解译,人工标识出绿色植被的覆盖区域,生成TIN表面模型,确定边界点围定工程区域,得出山体表面绿植的总面积SG,据式(1)可计算该区域的植被面积覆盖比FVC。经计算,豆沫山西侧山坡撒播草种植被的面积为5800平方米,与实际绿植种植面积相比较,使用无人机实景三维建模后计算得到的绿植面积的精度能够满足审计需要。

(二)工程土石方计算

①将施工某期数据模型OSGB通过DSM导入EPS;②在EPS中控制点位布置间距,达到算量精度要求;③对高差较大的点位进行单独标注并增密;④设置dwg格式参数,导出点坐标、高程地形数据文件;⑤利用地理性数据文件在Civil3D软件中重建地形曲面,完成原始地形建立;⑥确定土石方开挖基础位置坐标及标高,根据土石方开挖方式及位置,在原始地形上建立开挖模型;⑦计算土方工程量,为达到更为精准的计算结果,在进行土石方量计算时采用格网法,通过体积微元对地表格网进行划分,随后将体积微元地形简化为四棱柱体,最后通过空间插值确定地形高程,见式(2)。式中表示网格点高差,表示原始地形高程,代表差值地面高程,累积土方量为V,计算区域为,单位积分面积为ds,即区域网格面积。经计算,本工程的土石方量为8100立方米。

(三)绿植株数计算

采用先辨树种,再计数量的方法,得到新栽树木的种类和数量:①基于无人机航拍正射影像DOM,借助ArcGIS深度学习模块,通过形状指数、纹理特征,使用Tree_point_classification构建高分离性特征参量模型,提取出影像中包含的所有树木,排除了原有树种干扰,识别出海棠、樱花和杜鹃等树木。②利用MATLAB软件,识别所栽种海棠树和樱花的树冠纹理,完成树木数量提取。识别结果为:海棠树干直径1—2.5厘米,树冠直径约60厘米,12,000株;樱花树干直径约5厘米,树冠直径约100厘米,186株;灌木杜鹃约8600株。

(四)数据结果与精度

使用无人机对豆沫山绿化工程进行建模得到的绿植面积,与实际撒播草种植被面积的数值差异在许可范围之内;通过格网法得到的土石方量,若构网的点在数量上有差别,可能导致最后建成的模型存在显著差异;选取目标区域边界和平场标高较为容易,且更接近真实值,此方法在精度上高于传统土方量计算方法;通过对施工现场实地调研及对相关影像信息的目视解译,得到绿植的具体种类及其详细信息。对比发现,实验得到的绿植数量与实际吻合度较高,绿植的外廓信息可信度非常高。

五、结论与展望

无人机技术在工程审计中可准确获取传统方法难以获取的审计资料,减轻了审计外业工作负担,提升了审计效率。上述方法可实现多时域审计所需的签证资料和数据,可有效降低审计风险,扩展了高校内部审计方法和手段,提高了审计质量。为进一步优化无人机技术在工程审计中的应用,应建立一套无人机取证鉴证、收量复核、检查监督的规范工作流程,逐步完善利用无人机进行工程审计的方案制度,从而获得更加客观、精确且实效性强的审计资料,提高审计效率。

作者:陈丽 卿熙宏 路蓓蓓 杨倩 单位:山东科技大学