地下溶洞形態分析與可視化

羅智源，葉錫鈞，徐偉真

(廣州大學土木工程學院,廣東 廣州 510006)

0 引言

巖溶是指可溶性巖層受流水的物理化學作用而形成的地貌,這類特殊的地質現象多出現在碳酸類巖石地區,是一種典型的不良地質災害,主要形態有溶洞、土洞以及暗河等。據統計,我國巖溶地區主要分布貴州、云南、廣西以及廣東等南方省份,其中廣東省內碳酸鹽地層分布面積約占全省面積的7%,約為2.9×104km2,主要集中在粵北地區[1]。伴隨著我國基礎建設的快速發展,開發利用城市地下空間表現出巨大的經濟效益。目前,許多工程項目不可避免涉足巖溶區域,因此難免會遇到許多不良地質情況,如巖溶滲漏、巖溶塌陷等一系列潛在的工程地質問題。在未探明地下巖溶情況下進行工程建設,當灰巖溶蝕發育至一定程度時會導致樁底承載力不足以及地面塌陷等安全隱患,嚴重危害建筑物的質量,造成生命和財產的損失,同時為了避免在施工過程中盲目注漿,應在施工前采取有效措施提前探明溶洞的發育情況和分布規律,為后續的工程樁設計、施工提供服務[2-4]。

目前國內外諸多科研工作者對地下溶洞/土洞探測開展了大量研究工作,并取得一系列創新成果。常用的探測方法主要分為鉆探法[5]和地球物理探測方法(簡稱物探法)[6-8]等,其中傳統的鉆探法盲目隨機鉆孔,通過以點帶面的方法掌握區域的整體地質情況,該方法效率低下、耗費大量的人力、財力以及難以掌握溶洞的整體發育情況,同時盲目地鉆孔取芯容易導致巖溶塌陷。物探法是一種無損的探測方法,只能對地下巖溶進行宏觀判斷,所以應采取其他勘察手段進一步對其空腔形態進行精確測量。本文以某項目施工階段勘察為例,采用高密度電法進行地面初步探測,以期低成本、高效率地完成不良地質體的篩選,再通過鉆孔式三維激光掃描儀對洞內情況進行快速掃描。

然而,溶洞一般結構非常復雜、無規則,加上內部環境惡劣,為了獲得物體的完整三維模型,需要進行多次不同視角的掃描獲得全局信息,點云配準的任務就是將不同視角獲取到的點云數據進行對齊,使得它們在同一坐標系下表示同一個物體或場景,其中配準精度決定了后期三維建模的質量。近年來,深度學習在三維點云領域取得了重要的進展。深度學習模型能夠學習到點云數據中的高級特征表示,從而更好地捕捉點云的幾何和語義信息。這種模型對于點云中的噪點具有較強的魯棒性,能夠提高在復雜場景下的點云配準精度。通過配準后的結果,可導入通用的三維軟件,通過后處理形成三維實體模型,能客觀真實地反映空區三維形態和走向延伸,實現對復雜形態溶洞/土洞的精細化表征,進一步了解溶洞發育情況,為后續工程的建設制定相對應的施工方案提供更準確的數據依據[9-12]。

1 點云數據的獲取方式

1.1 三維激光掃描技術原理及特點

三維激光掃描測量技術克服了傳統測量技術的限制,通過非接觸主動測量方式直接獲取高精度的三維數據,實現了對物體的全面掃描,并且不受時間限制,無論白天還是黑夜都可以進行測量,具有非接觸性、快速性、數字化和精度高等特性。三維激光測量技術的出現為溶洞的勘察設計提供了全新的技術手段,其核心原理是利用激光測距原理,靠發射和接收激光脈沖信號的時間差來計算被測目標到激光掃描儀的距離S、橫向掃描角α和縱向掃描角θ,再通過對數據處理將被測物體的表面信息轉換成大量的三維坐標信息(見圖1)。

(1)

1.2 三維激光掃描儀參數信息及其探測技術

本次試驗采用GLS-Ⅱ鉆孔式三維激光掃描儀,該儀器主要參數如表1所示。

本次試驗具體操作流程見圖2,首先根據高密度電法儀反演結果圈出異常區域,初步勘察出溶洞的大概埋深和發育規模,選取溶洞頂部和底部之間高度最大的地方進行鉆孔(孔徑應90 mm以上),現場準備工作完成后,沿勘探鉆孔下放測試探棒(直徑約50 mm)進入溶洞內部,通過掃描探頭自動進行360°掃描(見圖3),獲取大量溶洞/土洞邊界的點云數據,根據得到的結果,可指導下一鉆孔的布孔位置,及時優化布孔方案,最后將多站溶洞點云數據進行處理。

2 基于深度學習的點云配準方法

點云配準是指將多個點云數據集對齊到同一個坐標系中,使得它們在空間中對應的點能夠重合或接近。基于深度學習的點云配準是一種利用深度學習技術來實現點云數據對齊和匹配的方法,通過大規模的數據集進行訓練,能夠更好地捕捉點云數據的細節和局部特征,從而提高對噪聲、遮擋和不完整數據的魯棒性。本文采用的是一種快速特征度量點云配準框架[13](見圖4),與傳統的點云配準方法不同,不需要搜索對應關系,而是通過最小化特征度量投影誤差來進行配準,這種方法具有較高的精度和魯棒性,特別是處理存在顯著的噪聲和密度差異的點云配準。

2.1 Fmr網絡(Feature-metric registration)

該網絡模型的總體結構由兩個模塊組成:編碼器模塊和多任務分支模塊。編碼器模塊用于從輸入點云中提取特征。多任務分支模塊包括編碼器-解碼器神經網絡和特征度量配準模塊。編碼器-解碼器網絡以無監督的方式進行訓練,以確保當存在空間變換時,兩個相同點云的特征不同,當移除變換時,特征相同。特征度量配準模塊通過最小化特征差異來估計兩個輸入點云之間的變換矩陣。

對于給定兩個點云P∈RM×3和Q∈RM×3,配準的目標是找到使點云P與Q最佳對齊的剛性變換參數(R,t),具體公式見式(2):

(2)

其中,r為投影誤差;F為編碼器模塊學習的特征提取函數;P為源點云;Q為目標點云;R為旋轉矩陣;t為平移向量。

為了求解上述方程,Huang X等提出了一種特征度量配準框架,可以以半監督或無監督的方式進行訓練。首先,對兩個輸入點云提取兩個旋轉注意特征。其次,將特征輸入到多任務模塊中。在第一個分支(Task1)中,解碼器被設計為以無監督的方式訓練編碼器模塊。在第二分支(Task2)中,計算投影誤差r以指示兩個輸入特征之間的差異,并且通過最小化特征差異來估計最佳變換。變換估計迭代運行,并且通過IC(Inverse Compositional)算法來估計每個步驟的變換增量(Δθ),見式(3):

Δθ=(JTJ)-1(JTr)

(3)

2.2 損失函數

2.2.1 Chamfer loss

編碼器-解碼器分支以無監督的方式進行訓練,并結合Chamfer損失的訓練方法可以提高點云配準的準確性和魯棒性,使得編碼器能夠更好地學習到點云的特征表示。具體計算公式見式(4):

(4)

其中,pA為從單位正方形[0,1]2上采樣的點集;x為點云特征;φθi為MLP參數的第i個部分;S*為原始的輸入點云。

2.2.2 Geometric loss

幾何損失函數的目的是通過最小化這個損失函數,可以使得估計的變換矩陣(gest)更接近真值的變換矩陣(ggt),從而實現點云的配準和對齊。具體計算公式見式(5):

(5)

其中,P為點云數據;M為點云總數。

當采用半監督的方式進行訓練時,最終的損失函數見式(6):

loss=losscf+losspe

(6)

2.3 實驗結果

根據實驗結果顯示,該方法在不同初始角度下展現了出色的整體性能。在7Scene數據集上,該方法相較于經典優化方法、特征學習方法和深度學習配準方法表現更為優越。此外,無監督方法始終比半監督方法取得更好的結果。

3 工程概況

3.1 工程地質概況

本次試驗以某項目施工階段進行勘察,根據區域地質圖及周邊項目資料,本場區內巖土體主要為:第四系人工填土層、沖洪積層(細砂、中砂、粗砂、礫砂、粉質黏土)、殘坡積層(粉質黏土、角礫)、石炭系灰巖(中風化、微風化)、石炭系砂巖(全風化、強風化、中風化、微風化)等。項目場地地勢平坦,周邊項目及踏勘期間未發現巖石滑坡、泥石流、采空區、地面沉降等地質災害及不良地質作用,且該區域人類工程活動強度較弱,地表附加荷載不大,因此場地處于相對穩定狀態。本場地不良地質作用主要為巖溶。

3.2 水文特征

場地地下水主要賦存在第四系砂層、基巖風化裂隙中,地下水主要靠大氣降水和地表水徑流補給(如珠江等)。經現場觀測和調查,場地地下水位與河涌有密切的水力聯系,地下水位與河涌潮汛一致,即每年6月—9月為高水位期,10月份以后水位緩慢下降,1月份水位最低。由于施工期較短,觀測的地下水位不能代表長期地下水水位。常年變化幅度在1.0 m～3.0 m之間。

4 勘察結果及分析

4.1 三維激光掃描儀掃描結果

在本次測量中,由于該地區地下水位較高,三維激光掃描在遇到水時,水對激光的反射和吸收能力較強,會導致激光束的能量損失和信號干擾,從而影響掃描儀的測量精度和可靠性。因此本次試驗需要結合高密度電法反演結果,選取無填充的溶洞進行快測量,為了溶洞的完整數據信息,將探棒下放到不同深度進行掃描,具體掃描結果見圖5。

4.2 基于深度學習點云配準結果

通過基于深度學習點云配準算法,將掃描結果進行配準,具體結果見圖6。

4.3 三維激光掃描成果分析

通過Geomagic studio2015軟件對配準后的溶洞點云數據進行后處理(去噪、抽稀以及封裝),重構出溶洞三維模型,可直觀了解其整體形態,見圖7。

結果表明該溶洞位于地面以下22.1 m～31.2 m,其內部體積大小約為279.6 m3,高度為9.1 m,關鍵位置平剖面沿Z軸由上往下,其中剖面一位于埋深24 m,剖面間隔為2 m,以此類推,剖面效果圖見圖8。

通過地質勘察報告鉆孔柱狀圖顯示,此處在22.0 m～31.0 m處存在一個高度為9.0 m的無填充溶洞,與高密度電法和三維激光掃描的測量結果接近,證明本文所采取溶洞探測方法合理有效。通過溶洞的三維模型,可以明確溶洞形態,查看任意關鍵位置橫縱剖面結果,避免在施工過程中造成坍塌的風險和減少盲目注漿處理造成的巨大經濟損失。

5 結論

在工程建設過程中,如何準確、經濟地確定地下巖溶的空間分布規律和發育規模是當前巖溶探測的一大難題。本文通過高密度電法測量地下溶洞周圍的電阻率變化,低成本、高效率地完成不良地質體的篩選,初步了解地下溶洞的分布情況。選擇關鍵位置進行鉆孔,利用桿式激光掃描探頭進入溶洞內部進行360°掃描,自動獲取大量點云數據。

通過利用深度學習的優勢,我們可以自動學習和提取點云數據中的特征,并將其應用于點云配準。這種方法能夠更好地捕捉點云數據中的細節和復雜性,從而提高配準的準確性和效果。最后,建立地下溶洞三維立體模型,與前期鉆孔勘察報告結果相互補充并相互印證,充分掌握溶洞的真實體積、形態等,對關鍵位置進行剖面輸出,為設計施工提供詳盡的地質資料,對工程的安全施工至關重要。同時該探測方法具有高精度、高效率、低成本以及探測深度大等特點,是一種有效的溶洞測量手段,在巖溶勘察服務市場具有廣闊的應用前景。