胡達 黎永索 張可能 梁曉東 梁小強 吳有平

摘要：為進一步提高三維激光掃描技術的量測精度，從優(yōu)化濾波算法的角度出發(fā)，基于Kriging改進算法，考慮描述對象的空間相關性質，針對點云數(shù)據(jù)的濾波處理問題，研究點云格網化濾波的優(yōu)化方法。以實際工程為依托，通過現(xiàn)場監(jiān)測比對試驗，對三維激光點云數(shù)據(jù)進行格網化處理和分析，將試驗得出的變形數(shù)據(jù)與傳統(tǒng)方法的量測數(shù)據(jù)進行對比。結果表明：基于Kriging濾波的改進算法不僅能夠高效識別和提取隧道輪廓斷面可視化數(shù)據(jù)，而且可以高效、準確地獲得隧道變形；試驗的拱頂下沉數(shù)據(jù)與傳統(tǒng)量測數(shù)據(jù)較接近，而周邊收斂數(shù)據(jù)則有一定的差異。三維激光掃描技術下的隧道變形監(jiān)測在一定的環(huán)境條件下能較好地反映隧道變形的真實情況，為隧道工程的施工提供有效的安全預警。

關鍵詞：Kriging濾波算法；隧道變形；三維激光掃描；點云數(shù)據(jù)；監(jiān)測試驗

中圖分類號：U456.3 文獻標志碼：A 文章編號：2096-6717（2022）06-0052-11

Improved Kriging point cloud filtering algorithm and monitoring experiment study

HU Da 1，2a，LI Yongsuo 1，ZHANG Keneng 2a，2b，LIANG Xiaodong 3，LIANG Xiaoqiang 1，WU Youping 4

（1.Hunan Engineering Research Center of Structural Safety and Disaster Prevention for Urban Underground Infrastructure;School of Civil Engineering，Hunan City University，Yiyang 413000，Hunan，P.R.China;2a.Key Laboratory of Metallogenic Prediction of Nonferrous Metals and Geological Environmental Monitoring，Ministry of Education;2b.School of Geosciences and Info-Physics，Central South University，Changsha 410083，P.R.China;3.Hunan Lianzhi Technology Co.，Ltd.，Changsha 410200，P.R.China；4.Power China Zhongnan Engineering Co.，Ltd.，Changsha 410014，P.R.China）

Abstract：In order to further improve the measurement accuracy of 3D laser scanning technology，this paper studies the optimization method of point cloud grid filtering from the perspective of optimization filtering algorithm and improved algorithm based on Kriging，considering the space-related properties of description objects and aiming at the filtering processing problem of point cloud data.Based on engineering practice，grid processing and analysis of 3D laser point cloud data are carried out through field monitoring and comparison test，and the deformation data obtained from the test is compared with the measured data by traditional methods.The results show that the improved algorithm based on Kriging filtering can identify and extract the tunnel contour cross-section's visual data efficiently and obtain the deformation of the tunnel efficiently and accurately.The experimental data of vault subsidence is close to the traditional measurement data，while the peripheral convergence data has some differences.Therefore，tunnel deformation monitoring under 3D laser scanning can better reflect tunnel deformation's real condition under certain environmental conditions and provide asufficient safety warning for tunnel construction.

Keywords：Kriging filtering algorithm;tunnel deformation;3D laser scanning;point cloud data;monitoring test

對隧道圍巖的穩(wěn)定性進行監(jiān)控及預報是確保隧道現(xiàn)場施工安全、提高施工信息化水平、優(yōu)化圍巖支護設計參數(shù)必不可少的一項重要工作。目前，隧道監(jiān)控量測的主要方法仍然是采用精密水準儀、全站儀、智能收斂計等儀器設備進行測量，這些測量工作首先需要在隧道洞壁上及時布設監(jiān)控測點（三角掛鉤、反光片等）。這種傳統(tǒng)監(jiān)控量測方法實際操作起來非常麻煩，效率極低，且誤差不容易控制，監(jiān)測過程中極易造成對圍巖穩(wěn)定性評價的錯誤判斷，使隧道施工安全性降低。

近年來，激光掃描技術逐漸興起，該技術具有高精度、高效率、高分辨率、全自動數(shù)字化采集、數(shù)據(jù)量豐富等特點[1]。將三維激光掃描技術應用于隧道監(jiān)控量測是未來發(fā)展的一個重要研究方向，學者們在該技術的探索和研究上取得了大量的成果。王濤等[2]基于點云數(shù)據(jù)預處理問題，采用小波分析格網化濾波方法，并結合南京地鐵隧道進行了應用，取得了較好的濾波效果。許度等[3]提出了一種基于三維激光掃描技術的隧道變形非接觸原位測試技術，建立了基于掃描信息的圍巖結構面表征方法，并在中國錦屏地下深埋硐室群工程進行了應用。吳勇等[4]采用三維激光掃描技術進行運營期隧道檢測，為隧道的病害檢測及修復提供了一定參考。杜黎明等[5]提出了一種迭代橢圓擬合的方法，對隧道變形點云數(shù)據(jù)的提取進行了研究。張帆[6]提出了一種“聚合”算法，并應用于隧道管片結構變形可視化分析。徐衛(wèi)東等[7]以北京地鐵7號線為依托，運用三維激光掃描技術對隧道開挖的現(xiàn)狀進行了測量。虞偉家[8]采用新型移動式三維激光測量技術，對盾構隧道進行了點云數(shù)據(jù)采集，并在蘇州地鐵進行了隧道監(jiān)測試驗。黃帆等[9]對盾構隧道管片變形進行了隧道監(jiān)測試驗，點云數(shù)據(jù)分析結果表明，三維激光掃描技術優(yōu)勢明顯，對地鐵施工具有一定的指導意義。上述研究成果表明，目前精度最高的三維激光掃描儀在很多領域的應用上已經可以替代全站儀，能夠基本滿足隧道監(jiān)控量測的精度要求。

大量研究表明[10-11]，點云濾波算法成為三維激光掃描精度是否滿足應用要求的關鍵。因此，對點云濾波進行針對性的研究十分必要。結合近年來各種濾波算法不同的理論背景，可以分成基于坡度、曲面擬合、分割、不規(guī)則三角網、形態(tài)學及機器學習的濾波算法6大類?；谄露鹊臑V波算法原理簡單、易實現(xiàn)，但過度依賴閾值的設定，在地形起伏較大區(qū)域不適合海量數(shù)據(jù)的實時處理，濾波效果不佳[12-13]?；谇鏀M合的濾波算法有賴于插值方法的選擇，所采用的多層級迭代方式會受到每一層級濾波結果的影響，容易出現(xiàn)誤差傳遞與累積[14-16]。

基于分割的濾波算法其濾波效果過分依賴聚類分割的結果，而點云分割方法的選擇也對濾波結果有很大影響[17]?；诓灰?guī)則三角網的濾波算法需要占用大量內存，并且對低位噪聲敏感，極易誤判低地勢物點[18]?；谛螒B(tài)學的濾波算法原理簡單、實現(xiàn)效率高，但此類算法在地形起伏較大區(qū)域的穩(wěn)健性有待提高，如何提高其整體精度將是后續(xù)研究的重點[19]。基于機器學習的濾波算法需要大量的訓練樣本，其樣本必須覆蓋所有可能的地形特征，對計算機資源要求非常高，取得較好的濾波效果難度較大[20]。

綜上所述，以上各種點云濾波算法均各有局限性，如何改進和完善濾波算法，提高算法精度成為監(jiān)測試驗能否成功的關鍵。由于Kriging插值算法在快速自動生成DEM方面精度高，整體精度評價方法具有可操作性[21]。筆者結合Kriging插值算法，通過現(xiàn)場試驗段監(jiān)測，對點云數(shù)據(jù)進行提取分析，將試驗得出的變形數(shù)據(jù)與傳統(tǒng)方法的量測數(shù)據(jù)進行對比，以驗證其算法精度，為推進三維激光掃描技術在隧道監(jiān)控量測中的應用提供理論依據(jù)。

1 Kriging濾波改進算法

Kriging插值法是一種運用結構分析與變異函數(shù)相關理論，在有限空間內針對區(qū)域化變量進行最優(yōu)和無偏估值計算的預測方法，是研究空間變異和進行空間插值的一種線性無偏最優(yōu)估計算法。

Kriging插值法不僅考慮待估點位置與已知數(shù)據(jù)位置的相互關系，還考慮變量的空間相關性。假設區(qū)域化變量不是相互獨立的，具有一定的隨機性和結構特性，而且滿足二階平穩(wěn)和內蘊平穩(wěn)。同時，Kriging方法在數(shù)據(jù)網格化的過程中考慮了描述對象的空間相關性質，使插值結果更科學、更接近于實際情況，能給出插值的誤差（Kriging方差），使插值的可靠程度一目了然[22]?？紤]時間因素，將經典的Kriging空間插值進行拓展[23-24]，建立時空Kriging插值模型，并將其應用于點云格網化濾波分析，提高三維激光掃描數(shù)據(jù)獲取的精度。

1.1 空間插值

Kriging插值法的基本數(shù)學模型[25]為

式中：Z′（X 0）為預測點的估計值；Z（X i）為預測點鄰域內參與預測的參考點的值；λ i為Kriging權系數(shù)，在無偏性和最小方差性條件下，其值依賴變異函數(shù)的計算結果來確定。

式（1）是n個數(shù)值的線性組合，Kriging方法的原則就是保證估計量無偏，且在估計方差σ2E最小的前提下，求出n個權值系數(shù)λ i。

在無偏性條件下，為了使估計方差最小，用拉格朗日乘子法求條件極值，見式（3）。

F是n個權系數(shù)和μ的（n+1）元函數(shù)，求出F對λ i和μ的偏導數(shù)，最后得到用半變異函數(shù)值表示的Kriging方程組。

式中：y i，j=y（x i，x j）=y（x i-x j），為半變異函數(shù)值。

半變異函數(shù)或者半變差函數(shù)是從空間統(tǒng)計學中的方差概念演化而來的，將區(qū)域變量Z（x）在點x和（x+h）的值Z（x）和Z（x+h）之差的方差的1/2定義為區(qū)域變量Z（x）在x軸上的半變差函數(shù)，記為γ（h），即

試驗半變異函數(shù)計算公式為

式中：N（h）為被增量h分隔的試驗數(shù)據(jù)對的數(shù)目。

為了估計區(qū)域化變量的未知值，需要將半變量試驗函數(shù)擬合到相應的理論半變異函數(shù)模型中。典型Kriging算法提供的半變異函數(shù)模型包括高斯模型、線性模型、球面模型、阻尼正弦模型、指數(shù)模型等，其中，原點附近的球形變異函數(shù)模型是線性的，指數(shù)變異函數(shù)模型是直線，高斯變異函數(shù)模型是拋物線?？紤]到本研究是將其應用到隧道變形監(jiān)測的濾波算法中，選用球形模型，這樣既考慮了儲層參數(shù)的隨機性，又考慮了儲層參數(shù)的相關性，在滿足插值方差最小的條件下，給出最佳線性無偏插值和方差。具體模型表達式為

式中：c 0為塊金值；c 0+c為基臺值；c為偏基臺值；a為變程；h為滯后距。

濾波算法流程如圖1所示。

1.2 時空插值

空間Kriging只能估計某一時間上未知區(qū)域的變形量，如果要估計任意時刻任意位置的變形量，需要進行時空Kriging插值。在隧道掘進過程中，監(jiān)測點的布置、數(shù)據(jù)的采集以及位移值的變化不是空間和時間上的單一變化，而是時間與空間的統(tǒng)一。選用普通Kriging方法實現(xiàn)數(shù)據(jù)的時空插值[26-27]，計算公式為

式中：Z*（s0，t 0）為時空點（s 0，t 0）處的估計值；λ i為臨近觀測值Z（s i，t i）的加權系數(shù)，引入拉格朗日系數(shù)μ進行推導可得

式（9）中的加權系數(shù)λ的值可通過式（1）得到，繼而代入式（8），可得研究區(qū)域內任意點的插值估計值。

2 現(xiàn)場監(jiān)測試驗方案

采用德國Z+F IMAGER 5010X三維激光掃描儀對長沙市城市固體廢棄物處理場管理生活區(qū)隧道工程進行監(jiān)控量測，并將所量測的數(shù)據(jù)與傳統(tǒng)監(jiān)控量測方法的數(shù)據(jù)進行對比研究。德國Z+F IM?AGER 5010X三維激光掃描儀數(shù)據(jù)獲取速率超過100萬點每秒，50 m處精度最高可達0.8 mm，測程為0.3～187.3 m，是一臺高性能、高精度的旗艦掃描儀，非常適合應用于高精度的工業(yè)測量和隧道工程測量。該儀器精度信息如表1所示。

2.1 工程概況

所采用的試驗數(shù)據(jù)來源于長沙市城市固體廢棄物處理場管理生活區(qū)隧道工程監(jiān)控量測項目現(xiàn)場。隧道場地位于長沙市望城區(qū)橋驛鎮(zhèn)黑麋峰固體廢棄物處理場西側一帶的山間空地，為望湘巖基的南部地區(qū)，以侵蝕構造地貌為主，屬低山丘陵地貌，主要表現(xiàn)為低山—丘陵與沖溝形態(tài)，山脈脈絡清晰，山頂一般較圓滑，個別較尖，山脊大多數(shù)開闊舒緩，局部地段狹窄，形成窄陡山脊。隧道起始樁號為K0+195～K0+285，長為90 m。根據(jù)勘察結果，該場地內地形起伏大，山坡較為陡峭，場地內分布的地層主要有第四系殘坡積層，下伏基巖為燕山晚期花崗巖。

2.2 試驗方案

地面三維激光掃描外業(yè)實施計劃的制定需要根據(jù)測量任務、要求以及現(xiàn)場條件決定，主要包括坐標系、掃描儀及其配準靶標和掃描站的選擇等。

根據(jù)實施計劃，提前布設好靶標，然后連接相關設備，設置掃描參數(shù)（如掃描范圍、掃描距離、掃描間隔等），在不同的掃描站上架設掃描儀進行掃描。

2.2.1 控制點的布設與測量 在隧道工程監(jiān)測試驗中，由于現(xiàn)場條件限制，控制點只能布設在一側，如圖2所示。因此，在隧道洞口布設了3個自制的平面靶標，如圖3所示。作為控制坐標轉換點，要求這些點的位置相對固定，并且不易被施工破壞。布設好控制轉換點后，用全站儀測得靶標中心在施工控制坐標系下的坐標，用于后續(xù)轉換。對于站間轉換公共點，選擇不受入射角影響、反射率高、方便布設的標準球形靶標，如圖4所示。將3～4個球形靶標布設在兩相鄰測站之間，并在兩測站上均對其進行精掃。

2.2.2 數(shù)據(jù)采集 外業(yè)測量是實際獲取數(shù)據(jù)的過程，掃描距離、物體表面材質、控制網、靶標測量精度、光斑大小、掃描點間距、點云拼接精度、全反射物質和外界環(huán)境等因素均對點云數(shù)據(jù)的質量產生直接影響。與其他光學電子儀器一樣，外界環(huán)境溫度、氣壓、空氣質量等因素對激光回波信號的影響顯著。因此，鑒于隧道內施工環(huán)境異常復雜，為避免數(shù)據(jù)采集質量受到影響，選取隧道內空氣可見度較高的時段進行試驗測試。

現(xiàn)場掃描試驗前，先在隧道內確定好儀器和靶標的位置，確保在進行掃描時不會被打斷或遮擋。

布設好靶標球，如圖4所示。架好掃描儀，設置好掃描參數(shù)，然后進行掃描作業(yè)。掃描作業(yè)時靶標球需要保持固定狀態(tài)，避免工人觸摸或誤動，從而致使球的位置發(fā)生變化，影響后續(xù)點云配準精度。試驗掃描目標為隧道襯砌外表面的目標點，所以不必進行全景粗掃，而是先直接進行全景目標掃描，再在此基礎上對靶標球進行精掃（高精度高質量掃描）。

試驗時可按圖5進行設站和靶標布設（站1～站3為測量站點），具體要求如下：兩站之間間距約25～30m，保證兩站之間點云重合數(shù)不少于30%；靶標球或靶標板擺設與兩站中間至兩邊站的距離比較均勻；

靶標盡量上下左右起伏較大，保證空間位置形狀良好；兩站之間至少有4個靶標，便于后期拼站的精度。圖6為三維激光掃描儀在隧道現(xiàn)場的掃描示意圖。

2.3 數(shù)據(jù)處理

2.3.1 數(shù)據(jù)處理基本流程 對于三維激光掃描儀獲得的點云數(shù)據(jù)，并非每一個都能使用，過多的數(shù)據(jù)點會降低計算機運行的效率、增加存儲空間。隧道點云整體圖如圖7所示。為避免上述問題，需要刪除部分數(shù)據(jù)點，即對點云數(shù)據(jù)進行精簡處理，點云數(shù)據(jù)處理的主要流程為：

1）點云編輯。裁減掉點云粗差以及與目標無關的點云。

2）點云配準與拼接。利用公共點坐標將不同測站測量的點云數(shù)據(jù)轉換到同一坐標系中，實現(xiàn)點云的拼接，形成一個整體。目前，點云配準的方法主要有3種：人工靶標配準、點云自身配準和控制坐標系配準。配準后的點云圖如圖8所示。

3）建立拓撲關系。點云通常是孤立的點，每個點只與其一定范圍內的周圍點相關?？臻g點云拓撲關系的建立主要有八叉樹法、網格法和k-d樹法等。

4）點云數(shù)據(jù)的精簡。點云數(shù)據(jù)精簡算法大致可以分為4類：包圍盒法、隨機采樣法、曲率采樣法和均勻網格法。

5）點云數(shù)據(jù)的去噪與光順。由于被測對象表面的粗糙度、波紋等缺陷和測量系統(tǒng)本身的影響，真實數(shù)據(jù)中混有噪聲點?？筛鶕?jù)點云質量和后續(xù)建模要求靈活選擇合適的濾波算法。

6）孔洞的修補。激光掃描的過程中會因為各種原因（如局部遮擋）造成漏測，從而形成點云孔洞。修補算法可以分為2種：一種是在三角網格表面重建時進行三角網格面修補；另一種是先對散射點云數(shù)據(jù)孔洞進行修補，然后對三角網格面進行重建。

7）點云數(shù)據(jù)的分割。數(shù)據(jù)分割形成的不同曲面類型的子區(qū)域具有特征單一、凹凸一致的特點。

對每一子區(qū)域進行單獨重構有利于曲面擬合時減小誤差和保持點云性質。目前，點云分割的算法主要有基于邊的算法、基于面的算法和基于聚類的算法。

8）點云數(shù)據(jù)的三維建模。在三維模型的建構過程中，曲面重構是最關鍵也最復雜的一步。目前，主要有兩類曲面重構方案：以三角網格面為基礎的自由曲面重構方案和以樣條曲面為基礎的自由曲面重構方案。

2.3.2 點云數(shù)據(jù)處理 點云濾波是點云數(shù)據(jù)處理中一個非常重要的環(huán)節(jié)，準確的濾波結果將有利于提高點云后處理結果的精度。根據(jù)普通Kriging插值的原理，采用Matlab程序實現(xiàn)Kriging濾波算法，并利用程序對點云數(shù)據(jù)進行處理。為減少濾波算法的工作量，選取最為接近垂直于靶標球表面的3個測點進行計算，取c 0=0.01、c=0.2、a=20。取n=3，根據(jù)式（9），有μ=0.0159、σ2E=0.0547。

1）將外業(yè)掃描獲取的點云數(shù)據(jù)導入到數(shù)據(jù)處理程序中，進行點云數(shù)據(jù)預處理操作（濾波、去噪），為后續(xù)操作做準備。

2）數(shù)據(jù)預處理完成后，在配準流程（Registering）中，分別用平面靶標擬合工具和球形靶標擬合工具對靶標進行擬合，提取出靶標中心在掃描儀坐標系中的三維坐標。

3）靶標中心坐標提取完成后，再進行點云配準，將全站儀測得的控制靶標的坐標保存在TXT文件中，并將點云數(shù)據(jù)轉換到控制坐標系中。如果布設的公共點較多，配準時應該選擇質量較好的點進行點云配準。最后將配準后的點云數(shù)據(jù)坐標信息導出到TXT文件中，完成數(shù)據(jù)處理流程。

3 數(shù)據(jù)提取及分析

3.1 監(jiān)測信息提取

根據(jù)隧道表面的點云數(shù)據(jù)坐標，可以提取出任意樁號處的隧道斷面數(shù)據(jù)，從而進行斷面擬合，提取出中心坐標，然后擬合出中線。在這些數(shù)據(jù)上可以對超欠挖情況、拱頂沉降情況、收斂狀態(tài)和軸線偏差等進行分析，對施工進行指導，及時發(fā)現(xiàn)不穩(wěn)定及危險情況并上報，減少災害發(fā)生及其不良后果的產生。

3.1.1 斷面提取 在隧道監(jiān)控量測中，所有的測量工作都是在斷面的基礎上完成的，所以，三維激光掃描數(shù)據(jù)應用在隧道中的第一步就是斷面提取，否則其他的監(jiān)控量測項目將無法完成?？梢愿鶕?jù)隧道的設計資料來提取斷面。由斷面的定義可知，隧道中軸線上某點處的斷面與該點處的切線垂直，即該點處的切線向量就是該斷面的法向量。設該點在中軸線上的坐標為（x 0，y 0，z 0），該點處的切線向量為n=（A，B，C），則該點處的斷面方程為

A（x-x 0）+B（y-y 0）+C（z-z 0）=0（10）

中軸線上某點的三維坐標可以根據(jù)隧道段的線路設計參數(shù)確定，該點處的切線向量n=（1，k，i/cos（atan k）），k為xoy平面中的切線斜率，i為坡度。

不管掃描儀的分辨率有多高，測量的點與點之間總會有一定的間隔，所以，在實際提取斷面時，該斷面并不是嚴格的平面，而是有一定厚度的。在實踐應用中，一般提取1～2 cm厚度平面的數(shù)據(jù)作為斷面數(shù)據(jù)。圖9～圖11為利用該方法提取的同一樁號處的隧道斷面。圖9為在施工坐標系中提取的斷面；圖10為施工坐標系中旋轉到正面后的斷面，圖11為在獨立坐標系中的斷面，原點在軸線中心。

3.1.2 變形信息提取 依據(jù)行業(yè)規(guī)范《公路隧道施工技術規(guī)范》（JTG/T 3660—2020），在隧道監(jiān)測中，周邊位移和拱頂沉降是必測項目，并且每5～50 m需要測量一個斷面。三維激光掃描儀掃描的數(shù)據(jù)是連續(xù)、全面的，所以用掃描數(shù)據(jù)進行拱頂沉降和收斂變化的監(jiān)測可以在任意斷面處進行。而傳統(tǒng)監(jiān)控量測方法對隧道周邊的收斂量測一般采用隧道凈空變化測定計（簡稱收斂計）進行。拱頂沉降和收斂變化都是在斷面上選擇固定的點，對其進行連續(xù)的監(jiān)測，收斂量測測點與拱頂下沉測點布置在同一斷面。傳統(tǒng)方法需要使用預埋件，而三維激光掃描方法不需要任何預埋件。根據(jù)隧道情況，拱頂沉降監(jiān)測一般選取1～3個點，收斂變化一般選取2～3對點。

在斷面中提取監(jiān)測點數(shù)據(jù)時，一般以監(jiān)測點為中心的面狀數(shù)據(jù)為基礎，然后對區(qū)域內的點進行距離加權平均求取監(jiān)測數(shù)據(jù)。設選取的監(jiān)測點設計坐標為（x 0，y 0，z 0），選取區(qū)域內的點坐標為（x i，y i，z i），i=1，2，3…n，則監(jiān)測點的測量坐標為

獲取了各個測點的監(jiān)測數(shù)據(jù)后，就可以以第一期數(shù)據(jù)為基礎，作出時間變化曲線，以反映各斷面的收斂與沉降情況，還可以作出空間變化曲線，以反映隧道的整體變化情況。

3.2 數(shù)據(jù)分析

在隧道坐標文件的基礎上進行數(shù)據(jù)挖掘與分析。根據(jù)隧道表面的點云數(shù)據(jù)坐標，可以提取出任意樁號處的隧道斷面數(shù)據(jù)，從而進行斷面擬合，提取出中心坐標，然后擬合出中線。選擇該隧道工程具有代表性的3個斷面進行對比分析，分別采用反距離倒權法（IDW）、不規(guī)則三角網法（TIN）與克里金法（Kriging）進行對比研究。3個斷面在監(jiān)測周期內的最終累計變形對比見表2、表3，圖12～圖17為所提取的K0+202、K0+207、K0+212斷面的位移收斂示意圖。

從表2中的對比結果來看，由于三維激光掃描獲取了海量且較為均勻的監(jiān)測數(shù)據(jù)，從而對IDW和Kriging方法十分有利，所得結果較相近；而TIN法的濾波結果誤差相對較大?？傮w情況表明，相對于IDW法，Kriging改進算法的濾波更接近真實值，算法精度更高，且更適合數(shù)據(jù)較多的情況，同時也說明該方法是行之有效的。

由表3可知，三維激光掃描量測的累計變形總體相對較小，其中K0+207、K0+212拱頂沉降數(shù)據(jù)較為接近傳統(tǒng)量測結果，周邊收斂數(shù)據(jù)差異較大。

結合現(xiàn)場情況并對設備精度進行分析可知，隧道內環(huán)境因素對量測精度影響極大。對于拱頂沉降，掃描儀只需提取Z軸方向的坐標點數(shù)據(jù)就可以得出沉降結果，因而比水平坐標的換算更為穩(wěn)定；對于周邊收斂，掃描儀必需提取X、Y、Z軸3個方向的坐標點數(shù)據(jù)才能有效得出收斂變形結果，由此造成的誤差較大。除數(shù)據(jù)提取外，隧道內環(huán)境等因素也對監(jiān)測結果造成較大的不確定性，進而造成誤差累積。

試驗數(shù)據(jù)同時也說明，在隧道變形監(jiān)測中，三維激光掃描技術的抗干擾能力和精度還有待進一步優(yōu)化和提高。在特定的監(jiān)測環(huán)境下，三維激光掃描技術所量測的隧道累計變形值在一定程度上能較好地反映隧道變形的真實情況。

4 結論

采用基于Kriging的濾波算法，對三維激光掃描點云數(shù)據(jù)進行處理，通過現(xiàn)場試驗與傳統(tǒng)點云濾波數(shù)據(jù)處理方法的對比，說明該方法能夠高效識別并提取隧道輪廓斷面的可視化數(shù)據(jù)，為三維激光掃描技術在隧道監(jiān)測領域的廣泛應用提供解決方案。

試驗結果表明：

1）將經典的Kriging空間插值進行擴展，并將其應用于點云格網化濾波分析，計算結果表明，該算法在快速自動生成DEM方面精度較高，提高了三維激光掃描數(shù)據(jù)獲取的精度。然而，如何進一步提高針對海量點云數(shù)據(jù)的濾波效率、提升濾波算法自動化程度以及控制誤差，將是點云濾波算法今后的研究重點。

2）通過現(xiàn)場監(jiān)測試驗，對點云數(shù)據(jù)進行提取分析，將試驗得出的變形數(shù)據(jù)與傳統(tǒng)方法量測數(shù)據(jù)進行對比，結果表明，基于Kriging濾波算法的三維激光掃描技術能夠較為高效、準確地獲得隧道變形數(shù)據(jù)。

3）三維激光掃描技術在隧道變形監(jiān)測中的抗干擾能力和精度還有待進一步優(yōu)化和提高。在一定的監(jiān)測環(huán)境條件下，可以對拱頂沉降、周邊收斂和軸線偏差等進行分析，并及時預警圍巖穩(wěn)定性異常及危險情況，防止地質災害的發(fā)生，為隧道工程安全施工保駕護航。

參考文獻

[1]謝雄耀，盧曉智，田海洋，等.基于地面三維激光掃描技術的隧道全斷面變形測量方法[J].巖石力學與工程學報，2013，32（11）：2214-2224.XIE XY，LU XZ，TIAN HY，et al.Development of amodeling method for monitoring tunnel deformation based on terrestrial 3D laser scanning[J].Chinese Journal of Rock Mechanics and Engineering，2013，32（11）：2214-2224.（in Chinese）

[2]王濤，田林亞，侯建梅，等.點云格網化濾波方法及其在隧道變形監(jiān)測中的應用[J].河海大學學報（自然科學版），2018，46（5）：451-457.WANG T，TIAN LY，HOU JM，et al.Method of the point clouds filtering by grid handling and its application in the deformation monitoring of tunnel[J].Journal of Hohai University（Natural Sciences），2018，46（5）：451-457.（in Chinese）

[3]許度，馮夏庭，李邵軍，等.激光掃描隧洞變形與巖體結構面測試技術及應用[J].巖土工程學報，2018，40（7）：1336-1343.XU D，F(xiàn)ENG XT，LI SJ，et al.In-situ testing technique for tunnel deformation and structural plane of rock mass based on contactless laser scanning method and its application[J].Chinese Journal of Geotechnical Engineering，2018，40（7）：1336-1343.（in Chinese）

[4]吳勇，張默爆，王立峰，等.盾構隧道結構三維掃描檢測技術及應用研究[J].現(xiàn)代隧道技術，2018，55（Sup2）：1304-1312.WU Y，ZHANG MB，WANG LF，et al.Research on3D scanning technology and its application to the shield tunnel structure detection[J].Modern Tunnelling Technology，2018，55（Sup2）：1304-1312.（in Chinese）

[5]杜黎明，鐘若飛，孫海麗，等.移動激光掃描技術下的隧道橫斷面提取及變形分析[J].測繪通報，2018（6）：61-67.DU LM，ZHONG RF，SUN HL，et al.Tunnel cross section extraction and deformation analysis based on mobile laser scanning technology[J].Bulletin of Surveying and Mapping，2018（6）：61-67.（in Chinese）

[6]張帆.基于激光掃描的隧道管片結構變形數(shù)據(jù)處理及可視化分析方法[J].現(xiàn)代隧道技術，2018，55（Sup2）：1043-1050.ZHANGF.Anautomaticdataprocessingand visualization analysis method for deformations of tunnel segment structure using laser scanning data[J].Modern Tunnelling Technology，2018，55（Sup2）：1043-1050.（in Chinese）

[7]徐衛(wèi)東，王磊，蘆榮海，等.高精度掃描儀在地鐵隧道施工中的應用[J].測繪通報，2019（3）：148-150.XU WD，WANG L，LU RH，et al.Application of high precision scanner in subway tunnel construction[J].Bulletin of Surveying and Mapping，2019（3）：148-150.（in Chinese）

[8]虞偉家.基于移動三維激光掃描的盾構隧道斷面提取與應用[J].測繪通報，2019（Sup2）：200-206.YU WJ.Section extraction and application of shield tunnel based on moving 3D laser scanning[J].Bulletin of Surveying and Mapping，2019（Sup2）：200-206.（in Chinese）

[9]黃帆，李維濤，侯陽飛，等.激光點云的隧道數(shù)據(jù)處理及形變分析[J].測繪科學，2019，44（5）：132-137.HUANG F，LI WT，HOU YF，et al.Tunnel data processing and deformation analysis study based on laser point cloud[J].Science of Surveying and Mapping，2019，44（5）：132-137.（in Chinese）

[10]惠振陽，程朋根，官云蘭，等.機載LiDAR點云濾波綜述[J].激光與光電子學進展，2018，55（6）：7-15.HUI ZY，CHENG PG，GUAN YL，et al.Review on airborne LiDAR point cloud filtering[J].Laser&Optoelectronics Progress，2018，55（6）：7-15.（in Chinese）

[11]焦晨，王寶鋒，易耀華.點云數(shù)據(jù)濾波算法研究[J].國外電子測量技術，2019，38（11）：18-22.JIAO C，WANG BF，YI YH.Research on point cloud datafilteringalgorithms[J].ForeignElectronic Measurement Technology，2019，38（11）：18-22.（in Chinese）

[12]MENG XL，CURRIT N，ZHAO KG.Ground filtering algorithms for airborne LiDAR data：A review of critical issues[J].Remote Sensing，2010，2（3）：833-860.

[13]SUSAKI J.Adaptive slope filtering of airborne LiDAR data in urban areas for digital terrain model（DTM）generation[J].Remote Sensing，2012，4（6）：1804-1819.

[14]HU H，DING YL，ZHU Q，et al.An adaptive surface filter for airborne laser scanning point clouds by means of regularization and bending energy[J].ISPRS Journal of Photogrammetry and Remote Sensing，2014，92：98-111.

[15]MONGUS D，?ALIK B.Parameter-free ground filtering of LiDAR data for automatic DTM generation[J].ISPRS Journal of Photogrammetry and Remote Sensing，2012，67：1-12.

[16]CHEN CF，LI YY，LI W，et al.A multiresolution hierarchical classification algorithm for filtering airborne LiDAR data[J].ISPRS Journal of Photogrammetry and Remote Sensing，2013，82：1-9.

[17]CHEN CF，LI YY，YAN CQ，et al.An improved multi-resolution hierarchical classification method based on robust segmentation for filtering ALS point clouds[J].International Journal of Remote Sensing，2016，37（4）：950-968.

[18]CHEN Q，WANG H，ZHANG HC，et al.A point cloud filtering approach to generating DTMs for steep mountainous areas and adjacent residential areas[J].Remote Sensing，2016，8（1）：71.

[19]HUI ZY，HU YJ，YEVENYO Y，et al.An improved morphological algorithm for filtering airborne LiDAR point cloud based on multi-level kriging interpolation[J].Remote Sensing，2016，8（1）：35.

[20]HU XY，YUAN Y.Deep-learning-based classification for DTM extraction from ALS point cloud[J].Remote Sensing，2016，8（9）：730.

[21]趙桂華，鄒曉亮，郭麗.機載LiDAR點云數(shù)據(jù)自動生成DEM的方法與精度評價[J].地理空間信息，2017，15（9）：9-12，7.ZHAO GH，ZOU XL，GUO L.Automatic generation method for DEM based on airborne LiDAR point cloud data and its accuracy assessment[J].Geospatial Information，2017，15（9）：9-12，7.（in Chinese）

[22]王新藝，康艾.基于克里金插值算法的機載LiDAR數(shù)據(jù)處理應用實例分析[J].西部資源，2013（6）：171-175.WANG XY，KANG A.Analysis of application example of airborne LiDAR data processing based on Kriging interpolation algorithm[J].Western Resources，2013（6）：171-175.（in Chinese）

[23]張可能，胡達，何杰，等.基于Kriging時空統(tǒng)一模型的隧道動態(tài)施工位移預測[J].中南大學學報（自然科學版），2017，48（12）：3328-3334.ZHANG KN，HU D，HE J，et al.Tunnel construction of dynamic displacement prediction based on unified space-time Kriging model[J].Journal of Central South University（Science and Technology），2017，48（12）：3328-3334.（in Chinese）

[24]HU D，LI YS，LIANG XQ，et al.Analysis and prediction of pavement settlement caused by jacking construction of ultra-shallow rectangular shield frame bridge[J].Mathematical Problems in Engineering，2020，2020：1-14.

[25]TRAUTH M，SILLMANN E.MATLAB?and designrecipesforearthsciences[M].Berlin，Heidelberg：Springer Berlin Heidelberg，2013.

[26]吳學文，晏路明.普通Kriging法的參數(shù)設置及變異函數(shù)模型選擇方法：以福建省一月均溫空間內插為例[J].地球信息科學，2007，9（3）：104-108.WU XW，YAN LM.Setting parameters and choosing optimum semivariogram models of ordinaty Kriging interpolation：A case study of spatial interpolation to January average temperature of Fujian Province[J].Geo-Information Science，2007，9（3）：104-108.（in Chinese）

[27]徐愛萍，胡力，舒紅.空間克里金插值的時空擴展與實現(xiàn)[J].計算機應用，2011，31（1）：273-276.XUAP，HUL，SHUH.Extensionand implementation from spatial-only to spatiotemporal Kriginginterpolation[J].JournalofComputer Applications，2011，31（1）：273-276.（in Chinese）

（編輯黃廷）