TTM：一种简洁而有效的表面重建方法，用于从移动测绘系统中获取隧道点云数据

《TUNNELLING AND UNDERGROUND SPACE TECHNOLOGY》：TTM: A concise yet effective surface reconstruction approach for tunnel point cloud from mobile mapping system

表面重建方法|隧道点云|拓扑传递网格|移动测绘系统|效率与精度优化

　　

崔浩|李健|胡庆武|何龙|陶一文|徐磊|毛庆洲

郑州大学地球科学与技术学院，中国郑州450001

摘要

隧道是关键的基础设施，其点云的表面重建对于实景捕捉BIM和数字孪生系统等应用至关重要。虽然移动测绘系统（MMS）是获取隧道点云的有效方法，但现有的表面重建方法在隧道环境中的效率较低且几何精度较差。本文提出了一种简洁高效的表面重建方法——TTM（拓扑传输网格化），专门用于MMS获取的隧道点云。该方法采用无遮挡投影将3D点云映射到2D平面上，构建2D Delaunay三角剖分，然后通过拓扑传输机制将网格拓扑重新传输到3D空间。在总长度超过6公里的地铁、高铁和高速公路隧道点云数据集上进行的定性和定量实验表明，该方法在计算效率和几何精度方面均优于传统方法和基于深度学习的方法。额外的实验还验证了该方法对点云数据质量的鲁棒性，但对其包含大量测量误差的点云更为敏感。除了隧道工程，该技术还可应用于线性基础设施的数字建模，包括管道和公用隧道，为智能运营和维护提供高效的技术支持。

引言

作为现代交通网络的关键组成部分，隧道需要确保结构安全以维持可靠的公共交通运行。为保持运营稳定性，国际法规要求定期进行隧道检查（Bergeson和Ernst，2015；Han等人，2023；Li等人，2025；Xie等人，2022）。传统的人工检查方法效率低下且存在安全风险（Attard等人，2018；Montero等人，2015），而三维激光扫描技术因其非接触式、高效率和全截面覆盖能力而成为隧道检查的新标准（Cui等人，2024a；Cui等人，2024b）。

最初的隧道三维激光扫描方法主要使用地面激光扫描仪（TLS）（Cabo等人，2017；Jia等人，2021；Lin等人，2025）。尽管TLS具有较高的测量精度，但需要多个扫描站点并进行点云配准，导致操作效率相对较低（Roca-Pardi?as等人，2014）。这一限制在长隧道环境中尤为明显，因为需要频繁设置站点。近年来，移动测绘系统（MMS）的出现彻底改变了隧道扫描方法（Cui等人，2019；Sun等人，2020）。现代车载和车载式MMS平台能够在不牺牲数据质量的情况下在隧道环境中实现高精度连续扫描（Sánchez-Rodríguez等人，2018；Xu等人，2022a）。与传统TLS相比，MMS在操作效率上更具优势，能够以显著更高的速度实现全面覆盖，并有效缓解了由于扫描距离不同导致的TLS点密度分布不均匀的问题（Liu等人，2023；Wang等人，2023）。这一技术进步使MMS成为大规模隧道检查项目的首选技术。

MMS获取的高精度点云数据为识别隧道表面缺陷（如裂缝、渗漏）和结构健康监测提供了坚实的基础（Camara等人，2025；Wang等人，2025）。然而，在应用于实景捕捉BIM建模或数字孪生系统等场景时，非结构化离散点云的局限性变得明显（Fobiri等人，2022；Li等人，2024）。这促使研究人员寻找将点云转换为结构化网格模型的有效方法。

目前，从移动测量点云重建隧道表面模型面临两个核心挑战。尽管MMS提供了极高密度的点云（通常每线性米数百万个点，如图1所示），但这种细节水平带来了巨大的计算负担。庞大的数据量使得许多现有的表面重建算法在工程规模隧道中运行缓慢或需要大量内存。此外，尽管总体密度很高，但由于隧道设施（如电缆、管道、支架）造成的视角限制和遮挡，扫描线会出现局部不连续性。这些碎片化区域经常导致重建表面出现孔洞、不规则拓扑或扭曲的网格，通常需要耗时的手动修复。这些特点表明，尽管MMS点云信息丰富，但本质上仍然是非结构化数据，其在BIM或数字孪生工作流程中的实际应用严重依赖于高效且稳健的结构化机制。

本研究提出了TTM（拓扑传输网格化），一种简洁有效的隧道点云表面重建方法，具有三个关键贡献：1.

我们提出了一种保持拓扑的降维方法，将3D点云转换为2D平面分布，同时保留局部几何特征，有效解决了不规则隧道截面的参数化问题。

2.

进一步提出了一种跨维度表面重建方法，在2D域中进行Delaunay三角剖分后，通过逆向映射恢复3D拓扑。

3.

在地铁、高铁和高速公路隧道上的广泛测试表明，该方法在效率和网格精度方面均优于现有方法。

所提出方法的适用范围不仅限于隧道工程，还扩展到类似线性结构（如管道、地下空间）的数字建模。实验结果进一步验证了其在极端条件下的鲁棒性，包括低点密度和低精度扫描场景。

本文的其余部分安排如下：第2节系统回顾了现有的点云表面重建方法，第3节详细介绍了所提出的方法，第4节通过定性和定量实验验证了该方法，第5节讨论了未来的研究方向，第6节总结了研究成果。

相关研究

点云表面重建作为3D几何建模的基本技术，在近年来在理论框架和实际应用方面取得了显著进展（Huang等人，2024）。当前的方法可以系统地分为传统的几何方法和基于深度学习的技术，每种方法都有其独特的优势，但在特定应用场景中也面临特定的局限性。

方法论

本文利用隧道和移动测绘点云的结构特性，提出了一种新的表面重建方法TTM，包括三个关键阶段：（1）通过反转隧道移动扫描过程建立无遮挡映射机制，将3D点云转换为2D域，同时保留局部拓扑结构；（2）对展开的2D点云表示进行Delaunay三角剖分；（3）

数据采集设备和数据集

本研究使用的数据采集设备如图5所示，包括两台MMS。尽管这些系统使用不同的平台，但它们的硬件配置相同。两者都采用了Z + F Profiler 9012激光扫描仪，并配备了IMU和轮式编码器。预先在隧道中放置了控制点，然后通过LiDAR点云将这些控制点集成到移动测绘解决方案中，从而提高了

讨论

与一系列传统和基于深度学习的点云表面重建算法的比较实验表明，TTM在网格质量和重建速度方面均优于其他方法。即使点云密度减少到50%，该方法仍能保持满意的重建性能，但对低精度点云更为敏感。这主要是由于该方法采用了

结论

本文提出了一种基于移动测量的隧道点云表面重建方法TTM，该方法基于无遮挡映射和拓扑关系传输。通过将三维点云映射到二维平面进行高效网格化，然后将其恢复到三维空间，显著提高了隧道点云建模的准确性和效率。实验结果证明了该方法在

CRediT作者贡献声明

崔浩：撰写——原始草稿，软件开发，方法论设计，调查分析，概念构思。李健：撰写——审稿与编辑，验证，方法论设计，数据管理。胡庆武：可视化处理，调查分析。何龙：监督指导，资源协调。陶一文：验证工作，软件开发。徐磊：撰写——审稿与编辑，可视化处理。毛庆洲：撰写——审稿与编辑，监督指导，资源协调，资金争取，概念构思。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。

致谢

本研究得到了国家重点研发计划（2024YFB3411500）、国家自然科学基金（42001405、42471478、42241759）、中国博士后科学基金（2024M752938）、河南省高等学校重点科研项目（26A420006）以及河南省自然科学基金（242300420212）的支持。