从扫描到有限元模型：用于生成在建复杂钢结构有限元模型的先进点云分割与几何信息提取方法

《Structures》：Scan-to-FEM: Advanced point cloud segmentation and geometric information extraction methods for finite element model generation of complex steel structures under construction

　　

摘要

三维点云为复杂钢结构竣工几何和有限元模型（FEM）的重建提供了有效方案。然而，现有的点云分割和几何参数提取方法往往导致重建模型与实际结构之间存在较大偏差。因此，本文提出了一种基于激光扫描技术和高级深度学习算法的复杂钢结构扫描至几何模型重建及有限元模型更新方法。首先，开发FastMAC + GICP算法对BIM生成点云与实测数据进行粗配准，以实现复杂钢结构构件分割，并采用具有双阈值精化的改进滚动球算法提取钢构件的中轴线和截面尺寸，用于三维几何模型重建。其次，通过将设计模型与重建几何模型进行校准来开发有限元模型生成框架，以纳入施工引起的偏差，从而预报结构的全场变形和动力特性，为施工策略决策提供支持。本研究的主要贡献在于对点云分割、几何信息提取和有限元模型生成方法在复杂钢结构静力与动力性能预报方面的工程适用性进行了全面研究。利用在建大型复杂钢结构的现场测试数据验证了所提方法的有效性。结果表明，几何中轴提取结果与人工标注真值之间的平均偏差仅为0.86 mm，相比传统算法分别降低了68%和51%。此外，重建的力学仿真模型成功预测了幕墙安装条件下的最大悬臂位移为376.93 mm，为施工策略决策提供了科学依据。

引言

复杂钢结构凭借其优异的力学性能和工业化建设的独特优势，已成为大型公共建筑和交通枢纽的重要结构方案。然而，结构构件的尺寸偏差以及制造和施工误差的累积效应直接影响施工质量[1,2]。当前钢结构质量控制仍依赖人工检测方法，在工程应用中存在检测效率低、主观性强等局限性[3]。因此，亟需开发先进技术以实现复杂钢结构的高效、精确施工质量检测。

数字孪生技术的进步为复杂钢结构的质量控制提供了有前景的解决方案。数字孪生模型能够实现复杂钢结构构件尺寸验证、施工质量评估和运营维护[4,5]。近期研究表明，从高精度点云数据重建的几何结构模型能够准确表征构件几何和空间配置，为力学性能分析和结构安全评估提供可靠的空间参考[6]。过去数十年，利用点云数据进行几何模型重建方面开展了大量研究。例如，Shi等人利用三维（3D）激光扫描和拆卸优化方法重建了弦支结构的几何模型[7]；Xu等人开发了模板驱动的构件分割算法，用于空间桁架结构的几何重建[8]；Liu等人采用区域分割算法实现了钢管结构的自动化建模[9]。然而，现有方法通常依赖复杂的数据预处理流程，且自动点云分割、几何特征提取和三维模型重建在计算效率和鲁棒性方面存在局限性。此外，基于点云数据的有限元模型生成方法也得到了广泛研究。例如，Zhang等人通过边缘特征提取和损伤融合对混凝土构件进行力学建模[10]；Lin等人利用点云数据实现了建筑信息模型（BIM）几何参数的动态更新[11]。尽管复杂钢结构的三维几何和力学模型重建取得了进展，但点云噪声通常导致构件分割、几何信息提取和有限元模型生成中出现显著误差。为解决这些局限，过去数十年开发了各种方法。相关文献综述如下：

当前钢结构点云分割方法主要依赖专用软件包和传统点云处理算法。通过独立软件工具进行人工点云分割在技术上是可行的，但应用于复杂钢结构时耗时过长且劳动强度大。为实现高效分割，近年来广泛研究了特征驱动技术和基于深度学习的算法。特征驱动方法主要包括区域生长算法和模型拟合方法。区域生长算法根据局部几何属性（如法向量和曲率特征）选择相邻点。这些方法高度依赖高质量输入数据，对点云噪声敏感。例如，Xiong等人和Ma等人将这些算法应用于场景分割和结构构件分离[12,13]。Hough变换[14]和RANSAC[15]算法是典型的模型拟合方法，已被广泛用于通过参数化几何属性近似点云。Schnabel等人使用RANSAC检测圆柱形钢管[15]；Abuzaina等人使用基于Hough变换的方法从点云中提取球形目标[16]。然而，这些方法需要针对每种几何属性类型进行特定参数调优，导致泛化能力差且分割性能不稳定。相比之下，基于深度学习的方法通过大规模标注训练数据集实现端到端自动分割。例如，Qi等人使用Pointnet++在点云上实现了点云分类和分割[17]；Li等人提出PointCNN从无序点集中捕获潜在语义特征[18]；Hu等人[19]使用RandLA-Net完成大规模点云分割。然而，现有方法在处理具有复杂几何构型的大规模复杂钢结构采集的点云数据时仍存在自动化处理方面的局限。

复杂钢结构的几何信息是施工质量检测和力学响应预报的基础。传统算法被广泛用于具有简单几何特征（如直线、圆、平面）的截面，如Hough变换[20]、RANSAC[21]、最小二乘拟合[22]、核密度估计[23]和图像卷积[24]。在结构构件层面，切片和骨架提取促进了各种应用的几何表征，如初始缺陷量化[25,26]、屈曲分析[27]和几何尺寸检验[28,29]。这些方法实现了钢框架[30]、悬索桥主缆[31]、钢箱梁桥[32]和圆柱形机电部件[33]等各种结构形式的几何重建。对于具有任意截面形状的结构构件，可使用构造实体几何（CSG）[34]或边界表示（B-rep），非均匀有理B样条（NURBS）[35]因其优越的参数化灵活性和拟合精度被广泛应用于B-rep工作流中。Dimitrov等人通过分割点云和NURBS曲面拟合实现了管道几何重建[36]；Ursini等人使用基于NURBS的建模方法重建了历史屋顶结构的几何模型[37]；Rausch等人通过元启发式算法迭代优化CSG/B-rep参数，实现了BIM几何模型与点云数据之间的配准[38]。此外，深度学习方法也被探索用于高精度几何提取。例如，Xie等人[39]开发PipeNet以实现管道轴线的端到端预测；Kim等人[40]采用带有点云上采样技术的生成对抗网络（GAN）增强管状构件点云并提高轴线提取精度。尽管取得了这些进展，此类几何模型的重建精度仍受点云密度的限制，且现有几何信息提取方法计算量较大。

复杂钢结构的高保真有限元模型可复制全场力学行为并预测结构响应，为施工策略决策提供支持[[41],[42],[43]]。例如，Zhang等人从点云数据重建钢筋混凝土构件的几何数字孪生，并将图像识别的损伤信息集成到有限元模型中[44]；Zeng等人利用多源参数更新混凝土梁的有限元模型，在实验室条件下建立了混凝土数字孪生[45]；Li等人利用点云和有限元分析构建了悬索桥主缆的数字孪生，促进形状匹配和缆索张力测量[46]；Shi等人开发了弦支结构的数字孪生以支持优化拆卸[47]；Fan等人通过三维激光扫描开发了大跨度钢结构的力学数字孪生，考虑了热效应和边界条件[48]。然而，当前方法主要局限于简单结构形式，且高度依赖人工干预，而复杂钢结构有限元模型的自动生成尚未得到系统研究。

为解决上述挑战，本研究提出了一种基于高级点云分割和几何信息提取方法的复杂钢结构从采集点云数据自动生成有限元模型的方法。本文结构如下：第2节概述了所提方法的整体框架和理论基础；第3节展示了新建大型复杂钢结构的案例研究以验证所提方法；第4节展示了消融实验结果及相应讨论；最后，第5节给出结论和未来工作。

章节节选

整体框架

所提方法的框架如图1所示。在所提方法中，首先利用地面激光扫描仪采集研究结构的多视角点云，并将其配准、去噪和分割为统一的结构性点云。其次，采用高级点云处理算法对复杂钢构件进行分割并提取几何特征，包括中轴线和截面尺寸，以重建三维几何模型。

结构概述与现场测试

为展示所开发方法的有效性，在中国四川省宜宾市的大型复杂钢结构上进行了现场测试。该结构总高度为22.5 m，其中部圆柱体整合入第一层地下室，尾部支撑在地下室顶板上（图6）。它包含十根形成主体结构体的主桁架和两根形成颈部的大型悬臂次桁架。主体结构延伸至

点云配准的消融分析

进行了消融研究以量化初始位姿估计和局部精化对BIM至扫描点云配准性能的贡献。前两个测试组，即直接ICP和直接GICP，是在没有足够初始位姿先验的情况下实施的。这两种配置对应于BIM派生点云与TLS点云之间存在显著空间不对齐的工程场景，使得先前的粗配准对于成为不可或缺的

结论与未来工作

本研究提出了一种利用点云数据和高级数据处理算法对复杂钢结构进行静力和动力响应预报的自动扫描至FEM生成工作流程。具体结论总结如下：

(1) 为大型钢结构建立了从激光扫描点云到有限元模型的完整工作流程。在该工作流程中，采用FastMAC + GICP配准策略来降低对良好初始位姿和人工的依赖

CRediT作者贡献声明

田永定：写作——审阅与编辑，写作——原稿撰写，验证，监督，资金获取，正式分析，概念化。

刘杨丰：写作——审阅与编辑，写作——原稿撰写，软件，方法论，正式分析，数据管理。

杨晓宇：写作——审阅与编辑，验证，调查。

夏晶：资源，资金获取。

廖毅：资源，资金获取。

利益冲突声明

作者声明不存在可能影响本文工作的已知竞争经济利益或个人关系。

致谢

作者感谢国家自然科学基金（基金号：52678427）和成都市重点研发支持计划（基金号：2024-YF09–00058-SN）提供的财政支持。

田永定 | 刘杨丰 | 杨晓宇 | 夏晶 | 廖毅