本發(fā)明涉及橋梁檢測，具體公開了一種基于點云數(shù)據(jù)處理的橋梁缺陷自動檢測與定量分析方法。

背景技術(shù)：

1、橋梁是交通運輸系統(tǒng)的核心組成部分，承擔(dān)著日益增長的交通流量和貨運壓力，隨著時間的推移以及自然環(huán)境的影響，橋梁結(jié)構(gòu)面臨著多種安全隱患，包括形變、裂縫、剝落和腐蝕等問題，這些均對橋梁的結(jié)構(gòu)安全性和使用壽命構(gòu)成了直接的威脅。

2、傳統(tǒng)的橋梁缺陷檢測方法主要依賴于人工巡檢，同時也常使用如橋梁檢測車和裂縫測寬儀等專業(yè)工具；檢測過程中，專用車輛裝配傳感器沿橋梁表面移動，實時采集結(jié)構(gòu)數(shù)據(jù)，而工作人員則使用測寬儀讀取裂縫的具體信息，并手動記錄其位置、寬度、長度和面積，這種方法常需封閉交通，不僅耗時且成本高昂，而且檢測結(jié)果受人員技術(shù)水平和經(jīng)驗的影響，具有較強(qiáng)的主觀性和一定的盲區(qū)，容易導(dǎo)致潛在問題的遺漏或誤判。

3、中國專利名稱：基于圖像處理的橋梁建筑智能檢測方法，授權(quán)公告號：cn116258722a，授權(quán)公告日：2023年6月13日，本發(fā)明是基于每個目標(biāo)窗口的特征區(qū)域來獲取水平集分割的初始輪廓，從而準(zhǔn)確的獲取缺陷的完整區(qū)域，進(jìn)而修正目標(biāo)檢測的目標(biāo)窗口，使得更精準(zhǔn)的定位與檢測缺陷區(qū)域。是基于二維圖像的進(jìn)行的測量分析，并且只做了缺陷檢測，這種傳統(tǒng)的測量方法往往難以高效全面地識別所有潛在缺陷，特別是那些微小但可能導(dǎo)致嚴(yán)重后果的問題，這些限制不僅影響了對橋梁健康狀況的全面評估，也給橋梁的維護(hù)和修復(fù)帶來了巨大挑戰(zhàn)，因此需要設(shè)計一種基于點云數(shù)據(jù)處理的橋梁缺陷自動檢測與定量分析方法來解決上述問題。

技術(shù)實現(xiàn)思路

1、本發(fā)明旨在提出一種基于點云數(shù)據(jù)處理的橋梁缺陷自動檢測與定量分析方法，該方法通過全面、高效、高精度且自動化的檢測手段，有效解決了傳統(tǒng)依賴人工巡檢的橋梁缺陷檢測方法所面臨的效率低下、成本高昂以及易于遺漏缺陷等問題。

2、為實現(xiàn)上述發(fā)明目的，本發(fā)明采用的技術(shù)方案為：一種基于點云數(shù)據(jù)處理的橋梁缺陷自動檢測與定量分析方法，包括以下步驟：

3、步驟一：點云數(shù)據(jù)采集，對目標(biāo)橋梁進(jìn)行實地勘查并部署激光掃描儀，進(jìn)行全方位、高精度的三維掃描，系統(tǒng)性地獲取橋梁的詳細(xì)點云數(shù)據(jù)；

4、步驟二：數(shù)據(jù)預(yù)處理，對采集到的三維點云數(shù)據(jù)進(jìn)行預(yù)處理，包括濾波去除噪聲、降采樣提升運算效率、法線估計明確點云表面方向及配準(zhǔn)整合多視角掃描數(shù)據(jù)，確保點云數(shù)據(jù)的完整性與準(zhǔn)確性；

5、步驟三：橋梁構(gòu)件分割，將預(yù)處理后的完整橋梁點云根據(jù)橋梁的各個組成結(jié)構(gòu)分割為多個獨立的、結(jié)構(gòu)更簡單的構(gòu)件單元，從而降低后續(xù)算法的計算復(fù)雜性、提高處理速度；

6、步驟四：缺陷檢測，運用區(qū)域生長聚類分割算法對每個構(gòu)件單元進(jìn)行缺陷檢測，實現(xiàn)對橋梁缺陷的自動識別；

7、步驟五：缺陷重建，采用克里金插值法對識別出的缺陷部位進(jìn)行自動重建，填補(bǔ)缺失信息，恢復(fù)其完整幾何形態(tài)，使其能夠更好地用于橋梁缺陷定量分析。

8、步驟六：缺陷定量分析，基于delaunay的方法計算重建后缺陷孔洞的體積與表面積，為后續(xù)評估橋梁整體安全性及制定橋梁維護(hù)決策提供數(shù)據(jù)支持。

9、本發(fā)明進(jìn)一步的改進(jìn)在于：所述步驟一具體包括：步驟1.1：實地調(diào)查與預(yù)備，對目標(biāo)橋梁進(jìn)行詳盡的實地調(diào)查，以全面了解橋梁的結(jié)構(gòu)特征、現(xiàn)有損傷狀況及其周邊環(huán)境，這一階段的目的是為了明確掃描的具體范圍和所需精度，根據(jù)橋梁的具體情況，搭建適合的激光掃描儀平臺，確保掃描設(shè)備能夠在不同的環(huán)境條件下穩(wěn)定并準(zhǔn)確地捕捉橋梁的三維信息；步驟1.2：設(shè)備配置與檢查，在激光掃描儀搭建完畢后，進(jìn)行必要的參數(shù)配置和系統(tǒng)檢查，根據(jù)橋梁的尺寸和詳細(xì)的掃描需求調(diào)整掃描儀的掃描速度、分辨率以及掃描角度，以確保能夠收集到詳盡且準(zhǔn)確的點云數(shù)據(jù)，這些參數(shù)的調(diào)整必須考慮到數(shù)據(jù)的后續(xù)處理需求和預(yù)期使用目的，確保數(shù)據(jù)的實用性與可操作性；步驟1.3：實施三維掃描，啟動激光掃描儀，對目標(biāo)橋梁進(jìn)行全方位的三維掃描，在掃描過程中注意避免可能的遮擋和干擾，同時確保掃描區(qū)域的光照條件充足且均勻，這是獲取高質(zhì)量點云數(shù)據(jù)的關(guān)鍵；針對橋梁的特定結(jié)構(gòu)特征，采用多角度和多站位掃描策略，這不僅可以增強(qiáng)數(shù)據(jù)的完整性，還能從不同視角捕獲橋梁的詳細(xì)信息，為后續(xù)的缺陷檢測和分析提供全面的數(shù)據(jù)支持。

10、本發(fā)明進(jìn)一步的改進(jìn)在于：所述步驟二具體包括：步驟2.1：統(tǒng)計濾波，首先，采用統(tǒng)計濾波算法過濾掉由掃描設(shè)備和環(huán)境干擾產(chǎn)生的噪聲點，該方法基于統(tǒng)計學(xué)分布原理，計算每個點與其最近k個鄰點的平均距離，并假設(shè)這些距離遵循高斯分布；通過設(shè)定一個基于這些距離的均值和方差計算得到的距離閾值，將超出此閾值的點視為異常離群點并剔除，避免數(shù)據(jù)過密影響后續(xù)處理效率和精度；步驟2.2：體素網(wǎng)格降采樣，接著使用體素網(wǎng)格降采樣算法來精簡點云數(shù)據(jù)中的冗余點，同時保留點云模型的空間幾何特征，通過將濾波后的點云數(shù)據(jù)劃分為大小一致的立方體單元（即體素），在每個體素內(nèi)部選擇一個點作為其內(nèi)所有點的代表且該代表點為體素內(nèi)的已存點，中心點或距離中心點最近的點，經(jīng)過體素網(wǎng)格降采樣處理后，可以顯著降低數(shù)據(jù)密度，同時保留原始曲面的形態(tài)特征；步驟2.3：法線估計，采用k最近鄰（knn，k-nearest-neighbors）搜索算法，基于點云中單個點的空間位置及其鄰近點的分布特性，識別每個點的k個最近鄰，利用這些鄰近點的空間分布估計法線方向；步驟2.4：?點云配準(zhǔn)，采用快速點特征直方圖算法結(jié)合隨機(jī)抽樣一致算法進(jìn)行全局配準(zhǔn)，在全局配準(zhǔn)基礎(chǔ)上使用迭代最近點算法進(jìn)行局部配準(zhǔn)的策略，將不同視角和不同時間采集到的點云數(shù)據(jù)進(jìn)行精準(zhǔn)配準(zhǔn)，以構(gòu)建完整的三維模型；步驟2.4.1：運用快速點特征直方圖（fpfh，fast?point?feature?histograms）算法，捕捉點云數(shù)據(jù)的幾何特征，fpfh是一種用于描述點云數(shù)據(jù)局部幾何特征的方法，通過分析每個點的鄰域信息，計算其直方圖描述符，以捕捉點云數(shù)據(jù)的細(xì)節(jié)幾何特征；步驟2.4.2：運用隨機(jī)抽樣一致（ransac，randomsample?consensus）算法進(jìn)行全局配準(zhǔn)，ransac算法通過隨機(jī)抽取點云中的樣本點以初步估計變換矩陣，進(jìn)而通過迭代優(yōu)化與驗證過程，確定最優(yōu)的全局對齊參數(shù)。在全局配準(zhǔn)階段，fpfh特征不僅建立了點云間的對應(yīng)關(guān)系，增強(qiáng)了配準(zhǔn)的穩(wěn)健性，還顯著提升了ransac算法的效率，從而確保全局配準(zhǔn)過程的穩(wěn)定與高效；步驟2.4.3：在全局配準(zhǔn)的基礎(chǔ)上，運用高斯牛頓法優(yōu)化的迭代最近點（icp，iterative?closest?point）算法進(jìn)行精細(xì)化的局部配準(zhǔn)；icp算法通過迭代方式不斷優(yōu)化點云間的對應(yīng)關(guān)系，求解旋轉(zhuǎn)和平移參數(shù)，使得處于不同坐標(biāo)系下的兩組點云在選定的全局坐標(biāo)系中，經(jīng)旋轉(zhuǎn)和平移后其重疊部分完全吻合；在局部配準(zhǔn)階段，fpfh特征依然發(fā)揮著重要作用，幫助icp算法更準(zhǔn)確地找到對應(yīng)的點，以實現(xiàn)更精細(xì)的對齊，完成配準(zhǔn)后，點云數(shù)據(jù)中仍存在噪聲、離群點及其它異常值，此時再次進(jìn)行前述步驟2.1的濾波操作，以進(jìn)一步消除此類噪聲與異常值，從而使點云數(shù)據(jù)更為平滑與準(zhǔn)確。

11、本發(fā)明進(jìn)一步的改進(jìn)在于：所述步驟三具體包括：步驟3.1：橋梁構(gòu)件分割，運用ransac算法對配準(zhǔn)后的完整橋梁點云進(jìn)行構(gòu)件分割，分割出橋梁的各個組成結(jié)構(gòu)，如橋面、橋塔、橋墩、護(hù)欄等，以降低后續(xù)算法的計算復(fù)雜性、提高處理速度；雖然整個橋梁結(jié)構(gòu)非常復(fù)雜，但橋梁各構(gòu)件具有清晰的幾何形狀（如柱形、平面、曲面等），可以用參數(shù)化的數(shù)學(xué)模型精確描述且不同構(gòu)件間的尺寸差異明顯（如橋墩高度遠(yuǎn)大于欄桿厚度），有助于在點云數(shù)據(jù)中區(qū)分不同的構(gòu)件ransac算法充分利用橋梁構(gòu)件清晰的幾何形狀、局部結(jié)構(gòu)規(guī)則性、尺度差異信息以及算法內(nèi)在的抗噪聲能力，通過迭代尋找最能代表各構(gòu)件特性的模型參數(shù)，實現(xiàn)在復(fù)雜的橋梁點云數(shù)據(jù)中精準(zhǔn)地分割出各個獨立的構(gòu)件單元。

12、本發(fā)明進(jìn)一步的改進(jìn)在于：所述步驟四具體包括：步驟4.1：鑒于點云數(shù)據(jù)量通常非常龐大，直接采用遍歷方式進(jìn)行鄰域搜索的效率較低，因此本方法中采用構(gòu)建kd樹的策略來實現(xiàn)高效的鄰域搜索。kd樹是一種能夠在多維空間中有效地組織數(shù)據(jù)，以加速查詢和更新操作的數(shù)據(jù)結(jié)構(gòu)。通過使用kd樹，可以顯著提高相關(guān)點的幾何特征計算效率；步驟4.2：此步驟中，對點云數(shù)據(jù)的每個點提取包括曲率、鄰域密度、反射能量值及鄰域方差等關(guān)鍵特征。曲率是通過分析點的法線變化得到的，鄰域密度則是通過統(tǒng)計一定半徑范圍內(nèi)的鄰近點數(shù)量來確定，而反射能量及鄰域方差則是基于鄰近點的反射能量值計算出的。這些特征對于區(qū)分缺陷部位與非缺陷部位至關(guān)重要；步驟4.3：在進(jìn)行缺陷檢測的最后步驟中，采用區(qū)域生長聚類分割算法對每個點云橋梁構(gòu)件單元進(jìn)行詳細(xì)分析。該過程從具有最小曲率的點開始，基于曲率、法向量、鄰域密度、反射能量值及領(lǐng)域方差等關(guān)鍵特征進(jìn)行分類，并逐漸向周圍擴(kuò)展，不斷增加分割的目標(biāo)區(qū)域。此過程一直持續(xù)，直到所有點云被覆蓋，根據(jù)合并條件，將相近的區(qū)域歸為同一聚類區(qū)域。完成分類后，通過以不同顏色標(biāo)注缺陷點和非缺陷點，直觀展示橋梁的缺陷分布，從而完成點云數(shù)據(jù)的缺陷檢測過程。

13、本發(fā)明進(jìn)一步的改進(jìn)在于：所述步驟五具體包括：步驟5.1：運用克里金插值算法，依據(jù)點云數(shù)據(jù)中現(xiàn)有點的空間分布與屬性特征，計算各點的權(quán)重及方差等統(tǒng)計量，精確估算缺陷部位的點云數(shù)據(jù)，生成連續(xù)且平滑的插值結(jié)果，通過克里金插值能夠自動修復(fù)和重建缺陷區(qū)域，填補(bǔ)缺失數(shù)據(jù)，使修復(fù)后的點云數(shù)據(jù)與實際狀況高度吻合，這一過程為后續(xù)橋梁缺陷定量分析提供了可靠的數(shù)據(jù)基礎(chǔ)，有助于更精準(zhǔn)地評估橋梁結(jié)構(gòu)的安全性，并為制定針對性維修策略提供強(qiáng)有力的數(shù)據(jù)支撐。

14、本發(fā)明進(jìn)一步的改進(jìn)在于：所述步驟六具體包括：步驟6.1：在點云缺陷重建完成后，原有的缺陷部位與重建部位形成一個封閉孔洞，分別運用delaunay三角剖分和delaunay四面體剖分算法計算該封閉孔洞的表面積和體積；delaunay三角剖分算法依據(jù)重建點云的空間分布特性，將這些離散的三維空間點構(gòu)建成一個連續(xù)、無縫且互不重疊的三角形網(wǎng)格系統(tǒng)；該網(wǎng)格系統(tǒng)緊密貼合原始數(shù)據(jù)形態(tài)，其構(gòu)成單元——三角形，在保持結(jié)構(gòu)穩(wěn)定性的同時，盡可能趨向于等邊形態(tài)，以通過最優(yōu)化的三角剖分策略，最大限度地抑制誤差，提升計算效能，細(xì)膩地再現(xiàn)缺陷區(qū)域的微細(xì)特征；通過累加每個無重疊三角網(wǎng)格的面積，能精準(zhǔn)計算出該封閉孔洞的表面積；delaunay四面體剖分算法將該封閉孔洞的點云數(shù)據(jù)轉(zhuǎn)換為由若干個四面體組成的網(wǎng)格結(jié)構(gòu)，所有四面體共同構(gòu)成一個覆蓋點云的非重疊四面體網(wǎng)格；每個四面體內(nèi)任一點的最近鄰仍是四面體頂點之一且對于任意四面體，其外接球（以四面體四個頂點為球心的最小包圍球）內(nèi)部不包含任何數(shù)據(jù)點；便于已構(gòu)建的delaunay四面體網(wǎng)格，計算每個四面體的體積，再將所有四面體的體積累加，得到該封閉孔洞的體積；基于delaunay的方法計算重建后缺陷孔洞的體積與表面積為后續(xù)評估橋梁整體安全性及制定橋梁維護(hù)決策提供數(shù)據(jù)支持。

15、（1）通過三維激光掃描儀進(jìn)行數(shù)據(jù)采集，本方法可以快速獲取橋梁的點云數(shù)據(jù)，這種方式極大地降低了檢測人員在高風(fēng)險環(huán)境中的工作風(fēng)險，同時減少了人為因素的干擾，提高了工作效率，遠(yuǎn)程操作減少了對檢測人員個人經(jīng)驗與技術(shù)水平的依賴，從而使得數(shù)據(jù)采集過程更加客觀和可靠。

16、（2）本發(fā)明采用的基于點云數(shù)據(jù)的處理方法能全面、細(xì)致地檢測橋梁的缺陷，實現(xiàn)了缺陷檢測的自動化，這一自動化過程不僅提高了檢測的可靠性和準(zhǔn)確性，而且確保了檢測區(qū)域的全面覆蓋，降低了遺漏或誤判潛在問題的風(fēng)險；該方法不僅能夠識別出橋梁的缺陷部位，還能對這些缺陷進(jìn)行定量分析，這種分析方法可以更直觀和準(zhǔn)確地評估缺陷對橋梁結(jié)構(gòu)安全的危害程度，為橋梁的維修和加固決策提供了強(qiáng)有力的數(shù)據(jù)支持。

17、（3）與傳統(tǒng)的橋梁檢測方法相比，本發(fā)明顯著減少了人力和物力的投入，降低了整體的檢測成本，通過自動化和精確化的檢測流程，減少了因人為操作不當(dāng)而導(dǎo)致的資源浪費和重復(fù)工作，提高了資源使用的效率。