黃 德，夏永華，楊明龍，龍麗娟

（1.昆明理工大學國土資源工程學院；2.云南省高校高原山區(qū)空間信息測繪技術應用工程研究中心，云南昆明 650093）

0 引言

在巖溶洞穴的旅游開發(fā)中，獲取完整的巖溶洞穴內部三維空間信息是前提［1］。運用三維激光掃描技術能快速獲取被測物表面的三維點云數據［2］，而攝影測量技術通過對獲取的影像數據進行處理，也能得到測量對象的三維點云數據［3-5］，這為溶洞內三維空間信息的獲取和表達提供了有效方法。但是，三維激光掃描技術和攝影測量技術都無法獲取被遮擋區(qū)域的三維空間信息，而且溶洞內復雜的空間構造極易形成遮擋，如果采用單一數據獲取手段采集點云數據，往往存在較大的數據缺失，會給工程設計造成不利影響。

為了盡可能完整地獲取到溶洞三維點云數據，本文以地面架站式三維激光掃描儀為主要的數據獲取手段，以背包式三維激光掃描儀和近景攝影測量技術作為補充進行多源數據獲取。在數據預處理時統(tǒng)一了不同數據采集方式獲取點云數據的坐標系，通過改進的ICP 算法［6］進行多源點云數據的精細匹配融合。實現巖溶洞穴多源點云數據的采集、處理和融合，為溶洞的旅游開放設計提供了有效的數據支撐，也為復雜地下空間的多源點云數據采集和處理提供了參考。

1 相關研究

本文主要研究巖溶洞穴多源點云數據的獲取及融合。對于巖溶洞穴點云數據的采集和處理，已經有相關研究，如：何林等［7］將三維激光掃描技術運用于大型溶洞掃描，并對采集數據進行拼接和去噪處理，取得了較好的掃描拼接精度；劉興權等［8］采用三維激光掃描技術對溶洞進行探測，為公路的設計、施工和運營階段的安全提供了直觀依據；何原榮等［9］將三維激光掃描技術運用于溶洞建模與測量，極大降低了數據采集和建模的時間成本和人工成本，提高了生產實踐效率；丁朋等［10］利用自主研制的激光掃描儀，對溶洞進行掃描和三維建模，計算出溶洞的空間展布，取得了良好的應用效果；張慶浩［11］基于三維激光掃描技術進行復雜溶洞的三維建模與安全分析；駱林［12］對無標志點溶洞三維激光點云數據拼接進行研究，取得了較好的拼接效果；高莎［13］對溶洞點云的數據配準與濾波處理技術進行深入研究，推動了溶洞點云數據的處理和運用。

以上研究多采用單一的數據采集方式獲取點云數據，注重于單一來源點云數據處理。但在實際的數據采集過程中，洞內結構復雜，特別是對于洞內水面覆蓋較多的溶洞，數據采集更加困難。采用單一數據采集手段獲取的點云數據，數據缺失較為嚴重。

針對單一數據采集手段無法獲取完整數據的問題，許多研究提出了多源數據融合方法，如：徐光禹等［14］將地面激光點云與空地影像相結合對古建筑進行三維重建，取得了較好的三維重建效果；謝云鵬等［15］運用無人機傾斜攝影技術與地面激光雷達技術進行融合建模，有效提升了建模精度，提高了城市三維建模效率；田鴿等［16］則將多源數據融合的三維實景建模技術運用于土地整治，提高了土地整治效率；羅秋等［17］運用多源點云數據融合進行文物三維建模，取得了較好的三維重建效果。

目前，多源點云數據融合建模的研究對象多為地上構筑物，其數據采集條件較好，而且多源點云數據多為地面三維激光掃描儀與攝影測量獲取的數據。目前，針對自然地下空間構筑物的多源點云數據采集及融合相關研究還較少，同時關于背包式三維激光掃描儀點云數據獲取及處理相關研究也還有待豐富。本文以巖溶洞穴這種典型的自然地下空間構筑物為研究對象，采用地面架站式三維激光掃描儀、背包式三維激光掃描儀和攝影測量技術進行數據采集，其數據采集難度大，采集手段更為豐富。采用改進的ICP 算法也能取得更好的融合效果。

2 技術路線

本文采用的技術路線如圖1 所示，踏勘時在洞口兩端分別布設了3 個GPS 控制點，用于統(tǒng)一不同數據采集方法獲取點云數據的坐標系和尺度。

Fig.1 Technology roadmap圖1 技術路線圖

3 數據采集

3.1 實驗區(qū)概況

以云南某中型溶洞為實驗區(qū)，洞體長800m，洞底多為水面，只有小部分區(qū)域無水覆蓋。洞內較為潮濕，鐘乳石分布較為密集，容易形成遮擋。

要想讓學生喜歡識字，首先得讓學生沒有心理負擔，敢于在課堂上暢所欲言，因此創(chuàng)設一種民主平等和諧的師生關系是至關重要的。以往的教學中，教師總處于一種凌駕于學生之上的特殊位置，動輒發(fā)號施令，指揮學生，這無疑會壓制學生的學習主動性，在課堂上造成“這里的黎明靜悄悄”的局面。在識字課上，教師要尊重學生的個體差異和獨特體驗，選擇自己喜歡的方式識字。記字形是識字的一個難點，如：“你有什么好辦法記住這位生字朋友的樣子？”把生字當成朋友，一下子消除了學生對記字的抵觸情緒；讓學生自己想辦法，激發(fā)了他們參與的欲望。

3.2 地面架站式三維激光掃描儀數據采集

采用Maptek I-Site 8200 三維激光掃描儀獲取點云數據，首先將儀器架設在洞口布設的控制點上進行掃描。因為洞內多為水面，為了有效獲取點云數據，將儀器固定在船上，再將船體固定進行數據采集，如圖2（a）所示。

Fig.2 Data acquisition of 3D laser scanner圖2 三維激光掃描儀數據獲取

背包式三維激光掃描儀采用的設備系統(tǒng)為徠卡背包式三維激光掃描系統(tǒng)（Leica Pegasus：Backpack）。數據采集前在測區(qū)附近架設了兩臺GNSS 靜態(tài)基站，用于軌跡的后差分處理。運用全站儀測出靜態(tài)基站架設點的坐標，便于與其它采集方式獲取的點云一起統(tǒng)一到同一坐標系下。數據采集時讓人背負儀器站在船上，通過船體沿事先設計的路線運動并完成數據采集，如圖2（b）所示。

攝影測量的數據獲取，采用大疆精靈4Pro 無人機和佳能EOS6D2 相機相結合進行小區(qū)域的影像數據采集。采集的部分影像數據如圖3 所示。

Fig.3 Part of the image data collected by photogrammetry圖3 攝影測量采集的部分影像數據

4 數據處理

4.1 三維激光點云數據處理

（1）點云數據拼接。對于地面架站式三維激光掃描儀獲取點云數據的拼接，先對GPS 控制點上架站獲取的點云數據進行測站設置和拼接，使得洞口兩端測站獲取的點云數據與布設的控制點坐標處于同一坐標系下；再基于洞口點云將洞內采集的點云進行逐站拼接配準；最終采用全局校正，實現閉合條件下各站點云的誤差分配，使得洞內采集的各站點云與兩端洞口點云精確拼接，拼接后的點云如圖4 所示（彩圖掃OSID 碼可見，下同）。

Fig.4 Point cloud acquisition by ground-mounted 3D laser scanner圖4 地面架站式三維激光掃描儀獲取點云

背包式三維激光掃描儀的數據拼接采用儀器配套的數據后處理軟件進行。首先，使用Inertial Explorer 軟件進行軌跡解算，將GNSS 獲得的觀測數據與IMU 傳感器獲得的6 自由度角速度計加速度信息進行融合，得到背包運動過程中的空間位置和姿態(tài)信息［18］；然后，使用Pegasus Manager 軟件進行SLAM 解算，目的是利用IMU 慣性測量單元輔助SLAM 去除因運動引起的點云畸變，在完成SLAM 解算生成軌跡文件后，將軌跡文件和儀器采集的原始點云進行融合解算，完成點云的拼接和輸出；最后，在Leica Infinity軟件中運用全站儀測出的基站點坐標求取轉換參數實現坐標轉換。拼接和坐標轉換后的點云如圖5 所示。

Fig.5 Point cloud data obtained by backpack-type 3D laser scanner圖5 背包式三維激光掃描儀獲取點云數據

（2）點云數據去噪。由于激光折射會在水面下形成許多噪點，同時采集到的洞內船只和前期活動留下的一些構筑物點云都會對后期的點云數據融合造成不良影響，需要對這些噪點進行去除。在Maptek I-site studio 軟件中采用人工交互方式，分別對地面架站式三維激光掃描儀和背包式三維激光掃描儀獲取的點云進行去噪。去噪前后的點云如圖6 和圖7 所示。

Fig.6 Comparison of laser point cloud of ground-mounted scanner before and after denoising圖6 地面架站式掃描儀激光點云去噪前后對比

Fig.7 Comparison of laser point cloud of backpack scanner before and after denoising圖7 背包式掃描儀激光點云點云去噪前后對比

（3）點云數據過濾。由于進行了多站的數據采集，采集重疊區(qū)域和距儀器較近區(qū)域點云密度較大，造成了一定的數據冗余，因此需要對過密點云進行過濾。本文采用距離過濾方法，對點云進行過濾。過濾前后的點云如圖8 所示。

Fig.8 Comparison before and after point cloud filtering圖8 點云過濾前后對比

4.2 攝影測量數據處理

Fig.9 Partial stalactite point cloud generated by photogrammetry technology圖9 攝影測量技術生成部分鐘乳石點云

5 多源點云數據融合

點云融合主要是將不同數據源的點云數據融合成一個點云數據［20］。本文中，不同數據獲取方式得到的點云在預處理階段都進行了坐標系和尺度的統(tǒng)一。但由于洞內不便布設控制點，會導致統(tǒng)一坐標系下的多源點云數據處于不同位置，因此還需對多源點云數據進行精細匹配融合。

本文采用改進ICP 算法對3 種數據采集方式獲得的點云數據作進一步融合，在傳統(tǒng)ICP 算法的基礎上加入旋轉角約束和動態(tài)迭代系數［6］，對于兩個待融合的點云Pgt和Ps，算法實現過程如下：

首先計算點云的剛體變換初值：

R0為初始旋轉矩陣，t0為初始平移矢量。估計旋轉角邊界：

θxb、θyb、θzb為旋轉角的均值；Δθx、Δθy、Δθz是旋轉角的偏差。用ICP 算法建立待融合的兩組點云的相關性，并計算旋轉矩陣Rk+1和平移矢量tk+1：

計算qk+1的相鄰兩次迭代的變化量Δqk+1。利用式（4）［6］計算Psk+1，得到新的剛體變換（Rk+1，tk+1）。

通過求取兩次均方根誤差（RMSE）與設定閾值進行比較，使得融合精度達到閾值要求后停止迭代，RMSE的定義如式（5）［6］。

在實驗過程中，先將全部的點云數據格式轉換為“.obj”格式。以地面架站式三維激光掃描儀獲取的數據作為基準，分別將背包式三維激光掃描儀和攝影測量獲取的點云與之融合。圖10 展示了數據融合結果，圖中紅色為架站式三維激光掃描采集點云，黃色為背包式三維激光掃描儀獲取點云。從圖10（a）中可以看出，數據總體上能夠實現較好的融合效果；從圖10（b）中可以看出，兩種數據融合后能夠有效補充單一數據采集方式造成的一些數據缺失。

Fig.10 Fusion effect of laser point cloud of ground-mounted scanner and backpack scanner圖10 地面架站式掃描儀與背包式掃描儀激光點云的融合效果

在圖11 中，（a）和（b）分別代表運用攝影測量技術和地面架站式三維激光掃描儀獲取的點云數據，（c）展示了兩種數據融合后的結果?？梢钥闯?，兩種數據的融合效果較好。

Fig.11 Fusion effect of laser point cloud and photogrammetric point cloud of the ground-mounted scanner圖11 地面架站式掃描儀激光點云與攝影測量點云融合效果

為了評定地面架站式三維激光掃描儀獲取點云與背包式三維激光掃描儀和攝影測量技術獲取點云的融合精度，在配準后的點云上分別采集相應的特征點，對融合效果進行精度評估，運用式（6）求取三維坐標差ΔX、ΔY、ΔZ。

用式（7）分別求取平面點位中誤差和高程中誤差m。

為了評價地面架站式三維激光掃描儀和背包式三維激光掃描儀的融合精度，本文從融合點云中選取了10 個特征點，求取其三維坐標差，如表1 所示。

可以看出，對于地面架站式激光點云和背包式激光點云的融合，X的最大誤差值為-3.7cm，最小誤差值為1.5cm；Y的最大誤差值為-3.9cm，最小誤差值為0.9cm；Z的最大誤差值為-3.2cm，最小誤差值為-1cm；利用式（7）計算平面點位中誤差為4.187cm，高程中誤差為2.432cm。

為了評估地面架站式三維激光掃描儀與攝影測量技術獲取點云數據的融合精度，從融合區(qū)域內選取8 個特征點，通過式（6）計算三維坐標差，結果如表2 所示。

可以看出，對于地面架站式激光點云和攝影測量點云，X的最大誤差值為-4.9cm，最小誤差值為2.5 cm；Y的最大誤差值為5.5 cm，最小誤差值為-2.6 cm；Z的最大誤差值為-5.1 cm，最小誤差值為1.8cm；利用式（7）計算平面點位中誤差為6.263cm，高程中誤差為4.225cm。

從以上數據可知，采用改進的ICP 算法對3 種點云數據的融合效果較好。其中，地面架站式激光點云和背包式激光點云的融合效果優(yōu)于與攝影測量點云的融合效果。其原因在于，洞內多為水面攝影測量像控點而無法布設，只能從配準后的地面架站式激光點云中選取特征點坐標作為像控點對影像進行校正；同時攝影測量的精度相較于激光掃描的精度也較低。

Table 1 Laser point cloud accuracy checklist for ground station scanner and backpack scanner表1 地面架站式掃描儀和背包式掃描儀激光點云精度檢查

Table 2 Accuracy checklist of laser point cloud and photogrammetric point cloud of ground-mounted scanner表2 地面架站式掃描儀激光點云和攝影測量點云精度檢查

6 結語

利用地面架站式三維激光掃描儀、背包式三維激光掃描儀和攝影測量技術獲取巖溶洞穴內的多源點云數據，通過點云數據融合算法實現多源點云數據的融合。通過該方法可以獲取到溶洞內更加完整的點云數據，為巖溶洞穴的旅游開發(fā)提供了數據支撐，同時也為復雜空間中點云數據的獲取方法提供了參考。雖然多源點云數據采集和融合可在一定程度上減少單一獲取方式造成的數據缺失，但是想要獲取完整的溶洞點云數還是存在一定困難。下一步工作還需探索有效的缺失數據補全方法，對缺失數據進行補全。