CN105136054B - 基于地面三维激光扫描的构筑物精细变形监测方法及系统 - Google Patents

Abstract

本发明提供了一种基于地面三维激光扫描的构筑物精细变形监测方法，包括：利用GPS或全站仪布设人工靶标点，建立靶标点监测网；利用地面三维激光扫描仪采集不同时刻的构筑物表面的点云数据；将靶标点监测网采集的数据和地面三维激光扫描仪采集的数据转换至同一参考坐标系；利用上述同一参考坐标系中的数据对构筑物几何模型进行判断和拟合；根据拟合得到的构筑物的几何模型进行点云数据的分割，将点云数据分割成若干个块，每个块拟合成一个代表点；对比不同时刻所述点云数据拟合得到的代表点的坐标和向量的变化，进行构筑物精细变形分析。本发明所述方法能够实现对构筑物精细变形的监测。

Description

基于地面三维激光扫描的构筑物精细变形监测方法及系统

技术领域

本发明涉及测绘科学技术领域，具体涉及一种基于地面三维激光扫描的构筑物精细变形监测方法及系统。

背景技术

各种大型基础设施在国民经济发展中发挥着重要作用，随着经济的飞速发展，新的大型工程建设项目也在不断出现。但是，隧道塌方、溃坝和桥梁垮塌等灾害的不断发生，严重危害了人类生命财产安全。因此，对大坝、桥梁和隧道等典型构筑物的变形监测尤其重要。

变形监测主要包括水准仪、全站仪、GPS、近景摄影测量和三维激光扫描仪等测量技术手段。全站仪和GPS等技术只能获取离散有限的若干点，不能满足对整个物体表面的描述；摄影测量方法精度相对低，且无直接高程信息。三维激光扫描仪技术因其高密度、高精度、实时的获取物体表面的信息(3D坐标、RGB/强度信息)，在测绘科学领域一出现便获得了广泛的兴趣。不同于全站仪/GPS技术只能获取有限的离散点坐标，三维激光扫描仪采集的点云数据，可以获取整个物体表面的3D信息，实现了“所见即所测”。该特点在变形监测领域尤其重要，因为监测过程中往往需要摸清的是整个物体表面的变形信息。这为变形监测研究提供了一种新的有效的理论技术方法。

由于三维激光扫描仪采集数据的离散性，点云与被测物体表面的一一对应关系不能确定，导致不同时刻的点云无法直接进行比对。同时，由于扫描仪硬件本身的发展水平和数据处理方法的不成熟，原始的点云虽然可以获取物体表面的3D信息，却往往不能直接满足变形监测的精度要求。因此，有必要提出一种变形监测方法，以解决三维激光扫描仪采集的点云数据无法进行构筑物精细变形监测的问题。

发明内容

针对现有技术中的缺陷，本发明提供一种基于地面三维激光扫描的构筑物精细变形监测方法及系统，以解决三维激光扫描仪采集的点云数据无法进行构筑物精细变形监测的问题。

为解决上述技术问题，本发明提供以下技术方案：

第一方面，本发明提供一种基于地面三维激光扫描的构筑物精细变形监测方法，包括：

S1.利用GPS或全站仪布设人工靶标点，建立靶标点监测网；

S2.利用地面三维激光扫描仪采集不同时刻的构筑物表面的点云数据；

S3.将靶标点监测网采集的数据和地面三维激光扫描仪采集的数据转换至同一参考坐标系；

S4.利用上述同一参考坐标系中的数据对构筑物几何模型进行判断和拟合；

S5.根据拟合得到的构筑物的几何模型进行点云数据的分割，将点云数据分割成若干个块，每个块拟合成一个代表点；

S6.对比不同时刻所述点云数据拟合得到的代表点的坐标和向量的变化，进行构筑物精细变形分析。

其中，所述步骤S2包括：布设多个地面三维激光扫描仪扫描站点，根据几何关系或者特征点将各个扫描站点的点云分成块，每个块内的点云通过最小二乘进行拟合，估计出块点，并建立不同扫描站点的块点之间的一一对应关系，得到点云数据的匹配对。

其中，所述步骤S3包括：

把块点和人工靶标点同时作为同名点，将人工靶标点采集的数据和不同扫描站点的点云数据一次性转换至参考坐标系统中，根据七参数转换模型，通过严格的高斯-海尔摩特模型进行迭代计算转换参数，其中，七参数转换模型为：

其中，j＝1,2,...,p；p代表同名点，包括人工靶标点和所述点云数据的匹配对的总数；i代表第i个扫描站点或人工靶标点；m代表尺度因子，Y代表参考坐标系统中的坐标向量；X代表人工靶标点或扫描站点坐标系统中的坐标向量；ΔX为平移向量；R为旋转矩阵，由(ω,φ,κ)三个旋转角表示，其中七参数分别包括三个旋转参数、三个平移参数和一个尺度参数。

其中，所述步骤S4包括：

根据点云数据进行二次型拟合，依据行列式方法对构筑物几何模型进行判断和拟合，二次型表示为：

其中，M是对称系数矩阵；x_k是单个点的坐标向量(k＝1,2...,n)；n代表点的个数；m是系数向量；α为尺度参数；

根据二次型估计结果，利用点云自动建立构筑物的3D模型，所述构筑物的3D模型包括椭圆柱体、球体、平面体、圆锥体、椭球体或圆柱体。

其中，所述步骤S5包括：

将不同时刻的扫描数据依据二次型估计算法建立的统一框架模型，针对估计形状为椭圆柱体、球体、平面体、圆锥体、椭球体或圆柱体的构筑物，将整个构筑物表面分成若干块(r_i,c_i)：

其中，i＝1,2,...,n，n代表点的总个数；ceil代表对该数取整；和θ₀是局部坐标系统中的中心点的极坐标；和θ_i是第i个点的极坐标值；Δθ、分别代表块的垂直角和水平角间隔；然后，每个块通过最小二乘拟合成一个代表点块中心点的极坐标表示为：

其中u＝1,2,...,m，v＝1,2,...,n；和分别代表块中心点坐标的水平角和垂直角坐标；和分别为起始点x_bs的水平角和垂直角坐标；c_u和r_v分别代表块的行号和列号；针对估计模型为3D平面的被测物体，根据点的笛卡尔坐标进行分割；

将点云唯一的划分到不同块中，由于每个块的体积很小，每个单独的块近似拟合成平面，根据块中心点，估计每个块的代表点x_r，构建不同时刻数据间一一对应关系。

其中，所述步骤S6包括：

代表点x_r的标准偏差可表示为：

其中和分别为代表点x_r在x轴、y轴和z轴方向上的方差；通过对不同时刻的构筑物表面的数据进行坐标对比，分析变化特点和趋势。

第二方面，本发明提供一种基于地面三维激光扫描的构筑物精细变形监测系统，包括：

靶标点监测网建立单元，用于利用GPS或全站仪布设人工靶标点，建立靶标点监测网；

构筑物表面点云数据采集单元，用于利用地面三维激光扫描仪采集不同时刻的构筑物表面的点云数据；

坐标系转换单元，用于将靶标点监测网采集的数据和地面三维激光扫描仪采集的数据转换至同一参考坐标系；

构筑物几何模型拟合单元，用于利用上述同一参考坐标系中的数据对构筑物几何模型进行判断和拟合；

点云数据分割单元，用于根据拟合得到的构筑物的几何模型进行点云数据的分割，将点云数据分割成若干个块，每个块拟合成一个代表点；

构筑物变形分析单元，用于对比不同时刻所述点云数据拟合得到的代表点的坐标和向量的变化，进行构筑物精细变形分析。

其中，所述构筑物表面点云数据采集单元，还用于布设多个地面三维激光扫描仪扫描站点，根据几何关系或者特征点将各个扫描站点的点云分成块，每个块内的点云通过最小二乘进行拟合，估计出块点，并建立不同扫描站点的块点之间的一一对应关系，得到点云数据的匹配对。

其中，所述坐标系转换单元，具体用于：

把块点和人工靶标点同时作为同名点，将人工靶标点采集的数据和不同扫描站点的点云数据一次性转换至参考坐标系统中，根据七参数转换模型，通过严格的高斯-海尔摩特模型进行迭代计算转换参数，其中，七参数转换模型为：

其中，j＝1,2,...,p；p代表同名点，包括人工靶标点和所述点云数据的匹配对的总数；i代表第i个扫描站点或人工靶标点；m代表尺度因子，Y代表参考坐标系统中的坐标向量；X代表人工靶标点或扫描站点坐标系统中的坐标向量；ΔX为平移向量；R为旋转矩阵，由(ω,φ,κ)三个旋转角表示，其中七参数分别包括三个旋转参数、三个平移参数和一个尺度参数。

其中，所述构筑物几何模型拟合单元用于根据点云进行二次型拟合，依据行列式方法对构筑物几何模型进行判断和拟合，二次型表示为：

其中，M是对称系数矩阵；x_k是单个点的坐标向量(k＝1,2...,n)；n代表点的个数；m是系数向量；α为尺度参数；

根据二次型估计结果，利用点云数据自动建立构筑物的3D模型，所述构筑物的3D模型包括椭圆柱体、球体、平面体、圆锥体、椭球体或圆柱体。

由上述技术方案可知，本发明所述的基于地面三维激光扫描的构筑物精细变形监测方法具有如下优点：

(1)同时将靶标点和点云匹配对作为同名点进行基准转换，提高转换精度；

(2)根据点云对典型构筑物表面进行几何形状的自动判断，并自动进行3D建模；

(3)根据不同形状采取不同分割算法的基础上进行3D变形展示，更精细化的表示局部细节。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一提供的基于地面三维激光扫描的构筑物精细变形监测方法的流程图；

图2是本发明实施例一提供的基于地面三维激光扫描的构筑物精细变形监测方法的另一种流程图；

图3是本发明实施例二提供的基于地面三维激光扫描的构筑物精细变形监测系统的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1和图2示出了本发明实施例一提供的基于地面三维激光扫描的构筑物精细变形监测方法流程图，参见图1和图2，所述基于地面三维激光扫描的构筑物精细变形监测方法包括：

步骤101：利用GPS或全站仪布设人工靶标点，建立靶标点监测网。

在本步骤中，以全站仪、GPS和/或若干靶标球/面为工具，分别以大坝、桥梁和隧道为被测物体，分别采集不同时刻的观测数据，建立变形监测网。

通常一个测站往往不能完全扫描到构筑物的整个表面，在同一时刻分别布设若干个测站。其中，以全站仪构建高精度的局部变形监测网；如果扫描站距离被测物体距离较远，扫描仪配套的靶标球/面不足以高精度拟合靶标中心时，则启用改造后的靶标面。将构筑物以外的点云进行删除后，下一步将不同扫描站的数据转换至同一参考坐标系统Y。

步骤102：利用地面三维激光扫描仪采集不同时刻的构筑物表面的点云数据。

在本步骤中，布设多个地面三维激光扫描仪扫描站点，在对被测物体扫描过程中，往往出现个别测站由于摆设位置佳，距离适中，获取数据精度高。相反，有些扫描站受实际地理位置的限制，扫描获取的数据精度差些。因此可以将位置好、扫描精度高的某个扫描站，作为主扫描站点，其余不是最佳位置的扫描站作为辅助扫描站点。根据几何关系或者特征点将各个扫描站的点云分成块，每个块内的点云通过最小二乘进行拟合，估计出块点，并建立起不同扫描站点的块点之间的一一对应关系，得到点云数据的匹配对。

步骤103：将靶标点监测网采集的数据和地面三维激光扫描仪采集的数据转换至同一参考坐标系。

在本步骤中，把块点和人工靶标点同时作为同名点，将人工靶标点采集的数据和不同扫描站点的点云数据一次性转换至参考坐标系统中，根据七参数转换模型，通过严格的高斯-海尔摩特模型进行迭代计算转换参数，其中，七参数转换模型为：

其中，j＝1,2,...,p；p代表同名点，包括人工靶标点和所述点云数据的匹配对的总数；i代表第i个扫描站点或人工靶标点；m代表尺度因子，Y代表参考坐标系统中的坐标向量；X代表人工靶标点或扫描站点坐标系统中的坐标向量；ΔX为平移向量；R为旋转矩阵，由(ω,φ,κ)三个旋转角表示，其中七参数分别包括三个旋转参数、三个平移参数和一个尺度参数。

根据泰勒展开，对上述函数进行线性化。通过拉格朗日算子，进行最小误差的解算：

其中，A和B分别为未知参数和观测值的雅克布矩阵；Q_ll为观测值的协因子矩阵；w为闭合差；x⁰为参数的估计值；为起始估计值的改正值；和分别为第一次迭代后的参数估计值和改正值。依次迭代，直到第i次迭代向量δxⁱ小于某个阈值时，迭代停止。

最小二乘算法对粗差比较敏感，虽然可以提前将含有粗差的观测值剔除，但是不易实现，因此，采用Hampel函数进行稳健估计，将可能含有粗差估计量的权重不断降低，来尽量降低粗差对数学模型的影响。来自地面三维激光扫描技术的三个初始观测值(距离d、水平角和垂直角θ)精度不同，为了提高数据处理的精度，通过最优不变二次无偏估计进行方差分量估计。通过迭代计算，得到未知参数的估计值和精度。

步骤104：利用上述同一参考坐标系中的数据对构筑物几何模型进行判断和拟合。

在上述步骤利用人工靶标点完成不同扫描站点的点云数据的坐标统一后，利用坐标转换后的点云数据对构筑物几何模型进行判断和拟合。一般地，典型构筑物表面往往是规则的，对于规则物体表面，根据坐标转换后的点云数据进行二次型拟合，依据行列式方法对构筑物几何模型进行判断和拟合，二次型表示为：

其中，M是对称系数矩阵；x_k是单个点的坐标向量(k＝1,2...,n)；n代表点的个数；m是系数向量；α为尺度参数；

利用最小二乘算法，用高斯-海尔模特模型进行解算，得到未知参数的解。通过行列式方法来判定物体的几何形状。由于典型构筑物的表面一般呈规则的形状，因此某个特定形状的构筑物可以由一个统一的数学模型表示，建立起模型库。

根据二次型估计结果，利用点云数据自动建立被测物体的3D模型。所述构筑物的3D模型包括椭圆柱体、球体、平面体、圆锥体、椭球体或圆柱体。

步骤105：根据拟合得到的构筑物的几何模型进行点云数据的分割，将点云数据分割成若干个块，每个块拟合成一个代表点。

在本步骤中，将不同时刻的扫描数据依据二次型估计算法建立的统一框架模型，针对估计形状为椭圆柱体、球体、平面体、圆锥体、椭球体或圆柱体的构筑物，将整个构筑物表面分成若干块(r_i,c_i)：

其中，i＝1,2,...,n，n代表点的总个数；ceil代表对该数取整；和θ₀是局部坐标系统中的中心点的极坐标；和θ_i是第i个点的极坐标值；Δθ、分别代表块的垂直角和水平角间隔；然后，每个块通过最小二乘拟合成一个代表点块中心点的极坐标表示为：

其中u＝1,2,...,m，v＝1,2,...,n；和分别代表块中心点坐标的水平角和垂直角坐标；和分别为起始点x_bs的水平角和垂直角坐标；c_u和r_v分别代表块的行号和列号；针对估计模型为3D平面的被测物体，根据点的笛卡尔坐标进行分割；

将点云数据唯一的划分到不同块中，由于每个块的体积很小，每个单独的块近似拟合成平面，根据块中心点，估计每个块的代表点x_r，构建不同时刻数据间一一对应关系。

步骤106：对比不同时刻所述点云数据拟合得到的代表点的坐标和向量的变化，进行构筑物精细变形分析。

在本步骤中，代表点x_r的标准偏差可表示为：

其中和分别为代表点x_r在x轴、y轴和z轴方向上的方差；通过对不同时刻的构筑物表面的数据进行坐标对比，分析变化特点和趋势。

对于精度的评定，分为内部精度和外部精度两部分。内部精度由块代表点的坐标值和方差矩阵来表述。变形监测网的精度通过误差传播规律，由转换参数及其方差矩阵来描述。因此，块代表点的总体精度由代表点在块内的精度和转换参数的精度来表示。如果某部分坐标对比后差异明显大于处理后数据的精度，说明该部分发生了变形；如果差异不明显，则需继续判断该部分是属于数据误差还是变形。

本实施例所述的基于地面三维激光扫描的构筑物精细变形监测方法基于全站仪和地面三维激光扫描数据采集的基础上，通过数据处理，对不同时刻物体表面变形信息进行精细化3D展示和分析。该方法包括外业过程和内业过程，其中，外业过程主要包括控制点测量和地面三维激光扫描仪作业；内业数据处理过程包括基于点云数据的基准转换、被测物体形状自动判别、自动3D建模、点云分割和3D变形信息图。本实施例所述方法为典型构筑物的监测和预测提供了基础支撑。

本实施例所述的基于地面三维激光扫描的构筑物精细变形监测方法具有如下优点：

(1)同时将靶标点和点云匹配对作为同名点进行基准转换，提高转换精度；

(2)根据点云对典型构筑物表面进行几何形状的自动判断，并自动进行3D建模；

(3)根据不同形状采取不同分割算法的基础上进行3D变形展示，更精细化的表示局部细节。

本发明另一实施例还提供了一种基于地面三维激光扫描的构筑物精细变形监测系统，参见图3，该系统包括：

靶标点监测网建立单元31，用于利用GPS或全站仪布设人工靶标点，建立靶标点监测网；

构筑物表面点云数据采集单元32，用于利用地面三维激光扫描仪采集不同时刻的构筑物表面的点云数据；

坐标系转换单元33，用于将靶标点监测网采集的数据和地面三维激光扫描仪采集的数据转换至同一参考坐标系；

构筑物几何模型拟合单元34，用于利用上述同一参考坐标系中的数据对构筑物几何模型进行判断和拟合；

点云数据分割单元35，用于根据拟合得到的构筑物的几何模型进行点云数据的分割，将点云数据分割成若干个块，每个块拟合成一个代表点；

构筑物变形分析单元36，用于对比不同时刻所述点云数据拟合得到的代表点的坐标和向量的变化，进行构筑物精细变形分析。

其中，所述构筑物表面点云数据采集单元32，还用于布设多个地面三维激光扫描仪扫描站点，根据几何关系或者特征点将各个扫描站点的点云分成块，每个块内的点云通过最小二乘进行拟合，估计出块点，并建立不同扫描站点的块点之间的一一对应关系，得到点云数据的匹配对。

其中，所述坐标系转换单元33，具体用于：

把块点和人工靶标点同时作为同名点，将人工靶标点采集的数据和不同扫描站点的点云数据一次性转换至参考坐标系统中，根据七参数转换模型，通过严格的高斯-海尔摩特模型进行迭代计算转换参数，其中，七参数转换模型为：

其中，j＝1,2,...,p；p代表同名点，包括人工靶标点和所述点云数据的匹配对的总数；i代表第i个扫描站点或人工靶标点；m代表尺度因子，Y代表参考坐标系统中的坐标向量；X代表人工靶标点或扫描站点坐标系统中的坐标向量；ΔX为平移向量；R为旋转矩阵，由(ω,φ,κ)三个旋转角表示，其中七参数分别包括三个旋转参数、三个平移参数和一个尺度参数。

其中，所述构筑物几何模型拟合单元34，具体用于根据点云数据进行二次型拟合，依据行列式方法对构筑物几何模型进行判断和拟合，二次型表示为：

其中，M是对称系数矩阵；x_k是单个点的坐标向量(k＝1,2...,n)；n代表点的个数；m是系数向量；α为尺度参数；

根据二次型估计结果，利用点云数据自动建立构筑物的3D模型，所述构筑物的3D模型包括椭圆柱体、球体、平面体、圆锥体、椭球体或圆柱体。

所述点云数据分割单元35具体用于将不同时刻的扫描数据依据二次型估计算法建立的统一框架模型，针对估计形状为椭圆柱体、球体、平面体、圆锥体、椭球体或圆柱体的构筑物，将整个构筑物表面分成若干块(r_i,c_i)：

其中，i＝1,2,...,n，n代表点的总个数；ceil代表对该数取整；和θ₀是局部坐标系统中的中心点的极坐标；和θ_i是第i个点的极坐标值；然后，每个块通过最小二乘拟合成一个代表点块中心点的极坐标表示为：

其中u＝1,2,...,m，v＝1,2,...,n；和分别代表块中心点坐标的水平角和垂直角坐标；和分别为起始点x_bs的水平角和垂直角坐标；c_u和r_v分别代表块的行号和列号；针对估计模型为3D平面的被测物体，根据点的笛卡尔坐标进行分割；

将点云唯一的划分到不同块中，由于每个块的体积很小，每个单独的块近似拟合成平面，根据块中心点，估计每个块的代表点x_r，构建不同时刻数据间一一对应关系。

构筑物变形分析单元36，具体用于构建代表点x_r的标准偏差

通过对不同时刻的构筑物表面的数据进行坐标对比，分析变化特点和趋势，其中和分别为代表点在x轴、y轴和z轴方向上的方差。

其中，对于精度的评定，分为内部精度和外部精度两部分。内部精度由块代表点的坐标值和方差矩阵来表述。变形监测网的精度通过误差传播规律，由转换参数及其方差矩阵来描述。因此，块代表点的总体精度由代表点在块内的精度和转换参数的精度来表示。如果某部分坐标对比后差异明显大于处理后数据的精度，说明该部分发生了变形；如果差异不明显，则需继续判断该部分是属于数据误差还是变形。同时后续也可以根据构筑物的变形程度调节监测网和地面三维激光扫描仪采集数据的频率及密度。

本实施例所述系统可以用于执行上述实施例所述的方法，其原理和效果类似，此处不再详述。

以上实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于地面三维激光扫描的构筑物精细变形监测方法，其特征在于，包括：

S1.利用GPS或全站仪布设人工靶标点，建立靶标点监测网；

S2.利用地面三维激光扫描仪采集不同时刻的构筑物表面的点云数据；

S3.将靶标点监测网采集的数据和地面三维激光扫描仪采集的数据转换至同一参考坐标系；

S4.利用上述同一参考坐标系中的数据对构筑物几何模型进行判断和拟合；

S5.根据拟合得到的构筑物的几何模型进行点云数据的分割，将点云数据分割成若干个块，每个块拟合成一个代表点；

S6.对比不同时刻所述点云数据拟合得到的代表点的坐标和向量的变化，进行构筑物精细变形分析。

2.根据权利要求1所述的基于地面三维激光扫描的构筑物精细变形监测方法，其特征在于，所述步骤S2包括：布设多个地面三维激光扫描仪扫描站点，根据几何关系或者特征点将各个扫描站点的点云分成块，每个块内的点云通过最小二乘进行拟合，估计出块点，并建立不同扫描站点的块点之间的一一对应关系，得到点云数据的匹配对。

3.根据权利要求2所述的基于地面三维激光扫描的构筑物精细变形监测方法，其特征在于，所述步骤S3包括：

把块点和人工靶标点同时作为同名点，将人工靶标点采集的数据和不同扫描站点的点云数据一次性转换至参考坐标系统中，根据七参数转换模型，通过严格的高斯-海尔摩特模型进行迭代计算转换参数，其中，七参数转换模型为：

<mrow> <msubsup> <mi>Y</mi> <mi>j</mi> <mi>i</mi> </msubsup> <mo>=</mo> <msup> <mi>&amp;Delta;X</mi> <mi>i</mi> </msup> <mo>+</mo> <msup> <mi>m</mi> <mi>i</mi> </msup> <msup> <mi>R</mi> <mi>i</mi> </msup> <msubsup> <mi>X</mi> <mi>j</mi> <mi>i</mi> </msubsup> <mo>;</mo> </mrow>

其中，j＝1,2,...,p；p代表同名点，包括人工靶标点和所述点云数据的匹配对的总数；i代表第i个扫描站点或人工靶标点；m代表尺度因子，Y代表参考坐标系统中的坐标向量；X代表人工靶标点或扫描站点坐标系统中的坐标向量；ΔX为平移向量；R为旋转矩阵，由(ω,φ,κ)三个旋转角表示，其中七参数分别包括三个旋转参数、三个平移参数和一个尺度参数。

4.根据权利要求3所述的基于地面三维激光扫描的构筑物精细变形监测方法，其特征在于，所述步骤S4包括：

根据点云数据进行二次型拟合，依据行列式方法对构筑物几何模型进行判断和拟合，二次型表示为：

<mrow> <msubsup> <mi>x</mi> <mi>k</mi> <mi>T</mi> </msubsup> <msub> <mi>Mx</mi> <mi>k</mi> </msub> <mo>+</mo> <msup> <mi>m</mi> <mi>T</mi> </msup> <msub> <mi>x</mi> <mi>k</mi> </msub> <mo>+</mo> <mi>&amp;alpha;</mi> <mo>=</mo> <mn>0</mn> <mo>;</mo> </mrow>

其中，M是对称系数矩阵；x_k是单个点的坐标向量，k＝1,2...,n；n代表点的个数；m是系数向量；α为尺度参数；

根据二次型估计结果，利用点云自动建立构筑物的3D模型，所述构筑物的3D模型包括椭圆柱体、球体、平面体、圆锥体、椭球体或圆柱体。

5.根据权利要求4所述的基于地面三维激光扫描的构筑物精细变形监测方法，其特征在于，所述步骤S5包括：

将不同时刻的扫描数据依据二次型估计算法建立的统一框架模型，针对估计形状为椭圆柱体、球体、平面体、圆锥体、椭球体或圆柱体的构筑物，将整个构筑物表面分成若干块(r_i,c_i)：

其中，i＝1,2,...,n，n代表点的总个数；ceil代表对该数取整；和θ₀是局部坐标系统中的中心点的极坐标；和θ_i是第i个点的极坐标值；Δθ、分别代表块的垂直角和水平角间隔；每个块通过最小二乘拟合成一个代表点块中心点的极坐标表示为：

其中u＝1,2,...,m，v＝1,2,...,n；和分别代表块中心点坐标的水平角和垂直角坐标；和分别为起始点x_bs的水平角和垂直角坐标；c_u和r_v分别代表块的行号和列号；针对估计模型为3D平面的被测物体，根据点的笛卡尔坐标进行分割；

将点云唯一的划分到不同块中，由于每个块的体积很小，每个单独的块近似拟合成平面，根据块中心点，估计每个块的代表点x_r，构建不同时刻数据间一一对应关系。

6.根据权利要求5所述的基于地面三维激光扫描的构筑物精细变形监测方法，其特征在于，所述步骤S6包括：

代表点x_r的标准偏差可表示为：

<mrow> <msub> <mover> <mi>&amp;sigma;</mi> <mo>^</mo> </mover> <msub> <mi>x</mi> <mi>r</mi> </msub> </msub> <mo>=</mo> <msqrt> <mrow> <msubsup> <mover> <mi>&amp;sigma;</mi> <mo>^</mo> </mover> <msub> <mi>x</mi> <mi>r</mi> </msub> <mn>2</mn> </msubsup> <mo>+</mo> <msubsup> <mover> <mi>&amp;sigma;</mi> <mo>^</mo> </mover> <msub> <mi>y</mi> <mi>r</mi> </msub> <mn>2</mn> </msubsup> <mo>+</mo> <msubsup> <mover> <mi>&amp;sigma;</mi> <mo>^</mo> </mover> <msub> <mi>z</mi> <mi>r</mi> </msub> <mn>2</mn> </msubsup> </mrow> </msqrt> <mo>;</mo> </mrow>

其中和分别为代表点x_r在x轴、y轴和z轴方向上的方差；通过对不同时刻的构筑物表面的数据进行坐标对比，分析变化特点和趋势。

7.一种基于地面三维激光扫描的构筑物精细变形监测系统，其特征在于，包括：

靶标点监测网建立单元，用于利用GPS或全站仪布设人工靶标点，建立靶标点监测网；

构筑物表面点云数据采集单元，用于利用地面三维激光扫描仪采集不同时刻的构筑物表面的点云数据；

坐标系转换单元，用于将靶标点监测网采集的数据和地面三维激光扫描仪采集的数据转换至同一参考坐标系；

构筑物几何模型拟合单元，用于利用上述同一参考坐标系中的数据对构筑物几何模型进行判断和拟合；

点云数据分割单元，用于根据拟合得到的构筑物的几何模型进行点云数据的分割，将点云数据分割成若干个块，每个块拟合成一个代表点；

构筑物变形分析单元，用于对比不同时刻所述点云数据拟合得到的代表点的坐标和向量的变化，进行构筑物精细变形分析。

8.根据权利要求7所述的基于地面三维激光扫描的构筑物精细变形监测系统，其特征在于，所述构筑物表面点云数据采集单元，还用于布设多个地面三维激光扫描仪扫描站点，根据几何关系或者特征点将各个扫描站点的点云分成块，每个块内的点云通过最小二乘进行拟合，估计出块点，并建立不同扫描站点的块点之间的一一对应关系，得到点云数据的匹配对。

9.根据权利要求8所述的基于地面三维激光扫描的构筑物精细变形监测系统，其特征在于，所述坐标系转换单元，具体用于：

把块点和人工靶标点同时作为同名点，将人工靶标点采集的数据和不同扫描站点的点云数据一次性转换至参考坐标系统中，根据七参数转换模型，通过严格的高斯-海尔摩特模型进行迭代计算转换参数，其中，七参数转换模型为：

<mrow> <msubsup> <mi>Y</mi> <mi>j</mi> <mi>i</mi> </msubsup> <mo>=</mo> <msup> <mi>&amp;Delta;X</mi> <mi>i</mi> </msup> <mo>+</mo> <msup> <mi>m</mi> <mi>i</mi> </msup> <msup> <mi>R</mi> <mi>i</mi> </msup> <msubsup> <mi>X</mi> <mi>j</mi> <mi>i</mi> </msubsup> <mo>;</mo> </mrow>

其中，j＝1,2,...,p；p代表同名点，包括人工靶标点和所述点云数据的匹配对的总数；i代表第i个扫描站点或人工靶标点；m代表尺度因子，Y代表参考坐标系统中的坐标向量；X代表人工靶标点或扫描站点坐标系统中的坐标向量；ΔX为平移向量；R为旋转矩阵，由(ω,φ,κ)三个旋转角表示，其中七参数分别包括三个旋转参数、三个平移参数和一个尺度参数。

10.根据权利要求9所述的基于地面三维激光扫描的构筑物精细变形监测系统，其特征在于，所述构筑物几何模型拟合单元用于根据点云进行二次型拟合，依据行列式方法对构筑物几何模型进行判断和拟合，二次型表示为：

<mrow> <msubsup> <mi>x</mi> <mi>k</mi> <mi>T</mi> </msubsup> <msub> <mi>Mx</mi> <mi>k</mi> </msub> <mo>+</mo> <msup> <mi>m</mi> <mi>T</mi> </msup> <msub> <mi>x</mi> <mi>k</mi> </msub> <mo>+</mo> <mi>&amp;alpha;</mi> <mo>=</mo> <mn>0</mn> <mo>;</mo> </mrow>

其中，M是对称系数矩阵；x_k是单个点的坐标向量，k＝1,2...,n；n代表点的个数；m是系数向量；α为尺度参数；

根据二次型估计结果，利用点云数据自动建立构筑物的3D模型，所述构筑物的3D模型包括椭圆柱体、球体、平面体、圆锥体、椭球体或圆柱体。