三维激光扫描在变形监测中的应用

三维激光扫描在变形监测中的应用

1.1 课题研究背景及意义

在国民经济飞速发展的今天，人们对自然资源的优化利用和对生存环境的保护都有了更深层次的认识。安全监测引起了人们的广泛关注和高度重视，安全监测的理念在各种工程建设中均得到了必要的体现。

调查结果表明，一些事故是由于工程施工质量造成的，也有部分是由于环境条件恶化及局部气候异常（如连降暴雨）造成的，但是更多的是由于管理不善、缺乏必要的安全监测以及对隐患未及时处理而造成的。工程建筑物的变形分析研究、建模及预测已经越来越受到全社会的普遍关注，在建筑物运营过程中，准确分析工程建筑物的变形形态，及时预报工程建筑物的变形趋势，从而确保工程建筑物的安全，防止事故的发生。

目前，变形监测采用的常规手段是测定目标建筑物重点部位测点的变形值，常用的仪器有水准仪、经纬仪、测距仪、全站仪、断面仪等。这种单点测量手段监测面积大，通过变形基准网可以进行测量结果的校核和精度评定，适用于不同监测精度要求、不同形式的变形体和不同的外界条件，但外业工作量大，布点受地形条件影响，不易实现自动化监测[1]。精度高，速度快，操作简单的GPS与计算机技术、数据通信技术及数据处理与分析技术集成，实现从数据采集、传输、管理到变形分析及预报的自动化，用于变形监测方面有更长远的发展[2]；但卫星信号受多路径效应的影响，在高山、地下等信号易被遮挡的地区，观测精度和可靠性不高甚至无法监测，且高精度变形监测中难以利用GPS同时精确测定平面和垂直位移。近年来，近景摄影测量可瞬间记录被测目标建筑物的点位信息，进行进一步的变形对比分析，应用于隧道、桥梁、大坝、结构工程及高层建筑等的变形监测领域[3]，然而摄影测量技术在变形监测中的应用尚不普及，主要是受摄影距离要求较近的限制，目前大多数的测量部门不具备摄影测量所需的仪器设备。

上述传统的变形监测方法有着各自不同的适用范围和优缺点，然而这些常规的测量技术不能满足结构连续，且需要整体监测的工程建筑物。三维激光扫描技术（3D Laser Scanning Technology）是近几年来逐步发展成熟的一项高新技术，与传统的技术手段有着较大的区别，该技术突破了传统的单点测量模式，实现了“从点到面测量”的技术革新，能够快速获取物体表面海量三维坐标数据，这些三维坐标数据又被称为“点云”[4]。点云数据可以描述目标物表面的真实形态，直接反映客观事物实时、动态、真实的形态特性。采用三维激光扫描技术能完整地“复制”目标物，获取整个被监测目标物的观测数据，高密度高精度的优势使其在变形监测领域占据一席之地。作为传统测量的补充手段，三维激光扫描技术提供的高分辨率点云能详细记录复杂物体的各个细节，在城市三维建模、文物保护、逆向工程、地形测量、竣工测量等领域具有很好的潜在应用价值。值得一提的是三维激光扫描技术凭借方便快捷、采集速度快、扫描精度高、无需可见光照明等特点，在变形监测领域应用广泛，不仅可用于大坝、船闸、桥路等的变形小区域监测，也可用于滑坡、岩崩、河岸崩塌、矿山塌陷等自然灾害的大场景监测。

传统的变形监测方法难以突破单点测量的模式，测量耗时，自动化程度不高，获取的信息有限，容易忽略目标建筑物整体结构和形态的变形。三维激光扫描技术改变传统单点测量方法，避免采集数据少，信息不全面的劣势，通过采集到高精度高密度的建筑物表面点云数据充分表现目标建筑物的几何信息来实现微小变形的检测。利用三维激光扫描技术提取目标建筑物的三维空间形态信息，实现对不同时期变形体的变形检测，对于局部变形表现出极大的优势，尤其可以在整体上把握大型建筑物的变形信息，从而确保变形体的安全，防止事故发生而造成严重危害，同时验证规划、设计、施工的正确性与工程质量，对老化及病变结构的补强加固、维修养护的效果提出评价等。

1.2 国内外研究现状

变形监测是对变形体利用专用测量仪器和方法进行观测，来确定其空间位置随时间的变化特征，观测目的是为了获取变形体的变形数据，来研究在各种荷载和外力作用下，变形体的形状、大小、及位置变化的空间状态和时间特征，掌握变形体的实际性状，对变形的原因做出科学解释，并进行预报[5]。

近几年，三维激光扫描技术有了很大发展，凭借快速、准确获取三维信息的特点，已经在变形监测方面有了较广泛的应用。

1.2.1 国外研究现状

（1）仪器校准与误差分析方面

变形监测应用需要毫米级到亚豪米级的精度，仪器校准和误差分析都要进行测试。性能评估的内容包括仪器硬件校准、距离精度、角度精度、点精度、激光束发散等。Schulz[6]在对Reigl、Leica等扫描仪的成像系统、扫描分析系统进行硬件评估后，重点在偏心率和轴非正交性误差方面，同时给出了花岗岩点云的误差规律，结合倾斜仪来讨论校准误差程序。D. Gonzalez-Aguilera[7]等对Trimble GXTM 和Riegl LMS-Z390i两台扫描仪自校准做了深入的分析，探讨了扫描仪的测距误差、测角误差和轴系间的误差，并根据测量误差的特性，推导了系统误差校正模型。Lichti[8]提出修正iQsun880激光扫描仪的重大系统误差的模型，并估算出表示时间不稳定的附加参数，这意味着若进一步的测试证实了上述发现，需要制造商采取补救措施来校准仪器。

误差分析方面，Yuriy Reshetyuk[9]通过实验，将TOF地面激光扫描仪的误差来源分为仪器误差、与目标有关的误差、环境误差以及算法误差，同时论证了各类误差的影响程度，给出了误差模型。Cheok G.S[10]基于误差传播理论，讨论生成曲面（网格）算法来评估扫描点云误差，计算网格中任意点的仪器误差估计和点云误差的点间空间协方差，从而分析各个影响因素对点云误差的影响。Wolfgang Boehler[11]做了一系列标准化的测试，分析并指出物体表面的反射率、测量距离、扫描角度、边缘效应、光斑大小及外界环境光线均会影响扫描精度，并针对不同影响因素给出了消除或降低误差的方法。Lichti和Harvey等人[12]侧重研究反射面材料特性对激光脉冲三维激光扫描仪的影响，指出激光脉冲在反射面的衰减增大了扫描仪的测距误差，甚至导致点云数据的完全丢失或只有在更短距离才能获取的情况。

（2）数据处理方面

三维激光扫描技术在测量过程中快速采集大量的密集点云，点云数据是直接采集目标真实位置的数据，后续的数据处理必须真实可靠，才能直接反映客观事物实时、动态、真实的形态特性。

Pauly等[13]将Laplacian算子应用到散乱点云上，收获了很好的去噪效果。Carr等人[14]应用径向基函数（RBF）提取三维点云数据中的等值线，实现对点云数据的重建。为加快点云数据重建速度，Ohtake和BELYAEVA[15]将基于紧支撑径向基函数（CSRBF）的多层点云重建算法应用到点云数据的孔洞修补工作中，收到了较为理想的成果。为得到物体表面完整的点云数据，需要对点云数据进行整合和配准。其中最经典的配准算法是由Besl和Mckay[16]在1992年提出的ICP(Iterative Closest Point)配准算法，该算法以四元数为基础实现了点集到点集的配准，通过实验证明这种匹配算法是一种解决复杂配准问题的关键方法，应用范围较大。散乱数据一般不含显式的特征信息，Stamos I、Jiang X和Yokoya N在三维场景分割方面作出了重大的贡献，分别采用基于区域[17]、基于边缘[18]、基于区域与边缘混合[19]的方法实现了点云三维场景的分割，其中基于区域与边缘混合算法可以在一定程度上克服基于区域分割算法运算速度慢和基于边缘分割算法边缘定位精度不理想的缺点，是一种较为成熟的算法。在三维几何建模方面，上世纪末，Sequeira V和Curless B分别提出基于曲面[20]和基于体[21]的建模方法，这两种方法有一定的局限性，其在大规模场景中的直接应用范围小。目前模型三角