基于三维点云模型预制钢构件尺寸检测方法

2024-01-10雍正阳袁梓环刘海亮

工程质量 2023年12期

蒲洁，雍正阳，袁梓环，刘海亮

（中国建筑第八工程有限公司西南分公司，四川成都 610051）

0 引言

随着我国钢铁工业技术的飞速发展以及钢产量的不断提高，钢结构在桥梁邻域中的应用越来越广泛，其中大型复杂的钢桥塔也逐渐增多。由于运输或吊装等条件限制，其施工方式一般采用分段、分体的方式进行工厂预制，然后到现场进行安装，为了保证现场安装顺利实施，必须对预制构件尺寸进行精确检测。传统的预制构件制作精度检测方法主要是手动，并且依赖于单点近似线性测量，对于几何简单的结构是方便的，但对于复杂结构则费时、不精确且不能全面地掌握构件的尺寸情况［1］。

三维激光扫描技术具有速度快、范围广、精度高、非接触等特点［2］，能够快速采集完整、精细的结构构件表面几何数据，可将构件以海量点云的形式和近乎零偏差地复制到电脑中。利用点云模型即可通过方便的内业操作获取预制构件的各种几何参数［3］。本文提出一种基于三维激光扫描技术获取点云模型进行预制钢构件尺寸检测的方法，利用三维激光扫描技术准确、快速地获取构件表面点云数据，然后通过一定点云数据处理方法，得到结构的高精度逆向模型，通过对得到的点云模型与理论模型进行不同角度对齐对比分析，对预制构件的制作误差，进行是否需要校正和重制的判断。本文以某预制钢桥塔的 A 节段为例子，阐述了三维激光扫描技术在钢构件加工制造过程中进行尺寸分析的技术，较好地解决了复杂钢构件的制作质量检测和效率问题。

1 基于三维激光扫描的钢构件制作误差检测流程

基于三维激光扫描技术进行预制钢构件制作误差检测的流程如图1 所示。首先，通过一定扫描方案扫描仪获取钢构件表面点云数据，并进行点云配准、去噪和精简等点云预处理操作，为高精度点云重建奠定基础；然后，对点云数据进行重建并进行网格优化，得到构件点云模型；其次，通过点云模型与理论模型的最佳拟合匹配，大致获得钢构件制作 3D 偏差范围，掌握构件的整体预制质量情况；最后，基于特征面最佳拟合匹配，得到影响构件拼接质量的构件拼接面关键参数误差，通过综合考虑整体偏差和关键参数偏差，对预制构件是否校正和重制进行判断。

图1 预制构件检测流程图

2 点云数据获取与处理

2.1 点云数据采集

本研究采用 Leica Scan Station P40 地面三维激光扫描仪对某预制钢桥塔的 A 节段进行扫描。其扫描参数如表1 所示。钢结构点云数据获取中，为了减少测站次数，提高数据获取效率，主要获取预制构件关键部位点云，如拼接面点云和外轮廓信息，其余部位缺失点云后期基于特征拟合进行补全。总共布设 4 站进行点云数据获取，所使用的测站与标靶布设方案如图2 所示，每两测站之间有两个相同的标靶，使各站点云相互联系起来。

表1 徕卡 ScanStation P40 扫描参数

图2 扫描测站和标靶布置

2.2 点云配准

由于扫描仪扫描范围的限制和桥塔节段预制构件的复杂性、遮挡等问题，一次测站往往不能将构件扫描完全，需要分多站获取构件表面点云数据且各站扫描数据都是以各测站扫描仪中心为原点建立的独立坐标系所获得。为了得到三维点云模型，需要进行配准工作，将各站点云数据统一到一致的坐标系下。常用的配准方法有基于特征的配准方法、标靶配准、自动配准方法［4］。本文采用 Cyclone 软件中基于标靶配准方法对点云进行配准，相邻两站配准最大误差为 1.2 mm，构件整体配准误差为 0.3 mm，配准精度较高，满足精度要求。桥塔 A 节段点云配准结果如图3 所示。

图3 桥塔 A 节段点云配准结果

2.3 点云精简

通过三维激光扫描得到的原始点云密度很大，过密的点云数据在后续的处理、存储、显示和传输中占用大量系统资源，降低了处理速度和运算效率［5］。点云精简就是在尽量减少点云特征损失的情况下，降低点云数据量，提高后续点云数据处理效率。本文采用 PCL 点云库中的 VoxelGrid 类对点云数据进行体素化下采样。其基本原理是根据点云数据在三维坐标轴上的最值创建三维体素网格，然后设置需要拆分的小立方网格的边长，将三维体素网格均匀划分为边长为 voxel1 的小网格，将点云数据放入对应的网格中，并删除不包含数据点的小网格。对于包含数据点的网格，用数据重心点代替网格中所有的点，然后删除其余的数据点，以达到下采样的效果。经过点云配准后，桥塔 A 节段的点云数据为 5931270，voxel1 设置为 0.005 m，通过体素化下采样后点云量为 1 540 407，精简后点云如图4 所示，精简率为 74 %，较好地保留了点云细节特征，且大大降低了点云数据总量。

图4 桥塔 A 节段点云精简结果

2.4 点云去噪

在点云数据获取过程中，由于设备精度、操作者经验、视线遮挡、环境条件、扫描范围等因素的影响，点云数据中将不可避免地出现一些离群点、噪声团、无关点，这不仅影响了点云的质量，而且增加了点云的数据量。对于不同的噪声点，采用单一去噪算法，往往很难达到理想效果，且对于一些噪声团，只能通过框选删除手动方式进行去除，效率较低。因此本研究提出利用条件滤波［6］、统计滤波［7］和欧式距离聚类［8］算法相结合的方法，对点云数据进行分类去噪，其步骤如下。

首先利用条件滤波在点云数据X、Y、Z坐标轴上设置阈值，建立空间包围盒，大致分割出目标构件点云，去除大部分无关点；然后通过统计滤波算法，基于邻域范围内标准差对一些远离主体点云的离群点进行去除，使目标构件点云与噪声团界限更加清晰，便于后续聚类；最后对点云数据进行欧式距离聚类，对远离主体点云的点云噪声团基于欧式距离进行聚类，最大聚类结果就是目标构件点云，通过只提取出最大聚类结果，达到去除噪声团的效果，简单高效地去除噪声点和无关点。点云噪声分布如图5 所示。桥塔 A 节段经过多种算法滤波后结果如图6 所示。

图5 噪声分布图

图6 桥塔A节段点云去噪结果

3 构件的几何建模与优化

经点云预处理后，点云数据离散、相互间没有几何联系，不便于观察与误差分析。因此本文将预处理后点云数据导入到 Geomagic control 软件中，通过 Geomagic control 软件对扫描点云进行 Delaunay 三角网构建，将各点云数据通过三角网格连成一个整体，用以描述结构形状。桥塔 A 节段的三角网格模型如图7 所示。由于扫描设备视角、环境条件的限制和结构自身形状复杂等因素影响，使得点云数据三角网格重建之后存在大量空洞区域，不利于结构整体的误差检测，因此需要对这些空洞区域进行修补优化。本文利用网格医生，对一些离散点形成的小孔和钉状物进行补充和去除，对一些数据不全形成的孔洞，利用软件孔洞填充功能的曲率拟合、内部孔、边界孔、搭桥等功能进行填充，从而得到构件完整的表面模型。桥塔节段 A 的优化后点云模型如图8 所示。

图7 桥塔 A 节段点云重建

图8 桥塔 A 节段模型优化

4 构件误差检测与关键参数提取

4.1 构件加工质量检测

通过将点云数据重建的点云模型与从设计图纸信息获得的三维理论模型进行整体对比，可以全面地反应出预制构件的制作误差。以桥塔 A 节段为例，将上述步骤得到的三维重建点云模型设置为测试模型，利用图纸信息建立的理论模型设置为参考模型，基于最佳拟合匹配功能将两模型统一到同一坐标系下进行对齐，然后通过 3D 比较，即可得到构件整体的制作偏差。桥塔 A 节段理论模型与点云模型 3D 偏差色谱图如图9 所示，点位偏差分布如表2 所示。

表2 桥塔 A 节段 3D 偏差分布

图9 桥塔 A 节段 3D 偏差色谱图

由图9 可知，桥塔 A 节段点云模型与理论相比（最大偏差+/-）为：0.0121/-0.0231 m；（平均偏差+/-）为：0.0006/-0.0006 m。由表2 可知，桥塔 A 节段整体制作偏差基本在（-0.0048～0.0048）m 这个范围，占比 98 % 左右，大部分区域点偏差均满足规范要求，整体制作精度较高。

4.2 关键参数提取

经过点云模型和理论模型全局匹配后，可大致知道预制构件的误差范围，但为了保证预制拼装构件的拼接成功，还要对一些影响拼接质量的关键参数进行提取和评估。对于桥塔节段预制构件，直接影响拼接质量的尺寸参数有：拼接面角点偏差、拼接面夹角偏差。其中拼接面角点偏差过大，会导致预制构件拼装定位困难；拼接面夹角偏差过大，会导致拼接面吻合性差，焊接困难。二个关键参数的偏差示意图如图10 所示。基于最佳拟合匹配，只能得到构件整体的偏差范围，且会降低关键参数的精度，为了保证关键参数的精度，提出基于特征面匹配的方法，提取关键参数。其基本思路是将预制构件两装配面的其中一面定义为特征面，理论模型对应面定义为参考模型，基于轴线方向进行特征面最佳拟合匹配，对特征面匹配后的点云模型进行关键参数提取。

图10 关键参数偏差示意图

4.2.1 拼接面角点

以桥塔 A 节段的上拼装面为特征面，与理论模型进行特征面匹配，然后截取下拼接面与理论模型进行 2D 比较分析，从而得到拼接面各角点的偏差值。桥塔 A 节段下端口角点偏差图如图11 所示。

图11 桥塔 A 节段下端口偏差图

从图11 可以看出，桥塔 A 节段角点 Dx最大偏差值为 0.003 9 m，Dy最大偏差值为 0.000 5 m，Dz最大偏差值为-0.002 3 m，拼接面角点偏差均满足规范要求。

4.2.2 拼接面夹角

对点云模型与理论模型特征面匹配后，分割出除特征面外的另一拼接面，对拼接面进行 Ransc 算法［9］最佳平面拟合，获取平面参数，通过计算点云模型和设计模型拼接面的法向量夹角对点云模型拼接面夹角偏差进行评估。对于桥塔 A 节段，点云模型拼接面平面拟合结果如图12 所示。其中理论模型拼接面法向量为（0.128 1，-0.991 7，0.004 3），点云模型拼接面法向量为（0.128 0，-0.991 8，0.004 2），法向量夹角为 0.008 6°，法向量夹角过小，可忽略不计，拼接面制作精度满足要求。