CN107729582A - 基于tls的构件缺陷监测与预测系统 - Google Patents

Abstract

本申请提供了一种基于TLS技术的结构健康监测与智能预测方法，包括获取构件的外部结构的各区域点云数据，并对得到的点云数据进行预处理；对点云数据进行进一步处理，获得完整三维模型以及变形和裂纹数据，然后对初始模型进行有限元分析，得到材料的变形和裂纹结果；根据修正后的参数重建有限元模型，分析结构变形和裂纹情况，将有限元模型的变形和裂纹结果与点云数据进行比较，得出数值比较结果；利用重建的有限元模型，智能预测结构未来的变形情况，并进行风险分析，给出风险分析报告。此方法可缩短构件的外部结构的检测时间，提高构件缺陷变化趋势的准确性。

Description

基于TLS的构件缺陷监测与预测系统

技术领域

本申请涉及测量技术领域，特别是缺陷监测技术领域，具体而言，涉及一种基于TLS的构件缺陷监测与预测系统及其基于TLS的构件缺陷监测与预测方法。

背景技术

由于国内与国外地质条件、地下设施、地铁运输状况和需求，以及规范要求等多方面的差异，致使三维激光扫描技术在国内的应用，需要配合大量自主研发、适合中国国情和应用需求的软件和配套硬件，才可能发挥出该技术应有的科技水平和作用。传统的检测手段主要有全站仪、GPSRTK技术等。全站仪定位坐标时，受到天气、交通等很多因素的影响，限制较多，另外，它的测量距离短，需要频繁更换测点，而且全站仪测要求站点与被测的目标物点之间通视，至少要两个协同作业才能完成测量。当前，把构件的外部结构实际模型还原成3D模型的的技术尚未有成熟的商业化运用。CATIA、Pro/E等CAD、CAE软件虽然可以对检测获取的点云逆向建模，但是需要对特征点和特征线进行人工提取来生成模型，耗费大量的人力和时间；因此，需要一个自动化的模型重建技术，从而能够及时地构建构件的外部结构的实际模型以及预测模型，来避免各种安全隐患。基于以上原因，本发明因此而来。

发明内容

本申请旨在提供一种基于TLS的构件缺陷监测与预测系统，以解决现有技术中的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种基于TLS的构件缺陷监测与预测系统，其特征在于所述系统包括：

数据采集模块，用于获取地面激光三维扫描仪采集获取的构件外部结构各区域点云数据；然后对得到的点云数据进行加工处理；

模型重建模块，用于根据点云数据建立构件的空间三维模型即构件的初始模型，提取初始模型中构件变形和裂纹数据；以及根据预设参数对初始模型进行有限元分析，构建有限元模型，得到材料的变形和裂纹结果；最后将点云数据处理结果与有限元模型进行比对，基于响应面的方法获取有限元模型的修正参数；根据修正参数重建有限元模型，分析结构变形和裂纹情况，将有限元模型的变形和裂纹结果与点云数据进行比较，验证修正后的有限元模型；根据验证结果调整有限元模型的修正参数继续重建有限元模型，直到重建后有限元模型的变形和裂纹结果与点云数据的比较结果达到预定指标；

智能预测模块，用于根据重建的有限元模型预测构件的外部结构未来的缺陷变化趋势。

进一步的技术方案是，所述数据采集模块还用于获取工业相机采集的目标构件的外部结构的颜色信息，并添加到构件的外部结构各区域点云数据中。

进一步的技术方案是，所述数据采集模块对点云数据的加工处理包括对点云数据进行坐标纠正，使相邻区域点云图上有三个以上的同名控制点和控制标靶，将相邻的点云数据统一到同一个坐标系下；并通过国家测绘局设定的一级控制点或者二级控制点把仪器坐标系下的点云数据转化到当地或者全球坐标系统下。

进一步的技术方案是，所述模型重建模块进行初始模型的重建是对点云数据进行数据分割，划分到不同的点云子集中，每个点云子集代表同一种曲面形式；依次对每一个点云子集进行曲面拟合，运用NURBS曲面算法进行曲面拟合，对点云数据进行回归计算，得到设定条件下NURBS曲面公式模型中各参数的取值范围，最终用确定的参数分片描述扫描的点云数据，得到分片3D模型；接着，将各个分片3D模型拼接得到完整三维模型，输出点云数据、完整三维模型及其参数文件。

本发明的另一目的在于提供一种基于TLS的构件缺陷监测与预测方法，其特征在于，所述方法包括以下步骤：

(1)使用地面激光三维扫描仪扫描构件的外部结构，采集获取构件的外部结构各区域点云数据；然后对得到的点云数据进行加工处理；最后根据点云数据建立构件的空间三维模型即构件的初始模型，提取初始模型中构件变形和裂纹数据；

(2)根据预设参数对初始模型进行有限元分析，构建有限元模型，得到材料的变形和裂纹结果；然后将点云数据处理结果与有限元模型进行比对，基于响应面的方法获取有限元模型的修正参数；

(3)根据修正参数重建有限元模型，分析结构变形和裂纹情况，将有限元模型的变形和裂纹结果与点云数据进行比较，验证修正后的有限元模型；根据验证结果调整有限元模型的修正参数继续重建有限元模型，直到重建后有限元模型的变形和裂纹结果与点云数据的比较结果达到预定指标；

(4)根据重建的有限元模型预测构件的外部结构未来的缺陷变化趋势。

进一步的技术方案是，所述方法步骤(1)中还包括：

使用工业相机采集目标构件的外部结构的颜色信息，并添加到构件的外部结构各区域点云数据中。

进一步的技术方案是，所述方法步骤(1)中对得到的点云数据进行加工处理包括：

噪声处理步骤，用于对点云数据进行滤波，减少点云数据的噪声干扰；

数据配准步骤，用于对点云数据进行坐标纠正，并使相邻区域点云图上有三个以上的同名控制点和控制标靶，将相邻的点云数据统一到同一个坐标系下；然后通过国家测绘局设定的一级控制点或者二级控制点把仪器坐标系下的点云数据转化到当地或者全球坐标系统下。

进一步的技术方案是，所述方法步骤(1)中建立构件的空间三维模型包括：

数据分割步骤，用于简化点云数据后，对点云数据进行数据分割，划分到不同的点云子集中，每个点云子集代表同一种曲面形式；

曲面拟合步骤，用于依次对每一个点云子集进行曲面拟合，运用NURBS曲面算法进行曲面拟合，对点云数据进行回归计算，得到设定条件下NURBS曲面公式模型中各参数的取值范围，最终用确定的参数分片描述扫描的点云数据，得到分片3D模型；

模型拼接步骤，用于将各个分片3D模型拼接得到完整三维模型，输出点云数据、完整三维模型及其参数文件。

进一步的技术方案是，所述方法步骤(2)中的预设参数包括材料、载荷、约束条件；进行有限元分析后，获取产品外部结构的变形及裂纹结果，并与处理的点云数据进行比较，得到以曲线或云图的方式显示的数值比较结果。

进一步的技术方案是，所述方法步骤(2)中基于响应面的方法获取有限元模型的修正参数是以变形和裂纹数据作为特征量，以有限元分析中选取的参数作为设计参数，采用试验设计和回归分析方法，以显式的响应面模型逼近特征量与设计参数间复杂的隐式函数关系，获取有限元模型的修正参数。

采用上述方案后，本发明与现有技术相比较具有以下突出的优点和效果：

(1)硬件优势：一体化设计——集数据采集、软件分析以及预测评估于一体的全自动高智能三维激光扫描设备。人性化设计——彩色触摸显示屏，更易操作。智能化设计——实时获得多个时段的预测评估以及合理方案。

(2)软件优势：产品良好的兼容性，可直接导出wrl、dxf、ptx、pts、ptc、xyz、xyb、igs、pod等50多种格式的数据，方便与多种行业软件读取数据。Web共享功能，可将扫描图像直接上传至互联网，从而在无需其他辅助软件的情况下，确保客户、供应商和合作伙伴高效共享扫描信息。

(3)效益优势：人工成本优势高于传统技术5倍以上，而时间成本却只有传统技术的十分之一，由于其技术数据的全面性，综合价值更是在十倍以上。随着产品的专业化与批量化其成本竞争力可进一步提高。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1示出了本申请一种典型实施方式提出的本发明基于TLS技术的结构健康监测与智能预测系统的内部框架图。

图2示出了本申请一种典型实施方式提出的基于TLS技术的结构健康监测与智能预测系统的硬件架构图。

图3示出了本申请一种典型实施方式提出的基于TLS技术的结构健康监测与智能预测方法的流程图。

图4示出了本申请一种典型实施方式提出的基于TLS技术的结构健康监测与智能预测方法中初始模型的三维重建流程图。

具体实施方式

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施方式例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

为了便于描述，在这里可以使用空间相对术语，如“在……之上”、“在……上方”、“在……上表面”、“上面的”等，用来描述如在图中所示的一个部件或者模块或特征与其他部件或者模块或特征的空间位置关系。应当理解的是，空间相对术语旨在包含除了部件或者模块在图中所描述的方位之外的在使用或操作中的不同方位。例如，如果附图中的部件或者模块被倒置，则描述为“在其他部件或者模块或构造上方”或“在其他部件或者模块或构造之上”的部件或者模块之后将被定位为“在其他部件或者模块或构造下方”或“在其他部件或者模块或构造之下”。因而，示例性术语“在……上方”可以包括“在……上方”和“在……下方”两种方位。该部件或者模块也可以其他不同方式定位(旋转90度或处于其他方位)，并且对这里所使用的空间相对描述作出相应解释。

正如背景技术所介绍的，现有技术中的测量技术中地面三维激光扫描(TLS)需要全站仪进行坐标定位补偿，三维模型的重建困难重重，而且无法对现有产品的缺陷发展趋势进行评估等缺陷，为了解决如上的技术问题，本申请提出了一种基于地面三维激光扫描(TLS)技术的对构件的外部结构建立三维模型并进行安全评估的方法，可用于构件的外部结构的检测和评估，既可以实现构件的较为贴近真实的三维重建，又能解决构件的缺陷预测和缺陷趋势发展问题。

本申请一种典型的实施方式中，如图1和图2所示，提出了一种基于TLS技术的结构健康监测与智能预测系统，其可显著的缩短构件的外部结构的检测时间。所述系统包括：

数据采集模块，用于获取地面激光三维扫描仪采集获取的构件外部结构各区域点云数据；然后对得到的点云数据进行加工处理；

模型重建模块，用于根据点云数据建立构件的空间三维模型即构件的初始模型，提取初始模型中构件变形和裂纹数据；以及根据预设参数对初始模型进行有限元分析，构建有限元模型，得到材料的变形和裂纹结果；最后将点云数据处理结果与有限元模型进行比对，基于响应面的方法获取有限元模型的修正参数；根据修正参数重建有限元模型，分析结构变形和裂纹情况，将有限元模型的变形和裂纹结果与点云数据进行比较，验证修正后的有限元模型；根据验证结果调整有限元模型的修正参数继续重建有限元模型，直到重建后有限元模型的变形和裂纹结果与点云数据的比较结果达到预定指标；

智能预测模块，用于根据重建的有限元模型预测构件的外部结构未来的缺陷变化趋势。

本发明的技术方案基于TLS技术的结构健康监测与智能预测时，包括如下步骤：

(1)利用三维激光扫描仪扫描目标构件的外部结构，得到构件的外部结构各区域点云数据，并对得到的点云数据进行预处理；

(2)对步骤(1)中的点云数据进行进一步处理，获得完整三维模型以及变形和裂纹数据，然后对初始模型进行有限元分析，得到材料的变形和裂纹结果，并且将前述点云数据处理结果与有限元模型进行比对；再基于点云数据，修正有限元模型；

(3)根据修正后的参数重建有限元模型，分析结构变形和裂纹情况，将有限元模型的变形和裂纹结果与点云数据进行比较，得出数值比较结果，以曲线或者云图的方式显示；

(4)利用重建的有限元模型，智能预测结构未来的变形情况，并进行风险分析，给出风险分析报告。

上述步骤(1)中，还采用工业相机采集目标构件的外部结构的颜色信息，并添加到构件的外部结构各区域点云数据中。

上述步骤(1)中，对得到的点云数据进行预处理包括对点云数据进行坐标纠正，使相邻区域点云图上有三个以上的同名控制点和控制标靶，将相邻的点云数据统一到同一个坐标系下；对点云数据进行滤波，减少点云数据的噪声点；通过国家测绘局设定的一级控制点或者二级控制点把仪器坐标系下的点云数据转化到当地或者全球坐标系统下。

上述步骤(2)中，对点云数据进行进一步处理，获得完整三维模型以及变形和裂纹数据包括如下内容：将点云数据简化，对点云数据进行数据分割，划分到不同的点云子集中，每个点云子集代表同一种曲面形式；依次对每一个点云子集进行曲面拟合，运用NURBS曲面算法进行曲面拟合，对点云数据进行回归计算，得到设定条件下NURBS曲面公式模型中各参数的取值范围，最终用确定的参数分片描述扫描的点云数据，得到分片3D模型；接着，将各个分片3D模型拼接得到完整三维模型，输出点云数据、完整三维模型及其参数文件；之后，基于完整三维模型，提取整个结构的变形和裂纹数据。

上述步骤(2)中，修正有限元模型的具体内容是：将变形和裂纹数据作为特征量，将有限元分析中选取的参数作为设计参数，采用试验设计和回归分析方法，以显式的响应面模型逼近特征量与设计参数间复杂的隐式函数关系，得到简化的结构模型,给出有限元模型修正过程；用数值模拟算例和三维模型结果，实现基于响应面模型的结构有限元模型修正。

实施例

如图1所示，本发明提供一种基于TLS(地面激光三维扫描仪，Terrestrial LaserScanning,简称TLS)技术的结构健康监测与智能预测系统，包括数据采集、模型重建和智能预测三大模块。

如图2所示，在硬件架构上，三维激光扫描仪连入控制中心，数据处理单元对三维激光扫描仪获取的数据进行处理，并存储入存储阵列中，通过控制中心的显示器显示处理结果、建模结果以及预测目标。为了保证控制中心的正常工作，配备电池和系统工作电源，保证稳定工作。所述三维激光扫描仪可采用全角度(full circle)、旋转频率在100转/秒以上、扫描点生产量300000点/秒以上的高速激光扫描设备，其他参考指标(最低)包括：最小有效测量范围<1米；最大有效测量范围>100米；准确度(Accuracy)10毫米；精度(Precision)5毫米。三维激光扫描仪将生成高密度点云数据用于建立具体的三维模型，辅以1-2台工业相机，参考指标(最低)包括：5百万像素，2/3"CCD，曝光38微秒到60秒，视角80°(水平)65°(垂直)(5mm lens)。相机将与三维激光扫描仪完成标定并添加颜色信息到点云数据。相机数据将增强于模型的可视化并为点云分割提供重要依据。

本发明采用移动测量技术，与传统的测站测量相比的基本优势在于其高效性和实现全自动测量的可能性，测量员可以从繁复的手工搭建和转移测站的工作中解放出来，一方面最大程度减少测量所需人员，另一方面测量速度由于使用连续行驶的测量平台而得到大幅提高。近年扫描仪和测量技术的发展使得移动测量同时能够达到和基站测量同等甚至更高的精度成为可能。

以下具体对各个模块的工作步骤进行分解，具体如图3和图4所示：

(1)对目标构件的外部结构进行三维激光扫描和对点云数据预处理

a)利用三维激光扫描仪扫描目标构件的外部结构，得到构件的外部结构各区域点云数据，通过Laser Control软件自动匹配拼接并存储于移动设备的磁盘矩阵中；同时采用工业相机采集颜色信息，并添加到前述点云数据中，增强模型的可视化。

b)对步骤a)中三维激光扫描仪采集的点云数据进行坐标纠正，使相邻区域点云图上有三个以上的同名控制点和控制标靶，将相邻的点云数据统一到同一个坐标系下。对点云数据进行滤波，减少点云数据的噪声点。通过国家测绘局设定的一级控制点或者二级控制点把仪器坐标系下的点云数据转化到当地或者全球坐标系统下。这样，初始化点云构建成功。从磁盘数据读取数据，通过深度图像配准、平滑散乱点云数据、简化散乱点云数据，对点云数据进行预处理。其目的是用少量的不含噪音的数据点集近似取代原始的点云数据，为进一步数据分析打下基础。

(2)三维模型建立及修正

首先，对步骤(1)中的点云数据进行进一步处理，获得完整三维模型以及变形和裂纹数据。其次，对结构的设计模型或者其他描述结构理想状态的初始模型，结合材料，载荷，约束条件等等参数，进行有限元分析，得到材料的变形和裂纹结果，并且将前述点云数据处理结果与有限元模型进行比对。最后，基于点云数据，修正有限元模型。

a)点云数据处理。按照工程的需求、硬件设备计算和存储的能力，主要通过抽稀和采样等方法将点云数据简化，对点云数据进行数据分割，划分到不同的点云子集中，每个点云子集代表同一种曲面形式。依次对每一个点云子集进行曲面拟合：运用NURBS曲面算法进行曲面拟合，对点云数据进行回归计算，得到设定条件下NURBS曲面公式模型中各参数的取值范围，最终用确定的参数分片描述扫描的点云数据，得到分片3D模型。接着，将各个分片3D模型拼接得到完整三维模型，输出点云数据、完整三维模型及其参数文件。点云数据和完整三维模型作为结果可视化的一部分，为用户提供对结构直观的视觉上的展示。TLS点云三维重建流程图如图3所示。之后，基于完整三维模型，提取整个结构的变形和裂纹信息。变形信息主要有最大位移，等分点的位移，关键路径上的位移，变形的体积等等，其他变形信息将根据实际需要增加。裂纹信息主要是指裂纹的分布和裂纹的百分比，暂时并不针对单个裂纹。通过三维激光扫描点云数据的处理，一是实现了结果可视化，二是实现了对结构健康现状的全面把握和对关键信息的量化。

b)对结构的设计模型，也可以是其他描述结构理想状态的初始模型，结合材料，载荷，约束条件等等参数，进行有限元分析，得到材料的变形和裂纹结果。将变形及裂纹结果与处理的点云数据进行比较，得到数值比较结果，以曲线或云图的方式显示。预设参数往往是不够准确的，这时的有限元模型还有待进一步修正。通过修正前后的有限元模型和点云数据的直观对比，我们将不难发现TLS技术所发挥的重要作用。

c)将TLS的点云数据处理结果——变形和裂纹数据作为特征量，将有限元分析中选取的参数作为设计参数，采用试验设计和回归分析方法，以显式的响应面模型逼近特征量与设计参数间复杂的隐式函数关系，得到简化的结构模型(Meta-model),给出有限元模型修正过程，主要包括方差分析的参数选取、回归分析的响应面的拟合以及利用响应面进行有限元模型修正。针对复杂的结构讨论样本选择、修正参数选取以及如何从众多因素中较合理地建立结构的响应面模型。用数值模拟算例和三维模型结果，实现基于响应面模型的结构有限元模型修正。基于响应面方法的有限元模型修正和验证，能显著提高修正的效率，计算简洁、迭代收敛快，避开每次迭代都需要进行有限元计算。

(3)重建有限元模型

根据修正后的参数重建有限元模型，分析结构变形和裂纹情况。将有限元模型的变形和裂纹结果与TLS的点云数据进行比较，得出数值比较结果，以曲线或者云图的方式显示。

(4)利用有限元模型进行风险预测

利用修正后重建的有限元模型，智能预测结构未来的变形情况，并进行风险分析，给出风险分析报告。结合国家有关建构物的标准提出结构当前状况评估方案以及风险预测结果和建议。

分析结果显示在同一个平台中，显示结构的原始三维设计模型，TLS三维扫描点云、TLS的三维重建模型和有限元模型，其中TLS三维扫描点云以点云形式显示，其余模型以曲面形式显示。可以进行动态显示，并能通过鼠标点击或者对话框输入坐标值获得对应位置处的有限元数据结果与三维测量数据结果，得到一种可视化的、可多角度、全方位观察的三维效果图，通过鼠标操作即可实现缩放、旋转、视图选择、局部窗口显示，指定模型隐藏。可以进行有限元数据与TLS实验测试数据的误差分析，以曲线或者以云图的方式进行显示，以图片格式输出误差分析图示结果。通过分析结果的显示，使用者能更直观、全面地了解建构物目前的状况和对未来的预测，具有良好的人机界面。

根据本发明的方法，本实施例使用钢筋混凝土构件进行了建构物仿真实验，实验条件是选用废弃的钢筋混凝土构件10条，长度大致在2m，具有裂纹；首先仿真实验条件下开始对废弃的钢筋混凝土构件进行建模，并根据实验条件设定应力、材料，载荷，预测三月后的最大裂纹宽度；然后按照载荷大小在钢筋混凝土构件中间施加垂直于钢筋混凝土构件轴向的应力，在实验三月后记录最大裂纹宽度。仿真实验结果如下：

根据上表结果，可以看出，本发明缺陷的发展趋势预测结果准确，其误差在可接收的范围之内。

本发明在实际使用中，可以用于建构物缺陷的监测和缺陷的发展趋势预测。根据实验室仿真结果，表明本申请上述的实施例实现了如下技术效果：

本申请中的基于TLS技术的结构健康监测与智能预测系统可以监测缺陷如变形或者裂纹信息，并可以根据缺陷如变形或者裂纹信息的应力、材料，载荷，约束条件判断缺陷的发展方向，可以应用于震后救援等应用场景中。

本申请中的基于TLS技术的结构健康监测与智能预测方法还可以缩短构件的外部结构的检测时间，提高构件缺陷变化趋势的准确性。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种基于TLS的构件缺陷监测与预测系统，其特征在于所述系统包括：

数据采集模块，用于获取地面激光三维扫描仪采集获取的构件外部结构各区域点云数据；然后对得到的点云数据进行加工处理；

模型重建模块，用于根据点云数据建立构件的空间三维模型即构件的初始模型，提取初始模型中构件变形和裂纹数据；以及根据预设参数对初始模型进行有限元分析，构建有限元模型，得到材料的变形和裂纹结果；最后将点云数据处理结果与有限元模型进行比对，基于响应面的方法获取有限元模型的修正参数；根据修正参数重建有限元模型，分析结构变形和裂纹情况，将有限元模型的变形和裂纹结果与点云数据进行比较，验证修正后的有限元模型；根据验证结果调整有限元模型的修正参数继续重建有限元模型，直到重建后有限元模型的变形和裂纹结果与点云数据的比较结果达到预定指标；

智能预测模块，用于根据重建的有限元模型预测构件的外部结构未来的缺陷变化趋势。

2.根据权利要求1所述的基于TLS的构件缺陷监测与预测系统，其特征在于，

所述数据采集模块还用于获取工业相机采集的目标构件的外部结构的颜色信息，并添加到构件的外部结构各区域点云数据中。

3.根据权利要求1所述的基于TLS的构件缺陷监测与预测系统，其特征在于，

所述数据采集模块对点云数据的加工处理包括对点云数据进行坐标纠正，使相邻区域点云图上有三个以上的同名控制点和控制标靶，将相邻的点云数据统一到同一个坐标系下；并通过国家测绘局设定的一级控制点或者二级控制点把仪器坐标系下的点云数据转化到当地或者全球坐标系统下。

4.根据权利要求1所述的基于TLS的构件缺陷监测与预测系统，其特征在于，

所述模型重建模块进行初始模型的重建是对点云数据进行数据分割，划分到不同的点云子集中，每个点云子集代表同一种曲面形式；依次对每一个点云子集进行曲面拟合，运用NURBS曲面算法进行曲面拟合，对点云数据进行回归计算，得到设定条件下NURBS曲面公式模型中各参数的取值范围，最终用确定的参数分片描述扫描的点云数据，得到分片3D模型；接着，将各个分片3D模型拼接得到完整三维模型，输出点云数据、完整三维模型及其参数文件。

5.一种基于TLS的构件缺陷监测与预测方法，其特征在于，所述方法包括以下步骤：

（1）使用地面激光三维扫描仪扫描构件的外部结构，采集获取构件的外部结构各区域点云数据；然后对得到的点云数据进行加工处理；最后根据点云数据建立构件的空间三维模型即构件的初始模型，提取初始模型中构件变形和裂纹数据；

（2）根据预设参数对初始模型进行有限元分析，构建有限元模型，得到材料的变形和裂纹结果；然后将点云数据处理结果与有限元模型进行比对，基于响应面的方法获取有限元模型的修正参数；

（3）根据修正参数重建有限元模型，分析结构变形和裂纹情况，将有限元模型的变形和裂纹结果与点云数据进行比较，验证修正后的有限元模型；根据验证结果调整有限元模型的修正参数继续重建有限元模型，直到重建后有限元模型的变形和裂纹结果与点云数据的比较结果达到预定指标；

（4）根据重建的有限元模型预测构件的外部结构未来的缺陷变化趋势。

6.根据权利要求5所述的构件缺陷监测与预测方法，其特征在于，

所述方法步骤（1）中还包括：

使用工业相机采集目标构件的外部结构的颜色信息，并添加到构件的外部结构各区域点云数据中。

7.根据权利要求5所述的构件缺陷监测与预测方法，其特征在于，

所述方法步骤（1）中对得到的点云数据进行加工处理包括：

噪声处理步骤，用于对点云数据进行滤波，减少点云数据的噪声干扰；

数据配准步骤，用于对点云数据进行坐标纠正，并使相邻区域点云图上有三个以上的同名控制点和控制标靶，将相邻的点云数据统一到同一个坐标系下；然后通过国家测绘局设定的一级控制点或者二级控制点把仪器坐标系下的点云数据转化到当地或者全球坐标系统下。

8.根据权利要求5所述的构件缺陷监测与预测方法，其特征在于，

所述方法步骤（1）中建立构件的空间三维模型包括：

数据分割步骤，用于简化点云数据后，对点云数据进行数据分割，划分到不同的点云子集中，每个点云子集代表同一种曲面形式；

曲面拟合步骤，用于依次对每一个点云子集进行曲面拟合，运用NURBS曲面算法进行曲面拟合，对点云数据进行回归计算，得到设定条件下NURBS曲面公式模型中各参数的取值范围，最终用确定的参数分片描述扫描的点云数据，得到分片3D模型；

模型拼接步骤，用于将各个分片3D模型拼接得到完整三维模型，输出点云数据、完整三维模型及其参数文件。

9.根据权利要求5所述的构件缺陷监测与预测方法，其特征在于，

所述方法步骤（2）中的预设参数包括材料、载荷、约束条件；进行有限元分析后，获取产品外部结构的变形及裂纹结果，并与处理的点云数据进行比较，得到以曲线或云图的方式显示的数值比较结果。

10.根据权利要求5所述的构件缺陷监测与预测方法，其特征在于，

所述方法步骤（2）中基于响应面的方法获取有限元模型的修正参数是以变形和裂纹数据作为特征量，以有限元分析中选取的参数作为设计参数，采用试验设计和回归分析方法，以显式的响应面模型逼近特征量与设计参数间复杂的隐式函数关系，获取有限元模型的修正参数。