应用TLS点云数据确定边坡特征对象区域和形变分析

2016-08-10李崇瑞

测绘通报 2016年7期

关键词：格网扫描仪部件

李崇瑞，张　锦，肖　杰

（1.太原理工大学，山西太原030024；2.山西省测绘工程院，山西太原030024）

应用TLS点云数据确定边坡特征对象区域和形变分析

李崇瑞1，2，张锦1，肖杰2

（1.太原理工大学，山西太原030024；2.山西省测绘工程院，山西太原030024）

针对目前主要形变监测方法监测点少、整体形变资料缺乏的不足，利用三维激光扫描仪获取边坡点云数据，通过对边坡特征对象区域识别，利用重心法计算特征对象区域的形变量大小，将形变特征对象区域转变为监测点，并分析形变特征对象区域的变形情况，弥补了传统形变监测手段在边坡监测应用和形变分析中的不足。

点云数据；地面三维激光扫描仪；边坡特征对象区域；形变分析

矿区地面灾害直接影响企业正常生产，常见的矿区地面灾害有采空区地面裂缝、沉降、塌陷及边坡滑坡等，对矿山边邦，上述灾害通常呈小范围区域而非整体发生。常见的地表形变监测方法主要有:①采用GPS和测量机器人进行监测，此类方法监测精度较高且易实现自动化连续观测，属于单点式测量，由于监测点位置较分散，因此获取形变范围有限；②采用大地测量法建立形变监测网，通过边角网观测进行监测，这种方法监控范围不受限制，可测定出边坡的变形范围，但工作量大、周期长，易受通视条件和天气状况的影响；③D-INSAR技术可以获取大范围的边坡形变情况，其监测精度可达毫米级，但星载SAR系统重访时间长，难以实现对监测区域的定点连续监测；④近景摄影测量法外业省时省力，能同时获取许多观测点的空间位置，但作为监测手段精度过低。此外，对于边坡形变区域的发现和监测仍需配合人工巡查的方式，但对于滑动速率较慢的区域难以发觉［1-6］。

近年来，地面三维激光扫描仪（terrestrial 3D laser scanner，TLS）在边坡形变监测与形变分析领域得到了应用［6-9］。作为一种辅助技术手段，TLS点云数据为边坡形变分析提供了新型的数据资料，可以实现坡体快速数字化，建立坡体表面三维模型，实现真正意义上的实景复制，可准确识别边坡特征对象区域，确定其位置、范围及形变量大小等，能够真实、详尽地描绘边坡的整体及细节处的变形情况［10-13］，大大提高和完善了形变监测系统的形变分析能力。

本文以TLS在某一露天矿区边坡形变分析中的应用为例，对利用TLS点云数据来确定边坡形变特征对象区域和形变分析方法进行深入研究。

一、TLS点云数据获取和处理

1.点云数据获取

点云数据的野外获取需将扫描仪架设在边坡体对面、与其高度基本平行、遮挡少、能够全面通透扫描的位置，与扫描对象距离分布均匀。测站架设完成之后，需对仪器进行整平并设置扫描范围、点云密度等相关参数，点击开始后扫描仪即可自动采集数据［14-15］。

2.点云数据处理

当外业获取三维激光扫描仪点云数据后，需用专业软件对点云数据进行处理［7-8］，内业数据处理流程如图1所示。

（1）点云数据解压缩或格式转换

扫描仪在数据存储过程中为了节省存储空间对点云数据进行压缩处理，或扫描仪直接生成的点云数据文件格式不能被数据处理软件识别，因此，在后期处理前需首先对数据文件进行解压缩，或将扫描文件转换成数据处理软件能够识别的文件格式。

（2）点云数据噪声处理

由于观测环境和扫描对象本身的反射特性不均匀等原因，会使点云数据中存在一定量的噪声数据。为了减小噪声对观测数据的影响，需对点云数据进行降噪处理，提供高精度的建模数据。

图1　点云数据处理流程

（3）点云数据配准与拼接处理

由于扫描仪每次扫描范围有限，对大面积的边坡需分块进行扫描，则相邻测站扫描的影像应具有一定的重叠度，需根据重叠区域的特征标志进行配准，将多幅影像拼接成一个整体。

（4）点云数据坐标转换

三维激光扫描仪扫描得到的点云数据是在自身仪器坐标系下的空间三维位置信息，多期边坡点云形变的计算和分析需要建立在统一的坐标系统之下，因此需将其转化到工程项目局部坐标系中。

首先在测区稳定区域布设控制点，同时获取扫描仪坐标系下坐标和项目工程局部坐标系下坐标，然后计算两个坐标系的转换参数，将点云坐标转化到局部坐标系下。

二、边坡特征对象区域确定和形变分析方法

1.边坡特征对象区域确定方法

为获取边坡形变信息，需根据扫描数据对边坡上可识别的特征对象区域进行分析。由于三维激光扫描仪扫描测量采用的是无合作目标的测量方式，每次扫描的激光脚点都不会重合，因此不能将两期扫描获取所得点云数据中的点一一对应来计算形变量。

一般情况下发生形变的特征对象是一个相对稳定的个体，如一块岩石或一个人工制作的标志牌等，它们各自是一个整体，其内部处于一个平衡态，位移是整体性的位移，因此特征对象的选取可以选取边坡上的相对独立地物；而对于无明显特征且有蠕滑现象或发生滑坡灾害的小范围区域，也可将其视为特征对象区域进行分析。为了更加精确地在整个边坡点云数据中确定边坡特征对象区域的边界，需首先进行如下工作:

1）点云附加纹理。由于每个扫描点都含有三维坐标、反射强度和颜色等信息，通过图像配准技术，将扫描仪CCD摄像机所摄照片的颜色信息匹配到点云上，构成能够显示边坡实景的点云模型。

2）构建TIN模型。利用附加纹理后的点云数据构建TIN模型以模拟不规则曲面。

在附加纹理后的边坡实景模型中，即可很容易分辨出点云中的地物，如边坡中的岩石块，或人工设立的标志物等，由于这些特征地物是边坡体的组成部分，因此可将其定义为边坡部件，通过对这些部件变形情况的分析去了解边坡的整体变形情况。

2.边坡位移分析方法

通过对三维激光扫描仪点云数据的处理，可有效提高点云数据精度，为进一步的形变分析提供可靠的数据基础。根据边坡点云数据的特征，可从以下两方面来分析边坡的变形情况。

（1）边坡部件位移分析

要使多期观测数据之间具有可比性，需保证有稳定的观测基准，每一期部件边界所包含的点数量稳定，因此应每次在相同的观测环境下观测，扫描仪采样率、扫描密度等参数需保持一致。

由于所选的边坡岩石部件是一个结构稳定的整体，因此可将其转换为一个监测点，将部件位移转换为监测点位移。根据所选部件边界确定部件所包含的点云数据，在此称其为部件点云。由于部件点云数据是一系列点的三维坐标的集合，因此可取这些点的三维坐标平均值作为部件的重心坐标，此重心坐标的变化即可视作部件的位移。通过对这些特征部件的多期观测，即可了解和发现边坡细节处的变形规律，为决策支持提供可靠依据。

（2）边坡形变区域位移分析

边坡上除了易发生位移的特征对象外，无明显特征的小范围区域还存在蠕滑现象或发生滑坡灾害，通过对这些形变区域进行格网划分，并分析格网内点云数据，以此来发现边坡形变区域的形变情况。

边坡形变区域的确定方法主要是以第一期点云数据边坡模型作为参考，将第二期的激光脚点投影到参考模型表面，通过计算分析激光脚点到投影点的距离，将不同投影距离点云范围用不同颜色表示，选择投影距离较大的范围作为特征区域。

格网的划分方法是特征区域形变分析方法的重点，常见的小范围格网划分方法有规则格网划分和任意格网划分等。规则格网划分方法较简单，通常有方格网、矩形网等；任意格网划分较规则网划分更加灵活，可以根据边坡地物地形情况进行划分，划分的格网可以是任意形状、任意大小。

格网划分完成后，将每一个格网视作一个部件点云，同边坡部件位移分析方法相似，对格网内的点云数据进行计算，计算其重心坐标，通过多期观测计算、比较格网重心坐标的变化，后续可对变形量进行等级划分以发现边坡中形变较剧烈需重点监测的区域，对重点监测区域可以加设棱角监测点，采用全站仪或GPS等高精度测量设备重点监测。

三、实例分析

下面以某矿区边坡为例，如图2所示。该边坡主要由露天开采的排土堆砌形成，边坡整体长约1200 m，分6个平台，生产设备上方3个平台采取了加固措施，其余大部分为裸露的半荒土地。井工矿巷道口位于边坡底部，部分采煤工作区位于该边坡下方，地面上方边坡的稳定性直接关系到井下煤炭生产安全。

图2　边坡概况图

边坡各平台布设测量机器人监测棱镜、GPS、应力传感器等设备对其进行形变监测，监测点位约100余个。边坡主要监测对象是每平台边缘区域，该边坡范围广、形变区域分布零散，其中部分部件如较大石块、排水渠、电杆难以固定监测传感器，因雨水冲刷形成的滑塌区、蠕滑区、建筑物沉陷等区域监测设备损毁严重，无法达到连续监测的目的。

现使用加拿大OPTECH公司的地面三维激光扫描仪ILRIS-36D对边坡进行扫描获取边坡点云数据，扫描仪采样率为3000点/s，设置扫描密度为4 cm。为了获取边坡部件形变信息，相邻两期观测数据间隔时长为1个月，由于边坡宽度较宽，每一期扫描均将边坡划分为6块区域分别扫描，重叠度为30%。

（1）某矿区边坡特征对象区域确定

将外业获取的点云数据经过噪声处理、配准和拼接后，即可进行点云数据建模和附加纹理。图3为给某边坡点云数据根据其颜色信息附加纹理，并根据边坡特征点，将附加纹理的点云数据与实际影像进行配准。图中数字和字母表示影像和点云配准所选择的特征点。通过目标识别，选取边坡中的岩石特征对象区域作为边坡形变分析的特征对象部件，在点云数据上选定一小片滑塌区域A及两处岩石块B和C。