基于点云数据的大型复杂钢结构智能化施工方法

大型复杂钢结构施工过程中，常面临施工尺寸质量难以把控、构件提升变形监测困难和合拢段现场配切效率低等问题。三维激光扫描技术可全覆盖地、快速精准地获取复杂构部件在施工过程中的点云数据，这为解决上述问题提供了新方法。为此，该文以重庆两江新区寨子路钢拱桥为工程背景，开展基于点云数据的大型复杂钢拱桥智能化施工方法的全流程研究。基于标靶球检测算法、快速四点一致集算法、迭代最近邻算法等实现标靶球点云数据的自动检测及多站点云数据之间的自动配准；通过BIM点云化技术、kNN算法等完成目标点云数据的半自动化提取，实现拱肋尺寸的智能化检测；基于八叉树算法、区域增长算法等实现拱肋提升变形的智能检测；为缩短拱肋的合拢工期，基于BIM模型焊缝信息提取技术、主成分分析算法、Canny边界检测算法、霍夫变换算法等提出数字化预拼装算法，得到合拢段的配切量。工程应用表明，该文所提出的智能施工方法效率高、自动化程度好，研究成果可为大型复杂钢结构的施工质量和安装效率的提升提供理论和算法支撑。     

提取平面标靶及配准点云的自动化实现

点云配准是三维激光扫描数据处理过程中不可或缺的一个环节,利用标靶进行配准是经典的手段之一,此类方案在单独扫描标靶的基础上进行半自动化配准。本文给出一种自动配准策略,用中心投影原理将单站扫描的点云转换为深度影像,借助数字图像处理技术完成标靶的自动提取,拟合获得标靶中心点的坐标,并借用摄影测量学的知识实现点云的自动化配准。实验证明了本文方法的可靠性。     

基于三维视觉的房屋智能巡检方法研究

城乡自建房屋的违规改建现象时有发生,是不可忽略的安全隐患。传统的房屋巡检主要依靠人工方式,存在效率低、主观性强等问题,进而影响巡检结果的可靠性。为此,提出了基于三维视觉的房屋智能巡检方法。基于融合式SLAM技术实现巡检点云数据的实时采集;对多次巡检数据进行配准,并采用基于kd-tree的半径搜索法进行点云增减识别,找出改建部分;对改建部分进行区域生长分割并获取点云OBB包围盒,根据其几何尺寸信息进行简单的构件分类。进一步,定义考虑构件重要性的表面积变化率参数,可初步评价改建后结构的安全性。通过对某自建房进行巡检试验发现,上述方法能够快速、高效地获取待测房屋外立面的点云数据,有效识别房屋的改建部分,并基于构件特征进行改扩建后房屋的危险性评估,实现了巡检流程的自动化与智能化。     

多站三维激光点云自动提取标靶球数据的方法研究

本文基于强度阈值过滤(Intensity-Filter)、区域生长法分割(Region-Growth)、PCA、LS剔除和拟合等算法，提出一种自动提取标靶球(Sphere Extraction)的IRPL-SPE方法，对归算至同一坐标系下的多站三维激光扫描数据中的标靶球实现了全自动提取。采用以明挖法无锡太湖隧道围堰的变形监测实际测量数据进行效果验证，结果表明本方法在较复杂的实际工程环境中能够实现多站三维激光点云标靶球数据的自动提取。     

建筑物立面点云语义分割方法研究

针对建筑物点云数据重建模型自动化程度较低的问题,提出了一种半自动的建筑物特征元素提取方法。首先采用随机采样一致性算法实现点云分割,将点云分割成不同部分,再依据建筑物立面各种特征元素之间的尺寸、位置、拓扑关系等一系列属性判断每一块点云数据的语义信息,实现了从分割出来的点云数据中自动识别建筑物立面的门、窗户、墙体等特征元素。该方法基本上实现了点云数据的语义分割,为建筑物三维模型的自动重建提供了基础框架。     

基于点云的钢筋数量和间距自动检查算法

为改进钢筋骨架质量自动检查方法,提出了基于点云的钢筋骨架中钢筋数量和钢筋间距的自动检查算法。该算法在获取钢筋骨架实际点云和设计点云的基础上,首先对这两片点云分别进行降采样,以得到空间密集程度相同的钢筋骨架实际点云和设计点云; 其次,对降采样后的钢筋骨架实际点云和设计点云使用基于主成分分析(PCA)的方法进行粗配准。由于粗配准后的钢筋骨架实际点云和设计点云的配准精度较低,无法直接用于钢筋数量和钢筋间距的检查,对粗配准后的钢筋骨架实际点云和设计点云进行精配准。最后,基于精配准得到的钢筋骨架实际点云和设计点云,依次对钢筋骨架中的钢筋数量和钢筋间距进行检查。结果表明:精配准后的钢筋骨架实际点云和设计点云的配准精度较高,可以用于钢筋数量和钢筋间距的检查; 该算法对钢筋数量检查的准确率为100%,对钢筋间距检查的准确率为80%; 应用该算法可以有效提高复杂钢筋骨架中钢筋数量和钢筋间距检查的效率,降低人工成本。     

基于强度图像的标靶球自动提取与参数拟合

利用点云三维坐标和反射强度信息生成强度图像,运用数字图像处理算法来提取标靶球在图像上的位置,进而获得标靶球面点云数据。采用随机采样一致性算法剔除粗差点,运用稳健估计方法来拟合球面参数。实验结果表明,该方法不仅能够快速自动提取标靶球点云数据来拟合球面参数,而且得到的参数值也与成熟的商业软件相当。     

基于缺陷点云数据的柱面重建及质量评价

随着三维激光扫描技术的广泛应用,基于点云数据的三维建模越来越受到重视。由于柱状目标大量存在于三维模型中,而在采集时难免会有不完整的数据,因此需要进行修补。在对数据进行配准、滤波的基础上,分割点云片,根据最小二乘准则,通过对缺陷点云数据的拟合,实现柱面的重建,并对柱面模型进行质量评价,取得了较好的实验效果。     

基于FPFH特征的三维点云配准方法研究

随着三维激光扫描技术的发展,利用点云数据的三维重建技术在逆向工程、虚拟现实等领域有着广泛应用。在实际扫描测量中,由于环境条件不好或者目标物体被遮挡,为了获得被测物体完整的表面信息,通常需要在多视角下采集数据,点云配准将不同视角下的点云坐标变换到统一的坐标系,便于后续应用。目前点云配准有很多算法,本文主要研究基于FPFH特征描述子对点云进行粗配准,然后使用ICP算法配准,实现三维点云的精确配准。实验结果表明,本文使用的配准方法具有可行性与有效性,为点云配准提供了一种借鉴方法。     

基于最小二乘原理的移动测量传感器集成检校技术研究

移动激光雷达测量系统由多个传感器集合而成,各传感器采集数据相对独立,集成安装后获取点云精度质量通常难以控制。针对这一问题,提出了一种基于最小二乘平差原理的特征点检校方法,结合空间配准算法构建推导平差模型,求解误差参数。通过多源传感器数据融合配准,对加入误差改正数后的成果点云质量比较分析。实验结果表明,这种检校方法能够达到提升点云模型精度的目的。     

复杂超高层结构尺寸质量智能化检测方法

复杂超高层结构外框和核心筒的施工误差导致按设计加工的钢梁或伸臂桁架安装困难,甚至常需在工地现场修整。然而传统的检测方法很难全面精准地测量出已完成结构的尺寸偏差,导致拟安装构件的修整难度很大。而采用三维激光扫描技术可全覆盖地得到已完成结构的精准点云数据。为此,以重庆陆海国际中心为工程背景,开展基于三维激光扫描技术的复杂超高层结构尺寸质量智能化检测研究,包括扫描方案智能优化、点云数据智能分割与识别、误差可视化三个方面。研究结果表明,基于三维激光扫描技术和智能算法的尺寸质量检测方法高效、精准且实用,可为大型复杂结构的尺寸质量智能化检测技术提供理论和算法支撑。     

Real-time automatic crack detection method based on drone

Real-time automated drone-based crack detection can be used for efficient building damage assessment. This paper proposes an automated real-time crack detection method based on a drone. Using a lightweight classification algorithm, a lightweight segmentation algorithm, a high-precision segmentation algorithm, and a crack width measurement algorithm, the cracks are classified, roughly segmented, finely segmented, and the maximum width is extracted. A crack information-assisted drone flight automatic control algorithm for automatic crack detection guides the drone toward the crack position. The effectiveness of the crack detection algorithm and the crack information-assisted drone flight automatic control algorithm was tested on two different datasets, a two-story building, and a 16-m-high shaking table test building. The results show that crack detection can be finished in real-time during the flight. Using the proposed method can significantly improve the MIoU of crack edge detection and the accuracy of maximum crack width measurement under the non-ideal shooting conditions of the actual inspection situation by automatically approaching the vicinity of the crack.     

Dimensional accuracy and structural performance assessment of spatial structure components using 3D laser scanning

Spatial structures have been constructed around the world, and their components have become increasingly complicated. Quality inspection is primarily manually performed and is a labor intensive approach which is prone to error. Developments in 3D laser scanning offer great opportunities to improve the precision and efficiency of quality control operations. This paper presents a new approach for assessing the dimensional accuracy and structural performance of spatial structure elements using 3D laser scanning. The proposed approach establishes a holistic assessment framework by considering the evaluation parameters, optimized scanning strategy, and data processing. A data processing method is developed to automatically calculate and compare the difference between the reverse model and design model based on point cloud processing, reverse modeling, and finite element analysis. A new algorithm is proposed to automatically extract the point cloud boundaries, and it is capable of streamlining the generation of reverse models. The assessment criteria and error control for the framework are quantitatively described in a systematic manner. The proposed approach is tested and demonstrated through an actual project. The results show that using 3D laser scanning for the quality control of spatial structure elements is suitable and validate that applicability of the proposed approach compared to traditional measurement methods.     

高质量发展下工程质量检测机构信用评估研究

工程质量检测机构的信用水平与工程建设质量密切相关。基于扎根理论与病态指数等统计学方法,构建了符合高质量发展内涵的工程质量检测机构信用评估指标体系;通过 G1 法和熵权法组合对指标赋权, 应用逼近理想解方法给出工程质量检测机构信用综合评估的方法模型; 根据黑龙江省 5 家工程质量检测机构的实际数据,得到其相对接近度分别为 0.674、0.567、 0.411、 0.373、 0.327,信用等级分别为 A、 BBB、 BB、 BB、 B 级,与实际相符。     

Panoramic Image Stitching for Arbitrarily Shaped Tunnel Lining Inspection

This article presents a low‐cost panoramic image stitching system for tunnel lining inspection. The system can produce a high‐quality layout panorama of the target lining using photographs taken freely in a tunnel with a hand‐held camera and the tunnel design information as inputs. The three‐dimensional (3D) freeform shape corresponding to the tunnel design geometry is used as the warping surface for photograph rectification. A newly designed random sample consensus algorithm is used to estimate the freeform tunnel shape from the 3D reconstructed point cloud, which can perform the registration between point sets with different sizes. These processes can make full use of the geometry information of a real tunnel and the reconstructed scene; thus, the photographs can be precisely rectified, and a planar motion stitching can composite them together. Two field applications demonstrate that the system can create a tunnel layout panorama with sufficient accuracy in tunnel lining inspection and that it is applicable to noncircular‐shaped tunnels.     

面向施工机械的深度学习图像数据集合成方法

工程现场环境复杂,获取包含丰富信息的图像难度大且标注成本高,造成基于计算机视觉的深度学习施工机械图像数据集构建困难。为满足快速、高质量构建建筑工程领域施工机械深度学习图像数据集,提出一种基于三维建模引擎的施工机械图像生成与自动标注方法,并以挖掘机为例构建了名为SCED(Synthesized Construction Equipment Dataset)的挖掘机数据集。首先,采用三维建模引擎UE4对目标挖掘机设备进行模型构建,然后借助UnrealCV工具对原始模型进行多角度、多区域的图像采集,使用自编写模块实现自动语义分割与掩码图像生成,并完成图像的自动标注,最终生成包含10 000张图像的数据集。与现有公开机械数据集进行了目标尺寸、数量与构建工作量的对比,并比较了构建效率与成本,最后进行了图像数据集质量与效果验证。结果表明:该构建方法综合效率更高且成本更低,构建的SCED图像数据集丰富性和泛化能力更好,针对小目标物具有更好的检测效果; 研究成果可为今后建筑施工领域深度学习图像数据集的构建提供参考依据。     

地下连续墙成槽检测技术及其工程应用

阐述了应用超声波检测成槽技术的原理,对影响超声波检测图像质量的诸多因素进行分析,提出保证超声波检测图像的质量措施,保证了地下连续墙槽孔的形状和成槽垂直度等检测精度,保证了地下连续墙施工,可为相关工程技术人员提供参考。     

Quantitative road crack evaluation by a U-Net architecture using smartphone images and Lidar data

Road cracks are a major concern for administrators. Visual inspection is labor-intensive. The accuracy of previous algorithms for detecting cracks in images requires improvement. Further, the length and thickness of cracks must be estimated. Light detection and ranging (Lidar), a standard smartphone feature is used to develop a method for the completely automatic, accurate, and quantitative evaluation of road cracks. The two contributions of this study are as follows. To achieve the highest segmentation accuracy, U-Net is combined with data augmentation and morphology transform. To calculate the crack length and thickness, crack images are registered into Lidar color data. The proposed algorithm was validated using a public database of road cracks and those measured by the authors. The algorithm was 95% accurate in determining crack length. The coefficient of determination for thickness estimation accuracy was 0.98 addressing various crack shapes and asphalt pavement patterns.