三維激光掃描技術的基坑滑坡形變區域分析

趙 笠

（廣東省重工建筑設計院有限公司，廣東 廣州 510670）

0.引言

隨著高層建筑、地下空間的不斷發展，基坑工程的深度不斷增大、規模和結構越發復雜，極易對周圍土體產生不同程度的擾動，引起地表不均勻下沉，影響周圍建筑、構筑物及地下管線的正常使用，造成嚴重的工程事故。因此，在基坑施工過程中，為精確了解基坑變形情況、工程的安全性以及對周圍環境的影響程度，確保工程的順利進行，就需要對基坑土體等進行全面、系統地監測。按照國家規范要求，對于深度大于5 m的基坑，必須進行變形監測。滑坡體變形監測作為基坑工程施工中的一個重要環節，對于判定施工對周圍環境造成影響的程度、指導設計與施工具有重要意義[1]。

傳統監測方式主要是在基坑周圍建立基準點和監測點，利用經緯儀、測距儀、GPS來獲取測量數據，這種單點監測方式不僅采集效率低、測量成本高，而且由于變形區域采集的特征點數量有限，監測點一旦被破壞會嚴重影響資料的連續性，難以反映監測范圍內滑坡區域的變形情況。此外，傳統測量手段對測區環境要求較高，如果監測點和基準點無法在理想區域布設時，也會導致監測信息無法精確反映施工進度下基坑的安全狀態。近年來隨著測繪技術的不斷發展、測量服務領域的不斷拓寬，對滑坡災害變形預警要求也不斷提高。三維激光掃描技術高精度、高效率的優勢不斷凸顯，逐漸在建筑物變形監測、滑坡分析等復雜工程建設領域有著廣泛應用。本文以某基坑工程為例，應用三維激光掃描技術，采集不同時間段的兩期基坑滑坡區域點云數據，通過對比分析獲得基坑滑坡情況，研究結果對后期做好構造物改善和邊坡穩定具有重要參考價值[2，3]。

1.理論基礎

1.1 三維激光掃描理論基礎

三維激光掃描系統坐標原點位于掃描儀相位中心，X軸在橫向掃描面內，Y軸在橫向掃描面內與X軸垂直，Z軸與橫向掃描面垂直。首先發射器發出一個激光脈沖信號，內部控制系統旋轉反射鏡，激光脈沖經物體表面漫反射后，沿幾乎相同的路徑反向傳回到接收器，內部計算系統通過脈沖發出和接收時間，得到目標點到相位中心距離S，再結合脈沖發出時掃描儀水平和豎直方向旋轉角α、β，最后通過坐標正算和校正，獲得P點坐標，坐標原理如圖1所示[4]。

圖1 三維激光掃描測量點坐標原理

1.2 算法研究

目前針對三維激光掃描技術在地表變形監測中的監測理論和數據處理方法還不夠完善，本文在分析大量參考文獻基礎上，應用Hausdorff距離法的點云到點云的直接比較和Delaunay模型求差法確定基坑變形區域并計算滑坡變形值。

1.2.1 Hausdorff距離算法

Hausdorff距離算法簡單來說就是比較點云之間距離，即對滑坡前后點云數據進行比較。Hausdorff距離算法核心是計算比較八叉樹細分層級中的同源格網中比較點集p中的每個點s，到參考點集p'中的每個點s'，對應的最近距離，如式（1）所示[5]：

通過式（1）計算出比較點集p到參考點集p'的Hausdorff距離，這個距離值被認為是變形值。

1.2.2 Delaunay模型求差法

Delaunay模型求差法即通過Delaunay算法構建滑坡區域的三角網，使用線性內插，以兩期高程差值為Z軸生成的偏差色譜圖作為變形監測結果來表示地表的變形信息的方法。該算法線性內插原理是利用不規則三角形頂點的數據點確定一個平面，繼而求出內插點的高程值的方法。設內插點為p（x，y），則p點高程的函數表達式如式（2）所示[5]：

參數a0、a1和a2可以根據三個已知點p1（x1，y1，z1）、p2（x2，y2，z3）、p3（x3，y3，z3）計算，如式（3）所示：

2.外業數據采集及預處理

2.1 工程概況

本次實驗對象為某大型深基坑，該基坑東西長350 m，南北寬120 m，基坑平均深11 m，由于受到短期強降雨影響，基坑周圍地質松軟，部分區域出現斜坡上的部分巖土體沿著原有的軟弱面或軟弱帶向下整體滑移的現象，基坑周圍施工隊伍較多，環境復雜，傳統監測方式難度較大。為避免造成人員和經濟財產損失，因此需要分析基坑地表變化，對變形大的區域進行加固，避免引發安全事故。受某規劃設計院委托，需在短時間內確定基坑滑坡整體變形區域并對變形值進行計算。

為保證觀測結果的準確性，整體技術流程如圖2所示。首先進行外業數據采集，包括掃描路線設計、踏勘選點、靶標布設、儀器架設、掃描參數設置和數據采集及保存；然后進行內業數據預處理，包括點云數據配準、點云濾波和點云坐標轉換；再基于兩種方法對基坑滑坡進行分析，包括Hausdorff法點云距離分析和Delaunay模型偏差分析，最后根據計算結果分析兩種方法的應用場景。

圖2 基坑滑坡變形監測整體技術流程

2.2 外業數據采集

基坑外業數據采集時，為保證數據的完整性，盡量減少不必要的補測和重復測量，首先要踏勘選點，根據測區實際情況進行測站布設。本次主要掃描對象為基坑西側滑坡區域，為對基坑滑坡情況進行預測分析，兩期數據采集間隔為10天，共采集兩期點云數據。每期布設4個測站，其中測站1和測站2位于基坑頂部，測站2和測站3位于基坑底部，測站間交錯布設，由于基坑底部還有大面積積水，且土質松軟，不易布設靶標，因此外業數據采集只架站掃描。基坑外業數據采集方案如圖3所示。

圖3 基坑外業數據采集方案

2.3 內業數據預處理

內業預處理主要包點云配準、點云濾波、點云精簡以及坐標轉換：點云配準是將不同視角獲取的點云數據進行拼接，獲得統一視角的點云數據，本項目采用特征點方式進行點云配準；點云去噪是將偏離主體點云的漂移點、超出掃描區域的冗余點剔除，本項目主要噪聲為來往施工人員以及建筑設備等，因此需要刪除，防止后期在提取特征時造成誤判；點云精簡是根據目標點云特點，對點云數據進行壓縮，減小計算機負荷，方便數據分析，由于本項目外業數據采集時選擇點云密度較小的采集方式，因此不對點云數據進行精簡處理。此外，為方便兩期點云數據對比研究，還需要進行坐標轉換，將兩期點云數據坐標統一，方便后續兩期數據對比研究[6]。

3.基坑滑坡點云分析

本章主要采用Hausdorff和Delaunay對預處理后的點云數據進行分析點云距離和模型偏差，得到監測周期內基坑變化區域和變化量。

3.1 Hausdorff法點云偏差分析

Cloud compare是一款開源的點云數據處理軟件，該軟件集成了八叉樹結構和Hausdorff距離分析算法，可以直接用于基坑滑坡變形分析。首先將兩期數據導入軟件內，選擇第一期點云數據為基準數據，并設置為綠色；第二期數據為對比數據，設置為紅色。兩期數據導入后效果如圖4所示。

圖4 兩期點云數據

為方便進行點云數據對比分析，還需要將目標區域點云數據裁剪出來，減少目標外點云數據引入的外界偏差。點云數據導入后，選擇“工具”菜單欄下的“點對點距離對比”功能模塊，通過軟件內置的八叉樹結構層級，計算點云到點云的距離，兩期點云對比結果如圖5所示。

通過圖5兩期點云數據對比偏差色譜圖可以看出，顏色越接近紅色滑坡變形越大，整體來看70%以上的區域滑坡變形量小于0.4 m，可以看出大部分區域未發生明顯滑坡，整體來看滑坡區域分散，主要區域為基坑西南靠近拐角位置。通過偏差柱狀統計圖可以得到，兩期數據最大偏差距離為3.2 m，平均偏差0.34 m。

圖5 Hausdorff法點云距離對比

3.2 基于Delaunay模型求差分析

Delaunay模型求差分析使用的是Polywork軟件，該軟件模型求差主要集成的就是Delaunay算法，同樣以第一期滑坡數據為參考，內插出第二期數據相同點位置的高程值，第二期數據的高程值減去第一期數據的高程值即為滑坡變形值。首先需要將點云數據擬合成三維模型，建模軟件選擇的是Geomagic studio逆向建模軟件，首先導入點云數據，剔除遠離主體的點云數據，通過“封裝”工具建立三維模型，后進行“孔洞”修補，建立兩期基坑滑坡三維模型。

三模模型擬合完成后，需要進行兩期數據偏差分析。首先將兩期模型分別導入Polywork軟件中，選擇第一期模型并轉化至“參考對象”，選擇“對齊”菜單下的“分割視圖”，將設計模型和點云分割成兩個視圖；再選擇“點對”工具，方式選擇“多點對”，從兩個視圖中人工分別選擇多個同名點；然后選擇“最佳擬合數據對象—數據至參考對象”，設置好迭代次數和限差，將設計模型與實測點云完全對齊；最后選擇“測量”工具下的“數據對象偏差”，設置單位為米，建立誤差色譜圖。效果如圖6所示。

通過圖6模型偏差色譜圖可以看出，在區域滑坡分布上結果接近于Hausdorff距離法，即絕大部分區域未發生明顯滑坡，但是部分區域沉降偏差超過3 m，主要滑坡區域與Hausdorff距離法分析結果相似，都集中在基坑西南靠近拐角附近。

圖6 兩期模型偏差結果

從算法原理上來說，Hausdorff距離法能對地表變形監測信息進行準確表達，由于其主要是應用最近點進行距離計算的原理，如果其中一期點云數據存在缺失或者點云密度較小時，將影響結果精度，因此對點云質量要求較高；而Delaunay模型求差法主要通過內插得到高程值，因此對點云數據質量要求不如Hausdorff距離法高，但是其不適用于坡度較陡的區域，容易產生較大的高程誤差；此外，在三維模型重建過程中，由于對點云數據進行擬合引入了二次誤差，兩種方法都可進行坡度分析，實際作業時可根據待測區域實際情況進行選擇。

4.結束語

本文以基坑滑坡為例，首先基于三維激光掃描技術快速、精確獲取目標物三維坐標數據，然后利用Hausdorff距離和Delaunay模型求差兩種方法對滑坡區域和滑坡量進行計算分析，最后對兩種方法產生的結果差異進行研究。研究結果對有效預防基坑滑坡災害，及時發現和預報險情的發生及險情的發展程度，并針對區域及時采取安全補救措施具有一定參考價值。