沉陷区建筑物倾斜测量实例研究

金 卓

大同煤炭职业技术学院（037003）

0 前言

煤炭等矿物的开采会导致地表在一定程度上发生移动和形变，而当这些变形积累到一定的量时，就容易导致地标建筑物发生暗中的形变，从而对人们的日常生产生活安全带来严重的危害。因此，采用科学的方法对建筑物的倾斜变化进行检测对于提高人们生活和工作环境的安全性有着非常重要的意义和作用，倾斜观测是现阶段对沉陷区建筑变形监测主要手段。煤炭开采会对农村地形复杂的地区产生严重影响。当地建筑物分布较为密集，观测质量条件差，在对某些建筑进行监控时，如果局部无法采用全站型仪器进行精密的倾斜角度测量，就需要通过新技术来解决这一问题。相较于传统的测量方案，三维激光扫描技术可以更加便捷地获取建筑物的特征，从中提取符合实际情况和需要的特征线，对被监测地区的建筑倾斜程度进行全面的监测[1]。

在目前的建筑物监测过程中，经常将特征点、特征线或特征面应用于建筑形状的描述和表达，相关部门三维建模也依靠这些数据。三维模型重建、点云数据的精简计算处理、模型的匹配和建筑物形变信息扫描和提取都需要建筑物特征线的数据。通过三维激光扫描技术，工作人员可以获取建筑物表面的点云数据，并通过对大量信息数据的处理提取并计算出拟合建筑物的特征线，对其倾斜程度和安全性等进行科学而全面的分析。

目前，在监测过程中常用的集中特征线提取方案主要有以下方式。

1）通过对曲率值、法向量等几种常用的集合特征数据对特征线进行模拟和提取。任前程教授提出了基于临近投影点的向量夹角对点云特征线进行提取的方法。在实际应用过程中，这种方法虽然可以有效提取出建筑物的特征线和点云边界，但其提取的结果含有大量的噪声点，严重影响了数据的处理和判断。Kim 根据主曲率对脊梁线的提取和判断方法又消耗了大量的时间，二者在实际的勘察应用中都没有收到理想的效果[2]。

2）根据建筑物扫描获取的影像特征对其点云特征线进行模拟和提取。王春林教授等人通过多年的研究，提出了一种在影像的辅助下提取建筑物轮廓信息的方法。该方法充分利用了影响边缘的防线、梯度和高程等信息，实现对建筑物外轮廓线的精确扫描，但受到客观原因的影响，提取到的结果往往容易存在不规则的特性，且影像的扫描与其所提取到的点云函数存在着无法消除的误差，在实际勘测应用的过程中没有突出的表现。为改善上述测量方法的不足，文章在现有的测量和分析基础上总结并提出了一种新的方案，基于随机抽取一致性的算法对拟合平面点进行提取和判断，从而提取完整的建筑物特征线点云，减少噪声点对测量结果的影响[3]。

1 算法原理

1.1 RanSAC 算法拟合平面

在地面三维激光扫描捕获的平面点中随机选取三个点，求解计算出点云平面模型的参数和所有的点与所求的平面模型之间的垂直距离，记作d(i)，1≤i≤30。

选取一个阔值，记作t，当d(i)＜t 时，认为该点可以记作平面上的一点p，反之则为非平面上的点。统计所有属于该平面模型的点的数量的综合，记作x。

重复上述两步骤m(人为规定次数)次，将模拟平面中的点x 的总数最多的平面记为最终拟合得到的平面模型参数。

1.2 特征线点云提取的算法

经过RanSAC 算法对点p(i)进行拟合计算后，墙面上的k 邻域点集落在平面上的数量较多。当特征线的k 邻域点集分别属于不同的墙面时，k 邻域点集属于最佳平面模拟的总点数x 则相对较少。

任取一个点p，搜索该点的k 邻域点集Kp(i)。

利用RanSAC 算法对其进行拟合计算，统计电机Kp(i)中属于最佳模拟平面的点数X(p)，并计算比率v(p)=X(p)/k。

若计算得出的比率v(p)＞v(min)，则可以判定点p(i)为墙面上的线，反之则为特征线点。其中，v(min)表示判断点P(i)是否为特征线点的阔值。

1.3 阔值t 的选取

在建筑物点云上随机选取三个不同墙面上的采样点，利用RanSAC 算法对平面进行拟合，并通过公式对平面上的点和最佳平面模型之间的距离进行计算，选取二倍平均距离作为建筑物拟合的阔值t。

1.4 k 值的选取和阔值v(min)

对于k 值和阔值v(min)的选取，需要在墙上选取一点记作a，在特征线上选取一点记作b，在临近特征线的位置选取一点记作c，逐渐增大k 邻域，对k 值和比率v(min)之间所存在的关系进行分析，选取合适的k 值和v(min)取值，保证在获取有效特征线的同时提取到更加精细的建筑物特征线[4]。

2 实际案例分析

本次试验选取了某矿开采沉陷区内的一处建筑物，采用徕卡C10 扫描设备对该沉降区内的建筑物进行扫描和计算，经过专业的拼接、配准、去除噪声点等处理后获取了完整的点云集合。

2.1 特征线的提取

试验过程中建筑物的表面较为粗糙，选取的阔值t 为0.01 m。为了尽可能降低噪声对试验结果的影响，将v(min)值设定为0.65。由于墙壁外表凹凸不平，初始的点云噪声点极多，通过提取点云特征线的方法，将点云集合由初始的220 万精简到了21 万点左右[5]。

通过将文章采用的方法得出的特征线与基于点云曲率分析得出的特征线进行对比，本方法具有噪声点较少的有点，大量的平整墙面点被滤除掉了，在保留细节特征的同时，尽可能降低了噪声点的影响。

2.2 建筑物倾斜测量

在试验区内选取了九处条件相对便于测量的建筑物，用上述方法进行倾斜量的分析和计算，与全站仪坐标测定法的测量结果进行比较，二者计算得出的倾斜值没有明显的区别，基本可以确定本研究方法的科学性[6]。其中，本次试验所选取的建筑高度均在24 m 以下。相关规定要求，当建筑物的总高度在24 m 以下时，整体建筑的倾斜值不能超过0.004。本试验研究方法所提取到的特征线斜率小于允许倾斜值的1/10，故该方法可以满足建筑物倾斜测量研究的精度要求。

3 结语

为了解决传统模式下建筑物倾斜程度测量难、准确性低、对测量条件要求高等问题，相关部门要积极对现有的技术和方法进行更新，采用先进的RanSAC 计算方法，减少噪声点对测量结果的影响，充分满足建筑物倾斜程度测量的要求。