3d点云激光扫描仪（超远距三维激光扫描仪）

本文内容来源于《测绘通报》2021年第10期，审图号：GS（2021）6414号

面向水库大坝形变监测的三维激光扫描点云分析方法

杨传训^1,2,3,4,5

1. 中国科学院广州地球化学研究所, 广东 广州 510640;

2. 中国科学院大学, 北京 100049;

3. 广东省遥感与地理信息系统应用实验室, 广东 广州 510070;

4. 广东省地理空间信息技术与应用公共实验室, 广东 广州 510070;

5. 广州地理研究所, 广东 广州 510070;

6. 山东理工大学, 山东 淄博 255000

基金项目：国家自然科学基金（41976189）；广东省自然科学重点基金（2018B030311059）；南方海洋科学与工程广东省实验室（广州）（GML2019ZD0301）；广东省科技计划项目（2019A050506001）

关键词：水库大坝 形变监测 三维激光扫描 点云数据配准 渐进加密三角网滤波

引文格式：杨传训, 杨骥, 李勇, 等. 面向水库大坝形变监测的三维激光扫描点云分析方法[J]. 测绘通报，2021(10)：54-59. DOI: 10.13474/j.cnki.11-2246.2021.305.

阅读全文：http://tb.sinomaps.com/article/2021/0494-0911/20211009.htm

摘要

摘要：根据黄龙带水库大坝两期高精度三维激光大坝扫描点云数据，本文提出基于正态分布的点云数据配准算法、改进原始渐进加密三角网滤波算法，运用点到面形变量对比分析模式监测大坝形变量，并进行源程序开发，实现一体化监测点云数据的加工、对比分析及建模处理。通过结果验证显示：①改进后的算法效率高、精度优，适用于大坝点云数据处理和对比分析；②开发的点云数据一体化处理软件简单易用，能够精准反映坝体变形情况；③黄龙带坝体稳定，尚无安全隐患。

正文

作为江河防洪工程的重要组成部分，大坝通过拦蓄水实现水资源的合理调控与配置优化。我国目前已建成各类水库大坝10余万座，在我国社会经济命脉中发挥着重要作用^[1-2]。但随着时间的推进及自然环境的演变，部分大坝存在严重的安全隐患。我国目前累计已有3000多座大坝发生溃坝事故，给社会造成了严重的生命安全威胁、财产损失和生态破坏^[3]。因此，在大坝、库区和坝下整个水利枢纽系统正常运维中，大坝安全监测至关重要^[4]。

我国大坝形变监测由20世纪50年代的人工形变监测，70年代的以传感器、激光技术和全站仪TPS为基础的自动化形变监测，发展到90年代的以GPS自动化形变监测系统为主的大坝形变安全监测。传统的大坝形变监测方法仍以人工为主，自动化程度低，数据采集周期长，无法反映大坝的现势状态。此外，单点测量的缺点为仅能反映测量点附近的位移情况，无法直观地反映大坝整体的形变情况。进入21世纪，随着测绘学科和计算机技术的发展，新方法与手段不断涌现，逐步将GPS、三维激光扫描、InSAR等新的技术与方法应用于大坝安全监测中^[5-7]。大坝监测技术的发展也向着自动化、智能化、高可靠性、高精度、连续、实时和网络化方面发展^[8-9]。

本文以黄龙带大坝为研究对象，采用三维激光扫描仪获取两期大坝三维点云数据，提出基于正态分布的点云数据配准算法、改进原始渐进加密三角网滤波算法，运用点到面形变量对比分析模式监测大坝形变量，以期为大坝的安全运维提供决策性辅助支撑。

1 研究方法及技术路线1.1 研究方法1.1.1 点云配准

利用三维激光扫描仪获取大坝点云数据时，因遮挡会产生扫描盲区，单次通常不能得到大坝整体的点云数据，尤其对于大型水库大坝的扫描对象更需要进行多次、多站、多角度地扫描才能够得到较完整的三维点云数据^[10-11]。而经过多次扫描数据需要拼接或配准才能得到完整的对象点云，多个测站的扫描数据精确拼接成了大坝形变分析的重点、难点之处^[12-13]。基于反射标靶的拼接方法、基于三维特征点的拼接方法、基于全站仪/GPS控制点等传统大场景点云数据拼接方法，在实际操作时由于角度、距离等产生坐标误差，不能满足大坝形变监测的需要。针对这一缺点^[14]，本文提出一种基于正态分布的点云配准算法，与传统算法提取特征点并进行不断迭代的方式不同，该算法首先利用统计学知识获取三维点云统计模型，然后通过标准最优化原理达到点云间数据配准。该方法效率高、精度高，适用于水库大坝大型点云数据拼接。

1.1.2 滤波处理

通过克服渐进加密三角网滤波算法精度低、效率不高等缺点，可提高点云滤波处理过程。其中原始渐进加密三角网的滤波处理流程基本原理^[15]如图 1所示。

图 1 渐进加密三角网滤波处理基本原理

图选项

(1) 获取大坝三维激光点云数据。

(2) 将获取得到的点云数据进行格网化，以格网中高程要素最低的点充当地面点，从而构建原始TIN。其中，原始格网划分粗糙，尺寸略大于景观物尺寸。

(3) 完成每个点与三角形的垂距测量，以及通过3个顶点的夹角判断该点是否为地形要素点。如图 1所示，P点为要素点，d为垂距，通过判定α1、α2、α3 3个夹角的最大值是否超过阈值，进而判断P点是否为地面点。

(4) 将上述步骤中判断的地形要素点融合到三角网坐标系中，进而完成TIN加密。

(5) 通过重复执行步骤(3)和步骤(4)，直至没有符合条件的空间点为止。

1.1.3 对比分析

本文采用点到面形变量的模式监测大坝形变量，相比较于取剖面的监测模式、点到点(C2C)、点到面形变量的监测模式，更加直观、精确及全面^[16]。点到面形变量的模式即首先将一期参考点云数据建模，然后将二期点云数据与其进行对比，得到点云中每个点相对于一期面的形变量，达到监测的目的，如图 2所示。

图 2 点到临近三角形距离

图选项

点云P到参考面间距d为该点到最近三角形的垂距，公式如下

式中，平面方程式为Ax By Cz D=0；点P的坐标为(x₀,y₀,z₀)。

1.2 技术路线

本文技术路线分为建立工程控制网和大坝坝体点云数据获取两部分，具体流程如图 3所示。

图 3 整体技术路线

图选项

2 试验过程

PCL(point cloud library)和CC(cloud compare)均是开源的点云数据处理的类库，提供了点云数据基本处理算法(如海量点云数据的组织与管理、点云滤波、构建三角网等通用算法)，有助于提高源程序的开发效率^[17]。CC中提供了点云数据对比的算法(如基于DEM的点云数据对比算法、基于C2M的点云数据对比算法^[18])，这些方法可以直接用于大坝点云数据的形变监测。

虽然传统的C2C点云对比算法计算简单，但算法迭代容易陷入局部极值，误差较大，而C2M算法迭代次数少，运行速度快，精度优于C2C算法。因此本文采用基于C2M的点云数据对比算法，通过在Visual Studio 2010平台上借助开源类库PCL和CC，调用开源类库的函数，进行了源程序的开发。软件界面如图 4所示。

图 4 软件界面

图选项

(1) 点云重采样。每期大坝点云中包含数千万个点，点云数据包含的丰富空间数据原本是三维激光扫描相较其他测量手段的巨大优势，但是有时极大的数据量也造成后期数据处理的负担。因此，该功能是为了简化点云中的冗余数据，通过适当减小数据量，既不影响整体大坝模型，又能加快运算效率。

(2) 渐进加密三角网点云滤波。由于大坝四周环境较为复杂，扫描的点云数据中包含了高矮不同的树木、碎石、低矮植被等各种空间物体。在对大坝建模时需先将大坝之外的点云数据剔除。

(3) 点云配准。多个测站点云数据间存在点云数据移位现象，在进行点云数据对比前，应先将点云数据配准，本文使用特征点配准算法。

(4) 模型重建。使用快速三角化法对大坝模型重建。

3 结果分析3.1 原始数据分析

为了精确分析大坝形变量，采用测量精度达到毫米级的高精度三维激光扫描仪对黄龙带水库大坝进行数据采集，每季度扫描一次。大坝扫描原始数据如图 5、图 6所示。为了基于点云数据整体位移偏移量进行多时态水库大坝形变监测分析，本文项目以第一期监测数据作为参考点云数据，通过第二期的点云数据与第一期数据进行对比分析。每期完整的大坝点云数据采集点均在4000万以上。

图 5 大坝一期点云数据

图选项

图 6 大坝二期原始数据

图选项

通过直观分析可以看出，采集的点云数据中存在以下特点：①包含大量噪声点(非坝体点如树木)、离群点等；②数据量过于庞大，冗余数据多。一期数据包含4000万以上点云数据，二期数据包含近5000万点云数据；③多测站之间存在数据偏移。因此需要对获取的原始点云数据进行滤波、配准、采样等操作。

3.2 实验分析3.2.1 大坝滤波处理

采用渐进加密三角网与区域分割技术相结合技术将数据中除大坝点云数据之外的点云去除，完成大坝数据提取。点云滤波结果如图 7所示。

图 7 点云滤波

图选项

3.2.2 点云配准

将两个测站的大坝数据配准，获得大坝整体数据，由于受角度扫描限制，得到的大坝点云有些空洞，但是大坝整体数据获取结果较好，因此不影响本次大坝形变监测数据对比分析需求。由于大坝监测属于精密监测工作范畴，不对空洞做过多修复，以免影响后期大坝精度数据分析。点云配准结果如图 8所示。

图 8 点云配准

图选项

3.2.3 点云下采样

将密集点云数据抽稀，得到一个既能展示大坝外形，又能将大坝点云数量减少的稀疏点云，原始点云数量为44 291 385，采样后点云数量为13 589 432。本次监测方式为后期采集数据与第一期点云形成的模型对比，采样后的点数据量能满足形变监测的分析需要，如图 9所示。

图 9 稀疏大坝点云

图选项

3.2.4 建立模型

将一期采集的点云数据建模，建模采用点云快速三角化算法建模，该方法与常用的泊松建模方法有所不同。泊松建模算法存在数据拟合情况，在曲率变化较大的地方，不容易精确表达表面实际情况，而基于三角化点云建模，受点云曲率变化影响较小，能更精准地表达大坝细节如棱角线、阶梯等，对后期数据分析更加有利，如图 10所示。

图 10 大坝三维模型

图选项

3.2.5 对比分析

将二期数据与一期数据空间叠加，如图 11所示，以第一期点云数据曲面模型为参考面，采用叠加分析，计算二期数据每个点到曲面的最近三角面垂距的距离^[19-21]，得到点云距离分布，如图 12所示。

图 11 空间点云数据叠加

图选项

图 12 点云距离临近曲面偏移

图选项

针对点云距离临近曲面偏移数据经统计可以得出点云位移偏移量统计图，如图 13所示，由统计图可以看出，99%以上的点云位移偏移出现在0.06 cm以下。

图 13 距离分布统计

图选项

综上所述，大坝两期数据整体偏移较小，存在较大位移偏移量的点云数量极少。为了进一步分析大坝位移形变，利用基于高斯分布的位移量从X、Y、Z方向分析。其中沿Z轴正方向的法线计算土坝沉降位移，沿X轴正方向的法线计算纵向位移，沿Y轴正方向计算横向位移。从高斯分布曲线计算中，得到两期点云数据的位移距离平均值及位移量标准差，数据比较结果如图 14所示。

图 14 两期大坝偏移统计

图选项

通过对X、Y、Z3个方向的偏移量进行统计分析，分别从平均值和中误差2个指标进行评价得到统计数据见表 1。

表 1 偏移量统计分析

表选项

由表 1统计数据分析得知，大坝沉降位移量平均为0.103 59 cm，纵向位移量为0.123 59 cm，横向位移量为0.082 37 cm，从3个方向统计数据得知，X、Z形变量相对较大；Y方向较小。两期期间黄龙带水库没有较大的水位变化，因此大坝在沉降、横向、纵向位移形变量较小，水位变化对大坝沉降、纵向影响大于横向影响，符合大坝实际变形，分析数据合理可靠。

表 1中大坝沉降位移中误差为0.198 01 cm，满足监测精度要求的1.0 cm；横向位移中误差为0.165 98 cm，满足监测精度要求的1.0 cm；纵向位移中误差为0.159 65 cm，满足监测精度要求的1.0 cm。因此三维计算扫描仪能满足大坝位移形变的监测精度要求。

4 结语

本文采用基于C2M大坝形变分析方法，通过精确配准与滤波，结合PCL与Cloud Compare开源库进行开发，最终实现对大坝原始采集数据的去噪音、配准、滤波、对比分析等全套功能。为了验证本文算法的精度和实用性，采用黄龙带点云数据进行了算法验证，由监测结果与大坝监测数据形变量要求进行对比可知，本文方法精度高、效率优、实用性强，能够精准地反映大坝局部、整体变形。通过分析本次监测结果，黄龙带水库大坝坝体稳定，不存在安全隐患。

本文方法适用于一般大中小型水库形变监测及安全运维当中。相比于传统的单点测量，该方法人工干预程度低，自动化程度高，数据采集周期短，能及时反映并掌握大坝的整体运行状态和形变量，不仅能反映局部的特征情况，同时能完成对大坝的整体位移监测。此外，通过获取点云数据，可以获取各个观测点的三维数据，相比于传统的二维平面坐标系，该方法更能充分反映实际情况，为大坝的安全运维提供决策性辅助支撑。

作者简介

作者简介：杨传训(1988-), 男, 博士生, 主要研究方向为地理信息系统与环境遥感。E-mail: 747009083@qq.com

通信作者：陈水森。E-mail: css@gdas.ac.cn

初审：杨瑞芳

复审：宋启凡

终审：金 君

往期推荐

资讯

○ 中国科学院空天信息创新研究院城市环境遥感团队岗位聘用职工招聘

○ 中国工程院院士郭仁忠：城市如何数字化？既要有好“路”还要有好“车”

○ 中国科学家首获地球观测组织卓越个人奖

○ 关于诚邀参加中国测绘科学研究院2021年测绘科技成果推介会的函

○ 北京市测绘设计研究院2022年应届毕业生公开招聘

○ PPT | 李春来 ：基于高光谱红外成像的气体探测方法、现状与展望

会议

○ 第一届中国生态系统遥感学术研讨会（三号通知）

○ 《测绘学报》2021年编委会会议在青岛召开

○ 会议通知 | 2021中国地理信息科学理论与方法学术年会通知（第二号）

○ 关于第八届“测绘科学前沿技术论坛”再次延期召开的通知

《测绘学报》

○《测绘学报》2021年第11期“智能驾驶环境感知专刊”目录

○ 测绘学报 | 朱杰：基于主题模型的地理环境时空数据隐含语义理解

○ 测绘学报 | 左溪冰 : 高光谱影像小样本分类的图卷积网络方法

○ 测绘学报 | 成飞飞 : 结合自适应PCNN的非下采样剪切波遥感影像融合

《测绘通报》

○ 室内高精度三维测图新技术

○ 面向上海城市数字化转型的新型测绘

○ 图像全站仪及图像测量发展与展望

○《测绘通报》2021年第10期目录

《北京测绘》

○《北京测绘》2021年第9期摘要推荐

○《北京测绘》2021年第8期摘要推荐（下）

○《北京测绘》2021年第8期摘要推荐（上）

○《北京测绘》2021年第7期摘要推荐（下）

《测绘科学技术学报》

○ 《测绘科学技术学报》2021年第1期重点论文推荐

○ 摘要 |《测绘科学技术学报》2021年第3期摘要推荐

○ 摘要 |《测绘科学技术学报》2021年第2期摘要推荐

○ 摘要 |《测绘科学技术学报》2021年第4期摘要推荐

○ 摘要 |《测绘科学技术学报》2021年第5期摘要推荐

《地球信息科学学报》

○ 《地球信息科学学报》2021年第10期佳文推介

○ 《地球信息科学学报》2021年第9期佳文推介

○ 《地球信息科学学报》2021年第8期佳文推介

○ 专刊征稿：社会感知与地理大数据挖掘（征稿中）

《测绘工程》

○ 摘要 |《测绘工程》2021年第5期摘要推荐

○ 摘要 |《测绘工程》2021年第4期摘要推荐

○ 摘要 |《测绘工程》2021年第3期摘要推荐

○ 测绘教学 | 后疫情时代“线上 线下”混合教学模式创新——以测绘类课程视角

《中国空间科学技术》

○《中国空间科学技术》2021年第5期摘要推荐

○ 摘要 |《中国空间科学技术》2021年第4期摘要推荐

○ 摘要 |《中国空间科学技术》2021年第3期摘要推荐

○ 火卫二地形地貌探测综述

《卫星应用》

○ 综述 | 北斗系统应用趋势分析

《Journal of Geodesy and Geoinformation Science》

○《测绘学报（英文版）》（JGGS）LiDAR专刊发布

○《测绘学报（英文版）》（JGGS）第一次编委会会议顺利召开

○论文推荐（六）| Speical Issue on New LiDAR Technologies and Techniques

○论文推荐（五）| Speical Issue on New LiDAR Technologies and Techniques

《Satellite Navigation》

○ [综述]| 高扬教授：GNSS智能手机定位：进展、挑战、机遇和未来展望| SANA佳文速递

○ 熊超教授：地磁暴期间夜间低纬电离层和赤道等离子体不规则体| SANA佳文速递

○ 徐元博士：面向有色测量噪声下UWB/INS组合行人导航的分布式卡尔曼滤波| SANA佳文速递

○ 杨飞博士：GNSS天顶对流层精化模型的构建与分析| SANA佳文速递

○ 牛小骥教授：用半解析法分析GNSS/INS在铁路轨道测量中的相对精度| SANA佳文速递

《自然资源遥感》

○ 《自然资源遥感》入驻“智绘科服”融媒体平台！

○ 《自然资源遥感》征稿：“海岸带空间资源及生态健康遥感监测”专栏