1.一种基于三维激光扫描的钢桁架拱桥施工线形监测方法，其特征在于：所述三维激光扫描技术包括结构光扫描技术和TOF扫描技术，包括如下步骤：在钢桁架拱桥上设置若干监测区域；其中，所述监测区域用于监测所述钢桁架拱桥在施工过程中的线性变化；采用所述结构光扫描技术对所述监测区域进行扫描，生成第一组点云数据；采用所述TOF扫描技术对所述监测区域进行扫描，生成第二组点云数据；将所述第一组点云数据和所述第二组点云数据进行数据融合，生成融合数据集；对所述融合数据集进行数据处理，生成点云图；采用BIM技术并基于所述点云图生成BIM模型；将所述BIM模型与施工结构图进行对比，并对所述线性变化进行修正和调整；其中，所述数据处理包括数据去噪、数据精简、数据滤波、数据拼接、数据分割、平滑表面和填补空洞；采用所述结构光扫描技术对所述监测区域进行扫描，具体包括如下步骤：在所述监测区域配置结构光监测装置；其中，所述结构光监测装置包括结构光扫描设备和相机；为所述结构光监测装置配置环境光过滤装置；使用所述结构光扫描设备投射结构化光模式到监测目标表面；使用所述相机获取所述监测目标表面的结构光投影图像；对所述结构光投影图像进行图像处理，提取所述监测目标表面的结构光形变信息，生成所述第一组点云数据；根据所述结构光形变信息计算所述监测目标表面每个像素点的三维坐标，获取三维模型；其中，所述环境光过滤装置包括带通滤波器和颜色滤镜；在进行结构光扫描的过程中采用反射率补偿技术，具体包括如下步骤：对所述监测目标的背景场景进行图像采集，获取背景图像；根据所述监测目标的材质特性，建立反射率模型；将所述结构光投影图像和所述背景图像进行图像比对，获取图像差异；根据所述图像差异，利用所述反射率模型计算反射率补偿值；将所述反射率补偿值应用到所述结构光投影图像中；采用所述TOF扫描技术对所述监测区域进行扫描，具体包括如下步骤：在所述监测区域配置TOF监测装置；其中，所述TOF监测装置包括光脉冲发射装置和光脉冲接收装置；通过所述光脉冲发射装置发射光脉冲至监测目标表面；所述监测目标表面对所述光脉冲进行反射和散射，形成反射光脉冲和散射光脉冲；所述光脉冲接收装置接收所述反射光脉冲；记录所述光脉冲的发射时间和接收时间，并计算二者的时间差；根据所述光脉冲的速度和所述时间差，计算监测目标的距离或深度；调整所述光脉冲发射装置和所述光脉冲接收装置的位置，对所述监测区域的若干所述监测目标进行全面扫描，生成所述第二组点云数据；其中，计算所述监测目标的距离或深度，其公式表示为： c为所述光脉冲在介质中的传播速度，Δt为所述时间差，rd为待测距离；其中，在所述TOF扫描技术进行扫描的过程中，采用距离补偿校正所述光脉冲在传播过程中产生的时间延迟；采用F-ICP算法与高斯牛顿法组合的方式对所述第一组点云数据和所述第二组点云数据进行数据融合；采用所述F-ICP算法进行数据融合，包括如下步骤：S61，在目标点云Q中查找每一个原始特征点p i 所对应的距离最近的点，剔除最大的30％点，将其作为局外点；S62，利用Frobenius范数计算简化误差函数，获取旋转矩阵R k 和平移向量t k ，所述简化误差函数表示为 其中，S为除去所述局外点后原始点云P所剩点数；k为特征点附近的邻域点个数；p i 表示原始特征点，q i 表示目标特征点；其中，原始点云P＝{p i }，i＝1，2，...，n，目标点云Q＝{q i }，i＝1，2，...，m；S63，将旋转矩阵R k 和平移向量t k 应用于原始特征点云P k ，得到变换特征点云P k+1 ；S64，分别计算 ΔR＝R k -R k-1 和Δt＝t k -t k-1 ；若ε k 小于阈值或ΔR和Δt小于阈值，则停止迭代；否则用变换特征点云P k+1 代替原始特征点云P k ，重复步骤S61～S63；关于步骤S62，还包括如下步骤：S621，计算中心矩 S622，对点云进行初始位置归一化，P′＝{p i -μ p |p i ∈P，i＝1，2，...，S}，Q′＝{q i -μ q |q i ∈Q，i＝1，2，...，S}；S623，计算P′Q′ T 并进行奇异值分解，得到U和V；S624，计算R k ＝UV T 和t k ＝μ q -R k μ p ；利用Frobenius范数的性质获取F-误差函数，表示为：其中，tr(*)为矩阵的迹；Frobenius范数的性质表示为： 其中， 表示为矩阵A的Frobenius范数；矩阵A表示为： 为一个m×n矩阵；根据所述F-误差函数获取最小误差函数，表示为：其中， 和 与旋转矩阵R无关联；当 为最大值时，所述F-误差函数达到最小值，则满足条件 其中，U和V由P′Q′ T 奇异值分解获取；其中，T＝U T RV为正交矩阵，且||T ii ||＝1；生成所述BIM模型，包括如下步骤：S101，对所述融合数据集进行数据去噪；S102，对所述融合数据集进行数据精简；S103，对所述融合数据集进行数据配准；S104，基于所述融合数据集建立格网；S105，基于所述融合数据集进行曲面重构；其中，所述数据去噪采用高斯算法、中值算法和滤波算法；所述高斯算法用于保留原有数据的形态；所述中值算法用于消除模型表面的毛刺；其中，所述数据精简采用包围盒法、基于几何图像精简法、基于曲率精简法和基于法向精度精简法中的一种或多种。
