基于三維激光掃描點云數據的水庫大壩監測技術研究與應用

柳紅凱 朱從軍 徐曉

摘 要：由于施工技術、地形地貌且非剛性等特點土石壩容易產生非線性變化的特征，傳統檢測中一般采用大壩體上設置固定一些基準點的單點檢測方式，通過擬合的方式預測壩體是否變形，壩體監測本身屬于整體且呈現面狀的監測，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的土石壩變形監測方法，將不同時間段所采集的三維點云數據在進行整體面狀空間對比分析，監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。

關鍵詞：三維激光掃描;點云數據;對比分析;變形監測

1.研究介紹

1.1研究背景

截止到2018年，據統計中國存在的大壩總數多余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重要的作用，對國計民生、社會發展也起著舉足輕重的地位。然而，由于施工技術、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，據統計目前國內已經發生大壩崩塌事故近3000多座，而近90%的壩體事故又出現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測技術中激光雷達技術的全面推廣對大壩的安全監測能起到安全、積極的作用。

1.2國內外研究現狀

國外對土石壩的安全監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的實驗拱壩開展了應力應變監測。接下來世界各國相繼開展了大壩安全監測，大壩安全監測的對象也逐漸的完善，己從初期的僅僅對大壩主體結構進行監測拓展到對大壩主體結構、壩基、壩肩、壩區及周邊環境相關設施等全方位、大范圍的監測。而后大壩由原來粗獷的方式向精細化檢測逐步延伸，截止目前多家機構或個人已經開展使用高精密儀器通過精細建模、安全評估、風險預測等眾多手段進行大壩安全監測。主要監測內容包括水位監測、位移監測、沉降監測及周圍環境監測等。

我國針對土石壩的安全監測起步較晚[3-9]，且趨向于通過統計分析定性分析為主要手段，為了進一步提高大壩監測，國內一些學者開始使用現代新型測繪手段監測大壩安全，其中三維激光掃描技術就是其中手段之一，通過點云掃描由傳統手段點狀監測到面狀監測。使得監測手段更為立體化、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，通常需要多次假設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。經過多站掃描點云數據需要經過拼接或者配準才能得到掃描對象完整的點云數據，多站點云數據的拼接技術是指通過相對定向的方法將不同視點獲取的激光點云數據轉換到統一的或者固定的坐標系統的過程。大壩變形監測屬于精密工程監測范疇，混凝土壩在受到外力時形變量極小，而在對大壩掃描時，由于大壩形體結構，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據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，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測大壩形變量，相比較于取剖面的監測模式，點到面形變量的監測模式，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據建模，然后將二期、三期點云數據與其進行對比，得到點云中每個點相對于一期面的形變量，達到監測的目的。

3.技術路線

4.數據分析

4.1原始數據采集與可視化

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據采集，掃描周期為每季度一次。大壩掃描原始數據如下所示：

4.2點云數據特點分析

依據圖1、圖2，點云數據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）數據量過于龐大，冗余數據多。一期數據包含四千多萬點云數據，二期數據包含千萬點云數據。

（3）多測站之間存在數據偏移，采用自動配準處理

5.軟件實現

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，進行程序設計開發。通過四叉樹算法組織點云數據及CC軟件開發提供接口進行程序可視化。通過構建三角網基于C2C算法進行點云數據差異化對比，可方便用于大壩點云數據的變形監測。

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

2.漸進加密三角網點云濾波

由于大壩四周環境較為復雜，掃描的點云數據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據剔除。

3.點云配準

如上圖所示，多個測站點云數據間存在點云數據移位現象，在進行點云數據對比前，應先將點云數據配準，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.結果分析

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

1.將密集點云數據抽稀，得到一個既能展示大壩外形，經兩次數據對比分析， 如上圖1、2所示

2.使用本文算法進行兩期點云數據對比分析如圖3所示

7.結論

壩體結構相對穩定，屬于安全運營階段，算法后期系從斷面分析局部重點區分析等策略使激光雷達數據應用于大壩變形監測手段更加完善。

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.激光雷達測量技術及其應用研究[L].武漢測繪科技大學學報，2000， 25（5）：
387-392

[4]郭佳. 機載LiDAR點云數據濾波及建筑物提取技術研究[D].長安大學，2014.

[5]高志國. 地面三維激光掃描數據處理及建模研究[D].長安大學，2010.

[6]王思維. 基于分割的機載LiDAR點云數據濾波獲取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，蘇國中，周梅. 茂密植被區域LiDAR點云數據濾波方法研究[J]. 遙感信息，2010，06：9-13.

[9]王勇. 地面激光掃描數據濾波研究[D].解放軍信息工程大學，2012.