三維傾斜攝影技術在磷石膏渣場生產及運營管理中的應用

尹林江，李 威，李 江，楊曉勇，李 偉，孫小瓊

(1.貴州科學院 貴州省山地資源研究所，貴州 貴陽 550001；2.貴州(磷化集團)有限責任公司，貴州 貴陽 550001)

近年來國家持續加大對工業固體廢物、危險廢物的污染防治力度，要求加快構建以數字經濟為引領的現代產業體系：實施數字產業強鏈行動——推動在礦產、輕工、新材料、航天航空等產業領域建設國家級、行業級工業互聯網平臺，促進產業數字化轉型，加快磷化工精細化、有色冶金高端化發展,持之以恒推進生態文明建設。全國人大、生態環境部等也要求各級環保部門，要充分利用大數據、5G、遙感等技術手段，加大工業固體廢物、危險廢物的全過程管理力度。

目前礦區存量測算普遍采用全站儀和GPS等傳統監測手段[1]，雖然其測算精度較高，但成本較高、效率低且現場測量存在一定的風險，無法滿足企業現代化管理的需求。隨著5G工業互聯網基礎設施的完善[2]，無人機掛載不同的攝像頭、傳感器進行測繪、監管等在國內外的應用日漸普遍[3-6]，且具有成本低、實時性強和操作簡便等特點，在礦山資源以及渣場管理中有了廣泛的實際應用[7]。磷石膏堆渣場是用于填埋工業生產過程產生的固體廢棄物的露天性堆填場所，具有占地面積廣、匯水面積大、易發生滲漏、坍塌、潰壩等特點。由于廢渣進入渣場的多樣性問題(如使用傳送帶、使用運輸卡車等)，使得渣場內堆填的工業固體廢物具有填埋數據不清、堆體布局及安全性不清、庫容占有率不清、庫容剩余量不清等特點，使用常規的地磅稱重或輸送帶稱重等技術手段無法對產渣量進行計算，形成渣場防范風險和資源盤查的管理瓶頸。鑒于此，本文結合無人機遙測、GPS差分定位、大數據分析等技術，構建多期磷石膏渣場三維模型，進行渣場存量計算監測和三維可視化分析，為渣場的安全生產和資源管理提供技術支撐及數據保障。

1 傾斜攝影基本原理

傾斜攝影測量技術是通過飛行器搭載一個或者多個傳感器，從一個垂直、四個傾斜不同的視角采集影像，獲取到豐富的地物頂面及側視的高分辨率紋理。利用計算機技術、影像密集匹配技術自動匹配同名點，生成密集匹配點云，提取地物特征點，在此基礎上通過相應的濾波算法構建不規則三角網(TIN)，同時結合影像的POS數據和地面像控點坐標信息構建三維模型。三角網的大小、密度與獲取影像的重疊率以及地物自身的復雜程度息息相關，重疊率越高，生成的三角網越密集，地物越復雜，則所需的三角網越密集和復雜。目前三角網的構建主要是以密集匹配點云為基礎，運用相關算法構建相應分辨率的三角網，同時優化簡單的物區，減少冗余數據，最后生成不規則三角網模型框架[9]。

傾斜攝影測量多以無人機為載體，具有成本低、機動靈活、飛行尺度較大、環境要求低等優點，并可獲取高分辨率的照片，有助于獲取更高精度的三維模型。常用的航測無人機有大疆的M300、大疆精靈4RTK、科威泰KWT-6和DM-150等。除大疆精靈4RTK外，其余無人機均搭載五鏡頭相機，可在同一時間和同一點上獲取地物的五個角度的信息，使得對于同一地物在光源信息獲取上具有統一性，不易產生色差；而大疆精靈4RTK多為單鏡頭相機，需規劃多個角度進行數據采集，使得對于同一地物存在數據上的時間差異，可能會導致獲取的影像因為光線的原因存在色差[10]。本文采用大疆公司生產的經緯M300RTK，搭載的鏡頭為睿鉑中端系列產品RIY-D2M，兼具Pros高端系列部分強大功能與經濟型相機的高性價比特點。目前，RIY-D2M已經被全國各個地信相關單位采用，其應用范圍包括但不限于地籍測量、智慧城市建設、房地一體、應急測繪、BIM規劃等方面。

2 研究資料與方法

2.1 研究區概況

研究區位于貴州省開陽縣金鐘鎮的一個磷石膏堆渣場，占地約為180ha，屬于亞熱帶季風氣候，年平均氣溫為16.1℃，年均降水量1 120～1 129mm；靠近礦區的采空區，且堆積體的邊緣為陡峭和陡傾斜的斜坡；基巖地層屬于震旦系上統陡山沱組、上統燈影組和下統南沱組[11]。同時，由于其處于洋水背斜核部的次一級背斜，區內褶皺、斷層發育，基底穩定性較差，堆積體容易發生滑動和崩塌等災害，對渣場的安全和生產管理造成嚴重影響。

2.2 技術流程

本研究的技術流程主要分為數據采集、數據預處理、三維模型構建和存量估算四個部分(圖1)。數據采集，主要為前期的像控點布設測量、渣場的航線規劃和航飛前的檢查，保障航飛安全順利進行。數據預處理，由于本研究采用的傳感器為睿博五鏡頭相機，其照片和POS數據分離，需將POS數據寫入照片中。除此之外，在進行三維建模時，需要加入像控點坐標進行刺點，保障三維建模精度。三維模型構建，通過前期的數據預處理，對數據進行空中三角測量，構建不規則三角網，紋理映射等，最后生成DSM和三維模型等。存量估算主要采用Das Viewer和Context Capture Viewer基于三維模型，通過自定義標高進行渣場的存量估算，并運用實地測量數據精選精度驗證。

圖1 技術路線

2.3 數據獲取

為提高三維建模精度，需建立傳感設備如相機所攝像片與目標物之間的數學關系，從而進行空三解算以便獲取測區模型，而地面像控點的布設數量和位置，在一定程度上會影響實景三維模型的精度，同時像控點布設的合理與否，直接決定了外業測繪工作量的大小及建模成本。為實現渣場的全面控制，設置地面控制點16個，均勻分布于渣場，像控點布設間隔約為200 m。另外測量10個點作為精度驗證點。

該區域海拔在760～1 051m之間，相對高差較大。為了保障無人機的飛行安全，對地形地貌進行室內軟件分析以及實地無人機飛行實驗。考慮到區內地勢西南高東北低，且堆渣場西南邊存在高壓線，西南邊無人機信號易被干擾，故飛行地點選擇位于堆渣場的中部偏右，飛行高度確定在海拔960m。同時為了保障最終數據的精度，根據相對行高計算公式：

式中：H為飛行相對高度，GSD為地面分辨率，a表示像元大小，f為傳感器焦距。由式(1)可知，GSD值越小，則相對航高越低，獲得的精度越高。

結合式(1)，并綜合實際精度需求和儀器參數，飛行高度為170m，旁向重疊率70%，航線重疊率70%，共計47條航線，為減少風力作用的影響，采用等距拍照模式。由于數據采集的范圍較大，采集時間較長，為保障采集照片的質量，數據采集均采用同一航線規劃工程文件，日期分別為2021年12月24日、2022年3月27日和2022年6月2日，時間均為13：00～15：30，天氣晴朗，風力0～3級。每次分別采集照片10 570張，照片大小為6 000×4 000像素。而為了使得部分建筑細節更加突出，采用精靈4RTK協同作業，每期獲取高分辨率的建筑影像500張，使得建模結果更加清晰。

3 實驗過程與結果

目前，傾斜攝影實景建模的軟件較多，如美國的Context Capture、法國的Street Factory、瑞士的Pix4d Mapper和俄羅斯的Photo Scan以及大疆的DJI Terra等。本文主要選取精度相對較高、人為干預少的Context Capture作為無人機的三維建模的軟件，構建三期磷石膏渣場三維模型和DSM。使用Context Capture Viewer和Dsa Viewer進行磷石膏存量變化測算，通過前人的研究發現，當測算的格網大小為4.5m和5m時，所計算的誤差最小[12]。因此本研究采用上述方法進行三維建模及其存量估算。

3.1 空中三角測量

由于本研究采用的是睿博五鏡頭相機獲取渣場三維影像，其影像不包含坐標及高程信息，需將POS數據寫入影像中，再構建工程文件，將包含所有信息的影像導入，為下一步空中三角測量做準備。

空中三角測量主要是確定相鄰影像間的位置關系，并生成加密點，其所需的文件包括相機參數文件、POS數據、航片數據以及地面像控點數據。其中像控點的加入有助于空三加密的影像匹配速度與精度以及便于坐標的轉換，同時可對空中三角測量成果進行控制加密[13]。在進行空中三角測量時，除了軟件自身空中三角測量時自動進行影像之間的位置匹配并生成加密點外，還需進行手動的刺點，即將像控點數據與影像相對應，進而提高空中三角測量的精度和通過率。在進行刺點時，可先選擇邊緣點進行刺點，運行一遍空中三角測量，運用空三結果，軟件將給出其余點的預測位置，再進行第二次的刺點并進行第二遍空中三角測量?？罩腥菧y量結束后，需檢查空三結果，是否出現偏移、影像分層和結果位置偏移等，保證后期三維建模的精度。經查證，本文空三結果未出現上述情況，可進行下一步模型的構建(圖2)。

圖2 空中三角測量結果

3.2 模型構建

運用空中三角測量得到的密集成果，運用光束法區域網平差，獲取影像的外方位元素，結合影像匹配算法，生成密集點云[14]。通過密集點云構建不規則三角網TIN，得到無紋理信息的三維模型(白模)，然后匹配TIN的每一個三角面與影像紋理，進行模型的自動紋理映射，進而得到高可視化的實景三維模型。最后對模型進行分瓦片處理，通過構建S3C索引文件，最終可看到整個完整的三維模型(圖3)，同時也便于后期對三維模型的修改和顯示。

圖3 三維模型過程與結果圖

3.3 模型精度評價

為保障模型的精度，基于三期的渣場三維模型，以地面實測點坐標作為真實值，多次測量模型中的坐標值，并取平均值作為模型值，進行中誤差計算，其計算公式為：

式中：mx為x方向上的中誤差，n為像控點的個數，my為y方向上的中誤差，mh為h方向上的中誤差，△x、△y和△h分別為x、y和h方向的真誤差，m為平面中誤差。利用x和y方向中誤差進行平方求和，并進行開平方根，其最終結果表示像控點精度的可靠性(表1)。

表1 三維模型檢查點精度統計

通過高程中誤差和平面中誤差，來評定整個渣場三維建模在水平和垂直方向上的精度。根據DB33/T 934-2014《三維數字地圖技術規范》中1:500比例尺模型精度的要求，平面精度≤0.30 m，高程精度≤0.24m。根據計算結果可知，在渣場三期模型精度計算結果中，第一期平面中誤差最大為0.034m，高程中誤差最大0.030m；第二期平面中誤差最大為0.035m，高程中誤差最大0.025m；第三期平面中誤差最大為0.031m，高程中誤差最大0.037m。其精度值均滿足技術規范的要求，可以用于渣場存量的估算和變化監測。

4 渣場存量估算與變化監測

4.1 渣場存量估算

對經過精度評價的三維模型，運用Context Capture Viewer 軟件進行渣場的存量精選估算，并結合實際測量數據精選精度評價。由于企業需求，不能夠對整個磷石膏渣場存量進行測算公布，因此本文僅選取三個樣區進行估算，同時為了探究采樣間距對于存量的影響，本文選取1m、3m和5m作為采樣間距進行存量估算，其結果如表2所示。從表2可以看出，在實際測量時，樣區1和3的存量變化相對較慢，通過實地考察也發現該區域的生產活動較弱。而樣區2的變化則較為明顯，其存量的變化較大，可知該區域的生產活動較強。

表2 堆渣樣區存量模型估算與實測

通過軟件測量的值減去實測值，用兩者差值的絕對值比上實測值，可得兩者的差值百分比(表3)。從表3中可以看出當采樣間距為5m時，其存量的差值百分比相對于1m和3m的采樣間距要小，精度相對較高。而當采樣間距為1m時，其差值百分比最大，精度相對較低。

表3 堆渣樣區存量模型估算與實測存量差值百分比

4.2 渣場變化監測

基于兩期堆渣場(第一期數據和第三期數據)的無人機三維和DSM數據，經過預處理和精度校驗后，進行差值計算，得出挖填方計算結果，即渣場填挖方變化量，并作可視化展示(圖4)。其中凸起來的區域表示該區域在經過這段時間后，地表堆積量增加，而凹下去的區域則表明該區域的存量有所減少。由此可知整個渣場填挖方量分布情況，掌握渣場的主要生產活動區。除了對存量變化監測及估算以外，為及時掌握周邊環境現狀和堆渣區覆土面積工程進度情況，可利用三維模型，進行土地利用類型識別以及周邊生態環境監測，測量覆土曲面面積，以保障周邊生態環境安全，確保工程進度。

圖4 渣場局部區域的挖填方可視化結果

5 結論

基于無人機傾斜攝影技術構建磷石膏渣場三維模型，其建模效率高、模型精度高、現實還原度高，借助軟件測量渣場存量，并運用實測數據進行精度驗證，可實現企業對渣場信息的全面掌控，降低企業運營成本和生產風險。本文通過構建三期渣場三維模型，其精度在x方向上的最大中誤差值為0.026m，在y方向上的最大中誤差值為0.027m，在h方向上的最大中誤差為0.037m，其平面精度中誤差最大為0.034m，各方位精度值均低于相關規范要求，建模結果可用于存量的動態監測。在樣區存量估算中，其采樣間距為5m時，其估算結果最為接近。同時，結合生產需求，運用兩期數據，較為直觀地展示了渣場的生產活動情況以及存量的變化情況，為渣場的生產及安全運營管控提供了技術和數據支持。

本文也存在一些不足，在渣場的堆積物模型構建上具有較高的精度，但對于面積較大的水體，會出現模型的空洞，不利于對渣場壩區水體的監測。對于部分建筑或地物的拍攝死角，同樣會存在地物信息的缺失。對此，本文運用精靈4RTK無人機，進行低空地面信息和拍攝死角的數據采集，彌補了因數據問題帶來的精度不足。除此之外，在三維數據的挖掘上還有所欠缺，后期將加強對數據的挖掘和分析，提高數據的利用價值，更好的為地方和企業服務。