一種基于SFM重構點云最優抗差匹配的壩區變形監測算法

劉曉露

上海市城市建設設計研究總院(集團)有限公司,上海 浦東新區 200125

0 引言

大壩變形監測分為地表變形監測與地下變形監測兩部分,一般采用TPS、GNSS技術進行地表三維位移監測,是以關鍵點為監測對象的監測模式,不能反映細部壩面的變形狀況,而且隨著部署點位的增加,監測成本也大幅度提升；地下位移監測項一般為地下水平位移和不均勻沉降,一般采用數字化的巖土類傳感器進行監測,如固定測斜儀、多點位移計等。

點云式面掃描的監測技術是近年來逐漸發展起來的,如激光掃描儀、機載激光雷達、GB-SAR等。該類技術為非接觸式大面積測量模式,可按照設定的測量密度進行區域掃描,獲取大量的點云數據。這些技術各有優缺點,適用于不同需求,但成本普遍高昂,不適用長期連續監測,且數據處理難度較大,不易區分關鍵點。

無人機傾斜攝影測量是另一種近年發展起來的非接觸式點云測量與空間重構技術,其基于航空攝影技術,以無人機為拍攝載體,可快速拍攝測區影像,經重建處理后可獲得厘米級精度(配合GNSS差分技術)的測區點云、三維模型及紋理、正射影像圖、DEM等,其成本也越來越低,已具備日常服務大壩安全監測的要求,但其技術流程稍微復雜,點云數據處理的受限數據異常,一般還需要較多的人工干預,且點云精度比激光掃描式的精度要低。

基于無人機傾斜攝影測量SFM三維重構獲取點云的技術模式,結合壩體監測的特定應用場景,研究一種點云最優抗差匹配變形監測算法,旨在實現自動點云匹配,剔除異常,獲取壩面變形量,對已有的關鍵點變形監測方法進行補充,以更全面的了解壩體變形狀態。

1 最優抗差匹配的壩區變形監測算法

1.1 水利壩區環境與點云影響分析

以水利壩區為監測目標,其應用場景具有一定的特殊性。①主要監測區域為壩體,其相對其他地物較穩定，剛性較好；②周邊植被多,不同季節、不同時期呈現不同狀態；③周邊具有大面積水域,水面一般為動態波動，光影條件復雜；④壩面有可能有短期出現的人、物,且可能為移動狀態。

因此采用無人機傾斜攝影圖像重建出的點云可能具有以下問題：①隨機事件導致的區域異常點云,如人、車等；②周邊山體風吹樹動、季節差異等非鋼體特性造成的點云差異；③壩面生長的低矮植被生成的干擾點云；④水面波動、倒影、反光、水位變化等導致的水面點云異常；⑤其他光影條件變化造成的空間噪點。

1.2 數據獲取與點云處理整體流程

整體流程主要步驟如下：

①根據測區測量需求制定傾斜攝影航拍方案，選擇合適的無人機、飛行時段，并規劃航拍路線；

②執行傾斜攝影航拍方案，獲取測區傾斜影像；

③采用SFM處理軟件處理傾斜影像，獲取測區點云、正射影像、3D模型、DEM等成果；

④如果需要統一到已知坐標系，或提高配準準確率，可人工進行標定配準，如通過差分GNSS技術確定標志性點位構建兩套點云的公共點對，實現坐標系轉換；文章重點研究自動化配準方法，不需此步；

⑤點云預處理：通過聚合算法剔除由隨機光影因素導致的孤僻離群點云；

⑥點云粗配準：基于平面坐標先對兩套點云分別進行網格分割,并計算各網格中心,再以網格中心點點集為處理對象，采用容差亂序匹配算法進行配準計算。最后根據配準差值初步判斷相對穩固區域，為隨后的配準計算確定初始權值。由于亂序匹配算法采用的是全枚舉對比型拓撲分析,其時間復雜度高,僅適合少數據量計算；

⑦以兩期全部點云為處理對象，進行抗差ICP配準計算：排除少量植被和其他因素(運動物體帶來的噪點)的影響；水面3D重建異常區域的剔除；通過統計變權方法逐步迭代，逐步聚焦壩體區域的最優配準；

⑧兩套點云差異比較：獲取點云差異區域集合；

圖1 數據獲取與點云處理流程圖

⑨變形區域評估：分別分析各點云差異區域，根據區域特點判別原因，如邊緣明顯(點云邊緣梯度計算),范圍小且集中的,可能為靜止的附加物,如新建設的地物或臨時停放的車輛、物資等,可通過圖像核實排除；邊緣不規則、梯度漸變的為變形的可能性較大,則作為結果輸出，提醒管理人員現場測量驗證。

1.3 點云粗匹配與穩固區域評估

由于ICP算法一般要求待匹配的兩套點云大致對準,而兩期無人機傾斜攝影獲取的點云通常在z軸方向一致,在x軸方向、y軸方向和原點坐標上差異較大,因此需高效對其自動進行粗匹配。文章采用簡化網格獲取網格點云中心點的方法進行處理。

X=(δxδyδzδμδαδβδγ)T

=(ATPA)-1·(ATPl)

(1)

式中：δx、δy、δz、δμ、δα、δβ、δγ為7參數改正值,P為權陣,A為點對坐標構成的運算矩陣。

1.4 抗差ICP算法

(2)

(3)

2 實驗分析與算法討論

2.1 實驗分析

實驗以浙江某水庫為例，對其進行兩期傾斜攝影數據采集，由于大壩已處于穩定運營期，且兩期數據采樣間隔較短，因此無法直接應用測試壩體區域的變形監測算法，于是壩體部分的變形我們采用模擬的方式進行，即對后一期的點云人為改變點云數據模擬變形，以驗證壩體區域變形的監測效果，但對周邊植被、地物、水面的異常處理是可正常進行的。

如圖2所示，左右子圖分別為初始點云模型和待比較點云模型，為方便理解算法，這里用不同顏色的曲線將地物類別進行分類，其中橙色區域相對其他地物點云剛性較好，一般為變形監測區域；黃色區域的植被區，綠色區域為水面區域，點云剛性差、異常多，為文章算法配準弱化的區域。以待比較點云為例展示點云粗配準的過程，如圖3所示。以平面坐標為準進行等間隔網格劃分，并計算網格中心坐標，用于點云粗配準。

圖2 航拍區域地物類型劃分圖

然后采用所有點云進行抗差最優配準，獲取變形區域熱力圖，進而進行變形區域評估，如圖4所示。

圖3 粗匹配網格劃分圖 圖4 點云比對與變形區域評估圖

圖中只關注了壩體區域的點云匹配，比對出1個變形區域。這個區域是為了模擬變形人為添加的點云變形。結果顯示，文章算法對其給出了準確的識別。

2.2 算法復雜度分析

該算法分為點云粗匹配和抗差最優匹配兩個階段，時間復雜度均為O(n2)，但在粗匹配階段大幅簡化了點云數量，在空間需求上大幅優化。因此，該算法的時間復雜度為：T(n)=O(n2)。

2.3 監測技術比較

基于無人機傾斜攝影重構點云的變形監測有其特有的優缺點，與GNSS、TPS、掃描儀、機載雷達、GBSAR等技術特點進行比較，如表1所示。

表1 不同監測技術監測比較表

3 結論與展望

闡述了壩體變形監測的技術發展及優缺點,提出了可自動配準的基于無人機傾斜攝影三維重建點云的抗差匹配變形監測數據處理算法。該模式特點如下：①航拍作業便捷，獲取點云成本低，點云處理自動化程度較激光方式高；②無人機獲取點云與激光方式的不同：適合野外空曠條件下獲取數據，無需搬站便可獲取區域全貌點云，精度比激光方式差，條件不好時可達分米級；③由于無人機SFM重構點云的精度較低，因此適合作為長期趨勢性變形分析,對于符合技術監測規范精度的關鍵點位監測仍需使用傳統方式測量,無人機點云監測是傳統方式的補充,并生成比關鍵點測量更直觀的面監測變形圖；④適用于面板堆石壩等精度要求稍低、變形量大的壩體；重力壩等變形量小、精度要求高的需用激光掃描儀或全站儀的方式監測，但無人機方式可用作三維建模獲取。

提升SFM重構精度的方法與多傳感器監測數據融合的壩體安全評估是下一步研究方向。另外，文中提出的點云最優抗差匹配算法處理對象是點云,因此預計可以較好的移植到其他技術手段獲取的點云的處理上,移植和處理效果分析也是進一步研究的內容。