基于BIM+三维激光扫描技术的桥梁钢构件工程质量管控

覃亚伟，石文洁，肖明钊

(1.华中科技大学 土木工程与力学学院，湖北 武汉 430074；2.武汉市市政建设集团有限公司，湖北 武汉 430023)

大多数钢结构构件在运至现场进行拼装前，还需要进行构件加工质量检测及实地预拼装，以检验构件的偏差是否符合要求，构件是否能够拼装，以便于及时修正并保证现场作业的工序正常进行[1]。钢构件的加工质量检查及现场预拼装过程繁琐、难度大且成本高，对于大型、环境复杂的桥梁工程而言，施工质量的过程管控更是重点和难点。

随着数字化发展，BIM(Building Information Modeling)技术与三维激光扫描技术的集成成为解决这些难题的研究热点。杜伸云等[3]综述了三维激光扫描技术在桥梁钢结构质量检查中的应用，数字化的检验方法为复杂构件的质量检查提供了新的途径。罗永权等[4]提出了一种“利用三维激光扫描技术进行桥梁构件模拟预拼装”的方法，验证了其在大型桥梁构件中取代传统现场预拼装带来的质量控制价值。陈滨津等[5]通过对不同项目中三维激光扫描技术在质量管控中的不同应用点的阐述，说明了适合于复杂结构、复杂环境下的大型工程的精准质量管控。但是，这些研究与应用在某一实际项目中只是某一方面的单一应用，没有形成一套系统的、全要素的应用体系。如何应用BIM技术和三维激光扫描技术，高效、精准地实现桥梁建造阶段工程质量的全过程的动态管控，还需进一步的研究。

本文以BIM技术和三维激光扫描技术为支撑，提出了质量检测、虚拟拼装以及实时监测一体化的工程质量管控方法，并根据上述成果结合在建实际工程案例，论证了基于BIM+三维激光扫描技术在实际工程质量管控中的应用价值及前景。

1 技术支撑

1.1 BIM技术

BIM技术的核心是三维信息模型，BIM模型的建立是钢结构构件质量检测和虚拟拼装实现的基础步骤，BIM在本研究方法中的应用，主要是提供设计值模型，其呈现的模型直观可视，包含了建筑的几何信息、材质结构、空间位置等信息。

1.2 三维测量技术

1.2.1 三种典型测量方式的比较

通过对三维扫描、全站仪测量、摄像测量三种测量方式进行比较，筛选出能够适应复杂环境且采集效率较高的测量方式。主要从精度、检测范围、速度、所需的工作环境等多方面进行比较，如表1所示。

表1 测量方式比较

通过比较，可以看出三维扫描的方式，综合评价较好，适应强，相对测量效率高，能适应工地或工厂环境，且其直接扫描建模，并与模型进行比对，能够很好地与已建立的三维模型进行比对分析，提供了良好的测量基础。且其操作简便，全天均可工作，坐标匹配度较高。

1.2.2 三维激光扫描技术原理

三维激光扫描技术又叫做“实景复制技术”,是采集空间信息数据的测绘技术，可以获取大量的点云数据。三维激光扫描仪是利用激光测距的原理，向被测对象物体发射大量激光束，接受反射信号，计算被测对象表面点的三维坐标，记录反射率以及纹理等信息，从而得到点云数据[6]。

图1 三维激光扫描技术原理

三维激光扫描技术能实现快速自动化高密度数字信息采集，BIM与三维激光扫描的集成应用能够很好地解决传统测量方式存在的问题。

2 工程质量管控方法

2.1 方法概述

该方法以BIM技术和三维激光扫描技术为支撑，从而实现对桥梁钢结构构件加工质量检测、虚拟拼装、实时监测一体化的工程质量全过程管控。首先运用BIM技术进行三维模型的建立，为后续的检测比较提供设计模型。其次运用三维激光扫描仪进行三维测量实现实物结构的虚拟化，即将真实的构件准确地转变成数字模型。最后将三维扫描的点云数据进行处理，形成点云模型，进而与BIM模型比对考察其构件加工质量；用点云模型进行虚拟拼装，考察其拼装误差；在施工过程中可对桥梁拱肋进行三维激光扫描，将扫描的点云模型与BIM模型进行实时比对，保证拱肋轴线和标高的误差在允许范围内。

工程质量管控方法技术路线如图2所示。

图2 工程质量管控方法技术路线

2.2 BIM模型及点云模型的建立

2.2.1BIM模型的建立

运用Tekla，Revit等BIM软件及相关软件依据建筑设计原比例建模，为后续的数模比对提供设计模型。

2.2.2 点云模型的数据获取及模型建立

(1)布设测站和控制点，用三维激光扫描仪获取点云数据，在相邻的两个扫描站之间要设有3个及以上的公共靶标。

(2)点云配准，采用基于标靶的拼接，将多站点扫描数据配准到统一坐标系中，在拼接过程中，某个站点被指定为主站点，其他站点利用由各站点间相同的点确定约束条件，将其坐标系进行旋转平移，拼接完成之后将得到一个项目的完整点云。其实质是求取刚体变换矩阵，即满足式(1)：

(1)

式中：j为点云集第j次配准；M为配准次数；Rj为第j次旋转变换；Tj为第j次平移变换；Pj+1,k，Pjk为不同坐标系下第j次配准点云集的第k个点，点云集中包括N个点。

(3)数据预处理。考虑到受镜头的畸变、测量时的光线、地理环境等因素的影响，还需进行预处理，以免造成误差。数据预处理通常包括异常点的处理、去噪处理、点云采样等步骤。

(4)曲面重构。采用三角形格网将散乱的点云数据进行封装达到创建模型的目的。封装处理后的数据会因存在一些离散的点或某些数据不完整产生凸起、凹槽或出现孔洞，后续可以通过内部孔、搭桥等一系列方法进行孔洞填充或者通过去除特征来消除。

在点云模型建立的过程中，数据的采集与处理会产生一定的误差，需要采取相应的措施以免误差累积对质量偏差大小评估精度产生影响：(1)三维扫描仪系统参数设置通过多次试拍扫描，当扫描图像中红点数量很小时可视为参数设置合理；(2)点云数据利用标靶进行自动拼接，其拼接精度可控制在2 mm以内；(3)异常点处理建议采用软件删除法，在软件中设置精度较高的参数值，软件会根据特定的算法来识别删除；(4)采用高斯滤波法去噪精度较高。

2.3 构件加工质量检测

应用Geomagic Control软件进行质量检测，该软件拥有强悍的三维检测能力。三维数字化检测的一般流程为：(1)导入前述处理好的点云模型和BIM参考模型；(2)将点云模型与BIM模型对齐；(3)对比较结果进行评估并得出报告。当误差大于允许范围时，对构件进行整改，并将修整后的构件重新测量进行质量检测，直至满足要求为止。

2.4 虚拟拼装

虚拟拼装在构件加工质量检测完成的基础上进行，用以检测构件在运输过程中由于磨损、挤压等产生的缺陷和构件间的拼装误差。方法是将拼装单元的点云模型对齐进行虚拟拼装，得到拼装误差及所需修改的调整信息，经过必要的反复修改与模拟拼装，直至满足精度要求。

2.5 实时监测

基于三维激光扫描仪的监测方式能够对建筑物进行全方位、高精度的测量。施工过程中可对桥梁拱肋进行三维激光扫描，将扫描的点云模型与BIM模型进行实时比对，监测已施工拱肋轴线与标高的偏离情况，保证拱肋轴线和标高的误差在允许范围内，也便于出现较大偏离时能及时发现并制定纠偏措施，实现了施工过程中质量的实时控制和监管。

3 工程实例

3.1 工程背景

工程项目为新河桥，位于武汉市江北快速路新河段，全长2.04 km，全线按照双向八车道建设，主桥长292 m，宽40.5 m，拱高42 m。新河桥拱肋为等截面钢箱型提篮拱，向内倾斜10°；边拱为混凝土箱型拱。钢横梁、纵梁组成桥面,为格子梁体系结构。模型效果图如图3所示。

图3 新河桥模型效果图

3.2 BIM模型的建立

运用Tekla软件建立新河桥的钢箱拱肋三维模型，如图4所示，需展现每一个单元、每一个构件的真实信息，最大程度还原桥梁设计。图为新河桥钢箱拱肋节段划分情况。

图4 新河桥钢箱拱肋三维模型

图5 新河桥钢箱拱肋节段划分

3.3 构件加工质量检测

3.3.1 点云模型的数据获取及模型建立

以新河桥汉口侧G4节段钢箱为例。本文采用的三维扫描仪为徕卡ScanStation P30/P40新一代超高速三维激光扫描仪完成超精度的3D扫描。选用该设备，主要考虑该设备有高分辨率和精度，噪音范围低，可确保成果精准可靠，且其标靶获取距离远、精度高，可减少设站次数，还能够很好地适应工地的复杂情况。

(1)数据获取。布设激光反射标靶，用三维激光扫描仪对布置好激光反射标靶的构件进行扫描，形成构件的点云数据。

(2)数据预处理及模型建立。在得到初始云数据后，需要通过Cyclone软件进行点云数据配准，通过Geomagic软件进行数据预处理和模型建立。经过点云拼接、去噪、采样、曲面重构等步骤建立构件点云模型，如图6 所示。

图6 G4节段点云模型

3.3.2 质量检测

前述已经根据二维CAD图纸建立了相应的BIM模型，即为进行测量比对的设计值。真实构件如图7所示。在现场进行测量时，实时进行与BIM模型的比对，为了方便展示成果，将内部构件及不需要拼装的部分去除。

图7 构件实体(预制钢箱梁)

利用设计模型与扫描模型的特征点、特征线等参照信息，在三维检测软件中将BIM模型与扫描模型进行特征对齐，实现数据信息的融合(见图8)，为后续对比分析做铺垫。

图8 G4节段模型与点云匹配过程

在软件中进行3D比较，可根据差值色谱图观察到偏差大小区域范围，根据分析报告查看最大偏差值和最小偏差值及其所在位置。

图9 G4节段实测模型与设计模型差值色谱

本次三维检测选取两部分检测点：(1)钢箱外侧面外边线检测点8个，以钢箱下面板左侧外边线为起点，沿顺时针方向在拼接面四个边框上选取角点及中点；(2)钢箱上面板检测点8个，上下两排，每排4个。检测点分布如图10所示。

通过对G4节段拼接处的点及直线检测，得G4节段3D偏差结果为：最大偏差(+/-)：+1.850/-1.809 mm；平均偏差(+/-)：+1.81/-0.851 mm。偏差较小，未超过钢结构拼装规范。据此方法检测的其他节段也未发现不满足要求的钢箱，说明此项目钢箱节段的预制精度较高。

图10 G4节段检测点分布

在Geomagic软件中进行检测对比后可以将偏差分析结果以Excel表或直方图的方式导出，钢结构构件的加工偏差值如表2，通过与设计要求及TB 10212-2009《铁路钢桥制造规范》文件对比评判构件的加工制造尺寸是否符合标准，超过允许偏差的构件需返厂修正。

表2 3D检测参考值、测试值、偏差值 m

该项目钢箱节段偏差均小于2 mm，认为可以完成预拼装，不需要返厂修正，将数据进行存档保存。

3.4 虚拟拼装

3.4.1 点云模型的数据获取及模型建立

以新河桥汉口侧G4，G5节段钢箱的虚拟拼装为例。

其数据获取、点云预处理以及实测模型建立方法与构件加工质量检测的方法相同，不再赘述。为了便于观察，将不具体参与连接的构件中间点云删掉，只保留拼接面的点云数据，故在数据预处理时留取了G4节段上面板和拼接面部分点云、G5节段拼接面点云数据，封装后的模型如图11，12所示。

图11 G4节段部分模型图12 G5节段拼接面模型

3.4.2 虚拟拼装

将G4节段扫描模型的拼接面与G5节段的拼接面虚拟拼装，可得到拼装误差大小，判断该误差是否在允许范围内，对后续施工是否采取纠偏措施提供指导。本次虚拟拼装选取拼接面外边线检测点8个，与质量检测外侧面检测点选取方式相同，检测点分布图如图10所示，图13为G4节段扫描模型拼接面与G5节段拼接面虚拟拼装示意图。

图13 G4节段扫描模型拼接面与G5节段拼接面虚拟拼装

得到G4节段扫描模型拼接面与G5节段BIM模型虚拟拼装结果为：最大偏差(+/-)：+1.920/-1.580 mm；平均偏差(+/-)：+1.11/-1.131 mm。偏差较小，未超过钢结构拼装规范要求，认为可以完成预拼装，不需要返厂修正。钢结构虚拟预拼装偏差如表3所示。

3.5 实时监测

以新河桥汉口侧G0—G4节段钢箱施工监测为例，其现场安装如图14所示。

表3 3D检测参考值、测试值、偏差值 m

图14 安装现场

3.5.1 实体模型的数据获取及模型建立

(1)数据获取

桥梁所处地理环境比较复杂，通常需要进行多站扫描，因而必须布设测站和控制点，围绕桥梁设置两个及两个以上靶点(不动点)，进行360度全方位激光扫描，有利于提高测量精度和点云配准精度。

(2)数据预处理及模型建立

1)点云配准。将扫描到的点云数据通过USB 接口导入Cyclone 软件中。汉口侧G0—G4节段钢箱基于标靶的配准结果如图15所示。

图15 基于标靶的点云配准

2)数据预处理。将体外孤点、非连接项以及噪声点删除后经过统一采样降低点云密度。为了方便观察模型特征，将多余部分删除只留取主体拱箱，采取三角网格进行封装创建点云模型，如图16所示。

图16 G0—G4节段钢箱模型

3.5.2 实时监测及纠偏

根据建立的BIM模型和点云模型，识取控制点三维坐标并基于模型拟合拱肋轴线，将设计模型与实测模型对比分析，找出偏差方向及大小，若偏差在允许范围内，则直接根据实测模型参数调整设计模型，然后识取下一节段控制点坐标并拟合拱肋轴线指导施工；否则则需要提出纠偏调整方案，优化设计模型后再识取下一节段控制点坐标并拟合拱肋轴线指导施工。

该项目施工至G4节段时，通过点云模型与BIM模型进行比对(见图17)，发现实际拱肋轴线已偏离设计轴线，且G4节段标高已上移约8 cm，水平移动了约3 cm。经各方方案探讨，确定利用中轴线减缓下调以纠正拱箱施工(见图18)。经方案调整后，G5节段的设计坐标值与调试后监测点坐标值对比如表4所示。在所有标准吊装段施工结束后测取已安装的G11节段前端4个角点坐标，准确计算合拢段长度，对合拢段预留的面板进行现场切割，保证合拢段精度。最终新河桥主拱成功合龙。

图17 对比分析图18 中轴线拟合曲线

表4 G5节段设计坐标值与调试后监测点坐标值

4 结 论

(1)三维激光扫描具有适应性强，测量速度快、精度高，信息量大，实时动态等特点。三维激光扫描仪在现场可自由设站实现快速自动化的高质量的三维数据采集，显著降低了外业测量时间，工作效率极大提高。

(2)后期分析处理时，对现场扫描所获取的点云数据利用标靶进行自动拼接，其拼接精度可控制在2 mm以内，为节段三维模型的建立以及后续的数据分析提供了正确、精细的数据依据。新河桥最终合拢精度误差值为3 mm，满足质量规范要求，且精度较高。

(3)将BIM技术和三维激光扫描技术结合，能够实现构件加工质量检测、虚拟拼装、实时监测、施工矫正一体化，为施工调整及决策提供依据，为施工质量、施工安全、施工进度、合龙精度等提供保障。

(4)随着三维激光扫描技术和BIM技术的发展，测量精度和自动化的提高、基于BIM的模型拟合，BIM+三维激光扫描技术将在不同工程项目中获得快速发展及广泛应用，也将成为工程质量管控领域颇具生命力的研究热点和应用热潮。