基于PCL的鋼箱節(jié)段虛擬預(yù)拼裝技術(shù)

朱愛珠,王佳盟,潘文銘,崔 冰,朱宏平

(1. 華中科技大學(xué) 土木與水利工程學(xué)院,湖北 武漢 430074; 2. 中交二航局結(jié)構(gòu)工程有限公司,湖北 武漢 430011;3. 中交二航局技術(shù)中心,湖北 武漢 430014)

0 引 言

鋼箱結(jié)構(gòu)橋梁(主梁/系梁/加勁梁采用鋼箱結(jié)構(gòu)的各類橋梁)一般采用工廠預(yù)制和現(xiàn)場(chǎng)拼裝相結(jié)合的施工方法,在鋼箱節(jié)段到達(dá)施工現(xiàn)場(chǎng)前,必須通過實(shí)體預(yù)拼裝評(píng)估節(jié)段間是否滿足現(xiàn)場(chǎng)拼裝要求。

目前,在工廠內(nèi)進(jìn)行構(gòu)件出廠前的實(shí)體預(yù)拼裝時(shí),需將構(gòu)件放置在胎架上進(jìn)行拼裝,這會(huì)占用大量場(chǎng)地并消耗較多工人,使預(yù)拼裝成本達(dá)到制造總成本的10%～25%[1]。虛擬預(yù)拼裝技術(shù)是通過數(shù)字化測(cè)量方法(全站儀、數(shù)字工業(yè)攝影系統(tǒng)、三維激光掃描儀[2])對(duì)待拼構(gòu)件進(jìn)行信息采集,運(yùn)用軟件或點(diǎn)云處理算法獲得待拼裝構(gòu)件關(guān)鍵點(diǎn)坐標(biāo)并進(jìn)行匹配,最后判斷匹配后的拼裝誤差是否滿足規(guī)范要求。虛擬預(yù)拼裝技術(shù)作為近年來快速發(fā)展起來的一項(xiàng)新技術(shù),在一些大型建筑鋼結(jié)構(gòu)如北京大興國(guó)際機(jī)場(chǎng)航站樓、上海中心大廈、深圳國(guó)際會(huì)展中心以及北京豐臺(tái)站中得到應(yīng)用,展現(xiàn)了其高效性和經(jīng)濟(jì)性[3-4],該技術(shù)在鋼桁梁橋桿件拼接和螺栓連接方面的應(yīng)用,驗(yàn)證了其應(yīng)用于鋼橋預(yù)拼裝的可行性[5]。

目前工程所采用的虛擬預(yù)拼裝技術(shù)對(duì)專業(yè)軟件的依賴性較大,甚至需要搭配多個(gè)軟件共同使用。姚傳勤等[6]結(jié)合Tekla Structures和Geomagic Qualify軟件完成了某鋼桁架的虛擬預(yù)拼裝,坐標(biāo)匹配時(shí)需人工選取拼裝控制點(diǎn)并指定其對(duì)應(yīng)關(guān)系,數(shù)據(jù)處理過程復(fù)雜、軟件購買費(fèi)用高、主觀性強(qiáng)、自動(dòng)化程度低。

點(diǎn)云憑借其高精度的優(yōu)勢(shì)被廣泛應(yīng)用于物體信息獲取[7-8],PCL(point cloud library)點(diǎn)云庫中維護(hù)了很多開源的點(diǎn)云處理算法[9],可以高效率操作點(diǎn)云,避免了過度依賴軟件所造成的麻煩,可以實(shí)現(xiàn)高效、快捷的虛擬預(yù)拼裝。朱啟兵等[10]以金桔果實(shí)為研究對(duì)象,基于PCL點(diǎn)云處理算法對(duì)掃描得到的金桔果實(shí)點(diǎn)云數(shù)據(jù)進(jìn)行特征提取、匹配等操作,獲得了較為理想的物體表面特征結(jié)果,可認(rèn)為PCL點(diǎn)云處理算法具有高效性和可行性等特點(diǎn)。

筆者首先針對(duì)鋼箱節(jié)段截面特征提出了一套基于PCL的鋼箱節(jié)段虛擬預(yù)拼裝技術(shù),該技術(shù)采用PCL中的點(diǎn)云處理算法實(shí)現(xiàn)了鋼箱節(jié)段待拼裝截面初始點(diǎn)云數(shù)據(jù)預(yù)處理、拼裝控制點(diǎn)獲取及匹配,最終可以輸出匹配后的拼裝誤差;隨后,將上述鋼箱節(jié)段虛擬預(yù)拼裝技術(shù)應(yīng)用于香溪河大橋某相鄰節(jié)段,判斷計(jì)算得到的拼裝誤差是否超出規(guī)范誤差,并結(jié)合現(xiàn)場(chǎng)拼裝效果進(jìn)行綜合分析,驗(yàn)證筆者提出的鋼箱節(jié)段虛擬預(yù)拼裝技術(shù)的有效性和可行性。

1 虛擬預(yù)拼裝技術(shù)

設(shè)計(jì)的基于PCL的鋼箱節(jié)段虛擬預(yù)拼裝技術(shù)主要包括點(diǎn)云預(yù)處理、控制點(diǎn)提取以及控制點(diǎn)匹配3個(gè)過程:

1)選擇穩(wěn)定、高效的點(diǎn)云濾波算法并進(jìn)行迭代條件及控制閾值的參數(shù)分析,實(shí)現(xiàn)對(duì)待拼裝節(jié)段初始點(diǎn)云數(shù)據(jù)噪點(diǎn)去除及點(diǎn)云質(zhì)量提高等預(yù)處理工作,提高后續(xù)計(jì)算結(jié)果的準(zhǔn)確性;

2)針對(duì)鋼箱節(jié)段截面特征,設(shè)計(jì)從面到線、從線到點(diǎn)的控制點(diǎn)提取過程,并選擇合適的點(diǎn)云特征提取算法完成點(diǎn)云數(shù)據(jù)特征提取,從而準(zhǔn)確獲得拼裝控制點(diǎn)坐標(biāo);

3)選擇高效、精確的點(diǎn)云配準(zhǔn)算法實(shí)現(xiàn)對(duì)鋼箱節(jié)段控制點(diǎn)的匹配,并自動(dòng)輸出匹配后的誤差結(jié)果。

基于C++語言將上述過程中使用到的點(diǎn)云處理算法融合到一個(gè)程序中,串行成一套虛擬預(yù)拼裝技術(shù):輸入兩組待拼裝截面初始點(diǎn)云數(shù)據(jù),程序首先進(jìn)行點(diǎn)云預(yù)處理,并將預(yù)處理結(jié)果作為控制點(diǎn)提取的初始數(shù)據(jù),將控制點(diǎn)獲取結(jié)果作為控制點(diǎn)匹配的初始數(shù)據(jù),最后輸出拼裝誤差結(jié)果。實(shí)現(xiàn)當(dāng)用戶輸入PCD格式的初始點(diǎn)云數(shù)據(jù),程序自動(dòng)輸出節(jié)段間的拼裝誤差結(jié)果,提高虛擬預(yù)拼裝效率。

點(diǎn)云預(yù)處理、控制點(diǎn)獲取及匹配的具體實(shí)現(xiàn)流程以及所采用的點(diǎn)云處理算法如圖1。

圖1 基于PCL的鋼箱節(jié)段虛擬預(yù)拼裝技術(shù)流程Fig. 1 Virtual preassembly technology process of steel box segment based on PCL

1.1 點(diǎn)云預(yù)處理

制作完成的鋼箱節(jié)段一般都是放置在工廠區(qū)的支座上,無法輕易獲取其上下表面點(diǎn)云數(shù)據(jù),考慮到拼裝截面是鋼箱節(jié)段預(yù)拼裝中的重點(diǎn)關(guān)注區(qū)域,研究中僅對(duì)鋼箱節(jié)段的拼裝截面進(jìn)行掃描,在不影響預(yù)拼裝結(jié)果的前提下,可減少掃描工時(shí)和人工成本,提高預(yù)拼裝效率、節(jié)約資源。

通過三維激光掃描儀進(jìn)行待拼裝截面初始點(diǎn)云數(shù)據(jù)獲取時(shí),受到溫度、濕度、光線等外界環(huán)境因素以及儀器本身精度的影響,不可避免地會(huì)導(dǎo)致掃描得到的拼裝截面初始點(diǎn)云數(shù)據(jù)具有一定噪點(diǎn)(離群點(diǎn)),如圖2。這些噪點(diǎn)在點(diǎn)云中分布稀疏、位置錯(cuò)亂,其存在會(huì)嚴(yán)重影響后續(xù)計(jì)算結(jié)果,能否將這類噪點(diǎn)準(zhǔn)確而完整地去除,決定了整個(gè)虛擬預(yù)拼裝技術(shù)的有效性。因此,為確保最終拼裝誤差的準(zhǔn)確性,需要先對(duì)初始點(diǎn)云數(shù)據(jù)中的噪點(diǎn)進(jìn)行剔除。

圖2 離群點(diǎn)示意Fig. 2 Schematic diagram of outlier points

使用統(tǒng)計(jì)濾波(SOR)算法[11]剔除點(diǎn)云噪點(diǎn),其算法基本思想是統(tǒng)計(jì)每個(gè)點(diǎn)和它附近點(diǎn)的平均距離,然后自動(dòng)排除不符合規(guī)定距離閾值的點(diǎn),實(shí)現(xiàn)噪點(diǎn)過濾。使用該算法進(jìn)行計(jì)算需進(jìn)行兩次迭代:在第一次迭代中遍歷點(diǎn)云數(shù)據(jù),計(jì)算每個(gè)點(diǎn)與它近鄰點(diǎn)的平均距離(其結(jié)果滿足高斯分布),然后計(jì)算這些平均距離的均值μ和標(biāo)準(zhǔn)差σ,距離閾值d由式(1)計(jì)算;在第二次迭代中,如果某一點(diǎn)的平均距離不在距離閾值范圍內(nèi)則進(jìn)行刪除。

d=μ±k·σ

(1)

式中:μ為平均距離的均值;σ為平均距離的方差;k為標(biāo)準(zhǔn)差乘數(shù)。

采用三維激光掃描儀掃描得到的初始點(diǎn)云數(shù)據(jù)往往數(shù)量較多且密度分布不均勻,這會(huì)對(duì)后續(xù)控制點(diǎn)提取的計(jì)算速度及精度產(chǎn)生影響。使用體素濾波(voxelgrid)算法[12]對(duì)刪除離群點(diǎn)之后的點(diǎn)云進(jìn)行均勻化,提高點(diǎn)云質(zhì)量,其算法的基本思想是通過體素網(wǎng)格過濾器,將點(diǎn)云分割成多個(gè)小立方體或長(zhǎng)方體,每個(gè)立方體或長(zhǎng)方體記為一個(gè)體素,設(shè)置每個(gè)體素的重心作為下采樣后的點(diǎn),這樣就可以將體素內(nèi)的所有點(diǎn)簡(jiǎn)化為一個(gè)點(diǎn),從而實(shí)現(xiàn)在不改變點(diǎn)云基本形狀特征的基礎(chǔ)上,減少點(diǎn)云數(shù)量,使點(diǎn)云密度分布更為均勻。

預(yù)先對(duì)待拼裝截面初始點(diǎn)云數(shù)據(jù)進(jìn)行處理,可以剔除掉由于外界因素影響而采集到的噪點(diǎn),確保計(jì)算精度不受影響,并且在保持點(diǎn)云形狀不發(fā)生改變的前提下減少初始點(diǎn)云數(shù)量及后續(xù)計(jì)算時(shí)間,使得截面點(diǎn)云分布更加均勻,從而提高后續(xù)的計(jì)算速度并確保最終結(jié)果的準(zhǔn)確性。

1.2 控制點(diǎn)提取

基于隨機(jī)采樣一致性(RANSAC)算法[13],筆者設(shè)計(jì)了一種高效穩(wěn)定的鋼箱節(jié)段拼裝控制點(diǎn)提取方法。隨機(jī)采樣一致性算法通過不斷迭代來找出符合條件的最優(yōu)模型參數(shù),與最小二乘法相比,該算法不關(guān)注整體誤差,受到異常點(diǎn)的影響較小,魯棒性較好。經(jīng)過預(yù)處理后的初始點(diǎn)云數(shù)據(jù)不僅包含了鋼箱節(jié)段對(duì)接平面點(diǎn)云,還存在部分頂、底板縱向點(diǎn)云,這部分點(diǎn)云不是我們重點(diǎn)關(guān)注的節(jié)段拼裝區(qū)域,因此需要采用隨機(jī)采樣一致性算法對(duì)上述預(yù)處理之后的點(diǎn)云進(jìn)行平面提取,刪除這類不被關(guān)注的點(diǎn)云,從而獲得鋼箱節(jié)段對(duì)接平面點(diǎn)云。

由于鋼箱節(jié)段待拼裝截面并不完全平整,導(dǎo)致掃描得到的平面點(diǎn)云會(huì)隨機(jī)分布在擬合平面模型兩側(cè),在使用隨機(jī)采樣一致性算法提取平面時(shí),需要設(shè)定合適的距離閾值參數(shù)來擬合鋼箱節(jié)段對(duì)接平面,設(shè)置過大會(huì)導(dǎo)致擬合出的平面包含頂、底板縱向部分點(diǎn)云,設(shè)置過小則會(huì)導(dǎo)致擬合出的平面出現(xiàn)“空洞現(xiàn)象”[14],因此在擬合平面之前,需要在經(jīng)驗(yàn)范圍內(nèi)對(duì)距離閾值進(jìn)行參數(shù)分析,找出合適的距離閾值來進(jìn)行對(duì)接平面提取,為后續(xù)獲得準(zhǔn)確的拼裝控制點(diǎn)奠定基礎(chǔ)。

由于距離閾值的存在,采用隨機(jī)采樣一致性算法提取得到的對(duì)接平面點(diǎn)云數(shù)據(jù)并沒有完全位于擬合平面模型上,存在少數(shù)點(diǎn)云分布在平面模型兩側(cè)的距離閾值范圍內(nèi),一般而言,在進(jìn)行平面擬合計(jì)算時(shí)設(shè)置的距離閾值都較小,可以忽略不計(jì)。因此可認(rèn)為兩側(cè)的點(diǎn)云近似存在于擬合平面模型上,故將提取得到的平面點(diǎn)云數(shù)據(jù)向擬合平面模型投影,得到的平面點(diǎn)云數(shù)據(jù)即最終需要的鋼箱節(jié)段對(duì)接平面。

采用隨機(jī)采樣一致性算法對(duì)投影后的平面點(diǎn)云數(shù)據(jù)進(jìn)行直線提取,直線提取流程與平面提取流程類似,只需要在計(jì)算時(shí)將特征識(shí)別參數(shù)中的平面模型改為直線模型即可。經(jīng)過計(jì)算,此時(shí)提取到的直線即為鋼箱節(jié)段拼裝截面中軸線,再通過直線兩兩相交即可實(shí)現(xiàn)對(duì)中軸線角點(diǎn)的獲取。忽略鋼箱節(jié)段在板厚方向的制造誤差,可認(rèn)為計(jì)算得到的中軸線角點(diǎn)即為鋼箱節(jié)段拼裝控制點(diǎn)。

基于PCL中的高效點(diǎn)云處理算法對(duì)預(yù)處理后的點(diǎn)云數(shù)據(jù)進(jìn)行一系列特征提取和計(jì)算,可以自動(dòng)獲取鋼箱節(jié)段的待拼裝截面控制點(diǎn)坐標(biāo),確保了拼裝控制點(diǎn)獲取的客觀、穩(wěn)定,也保證了計(jì)算結(jié)果的準(zhǔn)確性,可以進(jìn)行后續(xù)的控制點(diǎn)匹配及誤差輸出。

1.3 控制點(diǎn)匹配

筆者采用迭代最近鄰(iterative closest point,ICP)算法進(jìn)行拼裝控制點(diǎn)的匹配。迭代最近鄰算法不需要人工指定控制點(diǎn)的對(duì)應(yīng)關(guān)系,憑借其計(jì)算簡(jiǎn)單、匹配速度快、精度高、穩(wěn)定性好等優(yōu)點(diǎn),被廣泛應(yīng)用于點(diǎn)云數(shù)據(jù)的匹配,該算法的目標(biāo)是找到源點(diǎn)云與目標(biāo)點(diǎn)云中距離最近的對(duì)應(yīng)點(diǎn),根據(jù)這些對(duì)應(yīng)點(diǎn)通過迭代計(jì)算出最優(yōu)變換矩陣。

將1.2節(jié)計(jì)算得到的兩組鋼箱節(jié)段拼裝控制點(diǎn)分別作為源點(diǎn)云和目標(biāo)點(diǎn)云輸入到迭代最近鄰算法中,并提前給定一個(gè)距離閾值以及最大迭代次數(shù),經(jīng)過不斷迭代,計(jì)算這兩組點(diǎn)云的旋轉(zhuǎn)矩陣和平移矩陣并更新距離誤差,當(dāng)距離誤差小于設(shè)置的閾值或者達(dá)到最大迭代次數(shù)時(shí)停止迭代,并輸出這兩組拼裝控制點(diǎn)的拼裝誤差以及最優(yōu)變換矩陣。最優(yōu)變換矩陣表示在進(jìn)行點(diǎn)云匹配時(shí),點(diǎn)云的旋轉(zhuǎn)角度以及平移距離,整個(gè)匹配計(jì)算過程可以在短時(shí)間內(nèi)完成,極大提高了控制點(diǎn)匹配的效率和準(zhǔn)確性。

2 工程實(shí)例驗(yàn)證

2.1 工程背景

選取湖北宜昌香溪河大橋兩相鄰節(jié)段(以下簡(jiǎn)稱為GXL1和GXL2)進(jìn)行施工前的虛擬預(yù)拼裝工作,檢驗(yàn)第1節(jié)中所提出的鋼箱節(jié)段虛擬預(yù)拼裝技術(shù)的有效性,如圖3、圖4。

圖3 香溪河大橋竣工圖Fig. 3 Completion of Xiangxi River Bridge

圖4 鋼箱節(jié)段現(xiàn)場(chǎng)施工Fig. 4 Steel box segment site construction

香溪河大橋?yàn)閲?guó)內(nèi)首創(chuàng)的非對(duì)稱跨中央索面“琵琶”型斜塔斜拉橋,其獨(dú)特的順橋向傾斜10°的主塔使得香溪河大橋造型獨(dú)特美觀。大橋全長(zhǎng)364 m,主跨長(zhǎng)238 m,主塔塔高126 m,大橋主體結(jié)構(gòu)形式為鋼箱結(jié)構(gòu)。

2.2 點(diǎn)云預(yù)處理

采用三維激光掃描儀對(duì)放置在工廠內(nèi)的待拼裝鋼箱節(jié)段截面進(jìn)行初始點(diǎn)云數(shù)據(jù)獲取,為獲得足夠多的鋼箱截面初始點(diǎn)云數(shù)據(jù),反映待拼裝截面實(shí)際形狀,防止截面掃描不完整的情況出現(xiàn),需降低掃描待拼裝截面時(shí)的速度,延長(zhǎng)掃描時(shí)間從而獲得密度更大、數(shù)量更多的初始點(diǎn)云數(shù)據(jù),最終掃描得到GXL1和GXL2相應(yīng)拼裝截面的初始點(diǎn)云數(shù)量分別為157 292和151 025。

圖5為采用三維激光掃描儀掃描得到的鋼箱節(jié)段拼裝截面初始點(diǎn)云數(shù)據(jù),在第1節(jié)的分析中可知,掃描得到的點(diǎn)云數(shù)據(jù)不可避免地會(huì)包含少量噪點(diǎn)(離群點(diǎn)),因此須采用第1節(jié)提到的統(tǒng)計(jì)濾波算法,在點(diǎn)云預(yù)處理中對(duì)這類噪點(diǎn)進(jìn)行剔除。由于掃描得到的鋼箱節(jié)段拼裝待截面初始點(diǎn)云數(shù)據(jù)數(shù)量較多,且空間密度分布不均勻,會(huì)影響后續(xù)計(jì)算速度和精度,筆者采用第1節(jié)中的體素化算法對(duì)經(jīng)過噪點(diǎn)過濾后的點(diǎn)云進(jìn)行下采樣,下采樣后GXL1和GXL2待拼裝截面的點(diǎn)云數(shù)量分別為22 069和20 246,相較于初始點(diǎn)云數(shù)據(jù),下采樣操作降低了點(diǎn)云數(shù)據(jù)量,在不改變點(diǎn)云基本形狀和分布的同時(shí),可大幅提高計(jì)算效率,為后續(xù)計(jì)算提供方便。

圖5 待拼裝截面初始點(diǎn)云Fig. 5 Initial point cloud of the section to be assembled

考慮到兩個(gè)節(jié)段點(diǎn)云預(yù)處理后的結(jié)果基本相同,僅以GXL1的結(jié)果為例。

經(jīng)過點(diǎn)云去噪以及點(diǎn)云下采樣之后的GXL1拼裝截面點(diǎn)云如圖6,可以看到原本存在于初始點(diǎn)云數(shù)據(jù)中的噪點(diǎn)已被自動(dòng)過濾掉,說明使用統(tǒng)計(jì)濾波算法對(duì)其進(jìn)行噪點(diǎn)過濾可有效剔除噪點(diǎn)。下采樣后的點(diǎn)云形狀和初始點(diǎn)云形狀基本相同,驗(yàn)證了體素化算法的可行性。通過對(duì)掃描得到的節(jié)段拼裝截面初始點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理,提高了點(diǎn)云整體質(zhì)量,接著在點(diǎn)云預(yù)處理的基礎(chǔ)上對(duì)其進(jìn)行控制點(diǎn)的智能提取和匹配。

圖6 預(yù)處理后點(diǎn)云Fig. 6 Point cloud after pre-processing

2.3 控制點(diǎn)提取

采用隨機(jī)采樣一致性(RANSAC)算法對(duì)經(jīng)過預(yù)處理之后的鋼箱節(jié)段待拼裝截面點(diǎn)云進(jìn)行平面提取,平面提取時(shí)需要輸入合適的距離閾值,筆者在0.005～0.015范圍內(nèi)對(duì)其進(jìn)行規(guī)律研究從而找到最合適的閾值參數(shù)。

擬合平面點(diǎn)數(shù)隨距離閾值的變化曲線如圖7。

通過隨機(jī)采樣一致性算法擬合得到的平面所包含的點(diǎn)數(shù)隨距離閾值的增大而不斷增大,當(dāng)距離閾值大于0.010時(shí),算法擬合得到的平面所包含的點(diǎn)數(shù)在進(jìn)一步增加,但是增長(zhǎng)速度有所降低,逐漸趨于收斂,這主要是因?yàn)榫嚯x閾值越大,擬合平面包含點(diǎn)數(shù)就越多,當(dāng)距離閾值增大到一定程度時(shí),幾乎所有點(diǎn)云都被包含進(jìn)來?？紤]到距離閾值過小會(huì)導(dǎo)致擬合平面所包含的點(diǎn)數(shù)過少,不能對(duì)鋼箱節(jié)段對(duì)接平面完整提取,從而出現(xiàn)“空洞現(xiàn)象”;距離閾值過大會(huì)導(dǎo)致鋼箱梁頂?shù)装妩c(diǎn)云被錯(cuò)誤地識(shí)別進(jìn)來。為進(jìn)一步確定臨界距離閾值大小,分別將距離閾值為0.009～0.012時(shí)的平面擬合結(jié)果進(jìn)行可視化,探究不同大小的距離閾值對(duì)擬合平面點(diǎn)云產(chǎn)生的影響。

由于兩個(gè)鋼箱節(jié)段在同一個(gè)距離閾值下擬合得到的平面點(diǎn)云基本相同,僅以GXL1隨距離閾值變化的平面擬合結(jié)果為例,結(jié)果如圖8。由圖8可見,“空洞現(xiàn)象”隨距離閾值的增加而逐漸減少,也說明了當(dāng)距離閾值較小時(shí),可能會(huì)導(dǎo)致擬合出來的鋼箱節(jié)段對(duì)接平面不完整;當(dāng)距離閾值達(dá)到0.011時(shí),擬合平面幾乎不存在“空洞現(xiàn)象”,但是擬合出來的鋼箱節(jié)段平面開始包含少量外點(diǎn),若距離閾值繼續(xù)增大,將會(huì)有越來越多的外點(diǎn)被認(rèn)為是鋼箱節(jié)段對(duì)接平面上的點(diǎn)而被錯(cuò)誤擬合進(jìn)來,造成平面提取結(jié)果不準(zhǔn)確,影響虛擬預(yù)拼裝最終拼裝誤差結(jié)果。

圖8 距離閾值0.009～0.012時(shí)的平面擬合結(jié)果Fig. 8 Plane fitting results at distance thresholds from 0.009 to 0.012

綜上,將鋼箱節(jié)段對(duì)接平面提取的閾值參數(shù)設(shè)置為0.011,得到平面提取的結(jié)果。

取距離閾值0.011,采用隨機(jī)采樣一致性算法對(duì)預(yù)處理后的點(diǎn)云進(jìn)行平面提取,平面模型表達(dá)式為:

Ax+By+Cz+D=0

(2)

平面提取輸出的兩個(gè)平面模型參數(shù)如表1。將平面提取后的點(diǎn)云數(shù)據(jù)分別向這兩個(gè)平面模型進(jìn)行點(diǎn)云投影,此時(shí)投影后得到的平面即為最終鋼箱節(jié)段對(duì)接平面。

表1 擬合平面參數(shù)Table 1 Fitting plane parameters

采用隨機(jī)采樣一致性算法對(duì)投影后的平面點(diǎn)云數(shù)據(jù)進(jìn)行直線提取,得到的直線即為對(duì)接平面中心線,以GXL1直線提取結(jié)果為例,如圖9。

圖9 直線及拼裝控制點(diǎn)提取Fig. 9 Extraction of straight lines and assembly control points

在不考慮鋼箱節(jié)段厚度上制造誤差的情況下,認(rèn)為鋼箱節(jié)段對(duì)接平面中心線兩兩相交所產(chǎn)生的交點(diǎn),即鋼箱節(jié)段角點(diǎn)為預(yù)拼裝中的拼裝控制點(diǎn),如圖9中,提取出的9條中心線兩兩相交共產(chǎn)生了11個(gè)拼裝控制點(diǎn),采用點(diǎn)向式直線相交對(duì)中心線交點(diǎn)進(jìn)行計(jì)算,拼裝控制點(diǎn)計(jì)算結(jié)果如表2。

表2 拼裝控制點(diǎn)坐標(biāo)及拼裝誤差Table 2 Assembly control point coordinates and assembly error mm

表2中的拼裝控制點(diǎn)是當(dāng)鋼箱節(jié)段處于工廠無應(yīng)力狀態(tài)下得到的,而鋼箱節(jié)段在實(shí)際施工過程中往往處于已拼裝或吊裝狀態(tài),這時(shí)鋼箱節(jié)段受到約束作用處于有應(yīng)力狀態(tài),因此需要探究鋼箱節(jié)段在有應(yīng)力狀態(tài)下待拼裝截面控制點(diǎn)坐標(biāo)的變化情況。

將三維掃描獲取到的鋼箱節(jié)段待拼裝截面點(diǎn)云數(shù)據(jù)導(dǎo)入ABAQUS有限元分析軟件中建立鋼箱節(jié)段點(diǎn)云信息有限元模型,模擬工廠內(nèi)鋼箱節(jié)段實(shí)際形狀特征,然后為節(jié)段施加自重荷載并在吊點(diǎn)位置處添加吊裝約束,從而模擬節(jié)段在有應(yīng)力狀態(tài)下的變形情況,進(jìn)而得到拼裝控制點(diǎn)坐標(biāo)的變化情況。以GXL1為例,其點(diǎn)云信息有限元模型及吊裝約束位置如圖10。

圖10 GXL1吊裝有限元模型Fig. 10 GXL1 hoisting finite element model

提取鋼箱節(jié)段在模擬吊裝施工狀態(tài)下的拼裝控制點(diǎn)豎向位移結(jié)果Uy如表2。GXL1和GXL2在有應(yīng)力狀態(tài)下的拼裝控制點(diǎn)豎向位移都處于0.08～0.14 mm范圍內(nèi),變形較小,可以忽略不計(jì)。這主要是因?yàn)殇撓浣Y(jié)構(gòu)自重輕,且具有較高的抗彎和抗扭剛度,抵抗變形能力強(qiáng),可忽略由于節(jié)段施工所帶來的影響,故認(rèn)為工廠掃描提取得到的控制點(diǎn)坐標(biāo)可用于指導(dǎo)實(shí)際工程拼裝。

2.4 控制點(diǎn)匹配

采用迭代最近鄰(ICP)算法對(duì)GXL1和GXL2的拼裝控制點(diǎn)進(jìn)行智能匹配,匹配的最終目的是通過不斷迭代計(jì)算找到一組最優(yōu)旋轉(zhuǎn)矩陣和平移矩陣,使得輸入進(jìn)去的兩組點(diǎn)云對(duì)應(yīng)關(guān)系滿足誤差閾值要求。

使用迭代最近鄰算法進(jìn)行坐標(biāo)匹配時(shí)需要指定源點(diǎn)云以及目標(biāo)點(diǎn)云,源點(diǎn)云指的是在迭代過程中不斷進(jìn)行坐標(biāo)變化的點(diǎn)云,目標(biāo)點(diǎn)云是指在迭代過程中不進(jìn)行坐標(biāo)變換的一組基準(zhǔn)點(diǎn)。一般而言,源點(diǎn)云和目標(biāo)點(diǎn)云的指定關(guān)系對(duì)最終的匹配結(jié)果無影響,這里將GXL1和GXL2中的拼裝控制點(diǎn)分別設(shè)置為源點(diǎn)云和目標(biāo)點(diǎn)云進(jìn)行ICP坐標(biāo)匹配。通過ICP算法進(jìn)行計(jì)算主要包括點(diǎn)云輸入、點(diǎn)云匹配、坐標(biāo)變換矩陣輸出及拼裝誤差輸出等4個(gè)步驟,如圖11。整個(gè)匹配過程在較短時(shí)間內(nèi)完成,可以高效、自動(dòng)地實(shí)現(xiàn)控制點(diǎn)坐標(biāo)的最佳匹配和誤差輸出,提高了虛擬預(yù)拼裝效率及精度,最終匹配后的GXL1控制點(diǎn)坐標(biāo)及拼裝誤差計(jì)算結(jié)果如表2。

圖11 拼裝控制點(diǎn)匹配過程Fig. 11 Assembly control point matching process

根據(jù)規(guī)范GB 50205-2020《鋼結(jié)構(gòu)工程施工質(zhì)量驗(yàn)收標(biāo)準(zhǔn)》要求,對(duì)于鋼箱節(jié)段對(duì)接口截面錯(cuò)位允許偏差為2 mm。由表2可知,通過ICP算法對(duì)鋼箱梁節(jié)段拼裝控制點(diǎn)進(jìn)行自動(dòng)匹配后,得到的最大拼裝誤差出現(xiàn)在控制點(diǎn)1處(1.22 mm),各個(gè)拼裝控制點(diǎn)的拼裝誤差均小于規(guī)范規(guī)定值,說明這兩個(gè)鋼箱節(jié)段滿足實(shí)際拼裝要求?，F(xiàn)場(chǎng)吊裝過程如圖4,GXL1和GXL2通過橋上吊機(jī)順利完成拼裝,現(xiàn)場(chǎng)拼裝后的鋼箱節(jié)段過渡平順,節(jié)段連接接縫處無明顯凹凸不平現(xiàn)象,驗(yàn)證了基于PCL的鋼箱節(jié)段虛擬預(yù)拼裝技術(shù)的可行性和有效性。

3 結(jié) 論

筆者提出了一套基于PCL的鋼箱節(jié)段虛擬預(yù)拼裝技術(shù),包括點(diǎn)云預(yù)處理、控制點(diǎn)提取及控制點(diǎn)匹配,隨后將其應(yīng)用于香溪河大橋項(xiàng)目?jī)上噜忎撓涔?jié)段,對(duì)提出的虛擬預(yù)拼裝技術(shù)進(jìn)行了工程實(shí)例驗(yàn)證,得出如下結(jié)論:

1)首次將PCL應(yīng)用于基于點(diǎn)云數(shù)據(jù)的虛擬預(yù)拼裝技術(shù),提出并實(shí)現(xiàn)了一套適用于鋼箱節(jié)段的虛擬預(yù)拼裝方法:基于統(tǒng)計(jì)濾波算法以及體素化算法完成點(diǎn)云數(shù)據(jù)預(yù)處理,過濾外部噪點(diǎn);基于隨機(jī)采樣一致性算法完成特征提取,獲得控制點(diǎn)坐標(biāo);基于迭代最近鄰算法完成控制點(diǎn)匹配,最終輸出拼裝誤差結(jié)果。通過高效、智能的點(diǎn)云處理算法提高了虛擬預(yù)拼裝技術(shù)的自動(dòng)化程度。

2)將提出的虛擬預(yù)拼裝技術(shù)應(yīng)用于香溪河大橋相鄰兩節(jié)段,經(jīng)過計(jì)算最終得到該相鄰節(jié)段的最大拼裝誤差為1.22 mm,小于規(guī)范所規(guī)定的2 mm,說明節(jié)段滿足拼裝要求,可以完成現(xiàn)場(chǎng)連接,最終該相鄰鋼箱節(jié)段現(xiàn)場(chǎng)實(shí)際施工也順利完成拼裝。

3)因節(jié)段初始誤差較小,且鋼箱節(jié)段自身剛度較大,在吊裝有應(yīng)力狀態(tài)下的控制點(diǎn)豎向位移處于0.08～0.14 mm范圍內(nèi),變形較小,故認(rèn)為工廠掃描提取得到的鋼箱節(jié)段拼裝控制點(diǎn)坐標(biāo)可用于指導(dǎo)實(shí)際工程拼裝。