無人機LiDAR技術在礦區大壩監測中的應用研究

孫 健，王君杰，王雁昕，丁 奧

(1.山東科技大學 測繪與空間信息學院，山東 青島 266590；2.淮安市水利勘測設計研究院有限公司，江蘇 淮安 223005)

水庫大壩是保障國民經濟的重要基礎設施，由于建設規模大、工作條件特殊復雜，運行過程中存在潛在的重大安全風險，一旦失事將威脅上下游人民生命財產安全。我國已有水庫中約有36%屬于病險水庫，為保證水利水電工程的安全運行，必須加強水庫大壩的安全檢測[1-2]。在傳統大壩監測過程中，主要采用水準儀、經緯儀、全站儀等儀器，根據監測需要在實地建立觀測站，采用大地測量方法對大壩的變形情況進行監測。雖然采用這些傳統技術方法也能滿足項目的需求，但其測量效率低，測量周期較長，受天氣因素的影響較大。隨著測繪技術的不斷發展，近年來開始采用高精度GPS單體網、區域網和合成孔徑雷達差分干涉測量技術等進行大壩表面變形監測。這些觀測手段受時間、空間等因素的限制，存在工作強度大、耗費大等缺點，很難反映大壩復雜的整體變形形態。

無人機LiDAR(Light Detection and Ranging)技術憑借其高精度、高效率、高分辨率、高密集點云數據、穿透性強等優勢，已成為地理信息獲取的重要手段。借助其多次回波反射特性，依托點云分類算法能得到去除地表樹木、房屋等附著物[3-5],表征真實地面高程的高精點云數據，以此可構建大壩的數字高程模型[6]。該系統通過集成全球定位技術、激光掃描技術等多種測量手段，可以快速地獲取地面精密點云數據[7-9]。通過對點云數據進行精度檢查、點云濾波以及點云分類等預處理流程后，獲得高精度的大壩三維模型。本文結合陜西省某礦區大壩變形監測項目，探索采用無人機LiDAR技術進行礦區大壩監測的可行性，以期為大壩變形監測提供一種新思路。

1 無人機LiDAR系統

1.1 無人機LiDAR系統組成

無人機LiDAR系統以無人機為載體平臺，結合時間同步控制單元系統，集成全球導航衛星系統(Global Navigation Satellite System,GNSS)、激光測距系統(Scanning Laser Ranging,SLR)、慣性導航系統(Inertial Navigation System,INS)等設備于一體，可同步獲取高精度無人機激光雷達點云數據，快速生成DSM、DEM、彩色點云等成果。該系統將激光發射向地面，記錄下激光脈沖到地面往返的時間；根據這個時間結合光速計算出距離，系統再根據飛機高度、姿態以及脈沖角度，計算出地表物體的高度；同時，根據GPS接收器的信息，最終得到地面物體的空間坐標。無人機LiDAR系統工作原理如圖1所示。

圖1 無人機LiDAR系統工作原理示意圖

1.2 無人機LiDAR系統監測方案

由于監測區域為礦井采空塌陷區，在大壩表面布置監測用標識點，根據其地表地形特征，采用監測掃描控制點及測站點方式進行大壩變形監測。同時，在大壩壩頂架設地面基準站，同步采集GNSS觀測數據。本次實驗采用大疆DJI M600 PRO搭載輕量化LiDAR系統對大壩進行作業，該系統的主要性能參數如表1所示。

表1 無人機LiDAR系統參數

2 LiDAR點云數據處理

2.1 LiDAR點云數據處理技術路線

采用無人機LiDAR系統完成外業測量后，為實現地面高精度、高密度點云獲取，需對原始數據進行處理，主要包括點云數據處理與地面點云提取兩部分，具體點云數據處理流程如圖2所示。

圖2 無人機機載LiDAR點云數據處理技術路線

2.2 LiDAR數據預處理

由圖2可知，LiDAR數據預處理階段主要包括航跡解算和點云生成兩個步驟。航跡解算是根據機載的GPS接收機和慣性導航系統確定無人機測量作業過程的航跡和姿態。為了保障航跡解算的準確性，在礦區壩頂地面架設基準站，根據地面站觀測到的GNSS數據和無人機GPS接收機存儲的信息解算飛行航跡，GNSS數據與IMU數據融合解算獲取無人機的姿態信息。

獲得無人機的航跡與姿態信息后，將激光掃描數據按時標與無人機的航跡和姿態進行匹配，然后檢查壩面點云重疊率是否符合要求。三維點云數據是后續模型建立以及剖面分析的基礎，為了確保點云成果的可靠性，在點云生成后需要考慮安置角和標定誤差角，從而獲得高精度的三維LiDAR點云數據。

2.3 漸進加密三角網LiDAR點云濾波算法

經典漸進加密三角網(PTD)濾波算法的步驟是選取局部窗口內的最低點作為初始地面種子點，以此構建不規則三角網[10-11]。由于機載LiDAR在掃描過程中存在多路徑反射的特性，使用該算法構建三角網模型時可能會低于真實地面。為了提高LiDAR點云濾波的效果，本文在構建初始三角網階段，對點云數據中未被分類的點進行判斷，記為待判斷點。遍歷所有待分類的點，查詢各點水平面投影所落入的三角形，計算點到三角形的距離及點到三角形三個頂點與三角形所在平面所成角度的最大值。將其分別與迭代距離和迭代角度進行比較，如果小于對應閾值，則將此點判定為地面點，并加入三角網中。重復上述過程，直至所有地面點分類完畢。

3 應用實例

為驗證本文方法的有效性，將陜西某礦區大壩作為典型對象，根據大壩的自身情況及周圍環境條件，采用無人機LiDAR系統對礦區大壩進行精確定位的高效率、高分辨率的掃描，掃描時間分別為2019年11月和2020年9月。為生成大壩區域高精度的DEM和DOM成果，對獲取的LiDAR點云數據進行深化處理，并構建大壩剖面模型與高差模型，從而完成礦區大壩變形監測。

3.1 大壩模型剖面提取

原始數據經過位置姿態數據解算和點云融合處理后，對LiDAR數據進行點云分類及過濾，剔除數據中由于植被、交通指示牌、過道、護欄、觀測墩、花臺等壩體附作物造成的偽數據并進行精度檢查，最終獲得需要進行分析的點云數據。利用地理空間數據建立數字高程模型，并生成DEM文件。在大壩表面三維激光掃描數據的基礎上，構建兩期大壩剖面模型，如圖3、圖4所示。大壩模型跨度為210 m左右，在0～105 m范圍內為大壩上游，在130～210 m范圍內為大壩下游。

圖3 2019年某礦區大壩模型剖面圖

圖4 2020年某礦區大壩模型剖面圖

3.2 大壩整體變形分析

得到兩期礦區大壩模型剖面圖后，統一坐標基準進行疊加分析，就可以得到大壩變形值，大壩剖面高差模型如圖5所示。

圖5 高差模型剖面圖

通過分析，得到以下結論：

(1)通過高差模型顯示，大壩上游壩面變形量相對較大，下游壩面隆起現象較為明顯。大壩絕大部分區域沒有出現嚴重的變形情況，這可能跟兩期監測時間間隔較短有關。

(2)礦區大壩兩期數據疊加之后存在正負之分，即礦區大壩存在明顯的沉降和隆起跡象，且在大壩下游區域中，可能是因為長期遭受大車碾壓，部分交通道路出現沉陷，和實際情況吻合。

3.3 LiDAR點云數據相對精度分析

相對精度主要表示為兩期數據間的精度，該精度決定不同的期數間數據的相互吻合性，以保證多期數據成果的正確性。點位中誤差表示點位精度的一種數值指標，用ΔD表示。通過同時期采集得到的距離測站約100 m范圍內的兩組點云數據進行濾波，剔除數據中由于植被、交通指示牌、過道、護欄、觀測墩、花臺等壩體附作物造成的偽數據，得到壩面點云文件。在大壩表面三維激光掃描數據的基礎上，構建大壩兩期模型，在相對測點的同一位置切取兩個剖面。提取兩組數據中檢測點位的對應坐標，兩組數據相同點位的坐標差異如表2所示。

表2 相同位置剖面線坐標差值表/mm

通過對表2分析可知，相對精度的誤差在2 cm以內，誤差標準差為3.69 mm,且各方向標準差均小于10 mm,成果穩定性較佳。上述指標滿足《機載激光雷達數據獲取成果質量檢驗技術規程》(CH/T 3023―2019)規定的精度要求。由于激光掃描得到的點云中地面存在一定的厚度，導致上述誤差的存在。

3.4 LiDAR點云數據分析

由圖5可知，該大壩有明顯的沉降和隆起跡象，通過點云濾波及點云分類，將無效數據剔除，得到壩面觀測點云文件。從兩期點云數據中，沿水準路線截取相同位置的壩頂點云數據，并沿大壩走向等間距選取多個點進行變形分析，如表3所示。

表3 提取點變形分析

礦區大壩垂直位移變化趨勢如圖6所示，藍色為點云數據、紅色為水準測量數據。

圖6 大壩垂直位移形變圖

為提高工作效率以及驗證監測結果的精度，以25 cm點距對地面點云抽稀，使得在減少點云數據量的同時，保證點云數據應用時的流暢性并保留對地形特征表達的準確性，將監測結果與壩頂的水準測量結果進行比較，精度驗證情況如表4所示。

表4 水準測量與機載激光掃描對比結果

通過對表4分析可知，在本項目開展過程中，機載激光掃描數據與水準數據較接近，相關系數達到0.97，點云絕對精度誤差均值為12 mm，中誤差為13.56 mm，點云高程精度滿足《機載激光雷達數據獲取技術規范》(CH/T 8024-2011)規定的高程精度要求，可為大壩整體變形監測提供有效的技術手段。

4 結 論

(1)通過對比礦區大壩不同時期的三維點云數據，可以較準確地分析出大壩的沉降、隆起等變形跡象和變化趨勢，為保障大壩區域范圍內人民生命財產安全提供了有效的技術手段。

(2)為了驗證監測結果的正確性，將監測結果與壩頂的水準測量數據進行比較，兩者相關系數達到0.97。且在點云相對精度、絕對精度誤差方面，LiDAR點云數據質量符合設計要求。但由于目前監測周期較短以及同名點個數較少，點云數據精度有待提高。

(3)與傳統單點變形監測相比，應用無人機LiDAR技術進行大壩表面沉陷變形監測，能夠在短時間內獲取高精度、高密度點云數據，從而快速獲取大壩的三維觀測模型和高差模型等成果，彌補了其缺乏線性變形及整體變形特征的不足。

(4)采用無人機LiDAR技術獲取大壩整體點云數據并生成DEM，具有較高的分辨率并能較真實的呈現大壩區域的地表形態，可為進一步研究大壩坡度、坡向、溝壑水系等地貌特征提供依據。