Your browser does not fully support modern features. Please upgrade for a smoother experience.
Please note this is an old version of this entry, which may differ significantly from the current revision.
Subjects:
Engineering, Civil
数字孪生（DT）在智能桥梁管理中起着至关重要的作用，几何数字孪生（gDT）是其基础。值得注意的是，桥接gDT模型的快速、高精度生成越来越受到关注。几何数字孪生（gDT）作为数字孪生的关键组成部分具有重要意义，在桥梁设计、运营、维护和其他阶段发挥着至关重要的作用。gDT在桥梁工程中的应用可以有效降低桥梁整个生命周期的人员和财产成本。
- 几何
- 数字孪生
1. 简介
数字孪生（DT）被广泛认为是现实世界的数字复制品[1]，在制造、航空航天、建筑和其他领域得到了广泛的应用。值得注意的是，几何数字孪生（gDT）作为数字孪生的关键组成部分具有重要意义，在桥梁设计、运营、维护和其他阶段发挥着至关重要的作用。gDT在桥梁工程中的应用可以有效降低桥梁整个生命周期的人员和财产成本。
由于施工错误和其他因素，现场桥梁经常表现出与其原始设计的几何尺寸有一定程度的偏差。不幸的是，这些偏差会导致桥梁的分析结果失真。因此，及时获得现场桥梁的精确几何尺寸已成为至关重要的必要条件。为了实现这一目标，已经进行了大量研究来生成桥接gDTs[2]。
建筑信息模型（BIM）在桥梁的整个生命周期中得到了广泛的应用。它有效地存储了大量的桥梁信息，但它通常是基于理想的设计尺寸构建的[3]。gDT模型是使用实际的现场尺寸创建的，可以准确表示桥梁的几何信息。因此，BIM 不能直接用作 gDT 模型。然而，由于其复杂性和不利条件，在桥梁环境中测量尺寸具有挑战性。使用全站仪实现精确和全面的桥梁测量既困难又耗时。因此，研究人员使用视觉测量[4]和地面激光扫描（TLS）作为获取桥梁几何信息的替代方法。
TLS 是一种先进的技术，可以快速准确地获取结构信息，包括笛卡尔坐标系 （x、y、z） 坐标、强度数据和项目的颜色信息。它在各个领域都有广泛的应用，例如土木工程、自动化和工厂设计[5,6]。TLS具有高精度、宽扫描范围、非接触式测量和快速扫描速度等优点，使其成为快速获取桥梁几何尺寸和位置信息的宝贵工具[7,8]。因此，用TLS代替全站仪具有非凡的重要性。Rashidi等人[9]提出了一个基于TLS的逆向建模框架。该框架提取点云特征并通过拉伸轮廓生成 3D 模型。Goebbels等人[10]采用图像处理技术从投影的点云中提取轮廓，然后将其拉伸成3D模型。然而，3D模型和点云之间的偏差被认为是不可接受的。Hu等人[11]采用RANSAC算法从点云切片中提取特征，并采用CATIA生成最大建模误差为9 mm的拱桥gDT模型。然而，目前的研究主要集中在提取点云特征以创建轮廓并形成简单的形状，其中不包括腔室，例如实心圆形截面桥墩，弯曲帽和T型梁[11，通过轮廓挤压和放样。关于带箱室RC桥gDT模型生成方法的研究仍然有限。带箱室的RC梁广泛应用于刚性框架桥，连续梁桥和简单支撑梁桥等桥梁类型，占据桥梁的很大一部分。
2. 桥梁轮廓表示方法
2.1. 形状表示方法
对象的形状表示方法主要包括隐式表示、边界表示（B-Rep）、构造实体几何（CSG）和扫描实体表示（SSR）。隐式表示利用数学表达式来表示对象的形状，可以准确地描述其轮廓。然而，它很难描绘出尖锐的特征，例如顶点和边[12]。桥有许多尖点和直线，因此隐式表示对桥的适用性较低[13]。B-Rep是一种显示表示方法，它采用求解对象形状的限制来表示它。各种表示形式（例如齿形曲面和多边形）都属于 B-Rep。Kwon等人[14]通过组合原始元素（例如矩形长方体和圆柱体）来表达建筑工地的物体形状。Oesau等人[15]建议使用图像切割方法将点云重建为网格模型。然而，B-Rep在复杂和高分辨率的情况下面临挑战，需要进一步研究以选择合适的分辨率[16]。此外，缺少点云的区域的网格精度往往相对较低[17]。CSG 涉及使用简单的几何形状（例如矩形长方体和圆柱体）通过布尔运算创建新的几何形状，以表示对象形状 [18]。例如，Patil等人[19]采用了改进的顺序霍夫变换方法来拟合点云中的圆柱体并建立管道模型。Schnabel等人[20]组合了基元，如圆柱体、平面和圆锥体，以表示其他对象。Xiao等人[21]提出了一种反向CSG算法，用于使用基元进行简单场景重建，该算法已成功应用于博物馆重建过程中。不幸的是，CSG需要对不是由基元组成的建模结构进行详细的计算和规划，从而限制了其在表示复杂桥梁结构时的适用性。同时，SSR描述物体的横截面形状，并通过扫描轮廓来构建3D模型。Budroni和Ochmann等人[22,23]分割室内点云，从平面形状中提取特征，最后拉伸形状以形成3D模型。Borrmann等人[24]引入了一种基于核密度估计的重建钢梁的方法。总之，隐式表示、B-Rep和CSG可以准确地表示简单物体的形状，但快速准确地表示复杂桥梁的形状是困难的。SSR 可以使用输入横截面通过拉伸和其他操作进行对象重建。然而，SSR尚未在桥梁领域得到有效应用。本文使用 SSR 来表示桥梁的形状。
2.2. 点云特征提取
传统研究主要侧重于使用计算法线向量、曲率极值和聚类算法等方法识别和提取扫描对象的边缘特征[25,26]。例如，Wang等人[27]采用聚类算法将扫描物体的表面点云分割成不同的结构平面。随后，他们为每个结构平面上的边缘点检测设置边缘角度阈值。利用检测到的特征点生成最小生成树，并采用双向主成分分析搜索方法生成线段。尽管这种对物体表面的点云特征的提取在获得桥梁对齐和表面轮廓方面是有效的，但它无法捕获内部横截面。因此，它不适用于带有箱室的桥梁。
切片方法具有几个优点，包括减少点云尺寸和计算复杂性，简单，高精度和易于编程实现[28]。因此，它在各个领域得到了广泛的应用，例如3D打印[29,30]和点云特征提取[31]。Zhou等人[32]利用切片方法提取了悬索桥主缆的点云特征，然后为其安装了一个圆柱体。在另一项研究中，Zolanvari等人[33]应用切片方法对多个建筑物进行切片并投影，从而自动提取建筑物立面，门窗的外部轮廓。
提取点云特征线有两种主要方法：第一种方法涉及从点云生成 3D 网格模型并将网格模型的边缘提取为特征线。第二种方法直接基于点云模型提取特征线。然而，这两种方法都有缺点，例如累积误差和提取的等高线类型有限。
2.3. 桥接 gDT 模型生成
与建筑结构相比，桥梁结构的组成本质上更加复杂，这使得桥梁gDT模型的生成成为一项具有挑战性的任务。Luo等人[34]使用切片方法提取点云特征，并使用CATIA进行基于这些特征的逆向工程，导致建模误差为8%。Wang等人[35]提出了一种基于切片的MEP场景全自动检测和建模方法，该方法能够对室内管道系统的实体模型进行建模。截面类型主要由圆形和矩形组成，模型与点云的最大平均偏差为0.035 m。Zhao等[36]通过对预制构件的点云进行切片生成逆向模型，并将逆向模型与设计模型进行比较进行质量检查。Tang 等人 [37] 利用 Revit 和 Recap 建立了基于点云的 3D 模型，并进一步使用 Revit 系列进行参数化建模。Zhou等人[38]开发了一种基于点云特征提取的BIM，用于钢构件的虚拟试装。Qin等人[39]使用Dynamo-Revit对单箱预制箱梁进行建模，最大偏差为15毫米。
没有一个单一的建模软件或平台可以为所有类型的结构建立3D模型[40]。在处理复杂组件时，由于人为操作和其他因素，可能会发生信息丢失和主观错误。然而，目前可用的建模软件和平台通常只提供标准组件，如管道、墙壁和矩形梁[41]。从点云模型中提取的点云特征为逆向建模提供了基本参数[42,43,44,45]。在住房建设中基于点云数据的3D建模环境中，重点通常放在规则形状的组件上，例如墙壁和屋顶。对于桥梁，逆向建模主要集中在具有规则实体截面的构件上，例如桥墩、帽梁、T 型梁和其他简单的单元。针对这种情况，本研究采用可视化编程软件Dynamo和Revit，采用联动方法有效应对复杂截面桥梁gDT模型生成的挑战。
This entry is adapted from the peer-reviewed paper 10.3390/rs15184440
This entry is offline, you can click here to edit this entry!