基于高斯泼溅三维重建的桥梁施工构件安装偏差识别方法与流程

本发明涉及桥梁施工质量检测、三维重建、计算机视觉与数字化施工管控，具体涉及基于高斯泼溅三维重建的桥梁施工构件安装偏差识别方法。

背景技术：

1、随着桥梁工程向装配化、机械化和数字化方向发展，预制梁吊装、支座安装、墩柱定位、盖梁架设、湿接缝施工及桥面系线形控制等环节对构件安装精度提出了更高要求。构件安装偏差会影响结构受力、线形顺接和后续施工质量，严重时可能导致支座受力不均、梁体横纵向错位、接缝宽度异常、桥面铺装厚度不均等问题，因此需要在施工过程中及时识别构件空间位置和姿态偏差。

2、相关技术中，桥梁构件安装偏差多依赖全站仪、水准仪、人工尺量、局部摄影测量或二维图像识别等方式完成。上述方式能够对部分测点进行复核，但通常需要人工布点、人工观测和人工记录，检测效率受现场施工组织影响较大，且结果多为离散测点数据，难以完整反映构件边界、轴线、中心点、高程、梁端姿态和接缝宽度等连续三维状态。

3、同时，现有三维重建方法在桥梁施工现场应用中仍存在不足。施工现场存在构件遮挡、光照变化、机械设备干扰、背景复杂和局部纹理不足等情况，常规点云或网格重建结果容易出现孔洞、噪声和边界模糊；重建模型与bim模型、设计坐标及施工控制线之间的配准关系也不够稳定，导致偏差计算缺乏统一空间基准。因此，有必要提出一种能够面向桥梁施工构件进行连续三维重建、空间配准、偏差计算和风险分级的安装偏差识别方法。

4、针对上述问题，现在设计基于高斯泼溅三维重建的桥梁施工构件安装偏差识别方法。

技术实现思路

1、基于上述表述，本发明提供了基于高斯泼溅三维重建的桥梁施工构件安装偏差识别方法，以解决桥梁施工过程中构件安装偏差依赖人工测量、检测覆盖不完整、三维空间关系表达不足、偏差结果难以及时反馈的问题。

2、本发明解决上述技术问题的技术方案如下：

3、基于高斯泼溅三维重建的桥梁施工构件安装偏差识别方法，包括以下步骤：

4、s1，施工现场多视角图像采集：通过无人机、架桥机相机、塔吊端相机或固定多视角摄像设备采集桥梁施工现场图像，记录构件编号、拍摄姿态、相机参数和施工区段信息；

5、s2，图像预处理与构件区域筛选：对采集图像进行畸变校正、曝光均衡、清晰度筛选和遮挡区域剔除，保留承台、墩柱、盖梁、支座、预制梁、湿接缝和桥面系构件图像区域；

6、s3，高斯泼溅三维实景模型构建：基于多视角图像位姿和图像匹配结果生成三维高斯基元集合，通过可微渲染优化形成桥梁施工现场连续三维实景模型；

7、s4，施工构件三维空间特征提取：从三维实景模型中分离各类构件，提取边界线、中心点、轴线、高程点、梁端点、接缝边缘线和姿态向量；

8、s5，实景模型与设计数据空间配准：读取bim模型、设计坐标和施工控制线，选取同名控制点求解坐标转换关系，建立实景模型与设计基准的统一空间坐标体系；

9、s6，构件安装偏差计算：将实测空间特征与设计空间特征逐项比对，计算墩柱轴线偏移、盖梁高程偏差、支座偏位、梁体偏移、倾角异常和接缝宽度异常；

10、s7，偏差超限判定与风险分级：根据构件类型、偏差类型和允许偏差限值，对偏差结果进行正常、预警、超限和严重超限分级，形成构件级风险等级；

11、s8，偏差识别结果输出与复测建议生成：输出构件编号、偏差类型、偏差值、允许限值、超限等级、风险部位和复测建议，并在三维实景模型中标注偏差位置。

12、在上述技术方案的基础上，本发明还可以做如下改进。

13、进一步的，s3中高斯泼溅三维实景模型构建包括：根据多视角图像的相机内参、外参和图像匹配点生成初始稀疏空间点，将桥梁施工现场划分为承台、墩柱、盖梁、支座、预制梁和湿接缝对应空间区域，并在各区域内初始化三维高斯基元集合，每个三维高斯基元包括空间中心、协方差矩阵、不透明度和颜色特征，其表达式为：；其中，表示第个三维高斯基元，为空间中心坐标，为各向异性协方差矩阵，为不透明度，为颜色或辐射特征。

14、进一步的，s3中三维高斯基元优化包括：按照相机位姿将三维高斯基元投影到对应图像平面，生成多视角渲染图像；将渲染图像与实际采集图像进行颜色一致性、结构相似性和构件边缘一致性比较，并根据比较结果更新三维高斯基元的空间中心、尺度方向、不透明度和颜色特征，使梁端、支座、盖梁边缘和湿接缝边缘在三维实景模型中形成连续可量测的空间表达。

15、进一步的，s4中施工构件三维空间特征提取包括：依据构件语义标签将三维实景模型分为承台区域、墩柱区域、盖梁区域、支座区域、预制梁区域、湿接缝区域和桥面系区域；在墩柱区域提取上下截面中心点和轴线，在盖梁区域提取端部控制点和顶面高程采样点，在支座区域提取中心点和支承面法向量，在预制梁区域提取梁端控制点、梁体中心线和姿态向量，在湿接缝区域提取两侧梁边缘线和宽度采样点。

16、进一步的，s4中预制梁和湿接缝特征提取包括：对预制梁区域的左右边界点进行筛选和拟合，形成梁体纵向中心线；根据梁端截面点集提取梁端中心点、梁端边界线和梁体姿态向量；对湿接缝区域沿桥跨纵向设置多个采样截面，在每个采样截面内分别确定相邻预制梁边缘点，并计算两侧边缘点之间的距离，形成湿接缝宽度序列。

17、进一步的，s5中实景模型与设计数据空间配准包括：从三维实景模型中选取承台角点、墩柱中心点、盖梁端点、支座中心点和梁端控制点作为实测控制点，从bim模型、设计坐标或施工控制线中提取对应设计控制点，建立控制点匹配关系，并通过最小二乘方式求解坐标转换关系：；其中，表示三维实景模型中的第个控制点，为对应设计控制点，为坐标转换关系，为最优坐标转换结果。

18、进一步的，s5中配准结果校核包括：完成坐标转换后，计算各控制点的配准残差，并按照残差均值和最大残差进行配准质量判断；当残差满足预设精度要求时，将三维实景模型中的构件特征转换至设计坐标体系；当残差超过预设精度要求时，剔除误匹配控制点或补充支座中心点、梁端控制点、盖梁端点重新求解坐标转换关系。

19、进一步的，s6中构件安装偏差计算包括：将配准后的实测构件特征与对应设计特征进行比对，支座中心偏位、梁端偏位、盖梁端点偏差和墩柱截面中心偏差按照点位距离计算，点位偏差表达式为：；其中，表示实景模型提取的构件控制点坐标，表示设计控制点坐标，表示点位偏差。

20、进一步的，s6中姿态、宽度和线形偏差计算包括：根据预制梁两端中心点拟合梁体实测姿态向量，并与设计姿态向量比较得到梁体倾角偏差和纵向偏转偏差；根据湿接缝宽度序列与设计接缝宽度比较得到宽度异常区段；根据桥面边线、纵坡采样点和横坡采样点的拟合结果与设计线形比较，得到桥面系线形偏差。

21、进一步的，s7中偏差超限判定与风险分级包括：建立构件类型、偏差指标、允许偏差限值和风险等级之间的对应表；将墩柱轴线偏移、盖梁高程偏差、支座中心偏位、预制梁横纵向偏移、梁体倾角偏差、湿接缝宽度偏差和桥面线形偏差分别与对应限值比较；当偏差值小于预警阈值时判定为正常，达到预警阈值但未超过允许限值时判定为预警，超过允许限值时判定为超限，超过严重超限阈值时判定为严重超限。

22、与现有技术相比，本技术的技术方案具有以下有益技术效果：

23、1.本技术通过无人机、架桥机端相机、塔吊端相机和固定多视角相机采集桥梁施工现场图像，能够覆盖墩柱、盖梁、支座、预制梁、湿接缝和桥面系等关键构件，减少人工测点布设和单点观测带来的检测盲区，提高构件安装偏差识别的覆盖完整性。

24、2.本技术在图像进入三维重建前进行畸变校正、曝光均衡、清晰度筛选和遮挡区域剔除，能够剔除模糊、逆光、遮挡严重和重复图像，使参与重建的数据更加稳定，降低施工机械、临时设施和复杂背景对后续偏差识别结果的干扰。

25、3.本技术采用高斯泼溅三维重建方式，将桥梁施工现场表达为包含空间中心、协方差矩阵、不透明度和颜色特征的三维高斯基元集合，并通过可微渲染优化形成连续三维实景模型，相比离散测点或普通点云方式，更有利于表达梁端、支座、盖梁边缘和湿接缝边缘等细部结构。

26、4.本技术在三维实景模型中提取边界线、中心点、轴线、高程点、梁端点、接缝边缘线和姿态向量等空间特征，能够将桥梁构件从整体三维场景中转化为可计算、可比对的结构化几何数据，使偏差识别由传统的人工读数转变为构件级三维量测。

27、5.本技术针对预制梁和湿接缝设置专门的特征提取方式，通过梁体边界拟合、梁端控制点提取、姿态向量计算以及湿接缝宽度序列采样，能够连续识别梁体横纵向偏移、倾角异常和接缝宽度变化，适用于预制梁批量架设和湿接缝连续施工场景。

28、6.本技术将高斯泼溅三维实景模型与bim模型、设计坐标和施工控制线进行空间配准，建立实景模型与设计基准之间的统一坐标体系，使偏差计算不再停留于图像相对判断，而是能够输出面向设计坐标的绝对安装偏差，提高检测结果的工程可用性。

29、7.本技术在配准过程中选取承台角点、墩柱中心点、盖梁端点、支座中心点和梁端控制点作为同名控制点，并通过残差均值和最大残差进行配准质量校核，能够及时发现误匹配控制点，避免配准误差传递至后续偏差计算过程。

30、8.本技术能够对墩柱轴线偏移、盖梁高程偏差、支座中心偏位、预制梁横纵向偏移、梁体倾角偏差、湿接缝宽度偏差和桥面线形偏差进行统一计算，实现点位、线形、高程、姿态和宽度等多类型偏差的综合识别，提升桥梁施工质量检测的系统性。

31、9.本技术根据构件类型、偏差指标、允许偏差限值和风险等级建立对应关系，将偏差结果划分为正常、预警、超限和严重超限，能够把分散的量测数据转化为施工管理人员易于理解的等级化结论，便于现场复测、整改和验收决策。