CN113868904A - 一种基于三维点云自动化生成既有结构有限元模型的方法 - Google Patents

Abstract

本发明公开了一种基于三维点云自动化生成既有结构有限元模型的方法，该方法利用三维激光扫描仪对既有结构进行扫描，从而获取结构的三维点云数据。然后通过对点云的聚类和拟合，得到结构的几何参数和实际变形；通过对点云颜色特征的过滤和分割，实现结构表面损伤的提取，进而通过量化算法得到损伤参数。基于以上参数，即可在有限元软件中自动化生成可用于结构分析的带有损伤的有限元模型。本发明基于三维点云同时完成了结构几何体和结构表面损伤的建模，克服了传统人工检查，手工建模费时费力的缺点，便于基于有限元模型对既有结构进行精细化分析。

Description

一种基于三维点云自动化生成既有结构有限元模型的方法

技术领域

本发明涉及结构检查及结构评估分析领域

背景技术

现役混凝土结构由于环境影响，材料性能不断退化，同时社会的快速发展又给服役的结构带来了超出原本设计承载力的荷载，于是，现役结构大部分存在一定程度的损伤，如结构裂缝，混凝土剥落等。为保证结构的安全运行，便需要对结构进行定时的检查和评估。以桥梁工程为例，这主要依赖于结构管养部门的日常检查和定期检查，这不仅费时费力，而且容易出错。即使是近年来发展的基于图像的损伤识别方法，仍然存在损伤尺寸难以量化，损伤位置难以确定的问题。此外，在结构检查后期进行结构评估时，常需要建立结构的有限元模型进行精细化分析，并结合专家及工程经验进行承载能力评估。其中，有限元模型的建立通常由人工手动完成，也是一项非常费时的工作。而且，很多现有结构，尤其是分布广泛，类型众多的中小跨径桥梁设计图纸缺失，结构实际尺寸无从得知，也给人工建模带来了较大的困难。因此，为确保结构安全，减少结构管养费用，对于既有结构的检查和评估亟需准确的、快速的以及自动化的解决方法。

发明内容

针对现有结构检查与评估方法存在的问题，本发明提出了一种基于三维点云自动化生成既有结构有限元模型的方法，开发了包括数据预处理，建立结构局部坐标系，结构几何参数与损伤参数提取以及有限元模型自动化生成算法，主要解决了现有结构检查与评估效率低，主观性大，需要大量人工等问题。

本发明的目的是通过以下技术方案来实现的：一种基于三维点云自动化生成既有结构有限元模型的方法，具体包括如下步骤：

(1).数据预处理：通过三维激光扫描仪获取既有结构的点云数据，并通过数据预处理得到基本三维点云模型；

(2).建立结构的局部坐标系：根据结构的形状特征，选取结构的局部坐标系，并将点云转换到局部坐标系中；

(3).提取结构几何参数：采用基于切片的方法，对结构的每一个切片进行拟合，从而得到结构的几何参数；

(4).识别和量化结构表面损伤：将点云中的颜色进行灰度化，然后基于点云的颜色特征，自适应提取损伤区域的点，得到损伤区域点云簇，并进行量化，得到相应的损伤参数；

(5).有限元模型自动化生成：基于几何和损伤参数，生成带有损伤的结构有限元模型。

上述技术方案中，进一步地，步骤(1)中，基本三维点云模型是经过点云配准，离群点过滤和降采样得到的。

进一步地，步骤(2)需要对点云进行分割，得到结构的每一个部分。具体为：采用基于两步聚类的方法，首先估算预处理后点云的法向量，然后基于法向量将点云映射到高斯球上，再在高斯球空间中，采用DBSCAN聚类方法，分离出不同方向一系列相互平行的点云平面。然后在笛卡尔坐标系下，再次使用DBSCAN聚类方法，分离每一个点云平面。

进一步地，步骤(3)中，所述的基于切片的方法具体为：在局部坐标系中，沿着结构的拉伸方向进行切片，并对每一个切片中的已经分割后的点云的各个表面进行三维平面拟合，然后以平面片的方式表示每一个切片的几何体。

进一步地，步骤(4)中，所述的结构表面损伤识别方法具体为：首先对点云的颜色进行灰度化，然后遍历点云中的每一个点p_i，并使用KNN算法搜索其半径r以内的近邻点集p_r，通过比较点p_i的灰度值和近邻点集p_r的灰度平均值，筛选可能的损伤位置处的点。以上遍历过程重复两遍，一遍为过滤噪点，另一遍为选择损伤点。

进一步地，步骤(4)中，所述的结构表面损伤量化方法具体为：对于提取出来的损伤点云簇，通过构建Delaunay三角网并通过α-shape算法提取裂缝点云簇的边界，然后基于损伤区域边界，计算损伤参数；如对于结构表面的裂缝，需基于裂缝边界，采用中轴变换计算裂缝的骨架线，并计算裂缝宽度。

根进一步地，步骤(5)中，所述的有限元模型自动化生成方法中需要根据裂缝位置自动化选择开裂单元，并根据材料残余强度与损伤大小的关系，设置损伤区域处单元的折减的材料属性。

与现有技术相比，本发明具有如下有益效果：

本发明利用三维激光扫描技术可以快速准确获取结构的三维信息，通过数据预处理，建立局部坐标系以及切片的方法，自动提取结构的几何参数，同时，基于点云的颜色信息，直接在三维点云中进行裂缝的识别与量化，弥补了传统人工检查效率低，基于图像的识别技术丢失深度信息，难以进行损伤位置的确定以及损伤大小的量化的问题。同时基于几何参数和损伤参数，自动化生成带有损伤的有限元模型，免去了手动建模的繁琐，大大提高了既有结构检查与评估的效率。

附图说明

图1是本发明实施例所述的一种基于三维点云自动化生成既有结构有限元模型的方法的流程框图；

图2是本发明中基于两步聚类的点云分割流程框图；

图3是本发明中用以提取结构几何参数的基于切片的方法的示意图；

图4是本发明中所述的基于颜色特征提取裂缝的流程图；

图5是本发明中根据提取的损伤自动化选择开裂单元示意图。

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，以下结合附图及实施例，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。

实施例：如图1所示，以钢筋混凝土梁为例来说明本发明所提出的一种基于三维点云自动化生成既有结构有限元模型的方法，该梁由于荷载作用，存在着明显的弯曲变形，且梁的表面存在裂缝。因此，本实施例的对象为一个钢筋混凝土梁，所需要的识别的损伤为梁表面的一条裂缝。本发明的主要包括如下步骤：

(1).数据预处理：通过三维激光扫描仪获取既有结构的点云数据，并通过数据预处理得到基本三维点云模型。

首先，应该对三维激光扫描仪进行校准，然后对钢筋混凝土梁进行全方位的扫描成像。对于在不同位置获取得到的点云，再通过ICP配准算法将其配准到全局坐标系中，形成整个钢筋混凝土梁的完整点云。之后基于点云的近邻点特征，采用基于半径或者基于统计特征的滤波算法，过滤点云中由于扫描角度和环境影响造成的离群点。最后，再通过降采样算法，得到压缩后的基本点云模型。

(2).建立结构的局部坐标系：根据结构的形状特征，选取结构的局部坐标系，并将点云转换到局部坐标系中。

局部坐标系的建立是为了更好、更方便地在局部坐标系下计算结构的几何参数，本发明在建立局部坐标系前，需要先对钢筋混凝土梁点云进行分割。如图2所示，针对钢筋混凝土梁有较多平面的特征，采用两步聚类的方式分离点云中的平面。其中，第一步是基于法向量在高斯球中采用K-均值聚类方法，分离不同方向的一系列相互平行的平面。第二步是在笛卡尔坐标系下，采用DBSCAN方法，在第一步的基础上分离每一个平面。

之后，采用最小二乘法对每一个分离的平面点云进行拟合，并选择2个相互垂直的平面作为局部坐标系的xoy和xoz面，yoz面则与xoy和xoz面垂直，从而建立局部坐标系，并根据坐标转换关系将钢筋混凝土梁转换到局部坐标系空间。

(3).提取结构几何参数：采用基于切片的方法，对结构的每一个切片进行拟合，从而得到结构的几何参数。

即通过切片的方法，化曲为直，利用一系列较小的规则的切片几何体模拟实际上存在弯曲的结构。

具体的，如图3所示，在局部坐标系下，沿着钢筋混凝土梁跨径(拉伸方向)方向，将梁的点云分成N段，在每一个切片中，使用最小二乘法拟合其中的平面，并计算它们的交点，这样，每一个切片则可以通过有6个平面片组成的三维六面体表示，而钢筋混凝土梁则可以通过一系列连续的六边体表示。

(4).识别和量化结构表面损伤：将点云中的颜色进行灰度化，然后基于点云的颜色特征，自适应提取裂缝点，然后进行裂缝长度和宽度的量化计算。

如图4所示，点云中裂缝的提取需要经过4个主要步骤：灰度化，滤波，自适应分割和真实裂缝筛选。首先，应将点云中的RGB颜色转换为灰度值，然后遍历点云中的每一个点p_i，并使用KNN算法搜索其半径r以内的近邻点集p_r，通过比较点p_i的灰度值G(p_i)和近邻点集p_r的灰度值，筛选可能的裂缝点。以上遍历过程重复两遍，第一遍为过滤噪点，遍历时将邻域点集灰度值的中值M(p_r)赋值给点p_i，即G(p_i)＝M(p_r)，第二遍为选择可能裂缝点，遍历时选择灰度值G(p_i)小于邻域灰度值的均值

的点(即

)作为可能裂缝点。由于存在噪声的影响，上述选择的可能裂缝点存在很多噪点，这时可以采用DBSCAN将可能的裂缝点进行聚类，得到可能的裂缝点云簇，然后统计每个点云簇中点的数量，并计算点云簇的边界框。最后，根据常见裂缝的大小，长宽比，过滤掉包含点数较少和长宽比较大的裂缝点云簇，从而得到真正的裂缝点云簇。

裂缝提取完成后，本发明通过构建Delaunay三角网，然后采用α-shape算法提取裂缝点云簇的边界，之后，再采用收缩圆算法，通过中轴变换，计算裂缝边界的骨架线。然后，估算骨架线上每一个点的法方向，并在法方向上计算裂缝在骨架线每一点上的宽度值，实现对裂缝的量化。

(5).有限元模型自动化生成：基于几何和损伤参数，采用编程方法自动生成结构的有限元模型。

首先，根据提取的几何参数和量化后的裂缝参数，采用编程语言在有限元软件DIANA中进行二次开发，自动化生成结构的基本几何模型，并进行网格划分。然后根据裂缝骨架线上的点，选择位于裂缝骨架线处的单元，即开裂单元，如图5所示。选择的依据是凡是与裂缝骨架线相交的单元，均为开裂单元。对于裂缝这样的损伤，损伤的大小可以由裂缝宽度表征。因此，损伤区域的折减的材料属性也根据裂缝宽度设置。在有限元模型中，假设裂缝位于一个单元中，根据单元的裂缝带宽和混凝土材料的残余应力和开裂宽度的关系，即可以自动化设置每个开裂单元的折减的材料属性。裂缝的深度，可根据实际情况设置。这样便实现有限元模型对既有裂缝的模拟。

本实施例中，基于三维点云，提出了自动提取几何参数和损伤参数，并自动化生成有限元模型，相比手动的方式，极大的提高了效率。所生成的有限元模型嵌入了结构实际存在的损伤特征，更有利于对实际结构的精细化分析。

需要指出的是，示例中采用钢筋混凝土梁和裂缝进行说明，但本发明不限于这些，也可以包括钢结构，组合结构等建筑，混凝土剥落，坑洞等结构损伤。

以上所述仅为本发明的较佳实施例，用以对本发明进行详细说明，并不用以限制本发明，凡在本发明的精神和原则之内所做的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于三维点云自动化生成既有结构有限元模型的方法，其特征在于，包括如下步骤：

(1).数据预处理：通过三维激光扫描仪获取既有结构的点云数据，并通过数据预处理得到基本三维点云模型；

(2).建立结构的局部坐标系：根据结构的形状特征，选取结构的局部坐标系，并将点云转换到局部坐标系中；

(3).提取结构几何参数：基于切片的方法，对结构的每一个切片进行拟合，从而得到结构的几何参数；

(4).识别和量化结构表面损伤：将点云中的颜色进行灰度化，然后基于点云的颜色特征，自适应提取损伤区域的点，得到损伤区域点云簇，并进行量化，得到相应的损伤参数；

(5).有限元模型自动化生成：基于几何和损伤参数，生成带有损伤的结构有限元模型。

2.根据权利要求1所述的基于三维点云自动化生成既有结构有限元模型的方法，其特征在于，所述步骤(1)中，基本三维点云模型是经过点云配准，离群点过滤和降采样得到的。

3.根据权利要求1所述的基于三维点云自动化生成既有结构有限元模型的方法，其特征在于，所述步骤(2)需要对点云进行分割，得到结构的每一个部分；具体为：

采用两步聚类的方法，首先估算预处理后点云的法向量，然后基于法向量将点云映射到高斯球上，再在高斯球空间中，采用DBSCAN聚类方法，分离出不同朝向的一系列相互平行的点云平面；然后在笛卡尔坐标系下，再次使用DBSCAN聚类方法，分离每一个点云平面。

4.根据权利要求1所述的基于三维点云自动化生成既有结构有限元模型的方法，其特征在于，步骤(3)中，所述的基于切片的方法具体为：在局部坐标系中，沿着结构的拉伸方向进行切片，并对每一个切片中的已经分割后的点云的各个表面进行三维平面拟合，然后以平面片的方式表示每一个切片的几何体。

5.根据权利要求1所述的基于三维点云自动化生成既有结构有限元模型的方法，其特征在于，步骤(4)中，所述的结构表面损伤的识别方法具体为：

首先对点云的颜色进行灰度化，然后遍历点云中的每一个点p_i，并使用KNN算法搜索其半径r以内的近邻点集p_r，通过比较点p_i的灰度值和近邻点集p_r的灰度平均值，筛选可能的损伤位置处的点；以上遍历过程重复两遍，一遍为过滤噪点，另一遍为选择损伤点。

6.根据权利要求1所述的基于三维点云自动化生成既有结构有限元模型的方法，其特征在于，步骤(4)中，所述的结构表面损伤的量化方法具体为：

对于提取出来的损伤点云簇，通过构建Delaunay三角网并通过α-shape算法提取损伤点云簇的边界，然后基于损伤区域边界，计算损伤参数。

7.根据权利要求1所述的基于三维点云自动化生成既有结构有限元模型的方法，其特征在于，步骤(5)中，所述的有限元模型自动化生成方法中需要根据损伤位置自动化选择损伤单元，并根据材料残余强度与损伤大小的关系，设置损伤区域处单元的折减的材料属性。

Images