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)集團江蘇省電力設(shè)計院有限公司，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)生除了會造成維護工期、材料、人工、成本的增加，還會影響建筑物整體運營效率并造成安全隱患[1,2]。目前在建筑物表面損傷測量領(lǐng)域，紅外熱像和超聲檢測技術(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，在損傷檢測的應(yīng)用還不夠普及。三維掃描技術(shù)能夠快速獲取目標物體空間坐標信息，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)模式上通常呈點狀分布，即為點云數(shù)據(jù)。點云數(shù)據(jù)的結(jié)構(gòu)相對簡單，通過空間點位置的分布可以描述被掃描物體復(fù)雜的幾何結(jié)構(gòu)，同時點云模型還可以被賦予空間位置坐標、大小、顏色、紋理等相關(guān)屬性信息[4]。點云數(shù)據(jù)能夠?qū)呙鑼ο蟮目臻g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云技術(shù)方面的相關(guān)研究主要集中于點云模型到BIM(Building Information Modeling，建筑信息模型)模型的算法效率和信息識別準確率；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、進度等方面的監(jiān)測；利用三維激光掃描技術(shù)監(jiān)測工程部位(基坑、橋梁等)和相關(guān)構(gòu)件的變形；對相關(guān)工程或者檢測部位進行三維模型重建，并對結(jié)果進行量化處理和研究。Kim等[5]將BIM模型和預(yù)制構(gòu)件表面的點云數(shù)據(jù)進行對比，實現(xiàn)對預(yù)制構(gòu)件表面質(zhì)量的評估。與此同時，在過去的幾年之中，點云處理軟件的發(fā)展也極大地提高了點云數(shù)據(jù)的處理速度，使得點云到BIM模型的轉(zhuǎn)化更加靈活，如Xiong等[6]通過算法設(shè)計將原生點云數(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確識別室內(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)件檢測方法，用于自動檢測建筑構(gòu)件在生產(chǎn)及運輸過程中產(chǎn)生的缺陷，并通過實例驗證了所提算法的可行性和準確性；這些研究成果都不同程度的應(yīng)用于實踐，并帶來了良好的應(yīng)用價值和經(jīng)濟效益。然而目前三維掃描技術(shù)在路面損傷檢測相關(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)的成果相對較少。

本文提出了基于點云的建筑物表面損傷三維重建和屬性計算方法，通過對點云數(shù)據(jù)的預(yù)處理和坐標系轉(zhuǎn)換，基于GIS(Geographic Information System，地理信息系統(tǒng))環(huán)境實現(xiàn)了對不規(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。通過對建筑表面損傷進行無損探測，一方面可以使建筑運維管理人員更好地了解損傷的分布以及產(chǎn)生的原因并對損傷進行有效分級管理；另一方面也能夠為管理者提供建筑物表面損傷維護決策的參考數(shù)據(jù)，進而合理安排損傷修復(fù)或結(jié)構(gòu)加固的維修計劃。

1 損傷點云數(shù)據(jù)獲取與坐標系轉(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云數(shù)據(jù)。本文選某損傷墻體作為研究對象，通過Kinect掃描平臺完成數(shù)據(jù)采集工作(如圖1所示)。被采集到的點云數(shù)據(jù)通過PCL的預(yù)處理和格式轉(zhuǎn)化后進入數(shù)據(jù)后期處理流程。使用Kinect獲得的初始點云數(shù)據(jù)(圖2)，其中墻面損傷部分已由紅色橢圓框標出。進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獲得初始點云數(shù)據(jù)

圖3 墻面損傷三維重建模型

由于Kinect獲得的點云數(shù)據(jù)以其自身的儀器坐標系統(tǒng)為基準，而對于實際應(yīng)用中往往需要將采集到的點云數(shù)據(jù)的坐標轉(zhuǎn)化為具體構(gòu)件所對應(yīng)的坐標來方便對損傷的定位。點云數(shù)據(jù)坐標系主要包括：設(shè)備內(nèi)部坐標系、構(gòu)件局部坐標系和建筑整體坐標系，這三個坐標系由于所選參照系不同而對于損傷掃描區(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)部坐標系是指采集到的點云數(shù)據(jù)本身所對應(yīng)的坐標系，該坐標系的原點位于Kinect設(shè)備內(nèi)部，Kinect的空間坐標系z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即為坐標系原點。

構(gòu)件局部坐標系主要是針對建筑物損傷構(gòu)件而言的坐標系，在本文中研究對象主要是墻面，局部坐標系能夠更加方便地對墻面損傷進行定位，確定損傷部位在墻面的位置，同時也可以支持在Revit中對損傷墻面進行族的建立。局部坐標系的原點位置一般因構(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)件局部坐標系的確定標準是能夠更方便配合Kinect設(shè)備內(nèi)部坐標準確地對損傷部分進行定位，從而能夠以坐標的形式準確描述損傷所在的位置。

整體坐標系主要是針對建筑物而言，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，需要密切關(guān)注損傷構(gòu)件的坐標和建筑整體坐標系的變換關(guān)系。建筑整體坐標系能夠為在建筑信息模型中插入、定位、管理相關(guān)的損傷數(shù)據(jù)提供支持。

(1)設(shè)備內(nèi)部坐標系和局部坐標系轉(zhuǎn)換

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

圖4 坐標轉(zhuǎn)換

(1)

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

損傷圖像坐標轉(zhuǎn)換是對于建筑物損傷平面實體的位置描述，將損傷信息從設(shè)備內(nèi)部坐標系統(tǒng)變換到建筑整體坐標系統(tǒng)的過程，其目的在于準確描述不同坐標系之間的對應(yīng)關(guān)系。為了方便設(shè)備內(nèi)部坐標系轉(zhuǎn)換先建立相機坐標系統(tǒng)，其坐標原點o在針孔處(如圖5)，并令其對應(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之間的距離為相機焦距f，通過坐標原點o且與θ平面垂直的直線為zC軸，C點為影像中心即坐標系統(tǒng)的原點。若(xp，yp，zp)為三維掃描設(shè)備內(nèi)部坐標系，(xi，yi)為建筑物損傷掃描對象影像平面坐標，通過幾何可以得到如下關(guān)系：

(2)

圖5 相機坐標系統(tǒng)

若已知的Kinect設(shè)備鏡頭焦距f以及待測物到相機的距離zp，則通過測量建筑損傷影像坐標的長度或位置變化來描述損傷位置在真實空間的三維坐標(即建筑物整體坐標)。影像坐標系統(tǒng)、相機坐標系(設(shè)備內(nèi)容部坐標系)與建筑整體坐標系(世界坐標系)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為影像坐標系統(tǒng)的平移參數(shù)；α為影像坐標系統(tǒng)兩個主軸夾角。以上這6個參數(shù)稱為相機的內(nèi)部參數(shù)。坐標系轉(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云數(shù)據(jù)庫。通常基本建筑構(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 點云數(shù)據(jù)預(yù)處理

本文對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，點云數(shù)據(jù)集中通常會出現(xiàn)噪點。在點云數(shù)據(jù)處理流程中，只有在預(yù)處理后，數(shù)據(jù)才更適宜坐標系配準、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進行點云數(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改進算法的平面特征提取

在對點云數(shù)據(jù)進行預(yù)處理之后，要對分割完成的點云數(shù)據(jù)的進行平面擬合來恢復(fù)損傷區(qū)域損壞之前的形態(tài)，從而以該形態(tài)作為參考面來進一步的對損傷的幾何屬性進行提取。因此本文利用RANSAC(Random Sample Consensus)算法從墻面完好區(qū)域的點圖像中自動提取規(guī)則平面模型，首先隨機選擇一個數(shù)據(jù)點樣本，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，要使給定點的偏差平方和Q最小。Q的計算式為：

(8)

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

(9)

(10)

(11)

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

(12)

最后將采集到的點云數(shù)據(jù)點(x,y,z)和擬合點云平面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，本研究對于掃描區(qū)域的深度值進行標準化，標準化的公式如式(13)所示，需要滿足多個點的深度標準值都在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算

接著將處理后的點云數(shù)據(jù)轉(zhuǎn)化成深度圖像，獲得每個像素的尺寸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，計算方式如下：

(14)

(15)

(16)

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

3 實例分析

本文以某墻面損傷為例，闡述建筑表面損傷點云數(shù)據(jù)處理流程，實現(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平臺中，需對數(shù)據(jù)的格式進行轉(zhuǎn)化。本文首先利用PCL算法將采集到的pcd格式的點云數(shù)據(jù)轉(zhuǎn)化成ply格式的點云數(shù)據(jù)。然后使用Meshlab將ply的點云數(shù)據(jù)轉(zhuǎn)化成txt格式點云數(shù)據(jù)，最后將txt格式點云數(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中對導(dǎo)入的點云數(shù)據(jù)進行不規(guī)則三角化(Triangulated Irregular Network，TIN)，如圖9所示。經(jīng)過隨機采樣一致性(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估計模型，再用剩余的點來檢驗?zāi)Ｐ?，具體重建流程為：(1)從樣本集P中隨機選取涵蓋n個樣本數(shù)據(jù)的一個集合S，計算出一個初始化模型M；(2)對于余集P-S中的數(shù)據(jù)進行適應(yīng)性檢驗，篩選出各余集數(shù)據(jù)對于模型M的檢驗誤差小于某一設(shè)定閾值k時的樣本集，這些樣本稱為S的內(nèi)點，與S共同構(gòu)成一個集合S*，這個集合就是S的一致集合；(3)若集合S*滿足一定條件，認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新的模型M*；(4)重新隨機抽取新的S，重復(fù)以上過程。在重復(fù)抽樣數(shù)達到一定量之后，若未找到一致集合則算法失效，從而實現(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到垂直投影面的距離可以進一步測算三維模型的各項參數(shù)(如投影面積、體積等)。圖9，10中，淡藍色區(qū)域代表表面未損壞區(qū)域，該區(qū)域上的點到垂直投影面距離為零，此處為平面。白色區(qū)域代表損傷最嚴重的區(qū)域，該區(qū)域上的分布點到垂直投影面距離最大，紅色區(qū)域代表損傷較嚴重區(qū)域，該區(qū)域上的分布點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別出建筑物表面損傷分布情況。

圖8 損傷點云數(shù)據(jù)

圖9 TIN化后的損傷點云數(shù)據(jù)

圖10 RANSAC算法處理后的數(shù)據(jù)

3.2 點云圖形特征提取

點云圖形特征提取主要是指對點云所構(gòu)成三維模型按照不同的深度范圍進行對應(yīng)的特征提取，在本文中主要針對建筑表面損傷區(qū)域的損傷面積、體積和深度進行屬性提取。GIS環(huán)境下點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，將對形成模型的所有三角片元進行檢查以確定其對面積和體積的影響，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題和實際指標值。點云模型的坐標系參考平面通過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)行這些計算。本文將參考平面設(shè)置為 ABOVE 時，針對給定平面高度上方的表面部分計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)。通過計算紅色陰影面積的投影面積和體積來對點云圖形特征進行提取。

圖11 表面體積計算原理

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)域為損傷區(qū)。經(jīng)過計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

圖13 兩種測量方式精度對比

圖14 820 mm點云分布直方圖

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，如不及時采取措施，可能造成極為嚴重的后果。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)對建筑物表面損傷進行測量、評價、維護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云信息，應(yīng)用基于GIS環(huán)境的點云融合建筑物表面損傷三維重建算法對損傷進行定量分析，并設(shè)計了一套完整的點云數(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)場工程師的損傷測量工作量，豐富了損傷信息標準化采集方法，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, 等. 基于三維激光掃描和BIM的構(gòu)件缺陷檢測技術(shù)[J]. 計算機測量與控制, 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)用時坐標系轉(zhuǎn)換問題研究[J]. 現(xiàn)代計算機, 2014, (11): 42-44.