地面激光掃描儀對公路邊坡落石形成條件及運動特性分析研究

林雄 LIN Xiong

（深圳市工勘巖土集團有限公司，深圳 518000）

0 引言

公路邊坡落石是交通工程中一項常見而嚴重的地質災害問題，對行車安全和道路設施的完整性構成潛在威脅。為了有效地應對這一問題，必須深入了解公路邊坡落石的形成條件和運動特性。本文旨在通過分析地質條件、氣象條件和人為因素等多個方面，系統研究公路邊坡落石的形成條件，同時探討落石的類型、規模、運動速度、運動路徑以及對公路安全的影響。還將介紹現代技術在研究中的應用，包括地面激光掃描儀的使用以及不連續性的自動識別方法。通過全面的形成條件和運動特性分析，可以更好地了解公路邊坡落石的機制，為預防和應對此類事件提供科學依據。

1 形成條件分析

在分析公路邊坡落石的形成條件時，需要綜合考慮地質、氣象和人為因素。首先，地質條件對邊坡穩定性和落石風險有顯著影響，包括巖性、斜坡坡度和地下水情況。其次，氣象條件也是重要因素，包括降水量、溫度變化和風速。最后，人為因素如開采活動、道路施工和植被狀況也會對邊坡穩定性產生影響。通過全面分析這些因素，可以更好地了解公路邊坡落石的形成條件，為預防和處理落石事件提供基礎。

2 研究方法與數據采集

2.1 地面激光掃描儀

地面激光掃描（TLS）被稱為基于地面的LIDAR（光探測和測距）系統，該系統基于無反射和無接觸采集，用于快速獲得周圍場景的準確3D 幾何信息。基于脈沖的掃描儀傳輸激光脈沖，發射物體反射的信號，并利用飛行時間（TOF）技術確定儀器與物體反射表面上的點之間的距離。它捕捉測量區域中數百萬點的3D 位置，以創建測量對象的幾何正確的3D“圖像”。對于每個點，采集TLS 儀器中心笛卡爾坐標（x，y，z）設置中的x，y 和z 坐標。同時，記錄每個點發射信號的反向散射回波的光功率。這些值作為所謂的反射強度（i）。獲取的空間點（稱為點云）隨后可用于創建精確的3D 表面模型或數字高程模型（DEM），用于制圖、工程測量或進一步的巖土工程分析。

應用TLS 系統RIEGL VZ-2000 是一種基于脈沖的掃描儀，具有360°水平視野和100°垂直視野。原始位置精度為8150mm，在90%反射率的目標上掃描距離精度為5mm，可達到2000m。高速數據采集（每秒高達396000 點）使其成為快速工程測量和三維建模的理想系統。

2.2 數據采集和處理

研究地點為某個地形復雜的地區，第一個數據集，稱為參考點云，于2019 年8 月25 日采集，采集地點是巖質邊坡滑坡發生后的幾天。為了確保完全覆蓋研究區域，選擇了適當的掃描點，并沿著河對岸的巖質邊坡設置了總共八個掃描站，以獲取整個滑坡的三維幾何信息（圖1（a））。這些掃描站到巖石邊坡的距離在250 到300m 之間，坡腳處位于800m 和900m 處。將水平和垂直角度分辨率均設置為0.01°，采集的數據的平均點間距范圍從5cm 到15cm不等。此外，在掃描場景中放置了四個具有已知中心坐標的圓形目標，以作為數據處理階段的地理參考連接點（圖1（a））。確保了相鄰掃描站之間至少有30%區域的重疊掃描，以最小化崎嶇地形中的遮擋區域。然后，將采集的點云數據對齊并合并到單個文件中，以創建最終的3D 模型。

圖1 滑坡的三維幾何信息

獲取的點云位于各自的相對坐標系中；需要對齊以將不同的點云合并到一個文件中。這是通過算法完成的，以在三個階段獲得最佳旋轉平移對齊矩陣：①通過手動拾取兩個相鄰掃描之間重疊區域中的同源點對（例如巖石尖塔、巖石棚角和結構角）來完成初步粗略對齊；②隨后使用迭代最近點（ICP）優化對準，以通過最小化均方成本函數逐步減少點之間的差異；③最終的改進是通過將“搜索距離”參數逐漸減小到幾厘米來實現的，以獲得最佳旋轉平移對準矩陣，其可接受的對準誤差為0.002m。對齊后，點云將合并并統一為一個文件，大約30%的重疊和誤導點將被刪除。然后，通過使用四組圓形目標作為地面控制點，將統一點云轉換為地理坐標系。因此，點云被合并、統一，然后用從激光掃描儀上設置的校準數字相機獲得的RGB 信息著色（圖1a）。生成的表面模型捕獲了破壞后巖石邊坡的高分辨率幾何和形態信息。帶有凸起、凹陷和現有不連續性（如斷層和層面）的崎嶇滑坡表面非常詳細（圖1（b））。它可用于識別和定位斜坡形態和變化。

2.3 運動特性分析方法

斷層、葉理和節理等不連續性在巖石邊坡的形態和破壞傾向中起著關鍵作用。三維點云或表面模型可以詳細記錄破壞后巖石邊坡的幾何和形態信息，以充分識別空間信息和不連續性。

要分析這些不連續性的運動特性，一個簡單的方法是根據操作員的判斷手動估計屬于不連續表面的點云子集的最佳擬合平面。然后，可以通過擬合平面的法向量直接確定不連續性的方向（傾角和傾角方向）。圖1（c）顯示了通過這種方法識別的一些接頭。

在本研究中，開發了一種基于模糊聚類方法的方法。模糊聚類分析試圖根據數據集中觀測值之間的相似性來將數據集分為K 個子組或聚類。

通過使用點云數據的三角網格建模，計算了每個三角網格的法向量和出現情況，然后根據法向量之間的相似性將它們分為子組或集合。這樣，獲得了不連續性的幾何信息，并進行了自動的模糊聚類統計分析。自動識別方法是通過在本研究中使用Matlab 執行模糊Kmeans 算法來實現的。這個算法經過以下步驟：①計算巖石邊坡三維表面模型的三角形網格的法向量；②確定簇數K 和初始簇質心V0（一種簡單的方法是選擇隨機K 向量作為初始簇質心的初始猜測；另一種有用的方法是依賴于實地調查或以前的手動/半自動識別方法選擇初始簇質心）；③計算距離d 并計算來自K個簇形心的所有法向量的隸屬度矩陣U；④使用Picard 迭代方法來求解目標函數的最小值，并獲得最佳的聚類質心和隸屬度矩陣；⑤根據多數服從規則對巖石不連續性的出現進行分類，并對不連續性的聚類分類結果進行著色。

在滑坡表面，有兩個主要的不連續性面組。J2 區域以綠色標記，分布廣泛，大致平行于滑坡表面。J3 區域標記為紅色，大致垂直于河流方向。然而，由于懸垂面較小、結構面粗糙度和節理面的錯動，所以在自動識別中，一些不可避免的斑駁區域（例如J2 區域中可能出現的黃色或紅色區域）可能會出現。這是因為自動識別方法是基于三角形網格的法向量來表示不連續性的方向，因此對于稍微封閉或未暴露的不連續性，識別精度將大大降低。例如，在巖石邊坡崩塌后的大型巖層結構中，自動識別過程可能會忽略閉合節理組J1。因此，自動識別方法與人工識別方法相結合可以產生更合理的結果。

3 運動特性分析結果

3.1 不連續性分析

通過結合自動識別方法和手動識別方法，總共識別了331 個不連續性。如圖2（a）所示，然后在立體投影中繪制其傾角和傾角方向值。滑坡表面有三個主要的優選不連續面組：節理組J1 沿巖層發育，傾角30.7°，平均傾角20°，變異性較小（1σ=7.6°），節理組J1 的平均跡線長度達到75.41m，平均間距約為4.51m；節理組J2 大致平行于滑坡表面，傾角為86°，平均傾角78°，分布廣泛，一個標準差的變異性較大，為17.5°，節理組J2 的平均間距為6.81m，平均跡線長度約為27.53m；節理組J3 的平均傾角為60°，平均傾角為77°，只有很小的變化（1σ=8.2°），平均間距為8.32m，平均跡線長度為54.56m。這些確定的不連續面組與傳統地質調查的不連續性組非常相似（圖2（b））。然而，它們可以提供關于不連續面的分布和結構特征的更詳細信息，以及更全面的滑坡表面視圖。

圖2 不連續極點的集中線和不連續集合的模態平面的立體投影

3.2 落石分析

圖3 顯示了2019 年8 月至2022 年6 月期間巖質邊坡崩塌后巖石邊坡表面模型的多時間比較。它為巖質邊坡的性質和時間演變提供了高分辨率和精確的可視化。對表面變化進行顏色編碼，并計算所涉及的質量體積。藍色表示與材料增加相關的積極變化，紅色表示落石的材料損失區域。如圖3（a）-（c）所示，自巖質邊坡滑坡發生以來，滑坡表面或沿破壞后巖石邊坡邊緣經常發生落石。巖石邊坡落石的主要破壞機制可分為平面破壞、楔形破壞和傾倒破壞。平面破壞和楔形破壞主要發生在滑坡表面，而傾倒破壞主要出現在破壞后巖石邊坡的邊緣。如圖3（d）所示，表中列出了巖石邊坡中檢測到的36 個主要落石的體積。可以看出，落石量的大小取決于位置。

圖3 TLS 累計檢測到的落石事件

3.3 研究效果分析

研究效果分析有助于研究落石的破壞機理，并提出今后的合理處理措施。研究表明，通過采取一系列有效的防范措施，可以顯著減少落石事故的發生概率。這些措施包括但不限于定期巡檢和維護潛在的落石點，安裝護欄和防護網，以及進行地質勘察和工程加固等。這些措施的實施有效地降低了落石事故的風險，提高了公路的安全性。

4 結束語

公路邊坡落石是一項復雜而嚴重的地質問題，其形成條件和運動特性的分析對于確保交通安全和道路設施的保護至關重要。通過本文的研究，深入探討了地質條件、氣象條件和人為因素對落石的影響，同時對不同類型落石的規模、速度、路徑以及對公路安全的威脅進行了全面分析。現代技術的應用，如地面激光掃描儀和自動不連續性識別方法，為研究提供了更準確的數據和更全面的視角。通過深入了解公路邊坡落石的形成機制，能夠采取更有針對性的措施來預防和減輕這一潛在危險。此外，及時的監測和預警系統也可以幫助降低落石事件的風險。總之，對于公路管理和工程建設部門來說，了解公路邊坡落石的形成條件和運動特性是確保道路安全和可持續性的關鍵一步。