應用TLS點云數據確定邊坡特征對象區域和形變分析

李崇瑞，張　錦，肖　杰

（1.太原理工大學，山西太原030024；2.山西省測繪工程院，山西太原030024）

應用TLS點云數據確定邊坡特征對象區域和形變分析

李崇瑞1，2，張錦1，肖杰2

（1.太原理工大學，山西太原030024；2.山西省測繪工程院，山西太原030024）

針對目前主要形變監測方法監測點少、整體形變資料缺乏的不足，利用三維激光掃描儀獲取邊坡點云數據，通過對邊坡特征對象區域識別，利用重心法計算特征對象區域的形變量大小，將形變特征對象區域轉變為監測點，并分析形變特征對象區域的變形情況，彌補了傳統形變監測手段在邊坡監測應用和形變分析中的不足。

點云數據；地面三維激光掃描儀；邊坡特征對象區域；形變分析

礦區地面災害直接影響企業正常生產，常見的礦區地面災害有采空區地面裂縫、沉降、塌陷及邊坡滑坡等，對礦山邊邦，上述災害通常呈小范圍區域而非整體發生。常見的地表形變監測方法主要有:①采用GPS和測量機器人進行監測，此類方法監測精度較高且易實現自動化連續觀測，屬于單點式測量，由于監測點位置較分散，因此獲取形變范圍有限；②采用大地測量法建立形變監測網，通過邊角網觀測進行監測，這種方法監控范圍不受限制，可測定出邊坡的變形范圍，但工作量大、周期長，易受通視條件和天氣狀況的影響；③D-INSAR技術可以獲取大范圍的邊坡形變情況，其監測精度可達毫米級，但星載SAR系統重訪時間長，難以實現對監測區域的定點連續監測；④近景攝影測量法外業省時省力，能同時獲取許多觀測點的空間位置，但作為監測手段精度過低。此外，對于邊坡形變區域的發現和監測仍需配合人工巡查的方式，但對于滑動速率較慢的區域難以發覺［1-6］。

近年來，地面三維激光掃描儀（terrestrial 3D laser scanner，TLS）在邊坡形變監測與形變分析領域得到了應用［6-9］。作為一種輔助技術手段，TLS點云數據為邊坡形變分析提供了新型的數據資料，可以實現坡體快速數字化，建立坡體表面三維模型，實現真正意義上的實景復制，可準確識別邊坡特征對象區域，確定其位置、范圍及形變量大小等，能夠真實、詳盡地描繪邊坡的整體及細節處的變形情況［10-13］，大大提高和完善了形變監測系統的形變分析能力。

本文以TLS在某一露天礦區邊坡形變分析中的應用為例，對利用TLS點云數據來確定邊坡形變特征對象區域和形變分析方法進行深入研究。

一、TLS點云數據獲取和處理

1.點云數據獲取

點云數據的野外獲取需將掃描儀架設在邊坡體對面、與其高度基本平行、遮擋少、能夠全面通透掃描的位置，與掃描對象距離分布均勻。測站架設完成之后，需對儀器進行整平并設置掃描范圍、點云密度等相關參數，點擊開始后掃描儀即可自動采集數據［14-15］。

2.點云數據處理

當外業獲取三維激光掃描儀點云數據后，需用專業軟件對點云數據進行處理［7-8］，內業數據處理流程如圖1所示。

（1）點云數據解壓縮或格式轉換

掃描儀在數據存儲過程中為了節省存儲空間對點云數據進行壓縮處理，或掃描儀直接生成的點云數據文件格式不能被數據處理軟件識別，因此，在后期處理前需首先對數據文件進行解壓縮，或將掃描文件轉換成數據處理軟件能夠識別的文件格式。

（2）點云數據噪聲處理

由于觀測環境和掃描對象本身的反射特性不均勻等原因，會使點云數據中存在一定量的噪聲數據。為了減小噪聲對觀測數據的影響，需對點云數據進行降噪處理，提供高精度的建模數據。

圖1　點云數據處理流程

（3）點云數據配準與拼接處理

由于掃描儀每次掃描范圍有限，對大面積的邊坡需分塊進行掃描，則相鄰測站掃描的影像應具有一定的重疊度，需根據重疊區域的特征標志進行配準，將多幅影像拼接成一個整體。

（4）點云數據坐標轉換

三維激光掃描儀掃描得到的點云數據是在自身儀器坐標系下的空間三維位置信息，多期邊坡點云形變的計算和分析需要建立在統一的坐標系統之下，因此需將其轉化到工程項目局部坐標系中。

首先在測區穩定區域布設控制點，同時獲取掃描儀坐標系下坐標和項目工程局部坐標系下坐標，然后計算兩個坐標系的轉換參數，將點云坐標轉化到局部坐標系下。

二、邊坡特征對象區域確定和形變分析方法

1.邊坡特征對象區域確定方法

為獲取邊坡形變信息，需根據掃描數據對邊坡上可識別的特征對象區域進行分析。由于三維激光掃描儀掃描測量采用的是無合作目標的測量方式，每次掃描的激光腳點都不會重合，因此不能將兩期掃描獲取所得點云數據中的點一一對應來計算形變量。

一般情況下發生形變的特征對象是一個相對穩定的個體，如一塊巖石或一個人工制作的標志牌等，它們各自是一個整體，其內部處于一個平衡態，位移是整體性的位移，因此特征對象的選取可以選取邊坡上的相對獨立地物；而對于無明顯特征且有蠕滑現象或發生滑坡災害的小范圍區域，也可將其視為特征對象區域進行分析。為了更加精確地在整個邊坡點云數據中確定邊坡特征對象區域的邊界，需首先進行如下工作:

1）點云附加紋理。由于每個掃描點都含有三維坐標、反射強度和顏色等信息，通過圖像配準技術，將掃描儀CCD攝像機所攝照片的顏色信息匹配到點云上，構成能夠顯示邊坡實景的點云模型。

2）構建TIN模型。利用附加紋理后的點云數據構建TIN模型以模擬不規則曲面。

在附加紋理后的邊坡實景模型中，即可很容易分辨出點云中的地物，如邊坡中的巖石塊，或人工設立的標志物等，由于這些特征地物是邊坡體的組成部分，因此可將其定義為邊坡部件，通過對這些部件變形情況的分析去了解邊坡的整體變形情況。

2.邊坡位移分析方法

通過對三維激光掃描儀點云數據的處理，可有效提高點云數據精度，為進一步的形變分析提供可靠的數據基礎。根據邊坡點云數據的特征，可從以下兩方面來分析邊坡的變形情況。

（1）邊坡部件位移分析

要使多期觀測數據之間具有可比性，需保證有穩定的觀測基準，每一期部件邊界所包含的點數量穩定，因此應每次在相同的觀測環境下觀測，掃描儀采樣率、掃描密度等參數需保持一致。

由于所選的邊坡巖石部件是一個結構穩定的整體，因此可將其轉換為一個監測點，將部件位移轉換為監測點位移。根據所選部件邊界確定部件所包含的點云數據，在此稱其為部件點云。由于部件點云數據是一系列點的三維坐標的集合，因此可取這些點的三維坐標平均值作為部件的重心坐標，此重心坐標的變化即可視作部件的位移。通過對這些特征部件的多期觀測，即可了解和發現邊坡細節處的變形規律，為決策支持提供可靠依據。

（2）邊坡形變區域位移分析

邊坡上除了易發生位移的特征對象外，無明顯特征的小范圍區域還存在蠕滑現象或發生滑坡災害，通過對這些形變區域進行格網劃分，并分析格網內點云數據，以此來發現邊坡形變區域的形變情況。

邊坡形變區域的確定方法主要是以第一期點云數據邊坡模型作為參考，將第二期的激光腳點投影到參考模型表面，通過計算分析激光腳點到投影點的距離，將不同投影距離點云范圍用不同顏色表示，選擇投影距離較大的范圍作為特征區域。

格網的劃分方法是特征區域形變分析方法的重點，常見的小范圍格網劃分方法有規則格網劃分和任意格網劃分等。規則格網劃分方法較簡單，通常有方格網、矩形網等；任意格網劃分較規則網劃分更加靈活，可以根據邊坡地物地形情況進行劃分，劃分的格網可以是任意形狀、任意大小。

格網劃分完成后，將每一個格網視作一個部件點云，同邊坡部件位移分析方法相似，對格網內的點云數據進行計算，計算其重心坐標，通過多期觀測計算、比較格網重心坐標的變化，后續可對變形量進行等級劃分以發現邊坡中形變較劇烈需重點監測的區域，對重點監測區域可以加設棱角監測點，采用全站儀或GPS等高精度測量設備重點監測。

三、實例分析

下面以某礦區邊坡為例，如圖2所示。該邊坡主要由露天開采的排土堆砌形成，邊坡整體長約1200 m，分6個平臺，生產設備上方3個平臺采取了加固措施，其余大部分為裸露的半荒土地。井工礦巷道口位于邊坡底部，部分采煤工作區位于該邊坡下方，地面上方邊坡的穩定性直接關系到井下煤炭生產安全。

圖2　邊坡概況圖

邊坡各平臺布設測量機器人監測棱鏡、GPS、應力傳感器等設備對其進行形變監測，監測點位約100余個。邊坡主要監測對象是每平臺邊緣區域，該邊坡范圍廣、形變區域分布零散，其中部分部件如較大石塊、排水渠、電桿難以固定監測傳感器，因雨水沖刷形成的滑塌區、蠕滑區、建筑物沉陷等區域監測設備損毀嚴重，無法達到連續監測的目的。

現使用加拿大OPTECH公司的地面三維激光掃描儀ILRIS-36D對邊坡進行掃描獲取邊坡點云數據，掃描儀采樣率為3000點/s，設置掃描密度為4 cm。為了獲取邊坡部件形變信息，相鄰兩期觀測數據間隔時長為1個月，由于邊坡寬度較寬，每一期掃描均將邊坡劃分為6塊區域分別掃描，重疊度為30%。

（1）某礦區邊坡特征對象區域確定

將外業獲取的點云數據經過噪聲處理、配準和拼接后，即可進行點云數據建模和附加紋理。圖3為給某邊坡點云數據根據其顏色信息附加紋理，并根據邊坡特征點，將附加紋理的點云數據與實際影像進行配準。圖中數字和字母表示影像和點云配準所選擇的特征點。通過目標識別，選取邊坡中的巖石特征對象區域作為邊坡形變分析的特征對象部件，在點云數據上選定一小片滑塌區域A及兩處巖石塊B和C。

圖3　點云數據附加紋理

（2）某礦區邊坡部件位移分析

圖4為放大后的特征對象C的點云數據。根據選擇的特征對象B和C的點云數據，計算各部件的重心坐標見表1，表中列出了部件B和C相鄰兩期重心坐標及其變化值。從表中可以看出，特征對象B和C均未發生較大的形變位移。

圖4　特征區域選擇

圖5是對特征區域A用方格網進行格網劃分的示意圖。

選擇形變區域內的點云格網數據計算格網內激光腳點的重心位置，比較兩期點云數據對應格網內的重心位置變化情況見表2。

表1　監測部件形變量　m

圖5　邊坡形變區域格網劃分

表2　特征區域格網形變量　m

四、結 論

本文研究結果表明，利用TLS點云數據對邊坡特征對象進行識別和特征區域格網劃分，采用重心法計算部件形變量大小，將部件點云轉變為監測點的形變分析方法從整體到局部均能很好地了解邊坡變形情況。

在整個數據處理和分析過程中，特征對象的識別和特征區域的格網劃分是關鍵，要求特征對象的形態是一個穩定的整體地物，如一塊石頭、一個測量標志（棱鏡）等，而對于特征區域則需進行格網劃分，將格網作為一個特征對象進行分析。

地面三維激光掃描儀點云數據在礦山邊坡形變分析中的應用有效彌補了常規形變監測和形變分析方法的不足，同時配合定期人工巡查的方法，對保障礦山安全生產和邊坡突發災害的預防有重要意義。

［1］ 張啟福，孫現申.三維激光掃描儀測量方法與前景展望［J］.北京測繪，2011（1）:39-42.

［2］ 劉明坤，段奇三，趙晨曦，等.三維激光掃描在滑坡災害變形中的監測應用［J］.測繪通報，2016（2）:147-149.

［3］ 徐進軍，余明輝，鄭炎兵.地面三維激光掃描儀應用綜述［J］.工程勘察，2008（12）:31-34.

［4］ 董濤.數字礦山地理網格部件分類描述信息模型和應用［D］.太原:太原理工大學，2013.

［5］ BRYAN W.Spatial Imaging the New Surveying Revolution［C］∥Integrating Generations FIG Working Week 2008 Stockholm.Stockholm:［s.n.］，2008.

［6］ 謝謨文，胡嫚，王立偉.基于三維激光掃描儀的滑坡表面變形監測方法——以金坪子滑坡為例［J］.中國地質災害與防治學報，2013（4）:85-92.

［7］ 陳永劍.地面三維激光掃描系統在露天礦監測的應用研究［D］.太原:太原理工大學，2009.

［8］ 李珵，盧小平，朱寧寧，等.基于激光點云的隧道斷面連續提取與形變分析方法［J］.測繪學報，2015，44 （9）:1056-1062.

［9］ 陳紅權，郭威.三維激光掃描技術在橋梁形變監測中的應用［J］.現代測繪，2016（1）:36-39.

［10］ 陳弘奕，胡曉斌，李崇瑞.地面三維激光掃描技術在變形監測中的應用［J］.測繪通報，2014（12）:74-77.

［11］ 張亞，盧曉鵬，王濤.三維激光掃描技術滑坡變形監測研究［J］.河南科學，2016（1）:62-65.

［12］ 趙國梁，岳建利，余學義，等.三維激光掃描儀在西部礦區采動滑坡監測中的應用研究［J］.礦山測量，2009（3）:29-31.

［13］ 侯宇，董增勛.基于三維激光掃描儀的變形觀測和分析［J］.信息化建設，2016（1）:361.

［14］ PARK S Y，SUBBARAO M.An Accurate and Fast Pointto-plane Registration Technique［J］.Pattern Recognition Letters，2003，24（16）:2967-2976.

［15］ 李廣云，李明磊，王力，等.地面激光掃描點云數據預處理綜述［J］.測繪通報，2015（11）:1-3.

Determining Slope Feature-object Region and Deformation Analysis Using TLS Points Cloud Data

LI Chongrui，ZHANG Jin，XIAO Jie

10.13474/j.cnki.11-2246.2016.0232.

P258

B

0494-0911（2016）07-0094-04

2015-03-05；

2016-04-18

國家863計劃（2013AA122301）；國家自然科學基金（41371373）

李崇瑞（1988—），男，碩士生，主要從事點云數據處理應用研究。E-mail:tclichongrui@163.com

張 錦

引文格式：李崇瑞，張錦，肖杰.應用TLS點云數據確定邊坡特征對象區域和形變分析［J］.測繪通報，2016（7）:94-97.