適材適所的現實捕捉策略：Tetra Tech Rooney 如何以混合技術重塑工程測量

適材適所：Tetra Tech Rooney 如何以混合技術重塑現實捕捉

圖片來源：Tetra Tech

Tetra Tech 是美國規模最大的工程與技術服務公司之一，為在紐約證交所上市的公司，業務橫跨水資源、環境、能源與基礎設施領域，全球員工人數約達 28,000 人。在這個龐大的企業體中，各事業群保有相當程度的技術自主性。Tetra Tech Rooney 是其中一個子事業群——這個位於科羅拉多州、專注於中游石油天然氣管線工程的團隊，於 2012 年被 Tetra Tech 收購。設計技術經理 Chris Fries 在此深耕多年，默默建立起管線產業中最嚴謹的現實捕捉與數位交付體系之一。

Fries 的職責涵蓋技術選型、現實捕捉作業、BIM 協調及新興技術導入，所帶領的團隊約有 100 人。他所面對的核心議題，正是多數工程公司當前都在討論的問題：你收集的大量資料，究竟要怎麼用？又如何讓並非以管理數位基礎設施為本業的客戶真正受益？

掃描轉 BIM：數位交付的基礎框架

Tetra Tech Rooney 既有設施工程的核心工作流程，始於現實捕捉——主要採用 FARO 地面掃描儀（包含旗艦款 FARO Orbis）——再接入一套 Autodesk 產品鏈：Revit 用於 BIM 建模、Navisworks 用於協調審查、AutoCAD 用於 2D 出圖，Autodesk ReCap 則負責點雲處理。該團隊持有兩個 Autodesk 專業網路識別碼，足見其 Autodesk 整合的深度。

過去業界的主流交付物是點雲本身，有時搭配一個模型。Tetra Tech Rooney 正系統性地轉移——以分割網格（segmented mesh）取代點雲，作為主要的客戶端輸出格式，理由更多來自實務考量，而非技術偏好。

「最關鍵的問題是檔案大小，」Fries 說道。「點雲品質很好、資訊量豐富，但體積太大、非常難以分享。」要讓點雲在 Navisworks 中達到可用的效能，依然是硬體門檻，而對許多客戶——尤其是 Tetra Tech Rooney 服務的中游業者——資料格式本身就造成理解障礙。點雲具有半透明特性、密度也不均一；對於不熟悉這種呈現方式的人，一面牆或一排管架並不會讓人直覺地辨識出來。

分割網格同時解決了這兩個問題。其檔案大小約為同等點雲的十分之一，易於攜帶、分享，也能在無法處理原始掃描資料的硬體上渲染。Fries 坦言這會犧牲部分精度，但對主導大多數客戶互動的空間感知需求而言，這個取捨是合理的。當需要螺栓級或法蘭級的高精度時，工作流程會回退到點雲與直接建模；其他情境下，網格就能以更低的操作摩擦完成任務。

客戶端的價值主張日益清晰。相較於過去交付一批靜態照片和 PDF 測量報告，Tetra Tech Rooney 現在提供給客戶的是沉浸式 Navisworks 模型——結合點雲、網格與照片的複合環境——讓現場人員、專案經理與承包商可以虛擬走訪設施。「你不必再回到現場，」Fries 說。「你捕捉的資訊遠多於傳統測量和拍照，真正建立了一個虛擬環境。」在需要頻繁前往偏遠或危險場所的中游石油天然氣產業，這對安全與成本的意義相當重大。

圖片來源：Tetra Tech

混合捕捉：工具箱思維

Fries 反覆強調的核心原則是：沒有任何單一捕捉技術能適用於同一任務的每個環節。Tetra Tech Rooney 發展出一套分層捕捉策略，在同一專案中依據不同精度需求部署不同儀器。

以一處大型設施為例——三十英畝的管線基礎設施、泵站、圍堰和儲槽區——若對每個元素都進行完整的地面掃描，所耗費的時間與成本遠超多數精度需求的必要投入。Fries 的做法是讓儀器對應規格：需要次英寸精度的工程連接點——例如集管、法蘭連接、關鍵尺寸參考——就使用 FARO 地面掃描儀；其餘需要捕捉空間背景但不需毫米級精度的區域，則由 Orbis SLAM 掃描儀以更快的速度、更低的成本完成；整個場址的地形現況與航拍影像，則交由無人機以地面儀器無法比擬的覆蓋效率完成。

「我們在一個場址同時使用三到四種不同的技術，」Fries 說。「不要侷限在單一技術。」這種靈活部署所帶來的回報，是在可比成本下，單一儀器方案永遠無法達到的資料覆蓋量，同時在真正需要精度的地方保有精度。

同樣的邏輯也延伸至後續回訪。若場址有所變動，只需針對特定區域部署 3D 相機進行定向補捲，並整合回現有資料集，無需重新完整動員。最終形成一個可隨設施演進而逐步更新的「活」模型。

Tetra Tech Rooney 的地理資訊測量組——隸屬於更大組織架構中的獨立團隊——進一步延伸了這項能力，配備了重型酬載 LiDAR 無人機、商業無人機遙感平台，以及最新引入的水下測深感測器。Fries 的團隊借助這些資源進行空中覆蓋，自身的儀器則專注於定義多數中游廠區工作內容的地面與室內捕捉。

圖片來源：FARO

VR 與 30% 審查時間縮減

Fries 描述的 VR 計畫，始於採訪前約 18 個月，旨在解決工程審查流程中的一個具體痛點。標準的 Navisworks 桌面審查——在螢幕上瀏覽 3D 協調模型——需要使用者持續在腦中建構並操作空間關係，而平面螢幕無法直覺地傳達這些資訊。新管路與既有結構之間是否有足夠的淨距？把手高度是否合適？人員能否安全疏散？

VR 提供了桌面審查所無法給予的能力：真實的 1:1 空間感知。以全尺寸在模型中行走，並保有深度感知，能在極短時間內解決空間問題。Fries 引述了約 30% 的審查時間縮減數據，相較於傳統 Navisworks 作業流程，審查品質也更好——VR 環境能發現螢幕往往會遮蔽的碰撞問題和人因工學缺陷。

目前在加拿大某 Tetra Tech 事業群的試點專案，呈現了安全層面的應用。橋梁檢測傳統上需要人員懸吊在結構上方作業，加拿大團隊現在利用 VR 在模型環境中進行檢測，讓人員完全不必上橋。這是一個範圍較窄的應用，卻極具代表性：沉浸式審查的價值，隨著實體替代方案的危險性與後勤複雜度的上升而成比例放大。

圖片來源：Tetra Tech

AI：務實的期望與具體的行動

Fries 對 AI 短期影響的評估相當審慎——他坦言廣泛的生產力革命在短期內可能被過度渲染——但他描述了 Tetra Tech 內部一系列具體且獲得資助的計畫，指出技術真正落地的方向。

Tetra Tech 的內部 Delta Group 作為整個組織的集中式 AI 開發單位，已建立並投入生產的工具包括：一個專用於提案撰寫與技術文件的內部聊天機器人——這是一個聚焦、有明確邊界的應用，可加速特定的高頻工作流程。另外兩項成果來自 Tetra Tech 的內部創新競賽 Tech 1000——各團隊競相開發面向客戶的解決方案：一個用於建築外牆自動裂縫偵測的應用，以及一個跑道裂縫分析系統。兩者都採用機器視覺分析影像資料，以人工檢測無法匹敵的速度和一致性識別結構性缺陷。

外牆掃描應用與 Tetra Tech Rooney 的日常工作最為接近——將現實捕捉與 AI 輔助特徵辨識結合於基礎設施檢測，是掃描轉 BIM 管線延伸至預測性維護應用的直接體現。Fries 的團隊目前並未直接操作這些 AI 工具，但組織層面對可行性的認知正在形塑技術路線圖的走向。

數位孿生：起步階段，但加速中

Tetra Tech Rooney 客戶群中的數位孿生對話，目前處於起步但實質活躍的階段。Fries 將該團隊多數交付成果的現況描述為「初階數位孿生」——帶有地理座標的點雲、Revit 模型、Navisworks 協調檔案。資料已在，但尚未連結至即時操作感測器，也未整合至資產管理平台，孿生體依然是靜態的。

更先進的工作正在 Tetra Tech 組織的其他地方推進。Tetra Tech 的歐洲工程實踐部門 RPS Group 走得更前面——正在為政府與國防客戶開發即時數位孿生，包括 Fries 形容為高度機密的工作。其他事業群正與 Aveva 合作進行連接式資產管理，並評估採用 Esri 產品進行 GIS 整合。Autodesk Tandem 則已列入 Tetra Tech Rooney 自身數位孿生發展計畫的路線圖。

客戶端的障礙確實存在。Fries 坦言，多數中游石油天然氣業者並非資料管理的先行者——他們的核心能力在於建設與操作管線，平台級資產智能並非其專長，也未曾在歷史上投資於支援即時孿生的基礎設施。正在改變的，是一種認知的覺醒：多年的現實捕捉投入代表著一筆尚未被妥善管理的資料資產。「他們花了大量的錢在資產捕捉上，」Fries 指出，如何儲存、管理並長期維護這些資料的對話正在認真展開。埃克森美孚宣布掃描全部設施並建立數位孿生的計畫，是那種足以帶動整個產業跟進的指標性信號。

Fries 預測未來三年的趨勢，是交付給客戶的成果將從 PDF 竣工圖，轉向以模型為基礎的交付方式——Navisworks 協調模型或 BIM 檔案將成為主要的記錄文件，而非附屬參考資料。需要尺寸資訊的承包商可直接從模型取用。PDF 不會消失，但將不再是主要的交付成果。

推動採用的硬體與軟體

Fries 對市場現況的整體觀察直白但值得清楚陳述：能源產業的現實捕捉採用正在加速，主要驅動力是技術本身變得更易部署、成本更低，而非客戶變得更技術嫻熟。五、六年前，要銷售一個現實捕捉範疇，需要先教育客戶他們買的是什麼、為何值得投資。如今，在開始工程工作前掃描既有設施，幾乎已成為 Tetra Tech Rooney 客戶群的標準做法。其價值主張——精確的竣工文件、虛擬現場存取、減少實地勘查——已不言而喻。

這種進步是硬體與軟體雙軌並進的成果：掃描儀捕捉更快、配準更可靠；處理流程以更少的人工介入將原始資料轉化為可用模型；雲端平台讓非專業人員也能存取輸出成果。隨著工具趨於成熟，AI 將再添一層效率。但 Fries 所描述的採用曲線已然進行中，驅動力是那些已默默達到足夠水準、足以消除過去讓說服工作如此艱難之阻力的儀器與軟體。

---

原文來源： 查看原文