基于三維掃描的鋼桁架橋梁虛擬預拼裝技術研究

石立鵬 宋紅飛

收稿日期：2023-08-21

作者簡介：石立鵬（1977—），男，本科，高級工程師，研究方向：鋼結構橋梁制造、數字化技術、智能建造技術。

摘要 傳統鋼桁架橋梁的出廠實物預拼裝存在耗時長、成本高等問題，拼裝方法的精度及效率無法滿足現代數字化技術的需求，而且存在安全隱患等諸多弊端。依托某重點鋼桁架橋梁項目，結合目前預拼裝技術所存在的問題，開展基于三維掃描的鋼桁架橋梁虛擬預拼裝技術研究，通過三維激光掃描技術獲取桿件點云模型作為研究對象，提出了基于桿件特征點的拼裝方法，并對相關算法進行優化迭代。通過實驗驗證分析，最終形成一套可復制、可拓展、可視化的虛擬預拼裝系統，以數字化技術解決當前實體預拼裝存在的弊端，推動我國橋梁建造技術的智能化發展。

關鍵詞 三維掃描；激光點云；鋼桁架橋梁；虛擬預拼裝；數字技術

中圖分類號 U442文獻標識碼 A文章編號 2096-8949（2024）01-0011-03

0 引言

鋼桁架橋作為特大跨徑橋梁中較為常見的結構形式之一，由于橋梁桿件數量眾多、構件形式及空間結構復雜，對桿件制作及拼裝精度要求高，因此通常要求在工廠內進行實體預拼裝，以確保其運輸到施工現場后能夠正確組裝[1]。實體預拼裝受人員、場地、吊裝設備等限制，要高效高質地完成預拼裝工作，需要投入大量的人力、物力，成本高。隨著測量設備、數字技術的迅猛發展，虛擬預拼裝技術進入廣大學者的視野，為傳統預拼裝技術帶來工業革新的契機[2]。

該技術在鋼桁架橋梁中應用較少，尚未形成完整的技術路線；而虛擬預拼裝技術如果能夠應用到實踐，將會帶來巨大經濟效益和社會價值。依托某重點鋼桁架橋梁項目，該文基于三維掃描技術獲取桿件點云模型，分析現階段鋼桁架橋梁虛擬預拼裝技術存在的問題及解決方案，展開研究與應用實踐。

1 問題的提出和解決方案

鋼桁架橋梁建設對線形控制較為嚴格，為降低施工拼裝誤差及施工風險，需對各桿件進行預拼裝以保證現場施工的順利。預拼裝需要增加不同的臨時起吊設備和安全防護措施，場地受限，會存在安全隱患，造成預拼裝工期長、成本高，占用生產用地等問題。

研究結合橋梁桿件的幾何結構特點，通過虛擬預拼裝實現模擬實測點云中桿件的拼裝和連接，并在拼裝過程中量化累積誤差，評估整體結構的拼裝質量。對相關算法的研究與測試，采用點云模型與理想模型配準完成模擬試裝，通過桿件拼裝部位幾何特征提取計算拼裝誤差，如虛擬預拼裝的過程中拼裝誤差不滿足規范要求，則通過調整節點板優化結果。結合實物預拼裝的經驗和調整策略，建立鋼桁架橋梁智能預拼裝系統，利用可視化技術，對桿件進行拼裝預演，形成孔群拼裝合格率報告和整體拼裝狀態評估，能夠對桿件的調整提供指導性的建議，顯著降低構件拼裝失敗的風險和返工成本。

1.1 解決方案技術之一：基于點云模型對桿件虛擬預拼裝效果評估及調整

基于點云模型的可視化，可以將點云模型與理想模型進行對比分析，利用云圖的形式呈現分析結果，以查看理論拼裝效果與實際拼裝的差距。為實現點云模型和理論模型的對比分析，如何將兩個模型進行對齊成為關鍵問題。針對該問題：首先將兩個模型統一到同一坐標系下，將理論模型設置為參考模型，點云模型設置為實驗模型，經過坐標變換后得到點云模型在理論模型所處坐標系下的坐標值；隨后將兩個模型對齊后通過計算轉化后的點云數據模型與理論模型的幾何特征差值得到拼裝偏差，根據可視化效果及各拼裝部位偏差進行微調。

1.2 解決方案技術之二：提取桿件點云模型的特征信息

點云模型數據量較大，直接用于拼裝誤差運算可行性低，因此通過對桿件的幾何特征數據進行提取，降低數據量，形成矩陣，利用坐標變換用于后續拼裝運算。特征數據包括弦桿外表面的孔群圓心坐標、弦桿的外輪廓角點等。

桿件的點云數據，通過區域生長算法對原始點云進行聚類分割、利用RANSAC算法擬合獲取所有分割平面方程、聯立求解邊角點信息。對含有螺栓孔的平面，沿上述所得平面方程投影，獲得標準平面，并對其進行邊界提取，構建孔群輪廓，最終獲取孔心信息。

1.3 解決方案技術之三：智能預拼裝系統

通過算法研究，研發一整套適合鋼桁梁橋的三維測量與虛擬拼裝技術，開發集成數據存儲、鋼桁梁構件數字預拼裝等功能模塊的綜合軟件系統，實現計算機虛擬拼裝代替實體拼裝，系統包含兩個模塊：質量檢測與拼裝檢測。幾何檢測的功能包括：

（1）螺栓孔的位置偏差檢測，即通過遺傳算法計算各螺栓孔實測坐標與理論值的偏差，從而檢驗螺栓孔位置的加工精度。

（2）幾何尺寸檢測，即計算測點之間的距離并與相應的理論距離進行比較，檢驗構件的尺寸偏差。質量檢驗功能實現對桿件在虛擬預拼裝之前，確保桿件尺寸滿足加工精度的要求。拼裝檢測功能為通過遺傳算法來檢測相鄰構件的可拼裝性，計算出相鄰桿件拼裝后各對應螺栓孔的偏差值，根據偏差值對桿件的位置、拼接板的孔位進行調整。

2 虛擬預拼裝技術研究方法和內容

研究將點云模型與理想模型進行對齊，利用云圖的方式可視化展示拼裝效果；拼裝完成后，通過提取桿件特征點坐標檢測拼裝誤差；依托實際工程對算法進行實驗及效果分析；采用B/S架構，對研究算法進行技術集成，自主研發專業軟件，利用可視化技術，結合項目要求，完成對虛擬預拼裝系統的構建。

2.1 相關算法研究

2.1.1 模型配準算法研究

該文使用迭代最近點算法[3-4]（Iterative Closest Point，ICP）進行點云模型的配準，確立對應點集目標點云P={p1， p2， …， pn}與源點云Q={q1， q2， …， qn}，其中對應點對的個數為n。然后通過最小二乘法迭代計算最優的坐標變換，問題可描述為：

（1）

式中，wi代表每個點的權重；R和t是要求的旋轉矩陣和平移矩陣。

2.1.2 平面方程及邊角特征點提取算法研究

基于區域生長法的點云分割是依據點云數據本身具有的空間、曲率、幾何、紋理、法線方向等特征，將具有類似特征的點云數據劃分為單獨的數據文件，也可將大構件的點云數據分割成幾段的點云數據分別處理。完成所有平面分割后，通過隨機抽樣一致性（Random Sample Consensus，RANSAC）算法擬合平面方程，聯立多個相交面平面方程，即可獲得桿件邊角點特征信息。

2.1.3 聚類點云分別向各自擬合出的平面投影

對于每個聚類點云使用最小二乘法或其他適當的擬合方法來擬合一個平面模型。對于每個點，計算其到所屬平面的距離[5]。將每個點的坐標沿著平面的法向量進行投影，得到點的二維坐標，將所有點的投影組成一個二維點云即可得到平面投影。

2.1.4 螺栓孔特征信息的提取

在使用基于Alpha Shape算法的邊緣點探測方法提取螺栓孔內徑所在的邊緣點后，為對每個螺栓孔內徑進行邊界估計，該文采用基于RANSAC的圓擬合方法擬合每個螺栓孔內徑的邊緣點。

最終，通過上述算法，點云模型幾何特征提取效果如圖1、圖2所示。

2.2 基于桿件點云模型的形位誤差分析

從誤差云圖中可以分析出桿件端頭孔群中心點的大概位置，根據中心點的位置描繪出中心點四邊形，根據每個桿件的中心點四邊形粗拼接情況，可大概判斷每個桿件的變形情況，從而指導后續桿件拼裝過程中通過施工手段對桿件進行一定范圍內調整的方式和方向，具體效果如圖3所示。

2.3 虛擬預拼裝系統的研發

2.3.1 桿件庫設計及構成

桿件庫主要包含新建桿件、桿件數據錄入、幾何檢測和拼裝檢測四個模塊：

（1）新建桿件：分別對不同的桿件添加對應的字段名稱，后續各桿件導入到平臺的數據都將與各桿件的字段名稱相關聯。

（2）桿件數據錄入。該模塊主要用于存儲現場的測量數據，包括桿件BIM模型、桿件端頭點云模型、桿件輕量化模型、桿件全站儀模型和桿件實體模型。

（3）幾何檢測。將各桿件實際模型與BIM模型對比，或者直接采用算法獲得測量點之間的數據，兩種方式均可以進行數字化測量。通過系統功能計算出各特征點、孔群中心、桿件長度、桿件寬度和桿件寬度等特征信息的誤差情況，根據規范判斷桿件的制造精度，生成定制化的質檢報告，大幅度減少人工測量工作量。

（4）拼裝檢測。將相鄰兩桿件實際模型進行拼裝，計算出對應特征點和孔群中心誤差情況及桿件旁彎、扭曲、平面度和垂直度等桿件線形，根據閾值判斷各螺栓孔的拼裝是否合格，若不合格，則給出相應的指導建議。

2.3.2 虛擬拼裝可視化平臺構建及試驗驗證

對于逆向建模的點云模型與BIM模型對比結果，在系統內提前根據各自存在的問題與偏差值設置調整預案，自動分析，形成調整方案。

利用虛擬拼裝系統，在螺栓孔通孔率滿足要求的基礎上，按照《鐵路鋼橋制造規范》及該橋制造驗收規則中要求，檢查桁梁桿件試拼裝的幾何尺寸（桁高、節間長度、旁彎、試裝全長、拱度、對角線、主桁中心距離等）并設置自動與手動調整的方法，如圖4所示。

研究成果在某重點桁架橋項目中進行了試驗驗證，效果良好，對不滿足規范的內容進行了修整建議。探索了基于激光點云進行數字測量和虛擬預拼裝研究，部分替代直至全部替代橋梁實物預拼裝的技術路線，隨著研究的深入和試驗樣本的增加，將逐步完善。

3 結語

該文提出基于三維點云模型和三維理論模型比較的外部誤差分析方法，針對兩模型如何進行對齊進行了研究，以完成桿件的模擬預拼裝；通過采用區域生長法對鋼桁桿件點云進行分割，并基于RANSAC的多平面擬合方法和提取點云數據中的平面特征，通過3D聚類擬合獲取螺栓孔心的特征點，以評估拼裝誤差。相比人工測量的方法，新方法能夠快速、高精度地完成桿件的虛擬預拼裝及特征孔群的提取任務，能夠顯著減少測量成本，同時提高桿件的測量精度。通過對鋼桁梁構件虛擬拼裝技術研究及應用，實現數字化、智能化技術創新，符合我國鋼橋制造技術數字化智能化的發展趨勢。

參考文獻

[1]趙佩銘. 三維激光掃描技術在鋼橋梁構件加工與安裝中的應用研究[J]. 測繪地理信息， 2019（2）： 113-115.

[2]李楊. 鋼結構數字模擬預拼裝方法研究[D]. 杭州：浙江大學， 2015.

[3]蔡項宇， 何小妹. 融合幾何特征的ICP改進算法在數字化測量評價中的應用[J]. 計測技術， 2022（6）： 27-33.

[4]解則曉， 徐尚， 李緒勇. 逆向工程中三維點云數據精確拼接方法[J]. 中國機械工程， 2009（13）： 1577-1581.

[5]劉國新. 基于缺失屬性值概率模型的不完備數據聚類研究[D]. 大連：大連理工大學， 2018.