基于三維激光掃描的外墻快速檢測技術研究

中圖分類號：TQ178;TP391.9 文獻標志碼：A 文章編號：1001-5922（2025）07-0053-04

Abstract：In order to improve the detection speed of exterior walls，an inspection method based on 3D laser scanning was proposed.Inthe method，byusing K-Dimensional Tree toaccelerate thecomputational efficiencyof the boundary feature point extraction algorithm，the feature extraction was carried outon the point cloud data of the outer wall， and the extracted exterior wall features were fited byleast squares fiting，and finally the external walldeformation detection was realized by comparing the fiting function parameter values ofthe exterior wallin diferent periods.The simulation results showed that the feature structure of the exterior wallpoint cloud data extractedby the proposed method was complete，which can accurately reflect the detailed features of the exterior wall windows and other features，which has obvious advantages compared with the approximate curvature algorithm and the normal vector algorithm，and can effectively improve the detection speed of the exterior wall.

Key words：3D laser scaning；externalwallinspection;deformation detection;boundary pointfeature extraction;k-d tree

近年來，隨著科學技術的進步，三維激光掃描技術憑借其高效和非接觸性特點，廣泛應用于各個領域的變形檢測。如呂柏行等利用三維激光掃描技術，通過采集隧道中的點云數據提取隧道數字模型，實現了隧道變形檢測與厚度檢測，為隧道施工提供了參考1；徐弘結合三維激光掃描技術及其誤差來源，提出一種橋面變形檢測方法，實現了橋面施工和維護階段中的變形檢測[；王皎捷基于三維激光掃描技術，通過收集為建筑基坑點云數據進行變形分析，實現了建筑基坑變形的快速檢測[3]。通過上述研究可以發現，三維激光掃描可有效檢測出不同建筑變形情況，且具有一定的先進性。本研究以外墻變形檢測為研究對象，利用三維激光掃描技術進行檢測，并根據三維激光掃描采集的點云數據特點，提出一種k-d樹改進的邊界特征點提取算法。然后利用該改進算法對外墻特征進行提取，并采用最小二乘擬合對提取的外墻特征進行擬合。最后通過比較不同時期外墻的擬合函數參數值，實現外墻變形檢測。

1點云數據特征提取算法

1.1 邊界特征點提取算法

三維激光掃描點云數據的特征提取算法主要有法向量和曲率值2種算法。但由于上述2種算法都存在計算量的問題，本研究結合建筑外墻點云數據特點，提出一種邊界特征點提取算法。具體操作步驟如下：

（1）利用k-鄰域搜索法[45]對點云數據點的鄰域進行搜索，并根據歐幾里得計算公式找到距離數據點最近的k個鄰域點，進行由小到大的排列；

（2）計算k個鄰域點平均距離，當平均距離波動較大時，認為該點為離散點，并進行刪除處理；

（3）根據鄰域點和數據點構造最小二乘平面，并使用主成分分析法對數據點法向量進行計算，并以最小特征點對應向量作為法向量[6-7]；

（4）基于數據點及其法向量構造一個投影平面；

（5）利用方位角差值計算鄰域點分布均勻性，當鄰域點分布不均勻時，保留該數據點[8-9]

（6）將所有保留的數據點作為特征點，則實現了邊界特征點提取。

邊界特征點提取算法可有效提取點云數據特征，但由于點云數據量較大，該算法在進行鄰域搜索時存在速度慢的問題[10-1]。為解決該問題，針對邊界特征點提取算法中的k-鄰域搜索法進行了改進，以提高鄰域搜索速度，進而提高算法效率。

1.2 邊界特征點提取算法改進

k-d樹是一種點云數據的有效索引結構，可實現高效的數據搜索[12]。通過在k－鄰域搜索法中構造k-d樹，可提高k-鄰域搜索法的搜索速度。

具體操作如下：

（1）計算所有三維激光掃描的點云數據在空間坐標軸上的方差；（2）選擇最大方差作為點云數據的方向，并確定每個坐標軸上的點云數據按大小排序；（3）確定每個坐標軸的中值，并在該值處作一條垂直于該坐標軸的超平面，使空間分為左右2個子樹空間；（4）重復步驟（1）～（3），通過多次劃分，可使每個數據點分布在子樹的每個葉子中。

利用k-d樹改進邊界特征點提取算法，可提高其搜索速度。本研究選用改進的邊界特征點提取算法提取建筑外墻三維激光掃描的外墻點云數據特征[13]

2基于三維激光掃描的外墻變形檢測

基于改進邊界特征點提取算法，對三維激光掃描的外墻變形點云數據進行分析，即可實現外墻變形檢測。具體檢測步驟設計如下：

（1）點云數據采集與預處理。將三維激光掃描儀部署在目標建筑外墻測點并收集采集的點云數據。同時考慮到采集的數據中可能存在噪聲，因此需要對數據進行去噪等預處理[14-15] 。

（2）特征提取。基于改進邊界特征點算法提取點云特征，得到特征線。

（3）特征線擬合。采用最小二乘對特征線進行擬合[16-17]，具體操作是：設三維空間內直線方向向量為 ，且過點 （x₀，y₀，z₀） ，則空間直線的標準方程可表示為：

式中： x，y，z 為空間坐標值。

將上式轉化為2個平面方程，然后利用最小二乘法進行求解，即可得到三維空間直線的擬合方程及擬合函數參數值。

（4）外墻變形檢測。比較不同時期外墻的擬合函數參數值，即可判斷外墻變形。

上述流程可用圖1示意如下。

3建筑外墻變形檢測分析

3.1 實驗平臺

本次實驗基于MATLAB軟件搭建點云數據特征提取方法，采用CloudCompare軟件對點云數據進行處理，并基于Windowsl0操作系統運行。系統配置Intel（R）xeon（R）E5-2640 v4@2.40GHz，32G內存，NVIDIA GeForce RTX 2080Ti 顯卡[18-19] 。

3.2 數據來源及預處理

本次實驗數據來自自主使用CereScan三維激光掃描儀，在2個不同時段采集的鄭州某建筑外墻點云數據。每次掃描獲取的原始點云數如表1所示。

考慮到采集數據過程中會受到環境因素的影響，導致數據中含有噪聲數據，可能影響最終外墻檢測效果。因此，為避免噪聲數據對檢測結果的影響，實驗前利用濾波算法對噪聲數據進行了預處理。

此外，由于三維掃描儀自身系統的局限性，采集數據過程中掃描范圍為 0^°～270^° ，因此在掃描建筑時，需要建立多個測點進行掃描[20]。然而，由于每個測點的坐標系統不同，采用迭代最近點匹配方法對數據進行了坐標轉換，以統一所有點云數據的坐標。

最后，考慮到采集的點云數據量巨大，會增加計算處理難度，降低了計算處理速度。因此，實驗前采用包圍盒均勻精簡法對數據進行了精簡。然后為進一步提高數據的計算處理速度，采用Delaunay三角分割法對數據進行了分割。

通過上述處理，最終得到用于實驗的點云數據約20萬個。

3.3 參數設置

改進邊界特征點提取算法中k-d樹構建時，k 值的選擇對提取結果具有重要影響。因此，為選擇最佳 k 值，實驗通過設置不同 k 值，并統計最佳模型內點數，結果如圖2所示。

由圖2可知，隨著 k 值取值增大，最佳模型內點數快速降低后趨于平穩，當 k 值為15時，最佳模型內點數降到最低，為 1.5×10⁴ 。因此，本次實驗設置改進邊界特征點提取算法中 k-d 樹的 k 值為15。

結果與分析

4.1點云數據特征提取算法驗證

為驗證所提改進的邊界特征點提取算法的有效性，實驗對比了改進前后算法的特征提取效果。由結果可知，改進前算法提取的輪廓線不完整，存在斷裂現象，而改進后提取的輪廓線完整且清晰，且可有效保留細節特征。由此說明，相較于改進前，改進后的邊界特征點提取算法的提取效果更好，改進有效。

4.2 外墻檢測結果

為驗證所提基于三維激光掃描的外墻檢測方法對外墻變形檢測的有效性，基于采集的2期點云數據和改進邊界特征點提取算法提取的點云數據特征，進行空間線性擬合，并在MATLAB軟件中繪制成圖，可計算得到兩期點云數據特征線擬合函數的關系式為：

式中： x，y，z 分別表示構建的坐標軸方向值; Ψ_tΨ 表示時間。

使用方向向量表示傾斜方向。根據式（2）和式（3）可知，第1期和第2期的數據傾斜方向分別為 和 -4.18，-50.00） 。

最后，將 s₁ 和 s₂ 在同一坐標系中進行繪制，結果如圖3所示。

由圖3可知， s₁ 和 s₂ 的夾角約為 0^° 。由此說明， 和 s₂ 基本重合，即2次三維激光掃描期間，外墻未發生變形。分析其原因，2次三維激光掃描的時間間隔較短，外墻發生變形的概率較小。整體來看，所提方法具有檢測速度快且結果顯示清晰明了的特點。

5 結語

綜上所述，所提的基于三維激光掃描的外墻檢測方法，通過采用k-d數改進的邊界點特征提取算法提取點云數據特征，并采用最小二乘擬合對提取的外墻特征線進行擬合，最后比較不同時期的擬合函數，實現了外墻變形檢測。相較于近似曲率算法及法向量算法，所提方法采用改進邊界點特征提取算法提取的點云數據特征結構完整，可準確反映建筑外墻窗戶等細節特征，具有檢測速度快且結果顯示清晰明了的特點，為提高外墻變形檢測提供了參考。

【參考文獻】

[1]呂柏行，劉巖，楚占明，等.三維激光掃描無標靶拼接技術在隧道測量中的應用［J].測繪標準化，2023，39（3） ：167-171.

[2] 徐弘.基于三維激光掃描的橋面變形檢測技術的研究[J].江蘇建材，2023（4）：55-57.

[3] 王皎捷.基于三維激光掃描的建筑基坑變形檢測方法[J].江西建材，2023，（5）：167-168

[4] 蔣梅笑.基于三維激光掃描技術的建筑物整體變形監測方法研究[D].武漢：武漢理工大學，2018.

[5] 朱贊，姚釬，王建琦，等.三維激光掃描技術應用于機翼微變形檢測[J].測繪通報，2023（5）：115-119.

[6] 史一生，張旭，丁克勤.一種基于三維激光掃描技術的儲罐變形檢測方法［J].中國特種設備安全，2021，37（7） ：33-40.

[7] 李勇兵，高成明，馬盈盈，等.三維激光掃描技術在隧道變形監測及檢測中的應用［J].科學技術與工程，2021，21（12）：5111-5117.

[8] 史一生，張旭，丁克勤.起重機主梁變形三維激光掃描檢測技術研究[J].中國特種設備安全，2021，37（3）：9-13.

[9] 石磊，奚旺，趙亞通，等.基于有限元和三維激光掃描技術的儲罐變形檢測與評估［J].安全、健康和環境，2020，20（12）：10-14.

[10］蔡景明，張平，李楊等.三維激光掃描技術在長輸油氣管道局部變形檢測中的應用［J].管道技術與設

備，2020（6）：24-26.

[11]：秦世偉，趙瑋，武亞軍，等.基于三維激光掃描的構件變形檢測及數據處理［J].揚州大學學報（自然科學版），2020，23（2）：15-18.

[12]章珉輝，鄭會勇，劉文才，等.三維激光掃描技術在立式儲罐罐壁變形檢測的應用［J].設備管理與維修，2021（17）：119-120.

[13］李江濤.基于三維激光掃描技術的礦山高位邊坡變形監測方法[J].價值工程，2023，42（27）：113-115.

[14]．姜鑫，楊校輝，賀新元.基于三維激光掃描的堆積體滑坡變形機理及閾值模型試驗研究［J].甘肅地質，2023，32（3） ：64-73.

[15］范泯進，朱燕梅，張宏達，等.基于三維激光掃描的高精度大壩變形監測技術研究［J].水利技術監督，2023（1） ：32-35.

[16]代威，蔣楠，楊興國，等.基于地基合成孔徑雷達的危險邊坡變形非接觸實時監測［J］.水利與建筑工程學報，2022，20（6） ：69-74.

[17]杜理強，鄒海濤，童宇超，等.杭州西站大跨屋蓋鋼結構三維激光掃描變形監測技術［J].土木建筑工程信息技術，2022，14（4）：41-47.

[18］宋洪英，曹坤，閆曉楠.基于三維激光掃描的高層建筑建模研究［J].粘接，2021，47（8）：123-126.

[19]孔文瓊，張瑜都，趙瑞英.基于三維激光掃描技術在滑坡變形監測中的應用［J].粘接，2021，47（7）：97-100.