地面激光點云與航空影像相結合的滑坡監測

王慶國，趙 海，李健平

(1. 武漢科技大學汽車與交通工程學院，湖北 武漢 430065; 2. 長江勘測規劃設計研究院，湖北 武漢 430010； 3. 武漢大學測繪遙感信息工程國家重點實驗室，湖北 武漢 430079)

滑坡災害對電站的安全運行，對滑坡區域及附近區域的人員和財產安全都會帶來重大威脅，并可能伴隨交通中斷和堰塞湖等多種次生災害。因此，在水電站的施工建設和運營管理中，對庫區坡體進行實時有效監測是一項十分重要的工作。

傳統的基于全站儀和GNSS的滑坡監測方式是通過在滑坡體上一些關鍵位置布置一定數量的監測點，根據監測點的位置變化判斷滑坡體的運動變化。這種方式具有較高的監測精度，但是監測點的數量有限，難以全面覆蓋滑坡體表面。而且，由于滑坡本身存在重大安全威脅，監測點及其上的人員和設備面臨較大的風險[1-3]。

與傳統的基于全站儀和GNSS等監測手段相比，三維激光掃描監測技術在不接觸滑坡體的情況下，利用激光測距的原理，記錄被掃描物體表面大量密集點的三維坐標、反射率和RGB等信息，可快速提供掃描體表面的三維點云數據，即時性獲取掃描體的高分辨率和高精度的數字地形，構建出掃描體的三維模型及線、面、體等各種圖件數據，能快速反映滑坡體的整體變化趨勢，具有高效率和高精度的獨特測量優勢。相對而言，三維激光掃描監測技術彌補了關鍵點表觀監測法等常規監測技術存在的費時、低效、監測盲區多等不足，在滑坡監測中得到越來越廣泛的應用[4-7]。

本文結合云南瀾滄江上某水電站滑坡監測的實際需求，在滑坡變形區域以地面三維激光掃描監測技術為主，同時在一些因掃描視角和遮擋導致的掃描盲區，輔以無人機攝影測量技術，通過全面的信息采集和處理，分析滑坡的變形特性及趨勢，為電站的安全運營和后續的路口保通設計方案提供全面準確的工程基礎資料。

1 監測區的基本狀況

被監測的滑坡體位于水電站的水庫右岸K72+800—K73+200范圍內的沿江公路上、下邊坡，自2018年9月下旬以來逐漸發生較大變形。自10月15日起，在K72+850、K72+930、K73+100等處上邊坡出現頻繁的間歇性小規模坍塌，對應的下邊坡也出現坍塌。至10月20日，上述幾處庫岸在沿江公路上邊坡開挖開口線以上發生沉降塌滑，K72+850處公路路基已不足3 m，無法保障通行。鑒于庫區右岸K72+800—K73+200范圍庫岸沉降變形加劇，滑坡體體積較大，且離電站僅6 km左右，水庫目前處于較高水位運行，若滑坡體整體塌滑入庫區，將會對大壩及電站運行帶來較大的安全隱患。為確保水電站運行安全，需對該處滑坡進行變形監測、地質勘查和保通治理。

2 監測方案

2.1 基本作業步驟

綜合考慮監測區的實際地形地貌和任務要求，監測中以三維激光掃描儀為主，輔以無人機、測量機器人等進行外業工作。首先通過控制測量、三維激光掃描、無人機攝影測量獲取測區點云及影像數據。然后，利用專業軟件CloudCompare對獲取的點云和影像數據進行融合處理，并經過點云去噪及植被過濾等步驟，生成監測區當期的完整地形點云數據。最后建立地表三角網，經峰值剔除、孔洞填充等處理，并生成當期數字地表模型。監測分析時，以第1期監測數據生成的地表模型作為基準數據，與后面各期數據進行對比，以實現對滑坡體區域的整體監測分析。

2.2 外業數據采集

2.2.1 監測設備

為滿足本項目高精度、長距離、全方位的監測要求，外業數據采集主要采用RIEGL VZ-1000三維激光掃描儀獲取激光點云、大疆無人機Inspire-1采集序列影像。

2.2.2 監測點與關鍵監測剖面的布置

為了保證監測精度，并對采集的點云數據進行絕對定向，在滑坡區域事先布置固定監測基準點與固定靶標點作為變形監測點。

在滑坡體上運動明顯及產生斷面的位置，沿位移主要方向布置10條平行剖面，沿瀾滄江上游至下游方向依次編號，進行重點監測。監測剖面布置如圖1所示。

圖1 監測剖面

2.2.3 外業數據采集

外業主要采集3類數據。第1類是滑坡體監測區的地面激光三維點云數據。首先在選定的固定測站點上架設好三維激光掃描儀，然后根據任務對儀器進行一些基本設定，由儀器自動采集與儲存點云數據。掃描完成后實時檢查數據是否完整無誤，并進行初步質量分析，查缺補漏，經確認無誤后關閉掃描儀。第2類是測量機器人數據，通過測量機器人對靶標進行觀測獲取。還有一類就是無人機影像數據。由于激光掃描儀掃描范圍受限于地形，存在地表物體的自遮擋，因此，采用無人機對整個山體進行大范圍的傾斜拍攝，以獲得滑坡整體的數據，作為地面激光掃描數據的補充。

2.3 內業數據處理

2.3.1 數據配準

對每期激光掃描數據，人工選取靶標點坐標作為參考基準進行數據配準。分別在待配準點云及參考點云上選取4對以上同名點，計算出變換矩陣，將待配準點云坐標變換到參考點云上，后面再將每期數據配準到第1期數據坐標基準上[8-11]。

對于無人機拍攝的影像數據，通過在地面激光點云中人工選取同名點作為控制點，并將其放入影像空三解算過程中平差，從而實現對攝影測量點云的絕對定向，以獲取統一坐標基準的地面激光點云與攝影測量點云。經過計算，該點云的精度達到5 cm，可滿足檢測要求。

2.3.2 數據去噪

受數據采集區地物分布、地貌形態和周邊環境的影響，激光點云和影像數據中存在一些不清晰的噪聲點，給數據的后續處理和建模都增加了難度和不必要的工作量。因此，可以借助軟件和人工交互的方法，剔除數據中的噪聲點。

2.3.3 模型重建

由于點云數據密度有限，直接基于點云進行變形比較誤差較大。因此，在獲取第1期點云數據后，基于Delaunay三角網構建原則，利用第1期點云數據構建mesh模型。然后經峰值剔除、孔洞填充等處理，生成掃描區域的數字表面模型。以第1期監測數據生成的數字表面模型作為基準數據，與后面各期數據進行對比分析，從而實現對滑坡體區域的整體監測[12-15]。

截至目前，通過監測已成功獲取5期監測區及周邊環境的三維點云數據。通過數據處理，一方面將影像數據和激光掃描數據進行了融合，得到了監測區全面的點云數據；另一方面以第1期數據為基礎，生成了庫區的三維地表模型，以作為后續形變監測對比分析的數據基準。

3 監測數據成果與分析

3.1 基于地表模型的整體分析

以第1期數據成果生成的地表模型作為基準數據，將后續監測得到的成果與其進行對比分析，可得到監測區整體變形的分布情況，如圖2所示。

圖2 整體變化對比

圖2中，橫坐標表示滑坡區東西方向，縱坐標表示南北方向。經過整體分析和比較幾期監測數據成果發現，變形較大的區域主要集中于東西向-200～+100 m、南北向-100～-400 m的區域，包括滑坡凹陷較大的區域和堆積凸起較明顯的區域，其周邊另有少量零星分布的明顯滑坡。

由于監測距離和激光點云入射角過大，無法完全剔除植被等的干擾所帶來的監測誤差。這部分區域主要位于監測區1500 m高程以上，接近山體頂部，植被覆蓋多，監測距離超過1100 m，地形復雜。

3.2 剖面監測數據與分析

在重點監測區域，進一步采集各剖面的監測數據進行分析。在各監測剖面上，每間隔一定高程提取一個采樣點，各剖面取不少于5個采樣分析點。從第2期開始，每期以前一期高程數據為基準，進行變形分析。以第1號和第2號剖面為例，其監測數據見表1。其中，帶負號的變形表示凹陷變形，其他為凸起變形。

表1 剖面監測數據

本文方法對剖面采樣點高程的變化監測精度可達毫米級，實現了高精度的監測分析。綜合各剖面幾期的監測數據來看，各剖面都在不同程度地以不同速率發生變形。高程較大的區域以滑坡和沉降變形為主，表現為區域凹陷；而高程較低的區域則主要是高處滑坡體的堆積?？傮w來說，監測區內在山體斷裂面及其下側變形較大，其他部分變形較小。

4 結 語

本文采用地面激光點云數據和航空影像數據相結合的滑坡監測方法，一方面，避免了傳統的接觸式監測方法存在的安全風險和采樣監測的片面性；另一方面，通過將兩種數據進行融合分析，既充分利用了兩種數據的優勢，保證了數據的完備性，實現了對滑坡體的全面監測，又保證了監測的精度和效率，具有很好的適用性。