王唯一1,吴勇生,廖辉红

(1.湖南省长益高速公路扩容工程建设开发有限公司,湖南 长沙 410000; 2.湖南联智桥隧技术有限公司 湖南 长沙 410001)

相较于传统的点位测量方式，地面三维激光扫描(Terrestrial Laser Scanning，TLS)技术可以快速、连续、高精度地采集扫描视场内目标物的整体表面点坐标、颜色、反射率等数据[3]，为建立各种大型、异型钢制桥梁构件的三维实体模型并进行虚拟预拼提供了一种全新的技术手段。本文主要针对工地大构件整体预拼装的应用进行研究，以湖南省长沙至益阳高速公路扩容工程为例，结合TLS技术，详细阐述了基于三维激光点云数据的多跨π型钢混组合结构桥梁(以下简称π型钢梁)的虚拟预拼和检测方法。

1 方案设计

湖南省长益高速公路扩容工程路线基本呈东南-西北方向，工程钢混组合结构桥梁全长2 647 m，以π型钢梁为主体。选取其中右幅(4×30+4×35+4×30)m，共3联12跨的π型钢梁进行三维激光扫描虚拟预拼和检测研究。整体方案设计包括扫描设计、点云采集、点云处理、建模、预拼接与检测，所用内业处理软件有SCENE和Geomagic Wrap软件，主要实施流程如图1。

图1 π型钢梁虚拟预拼和检测流程设计Figure 1 Process design of virtual pre-spinning and detection of π-type steel beams

2 点云数据采集与处理

项目工地往往环境复杂多变且通视困难，为了节约人力、提高作业效率，在点云数据的采集前需要做充足的准备工作，包括设计资料查阅与场地勘察，根据工地实际情况布设扫描站点与标靶并进行预扫描，最终基于预扫描成果规划最终的优选扫描方案。采集到点云数据后，对采集到的数据依次进行数据预处理和多站配准，得到π型钢梁的精细化点云数据并依此进行建模工作。

2.1 场地勘察与预扫描

点云数据获取的质量直接影响模型建模的精度和桥梁结构误差的测量，先进行项目场地勘察，记录项目现场的环境、地形、障碍物分布、扫描目标的几何特征和项目场地的工作时间等资料。如图2为该项目工地。

见图2，该工程中扫描目标各π型钢梁横向间距约3 m，纵向间距约10 m，单例π型钢梁长25～30 m，宽2～3 m。各扫描目标分布密集，相邻目标间距过窄，且目标物长度跨度较大。

使用FARO Focus S150三维激光扫描仪进行扫描，相邻站连接标靶选用磁吸式标靶球，首先在项目场地进行预扫描，快速获取较低精度和分辨率的目标物点云数据。再通过内业处理和所记录的资料进行工作安排，进行设站位置与扫描标靶分布形势的布设和扫描仪扫描分辨率、扫描质量的选设，推算工期并安排工作时间。

图2 扫描场地实地勘察Figure 2 Site survey of scanning site

2.2 点云数据采集

由实地勘察和预扫描完成扫描设计，扫描设计应遵循少设站、标靶分布范围广的原则[4]。单个π型钢梁设8站扫描，在中横梁和端承压板两端的扫描站相距5～10 m，其他扫描站相距10～15 m，相邻扫描站间布设3个标靶球且标靶球不共线，标靶球构成平面与两相邻扫描站连线基本垂直。扫描仪扫描精度选取1/4分辨率双倍质量扫描，在距扫描仪10 m处单倍扫描分辨率为6.1 mm，单站扫描耗时3 min 47 s。

根据扫描设计对12例π型钢梁进行点云数据采集，并记录扫描目标梁段的编号。单站π型梁扫描原始数据如图3所示。

给我看病的是位老医生。废话，不是老医生，能叫专家吗？听我说完病情，一口否定是假牙在作怪，还说过了这么多天，假牙早该排出去了。他用听诊器给我听了听左右胸，便提议给我拍个胸片。我和老婆对此都没有异议，于是便交款拍了。大约两个小时后，胸片及报告出来，我和老婆拿着胸片和病理报告回到了专家面前。

图3 扫描场地实地勘察Figure 3 Scanned raw data of π beam

2.3 点云数据预处理

扫描采集得到的原始点云数据量庞大，需要进行点云数据预处理，减少冗余的扫描噪声点并精简数据量。使用SCENE软件处理原始点云数据，数据预处理包括扫描点的去噪、抽稀和分块。π型钢梁的中横梁和端承压板厚度约为1.3 cm，为保证建模精度，一处平面上应保留3个扫描点，设置点云栅格抽稀分辨率为6 mm。扫描点与扫描站间距越大点位精度越低，为保证扫描点位精度，设置单站点云距扫描站的有效距离为15 m进行点云圆形分块。

2.4 点云配准

地面激光扫描通过有限视场、不同视角的多站扫描，才能完成物体形态或地表形态测量。统一同一扫描目标的多站点云坐标的工作，通常称为点云配准[5]。相邻站扫描点云一般情况下通过3个标靶球来配准，但该工地扫描视场内扫描目标分布过于密集，扫描空间较小，使得标靶分布奇异[4]，造成点云配准误差过大。为减小配准时标靶分布奇异误差，通过SCENE软件提取扫描视场内的分布范围较广的固定大平面用于辅助配准，提高配准精度。如图4为两例已经预处理与配准后π型钢梁点云数据。

图4 点云预处理与配准后Figure 4 After preprocessing and registration of the point cloud

见图4，该2例π型钢梁由12站扫描站进行配准，黑色长方体为各扫描站中扫描仪所在位置，绿色球体和绿色平面为点云配准所用的连接标靶。在点云配准后将点云导出为wrl格式，并根据梁号命名，以便在Geomagic Wrap软件中进行建模与检测操作。

2.5 建模

点云数据离散且相互间没有几何联系，不便于观察与误差分析。通过Geomagic Wrap对扫描点云进行Delaunay三角网构建，得到π型钢梁的表面模型，从而对建立的模型进行误差分析。在Geomagic Wrap中分别进行裁剪、封装、着色、修补等操作，得到单例π型钢梁扫描模型见图5。

3 虚拟预拼及检测

该工程π型钢梁跨度过大且整体的精度要求较高，单例π型钢梁表面三角网模型约有160万个三角形，数据量较大，导出的模型数据在CAD等工程图形软件内无法打开或打开后运行卡顿，无法有效地进行虚拟预拼和检测，文献[6]提出了用nurbs曲面重构方法进行大型钢结构建模，在相同点云数据、相同精度的情况下，nurbs曲面模型的数据量与Delaunay三角网模型数据量相似，同样具有大数据量的特点，亦无法在CAD等工程图形软件内进行虚拟预拼，并且nurbs曲面模型的建立需要在Delaunay三角网模型的基础上进行，步骤繁琐。因此为解决以上问题，提出通过Geomagic Wrap软件内多项功能组合对π型钢梁虚拟预拼和检测。

3.1 π型钢梁虚拟预拼

该工程右幅单跨由4例π型钢梁组成，由道路中心线至道路边缘分别编号ZKA、ZKB1、ZKB2、ZKC，除ZKA、ZKC各少一处中横梁外，其他构造相同，可知一处中横梁表面三角网数约1.3万，约为该钢梁三角网总数的0.81%，数量较少，即模型中在构造上相同的三角网数量高达99%以上，相似度较高。由此给出一种预拼方法，步骤如下：

a.模型拟合。将2例不同坐标系中的π型梁表面模型进行拟合，此时可看作2例π型钢梁重合。之后对单跨所有钢梁进行相同的步骤，得到单跨4例钢梁的拟合模型。

b.模型拼接。通过设计图各梁间的拼接设计，分别对基础梁以外的3例梁进行虚拟预拼。将Y7跨4例(-ZKA、-ZKB1、-ZKB2、-ZKC)π型钢梁模型拼接后的成果见图6。

图6 单跨π型钢梁虚拟预拼Figure 6 Virtual pre-spinning of single-span π-shaped steel beam

3.2 误差检测

3.2.1单个梁误差检测

通过切面法获得单例模型的横纵切面，再测量切面特征距离，通过与设计图比对来检测误差。见图7。

3.2.2虚拟预拼误差检测

在预拼后，同样通过切面来检测中横梁的对拼误差等误差。见图8、图9。

图7 多跨π型钢梁虚拟预拼Figure 7 Virtual pre-spinning of multi-span π-shaped steel beams

图8 单跨π型钢梁虚拟预拼误差检测Figure 8 Virtual pre-spinning error detection of a single-span π-shaped steel beam

4 结语

钢混结构桥梁具有结构自重轻、环保节能、工厂化施工程度高、施工速度快的优点，已经成为当前国家鼓励发展的新型桥梁结构。目前，钢混结构桥梁在高速公路上使用经验相对少，对桥梁施工过程质量控制要点掌握不足，对运营期间桥梁受力特点缺乏足够数据支撑。本桥上部结构采用π型钢混结构，施工工序多，施工控制精度要求高，施工控制难度大。

图9 多跨π型钢梁虚拟预拼误差检测Figure 9 Virtual pre-spinning error detection of multi-span π-shaped steel beams

三维激光扫描具有采集速度快、精度高、面状测量、无需接触目标物体等优势。利用采集回来的数据建立目标三维模型与设计模型进行对比检测，通过检测对比报告全面得到加工物件与设计模型间的误差，误差报告对加工的实体物件进行再次加工，直到符合构件精度要求，最后在软件中进行虚拟装配。三维激光扫描钢结构桥梁虚拟预拼，便于实施，精度有保证，并且可以缩短工期，降低成本。