CN113722789A - 基于3d激光扫描和过程反馈的钢结构桥梁虚拟拼装方法 - Google Patents

基于3d激光扫描和过程反馈的钢结构桥梁虚拟拼装方法 Download PDF

Info

Publication number
CN113722789A
CN113722789A CN202110831302.3A CN202110831302A CN113722789A CN 113722789 A CN113722789 A CN 113722789A CN 202110831302 A CN202110831302 A CN 202110831302A CN 113722789 A CN113722789 A CN 113722789A
Authority
CN
China
Prior art keywords
point cloud
model
cloud data
scanning
point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110831302.3A
Other languages
English (en)
Other versions
CN113722789B (zh
Inventor
梁栋
葛昌伟
杨柳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hebei University of Technology
Original Assignee
Hebei University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hebei University of Technology filed Critical Hebei University of Technology
Priority to CN202110831302.3A priority Critical patent/CN113722789B/zh
Publication of CN113722789A publication Critical patent/CN113722789A/zh
Application granted granted Critical
Publication of CN113722789B publication Critical patent/CN113722789B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Hardware Design (AREA)
  • Civil Engineering (AREA)
  • Architecture (AREA)
  • Structural Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种基于3D激光扫描和过程反馈的钢结构桥梁虚拟拼装方法，其特征在于，如下步骤：第一步：在三维建模软件Auto CAD中形成理论模型；第二步：利用3D激光扫描仪采集钢结构桥梁的点云数据；第三步：对三维激光扫描的数据进行预处理，并且利用空间几何知识论述偏差分析方法；第四步：将上述第三步处理后的点云云数据导入Geomagic三维软件中；第五步：采用拟合方法，对比构件实测模拟拼装模型及相对应的理论模型，得到分段构件和端口的加工误差及构件间的连接误差；第六步：统计分析相关数据记录。本发明省去了实体预拼的流程，能极大的缩短所需的工期；三维激光扫描每秒可采集百万个点，相比于传统的检测具有显著的优势，缩短工期。

Description

基于3D激光扫描和过程反馈的钢结构桥梁虚拟拼装方法
技术领域
本发明属于属于桥梁施工领域，尤其涉及一种基于3D激光扫描和过程反馈的钢结构桥梁虚拟拼装方法。
背景技术
随着我国社会经济的快速发展，钢结构复杂结构桥梁日趋增多。钢结构复杂结构桥梁的特殊性主要体现在三个方面：一是空间结构，外形美观。二是多为高次超静定结构，受力复杂，传力路径不易确定；三是失效形式多样化，包括材料失效、结构或构件失稳等。钢结构施工过程中受结构变形、受力等因素的影响，各因素间又互相关联，在钢结构未成型的状态时经常出现危险。由于施工过程中缺乏精准的受力和变形分析，已有大量的工程在施工阶段就发生事故。因此，考虑钢结构桥梁梁段在预拼装前受多种因素影响的变形、受力，通过进行梁段扫描、建模、拼装，找出与根据施工图纸设计的钢构件的理论值偏差，并采取相应的措施进行控制，这无论在理论还是应用上，都对工程质量、施工安全及工程管理具有十分重要的意义。
目前，业内常用的现有技术是这样的：
三维激光扫描技术技术在船舶设计、文物古迹保护、数字城市、建筑物监测、灾害评估、虚拟现实、地形勘测等各个行业都有着广泛的应用。
三维激光扫描仪在土木木工程领域中已基本实现变形监测功能，充分利用了三维激光扫描仪的优势，但与此同时采用高速度、大面积的扫描方法也产生了海量的点云数据，而在数据处理方面大都采用点云数据处理的逆向工程软件，基本实现了点云数据处理功能，具有一定的通用性，但缺乏了针对性并不适用所有扫描构件的数据处理。在可视化方面可实现简单的点云可视化功能，同时可为无颜色特征的点云数据赋予颜色。但每个视图窗口只能显示一个点云处理结果，若要实现数据处理前后的对比，不仅需要分别调用窗口显示，而且人工调节的显示角度只能大概相同，辨别效果差；在点云去噪方面，逆向工程软件中将点云去噪分为非连接项、体外孤点以及减少噪音三部分。选择非连接项时有分隔和大小两个参数设置，其中分隔包含低、中、高三个选项，但低、中、高的分界点难以确定，没有统一标准；大小为选中点的数量比例，设置参数时无参考对象较随机，无法判断是否设置过度造成特征损失或设置过小非连接项去除不完全；体外孤点是通过敏感性值的设置，该值越大，找出的体外孤点越多，与非连接项大小参数设置类似存在一定缺陷。减少噪音参数有自由曲面形状、棱柱形保守和棱柱形积极三种，但在实际操作中一般要手动框选出明显无关点删除，降低了处理效率；在点云采样压缩方面，主要有四种采样方式，即曲率采样、等距采样、统一采样和随机采样。主要基于曲率百分比参数、间距参数、剩余点数目参数以及直接对原始点云数据百分比采样。该软件能实现点云的压缩，但其中大都是根据百分比和点间距来直接采样数据，没有重新计算点云的分布，且无法参考其具体采样原理设置参数。
综上所述，现有技术存在的问题是：
(1)三维激光扫描仪在扫描桥梁等结构中，会产生海量的点云数据，在数据处理中大都采用点云数据处理的逆向工程软件，虽然基本实现了点云数据处理功能，具有一定的通用性，但缺乏了针对性并不适用所有扫描构件的数据处理。
(2)在可视化方面，每个视图窗口只能显示一个点云处理结果，若要实现数据处理前后的对比，不仅需要分别调用窗口显示，而且人工调节的显示角度只能大概相同，辨别效果差。
(3)在点云去噪方面，逆向工程软件中将点云去噪分为非连接项、体外孤点以及减少噪音三部分。选择非连接项时有分隔和大小两个参数设置，其中分隔包含低、中、高三个选项，但低、中、高的分界点难以确定，没有统一标准；大小为选中点的数量比例，设置参数时无参考对象较随机，无法判断是否设置过度造成特征损失或设置过小非连接项去除不完全；体外孤点是通过敏感性值的设置，该值越大，找出的体外孤点越多，与非连接项大小参数设置类似存在一定缺陷。
(4)减少噪音参数有自由曲面形状、棱柱形保守和棱柱形积极三种，但在实际操作中一般要手动框选出明显无关点删除，降低了处理效率。
(5)软件能实现点云的压缩，但其中大都是根据百分比和点间距来直接采样数据，没有重新计算点云的分布，且无法参考其具体采样原理设置参数。
解决上述技术问题的难度和意义：
无论是现有的逆向建模软件还是一些基本的算法在点云数据处理上都存在一定的缺陷。因此本发明以实现虚拟拼装为目的，针对点云数据处理方法进行研究。跟随三维激光扫描技术获取点云数据、基于点云数据处理的算法研究处理数据、形成的三维模型进行偏差分析、根据拼接面匹配进行装配等步骤最终形成虚拟瓶装技术的基于3D激光扫描和过程反馈的钢结构桥梁虚拟拼装方法。
发明内容
针对现有技术存在的问题，本发明提供了一种基于3D激光扫描和过程反馈的钢结构桥梁虚拟拼装方法。
本发明是这样实现的，一种基于3D激光扫描和过程反馈的钢结构桥梁虚拟拼装方法，其特征在于，如下步骤：
第一步：根据设计图文资料和加工、安装方案，在构件分段与胎架设置安装措施可保证自重受力变形不致影响安装精度的前提下，建立设计、制造、安装全部信息的拼装工艺及三维几何模型，完全整合形成一致的输入文件，通过模型导出分段构件和相关零件的加工制作详图，在三维建模软件Auto CAD中形成理论模型；
第二步：构件制作验收后，利用3D激光扫描仪采集钢结构桥的点云数据；第三步：对三维激光扫描的数据进行预处理，点云数据处理的理论及关键技术主要包括多视点点云数据配准拼接、点云数据采样、去除离群点及点云数据分割，利用Leica ScanStation P30/P40超高速三维激光扫描仪获取点云数据，生成txt文件格式，通过PCL点云库进行数据处理，并且利用空间几何知识论述偏差分析方法；
第四步：将上述第三步处理后的点云云数据导入Geomagic三维软件中；
第五步：采用拟合方法，对比构件实测模拟拼装模型及相对应的理论模型，得到分段构件和端口的加工误差及构件间的连接误差；所述步骤五包括为实现钢构件的虚拟拼装技术，如何获得钢构件的制作误差，采用激光扫描数据建立三维点云模型与施工图纸坐标值建立三维理论模型对比的误差分析，将获取的点云数据建立的点云模型作为钢构件实际制造结果，利用CAD软件根据施工图纸建立相应的理论模型，通过点云模型与理论模型的比较，计算得出构件整体的制作误差；
第六步：统计分析相关数据记录，对不符合规范允许公差和现场安装精度的分段构件或零件，应修改校正后重新测量、拼装、比对，直至符合精度要求；必要时，须重新加工，重新模拟。
优选的，在步骤二中需要进行扫描站点的选择及扫描参数的选择，具体如下：
首先，根据测量精度所需要的最大测点间距为前提，建立了利用3D激光扫描的优化扫描策略；
优化布置钢结构桥的测站，其中BC所在直线代表桥侧面，O为扫描仪最大测程，BC＝hmax是根据扫描要求所确定的最大的测点间距(mm)，N为测站间距的1/2，M为测站位置正视所测桥面时的直线距离，D为仪器到所测目标的垂直距离，P为测站到直视所测平面的水平距离，∠BAC为两个最大测点间距点上的扫描光线的夹角，∠ABC为其中一个最大测点的扫描光线与桥之间的夹角，AB为两个最大测点间距点上的扫描光线的交点到其中一个点的距离，X为扫描分辨率；
其中：∠BAC＝90°，∠ABC＝arctan(N/M)，
Figure BDA0003175657920000041
其次，确定此次扫描任务的最佳扫描分辨率X如式(3)；
O2＝N2+M2 (1)
M2＝D2+P2 (2)
Figure BDA0003175657920000051
然后，综合考虑扫描测站距离扫描区域最大不超过50m，即O＝50，当入射角为45°时N＝M，当入射角等于60°时N＝1.73M，那么所测最大入射角点B到正视桥面的所测长度范围N与测站到所测桥面正视直线距离M关系一定时，扫描分辨率X与测站到所测桥面正视直线距离M的关系表现出反比例趋势；
假设被扫描物体所示的长方体，其长、高、宽分别为a、b和c；为使测站数最少，扫描测程O与入射角θ取最大值；在桥侧面，O取值为50m，入射角θ取值为60°，得到N为43.30m；在桥上面，O取值为50m，入射角θ取值为45°，得到N为35.35m，那么最少的测站总数S与所测桥梁的长、宽的关系如为：
Figure BDA0003175657920000052
由此可得出，在设定测点最大距离后，如何确定测站数目。
优选的，此步骤中包括：
1)点云数据配准：根据地面三维激光扫描技术的技术原理，获取数据时需布置多个测站对物体进行扫描，这样扫描获得的多个测站点云数据被称为多视点云数据，它们的坐标系是相对独立的；
2)点云数据格式转换：将txt点云数据格式转存为适用性强、下载速度快、存储和处理有序点云数据的能力非常高的PCD格式；利用PCL平台编写txt转pcd格式的通用代码；
3)点云数据可视化：利用PCL编制代码实现点云可视化；编译多视口显示代码，对同一点云数据同时显示颜色特征情况下设置两个不同的搜索半径显示法线：视口一设置参数为(0,0,0)的黑色背景，0.01的搜索半径；视口二设置参数为(0.3,0.3,0.3)的灰色背景，0.1的搜索半径。这样比较两组法线，可观察到设置不同参数得到处理效果不同，这有助于选择合适的参数，并能实时获得该参数下的处理效果；
4)点云数据去噪：利用PCL依据邻近点数目和平均距离编制滤波算法实现点云去噪，统计分析了每个点的邻域，将不符合标准的点进行去除；
5)点云数据采样：基于PCL平台编制代码实现点云压缩、基于体素化网格算法进行采样，根据体素大小的设置，在保证点云形状特征的情况下，能够减少大量的点云数据并且加快了点云数据特征识别、曲面重建、多边形生成后期处理的速度；
6)点云数据分割：利用PCL库编制代码实现点云分割，针对不同的需求编制代码可实现以下几种分割，包括：整体分割、平面模型分割、体模型分割、欧式距离聚类。
优选的，第三步点云数据采样中所述的算法为：首先建立一个最小三维体素栅格，然后针对获取的点云数据须要划分的小立方栅格，计算出其边长L；其次将三维体栅格划分成m×n×l个小栅格，分解栅格将点云数据放在相应的小栅格中，将不包含数据点的小栅格删除，在每一个小栅格中，保留离小栅格重心最近的数据点，删除剩余的点云数据。
优选的，在步骤五中，为实现点云模型和理论模型的对比分析，首先将两个模型统一到同一坐标系下，将理论模型设置为参考模型，坐标为(X,Y,Z)，点云模型设置为实验模型，坐标为(x,y,z)，经过R、T变换后得到点云模型在理论模型所处坐标系下的坐标值；
其次，根据理论模型上下装配面的顶点坐标值获得其形心坐标，连接上下两装配面形心坐标确定形心轴的位置；同时，根据八个顶点坐标值可计算出中间截面的各顶点坐标值以及形心点坐标值；在平截长方棱锥台对齐示意图中，以平截长方棱锥台中心为原点建立空间直角坐标系X-Y-Z轴，已知顶点坐标分别为：A1(x1,y1,z1)，B1(x2,y2,z2)，C1(x3,y3,z3)，D1(x4,y4,z4)，A2(x5,y5,z5)，B2(x6,y6,z6)，C2(x7,y7,z7)，D2(x8,y8,z8)；以中间截面为例，根据各顶点坐标可求出中间截面A3B3C3D3以及各顶点坐标，连接对角线B3D3，将四边形A3B3C3D3分为两个三角形，那么两个三角形的形心分别为(xc1,yc1,zc1)、(xc2,yc2,zc3)，其中：
Figure BDA0003175657920000071
Figure BDA0003175657920000072
Figure BDA0003175657920000073
Figure BDA0003175657920000074
Figure BDA0003175657920000075
Figure BDA0003175657920000076
两三角形面积分别为：
Figure BDA0003175657920000077
Figure BDA0003175657920000078
则四边形A3B3C3D3的三维形心M点坐标为(XC3,YC3,ZC3)，其中：
Figure BDA0003175657920000079
Figure BDA00031756579200000710
Figure BDA00031756579200000711
形心M、N所在的曲线即为理论模型的形心轴；同时按照上述计算方法计算点云三维模型形心M'、N'，以形心M点为定点进行两模型的初步对齐；
此时模型只存在一个固定点，模型可进行360°旋转，因此，在四边形A3B3C3D中分别连接MA3，MB3，MC3，MD3，划分成四个三角形，再次计算三角形各边中点并进行连接，形成与中间截面A3B3C3D3相似的四边形A4B4C4D4；按上述方法计算点云模型的中间截面四边形A3'B3'C3'D3'，分别连接M'A3'，M'B3'，M'C3'，M'D3'并以M'为端点在各边上截取M'A4'，M'B4'，M'C4'，M'D4'，使得M'A4'＝MA4，M'B4'＝MB4，M'C4'＝MC4，M'D4'＝MD4，即M'A4'与MA4重合，M'B4'与MB4重合，M'C4'与MC4重合，M'D4'与MD4重合，这样就以理论模型中A4、B4、C4、D4为定点约束水平方向的旋转；
还需防止点云模型竖向旋转：由于理论模型构件上下装配面大小不同，因此在理论模型中间截面和装配面较大的下装配面之间按照前文再次计算形心点N以及中间截面A5B5C5D5，并得到定点A6、B6、C6、D6；同理获得点云模型A6'、B6'、C6'、D6'，再次进行对齐；通过形心轴以及模型内部两个中间截面的相似四边形的顶点约束最终完成点云模型以及理论模型的对齐，对齐后通过计算转化后的点云数据模型与理论模型的差值得到制造偏差。
本发明具有的优点和技术效果：描述了三维激光扫描技术的系统组成与扫描流程，同时针对激光扫描的参数进行了优化，主要针对测站布置与扫描分辨率进行了说明，并以一人行天桥为例，完成了天桥的数据获取，点云质量效果较好。针对逆向工程软件和一些基本算法存在的缺陷，提出了某些阶段的数据处理算法，主要包括点云配准、格式转化、点云去噪、点云采样、点云切割等，利用工程实例与逆向工程软件处理结果进行了对比，对比结果显示本发明算法处理效果较好。同时提出了偏差分析对齐的方法的理论依据。为实现虚拟拼装目的，利用三维激光扫描仪对钢构件进行扫描，并根据本发明算法处理点云数据建立点云三维模型，同时根据施工设计图纸利用CAD软件建立三维理论模型，通过前文偏差分析对齐方法实现两模型对齐，并对各节段的整体相对偏差进行分析，而且与规范允许值进行了比较，判断各构件是否符合规范要求；针对各构件点云模型进行初步预拼装。
附图说明
图1是模拟预拼装流程；
图2是3D激光扫描仪测站空间角度示意图；
图3是3D激光扫描仪测站平面布置图；
图4是最佳扫描分辨率与正视距离M的关系图；
图5是扫描测站优化布置图；
图6是三维激光扫描数据处理一般流程图；
图7是Txt格式转换流程图；
图8是多视口可视化代码流程图；
图9是多窗口可视化图；
图10是去噪代码流程图；
图11是点云数据采样逻辑图；
图12是理论模型与实际模型对齐几何示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参见图1，一种基于3D激光扫描和过程反馈的钢结构桥梁虚拟拼装方法，包括以下步骤：
第一步：根据设计图文资料和加工安装方案等技术文件，在构件分段与胎架设置等安装措施可保证自重受力变形不致影响安装精度的前提下，建立设计、制造、安装全部信息的拼装工艺三维几何模型，完全整合形成一致的输入文件，通过模型导出分段构件和相关零件的加工制作详图，在三维建模软件Auto CAD中形成理论模型；
第二步：构件制作验收后，利用3D激光扫描仪采集钢结构桥的点云数据，在这需要进行扫描站点的选择及扫描参数的选择；
此步骤中：本发明根据测量精度所需要的最大测点间距为前提，建立了利用3D激光扫描的优化扫描策略。以任一桥梁结构为例，图2和图3是测站优化布置的几何示意图，BC所在直线代表桥侧面，O为扫描仪最大测程，BC＝hmax是根据扫描要求所确定的最大的测点间距(mm)，N为测站间距的1/2，M为测站位置正视所测桥面时的直线距离，D为仪器到所测目标的垂直距离，P为测站到直视所测平面的水平距离，∠BAC为两个最大测点间距点上的扫描光线的夹角，∠ABC为其中一个最大测点的扫描光线与桥之间的夹角，AB为两个最大测点间距点上的扫描光线的交点到其中一个点的距离，X为扫描分辨率；
其中：∠BAC＝90°，∠ABC＝arctan(N/M)，
Figure BDA0003175657920000101
如图2和图3所示，可确定此次扫描任务的最佳扫描分辨率X如式(3)；
O2＝N2+M2 (1)
M2＝D2+P2 (2)
Figure BDA0003175657920000102
综合考虑扫描测站距离扫描区域最大不超过50m，即O＝50，当入射角为45°时N＝M，当入射角等于60°时N＝1.73M，那么所测最大入射角点B到正视桥面的所测长度范围N与测站到所测桥面正视直线距离M关系一定时，扫描分辨率X与测站到所测桥面正视直线距离M的如图4所示呈现反比例关系；
假设被扫描物体如图5所示的长方体，其长、高、宽分别为a、b和c。为使测站数最少，扫描测程O与入射角θ取最大值。在桥侧面，O取值为50m，入射角θ取值为60°，得到N为43.30m；在桥上面，O取值为50m，入射角θ取值为45°，得到N为35.35m，那么最少的测站总数S与所测桥梁的长、宽的关系如式(3)所示。由此可得出，在设定测点最大距离后，如何确定测站数目。
Figure BDA0003175657920000111
在实际应用中测站点数目与周围环境、遮挡、稳定性等因素密切相关。考虑数据的有效性，实际的数目往往多于计算公式给出的数目，但利用该公示的计算，可以估计出基本标靶使用数目、作业时间、仪器电量使用以及其他设备的租用时间，以便在实际应用中做好充分的准备。
第三步：对三维激光扫描的数据进行预处理，点云数据处理的理论及关键技术主要包括多视点点云数据配准拼接、点云数据采样、去除离群点及点云数据分割等，一般流程见图6本发明利用新一代Leica ScanStation P30/P40超高速三维激光扫描仪获取点云数据，生成txt文件格式，通过PCL点云库进行数据处理，并且利用空间几何知识论述偏差分析方法。
此步骤中包括：
1)点云数据配准：根据地面三维激光扫描技术的技术原理，获取数据时需布置多个测站对物体进行扫描，这样扫描获得的多个测站点云数据被称为多视点云数据，它们的坐标系是相对独立的。由于基于特征配准的精度较差，本发明采用Leica Scan StationP40/30仪器测量，采用标靶拼接，与基于特征拼接方法相比减少了人工误差，提高了配准精度。
2)点云数据格式转换：本发明将txt点云数据格式转存为适用性强、下载速度快、存储和处理有序点云数据的能力非常高的PCD格式。利用PCL平台编写txt转pcd格式的通用代码，主要流程如图7所示，利用新建文件的指针完成转换；
3)点云数据可视化：为弥补逆向工程软件中的不足，本发明利用PCL编制代码实现点云可视化，不仅能实现逆向工程软件中的基本功能，而且可实现绘制普通形状、多视口的数据显示等功能；编译多视口显示代码，代码流程如图8所示，对同一点云数据同时显示颜色特征情况下设置两个不同的搜索半径显示法线：视口一设置参数为(0,0,0)的黑色背景，0.01的搜索半径；视口二设置参数为(0.3,0.3,0.3)的灰色背景，0.1的搜索半径。这样比较两组法线，可观察到设置不同参数得到处理效果不同，这有助于选择合适的参数，并能实时获得该参数下的处理效果，如图9所示；
4)点云数据去噪：本发明利用PCL依据邻近点数目和平均距离编制滤波算法实现点云去噪，很好的解决了其中部分问题，统计分析了每个点的邻域，将不符合标准的点进行去除。该算法的主要原理是计算每个点云到它的所有邻近点的平均距离，假设得到的结果是一个高斯分布，均值和标准差决定了其形状，将平均距离在标准范围之外的点视为离群点并可从数据集中去除得到新的点云数据，去噪代码流程图见图10；
5)点云数据采样：本发明基于PCL平台编制代码实现点云压缩。本发明基于体素化网格方法进行采样，根据体素大小的设置，在保证点云形状特征的情况下，能够减少大量的点云数据并且加快了点云数据特征识别、曲面重建、多边形生成等后期处理的速度。该算法主要原理是在添加的点云数据中创建三维体素栅格，将每个体素栅格中的点用栅格内所有点的重心所来替代，这样计算所有体素后，点云过滤完成。该方法与体素中心逼近法相比虽速度较慢但使曲面重建更精准。
算法的主要思路:首先建立一个最小三维体素栅格，然后针对获取的点云数据须要划分的小立方栅格，计算出其边长L；其次将三维体栅格划分成m×n×l个小栅格，分解栅格将点云数据放在相应的小栅格中，将不包含数据点的小栅格删除，在每一个小栅格中，保留离小栅格重心最近的数据点，删除剩余的点云数据，其采样逻辑图见图11；
6)点云数据分割：因此本文利用PCL库编制代码实现点云分割。针对不同的需求编制代码可实现以下几种分割，包括：整体分割、平面模型分割、体模型分割、欧式距离聚类。
第四步：将上述第三步处理后的点云云数据导入Geomagic三维软件中。
第五步：采用拟合方法，对比构件实测模拟拼装模型及相对应的理论模型，得到分段构件和端口的加工误差及构件间的连接误差。
此步骤中包括：
为实现钢构件的虚拟拼装技术，如何获得钢构件的制作误差显得尤为重要，因此本文提出一种基于激光扫描数据建立三维点云模型与基于施工图纸坐标值建立三维理论模型对比的误差分析方法。将获取的点云数据建立的点云模型作为钢构件实际制造结果，利用CAD软件根据施工图纸建立相应的理论模型，通过点云模型与理论模型的比较，计算得出构件整体的制作误差。
为实现点云模型和理论模型的对比分析，将两个模型如何进行对齐成为关键问题。为此本文针对该问题进行研究。首先将两个模型统一到同一坐标系下，将理论模型设置为参考模型，坐标为(X,Y,Z)，点云模型设置为实验模型，坐标为(x,y,z)，经过R、T变换后得到点云模型在理论模型所处坐标系下的坐标值。
其次，根据理论模型上下装配面的顶点坐标值获得其形心坐标，连接上下两装配面形心坐标确定形心轴的位置。同时，根据八个顶点坐标值可计算出中间截面的各顶点坐标值以及形心点坐标值。如图12在平截长方棱锥台对齐示意图所示，以平截长方棱锥台中心为原点建立空间直角坐标系X-Y-Z轴，已知顶点坐标分别为：A1(x1,y1,z1)，B1(x2,y2,z2)，C1(x3,y3,z3)，D1(x4,y4,z4)，A2(x5,y5,z5)，B2(x6,y6,z6)，C2(x7,y7,z7)，D2(x8,y8,z8)；以中间截面为例，根据各顶点坐标可求出中间截面A3B3C3D3以及各顶点坐标，连接对角线B3D3，将四边形A3B3C3D3分为两个三角形，那么两个三角形的形心分别为(xc1,yc1,zc1)、(xc2,yc2,zc3)，其中：
Figure BDA0003175657920000131
Figure BDA0003175657920000132
Figure BDA0003175657920000133
Figure BDA0003175657920000141
Figure BDA0003175657920000142
Figure BDA0003175657920000143
两三角形面积分别为：
Figure BDA0003175657920000144
Figure BDA0003175657920000145
则四边形A3B3C3D3的三维形心M点坐标为(XC3,YC3,ZC3)，其中：
Figure BDA0003175657920000146
Figure BDA0003175657920000147
Figure BDA0003175657920000148
形心M、N所在的曲线即为理论模型的形心轴。同时按照上述计算方法计算点云三维模型形心M'、N'，以形心M点为定点进行两模型的初步对齐；
此时模型只存在一个固定点，模型可进行360°旋转，因此，在四边形A3B3C3D中分别连接MA3，MB3，MC3，MD3，划分成四个三角形，再次计算三角形各边中点并进行连接，形成与中间截面A3B3C3D3相似的四边形A4B4C4D4。按上述方法计算点云模型的中间截面四边形A3'B3'C3'D3'，分别连接M'A3'，M'B3'，M'C3'，M'D3'并以M'为端点在各边上截取M'A4'，M'B4'，M'C4'，M'D4'，使得M'A4'＝MA4，M'B4'＝MB4，M'C4'＝MC4，M'D4'＝MD4，即M'A4'与MA4重合，M'B4'与MB4重合，M'C4'与MC4重合，M'D4'与MD4重合，这样就以理论模型中A4、B4、C4、D4为定点约束水平方向的旋转；
防止点云模型竖向旋转：由于理论模型构件上下装配面大小不同，因此在理论模型中间截面和装配面较大的下装配面之间按照前文所述再次计算形心点N以及中间截面A5B5C5D5，并得到定点A6、B6、C6、D6。同理获得点云模型A6'、B6'、C6'、D6'，再次进行对齐。通过形心轴以及模型内部两个中间截面的相似四边形的顶点约束最终完成点云模型以及理论模型的对齐，对齐后通过计算转化后的点云数据模型与理论模型的差值得到制造偏差。
第六步：统计分析相关数据记录，对不符合规范允许公差和现场安装精度的分段构件或零件，应修改校正后重新测量、拼装、比对，直至符合精度要求。必要时，须重新加工，重新模拟。
应用本实施例的技术方案，效果是：
(1)传统的实体预拼必须在所有构件都生产完毕才能进行，基于三维激光扫描的钢结构桥梁虚拟预拼新技术在单个构件制作完成后，生产其他构件单元的同时即可扫描其点云数据，整个钢结构生产过程中，省去了实体预拼的流程，能极大的缩短所需的工期。三维激光扫描每秒可采集百万个点，相比于传统的检测具有显著的优势，缩短工期。
(2)与传统方法相比，能直接获得桥梁全部构件的整体构形信息，检测更加全面、准确。
(3)在点云数据处理方面，提出了点云格式转换、点云去噪、点云压缩采样、点云分割等算法，通过工程实例的验证，处理效果较好，弥补了逆向工程软件和某些阶段的基本点云处理算法中存在的不足。
(4)提出了点云建立的三维模型与施工图纸建立的三维理论模型的对比分析制作偏差的方法，同时提供了偏差分析方法的理论依据，并在钢构件制作偏差分析中得到应用。
(6)在数据处理方面，本文提出算法更优于逆向工程软件处理结果
(5)偏差分析结果与规范允许偏差值进行了对比，初步实现了钢构件的虚拟拼装技术。还可以配备报警器，当连续多次钢结构梁段的制造误差超出误差限制时，报警器进行报警，提醒施工人员对钢结构生产设备和生产工艺等进行检查。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于3D激光扫描和过程反馈的钢结构桥梁虚拟拼装方法，其特征在于，如下步骤：
第一步：根据设计图文资料和加工、安装方案，在构件分段与胎架设置安装措施可保证自重受力变形不致影响安装精度的前提下，建立设计、制造、安装全部信息的拼装工艺及三维几何模型，完全整合形成一致的输入文件，通过模型导出分段构件和相关零件的加工制作详图，在三维建模软件Auto CAD中形成理论模型；
第二步：构件制作验收后，利用3D激光扫描仪采集钢结构桥梁的点云数据；
第三步：对三维激光扫描的数据进行预处理，点云数据处理的理论及关键技术主要包括多视点点云数据配准拼接、点云数据采样、去除离群点及点云数据分割，利用LeicaScanStation P30/P40超高速三维激光扫描仪获取点云数据，生成txt文件格式，通过PCL点云库进行数据处理，并且利用空间几何知识论述偏差分析方法；
第四步：将上述第三步处理后的点云云数据导入Geomagic三维软件中；
第五步：采用拟合方法，对比构件实测模拟拼装模型及相对应的理论模型，得到分段构件和端口的加工误差及构件间的连接误差；所述步骤五包括为实现钢构件的虚拟拼装技术，如何获得钢构件的制作误差，采用激光扫描数据建立三维点云模型与施工图纸坐标值建立三维理论模型对比的误差分析，将获取的点云数据建立的点云模型作为钢构件实际制造结果，利用CAD软件根据施工图纸建立相应的理论模型，通过点云模型与理论模型的比较，计算得出构件整体的制作误差；
第六步：统计分析相关数据记录，对不符合规范允许公差和现场安装精度的分段构件或零件，应修改校正后重新测量、拼装、比对，直至符合精度要求；必要时，须重新加工，重新模拟。
2.根据权利要求1所述的基于3D激光扫描和过程反馈的钢结构桥梁虚拟拼装方法，其特征在于：在步骤二中需要进行扫描站点的选择及扫描参数的选择，具体如下：
首先，根据测量精度所需要的最大测点间距为前提，建立了利用3D激光扫描的优化扫描策略；
优化布置钢结构桥的测站，其中BC所在直线代表桥侧面，O为扫描仪最大测程，BC＝hmax是根据扫描要求所确定的最大的测点间距(mm)，N为测站间距的1/2，M为测站位置正视所测桥面时的直线距离，D为仪器到所测目标的垂直距离，P为测站到直视所测平面的水平距离，∠BAC为两个最大测点间距点上的扫描光线的夹角，∠ABC为其中一个最大测点的扫描光线与桥之间的夹角，AB为两个最大测点间距点上的扫描光线的交点到其中一个点的距离，X为扫描分辨率；
其中：∠BAC＝90°，∠ABC＝arctan(N/M)，
Figure FDA0003175657910000021
其次，确定此次扫描任务的最佳扫描分辨率X如式(3)；
O2＝N2+M2 (1)
M2＝D2+P2 (2)
Figure FDA0003175657910000022
然后，综合考虑扫描测站距离扫描区域最大不超过50m，即O＝50，当入射角为45°时N＝M，当入射角等于60°时N＝1.73M，那么所测最大入射角点B到正视桥面的所测长度范围N与测站到所测桥面正视直线距离M关系一定时，扫描分辨率X与测站到所测桥面正视直线距离M的关系表现出反比例趋势；
假设被扫描物体所示的长方体，其长、高、宽分别为a、b和c；为使测站数最少，扫描测程O与入射角θ取最大值；在桥侧面，O取值为50m，入射角θ取值为60°，得到N为43.30m；在桥上面，O取值为50m，入射角θ取值为45°，得到N为35.35m，那么最少的测站总数S与所测桥梁的长、宽的关系如为：
Figure FDA0003175657910000031
由此可得出，在设定测点最大距离后，如何确定测站数目。
3.根据权利要求1所述的基于3D激光扫描和过程反馈的钢结构桥梁虚拟拼装方法，其特征在于：步骤二中：
1)点云数据配准：根据地面三维激光扫描技术的技术原理，获取数据时需布置多个测站对物体进行扫描，这样扫描获得的多个测站点云数据被称为多视点云数据，它们的坐标系是相对独立的；
2)点云数据格式转换：将txt点云数据格式转存为适用性强、下载速度快、存储和处理有序点云数据的能力非常高的PCD格式；利用PCL平台编写txt转pcd格式的通用代码；
3)点云数据可视化：利用PCL编制代码实现点云可视化；编译多视口显示代码，对同一点云数据同时显示颜色特征情况下设置两个不同的搜索半径显示法线：视口一设置参数为(0,0,0)的黑色背景，0.01的搜索半径；视口二设置参数为(0.3,0.3,0.3)的灰色背景，0.1的搜索半径。这样比较两组法线，可观察到设置不同参数得到处理效果不同，这有助于选择合适的参数，并能实时获得该参数下的处理效果；
4)点云数据去噪：利用PCL依据邻近点数目和平均距离编制滤波算法实现点云去噪，统计分析了每个点的邻域，将不符合标准的点进行去除；
5)点云数据采样：基于PCL平台编制代码实现点云压缩、基于体素化网格算法进行采样，根据体素大小的设置，在保证点云形状特征的情况下，能够减少大量的点云数据并且加快了点云数据特征识别、曲面重建、多边形生成后期处理的速度；
6)点云数据分割：利用PCL库编制代码实现点云分割，针对不同的需求编制代码可实现以下几种分割，包括：整体分割、平面模型分割、体模型分割、欧式距离聚类。
4.根据权利要求1所述的基于3D激光扫描和过程反馈的钢结构桥梁虚拟拼装方法，其特征在于：第三步点云数据采样中所述的算法为：首先建立一个最小三维体素栅格，然后针对获取的点云数据须要划分的小立方栅格，计算出其边长L；其次将三维体栅格划分成m×n×l个小栅格，分解栅格将点云数据放在相应的小栅格中，将不包含数据点的小栅格删除，在每一个小栅格中，保留离小栅格重心最近的数据点，删除剩余的点云数据。
5.根据权利要求1所述的基于3D激光扫描和过程反馈的钢结构桥梁虚拟拼装方法，其特征在于：
在步骤五中，为实现点云模型和理论模型的对比分析，首先将两个模型统一到同一坐标系下，将理论模型设置为参考模型，坐标为(X,Y,Z)，点云模型设置为实验模型，坐标为(x,y,z)，经过R、T变换后得到点云模型在理论模型所处坐标系下的坐标值。
其次，根据理论模型上下装配面的顶点坐标值获得其形心坐标，连接上下两装配面形心坐标确定形心轴的位置；同时，根据八个顶点坐标值可计算出中间截面的各顶点坐标值以及形心点坐标值；在平截长方棱锥台对齐示意图中，以平截长方棱锥台中心为原点建立空间直角坐标系X-Y-Z轴，已知顶点坐标分别为：A1(x1,y1,z1)，B1(x2,y2,z2)，C1(x3,y3,z3)，D1(x4,y4,z4)，A2(x5,y5,z5)，B2(x6,y6,z6)，C2(x7,y7,z7)，D2(x8,y8,z8)；以中间截面为例，根据各顶点坐标可求出中间截面A3B3C3D3以及各顶点坐标，连接对角线B3D3，将四边形A3B3C3D3分为两个三角形，那么两个三角形的形心分别为(xc1,yc1,zc1)、(xc2,yc2,zc3)，其中：
Figure FDA0003175657910000041
Figure FDA0003175657910000042
Figure FDA0003175657910000043
Figure FDA0003175657910000051
Figure FDA0003175657910000052
Figure FDA0003175657910000053
两三角形面积分别为：
Figure FDA0003175657910000054
Figure FDA0003175657910000055
则四边形A3B3C3D3的三维形心M点坐标为(XC3,YC3,ZC3)，其中：
Figure FDA0003175657910000056
Figure FDA0003175657910000057
Figure FDA0003175657910000058
形心M、N所在的曲线即为理论模型的形心轴；同时按照上述计算方法计算点云三维模型形心M'、N'，以形心M点为定点进行两模型的初步对齐；
此时模型只存在一个固定点，模型可进行360°旋转，因此，在四边形A3B3C3D中分别连接MA3，MB3，MC3，MD3，划分成四个三角形，再次计算三角形各边中点并进行连接，形成与中间截面A3B3C3D3相似的四边形A4B4C4D4；按上述方法计算点云模型的中间截面四边形A3'B3'C3'D3'，分别连接M'A3'，M'B3'，M'C3'，M'D3'并以M'为端点在各边上截取M'A4'，M'B4'，M'C4'，M'D4'，使得M'A4'＝MA4，M'B4'＝MB4，M'C4'＝MC4，M'D4'＝MD4，即M'A4'与MA4重合，M'B4'与MB4重合，M'C4'与MC4重合，M'D4'与MD4重合，这样就以理论模型中A4、B4、C4、D4为定点约束水平方向的旋转；
防止点云模型竖向旋转：由于理论模型构件上下装配面大小不同，因此在理论模型中间截面和装配面较大的下装配面之间按照前文再次计算形心点N以及中间截面A5B5C5D5，并得到定点A6、B6、C6、D6；同理获得点云模型A6'、B6'、C6'、D6'，再次进行对齐；通过形心轴以及模型内部两个中间截面的相似四边形的顶点约束最终完成点云模型以及理论模型的对齐，对齐后通过计算转化后的点云数据模型与理论模型的差值得到钢结构桥拼装的偏差。
CN202110831302.3A 2021-07-22 2021-07-22 基于3d激光扫描和过程反馈的钢结构桥梁虚拟拼装方法 Active CN113722789B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110831302.3A CN113722789B (zh) 2021-07-22 2021-07-22 基于3d激光扫描和过程反馈的钢结构桥梁虚拟拼装方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110831302.3A CN113722789B (zh) 2021-07-22 2021-07-22 基于3d激光扫描和过程反馈的钢结构桥梁虚拟拼装方法

Publications (2)

Publication Number Publication Date
CN113722789A true CN113722789A (zh) 2021-11-30
CN113722789B CN113722789B (zh) 2023-08-15

Family

ID=78673731

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110831302.3A Active CN113722789B (zh) 2021-07-22 2021-07-22 基于3d激光扫描和过程反馈的钢结构桥梁虚拟拼装方法

Country Status (1)

Country Link
CN (1) CN113722789B (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114295048A (zh) * 2021-12-21 2022-04-08 北京紫微宇通科技有限公司 基于激光扫描仪的航天器结构数字化检测方法
CN114674225A (zh) * 2022-03-25 2022-06-28 北京城建设计发展集团股份有限公司 预制装配式构件拼装面制作误差识别算法
CN114707100A (zh) * 2022-03-25 2022-07-05 北京城建设计发展集团股份有限公司 基于激光扫描点云的预制装配构件空间姿态反演校正算法
CN115127476A (zh) * 2022-06-27 2022-09-30 中铁二局第一工程有限公司 一种3d扫描的钢结构合龙检测及配切方法
CN115292785A (zh) * 2022-08-06 2022-11-04 中铁六局集团有限公司 临近既有线钢结构预拼装方法、装置、设备和存储介质
CN116523414A (zh) * 2023-06-29 2023-08-01 深圳市鑫冠亚科技有限公司 一种复合镍铜散热底板的生产管理方法及系统
CN116630576A (zh) * 2023-07-24 2023-08-22 四川吉埃智能科技有限公司 一种基于点云数据的铸件结构逆向建模方法
CN116628821A (zh) * 2023-06-28 2023-08-22 盛年科技有限公司 基于数据库的宽频隔振支座逆向设计方法
CN116734759A (zh) * 2023-08-14 2023-09-12 四川省公路规划勘察设计研究院有限公司 基于三维激光和多波束水下扫描的桥体检测方法及系统
CN116797704A (zh) * 2023-08-24 2023-09-22 山东云海国创云计算装备产业创新中心有限公司 点云数据处理方法、系统、装置、电子设备及存储介质
CN116911033A (zh) * 2023-07-21 2023-10-20 广州大学 一种基于bim平台的钢结构虚拟试装配方法
CN117197410A (zh) * 2023-11-06 2023-12-08 中铁大桥局集团有限公司 钢结构的虚拟拼装方法、装置、设备及存储介质
CN117288115A (zh) * 2023-11-23 2023-12-26 中信重工开诚智能装备有限公司 一种基于激光点云的巡检机器人巷道形变检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140207410A1 (en) * 2013-01-23 2014-07-24 Paul A. FUCHS Apparatus and method for bridge assembly
CN106886659A (zh) * 2017-03-21 2017-06-23 湖南联智监测科技有限公司 基于三维激光扫描和云平台的钢结构桥梁虚拟预拼和检测方法
CN108563860A (zh) * 2018-04-10 2018-09-21 中交第二航务工程局有限公司 一种钢结构虚拟预拼装方法
CN108978473A (zh) * 2018-07-13 2018-12-11 广州瀚阳工程咨询有限公司 一种采用短线法预制桥梁节段的施工方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140207410A1 (en) * 2013-01-23 2014-07-24 Paul A. FUCHS Apparatus and method for bridge assembly
CN106886659A (zh) * 2017-03-21 2017-06-23 湖南联智监测科技有限公司 基于三维激光扫描和云平台的钢结构桥梁虚拟预拼和检测方法
CN108563860A (zh) * 2018-04-10 2018-09-21 中交第二航务工程局有限公司 一种钢结构虚拟预拼装方法
CN108978473A (zh) * 2018-07-13 2018-12-11 广州瀚阳工程咨询有限公司 一种采用短线法预制桥梁节段的施工方法

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114295048A (zh) * 2021-12-21 2022-04-08 北京紫微宇通科技有限公司 基于激光扫描仪的航天器结构数字化检测方法
CN114674225A (zh) * 2022-03-25 2022-06-28 北京城建设计发展集团股份有限公司 预制装配式构件拼装面制作误差识别算法
CN114707100A (zh) * 2022-03-25 2022-07-05 北京城建设计发展集团股份有限公司 基于激光扫描点云的预制装配构件空间姿态反演校正算法
CN114674225B (zh) * 2022-03-25 2022-09-20 北京城建设计发展集团股份有限公司 预制装配式构件拼装面制作误差识别算法
CN114707100B (zh) * 2022-03-25 2023-02-28 北京城建设计发展集团股份有限公司 基于激光扫描点云的预制装配构件空间姿态反演校正方法
CN115127476B (zh) * 2022-06-27 2023-09-15 中铁二局第一工程有限公司 一种3d扫描的钢结构合龙检测及配切方法
CN115127476A (zh) * 2022-06-27 2022-09-30 中铁二局第一工程有限公司 一种3d扫描的钢结构合龙检测及配切方法
CN115292785A (zh) * 2022-08-06 2022-11-04 中铁六局集团有限公司 临近既有线钢结构预拼装方法、装置、设备和存储介质
CN115292785B (zh) * 2022-08-06 2024-03-22 中铁六局集团有限公司 临近既有线钢结构预拼装方法、装置、设备和存储介质
CN116628821B (zh) * 2023-06-28 2024-04-02 盛年科技有限公司 基于数据库的宽频隔振支座逆向设计方法
CN116628821A (zh) * 2023-06-28 2023-08-22 盛年科技有限公司 基于数据库的宽频隔振支座逆向设计方法
CN116523414B (zh) * 2023-06-29 2023-09-05 深圳市鑫冠亚科技有限公司 一种复合镍铜散热底板的生产管理方法及系统
CN116523414A (zh) * 2023-06-29 2023-08-01 深圳市鑫冠亚科技有限公司 一种复合镍铜散热底板的生产管理方法及系统
CN116911033A (zh) * 2023-07-21 2023-10-20 广州大学 一种基于bim平台的钢结构虚拟试装配方法
CN116630576B (zh) * 2023-07-24 2023-10-03 四川吉埃智能科技有限公司 一种基于点云数据的铸件结构逆向建模方法
CN116630576A (zh) * 2023-07-24 2023-08-22 四川吉埃智能科技有限公司 一种基于点云数据的铸件结构逆向建模方法
CN116734759A (zh) * 2023-08-14 2023-09-12 四川省公路规划勘察设计研究院有限公司 基于三维激光和多波束水下扫描的桥体检测方法及系统
CN116797704A (zh) * 2023-08-24 2023-09-22 山东云海国创云计算装备产业创新中心有限公司 点云数据处理方法、系统、装置、电子设备及存储介质
CN116797704B (zh) * 2023-08-24 2024-01-23 山东云海国创云计算装备产业创新中心有限公司 点云数据处理方法、系统、装置、电子设备及存储介质
CN117197410A (zh) * 2023-11-06 2023-12-08 中铁大桥局集团有限公司 钢结构的虚拟拼装方法、装置、设备及存储介质
CN117197410B (zh) * 2023-11-06 2024-03-26 中铁大桥局集团有限公司 钢结构的虚拟拼装方法、装置、设备及存储介质
CN117288115A (zh) * 2023-11-23 2023-12-26 中信重工开诚智能装备有限公司 一种基于激光点云的巡检机器人巷道形变检测方法

Also Published As

Publication number Publication date
CN113722789B (zh) 2023-08-15

Similar Documents

Publication Publication Date Title
CN113722789A (zh) 基于3d激光扫描和过程反馈的钢结构桥梁虚拟拼装方法
CN113587835A (zh) 一种利用三维激光扫描技术进行桥梁工程质量验收的方法
CN110111414B (zh) 一种基于三维激光点云的正射影像生成方法
CN110095060A (zh) 基于三维扫描技术的钢结构快速质量检测方法
Badenko et al. Scan-to-BIM methodology adapted for different application
CN110030951A (zh) 一种基于三维激光扫描技术的引水竖井缺陷检测方法
CN108121704B (zh) 一种三维竣工验收系统
CN106524920A (zh) 基于三维激光扫描实测实量在建筑工程中的应用
Xu et al. Reconstruction of scaffolds from a photogrammetric point cloud of construction sites using a novel 3D local feature descriptor
CN107767453B (zh) 一种基于规则约束的建筑物lidar点云重构优化方法
CN110807772B (zh) 一种构件尺寸检测中基于包围盒的无关点云剔除方法
CN102103747A (zh) 采用参照物高度的监控摄像机外部参数标定方法
CN113506376A (zh) 地面三维点云多尺度闭合差校验拼接方法
US20120265494A1 (en) Method of Online Building-Model Reconstruction Using Photogrammetric Mapping System
CN110108217A (zh) 一种隧道初支及二衬侵限值和厚度分析方法
CN114037675A (zh) 一种飞机样板缺陷检测方法及装置
CN114529596A (zh) 基于切片法的预制构件逆向建模与质量控制方法
CN103645463B (zh) 合成孔径雷达成像数据三维显示的方法
CN115560690A (zh) 一种基于三维激光扫描技术的结构物整体变形分析方法
Ma et al. Review on automated quality inspection of precast concrete components
Ran et al. High-accuracy on-site measurement of wheel tread geometric parameters by line-structured light vision sensor
Senin et al. The use of areal surface topography analysis for the inspection of micro-fabricated thin foil laser targets for ion acceleration
CN114494385A (zh) 一种输水隧洞病害可视化预警方法
CN117368203A (zh) 基于点云匹配的复杂形面缺陷识别定位与形状检测方法
Huang et al. A novel algorithm: fitting a spatial arc to noisy point clouds with high accuracy and reproducibility

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant