CN110806175A - 一种基于三维激光扫描技术的干滩监测方法 - Google Patents

Abstract

本发明提供了一种基于三维激光扫描技术的干滩监测方法，包括监测点和基准点的布置、干滩点云数据获取及转换、生成干滩DEM模型和干滩监测值计算；本发明在监测点上架设好三维激光扫描仪，采用三维激光扫描对干滩表面进行连续、推扫式测量，获取干滩的三维点云数据，解决了单点激光测距测量效率差、采样率低的问题，根据定位模块对三维激光扫描仪本身的精确空间定位，并结合惯性测量模块将获取的三维点云数据的坐标转换至统一的地理坐标系；然后调用基于多重语义特征的点云分割算法对点云数据进行处理，自动生成干滩的水边线和干滩高精度的DEM模型，进而计算出干滩长度、干滩坡度和干滩高程，实现了干滩高精度无人化在线监测，且监测结果更加精确。

Description

一种基于三维激光扫描技术的干滩监测方法

技术领域

本发明涉及干滩监测技术领域，特别地，涉及一种基于三维激光扫描技术的干滩监测方法。

背景技术

尾矿坝库水位的上涨自然会导致干滩长度变短，所以干滩监测是尾矿库安全监测最直观、最重要的部分。干滩监测包括干滩长度、干滩坡度、干滩高程；干滩长度指滩顶至尾矿内水边线之间的水平距离；干滩长度直接影响浸润线的高低，干滩长度过短会导致坝体内部处于饱和状态，降低尾矿坝的稳定性，极易造成溃坝事故；正确测量干滩长度可以让矿山企业和安全监测部门在雨季有效的避免溃坝事故的发生。

当前，大部分矿山的尾矿库、排泥库已经建设了在线监测系统，但是由于尾矿库干滩的情况比较复杂，对于干滩的监测还未真正实现在线监测。目前，尾矿库干滩监测的方法主要有：坡度推算法、激光测距测角法、图像识别法。这些方法都存在诸多问题：坡度推算法的成本低，由于干滩常常不是一个坡度稳定的斜面，此方法的精度不高；激光测距测角法精度高，在干滩测量中使用效果却不尽如人意，因为激光在干滩这样的自然表面上反射的激光强度不够，时常接收不到返回的信号，稳定性差；图像识别法包括单目和双目，图像识别法在自然条件较差时，需要人工描绘出水边线，达不到在线监测的要求。因此，业内急需一种基于三维激光扫描技术的干滩监测方法。

发明内容

本发明目的在于提供一种基于三维激光扫描技术的干滩监测方法，以解决了背景技术中存在的问题。

为实现上述目的，本发明提供了一种基于三维激光扫描技术的干滩监测方法，步骤包括：

S1、监测点和基准点的布置；在干滩内设置塔杆索道监测点和基准点，塔杆索道监测点沿干滩边坡设置，塔杆索道监测点包括第一塔杆、索道和第二塔杆；第一塔杆和第二塔杆通过索道连接，索道上挂设有三维激光扫描仪；所述三维激光扫描仪包括三维激光扫描元器件和搭载在三维扫描元器件上的定位模块和惯性测量单元；第一塔杆和第二塔杆沿干滩边坡设置，且第一塔杆位于所述干滩滩顶处；基准点对应地设置在从干滩滩顶向库区水位方向按照国家标准规定的距离位置上，且基准点上设有靶杆；三维激光扫描仪架设完成后，进行三维激光扫描仪的数据和位置初始化，三维激光扫描仪与后台服务器和后台处理计算机无线通信连接。

S2、干滩点云数据获取及转换；三维激光扫描仪在索道上滑动，实现对干滩地形连续扫描，获取干滩地形的点云数据，并依据三维激光扫描仪上搭载的定位模块测量的自身空间定位数据和惯性测量模块的测量数据，将获取的点云数据转换至同一地理参考坐标系下的地理坐标。

S3、生成干滩DEM模型；根据获得的同一地理坐标系下的点云数据，通过计算机调用基于多重语义特征的点云分割，提取出干滩水边线和生成干滩DEM模型。

S4、干滩监测值计算；利用得到的干滩DEM模型，计算出干滩监测值；

S4.1、干滩高程计算；使用干滩DEM，沿着Y方向对干滩DEM切一条剖线，获取该剖线上的一系列点云，且在这个点云集合中，以Z值最小的点的高程作为滩顶高程；H(滩顶高程)＝Min{Zi；1≤i≤n}；

S4.2、干滩长度计算；使用干滩DEM以及点云分割所得的水边线；沿X方向对干滩DEM进行剖切，获取模型断面点云数据，P1是干滩顶上的点，Pn是水边线上的点，其中Z1＝H滩顶高程，Zn＝H库水位，模型断面中的干滩长度为l(干滩)＝|x1-xn|；另外，在[y1,yn]中，以Δy获得一系列的测量断面，干滩长度为L(干滩)＝Min{l(干滩)}；

S4.3、干滩坡度计算；θ干滩坡度＝arctan((H滩顶高程-H水位高程)/L干滩长度)。

进一步地，所述步骤S1中，基准点上设置的靶杆为金属靶杆。

进一步地，所述步骤S2中，干滩点云数据的转换包括：

S2.1、极坐标转局部直角坐标，三维激光扫描元器件扫描时，返回的数据仅为水平旋转角度和距离参量，需要将极坐标系下的角度和距离信息转化为地理坐标系下的XYZ坐标，转换表达式为：

S2.2、局部直角坐标转地理坐标，利用定位模块测得的扫描设备的地理坐标以及惯性测量模块测得的扫描设备与地理坐标系之间的旋转矩阵，将激光扫描点的局部直角坐标转换为同一地理参考坐标系下的地理坐标，坐标转换计算公式为：

为激光扫描仪S时刻的局部直角坐标，

为该S时刻定位模块测得扫描设备的地理坐标；

为该S时刻惯性测量模块测得的扫描设备与地理坐标系之间的旋转矩阵。

进一步地，所述步骤S3中，点云分割包括点云数据网格化和多重语义特征判断；

S3.1、点云数据网格化，通过后台处理计算机将点云数据按照水平网格进行单元划分；

S3.2、多重语义特征判断，包括：

S3.21、遍历所有网格，计算网格内点云的数量，按照网格内点云数量从高到低进行排序，提取出点云最密集的N个网格，计算N个网格的高程方差，找出高程方差最大的k个网格，计算k个网格的最小高程，此高程为水面高程H(w)；所述高程方差计算公式为：

σ²为高程方差，h是一个点p(X,Y,Z)的高程，h＝Z，H是所有点的平均高程E(h)，n是网格内点云的个数；

S3.22、遍历所有网格，如果网格内激光点云的点数大于0，计算此网格内所有点云的平均反射率E(r)，同时计算网格内点云的平均高程E(h)、高程方差δ(h)，如果E(r)、|E(h)-H(w)|、δ(h)这3个参数均小于给定的阈值条件，则认为此网格是水面；

S3.23、遍历所有网格，如果网格内点云数量为0，搜索此网格的邻域，以邻域的平均反射率、平均高程、高程方差求均值作为网格的平均反射率、平均高程、高程方差，如果E(r)、|E(h)-Hw|、δ(h)参数均满足S3.22中小于给定的阈值条件，则认为此网格是水面；

S3.24、根据步骤S3.21、S3.22和S3.23的结果，将整个点云扫描范围划分为干滩和水面；但是此时的水边线的精度不够高，将水面和干滩坡面交界附近的网格进行重现划分，设定更小的网格进行划分；

S3.25、遍历重新划分的小网格，计算每个网格的坡度变率，并将坡度变率大于设定阈值的网格保留下来，进行形态学膨胀、腐蚀运行，获取到网格的中心线作为水边线；

S3.26、将步骤S3.25中划分的小网格，去掉是水面的网格，保留干滩的网格，计算各个干滩网格的平均高程E(h)，生成干滩的DEM。

进一步地，坡度变率是地面高程相对于水平面变化的二阶导数，即坡度之坡度，对坡度的计算结果再次计算一次坡度，即可得到坡度变率SOS；坡度计算公式如下：

dz/dx为网格在x方向上的变化率；dz/dy为网格在y方向上的变化率。

进一步地，步骤S3.22中的阈值条件为：

进一步地，步骤S3.25中坡度变率的阈值范围为0.001～0.01。

本发明具有以下有益效果：

本发明提供了一种基于三维激光扫描技术的干滩监测方法，采用三维激光扫描对干滩表面进行连续、推扫式测量，获取干滩的三维点云数据，解决了单点激光测距测量效率差、采样率低的问题，同时根据定位模块对三维激光扫描仪本身进行精确空间定位，并结合惯性测量模块将获取的三维点云数据的坐标转换至统一的地理坐标系；通过调用基于多重语义特征的点云分割算法对转换后的点云数据处理，自动生成干滩的水边线和干滩高精度的DEM模型，进而计算出干滩长度、干滩坡度和干滩高程，实现了干滩高精度无人化在线监测,且监测结果更加精确。

除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照图，对本发明作进一步详细的说明。

附图说明

构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明一种基于三维激光扫描技术的干滩监测方法的流程示意图；

图2是监测点和基准点布置的结构示意图；

图3是点云数据的极坐标数据转换示意图；

图4是干滩滩顶高程计算示意图；

图5是水边线示意图；

图6是干滩长度计算示意图；

图7是干滩坡度计算示意图；

其中，1、第一塔杆，2、第二塔杆，3、激光扫描仪，4、索道，5、靶杆。

具体实施方式

以下结合附图对本发明的实施例进行详细说明，但是本发明可以根据权利要求限定和覆盖的多种不同方式实施。

参照图1至图7，本发明提供了一种基于三维激光扫描技术的干滩监测方法，包括以下步骤：

S1、监测点和基准点的布置；在干滩内设置塔杆索道监测点和基准点，塔杆索道监测点沿干滩边坡设置，塔杆索道监测点包括第一塔杆、索道和第二塔杆；第一塔杆和第二塔杆通过索道连接，索道上挂设有三维激光扫描仪；所述三维激光扫描仪包括三维激光扫描元器件和搭载在三维扫描元器件上的定位模块和惯性测量单元；第一塔杆和第二塔杆沿干滩边坡设置，且第一塔杆位于所述干滩滩顶处；基准点对应地设置在从干滩滩顶向库区水位方向按照国家标准规定的距离位置上，且基准点上设有靶杆，靶杆为金属靶杆；三维激光扫描仪架设完成后，进行三维激光扫描仪的数据和位置初始化，三维激光扫描仪与后台服务器和后台处理计算机无线通信连接；详见图2。

S2、干滩点云数据获取及转换；三维激光扫描仪在索道上滑动，实现对干滩地形连续扫描，获取干滩地形的点云数据，并依据三维激光扫描仪上搭载的定位模块测量的自身空间定位数据和惯性测量模块的测量数据，将获取的点云数据转换至同一地理参考坐标系下的地理坐标。

S2.1、极坐标转局部直角坐标，三维激光扫描元器件扫描时，返回的数据仅为水平旋转角度和距离参量，需要将极坐标系下的角度和距离信息转化为地理坐标系下的XYZ坐标，转换表达式为：

详见图3。

S2.2、局部直角坐标转地理坐标，利用定位模块测得的扫描设备的地理坐标以及惯性测量模块测得的扫描设备与地理坐标系之间的旋转矩阵，将激光扫描点的局部直角坐标转换为同一地理参考坐标系下的地理坐标；坐标转换计算公式为：

为激光扫描仪S时刻的局部直角坐标，

为该S时刻定位模块测得扫描设备的地理坐标；

为该S时刻惯性测量模块测得的扫描设备与地理坐标系之间的旋转矩阵。

S3、生成干滩DEM模型；根据获得的同一地理坐标系下的点云数据，通过计算机调用基于多重语义特征的点云分割，提取出干滩水边线和生成干滩DEM模型；

S3.1、点云数据网格化，通过后台处理计算机将点云数据按照水平网格进行单元划分，网格的边长取值范围为0.2m～2m；

S3.2、多重语义特征判断，包括：

S3.21、遍历所有网格，计算网格内点云的数量，按照网格内点云数量从高到低进行排序，提取出点云最密集的N个网格，计算N个网格的高程方差，找出高程方差最大的k个网格，计算k个网格的最小高程，此高程为水面高程H(w)；所述高程方差计算公式为：

为高程方差，h是一个点p(X,Y,Z)的高程，h＝Z，H是所有点的平均高程E(h)，n是网格内点云的个数。

S3.22、遍历所有网格，如果网格内激光点云的点数大于0，计算此网格内所有点云的平均反射率E(r)，同时计算网格内点云的平均高程E(h)、高程方差δ(h)，如果E(r)、|E(h)-H(w)|、δ(h)这3个参数均小于给定的阈值条件，则认为此网格是水面；阈值条件为：

S3.23、遍历所有网格，如果网格内点云数量为0，搜索此网格的邻域，以邻域的平均反射率、平均高程、高程方差求均值作为网格的平均反射率、平均高程、高程方差，如果E(r)、|E(h)-Hw|、δ(h)参数均满足S3.22中小于给定的阈值条件，则认为此网格是水面；

S3.24、根据步骤S3.21、S3.22和S3.23的结果，将整个点云扫描范围划分为干滩和水面；但是此时的水边线的精度不够高，将水面和干滩坡面交界附近的网格进行重现划分，设定更小的网格进行划分，小网格的边长取值范围为：0.02m～0.2m；

S3.25、遍历重新划分的小网格，计算每个网格的坡度变率，并将坡度变率大于设定阈值(0.001～0.01)的网格保留下来，通过后台处理计算机进行形态学膨胀、腐蚀运行，获取到网格的中心线作为水边线；

坡度变率是地面高程相对于水平面变化的二阶导数，即坡度之坡度，对坡度的计算结果再次计算一次坡度，即可得到坡度变率SOS；坡度slope的计算公式如下：

dz/dx为网格在x方向上的变化率；dz/dy为网格在y方向上的变化率；

如下表1所示：假设计算网格e的坡度，每个网格的高程值分别用网格字母表示，网格e在x方向上的变化率将通过以下算法进行计算：

网格e在y方向上的变化率将通过以下算法进行计算：

其中，x_cellsize、y_cellsize表示网格的边长；

表1

S3.26、将步骤S3.25中划分的小网格，去掉是水面的网格，保留干滩的网格，计算各个干滩网格的平均高程E(h)，生成干滩的DEM。

S4、干滩监测值计算；利用得到的干滩DEM模型，计算出干滩监测值；

S4.1、干滩高程计算；使用干滩DEM，沿着Y方向对干滩DEM切一条剖线，获取该剖线上的一系列点云，且在这个点云集合中，以Z值最小的点的高程作为滩顶高程；H(滩顶高程)＝Min{Zi；1≤i≤n}；详见图4。

S4.2、干滩长度计算；使用干滩DEM以及点云分割所得的水边线；沿X方向对干滩DEM进行剖切，获取模型断面点云数据，P1是干滩顶上的点，Pn是水边线上的点，其中Z1＝H滩顶高程，Zn＝H库水位，模型断面中的干滩长度为L(干滩)＝|x1-xn|；另外，在[y1,yn]中，以Δy(一般取10m)获得一系列的测量断面，干滩长度为L(干滩)＝Min{Li(干滩)}；详见图5至图6。

S4.3、干滩坡度计算；θ干滩坡度＝arctan((H滩顶高程-H水位高程)/L干滩长度)；详见图7。

多重语义特征判断的语义特征依据依据包括：

光的反射率，反射率是衡量一个物体对光的反射能力的指标，与物体本身的材质有很大的关系，因此可以利用此信息区分不同材质的物体。设定反射率范围区间为0～255，漫反射物体的反射率强度一般在0～100分布，镜面反射物体的反射率在101～255之间，最理想的全反射物体的反射率接近255。

光波长，水体对太阳光吸收、反射和透射是随波长而变化的，总的是光的吸收大于反射和透射。在厚度为1mm的水层的吸收光谱曲线中，可见光波段水吸收率较低，即在蓝、绿光波段透射能力相对较高。水对近红外波段吸收较强，在1400nm和1900nm附近，其吸收率接近100％；大部分三维激光扫描仪的波长一般在900nm～1600nm之间，在扫描干滩水体时，回波很少。

参照塔杆，索道两端的塔杆，有一个是在库水域内部的，三维激光扫描仪在扫描到水面上回波很少，但是在扫描到塔杆水面以上部分时，由于塔杆的金属表面反射率非常高，会返回交密集的点云数据。

干滩高程与水面高程变化，尾矿库干滩是有一定坡度的斜面，而尾矿库中的水面可以认为是一个水平面，因此水面有限的回波点位的高程是一个恒定的值，而干滩的高程是变化较明显的值，在干滩和水面的交界处，高程经常会有一个跃迁。

本发明提供了一种基于三维激光扫描技术的干滩监测方法，采用三维激光扫描对干滩表面进行连续、推扫式测量，获取干滩的三维点云数据，解决了单点激光测距测量效率差、采样率低的问题，同时根据定位模块对三维激光扫描仪本身进行精确空间定位，并结合惯性测量模块将获取的三维点云数据的坐标转换至统一的地理坐标系；通过调用基于多重语义特征的点云分割算法对转换后的点云数据处理，自动生成干滩的水边线和干滩高精度的DEM模型，进而计算出干滩长度、干滩坡度和干滩高程，实现了干滩高精度无人化在线监测,且监测结果更加精确。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于三维激光扫描技术的干滩监测方法，其特征在于，步骤包括：

S1、监测点和基准点的布置；在干滩内设置塔杆索道监测点和基准点，塔杆索道监测点沿干滩边坡设置，塔杆索道监测点包括第一塔杆、索道和第二塔杆；第一塔杆和第二塔杆通过索道连接，索道上挂设有三维激光扫描仪；所述三维激光扫描仪包括三维激光扫描元器件和搭载在三维扫描元器件上的定位模块和惯性测量单元；第一塔杆和第二塔杆沿干滩边坡设置，且第一塔杆位于所述干滩滩顶处；基准点对应地设置在从干滩滩顶向库区水位方向按照国家标准规定的距离位置上，且基准点上设有靶杆；

S2、干滩点云数据获取及转换；三维激光扫描仪在索道上滑动，实现对干滩地形连续扫描，获取干滩地形的点云数据，并依据三维激光扫描仪上搭载的定位模块测量的自身空间定位数据和惯性测量模块的测量数据，将获取的点云数据转换至同一地理参考坐标系下的地理坐标；

S3、生成干滩DEM模型；根据获得的同一地理坐标系下的点云数据，通过计算机调用基于多重语义特征的点云分割，提取出干滩水边线和生成干滩DEM模型；

S4、干滩监测值计算；利用得到的干滩DEM模型，计算出干滩监测值；

S4.1、干滩高程计算；使用干滩DEM，沿着Y方向对干滩DEM切一条剖线，获取该剖线上的一系列点云，且在这个点云集合中，以Z值最小的点的高程作为滩顶高程；H(滩顶高程)＝Min{Zi；1≤i≤n}；

S4.2、干滩长度计算；使用干滩DEM以及点云分割所得的水边线；沿X方向对干滩DEM进行剖切，获取模型断面点云数据，P1是干滩顶上的点，Pn是水边线上的点，其中Z1＝H滩顶高程，Zn＝H库水位，模型断面中的干滩长度为l(干滩)＝|x1-xn|；另外，在[y1,yn]中，以Δy获得一系列的测量断面，干滩长度为L(干滩)＝Min{l(干滩)}；

S4.3、干滩坡度计算；θ干滩坡度＝arctan((H滩顶高程-H水位高程)/L干滩长度)。

2.根据权利要求1所述的一种基于三维激光扫描技术的干滩监测方法，所述步骤S1中，基准点上设置的靶杆为金属靶杆。

3.根据权利要求1所述的一种基于三维激光扫描技术的干滩监测方法，其特征在于，所述步骤S2中，干滩点云数据的转换包括：

S2.1、极坐标转局部直角坐标，三维激光扫描元器件扫描时，返回的数据仅为水平旋转角度和距离参量，需要将极坐标系下的角度和距离信息转化为地理坐标系下的XYZ坐标，转换表达式为：

S2.2、局部直角坐标转地理坐标，利用定位模块测得的扫描设备的地理坐标以及惯性测量模块测得的扫描设备与地理坐标系之间的旋转矩阵，将激光扫描点的局部直角坐标转换为同一地理参考坐标系下的地理坐标，坐标转换计算公式为：

为激光扫描仪S时刻的局部直角坐标，

为该S时刻定位模块测得扫描设备的地理坐标；

为该S时刻惯性测量模块测得的扫描设备与地理坐标系之间的旋转矩阵。

4.根据权利要求3所述的一种基于三维激光扫描技术的干滩监测方法，其特征在于，所述步骤S3中，点云分割包括点云数据网格化和多重语义特征判断；

S3.1、点云数据网格化，将点云数据按照水平网格进行单元划分；

S3.2、多重语义特征判断，包括：

S3.21、遍历所有网格，计算网格内点云的数量，按照网格内点云数量从高到低进行排序，提取出点云最密集的N个网格，计算N个网格的高程方差，找出高程方差最大的k个网格，计算k个网格的最小高程，此高程为水面高程H(w)；所述高程方差计算公式为：

σ²为高程方差，h是一个点p(X,Y,Z)的高程，h＝Z，H是所有点的平均高程E(h)，n是网格内点云的个数；

S3.22、遍历所有网格，如果网格内激光点云的点数大于0，计算此网格内所有点云的平均反射率E(r)，同时计算网格内点云的平均高程E(h)、高程方差δ(h)，如果E(r)、|E(h)-H(w)|、δ(h)这3个参数均小于给定的阈值条件，则认为此网格是水面；

S3.23、遍历所有网格，如果网格内点云数量为0，搜索此网格的邻域，以邻域的平均反射率、平均高程、高程方差求均值作为网格的平均反射率、平均高程、高程方差，如果E(r)、|E(h)-Hw|、δ(h)参数均满足S3.22中小于给定的阈值条件，则认为此网格是水面；

S3.24、根据步骤S3.21、S3.22和S3.23的结果，将整个点云扫描范围划分为干滩和水面；但是此时的水边线的精度不够高，将水面和干滩坡面交界附近的网格进行重现划分，设定更小的网格进行划分；

S3.25、遍历重新划分的小网格，计算每个网格的坡度变率，并将坡度变率大于设定阈值的网格保留下来，进行形态学膨胀、腐蚀运行，获取到网格的中心线作为水边线；

S3.26、将步骤S3.25中划分的小网格，去掉是水面的网格，保留干滩的网格，计算各个干滩网格的平均高程E(h)，生成干滩的DEM。

5.根据权利要求4所述的一种基于三维激光扫描技术的干滩监测方法，其特征在于，坡度变率是地面高程相对于水平面变化的二阶导数，即坡度之坡度，对坡度的计算结果再次计算一次坡度，即可得到坡度变率SOS；坡度计算公式如下：

dz/dx为网格在x方向上的变化率；dz/dy为网格在y方向上的变化率。

6.根据权利要求4所述的一种基于三维激光扫描技术的干滩监测方法，其特征在于，步骤S3.22中的阈值条件为：

7.根据权利要求4所述的一种基于三维激光扫描技术的干滩监测方法，其特征在于，步骤S3.25中坡度变率的阈值范围为0.001～0.01。

Images