1介绍

全球基础设施市场即将迎来桥梁信息建模(BrIM)的爆炸性采用，它为信息交换提供了共享的知识资源，为桥梁生命周期内的决策提供了可靠的基础(Fanning et al.， 2014)。从2015年到2017年，美国和英国对BrIM的采用增加了30% (Dodge Data & Analytics, 2017)。然而，生产的模型主要是新结构的设计模型。尽管为了更快更好地收集数据而广泛采用激光扫描，但现有桥梁的现有BrIM模型的生成非常有限(Park等人，2007;Park et al.， 2015)。这是因为从点云数据(PCD)自动生成原始模型仍然是一个未解决的问题。使用最先进的建模软件在点云中手动创建三维(3D)实体模型所需的时间通常是获得点云所需时间的10倍(Trimble, 2014;Lu and Brilakis, 2017)。迫切需要降低现有桥梁建模所需的成本和工作量。高速公路基础设施领域尤其如此。美国有60多万座公路桥梁，超过九分之一的桥梁被列为结构缺陷(ASCE, 2017)。根据一份内部报告(Network Rail, 2015)， Network Rail和其他桥梁所有者管理着英国高速公路和主要a级公路上的3万多座桥梁。基于2年的检查周期，美国和英国每年至少需要进行315,000次桥梁检查。这就解释了为什么对劳动强度较低的桥梁文档技术有巨大的市场需求，这些技术可以有效地提高桥梁管理的生产力。

一般来说，从pcd到brim模型过程包括两个步骤:(1)以标记点簇的形式检测点云中的桥组件;(2)通过拟合标记点簇中的工业基础类(IFC)实体和空间关系来生成几何模型。本研究旨在自动化第一步，即点云中的桥构件检测。这一步目前主要是使用建模软件手动完成的。

Autodesk、Bentley和ClearEdge3D等主要供应商为建筑信息建模提供了最先进的软件解决方案。ClearEdge3D可以半自动地(需要几次点击和调整)拟合嵌入在点云子集中的几何形状，而无需事先分割。然而，ClearEdge3D是为建筑和工业环境量身定制的，只能识别标准化形状，如矩形墙壁，管道，钢梁等(ClearEdge3D, 2017)。对于大多数其他商业应用来说，形状拟合在很大程度上是通过人工提前分割点云来辅助的。这些解决方案在分割目标对象时需要大量的注意力。建模者需要反复旋转点云到不同的视图，并尝试使用裁剪多边形选择感兴趣的区域。Lu和Brilakis(2017)报告称，处理典型的钢筋混凝土(RC)公路桥梁点云，平均需要1.52小时来完成桥梁构件检测任务。

2.1自下而上检测

自底向上的方法将原始特征(如点)拼凑在一起，生成连续更高层次的复杂系统，直到形成顶层系统(Borenstein和Ullman, 2008)。更高层次的特征通常是表面法线(Sampath, 2010)、网格(Marton等人，2009)、补丁(Zhang等人，2015)和非均匀b样条曲面(Dimitrov等人，2016)。

大量的文献致力于生成基于表面的原语，特别是平面(prix trucean et al.， 2015)。Zhang等人(2015)提出了一种基于稀疏性诱导优化的方法，用于从噪声桥点云中检测参数平面斑块并定义其边界。然而，该方法仅适用于平面物体，当这些区域的点密度较低时，无法检测到桥墩斑块。Walsh等人(2013)提出了一种区域生长(RG)算法来检测点云中的物体。RG从一组初始的小迭代合并区域开始，然后选择一个特定的种子，并根据相似性添加相邻的点，直到到达一个边缘。然而，在他们的实验中，这种方法不能检测桥墩帽和桥墩之间的边缘在一小部分的桥梁点云。通过人工选择关键点，最终实现图像分割。同样，Dimitrov和Golparvar-Fard(2015)提出了一种升级的RG方法，通过该方法可以自适应地找到种子。该方法可以处理曲面，并且在输入点云不受实质性遮挡的情况下表现优异。然而，当遮挡存在时，它会过度分割物体。Xiong等人(2013)通过一种学习范式解决了真实点云中的持续遮挡问题，该学习范式检测了构建点云中的遮挡平面。然而，他们的方法不能应用于桥梁设置，因为桥梁点云中遮挡的表面不像建筑点云中那样遵循特定的模式。具体来说，他们的算法检测矩形开口，比如窗户和门口，假设墙壁上有许多相同的开口，并且矩形是大多数建筑物的主要形状。同样，Laefer和Truong-Hong(2017)通过模拟几种可能的咬合，开发了一种基于核密度估计的钢构件建模方法。相比之下，被遮挡的区域在桥点云中没有这样的重复模式。大部分遮挡是由于现场植被和远距离扫描造成的。因此，闭塞是在任意位置和形状。Schnabel等人(2007)使用随机样本一致性(RANSAC)通过对点云中的最小集进行随机采样来检测基本形状(例如球体、圆柱体)。然而，考虑到RANSAC在计算上的昂贵特性，用它来检测复杂的几何形状是不现实的。因此，这些方法往往在相对简化的场景和合成数据中表现良好，但不适合处理真实的桥梁组件，这些组件的构造和风化形状进一步增加了设计的复杂性。为了减少计算时间，Xu等人(2018)提出了一种基于八叉树的建筑工地概率分割模型。作者将场景划分为体素。然而，该方法的分割精度对体素大小非常敏感。Vo等人(2015)对这个问题进行了讨论，他们提出了一种基于八叉树rg的算法，用于城市环境中的表面斑块分割。该方法虽然可以通过自适应八叉树自动调整体素大小，但在低点密度区域存在斑块生成困难。

2.2自上而下检测我们认为自下而上的检测很少适用于点云分类。通过表面进行分类是不够的;局部表面或斑块可以这样标记，但很难确定它们是否属于同一实例。克服这些挑战需要对象级信息的干预(Pinheiro et al.， 2016)。自上而下的方法通常是一种启发式的对象检测方法，它从一个广泛的视图开始，然后分解成更容易解决的组合子问题(Kokkinos等人，2006)。它通常结合一组工程标准，对点云中符合标准的对象进行分类。先前的研究表明，基于知识的分类方法具有鲁棒性，因为特定于领域的信息，如对象类别(Dore and Murphy, 2014)、拓扑关系(Koppula et al.， 2011)和已知参数(如直径)或约束(如方向)(Ahmed et al.， 2014)对姿势和外观等因素是不变的。最近的研究依赖于现有的设计文档来告知自顶向下建模策略。这可以简化点云聚类和分类任务(Liu et al.， 2012)。Likewi

8种常用的成分分析检测方法

材料成分分析可分为三个方面:材料结构的确定、材料形态的观察和材料成分的分析。材料成分分析主要是通过各种检测方法对样品的成分进行定性和定量分析。

下面介绍几种常用的材料成分分析方法:

1、化学分析:利用化学反应为基础的分析方法，称为化学分析。每种物质都有其独特的化学性质，我们可以利用物质之间的化学反应并以适当的方式对其进行表征，以指示反应的过程，从而获得物质中某些成分的含量;

2、原子光谱学:原子光谱学是原子吸收或发射的光子强度的有关光子能量(通常以波长表示)的图，可以提供有关样品化学成分的相关信息。原子光谱分为原子吸收光谱、原子发射光谱和原子荧光光谱三大类。

3、x射线能量色散光谱(EDX): EDX常与电子显微镜结合使用，测量电子与样品相互作用产生的特征x射线的波长和强度，从而对小区域所含元素进行定性或定量分析。每种元素都有与之对应的特定波长的特征x射线，它不随入射电子的能量而变化，通过测量电子激发样品产生的特征x射线波长的类型，可以确定样品中存在的元素类型。元素的含量与元素产生的特征x射线强度成正比，据此可以确定元素的含量。4、电子能谱:电子能谱是利用单色光源或电子束照射样品，使样品中的电子被激发和发射，然后测量这些电子的强度和能量分布，从而获得物质信息。电子能谱的采样深度只有几个纳米，所以它只是表面成分的反应;

5、x射线衍射(XRD):也可用XRD辅助定量物相分析。这是基于相的衍射强度随含量的增加而增加的事实。但它不成比例，需要校正，用玉石程序可以定量分析相;

6、质谱法(MS):是将被测物质电离，根据离子的质量荷比将其分离，并测量各种离子谱峰的强度，以达到分析目的的一种分析方法。质量是物质的固有特性之一，不同的物质具有不同的质谱(简称质谱)，利用这一特性，我们可以进行定性分析;光谱峰强度也与其所代表化合物的含量有关，可用于定量分析。

7、分光光度计法:分光光度计采用一种能产生多个波长的光源，通过一系列分光光度计装置，得到特定波长的光源，光线通过被测样品，部分光线被吸收，计算出样品的吸收值，从而换算成样品的浓度，吸收值与样品的浓度成正比。它包括可见分光光度计和紫外分光光度计;

8、火花直读光谱仪:火花直读光谱仪使样品中的元素由固态直接气化，受到火花的高温激发，并发出各元素的特征波长。经过光栅的分裂，就变成了按波长排列的“光谱”。这些元素的特征光谱线通过发射缝射入各自的光电倍增管，光信号变成电信号。电信号经仪器的控制测量系统集成转换，再经计算机处理，打印出各元素的百分含量。

本文标签： # 成分检测方式