桥梁是道路交通建设体系的重要组成部分,其安全一直备受关注,而在长期运行过程中,受不同荷载和周边环境的影响,桥梁会存在不同程度的安全隐患,桥梁的定期巡检及病害的跟踪记录十分重要。目前,桥梁检测多依赖有经验的专家进行人工现场检测,存在检测成本高、效率低、作业环境安全性差等行业痛点。此外对于桥梁质量管理,虽然相关研究越来越多,但仍存在缺少可视化、记录不规范、决策不智能等问题。随着建筑行业信息通信技术（Information and Communication Technology,ICT）的不断发展,在桥梁工程项目施工阶段的应用越来越多,而对于如何充分利用ICT技术以提高运营阶段工作效率的问题,尚缺少明确的应用框架。综上所述,本文充分利用了点云数据（Point Cloud）及深度学习（Deep Learning）技术的优势,实现了桥梁检测过程中三维模型的可视化及桥梁病害判别的自动化,同时对桥梁病害治理所依据的相关知识进行结构化处理,并利用本体理论构建了桥梁病害治理本体,以实现病害原因及相关治理措施检索的智能化。此外,基于上述研究提出了桥梁病害质量管理系统框架,为系统的开发奠定了基础。具体研究内容如下:（1）本文通过文献分析,指出了目前桥梁检测与管理过程中的不足之处,并总结了点云重建技术、深度学习技术以及本体理论在桥梁管理中的应用现状,在此基础上提出了本文的研究框架。（2）本文通过基于点云的三维重建技术对桥梁进行as-is BIM模型重建,可直观把握桥梁整体状态,精确了解桥梁各个构件的具体尺寸,实现了无接触测量,保证了桥梁三维模型的真实还原,提高了桥梁检测的可视化水平。（3）本文选取桥梁病害中最普遍的裂缝作为研究对象,利用深度学习技术实现了桥梁裂缝的自动分类,同时引入密集块对Res Net网络模型进行优化,提升了桥梁裂缝的分类精度,有效提高了检测人员批量处理桥梁图片的效率和准确率。（4）本文对桥梁病害治理所依据的专家经验等相关知识进行结构化处理,并利用本体理论构建了桥梁病害治理本体,用户可根据桥梁病害类型自动检索出病害产生的原因及相应的治理措施,提高了检索效率,实现了桥梁病害的智能辅助管理。（5）本文整合了从前期检测数据采集到病害处理再到后期桥梁治理措施检索的碎片化研究成果,充分利用ICT技术优势,提升了桥梁病害管理的数字化和智能化水平,同时提出了桥梁质量管理系统框架,形成了ICT技术支持的桥梁质量管理的全流程描述,为桥梁质量管理系统的开发奠定了基础。