Para alcançar a inspeção de alta eficiência e alta precisão em estruturas de aço de grande porte, foram estudados o algoritmo de registro global da nuvem de pontos a laser terrestre e o algoritmo de geração de nuvem de pontos densa a partir de imagens multivisão de drones. Foi utilizado um algoritmo iterativo de registro global baseado em características geométricas para restringir e resolver continuamente os valores observados, controlando o erro de correção dos valores observados dentro de um determinado limite até completar o registro, gerando um modelo de nuvem de pontos LiDAR da estrutura inteira. O algoritmo do ponto central do nó esférico multi-vareta foi usado para calcular a excentricidade entre os nós esféricos e as colunas na estrutura da treliça, depois, utilizando um algoritmo de recuperação estrutural baseado em movimento visual e um algoritmo RANSAC melhorado, foi gerada uma nuvem de pontos densa de imagens. Por meio do registro, foi alcançada a fusão da nuvem de pontos a laser terrestre e dos dados de imagens não métricas de alta resolução. Tomando como exemplo a inspeção de alta precisão da maior estrutura de aço com longos vãos da Ásia, a precisão do registro global da nuvem de pontos LiDAR de múltiplas estações foi de 5 mm, e das 21 colunas de aço amostradas, 16 apresentaram desvios próximos ou maiores que 35 mm (32,1~68,2 mm, todos na direção externa), e a flecha da treliça da estrutura de aço completa foi menor que 1/250. Isso mostra que o algoritmo de registro global da nuvem de pontos a laser terrestre e o algoritmo de geração de nuvem de pontos densa de dados de imagens não métricas de alta resolução são viáveis e precisos, podendo atender aos requisitos de inspeção de alta precisão para grandes estruturas de aço.

fotogrametria próxima;LiDAR;drones;inspeção de estruturas de aço;nuvem de pontos