基于點(diǎn)云的建筑物表面損傷三維重建與屬性提取方法

徐 照， 李蘇豪， 陳 楠， 李啟明

(1. 東南大學(xué) 土木工程學(xué)院， 江蘇 南京 210096； 2. 中國能源建設(shè)集團(tuán)江蘇省電力設(shè)計(jì)院有限公司，江蘇 南京 211102；3. 三江學(xué)院 土木工程學(xué)院， 江蘇 南京 210012)

建筑物損傷的發(fā)生除了會(huì)造成維護(hù)工期、材料、人工、成本的增加，還會(huì)影響建筑物整體運(yùn)營效率并造成安全隱患[1,2]。目前在建筑物表面損傷測(cè)量領(lǐng)域，紅外熱像和超聲檢測(cè)技術(shù)已經(jīng)有了較多的應(yīng)用。三維掃描技術(shù)由于應(yīng)用成本的問題，在損傷檢測(cè)的應(yīng)用還不夠普及。三維掃描技術(shù)能夠快速獲取目標(biāo)物體空間坐標(biāo)信息，建立復(fù)雜、不規(guī)則的可視化結(jié)構(gòu)模型，從物理屬性角度精細(xì)反映外觀特征[3]。通過掃描設(shè)備獲取的空間數(shù)據(jù)在表現(xiàn)模式上通常呈點(diǎn)狀分布，即為點(diǎn)云數(shù)據(jù)。點(diǎn)云數(shù)據(jù)的結(jié)構(gòu)相對(duì)簡(jiǎn)單，通過空間點(diǎn)位置的分布可以描述被掃描物體復(fù)雜的幾何結(jié)構(gòu)，同時(shí)點(diǎn)云模型還可以被賦予空間位置坐標(biāo)、大小、顏色、紋理等相關(guān)屬性信息[4]。點(diǎn)云數(shù)據(jù)能夠?qū)呙鑼?duì)象的空間幾何信息轉(zhuǎn)換為單一屬性數(shù)據(jù)庫信息，從而便于三維重建。

在工程領(lǐng)域，目前國內(nèi)外在建筑物三維掃描和點(diǎn)云技術(shù)方面的相關(guān)研究主要集中于點(diǎn)云模型到BIM(Building Information Modeling，建筑信息模型)模型的算法效率和信息識(shí)別準(zhǔn)確率；將三維掃描技術(shù)和BIM結(jié)合輔助工程施工以及工程質(zhì)量、進(jìn)度等方面的監(jiān)測(cè)；利用三維激光掃描技術(shù)監(jiān)測(cè)工程部位(基坑、橋梁等)和相關(guān)構(gòu)件的變形；對(duì)相關(guān)工程或者檢測(cè)部位進(jìn)行三維模型重建，并對(duì)結(jié)果進(jìn)行量化處理和研究。Kim等[5]將BIM模型和預(yù)制構(gòu)件表面的點(diǎn)云數(shù)據(jù)進(jìn)行對(duì)比，實(shí)現(xiàn)對(duì)預(yù)制構(gòu)件表面質(zhì)量的評(píng)估。與此同時(shí)，在過去的幾年之中，點(diǎn)云處理軟件的發(fā)展也極大地提高了點(diǎn)云數(shù)據(jù)的處理速度，使得點(diǎn)云到BIM模型的轉(zhuǎn)化更加靈活，如Xiong等[6]通過算法設(shè)計(jì)將原生點(diǎn)云數(shù)據(jù)轉(zhuǎn)化為緊湊且語義豐富的BIM模型，即使在存在大量的閉塞區(qū)域和噪聲的情況下也能夠準(zhǔn)確識(shí)別室內(nèi)的基本構(gòu)件(墻、樓板、天花板、窗戶等)。錢海等[7]提出了基于三維激光掃描和BIM模型的建筑構(gòu)件檢測(cè)方法，用于自動(dòng)檢測(cè)建筑構(gòu)件在生產(chǎn)及運(yùn)輸過程中產(chǎn)生的缺陷，并通過實(shí)例驗(yàn)證了所提算法的可行性和準(zhǔn)確性；這些研究成果都不同程度的應(yīng)用于實(shí)踐，并帶來了良好的應(yīng)用價(jià)值和經(jīng)濟(jì)效益。然而目前三維掃描技術(shù)在路面損傷檢測(cè)相關(guān)研究較多[8]，在建筑物無損探傷領(lǐng)域，利用三維掃描技術(shù)的成果相對(duì)較少。

本文提出了基于點(diǎn)云的建筑物表面損傷三維重建和屬性計(jì)算方法，通過對(duì)點(diǎn)云數(shù)據(jù)的預(yù)處理和坐標(biāo)系轉(zhuǎn)換，基于GIS(Geographic Information System，地理信息系統(tǒng))環(huán)境實(shí)現(xiàn)了對(duì)不規(guī)則損傷幾何特征屬性量化提取和損傷三維模型構(gòu)建，有助于滿足損傷信息的參數(shù)化、可視化、集成化管理需求。通過對(duì)建筑表面損傷進(jìn)行無損探測(cè)，一方面可以使建筑運(yùn)維管理人員更好地了解損傷的分布以及產(chǎn)生的原因并對(duì)損傷進(jìn)行有效分級(jí)管理；另一方面也能夠?yàn)楣芾碚咛峁┙ㄖ锉砻鎿p傷維護(hù)決策的參考數(shù)據(jù)，進(jìn)而合理安排損傷修復(fù)或結(jié)構(gòu)加固的維修計(jì)劃。

1 損傷點(diǎn)云數(shù)據(jù)獲取與坐標(biāo)系轉(zhuǎn)換

Kinect傳感器主要通過深度攝像頭讀取被掃描物體或環(huán)境的深度信息[9]。深度信息的解碼和運(yùn)算由芯片完成。獲取的深度數(shù)據(jù)經(jīng)過PCL(Point Cloud Library)算法的處理，能夠間接生成三維點(diǎn)云數(shù)據(jù)。本文選某損傷墻體作為研究對(duì)象，通過Kinect掃描平臺(tái)完成數(shù)據(jù)采集工作(如圖1所示)。被采集到的點(diǎn)云數(shù)據(jù)通過PCL的預(yù)處理和格式轉(zhuǎn)化后進(jìn)入數(shù)據(jù)后期處理流程。使用Kinect獲得的初始點(diǎn)云數(shù)據(jù)(圖2)，其中墻面損傷部分已由紅色橢圓框標(biāo)出。進(jìn)一步通過使用多角度照片配合三角定位，則可以間接確定損傷信息對(duì)象在空間的位置信息和幾何信息，從而通過該原理獲得墻面損傷三維模型(圖3)。

圖1 掃描示意

圖 2 Kinect獲得初始點(diǎn)云數(shù)據(jù)

圖3 墻面損傷三維重建模型

由于Kinect獲得的點(diǎn)云數(shù)據(jù)以其自身的儀器坐標(biāo)系統(tǒng)為基準(zhǔn)，而對(duì)于實(shí)際應(yīng)用中往往需要將采集到的點(diǎn)云數(shù)據(jù)的坐標(biāo)轉(zhuǎn)化為具體構(gòu)件所對(duì)應(yīng)的坐標(biāo)來方便對(duì)損傷的定位。點(diǎn)云數(shù)據(jù)坐標(biāo)系主要包括：設(shè)備內(nèi)部坐標(biāo)系、構(gòu)件局部坐標(biāo)系和建筑整體坐標(biāo)系，這三個(gè)坐標(biāo)系由于所選參照系不同而對(duì)于損傷掃描區(qū)域的空間定位表現(xiàn)形式也有所區(qū)別[10]，因此在一定條件下需要確定他們之間的轉(zhuǎn)換關(guān)系，統(tǒng)一參照系。

Kinect設(shè)備內(nèi)部坐標(biāo)系是指采集到的點(diǎn)云數(shù)據(jù)本身所對(duì)應(yīng)的坐標(biāo)系，該坐標(biāo)系的原點(diǎn)位于Kinect設(shè)備內(nèi)部，Kinect的空間坐標(biāo)系z(mì)軸數(shù)值代表距離攝像頭的垂直距離，x，y軸與圖像平面平行，光軸與圖像平面的焦點(diǎn)即為坐標(biāo)系原點(diǎn)。

構(gòu)件局部坐標(biāo)系主要是針對(duì)建筑物損傷構(gòu)件而言的坐標(biāo)系，在本文中研究對(duì)象主要是墻面，局部坐標(biāo)系能夠更加方便地對(duì)墻面損傷進(jìn)行定位，確定損傷部位在墻面的位置，同時(shí)也可以支持在Revit中對(duì)損傷墻面進(jìn)行族的建立。局部坐標(biāo)系的原點(diǎn)位置一般因構(gòu)件而異，既可以選擇墻體構(gòu)件的左下角位置，也可以選擇墻體中心的位置，構(gòu)件局部坐標(biāo)系的確定標(biāo)準(zhǔn)是能夠更方便配合Kinect設(shè)備內(nèi)部坐標(biāo)準(zhǔn)確地對(duì)損傷部分進(jìn)行定位，從而能夠以坐標(biāo)的形式準(zhǔn)確描述損傷所在的位置。

整體坐標(biāo)系主要是針對(duì)建筑物而言，如果要將損傷信息導(dǎo)入至BIM模型，特別涉及到幾何和位置關(guān)系時(shí)，需要密切關(guān)注損傷構(gòu)件的坐標(biāo)和建筑整體坐標(biāo)系的變換關(guān)系。建筑整體坐標(biāo)系能夠?yàn)樵诮ㄖ畔⒛Ｐ椭胁迦?、定位、管理相關(guān)的損傷數(shù)據(jù)提供支持。

(1)設(shè)備內(nèi)部坐標(biāo)系和局部坐標(biāo)系轉(zhuǎn)換

取墻面的左下角點(diǎn)為坐標(biāo)系的控制點(diǎn)(o坐標(biāo)系原點(diǎn))o(0,0,0)，若該點(diǎn)在Kinect設(shè)備內(nèi)部坐標(biāo)系數(shù)據(jù)中獲坐標(biāo)為(a,b,c)，則對(duì)于Kinect采集到的點(diǎn)云數(shù)據(jù)轉(zhuǎn)換到墻面的局部坐標(biāo)的統(tǒng)一轉(zhuǎn)換公式為式(1)，如圖4所示。

圖4 坐標(biāo)轉(zhuǎn)換

(1)

(2)設(shè)備內(nèi)部坐標(biāo)系和建筑整體坐標(biāo)系的轉(zhuǎn)換

損傷圖像坐標(biāo)轉(zhuǎn)換是對(duì)于建筑物損傷平面實(shí)體的位置描述，將損傷信息從設(shè)備內(nèi)部坐標(biāo)系統(tǒng)變換到建筑整體坐標(biāo)系統(tǒng)的過程，其目的在于準(zhǔn)確描述不同坐標(biāo)系之間的對(duì)應(yīng)關(guān)系。為了方便設(shè)備內(nèi)部坐標(biāo)系轉(zhuǎn)換先建立相機(jī)坐標(biāo)系統(tǒng)，其坐標(biāo)原點(diǎn)o在針孔處(如圖5)，并令其對(duì)應(yīng)的xCyC平面平行于影像裝置的影像擷取平面θ(即感光元件所在平面)。平面θ與平面xCyC之間的距離為相機(jī)焦距f，通過坐標(biāo)原點(diǎn)o且與θ平面垂直的直線為zC軸，C點(diǎn)為影像中心即坐標(biāo)系統(tǒng)的原點(diǎn)。若(xp，yp，zp)為三維掃描設(shè)備內(nèi)部坐標(biāo)系，(xi，yi)為建筑物損傷掃描對(duì)象影像平面坐標(biāo)，通過幾何可以得到如下關(guān)系：

(2)

圖5 相機(jī)坐標(biāo)系統(tǒng)

若已知的Kinect設(shè)備鏡頭焦距f以及待測(cè)物到相機(jī)的距離zp，則通過測(cè)量建筑損傷影像坐標(biāo)的長度或位置變化來描述損傷位置在真實(shí)空間的三維坐標(biāo)(即建筑物整體坐標(biāo))。影像坐標(biāo)系統(tǒng)、相機(jī)坐標(biāo)系(設(shè)備內(nèi)容部坐標(biāo)系)與建筑整體坐標(biāo)系(世界坐標(biāo)系)三者之間雖然參照面不同，但是具有相互轉(zhuǎn)換的關(guān)系(如圖6)，轉(zhuǎn)換式可寫成：

圖6 不同坐標(biāo)系統(tǒng)

(3)

式中：f為焦距；su，sv為像素在感光元件上非正方形而存在的比例關(guān)系；x0，y0為影像坐標(biāo)系統(tǒng)的平移參數(shù)；α為影像坐標(biāo)系統(tǒng)兩個(gè)主軸夾角。以上這6個(gè)參數(shù)稱為相機(jī)的內(nèi)部參數(shù)。坐標(biāo)系轉(zhuǎn)換的外部參數(shù)包括旋轉(zhuǎn)矩陣R和平移矩陣T，轉(zhuǎn)換式如式(4)～(6)。

(5)

式中：rx,ry,rz分別為圖像與x,y,z軸對(duì)應(yīng)的旋角。

(6)

2 特征提取算法

由于建筑構(gòu)件本身存在多樣性，不同的建筑構(gòu)件表面損傷所需要提取的屬性值并不完全相同。因此，首先要建立面向不同建筑構(gòu)件的建筑表面損傷的點(diǎn)云數(shù)據(jù)庫。通?；窘ㄖ?gòu)件(如柱、墻、板、梁等)表面損傷所需要提取的屬性值包括損傷區(qū)域面積、損傷區(qū)域深度、損傷區(qū)域體積、表面平整度等。

2.1 點(diǎn)云數(shù)據(jù)預(yù)處理

本文對(duì)于墻面損傷的定義指墻表面形變超過臨界值的區(qū)域。在通過掃描設(shè)備采集點(diǎn)云數(shù)據(jù)的過程中，由于操作流程、外界環(huán)境、儀器精度等因素的影響，點(diǎn)云數(shù)據(jù)集中通常會(huì)出現(xiàn)噪點(diǎn)。在點(diǎn)云數(shù)據(jù)處理流程中，只有在預(yù)處理后，數(shù)據(jù)才更適宜坐標(biāo)系配準(zhǔn)、特征量提取、三維重建等功能需求。本文的數(shù)據(jù)預(yù)處理主要結(jié)合PCL算法和Meshlab進(jìn)行點(diǎn)云數(shù)據(jù)面切割和關(guān)鍵區(qū)域的信息提取。從而盡可能減少采集的點(diǎn)云數(shù)據(jù)冗余度，并提高數(shù)據(jù)可靠性。預(yù)處理后的數(shù)據(jù)如圖7所示。

圖7 PCL算法預(yù)處理后數(shù)據(jù)

2.2 基于RANSAC改進(jìn)算法的平面特征提取

在對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理之后，要對(duì)分割完成的點(diǎn)云數(shù)據(jù)的進(jìn)行平面擬合來恢復(fù)損傷區(qū)域損壞之前的形態(tài)，從而以該形態(tài)作為參考面來進(jìn)一步的對(duì)損傷的幾何屬性進(jìn)行提取。因此本文利用RANSAC(Random Sample Consensus)算法從墻面完好區(qū)域的點(diǎn)圖像中自動(dòng)提取規(guī)則平面模型，首先隨機(jī)選擇一個(gè)數(shù)據(jù)點(diǎn)樣本，確定按照閥值Td切分形成的支撐模型子集Si，Si就是數(shù)據(jù)點(diǎn)樣本的一致集。比較集合Si和新設(shè)閥值TS的大小，Si取值大則比較結(jié)束，Si取值小則重新選取子集樣本進(jìn)行比較。反復(fù)這一過程直到找到最大的一致集Si。然后采用最小二乘法擬合子集平面P，平面方程為：

(7)

根據(jù)最小二乘法原理，要使給定點(diǎn)的偏差平方和Q最小。Q的計(jì)算式為：

(8)

當(dāng)Q對(duì)a0，a1，a2的偏導(dǎo)數(shù)同時(shí)為0時(shí)，將出現(xiàn)最小值，即：

(9)

(10)

(11)

代入點(diǎn)云的坐標(biāo)(x,y,z)求得方程的系數(shù)a0,a1,a2。點(diǎn)(x,y,z)到平面P的距離表達(dá)式為：

(12)

最后將采集到的點(diǎn)云數(shù)據(jù)點(diǎn)(x,y,z)和擬合點(diǎn)云平面P相疊加，通常要求兩張圖之間深度值的差距在5 mm之內(nèi)(本文案例計(jì)算中設(shè)深度值差距為0)。通過這樣的步驟，可以獲得非損傷區(qū)域的平面擬合。除此之外，本研究對(duì)于掃描區(qū)域的深度值進(jìn)行標(biāo)準(zhǔn)化，標(biāo)準(zhǔn)化的公式如式(13)所示，需要滿足多個(gè)點(diǎn)的深度標(biāo)準(zhǔn)值都在0～1之間。

(13)

式中：d(x,y)為損傷位置與擬合平面之間的距離；dmax為d(x,y)的最大值。

2.3 損傷信息的幾何屬性計(jì)算

接著將處理后的點(diǎn)云數(shù)據(jù)轉(zhuǎn)化成深度圖像，獲得每個(gè)像素的尺寸ls，在此基礎(chǔ)上，可以獲得墻面損傷區(qū)域的面積A以及體積V，計(jì)算方式如下：

(14)

(15)

(16)

基于以上的計(jì)算理論，提取出的量化屬性(例如：體積、面積、深度等)對(duì)于損傷程度的分類和排序非常重要。

3 實(shí)例分析

本文以某墻面損傷為例，闡述建筑表面損傷點(diǎn)云數(shù)據(jù)處理流程，實(shí)現(xiàn)建筑表面損傷的三維重建和幾何特征屬性提取。

3.1 GIS環(huán)境下的三維重建

為了能夠?qū)inect采集到的數(shù)據(jù)輸入至ArcGIS平臺(tái)中，需對(duì)數(shù)據(jù)的格式進(jìn)行轉(zhuǎn)化。本文首先利用PCL算法將采集到的pcd格式的點(diǎn)云數(shù)據(jù)轉(zhuǎn)化成ply格式的點(diǎn)云數(shù)據(jù)。然后使用Meshlab將ply的點(diǎn)云數(shù)據(jù)轉(zhuǎn)化成txt格式點(diǎn)云數(shù)據(jù)，最后將txt格式點(diǎn)云數(shù)據(jù)導(dǎo)入至ArcGIS中，從而完成了數(shù)據(jù)格式轉(zhuǎn)換和數(shù)據(jù)導(dǎo)入的工作，如圖8所示。在ArcGIS中對(duì)導(dǎo)入的點(diǎn)云數(shù)據(jù)進(jìn)行不規(guī)則三角化(Triangulated Irregular Network，TIN)，如圖9所示。經(jīng)過隨機(jī)采樣一致性(Random Sample Consensus，RANSAC)平滑算法修正TIN數(shù)據(jù)(圖10)，該算法主要思路是使用盡量少的點(diǎn)估計(jì)模型，再用剩余的點(diǎn)來檢驗(yàn)?zāi)Ｐ停唧w重建流程為：(1)從樣本集P中隨機(jī)選取涵蓋n個(gè)樣本數(shù)據(jù)的一個(gè)集合S，計(jì)算出一個(gè)初始化模型M；(2)對(duì)于余集P-S中的數(shù)據(jù)進(jìn)行適應(yīng)性檢驗(yàn)，篩選出各余集數(shù)據(jù)對(duì)于模型M的檢驗(yàn)誤差小于某一設(shè)定閾值k時(shí)的樣本集，這些樣本稱為S的內(nèi)點(diǎn)，與S共同構(gòu)成一個(gè)集合S*，這個(gè)集合就是S的一致集合；(3)若集合S*滿足一定條件，認(rèn)為得到正確的模型參數(shù)，并利用集S*采用某種算法重新估計(jì)新的模型M*；(4)重新隨機(jī)抽取新的S，重復(fù)以上過程。在重復(fù)抽樣數(shù)達(dá)到一定量之后，若未找到一致集合則算法失效，從而實(shí)現(xiàn)建筑墻面損傷區(qū)域的三維重建。本文重建的裂縫三維模型是翻轉(zhuǎn)后的損傷模型，利用該三維重建模型中點(diǎn)到垂直投影面的距離可以進(jìn)一步測(cè)算三維模型的各項(xiàng)參數(shù)(如投影面積、體積等)。圖9，10中，淡藍(lán)色區(qū)域代表表面未損壞區(qū)域，該區(qū)域上的點(diǎn)到垂直投影面距離為零，此處為平面。白色區(qū)域代表損傷最嚴(yán)重的區(qū)域，該區(qū)域上的分布點(diǎn)到垂直投影面距離最大，紅色區(qū)域代表損傷較嚴(yán)重區(qū)域，該區(qū)域上的分布點(diǎn)到垂直投影面距離較大，其余部分包括淡紅色、綠色、黃色區(qū)域代表重建三維模型上的點(diǎn)到垂直投影面的距離依次減小，經(jīng)過顏色的分類從而能夠直觀地識(shí)別出建筑物表面損傷分布情況。

圖8 損傷點(diǎn)云數(shù)據(jù)

圖9 TIN化后的損傷點(diǎn)云數(shù)據(jù)

圖10 RANSAC算法處理后的數(shù)據(jù)

3.2 點(diǎn)云圖形特征提取

點(diǎn)云圖形特征提取主要是指對(duì)點(diǎn)云所構(gòu)成三維模型按照不同的深度范圍進(jìn)行對(duì)應(yīng)的特征提取，在本文中主要針對(duì)建筑表面損傷區(qū)域的損傷面積、體積和深度進(jìn)行屬性提取。GIS環(huán)境下點(diǎn)云形成的模型表面可以是柵格、TIN或terrain數(shù)據(jù)集。本文中的損傷三維模型為TIN數(shù)據(jù)，如果輸入表面是TIN或terrain數(shù)據(jù)集，將對(duì)形成模型的所有三角片元進(jìn)行檢查以確定其對(duì)面積和體積的影響，其分析結(jié)果以ASCII 文本文件的形式輸出，文件包含數(shù)據(jù)集、平面高度、面積和體積等字段標(biāo)題和實(shí)際指標(biāo)值。點(diǎn)云模型的坐標(biāo)系參考平面通過ABOVE和BELOW參數(shù)來用于確定是在平面的上方還是在其下方執(zhí)行這些計(jì)算。本文將參考平面設(shè)置為 ABOVE 時(shí)，針對(duì)給定平面高度上方的表面部分計(jì)算投影面積和表面面積，體積表示位于平面和表面內(nèi)側(cè)之間的立方體區(qū)域(圖11)。通過計(jì)算紅色陰影面積的投影面積和體積來對(duì)點(diǎn)云圖形特征進(jìn)行提取。

圖11 表面體積計(jì)算原理

在GIS環(huán)境中利用建筑物表面損傷的TIN數(shù)據(jù)，可以獲得損傷區(qū)域的體積和損傷面積，生成反映損傷深度數(shù)據(jù)的灰度柵格圖(圖12)，圖中白色部分為建筑物表面損傷區(qū)域，白色越亮的部分表示該部位表面損傷深度值越大，黑色部分表示無損傷區(qū)域，白色集中的區(qū)域?yàn)閾p傷區(qū)。經(jīng)過計(jì)算可得該墻面損傷投影面積為640 cm2，3D面積為729.5 cm2，損傷體積為1152.3 cm3，最大深度值為2.52 cm。

圖12 損傷深度數(shù)據(jù)柵格

3.3 精度檢驗(yàn)

圖13 兩種測(cè)量方式精度對(duì)比

圖14 820 mm點(diǎn)云分布直方圖

4 結(jié) 語

建筑物的損傷很大一部分表現(xiàn)為建筑構(gòu)件表面的裂縫或破損，如不及時(shí)采取措施，可能造成極為嚴(yán)重的后果。目前信息技術(shù)、可視化技術(shù)、三維掃描技術(shù)快速發(fā)展，依靠新技術(shù)對(duì)建筑物表面損傷進(jìn)行測(cè)量、評(píng)價(jià)、維護(hù)等工作有利于提高建筑安全性和延長使用壽命。本文采用Kinect掃描設(shè)備來獲取建筑物表面損傷點(diǎn)云信息，應(yīng)用基于GIS環(huán)境的點(diǎn)云融合建筑物表面損傷三維重建算法對(duì)損傷進(jìn)行定量分析，并設(shè)計(jì)了一套完整的點(diǎn)云數(shù)據(jù)處理流程來提取損傷的幾何屬性。該方法

減少了現(xiàn)場(chǎng)工程師的損傷測(cè)量工作量，豐富了損傷信息標(biāo)準(zhǔn)化采集方法，從而更好地輔助管理者決策。

[1] Pheng L S, Wee D. Improving maintenance and reducing building defects through ISO 9000[J]. Journal of Quality in Maintenance Engineering, 2001, 7(1): 6-24.

[2] Abdullah S, Iskandar E, Abdul Razak A. Building defects or building failures: Misconception and understanding[J]. Applied Mechanics and Materials, 2015, 747: 355-358.

[3] 馬俊偉, 唐輝明, 胡新麗, 等. 三維激光掃描技術(shù)在滑坡物理模型試驗(yàn)中的應(yīng)用[J]. 巖土力學(xué), 2014, 35(5): 1495-1505.

[4] 陳聰梅. 基于Kinect的三維點(diǎn)云數(shù)據(jù)處理[D]. 蘇州: 蘇州大學(xué), 2013.

[5] Kim M K, Cheng J C P, Sohn H, et al. A framework for dimensional and surface quality assessment of precast concrete elements using BIM and 3D laser scanning[J]. Automation in Construction, 2015, 49: 225-238.

[6] Xiong X, Adan A, Akinci B, et al. Automatic creation of semantically rich 3D building models from laser scanner data[J]. Automation in Construction, 2013, 31: 325-337.

[7] 錢 海, 馬小軍, 包仁標(biāo), 等. 基于三維激光掃描和BIM的構(gòu)件缺陷檢測(cè)技術(shù)[J]. 計(jì)算機(jī)測(cè)量與控制, 2016, 24(2): 14-17.

[8] Jahanshahi M R, Jazizadeh F, Masri S F, et al. An unsupervised approach for autonomous pavement defect detection and quantification using an inexpensive depth sensor[J]. Journal of Computing in Civil Engineering, 2013, 27: 743-754.

[9] Erica N. Microsoft kinect: How the device can respond to your voice and gestures[J]. Technology Review, 2011, 114(1): 82-83.

[10] 邵 浩, 侯文立. Kinect用于其他應(yīng)用時(shí)坐標(biāo)系轉(zhuǎn)換問題研究[J]. 現(xiàn)代計(jì)算機(jī), 2014, (11): 42-44.