劉俊博 劉俊堯 孫淑杰 王勝春 王凡 戴鵬

1.中國鐵道科學(xué)研究院集團(tuán)有限公司基礎(chǔ)設(shè)施檢測研究所，北京 100081；2.中國鐵路廣州局集團(tuán)有限公司工電檢測所，廣州 510800

山區(qū)鐵路線路長大邊坡易受天氣變化和地質(zhì)活動(dòng)的影響，潛在的滑坡風(fēng)險(xiǎn)威脅行車安全［1］。定期對(duì)沿線邊坡進(jìn)行安全檢測，分析邊坡表面變化趨勢，進(jìn)而采取相應(yīng)的加固措施，是保障行車安全的重要措施。

以往檢測監(jiān)測大型建筑物形變主要依賴人工測量數(shù)據(jù)，不僅耗費(fèi)大量人力物力，而且檢測結(jié)果難以反映建筑物形變的真實(shí)情況。近年來國內(nèi)外學(xué)者和研究機(jī)構(gòu)提出一些高效的方法，已在地表形變監(jiān)測［2］、礦山形變監(jiān)測［3］、邊坡形變監(jiān)測［4］、大壩形變監(jiān)測［5］、隧道形變檢測［6］、鐵路建筑限界檢測［7］等領(lǐng)域廣泛應(yīng)用。現(xiàn)有檢測監(jiān)測方法按照觀測方式分為動(dòng)態(tài)檢測方法和靜態(tài)監(jiān)測方法。動(dòng)態(tài)檢測方法采用遙感∕航空攝影［8］、干涉合成孔徑雷達(dá)［9］、機(jī)載∕車載三維激光掃描儀［10-11］等手段獲取建筑物的三維形態(tài)數(shù)據(jù)；靜態(tài)監(jiān)測方法采用多個(gè)攝像機(jī)［12］、全站儀［13］等設(shè)備獲取建筑物不同方位的三維形態(tài)數(shù)據(jù)。然后采用圖像處理、點(diǎn)云處理等技術(shù)對(duì)觀測數(shù)據(jù)進(jìn)行處理和分析，得到建筑物形變情況。

上述方法應(yīng)用于鐵路邊坡形變檢測任務(wù)時(shí)仍存在一些不足：鐵路沿線邊坡數(shù)量多，位置分散，現(xiàn)有的動(dòng)態(tài)檢測方法無法在短時(shí)期內(nèi)對(duì)多個(gè)分散的目標(biāo)重復(fù)觀測，數(shù)據(jù)采集成本高；鐵路沿線邊坡普遍存在于山區(qū)，自然環(huán)境、地質(zhì)地貌非常復(fù)雜，難以架設(shè)和維護(hù)固定的監(jiān)測設(shè)備，難以利用現(xiàn)有的靜態(tài)監(jiān)測方法；現(xiàn)有方法數(shù)據(jù)處理步驟復(fù)雜，無法高效檢測出鐵路邊坡的形變。

為解決上述問題，本文提出一種基于激光點(diǎn)云的鐵路邊坡表面形變檢測方法，從數(shù)據(jù)采集、點(diǎn)云處理方法和鐵路邊坡形變檢測方法三個(gè)方面進(jìn)行改進(jìn)，以高效、準(zhǔn)確地檢測鐵路邊坡表面形態(tài)變化。

1 數(shù)據(jù)采集

鐵路沿線環(huán)境三維點(diǎn)云數(shù)據(jù)的采集效率和數(shù)據(jù)精度直接影響鐵路邊坡形變檢測任務(wù)的可實(shí)施性和檢測結(jié)果的準(zhǔn)確性。因此，設(shè)計(jì)了一種鐵路環(huán)境三維點(diǎn)云數(shù)據(jù)采集系統(tǒng)，配置如圖1所示。

圖1 鐵路環(huán)境三維點(diǎn)云數(shù)據(jù)采集系統(tǒng)配置

該系統(tǒng)以綜合巡檢車為平臺(tái)，能夠完整地獲取鐵路沿線環(huán)境的三維點(diǎn)云數(shù)據(jù)，包括鐵路基礎(chǔ)設(shè)施、建筑物、自然環(huán)境等。每個(gè)三維空間點(diǎn)表示為(x，y，z)三元組，其中，x表示空間點(diǎn)沿軌道方向的里程，y表示空間點(diǎn)距離激光雷達(dá)的縱向距離，z表示空間點(diǎn)距離激光雷達(dá)的橫向距離。使用特制的安裝工件將高精度激光雷達(dá)固定在綜合巡檢車車頭的中心位置。掃描線頻率為200 Hz，點(diǎn)頻率為每秒60 萬點(diǎn)，掃描角度為360°，測程為1.5~500 m。

綜合巡檢車在高速運(yùn)動(dòng)狀態(tài)下不可避免地會(huì)產(chǎn)生振動(dòng)、橫縱向位移、側(cè)滾等姿態(tài)變化，掛載的高精度激光雷達(dá)也會(huì)隨之發(fā)生位置偏移，導(dǎo)致輸出的空間點(diǎn)坐標(biāo)存在誤差。因此，利用3 軸加速度計(jì)、3 軸陀螺儀和地磁計(jì)組成慣性測量單元（Inertial Measurement Unit，IMU），測量激光雷達(dá)的運(yùn)動(dòng)軌跡，動(dòng)態(tài)校正激光雷達(dá)輸出的鐵路環(huán)境空間點(diǎn)坐標(biāo)。

里程定位同步單元由全球?qū)Ш叫l(wèi)星系統(tǒng)（Global Navigation Satellite System，GNSS）、射頻標(biāo)簽閱讀器、光電軸頭編碼器組成，能獲取高精度里程定位信息。

數(shù)據(jù)采集服務(wù)器利用運(yùn)動(dòng)參數(shù)信息計(jì)算激光雷達(dá)的運(yùn)動(dòng)軌跡，校正空間點(diǎn)坐標(biāo)后，與里程定位信息組合為三維點(diǎn)云數(shù)據(jù)存儲(chǔ)至硬盤。

2 點(diǎn)云配準(zhǔn)及體素化

2.1 點(diǎn)云配準(zhǔn)

由于每輛綜合巡檢車的安裝工件和激光雷達(dá)安裝位置存在誤差，不同綜合巡檢車采集的鐵路環(huán)境三維點(diǎn)云很難對(duì)應(yīng)，無法用于形變檢測。因此，需要利用點(diǎn)云處理方法將當(dāng)期點(diǎn)云與基準(zhǔn)點(diǎn)云進(jìn)行配準(zhǔn)。

迭代最近點(diǎn)（Iterative Closest Point，ICP）算法［14］是最常用的點(diǎn)云精確配準(zhǔn)算法。在每輪迭代中，通過計(jì)算待配準(zhǔn)點(diǎn)云P中每個(gè)空間點(diǎn)Pi在基準(zhǔn)點(diǎn)云Q中距離最近的空間點(diǎn)，求解最優(yōu)的旋轉(zhuǎn)矩陣R和平移矩陣T，使代價(jià)函數(shù)J最小化；然后將旋轉(zhuǎn)矩陣R和平移矩陣T應(yīng)用于待配準(zhǔn)點(diǎn)云P，進(jìn)行下一輪迭代。

鐵路環(huán)境三維點(diǎn)云的點(diǎn)數(shù)量龐大，在80 km∕h 速度條件下，每公里多達(dá)2 700 萬個(gè)空間點(diǎn)數(shù)據(jù)，如直接使用ICP 算法進(jìn)行迭代配準(zhǔn)，不僅會(huì)耗費(fèi)大量計(jì)算資源和時(shí)間，還容易使算法陷入局部最優(yōu)解。因此，需要利用先驗(yàn)信息來降低計(jì)算量。

鐵路環(huán)境三維點(diǎn)云中，鋼軌頂面寬度和軌距是固定的已知量，且鋼軌頂面區(qū)域具有明顯的幾何特征?；诖讼闰?yàn)信息，先利用坐標(biāo)閾值法快速地從點(diǎn)云數(shù)據(jù)中找到屬于鋼軌頂面區(qū)域的空間點(diǎn)，再利用ICP 算法對(duì)鋼軌頂面區(qū)域的空間點(diǎn)進(jìn)行迭代計(jì)算，得到最優(yōu)的R和T矩陣，最后將R和T應(yīng)用于當(dāng)期點(diǎn)云，實(shí)現(xiàn)鐵路環(huán)境三維點(diǎn)云的快速配準(zhǔn)。配準(zhǔn)結(jié)果如圖2 所示，其中白色、藍(lán)色和紅色分別表示基準(zhǔn)點(diǎn)云、當(dāng)期點(diǎn)云和鋼軌頂面區(qū)域點(diǎn)云。

圖2 鐵路環(huán)境三維點(diǎn)云配準(zhǔn)結(jié)果

基于此，ICP算法的代價(jià)函數(shù)J可表示為

式中：N表示點(diǎn)云P中屬于鋼軌頂面區(qū)域的空間點(diǎn)數(shù)量；為點(diǎn)云Q中距離Pi最近的鋼軌頂面區(qū)域空間點(diǎn)。

2.2 點(diǎn)云體素化

在實(shí)際數(shù)據(jù)采集中，激光雷達(dá)會(huì)受工況條件的干擾，如溫度、大氣氣溶膠顆粒物濃度、觀測目標(biāo)的材質(zhì)、表面光滑程度等。這些因素會(huì)導(dǎo)致掃描的空間點(diǎn)坐標(biāo)存在偶然誤差。因此，計(jì)算邊坡表面形態(tài)變化量時(shí)要先對(duì)空間點(diǎn)進(jìn)行體素化處理，防止誤差累積引起的計(jì)算結(jié)果不準(zhǔn)確。

點(diǎn)云體素化是指利用統(tǒng)一大小的立體像素塊填充三維空間表示點(diǎn)云幾何形態(tài)的過程［15］，分2個(gè)步驟。

1）設(shè)立體像素塊尺寸為m，則點(diǎn)云數(shù)據(jù)在x、y、z三個(gè)方向的立體像素塊數(shù)量Nx、Ny、Nz分別為F[(xmax-xmin)∕m]、F[(ymax-ymin)∕m]、F[(zmax-zmin)∕m]，其 中F表示向下取整的函數(shù)；xmax、xmin、ymax、ymin、zmax、zmin分別為點(diǎn)云數(shù)據(jù)在x、y、z三個(gè)方向的最大值和最小值。。

2）計(jì)算每個(gè)立體像素塊Vi的三維空間坐標(biāo)（，），計(jì)算公式定義為

式中：分別為立體像素塊Vi包含的空間點(diǎn)的x、y、z坐標(biāo)的集合；μ表示計(jì)算平均值的函數(shù)。

m的大小要根據(jù)觀測目標(biāo)的實(shí)際尺寸確定。m過大會(huì)造成分辨率不足，不利于計(jì)算形變區(qū)域邊界線；m過小則無法降低隨機(jī)誤差的影響。

3 鐵路邊坡表面形變檢測

鐵路邊坡表面形變檢測的過程分為3個(gè)步驟。

1）基于先驗(yàn)信息設(shè)定激光強(qiáng)度閾值和邊坡距離閾值，從三維點(diǎn)云數(shù)據(jù)中分割出屬于邊坡區(qū)域的點(diǎn)云數(shù)據(jù)，防止沿線其他建筑物、設(shè)備和部分植被對(duì)計(jì)算結(jié)果產(chǎn)生干擾。

2）利用區(qū)域生長算法［16］對(duì)體素化后的基準(zhǔn)邊坡點(diǎn)云進(jìn)行擬合，空間特性相似度較高的立體像素塊視為同一平面，如圖3所示。其中，具有不同空間特性的區(qū)域使用不同顏色標(biāo)識(shí)。

圖3 基準(zhǔn)邊坡點(diǎn)云區(qū)域生長結(jié)果

3）將當(dāng)期邊坡點(diǎn)云進(jìn)行體素化處理，并計(jì)算每個(gè)立體像素塊Vi與相應(yīng)的基準(zhǔn)邊坡區(qū)域平面的距離作為邊坡表面形態(tài)變化量Sij，計(jì)算公式定義為

式中：aj、bj、cj、dj分別為立體像素塊Vi對(duì)應(yīng)的第j個(gè)區(qū)域平面方程的系數(shù)。

計(jì)算得到所有當(dāng)期點(diǎn)云立體像素塊的形變量后，即可得到最終的形變檢測結(jié)果。

4 試驗(yàn)驗(yàn)證

試驗(yàn)采用我國南方某鐵路線路中同一邊坡連續(xù)3個(gè)月采集的3 期觀測數(shù)據(jù)。該邊坡在第3 個(gè)月時(shí)發(fā)生了小規(guī)模的滑坡事件，有利于驗(yàn)證本文方法的有效性。試驗(yàn)中使用第1期采集的鐵路環(huán)境三維點(diǎn)云數(shù)據(jù)作為基準(zhǔn)。試驗(yàn)分為3個(gè)步驟。

1）將第2 和第3 期三維點(diǎn)云數(shù)據(jù)與基準(zhǔn)點(diǎn)云數(shù)據(jù)配準(zhǔn)；

2）設(shè)定相關(guān)閾值從三維點(diǎn)云數(shù)據(jù)中找到屬于邊坡區(qū)域的空間點(diǎn)數(shù)據(jù)，并進(jìn)行體素化處理；

3）采用區(qū)域生長算法擬合基準(zhǔn)邊坡點(diǎn)云數(shù)據(jù)，得到多個(gè)區(qū)域平面，并分別計(jì)算第2 和第3 期邊坡點(diǎn)云數(shù)據(jù)中每個(gè)立體像素塊與基準(zhǔn)點(diǎn)云平面距離作為邊坡表面形變量，得到形變檢測結(jié)果。

圖4為邊坡表面形變檢測結(jié)果。圖中不同顏色表示不同形態(tài)變化量的區(qū)域，形態(tài)變化量小于10 cm 的區(qū)域使用綠色標(biāo)識(shí)，形態(tài)變化量在10~ 20 cm 的區(qū)域使用藍(lán)色標(biāo)識(shí)，綠色和藍(lán)色形變區(qū)域大部分是由于邊坡表面的植被變化導(dǎo)致；形態(tài)變化量在20~30 cm 的區(qū)域使用黃色標(biāo)識(shí)，形態(tài)變化量超過30 cm 的區(qū)域使用紅色標(biāo)識(shí)，黃色和紅色形變區(qū)域應(yīng)重點(diǎn)關(guān)注。

圖4 邊坡表面形變檢測結(jié)果

由圖4 可以看出，第2 期邊坡點(diǎn)云數(shù)據(jù)的檢測結(jié)果中，邊坡中上部檢測出2塊紅色警示區(qū)域，說明該區(qū)域發(fā)生山體滑坡的風(fēng)險(xiǎn)較高；第3 期邊坡點(diǎn)云數(shù)據(jù)的檢測結(jié)果中，由于該邊坡已經(jīng)發(fā)生了山體滑坡，滑脫的泥石和植被導(dǎo)致邊坡中上部和中下部均檢測出大面積的紅色警示區(qū)域，檢測結(jié)果與現(xiàn)場勘測的結(jié)果一致?？梢姡疚姆椒ǖ臋z測結(jié)果能夠正確反映鐵路邊坡表面形態(tài)變化情況，可高效檢測鐵路邊坡形變。

5 結(jié)論

本文提出了一種基于激光點(diǎn)云的鐵路邊坡表面形變檢測方法。主要?jiǎng)?chuàng)新點(diǎn)如下：

1）利用綜合巡檢車安裝高精度激光雷達(dá)、慣性測量單元和里程定位同步單元，實(shí)現(xiàn)鐵路環(huán)境三維點(diǎn)云數(shù)據(jù)的動(dòng)態(tài)采集，提升了三維點(diǎn)云數(shù)據(jù)的采集效率，降低了數(shù)據(jù)獲取的時(shí)間成本和經(jīng)濟(jì)成本。

2）結(jié)合鐵路場景固有的先驗(yàn)知識(shí)改進(jìn)現(xiàn)有配準(zhǔn)算法，提出一種鐵路點(diǎn)云快速配準(zhǔn)算法，提升了鐵路點(diǎn)云配準(zhǔn)的效率和精度。

3）利用點(diǎn)云處理方法結(jié)合基準(zhǔn)點(diǎn)云數(shù)據(jù)，快速計(jì)算邊坡表面變化量，提升了鐵路邊坡表面形變檢測的自動(dòng)化程度，降低了鐵路邊坡形變檢測工作的難度。

4）本文方法能夠高效、準(zhǔn)確地檢測鐵路邊坡表面形態(tài)變化，檢測結(jié)果客觀性強(qiáng)，增強(qiáng)了鐵路行車安全性，能夠?yàn)殍F路邊坡整修計(jì)劃提供數(shù)據(jù)支持。