數碼攝影測量及三維建模在巖體結構面粗糙度教學中的應用

王章瓊，白俊龍，張 明

（武漢工程大學 土木工程與建筑學院 巖土工程研究所，湖北 武漢 430073）

結構面是巖體中發育的不連續面，使巖體表現出非連續性、各向異性和非均質性等特征[1]，導致巖體力學性質極為復雜。結構面工程性質是工程地質、水文地質、巖體力學等課程中的重點和難點內容[2]。過去很長一段時間，受技術條件的限制，人們研究結構面粗糙度時主要采用二維曲線表示，即結構面縱剖面的輪廓線[3-4]。但結構面粗糙度屬三維范疇，僅采用一條曲線來表征顯然不夠嚴謹。傳統教材對結構面各向異性特征描述較少，缺少真實三維圖像，難以幫助學生建立起粗糙度空間概念。隨著三維激光掃描[5-6]、3D打印[7-8]、3D 雕刻[9-10]等技術的出現，使得快速獲取結構面表觀形貌信息并進行三維重建成為可能。然而，上述3D 技術所需的配套設備價格昂貴，目前普及率不高。

相比之下，基于普通數碼相機的近景攝影測量技術[11-13]，具有操作方便、設備簡單、成本低等顯著優點，應用前景廣泛。本文采用數碼近景傾斜攝影測量技術，建立結構面表面形貌三維實景模型，并利用點云數據獲取不同方位的結構面粗糙度曲線，直觀展示結構面起伏及粗糙度各向異性特征。

1 基于數碼傾斜攝影測量的三維建模

1.1 傾斜攝影測量技術簡介

傳統攝影測量多采用單一視角，獲得正射影像數據，而傾斜攝影測量技術則突破了上述局限性，通過從不同角度進行拍攝，快速高效地采集三維空間數據，從而實現三維建模[14]。近年來，傾斜攝影測量技術憑借高效、便捷、高精度等顯著優點，在城建、交通、水利、地礦等領域得到廣泛應用[15]。

傾斜攝影測量的基本原理是：通過單次多鏡頭或多次單鏡頭，同時拍攝一組正射、4 組傾斜的5 個不同角度相片。拍攝相片時，記錄拍攝高度、平面坐標，并確保相鄰相片之間有一定重合度。最后，在專業后處理軟件中進行數據融合并生成三維表面模型[16-17]。

1.2 圖像采集

采集圖像可直接采用數碼相機或配備有數碼相機的手機進行拍攝。為獲得高精度的相片，在條件允許的情況下盡量選用像素高的相機。拍攝距離和角度也會影響到成像精度，對于有一定高度的物體，可從高度上分層次拍攝，由遠至近分3 個距離拍攝為宜；物體同一部分不同拍攝點的間隔應小于15°。為確保融合之后的模型無空洞，相鄰圖片之間重疊部分不宜小于60%。

本次選取發育情況較好的結構面露頭（50 cm×50 cm），采用手機攝像頭進行多角度拍攝，共獲得36張相片，其中正射圖像4 張，傾斜攝影圖像32 張。拍攝位置如圖1 所示。

圖1 拍攝點與目標對象位置關系示意圖

1.3 三維建模

三維建模采用Context Capture 軟件[18]，該軟件以一組對靜態建模主體從不同角度拍攝的數碼照片實景建模，無需人工干預，通過影像自動生成高分辨率的三維模型。其優點有：（1）真實性。具有足夠的細節和精確的地理位置信息，這為后期應用提供了足夠的技術細節。（2）數據量小。提供的模型數據量約為同類系統的1/4，大大提高應用效率。（3）兼容性強。無論是輸入或輸出，都支持多種數據格式。

建模具體流程如下：首先，將拍攝的36 張相片導入Context Capture 軟件中；經過空三（空中三角形測量）運算，確定各照片的空間位置；然后，經過三維重建生成結構面表面實景模型（圖 2）。在Context Capture 軟件中對實景模型進行旋轉、平移、縮放等操作，可模擬真實場景中不同觀察路線和位置對應的實際效果，即三維動態可視化展示。

圖2 結構面三維實景模型

2 點云數據預處理

在Context Capture 軟件中生成的結構面三維實景模型，包含了點云、色彩等數據信息。由于初步生成的三維模型往往存在一些多余信息（如模型中研究對象邊界以外的部分），因此有必要對模型數據進行處理。

2.1 裁剪模型

裁剪模型是指刪除研究區以外的多余部分，從而減少模型數據量，提高計算效率。具體操作方法：將三維實景模型導入Cloud Compare 軟件中，選中結構面所在圖層，調節模型角度，使研究區在同一視圖中顯示，使用ploygonal selection 選出用方形線框標記出的待研究區域，再使用Segment In 保留研究區。

2.2 簡化點數據

針對Context Capture 軟件建立的點云模型數據過密問題，在該軟件中可采用隨機、空間距離、八叉樹簡化點數據等方法來解決。具體操作方法：在subsample a point cloud 窗口有random、space、octree 3 種簡化模型，選擇random 對點數據進行簡化。經過裁剪和簡化后的點云如圖3 所示。

圖3 裁剪、簡化后的結構面點云

3 結構面粗糙度的各向異性特征

結構面粗糙度各向異性，是指沿結構面不同方位進行剪切，所得抗剪強度參數的非一致性。描述結構面粗糙度的指標為粗糙度系數JRC，JRC 的取值是根據實際結構面粗糙度曲線與巴頓典型結構面曲線[13]的對比來確定。目前，結構面粗糙度各向異性通常采用不同剪切方向典型剖面線的JRC 值來表征。

為得到不同剪切方向的典型結構面曲線，從Cloud Compare 軟件中導出模型的點云數據，生成TXT 格式文本。在MATLAB 軟件中，利用點云數據生成結構面表面網格模型，每間隔30°設置一個剖面，共計12 個剖面（圖4）。

圖4 結構面表面及剪切方位示意圖

提取剖面與結構面交線上的點數據，得到不同方位上的結構面粗糙度曲線。將該曲線與巴頓典型結構面進行對比，即可得到各曲線對應的JRC 值（圖5）。可以看出，本文研究的結構面其JRC 值為1.1～4.2，且不同剪切方向的JRC 值差異明顯。

圖5 各方位剖面線及對應的JRC 值

為直觀展示JRC 的各向異性特征，根據圖5 結果，繪制JRC—剪切方向關系雷達圖（圖6）。

由圖6 可知，90°、150°、330° 3 個方向JRC 值較大，為3.5～4.2；60°、180°、210° 3 個方向JRC 值較小，為1.1～1.9；其余方向JRC 值為2.2～2.8。

圖6 結構面粗糙度隨剪切方向變化雷達圖

4 結語

傾斜攝影測量、實景模型三維重建等是近年來逐漸興起的新技術，在諸多工程中得到廣泛應用。筆者將上述技術應用于巖體力學課程中結構面粗糙度內容的教學中，取得了良好效果，這是科研成果應用于本科教學的有益嘗試。

利用新技術開展三維可視化教學，通過傾斜攝影測量，實現了結構面三維實景模型的重建；采用點云建模及數據提取，得到不同剪切方向的結構面起伏曲線，并繪制成JRC 與方位角關系的雷達圖，直觀展示了結構面粗糙度各向異性特征。這使得過去只能用文字和二維圖像來表達的內容變得更加真實、生動、形象，不僅有助于學生快速、深入理解，還可以激發學生的學習興趣。

此外，基于手機數碼攝像頭傾斜攝影的三維建模技術，大大降低了三維建模的門檻和成本，同時提高了效率。上述新技術的運用，讓學生深切體會到學科交叉、專業融合的必要性和廣闊前景，以及新技術在解決專業問題時表現出的強大推動力，從而拓展學生的知識面，這對于培養學生創新思維、創新意識具有重要的現實意義。