摘要：在大型复杂结构的施工监测和质量检测中，三维激光扫描技术在精度、速度和完整性监测方面具有传统技术无法比拟的巨大优势。本文总结了三维激光扫描技术在结构健康监测应用研究现状，主要建筑结构基于点云的点云登记、特征提取和结果分析进行了综述，显示当前三维激光扫描技术在结构健康监测的现状建筑结构健康监测技术进行了总结和展望。
关键词：点云；配准；特征提取；建构筑物；变形监测
随着中国经济的快速发展，各行各业都在蓬勃发展，尤其是建筑业。随着建筑业的发展，建筑结构尺寸逐渐变大，结构特殊，框架复杂，安全问题越来越重要。然而，传统的检测方法在检测这些庞大复杂的结构时，存在着目标检测困难、检测周期长、检测不完整甚至检测不可能等问题，迫切需要新技术的应用。同时，三维激光扫描技术以其扫描精度高、数据采集速度快、自动化程度高、无接触等优点，在许多领域得到了迅速的应用。施工中的结构监测和质量检测解决了传统方法无法解决的问题。它在快速、密集、高精度施工领域具有独特的优势，为结构施工监测和质量检测提供了新的技术和手段。建筑结构的事故分析、检测与鉴定、安全评估、寿命评估和长期监测等理论与技术的发展与研究已成为国外的一个专门课题。
1.建构筑物施工监测与质量检测技术路线
三维激光扫描技术作为一种新的手段和方法在建构筑物施工监测和质量检测上应用，其中主要技术路线如图1所示。
图1建构筑物施工与质量检测技术路线
针对三维激光扫描技术在建构筑物施工监测和质量检测上应用的技术路线，其中关键的技术环节是建构筑物点云配准、特征提取和结果分析，这几个关键技术处理的好坏直接影响建构筑物健康监测的效率与精度，本文主要从这三方面进行阐述。
1.1点云配准
点云注册技术作为数据处理的重要组成部分，注册的准确性直接影响后续工作。其中经典的ICP算法对点云的初始位置有较高的要求，许多专家学者对该算法进行了研究和改进。薛耀红等通过引入新的匹配点对测量准则，改进最近邻点迭代算法，实现了点云的初始配准，朱新宇等采用主成分分析法，再采用改进的ICP算法进行精细配准。
1.1.1基于特征的点云配准及自动配准
对于建构筑物变形监测而言，当前基于特征的点云配准方法主要有人工配准方法和自动配准方法，基于特征的人工配准方法包括控制点和其他特征。基于控制点的点云配准方法：一是在建筑场景中布设标靶完成扫描站点与控制连接。对于平面标靶，将反射片根据同心粘贴到HDS标靶的中心，这样标靶两面分别被全站仪和扫描仪识别，达到连接控制的目的，如图2所示；对于球型标靶，全站仪的反射球通过设计的基座固定下来，设定相应扫描仪识别的球标与反射球中心同高，这样在同一基座上可以放置两类标志，实现控制连接，如图3所示。
图3TCA球标及扫描球同心设置
二是扫描仪顶部安装GPS，通过扫描仪和GPS联合作业获取数据，然后运用GPS结算软件，获取扫描仪测站点的坐标，作为参考点，实现数据的配准。为了提高配准的精度可以增加多个约束条件。王国利等在多源约束模型的建立和粗差探测方面作了探索和试验，并采用验后方差选择权迭代方法来增强多约束模型配准的稳健性。自动配准一直是很多专家学者重点研究领域，根据建构筑物同名特征进行点云自动配准，不仅保证效率还要保证精度。
1.1.2基于点云生成强度影像的配准
登记的主要原则强度图像生成的点云将原结构的三维信息映射到二维空间的图像根据一些投影法，然后用图像的强度信息或者建立两幅图像之间的相似性度量，实现图像配准。
点云配准误差可以通过配准约束误差、点云配准质量和特征精度来验证。在上述配准方法中，基于人工获取特征的点云配准方法精度较高，点定位配准误差可达1 ~ 2mm，但人工标识在施工环境中的稳定性和测量效率较低。根据自动登记方法的特征，特征是加密的扫描获得的特征精度随距离和密度的变化点，一般用于粗点云登记，同样，点云生成强度基于提取和特征匹配精度和不稳定的问题，还需要加入ICP算法精度登记，登记弥补点云精度。对于复杂的建筑场景，仍然不能保证特征提取的效率和匹配的准确性。配准需要人工干预，配准算法的速度、可靠性和稳定性需要进一步研究。
1.2建构筑物特征提取
建构筑物特征包括点特征、线特征和面特征，其中点特征和线特征是建构筑物主要的特征表现，是施工检测和质量监测的重要特征，特征点可以由特征线相交得到，特征线主要包括边界线、轮廓线和屋基线等。针对建构筑物检测特征一般是特定的精确特征，如端口点，固定几何形状的位置中心，边界线等，图4是几种常见的建构筑物监测特征。
图4几种常见的建构筑物监测特征
对于复杂的巨大的施工现场，除了用手指出提取建筑结构的特征和其他特征主要是根据相关算法没有特定特征的自动提取，特征提取的精度和范围的点云特征，噪音，阈值的选择，和许多其他因素，特征提取一般长，需要提取特征筛选和补充。在未来，为了提高特征提取的准确性，需要充分挖掘点云所包含的几何特征，并结合全站仪、摄像机等传感器实现多变量数据的采集与融合。其次，需要研究更快、更自主的特征提取方法和技术，尤其是对建筑物的特征提取。
2.结果分析
基于点云的建构筑物变形监测结果主要从两方面进行分析，一是局部分析，即分析建构筑物局部的变形情况，包括位移检测分析和沉降检测分析；二是建构筑物整体变化趋势分析。但是，两种分析方式不是独立的，很多情况都是在整体分析下进行局部分析。
2.1整体变形分析方法
建构筑物整体变形分析主要是分析整体下沉，倾斜等变化趋势。黄晓阳等针对煤矿井架整体监测，采用三维建模分析方法对拟合值与标准值进行比较得出井架扫描点坐标中误差。谢雄耀等提出基于点云的隧道三维建模算法，通过生成两个模型间误差的彩色3D模型，使隧道变形情况可视化，如图5所示。
图5三维建模与变形分析结果
周保兴等提出利用主成分分析算法来获取整个建构筑物表面的空间信息，根据其空间几何参数的变化，分析出建筑物的整体位移，如图6所示。
图6建筑物整体变化示意图
2.2局部变形分析方法
在整体变形分析中，局部分析方法主要用于检测和分析建筑物的局部变形点或特征点。根据大坝变形监测，王菊在分析位移量时，提出了基于高斯分布的位移量分析方法。计算沿XYZ轴正方向法线方向的位移量和不同方向的变化量，并将变化面积以三维形式可视化。
上述结果分析方法主要是将提取的特征与初步数据或基准数据进行比较，得到结构的变形情况。对于特殊结果分析，点云对象一般是手工划分的，用于局部比较分析。但目前的软件缺乏针对性的分析方法，分析操作自动化程度较低。对于大型复杂结构，数据量大，精度低，效率低，影响分析结果。
结论
基于地面激光点云的建筑结构施工监测与质量检测技术作为一项具有较强实用价值和应用前景的技术，已经得到了广泛的应用和成熟。但目前仅限于一些典型的建筑结构变形监测案例的辅助手段或试验阶段，尚未成为核心技术。本文对该技术关键环节的现状进行了分析和总结。基于控制点的配准精度较高，但不能满足多站数据的配准要求。其他基于特征匹配的算法耗时长，对于复杂的建筑场景可能不稳定。在建筑物监测特征提取方面，大部分监测特征需要手工提取，耗时长，不易保证准确性。现有的特征提取算法局限于特征和噪声数据的干扰，这些往往不是必需的特征。结果数据分析方法不同，自动化程度低。目前基于地面激光点云的建筑物变形监测技术自动化程度低，数据处理耗时长，缺乏成型系统理论和标准的指导。
参考文献
[1]谢雄耀，卢晓智，田海洋等．基于地面三维激光扫描技术的隧道全断面变形测量方法［J］．岩石力学与工程学报，2013，32（11）：2214～2224.
[2]周保兴，岳建平，张磊等．基于地面三维激光扫描技术的建筑物整体位移监测［J］．测绘通报，2013，（10）：76～79.
[3]陈守辉，徐小华．基于激光点云的桥梁变形分析方法研究［J］．黑龙江交通科技，2013，（7）.
[4]黄晓阳，栾元重，李雷等．地面三维激光扫描技术应用于井架整体监测研究［J］．测绘地理信息，2012，37（5）：56～57
论文作者:吴雨晖
论文发表刊物:《建筑学研究前沿》2019年3期
论文发表时间:2019/5/30
标签：特征论文; 方法论文; 技术论文; 精度论文; 激光论文; 算法论文; 建筑结构论文; 《建筑学研究前沿》2019年3期论文;