柳紅凱 朱從軍 徐曉

摘 要：由于施工技術(shù)、地形地貌且非剛性等特點土石壩容易產(chǎn)生非線性變化的特征，傳統(tǒng)檢測中一般采用大壩體上設(shè)置固定一些基準(zhǔn)點的單點檢測方式，通過擬合的方式預(yù)測壩體是否變形，壩體監(jiān)測本身屬于整體且呈現(xiàn)面狀的監(jiān)測，單點式檢測具有一定局限性。本文提出了一種基于三維激光掃描技術(shù)的土石壩變形監(jiān)測方法，將不同時間段所采集的三維點云數(shù)據(jù)在進(jìn)行整體面狀空間對比分析，監(jiān)測大壩在整個空間絕對位置的變化。本方法在廣州市黃龍帶水庫進(jìn)行了試驗，結(jié)果表明所提方法整體性強(qiáng)、精度高，能夠滿足水庫大壩變形分析計算的要求。

關(guān)鍵詞：三維激光掃描;點云數(shù)據(jù);對比分析;變形監(jiān)測

1.研究介紹

1.1研究背景

截止到2018年，據(jù)統(tǒng)計中國存在的大壩總數(shù)多余10萬多個，我國當(dāng)前屬于當(dāng)之無愧的壩工大國，大壩總數(shù)高居世界首位，遠(yuǎn)遠(yuǎn)高于世界其他國家。大壩通過攔蓄水資源進(jìn)而合理分配水資源起到至關(guān)重要的作用，對國計民生、社會發(fā)展也起著舉足輕重的地位。然而，由于施工技術(shù)、氣候因素、地形地貌、水位影響以及壩體使用年限等多方面的原因，我國又成為大壩安全事故較多的國家，據(jù)統(tǒng)計目前國內(nèi)已經(jīng)發(fā)生大壩崩塌事故近3000多座，而近90%的壩體事故又出現(xiàn)在三十米以上的大壩，對國民生計、社會安全帶來巨大潛在威脅。因此，對大壩安全監(jiān)測，確保大壩時刻安全運營具有非常重要的意義。大壩安全監(jiān)測本身是水利水電非常重要的研究課題，更是眾多學(xué)科交匯點，尤其是測繪科學(xué)安全監(jiān)測技術(shù)中激光雷達(dá)技術(shù)的全面推廣對大壩的安全監(jiān)測能起到安全、積極的作用。

1.2國內(nèi)外研究現(xiàn)狀

國外對土石壩的安全監(jiān)測可以追溯到十九世紀(jì)九十年代[1-2]，由德國率先進(jìn)行壩體水平方向位置偏移量評估壩體位移，緊接著1903年美國從溫度變化檢測重力壩安全檢測，1908年澳洲對拱壩變形觀測，這也是世界上最早開展變形觀測的實驗。隨后，美國在1925年、1926年開展了揚壓力觀測和史蒂文森山區(qū)的實驗拱壩開展了應(yīng)力應(yīng)變監(jiān)測。接下來世界各國相繼開展了大壩安全監(jiān)測，大壩安全監(jiān)測的對象也逐漸的完善，己從初期的僅僅對大壩主體結(jié)構(gòu)進(jìn)行監(jiān)測拓展到對大壩主體結(jié)構(gòu)、壩基、壩肩、壩區(qū)及周邊環(huán)境相關(guān)設(shè)施等全方位、大范圍的監(jiān)測。而后大壩由原來粗獷的方式向精細(xì)化檢測逐步延伸，截止目前多家機(jī)構(gòu)或個人已經(jīng)開展使用高精密儀器通過精細(xì)建模、安全評估、風(fēng)險預(yù)測等眾多手段進(jìn)行大壩安全監(jiān)測。主要監(jiān)測內(nèi)容包括水位監(jiān)測、位移監(jiān)測、沉降監(jiān)測及周圍環(huán)境監(jiān)測等。

我國針對土石壩的安全監(jiān)測起步較晚[3-9]，且趨向于通過統(tǒng)計分析定性分析為主要手段，為了進(jìn)一步提高大壩監(jiān)測，國內(nèi)一些學(xué)者開始使用現(xiàn)代新型測繪手段監(jiān)測大壩安全，其中三維激光掃描技術(shù)就是其中手段之一，通過點云掃描由傳統(tǒng)手段點狀監(jiān)測到面狀監(jiān)測。使得監(jiān)測手段更為立體化、全面化。

2.研究方法

2.1點云配準(zhǔn)

在三維激光儀器掃描時，由于建筑物本身相互遮擋，被掃描物體在每一站掃描時存在掃描盲區(qū)，通常需要多次假設(shè)地面站才能將大壩本體掃描完整，尤其是較大建筑物更需要從多個角度進(jìn)行掃描。經(jīng)過多站掃描點云數(shù)據(jù)需要經(jīng)過拼接或者配準(zhǔn)才能得到掃描對象完整的點云數(shù)據(jù)，多站點云數(shù)據(jù)的拼接技術(shù)是指通過相對定向的方法將不同視點獲取的激光點云數(shù)據(jù)轉(zhuǎn)換到統(tǒng)一的或者固定的坐標(biāo)系統(tǒng)的過程。大壩變形監(jiān)測屬于精密工程監(jiān)測范疇，混凝土壩在受到外力時形變量極小，而在對大壩掃描時，由于大壩形體結(jié)構(gòu)，不可能一站將所有信息獲取到，因此如何將多個測站的掃描數(shù)據(jù)精確拼接成了大壩變形分析的重點、難點之處。本文使用改進(jìn)ICP算法進(jìn)行點云多站之間的自動拼接，只要確保不同站之間的存在足夠的重疊區(qū)，能提取同名特征即可。

2.2對比分析

本項目采用點到面形變量的模式監(jiān)測大壩形變量，相比較于取剖面的監(jiān)測模式，點到面形變量的監(jiān)測模式，顯得更加直觀，更加全面。點到面形變量的模式即將一期參考點云數(shù)據(jù)建模，然后將二期、三期點云數(shù)據(jù)與其進(jìn)行對比，得到點云中每個點相對于一期面的形變量，達(dá)到監(jiān)測的目的。

3.技術(shù)路線

4.數(shù)據(jù)分析

4.1原始數(shù)據(jù)采集與可視化

為了精確分析大壩變形形變量，本項目采用測量精度達(dá)到毫米級的高精度三維激光掃描儀對黃龍帶水庫大壩進(jìn)行數(shù)據(jù)采集，掃描周期為每季度一次。大壩掃描原始數(shù)據(jù)如下所示：

4.2點云數(shù)據(jù)特點分析

依據(jù)圖1、圖2，點云數(shù)據(jù)中存在以下幾個特點：

（1）包含大量噪聲點（非壩體點），如樹木，離群點等

（2）數(shù)據(jù)量過于龐大，冗余數(shù)據(jù)多。一期數(shù)據(jù)包含四千多萬點云數(shù)據(jù)，二期數(shù)據(jù)包含千萬點云數(shù)據(jù)。

（3）多測站之間存在數(shù)據(jù)偏移，采用自動配準(zhǔn)處理

5.軟件實現(xiàn)

為了驗證本文算法的有效性，在VS2013平臺上使用點云處理庫PCL（Point Cloud Libaray）和 CloudCompare軟件，進(jìn)行程序設(shè)計開發(fā)。通過四叉樹算法組織點云數(shù)據(jù)及CC軟件開發(fā)提供接口進(jìn)行程序可視化。通過構(gòu)建三角網(wǎng)基于C2C算法進(jìn)行點云數(shù)據(jù)差異化對比，可方便用于大壩點云數(shù)據(jù)的變形監(jiān)測。

5.1軟件界面

5.2軟件介紹

1.點云重采樣

每期大壩點云中包含數(shù)千萬個點，點云數(shù)據(jù)包含的豐富空間數(shù)據(jù)原本是三維激光掃描相比較其他測量手段的巨大優(yōu)勢，但是有時候極大的數(shù)據(jù)量也造成后期數(shù)據(jù)處理的負(fù)擔(dān)，因此，該功能是為了簡化點云中的冗余數(shù)據(jù)，通過適當(dāng)減小數(shù)據(jù)量，既不影響整體大壩模型，又能加快運算效率。

2.漸進(jìn)加密三角網(wǎng)點云濾波

由于大壩四周環(huán)境較為復(fù)雜，掃描的點云數(shù)據(jù)中包含了高矮不同的樹木、碎石、低矮植被等各種空間物體。在對大壩建模時需先將大壩之外的點云數(shù)據(jù)剔除。

3.點云配準(zhǔn)

如上圖所示，多個測站點云數(shù)據(jù)間存在點云數(shù)據(jù)移位現(xiàn)象，在進(jìn)行點云數(shù)據(jù)對比前，應(yīng)先將點云數(shù)據(jù)配準(zhǔn)，本項目使用特征點配準(zhǔn)算法。

4.模型重建

使用快速三角化法對大壩模型重建。

6.結(jié)果分析

本項目的數(shù)據(jù)來源于黃龍帶水庫大壩點云數(shù)據(jù)，基于不同時段點云數(shù)據(jù)進(jìn)行大壩變形監(jiān)測分析。本次分別選取大壩枯水期兩次掃描數(shù)據(jù)，并將第一期掃描數(shù)據(jù)作為參考點云數(shù)據(jù)，第二期的點云數(shù)據(jù)與第一期數(shù)據(jù)進(jìn)行對比分析。每期完整的大壩點云數(shù)據(jù)所采集的都在六千萬個以上，確保大壩數(shù)據(jù)的完整性。

1.將密集點云數(shù)據(jù)抽稀，得到一個既能展示大壩外形，經(jīng)兩次數(shù)據(jù)對比分析， 如上圖1、2所示

2.使用本文算法進(jìn)行兩期點云數(shù)據(jù)對比分析如圖3所示

7.結(jié)論

壩體結(jié)構(gòu)相對穩(wěn)定，屬于安全運營階段，算法后期系從斷面分析局部重點區(qū)分析等策略使激光雷達(dá)數(shù)據(jù)應(yīng)用于大壩變形監(jiān)測手段更加完善。

參考文獻(xiàn)

[1]Axelesson P.DEM From Laser Scanner Data Using Adaptive TIN Models[J].Archives of Photogrammetry and Remote Sensing， 2000，XXXIII（B4/1）：110-117.

[2]Sithole G， Vosselman G. Filtering of Airborne Laser Scanner Data Based on Segmented Point

[3]李清泉，李必軍，陳靜.激光雷達(dá)測量技術(shù)及其應(yīng)用研究[L].武漢測繪科技大學(xué)學(xué)報，2000， 25（5）： 387-392

[4]郭佳. 機(jī)載LiDAR點云數(shù)據(jù)濾波及建筑物提取技術(shù)研究[D].長安大學(xué)，2014.

[5]高志國. 地面三維激光掃描數(shù)據(jù)處理及建模研究[D].長安大學(xué)，2010.

[6]王思維. 基于分割的機(jī)載LiDAR點云數(shù)據(jù)濾波獲取DTM方法研究[D].成都理工大學(xué)，2014.

[7]李煉. 機(jī)載LiDAR點云濾波及分類算法研究[D].成都理工大學(xué)，2014.

[8]楊應(yīng)，蘇國中，周梅. 茂密植被區(qū)域LiDAR點云數(shù)據(jù)濾波方法研究[J]. 遙感信息，2010，06：9-13.

[9]王勇. 地面激光掃描數(shù)據(jù)濾波研究[D].解放軍信息工程大學(xué)，2012.