基于点云数据的工业遗存建筑结构病害识别方法与流程

本发明涉及工业遗存建筑结构病害检测领域，具体涉及一种基于点云数据的工业遗存建筑结构病害识别方法。

背景技术：

1、工业遗存建筑普遍服役年限长，结构构件存在不同程度的老化、破损，且多数建筑原始图纸缺失，结构病害隐蔽性强。传统结构病害检测高度依赖人工现场排查与手工测量，存在三方面核心缺陷：一是检测覆盖范围有限，高空、隐蔽节点等区域难以抵达，病害漏检率高，易遗留结构安全隐患；二是病害量化精度不足，裂缝宽度、剥落深度、变形量等参数依赖人工估算，误差大，无法为加固设计提供精准的数据支撑；三是检测效率低，且人工排查过程中易对历史构件造成触碰式二次损伤。

2、而目前现有的基于图像的病害识别方法仅能获取表面视觉信息，无法实现三维空间定位与深度量化，难以适配工业遗存建筑大空间、复杂构件的检测需求，无法支撑全维度的结构安全评估。

技术实现思路

1、本发明的目的就是提供一种基于点云数据的工业遗存建筑结构病害识别方法，以解决现有工业遗存建筑病害检测漏检率高、量化精度低、隐蔽病害难发现、检测效率低且易损伤历史构件的技术难题的问题。

2、本发明是这样实现的：一种基于点云数据的工业遗存建筑结构病害识别方法包括以下步骤。

3、步骤s1，获取待检测工业遗存建筑的全域三维激光点云数据。

4、步骤s2，对所述全域三维激光点云数据进行预处理，并从预处理后的点云数据中提取多维度特征，所述多维度特征包括几何形变特征和材质反射特征。

5、步骤s3，基于所述多维度特征，采用规则阈值初筛与点云语义分割精分类相结合的两级识别方式，对结构病害进行识别，得到包括裂缝、混凝土剥落、构件变形和钢材锈蚀的病害类型。

6、步骤s4，对识别出的病害进行三维空间定位，并根据病害类型进行参数量化计算，得到包括裂缝、混凝土剥落、构件变形和钢材锈蚀的病害的量化参数。

7、步骤s5，将病害类型、空间位置信息及量化参数整合输出为标准化成果。

8、进一步的，步骤s2中所述预处理包括：通过统计滤波去除点云中的离群噪点，并采用体素下采样在保留结构轮廓与细节特征的前提下压缩点云数据量。

9、进一步的，步骤s2中所述几何形变特征的提取包括：通过主成分分析法计算每个点云的法向量和曲率；通过移动最小二乘法拟合构件的基准理想表面，计算每个点云到基准面的垂直偏差值，并提取高程差异、局部曲率突变率和平面度偏差作为几何形变特征。

10、进一步的，步骤s2中所述材质反射特征的提取包括：提取点云自带的激光反射强度值，通过距离校正和入射角校正完成强度归一化处理，得到标准化材质反射特征，用于区分材质变化类病害。

11、进一步的，步骤s3中所述规则阈值初筛的判定规则包括：将局部曲率突变率大于0.2mm/m且表面垂直偏差大于3mm的区域判定为裂缝疑似区；将表面垂直偏差大于5mm的凹陷区域判定为混凝土剥落疑似区；将反射强度值低于同类型完好构件均值30%的区域判定为锈蚀疑似区；将整体偏差超出规范允许值的构件区段判定为变形疑似区。

12、进一步的，步骤s3中所述点云语义分割精分类采用改进的pointnet++点云语义分割模型，对规则阈值初筛得到的疑似区域进行精细化分类，输出裂缝、混凝土剥落、构件变形和钢材锈蚀四类典型病害的识别结果。

13、进一步的，所述改进的pointnet++点云语义分割模型预先通过标注的工业遗存建筑病害点云数据集完成训练，所述训练集涵盖不同年代、不同结构形式的工业建筑病害样本，所述结构形式包括排架、框架和屋架。

14、进一步的，步骤s4中对裂缝的参数量化计算包括：提取裂缝区域点云的中心骨架线，通过空间折线积分计算骨架线总长度作为裂缝长度；沿骨架线法向等距截取多个截面，计算每个截面内裂缝点云的跨度值，取所有截面跨度值的平均值为裂缝平均宽度，取最大值为裂缝最大宽度。

15、进一步的，步骤s4中对混凝土剥落的参数量化计算包括：对剥落区域周边的完好表面拟合基准平面，计算剥落区域内每个点到基准平面的垂直距离，取平均值为平均剥落深度，取最大值为最大剥落深度；并通过投影面积法计算剥落区域的平面投影面积。

16、进一步的，步骤s4中对构件变形的参数量化计算包括：将待检测构件的实测点云与逆向建模得到的标准构件理论模型进行配准比对，计算各点位的实际偏差值，输出构件最大变形量、平均变形量和变形分布范围。

17、进一步的，步骤s4中对锈蚀的参数量化计算包括：根据锈蚀区域的点云分布范围，计算锈蚀面积占对应构件表面积的比例作为锈蚀率，并输出锈蚀区域的空间坐标范围和分布形态。

18、进一步的，步骤s5中所述标准化成果包括：将所有识别出的病害按构件进行归类，整合病害类型、空间坐标、量化参数和对应构件编号，生成结构化的数字化病害台账；以及将病害分类结果映射至建筑三维数字模型中，生成带空间定位的可视化病害分布图；输出的数据格式兼容结构设计软件与bim平台。

19、本发明通过直接对全域三维激光点云数据进行多维度特征提取，并采用规则阈值初筛与点云语义分割精分类的两级识别架构，既能利用几何形变特征和材质反射特征有效识别裂缝、剥落、变形和锈蚀等非表观纹理类病害，又能在保持高识别精度的同时提升处理效率，整体识别准确率高。

20、基于统一工程坐标系下点云数据的三维空间定位与参数量化计算，全部量化参数均由点云直接解算获得，避免了人工估算误差，测量精度达到毫米级，能够为加固设计提供精准数据支撑。

21、采用非接触式全域点云采集方式，无需人员抵近高空或隐蔽部位，消除了检测盲区，大幅降低了漏检率，也杜绝了检测过程中对历史构件的触碰损伤。

22、输出的标准化数字化病害台账和三维病害分布图可直接对接结构设计软件与bim平台，打通了检测、设计与施工的数据链路，满足了工业遗存数字化改造全流程的应用需求。

1.一种基于点云数据的工业遗存建筑结构病害识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于点云数据的工业遗存建筑结构病害识别方法，其特征在于，步骤s2中所述几何形变特征的提取包括：通过主成分分析法计算每个点云的法向量和曲率；通过移动最小二乘法拟合构件的基准理想表面，计算每个点云到基准面的垂直偏差值，并提取高程差异、局部曲率突变率和平面度偏差作为几何形变特征。

3.根据权利要求1所述的基于点云数据的工业遗存建筑结构病害识别方法，其特征在于，步骤s2中所述材质反射特征的提取包括：提取点云自带的激光反射强度值，通过距离校正和入射角校正完成强度归一化处理，得到标准化材质反射特征，用于区分材质变化类病害。

4.根据权利要求1所述的基于点云数据的工业遗存建筑结构病害识别方法，其特征在于，步骤s3中所述规则阈值初筛的判定规则包括：将局部曲率突变率大于0.2mm/m且表面垂直偏差大于3mm的区域判定为裂缝疑似区；将表面垂直偏差大于5mm的凹陷区域判定为混凝土剥落疑似区；将反射强度值低于同类型完好构件均值30%的区域判定为锈蚀疑似区；将整体偏差超出规范允许值的构件区段判定为变形疑似区。

5.根据权利要求4所述的基于点云数据的工业遗存建筑结构病害识别方法，其特征在于，步骤s3中所述点云语义分割精分类采用改进的pointnet++点云语义分割模型，对规则阈值初筛得到的疑似区域进行精细化分类，输出裂缝、混凝土剥落、构件变形和钢材锈蚀四类典型病害的识别结果。

6.根据权利要求1所述的基于点云数据的工业遗存建筑结构病害识别方法，其特征在于，步骤s4中对裂缝的参数量化计算包括：提取裂缝区域点云的中心骨架线，通过空间折线积分计算骨架线总长度作为裂缝长度；沿骨架线法向等距截取多个截面，计算每个截面内裂缝点云的跨度值，取所有截面跨度值的平均值为裂缝平均宽度，取最大值为裂缝最大宽度。

7.根据权利要求1所述的基于点云数据的工业遗存建筑结构病害识别方法，其特征在于，步骤s4中对混凝土剥落的参数量化计算包括：对剥落区域周边的完好表面拟合基准平面，计算剥落区域内每个点到基准平面的垂直距离，取平均值为平均剥落深度，取最大值为最大剥落深度；并通过投影面积法计算剥落区域的平面投影面积。

8.根据权利要求1所述的基于点云数据的工业遗存建筑结构病害识别方法，其特征在于，步骤s4中对构件变形的参数量化计算包括：将待检测构件的实测点云与逆向建模得到的标准构件理论模型进行配准比对，计算各点位的实际偏差值，输出构件最大变形量、平均变形量和变形分布范围。

9.根据权利要求1所述的基于点云数据的工业遗存建筑结构病害识别方法，其特征在于，步骤s4中对锈蚀的参数量化计算包括：根据锈蚀区域的点云分布范围，计算锈蚀面积占对应构件表面积的比例作为锈蚀率，并输出锈蚀区域的空间坐标范围和分布形态。

10.根据权利要求1所述的基于点云数据的工业遗存建筑结构病害识别方法，其特征在于，步骤s5中所述标准化成果包括：将所有识别出的病害按构件进行归类，整合病害类型、空间坐标、量化参数和对应构件编号，生成结构化的数字化病害台账；以及将病害分类结果映射至建筑三维数字模型中，生成带空间定位的可视化病害分布图；输出的数据格式兼容结构设计软件与bim平台。