全球影響力：海地大地震如何啟發運用 GPU 來測量結構安全的新方法

編輯手札：此為介紹NVIDIA 2016 全球影響力大獎五名決賽入圍者系列文章之一。NVIDIA 將頒發15萬美元給運用 NVIDIA 技術，在解決社會、人道與環境問題方面有突破性進展的研究人員。

2010年海地大地震摧毀了當地許多災難應變所需的重要基礎建設，包括首都的每間醫院、所有交通建設和主要通訊系統。

這對於發生地震後不久便趕到海地，以評估橋樑、醫院和住宅結構完整性的結構工程師 David Lattanzi 來說影響深刻。他發現愈快速地進行檢查，便能愈迅速地判斷重要設施的安全性，因而他採用高效能運算技術開發出新的檢查方法。

維吉尼亞州費爾法克斯喬治梅森大學助理教授 Lattanzi 說：「發生災害後耗在檢查上的時間愈久，人們就要花更長時間才能回到正常的起居和工作生活。醫院無法運作、基礎服務也無法運作，社會和經濟得為此付出龐大成本。」

使用無人機來檢查橋樑，圖片提供：喬治梅森大學

Lattanzi 使用無人機等機器人檢查系統，對於土木結構打造虛擬 3D 模型，以便在日常和災後進行安全評估作業。

這項成就使得 Lattanzi 及其團隊成為 NVIDIA 2016 全球影響力大獎五位決賽入圍者之一。NVIDIA 將頒發15萬美元給運用 NVIDIA 技術，在解決社會、人道與環境問題方面有突破性進展的研究人員。

評估準線

海地的情況為 Lattanzi 打開了眼界，而高效能運算技術則是讓他的注意力更專注於處理工程師們在進行評估時最大的難題，像是結構偏離原始準線的程度。

Lattanzi 說：「我們查看的損壞面積可能很小，難就難在怎麼消化這麼大量的資料，少了 GPU 便無法進行運算。」

使用地圖或調查所獲得的照片對大型結構建立 3D 模型，這種傳統方法稱為「移動估算法」（Structure-from-Motion），無法提供分析作業所需的精細資料。Lattanzi 的團隊運用該方法的原則，但是使用無人機拍攝的數位影像資料來建立 3D 模型。

缺點：無人機器人產生出海量資料。評估100公尺長的橋樑會產生出一萬張高解析度的影像。

取得關鍵細節

Lattanzi 的團隊開發出利用無人機影像「雲點」的方法，並且合併成最終的 3D 模型，以取得影像裡的微小細節。

進行高精度檢查作業需要利用有著數十億個雲點的模型，因此團隊又設計一明稱為「Hierarchical Point Cloud Generation」（HPCC）的技術來重現比例精準、結構物整體幾何的細節。工程師們運用 HPCC 便能對準（解析度提升100倍）微小的細節，以評估結構完整性及偏離準線的程度。

團隊為每次無人機的飛行任務建立一系列的影像拍攝「網路」，而每次的飛行計劃皆從不同比例來拍攝結構物的影像，包括結構物的整體形狀。每次飛行拍攝大比例的影像和較小的關鍵細節。以下是無人機在調查橋樑時的畫面。

高效能硬體

研究團隊極為倚重 NVIDIA Tesla 加速器的 GPU 加速運算能力，方能消化這麼大量的資料。少了 GPU 將運算速度提升10倍的能力，得花上數週時間才能建立一棟建築物或一座橋樑的 3D 模型。