基于三維激光掃描點云數(shù)據(jù)的水庫大壩監(jiān)測技術(shù)研究與應(yīng)用

柳紅凱 朱從軍 徐曉

摘 要：由于施工技術(shù)、地形地貌且非剛性等特點土石壩容易產(chǎn)生非線性變化的特征，傳統(tǒng)檢測中一般采用大壩體上設(shè)置固定一些基準點的單點檢測方式，通過擬合的方式預(yù)測壩體是否變形，壩體監(jiān)測本身屬于整體且呈現(xiàn)面狀的監(jiān)測，單點式檢測具有一定局限性。本文提出了一種基于三維激光掃描技術(shù)的土石壩變形監(jiān)測方法，將不同時間段所采集的三維點云數(shù)據(jù)在進行整體面狀空間對比分析，監(jiān)測大壩在整個空間絕對位置的變化。本方法在廣州市黃龍帶水庫進行了試驗，結(jié)果表明所提方法整體性強、精度高，能夠滿足水庫大壩變形分析計算的要求。

關(guān)鍵詞：三維激光掃描;點云數(shù)據(jù);對比分析;變形監(jiān)測

1.研究介紹

1.1研究背景

截止到2018年，據(jù)統(tǒng)計中國存在的大壩總數(shù)多余10萬多個，我國當前屬于當之無愧的壩工大國，大壩總數(shù)高居世界首位，遠遠高于世界其他國家。大壩通過攔蓄水資源進而合理分配水資源起到至關(guān)重要的作用，對國計民生、社會發(fā)展也起著舉足輕重的地位。然而，由于施工技術(shù)、氣候因素、地形地貌、水位影響以及壩體使用年限等多方面的原因，我國又成為大壩安全事故較多的國家，據(jù)統(tǒng)計目前國內(nèi)已經(jīng)發(fā)生大壩崩塌事故近3000多座，而近90%的壩體事故又出現(xiàn)在三十米以上的大壩，對國民生計、社會安全帶來巨大潛在威脅。因此，對大壩安全監(jiān)測，確保大壩時刻安全運營具有非常重要的意義。大壩安全監(jiān)測本身是水利水電非常重要的研究課題，更是眾多學科交匯點，尤其是測繪科學安全監(jiān)測技術(shù)中激光雷達技術(shù)的全面推廣對大壩的安全監(jiān)測能起到安全、積極的作用。

1.2國內(nèi)外研究現(xiàn)狀

國外對土石壩的安全監(jiān)測可以追溯到十九世紀九十年代[1-2]，由德國率先進行壩體水平方向位置偏移量評估壩體位移，緊接著1903年美國從溫度變化檢測重力壩安全檢測，1908年澳洲對拱壩變形觀測，這也是世界上最早開展變形觀測的實驗。隨后，美國在1925年、1926年開展了揚壓力觀測和史蒂文森山區(qū)的實驗拱壩開展了應(yīng)力應(yīng)變監(jiān)測。接下來世界各國相繼開展了大壩安全監(jiān)測，大壩安全監(jiān)測的對象也逐漸的完善，己從初期的僅僅對大壩主體結(jié)構(gòu)進行監(jiān)測拓展到對大壩主體結(jié)構(gòu)、壩基、壩肩、壩區(qū)及周邊環(huán)境相關(guān)設(shè)施等全方位、大范圍的監(jiān)測。而后大壩由原來粗獷的方式向精細化檢測逐步延伸，截止目前多家機構(gòu)或個人已經(jīng)開展使用高精密儀器通過精細建模、安全評估、風險預(yù)測等眾多手段進行大壩安全監(jiān)測。主要監(jiān)測內(nèi)容包括水位監(jiān)測、位移監(jiān)測、沉降監(jiān)測及周圍環(huán)境監(jiān)測等。

我國針對土石壩的安全監(jiān)測起步較晚[3-9]，且趨向于通過統(tǒng)計分析定性分析為主要手段，為了進一步提高大壩監(jiān)測，國內(nèi)一些學者開始使用現(xiàn)代新型測繪手段監(jiān)測大壩安全，其中三維激光掃描技術(shù)就是其中手段之一，通過點云掃描由傳統(tǒng)手段點狀監(jiān)測到面狀監(jiān)測。使得監(jiān)測手段更為立體化、全面化。

2.研究方法

2.1點云配準

在三維激光儀器掃描時，由于建筑物本身相互遮擋，被掃描物體在每一站掃描時存在掃描盲區(qū)，通常需要多次假設(shè)地面站才能將大壩本體掃描完整，尤其是較大建筑物更需要從多個角度進行掃描。經(jīng)過多站掃描點云數(shù)據(jù)需要經(jīng)過拼接或者配準才能得到掃描對象完整的點云數(shù)據(jù)，多站點云數(shù)據(jù)的拼接技術(shù)是指通過相對定向的方法將不同視點獲取的激光點云數(shù)據(jù)轉(zhuǎn)換到統(tǒng)一的或者固定的坐標系統(tǒng)的過程。大壩變形監(jiān)測屬于精密工程監(jiān)測范疇，混凝土壩在受到外力時形變量極小，而在對大壩掃描時，由于大壩形體結(jié)構(gòu)，不可能一站將所有信息獲取到，因此如何將多個測站的掃描數(shù)據(jù)精確拼接成了大壩變形分析的重點、難點之處。本文使用改進ICP算法進行點云多站之間的自動拼接，只要確保不同站之間的存在足夠的重疊區(qū)，能提取同名特征即可。

2.2對比分析

本項目采用點到面形變量的模式監(jiān)測大壩形變量，相比較于取剖面的監(jiān)測模式，點到面形變量的監(jiān)測模式，顯得更加直觀，更加全面。點到面形變量的模式即將一期參考點云數(shù)據(jù)建模，然后將二期、三期點云數(shù)據(jù)與其進行對比，得到點云中每個點相對于一期面的形變量，達到監(jiān)測的目的。

3.技術(shù)路線

4.數(shù)據(jù)分析

4.1原始數(shù)據(jù)采集與可視化

為了精確分析大壩變形形變量，本項目采用測量精度達到毫米級的高精度三維激光掃描儀對黃龍帶水庫大壩進行數(shù)據(jù)采集，掃描周期為每季度一次。大壩掃描原始數(shù)據(jù)如下所示：

4.2點云數(shù)據(jù)特點分析

依據(jù)圖1、圖2，點云數(shù)據(jù)中存在以下幾個特點：

（1）包含大量噪聲點（非壩體點），如樹木，離群點等

（2）數(shù)據(jù)量過于龐大，冗余數(shù)據(jù)多。一期數(shù)據(jù)包含四千多萬點云數(shù)據(jù)，二期數(shù)據(jù)包含千萬點云數(shù)據(jù)。

（3）多測站之間存在數(shù)據(jù)偏移，采用自動配準處理

5.軟件實現(xiàn)

為了驗證本文算法的有效性，在VS2013平臺上使用點云處理庫PCL（Point Cloud Libaray）和 CloudCompare軟件，進行程序設(shè)計開發(fā)。通過四叉樹算法組織點云數(shù)據(jù)及CC軟件開發(fā)提供接口進行程序可視化。通過構(gòu)建三角網(wǎng)基于C2C算法進行點云數(shù)據(jù)差異化對比，可方便用于大壩點云數(shù)據(jù)的變形監(jiān)測。

5.1軟件界面

5.2軟件介紹

1.點云重采樣

每期大壩點云中包含數(shù)千萬個點，點云數(shù)據(jù)包含的豐富空間數(shù)據(jù)原本是三維激光掃描相比較其他測量手段的巨大優(yōu)勢，但是有時候極大的數(shù)據(jù)量也造成后期數(shù)據(jù)處理的負擔，因此，該功能是為了簡化點云中的冗余數(shù)據(jù)，通過適當減小數(shù)據(jù)量，既不影響整體大壩模型，又能加快運算效率。

2.漸進加密三角網(wǎng)點云濾波

由于大壩四周環(huán)境較為復雜，掃描的點云數(shù)據(jù)中包含了高矮不同的樹木、碎石、低矮植被等各種空間物體。在對大壩建模時需先將大壩之外的點云數(shù)據(jù)剔除。

3.點云配準

如上圖所示，多個測站點云數(shù)據(jù)間存在點云數(shù)據(jù)移位現(xiàn)象，在進行點云數(shù)據(jù)對比前，應(yīng)先將點云數(shù)據(jù)配準，本項目使用特征點配準算法。

4.模型重建

使用快速三角化法對大壩模型重建。

6.結(jié)果分析

本項目的數(shù)據(jù)來源于黃龍帶水庫大壩點云數(shù)據(jù)，基于不同時段點云數(shù)據(jù)進行大壩變形監(jiān)測分析。本次分別選取大壩枯水期兩次掃描數(shù)據(jù)，并將第一期掃描數(shù)據(jù)作為參考點云數(shù)據(jù)，第二期的點云數(shù)據(jù)與第一期數(shù)據(jù)進行對比分析。每期完整的大壩點云數(shù)據(jù)所采集的都在六千萬個以上，確保大壩數(shù)據(jù)的完整性。

1.將密集點云數(shù)據(jù)抽稀，得到一個既能展示大壩外形，經(jīng)兩次數(shù)據(jù)對比分析， 如上圖1、2所示

2.使用本文算法進行兩期點云數(shù)據(jù)對比分析如圖3所示

7.結(jié)論

壩體結(jié)構(gòu)相對穩(wěn)定，屬于安全運營階段，算法后期系從斷面分析局部重點區(qū)分析等策略使激光雷達數(shù)據(jù)應(yīng)用于大壩變形監(jiān)測手段更加完善。

參考文獻

[1]Axelesson P.DEM From Laser Scanner Data Using Adaptive TIN Models[J].Archives of Photogrammetry and Remote Sensing， 2000，XXXIII（B4/1）：110-117.

[2]Sithole G， Vosselman G. Filtering of Airborne Laser Scanner Data Based on Segmented Point

[3]李清泉，李必軍，陳靜.激光雷達測量技術(shù)及其應(yīng)用研究[L].武漢測繪科技大學學報，2000， 25（5）： 387-392

[4]郭佳. 機載LiDAR點云數(shù)據(jù)濾波及建筑物提取技術(shù)研究[D].長安大學，2014.

[5]高志國. 地面三維激光掃描數(shù)據(jù)處理及建模研究[D].長安大學，2010.

[6]王思維. 基于分割的機載LiDAR點云數(shù)據(jù)濾波獲取DTM方法研究[D].成都理工大學，2014.

[7]李煉. 機載LiDAR點云濾波及分類算法研究[D].成都理工大學，2014.

[8]楊應(yīng)，蘇國中，周梅. 茂密植被區(qū)域LiDAR點云數(shù)據(jù)濾波方法研究[J]. 遙感信息，2010，06：9-13.

[9]王勇. 地面激光掃描數(shù)據(jù)濾波研究[D].解放軍信息工程大學，2012.