0 引　言

船体分段作为船舶制造的核心单元，其制造精度直接决定船舶航行安全性、结构密封性及服役寿命，尤其是大型船舶分段，对几何精度的要求严格控制在毫米级以内。传统船体分段检测方法以全站仪人工测量、样板比对为主，存在显著缺陷：全站仪检测效率低下，单分段关键点位检测需耗时数小时，且受人为操作误差影响较大；样板检测仅能适配简单平面或规则曲面，无法满足船体分段双曲面、复杂衔接处等异形结构的检测需求，检测精度难以突破0.1 mm。随着激光扫描与三维重建技术的发展，点云数据凭借高密度、全场景、非接触式采集的优势，成为船体分段高精度检测的核心数据源，可快速获取分段表面百万级甚至亿级三维坐标点，完整还原结构细节。但船体分段现场扫描过程中，易受工业车间光照干扰、设备振动、表面反光等因素影响，原始点云数据普遍存在噪声点、冗余数据及多视角扫描的配准偏差，若直接用于检测会导致误差放大。

目前，国内外学者围绕船舶点云数据处理及高精度检测开展了系列研究，但针对船体分段这一特定场景仍存在显著局限性，难以满足毫米级检测需求。在点云去噪方面，冯晓媛等^[1]结合半径滤波与DBSAN聚类方法去除噪声，曾令权等^[2]研究了船舶点云降噪平滑技术并结合CATIA实现轮廓线测绘，但传统滤波算法普遍存在易模糊焊缝、转角等细节特征的问题，且未适配船体曲面拓扑特性。在点云配准与数据融合领域，李燕等^[3]提出多传感器组合测量技术，通过自适应无迹卡尔曼滤波优化坐标转换参数，提升船舶三维数据精度；王朋等^[4]开发基于点云空间分析的建造精度动态管理系统，有效提升了检测效率，但二者均未针对船体大尺度分段配准易陷入局部最优、偏差较大的问题进行优化。在特征提取与建模方面，孙鸿峰^[5]基于Swin Transformer实现船舱内部构件实例分割，结合AdaPoinTr网络完成点云补全与多视角重建；顾世民等^[6]通过改进的ASPacNet网络精准识别船舶大尺度构件装配特征，实现快速建模与检测，但现有特征提取算法多聚焦船舱内部构件或装配特征，未充分适配船体分段双曲面、柱面等典型几何特征，识别准确率与稳定性不足。

现有研究虽在点云处理基础技术、系统应用等方面取得进展，但未实现点云处理技术与船体分段结构特征的深度融合，在细节保留与噪声去除平衡、大尺度配准精度、典型曲面特征适配等核心痛点上仍有优化空间，因此本文聚焦上述问题，融合船体分段结构特性优化数据处理全流程，在目标函数中引入船体曲面拓扑约束，优化迭代求解过程。

1 船体分段点云数据预处理技术

船体分段点云数据采用激光雷达与结构光扫描融合的采集原理，其流程如图1所示。通过激光雷达快速获取船体分段整体区域的点云数据，结合结构光扫描的高精度优势，重点优化船体分段焊缝、曲面衔接处等复杂区域的采集效果，采集过程中严格控制点云密度、扫描精度及采样频率等核心参数，确保原始点云数据的完整性与准确性，为后续预处理环节提供高质量的数据支撑，满足船体分段高精度检测对数据源的严苛要求。

原始点云数据在船体分段扫描采集过程中，受扫描设备精度、采集角度及船体分段结构差异影响，不可避免地存在点云密度分布不均的问题。船体分段大面积平面区域点云冗余度高，不仅会大幅增加后续特征提取、点云配准的计算量，还可能引入冗余误差，而焊缝、曲面衔接处、转角等关键细节区域，点云则易出现稀疏现象，导致曲面特征信息丢失，直接影响后续高精度检测的准确性。为解决这一矛盾，兼顾数据处理效率与细节保留精度，需基于点云局部曲面曲率设计自适应重采样算法，通过量化点云所在区域的几何复杂程度，动态调整采样间隔，在剔除冗余数据的同时，确保关键细节区域的点云密度满足船体分段毫米级检测需求，为后续特征提取、精配准等环节奠定高质量的数据基础。

自适应重采样算法的核心逻辑是曲面曲率能够直观反映局部区域的几何复杂程度。曲率越大，表明区域曲面弯曲越明显（如焊缝、转角），需加密点云以保留细节；曲率越小，表明区域越平缓（如船体分段大面积平面），可稀疏采样以剔除冗余数据。算法具体实现过程分为点云曲率精确估计与自适应采样间隔计算2个步骤，各步骤紧密衔接，具体如下：

步骤1　点云曲率的精确估计。采用k近邻法构建每个点的局部邻域，通过求解邻域点集的协方差矩阵提取空间分布特征，进而量化计算点云曲率。协方差矩阵能够有效反映邻域点的空间离散程度，其特征值的差异直接对应曲面的弯曲程度，计算公式为：

$ \boldsymbol{\Sigma }_{i}=\frac{1}{k}\sum\limits_{j\in N(i)}({p}_{j}-\overline{p}){({{p}_{j}}-\overline{p})}^\text{T} 。$

(1)

式中：$ \boldsymbol{\Sigma }_{i} $为第i个点的邻域协方差矩阵；k为邻域点数量；N(i)为第i个点的k近邻点集；$ {p}_{j} $为邻域内第j个点的三维坐标；$ \overline{p} $为邻域点集的中心坐标。对协方差矩阵$ {\Sigma }_{i} $进行特征值分解，可得到3个特征值$ {\lambda }_{1}\geqslant {\lambda }_{2}\geqslant {\lambda }_{3} $，其中前两大特征值$ {\lambda }_{1} $和$ {\lambda }_{2} $差异越大，说明局部曲面弯曲越明显。基于特征值计算点云曲率$ {\kappa }_{i} $：

$ {\kappa }_{i}=\frac{\displaystyle\sum\limits_{j\in N(i)}({\lambda }_{1}-{\lambda }_{2})\cdot \| {p}_{j}-{p}_{i}{\| }^{2}}{\displaystyle\sum\limits_{j\in N(i)}\| {p}_{j}-{p}_{i}{\| }^{2}} 。$

(2)

该曲率计算方式能够有效规避单一特征值的局限性，结合邻域点与目标点的距离权重，准确表征局部曲面的弯曲程度，确保焊缝、转角等细节区域与平面区域的曲率差异能够被清晰区分，为后续自适应采样间隔调整提供可靠依据。

步骤2　自适应采样间隔的计算与重采样执行。根据上述估计的点云曲率值，设计采样间隔与曲率的负相关映射关系，实现不同几何复杂度区域的自适应采样。

$ {d}_{i}={d}_{0}\cdot \exp (-\alpha \cdot {\kappa }_{i}) 。$

(3)

式中：$ {d}_{i} $为第i个点所在区域的采样间隔；$ {d}_{0} $为基础采样间隔，根据船体分段高精度检测要求设定为0.05 mm；$ \alpha $为调节系数，经多次实验标定为1.5，用于平衡不同曲率区域的采样密度，避免过度加密或稀疏。曲率$ {\kappa }_{i} $和自适应采样间隔$ {d}_{i} $的关系如图2所示，当$ {\kappa }_{i} $较大时，$ \exp (-\alpha \cdot {\kappa }_{i}) $值减小，$ {d}_{i} $减小至0.02 mm左右，实现点云加密，有效保留焊缝细节特征。反之，$ \exp (-\alpha \cdot {\kappa }_{i}) $值增大，$ {d}_{i} $随之增大至0.08～0.1 mm，通过稀疏采样剔除冗余点，降低后续数据处理计算量。重采样执行过程中，采用线性插值法在原始点云间补充缺失点，确保重采样后点云的连续性，避免出现点云断裂现象，最终得到密度均匀、细节完整的点云数据，既满足高精度检测的细节需求，又提升后续数据处理效率。

2 船体分段点云典型曲面特征提取研究

船体分段的核心几何特征以双曲面、柱面为主，这类曲面特征的提取精度直接决定后续点云精确配准及偏差检测的准确性。由于预处理后的点云仍存在少量离散误差，传统曲面特征提取方法易出现法向量紊乱、典型曲面识别准确率低等问题，无法适配船体分段高精度检测需求。因此，本节优化点云特征提取流程，结合船体分段结构特性，实现曲面特征的精准提取与筛选。

2.1 点云法向量优化估计

点云法向量是表征曲面几何姿态的核心参数，其估计精度直接影响曲面拟合与特征识别效果。传统最小二乘法估计法向量时，未考虑邻域点的权重差异，易受离散点干扰，导致法向量方向紊乱、精度不足，无法精准反映船体分段曲面的连续变化特性。为此，采用加权最小二乘法优化法向量估计，通过赋予邻域点差异化权重，降低离散点干扰，提升法向量估计的稳定性与精度，优化目标函数如下：

$ {\min }_{{{n}_{i}}}\sum\limits_{j\in N(i)}{w}_{ij}\cdot \| ({p}_{j}-{p}_{i})\cdot {n}_{i}{\| }^{2} s.t. \| {n}_{i}\| =1 。$

(4)

式中：$ {n}_{i} $为第i个点的单位法向量，用于表征该点所在曲面的切线垂直方向；$ {p}_{j} $、$ {p}_{i} $分别为邻域点与目标点的三维坐标；$ {w}_{ij} $为邻域点权重，由点云距离与曲率共同决定，距离目标点$ {p}_{i} $越近，曲率与$ {p}_{i} $越接近的邻域点$ {p}_{j} $，权重越大，以此降低离散点对法向量估计的干扰，$ N(i) $为第i个点的k近邻点集。

2.2 船体分段典型曲面识别

结合船体分段的结构特性，重点针对两类核心典型曲面——柱面、双曲面设计识别算法，通过拟合曲面方程、验证几何约束条件，实现两类曲面特征点的精准筛选，剔除干扰点，确保特征提取的针对性与精度。

1）柱面特征识别（船体分段圆柱段）

船体分段圆柱段具有明确的几何特性——柱面上所有点到轴线的距离均等于柱面半径，基于这一特性，柱面特征识别分为轴线拟合与距离验证2个步骤。

柱面轴线方程（空间直线方程）：

$ \frac{x-{x}_{0}}{a}=\frac{y-{y}_{0}}{b}=\frac{z-{z}_{0}}{c} 。$

(5)

式中：$ ({x}_{0},{y}_{0},{z}_{0}) $为轴线上任意一点的三维坐标；$ (a,b,c) $为轴线方向向量，用于表征轴线的空间姿态。

点到轴线距离验证公式为：

$ {d}_{i}=\frac{\| ({p}_{i}-{p}_{0})\times \overrightarrow{v}\| }{\| \overrightarrow{v}\| } 。$

(6)

式中：$ {p}_{0}=({x}_{0},{y}_{0},{z}_{0}) $为轴线上轴线上任取一点；$ \overrightarrow{v}=(a,b,c) $为轴线方向向量；$ {p}_{i} $为待识别的点云点；定义r为船体分段柱面的设计半径，$ \varepsilon $为精度阈值，若待识别点$ {p}_{i} $满足$ |{d}_{i}-r| \lt \varepsilon $，则判定该点为柱面特征点，否则为干扰点。

轴线拟合过程中，优先选取曲率相对均匀的点云区域作为候选区域，采用最小二乘法拟合轴线方程参数$ ({x}_{0},{y}_{0},{z}_{0}) $与$ (a,b,c) $，降低干扰点对轴线拟合的影响，确保柱面特征识别的精度。

2）双曲面特征识别

船体分段曲面衔接处的双曲面属于二次曲面，其空间分布满足二次曲面通用方程，通过拟合方程系数、结合船体双曲面拓扑约束，实现双曲面特征点的精准识别与筛选。方程拟合与特征筛选流程：首先，选取船体分段曲面衔接处的点云作为候选点集；其次，采用最小二乘法拟合上述二次曲面方程的系数，确保拟合方程能够精准反映双曲面的几何形态；最后，结合船体双曲面的拓扑约束条件，筛选出符合条件的点作为双曲面特征点，剔除不符合拓扑约束的干扰点。

3 实验验证 3.1 实验准备及过程

偏差检测以精配准后的船体分段点云与CAD设计模型为核心对象，通过计算点云每一个采样点到CAD模型对应曲面的最短距离（偏差值），量化表征船体分段实际制造尺寸与设计尺寸的偏差程度。偏差检测可以量化船体分段制造误差，区分合格、超差区域，为检测提供数据支撑。

1）实验对象选取某大型船舶5 m×3 m×2 m规格的船体分段，材质为船用高强度钢，核心结构包含柱面段、双曲面衔接处及3条关键焊缝，焊缝宽度8 mm，设计精度要求偏差≤0.1 mm，该分段为船舶中段核心承重结构，对制造精度要求严苛，贴合实际工程检测场景。

2）实验数据。点云数据采用激光雷达与结构光扫描融合采集方式获取，扫描范围覆盖船体分段全表面，设定点云密度100点/mm²，扫描精度±0.02 mm，共采集原始点云数据1.2亿个采样点，预处理后，剔除冗余点、噪声点后保留有效点云8600万个。

3）实验设备。核心设备包括工业级激光雷达（型号：Z+F5010C，扫描速度100万点/s，测距精度±0.01 mm）、结构光扫描仪（型号：GOM ATOS Q，分辨率0.015 mm）、工业计算机（CPU：Intel Xeon W-2295，GPU：NVIDIA Quadro RTX 8000，内存64 GB）、高精度全站仪，型号：Leica TS60，测角精度0.5″，测距精度±（0.2 mm+0.2×10⁻⁶×D，用于实测验证）。

4）实验环境。标准工业检测车间，温度控制在23±2℃，湿度50±5%，无明显光照直射。

5）对比实验设置。选取传统点云处理技术（传统高斯滤波+常规配准算法+常规偏差检测）作为对照组，本文提出的一体化点云处理技术作为实验组，核心对比指标为配准精度、偏差检测精度、算法处理效率及超差识别准确率。

实验主要针对偏差检测和精度验证两部分内容进行，步骤如下：

步骤1　偏差检测。2组分别采用对应偏差检测方法，计算点云每个有效点到CAD模型曲面的最短距离（偏差值），设定检测阈值Δth=0.1 mm，区分合格区域（Δp≤0.1 mm）与超差区域（Δp>0.1 mm），采用颜色映射法完成偏差可视化。

步骤2　精度检测。采用高精度全站仪，选取船体分段10个关键点位，含3个柱面关键点、3个双曲面关键点以及4个焊缝关键点进行实测，记录每个点位的实测偏差值；将2组算法的检测偏差值与实测值对比，计算一致性系数γ，一致性系数γ的计算方法是采用Pearson相关系数计算逻辑，通过量化算法检测偏差值与全站仪实测偏差值的线性相关程度得到，取值范围为[−1,1]，γ越接近1，表明2组数据的一致性越好。验证算法检测结果的可靠性（γ>0.95判定为可靠），分别实验3次。

3.2 实验结果分析

1）偏差检测结果

图3为基于本文提出算法得到的船舶点云偏差热力图。可以观察到，船体分段的偏差分布呈现出明显的梯度特征：大部分区域偏差值处于合格范围内（≤0.05 mm）；在焊缝及双曲面衔接处，颜色逐渐过渡，对应偏差值在0.05～0.1 mm之间的临界区域；而在两处极小的局部位置，标示出偏差值超过阈值（>0.1 mm）的超差区域。

2）精度检测

精度检测结果见表1。实验组偏差检测平均绝对误差为0.008 mm，偏差检测精度≤0.03 mm，10个关键点位的一致性系数γ平均值为0.972，大于0.95，表明算法检测结果与实测结果高度一致，可靠性强；对照组偏差检测平均绝对误差为0.021 mm，偏差检测精度≤0.065 mm，一致性系数γ平均值为0.896，低于0.95，检测可靠性不足。其中，焊缝区域实验组检测偏差与实测偏差的检测精度≤0.01 mm，双曲面区域检测精度≤0.012 mm，柱面区域检测精度≤0.009 mm，均优于对照组对应区域的检测效果，验证了本文特征提取与偏差检测方法适配船体分段复杂曲面的有效性。

3次重复实验中，实验组各项指标变异系数均≤3%，其中配准RMSE变异系数2.1%，RMSE平均值为0.042 mm，均满足预设要求（RMSE<0.05 mm、Δ_max<0.1mm）。偏差检测精度变异系数1.8%，一致性系数γ变异系数1.5%，表明本文提出的技术具有良好的稳定性，无明显实验偶然性，可满足实际工程重复检测需求；对照组各项指标变异系数均≥6.5%，稳定性较差。

3）效率检测

为进一步全面展示本文算法的优势，开展本文方法与传统方法在配准时间、计算资源消耗方面的对比实验，对比数据如表2所示。可知，本文算法的配准时间、单次检测总耗时均远低于传统方法，CPU和GPU占用率也显著降低，优势提升比例均超过50%，其中配准时间优势最为明显，充分说明本文算法在计算效率上的优越性，能够有效减少检测过程中的时间成本和硬件资源消耗，更适配实际工程中的高效检测需求。

4 结　语

开展船体分段点云数据处理技术研究，对弥补传统船舶制造检测方法的精度与效率短板、保障船舶航行安全具有重要的工程意义。本文所提出的一体化点云处理技术，可广泛应用于各类船舶分段的制造精度检测、装配质量验收及后期维修改造的尺寸复核等工程场景。研究表明，基于曲面曲率的自适应重采样算法能够有效平衡点云数据的细节保留与冗余剔除需求，为后续处理奠定了坚实的数据基础。优化后的点云精配准流程，显著提升了大尺度船体分段点云的配准精度与稳定性，所构建的偏差检测与可视化体系，实现了船体分段制造误差的精准量化与直观呈现，其检测结果的可靠性与超差识别能力均表现优异。