基于點云數據的排土場安全擋墻提取方法研究

[摘 要]安全擋墻作為排土場安全措施之一，用來保障排土場正常作業，避免排巖車輛未保持安全卸載距離導致車輛滑落。文章提出基于無人機點云數據的排土場安全擋墻提取方法。以遼寧省鞍山市齊大山鐵礦排土場點云數據作為數據源，利用坡度濾波算法提取排土平臺點云數據，再對其進行alphashape邊緣提取算法來提取出安全擋墻一側的邊緣點云數據，再根據高程約束與向量叉乘位置判別來提取安全擋墻點云數據。通過對安全擋墻進行三維可視化建模實現安全擋墻的監測。

[關鍵詞]無人機點云；安全擋墻；坡度濾波算法；alphashape邊緣提取算法

[中圖分類號]P231 [文獻標志碼]A [文章編號]2095–6487（2024）06–0168–03

Research on the Extraction Method of Safety Retaining Walls in Waste Disposal Sites Based on Point Cloud Data

YANG Wei，GUO Hangshen，WU Yixuan，HUAN Liu，MAO Yachun

[Abstract]As one of the safety measures for the dumping site， the safety retaining wall is used to ensure the normal operation of the dumping site and avoid the sliding of vehicles due to the failure of rock dumping vehicles to maintain a safe unloading distance. This article proposes a method for extracting safety retaining walls in waste disposal sites based on unmanned aerial vehicle point cloud data. Using the point cloud data of Qidashan Iron Mine dumping site in Anshan City， Liaoning Province， China as the data source， the slope filtering algorithm is first used to extract the point cloud data of the dumping platform. Then， the alphashape edge extraction algorithm is applied to extract the edge point cloud data on one side of the safety retaining wall. Finally， the safety retaining wall point cloud data is extracted based on height constraints and vector cross product position discrimination. Monitoring of safety barriers is achieved through three-dimensional visualization modeling of safety barriers.

[Keywords]drone point cloud； safety retaining wall； slope filtering algorithm； alphashape edge extraction algorithm

隨著礦山的不斷開采，排土場的高度持續增高，出現了大量高陡排土場邊坡。為了保障排巖車輛在進行卸載時保持安全距離，避免在排土場邊緣發生滑落，有必要設立與監測排土場安全擋墻。

傳統排土場安全擋墻的安全巡檢多以人工到現場進行目視檢查為主。目前，已有不少國內外學者對激光點云數據的濾波方法進行了研究。在機載方面，文獻[1]提出了自適應TIN三角網加密方法處理城市區域機載數據。該方法根據少量的種子點建立一個稀疏的TIN，然后通過迭代方法依據參數閾值對TIN進行不斷加密。文獻[2]提出了一種基于坡度變化的濾波算法，算法的關鍵在于選擇合適的坡度閾值，認為應當根據實驗區域地形的先驗知識選擇坡度閾值，由于需要包含所有地面形態的樣本，增大了算法的難度。文獻[3]提出利用不同尺寸窗口進行多次數學形態學濾波的方法，從最小窗口尺寸開始，對每個判斷為地面點的數據根據窗口尺寸的大小賦予權值，逐步增加窗口尺寸，迭代處理，窗口越大，權值越大，最終根據所有判斷出的地面點的權重計算地形表面。

安全擋墻的特征不明顯，導致常規地面濾波方法無法實現安全擋墻的提取，為此文章通過提取安全擋墻與排土場平臺之間的界線，再通過高程約束與向量叉乘位置判別來提取安全擋墻點云數據。

1 數據獲取及預處理

1.1 實驗數據

選擇遼寧省鞍山市齊大山鐵礦排土場，并以大疆M300 RTK無人機搭載激光雷達禪思L1獲取的排土場點云數據作為數據源開展研究。排土場位置無人機正射影像如圖1所示。

1.2 數據預處理

排土場點云數據存在航帶重疊區域，導致重疊區域的點云密度遠大于非重疊區域，為了后續算法能獲得良好效果，利用格網下采樣算法對排土場點云進行預處理，以此實現點云數據的下采樣，改善點云數據密度不均的問題。

2 研究方法

2.1 排土平臺點云提取

排土場卸載區的平臺區域地形平坦，該區域點云點與點之間的坡度變化較小，而安全擋墻近似梯形或三角形，使得安全擋墻點云點與點之間坡度變化較大。因此，需使用坡度濾波算法實現對排土場平臺與邊坡點云的提取。具體步驟如下。

（1）使用坡度濾波來提取出高程梯度較小的點云。

（2）給每個點云賦予對應的格網索引。

（3）確定劃分的每個格網中z坐標最小的點，格網中的其他點分別與該點進行相對高程及坡度計算。

（4）根據設定的高程閾值H及坡度閾值G，將小于高程閾值H和坡度閾值G的點提取出來，實現平坦區域點云提取，將大于高程閾值H和坡度閾值G的點提取出來，實現陡峭區域點云提取。

2.2 排土界線特征點提取

排土場平臺與安全擋墻的分界點提取是間接提取安全擋墻的重要步驟。為了成功提取安全擋墻，需要實現排土場平臺靠近安全擋墻那一側的邊緣點云的提取，為此在alpha shape邊緣檢測算法的基礎上，通過歐式聚類[4]提取出來的安全擋墻頂部點云數據來對邊緣點云進行最鄰近約束，實現排土界線的提取。

首先找到邊界點云數據的質心點，計算每個點與該點連線到x軸正方向的夾角，排序則為排序結果為逆時針，夾角從大到小的順序排序，則排序結果為順時針。根據夾角的大小進行排序。按照夾角從小到大的順序再通過遍歷邊坡點云對有序邊界點進行最近鄰搜索，在邊坡點云的約束下實現有序排土界線特征點的提取如圖2所示。

2.3 排土場安全擋墻提取

安全擋墻完全在上述線狀點云的一側，為了避免提取安全擋墻時，提取出線狀點云另一側的非安全擋墻點云，需要判定安全擋墻點云與線狀點云的位置關系，來實現安全擋墻的提取。

（1）在工程實際應用中，NURBS（非均勻有理B樣條）算法可以精確描述空間曲線的姿態，為此本研究引入NURBS算法來擬合優化臺階特征線。該方法主要通過調整和控制頂點來實現線條擬合。

（2）文章基于條件約束的安全擋墻提取算法實現安全擋墻的提取。

其中條件約束主要從兩部分來約束，具體如下。

（1）基于半徑鄰域搜索的高程約束部分，通過遍歷提取出來的排土場平臺與安全擋墻交界處的線狀點云中的每個點，以每個點為中心點，對整個排土場點云數據進行半徑搜索，并對搜索出來的點與對應的中心點的高程進行比較，通過設定的高程約束條件實現安全擋墻的初步提取。

（2）基于矢量叉乘來判定安全擋墻點與非安全擋墻點，實現安全擋墻點云數據的細化提取。通過遍歷上述從小到大排好序的線狀點云數據，計算兩兩相鄰點XOY平面的向量，并以線狀點云為中心，對初步提取的安全擋墻點云數據進行半徑搜索，計算搜索中心點與搜索點的向量，進行叉乘。若上述排序為順時針，只提取叉乘結果大于0的點，即位于線狀點云左側的安全擋墻點。若上述排序為逆時針，只提取叉乘結果小于0的點，即位于線狀點云右側的安全擋墻點。至此，實現了安全擋墻的提取（圖3）。

3 安全擋墻提取精度評價

為了評估安全擋墻點集提取的精度，參考國際攝影測量和遙感學會提出的統計學誤差評判標準[5]，對安全擋墻提取結果的誤分率分為3種：第Ⅰ類誤差、第Ⅱ類誤差及總誤差。第Ⅰ類誤差、第Ⅱ類誤差反映了方法的適應性，總誤差反映了方法的可行性，總誤差越小則表示安全擋墻點集提取結果越精確。第Ⅰ類誤差、第Ⅱ類誤差、總誤差的定義分別為：

利用上述評估方法對本研究排土場點云安全擋墻提取結果進行誤差評定，具體結果見表1。

4 結束語

使用坡度濾波及alpha-shape等一系列算法提取排土界線，進而提取安全擋墻，該提取方法解決了傳統濾波方法提取安全擋墻出現誤提、漏提的情況。研究結果表明，基于排土界線進行范圍約束的安全擋墻提取算法能夠準確、自動地提取出排土場安全擋墻，可為安全擋墻健康評估提供技術支持，對露天礦智慧礦山建設具有重要的現實意義。

參考文獻

[1] 朱曉強.基于LiDAR點云和航空影像的城市三維重建[D].合肥：合肥工業大學，2009.

[2] 趙明君，劉超，高翔，等.基于多尺度網格的點云自適應坡度濾波算法[J].合肥工業大學學報（自然科學版），2021，44（2）：266-272.

[3] 張瑩，張凱義.數學形態學改進濾波方法在車載激光點云濾波中的應用[J].測繪標準化，2022，38（4）：81-85.

[4] 沈長表，夏永華，張坤祥，等.基于歐式聚類的車載點云道路提取[J].城市勘測，2023（3）：76-81.

[5] 毛亞純，伏雨文，曹旺，等.基于無人機點云數據的露天采場礦車提取方法[J].東北大學學報（自然科學版），2021，42（6）：842-848，863.